基于经验模型的日光温室生产潜力估算及分析

以经验模型中的逐级订正模型为依据,利用位于河北省中南部的高邑黄瓜日光温室2008—2011年10～5月3个生产季的小气候观测资料,对日光温室光合、光温生产潜力进行估算。结果表明,日光温室生产季光合生产潜力63803．7～130556．2 kg?hm －2,一般年份光合生产潜力较高,当出现持续寡照天气时,光合生产潜力较低,日光温室生产存在一定风险;光温生产潜力54691．1～59683．9 kg?hm －2,生产潜力较高;温度订正系数平均在0．8以上,温度对光合生产潜力制约作用不明显。生产季内光合生产潜力以5月最大,2月最小,光温生产潜力以5月最大,1月最小。在光温条件较好的年份,日光温室黄瓜实际产量达到潜在产量的17．9％,温室黄瓜生产仍有较大的潜力空间。     

日光温室内气温观测的适宜频次初探

根据河北省高邑县2008-2010年温室作物生长季的外界气温特征,将2008、2009和2010年度分别定为偏暖、偏冷和正常年型。以高邑县2008-2010年温室作物生长季采集周期为10min的小气候气温观测资料为基础,将一日内每10min的气温资料的算术平均值作为实际日平均气温,分别取每20min、30min、1h、2h、3h、4h的观测数据进行算术平均计算日平均气温,分析不同年型下计算结果与实际值之间的平均绝对误差MAE、标准差SD和积温相对误差R,并采用成对t检验进行显著性检验;以P＜0.05作为显著性检验指标,确定日光温室气温观测的适宜方法和频次。将MAE、SD和R作为评价计算方法优劣的主要因子,MAE、SD和R越小,表示计算效果越好。结果表明：（1）当观测间隔小于4h时,所计算的日平均气温与实际值无显著差异,MAE≤0.19℃,SD≤0.24℃,R≤1.1%,观测数据能满足温室环境日平均气温的计算,且观测间隔时间越短,观测频次越高,检验效果越好;观测间隔达到4h时,计算结果的准确性存在一定风险;（2）6个每日4时次的组合所计算的日平均气温与实际值存在显著差异,观测试验中不宜采用;（3）用日极值法计算的日平均气温较实际值显著偏高,不能代表实际气温,观测试验中亦不宜采用;（4）采用改进后的7：00、10：00、13：00、16：00、19：00和23：00气温组合计算的日平均气温与实际值无显著差异,MAE≤0.24℃,SD≤0.30℃,R≤1.4%,计算结果可以代表实际气温,且减少了夜间观测次数,观测时间更符合工作生活习惯,能够在实际生产中应用。总体来讲,每日观测应不少于6次,所计算的日平均气温才可能代表实际日平均气温。     

黑龙港流域气候变化及其农业可持续发展对策--以广宗县为例

本文通过对河北省黑龙港流域的广宗县30a来逐年温度、降水、日照的变化分析,找出了其气候变化特点。提出了充分利用气候资源,调整农业种植结构,发展节水农业、改良土壤等对策,以达到农业可持续发展。     

2012年度河北省冬小麦苗情分析及春季麦田管理建议

文章分析了2012年度河北省冬小麦自播种以来的农业气象条件以及栽培管理措施冬前和早春苗情现状,提出了2012年冬小麦春季田间管理建议和具体技术措施。     

不同年型下日光温室内小气候差异

为了研究不同年型下日光温室内小气候的差异及对蔬菜生长发育需要的满足情况,实现对日光温室有目的地科学管理,笔者基于偏暖年型和偏冷年型下日光温室内小气候资料,结合黄瓜生长发育所需要的气象条件,对比分析2种年型下日光温室内在温度、光照和空气相对湿度方面的差异。结果表明,偏暖年型下日光温室内的适宜温度出现的时间较长,日照相对充足,但发生热害的风险更大,温室管理应重点预防热害;偏冷年型下日光温室内的热量远不能满足黄瓜生长发育需要,尤其是冬季,存在发生冷害或冻害的风险,温室管理应以预防低温冷害或冻害为重点。     

利用工业尾气进行大棚蔬菜CO2施肥技术体系研究

对不同气候条件下蔬菜大棚内小气候观测和CO     

日光温室低温寡照灾害监测预警系统设计

根据多年日光温室气象生态观测资料,总结了温室黄瓜和番茄低温寡照灾害指标,结合远程环境监控技术,建立了日光温室低温寡照灾害的监测预警系统,并在河北日光温室蔬菜生产中进行了测试和初步应用。结果表明,该系统可对低温寡照所发生的范围及强度等进行动态监测预警,并可通过自动生成word文档形式提供信息服务,在灾害诊断预警中具有较好的应用前景。     

基于BP神经网络的冬季日光温室小气候模拟

为了系统分析日光温室内外气候特征的关系,向日光温室作物环境调控及小气候预报提供支持,根据冬季日光温室内小气候观测试验资料和附近气象站观测资料,利用BP神经网络方法建立3个模型,分别对3种不同天气状况下石家庄地区日光温室冬季小气候特征进行模拟。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,决定系数都在0.95以上;相对湿度训练值的RMSE都在2个百分点以内,决定系数均高于0.95;接受到的太阳辐射的训练值与实测值的RMSE都在16 W/m2以内,决定系数也均超过0.95。利用此模型得到的气温预测值与实测值的RMSE都在2℃以内,决定系数都在0.9以上;相对湿度预测值与实测值的RMSE都在4个百分点以内,晴天和少云-多云状况下决定系数均高于0.9,寡照状况下的决定系数略低,约为0.8;接受到的太阳辐射的预测值与实测值的RMSE都在26 W/m2以内,决定系数均超过0.95。说明所建BP神经网络模型对于不同天气状况下石家庄地区日光温室冬季小气候特征模拟都有较高的精度,可以用于预测。