基于PLSR和BPNN方法的番茄光合速率预测比较

CO₂作为温室作物光合作用的重要原料,不同环境因子交互作用的植株叶片对CO₂浓度需求具有较大差异。为寻求CO₂浓度合理增施量,该文基于偏最小二乘法和BP神经网络方法对不同生长阶段番茄作物进行光合速率预测,进而探讨作物生长过程中可通用的光合速率预测方法。试验以无线传感器网络系统实时监测环境信息(CO₂浓度,光照强度,空气温度及相对湿度),以LI-6400XT光合速率仪获取作物单叶净光合速率。剔除样本奇异点后,对样本值进行统一归一化。以CO₂浓度、光照强度、空气温度及相对湿度为模型输入变量,以光合速率为输出量,利用偏最小二乘法和BP神经网络方法分别建立番茄幼苗期,开花期及结果期的光合速率预测模型。模型验证结果表明,偏最小二乘法在番茄各生长阶段的决定系数分别为0.74,0.88和0.85,最大相对误差为15.01%;而BP神经网络在各阶段具有较高的预测精度,其决定系数分别为0.94,0.96和0.97,最大相对误差为9.56%。因此,基于BP神经网络模型预测了特定环境下的CO₂浓度饱和点,为温室CO₂增施提供依据。     

增施CO_2气肥对温室流场影响的数值模拟及验证

CO2气体是温室作物光合作用的重要原料之一。为掌握温室CO2气肥增施性能,以温室CO2气肥增施为研究对象,采用计算流体力学(computational fluid dynamics,CFD)技术建立二维紊流数值计算模型。基于FLUENT软件,结合SIMPLE算法,采用有孔介质模型、k-ε模型、离心坐标(discrete ordinates,DO)模型,添加组分传输模型,对气肥喷射高度、气肥增施流量等因素对CO2增施性能进行数值模拟,得到温室内CO2浓度变化和分布规律。研究结果表明:气肥增施过程对作物区的温度场影响较小,温室的作物区域最大温度与最小温度差值不超过0.5℃,作物区域的气流流场以及温度场分布较为均匀;由于CO2的沉积效应,温室下部区域的CO2浓度相对较高;气肥喷射高度越高,CO2扩散的范围越大,沉积在作物区的CO2相对越少,CO2的浓度也相对较低;气肥增施流量越大,作物区域的CO2浓度上升越快。试验结果表明,CO2浓度模拟值与试验值差异不大于5%,模拟结果与试验结果较吻合,证明了模型的正确性。该研究对掌握温室CO2气肥增施性能的流场变化规律,开展温室气肥增施装备的优化设计具有一定的参考价值。     

南方塑料大棚冬春季温湿度的神经网络模拟

利用浙江省慈溪市草莓塑料大棚和南京信息工程大学农业气象试验站番茄塑料大棚的小气候观测数据及气象站资料,建立3个以棚外辐射、温度、相对湿度和风速为输入变量,棚内温度和相对湿度为输出变量的BP神经网络预测模型。结果表明,3个模型气温训练值与实测值的均方根误差(RMSE)都在2℃以内,相对误差都在4%左右;相对湿度训练值的RMSE都在7个百分点以内,相对误差不超过7%。利用此模型得到的气温预测值与实测值的RMSE都在2℃左右,冬季气温的相对误差较大,春季通风和不通风模型气温的相对误差不超过6%;相对湿度预测值的RMSE都在7个百分点以内,相对误差不超过9%。说明所建BP神经网络模型对于不同季节、不同通风条件、不同作物的大棚温湿度模拟都有较高的精度,能够满足棚内温湿度的预测要求,且对温度的模拟精度高于对相对湿度的模拟。     

东北典型黑土区表层土壤有机质含量高光谱反演研究

选择东北典型黑土区——德惠市、扶余市和双城市为研究区,利用便携式地物光谱仪获取土壤光谱数据,基于原始光谱值及一阶微分、倒数的对数、连续统去除变换,分别建立了黑土有机质含量的多元线性逐步回归模型、偏最小二乘回归模型和BP神经网络模型。结果表明:高光谱与土壤有机质含量在多个波段相关性较好,其中有机质与反射率一阶微分处理的相关性最好,在光谱584 nm处其相关性最强(r=-0.60,n=81)。光谱一阶微分处理数据在三种建模方法中的预测及验证精度均高于原始光谱值、倒数的对数和连续统去除变换,因此一阶微分为最佳光谱变换形式。偏最小二乘回归分析的预测效果整体优于多元线性逐步回归分析和BP神经网络分析,光谱一阶微分处理的偏最小二乘回归模型呈现出最佳预测效果,决定系数为0.71、均方根误差为2.29 g kg~(-1)(n=53)。     

叶片氮浓度对温室黄瓜花后叶片最大总光合速率影响的模拟

光合作用是作物产量和品质形成的基础,直接受到叶片含氮量的影响.该文通过不同定植期不同氮素处理试验,建立了不同光温条件下温室黄瓜叶片适宜氮浓度的求算方程,并定量分析了不同光温条件下黄瓜叶片最大总光合速率与叶片氮浓度的关系.在此基础上,进一步建立了适合不同光温条件的温室黄瓜花后叶片最大总光合速率与叶片氮浓度关系的通用模型,并用与建模相独立的试验数据对模型进行了检验.结果表明,建立的模型能较好地预测不同定植期黄瓜叶片氮浓度对叶片最大总光合速率的影响.模型对温室黄瓜叶片最大总光合速率的预测结果与实测结果之间基于1:1直线的决定系数和均方根差分别为0.83和1.56 μmol·m-2·s-1.建立的模型可以为温室黄瓜周年生产的氮素精确管理提供理论依据与决策支持.     

近红外光谱法快速测定土壤碱解氮、速效磷和速效钾含量

运用偏最小二乘法(PLS)和人工神经网络(ANN)方法分别建立了0.9 mm筛分风干黑土土壤碱解氮、速效磷和速效钾含量预测的近红外光谱(NIRS)分析模型。使用偏最小二乘算法建立的碱解氮、速效磷和速效钾校正模型的决定系数R²分别为0.9520、0.8714和0.7300，平均相对误差分别为3.42%、13.40%和7.40%。人工神经网络方法建立的碱解氮、速效磷和速效钾校正模型的决定系数分别为0.9563、0.9493和0.9522，相对误差分别为2.67%、6.48%和2.27%，测试集仿真的相对误差分别为5.44%、16.65%和7.87%。结果表明，人工神经网络方法所建立的校正模型均优于偏最小二乘法所建模型；用近红外光谱分析法预测土壤碱解氮含量是可行的，而速效磷、速效钾模型的测试集样品仿真的相对误差较大，其预测可行性还需做进一步研究。     

电导率对温室黄瓜叶面积和干物质生产影响的动态模拟

电导率是温室营养液管理的重要参数.为定量研究不同电导率对温室黄瓜光合与干物质生产的影响,该文以温室黄瓜为试验材料,于2009年10月至2010年7月进行了不同电导率的营养液栽培的试验,定量分析了电导率对温室黄瓜叶面积、光合速率和干物质生产的影响,构建了以辐热积为尺度的叶面积指数、最大光合速率和干物质生产模型,并用独立的试验数据对模型进行了检验.结果表明:模型对温室黄瓜叶面积、最大光合速率和干物质产量的模拟值与实测值之间的决定系数分别为0.89、0.93和0.94,回归估计标准误差分别为0.21m2/m2、1.52 μmol/(m2.s)和36.77 kg/hm2,预测相对误差分别为4.5％、11％和9.2％.该研究建立的模型可以为温室黄瓜的营养液管理和决策提供依据.     

秒尺度温室番茄作物-环境互作模型构建与验证

为了解决现有温室模型时间尺度不统一的问题,该研究建立了一个时间尺度统一的温室番茄作物-环境互作模型,描述作物与环境之间的相互作用,提高模型的精准性。首先,将番茄作物生长模型拆分成SUPPLY、PARTITION、GROWTH3个子模块,针对3个模块在由天数量级时间尺度到秒数量级时间尺度变换时存在的问题,通过模型替换、结构改造、参数辨识等方法对时间尺度进行了转换,并利用EFAST敏感性分析算法将模型中的不确定参数分为敏感参数和不敏感参数两类。然后,在秒时间尺度番茄作物生长模型的基础上,考虑番茄作物对温室环境的实时反馈,结合小气候模型形成包含未知参数的"通用"的互作模型结构。最后,利用贝叶斯优化方法及番茄生产温室的实际数据,分别对互作模型中生长模型和小气候模型的未知参数进行参数辨识,确定互作模型全部结构与参数,得到可用的互作模型。利用该研究得到的秒时间尺度生长模型对2015—2018年上海崇明A8温室番茄产量进行模拟,其与真实产量值间的均方根误差在7.34～18.85 g/m~2之间,平均相对误差在5.8%～18%之间,均小于TOMGRO模型与Integrated模型,可以更好地预测产量变化。含作物反馈的小气候环境模型经参数辨识后,模拟番茄作物3个不同生长时期(幼苗期、开花坐果期、结果期)的环境因子(温室内温度、湿度、CO_2浓度)变化的平均相对误差均在3%～6%之间,且相较于未考虑作物反馈的一般小气候模型有更好的模拟效果。互作模型的建立将作物与温室小气候环境统一成一个模型,可以为温室环境控制提供模型基础。     

基于光谱特征参数的温室番茄叶片叶绿素含量预测

为了快速、准确估测温室番茄叶片叶绿素含量,提升作物精细管理水平,利用光谱分析技术研究了温室番茄不同生长阶段叶绿素含量和响应光谱的相关性,在幼苗营养生长阶段叶片叶绿素含量呈增长趋势,到移植50天前后达到最大值,在此期间反射光谱的红边会向红外方向（长波）偏移,同时绿峰向蓝光（短波）方向偏移,绿峰幅值减小。从结果期开始叶绿素含量呈下降趋势,而红边、绿峰及绿峰幅值向相反方向变化。为了定量分析叶绿素含量和叶片反射光谱间的关系,从自定义的68个光谱特征参数中提取了7个能反映叶绿素含量变化的最优参量,并使用逐步回归、岭回归、主成分分量回归和偏最小二乘回归消除了最优参量的多重共线性,建立了叶绿素含量预测模型,其中岭回归模型精度最佳,均方根误差（RMSE）为0.406,决定系数(R2)为0.839。     

水培条件下CO2与NH+4/NO-3配比对番茄幼苗生育的影响

升高CO2浓度能够促进作物的光合作用,提高作物的生物量和产量,但关于CO2与NH+4/NO-3比及其交互作用对作物影响的研究较少,为探索番茄幼苗生长发育对CO2浓度升高的响应是否对NH+4/NO-3配比有较强的依赖关系,本试验在营养液栽培条件下,以番茄(Lycopersicun esculentum Mill)为试材,研究正常大气CO2浓度(360μL/L)和倍增CO2浓度(720μL/L)与不同NH+4/NO-3配比的交互作用对番茄幼苗生长的影响.结果表明:CO2浓度升高提高了低NH+4/NO-3比例处理中番茄叶片的光合速率和水分利用率,提高幅度随NH+4/NO-3比例的降低而增强,光合速率增强最大达55%.在同一CO2浓度处理下净光合速率与水分利用率均随NH+4/NO-3比例的增加而显著降低.这说明CO2浓度升高对番茄幼苗生长发育的促进作用随NH+4/NO-3比例的降低而提高,但并没有减弱全NH+4-N处理中番茄幼苗的受毒害作用.综上所述,CO2浓度升高能提高植物生产的节水能力和水分生产力;水培条件下,NO-3-N是最适合番茄幼苗生长发育的氮源,其它NH+4/NO-3比例对番茄幼苗的生长发育有一定的抑制作用,仅以NH+4-N作氮源则番茄幼苗很难生长.     

基于土壤参数的冬小麦产量预测模型

为了实现冬小麦的精细田间管理,研究了基于土壤参数的冬小麦产量预测模型。采用灰色理论对冬小麦土壤电导率 EC值,全氮含量,K+、NO3-以及土壤pH值等因子进行灰色关联度分析,结果表明土壤EC值与土壤全氮含量,K+以及土壤 pH 值的灰色关联度较高。在分析不同生长时期土壤 EC 值,全氮含量,K+、NO3-以及土壤pH值和产量间的相关系数的基础上,采用土壤EC值,全氮含量以及K+作为模型的输入,产量作为输出,建立了冬小麦产量预测BP神经网络（BPNN）模型;采用土壤EC值,全氮含量,K+,灰色关联度作为输入,建立了小麦产量的模糊最小二乘支持向量机（FLSSVM）预测模型。建模结果表明,BPNN 模型的预测决定系数达0.8237,验证决定系数达0.7367;FLSSVM模型的预测决定系数达0.8625,验证决定系数达0.8003。BP神经网络以及FLSSVM预测模型的精度都较高,可以用来评估作物产量,为精细农业变量处方管理提供理论与技术支持。     

日光温室番茄单叶净光合速率模型的温度修正

番茄单叶净光合速率模型是温室番茄环境调控中的核心模型之一,而温度修正模型对于正确解析番茄单叶净光合速率模型非常重要。试验根据前人确定的植物单叶净光合速率模型中最大光合速率的温度修正模型,通过对不同的CO2浓度、光强和温度条件下日光温室番茄净光合速率的测定,明确了日光温室番茄最大光合速率的温度修正模型中修正因子C的取值公式,并经拟合检验,结果表明在不同CO2浓度、不同光强条件下日光温室番茄最大光合速率下温度修正模型的模拟值与实测值拟合良好,说明可将这一温度修正模型作为日光温室番茄光合模型的温度影响子模型应用,从而使植物单叶净光合速率模型更好地适用于日光温室番茄生产。     

基于漫反射光谱的叶面药液浓度检测方法

应用漫反射反射光谱对叶面药液质量浓度进行了检测研究。选择350～1900nm波段,以标准偏差归一化、三点滑动平均滤波、一阶导数组合预处理,应用逐步回归分析、主成分、主成分+人工神经网络、偏最小二乘、偏最小二乘+人工神经网络回归分析建立了5种数学模型。试验结果表明这5种算法的预测均方根误差分别为0.067、0.061、0.059、0.039、0.056,偏最小二乘法建模效果优于其他模型。考虑到不同作物种类对叶面药液浓度影响,选用八角金盘、油菜、青菜3种作物叶片为对象,在偏最小二乘下建模,其预测集相关系数分别为0.994、0.974、0.929,预测均分根误差分别为0.039、0.050、0.075。表明不同种类作物对叶面药液浓度检测影响较小,漫反射光谱技术检测叶面药液浓度是可行的。     

基于R-BP神经网络的温室小气候多步滚动预测模型

温室高效生产依赖于适宜的温室小气候环境,建立高精度的温室小气候多步预测模型对实现温室环境优化调控具有重要意义。本研究提出一种基于滚动的反向传播神经网络（Rolling Back Propagation Neural Network, R-BP）的温室小气候多步滚动预测模型。模型主要包括两个阶段：（1）建立初始的BP神经网络。采用自动编码器无监督学习方法获取初始网络参数,并利用改进的粒子群算法优化网络参数。（2）建立滚动的BP神经网络群。将前一个网络输出作为后一个网络的部分输入进行滚动训练和预测,实现温室小气候多步滚动预测。为验证R-BP模型的有效性,在阿拉伯联合酋长国阿布扎比市的自控温室和中国苏州市的非自控温室分别进行试验。验证试验表明,与传统BP神经网络相比,在阿布扎比温室试验中,采用R-BP模型预测未来6h室内温度,其平均误差降低69.9%,预测相对湿度,其平均误差降低47%;在苏州温室试验中,采用R-BP模型预测未来6h室内温度,其平均误差降低43.3%,预测相对湿度,其平均误差降低55.6%。说明R-BP模型能够较准确预测未来6h内温室小气候环境变化,可为制定温室小气候优化调控方案提供依据。     

黑土养分含量的航空高光谱遥感预测

为监测黑龙江省黑土典型区土壤的养分元素含量,综合利用统计理论与光谱分析方法,研究建三江农场黑土土壤的3类养分含量与土壤光谱之间的关系,建立土壤全氮、有效磷、速效钾含量高光谱反演模型,实现土壤养分元素含量定量预测。对黑土土壤航空高光谱数据进行处理,应用偏最小二乘回归（PLSR）和BP神经网络方法分别建立土壤养分元素含量的高光谱定量反演模型,结果表明：全氮PLSR和BP神经网络预测模型的RPIQ值（样本观测值第三和第一四分位数之差与均方根误差的比值）分别为2.42和2.80;有效磷PLSR和BP神经网络模预测型的RPIQ值分别为0.83和1.67;速效钾PLSR和BP神经网络模型的RPIQ值分别为2.00和2.33。试验证明土壤全氮和速效钾的光谱定量预测模型具备较好的精度和预测能力。但有效磷的预测效果不是特别理想,仅可达到近似定量预测的要求;全氮、有效磷和速效钾的预测精度,BP神经网络建模相比偏最小二乘建模有更好的精度和预测能力,预测精度分别提高6.5%、10.1%和6.6%。     

灌溉水中悬浮固体对土壤水分入渗性能的影响

为监测黑龙江省黑土典型区土壤的养分元素含量,综合利用统计理论与光谱分析方法,研究建三江农场黑土土壤的3类养分含量与土壤光谱之间的关系,建立土壤全氮、有效磷、速效钾含量高光谱反演模型,实现土壤养分元素含量定量预测。对黑土土壤航空高光谱数据进行处理,应用偏最小二乘回归（PLSR）和BP神经网络方法分别建立土壤养分元素含量的高光谱定量反演模型,结果表明：全氮PLSR和BP神经网络预测模型的RPIQ值（样本观测值第三和第一四分位数之差与均方根误差的比值）分别为2.42和2.80;有效磷PLSR和BP神经网络模预测型的RPIQ值分别为0.83和1.67;速效钾PLSR和BP神经网络模型的RPIQ值分别为2.00和2.33。试验证明土壤全氮和速效钾的光谱定量预测模型具备较好的精度和预测能力。但有效磷的预测效果不是特别理想,仅可达到近似定量预测的要求;BP神经网络建模相比偏最小二乘建模有更好的精度和预测能力,预测精度分别提高6.5%、10.1%和6.6%。     

中国沙棘、俄罗斯沙棘和俄罗斯沙棘×中国沙棘光合特性及影响因子

在陕北黄土丘陵沟壑区用LI-6400光合仪对中国沙棘、俄罗斯沙棘和俄罗斯沙棘×中国沙棘光合特性及影响因子进行了测定。测定结果表明三者的光合速率、气孔导度、胞间CO2浓度、蒸腾速率日变化均为“双峰”曲线。中国沙棘光合“午休”现象较轻,日光合速率和午后光合速率、气孔导度、胞间CO2浓度、蒸腾速率极显著（P〈0．01）高于俄罗斯沙棘和俄罗斯沙棘×中国沙棘。中国沙棘光合作用最适气孔导度、大气CO2浓度、空气相对湿度比俄罗斯沙棘小,最适胞间CO2浓度、蒸腾速率、气温、光合有效辐射比俄罗斯沙棘高。中国沙棘在最适气孔导度、胞间CO2浓度、蒸腾速率和大气CO2浓度下的光合速率比俄罗斯沙棘高;在最适气温、空气相对湿度、光合有效辐射下的光合速率比俄罗斯沙棘低。俄罗斯沙棘×中国沙棘光合“午休”现象比中国沙棘强,比俄罗斯沙棘弱,午后光合速率与俄罗斯沙棘相近;俄罗斯沙棘×中国沙棘最适气孔导度、大气CO2浓度高于中国沙棘和俄罗斯沙棘,最适胞间CO2浓度低于中国沙棘和俄罗斯沙棘,最适蒸腾速率、气温、空气相对湿度、光合有效辐射居于中国沙棘和俄罗斯沙棘之间。俄罗斯沙棘×中国沙棘在最适气孔导度下的光合速率高于中国沙棘和俄罗斯沙棘;在最适胞间CO2浓度、蒸腾速率、气温、大气CO2浓度、空气相对湿度、光合有效辐射下的光合速率低于中国沙棘和俄罗斯沙棘。中国沙棘、俄罗斯沙棘和俄罗斯沙棘×中国沙棘的光合速率均与上午的气孔导度、胞间CO2浓度、蒸腾速率、气温、大气CO2浓度、空气相对湿度、光合有效辐射显著相关,均为“抛物线”关系。     

基于蔗糖产量时域变化的温室番茄光合作用的模拟与验证

为了使基于过程的作物模型(Based on Process Model,BPM)和基于结构的作物模型(Structure Model,SM)更好的衔接。该研究依据温室番茄的生理特性,分析了单位叶面积蔗糖产量与光合有效辐射的关系,建立了单位叶面积蔗糖产量子模型;利用有效叶面积与有效积温的关系公式,建立了有效叶面积的预测模型。将二者整合,构建了基于蔗糖的温室番茄光合作用模型并采用独立的试验数据对模型进行了验证。结果表明,单位叶面积蔗糖产量的预测结果的决定系数R~2和RMSE分别为0.98和0.95 g/m~2;有效叶面积的预测结果的R~2和RMSE为0.96和0.02 m~2;单株蔗糖产量的预测结果的R2和RMSE为0.97和48.58 mg/株。该文提出的有效叶面积初步解决了番茄因不断摘除老叶导致叶面积发展规律不断被打破导致无法准确模拟的问题,所建立的光合作用模型初步实现了基于过程的作物生长模型和基于结构的生长模型的有效融合;     

基于近红外光谱分析的土壤全氮含量估测研究

应用近红外光谱分析技术对比研究基于土壤风干样本和鲜样来预测全氮含量的可行性。选取水稻土为研究对象,首先分析了不同水分土壤的光谱特征,显示随水分含量增加,吸光度升高,且鲜样的吸光度高于干样。通过比较不同预处理方法,对土壤干鲜样分别采用逐步多元回归(SMLR)和偏最小二乘法(PLSR)建立了相应的近红外模型。结果表明,利用近红外光谱均可预测干鲜土壤样本的全氮含量,特别是利用偏最小二乘法建立的标定模型,预测精度高,反演性较好,鲜样和干样外部验证决定系数分别达到0.89和0.91,相对误差仅为6.92%和5.92%,研究结果可以为田间土壤全氮含量的估测提供技术依据和参考。     

茄子灰霉病叶片过氧化氢酶活性与高光谱图像特征关联方法

对灰霉病胁迫下茄子叶片过氧化氢酶(CAT)活性的高光谱图像特征进行了研究。采用380～1030nm范围的高光谱图像摄像仪获取健康、轻度、中度、严重染病茄子叶片的高光谱图像信息,基于ENVI软件处理平台提取高光谱图像中对象的漫反射光谱响应特性,并采用平滑、中值滤波、归一化法等预处理方法提高光谱的信噪比。然后采用偏最小二乘回归(PLSR)、最小二乘支持向量机(LS-SVM)和BP神经网络算法来建立叶片高光谱响应特征与CAT活性之间的关系模型。在PLSR模型中,前2个隐含变量能够实现健康、轻度、中度、严重染病茄子叶片的直观定性区分,而基于PLSR模型推荐的9个隐含变量建立的BP神经网络模型的预测集决定系数R2为0.8930,均方根误差为2.17×103。表明基于高光谱图像特性可以实现灰霉病胁迫下茄子病害程度的有效区分,同时证明基于高光谱图像特性的茄子叶片CAT活性的定量检测是可行的。