新疆加工番茄單株產(chǎn)量的預(yù)測方法研究

陳 華，陳玉佳，姜 波

(新疆大學(xué)電氣工程學(xué)院，新疆烏魯木齊 830047)

?

新疆加工番茄單株產(chǎn)量的預(yù)測方法研究

陳 華，陳玉佳，姜 波

(新疆大學(xué)電氣工程學(xué)院，新疆烏魯木齊 830047)

摘要從植物生理學(xué)入手，以新疆某加工番茄種植地的種植環(huán)境和氣候條件為背景，通過廣泛收集生產(chǎn)管理資料，結(jié)合田間試驗，分析各影響因素與作物生長發(fā)育過程和產(chǎn)量之間的關(guān)系，應(yīng)用數(shù)學(xué)建模技術(shù)和控制算法構(gòu)造加工番茄干物質(zhì)積累與產(chǎn)量形成模型，并通過細化影響因素的作用來提高模型的精準(zhǔn)性，實現(xiàn)加工番茄的單株產(chǎn)量預(yù)測。

關(guān)鍵詞加工番茄；干物質(zhì)積累與產(chǎn)量形成模型；單株產(chǎn)量預(yù)測

現(xiàn)代農(nóng)業(yè)的一個基礎(chǔ)內(nèi)容就是構(gòu)建完善的信息服務(wù)體系[1]。作物模型已經(jīng)成為農(nóng)業(yè)向數(shù)字化邁進的基礎(chǔ)工具，也成為一些發(fā)達國家重要的研究領(lǐng)域[2-4]。目前，我國加工番茄種植領(lǐng)域的產(chǎn)量預(yù)測的研究大都以宏觀預(yù)測為主，主要是根據(jù)歷史數(shù)據(jù)尋找作物產(chǎn)量與影響因素之間的關(guān)系，為宏觀上的產(chǎn)業(yè)規(guī)劃提供支持。筆者從植物生理學(xué)入手，通過對生長發(fā)育模型的分析，分析各影響因素與作物生長發(fā)育過程和產(chǎn)量之間的關(guān)系，建立單株產(chǎn)量模型，并通過細化影響因素的作用來提高模型的精準(zhǔn)性，從而建立了一種加工番茄單株產(chǎn)量預(yù)測方法。

1干物質(zhì)積累與產(chǎn)量形成模型

干物質(zhì)是飼料學(xué)、植物生理學(xué)等學(xué)科中的一個專業(yè)術(shù)語，是將有機體在60～90 ℃恒溫下經(jīng)過充分干燥后剩余有機物的重量，可以評價植物有機物的積累情況。

從圖1可以看出，光合作用和呼吸作用是干物質(zhì)積累的動力來源，下面通過2個部分對干物質(zhì)積累與產(chǎn)量形成模型進行介紹。

1.1光合作用光合作用是吸收環(huán)境中CO2的反應(yīng)，指CO2向穩(wěn)定碳水化合物轉(zhuǎn)化的階段。對于光合作用的模擬方法很多，主要有直角雙曲線模型[5]、非直角雙曲線模型[6]、負指數(shù)法模型[7]及利用二項回歸的方法[8]，其中直角雙曲線模型和非直角雙曲線模型目前應(yīng)用比較廣泛[9]。筆者選用負指數(shù)模型對單葉光合速率進行分析。

圖1　加工番茄的單株干物質(zhì)積累流程Fig.1　Dry matter accumulaion process of per plant processed tomato

Pl=Pmax×(1-exp(-ε×PAR/Pmax))

(1)

式中，Pl為單葉光合速率；ε為單葉光合量子效率，該模型中取0.45；Pmax為光飽和時單葉光合速率的最大值，該模型中取37；PAR為光合有效輻射。

單位面積上植株全部可見部分進行光合作用的總量稱為冠層光合速率，其確定方法包括大葉模型和多層模型。目前應(yīng)用較多的是多層模型，依據(jù)高斯積分法將冠層分成3～5層，依據(jù)每層對冠層光合量的貢獻不同求取冠層光合速率。Gaussian 冠層分層按公式(2)進行計算：

LGUSS(i)=DIS(i)×LAI，i=1，2，3

(2)

式中，LGUSS(i)為高斯分層的冠層深度；DIS(i)表示將冠層分為3層時的距離系數(shù)；LAI表示葉面積指數(shù)。

冠層每日總光合量的求取采用公式(3)來計算。

DTGA=∑(TFG(t))，t=1,2,3，…，24

(3)

TFG=(∑(FGL(i)×WT(i))×LAI，i=1，2，3

(4)

FGL(i)=Pmax×(1-exp(-ε×PAR(i)/Pmax))

(5)

PAR(i)=PAR×(1-ρ)×k×exp(-k×LGUSS(i))

(6)

式中，DTGA為冠層每日光合總量；TFG(t)為t時刻冠層的瞬時光合速率；TFG為冠層的瞬時光合作用速率；FGL(i)為冠層各層的瞬時光合作用速率；WT(i)為高斯積分法的權(quán)重；PAR為光合有效輻射；ρ為冠層對光合有效輻射的反射率；k為冠層消光系數(shù)，該模型中取0.7。

將冠層分為不同層數(shù)時模型中權(quán)重值(WT)與距離系數(shù)(DIS)[10]的取值如表1所示。

表1高斯三點積分法和五點積分法的WT和DIS

Table 1WTandDISof the three integral method and the five integral method of Gauss

采樣點SamplingsiteWT(i)WT(j)DIS(i)DIS(j)10.27780.11850.11270.046920.44440.23930.50000.230830.27780.28440.88730.500040.23930.769150.11850.9531

1.2呼吸作用呼吸作用是光合作用產(chǎn)物被分解的階段。McCree(1974年)將呼吸作用分為維持呼吸與生長呼吸。呼吸作用的表達式為：

R=RG+GM

(7)

RG=k×p

(8)

RM=Rm,25×W×Q(T-25)/10

(9)

式中，RG為生長呼吸；RM為維持呼吸；k為生長呼吸系數(shù)，取0.39；p為當(dāng)日光合量；Rm,25表示溫度25 ℃時維持呼吸消耗的系數(shù)，該模型中取0.015[11]；T為葉片溫度，一般采用日平均溫度替代；Q10為呼吸作用的溫度系數(shù)，該模型中取2.0。

根據(jù)物質(zhì)和能量守恒，群體凈同化量等于光合作用的積累量與呼吸作用消耗的量的差值，因此干物質(zhì)積累量可以由公式(10)所示。

ΔW=(λ×DTGA-RM)/G

(10)

式中，λ為CO2轉(zhuǎn)化成葡萄糖的轉(zhuǎn)換系數(shù)，λ=1 mol(CH2O)/1 molCO2=30/44=0.682；DTGA為每日冠層的總光合量；G為CH2O向干物質(zhì)轉(zhuǎn)化時的系數(shù)，該模型中取1.43。

干物質(zhì)的分配與生長發(fā)育階段及同化產(chǎn)物的量有關(guān)，這2個部分都與熱量的積累有關(guān)，憑借對相對熱效應(yīng)與番茄分配指數(shù)之間的關(guān)系，借助番茄生長發(fā)育階段溫度的積累對某一階段番茄植株的分配指數(shù)進行預(yù)測[12-14]，采用邏輯斯蒂方程描述干物質(zhì)的動態(tài)分配過程：

(11)

式中，Wx為器官干重；Wxm為器官干重的最大值；a和b為模型參數(shù)。

番茄產(chǎn)量通過公式(12)進行模擬：

(12)

式中，Y為日產(chǎn)量；ΔW為干物質(zhì)日積累量；DMC為果實的干物質(zhì)含量，該模型中取0.05。

2試驗設(shè)計

田間試驗選擇T7#品種，為目前新疆地區(qū)種植范圍較廣的優(yōu)秀品種。試驗地位于新疆北坡下平原，地勢比較平坦，灌溉條件便利，土壤條件良好，肥力中等。秋季進行耕地和灌水，春季進行機力平、耙、壓復(fù)式作業(yè)，符合播種條件，非常適宜加工番茄的種植。土壤有機質(zhì)含量2.32%，堿解氮45.4 mg/kg，鉀187 mg/kg，磷7.3 mg/kg，含鹽量0.37%，pH為7.2，無鹽堿。4月中旬分3次移栽(間隔7 d)，并進行3次重復(fù)移栽，將地塊分為10個區(qū)域，采用新疆普遍使用的種植模式和大田管理規(guī)范。試驗地的氣象資料如表2所示。

表22014年新疆某番茄基地加工番茄產(chǎn)區(qū)氣溫和降水資料

Table 2Temperature and precipitation data of the processing tomato production base in Xinjiang in 2014

月份Month平均最高氣溫Averagehighesttemperature℃平均最低氣溫Averageminimumtemperature℃平均氣溫Averagetemperature℃平均降水量Averagerainfallmm平均日照時間Averagesunshinetime∥h418.03.010.5016.413.6525.210.217.7011.816.3630.014.522.258.217.2728.816.022.4017.918.0830.215.322.7510.618.2926.39.818.0512.616.31018.22.310.250.710.2

試驗期間仔細觀察加工番茄不同時間點的生長發(fā)育狀態(tài)，稱量關(guān)鍵時間點干物質(zhì)的積累量。在出苗階段每5 d取樣1次，其他生長發(fā)育階段每10 d進行1次取樣，選取具有普遍代表性的樣本，每次10株，破壞性地提取莖、葉、果實3個部分。將其中5組直接稱重即為鮮重，另外5組烘干稱重即為干物質(zhì)重量。

3單株產(chǎn)量預(yù)測

根據(jù)干物質(zhì)積累與產(chǎn)量形成模型的函數(shù)表達式以及表2中的數(shù)據(jù)，運用多元線性回歸方法確定參數(shù)值，將參數(shù)值帶入模型即可實現(xiàn)單株產(chǎn)量的模擬與預(yù)測。將干物質(zhì)積累量的實測值與預(yù)測值進行對比。從圖2可以看出，在對干物質(zhì)積累量的預(yù)測過程中，幼苗期實測值與預(yù)測值的差異較小。開花坐果期、結(jié)果期的實測值與預(yù)測值存在一定的差異，主要是由于外界環(huán)境因素、人工管理及測量誤差等所致。收獲期模擬結(jié)果與實際記錄數(shù)據(jù)大致符合?？傮w而言，預(yù)測結(jié)果與實際記錄數(shù)據(jù)之間差異較小，說明模型的擬合效果較好，實現(xiàn)了加工番茄干物質(zhì)積累量的預(yù)測。

對模型的檢驗采用國際上通用的“均方差根值法”，通過對預(yù)測結(jié)果和實際結(jié)果間的統(tǒng)計分析，來反映模型的預(yù)測效果，其表達式如下：

圖2　干物質(zhì)積累量預(yù)測值與實測值的比較Fig.2　Comparison of dry matter accumulation predicted and measured values

(13)

式中，OBSi為觀測值，SIMi為預(yù)測值，n為樣本的個數(shù)。

采用均方差根值法對干物質(zhì)積累與產(chǎn)量形成模擬模型進行檢驗，根據(jù)公式(13)確定RMSE值。3次試驗的RMSE值分別為0.156、0.211和0.321。RMSE值較小，說明模型的模擬結(jié)果與實際記錄數(shù)據(jù)之間存在良好的一致性，表明模型的預(yù)測精度較高。按平均每株番茄的果實個數(shù)為50顆(種植資料統(tǒng)計結(jié)果)，計算出單株產(chǎn)量。3次試驗的預(yù)測值分別為3.152、3.000和3.132，實測值分別為3.250、3.150和3.206，單株產(chǎn)量預(yù)測的相對誤差最大值為0.047，表明模型精度較好，基本上實現(xiàn)了加工番茄的單株產(chǎn)量預(yù)測。通過種植計劃查詢到種植密度，即可實現(xiàn)宏觀預(yù)測。干物質(zhì)積累與產(chǎn)量形成模擬模型主要通過對光合作用和呼吸作用的分析對干物質(zhì)的積累和分配進行模擬，憑借干物質(zhì)積累量與實際產(chǎn)量之間的數(shù)學(xué)關(guān)系確定平均單果重，定量化分析影響因素和產(chǎn)量之間的關(guān)系，最終實現(xiàn)單株產(chǎn)量預(yù)測。

4小結(jié)

為有效解決番茄制品加工期內(nèi)番茄日收獲產(chǎn)量與加工產(chǎn)能匹配問題，找到一種幫助制定具體種植計劃的輔助支持決策方法，筆者從植物生長機理入手建立了加工番茄干物質(zhì)積累與產(chǎn)量形成模型，并遵循光合作用、呼吸作用原理分析了干物質(zhì)的積累與分配過程，系統(tǒng)分析了溫度、光照、水分對產(chǎn)量的影響，又通過將這些影響因素細化，實現(xiàn)了加工番茄單株產(chǎn)量的預(yù)測。由于試驗條件的限制，該模型中只考慮了溫度、水分和光照，如何將更多的因素考慮在模型內(nèi)，從而提高該模型的預(yù)測精度，尚需要進一步研究。

參考文獻

[1] 陳桂芬，于合龍，曹麗英，等.數(shù)據(jù)挖掘與精準(zhǔn)農(nóng)業(yè)智能決策系統(tǒng)[M].北京：科學(xué)出版社，2011.

[2] 謝云，KINIRY J R.國外作物生長模型發(fā)展綜述[J].作物學(xué)報，2002，28(2)：190-195.

[3] 王亞莉，賀立源.作物生長模擬模型研究和應(yīng)用綜述[J].華中農(nóng)業(yè)大學(xué)學(xué)報，2005，2(5)：529-535.

[4] BECHINI L，BOCCHI S，MAGGIORE T，et al.Parameterization of a crop growth and development simulation model at sub-model components level.An example for winter wheat(TriticumaestivumL.)[J].Environmental modelling & software，2006，21(7)：1042-1054.

[5] HEUVELINK E.Evaluation of a dynamic simulation model for tomato crop growth and development[J].Annals of botany，1999，83(4)：413-422.

[6] MARCELIS L F M.Effects of sink demand on photosynthesis in cucumber[J].Journal of experimental botany，1991，42：1387-1392.

[7] MARCELIS L F M.Fruit growth and biomass allocation to the fruits in cucumber.1.Effect of fruit load and temperature[J].Scientia horticulturae，1993，54(2)：107-121.

[8] SPITTERS C J T，TOUSSAINT H，GOUDRIAAN J.Separating the diffuse and direct component of global radiation and its implications for modeling canopy photosynthesis Part I.Components of incoming radiation[J].Agricultural and forest meteorology，1986，38(1)：217-229.

[9] 葉子飄，于強.一個光合作用光響應(yīng)新模型與傳統(tǒng)模型的比較[J].沈陽農(nóng)業(yè)大學(xué)學(xué)報，2007(12)：771-775.

[10] BATCHELOR W D.Modelling potential crop growth processes[J].Agricultural systems，1997，54(1)：127-129.

[11] LEUTSCHER K J，VOGELEZANG J V M.A crop growth simulation model for operational management support in pot plant production[J].Agricultural systems，1990，33(2)：101-114.

[12] 倪紀(jì)恒，羅衛(wèi)紅，李永秀，等.溫室番茄干物質(zhì)分配與產(chǎn)量的模擬分析[J].應(yīng)用生態(tài)學(xué)報，2006，17(5)：811-816.

[13] HEUVELINK E.Dry matter partitioning in tomato：Validation of a dynamic simulation model[J].Annals of botany，1996，77(1)：71-80.

[14] 李靈芝，李海平，弓志青，等.現(xiàn)代化溫室番茄植株各器官鮮物質(zhì)和干物質(zhì)分配規(guī)律的研究[J].江西農(nóng)業(yè)大學(xué)學(xué)報，2003，25(4)：553-557.

基金項目國家自然科學(xué)基金項目(61064005)。

作者簡介陳華(1964- )，女，浙江寧波人，副教授，從事智能控制與系統(tǒng)開發(fā)。

收稿日期2016-04-06

中圖分類號S 641.2

文獻標(biāo)識碼A

文章編號0517-6611(2016)13-001-03

Study on Forecasting Method of Processing Tomato Yield per Plant in Xinjiang

CHEN Hua, CHEN Yu-jia, JIANG Bo

(School of Electrical Engineering, Xinjiang University, Urumqi, Xinjiang 830047)

AbstractStarting from plant physiology, under the background of planting environment and climate conditions of a tomato processing place in Xinjiang, through extensive collection of production management data, combined with field experiment, the relationship between influence factors and crop growth process and yield was analyzed. The mathematics modeling and control algorithm was applied to construct processing tomato dry matter accumulation and yield formation model. The accuracy of model was improved through thinning the effect of factors, so as to realize per plant yield prediction of processing tomato.

Key wordsProcessing tomato; Dry matter accumulation and yield formation model; Yield per plant prediction