基于BP神经网络算法的温室番茄CO2增施策略优化

• 作者: 季宇寒 张漫 李婷 李民赞 沙莎 蒋毅琼
• 来源期刊: 农业机械学报
• 学科: 农学
• 关键词: 温室番茄 光合日动态 单叶净光合速率 BP神经网络预测模型
• 年，卷（期）: 2015,（8）
• 所属期刊栏目: 农业自动化与环境控制
• 页码范围: 239-245
• 分类号: S625.5+1
• 语种: 中文
• DOI: 10.6041/j.issn.1000-1298.2015.08.033

摘要

CO2浓度是植物光合作用的主要原料之一,确定植株生长阶段的最适CO2浓度需求量,对日光温室内CO2浓度调控具有重要意义.以开花期番茄植株为研究对象,将定植后的番茄分为4个CO2浓度梯度处理组,其中,C1、C2、C3处理组CO2增施摩尔比分别为(700±50)、(1 000±50)、(1 300±50) μmol/mol,CK处理组为温室内自然状态下CO2摩尔比(约450 μmol/mol).实验利用无线传感器网络节点实时监测温室环境因子,包括空气温湿度、光照强度和CO2浓度;利用LI-6400XT型便携式光合速率仪进行光合日动态和环境因子交互影响实验测定.光合日动态组间差异性研究表明,对开花期番茄增施1 000 ～1 300μmol/mol的CO2时,可使番茄单叶净光合速率提高约37.13％～40.42％.以环境因子为输入参数,建立基于BP神经网络的光合速率预测模型,用于不同CO2浓度梯度下的光合日动态预测.结果表明,模型训练集和测试集的相关系数分别为0.98和0.93,预测精度较高;C1、C2、C3和CK处理组的日动态预测相关系数分别为0.96、0.94、0.78和0.96,与实测结果吻合度较高且相对误差较小,因此该模型可以为可变环境下的番茄光合日变化动态预测提供依据.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李民赞	中国农业大学现代精细农业系统集成研究教育部重点实验室	102	1430	24.0	33.0
2	张漫	中国农业大学现代精细农业系统集成研究教育部重点实验室	54	1163	21.0	33.0
3	季宇寒	中国农业大学现代精细农业系统集成研究教育部重点实验室	8	93	4.0	8.0
4	李婷	中国农业大学现代精细农业系统集成研究教育部重点实验室	13	59	4.0	7.0
5	蒋毅琼	中国农业大学现代精细农业系统集成研究教育部重点实验室	2	39	2.0	2.0
6	沙莎	中国农业大学现代精细农业系统集成研究教育部重点实验室	2	39	2.0	2.0