论文部分内容阅读
随着社会经济快速发展的同时,水资源的短缺和劳动力成本的增加等问题不断涌现。加工番茄作为新疆的特色产业在全国有着举足轻重的地位,其种植面积占全国90%以上,产量占全国80%左右,经济效益显著。如果要对自动化膜下滴灌加工番茄的种植进行科学有效的管理,那么对其一些基础性的研究工作是必不可少的。本文针对加工蕃茄自动化滴灌系统下土壤墒情预报的问题,2010年、2011年在新疆生产建设兵团农八师国家农业科技园区,开展了土壤墒情预报的田间试验研究。以加工番茄大田中的墒情特征分析为基础,利用2010年观测到的0~20cm、20~40cm、40~60cm、60~100cm处的含水率值以及相应日平均气温数据为输入因子,分别以两日后和一周后的20~40cm处的含水率值为输出因子,建立一种以两日、一周为时间间隔的基于BP人工神经网络的土壤墒情预报模型,利用2011年的实测数据去验证训练好的网络,分析误差并检验模型精度。论文取得了以下研究成果:①科技园区壤土条件下,膜下滴灌加工番茄空间土壤水分存在中等或弱变异性;0~20cm层土壤含水率的空间结构性较差,而20~60cm层土壤含水率的空间结构性较为显著,其中20~40cm土层土壤含水率较为稳定,可代表加工番茄墒情状况的土层,并作为选择预报因子的依据。②膜下滴灌加工番茄在120m×90m尺度范围内,平均地块全方向的变程值为23.81m,若在变程内布设监测点就属于重复布点,合理的监测点布设数目为20个。③膜下滴灌加上番茄土壤垂直方向分为三层:0~20cm是表层急变层,该层土壤墒情受外界环境变化影响显著;20cm~60cm是活跃变化层,该层墒情变化比较活跃,但变化幅度较表层小;60cm~100cm是相对稳定层,土壤墒情变化很小,并且在灌水前、后,坐果期内的土壤含水率都要比红熟期的大。④建立三层结构的基于BP网络的膜下滴灌加工番茄墒情预报模型,并选择2010年的0~20cm、20~40cm、40~60cm、60~100cm处的含水率值以及相应日平均气温数据为预报模型的输入因子,分别以两日后和一周后的20~40cm处的含水率值为预报模型的输出因子,对模型进行训练,训练精度达到83%、87%,效果良好。⑤两日后的预报模型BP(5,9,1)的最大相对误差为14%,平均相对误差为3.7%,最大绝对误差为2.26%,平均绝对误差为1.13%;一周后的预报模型BP(5,9,1)的最大相对误差为11%,平均相对误差为3%,最大绝对误差为2%,平均绝对误差1.0%。建立的两种模型均能满足实际生产要求。该模型的预报精度达到85%以上,是符合预报要求的。