مدل های رگرسیون و رگرسیون چندگانه

دانلود پایان نامه

ارزیابی بیماریهای گیاهی، یکی از مهمترین و اغلب مشکلترین کارها در اپیدمیولوژی بیماری گیاهی میباشد. ارزیابی میزان بیماری موجود در یک زمان خاص، محور اصلی تجزیه و تحلیل آماری دادهها، مدل سازی و تفسیر پدیدههای یک پاتوسیستم است. معمولاً ارزیابی بیماری با صرف هزینه و وقت همراه میباشد. تصمیم گیری دقیق در مورد چگونگی، زمان، مکان و فرد ارزیابی کننده، از ضروریات این امر حساس میباشد. یک ارزیابی موفق، نتایجی صحیح، دقیق و تکرار پذیز به دنبال دارد (Campbell and Madden, 1990). کمیت بیماری در یک گیاه یا مزرعه به عنوان مقدار بیماری نامیده میشود (Seem, 1984). این کمیت درگذشته با شدت بیماری به صورت مترادف مورد استفاده قرار میگرفت (Seem, 1984). اما مک رابرتز و همکاران (McRoberts et al., 2003) از آن به عنوان یک مفهوم کلی که بیان کننده مقدار بیماری است، یاد کردند. مقدار بیماری، به صورتهای مختلفی قابل اندازه گیری است که مهمترین آنها، میزان وقوع و شدت بیماری میباشند (Seem, 1984).
میزان وقوع (I)، به تعداد واحدهای گیاهی که علائم قابل مشاهده بیماری را نشان میدهند، اطلاق میگردد و به دو صورت نسبت یا درصد واحدهای بیمار در یک جمعیت بیان میشود (Seem, 1984; Campbell and Madden, 1990; Hunghes et al., 1997). بنابراین وقوع بیماری متغیری گسسته میباشد (McRoberts et al., 2003). شدت بیماری (S)، سطح یا حجم باقت گیاهی بیمار است که معمولاً نسبت به سطح یا حجم کل بافت گیاهی بیان میگردد (Seem, 1984; Nutter, 2001). از این رو شدت بیماری متغیری پیوسته محسوب میشود (McRoberts et al., 2003). با وجود وقوع و شدت به وضوح تعریف شده اند، تمایز بین این دو پیش بینی همیشه به خوبی تعریف شده نیست. اغلب آنچه به عنوان وقوع یا شدت مطرح است، به واحد نمونه برداری در طول دورهی اندازه گیری بیماری بستگی دارد (Seem, 1984; Pual et al., 2005). اندازه گیری میزان وقوع بسیار آسان تر از شدت است و مقادیر آن اغلب صحیح تر، دقیق تر و تکرار پذیرتر از اندازه گیری شدت بیماری میباشد (Campbell and Madden, 1990). اندازهگیری شدت بیماری تحت شرایط مزرعه، کاری پر زحمت، پر هزینه و وقت گیر است و ممکن است تحت تاثیر تمایلات شخصی و خطاهای آزمایشی قرار گیرد (James, 1971). ارزیابی بصری شدت با استفاده از دیاگرام ها، مقیاس ها و کلیدهای مصور انجام میشود (James, 1971; Campbell and Madden, 1990). با وجود استفاده از این ابزارها خطای اندازهگیری شدت بیماری بیش از اندازه گیری میزان وقوع بیماری میباشد (Campbell and Madden, 1990; Guan and Nutter, 2003; Nutter, 2001).
با وجود ایرادهای وارد بر اندازهگیری شدت این متغیر در بیان مقدار بیماری موجود در مزرعه جهت محاسبه بیماری و تاثیر تیمارهای مختلف مدیریت بیماری در مقایسه با میزان وقوع، از اهمیت بسیار بالاتری برخوردار میباشد. از آنجا که میزان وقوع، از اهمیت بسیار بالاتری برخوردار میباشد. از آن جا که میزان وقوع بسیار راحت تر و قابل اعتماد تر از شدت ارزیابی میشود، و از طرفی، شدت، کمیتی مفیدتر از وقوع، در بررسیهای خاص میباشد، رابطهای کمی بین میزان وقوع و شدت بیماری میتواند مقدار بیماری را در مواردی که دادههای صحیح و قابل اعتمادتر مورد نیاز است، بسیار آسان تر ارزیابی نماید (Seem, 1984; Nutter, 2001; Pual et al., 2005).
مدلهای کمی بین میزان وقوع و شدت بیماری در مورد بسیاری از بیماریها مورد بررسی قرار گرفته است (Seem, 1984; McCartney et al., 1999; Hughes et al., 1997; Willocquet et al., 2000; Cardoso et al., 2004; Paul et al., 2005; Jurk and Fernando, 2008). این روابط در پاتوسیستمهای مختلف متفاوت بوده، ممکن است به وسیله رقم یا اندام گیاهی ارزیابی شده، زمان ارزیابی بیماری طی همه گیری، دوره زمانی فصل رشد، مکان و تیمار اعمال شده در کرتهای مورد ارزیابی تحت تاثیر قرار گیرند (Seem, 1984). بنابراین استفاده از مدلها جهت کمی کردن و درک روابط بین میزان وقوع و شدت بیماریهای گیاهی قبل از کاربرد آنها در طیف گستردهای از زمان و مکان ضروری به نظر میرسد.
روابط بین وقوع (I) و شدت بیماری (S) به صورتهای مختلفی نظیر خانوادهی آلومتری Ln(S) = β(Ln(I)+Ln(α)) یا (I = aSb)، نمایی محدود (I = b(1-e-as)، چند نمایی (I = a+bS1/2)، روابط خطی (S=α+βI) و خانوادهی تریگونومتریکی (I=tan(as)) توصیف شده است. مدلهای مطرح شده در این مطالعات به محدودیتهایی در استفاده عملی از روابط وقوع-شدت اشاره داشتهاند. اغلب این محدودیتها از عدم ثبات مدل با توجه به مکان، فصل رویشی، مرحله اپیدمی و ژنوتیپهای میزبان ناشی میشود (McRoberts et al., 2003). مدلهای کمی روابط بین وقوع و شدت بیماریهای مختلفی مورد بررسی قرار گرفته است از جمله میشود از لکه برگی موز (Chuang and Jeger, 1987)، سفیدک پودری و زنگ برگ گندم (James and Shih, 1973)، زنگ ذرت (Hughes et al., 1997) و زنگ قهوه (Silv-Acuna et al., 1999) نام برد. در مقادیر اندک بیماری، اغلب رابطهی خوبی بین شدت و وقوع وجود دارد اما در مقادیر بالای بیماری، رابطهی خوبی بین شدت و وقوع وجود دارد اما در مقادیر بالایی بیماری، رابطهی بین وقوع و شدت از وضوح کمتری برخوردار میباشد. بیشتر کارهایی که در گذشته دربارهی روابط وقوع- شدت انجام گرفته، اتلاف وقت بوده است زیرا به جای کار کردن در شدتهای پایین بیماری، در شدت بالای بیماری انجام شده است (Zadoks, 1985).
2-4-2- مدل سازی روابط میزان وقوع و شدت بیماری
جهت تعیین روند کلی داده های وقوع و شدت بیماری، نمودار مقادیر این دو کمیت در مقابل یکدیگر ترسیم می شود. برای تعیین تابع ریاضی رابطه بین دو متغیر یاد شده از رگرسیون خطی استفاده می شود. تبدیل معمول در منابع شامل لگاریتم طبیعی و ریشه مربع جهت دست یابی به بهترین رابطه خطی بین وقوع و شدت بیماری انجام می شود(Cardoso, 2004).
جهت بررسی منحنی های پیشرفت بیماری در کرت های مختلف طی این یکسال اجرای این تحقیق، ابتدا نمودار مقادیر متوسط بیماری در کرت ها در مقابل زمان یعنی روزهای پس از کاشت ترسیم خواهد شد. تعیین شکل کلی نمودارها و شباهت آنها به مدل های رشد بصری مشخص خواهد شد.
رابطه آماری بین مقادیر وقوع و شدت این بیماری به صورت خام و تبدیل شده با استفاده از آنالیز رگرسیون برای هر تیمار انجام خواهد شد و نشان داده می شود که کدام مدل بالاترین پردازش را نشان می دهد.
درصد شدت نهایی این بیماری در کرت های مورد آزمایش در منطقه بسطام مورد بررسی قرار خواهد گرفت. تجزیه واریانس داده های شدت متوسط بیماری در کرت ها آیااینکه تفاوت معنی دار ی بینشان وجود خواهد داشت یا خیر و اینکه کمترین و بیشترین مقدار متوسط مربوط به کدام کرت خواهد بود بررسی خواهد شد.
نتایج آنالیز رگرسیون خطی در ارزیابی چهار مدل رشدی جهت توصیف چگونگی پیشرفت بیماری در سال 1391 ارایه داده خواهد شد و اینکه کدام مدل جهت توصیف پیشرفت بیماری در این تحقیق مناسب ترین میباشد، مورد ارزیابی قرار خواهد گرفت.
مطلب مرتبط :   مقاله تمرین با وزنه و حداکثر قدرت

2-5- مدل سازی و ارزیابی خسارت بیماری
یکی از اهداف مهم اقدامات مدیریتی در مورد بیماری های گیاهی، کاهش خسارت آنها به یک سطح قابل قبول است. تعریف این سطح اغلب مشکل است، اما با توجه به موانع زیستی، اقتصادی و فیزیکی موجود، باید قابل قبول باشد.
خسارت ، کاهش قابل اندازه گیری در کمیت و کیفیت محصول است (Zadoks, 1985). به منظور کاهش خسارت تا سطوح قابل قبول، نخست باید بدانیم که چقدر خسارت ایجاد شده است. علاوه بر این، برای ارزیابی کارایی و توجیه اقتصادی استراتژی های مدیریت آفات و بیماری ها، و معیاری برای تعیین اولویت های تحقیقاتی در مورد محصولات و بیماری های خاص و استفاده از آنها در تعیین اولویت های سیاسی و حکومتی در سطوح استانی، منطقه ای، ملی و بین المللی، به اطلاعاتی درباره ی خسارت نیاز داریم (Campbell and Madden, 1990).
جهت ارزیابی خسارت بیماری، داده های قابل اعتماد و واقعی بیماری و عملکرد باید جمع آوری گردد. جمعآوری داده ها را می توان از مزارعی که اپیدمی های طبیعی در آنها رخ می دهند انجام داد. روشهای متعددی برای اندازه گیری بیماری و عملکرد وجود دارد که از مهمترین آنها می توان به روشهای تک بوته (یا تک پنجه)، سینوپتیک ، ریزکرت ها و آزمایشهای مزرعه ای معمولی اشاره نمود (Campbell and Madden, 1990; Nutter, 2001; Teng, 1990; Teng and Johnson, 1985). هر کدام از این روش ها دارای مزایا و معایب مخصوص به خود می باشند، اما از بین آنها آزمایشهای مزرعه ای معمولی بیشترین استفاده را در این بخش دارند (Nutter, 1990).
مشابه سایر زمینه های اپیدمیولوژی بیماری های گیاهی، مدل ها در کاهش و مدیریت مقدار وسیعی از داده های جمع آوری شده درباره ی روابط بیماری- خسارت (کاهش عملکرد) جهت نیل به یک تفسیر نسبتاً ساده و کاربردی حائز اهمیت می باشند. بیشتر مدل های ارزیابی خسارت، خسارت را در شرایط مزرعه توصیف می کنند و مشکلات و پیچیدگی های آنها به پاتوسیستم خاص مورد مطالعه و توصیف کننده ای از بیماری که به عنوان متغیر مستقل مورد استفاده قرار گرفته، بستگی دارد. اکثر این مدل ها از طریق روش های آماری رگرسیون حداقل مربعات تهیه شده اند. تنگ (Teng, 1985) مدل های تجربی خسارت را به 6 گروه تقسیم بندی کرده است که عبارتند از: مدل های تک نقطه ای، چندنقطه ای، انتگرالی، سطح پاسخ، غیرخطی و سینوپتیک. 5 گروه اول، خسارت ناشی از یک بیماری خاص را مدل سازی می کنند، در حالی که مدل های سینوپتیکی شامل متغیرهایی برای محاسبه ی خسارت چند بیماری و حتی عوامل خسارت زای غیر بیماری در مزرعه می باشند. برخی محققین مدل های چندنقطه ای و سطح پاسخ را در یک گروه و به عنوان مدل های رگرسیون چندگانه مورد بحث قرار داده اند (Campbell and Madden, 1990).
2-5-1- مدل های تک نقطه ای
مدل های تک نقطه ای، خسارت را به مقدار بیماری در یک زمان خاص از فصل رشد و یا یک مرحله ی رویشی خاص از میزبان ارتباط می دهند. این مدل ها که به عنوان مدل های نقطه ی بحرانی نیز نامیده می شوند، به این معنی نیستند که گیاه میزبان تنها در یک زمان یا مرحله ی رشدی خاص به بیماری پاسخ می دهد، بلکه این طور بیان می کنند که در آن زمان (یا مرحله ی خاص)، رابطه آماری خوبی بین مقدار بیماری و خسارت ناشی از آن وجود دارد و دوره های قبل و بعد از آن نقطه در اپیدمی، از روند نسبتاً ثابت و قابل پیش بینی برخوردار می باشند. مدل های تک نقطه ای، معمول ترین مدل های خسارت در منابع بیماری شناسی گیاهی بوده اند، شاید به این خاطر که داده های نسبتاً کمی برای توسعه ی این مدل ها مورد نیاز می باشد (Madden, 1983). از این مدل ها در مورد محصولات دانه ای که اپیدمی ها معمولاً در اواخر چرخه رشد، نزدیک به زمان پرشدن دانه، اتفاق می افتند، به فراوانی استفاده شده است. شکل کلی این مدل ها عبارت است از (Campbell and Madden, 1990; Teng and Johnson, 1985):
loss = a + bX* (معادلهی 2-5)
که در آن a و b پارامترهای مدل هستند و X* مقدار بیماری (یا تبدیلی از آن) در یک زمان خاص است. به عنوان مثال، مدلی خطی و تک نقطه ای برای بیماری بلاست برنج توسعه یافته است (Campbell and Madden, 1990):
L = 0.57 X (معادلهی 2-6)
که در آن L درصد خسارت (کاهش محصول) و X درصد گره های مبتلا به بلاست، 30 روز بعد از خوشه دهی است. مثال دیگر، مدلی برای بیماری سوختگی جنوبی برگ ذرت است (Campbell and Madden, 1990):
مطلب مرتبط :   مقاله درباره انجام آنالیز و استانداردها

جستجو در سایت ما :


L = 0.692 X (معادلهی2-7)
که L درصد خسارت و X درصد شدت بیماری در مرحله ی خمیری است، یعنی به ازای افزایش یک واحد در X، خسارت 692/0 واحد افزایش می یابد. این مدل ها، صورت های پیچیده تری نیز دارند. به عنوان مثال می توان به مدل ارزیابی خسارت بیماری زنگ ساقه ی گندم اشاره کرد که عبارت است از (Teng and Johnson, 1985):