基于门控循环单元的基质栽培黄瓜结果期蒸散量预测模型_朱鑫.pdf

朱鑫 林琼 何淽琦 等 基于门控循环单元的基质栽培黄瓜结果期蒸散量预测模型 J 福建农业学报 2024 39 5 532 539 ZHU X LIN Q HE Z Q et al Models for Predicting Evapotranspiration of Fruiting Cucumber Plants in Greenhouse J Fujian Journal of Agricultural Sciences 2024 39 5 532 539 基于门控循环单元的基质栽培黄瓜结果期 蒸散量预测模型 朱 鑫1 2 林 琼2 何淽琦2 易志刚1 3 1 福建农林大学机电工程学院 福建 福州 350002 2 福建省农业科学院资源环境与土壤肥料研究所 福建 福州 350013 3 福建农林大学资源与环境学院 福建 福州 350002 摘 要 目的 实时 准确地预测基质栽培黄瓜结果期蒸散量 指导基质栽培黄瓜灌溉 方法 通过传感器实 时获取黄瓜结果期的温室小气候环境数据 用称量法测量黄瓜蒸散量 以移栽时间 空气温度 空气相对湿度 光 照强度及前5天的日均灌溉量为输入变量 利用BP神经网络 Back propagation neural network BPNN 卷积神经网 络 Convolutional neural networks CNN 长 短 期 记 忆 网 络 Long short term memory LSTM 和 门 控 循 环 单 元 Gated recurrent unit GRU 分别建立基质栽培黄瓜蒸散量预测模型 比较不同模型的预测效果 模型数据集的时间间隔设 为20 min 结果 相较于BPNN CNN及LSTM模型 GRU模型的预测效果最好 其决定系数 R2 均方根误 差 RMSE 平 均 绝 对 误 差 MAE 分 别为0 857 7 2 327 9 g和1 674 4 g 当 实 测 的 黄 瓜 每 日 实 时 累 积 蒸 散 量 超 过 50 g时 GRU模 型 预 测 的 黄 瓜 每 日 实 时 累 积 蒸 散 量 与 实 测 每 日 实 时 累 积 蒸 散 量 之 间 的 相 对 误 差 最 小 在 0 11 10 01 结论 基于GRU的基质栽培黄瓜结果期蒸散量预测模型预测效果最好 可为基质栽培黄瓜的灌 溉系统提供参考 关键词 蒸散量 基质栽培 门控循环单元 预测模型 中图分类号 S161 4 2 TP312 文献标志码 A 文章编号 1008 0384 2024 05 0532 08 Models for Predicting Evapotranspiration of Fruiting Cucumber Plants in Greenhouse ZHU Xin1 2 LIN Qiong2 HE Zhiqi2 YI Zhigang1 3 1 College of Mechanical and Electrical Engineering Fujian Agriculture and Forestry University Fuzhou Fujian 350002 China 2 College of Resources and Environment Fujian Agriculture and Forestry University Fuzhou Fujian 350002 China 3 College of Resources and Environment Fujian Agriculture and Forestry University Fuzhou Fujian 350002 China Abstract Objective Mathematic models for accurate real time prediction on evapotranspiration of greenhouse cucumber plants during fruiting period were evaluated to optimize the irrigation operation Method Cucumber plants were cultivated in a greenhouse During the fruiting period microclimate conditions were automatically monitored by sensors and recorders and plant evapotranspiration determined by weighing the fruits Using transplanting time air temperature relative humidity light intensity and daily average irrigation amount of previous 5d as inputs models including the Back Propagation Neural Network BPNN Convolutional Neural Networks CNN Long Short Term Memory LSTM and Gated Recurrent Unit GRU were evaluated according to the cucumber evapotranspiration prediction A data collection interval of 20min was applied Result Of the tested models GRU performed with the highest coefficient of determination R2 of 0 8577 root mean square error RMSE of 2 3279 g and mean absolute error MAE of 1 6744 g It also yielded the lowest relative error fluctuation between the predicted and the measured data ranging from 0 11 to 10 01 when the daily real time cumulative 收稿日期 2023 12 21 修回日期 2024 01 15 作者简介 朱鑫 1997 男 硕士研究生 主要从事机电一体化研究 E mail 18438606867 通信作者 林琼 1972 男 副研究员 主要从事植物营养与无土栽培研究 E mail linqiong 基金项目 福建省科技计划区域发展项目 2021N3008 福建省科技计划公益类专项 2020R1025006 福建农业学报 2024 39 5 532 539 Fujian Journal of Agricultural Sciences doi 10 19303 j issn 1008 0384 2024 05 004 evapotranspiration of cucumbers exceeded 50 g Conclusion The GRU based model could best predict the greenhouse cucumber evapotranspiration at fruiting stage The information could aid better water management for cucumber cultivation Key words evapotranspiration substrate cultivation gated recurrent unit prediction model 0 引言 研 究 意 义 无 土 栽 培 技 术 应 用 于 蔬 菜 栽 培 可 以大幅度提高蔬菜的产量及品质 1 茄果类蔬菜无土 栽培的主要栽培形式为基质栽培 2 基质栽培水分供 给过多或不足均会严重限制作物的产量与品质 3 与 土 壤 相 比 基 质 的 水 肥 供 应 缓 冲 性 较 差 故 基 质 栽 培 对 灌 溉 提 出 了 更 高 的 要 求 指 导 作 物 灌 溉 的 重 要 指 标 是 作 物 需 水 量 又 称 作 物 蒸 散 量 4 5 实 时 准 确 地 获 取 作 物 蒸 散 量 是 建 立 灌 溉 决 策 系 统 的 前 提 6 7 黄 瓜 是 全 球 十 大 蔬 菜 和 中 国 七 大 蔬 菜 之 一 8 是 蔬 菜 市 场 的 主 要 产 品 在 黄 瓜 生 产 周 期 中 结 果 期 日 蒸 散 量 较 大 周 期 较 长 对 黄 瓜 产 量 和 品 质 影 响 较 大 因 此 开 展 基 质 栽 培 黄 瓜 结 果 期 蒸 散 量 研 究 具 有 重 要 意 义 前 人 研 究 进 展 目 前 作 物 蒸 散 量 的 测 量 方 法 主 要 包 括 水 平 衡 法 遥 感 法 空 气 动 力 学 法 波 文 比 能 量 平 衡 法 和 蒸 渗 仪 法 等 9 10 研 究 中 应 用 较 多 的 是 蒸 渗 仪 法 蒸 渗 仪 法 主 要 用 于 大 田 作 物 蒸 散 量 的 测 定 应 用 范 围 小 11 近 几 年 盆 栽 作 物 的 连 续 称 重 技 术 在 国 外 被 广 泛 应 用 通 过 称 重 传 感 器 监 测 作 物 的 重 量 变 化 得 到 作 物 蒸 散 量 12 然 而 在 称 重 传 感 器 采 集 数 据 过 程 中 由 于 传 感 器 制 造 工 艺 监 测 植 株 田 间 管 理 操 作 及 网 络 波 动 等 因 素 传 感 器 会 出 现 数 据 缺 失 数 据 异 常 等 情 况 影 响 灌 溉 决 策 的 制 定 13 14 近 年 来 机 器 学 习 在 预 测 作 物 蒸 散 量 上 取 得 了 良 好 进 展 准 确 地 预 测 作 物 蒸 散 量 对 制 定 科 学 的 灌 溉 制 度 具 有 重 要 意 义 15 17 作 物 蒸 散 量 受 时 间 序 列 的 影 响 Hochreiter 和Schmidhuber最早提出长短期记忆网络 long short term memory LSTM LSTM可 以 很 好 地 解 决 时 间 序 列 的 问 题 18 门 控 循 环 单 元 gated recurrent unit GRU 将LSTM的3个 门 结 构 简 化为2个 门 结 构 减 少 了 训 练 时 间 提 高 了 模 型 计 算 效 率 李 莉 等 19 提 出 了 基 于 随 机 森 林 和 门 控 循 环 单 元 结 合 的 算 法 random forest gated recurrent unit RF GRU RF GRU可 以 预 测 温 室 番 茄 结 果 前 期 的 蒸 腾 量 本 研 究 切 入 点 目 前 国 内 外 基 于 机 器 学 习 的 作 物 蒸 散 量 预 测 模 型 研 究 中 通 常 将 叶 面 积 作 为 模 型 的 一 个 重 要 输 入 变 量 19 21 但 叶 面 积 数 据 难 以 实 时 获 得 灌 溉 是 基 质 栽 培 作 物 需 水 的 唯 一 来 源 基 质 栽 培 作 物 灌 溉 量 与 作 物 蒸 散 量 直 接 相 关 且 作 物 蒸 散 量 预 测 日 之 前 的 灌 溉 量 数 据 可 以 实 时 获 得 在 基 质 栽 培 作 物 蒸 散 量 预 测 模 型 的 网 络 结 构 研 究 中 利 用 GRU等 网 络 结 构 对 基 质 栽 培 黄 瓜 结 果 期 蒸 散 量 进 行 预 测 有 待 深 入 研 究 拟 解 决 的 关 键 问 题 本 研 究 用 作 物前5天 的 日 均 灌 溉 量 数 据 替 代 作 物 叶 面 积 数 据 作 为 模 型 输 入 变 量 进 行 基 质 栽 培 作 物 蒸 散 量 预 测 通 过 优 化 模 型 输 入 变 量 建 立 预 测 效 果 良 好 的 基 质 栽 培 黄 瓜 结 果 期 蒸 散 量 预 测 模 型 为 基 质 栽 培 黄瓜的灌溉提供科学依据 1 材料与方法 1 1 试验概况 试 验于2023年3月26日至6月9日 在 福 建 省 福 州 市 马 尾 区 琅 岐 镇 的 玻 璃 温 室 内 进 行 119 62 39 E 26 10 17 N 海拔28 m 温 室 配 置 有 外 遮 阳 天 窗 侧窗及风机等 试验区域尺寸为12 m 6 m 黄 瓜 品 种 为 天 津 绿 丰 园 艺 新 技 术 开 发 有 限 公 司 的 1874 选 取 三 叶 一 心 的 幼 苗 进 行 移 植 采 用 基 质 袋 式 栽 培 的 方 式 基 质 袋 直径20 cm 高度20 cm 体 积6 28 L 试验基质为椰糠 每个基质袋移植1株黄 瓜 幼 苗 基 质 处 于 最 大 持 水 量 时 基 质 和 黄 瓜 幼 苗 的 总 质 量约3 450 g 当 基 质 和 黄 瓜 植 株 的 总 质 量 减少100 150 g时 启 动 灌 溉 灌 溉 量 等 于 质 量 减 少量 1 2 数据采集 利 用 布 置 在 温 室 内 距 地面2 m处 的 温 湿 度 变 送 器 实 时 监 测 温 室 内 的 空 气 温 度 及 空 气 相 对 湿 度 利 用 布 置 在 温 室 内 作 物 冠 层 上 的 吸 顶 式 光 照 变 送 器 实 时 监 测 温 室 内 的 光 照 强 度 传 感 器 的 数 据 采 集 间 隔 设为10 s 温 湿 度 变 送 器 的 型 号为YSAT01B 温 度 测 量 范 围 为 30 80 测 量 精 度 为 0 3 25 湿 度 测 量 范 围 为0 100 测 量 精 度 为 3 25 吸 顶 式 光 照 变 送 器 的 型 号为PR 300XD2 N01 量 程为0 200 000 lx 测 量 精 度 为 7 25 利 用 平 行 梁 称 重 传 感 器 实 时 监 测 基 质 和 黄 瓜 植 株 的 总 质 量 某 一 时 间 段 内 平 行 梁 称 重 传 感 器 监 测 到 的 质 量 减 小 值 即 为 该 时 间 段 内 的 作 物 蒸 散 量 每 天于6 00时 用 平 行 梁 称 重 传 感 器 监 测 到 的 质 量 减 去 18 00时 平 行 梁 称 重 传 感 器 监 测 到 的 质 量 加 上 日 灌 溉 量 即 为 作 物 日 蒸 散 量 平 行 梁 称 重 传 感 器 的 数 据 采 集 间 隔 设 为10 s 平 行 梁 称 重 传 感 器 的 型 号 为 第 5 期 朱鑫等 基于门控循环单元的基质栽培黄瓜结果期蒸散量预测模型 533