朱鑫 林瓊 何淽琦 等 基于門控循環(huán)單元的基質(zhì)栽培黃瓜結(jié)果期蒸散量預測模型 J 福建農(nóng)業(yè)學報 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 基于門控循環(huán)單元的基質(zhì)栽培黃瓜結(jié)果期 蒸散量預測模型 朱 鑫1 2 林 瓊2 何淽琦2 易志剛1 3 1 福建農(nóng)林大學機電工程學院 福建 福州 350002 2 福建省農(nóng)業(yè)科學院資源環(huán)境與土壤肥料研究所 福建 福州 350013 3 福建農(nóng)林大學資源與環(huán)境學院 福建 福州 350002 摘 要 目的 實時 準確地預測基質(zhì)栽培黃瓜結(jié)果期蒸散量 指導基質(zhì)栽培黃瓜灌溉 方法 通過傳感器實 時獲取黃瓜結(jié)果期的溫室小氣候環(huán)境數(shù)據(jù) 用稱量法測量黃瓜蒸散量 以移栽時間 空氣溫度 空氣相對濕度 光 照強度及前5天的日均灌溉量為輸入變量 利用BP神經(jīng)網(wǎng)絡 Back propagation neural network BPNN 卷積神經(jīng)網(wǎng) 絡 Convolutional neural networks CNN 長 短 期 記 憶 網(wǎng) 絡 Long short term memory LSTM 和 門 控 循 環(huán) 單 元 Gated recurrent unit GRU 分別建立基質(zhì)栽培黃瓜蒸散量預測模型 比較不同模型的預測效果 模型數(shù)據(jù)集的時間間隔設(shè) 為20 min 結(jié)果 相較于BPNN CNN及LSTM模型 GRU模型的預測效果最好 其決定系數(shù) R2 均方根誤 差 RMSE 平 均 絕 對 誤 差 MAE 分 別為0 857 7 2 327 9 g和1 674 4 g 當 實 測 的 黃 瓜 每 日 實 時 累 積 蒸 散 量 超 過 50 g時 GRU模 型 預 測 的 黃 瓜 每 日 實 時 累 積 蒸 散 量 與 實 測 每 日 實 時 累 積 蒸 散 量 之 間 的 相 對 誤 差 最 小 在 0 11 10 01 結(jié)論 基于GRU的基質(zhì)栽培黃瓜結(jié)果期蒸散量預測模型預測效果最好 可為基質(zhì)栽培黃瓜的灌 溉系統(tǒng)提供參考 關(guān)鍵詞 蒸散量 基質(zhì)栽培 門控循環(huán)單元 預測模型 中圖分類號 S161 4 2 TP312 文獻標志碼 A 文章編號 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 作者簡介 朱鑫 1997 男 碩士研究生 主要從事機電一體化研究 E mail 18438606867 通信作者 林瓊 1972 男 副研究員 主要從事植物營養(yǎng)與無土栽培研究 E mail linqiong 基金項目 福建省科技計劃區(qū)域發(fā)展項目 2021N3008 福建省科技計劃公益類專項 2020R1025006 福建農(nóng)業(yè)學報 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 義 無 土 栽 培 技 術(shù) 應 用 于 蔬 菜 栽 培 可 以大幅度提高蔬菜的產(chǎn)量及品質(zhì) 1 茄果類蔬菜無土 栽培的主要栽培形式為基質(zhì)栽培 2 基質(zhì)栽培水分供 給過多或不足均會嚴重限制作物的產(chǎn)量與品質(zhì) 3 與 土 壤 相 比 基 質(zhì) 的 水 肥 供 應 緩 沖 性 較 差 故 基 質(zhì) 栽 培 對 灌 溉 提 出 了 更 高 的 要 求 指 導 作 物 灌 溉 的 重 要 指 標 是 作 物 需 水 量 又 稱 作 物 蒸 散 量 4 5 實 時 準 確 地 獲 取 作 物 蒸 散 量 是 建 立 灌 溉 決 策 系 統(tǒng) 的 前 提 6 7 黃 瓜 是 全 球 十 大 蔬 菜 和 中 國 七 大 蔬 菜 之 一 8 是 蔬 菜 市 場 的 主 要 產(chǎn) 品 在 黃 瓜 生 產(chǎn) 周 期 中 結(jié) 果 期 日 蒸 散 量 較 大 周 期 較 長 對 黃 瓜 產(chǎn) 量 和 品 質(zhì) 影 響 較 大 因 此 開 展 基 質(zhì) 栽 培 黃 瓜 結(jié) 果 期 蒸 散 量 研 究 具 有 重 要 意 義 前 人 研 究 進 展 目 前 作 物 蒸 散 量 的 測 量 方 法 主 要 包 括 水 平 衡 法 遙 感 法 空 氣 動 力 學 法 波 文 比 能 量 平 衡 法 和 蒸 滲 儀 法 等 9 10 研 究 中 應 用 較 多 的 是 蒸 滲 儀 法 蒸 滲 儀 法 主 要 用 于 大 田 作 物 蒸 散 量 的 測 定 應 用 范 圍 小 11 近 幾 年 盆 栽 作 物 的 連 續(xù) 稱 重 技 術(shù) 在 國 外 被 廣 泛 應 用 通 過 稱 重 傳 感 器 監(jiān) 測 作 物 的 重 量 變 化 得 到 作 物 蒸 散 量 12 然 而 在 稱 重 傳 感 器 采 集 數(shù) 據(jù) 過 程 中 由 于 傳 感 器 制 造 工 藝 監(jiān) 測 植 株 田 間 管 理 操 作 及 網(wǎng) 絡 波 動 等 因 素 傳 感 器 會 出 現(xiàn) 數(shù) 據(jù) 缺 失 數(shù) 據(jù) 異 常 等 情 況 影 響 灌 溉 決 策 的 制 定 13 14 近 年 來 機 器 學 習 在 預 測 作 物 蒸 散 量 上 取 得 了 良 好 進 展 準 確 地 預 測 作 物 蒸 散 量 對 制 定 科 學 的 灌 溉 制 度 具 有 重 要 意 義 15 17 作 物 蒸 散 量 受 時 間 序 列 的 影 響 Hochreiter 和Schmidhuber最早提出長短期記憶網(wǎng)絡 long short term memory LSTM LSTM可 以 很 好 地 解 決 時 間 序 列 的 問 題 18 門 控 循 環(huán) 單 元 gated recurrent unit GRU 將LSTM的3個 門 結(jié) 構(gòu) 簡 化為2個 門 結(jié) 構(gòu) 減 少 了 訓 練 時 間 提 高 了 模 型 計 算 效 率 李 莉 等 19 提 出 了 基 于 隨 機 森 林 和 門 控 循 環(huán) 單 元 結(jié) 合 的 算 法 random forest gated recurrent unit RF GRU RF GRU可 以 預 測 溫 室 番 茄 結(jié) 果 前 期 的 蒸 騰 量 本 研 究 切 入 點 目 前 國 內(nèi) 外 基 于 機 器 學 習 的 作 物 蒸 散 量 預 測 模 型 研 究 中 通 常 將 葉 面 積 作 為 模 型 的 一 個 重 要 輸 入 變 量 19 21 但 葉 面 積 數(shù) 據(jù) 難 以 實 時 獲 得 灌 溉 是 基 質(zhì) 栽 培 作 物 需 水 的 唯 一 來 源 基 質(zhì) 栽 培 作 物 灌 溉 量 與 作 物 蒸 散 量 直 接 相 關(guān) 且 作 物 蒸 散 量 預 測 日 之 前 的 灌 溉 量 數(shù) 據(jù) 可 以 實 時 獲 得 在 基 質(zhì) 栽 培 作 物 蒸 散 量 預 測 模 型 的 網(wǎng) 絡 結(jié) 構(gòu) 研 究 中 利 用 GRU等 網(wǎng) 絡 結(jié) 構(gòu) 對 基 質(zhì) 栽 培 黃 瓜 結(jié) 果 期 蒸 散 量 進 行 預 測 有 待 深 入 研 究 擬 解 決 的 關(guān) 鍵 問 題 本 研 究 用 作 物前5天 的 日 均 灌 溉 量 數(shù) 據(jù) 替 代 作 物 葉 面 積 數(shù) 據(jù) 作 為 模 型 輸 入 變 量 進 行 基 質(zhì) 栽 培 作 物 蒸 散 量 預 測 通 過 優(yōu) 化 模 型 輸 入 變 量 建 立 預 測 效 果 良 好 的 基 質(zhì) 栽 培 黃 瓜 結(jié) 果 期 蒸 散 量 預 測 模 型 為 基 質(zhì) 栽 培 黃瓜的灌溉提供科學依據(jù) 1 材料與方法 1 1 試驗概況 試 驗于2023年3月26日至6月9日 在 福 建 省 福 州 市 馬 尾 區(qū) 瑯 岐 鎮(zhèn) 的 玻 璃 溫 室 內(nèi) 進 行 119 62 39 E 26 10 17 N 海拔28 m 溫 室 配 置 有 外 遮 陽 天 窗 側(cè)窗及風機等 試驗區(qū)域尺寸為12 m 6 m 黃 瓜 品 種 為 天 津 綠 豐 園 藝 新 技 術(shù) 開 發(fā) 有 限 公 司 的 1874 選 取 三 葉 一 心 的 幼 苗 進 行 移 植 采 用 基 質(zhì) 袋 式 栽 培 的 方 式 基 質(zhì) 袋 直徑20 cm 高度20 cm 體 積6 28 L 試驗基質(zhì)為椰糠 每個基質(zhì)袋移植1株黃 瓜 幼 苗 基 質(zhì) 處 于 最 大 持 水 量 時 基 質(zhì) 和 黃 瓜 幼 苗 的 總 質(zhì) 量約3 450 g 當 基 質(zhì) 和 黃 瓜 植 株 的 總 質(zhì) 量 減少100 150 g時 啟 動 灌 溉 灌 溉 量 等 于 質(zhì) 量 減 少量 1 2 數(shù)據(jù)采集 利 用 布 置 在 溫 室 內(nèi) 距 地面2 m處 的 溫 濕 度 變 送 器 實 時 監(jiān) 測 溫 室 內(nèi) 的 空 氣 溫 度 及 空 氣 相 對 濕 度 利 用 布 置 在 溫 室 內(nèi) 作 物 冠 層 上 的 吸 頂 式 光 照 變 送 器 實 時 監(jiān) 測 溫 室 內(nèi) 的 光 照 強 度 傳 感 器 的 數(shù) 據(jù) 采 集 間 隔 設(shè)為10 s 溫 濕 度 變 送 器 的 型 號為YSAT01B 溫 度 測 量 范 圍 為 30 80 測 量 精 度 為 0 3 25 濕 度 測 量 范 圍 為0 100 測 量 精 度 為 3 25 吸 頂 式 光 照 變 送 器 的 型 號為PR 300XD2 N01 量 程為0 200 000 lx 測 量 精 度 為 7 25 利 用 平 行 梁 稱 重 傳 感 器 實 時 監(jiān) 測 基 質(zhì) 和 黃 瓜 植 株 的 總 質(zhì) 量 某 一 時 間 段 內(nèi) 平 行 梁 稱 重 傳 感 器 監(jiān) 測 到 的 質(zhì) 量 減 小 值 即 為 該 時 間 段 內(nèi) 的 作 物 蒸 散 量 每 天于6 00時 用 平 行 梁 稱 重 傳 感 器 監(jiān) 測 到 的 質(zhì) 量 減 去 18 00時 平 行 梁 稱 重 傳 感 器 監(jiān) 測 到 的 質(zhì) 量 加 上 日 灌 溉 量 即 為 作 物 日 蒸 散 量 平 行 梁 稱 重 傳 感 器 的 數(shù) 據(jù) 采 集 間 隔 設(shè) 為10 s 平 行 梁 稱 重 傳 感 器 的 型 號 為 第 5 期 朱鑫等 基于門控循環(huán)單元的基質(zhì)栽培黃瓜結(jié)果期蒸散量預測模型 533