排序方式: 共有19条查询结果,搜索用时 15 毫秒
1.
基于BP神经网络的日光温室气温预报模型 总被引:1,自引:1,他引:1
为建立日光温室中短期气温预报模型,以2个冬季生产季的日光温室实时气温观测资料为基础,利用BP神经网络建模和曲线拟合的方法,对日光温室1~7d气温预报模型进行了研究。结果表明:1)以室外气温为输入要素的温室气温预报模型,最高气温预报值与观测值的符合度指数(D)为0.68~0.93,均方根误差(RMSE)为3.1~6.3℃;2)最低气温预报值与观测值的符合度指数(D)为0.81~0.95,均方根误差(RMSE)1.5~2.2℃;3)日光温室内最低气温预报绝对误差小于2℃的预报准确率Rate(≤2℃)为78%~95%;4)逐时气温预报模型预报值与实测值的符合度指数(D)为0.95~0.99,均方根误差(RMSE)为1.0~2.8℃,逐时气温预报模型预测准确率较高。结合目前气象台站"周预报"结果,模型可较准确地预报温室内1~7d最低气温,并模拟日光温室内气温的逐时变化,可为冬季日光温室低温灾害预警及室内气温调控提供有益参考。 相似文献
2.
在北方冬季节能型日光温室生产中常出现极端低温天气,气温低于作物致死温度,导致温室作物大幅减产甚至绝收.为精准调控温室温度,降低低温带来的损失,本研究设计了一套日光温室智能加温控制系统,其硬件设备由感知模块、主控模块、通讯模块、伺服模块、执行设备组成.系统实现了日光温室温度环境的智能控制,可自动采集温室内气温数据,并根据主控模块内设置的加温控制阈值实现温度执行设备的自动开关,同时可通过Android远程客户端进行数据查看及执行设备状态控制.系统应用与验证结果表明:二代砖墙日光温室最低温度维持6~8℃,则系统日开启时间需4.9h,日资金投入146元;维持10~12℃,则系统日开启时间6.1h,日资金投入194元.应用过程中系统性能稳定,实现了温度环境的精细化、无人值守智能调控,夜间加温效果良好. 相似文献
3.
4.
消光系数是作物模型的重要参数,准确获取作物不同位置的消光系数,可以准确模拟作物的冠层光合速率,从而提高作物模型的模拟精度。该研究依据黄瓜(Cucumis sativus L.)和芹菜(Apium graveolens L.)不同位置(群体底部(Bottom of Crop, BC)处,1/3群体中部(1/3 Height of Crop, 1/3HC)处,2/3群体中部(2/3 Height of Crop, 2/3HC)处)的辐射数据,以津盛206和尤文图斯为试验品种,利用11个播期的试验观测数据建立了基于正午时刻消光系数k值的温室作物消光系数模型,确定了模型参数,用相互独立的数据进行模型检验。结果表明:1)关于正午时刻(12时)的k值变化,黄瓜在秋冬茬期间呈现先下降后上升的变化趋势,而春茬呈现相反的趋势,秋冬茬高于春茬,位置越高,k值越大。芹菜在生长季内,k值为先增加后下降的过程,位置越高,k值呈现先下降后上升的变化趋势。2)关于k值日变化,黄瓜和芹菜均呈现先上升后下降的变化趋势,位置越高,k值越大。3)关于作物发育进程中各发育阶段内k值变化,在相同发育阶段内,黄瓜随着高度上升,k... 相似文献
5.
准确模拟日光温室内环境的变化过程是实现温室环境精准调控的前提。该研究以3个生长季的日光温室室内实时气象观测资料为基础,利用Elman神经网络建模的方法,对日光温室室内1.5 m气温、0.5 m气温和CO2浓度进行逐时模拟,对日光温室室内平均湿度、平均温度、最高温度和最低温度进行逐日模拟,建立基于Elman神经网络的日光温室室内环境逐时及逐日模拟模型,利用独立的气象观测资料对模型进行验证,并基于逐步回归方法和BP神经网络方法结果进行对比分析。结果表明:1)基于Elman神经网络的日光温室室内环境(1.5 m气温、0.5 m气温和CO2浓度)逐时模拟值与实测值的均方根误差(Root Mean Square Error,RMSE)分别为2.14 ℃、1.33 ℃和55.32 μmol/mol,归一化均方根误差(Normalized Root Mean Square Error,NRMSE)分别为10.01%、5.87%和10.70%,基于Elman神经网络的日光温室室内环境逐时模拟效果和稳定性最优。2)基于Elman神经网络的日光温室室内环境(日均空气湿度、日均气温、日最高气温和日最低气温)逐日模拟值与实测值的RMSE分别为0.59%、0.88 ℃、2.02 ℃和0.98 ℃,NRMSE分别为0.79%、4.44%、7.02%和6.66%,基于Elman神经网络的日光温室室内环境逐日模拟效果和稳定性最优。研究结果可以准确模拟日光温室室内逐时及逐日环境,也可以为环境模型与作物模型相互耦合提供技术支撑。 相似文献
6.
天津地区不同墙体处理对日光温室保温性能影响初探 总被引:9,自引:3,他引:6
为了合理地确定日光温室后墙的材料与结构,于2010年11月1日-2011年3月6日在天津市西青区开展了不同墙体构型的日光温室模拟试验,设置了3种不同厚度土墙以及3种不同构型砖墙共6种墙体处理。结果表明:晴天、多云、寡照天气条件下夜间土墙均为热源,对温室保温性有较大贡献,白天土墙为热汇蓄积热量;夹层墙的墙体夜间放热能力较弱,但白天升温较快,利于提高温室的最高温度;土墙厚度为1.5 m的温室不能保障蔬菜生产的安全,该棚型温室易受低温影响;土墙占地较多,且保温性并不比砖墙处理的温室优越,因此不宜选用;为使冬季温室内可获得较高的温度、节约土地和降低建筑成本,建议选择37 cm砖墙+12 cm聚苯乙烯泡沫塑料板保护层为后墙的温室,该后墙温室增温、保温效果均较好。 相似文献
7.
天津近郊设施农业气候资源与气象灾害变化特征 总被引:5,自引:0,他引:5
城市近郊是设施农业生产的重要区域,对近郊气候资源和气象灾害变化的研究有利于提高设施农业生产的防灾减灾能力。现对1971—2010年天津4个郊区在设施农业生产季的气候资源和气象灾害进行了分析,探讨在气候变化背景下设施农业气象灾害的变化规律。结果表明:在近40年中,该区域气温条件的变化利于设施农业生产,而光照资源则显著下降,低温、大风和降雪等灾害总体减少,寡照成为影响设施农业生产的首要气象灾害,尤为应引起注意的是极端气象灾害事件仍不时发生。 相似文献
8.
日光温室芹菜外观形态及干物质积累分配模拟模型 总被引:3,自引:3,他引:0
为实现日光温室芹菜外观形态与干物质积累分配预测。该研究依据芹菜(Apium graveolens L.)生长发育的光温反应特性,以‘尤文图斯’为试验品种,利用2年2茬分期播种试验观测数据,依据温室芹菜外观形态生长与关键气象因子(温度和辐射)的关系,以单株辐热积(Photo-ThermalIndex,PTI)为自变量构建了外观形态模拟模型;并建立了基于PTI的干物质分配模拟模型;结合叶面积指数模拟模块、光合作用和呼吸作用模拟模块,构建了干物质积累模拟模型;结合各器官各个发育阶段内的相对含水量,可计算鲜物质积累模拟模型。基于各子模块共同组成了日光温室芹菜外观形态及干物质积累分配模拟模型,确定了模型品种参数,利用独立试验数据对模型进行验证。结果表明,1)在外观形态模拟模型中,对根长、主茎茎粗、主茎茎长、株高、整枝和自然管理方式下叶面积指数(Leaf Area Index,LAI)形态指标均方根误差(Root Mean Square Error,RMSE)分别为2.46 cm、1.49 mm、6.72 cm、11.08 cm、0.74 m~2/m~2和0.77 m~2/m~2,归一化均方根误差(Normalized Root Mean Square Error,NRMSE)分别在16.63%~20.63%之间。2)在干物质分配模拟模型中,各器官的干物质分配指数NRMSE在8.24%~27.19%之间,RMSE在0.60%~7.01%之间。3)在干物质积累模拟模型中,不同器官(根、茎、叶、总茎、总叶、主茎、叶柄、整枝和自然管理方式下地上部)的干物质质量RMSE在3.85~85.80 g/m~2之间,NRMSE分别为14.21%~23.13%之间,说明干物质积累模拟模型对不同器官的干物质模拟均有较高的模拟效果。表明模型能够较准确模拟芹菜外观形态与干物质积累分配,系统化定量地表现出日光温室芹菜的生长动态过程。 相似文献
9.
基于有效积温法,利用3种不同粒度的温室气温数据,模拟了温室黄瓜的生长发育情况。结果表明:3种积温算法对于黄瓜生育期的模拟均表现出苗期的模拟误差最大,标准误差(RMSE)为12.4d,采收末期的模拟误差最小,RMSE为1d。对比3种不同粒度积温算法的模拟效果,日积温法模拟的误差最小,平均误差为-0.6d;其次是小时积温法,平均误差为-1.8d;10min积温模拟的误差最大,为-2.2d。这说明用有效积温法模拟作物生育期,使用日有效积温来作为模型的输入,其模拟结果较好。另外,3种积温算法在对黄瓜不同生育期的模拟中,除苗期之外,其余各生育期的模拟结果基本一致,无明显差异,定植期误差为5d和4d,开花坐果期均为-4d,采收期均为3d,采收末期均为1d。说明有效积温法对于不同粒度的积温敏感性不强,而对于昼夜温度变化比较敏感。 相似文献
10.
基于物联网的日光温室低温灾害监测预警技术及应用 总被引:8,自引:4,他引:4
为减少冬春季由于大风强降温、连阴天造成的低温灾害对日光温室生产造成的影响,该文介绍利用物联网技术,集成开发一套包括日光温室小气候与生态环境监测网络、数据实时采集与无线传输、低温灾害监测与预警发布、远程加温控制于一体的技术方法。该方法通过构建具有统一入口的分布式信息管理系统,实现对不同传感器生产厂家设备的兼容及多个监测站的组网;以嵌入式GIS组件库作为开发平台,使数据接收软件有较强的空间显示与分析功能。基于对典型日光温室小气候观测数据与作物生长临界指标,利用逐步回归及神经网络建模,获得土围护和砖维护结构日光温室低温预警指标。利用手机短信、电子显示屏、网站等多媒体发布低温预警服务,并采用远程智能控制方式实现对温室定时加温。该项技术有效地解决了天津地区日光温室低温灾害监测和预警需要,提高设施农业园区管理水平和应对灾害能力。 相似文献