温室小型西瓜调亏灌溉综合效益评价模型

应用多层次多目标模糊理论与方法,建立调亏灌溉综合效益多层次多目标模糊评价模型;利用信息熵理论求得各层评价指标客观熵权,结合专家法的主观权重获得模型各层评价指标综合权重,并运用该模型对2007年秋季温室小型西瓜不同亏水处理的综合效益进行评价,结果表明,在西瓜果实膨大期进行水分亏缺处理可以一定程度上提高果实的品质,但重度和中度的水分亏缺会降低果实产量,在果实成熟期采用一定程度的水分亏缺对果实品质和产量影响不大,在苗期、开花坐果期、果实膨大期和果实成熟期分别采用0.75Ep、0.75Ep、1.25Ep和1.00Ep的灌溉标准可以获得较为理想的调亏灌溉综合效益.     

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。     

寒地黑土区水稻植株干物质积累对耗水过程的响应

为了探究寒地黑土区水稻植株干物质积累对耗水过程的响应规律,于2017年在黑龙江省水稻灌溉试验站的蒸渗仪内进行了水稻耗水试验。采用U7(76)均匀试验设计,深入解析了各生育阶段耗水量对水稻干物质量及干物质积累过程的影响。结果表明,各生育阶段耗水量对水稻干物质积累的影响决定系数由大到小依次为:抽穗开花期、拔节孕穗期与抽穗开花期的耦合效应、拔节孕穗期、抽穗开花期与乳熟期的耦合效应、分蘖中期与抽穗开花期的耦合效应、分蘖中期与拔节孕穗期的耦合效应、分蘖中期。在水稻营养生长阶段,各阶段耗水量通过影响干物质积累进入快速增长的时间和最快增长速率,进而间接影响干物质积累量,分蘖中期耗水量每增加1 mm,将提前0.459 d进入干物质积累快速增长阶段;拔节孕穗期耗水量每增加1 mm,干物质积累的最快增长速率提高0.011 3 g/d。进入生殖生长阶段,各阶段耗水量对干物质积累量的直接影响大于间接影响。各生育阶段耗水量对水稻产量和干物质量的影响排序相同,由大到小依次为:抽穗开花期、拔节孕穗期、分蘖中期、乳熟期、分蘖前期、分蘖后期,拔节孕穗期、抽穗开花期耗水量与水稻经济系数呈显著负相关。研究结果可为寒地黑土区水稻合理制定灌溉制度提供理论依据。     

节水灌溉的水稻干物质积累C-R模型研究

介绍了水稻干物质模型的研究进展和Chapman-Richards模型的数学结构以及该模型在描述林木生长和不同生物种群生长过程中的应用,并根据国家“863”节水农业专项子课题现场试验资料,用Chapman-Richards模型模拟了水稻干物质积累过程。结果表明。用Chapman-Richards生长方程来模拟控灌水稻干物质积累过程中,Logistic模型拟合效果最好。并根据模型参数对水稻生长过程进行了分析。     

温室滴灌条件下西瓜甜瓜根冠发育规律研究

2001年度在大兴庞各庄国家高效节水示范中心日光温室对架立密植小型西瓜和甜瓜在充分滴灌条件下的根冠发育进行研究，得出滴灌条件下不同生育期西瓜甜瓜根冠发育规律。对于架立密植小型西瓜，打顶双蔓整枝方式较不打顶三蔓整枝可植株调节营养生长与生殖生长，可促进果实生长，同时可减少叶面无效蒸腾，改善温室环境。     

温室西瓜利用沼渣沼液栽培技术

利用沼渣、沼液栽培温室西瓜不仅产量高、品质好而且抗病、虫、抗逆性强,在西瓜生产上主要是作底肥用,也可进行追肥。     

根区加气对温室小型西瓜形态指标和产量及品质的影响

在日光温室地下滴灌务件下,采用E601蒸发皿的水面蒸发量控制灌水量,向温室小型西瓜根区加气,并以不加气的处理为对照,研究相同灌水量条件下,不同加气频率(1次/d、1次/2 d、1次/4 d)对西瓜全生育期生长发育和产量的影响.结果表明:①根区加气处理对地下滴灌务件下日光温室小型西瓜形态指标和产量及品质产生了明显影响,3种加气频率在产量上与对照组相比分别提高了7.3%、18.6%、4.5%,可溶性总糖和可溶性固形物含量提高显著;②从西瓜株高、叶面积、叶绿素、总生物量和产量等综合分析,加气频率采用1次/2d处理优于其他加气处理,可为建立最优加氧灌溉模式提供理论依据.     

基于近红外图像的温室小型西瓜采摘信息获取技术

为实现温室立体栽培模式下小型西瓜的识别与空间定位,研究了基于近红外图像的西瓜采摘信息获取方法。测定、比较西瓜果实与茎、叶的光谱反射率,确定波长850 nm附近波段为区分西瓜与背景的最佳波段,在光强差异较大的两时段内采集了最佳波段下的西瓜近红外图像;通过Otsu算法滤除背景信息,利用"米"字型模板检测得到"浓缩西瓜"区域,实现西瓜果实识别;使用形心坐标计算公式获得采摘点坐标;根据西瓜果梗生长特性,利用分块定位算法获得切割点坐标信息。在温室环境下随机选择拍摄50幅有西瓜图像和20幅无西瓜图像进行识别算法验证,并对识别成功的有西瓜图像进行采摘点与切割点提取算法验证。结果表明,有西瓜图像识别成功率为86%,无西瓜图像为95%;采摘点、切割点定位准确度分别为93.0%、88.4%。     

小型西瓜品质近红外无损检测的光谱信息采集

为了实现小型西瓜生长过程中品质的快速无损检测,对其果实测定时的基础信息采集方式进行了定量分析研究.由PLS建模结果可知,无论是组织含水率还是可溶性固形物含量,在瓜顶部位和赤道部位处都可获得较好的效果.针对不同深度的化学基础信息,其建模效果存在一定差异.无论是组织含水率还是可溶性固形物含量,距瓜皮2 ～3 cm的中层信息区域都能取得最佳的效果.其中瓜顶部位和赤道部位组织含水率的模型相关系数分别为0.953和0.924,RMSEP分别为0.510和0.766;瓜顶部位和赤道部位可溶性固形物含量的相关系数分别为0.952和0.929,RMSEP分别为0.666和0.732.整体说明小型西瓜果实(品种京秀)近红外检测的最佳基础信息区域为中层信息区.     

Logistic方程灰色建模预测辽宁省有效灌溉面积

应用灰色系统理论,对Logistic方程参数进行灰色估计,建立Logistic方程灰色预测模型,并对辽宁省有效灌溉面积进行了模拟和预测,模拟结果与原始资料吻合很好,相关性达到0.95。辽宁省有效灌溉面积预测模型显示:有效灌溉面积的上限是158.8万hm2,2018年预测值为158.3万hm2,已经非常接近界限值,有效灌溉面积的发展不大,进行农业资源的结构调整非常必要。     

基于Binary Logistic模型的棉花出苗情况建模

为了科学、合理地做好盐渍土条件下的棉花出苗预测工作,以便为当地农业生产提供一定借鉴。以新疆巴音郭楞蒙古自治州为例,利用所采集土样中的盐分离子数据以及Binary Logistic模型,模拟不同盐分离子组成时棉花出苗情况。结果表明:当利用Binary Logistic模型对棉花出苗进行模拟时,模型通过了-2对数似然值检验,并且对测试样本有67.9%的模拟准确性。     

基于SSA-LSTM的日光温室环境预测模型研究

构建日光温室环境预测模型,准确预测温室环境变化有助于精准调控作物生长环境,促进果蔬生长。而温室小气候环境数据多参数并存、耦合关系复杂,且具有时序性和非线性,难以建立准确的预测模型。针对以上问题,提出一种基于麻雀搜索算法(SSA)优化的长短期记忆网络(LSTM)温室环境预测模型,实现了温室环境数据的精准预测。实验结果表明,采用SSA自动进行参数选优的方式,解决了LSTM模型参数手动选择的难题,大幅缩短模型训练时间,且最优的网络参数能够发挥模型的最佳性能。对日光温室内空气温湿度、土壤温湿度、CO₂浓度和光照强度6种环境参数进行预测,SSA-LSTM平均拟合指数高达97.6%,相比BP、门控循环单元(GRU)、LSTM,其预测拟合指数分别提升8.1、4.1、4.3个百分点,预测精度明显提升。     

基于数据库的温室环境调控效果模型

提出了基于数据库的温室环境调控效果模型的建立方法,利用最小二乘支持向量机(LS-SVM)回归方法实现了模型的提取,并给出了模型的修正、数据记录和模型的更新。以BCB6.0为开发平台建立了相应的软件系统,系统能够实现对温室环境调控效果模型的自动提取、分析和更新。试验结果表明,该系统能够进行温室环境调控效果模型的预测,并提高了模型的通用性和自学习功能。     

基于PSO-LSSVM的森林地上生物量估测模型

为提高森林地上生物量估测精度,从建模因子和建模方法出发,提出了一种综合考虑影像纹理特征、地形特征、光谱特征的粒子群优化最小二乘支持向量机生物量估测方法。以松山自然保护区为研究区域,以资源三号遥感卫星数据为数据源,配合194块调查样地实测数据、森林资源二类调查数据、数字高程模型数据,通过分析46个特征变量与森林地上生物量间的Pearson相关性,进行特征变量优化提取,建立PSO-LSSVM模型并在Matlab 2014a上编程实现。以决定系数R2和均方根误差RMSE为指标,对比分析了PSO-LSSVM和多元线性回归地上生物量模型精度。研究结果表明:PSO-LSSVM模型在针叶林、阔叶林、灌木林3种类型中预测决定系数分别为0.867、0.853、0.842,比多元线性回归模型分别提高了23.15%、19.13%、14.40%。PSO-LSSVM地上生物量模型具有良好的自学能力和自适应能力,它取代了传统的遍历优化方法,在全局优化及收敛速度方面具有较大优势,预测精度较高。     

基于SLMD的生物质热解动力学预测模型

采用单纯形格子混合设计法(SLMD)对纤维素、半纤维素和木质素3种生物质组分进行复配优化设计,并在综合热分析仪上进行了热解试验。分析了3组分混合热解特性,建立了由生物质3组分比例直接计算动力学参数的预测模型,对模型进行了试验验证。结果表明:纤维素热解反应级数较低(1.20),活化能较高(134.50 k J/mol),指前因子较大(3.49×1012s-1),热解较为迅速与剧烈;半纤维素和木质素热解的反应级数较高(1.30、1.32),活化能较低(33.51、19.98 k J/mol),指前因子较小(9.43×103、107 s-1),热解较为缓慢;3组分在混合热解中对动力学参数存在交互影响,纤维素对活化能和指前因子的影响较为显著,而半纤维素与木质素对反应级数的影响较大;动力学参数预测模型精度较高,可有效预测生物质热解动力学参数。     

基于温室预测模型的水源热泵控制系统设计

介绍了水源热泵作为一种节能环保技术在温室大棚温度调节中的应用,并根据机理法建立的温室模型,设计了控制系统,通过有效的控制策略和措施把温室温度调节到最适宜植物生长.同时,详细阐述了温室预测模型及控制系统的硬件、软件实现方法.经试验温室中调试使用,系统操作简单、经济实用,控制精度达到农业生产要求.     

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。     

基于1D CNN-GRU的日光温室温度预测模型研究

准确预测日光温室温度是实现温室高效调控的关键,对作物生长发育具有重要意义,但因温度具有时序性、非线性及多耦合性等特征,难以实现连续、精准、长时化预测。提出了一种基于1D CNN-GRU(One dimensional convolutional neural networks-gated recurrent unit)的日光温室温度预测模型,通过温室内外监测平台获取内外环境因子,以斯皮尔曼相关系数获取相关性强特征,构造特征与时间步长的二维矩阵输入网络进行温度预测,模型在测试集上预测1～4 h后的决定系数为0.970～0.994,均方根误差为0.612～1.358℃,平均绝对误差为0.428～0.854℃,绝对值的最大绝对误差为0.856～1.959℃。并在不同清晰度指数K_T下进行验证,结果表明,模型在K_T≥0.5(晴)时预测效果最好,且在其他K_T下模型相对误差在10%以内,可以达到温室生产所需的预测精度要求,为日光温室精准高效控温提供了重要依据。