论文部分内容阅读
叶温是影响植物生长的重要生理指标。叶温影响着植物含水量,气孔开闭状态及叶片蒸腾量等。日光温室是一个封闭的系统,气温、湿度,土壤水分,叶片蒸腾量,叶片湿度,CO2浓度等都会对叶温产生影响。由于冬季温室环境为低温高湿的状态,通风时间和光照时间短,因此极易发生病害。针对冬季日光温室的这一特点,为了提高番茄叶片的光和能力,提高产量,减少病害的发生,本文选择在冬季对番茄叶温进行了研究。A.在进行叶温预测模型之前,为了能够简便快捷的检测番茄叶片湿度情况,本试验研发了一种番茄叶片湿度指示剂,该指示剂在叶片湿度为50～60%、60～70%、70～80%、80～90%、90～100%的情况下,颜色逐渐由蓝绿过渡到粉红色,该变化清晰可见,能够通过指示剂颜色的改变快速直观的指示当时的叶片湿度值,该指示剂可以用于植株叶片湿度的判定,为温室生产提供指导和帮助。B.在进行叶温预测之前,首先通过建立温室内五个测点叶温和叶温均值的拟合找到最能代表温室叶温的位置,在此位置选取遮搭叶片,然后通过对遮搭叶片的研究找到温室中叶温最低的位置,并测量了该点的叶温,最后通过对该点叶温和气温、温室湿度、太阳辐射、光照度、二氧化碳含量等环境因素进行监测,经测算可以借助多元线性回归模型,以叶温为自变量,以温室内其他环境因素为因变量,建立不同天气情况下番茄叶片叶温预测模型。该试验在冬季进行,番茄处于开花坐果期,适宜温度为25～30℃,因此以25℃为划分依据,得出在温室日最高气温低于25℃时,所得到的叶温预测模型为Y = 54.316 + 0.607X1-0.157X2-0.014X3-0.001X5 + 0.715X6-0.711X7-18.723X8-0.208X9,在温室日最高气温大于等于25℃时,所得到的叶温预测模型为Y =100.462 + 0.023X1 + 0.106X2 + 0.003X3 + 0.001X4 + 0.003X5 + 2.410X6-3.930X7 +14.256X8 + 1.839X9。为了使模型更加简洁,本文通过皮尔森能关性分析、主成分分析和灰色关联分析对不同天气情况下叶温预测模型分别进行了简化,并带入数值进行了模型精度检验,最后得出在日最高气温低于25℃时,通过灰色关联简化的模型为Y =41.8-0.097X2 + 0.569X6-0.831X7-0.248X9,得出的最大误差值为1.67℃,误差累计值为17.98℃,预测值实测值拟合方程为Y = 0.9026X +0.2296,R2=0.8054,拟合度良好;在日最高气温大于等于25℃时,通过主成分分析法简化的模型为Y =-4.698 +1.143X1 + 0.045X2-0.006X3,得出的最大误差为3.96℃,误差累计值为27.76℃,预测值和实测值拟合方程为Y = 0.9218X +0.4049,R2=0.9495,拟合度良好。因此在实际生产中,可通过以上方法预测温室中叶片的最低温度,为温室环境调控提供帮助。