新疆加工番茄单株产量的预测方法研究

陈 华，陈玉佳，姜 波

(新疆大学电气工程学院，新疆乌鲁木齐 830047)



新疆加工番茄单株产量的预测方法研究

陈 华，陈玉佳，姜 波

(新疆大学电气工程学院，新疆乌鲁木齐 830047)

摘要从植物生理学入手，以新疆某加工番茄种植地的种植环境和气候条件为背景，通过广泛收集生产管理资料，结合田间试验，分析各影响因素与作物生长发育过程和产量之间的关系，应用数学建模技术和控制算法构造加工番茄干物质积累与产量形成模型，并通过细化影响因素的作用来提高模型的精准性，实现加工番茄的单株产量预测。

关键词加工番茄；干物质积累与产量形成模型；单株产量预测

现代农业的一个基础内容就是构建完善的信息服务体系[1]。作物模型已经成为农业向数字化迈进的基础工具，也成为一些发达国家重要的研究领域[2-4]。目前，我国加工番茄种植领域的产量预测的研究大都以宏观预测为主，主要是根据历史数据寻找作物产量与影响因素之间的关系，为宏观上的产业规划提供支持。笔者从植物生理学入手，通过对生长发育模型的分析，分析各影响因素与作物生长发育过程和产量之间的关系，建立单株产量模型，并通过细化影响因素的作用来提高模型的精准性，从而建立了一种加工番茄单株产量预测方法。

1干物质积累与产量形成模型

干物质是饲料学、植物生理学等学科中的一个专业术语，是将有机体在60～90 ℃恒温下经过充分干燥后剩余有机物的重量，可以评价植物有机物的积累情况。

从图1可以看出，光合作用和呼吸作用是干物质积累的动力来源，下面通过2个部分对干物质积累与产量形成模型进行介绍。

1.1光合作用光合作用是吸收环境中CO2的反应，指CO2向稳定碳水化合物转化的阶段。对于光合作用的模拟方法很多，主要有直角双曲线模型[5]、非直角双曲线模型[6]、负指数法模型[7]及利用二项回归的方法[8]，其中直角双曲线模型和非直角双曲线模型目前应用比较广泛[9]。笔者选用负指数模型对单叶光合速率进行分析。

图1　加工番茄的单株干物质积累流程Fig.1　Dry matter accumulaion process of per plant processed tomato

Pl=Pmax×(1-exp(-ε×PAR/Pmax))

(1)

式中，Pl为单叶光合速率；ε为单叶光合量子效率，该模型中取0.45；Pmax为光饱和时单叶光合速率的最大值，该模型中取37；PAR为光合有效辐射。

单位面积上植株全部可见部分进行光合作用的总量称为冠层光合速率，其确定方法包括大叶模型和多层模型。目前应用较多的是多层模型，依据高斯积分法将冠层分成3～5层，依据每层对冠层光合量的贡献不同求取冠层光合速率。Gaussian 冠层分层按公式(2)进行计算：

LGUSS(i)=DIS(i)×LAI，i=1，2，3

(2)

式中，LGUSS(i)为高斯分层的冠层深度；DIS(i)表示将冠层分为3层时的距离系数；LAI表示叶面积指数。

冠层每日总光合量的求取采用公式(3)来计算。

DTGA=∑(TFG(t))，t=1,2,3，…，24

(3)

TFG=(∑(FGL(i)×WT(i))×LAI，i=1，2，3

(4)

FGL(i)=Pmax×(1-exp(-ε×PAR(i)/Pmax))

(5)

PAR(i)=PAR×(1-ρ)×k×exp(-k×LGUSS(i))

(6)

式中，DTGA为冠层每日光合总量；TFG(t)为t时刻冠层的瞬时光合速率；TFG为冠层的瞬时光合作用速率；FGL(i)为冠层各层的瞬时光合作用速率；WT(i)为高斯积分法的权重；PAR为光合有效辐射；ρ为冠层对光合有效辐射的反射率；k为冠层消光系数，该模型中取0.7。

将冠层分为不同层数时模型中权重值(WT)与距离系数(DIS)[10]的取值如表1所示。

表1高斯三点积分法和五点积分法的WT和DIS

Table 1WTandDISof the three integral method and the five integral method of Gauss

采样点SamplingsiteWT(i)WT(j)DIS(i)DIS(j)10.27780.11850.11270.046920.44440.23930.50000.230830.27780.28440.88730.500040.23930.769150.11850.9531

1.2呼吸作用呼吸作用是光合作用产物被分解的阶段。McCree(1974年)将呼吸作用分为维持呼吸与生长呼吸。呼吸作用的表达式为：

R=RG+GM

(7)

RG=k×p

(8)

RM=Rm,25×W×Q(T-25)/10

(9)

式中，RG为生长呼吸；RM为维持呼吸；k为生长呼吸系数，取0.39；p为当日光合量；Rm,25表示温度25 ℃时维持呼吸消耗的系数，该模型中取0.015[11]；T为叶片温度，一般采用日平均温度替代；Q10为呼吸作用的温度系数，该模型中取2.0。

根据物质和能量守恒，群体净同化量等于光合作用的积累量与呼吸作用消耗的量的差值，因此干物质积累量可以由公式(10)所示。

ΔW=(λ×DTGA-RM)/G

(10)

式中，λ为CO2转化成葡萄糖的转换系数，λ=1 mol(CH2O)/1 molCO2=30/44=0.682；DTGA为每日冠层的总光合量；G为CH2O向干物质转化时的系数，该模型中取1.43。

干物质的分配与生长发育阶段及同化产物的量有关，这2个部分都与热量的积累有关，凭借对相对热效应与番茄分配指数之间的关系，借助番茄生长发育阶段温度的积累对某一阶段番茄植株的分配指数进行预测[12-14]，采用逻辑斯蒂方程描述干物质的动态分配过程：

(11)

式中，Wx为器官干重；Wxm为器官干重的最大值；a和b为模型参数。

番茄产量通过公式(12)进行模拟：

(12)

式中，Y为日产量；ΔW为干物质日积累量；DMC为果实的干物质含量，该模型中取0.05。

2试验设计

田间试验选择T7#品种，为目前新疆地区种植范围较广的优秀品种。试验地位于新疆北坡下平原，地势比较平坦，灌溉条件便利，土壤条件良好，肥力中等。秋季进行耕地和灌水，春季进行机力平、耙、压复式作业，符合播种条件，非常适宜加工番茄的种植。土壤有机质含量2.32%，碱解氮45.4 mg/kg，钾187 mg/kg，磷7.3 mg/kg，含盐量0.37%，pH为7.2，无盐碱。4月中旬分3次移栽(间隔7 d)，并进行3次重复移栽，将地块分为10个区域，采用新疆普遍使用的种植模式和大田管理规范。试验地的气象资料如表2所示。

表22014年新疆某番茄基地加工番茄产区气温和降水资料

Table 2Temperature and precipitation data of the processing tomato production base in Xinjiang in 2014

月份Month平均最高气温Averagehighesttemperature℃平均最低气温Averageminimumtemperature℃平均气温Averagetemperature℃平均降水量Averagerainfallmm平均日照时间Averagesunshinetime∥h418.03.010.5016.413.6525.210.217.7011.816.3630.014.522.258.217.2728.816.022.4017.918.0830.215.322.7510.618.2926.39.818.0512.616.31018.22.310.250.710.2

试验期间仔细观察加工番茄不同时间点的生长发育状态，称量关键时间点干物质的积累量。在出苗阶段每5 d取样1次，其他生长发育阶段每10 d进行1次取样，选取具有普遍代表性的样本，每次10株，破坏性地提取茎、叶、果实3个部分。将其中5组直接称重即为鲜重，另外5组烘干称重即为干物质重量。

3单株产量预测

根据干物质积累与产量形成模型的函数表达式以及表2中的数据，运用多元线性回归方法确定参数值，将参数值带入模型即可实现单株产量的模拟与预测。将干物质积累量的实测值与预测值进行对比。从图2可以看出，在对干物质积累量的预测过程中，幼苗期实测值与预测值的差异较小。开花坐果期、结果期的实测值与预测值存在一定的差异，主要是由于外界环境因素、人工管理及测量误差等所致。收获期模拟结果与实际记录数据大致符合。总体而言，预测结果与实际记录数据之间差异较小，说明模型的拟合效果较好，实现了加工番茄干物质积累量的预测。

对模型的检验采用国际上通用的“均方差根值法”，通过对预测结果和实际结果间的统计分析，来反映模型的预测效果，其表达式如下：

图2　干物质积累量预测值与实测值的比较Fig.2　Comparison of dry matter accumulation predicted and measured values

(13)

式中，OBSi为观测值，SIMi为预测值，n为样本的个数。

采用均方差根值法对干物质积累与产量形成模拟模型进行检验，根据公式(13)确定RMSE值。3次试验的RMSE值分别为0.156、0.211和0.321。RMSE值较小，说明模型的模拟结果与实际记录数据之间存在良好的一致性，表明模型的预测精度较高。按平均每株番茄的果实个数为50颗(种植资料统计结果)，计算出单株产量。3次试验的预测值分别为3.152、3.000和3.132，实测值分别为3.250、3.150和3.206，单株产量预测的相对误差最大值为0.047，表明模型精度较好，基本上实现了加工番茄的单株产量预测。通过种植计划查询到种植密度，即可实现宏观预测。干物质积累与产量形成模拟模型主要通过对光合作用和呼吸作用的分析对干物质的积累和分配进行模拟，凭借干物质积累量与实际产量之间的数学关系确定平均单果重，定量化分析影响因素和产量之间的关系，最终实现单株产量预测。

4小结

为有效解决番茄制品加工期内番茄日收获产量与加工产能匹配问题，找到一种帮助制定具体种植计划的辅助支持决策方法，笔者从植物生长机理入手建立了加工番茄干物质积累与产量形成模型，并遵循光合作用、呼吸作用原理分析了干物质的积累与分配过程，系统分析了温度、光照、水分对产量的影响，又通过将这些影响因素细化，实现了加工番茄单株产量的预测。由于试验条件的限制，该模型中只考虑了温度、水分和光照，如何将更多的因素考虑在模型内，从而提高该模型的预测精度，尚需要进一步研究。

参考文献

[1] 陈桂芬，于合龙，曹丽英，等.数据挖掘与精准农业智能决策系统[M].北京：科学出版社，2011.

[2] 谢云，KINIRY J R.国外作物生长模型发展综述[J].作物学报，2002，28(2)：190-195.

[3] 王亚莉，贺立源.作物生长模拟模型研究和应用综述[J].华中农业大学学报，2005，2(5)：529-535.

[4] BECHINI L，BOCCHI S，MAGGIORE T，et al.Parameterization of a crop growth and development simulation model at sub-model components level.An example for winter wheat(TriticumaestivumL.)[J].Environmental modelling & software，2006，21(7)：1042-1054.

[5] HEUVELINK E.Evaluation of a dynamic simulation model for tomato crop growth and development[J].Annals of botany，1999，83(4)：413-422.

[6] MARCELIS L F M.Effects of sink demand on photosynthesis in cucumber[J].Journal of experimental botany，1991，42：1387-1392.

[7] MARCELIS L F M.Fruit growth and biomass allocation to the fruits in cucumber.1.Effect of fruit load and temperature[J].Scientia horticulturae，1993，54(2)：107-121.

[8] SPITTERS C J T，TOUSSAINT H，GOUDRIAAN J.Separating the diffuse and direct component of global radiation and its implications for modeling canopy photosynthesis Part I.Components of incoming radiation[J].Agricultural and forest meteorology，1986，38(1)：217-229.

[9] 叶子飘，于强.一个光合作用光响应新模型与传统模型的比较[J].沈阳农业大学学报，2007(12)：771-775.

[10] BATCHELOR W D.Modelling potential crop growth processes[J].Agricultural systems，1997，54(1)：127-129.

[11] LEUTSCHER K J，VOGELEZANG J V M.A crop growth simulation model for operational management support in pot plant production[J].Agricultural systems，1990，33(2)：101-114.

[12] 倪纪恒，罗卫红，李永秀，等.温室番茄干物质分配与产量的模拟分析[J].应用生态学报，2006，17(5)：811-816.

[13] HEUVELINK E.Dry matter partitioning in tomato：Validation of a dynamic simulation model[J].Annals of botany，1996，77(1)：71-80.

[14] 李灵芝，李海平，弓志青，等.现代化温室番茄植株各器官鲜物质和干物质分配规律的研究[J].江西农业大学学报，2003，25(4)：553-557.

基金项目国家自然科学基金项目(61064005)。

作者简介陈华(1964- )，女，浙江宁波人，副教授，从事智能控制与系统开发。

收稿日期2016-04-06

中图分类号S 641.2

文献标识码A

文章编号0517-6611(2016)13-001-03

Study on Forecasting Method of Processing Tomato Yield per Plant in Xinjiang

CHEN Hua, CHEN Yu-jia, JIANG Bo

(School of Electrical Engineering, Xinjiang University, Urumqi, Xinjiang 830047)

AbstractStarting from plant physiology, under the background of planting environment and climate conditions of a tomato processing place in Xinjiang, through extensive collection of production management data, combined with field experiment, the relationship between influence factors and crop growth process and yield was analyzed. The mathematics modeling and control algorithm was applied to construct processing tomato dry matter accumulation and yield formation model. The accuracy of model was improved through thinning the effect of factors, so as to realize per plant yield prediction of processing tomato.

Key wordsProcessing tomato; Dry matter accumulation and yield formation model; Yield per plant prediction