基于无线传感器网络的温室光环境调控系统设计

为了解决现有光环境调控系统存在光照度不可调、能耗高、部署困难等问题,该文设计基于无线传感器网络的光环境调控系统。该光环境调控系统以CC2530处理器为核心设计中央控制节点、监测节点、调光节点,采用ZigBee协议实现自组网络、监测数据和控制信号传输。监测节点通过周期监测光合有效辐射值,利用自然光中太阳高度角与红蓝光比例关系,计算当前红蓝光光量子通量密度;利用智能中央控制节点计算其与作物所需目标量的差值,并将其转换为脉宽调制控制信号,通过调光节点控制LED输出亮度,实现LED调光灯输出光量的动态、精确、无线调控。试验检验表明,该系统红蓝光光量子通量密度监测误差小于6%,调控输出光照度相对误差小于3%,可满足多个温室实时、按需、定量光环境调控的需求,具有部署灵活、易扩展、低能耗的特点。     

设施农业可调光质精确补光系统

针对环境温度、光质和光强对农作物光合作用的影响,提出结合实时环境检测、特定波段补光与定量决策的精确补光方法,设计了基于反馈控制机制的定量决策算法。以单片机为核心控制器件,设计了可调光质的精准补光系统,可根据温度及红蓝光目标光强与实时光强的差值精确计算补光量,通过PWM占空比调整LED输出光强。实验结果证明系统可实现按需补光;采用的LED光源较白炽灯节能54%,较荧光灯节能83%;在相同LED光源时,较常规LED补光系统的节能率在不同光质阈值和气候条件下具有一定波动,平均节能在30%以上。     

贵州省湿地松纯林与湿地松桤木混交林主要病虫害发生现状及防治措施

指出了随着人工湿地松纯林的广泛种植,林木抗病能力减弱,病虫害对森林造成的伤害不可忽视,分析了湿地松纯林与湿地松桤木混交林主要病虫害种类,为在综合防治中,减少营造混交林病虫害的发生,提出了贵州省湿地松病虫害防治建议,以期提供参考。     

不同地区冷饭团单株雌花占比率调查初报

在贵阳市贵州省植物园、贵州锦屏县隆里乡、湖南通道县双江镇三地对人工驯化栽培的冷饭团开展单株雌花、雄花比例进行实地调查研究.结果表明:贵州省植物园冷饭团雌花占有率为11.75%、锦屏隆里冷饭团雌花占有率为89.00%、通道双江冷饭团雌花占有率为84.50%,锦屏隆里和通道双江冷饭团雌花占比率很接近,贵州省植物园冷饭团雌花占比率与锦屏隆里和通道双江差异较大。     

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%。     

黄瓜初花期光合速率主要影响因素分析与模型构建

植物光合速率受生理、生态多种因素交互影响,分析提取主要影响因素是构建高效光合速率模型的基础。选取8个典型影响因素,以初花期的黄瓜植株为实验材料,设计光合速率嵌套实验,采用相关分析法分析各因素与光合速率的相关性,证明光子通量密度、CO2 浓度、温度、气孔导度和叶绿素含量与光合速率显著相关;提出了一种融合遗传算法的径向基函数（GA-RBF）神经网络光合速率建模方法,采用RBF神经网络构建光合速率模型,利用GA算法优化RBF神经网络的扩展速度。采用异校验方法分别对融合主要影响因素和全部因素的模型性能进行分析,结果表明融合主要影响因素的模型精度显著提高,光合速率预测值与实测值决定系数为0.9976,最大绝对误差为1.0086μmol/(m2·s),平均绝对误差为0.3509μmol/(m2·s),在降低复杂度的同时提高了预测精度。     

基于支持向量机-改进型鱼群算法的CO2优化调控模型

提出了融合支持向量机-改进型鱼群算法的CO_2优化调控模型,为CO_2精准调控提供定量依据。设计了嵌套试验,采集不同温度、光子通量密度、CO_2浓度组合下的黄瓜光合速率,以此构建基于支持向量机的黄瓜光合速率预测模型;以预测模型网络为目标函数,采用改进型鱼群算法实现二氧化碳饱和点寻优,获得不同温度、光子通量密度组合条件的CO_2饱和点,进而构建CO_2优化调控模型。异校验结果表明,CO_2饱和点实测值与预测值相关系数为0.965,最大相对误差3.056%。提出的CO_2优化调控模型可动态预测CO_2饱和点,为实现设施CO_2精准调控提供了可行思路。     

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。     

基于SVM-ACO算法的光环境优化调控模型

设施光环境优化调控是提高作物产量与品质的关键,而光饱和点决定作物利用光的能力。因此,如何根据温度、CO_2浓度变化实现光饱和点的动态获取是设施光环境调控技术发展的重要问题。针对上述问题,本文提出基于支持向量机—蚁群算法(SVM-ACO)的黄瓜光环境优化调控模型。通过多因子嵌套试验获得不同光光量子通量密度、CO_2浓度、温度组合条件下的光合速率值,利用支持向量机算法建立光合速率模型,设计基于连续蚁群寻优算法获取光饱和点并以其为调控目标,建立全范围温度、CO_2浓度下的光环境优化调控模型。调控模型可实现光饱和点的动态获取,且模型决定系数为0.995,均方根误差为15.73,为设施光环境高效精准调控提供了理论依据。     

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。