Ushbu tadqiqot issiqxona bodring ko‘chatlarida sof fotosintez tezligini (Pn) yorug‘lik intensivligi, CO₂ konsentratsiyasi, harorat va oziqa eritmasining elektr o‘tkazuvchanligi (EC) birgalikda o‘zgarganda qanday bashorat qilish mumkinligini o‘rganadi. Nazorat qilinadigan iqlim kamerasida o‘lchangan fotosintez ma’lumotlari asosida tayanch vektor regressiyasi (SVR), Random Forest va XGBoost modellari tuzilgan; giperparametrlar Zarrachalar To‘dasi Optimallashtirishi (PSO) yordamida sozlangan. Mustaqil test to‘plamida PSO-XGBoost modeli R²=0,9973 va RMSE=0,6274 μmol m⁻² s⁻¹ bilan eng yuqori umumiy aniqlikni ko‘rsatgan. SHAP tahlili modelga ko‘ra atrof-muhit o‘zgaruvchilarining ahamiyat tartibini PPFD > CO₂ > harorat > EC sifatida aniqlagan. Biroq tadqiqot bitta bodring navining ko‘chat davrida va nazorat qilinadigan tajriba sharoitida o‘tkazilgan; natijalar tijorat issiqxonasi hosildorligi, butun o‘sish davri yoki turli muhitlarda tasdiqlangan universal boshqaruv chegaralari sifatida talqin qilinmasligi kerak.

Tadqiqotning diqqatga sazovor tomoni faqat bashorat modeli ishlab chiqilgani emas. Tadqiqotchilar izohlanadigan sun’iy intellekt yondashuvi bo‘lgan SHAP’dan foydalanib, yorug‘lik, uglerod, harorat va ildiz zonasi oziqlanishi model bashoratiga qanday birgalikda hissa qo‘shishini o‘rgangan. Natijalar ayniqsa yuqori yorug‘likning o‘zi maksimal fotosintezni hosil qilmasligini; yuqori PPFD yetarli CO₂, mos harorat va yetarli oziqa eritmasi sharoitlari bilan uyg‘unlashtirilishi kerakligini ko‘rsatadi.

Oziqa eritmasining elektr o‘tkazuvchanligi uchun manbada taxminan 3,0 mS·cm⁻¹ daraja muhim chegara sifatida ajralib turadi. Past EC sharoitida oziqa moddalar yetishmovchiligi, yuqori EC sharoitida esa manba mualliflari osmotik stress bilan bog‘lagan fotosintetik susayish kuzatiladi. Biroq ko‘p o‘lchovli model sirtlari yorug‘lik va CO₂ oshgani sari maksimal Pn uchun mos EC nuqtasi yuqoriroq qiymatlarga siljishi mumkinligini ko‘rsatadi. Shu sababli tadqiqotning asosiy xabari “bitta ideal sozlama” emas, balki atrof-muhit omillarini birgalikda boshqarishdir.

Tadqiqotning asosiy muammosi nima?

Zamonaviy issiqxona ishlab chiqarishida harorat, yorug‘lik, CO₂, suv va oziqa boshqaruvi ko‘pincha bir vaqtda o‘zgartiriladi. Bu omillarning har biri o‘simlik fotosinteziga ta’sir qilishi bilan birga, bir-birining ta’sirini ham o‘zgartirishi mumkin. Tadqiqot e’tibor qaratgan ilmiy bo‘shliq, ayniqsa ildiz zonasi oziqlanishini ifodalovchi elektr o‘tkazuvchanlikning (electrical conductivity, EC) yorug‘lik, CO₂ va harorat bilan birga fotosintez bashorat modellariga yetarli darajada integratsiya qilinmaganidir.

Sof fotosintez tezligi, ya’ni Pn, bargning sof uglerod assimilyatsiyasini ifodalovchi fiziologik ko‘rsatkichdir. Tadqiqot Pn’ni faqat o‘simlik fiziologiyasi o‘zgaruvchisi sifatida emas, balki issiqxona muhitini boshqarish natijasini baholashi mumkin bo‘lgan maqsadli o‘zgaruvchi sifatida ko‘rib chiqadi.

Tajriba qaysi o‘simliklarda va qanday sharoitda o‘tkazildi?

Tajriba 2025-yil oktyabr–dekabr davrida Shanxi Agricultural University Horticulture Experiment Station tarkibidagi nazorat qilinadigan iqlim kamerasida o‘tkazilgan. Foydalanilgan bodring navi Jinyou 358.

Iqlim kamerasida kunduz/tun harorati 28 ± 0,5 °C / 18 ± 0,5 °C, fotoperiod 12 soat kun⁻¹, muhit fotosintetik foton oqimi zichligi 350–400 μmol m⁻² s⁻¹ va nisbiy namlik %55–75 qilib belgilangan.

Urug‘lar avval 55 °C suvda 10–15 daqiqa, so‘ng xona haroratida 8 soat ushlab turilgan; 28 °C da unib chiqarilgan. Ko‘chatlar 25 × 15 × 10 cm gidroponik idishlarga ko‘chirilgan. Ikki kotiledon to‘liq ochilganda chorak kuchdagi Hoagland oziqa eritmasi, birinchi haqiqiy barg ochilganda esa yarim kuchdagi eritma qo‘llangan. To‘rtta haqiqiy barg to‘liq rivojlangach turli EC ishlovlari boshlangan va bir hafta o‘tib fiziologik o‘lchovlar amalga oshirilgan.

To‘rtta atrof-muhit o‘zgaruvchisi qanday skanerlandi?

Fotosintez o‘lchovlari LI-6400 ko‘chma fotosintez tizimi bilan bajarilgan. Barg kamerasidagi yorug‘lik va CO₂ qurilmaning LED yorug‘lik manbai va CO₂ boshqaruv moduli orqali tartibga solingan. Manbada to‘rtta asosiy kirish uchun quyidagi tajriba darajalari berilgan:

O‘lchash vaqtida havo oqimi 500 μmol s⁻¹ da ushlab turilgan va qizil:ko‘k yorug‘lik nisbati 9:1 qilib belgilangan. O‘simlik rivojlanish davridan kelib chiqadigan farqni kamaytirish uchun ko‘chatlar yetti kunlik oraliqlar bilan guruhlar holida yetishtirilgan va o‘xshash rivojlanish bosqichiga yetganda o‘lchangan.

O‘lchash uchun asosdan boshlab to‘rtinchi, to‘liq ochilgan, soyalanmagan va mexanik shikastlanmagan haqiqiy barg tanlangan. Har bir atrof-muhit kombinatsiyasi uch marta o‘lchangan va uch o‘lchovning o‘rtachasi tegishli kombinatsiyaning yakuniy Pn qiymati sifatida qabul qilingan.

Ma’lumotlar modellashtirishga qanday tayyorlandi?

Harorat, EC, CO₂ va PPFD turli kattalik va birliklarga ega bo‘lgani uchun manba bu o‘zgaruvchilarni Z-ball standartlashtirish orqali o‘zgartirgan:

\[ x^{*}=\frac{x_i-\mu}{\sigma} \]

Bu yerda \(x^{*}\) standartlashtirilgan qiymat, \(x_i\) xom kuzatuv, \(\mu\) o‘zgaruvchining o‘rtacha qiymati va \(\sigma\) standart og‘ishdir. Ushbu o‘zgartirishdan keyin kirish o‘zgaruvchilari o‘rtacha qiymati taxminan nol, standart og‘ishi esa bir bo‘ladigan tarzda masshtablangan.

Qaysi mashinaviy o‘rganish modellari taqqoslandi?

Tadqiqotda uchta regressiya yondashuvi baholangan:

• Support Vector Regression (SVR): Radial Basis Function (RBF) yadrosi qo‘llangan; C, gamma va epsilon giperparametrlari optimallashtirilgan.
• Random Forest (RF): Daraxtlar soni, maksimal daraxt chuqurligi va ichki tugunni bo‘lish uchun minimal namuna soni optimallashtirilgan.
• XGBoost: Daraxtlar soni, maksimal chuqurlik va o‘rganish tezligi optimallashtirilgan.

XGBoost maqsad funksiyasi manbada bashorat xatosi va model murakkabligini birgalikda hisobga oladigan umumiy ko‘rinishda berilgan:

\[ Obj(\Theta)=\sum_{i=1}^{n}L(y_i,\hat{y}_i)+\sum_{k=1}^{K}\Omega(f_k) \]

Regulyarizatsiya hadi esa:

\[ \Omega(f)=\gamma T+\frac{1}{2}\lambda\|w\|^2 \]

ko‘rinishidadir. Bu yerda \(T\) barg tugunlari sonini, \(w\) barg og‘irliklarini, \(\gamma\) va \(\lambda\) esa model murakkabligini nazorat qiluvchi regulyarizatsiya parametrlarini ifodalaydi.

Zarrachalar To‘dasi Optimallashtirishi nima qildi?

Zarrachalar To‘dasi Optimallashtirishi (Particle Swarm Optimization, PSO) uchta mashinaviy o‘rganish modelining asosiy giperparametrlarini qo‘lda tanlash o‘rniga yechim fazosida umumiy qidiruv olib borish uchun qo‘llangan. Har bir zarracha mumkin bo‘lgan giperparametr kombinatsiyasini ifodalaydi va zarrachaning joylashuvi uning oldingi eng yaxshi natijasi hamda to‘daning global eng yaxshi natijasiga qarab yangilanadi.

Manbada zarracha tezligi quyidagicha aniqlangan:

\[ v_i^{t+1}=w v_i^t+c_1r_1(pbest_i-x_i^t)+c_2r_2(gbest-x_i^t) \]

Joylashuv yangilanishi esa:

\[ x_i^{t+1}=x_i^t+v_i^{t+1} \]

ko‘rinishidadir. Tadqiqotda to‘da hajmi 10, maksimal iteratsiya soni 30, inersiya og‘irligi \(w=0,8\) va o‘rganish koeffitsiyentlari \(c_1=c_2=1,5\) qilib belgilangan.

Ma’lumotlar to‘plami manba “stratified random sampling” deb atagan usul bilan %80 o‘qitish va %20 mustaqil test to‘plamiga ajratilgan. PSO qidiruvi faqat o‘qitish ma’lumotlari ustida amalga oshirilgan va har bir giperparametr kombinatsiyasi uchun 5 qatlamli kross-validatsiya ishlatilgan. Manba uzluksiz maqsadli o‘zgaruvchiga ega ushbu regressiya muammosida stratifikatsiya qaysi o‘zgaruvchi yoki oraliqlar bo‘yicha bajarilganini alohida tushuntirmaydi.

Model samaradorligi qanday baholandi?

R², RMSE, MAE, MBE va MAPE ishlatilgan. Tadqiqot model tanlash uchun ayniqsa mustaqil test to‘plamidagi R² va RMSE-ni asosiy mezonlar sifatida belgilagan, qolgan uchta metrikani qo‘llab-quvvatlovchi baholash sifatida ishlatgan.

R² uchun ishlatilgan asosiy bog‘lanish:

\[ R^2=1-\frac{\sum_{i=1}^{n}(y_i-\hat{y}_i)^2} {\sum_{i=1}^{n}(y_i-\bar{y})^2} \]

RMSE esa:

\[ RMSE=\sqrt{\frac{1}{n}\sum_{i=1}^{n}(y_i-\hat{y}_i)^2} \]

ko‘rinishida baholangan. Pn birligi μmol m⁻² s⁻¹ bo‘lgani uchun RMSE va MAE ham shu birlikda.

Nima uchun PSO-XGBoost eng yaxshi model sifatida tanlandi?

Mustaqil test to‘plamida uchala model ham yuqori R² qiymatlarini bergan; biroq PSO-XGBoost eng yuqori R² hamda eng past RMSE va MAE ga erishgan.

*2-jadval MBE qiymatini +0,042 deb bergan bo‘lsa, natijalar matni shu PSO-XGBoost qiymati uchun −0,042 deb yozadi. Belgidagi farq manbada tushuntirilmagan.

PSO-XGBoost’ning MAPE qiymati %19,855 bo‘lib, PSO-SVR’ning %19,302 qiymatidan biroz yuqori. Shuning uchun “barcha mezonlarda eng yaxshi” deyish to‘g‘ri emas. Manbaning o‘z tanlash qoidasida R² va RMSE asosiy mezon bo‘lgani sababli PSO-XGBoost umumiy optimal model sifatida tanlangan.

3–5-rasmlar model xatti-harakati haqida nimani ko‘rsatadi?

3-rasmdagi bashorat xatolarining quti grafiklari taqqoslanganda PSO-XGBoost xatolar taqsimoti PSO-RF ga nisbatan torroq ko‘rinadi. PSO-RF kengroq xato oralig‘i va aniqroq chet qiymatlarni ko‘rsatadi.

4-rasmning pastki qismidagi o‘lchangan-bashorat qilingan qiymatlar grafiklarida PSO-XGBoost nuqtalari 1:1 chiziqqa eng yaqin to‘planadi. Yuqori qismdagi PSO yaqinlashuv grafiklarida ham RMSE dastlabki bir necha iteratsiyada tez pasayib, keyin barqarorlashgani ko‘rinadi.

5-rasmda mustaqil test namunalari o‘lchangan Pn bo‘yicha tartiblanganda model bashorat egri chizig‘i past, o‘rta va yuqori Pn sohalarida o‘lchangan egri chiziqni yaqindan kuzatadi. Biroq bu grafik model boshqa issiqxona, nav yoki mavsumda ham xuddi shunday aniqlik berishini isbotlamaydi; namunalar ayni nazorat qilinadigan tajribadan ajratilgan test ma’lumotlaridir.

SHAP tahlili nimani tushuntiradi?

SHapley Additive exPlanations (SHAP) model har bir kirishga yuklagan bashorat hissasini hisoblash uchun ishlatilgan. Manbada tushuntirish modeli quyidagi shaklda beriladi:

\[ g(z')=\phi_0+\sum_{j=1}^{M}\phi_jz'_j \]

\(\phi_0\) bazaviy bashoratni, \(\phi_j\) esa tegishli xususiyatning model chiqishiga hissasini ifodalaydi. Musbat SHAP qiymati tegishli sharoitda model bashoratini yuqoriroq Pn tomon; manfiy qiymat esa pastroq Pn tomon siljitadi.

6-rasmda global ahamiyat tartibi:

PPFD > CO₂ > harorat > EC

ko‘rinishidadir. Grafikdan taxminan PPFD uchun SHAP qiymatlari −25 dan +16 gacha, CO₂ uchun −10 dan +8 gacha, harorat uchun −9 dan +8 gacha va EC uchun −7 dan +6 gacha tarqalgan. Bular grafikdan taxminan o‘qilgan oraliqlar bo‘lib, aniq xom ma’lumot nuqtalari sifatida baholanmasligi kerak.

Nega yorug‘lik eng kuchli o‘zgaruvchi?

PPFD, ya’ni fotosintetik foton oqimi zichligi, modelning Pn bashoratini eng ko‘p o‘zgartirgan kirish bo‘lgan. Past PPFD qiymatlari asosan manfiy SHAP sohasida, yuqori qiymatlar esa musbat sohada joylashgan. Biroq yuqori yorug‘likning ta’siri chiziqli emas va ma’lum sharoitlardan keyin boshqa atrof-muhit cheklovlari ishga tushadi.

Yorug‘lik bilan CO₂ o‘rtasida qanday o‘zaro ta’sir bor?

7a-rasmdagi SHAP bog‘liqlik tahlili CO₂ ortgan sari Pn bashoratiga musbat hissa umuman oshishini ko‘rsatadi. Biroq past CO₂ sharoitida, ayniqsa 300 μmol mol⁻¹ darajada, yuqori PPFD qiymatlari ko‘proq manfiy SHAP hissalari bilan bog‘langan. Manba buni uglerod assimilyatsiyasi substrati yetarli bo‘lmagan sharoitda yuqori yorug‘likdan samarali foydalanib bo‘lmasligi bilan izohlaydi.

CO₂ 1200 μmol mol⁻¹ darajaga ko‘tarilganda yuqori PPFD bilan birga eng kuchli musbat model hissalari kuzatiladi. Bu naqsh tadqiqot “yorug‘lik-uglerod sinergiyasi” deb atagan o‘zaro ta’sirning modeldagi ifodasidir.

Nega EC chiziqli xatti-harakat ko‘rsatmaydi?

Elektr o‘tkazuvchanlik gidroponik yoki tuproqsiz yetishtirishda oziqa eritmasidagi jami ion konsentratsiyasini ifodalovchi asosiy ko‘rsatkichlardan biridir. Tadqiqotda EC ning Pn ga model ta’siri bir yo‘nalishli o‘sishni ko‘rsatmagan.

1,0–1,5 mS·cm⁻¹ oralig‘ida past oziqa konsentratsiyasi Pn ni cheklovchi sharoit sifatida ko‘rinadi. EC taxminan 3,0 mS·cm⁻¹ darajaga yetganda model yuqori Pn uchun qulayroq sohani ko‘rsatadi. EC 4,0 mS·cm⁻¹ tomon ko‘tarilganda SHAP qiymatlari yana pasayadi. Manba bu pasayishni ortiqcha oziqa konsentratsiyasi tufayli yuzaga keladigan osmotik stress bilan bog‘laydi.

Biroq “3,0 mS·cm⁻¹ barcha sharoitlarda optimal EC” degan xulosa chiqarilmasligi kerak. 8–10-rasmlardagi ko‘p o‘lchovli tahlillarda CO₂ va PPFD oshgan sari model maksimal Pn nuqtasi uchun tanlagan EC yuqoriroq konsentratsiyalarga siljishi ko‘rsatilgan.

Yorug‘lik bilan harorat o‘rtasida qanday moslik kerak?

SHAP bog‘liqlik grafiklarida yuqori PPFD ning eng kuchli musbat ta’sirlari taxminan 30–35 °C harorat oralig‘i bilan birga kuzatiladi. Aksincha, 15 °C da yuqori PPFD model chiqishida kuchli manfiy hissalar bilan bog‘langan.

Manba bu natijani yuqori yorug‘lik faqat fotosintetik metabolizm undan foydalana oladigan harorat sharoitlari bilan mos kelgandagina yuqori Pn ga aylanishi mumkinligi bilan izohlaydi. Bu natija ham tajribada sinovdan o‘tkazilgan 15–35 °C va 0–1600 μmol m⁻² s⁻¹ oraliqlari uchun amal qiladi.

Ko‘p o‘lchovli javob sirtlari nimani ko‘rsatadi?

Tadqiqotchilar haroratni 25 °C da sobit ushlab, to‘rtta CO₂ darajasida PPFD va EC ning birgalikdagi ta’sirini 3D javob sirtlari, kontur grafiklari va javob egri chiziqlari bilan o‘rgangan.

Past yorug‘likda turli EC egri chiziqlari bir-biriga yaqin yuradi; ya’ni EC o‘zgartirilsa ham Pn past qoladi. Yorug‘lik ortgani sari egri chiziqlar ajralib, yetarli oziqa eritmasi yuqori yorug‘likni fotosintetik natijaga aylantirishda muhimroq bo‘lib borishi ko‘rinadi.

CO₂ darajasi 300 dan 1200 μmol mol⁻¹ gacha ko‘tarilganda javob sirtining maksimal Pn sohasi ham yuqorilaydi. Shu bilan birga maksimal nuqtani beruvchi EC qiymati yuqori PPFD va yuqori CO₂ sharoitida yuqoriroq qiymatlarga siljishi ko‘rinadi.

EC ma’lumotini modeldan olib tashlash nimani o‘zgartirdi?

Tadqiqot EC faqat past ahamiyatli yordamchi xususiyat ekan-emasligini tekshirish uchun EC o‘zgaruvchisi olib tashlangan alohida nazorat modelini ham tuzgan. Har ikki model uchun PSO optimallashtirishi qo‘llangan.

EC olib tashlanganda R² ning 0,996 dan 0,797 gacha pasayishi va RMSE ning 0,742 dan 5,442 gacha oshishi ushbu tajriba ma’lumotlarida ildiz zonasi oziqlanishi haqidagi ma’lumot bashorat uchun muhimligini ko‘rsatadi. Biroq bu taqqoslash 2-jadvaldagi asosiy PSO-XGBoost test samaradorligi bilan bir xil sonli tahlil emas; manba ikki baholashni alohida keltiradi.

Tadqiqot qo‘llab-quvvatlaydigan xulosalar

• PPFD, CO₂, harorat va EC birgalikda ishlatilganda PSO-XGBoost ushbu tajriba ma’lumotlar to‘plamida SVR va RF ga qaraganda pastroq test RMSE sini bergan.
• SHAP tahlilida modelning global xususiyat ahamiyati tartibi PPFD > CO₂ > harorat > EC deb topilgan.
• EC ta’siri chiziqli emas va tajriba oralig‘ida taxminan 3,0 mS·cm⁻¹ atrofida aniq yuqori-Pn sohasi mavjud.
• Yuqori PPFD ning musbat model hissasi yetarli CO₂, iliqroq sharoit va mos EC bilan birga kuchayadi.
• EC o‘zgaruvchisini modeldan olib tashlash bashorat samaradorligini sezilarli kamaytirgan.
• Model tajriba o‘zgaruvchilari orasidagi murakkab va chiziqli bo‘lmagan o‘zaro ta’sirlarni yuqori aniqlikda qayta hosil qilgan.

Tadqiqot isbotlamagan xulosalar

• PSO-XGBoost barcha bodring navlari yoki barcha issiqxonalarda bir xil R² qiymatiga erishishi ko‘rsatilmagan.
• Model tijorat issiqxonasida yopiq konturli boshqaruv tizimi sifatida ishlashi sinovdan o‘tkazilmagan.
• Model tavsiya qilgan atrof-muhit kombinatsiyalari hosildorlik, sifat yoki iqtisodiy daromadni oshirishi bevosita o‘lchanmagan.
• Energiya sarfi bilan fotosintez foydasi o‘rtasida iqtisodiy optimallashtirish bajarilmagan.
• 3,0 mS·cm⁻¹ EC barcha harorat, PPFD va CO₂ sharoitida universal optimum sifatida tasdiqlanmagan.
• SHAP bog‘lanishlari o‘z-o‘zicha biologik sababiylik isboti emas; ular model o‘rgangan bashorat munosabatlarini tushuntiradi.
• Ko‘chat davrida olingan natijalarni butun o‘sish sikliga bevosita ko‘chirish mumkinligi ko‘rsatilmagan.

Turkiya nuqtai nazaridan bu nimani anglatadi?

Tadqiqot Xitoyda nazorat qilinadigan iqlim kamerasida o‘tkazilgan va bildirilgan model chegaralari Turkiyadagi issiqxona ishlab chiqarishiga bevosita ko‘chirilmasligi kerak. Shunga qaramay, qo‘llangan yondashuv, ayniqsa tuproqsiz issiqxona ishlab chiqarishida Turkiya uchun o‘rganishga arziydigan asosni taklif etadi: barg fotosintezi o‘lchovi, PPFD, CO₂, harorat va oziqa eritmasi EC si birgalikda baholanib, sun’iy intellektga asoslangan qaror qo‘llab-quvvatlash modellari tuzilishi mumkin.

Turkiyada amaliy qo‘llash uchun mahalliy bodring navlari, issiqxona qoplamasi va yorug‘lik o‘tkazuvchanligi, mavsumiy quyosh nurlanishi, oziqa retsepti, suv sifati, ildiz zonasi harorati, namlik, o‘simlik rivojlanish bosqichi va energiya xarajatlari bo‘yicha mustaqil tekshiruv o‘tkazilishi kerak. Manba tadqiqoti bu mahalliy tekshiruvni bajarmagan.

Tadqiqot usuli va natijalari

Tajriba va ma’lumot yig‘ish xulosasi

Optimal giperparametrlar

O‘qitish va test samaradorligi

RMSE va MAE qiymatlari Pn bilan bir xil birlikda, μmol m⁻² s⁻¹. *2-jadvalda +0,042 deb berilgan PSO-XGBoost test MBE qiymati natijalar matnida −0,042 deb yozilgan.

SHAP natijalarining texnik talqini

Ushbu SHAP oraliqlari grafikdan taxminan o‘qilgan va manbada xom sonli jadval sifatida berilmagan. Shuning uchun ular aniq ma’lumot nuqtalari sifatida ishlatilmasligi kerak.

Eng muhim o‘zaro ta’sirlar

• CO₂ × PPFD: 300 μmol mol⁻¹ CO₂ ostida yuqori PPFD ning model hissasi manfiylashishi mumkin; 1200 μmol mol⁻¹ CO₂ bilan yuqori PPFD birga kuchli musbat hissa hosil qiladi.
• EC × PPFD: Past yorug‘likda EC o‘zgarishining ta’siri cheklangan bo‘lsa, yuqori yorug‘likda EC darajalari orasidagi Pn farqi kattalashadi.
• PPFD × harorat: PPFD >1000 μmol m⁻² s⁻¹ sharoitida yuqori Pn hissalari ayniqsa taxminan 30–35 °C oralig‘ida kuzatiladi.
• EC chegarasi: Taxminan 3,0 mS·cm⁻¹ mavjud tajriba fazosida yuqori Pn uchun muhim soha hosil qiladi, 4,0 mS·cm⁻¹ ga yaqinlashganda model hissasi kamayadi.

Asosiy cheklovlar

• Faqat bitta bodring navi ishlatilgan.
• Tadqiqot ko‘chat davri bilan cheklangan.
• Tajriba nazorat qilinadigan iqlim kamerasida o‘tkazilgan.
• Model test to‘plami ayni tajriba ma’lumotlar havzasidan ajratilgan; mustaqil dala yoki boshqa mavsum bo‘yicha tashqi validatsiya taqdim etilmagan.
• Atrof-muhit o‘zgaruvchilari oldindan belgilangan diskret darajalarda sinovdan o‘tkazilgan.
• Tadqiqot real vaqtli tijorat issiqxonasi boshqaruv tizimi tajribasi emas.
• Hosildorlik, meva sifati, suv sarfi va energiya xarajati model optimallashtirishining yakuniy maqsadli o‘zgaruvchilari sifatida o‘lchanmagan.
• SHAP tahlili modelning bashorat tuzilmasini tushuntiradi; o‘z-o‘zicha biologik sababiylikni isbotlamaydi.
• “Optimal EC” qiymati boshqa atrof-muhit omillaridan mustaqil doimiy chegara deb qabul qilinmasligi kerak.

Manba va usul haqida izoh

To‘liq original tadqiqot nomi: Photosynthetic rate prediction and synergistic environmental optimization for cucumber based on PSO-XGBoost

Mualliflar: Rongcheng Zhu, Shiyan Wang, Xinyu Tian, Liru Ren, Qianyu Zhao va Bin Li.

Mualliflar tartibi: Manbada berilgan tartib aynan saqlangan.

Mas’ul muallif: Bin Li.

Teng hissa/teng birinchi muallif: Manbada ko‘rsatilmagan.

Muassasa: College of Horticulture, Shanxi Agricultural University, Jinzhong 030801, China.

Manba turi: Nazorat qilinadigan muhitdagi o‘simlik fiziologiyasi tajribasi va mashinaviy o‘rganish modellashtirish tadqiqoti xarakteridagi preprint.

Taqriz holati: Ushbu ish taqrizdan o‘tmagan preprint; natijalari ushbu nashr bosqichi hisobga olingan holda baholanishi kerak.

Platforma: SSRN.

SSRN identifikatori: 6837425.

DOI: 10.2139/ssrn.6837425.

Nashr sanasi: 27 may 2026.

Jurnal/jild/son: Ushbu versiyada taqrizli jurnal, jild va son ma’lumoti mavjud emas.

Rasmiy nashr havolasi: SSRN Abstract ID 6837425 yozuvi.

Litsenziya/mualliflik huquqi: SSRN yozuvida huquqlar saqlangani va ruxsatsiz qayta foydalanishga ochiq ruxsat berilmagani ko‘rsatiladi. Shu sababli manba tadqiqotning original rasmlari ushbu Verianla mazmuniga to‘g‘ridan-to‘g‘ri ko‘chirilmagan; sonli qiymatlar toza HTML jadvallar va Verianla Live tuzilmasi bilan qayta taqdim etilgan.

Moliyalashtirish: Shanxi Province Key R&D Plan doirasidagi 202302010101003 va 202402140601012 raqamli loyihalar hamda Modern Agro-industry Technology Research System in Shanxi Province doirasidagi 2026CYJSTX08 yordami.

Ma’lumotlar mavjudligi: Mualliflar ma’lumotlar so‘rov asosida ulashilishini bildirgan.

Manfaatlar to‘qnashuvi: Mualliflar ma’lum raqobat qiluvchi moliyaviy manfaat yoki ishga ta’sir qilishi mumkin bo‘lgan shaxsiy munosabat mavjud emasligini bildirgan.

CRediT muallif hissalari

• Rongcheng Zhu: Konseptualizatsiya, ma’lumotlarni kuratsiya qilish, metodologiya, dasturiy ta’minot, vizualizatsiya, dastlabki qoralamani yozish, ko‘rib chiqish va tahrirlash.
• Shiyan Wang: Dasturiy ta’minot, formal tahlil, validatsiya, vizualizatsiya.
• Xinyu Tian: Dasturiy ta’minot, validatsiya, vizualizatsiya.
• Liru Ren: Tadqiqot va ma’lumotlarni kuratsiya qilish.
• Qianyu Zhao: Tadqiqot va ma’lumotlarni kuratsiya qilish.
• Bin Li: Resurslar, ko‘rib chiqish va tahrirlash, rahbarlik, loyiha boshqaruvi va moliyalashtirishni ta’minlash.

Manba ichidagi nomuvofiqlik qaydi

PSO-XGBoost mustaqil test to‘plami uchun 2-jadval MBE qiymatini +0,042 deb beradi, natijalar matni esa −0,042 deb yozadi. Ushbu ziddiyat jim tarzda tuzatilmagan.

3.4-bo‘limda EC ni o‘z ichiga olgan va olmagan modellar taqqoslanishi “Fig. 9a/9b” deb tilga olinsa-da, tegishli rasm manbada 12-rasm sifatida raqamlangan.

EC ni o‘z ichiga olgan model uchun 3.4-bo‘limda berilgan R²=0,996 va RMSE=0,742 natijalari asosiy model taqqoslanishining 2-jadvaldagi PSO-XGBoost test natijalari bo‘lgan R²=0,9973 va RMSE=0,6274 bilan bir xil tahlil sifatida birlashtirilmagan.

Ilmiy mazmun chegarasi

Ushbu Verianla maqolasidagi tajriba sharoitlari, model tuzilmalari, giperparametrlar, samaradorlik natijalari, SHAP talqinlari va atrof-muhit chegaralari yuklangan tadqiqotga asoslanadi. Tashqi manbalardan yangi tajriba natijasi yoki biologik mexanizm qo‘shilmagan. Tashqi tekshiruv faqat tadqiqot identifikatori, DOI, SSRN sanasi va litsenziya ma’lumotini bibliografik jihatdan tasdiqlash uchun ishlatilgan.

Tadqiqotning eng muhim umumlashtirish cheklovi modelning bitta nav va ko‘chat davri bilan cheklangan nazorat qilinadigan tajriba ma’lumotlari asosida tuzilganidir. Tijorat issiqxonasi sharoitida mustaqil tashqi validatsiya, real vaqtli yopiq konturli muhit boshqaruvi, uzoq muddatli hosildorlik bahosi va iqtisodiy/energiya optimallashtirishi bu tadqiqotda ko‘rsatilmagan.