水是所有植物赖以生存的根本,近十几年来,我国土地沙漠化严重,水土流失加快,如何合理分配水资源,选择节水耐旱植物是我国未来环境发展的重中之重。因此,研究和分析干旱荒漠区主要固沙灌木的耗水特征和需水规律,对于选择耐旱节水植物、确定合理的造林密度和配置方式以及持续稳定的发挥固沙灌木生态防护功能具有重要的指导意义。茎流测量是研究植物耗水规律的重要手段。适合生长在干旱,半干旱地区的植物茎流量都很低,传统测量方法在测量低速率茎流植物时,存在测量时间长,热损耗大,测量误差难于克服等问题。针对这些问题本文引入了一种新的热技术—热比率法(HRM)来测量低速率茎流植物的茎流量。热比率法(HRM)茎流测量是将温度探针等距离地放置在加热元件的两端,随着加热元件释放热脉冲,记录下温度探针t时刻温度与(t-1)时刻温度之差,要比等到两个探针温度相同所需时间少很多,尤其适用于低速率茎流植物的测量,大大降低了热脉冲传导过程中的热损耗引起的测量误差,另一方面热比率法(HRM)提高了采样频率,可以长时间连续测量,尤其适用于低速率茎流植物的茎流测量。环境因子对茎流测量是有影响的。本文从三个方面研究了环境因子对茎流测量的影响：(1)探针位置偏差,研究了测量探针的位置偏差对测量结果产生的影响,并提出修正办法。(2)环境温度,研究了环境温度对加热脉冲的热传导的影响。(3)伤口修正,茎流测量会对植物造成机械性硬伤,针对植物的伤口响应机能对茎流测量产生的影响,本文使用伤口修正系数对其进行补偿修正。钊对环境因子对茎流测量的影响,为满足检测精度的要求,本文将基于递阶遗传算法的BP神经网络应用于茎流测量中环境因子的数据处理。输入量为热脉冲速度(Vh),环境温度和伤口修正系数(B),输出量为经过修正的热脉冲速度。基于递阶遗传算法的BP神经网络可以改善传统BP神经网络训练速度慢,局部极小点的逃离和算法收敛速度慢的问题。相较于其它传统数据处理方法,经过训练的基于递阶遗传算法的BP神经网络可以有效地对多个输入进行数据处理,处理数据量大,精度高,可以高效解决基于热比率法(HRM)的茎流测量在环境影响因子修正问题,修正检测量,减小测量带来的误差。在Matlab仿真环境下进行数据处理前后的对比,观察环境因子对茎流测量的影响。