CO 2与土壤水分交互作用的番茄光合速率预测模型

为了实现不同土壤水分管理下的CO 2气肥精细控制,建立了番茄作物不同生长阶段的光合速率预测模型。实验设置了4个CO 2浓度与3个土壤水分条件的交互处理,利用无线传感器网络长期实时监测温室内环境信息,采用LI-6400XT型光合速率仪定时采集作物净光合速率信息;并用BP神经网络分别建立了番茄苗期、花期和果期的光合速率预测模型。预测模型的验证结果表明,对于苗期预测模型,预测值与实测值之间的决定系数 R 2为0.925;花期预测模型的决定系数 R 2为0.920,果期预测模型的决定系数 R 2为0.958;番茄各生长期的光合速率预测模型均具有较高的预测精度。在不同土壤水分条件下改变CO 2浓度,得到的CO 2浓度与光合速率预测曲线与实测值相近,可反映实际土壤水分管理下的CO 2浓度最优值,对指导不同土壤水分条件下CO 2气肥的精细调控具有重要意义。     

春秋茬温室番茄光合速率预测模型通用性研究

基于无线传感器网络,建立了春秋茬温室番茄光合速率预测模型。在2014年秋季与2015年春季,采用无线传感器网络自动获取温室环境因子信息,包括空气温湿度、土壤温湿度、光强与CO2浓度。同时采用LI-6400XT型光合仪测定植物的单叶净光合速率,利用叶室小环境来扩展数据范围。将采集到的温室环境信息作为输入参数,单叶净光合速率作为输出参数,利用神经网络建立番茄光合速率预测模型。为了提高模型的预测精度,首先使用Z分数对输入参数进行标准化,然后对标准化后的数据进行主成分分析;其次,根据各主成分的累积贡献率选取主成分,然后经过K折交叉检验后建立神经网络预测模型。结果表明,采用2014年秋季数据建立的预测模型,相关系数为0.99;2015年春季为0.95;用两季数据联合建立的通用模型,相关系数为0.85。利用春秋茬联合数据建立的温室番茄光合速率预测模型通用性较好,可以为日光温室CO2气肥精细调控提供理论支持。     

基于多模型融合策略的温室番茄光合速率预测方法

温室番茄光合速率的准确预测对于番茄的生长和产量评估具有重要意义。然而,由于温室环境的复杂性和多变性,传统的光合速率预测模型往往难以满足精准预测的需求。因此,为了进一步提高预测模型的准确性和稳定性,本研究提出了一种基于多模型融合策略的温室番茄光合速率预测方法。首先,采集温湿度、光照强度、CO2浓度不同组合下的番茄光合速率,构建样本集,并采用五折交叉验证法（Cross-Validation）对数据进行预处理。以预处理的数据为基础,分别基于粒子群优化支持向量机（PSO-SVR）、布谷鸟优化极限学习机（CS-ELM）和北方苍鹰优化高斯过程回归（NGO-GPR）算法建立番茄光合速率预测模型对光合速率进行初步预测,然后采用Stacking算法通过基于决策树的集成学习模型（XGBoost）组合各基础模型的预测结果,进而实现多模型融合。仿真分析结果表明,与单一预测模型相比,基于多模型融合的光合速率预测模型充分发挥了各基础模型的优势,可以进一步提高光合速率预测的准确性和稳定性,该模型验证集MAE为0.5697μmol/（m2·s）,RMSE为0.7214μmol/（m2·s）。因此,本文提出的方法在温室作物光合速率预测方面具有一定的优势,可为温室番茄等作物光环境优化调控提供一定的理论基础和技术支撑。     

基于CO2传输阻力解析的土壤水分调控番茄光合生理机制

利用盆栽试验控制土壤含水率,基于叶绿素荧光、气体交换和响应曲线拟合相结合的方法解析番茄光合作用中CO2由大气传输至叶绿体羧化位点的系列阻力构成,揭示了土壤水分胁迫限制番茄光合速率的关键步骤及位点。结果表明：番茄光合速率（Pn）、最大羧化速率(Vc,max)、最大电子传递速率（Jmax）及初始羧化效率（CE）随土壤含水率变化呈“S”形变化曲线,初期缓慢增长,中期迅速增长,土壤水分充分时达到最大值并趋于稳定,可用logistic函数模拟。气孔和叶肉对CO2的传输导度及总传输导度随土壤含水率变化均呈明显的“S”形变化曲线,各支段CO2导度及总传输导度在土壤水分充分时趋于稳定并达到最大值;随着土壤水分胁迫的增大,各CO2传输导度逐渐降低并在重度土壤水分胁迫下达到最低值,可用logistic函数模拟。气孔导度与叶肉导度对光合速率限制的相对贡献率变化趋势相似,随着水分胁迫的加重,其贡献率逐渐增大,可以用指数函数模拟;羧化反应对光合速率限制的相对贡献率与气孔和叶肉导度相反,随着水分胁迫的增大,其贡献率逐渐减小,可以用对数函数模拟;在土壤水分充分时,羧化反应限速光合速率的相对贡献率最大,是限制光合速率的主导因子;在水分胁迫状况下,气孔限制和叶肉限制占主导地位,羧化反应的相对贡献率较低。气孔对CO2的传输导度与叶水势呈正相关,随叶水势的下降,气孔导度也呈线性下降趋势;叶肉导度与比叶重呈线性负相关关系,叶肉导度随比叶重的增大而线性减小,比叶重随土壤水分胁迫程度的加剧而逐渐增大。因此,水分胁迫状况下,气孔与叶肉对CO2的传输是水分胁迫限制光合速率的关键位点,气孔限速与保卫细胞水分失衡相关,而叶肉限速则由叶片厚度和组织疏松程度决定。     

融合叶绿素含量的黄瓜幼苗光合速率预测模型

现有的基于神经网络的光合速率模型仅考虑环境因素,且收敛速度慢。在考虑温度、CO2浓度、光照强度、相对湿度等环境因子的基础上,加入生理因子叶绿素含量,建立融合叶绿素含量的黄瓜幼苗光合速率预测模型。首先利用多因子嵌套试验获得黄瓜幼苗光合速率测试数据825组,然后采用LM训练法进行模型训练,并分析加入叶绿素含量对模型训练结果的影响,最后建立黄瓜幼苗光合速率预测模型并对其采用异校验方式进行验证。试验结果表明,在考虑叶绿素影响的条件下,其训练效果与模型拟合度均优于只考虑环境因子的训练模型,加入叶绿素含量作为输入的LM训练法可有效越过局部平坦区,具有明显的优越性,满足误差小于0.000 1的训练要求,模型预测值与实测值间的决定系数为0.987,误差小于4.68%。     

基于BP神经网络算法的温室番茄CO2增施策略优化

CO2浓度是植物光合作用的主要原料之一,确定植株生长阶段的最适CO2浓度需求量,对日光温室内CO2浓度调控具有重要意义。以开花期番茄植株为研究对象,将定植后的番茄分为4个CO2浓度梯度处理组,其中,C1、C2、C3处理组CO2增施摩尔比分别为(700±50)、(1 000±50)、(1 300±50)μmol/mol,CK处理组为温室内自然状态下CO2摩尔比(约450μmol/mol)。实验利用无线传感器网络节点实时监测温室环境因子,包括空气温湿度、光照强度和CO2浓度;利用LI-6400XT型便携式光合速率仪进行光合日动态和环境因子交互影响实验测定。光合日动态组间差异性研究表明,对开花期番茄增施1 000~1 300μmol/mol的CO2时,可使番茄单叶净光合速率提高约37.13%~40.42%。以环境因子为输入参数,建立基于BP神经网络的光合速率预测模型,用于不同CO2浓度梯度下的光合日动态预测。结果表明,模型训练集和测试集的相关系数分别为0.98和0.93,预测精度较高;C1、C2、C3和CK处理组的日动态预测相关系数分别为0.96、0.94、0.78和0.96,与实测结果吻合度较高且相对误差较小,因此该模型可以为可变环境下的番茄光合日变化动态预测提供依据。     

无糖组培苗光合速率的测量方法

根据国内现有组培苗光合速率测量系统的特点,提出了相对光合速率的概念,设计了无糖组培苗相对光合速率测量系统。系统的工作环境同组培苗的实际生长环境极为相似,测量结果对生产具有一定的指导意义。与国内现有同类系统相比,该系统设备简单,操作方便,测量结果更具可信性。     

融合暗荧光参数的茄子叶片光合速率预测模型构建

现有光合预测模型主要考虑环境因子对植物光合作用的影响,模型只能对生理状况相似的叶片进行光合速率预测,本文面向不同生长状态叶片光合速率预测模型的建模需求,提出融合叶片暗荧光参数Fv/Fm的多环境因子光合速率预测模型构建方法。试验以不同生长状态的茄子叶片为样本,在获取暗荧光参数的同时,分别测量不同温度、CO2浓度和光照强度下的光合速率,构建建模样本集。在此基础上,利用遗传支持向量机算法,建立了光合速率统一预测模型,其训练集决定系数为0.8895,均方根误差为3.2679μmol/(m2·s)。采用异校验方式进行模型验证,结果表明,融合荧光参数后模型精度显著提高,光合速率预测值与实测值拟合斜率为0.9046,截距为0.3641,〖JP〗说明引入Fv/Fm后,模型可实现对不同生理状态叶片光合速率的精准预测。     

基于离散曲率的温室CO2优化调控模型研究

提出了基于离散曲率算法的温室CO_2优化调控模型,通过设计嵌套试验采集温室不同温度、光照强度、CO_2浓度组合下的番茄光合速率,利用支持向量机回归算法(Support vector regression algorithm,SVR)构建光合速率预测模型;以预测模型网络为目标函数,采用L弦长曲率算法实现CO_2响应曲线离散曲率的计算,利用爬山法获得不同温度、光照强度组合条件的CO_2响应曲线曲率最大点,以此作为效益最优的调控目标值,进而基于SVR构建CO_2优化调控模型。结果表明,调控模型的决定系数为0. 99、均方根误差为4. 42μmol/mol、平均绝对误差为3. 17μmol/mol,拟合效果良好。与CO_2饱和点目标值的调控效果对比发现,理论上CO_2供需量平均下降61. 81%,光合速率平均减少15. 58%;验证试验中,相较饱和点调控下光合速率平均下降15. 14%,CO_2供需量下降57. 61%,相较自然条件下光合速率升高26. 70%。说明此温室CO_2优化调控模型具有高效节能特点,为设施作物CO_2高效精准调控和节本增效提供了理论基础。     

温室番茄光合热辐射积与干物质累积模型分析

番茄生长通过光合作用实现有机物累积,而光合作用和温室温度、光照强度和土壤供水量相关。为此,设计了番茄光合作用模型系统,探究了光合作用与干物质累积之间的关系。引入辐射热积Q_z表征番茄生长周期中阳光辐射和温度的累积效应,分析结果表明:当Q_z62时,干物质累积和辐射热积呈线性关系;当Q_z62时,呈M=alnQ_z-b对数形式关系。探究干物质累积去向,分析结果表明:①地表植株和根系分配干物质累积量、根系分配系数呈指数关系,且随着辐射热积的增加而降低。②叶片、茎和果实等重要部分干物质累积分配方式如下:茎分配系数呈逐步降低趋势;叶片分配系数在苗期显著增长,但到开花期后开始下降;果实分配系数在开花期开始出现,到成熟期时趋于主导地位。     

番茄叶片光合作用对水肥耦合的响应

研究了不同水肥因子对番茄叶片光合作用的影响。采用五元二次正交旋转组合设计,通过盆栽试验,建立了水分、氮、磷、钾和有机肥用量对番茄叶片光合速率的数学模型。随灌水量的增加,番茄叶片光合速率呈开口向下的抛物线状变化;光合速率随施氮量、施磷量、施钾量和有机肥用量的增加呈先减少后增加的变化规律。交互效应表现为,灌水量与施氮量和施磷量呈负的交互作用,有机肥用量与灌水量、施氮量和施钾量、施氮量与有机肥用量、施钾量与有机肥用量对光合速率的影响具有正交互作用。灌水和氮、磷、钾、有机肥施用对番茄叶片光合速率的影响既相互促进,又相互制约,只有合理的水肥管理措施才能提高番茄叶片的光合速率。     

玉米叶片净光合速率快速检测方法研究

玉米叶片的净光合速率可以用来表征植物生物量的积累和营养盈亏等健康状态,为探求玉米叶片净光合速率的快速无损检测方法,利用叶绿素荧光光谱分析技术对拔节期玉米叶片净光合速率进行检测。实验选取了吉林省典型种植品种先玉335作为研究对象,通过对80组数据的无量纲化处理和标准化处理,降低光谱噪声引起的样本差异,分析不同光谱波段与叶片净光合速率的相关性,确定500~550nm、675~715nm、715~745nm等3组波段作为光谱检测样本。选择675~715nm波段作为光谱波段的典型参数预测玉米叶片的净光合速率,得出两者之间存在显著线性关系,其决定系数R^2=0.7 9 2 4,表明以6 7 5~7 1 5 nm波段预测玉米叶片的净光合速率是可行的。对回归模型进行验证,得到预测值与真实值之间的决定系数R^2=0.7 9 2 1,表明此回归模型对拔节期玉米叶片净光合速率具有良好预测能力,为植物生理信息快速无损检测提供了新的方法。     

基于水分利用率与光合速率的温室作物需水模型研究

提出一种融合水分利用率（Water use efficiency, WUE）和光合速率的温室作物需水模型构建方法。在获取不同温度、光量子通量密度、CO2浓度和土壤含水率嵌套条件下番茄净光合速率和WUE的基础上,基于径向基神经网络（Radial basis function, RBF）构建光合速率和WUE预测模型;继而获取不同环境嵌套条件下的光合速率对土壤含水率的响应曲线,利用 U弦长曲率法获取光合速率约束下的土壤含水率调控适宜区间;在此区间内,基于WUE预测模型,以水分利用率最大为目标,利用粒子群算法(Particle swarm optimization, PSO)获取土壤含水率调控目标值;最后,利用支持向量机回归算法（Support vector regression, SVR）建立作物需水模型。结果表明,需水模型的训练精度为0.9969,测试精度为0.9788,均方根误差为0.23%,拟合效果良好。与单一考虑光合效率最优的模型相比,本模型WUE平均提高15.22%,土壤含水率平均下降12.76%,光合速率平均下降4.05%。说明融合WUE-光合速率的需水模型能兼顾作物需求和经济效益,可为温室土壤含水率的精准调控提供理论依据。     

耕作措施对大豆生理变化特征的影响

通过对不同水土保持耕作下大豆叶片净光合速率、蒸腾速率的测定,结果表明:不同水土保持耕作下的叶片在整个生育期内净光合速率的变化趋势基本一致,在结荚期净光合速率达到最大,其中振动深松+行间覆膜+垄向区田和免耕秸秆覆盖的净光合速率明显高于常规耕作的净光合速率,分别是常规耕作的1.63和1.36倍;大豆叶片的蒸腾速率在花期达到最大值,最大值为9.56 mmol/(m2.s),振动深松+行间覆膜+垄向区田叶片比常规耕作的叶片蒸腾速率高1.15倍。从苗期到花期,由于叶片的净光合速率和蒸腾速率都以相近的速度增长,因而水分利用效率变化不大。