论文部分内容阅读
光合作用优劣程度直接影响作物产量及品质，而整株不同叶位光合作用的强弱不仅与光照、温度、CO2等有关，且与不同叶位的光合特性显著相关。因此，如何实现多环境因子互作下的作物整株光合最优调控成为提高作物整株光合能力的关键。人工补光技术可有效提升设施作物生长所需光环境需求，进而提高作物光合能力。但传统补光模式多以功能叶位光合能力为基准进行冠层补光，导致顶叶新生叶补光过多易造成光抑制甚至光破坏。而株间功能叶位由于叶片交叉遮挡以及自然光垂直衰减造成补光不足，影响作物整株产量以及品质。因此，针对以上问题，本文以黄瓜为研究对象，研究基于作物光合及荧光特性的顶叶光抑制点目标光强获取方法、株间适宜叶位区间光环境调控目标值获取方法以及作物立体光环境优化调控系统验证，为设施作物光环境优化调控提供新思路以及新方法。本文主要研究内容及结论如下： （1）基于光合及荧光特性的顶叶新生叶光环境调控目标值获取方法。以设施黄瓜为试验对象，获取不同叶位、光照强度、温度、CO2浓度耦合条件下的净光合速率为试验样本，采用PSO-BP构建黄瓜整株光合速率预测模型。以光合速率预测模型为基础，采用PSO-SVR获取顶叶新生叶需光模型，异校验分析发现顶叶需光模型决定系数为0.9993，均方根误差为1.614μmol·m-2·s-1，直线斜率为0.9982，截距为1.2，模型精度高，拟合效果好。以此需光模型为基准，设计可逆失活荧光试验，获取顶叶光抑制点目标光强，采用多项式拟合方法建立顶叶光抑制点阈值调控模型，模型验证结果表明，决定系数为0.9999，均方根误差为11.03μmol·m-2·s-1。为设施作物顶叶光环境按需精准调控提供了高效生理模型。 （2）基于不同叶位需光差异性的株间适宜区间光环境调控目标值获取方法。基于作物整株不同叶位之间的光合特性差异性，以光合速率预测模型为适应度函数，采用MPGA获取叶位与最大光合速率之间的响应曲线。设计不同叶位叶绿素含量测量试验，获取叶位与叶绿素之间的响应曲线。基于上述响应曲线分析，精准获取作物株间适宜叶位区间为5-7叶位。基于此适宜叶位区间，采用PSO-SVR算法获取株间适宜叶位区间光环境优化调控模型，对该模型进行异校验分析可得决定系数为0.9998，均方根误差为1.369μmol·m-2·s-1，直线斜率为0.9954，截距为3.609，为作物株间高效精准补光奠定了良好的理论基础。 （3）基于立体光环境优化调控系统的设施黄瓜立体需光模型验证。基于顶叶以及株间适宜叶位区间需光模型，以无线传感网络为基础，以立体补光调控系统为载体，采用机器学习建模方法实现需光模型高精度移植。开展立体补光、冠层补光以及自然对照处理验证试验，进行为期90天的补光效果验证，以不同叶位光合能力、叶绿素含量，作物株高、径粗、花果数、产量及品质等指标进行验证。结果表明，立体补光较自然对照：光合能力最大提升31.1%，株高平均提升27%，径粗平均提升36%，花果数提升95.4%，叶绿素含量平均提升7.5%，产量平均提升38.5%，可溶性固形物提升约15.2%，可溶性糖提升约20.4%，维生素C提升约5.63%。因此，立体需光模型的精准构建，为设施作物优产优质具有重要的意义。