基于叶片空气温差的温室黄瓜水分胁迫指数的应用分析

针对温室的小气候条件,以生长期的黄瓜作为测试对象,分析了太阳净辐射(Rv)和水汽饱和差(VPD)对叶片温度的影响。结果表明:叶片空气温差(dT)与Rv和VPD呈显著正相关,Pearson相关系数r=0.78~0.86。此外,在作物充分供水条件下,当Rv≥250~300 W/m2时,黄瓜叶片的温度通常大于空气温度,此时,Idso模型下基线的计算误差较大。因此,根据实验分析,建立了基于Rv和VPD的温室作物水分胁迫指标下基线线性回归方程:dTl=0.254 3-0.004 6Rv-0.488 7VPD,回归方程的计算值与测量值均方误差(MSE)为0.24,小于Idso经验模型中的下基线公式的计算误差。     

日光温室番茄叶温的模拟及与环境因子的关系

日光温室内温度是温室微气候控制的常用参数,但是植物本身的温度(主要是叶温)影响着植物的生理活动,温室内温度要根据叶温的变化来调控。建立叶温的模拟模型可为日光温室内气温的调控及将能量平衡模型结合到温室环境控制系统中提供理论依据。该研究根据植物叶片能量平衡原理建立了一个以日光温室内环境条件(净辐射、气温、空气相对湿度)为主要驱动变量,以气孔阻力和空气动力学阻力为参数的番茄植株叶温模拟模型,并通过阴天、晴天土壤水分亏缺和土壤水分充足条件下叶温实测数据对模型进行了试验验证。结果表明,阴天、晴天土壤水分亏缺和土壤水分充足条件下番茄植株叶温模拟值与实测值的变化趋势一致。模型很好地模拟了晴天土壤水分充足条件下叶温的变化,其模拟值与实测值的决定系数R2=0.845,模拟方程的斜率k=0.961,截距f=-0.121,估计标准误差RMSE=2.1℃,相对误差RE=9%。     

密植型温室番茄作物层温度的模拟研究

建立作物层温度的模拟模型,并利用实测数据对所建模型进行试验验证,同时分析温室环境因子与作物层温度的关系,对室内温度、净辐射、空气饱和水汽压差(VPD)等环境数据进行作物层温度的多元线性回归模型.结果表明:模型能较好地预测玻璃温室作物层温度,作物层上部和下部温度模拟值与测量值之间的决定系数R2分别为0.890 6、0.8...     

现代化温室自然通风时湿热环境CFD模拟研究

选取现代化温室室内区域和室外区域作为CFD模拟的计算域,建立温室同等大小的三维模拟,采用标准k-ε湍流模型,选择合适的辐射模型,番茄作物区采用多孔介质模型,对温室内部湿热环境进行了数值模拟.对模拟结果与试验测试结果进行对比,温室内部空气温度的模拟值与实测值的绝对误差为0.2～2.2℃,平均误差为0.91℃,平均相对误差为3.1%,最大相对误差为7.7%.温室内部空气相对湿度的模拟值与实测值的平均相对误差为6.4%,最大相对误差为16.6%,数值模拟结果与试验测试结果吻合较好.     

温室番茄群体光合作用模拟模型的研究

为了提高温室生产性能和生产效益,以温室主栽品种之一的番茄为对象,单叶光合作用模型为基础,综合考虑叶面积动态指数、温室冠丛光分布构建了群体光合作用模型,分析了温室内温度、CO2浓度及水分对模型的影响,并据此对模型进行修正.对模型进行验证,结果表明,该模型的群体光合速率实测值(0值时除外)与模拟值的相对误差在0～10.0％之间,模拟精度较高,环境因子对番茄生长发育影响的预测效果良好.     

不同透光率下塑料连栋温室覆盖层传热模型的研究

为研究温室覆盖材料传热特性对温室生产影响,建立塑料连栋温室覆盖层的热环境模型,借助MATLAB软件,采用Runge-Kutta法对温室覆盖层的热环境模型求解,探讨覆盖材料透光率τc分别为0.8、0.75和0.7时对塑料连栋温室覆盖层传热模型的影响。结果表明,随着覆盖材料透光率的下降,覆盖层模拟温度明显降低,覆盖层模拟温度的精度也随之下降;当覆盖层的透光率τc降到0.7以下时,会严重影响覆盖材料对太阳辐射的作用。将τc=0.7作为覆盖层透光率的临界值,指导温室生产实践。     

基于ARX模型的温室温度模拟

以PC(聚碳酸酯,简称PC工程塑料)板温室为研究对象,通过相关系数显著性检验,确定了影响温室内温度的主要因子。应用系统辨识技术,建立了温室温度的ARX模型(扩展的自回归模型)。采用残差分析法确定模型的阶,使用递推最小二乘法估计模型参数,并根据另一组试验观测资料对模型进行检验。结果表明,温室温度模拟值与实测值的变化趋势一致,模型能有效地模拟温室内温度,其模拟值与实测值的决定系数R2=0.84,均方根误差(RMSE)=0.96℃,相对误差(RE)=2.51%。     

基于CFD的自然通风玻璃温室湿热环境模拟与测试

基于计算流体动力学(CFD)数值方法,以Venlo型2连栋玻璃温室为研究对象,采用离散坐标(DO)辐射模型和组分传输模型对室内空气的传输过程进行3维数值模拟,以提出在温室微环境模拟中采用辐射、对流、热传导耦合计算的新方法,从而得出温室内温度和相对湿度场的分布模式。结果表明:相对湿度模拟值与实测值平均相对误差为5.4%,温度模拟值与实测值平均相对误差为11.2%。温室内相对湿度空间分布与对应的温度分布模式类似,中部作物区温湿度分布均匀一致,其余空间温湿度分布梯度明显。     

基于机器学习和环境因子的温室网纹甜瓜纹理特征的预测

为了对网纹甜瓜纹理特征进行定量预测,本文结合多个环境因子(基质含水量、温度、湿度、光合有效辐射),使用支持向量机(SVM)与随机森林(RF)多元回归分析方法,对基于灰度共生矩阵提取的4个果实表面纹理特征——对比度(contrast)、熵(entropy)、相关性(correlation)、角二阶矩(ASM)进行了预测。结果表明,纹理特征受环境影响敏感度依次为基质水分、光合有效辐射、空气湿度或有效积温。对比RF模型和SVR模型,发现在不同环境因子输入条件下,RF模型均优于SVM模型,其中输入全部环境因子后RF模型的预测精度最高,对比度、熵、角二阶矩的模拟精度均达到了0.90,分别为R~2=0.945(RMSE=0.243)、R~2=0.940(RMSE=0.235)、R~2=0.934(RMSE=0.248)。上述结果表明,RF模型对于网纹甜瓜纹理特征具有较好的预测结果,本研究结果可为温室网纹甜瓜栽培过程中的质量监控和栽培管理提供全新的思路。     

日光温室内空气温度日变化模拟的研究

温室内不加温时揭苫至盖苫的温度变化基本可以看成是一个正弦曲线的半个波,因此温室内白天温度Toir(t)可以用正弦曲线来表示.模拟结果显示:晴天不放风情况下,温度模拟值与实测值的变化趋势比较吻合,模拟值与实测值的决定系数达到0.9643,F值为205.70,达到0.01显著水平;晴天放风条件下,温度模拟值与实测值的决定系数为0.963 6,F值为500.81,达到0.01显著水平;阴天不放风时,温度模拟值与实测值的决定系数为0.871 5,F值为105.77,达到0.01显著水平.说明温室内气温变化可以用正弦曲线进行模拟.     

基于光温效应的温室小白菜农艺指标动态模拟

【目的】研究小白菜在温室环境下的农艺指标动态,揭示小白菜形态和产量形成过程。【方法】以耐热品种华冠小白菜为试材,在薄膜温室内开展水培试验。试验过程中,实时采集温室环境数据,并定期测定小白菜农艺指标。根据小白菜农艺指标与温度和光合有效辐射的关系,构建基于光温效应(LTF)的温室小白菜农艺指标动态模拟模型,并应用不同播期的试验数据对模型进行验证。【结果】结果表明,小白菜株高、叶数、叶面积、茎粗、根长、鲜重等农艺指标均随LTF的增加而增长,拟合方程可用S型生长曲线函数描述。LTF模型的预测效果优于辐热积(TEP)模型和积温(GDD)模型;其不仅改善了农艺指标的模拟精度,且拟合度较佳。各项农艺指标模拟值与实测值之间的决定系数(R2)为0.907～0.984;回归估计标准误差(RMSE)为0.540～34.393,相对误差(RE)为6.79%～12.66%,RMSE和RE分别为TEP、GDD模型的5.29%～59.98%、31.30%～96.23%。【结论】基于LTF的模型预测值与实测值吻合度较好,预测精度较高,可为温室小白菜生长模拟提供参考。     

基于PCA-BPNN的温室番茄果实直径预测模型

【目的】 研究温室番茄果实直径变化量的动态预测模型,为番茄所需水肥规律提供数据支持。【方法】 选择番茄果实横径为研究对象,以5株番茄果实膨大期的数据建立模型,采用主成分分析法对植物生理生态信息和环境信息进行分析,提取主要成分,以主成分为自变量,输出变量为因变量,建立一个包含空气温度、空气湿度、土壤含水率、叶片温度及果实横径的BP神经网络回归动态预测模型,并以3株番茄果实膨大期内所测的数据作为测试数据进行预测,比较预测值和实测值。【结果】 第1株番茄预测值与实测值的决定系数为(R²)0.964,均方根误差(RMSE)为0.238,第2株番茄预测值与实测值的决定系数(R²)为0.960,均方根误差(RMSE)为0.051,第3株番茄预测值与实测值的决定系数(R²)为0.951,均方根误差(RMSE)为0.047。【结论】 该模型可以预测温室短时内番茄果实直径变化量,可以用于新疆连栋温室内的秋季番茄果实直径变化预测,可根据预测量与实测量之间差值对水肥实行微调。     

基于光温效应的温室小白菜生理指标动态模拟

[目的]研究温室环境下温度和光照与小白菜生理指标的动态关系,以期为小白菜生产的精准管理提供参考.[方法]以华冠小白菜品种为试材开展营养液膜技术(Nutrient film technique,NFT)栽培,于2019年6—9月分3个时段进行试验,试验期间自动采集温室内温度和光照等数据,每2d进行1次生理指标测定.以建模试验数据计算光温效应(LTF)、辐热积(TEP)和积温(GDD),将其与同时期测定的生理指标数据进行拟合,建立温室小白菜生理指标动态模拟模型,将模拟值与实测值进行比较,检验模型拟合效果.[结果]试验期间的日平均气温为33.26~34.51℃,日光合有效辐射为8.18~13.64 mol/(m2·d).小白菜叶片主要生理指标基本上随生长期间LTF的增加而增加,但可溶性蛋白含量在后期呈现略微下降趋势,硝酸盐含量则呈现升高、降低、再升高的变化.LTF模型的预测效果优于TEP和GDD模型;该模型对小白菜可溶性糖、可溶性蛋白、维生素C、纤维素、蔗糖、淀粉、叶绿素a、叶绿素b、总叶绿素、类胡萝卜素和硝酸盐含量及根系活力的预测结果回归估计标准误差(RMSE)比后两者低,其各指标的RMSE为TEP和GDD模型的9.88%~49.91%和5.86%~93.42%,表明模型的预测精度较高.LTF模型预测结果与实测值之间R2均大于0.950,表明模拟值与实测值的匹配程度较好.[建议]光温效应法适用于对小白菜主要生理指标的模拟,模型对特定小白菜品种、特定影响因子、特定时间段、特定温室环境下的小白菜模拟效果较好,后期需要加强对多品种、多因素和多时空适用模型的系统性研究.     

日光温室湿环境模拟与试验研究

根据质量平衡原理,构建了日光温室湿环境模拟模型.该模型全面考虑了作物蒸腾、土壤蒸发、覆盖层内表面凝结、自然通风和闭膜后的冷风渗透向空气中传递水蒸气质量四大因素对日光温室内湿环境的动态影响过程.利用典型结构的日光温室对模拟模型进行了试验验证,结果显示模拟值与实测值比较吻合,相关系数大于0.85,相对误差小于10％.试验证明构建的日光温室湿环境模拟模型能较准确地描述日光温室湿环境动态变化过程.     

春季不同结构温室气温变化特征及预测模型

为揭示不同结构温室内气温的变化规律,建立了不同覆盖方式下温室内空气温度的预报模型。以武汉农业气象试验站的单体薄膜大棚、连栋薄膜大棚、PVC温室为研究对象,选择晴天、多云、阴天作为典型天气,系统研究了室内外气温的日变化特征。研究结果表明,PVC温室保温性能最好;单体薄膜大棚内气温升降速度快,升降幅度大;在此基础上,采用逐步回归方法,构建了不同结构温室内气温的预报模型,并对模型进行验证。结果表明,模型值与实测值相对误差在2％～7．2％之间,均方根介于0．68～2．50℃,拟合效果良好。该模型所需参数少,实用性强,模拟精度高,可为武汉市设施蔬菜的温室内温度调控及预报提供依据。     

温室盆栽金鱼草生长发育的光温热效应模型

为优化温室盆栽金鱼草光温调控精度,以‘红姬’品种为研究对象,通过不同定植期和密度试验,以辐热积（Product of thermal effectiveness and PAR,TEP）为尺度,建立了温室盆栽金鱼草生长发育的模型,并用独立试验数据检验了模型预测精度。结果表明,模型对萌芽期、展叶期、花蕾期和采收期的时间预测符合度较高,模拟值与实测值基于1：1直线间的决定系数R²为 0.95,回归估计标准误差RMSE分别为 1.3、1.7、2.3和1.8 d,预测精度明显高于以有效积温为尺度的发育模型（RMSE分别为 2.6、2.5、3.9和3.2 d）。模型对株高、茎粗、叶片数、花苞数和干物质量的模拟值与实测值的决定系数R²分别为 0.94、0.92、0.96、0.97和0.91,RMSE分别为6.9 cm、0.4 cm、5.8、2.2和1.27 g·株^-1。该研究建立的模型能够较准确地预测温室盆栽金鱼草各生育期出现时间、植株形态和干物质生产的动态。建立的模型参数少且易获取,且预测精度较高,可为温室金鱼草生产中种植期、种植密度及环境的优化调控提供理论依据和决策支持。     

基于光谱特征参数与主成分分析的玉米叶片叶绿素含量BP反演

利用美国SVC HR-1024I型地物光谱仪对盆栽玉米叶片进行光谱测定,同时用SPAD-502叶绿素仪测定叶片的叶绿素含量。基于实测光谱的微分处理结果,获取光谱位置、光谱面积、植被指数3个方面的11个光谱特征参数(spectral characteristic parameters,SCP),分析这11个SCPs与叶绿素含量的相关性,并对这些参数进行主成分分析(principal component analysis,PCA);然后,利用这11个SCPs及其PCA结果建立误差反向传播(error back propagation,BP)神经网络输入因子,并构建了玉米叶片叶绿素含量BP反演模型(简称SCP-PCA-BP模型)。另外,选取与叶绿素含量相关性较高的8个SCP,建立常规的线性回归模型并预测叶绿素含量。反演结果表明:SCP-PCA-BP反演的预测值与实测值之间的决定系数(r2)达到0.968 7,均方根误差(RMSE)为0.893 9;而用线性回归模型反演时,只有基于SCP中微分光谱蓝边面积、面积比值、归一化面积参数的预测效果较好,其中归一化面积的预测效果最好,预测值与实测值之间r2为0.704 0,RMSE为2.895。因此可知,与常规的线性回归模型相比,SCP-PCA-BP反演模型在预测玉米叶片叶绿素方面具有更好的预测效果。     

基于机器学习的马尾松毛虫发生面积预测模型

为了提高马尾松毛虫预测预报的准确性,分别采用随机森林、支持向量机和深度学习3种机器学习模型,应用气象因子预测马尾松毛虫发生面积,并将模型预测结果与实际发生面积进行比较。结果表明:3个机器学习模型的拟合效果均优于多元线性模型,其中深度学习对马尾松毛虫发生面积的预测最为稳健,拟合决定系数(R~2)和预测准确率(PA)最高(R~2=0.9901,PA=99.27%),均方根误差(RSME)最低(RSME=0.1711);支持向量机模型预测效果也较好(R~2=0.9617,RSME=0.3275,PA=92.13%)。深度学习可用于马尾松毛虫发生面积与气象因子非线性模型的构建。     

温室标准切花菊干物质生产和分配模型

 【目的】干物质生产与分配是菊花（Chrysanthemum morifolium Ramat.）外观品质形成的基础。本研究建立一个预测温室标准切花菊各器官干重和植株地上部分鲜重的模型，为温室标准切花菊外观品质的调控提供决策支持。【方法】根据光温对菊花生长的影响，通过不同定植期和不同品种的试验，建立以生理辐热积（Physiological product of thermal effectiveness and PAR，PTEP）为尺度的温室标准切花菊干物质生产和分配模型，并用独立的试验数据对模型进行检验。【结果】模型对温室标准切花菊的植株总干重、叶干重、茎干重、花干重和单株地上部分鲜重的模拟值与实测值的符合度较好，模拟值与实测值间1:1线的决定系数（R2）和回归估计标准误差（RMSE）分别为：0.97、0.97、0.97、0.83、0.99；67.5 g•m-2、22.4 g•m-2、28.2 g•m-2、15.4 g•m-2、3.73 g/株。本模型对菊花植株干物质生产的预测精度明显高于基于光合作用驱动的生长模型（R2和RMSE分别为0.82和274.68 g•m-2）。【结论】本研究建立的模型能较准确地预测温室标准切花菊的干物质生产和各个器官的干重，模型的实用性较强，可以为温室标准切花菊生产中的光温调控提供理论依据和决策支持。     

壁柱式日光温室温度变化规律及温度预测模型研究

以墙体总热阻值及后墙材料(红砖)相同为前提,以常规平面墙体作对照,研究壁柱式(凹凸面)墙体对日光温室温效应的影响并建立温度预测模型。采用SPSS软件构建日光温室次日最低/最高气温预报模型。结果表明:不同天气条件下,壁柱式日光温室和对照温室气温日变化规律基本一致,都有明显升降变化;壁柱式日光温室平均温度、最低/最高气温均高于对照;模型模拟值和实测值RMSE都在2℃以内,MRE在9%左右。壁柱式温室保温性好,蓄热能力强。所建模型对日光温室最低/最高气温模拟具有较高精度,满足温室最低/最高气温预测要求。