考虑日光温室空间异质性的黄瓜叶片湿润时间估算模型研究

　　摘要: 叶片湿润时间（LWD）是植物病害模型的重要输入变量之一，它与许多叶部病原菌的侵染有关，影响病原侵染和发育速率。为了准确地预测日光温室黄瓜病害的发生时间和方位，本研究于2019年3月和9月在北京两个不同类型日光温室内按照棋盘格法设置了9个采样点部署温湿光传感器和目测叶片湿润时间，每隔1 h采集一次温度、湿度、辐射和叶片湿润数据进行定量估算分析。分析结果表明：BP神经网络模型在两个温室的试验条件下获得了相似的准确度（ACC为0.90和0.92），比相对湿度经验模型估算叶片湿润时间的准确度（ACC为0.82和0.84）更高，平均绝对误差MAE分别为1.81和1.61 h，均方根误差RSME分别为2.10和1.87，决定系数R2分别为0.87和0.85；在晴天和多云天气条件下，叶片湿润时间的空间分布总体规律是南部＞中部＞北部，南面是叶片湿润平均时间（12.17 h/d）最长的区域；由东向西方向上，叶片湿润时间的空间分布总体规律是东部＞西部＞中部，中部是叶片湿润平均时间（4.83 h/d）最短的区域；雨天的叶片湿润平均时间比晴天和多云长，春季和秋季分别为17.15和17.41 h/d。这些变化和差异对温室黄瓜种群水平方向的叶片湿润时间分布具有重要影响，与大多数高湿性黄瓜病害的发生规律密切相关。本研究为预测温室黄瓜病害分布提供了有价值的参考，对控制病害流行和减少农药使用具有重要意义，提出的区域化分析温室内叶片湿润时间的方法，可以为模拟日光温室叶片湿润时间的空间分布提供参考。

　　关键词: 日光温室；估算模型；区域化；叶片湿润时间;BP神经网络；传感器

　　1 引 言

　　植物表面的水是决定许多叶部病原菌能否侵染及产孢的关键因素[1]。大多植物病害爆发的风险与叶片湿润时间（Leaf Wetness Duration，LWD）成正比[2]，通常将LWD作为驱动变量模拟植物病害的发展进程[3-5]。在日光温室中，黄瓜叶片湿润是由结露、棚膜滴水、上层叶向下层叶滴水等物理现象和吐水、蒸腾作用等生理现象造成的。根据Sentelhas等[6]和Gleason等[7]研究建议，每天的叶片湿润时间误差低于2 h可在病害预警系统中操作使用，原因是在一种作物的一个时期内，每天测得的叶片湿润时间的变化经常超过2 h。由于冬季低温寡照的灾害天气影响温室的通风时间，极易在温室内形成高湿环境，会诱发黄瓜霜霉病等流行性病害[8]，如黄瓜霜霉菌孢子囊在15~20℃下保湿2 h即可完成侵染过程[9]。因此，叶片湿润时间的研究一直是国内外学者关注的热点。

　　2 试验材料和方法

　　2.1　田间试验场地与材料

　　春季试验于2019年3月至6月在北京市昌平区小汤山国家精准农业示范基地（以下简称“小汤山”）（北纬40.18°，东经116.47°）内进行。选取1间未重茬的日光温室，日光温室长、宽分别为50和7 m，以聚乙烯薄膜为采光材料。供试材料“京研迷你2号”黄瓜品种购于北京市农林科学院蔬菜中心。2月26日施有机肥（1750 kg）和复合肥（7.5 kg）。同时做垄，垄宽80 cm，垄间距60 cm，南北走向，每垄2行，共32垄。定植前用烟剂（异丙威）熏棚。两叶一心时定植于栽培垄（3月5日）。

　　秋季试验于2019年9月至11月在北京市房山区弘科农场北京市农林科学院示范基地（以下简称房山）（北纬39.63°，东经115.97°）内进行，日光温室长、宽分别为80和7 m，采光材料为聚乙烯薄膜。种植品种为“北农佳秀”。8月25日施有机肥（1500 kg）。垄宽60 cm，垄间距60 cm，东西走向，每垄2行，共5垄。两叶一心时定植于栽培垄（9月2日）。

　　小汤山温室和房山温室均为单屋面日光温室，并且都未安装加温或降温设备，灌溉方式均采用膜下滴灌。

　　2.2　传感器布置

　　如图1所示，在小汤山温室和房山温室中以棋盘格取样法标记9个数据采集点，分别命名为A，B，C，D，E，F，G，H和I。在每个观测点距地面1m处安置1个小气候监测节点（ENVIROMONITOR，Davis Instruments, Hayward, California，USA）用于采集温度、湿度、太阳辐射和叶片湿润数据，设置每15 min记录一次。温室外放置1个与温室内相同的气象站，命名为J，传感器高度为1.5 m，记录温室外的天气状况，时间间隔与温室内保持一致。数据通过Wi-Fi传输下载收集。

　　3 结果与分析

　　3.1　叶片湿润判断结果

　　BPNN和RHM的平均输出结果（表1）表明，在774次测试数据估算小汤山温室内不同方位的叶片是否湿润中，BPNN和RHM模拟到叶片出现湿润且实际发生湿润的次数分别为314次和224次，模拟到叶片未出现湿润且实际也未发生湿润的次数分别为383次和409次，模拟到叶片未出现湿润但实际发生湿润的次数分别为46次和136次，模拟到叶片出现湿润但实际未发生湿润次数分别为31次和5次，表明RHM容易出现误判。平均BPNN真阳性比例（TP=0.87）高于平均RHM（TP=0.62），平均BPNN假阴性比例（FN=0.13）低于平均RHM（FN=0.38），BPNN比RHM预测发生叶片湿润的准确度更高，漏报率更低。平均BPNN假阳性比例（FP=0.07）高于平均RHM（FP=0.01），平均BPNN真阴性比例（TN=0.93）低于平均RHM（TN=0.99），平均BPNN预测未发生叶片湿润的准确度略低于平均RHM。平均BPNN准确度（ACC=0.90）优于平均RHM（ACC=0.82），平均BPNN约登指数（J=0.80）高于平均RHM（J=0.61），表明BPNN预测结果真实性高于RHM。

　　3.2　叶片湿润时间估算模型的效果评估

　　图2为两个温室内不同位置下BPNN和RHM估算值与实测值之间的叶片湿润时间比较。在小汤山温室和房山温室的RHM结果中，数据偏离1:1直线，9个方位都存在超过连续2个小时以上叶片湿润时间没有被预测到的情况，最大偏差为12h。在BPNN结果中，小汤山和房山两个温室的预测值和实测值具有较好的对应关系，能够准确地反映每晚叶片湿润时间。

　　4 讨论与结论

　　本试验基于BPNN模型估算小汤山和房山温室内各9个方位的叶片湿润时间，平均绝对误差MAE分别为1.81和1.61 h，与已报道的小麦[15]和番茄[17]有0.5 h左右的差距，原因可能是黄瓜叶片的湿润特性与小麦和番茄不同[22]。尽管神经网络模型没有明确环境因子和叶片湿润时间之间的关系变化，但它强大的特征提取能力非常适合在数据挖掘时实现对输出数据的非线性拟合，所以仍可用于估算叶片湿润时间[23]。日光温室内夜间温度由南向北逐渐升高，湿度与之相反，白天辐射由南向北依次减弱，中部温度整天高于东西两侧[18,24]，本研究中湿润时间的分布规律在南北向与温度分布规律相反，与相对湿度和辐射分布规律相同，东西方向上中部温度较高，湿润时间较短，东部的温室出入口使东部温度低于西部，是东部湿润时间高于西部的主要原因，雨天温室内相对湿度大，易造成叶片湿润，表明日光温室环境因子的差异性会影响叶片湿润时间。本研究使用了2019年3月至11月小汤山和房山两个温室的环境数据作为BPNN模型的测试数据，模拟效果较好，但BPNN模型能否预测不同季节和不同品种的黄瓜叶片湿润时间还需要进一步验证，后续可利用不同品种、不同年份和不同地区的实际叶片湿润时间验证模型，从而提高模型的泛化性[25,26]。

　　参考文献:

　　[1] 李明, 赵春江, 李道亮, 等. 日光温室黄瓜叶片湿润传感器校准方法[J]. 农业工程学报, 2010, 26(2): 224-230.

　　LI M, ZHAO C, LI D, et al. Calibration method of leaf wetness sensor for cucumber in solar greenhouse[J]. Transactions of the CSAE, 2010, 26(2): 224-230.

　　[2] SENTELHAS P C, GILLESPIE T J, GLEASON M L, et al. Evaluation of a Penman-Monteith approach to provide “reference” and crop canopy leaf wetness duration estimates[J]. Agricultural and Forest Meteorology, 2006, 141(2-4): 105-117.

　　作者刘鉴 1,2, 任爱新 1, 刘冉 1,2, 纪涛 1,2, 刘慧英 1*, 李明 1,2*

　　推荐阅读：农业调研报告论文发表浅析温室黄瓜高产栽培

　　

《考虑日光温室空间异质性的黄瓜叶片湿润时间估算模型研究》

上一篇：高校“学习型团支部”的创建路径与管理方略

下一篇：面向番茄植株相近色目标识别的多波段图像融合方法