توضیحات محصول

دانلود مقاله میزان مشارکت ساقه اصلی و پنجه ها در عملکرد دانه ای گندم دوروم (Triticumturgidum L. var. durum) و  رشد قطعات آن در شرایط مدیترانه ای

تعداد کلمات فایل انگلیسی:۶۰۰۰ کلمه ۸ صفحه pdf

تعداد صفحات فایل ترجمه:۲۷ صفحه word فونت ۱۴ B Zar

میزان مشارکت ساقه اصلی و پنجه ها در عملکرد دانه ای گندم دوروم (Triticumturgidum L. var. durum) و  رشد قطعات آن در شرایط مدیترانه ای

چکیده

تحت شرایط تنش خشکی پایدار، رقم هایی از غلات با پنجه زنی محدود پیشنهاد شده اند که با صرفه اند، چون آن ها پنجه های غیرقابل استفاده کمتری دارند، در نتیجه مصرف آب را قبل از رسیدگی کمتر می کنند. در این مطالعه، ۴ آزمایش مزرعه ای در ۲ فصل رویشی تحت شرایط دیم و آبیاری در جنوب اسپانیا انجام شد. بیست و پنج ژنوتیپ مطالعه شدند تا میزان سهم ساقه ی اصلی و پنجه ها را برای عملکرد دانه و ترکیبات آن بررسی کنند.  تفاوت های چشمگیری بین ژنوتیپ ها تحت شرایط بدون استرس بدست آمد. میزان مشارکت ساقه ی اصلی در عملکرد دانه بیشتر از پنجه ها بود (۶۸% در مقابل ۳۲%) و در طی سال ها تحت شرایط آبیاری ثابت باقی ماند، اگرچه در شرایط دیم، ساقه ی اصلی تحت شرایط تغییرات محیطی سالیانه به طور متفاوتی مشارکت داشت. بنابراین، میزان مشارکت ساقه ی اصلی در عملکرد دانه تحت آب و هوای مناسب بیشتر از آب و هوای نامناسب بود (۸۵% در مقابل ۵۹%). تحت شرایط آبیاری، عملکرد دانه برای ساقه اصلی و پنجه ها به تعداد دانه در هر سنبله، تعداد سنبلچه در هر سنبله و وزن دانه ای بستگی داشت. در شرایط آب-محدود، بازده ی ساقه ی اصلی به تعداد دانه در هر سنبله و سنبلچه بستگی داشت، در صورتی که تعداد سنبلچه و وزن دانه ای تاثیر بسیار کمی بر عملکرد دانه ای داشت. علاوه بر آن، تحت شرایط تنش خشکی، ژنوتیپ هایی با پنجه زنی بالا نتایجی مشابه ژنوتیپ ها با پنجه زنی محدود نشان دادند. همچنین، هیچ مدرک قابل توجهی برای تاثیر مثبت یا منفی تعداد پنجه در عملکرد دانه تحت شرایط دیم بدست نیامد.

A UML profile for the conceptual modelling of data-mining with time-series in data warehouses

ABSTRACT

Time-series analysis is a powerful technique to discover patterns and trends in temporal data. However, the lack of a conceptual model for this data-mining technique forces analysts to deal with unstructured data. These data are represented at a low-level of abstraction and their management is expensive. Most analysts face up to two main problems: (i) the cleansing of the huge amount of potentially-analysable data and (ii) the correct definition of the data-mining algorithms to be employed. Owing to the fact that analysts’ interests are also hidden in this scenario, it is not only difficult to prepare data, but also to dis­cover which data is the most promising. Since their appearance, data warehouses have, therefore, proved to be a powerful repository of historical data for data-mining purposes. Moreover, their foundational modelling paradigm, such as, multidimensional modelling, is very similar to the problem domain. In this article, we propose a unified modelling language (UML) extension through UML profiles for data-mining. Specifically, the UML profile presented allows us to specify time-series analysis on top of the multidimen­sional models of data warehouses. Our extension provides analysts with an intuitive notation for time-series analysis which is independent of any specific data-mining tool or algorithm. In order to show its feasibility and ease of use, we apply it to the analysis offish-captures in Alicante. We believe that a coher­ent conceptual modelling framework for data-mining assures a better and easier knowledge-discovery process on top of data warehouses

کد:kh151

دانلود رایگان فایل انگلیسی:

رمز فایل:www.downloadmaghaleh.com

دانلود مقاله میزان مشارکت ساقه اصلی و پنجه ها در عملکرد دانه ای گندم دوروم (Triticumturgidum L. var. durum) و  رشد قطعات آن در شرایط مدیترانه ای

نظری بدهید

چهار + هفده =