准确估算作物蒸散量(ETc)是农业节水理论的基础性科学问题,对于指导节水灌溉决策、判断作物受旱程度、提高灌水利用效率意义重大。苏南地区温室分布较广,温室农业发展迅速,温室作物ETc的计算是苏南地区温室灌水智能化、自动化发展的关键问题。然而,由于温室与大田微气象环境的差异,温室作物的蒸腾机理有别于大田环境,常用于模拟大田作物ETc的Penman-Monteith(P-M)模型及关键参数需基于温室微气象环境及作物生长结构特性进行改进,以适应温室作物ETc估算。同时,随着现代测温技术的发展,基于作物冠气温差(Tc-Ta)能量平衡模型估算ETc的方法在温室智能化环境调控与灌溉决策中具有很好的应用前景,掌握作物不同生育期及时间尺度Tc-Ta的变化特征及影响因素是构建精准的Tc-Ta能量平衡模型的基础;此外,为适应温室农业智慧灌溉发展需求,应用人工神经网络模型,采用不同可利用气象数据估算温室作物ETc是温室作物智能节水灌溉决策的重要手段。本研究通过观测温室黄瓜生育期耗水规律、叶片气孔阻力(rs)、微气象因子和植株生长状况等数据,对P-M模型中冠层阻力参数(rc)的模拟方法进行优化,系统分析了rs与各环境因子的响应机制,量化了rs向冠层尺度阻力(rc)转换的影响因素,构建并验证了优化的Jarvis冠层阻力模型。通过综合分析Tc-Ta的变化规律及主要影响因素,建立了基于Tc-Ta的温室作物水分胁迫指数(Crop water stress index,CWSI)模型,比较了CWSI与土壤含水量(Soil moisture content,SMC)作为温室作物灌水时间的定量指标对温室灌水决策的影响,明确了Tc-Ta与作物ETc的响应关系,讨论了Tc-Ta在温室灌水决策中的应用价值。基于机器学习技术,通过python编程构建了使用不同参数组合的人工神经网络BP模型,分别应用基于Jarvis冠层阻力子模型的Penman-Monteith模型(P-M-J)和改进的P-M-J模型、以及基于Tc-Ta的Jackson经验模型和人工神经网络BP模型对温室黄瓜不同生育期ETc进行模拟,应用蒸渗仪实测值验证不同类型模型的模拟精度,并评价模型在温室的适用性。主要研究结论如下:(1)影响Jarvis模型对作物冠层阻力rc模拟精度的主要因素是作物叶片尺寸、空间结构分布、光合速率等的差异;通过多层分析法优化Jarvis模型中有效叶面积指数函数(LAIe),优化的Jarvis模型对rc的模拟优于原模型,前者与实测值的相关性决定系数为0.68,略高于后者(R2=0.64),均方根误差为1.63 s cm-1,低于后者(RMSE=1.75s cm-1)。相比于原Jarvis模型,优化模型中LAIe能更好的反应黄瓜实际生理生长状况,对温室黄瓜rc的模拟结果更好,在不同类型温室的适用性更高。(2)温室黄瓜生育期内Tc-Ta日变化特征较为明显,黄瓜不同生育期Tc-Ta均呈单峰变化,峰值均出现在13:00~14:00;14:00时刻的Tc-Ta与黄瓜ETc的相关性最高。不同生育期Tc-Ta与R_n、Ta和VPD均为负相关,与RH均为正相关;Tc-Ta与各气象因子相关性排序为:Ta>R_n>VPD>RH,决定系数依次为0.91、0.87、0.69和0.59。水分胁迫指数(CWSI)与Tc-Ta、RH均为负相关,与R_n、VPD均为正相关,相关性排序为:VPD>R_n>Tc-Ta>RH,使用CWSI作为温室作物灌水时间的定量指标,能准确反应随气象因子及作物生长生理状况变化的作物实际水分需求状况。(3)相比原P-M-J模型,改进的P-M-J模型对温室黄瓜小时尺度ETc的模拟与实测值更接近(R2=0.88,MAE=0.08 mm h-1,RMSE=0.10 mm h-1),偏差更小。随黄瓜LAI的增长,原P-M-J模型和改进模型对ETc模拟的精度均提高;两模型对ETc估算性能最优时段均为14:00~16:00,最差时段为10:00~14:00。基于Tc-Ta的Jackson经验模型对ETc的模拟结果与实测值拟合较好(R2=0.97,MAE=0.59 mm d-1,RMSE=0.74mm d-1),决定系数略高于原P-M-J模型模型(R2=0.96,MAE=1.21 mm d-1,RMSE=1.51 mm d-1),估算偏差更小。采用不同气象参数组合的人工神经网络BP模型对黄瓜ETc的模拟结果均较佳(R2>0.96,MAE<0.80 mm d-1,RMSE<0.70 mm d-1),模型ETc估算值与实测值拟合程度均高于原P-M-J模型,并且BP模型的精度随输入参数种类的增加而提高。基于本研究结果,改进的P-M-J模型基于能量平衡原理,模型对不同类型温室及作物种类的应用更加广泛,稳定性较高。基
暂无评论