论文部分内容阅读
现代温室网纹甜瓜生产管理主要依靠植株周围的环境信息,水分的监测主要依赖基质水分传感器数据,进行灌溉决策,并且单点监测的数据代表性不够,大面积监测需要大量的传感器,精度有待增加。因此实时、快速、精准、有效的监测手段是解决甜瓜栽培精准化管理的关键之一。通过光谱和植物表型更敏感、快速地反映植株的水分状况,根据甜瓜植株本身水分状况进行合理灌溉能够有效提高水分利用率从而提高植株乃至果实品质;精确的监测手段能够更加节水高效,是促进甜瓜产业发展壮大的迫切需要。本研究以网纹甜瓜“网路”、“阿鲁斯”为实验材料,以建立甜瓜植株水分监测模型为目的,通过不同年份、不同水分处理试验,系统研究了两个品种网纹甜瓜不同生育期的水分监测模型,并用独立实验数据对模拟结果进行了验证,具体研究结论如下:1.幼苗期5060%、伸蔓期5570%及果实期5565%（相对含水量）处理下两个品种甜瓜在株高上较T1和T2高19.59%和14.93%;干鲜重上比其他处理高出64.29%、45.71%、24.34%和55.32%、31.67%、19.53%;叶片含水率较其他处理高出22.35%、8.55%和2.30%、茎粗、叶绿素含量及光合作用均优于其他处理,植株生长量最高2.冠层叶片一阶导数构建的NDVI610nm,805nm、RI641nm,998nm,决定系数r2分别为0.528和0.491。甜瓜上部叶片一阶导数构建的NDVI680nm,734nm、RI680nm,750nm及中部叶片一阶导数构建的RI603nm,758nm的模型,决定系数r2分别为0.746、0.743和0.707。利用独立试验数据对模型进行了检验,模型测试精度r2与相对均方根误差RRSME分别为0.667、0.660、0.600和1.409%、1.629%、1.923%。3.通过随机森林模型获取贡献度较高的5个VIP指标建立监测叶片含水率的神经网络模型并利用独立试验数据对模型进行了检验,模型测试精度相对均方根误差RRSME分别为1.62%、0.79%、0.66%。4.选择与植株冠层水分响应最敏感的3组特征波段:610nm、805nm;680nm、743nm和750nm、1040nm的植被指数NDVI、RI与三个生育期对获取的可见光、近红外图像获取的p值<0.05的表型指标作为多信息融合的输入,利用偏最小二乘-神经网络分析并进行了验证,最终模型拟合优度分别为0.710、0.857和0.939;MRE分别为1.27%、0.74%和0.07%;RRMSE分别为1.45%、0.97%和1.58%。通过多信息融合的方法,最大化利用甜瓜植株的水分信息,提高了苗期及伸蔓期植株含水率监测的精度。本研究确定两个品种温室网纹甜瓜各生育期灌溉阈值;融合了光谱监测及表型监测,提高监测模型精度,以此为基础分类植株所处基质含水量并判断自身水分状况,为后期生产上指导灌溉提供基础,实现不同生长阶段水分的精细管理。为建立以多信息为输入量的甜瓜灌溉管理决策模型提供依据。