基于BP神经网络算法的温室番茄CO2增施策略优化

来源：农业机械学报杂志2015年第8期北京时间：

作者：张漫,李婷,季宇寒,沙莎,蒋毅琼,李民赞

单位：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,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,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,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,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,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,

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1 000~1 300 μmol/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。

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

基金资助：国家自然科学基金资助项目（31271619）和高等学校博士学科点专项科研基金资助项目（20110008130006）