论文部分内容阅读
本文以如何提高日光温室小气候资源利用率为主要问题,进行一系列研究试验。首先根据2011—2015年冬季天津市宝坻区气象数据对不同日光温室温度模拟方法的模拟效果进行对比分析,确立较准确的日光温室环境模拟模型;其次以2013—2015年天津市武清区日光温室气象资料与作物发育期资料为依据,采用设施园艺大面积推广种植的番茄品种“瑞粉882”和“普罗旺斯”为试材,通过分期播种试验模拟不同气候背景条件,基于钟模型建立日光温室番茄发育期模拟模型。结合以上两个研究的模拟结论,对2016—2017年冬季天津市宝坻区日光温室蔬菜上市时间进行模拟分析,为实际生产种植时间与管理提供决策指导,实现温室小气候资源高效利用。主要研究结果如下:1.环境模拟,为构建较准确的日光温室温度预测模型,于2011—2014年冬季(1月、2月、12月)天津市宝坻区开展温室内外环境监测试验,并建立3种天气类型(晴、多云、阴)下3个时段(0—8时、8—17时、17—23时)逐步回归与BP神经网络温室内温度预测模型。结果表明:温室内气温逐步回归模型9种情况下模拟值与实际值的绝对误差小于3℃的平均准确率(≤3℃)为88%,平均均方根误差(RMSE)为2℃;BP神经网络模型9种情况下模拟值与实际值的绝对误差小于3℃的平均准确率(≤3℃)为94%,平均均方根误差(RMSE)为1.6℃。应用BP神经网络建立的气温预测模型相对更为准确稳定。2.作物模拟,依据环境条件准确预测作物的发育时期已成为作物生长发育模拟模型的核心内容之一。研究首次以钟模型为基础,依据番茄生长发育的光温反应特性,利用不同品种不同播期12个生长季的试验资料,建立了基于钟模型方法的温室番茄发育期模拟模型。经验证,该模型播种期—三叶期、播种期—初花期、播种期—坐果期、播种期—成熟期、播种期—拉秧期五个发育阶段模拟值与实际观测值之间的回归估计均方根误差(RMSE)分别为8.3、14.4、16.3、23.7、28.1 d;回归估计标准均方根误差(NRMSE)分别为20.78%、20.18%、20.21%、17.35%、14.86%,模拟效果较好。将本模型与有效积温法模拟结果进行对比,本模型在各个关键发育期的模拟精度更高,结果更好。3.实际应用,先根据天津市宝坻区有记载以来的58年气象资料,计算58年冬季年平均气温、年平均气温距平值、年平均气温5年滑动平均与年日照时数、年日照时数距平值、年日照时数5年滑动平均,并对58年温度光照的变化趋势进行研究分析。分析结果显示58年宝坻区冬季温度明显升高,光照总体减弱的变化趋势,进而得出考虑温光条件的冷暖年划分法更适宜日光温室生产应用。本研究选取平均气温与日照时数两个气象因子,得出冷暖年划分标准的计算方程y=0.608x_t+0.392x_r,以y值为标准划分适宜温室生产应用的冷暖年型,划分结果2016年为日光温室暖年。选取准确率更高的BP神经网络法模拟2016—2017年冬季日光温室白天日平均温度和白天日照时数,得到的白天日平均温度和白天日照时数作物驱动因子带入番茄发育期模型,根据不同播种期得出之后发育期变化时间。本文将春节前期时段蔬菜需求量大这一实际情况为例指导规划番茄种植时间,得出番茄2017年春节前上市的最佳播种日期为2016年9月20日-2016年9月25日。