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。     

长江下游防虫网覆盖塑料大棚内温湿度模拟

为了对防虫网覆盖塑料大棚内空气温度和相对湿度进行预测,该文根据能量平衡和质量平衡原理,建立了以塑料大棚外气象要素（太阳辐射、温度、相对湿度、风速、气压）为驱动变量,以塑料大棚结构（容积、表面积、通风窗面积、棚内地表面积）、覆盖材料（塑料薄膜透光率、防虫网目数）、小白菜（叶宽、叶面积指数）等为参数的塑料大棚内温湿度模拟模型,并根据试验观测资料对模型进行了检验。结果表明：模型能较好地预测长江下游地区防虫网覆盖塑料大棚内温度和相对湿度。模型对该地区夏季晴天、多云天和阴天覆盖防虫网塑料大棚内温度预测值与实测值的决定系数（R2）分别为0.93、0.92和0.87,回归估计标准误差（RMSE）分别为1.3、1.4和0.9℃,相对误差（RE）分别为5.8%、6.5%和4.1%;夏季晴天、多云天和阴天大棚内相对湿度预测值与实测值的R2分别为0.91、0.90和0.89,RMSE分别为4.1%、4.7%和3.2%,RE分别为4.8%、5.6%和3.8%。模型的建立也为防虫网覆盖塑料大棚结构优化和管理提供参考。     

葡萄大棚小气候预测模型研究

为精准把控并及时调节葡萄大棚棚内小气候,利用清徐县葡萄大棚农田小气候站观测数据及气象站、辐射站、土壤水分站资料,建立以棚外气温、相对湿度、风速、总辐射、土壤湿度为输入变量,棚内气温、相对湿度、土壤温度为输出变量的基于BP神经网络葡萄大棚小气候预测模型。为了对比分析BP神经网络的精确度和稳定性,同时建立多元线性回归模型。结果表明,基于BP神经网络建立的预测模型,其训练值和实测值之间的绝对误差分别为1.55 ℃、4.46%、0.77 ℃,标准误差分别为2.18 ℃、5.94%、1.00 ℃;预测值和实测值之间的绝对误差分别为1.37 ℃、2.84%、0.42 ℃,标准误差分别为1.96 ℃、4.60%、0.53 ℃。预测效果明显优于多元线性回归模型,预测精度满足棚内小气候要素预报要求。     

杭州冬季塑料大棚内气温变化特征及日最低气温预报模型

利用2010-2012年冬季塑料大棚内外气象资料,分析晴天、多云、寡照3种天气类型下的单、双层棚内气温变化特征,采用逐步回归方法构建适于杭州地区的棚内日最低气温预报模型,并对模型进行拟合和预报试验。结果表明:单、双层棚内气温变化趋势基本一致,晴天、多云条件下日变化剧烈,阴雨寡照下较平缓。棚内日最低气温在晴天、多云条件下比寡照时低,易出现低温危害。棚内外日最低气温温差单层棚平均为2.0℃,双层棚平均3.0℃。日最低气温预报模型拟合结果表明,单、双层棚内日最低气温拟合值与实际值的均方根误差(RMSE)分别小于1.0℃和0.5℃,晴天、多云和寡照3种天气类型下,单层棚分别为0.5℃、1.3℃和0.7℃,双层棚分别为0.4℃、0.3℃和0.5℃;实际预报检验表明,模型具有较高的模拟精度和较强的实用性。     

宿州日光温室内部最高和最低气温的预报模型

利用2010年11月-2011年5月在日光温室内部监测的温度数据和同期地面气象观测资料,采用逐步回归方法,建立秋季日光温室内部最高与最低气温预报模型,冬季和春季晴天与非晴天日光温室内部最高与最低气温预报模型,并进行应用试验.结果表明,各预报模型的模拟值与实测值之间高温和低温的绝对误差(ABSe)分别为秋季为1.1、0.2℃,冬季晴天与非晴天为0.8、0.4和1.5、0.3℃,春季晴天与非晴天为0.3、0.4和1.1、0.2℃;均方根误差(RMSe)分别为秋季为1.3、0.2℃,冬季晴天与非晴天为1.0、0.5和1.7、0.3℃,春季晴天与非晴天为0.3、1.3和0.4、0.5℃.试验预报时段内日光温室内部高温与低温的绝对误差范围分别为0.8～1.1和0.3～0.4℃,均方根误差为0.9 ～1.2和0.3～0.5℃.依据预报模型开展日光温室内部未来24h内的最高与最低气温预报,可为日光温室及时通风换气防止高温危害及采取保温措施防止低温危害提供有效的决策支持.     

玻璃温室和塑料大棚内逐时气温模拟模型

2014-2016年在江苏省不同地区选择塑料大棚和玻璃温室进行设施内气温监测,基于设施内日最高和最低气温,采用余弦分段函数、正弦分段函数、正弦-指数分段函数、一次分段函数和神经网络模型分别模拟不同季节和不同天气状况（晴天和阴雨天）下的逐时气温日变化,探究利用室内最高和最低气温模拟计算逐时气温的方法,以及设施内逐时气温日变化规律。结果表明：5种模型均可通过当日最高、最低气温模拟逐时气温变化,其中神经网络模拟精度较高（RMSE=0.69℃）,并且受温室类型、天气状况和季节变化的影响较小,普适性较高;正弦-指数分段函数模拟效果最好（RMSE=0.43℃）,且受天气和季节的影响较小,但其受温室本身特性和地区的影响较大;余弦分段函数（RMSE=0.85℃）和正弦分段函数（RMSE=0.78℃）模拟效果相近,且受天气和地区的影响;一次分段函数准确度较低（RMSE=0.90℃）且误差变化较大。各方法对塑料大棚内逐时气温的模拟精度均高于玻璃温室。模型模拟精度的季节变化因模型和温室类型有一定差异,但通常情况下,春季和冬季的模拟误差大于秋季,夏季误差最小。     

塑料大棚气流场模拟及作物蒸腾量计算

为了分析塑料大棚内气流场的特征和计算与作物蒸腾量有关的通风参数,该文通过计算流体动力学模拟了塑料大棚内自然通风量,建立了华东地区常见塑料大棚内平均风速和外部风速之间的线性关系,根据能量平衡和紊流扩散模型建立了一个计算作物蒸腾量的数学模型,并利用棚外的常规气象资料和棚内的实测温度计算了棚内作物蒸腾量。通过将作物蒸腾量的计算值和实测值进行比较,结果发现作物蒸腾量的计算值与实测值比较一致,逐日蒸腾量间的决定系数为0.7756,累积蒸腾量间的决定系数为0.9983,模拟累计值与实测累计值之间标准误差为1.16 mm,最大绝对误差为4.82 mm;结果表明,所建立的计算方程参数较少,推求的风速参数比较适用于普通塑料大棚。该研究可满足大棚内作物水分管理、温室大棚设计规划和区域水资源管理等方面的需要。     

大跨度外保温型塑料大棚小气候环境测试

为探明大跨度外保温型塑料大棚内部的小气候环境,有效利用该大棚进行生产,周年监测了大棚内外的温度、相对湿度和光照环境,并对其环境调控效果进行分析。结果表明:大跨度外保温型塑料大棚冬季保温性能良好,地温高且稳定,在河南驻马店地区1月平均室内气温为10.9℃,平均室内地温12.7℃。室内最低气温6.8℃,室内最低地温12.3℃,分别较露地高8.9℃和9.5℃。夏季棚内气温和地温均高于露地,但气温高出幅度较小。棚内晴天、透光率为51.8%～67.5%,受位于棚顶保温被卷的影响,白天棚内存在一条2.0～3.5m宽的移动阴影带。棚内相对湿度大,11月-翌年2月期间,白天和夜间棚内相对湿度均接近饱和。在驻马店地区,大跨度外保温型塑料大棚能基本满足喜温类果菜所需的环境条件,可用于喜温类果菜的周年生产,具有推广应用价值。     

基于BP神经网络的杨梅大棚内气温预测模型研究

利用2009年12月-2010年5月塑料大棚内外观测的气象数据,构建了基于BP神经网络的杨梅生产大棚内的最高、最低气温预测模型,根据逐时转化系数计算出棚内相应的逐时气温,达到逐时预报大棚内气温的目的。通过模拟回代和对独立试验数据的验证,基于BP神经网络模型对大棚内日最低气温、日最高气温和逐时气温预测值与实际值的回归估计标准误差（RMSE）分别为0.8℃、1.4℃和0.7℃,精度明显高于同时利用逐步回归法建立的模型。该模型所需参数少,实用性强,模拟精度高,可为设施杨梅气象服务和环境调控提供依据。     

严寒地区保温型塑料大棚土壤蓄放热特性

土壤温度及蓄放热特性是保温型塑料大棚土壤传热特性的重要体现。因此,为定性、定量地阐明棚内土壤温度变化规律和蓄放热特性,在严寒地区生产性大棚内进行了试验测试,并通过构建大棚土壤热量平衡简化方程、温差拟合等方法对土壤蓄放热特性进行了理论分析。研究结果表明：1）土壤温度波幅随深度的增加呈乘幂函数递减,通过计算得出测试地区大棚土壤的蓄热层平均厚度约为0.55～0.80 m;2）棚内土壤横向地中传热损失占土壤总热损失的9.8%～24.7%,若将此部分热量用于提高土壤温度,则棚内土壤平均温度可提高0.3～0.5 ℃;3）天气条件对土壤蓄放热性能的影响较大：晴天日累积蓄热量比多云天多37.2%～50.6%左右,日累积放热量比多云天多44.7%～64.3%;晴天的最大蓄热流量和日累积蓄热量均是阴天的4倍以上,与蓄热性能相比,晴天与阴天的土壤放热性能差异较小。土壤蓄放热量主要受表层土壤与气温温差的影响,棚内外气温差对其影响较小。     

基于四种算法比较分析Venlo型玻璃温室气温季节预报模型

利用2021年2月27日-2023年3月4日南京信息工程大学Venlo型玻璃温室内、外气象观测数据,基于多元回归(Multiple regression,MR)、BP人工神经网络(BP artificial neural networks,BPANN)、随机森林(Random forest,RF)和支持向量机(Support vector machine,SVM)构建温室内日平均气温、日最低气温和日最高气温的季节预报模型,并进行验证。结果表明：温室内日平均气温、日最低气温季节预报模型的拟合精度明显高于日最高气温季节预报模型;各模型对春、夏、秋季温室内气温的拟合精度高于冬季。对于日平均气温和日最低气温季节预报模型而言,4种算法构建的春、夏、秋季预报模型的拟合精度均较高,RF模型模拟效果更为稳定,其模拟值与实际观测值决定系数(R²)均值均在0.94以上,均方根误差(RMSE)、绝对误差(MAE)均值在1.5℃以内;对于日最高气温季节预报模型,RF模型对春、夏、秋季的拟合精度整体高于其他模型,R²均值均在0.75以上。MR模型对冬季室内气温的拟合精...     

不同灌溉方式对巨型塑料大棚环境因子的影响

为探讨灌溉方式对巨型塑料大棚环境因子的影响,采用膜下滴灌、膜下沟灌、裸露沟灌3种处理,研究了不同灌溉方式对棚内空气相对湿度、结露时间、土壤水分、棚内气温以及地温的综合效应。测试结果表明：与裸露沟灌相比,膜下沟灌、膜下滴灌均可降低棚内的相对湿度,其中膜下滴灌的降湿效果优于膜下沟灌;不同时刻、不同天气下的降湿效果不同,表现为白天的降湿效果优于夜晚,晴天的降湿效果好于阴天;膜下滴灌与膜下沟灌可以降低棚内的结露时间,提升棚内的气温与10cm地温,增加土壤含水量。     

基于主成分回归的日光温室内低温预测模型

利用2010/2011年度冬季日光温室内小气候观测资料对冬季日光温室内温度变化特征进行分析,并结合温室外温度以及用云遮系数法和风级风速转换方法得到的室外总云量和最大风速,采用主成分回归分析法建模,以对日光温室内日最低气温进行预报.结果表明,(1)通过云遮系数法和风速风级转化标准模拟的室外总云量和最大风速误差较小.(2)日光温室内最低气温与温室内前一天的各小气候要素有较好的相关性,此外,温室内外各气象要素之间也存在显著的相关性.(3)主成分回归提取了温室内小气候要素主成分、温室外天气状况与温度主成分、风速主成分3个主要因子.建立的日光温室内最低气温预报模型,其复相关系数为0.857,并通过显著性检验.(4)利用2011/2012年冬季温室资料对低温预报模型进行检验,预测值与实际值之间的平均绝对误差小于1℃,平均相对误差在13％以内,整个冬季的均方根误差为1.1℃.说明所建日光温室内低温预报模型有较高的精度,能够满足温室内最低温度的预测需求.     

长三角区麻栎树干液流的季节变化特征

2012-05-2013-04,利用树干液流仪和小气象站对南京东善桥林场的麻栎（Quercus acutissima）树干液流速率及环境因子进行连续观测,研究分析麻栎树干液流的季节变化特征.结果表明：1）春、夏、秋季晴天与阴天的液流速率日变化表现出明显的昼夜变化规律,白天液流速率高于晚上,晴天液流速率高于阴天,而冬季则波动较大;2）春季液流速率平均峰值约为5.69 kg/h,夏、秋、冬季的平均峰值分别约为春季的1.58、1.08、0.012倍;3）春、夏、秋季液流速率峰值与太阳辐射峰值主要存在滞后效应,约1 ～2h,与空气温度、饱和水汽压差、土壤温度的峰值主要存在置前效应,约1 h;4）春、夏、秋季液流速率及日液流量与环境因子的相关系数较高,而冬季的相关系数则较低;5）春、夏、秋季液流速率及其日液流量与环境因子的回归模型决定系数均在0.8左右,而冬季的决定系数较低.     

基于蜣螂算法优化BP的冬夏生菜根区温度预测模型

为解决生菜应用营养液膜技术（nutrient film technique,NFT）在冬夏季根区温度控制的问题,该研究基于机器学习方法,结合温室内外历史环境数据,构建BP神经网络根区温度预测模型。为提高模型精度,采用蜣螂算法（dung beetle optimizer, DBO）优化BP神经网络模型的输入权重和阈值,构建了冬夏两个季节的基于DBO-BP神经网络的栽培槽内根区温度预测模型,并与GA-BP、BP神经网络模型进行对比。结果表明,根区温度预测值与真实值变化趋势较为一致,DBO-BP模型温度预测最大误差为2.21 ℃,决定系数为0.943,而GA-BP与BP模型决定系数分别为0.928、0.892;DBO-BP模型评价指标的均方根误差、平均绝对误差分别为0.707、0.549 ℃,均小于其他模型评价指标;由此可知DBO-BP神经网络可满足在NFT栽培中根区温度预测精度的需求,能够为生菜栽培根区快速控温提供有效方法。     

空气循环式塑料大棚蓄热除湿装置及运行效果

根据湿热空气遇到固体低温表面产生冷凝效应,其水汽凝结为水,同时放出潜热的原理,利用冬季晴天时塑料大棚内气温高,湿度大,而地温低的环境条件,在塑料大棚内设计、建造和安装了一套空气循环式蓄热除湿装置,晴天将塑料大棚内的湿热空气用轴流式风机强制性地抽送入安装在土壤中的多个冷凝管道,并使其从塑料大棚内另一端的出口排出,再回到塑料大棚内,形成循环,达到既除湿又不降温的目的。观测分析结果表明,与对照塑料大棚相比,试验塑料大棚内1.7 m高度的相对湿度明显降低,大部分时间段达到差异显著（P＜0.05）或极显著（P＜0.01）水平;晴天各个正点时刻,冷凝塑料大棚内1.7 m高度平均气温和20 cm地温均高于对照,分别高出0.1～3.0℃、1.4～1.7℃。     

基于CFD的温室气温时空变化预测模型及通风调控措施

夏季温室高温湿热,对作物生长产生重大危害,制定合理的夏季温室气温调控方案,是提高温室生产效益,降低温室气温调控能耗的关键问题。该文基于计算流体力学(computational fluid dynamics,CFD)方法,结合气象预报信息,针对苏南地区大型连栋温室,建立了夏季温室气温时空变化预测模型,通过设置边界参数,对不同通风条件下温室气温的时空变化进行了预测,并通过试验验证了模型的有效性。试验结果表明,预测值与实测值吻合良好,均方根误差在1.2℃以内,最大相对误差在6%以内,平均相对误差在4%以内。不同通风降温条件下的试验结果显示,温室气温空间分布存在明显差异,湿帘-风机系统较自然通风降温效果显著,降温幅度在5℃左右,持续的湿帘-风机降温措施可将温室高温控制在较低水平。基于该文模型的预测结果和温室调控目标,选取合适的时间点、时间长度和不同类型的通风降温措施,可有效提高温室气温调控效率和效益。同时,该研究还可为优化传感器布局提供依据。     

大跨度保温型温室的热环境模拟

大跨度保温型温室为拱型钢骨架结构,南北走向,相邻温室间距仅2m,相比于传统日光温室土地利用率提高到91%,且仍具有日光温室节能的特点。为分析和评价该温室的蓄热保温性能,基于温室热传导、对流换热、太阳辐射、天空辐射、作物蒸腾、自然通风等热物理过程,构建了温室内热环境变化模型,并利用Matlab软件对其进行求解,模拟在冬季连续4个典型工作日无加温条件下,每10min的室内空气温度和作物根区温度,并将模拟值与实测值进行对比分析。结果表明,模型对大跨度温室内空气温度模拟的平均绝对误差在±1.3℃之内,模拟值与实测值间直线方程的决定系数（R2）为0.99（n=576）,回归估计标准误差（RMSE）和相对误差（RE）分别为1.6℃和16.4%;作物根区温度实测值与模拟值的绝对误差在±0.6℃之内,直线方程的R2为0.91（n=576）,RMSE和RE分别为0.76℃和6.7%。模型模拟值与实测值较为一致,可为温室环境精准调控和结构优化设计提供理论依据。     

设施番茄外观形态及物质累积分配模型构建与验证

为构建适用于日光温室与塑料大棚的设施番茄生长模型,该研究利用保温塑料大棚春茬试验数据,建立以辐热积为尺度的番茄外观形态及物质累积分配模型,并利用保温塑料大棚秋茬和日光温室越冬茬的试验数据验证模型的准确性。结果表明：1）番茄株高模拟值的决定系数R2和均方根误差（Root Mean Square Error,RMSE）分别为0.907 4和13.66 cm;2）番茄整株及各器官的干物质质量模拟值的决定系数R2范围为0.854 1～0.975 1,RMSE为2.87～6.98 g/株;3）番茄整株、地上部以及果实鲜质量累积的模拟值的决定系数R2范围为0.887 2～0.905 0,RMSE为109.83～171.16 g/株。综上可知,该研究建立的模型可较准确地预测番茄株高与干鲜质量物质累积值,模型的实用性较强,可为设施番茄生产提供理论依据和决策支持。     

基于高光谱的土壤不同颗粒含量预测分析

以典型黄河下游冲积平原区的土壤为研究对象,分析土壤高光谱特征,探讨土壤质地不同粒级颗粒含量的统一估测途径,为土壤质地快速监测评价提供技术支持。选择原始光谱,及其倒数、对数、标准正交变换、多元散射变化、一阶微分、二阶微分共7种光谱变换形式,首先主成分降维,然后分别建立土壤黏粒、粉粒和砂粒含量的支持向量机预测模型,采用决定系数、均值绝对误差、均方根误差3种精度指标来衡量模型的预测能力。结果表明:原始光谱的对数为最佳光谱变换形式,具有最佳的土壤不同颗粒含量估测能力,决定系数R2 ≥ 0.6853,均值绝对误差MAE ≤ 0.1193,均方根误差RMSE ≤ 0.1683;黏粒含量的变化范围相对集中,预测能力整体表现的相对较强,R2 = 0.8127,MAE = 0.0820,RMSE = 0.1248。通过筛选最佳光谱变换处理,主成分降维,支持向量机预测,建立了土壤中黏粒、粉粒和砂粒含量的统一估测途径,实现了简单快捷的高光谱估测。