番茄设施栽培生长规律与气象因子的关系探讨,园艺学论文.docx

番茄设施栽培生长规律与气象因子的关系探讨,园艺学论文我们国家设施园艺发展于上世纪90年代，经过近20多年的发展，我们国家已成为世界上设施栽培面积最大最广泛的国家. 在设施栽培农业中，有95%以上的以蔬菜作物为主要栽培对象。番茄设施栽培技术在我们国家北方得到了广泛应用，已成为北方地区温室作物中的主要栽培作物之一，并且初步构成了全年生产和供给的局面。番茄设施栽培除了遭到其遗传以及本身品种差异影响外，还遭到外界气象因子的影响.本文主要对番茄设施栽培生长规律与气象因子之间的关系进行研究分析，并建立了相应的番茄生长发育动态气象模型，对我们国家设施栽培技术的发展具有一定的促进意义. 2 试验目的与方式方法 2.1试验目的。本次试验在河南省天和蔬菜种植基地进行，旨在研究模拟阴雨天气经过光照缺乏情况下，日光温室番茄生长发育变化情况，并且提出相应的管理措施。 2.2 试验方式方法。番茄大棚日光温室采用高 4 m、长90 m、跨度 10 m 的规格进行搭建，主采光面角度设置为27.5 ,方位角为偏西5 ,在冬季加盖保温棉被并通过电动卷帘机进行起放.用黑色的遮光网布，在日光温室靠近南边的一端，自东向西排列选4个小区进行覆盖.对照组为每个小区的北面附近. 在天和蔬菜基地日光温室内，选生长良好的番茄进行遮光处理，共4个小区，3月8日遮光处理后，水肥、喷药等田间管理措施一样.3月9 15日天天下午4:30观测1次.观测项目为株高、植株直径、果枝数、开花数、幼果数等. 3 结果与分析 光照是植物生长必不可少的气象因子之一，是作物生长发育和物质能量代谢的基础，对作物能量积累和果实构成具有非常重要的影响。在完全人工光照条件下，不同光质对番茄生长和产量品质会产生截然不同的影响。在作物生长经过中，适宜的弱光对植物生长发育具有一定的促进作用，而强光可促进作物繁衍器官的构成和发育.在番茄生长经过中，补充强光有利于番茄枝芽分化和开花结果，光照缺乏就会导致其落花落果.光照度影响番茄形态、叶片大小等，关系到幼苗的素质及产量构成。 番茄生长中光照不仅对其生长发育及果实的构成有影响，而且还影响着各种重要器官的构成和发育，下面将此次观测到的数据进行统计进行分析表 1。 由表1 能够看出，处理后的植株高度、果枝数、幼果数与对照相比变化不大。而处理后的植株直径与对照相比小 1.2 mm,植株开花数与对照相比少 1.2 个。处理后的植株观测到有花脱落的现象，而对照没有。处理后的植株第 5 天能够目测看出，与没有遮光的植株相比，其生长弱小、叶片薄、叶色淡、不强健，开花数量少，并且花朵瘦小有脱落现象. 以上分析了番茄生理特性的观测事实，以及与主要因子温度和辐射的关系，那么番茄果实生长与日光温室中的相对湿度、地温、冠层温度等要素之间有什么关系？为此我们进行了投影寻踪PPR相关分析，结果显示，日照辐射是影响果实生长的首要因素，其次是有效积温，冠层温度与温室温度的影响差异不大，冠层温度大于气温，与地温相关系数较小，与相对湿度关系较低. 除相对湿度外，其他温光因子对生长量的影响权重均在 0.6 以上。日照辐射权重大于有效积温，这与Lie PingHP 的研究成果一致，因此讲明日光温室生产中光照还是影响产量的首要因素，低温和寡照是影响番茄生产的两大重要灾祸，因而，冬季生产及时去除薄膜上的尘土，张挂反光幕和改善温室采光性能是提高番茄产量的重要途径。 4 基于 BP 神经网络法的大棚气象条件预报 4.1 BP基本算法。为了考虑计算方式方法的实用性，选用容易获得并与番茄生长周期相关性较好的常规气象要素作为预报因子，以河南省天和蔬菜番茄蔬菜大棚资料计算出的番茄生长状况预测模型，以番茄成熟期作为预报对象.为了知足BP 网络节点函数的条件，首先对学习矩阵的训练样本作标准化处理：Ki=Zi s/t-s.华而不实 Ki 为前馈网络的标准化输入数据，zi 为原始观测数据，s 为待定系数。由于所取的 Sigmoid 节点函数是一种可微非递减函数，该函数的值域为0,1,考虑到已获得观测样有限性，并为了有效提高网络训练速度，将学习神经网络矩阵的原始数据标准化在0.2 1.3 之间，因而待定系数 s,可由下面公式计算：a-s = 0.1t-s，b-s = 0.9t-s。华而不实a,b 分别为各样本序列中的最小和最大值。 4.2 建立 BP 预测模型。在 BP 神经网络中，包含输入层节点数、隐含层节点数、样本数、学习率、误差指标、训练步长、最大训练循环次数等可调参数.学习速率决定每一次循环训练中所产生的权值变化量。大的学习率可能导致系统的不稳定，但小的学习率将会导致训练时间较长，收敛速度很慢，不过能保证网络的误差值不跳出误差外表的低谷而最终趋于最小误差值。所以在一般情况下，倾向于选取较小的学习率以保证系统的稳定性。学习速率的选取值在 0.01 0.8 之间，主要调节收敛速度，在计算机速度足够快的条件下，其对到达训练目的无大的影响。因而，输入层节点数和隐含层节点数确实定是模型的关键。 5个输入要素构成了输入层，IW1,1和b1分别为输入层到隐含层的权值和阈值；3个神经元节点构成了输出层，tansig正切S型传递函数，图1作为其传递函数，LW2,1和b2是从隐含层到输出层的权值和阈值；番茄的生长大棚气象因子构成了输出层；输出层传递函数采用logsig构成了番茄生长周期。 学习速率lr = 0.03,动量常数a = 0.8,最大训练步数epochs = 3 500,控制误差 goal = 0.009,这些是进行神经网络模型训练时采取的常数，归一化处理输入输出数据.由式1得出隐层节点数的范围为2 12,经过试错法训练比拟选取隐层的节点数q为 8,最终采用网络构造为 BP5,8,1。训练误差随学习次数的变化曲线如此图 2 所示。当训练步数为 158 步时，网络收敛性好，误差基本趋向稳定，到达最好训练效果。 5 结论与措施 日光温室假如光照缺乏会严重影响番茄的生长发育，以及开花与结果.因而当预报有连阴雨天气时，应采取下面两项措施：要对开花的番茄提早进行人工授粉，喷洒浓度为 25 40 mg/kg 的防落素。在药液中添加适量的微量元素如硼、锌、铜等，对提高坐果率和促进果实膨大效果更佳。阴雨天气过后适当的增加施肥量，促使植株恢复强健生长.