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。     

温室网纹甜瓜临界氮浓度和氮营养指数模拟研究

为实现精准的氮营养诊断和指导生产,研究通过4个不同氮素水平处理的温室网纹甜瓜基质栽培试验,构建了临界氮浓度稀释曲线模型,并推导得到了氮素吸收和氮营养指数模型。结果表明:临界氮浓度稀释曲线模型(%N_c=4.235DW~(-0.353)_(max))揭示了植株地上部生物量和氮浓度值之间呈幂函数关系,决定系数R~2=0.814,同时得到最高和最低氮浓度稀释曲线,决定系数分别为R~2=0.808、R~2=0.810;氮素吸收模型和氮营养指数模型对网纹甜瓜营养诊断结果基本一致,植株适宜的氮素施用量为始瓜期前4.1g/株,之后1.3～2.7g/株。本研究提出的临界氮浓度、氮素吸收和氮营养指数模型,相较于传统的经验方法更具有机理性,可为温室网纹甜瓜的氮肥管理决策提供理论依据。     

水培生菜临界氮浓度曲线模型构建和氮营养诊断

以生菜为试材,采用营养液培养法,研究了 4种不同施氮水平(T10 mmol·L-1、T2 3.25 mmol·L-1、T3 6.50 mmol·L-1、T4 9.25 mmol·L-1)对水培生菜的地上部干质量及氮浓度的影响,构建了水培生菜的临界氮浓度曲线模型,并得出氮素吸收模型、氮素亏缺模型和氮营养指数模型,以期为水培生菜的氮营养诊断提供参考依据.结果表明:水培生菜的地上部干质量和氮浓度满足幂函数关系,临界氮浓度稀释曲线模型为％Nc = 3.769DWmax-0.343,决定系数R2=0.903,同时得出最高和最低氮浓度稀释曲线,决定系数分别为R2=0.891、R2=0.906;水培生菜的氮吸收模型、氮亏缺模型和氮营养指数模型较好地实现了氮营养诊断.3种模型诊断结果基本一致,生育前期以6.50 mmol·L-1处理为宜,后期最适施氮水平应处于3.25～6.50 mmol·L-1.     

基于冠层光谱与表型信息融合的温室网纹甜瓜水分预测模型

为连续、快速地预测甜瓜植株含水率,提高预测精度,本研究在对不同水分处理下,冠层叶片反射光谱和植株表型特征进行分析的基础上,采用多信息融合技术,对温室网纹甜瓜植株进行了水分预测研究。结果表明,多信息融合技术对水分的预测精度优于单一的光谱和表型预测方法。预测结果在幼苗期、伸蔓期和果实生长期实测值与预测值拟合优度(r~2)分别为0.710、0.857和0.939;平均相对误差(MRE)分别为1.27%、0.74%和0.07%;相对均方根差(RRMSE)分别为1.45%、0.97%和1.58%。研究结果为网纹甜瓜生产中水分精准管理提供了理论基础。