基于基质含水率的作物蒸腾量估算与预测模型研究

作物蒸腾作用是基质水分传输的主要驱动力,建立了基于基质含水率变化量的温室番茄作物蒸腾量估算模型和预测模型,并进行对比分析。使用校准后的EC5基质含水率传感器,记录第1次灌溉后与第2次灌溉前基质实时含水率变化量,使用称量法测量作物实时蒸腾量。通过基质含水率变化量与基质栽培槽体积的多元线性回归运算,建立番茄单株日蒸腾量估算模型;将基质含水率变化量、空气温度、空气湿度和光照强度作为输入,利用GABP神经网络算法,建立番茄单株日蒸腾量预测模型。将试验所得温室作物日蒸腾量估算模型和预测模型分别与温室作物实际日蒸腾量进行线性回归分析,结果表明,基于基质含水率变化量建立的估算模型在苗期、花期的预测精度分别为0. 972 9、0. 979 6,预测模型的预测精度分别为0. 991 5、0. 989 0,两者之间差异不大,但估算模型运算速度远高于预测模型的运算速度,估算模型对于温室灌溉管理具有推广应用价值。     

基于精确灌溉的气象数据采集器的设计

为了测量作物蒸发蒸腾量实现精确灌溉,必须对影响作物生长的气象因子,如温度、湿度、光照度、风速和气压等参数进行采集。大量研究表明,温度对蒸腾量的影响最为显著,湿度与光照度次之,风速与气压的影响最小[1]。针对上述情况,基于AVR单片机Atmega128、温湿度传感器SHT11、环境光传感器BH1750和SD卡设计一款气象数据采集装置,能够实时地对环境的温度、湿度和光照度进行采集、显示和存储。经试验测试,该装置具有良好的稳定性。     

温室智能灌溉控制系统的应用研究与展望

当前,智能灌溉控制系统多采用定时控制,即到达开启时间,设备工作,达到灌溉时长,设备停止,在一定程度上实现了自动化灌溉,但由于作物在不同生长时期的需水量不同,灌溉控制系统难以生成与作物需求一致的灌溉方案。我国温室智能灌溉技术起步较晚,还没有大范围应用,而已经采用智能灌溉的地区,其控制方式及控制策略也不同。本文以智能灌溉控制系统为出发点,阐述了温室智能灌溉控制系统的组成、问题等,并展望了其未来的发展。     

温室小气候测量试验设计及其夏季蒸腾研究

温室内小气候环境参数的有效观测关系到温室小气候模拟模型的精度，而温室内作物的蒸腾既影响到潜热和显热交换，又是确定温室作物肥水灌溉的主要依据。本研究设计了一套用于温室小气候和作物蒸腾测量的试验装置，并在夏季南方现代化温室内进行了观测。结果分析表明，试验装置可以用于温室小气候的测量，且波恩比法适于对夏季高温、高湿条件下南方现代化温室中作物蒸腾的模拟，夏季温室内蒸腾速率随净辐射和空气饱和冠层水汽压差的增加而线性增大，蒸腾速率对冠层以上不同高度水汽压差的变化不敏感。     

基于LSTM的温室番茄蒸腾量预测模型研究

作物蒸腾量是指导作物灌溉关键参数之一,实时获取作物蒸腾量,实现按需灌溉是节约用水的有效途径。然而,温室内小气候效应显著,作物蒸腾与环境因子间关系较为复杂,且各环境因子之间相互关联并呈非线性变化。本文以番茄作为研究对象,使用称量法测量作物实时蒸腾量,通过布设传感器实时获取温室小气候数据,包括空气温度(Air temperature, AT)、相对湿度(Relative humidity, RH)、光照强度(Light intensity, LI)作为模型的小气候环境输入,冠层相对叶面积指数(Relative leaf area index,RLAI)作为模型的作物生长输入,在此基础上,提出了基于长短期记忆网络(Long short term memory, LSTM)的番茄蒸腾量预测模型。利用该模型对番茄蒸腾量进行预测,并与非线性自回归(Nonlinear autoregressive with exogeneous inputs, NARX)神经网络、Elman神经网络、循环神经网络(Recurrent neural network, RNN)模型进行了对比。试验结果表明,LSTM预测模型决定系数(Determination coefficient, R2)与平均绝对误差(Mean absolute error, MAE)分别为0.9925和4.53g,与NARX神经网络、Elman神经网络、RNN方法进行对比,其决定系数分别提高了8.97%、1.18%和0.82%,其平均绝对误差分别降低了8.16、6.23、0.52g。本研究所提的预测模型具有较高的预测精度及泛化性能,研究成果可为温室作物需水规律及需水量研究提供参考。     

现代农业温室环境控制策略研究进展

温室能够有效改善茄科作物(包括番茄、辣椒、茄子等)生长过程,温室环境控制策略对作物实现高效高产至关重要。为了充分利用国内外的研究成果、促进我国温室环境控制策略的研究应用,分别从常规比例微积分(Proportional Integral Derivative,PID)控制、模糊控制、人工智能控制、温室小气候模型和作物生长模型等5个方面,综述了温室环境控制策略的研究进展。针对目前我国该领域存在的问题,提出了今后应将智能温室控制与作物生长模型耦合,构建智慧型作物生长模型;针对不同区域作物的生长预测,与遥感技术进行结合,增强模型的普适性,形成具有中国特色的温室环境控制策略。     

基于作物蒸散量模型的新型滑盖温室智能灌溉系统设计

为了解决温室大棚的精准灌溉问题,设计一套基于修正后的Penman-Monteith方程计算作物灌溉量的智能灌溉系统。系统选用光照传感器、温湿度传感器,土壤水分传感器采集温室大棚环境参数,由数据采集器传送至上位机,利用灌溉模型计算出作物不同生长期的蒸散量,并将蒸散量换算成灌溉量,通过上位机发出灌溉命令,控制恒压变频控制器的运行和电磁阀的启闭。远程操作系统采用GPRS与基地控制系统连接,实现参数设置、实时数据显示和查询以及控制灌溉模式。试验结果表明,该系统能够实现精准灌溉自动控制,系统稳定可靠,操作方便,适用于温室大棚精准灌溉。     

温室作物需水信息指标及湿度控制

在温室土壤－作物－环境连续体中，作物水分损耗、吸收和水分利用一直是研究的热点。在温室内，作物精量灌溉必须要考虑何时灌和灌多少两个方面的问题。从冠层蒸腾速率、茎流、水势、叶温和作物水分胁迫系数、茎秆果的直径微变化、根源信号、作物生长器官的电特性及图像特征技术方面，回顾和评价了作物水分状况诊断方法中作物需水信息指标的研究进展及存在的问题。同时，为防止过量灌溉带来的高湿矛盾，讨论了温室湿度控制的不同策略，以指导灌溉。最后，初步提出了进一步研究的建议。     

盆栽作物自动灌溉装置设计与试验研究——基于PLC

目前,温室盆栽作物迅速发展,在国际上已经形成一项重要的产业。为了满足国内外温室盆栽作物灌溉的需求,设计了一种基于可编逻辑控制器(PLC)为控制器的灌溉装置。以西门子S7-200 CPU 224xp CN PLC为核心,利用PLC内部模拟数据采集电路、压力传感器测量出盆栽作物的质量;用条形码读码器读取盆栽作物的信息,能够让管理人员实时了解盆栽作物的生长状况。在上位机建立数据库,通过C#语言编写上位机控制界面,能够实时显示盆栽作物灌溉量和条形码信息。此装置提高了灌溉的精度和温室栽培作物的自动化程度。     

温室湿度动态预测模型建立与试验

根据温室内水气收支平衡关系,建立了与室内外气象参数、温室结构、作物生长状况、土壤潮湿程度等有关条件下的温室湿度动态预测模型。同时定量描述了温室内作物蒸腾、土壤蒸发、壁面凝结、自然通风和机械通风等与湿度变化相关的各种物理过程。基于华北塑料连栋温室对所建模型进行了试验验证。结果表明:模型能较好预测温室内空气相对湿度值,预测值和实测值之间的均方根误差为5.9%。     

Simulation of water dynamics and irrigation scheduling for winter wheat and maize in seasonal frost areas

Continuous cropping of winter wheat and summer maize is the main cropping pattern in North China Plain lying in a seasonal frost area. Irrigation scheduling of one crop will influence soil water regime and irrigation scheduling of the subsequent crop. Therefore, irrigation scheduling of winter wheat and maize should be studied as a whole. Considering the meteorological and crop characteristics of the area lying in a seasonal frost area, a cropping year is divided into crop growing period and frost period. Model of simultaneous moisture and heat transfer (SMHT) for the frost period and model of soil water transfer (SWT) for the crop growing period were developed, and used jointly for the simulation of soil water dynamics and irrigation scheduling for a whole cropping year. The model was calibrated and validated with field experiment of winter wheat and maize in Beijing, China. Then the model was applied to the simulation of water dynamics and irrigation scheduling with different precipitation and irrigation treatments. From the simulation results, precipitation can meet the crop water requirement of maize to a great extent, and irrigation at the seeding stage may be necessary. Precipitation and irrigation had no significant influence on evaporation and transpiration of maize. On the other hand, irrigation scheduling of winter wheat mainly depends on irrigation standard. Irrigation at the seeding stage and before soil freezing is usually necessary. For high irrigation standard, four times of irrigation are required after greening. While for medium irrigation, only once (rainy year) or twice (medium and dry years) of irrigation is required after greening. Transpiration of winter wheat is very close for high and medium irrigation, but it decreases significantly for low irrigation and will result in a reduction of crop yield. Irrigation with proper time and amount is necessary for winter wheat. Considering irrigation quota and crop transpiration comprehensively, medium irrigation is recommended for the irrigation of winter wheat in the studying area, which can reduce the irrigation quota of over 150 mm with little water stress for crop growth.     

Advanced process control of irrigation: the current state and an analysis to aid future development

Control engineering approaches may be applied to irrigation management to make better use of available irrigation water. These methods of irrigation decision-making are being developed to deal with spatial and temporal variability in field properties, data availability and hardware constraints. One type of control system is advanced process control which, in an irrigation context, refers to the incorporation of multiple aspects of optimisation and control. Hence, advanced process control is particularly suited to the management of site-specific irrigation. This paper reviews applications of advanced process control in irrigation: mathematical programming, linear quadratic control, artificial intelligence, iterative learning control and model predictive control. From the literature review, it is argued that model-based control strategies are more realistic in the soil–plant–atmosphere system using process simulation models rather than using ‘black-box’ crop production models. It is also argued that model-based control strategies can aim for specific end of season characteristics and hence may achieve optimality. Three control systems are identified that are robust to data gaps and deficiencies and account for spatial and temporal variability in field characteristics, namely iterative learning control, iterative hill climbing control and model predictive control: from consideration of these three systems it is concluded that the most appropriate control strategy depends on factors including sensor data availability and grower’s specific performance requirements. It is further argued that control strategy development will be driven by the available sensor technology and irrigation hardware, but also that control strategy options should also drive future plant and soil moisture sensor development.     

作物根区无压地下灌溉技术灌水指标研究

作物根区无压地下灌溉技术是一个正在研究开发的新的节水灌溉技术。通过在温室大棚种植黄瓜、番茄,采用不同供水压力和不同灌溉方式试验,研究分析了根区无压地下灌溉对作物根区土壤水分、耗水量、产量和作物品质等指标的影响。研究表明该技术能够满足黄瓜和番茄需水量要求;与传统沟灌相比能够节约灌溉水量30%以上;它并不降低作物产量,反而提高了水分利用率和水分生产率,并使黄瓜和番茄作物品质得到了显著改善。     

基于K-means聚类算法的草莓灌溉策略研究

为进一步提高日光温室封闭式栽培下草莓灌溉水肥利用率,研究了基质含水率和温度影响下的草莓灌溉策略优化方法。采用土壤水分传感器对草莓果期基质含水率进行实时监测,通过对基质含水率随时间变化的规律分析,并结合日平均温度进行K-means聚类分析,提出一种草莓优化灌溉策略。试验结果表明,灌溉第1阶段基质含水率快速上升,在灌溉结束时达到峰值,每次灌溉基质含水率平均提高21.5个百分点;第2阶段快速下降,在20 min内基质含水率平均下降3.5个百分点;第3阶段变化趋于平稳,在30 min内基质含水率平均下降1.2个百分点。在每个灌溉周期内,含水率呈线性下降趋势,在整个果期内,其斜率随日平均温度的升高逐渐增加,由0.0114增加至0.0365。研究结果表明,根据基质含水率变化和日平均温度区间进行定量灌溉,理论上果期每株草莓仅需要4.51 L水,可节水15.4%,该方法能有效提高水肥利用率,实现节水节肥。     

滴灌对农田N2O排放影响的研究进展

灌溉作为调控土壤水分状况的重要措施,直接影响农田温室气体的排放过程。滴灌是一种高效节水灌溉技术,其对温室气体排放的影响受到广泛关注。通过查阅大量文献,综合分析了滴灌对农田土壤N2O排放影响的研究进展与发展趋势。文献资料显示,滴灌通过调控土壤湿度和温度环境,改变土壤微生物菌群和土壤中气体传输速度,进而影响土壤N2O的产生以及排放速率;与其他灌溉方式相比,滴灌不破坏土壤结构,土壤内部水、肥、气、热条件稳定,适宜于作物生长,有利于土壤有机氮的矿化。但目前滴灌条件下温室气体排放的空间异质性和多种温室气体的同步定量研究等方面仍存在一些不足(例如:滴灌条件下土壤干燥区和湿润区N2O排放通量间差异研究和不同种类温室气体的同期影响研究)。今后,要加强监测滴灌下多种温室气体同期排放和不同土壤区域N2O排放差异,加强从分子水平探究滴灌模式下土壤微生物对N2O气体产生过程的作用机理等方面的研究,为构建环境友好型农业模式提供科学依据。     

不同灌溉方式对幼龄红枣生长及水分利用效率的影响研究

以南疆特色果林红枣为研究对象,对比滴灌与注灌方式下的作物生长、土壤平均含水率及水分利用效率,研究表明:注灌时树径平均增长速度较滴灌快;土壤平均含水率在整个生育期内变化较滴灌缓慢;红枣坐果及产量均较高。灌溉方式对红枣新增枝数目影响不大。滴灌时土壤水分变化较注灌剧烈,注灌时红枣的水分利用效率较高,最大可达16.52,而滴灌最大只有4.87。注灌的节水效益显著,适合于在南疆特色经济果林种植区进行推广。     

基于RF-GRU的温室番茄结果前期蒸腾量预测方法

针对温室番茄无法按需灌溉问题,提出了随机森林(Random forest,RF)结合门控循环单元(Gated recurrent unit,GRU)神经网络的温室番茄结果前期蒸腾量预测方法,并开发了一套基于番茄蒸腾量的智慧灌溉系统.基于物联网实时获取数据,采用RF算法对影响温室番茄蒸腾量的变量进行特征重要性排序,选取作...     

温室滴灌条件下辣椒耗水特性的研究

针对现代化玻璃温室地表和地下滴灌方式,选择灌水周期和灌水定额为试验因素,开展了辣椒耗水特性试验研究。结果表明,温室条件下,地下滴灌较地表滴灌能节水5%~18%;为了减少辣椒耗水,地表滴灌方式宜缩短灌水周期,地下滴灌方式则宜适当延长灌水周期。温室滴灌条件下,辣椒耗水量组成中,棵间蒸发占主导,棵间蒸发量是日均蒸腾量的1.7~3.0倍,且辣椒日均耗水量可以用日均棵间蒸发量很好地线性表达,同时,辣椒棵间蒸发量也可以用温室内同期水面蒸发量进行线性预估。     

不同沟灌方式下夏玉米棵间蒸发试验

采用常规沟灌和交替隔沟灌技术,研究了不同水分处理(水分控制下限为田间持水率的80%、70%、60%)夏玉米的棵间蒸发。结果表明:常规沟灌的灌后蒸发和全生育期棵间蒸发量均大于交替隔沟灌,灌水后短期内由于表层土壤含水率较高,土壤蒸发较大;在满足作物蒸腾耗水的基础上,交替隔沟灌减小了灌溉湿润面积而减小无效蒸发耗水;不同沟灌方式下土壤蒸发与表层土壤含水率呈明显的脉冲波动变化,而深层土壤含水率波动较弱;表层土壤含水率和叶面积指数对棵间蒸发影响明显,二者与相对土面蒸发强度均有良好的指数函数关系。水分下限控制合适,交替隔沟灌棵间蒸发与蒸腾耗水明显降低,是夏玉米适宜的灌水方式。