基于光响应模31型与机器学习的番茄光合速率预测

来源：中国农机化学报杂志2026年第1期北京时间：

作者：王柯如, 任妮, 毛晓娟, 刘杨, 李远, 金晶

单位：1. 江苏大学农业工程学院，江苏镇江，212013； 2. 江苏省农业科学院农业信息所/农业农村部长三角智慧农业技术重点实验室，南京市，210014

摘要：构建温室作物光合速率预测模型对理解作物光合作用受环境因素的影响机制，优化作物生长条件，提高设施农业的智能化水平具有重要意义。为实现温室番茄光合速率的精准预测，开展不同温度、光量子通量密度嵌套试验，基于温度修正的直角双曲线模型、非直角双曲线模型、指数模型、直角双曲线修正模型、鲸鱼优化支持向量机回归算法和深度森林分别建立光合速率预测模型，并对比分析6个模型的预测效果。结果表明，机器学习算法预测精度优于光响应模型，其中鲸鱼优化支持向量机回归算法效果最佳，RMSE、MAE和R2分别为1.9717、1.3943、0.8658μmol/（m2·s）；光响应模型中，温度修正直角双曲线模型预测精度最佳，RMSE、MAE和R2分别为25934、1.8750、0.7635μmol/（m2·s）。研究表明，机器学习可以实现番茄光合速率精准预测，从而解析光合速率最优下对应的光温最佳参数值，可为设施光温优化调控提供支撑。

关键词：番茄,光合速率,机理模型,数据模型,机器学习

基金资助：江苏省农业科技自主创新资金项目（CX(22)3113）；“天府粮仓”数字农业川渝联合创新重点实验“火花任务”开放课题（TFSZHH2003）；农业农村部长三角智慧农业技术重点实验室开放基金（KSAT—YRD2023001）