胡 瑾 田紫薇 汪健康 盧有琦 辛萍萍,3 張海輝

(1.西北農(nóng)林科技大學(xué)機(jī)械與電子工程學(xué)院， 陜西楊凌 712100;2.農(nóng)業(yè)農(nóng)村部農(nóng)業(yè)物聯(lián)網(wǎng)重點(diǎn)實(shí)驗(yàn)室， 陜西楊凌 712100；3.陜西省農(nóng)業(yè)信息感知與智能服務(wù)重點(diǎn)實(shí)驗(yàn)室， 陜西楊凌 712100)

0 引言

CO2是綠色植物光合作用的主要原料之一，對(duì)作物生長(zhǎng)發(fā)育和物質(zhì)積累至關(guān)重要[1]。但由于溫室相對(duì)密閉，一天中隨著溫室光照強(qiáng)度和溫度條件的變化，作物對(duì)CO2的需求也會(huì)發(fā)生改變，導(dǎo)致CO2供需不匹配[2-4]。適宜的CO2濃度將有效促進(jìn)作物生長(zhǎng)，不足或過(guò)高時(shí)將對(duì)作物產(chǎn)生有害影響[5-9]。在CO2濃度較低或者中等階段，光合速率隨著CO2濃度增加而快速增大，CO2是影響該階段光合速率的主要因素，當(dāng)CO2超過(guò)一定濃度達(dá)到限制點(diǎn)后，光合速率增長(zhǎng)幅度逐漸變小[10]，若仍大量增加CO2，對(duì)植物光合速率提升效果不明顯且耗費(fèi)大量資源。因此，探尋適宜作物生長(zhǎng)的CO2濃度，建立融合調(diào)控效益的CO2優(yōu)化調(diào)控模型，已成為設(shè)施農(nóng)業(yè)中CO2環(huán)境高效調(diào)控亟待解決的問(wèn)題。

近年來(lái)，CO2環(huán)境調(diào)控方法已成為研究熱點(diǎn)。文獻(xiàn)[11]研究了生理生化CO2響應(yīng)模型，從生理角度分析了CO2響應(yīng)的影響因素。文獻(xiàn)[12]研究了日光溫室草莓光合特性及其對(duì)CO2濃度升高的響應(yīng)，并從生理角度分析原因，為CO2調(diào)控奠定生理基礎(chǔ)。文獻(xiàn)[13]研究發(fā)現(xiàn)，CO2濃度在(800±25)～(1 000±25) μmol/mol范圍內(nèi)時(shí)，番茄結(jié)果期葉片光合速率調(diào)控效果很好，為我國(guó)北方地區(qū)溫室番茄結(jié)果期的生產(chǎn)實(shí)踐提供了理論參考依據(jù)。文獻(xiàn)[14]對(duì)開(kāi)花期番茄增施1 000～1 300 μmol/mol的CO2，可較大提高番茄單葉凈光合速率。以上研究在固定范圍內(nèi)進(jìn)行CO2調(diào)控，該區(qū)域也就是CO2對(duì)光合速率影響由強(qiáng)變?nèi)醯淖兓瘏^(qū)，而光照強(qiáng)度和溫度等其他因素也會(huì)對(duì)CO2限制點(diǎn)產(chǎn)生動(dòng)態(tài)影響，因此該類(lèi)方法雖然一定程度提升了光合效率，但難以真正實(shí)現(xiàn)高效精準(zhǔn)調(diào)控。文獻(xiàn)[15-16]建立了番茄不同生長(zhǎng)期的光合速率預(yù)測(cè)模型，實(shí)現(xiàn)了不同含水率下以CO2飽和點(diǎn)為目標(biāo)值的精準(zhǔn)預(yù)測(cè)，為溫室CO2氣肥自動(dòng)調(diào)控提供了理論依據(jù)和決策支持。文獻(xiàn)[17]建立了溫度、光強(qiáng)與作物生長(zhǎng)階段的CO2飽和點(diǎn)之間的對(duì)應(yīng)關(guān)系，以CO2飽和濃度為目標(biāo)值進(jìn)行動(dòng)態(tài)最優(yōu)調(diào)控。文獻(xiàn)[18]提出了融合支持向量機(jī)-改進(jìn)型魚(yú)群算法的CO2優(yōu)化調(diào)控模型，在不同溫度、光照強(qiáng)度組合條件下動(dòng)態(tài)預(yù)測(cè)CO2飽和點(diǎn)，為CO2精準(zhǔn)調(diào)控提供定量依據(jù)。上述方法均以CO2飽和點(diǎn)進(jìn)行調(diào)控，而其位于CO2濃度較高階段時(shí)，隨著CO2濃度的增加，CO2響應(yīng)曲線增加趨勢(shì)變緩直至下降，因此以CO2飽和點(diǎn)進(jìn)行調(diào)控，雖然可以達(dá)到最大光合速率，但造成資源浪費(fèi)與調(diào)控效益下降。根據(jù)以上分析，如果采用CO2響應(yīng)曲線中光合速率由快速增加變?yōu)榫徛仙奶卣鼽c(diǎn)作為目標(biāo)點(diǎn)，可實(shí)現(xiàn)在保證作物光合需求的條件下最大程度提升CO2調(diào)控效率。曲率作為一種常用的曲線評(píng)價(jià)指標(biāo)被用于曲線特征點(diǎn)的提取[19]，并初步在農(nóng)業(yè)數(shù)據(jù)分析中得到應(yīng)用，如文獻(xiàn)[20]應(yīng)用最大曲率點(diǎn)實(shí)現(xiàn)了夏玉米物候期的生長(zhǎng)狀態(tài)轉(zhuǎn)換時(shí)間的獲取。因此探尋CO2響應(yīng)曲線曲率最大點(diǎn)成為提升CO2調(diào)控效益的關(guān)鍵。

針對(duì)上述問(wèn)題，在考慮光合速率與調(diào)控效益的前提下，本文以初花期溫室番茄為試驗(yàn)材料，研究構(gòu)建基于支持向量機(jī)回歸算法(SVR)的光合速率預(yù)測(cè)模型，并對(duì)不同溫光條件下的CO2響應(yīng)曲線進(jìn)行離散曲率計(jì)算與最大值尋優(yōu)，從而獲取曲率最大值點(diǎn)對(duì)應(yīng)的CO2濃度，以此構(gòu)建基于離散曲率的CO2優(yōu)化調(diào)控模型，為溫室CO2的精準(zhǔn)高效調(diào)控和節(jié)本增效提供定量依據(jù)。

1 材料與方法

1.1 試驗(yàn)材料

試驗(yàn)于2018年9—10月在西北農(nóng)林科技大學(xué)涇陽(yáng)蔬菜試驗(yàn)示范站溫室內(nèi)進(jìn)行。試驗(yàn)地位于北緯34°26′、東經(jīng)108°7′，屬于暖溫帶半干旱半濕潤(rùn)大陸性季風(fēng)氣候，年均日照時(shí)數(shù)2 163.8 h，年均輻射總量479.9 kJ/m2，年均積溫4 811℃，年均氣溫12.9℃[21]。以番茄品種“金棚8B”為試材，在培養(yǎng)皿中將已經(jīng)浸脹的種子進(jìn)行催芽，待要萌發(fā)時(shí)進(jìn)行低溫處理，在72孔穴盤(pán)內(nèi)采用營(yíng)養(yǎng)缽育苗。育苗基質(zhì)為農(nóng)業(yè)育苗專(zhuān)用基質(zhì)，其營(yíng)養(yǎng)含量為有機(jī)質(zhì)質(zhì)量分?jǐn)?shù)50%以上，基質(zhì)孔隙度約60%，pH值6～7。幼苗培育期間，保持水肥充足，待番茄幼苗葉片為5片左右，選擇長(zhǎng)勢(shì)均勻的番茄幼苗進(jìn)行移植。待番茄第1朵花苞開(kāi)放，選擇莖的橫徑0.8～1.2 cm、株高25 cm左右的健康植株進(jìn)行光合速率測(cè)試。試驗(yàn)期間，施肥、澆水等田間管理均正常進(jìn)行，不噴施任何農(nóng)藥和激素。

1.2 試驗(yàn)方法

試驗(yàn)選取茁壯的番茄180株作為樣本，采用美國(guó)LI-COR公司的LI-6800型便攜式光合儀測(cè)定溫度、光照強(qiáng)度和CO2耦合下的CO2響應(yīng)曲線，同時(shí)為避開(kāi)光合“午休現(xiàn)象”對(duì)試驗(yàn)數(shù)據(jù)的影響，選擇在09:00—11:30和14:30—17:30進(jìn)行試驗(yàn)數(shù)據(jù)采集。選擇自頂葉往下的第5片功能葉片作為試驗(yàn)樣本。在試驗(yàn)過(guò)程中采用光合儀選配的多個(gè)子模塊按需控制葉室環(huán)境參數(shù)。其中，利用控溫模塊設(shè)定16、20、24、28、32、36℃等6個(gè)溫度梯度，利用LED(Light emitting diode)光源模塊獲得0、200、400、600、800、1 000、1 300、1 600、1 900、2 200 μmol/(m2·s)等10個(gè)光子通量密度梯度，共形成60組嵌套試驗(yàn)條件。由于光合儀CO2注入系統(tǒng)中CO2混合濃度可控范圍是0～2 500 μmol/mol，故每組試驗(yàn)利用CO2注入模塊設(shè)定20個(gè)CO2濃度測(cè)試點(diǎn)，分別為0、50、100、200、300、400、500、600、700、800、900、1 000、1 100、1 200、1 300、1 500、1 700、1 900、2 100、2 300 μmol/mol，共獲取1 200個(gè)測(cè)量數(shù)據(jù)。在同一植株功能葉片上每個(gè)測(cè)量環(huán)境條件進(jìn)行3次重復(fù)，剔除錯(cuò)誤數(shù)據(jù)后取平均，共獲取1 200個(gè)有效試驗(yàn)數(shù)據(jù)。

2 模型構(gòu)建

本文分3步構(gòu)建CO2優(yōu)化調(diào)控模型。首先基于光合試驗(yàn)數(shù)據(jù)建立光合速率預(yù)測(cè)模型；其次，基于光合速率預(yù)測(cè)模型獲取不同光照強(qiáng)度和溫度下的CO2濃度和光合速率關(guān)系曲線，并基于L弦長(zhǎng)離散曲率法對(duì)曲線進(jìn)行曲率計(jì)算；最后，對(duì)曲線的離散曲率進(jìn)行最大值尋優(yōu)，獲取CO2效益優(yōu)化調(diào)控目標(biāo)值，以此構(gòu)建CO2優(yōu)化調(diào)控模型。

2.1 多因子耦合的光合速率預(yù)測(cè)模型

將試驗(yàn)所得的數(shù)據(jù)集隨機(jī)分為訓(xùn)練集和測(cè)試集，即選取960組數(shù)據(jù)作為訓(xùn)練集(占總數(shù)據(jù)集的80%)，剩下240組數(shù)據(jù)作為測(cè)試集(占總數(shù)據(jù)集的20%)。針對(duì)樣本數(shù)據(jù)特點(diǎn)以及高精度要求，選取SVR算法[22]進(jìn)行光合速率預(yù)測(cè)模型的構(gòu)建。基于試驗(yàn)所得到的數(shù)據(jù)，以溫度、光照強(qiáng)度、CO2濃度作為輸入樣本，以光合速率作為輸出樣本，采用SVR算法構(gòu)建光合速率預(yù)測(cè)模型，進(jìn)行光合速率的擬合預(yù)測(cè)，其具體流程如圖1所示。

圖1 支持向量機(jī)回歸建模流程圖Fig.1 Flow chart of support vector regression modeling

為避免大數(shù)據(jù)淹沒(méi)小數(shù)據(jù)現(xiàn)象，以及便于神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)與曲率計(jì)算，首先，將數(shù)據(jù)集進(jìn)行歸一化操作。其次，確定SVR關(guān)鍵參數(shù)。由于徑向基核函數(shù)計(jì)算的復(fù)雜度不隨參數(shù)變化而變化，故選取其作為核函數(shù)；懲罰因子c為對(duì)誤差的寬容度，c過(guò)大，容易導(dǎo)致模型過(guò)擬合，c過(guò)小，容易導(dǎo)致模型欠擬合；影響因子g隱含地決定了數(shù)據(jù)映射到新的特征空間后的分布。經(jīng)網(wǎng)格驗(yàn)證方法進(jìn)行多次經(jīng)驗(yàn)計(jì)算獲取最佳參數(shù)值懲罰因子c為3.00，影響因子g為3.41。最后，訓(xùn)練及構(gòu)建模型。針對(duì)960組訓(xùn)練集，采用徑向基核函數(shù)，通過(guò)低維空間的非線性不可分問(wèn)題映射到高維空間，并在高維空間產(chǎn)生用于最優(yōu)分類(lèi)的超平面，進(jìn)行線性回歸決策分析。

2.2 基于L弦長(zhǎng)曲率法的CO2響應(yīng)曲線曲率最大點(diǎn)獲取

2.2.1L弦長(zhǎng)曲率法的原理

在CO2響應(yīng)曲線中，首個(gè)曲率最大點(diǎn)代表著CO2濃度對(duì)凈光合速率影響程度由強(qiáng)到弱的特征點(diǎn)位，是構(gòu)建CO2優(yōu)化調(diào)控模型的關(guān)鍵。根據(jù)有限個(gè)數(shù)據(jù)點(diǎn)擬合的CO2響應(yīng)曲線無(wú)法采用連續(xù)曲線曲率法，而離散曲率法不需要具體的公式便可計(jì)算曲率，文獻(xiàn)[23]提出的一種離散曲率計(jì)算方法——L弦長(zhǎng)曲率，在局部區(qū)域計(jì)算曲率，不受整條曲線的全局影響，且與曲線的真實(shí)曲率之間存在密切聯(lián)系。

L弦長(zhǎng)曲率法依賴(lài)輸入的參數(shù)L，根據(jù)拓?fù)渚嚯x獲取目標(biāo)點(diǎn)處前后距離為L(zhǎng)的點(diǎn)來(lái)確定它的支持領(lǐng)域，并應(yīng)用線性插值提高曲率計(jì)算精度。曲線上某點(diǎn)pi的L弦長(zhǎng)曲率的計(jì)算主要分為兩個(gè)步驟：①pi點(diǎn)的支持領(lǐng)域獲取，如圖2所示。②將支持領(lǐng)域前后端點(diǎn)之間的歐氏距離與參數(shù)2L作比值，然后應(yīng)用和該比值平方與數(shù)字1的差值相關(guān)的一個(gè)根號(hào)值作為離散曲率。

圖2 pi點(diǎn)的支持領(lǐng)域Fig.2 Supporting area of pi

2.2.2L弦長(zhǎng)曲率計(jì)算和最大值尋優(yōu)

CO2響應(yīng)曲線離散曲率最大點(diǎn)的獲取方法主要包括兩方面內(nèi)容，首先在不同光溫嵌套條件獲取CO2響應(yīng)曲線，其次進(jìn)行L弦長(zhǎng)曲率計(jì)算和最大值尋優(yōu)。

(1)獲取不同光溫嵌套條件下的CO2響應(yīng)數(shù)字曲線

通過(guò)調(diào)用已建立的SVR光合速率預(yù)測(cè)模型網(wǎng)絡(luò)，獲取不同溫度和光照強(qiáng)度嵌套條件下CO2濃度與光合速率的關(guān)系曲線。每組CO2響應(yīng)曲線曲率的獲取均建立在特定溫度、光照強(qiáng)度基礎(chǔ)上。溫度以1℃為步長(zhǎng)，建立曲率獲取溫度條件數(shù)據(jù)樣本集Ti=(T1,T2,…,T21)，其中Ti=16+(i-1)，i∈[1,21]區(qū)間的整數(shù)。光照強(qiáng)度以50 μmol/(m2·s)為步長(zhǎng)，建立曲率獲取光照強(qiáng)度條件數(shù)據(jù)樣本Pj=(P1,P2,…,P41)，其中Pj=200+50(j-1),j∈[1,41]區(qū)間的整數(shù)。在16～36℃和200～2 200 μmol/(m2·s)范圍內(nèi)，完成預(yù)測(cè)模型對(duì)溫度、光照強(qiáng)度的實(shí)例化，從而建立不同光溫條件下的CO2響應(yīng)曲線。

(2)采用L弦長(zhǎng)曲率計(jì)算和尋優(yōu)

(1)

其中

(2)

si——離散曲率符號(hào)

si為正表示曲線在當(dāng)前點(diǎn)呈凸性，反之呈凹性；為避免實(shí)驗(yàn)數(shù)據(jù)微小波動(dòng)導(dǎo)致響應(yīng)曲線的凹凸性發(fā)生改變從而無(wú)法準(zhǔn)確獲取離散曲率最大值，因此本文在計(jì)算離散曲率時(shí)將符號(hào)統(tǒng)一取為正號(hào)。

按照以上步驟對(duì)響應(yīng)曲線各點(diǎn)求L弦長(zhǎng)曲率，并應(yīng)用爬山法[24]尋優(yōu)得到曲率最大值。記錄和保存其對(duì)應(yīng)的CO2濃度，直到獲取所有響應(yīng)曲線曲率最大點(diǎn)對(duì)應(yīng)的CO2濃度。

2.3 CO2優(yōu)化調(diào)控模型構(gòu)建

基于上述尋優(yōu)方法，得到了溫度、光照強(qiáng)度為輸入，CO2響應(yīng)曲線離散曲率最大點(diǎn)對(duì)應(yīng)的CO2濃度為輸出的861組目標(biāo)CO2濃度數(shù)據(jù)集，采用SVR算法進(jìn)行CO2優(yōu)化調(diào)控模型構(gòu)建。隨機(jī)選取訓(xùn)練集與測(cè)試集并進(jìn)行歸一化處理。針對(duì)861組目標(biāo)CO2濃度數(shù)據(jù)集，隨機(jī)選取689組樣本數(shù)據(jù)(約占總樣本的80%)作為訓(xùn)練集，172組(約占總樣本的20%)作為測(cè)試集，用于模型驗(yàn)證。選擇徑向基核函數(shù)參與模型訓(xùn)練，確定最佳參數(shù)c為1.00，g為4.91，以此完成CO2優(yōu)化調(diào)控模型的構(gòu)建。

3 結(jié)果分析

3.1 光合速率預(yù)測(cè)模型驗(yàn)證結(jié)果

為了驗(yàn)證SVR構(gòu)建預(yù)測(cè)模型的擬合效果，同時(shí)采用BP(Back propagation)神經(jīng)網(wǎng)絡(luò)和非線性回歸多項(xiàng)式構(gòu)建擬合預(yù)測(cè)模型，三者的模型評(píng)價(jià)對(duì)比如表1所示。由表1可見(jiàn)，SVR構(gòu)建預(yù)測(cè)模型的決定系數(shù)最高，為0.98；均方根誤差與平均絕對(duì)誤差均最小，分別為1.79 μmol/(m2·s)和1.21 μmol/(m2·s)。

表1 3種建模方法的預(yù)測(cè)模型評(píng)價(jià)指標(biāo)對(duì)比Tab.1 Comparison of prediction model indicators for three modeling methods

證明SVR算法對(duì)于本文多維樣本數(shù)據(jù)擬合具有優(yōu)勢(shì)，采用SVR算法構(gòu)建預(yù)測(cè)模型是可行的。

為進(jìn)一步驗(yàn)證SVR預(yù)測(cè)模型的預(yù)測(cè)效果，將SVR預(yù)測(cè)模型與CO2經(jīng)典響應(yīng)模型進(jìn)行對(duì)比。目前被普遍應(yīng)用于植物生理生態(tài)等方面研究的 CO2經(jīng)典響應(yīng)模型有直角雙曲線模型、Michealis-Menten模型和直角雙曲線修正模型等[25]。因此選取以上3種CO2經(jīng)典響應(yīng)模型對(duì)60組嵌套條件下的試驗(yàn)數(shù)據(jù)進(jìn)行擬合，并將這3種模型的評(píng)價(jià)指標(biāo)繪制成盒圖，如圖3所示。

圖3 3種CO2經(jīng)典響應(yīng)模型評(píng)價(jià)指標(biāo)對(duì)比Fig.3 Comparison of evaluation indexes of three typical models

由圖3可發(fā)現(xiàn)，直角雙曲線修正模型決定系數(shù)所處范圍的上下界均高于其他兩種模型，均方根誤差所處范圍上下界均小于其他兩種模型，說(shuō)明3種典型模型中，直角雙曲線修正模型對(duì)本文試驗(yàn)數(shù)據(jù)的擬合效果最好。因此，進(jìn)一步采用直角雙曲線修正模型與本文SVR預(yù)測(cè)模型進(jìn)行對(duì)比，以此驗(yàn)證SVR預(yù)測(cè)模型的擬合效果。通過(guò)對(duì)比可以發(fā)現(xiàn)，直角雙曲線修正模型的決定系數(shù)范圍為0.97～0.99，均方根誤差范圍為0.07～1.81 μmol/(m2·s)；SVR預(yù)測(cè)模型的決定系數(shù)為0.98，均方根誤差為1.79 μmol/(m2·s)，均位于直角雙曲線修正模型相應(yīng)評(píng)價(jià)指標(biāo)的范圍之內(nèi)。這說(shuō)明，SVR預(yù)測(cè)模型的擬合效果與直角雙曲修正模型的擬合效果很接近。但是直角雙曲線修正模型無(wú)法預(yù)測(cè)實(shí)測(cè)點(diǎn)之外的數(shù)據(jù)，而SVR預(yù)測(cè)模型可在保證與直角雙曲線修正模型相近精度的情況下實(shí)現(xiàn)對(duì)非試驗(yàn)條件樣本的預(yù)測(cè)，可解決試驗(yàn)樣本不足的問(wèn)題。

采用異校驗(yàn)方式應(yīng)用驗(yàn)證集對(duì)光合預(yù)測(cè)模型的泛化能力進(jìn)行驗(yàn)證，得到光合速率實(shí)測(cè)值和預(yù)測(cè)值相關(guān)性如圖4所示。圖中直線L1為測(cè)試集數(shù)據(jù)實(shí)際值和預(yù)測(cè)值的擬合直線，其斜率為0.95，截距為0.47，說(shuō)明預(yù)測(cè)值與實(shí)測(cè)值相關(guān)性較高。

圖4 SVR光合速率預(yù)測(cè)模型驗(yàn)證Fig.4 SVR predictive model verification

3.2 離散曲率最大值點(diǎn)獲取

在建模過(guò)程中累計(jì)獲得861組不同條件下的曲率最大點(diǎn)，由于無(wú)法完全羅列，下文僅展示溫度從19℃到34℃區(qū)間內(nèi)以3℃為步長(zhǎng)，光照強(qiáng)度從200 μmol/(m2·s)到2 200 μmol/(m2·s)區(qū)間內(nèi)以200 μmol/(m2·s)為步長(zhǎng)條件下的CO2響應(yīng)曲線曲率及曲率最大值點(diǎn)的獲取結(jié)果，如圖5所示。同時(shí)，為了對(duì)比曲率最大點(diǎn)與CO2飽和點(diǎn)的效果，本文采取與文獻(xiàn)[18]中相同的方法獲取CO2飽和點(diǎn)，最后得到CO2響應(yīng)曲線中曲率最大點(diǎn)和CO2飽和點(diǎn)的對(duì)比關(guān)系圖，其中曲率最大點(diǎn)為點(diǎn)狀標(biāo)記，CO2飽和點(diǎn)為圓圈狀標(biāo)記。

圖5 CO2響應(yīng)曲線特征點(diǎn)獲取與效果對(duì)比Fig.5 Acquisition of characteristic points of CO2 response curves and comparison of effect

由圖5可發(fā)現(xiàn)，定義離散曲率圖中首個(gè)曲率最大值點(diǎn)代表CO2濃度對(duì)光合速率影響程度從強(qiáng)到弱的特征點(diǎn)位，剛好對(duì)應(yīng)于光合速率圖中相應(yīng)曲線的增長(zhǎng)速率轉(zhuǎn)折點(diǎn)，這說(shuō)明L弦長(zhǎng)曲率法可以提供準(zhǔn)確的CO2調(diào)控目標(biāo)點(diǎn)。由光合速率圖可以發(fā)現(xiàn)，在特征點(diǎn)位之前，光合速率隨著CO2濃度增加而快速上升；越過(guò)該點(diǎn)后，大量補(bǔ)充CO2直到CO2飽和點(diǎn)，只能促進(jìn)光合速率少量提高，造成CO2補(bǔ)充效益降低。進(jìn)一步分析發(fā)現(xiàn)，所有特征點(diǎn)位對(duì)應(yīng)的CO2濃度均在600～1 000 μmol/mol范圍內(nèi)；所有的CO2飽和點(diǎn)變化不大，且都在曲線末端區(qū)域，即2 000～2 300 μmol/mol范圍以內(nèi)。以上分析結(jié)果與文獻(xiàn)[19]構(gòu)建的CO2優(yōu)化調(diào)控模型預(yù)測(cè) CO2飽和點(diǎn)位于1 800～2 400 μmol/mol區(qū)間基本一致。

進(jìn)一步分析光合速率圖中不同環(huán)境下曲率特征點(diǎn)和CO2飽和點(diǎn)的變化，可以發(fā)現(xiàn)同一光照強(qiáng)度下，CO2曲率特征點(diǎn)和CO2飽和點(diǎn)隨著溫度的增加呈現(xiàn)先增后減的趨勢(shì)；同一溫度下，隨著光照強(qiáng)度的增加，CO2曲率特征點(diǎn)對(duì)應(yīng)的CO2濃度一直升高；而CO2飽和點(diǎn)濃度呈現(xiàn)先升后降的趨勢(shì)。在較低或中等光照強(qiáng)度條件下，CO2飽和點(diǎn)濃度隨著光照強(qiáng)度的增加而增加，當(dāng)光強(qiáng)增加到1 000 μmol/(m2·s)至1 400 μmol/(m2·s)范圍內(nèi)時(shí)，CO2飽和點(diǎn)濃度開(kāi)始下降，與文獻(xiàn)[18]中CO2飽和點(diǎn)濃度隨著光照強(qiáng)度的增加呈現(xiàn)先升后降趨勢(shì)的現(xiàn)象一致。以上分析說(shuō)明了不同溫度和光強(qiáng)下CO2曲率特征點(diǎn)和飽和點(diǎn)均存在差異。

3.3 CO2優(yōu)化調(diào)控模型結(jié)果及驗(yàn)證

為了驗(yàn)證基于SVR算法構(gòu)建的番茄CO2優(yōu)化調(diào)控模型的擬合效果，本文同時(shí)采用BP神經(jīng)網(wǎng)絡(luò)和非線性回歸多項(xiàng)式擬合兩種方法構(gòu)建調(diào)控模型，模型評(píng)價(jià)對(duì)比如表2所示。

表2 3種建模方法的調(diào)控模型評(píng)價(jià)指標(biāo)對(duì)比Tab.2 Comparison of control model indicators for three modeling methods

由表2可見(jiàn)，SVR模型的決定系數(shù)最高，為0.99；均方根誤差和平均絕對(duì)誤差最低，分別為4.42 μmol/mol和3.17 μmol/mol，SVR算法構(gòu)建的CO2調(diào)控目標(biāo)值模型具有更高的精準(zhǔn)度和擬合效果，具體模型如圖6所示。由圖6可發(fā)現(xiàn)，當(dāng)溫度和光照強(qiáng)度較低時(shí)，CO2調(diào)控目標(biāo)值較低；在溫度一定時(shí)，CO2調(diào)控目標(biāo)值隨著光照強(qiáng)度的增加而升高；當(dāng)光照強(qiáng)度一定時(shí)，隨著溫度的增加，CO2調(diào)控目標(biāo)值呈現(xiàn)先升后降的趨勢(shì)，與作物生長(zhǎng)需求一致。

圖6 CO2優(yōu)化調(diào)控模型Fig.6 CO2 optimal regulation model

為了進(jìn)一步證明調(diào)控模型精準(zhǔn)性，本文采用相同試驗(yàn)樣品測(cè)量了60組不同光溫條件下的CO2響應(yīng)曲線，并利用CO2響應(yīng)直角雙曲線修正模型[11]進(jìn)行響應(yīng)曲線擬合，最后通過(guò)連續(xù)曲率法實(shí)現(xiàn)了不同響應(yīng)曲線曲率最大值獲取，以此作為調(diào)控目標(biāo)的實(shí)測(cè)值。同時(shí)，將 CO2優(yōu)化調(diào)控模型獲取的調(diào)控目標(biāo)值作為預(yù)測(cè)值，進(jìn)行調(diào)控模型驗(yàn)證，相關(guān)性如圖7所示。分析可知，圖中直線L2為實(shí)際值和預(yù)測(cè)值的擬合直線，斜率為0.98，截距為19。可見(jiàn)，本文構(gòu)建的CO2優(yōu)化調(diào)控模型能準(zhǔn)確預(yù)測(cè)CO2效益優(yōu)化點(diǎn)，為CO2的精準(zhǔn)高效調(diào)控提供了定量依據(jù)。

圖7 CO2優(yōu)化調(diào)控模型驗(yàn)證Fig.7 Regulatory model verification of CO2

3.4 調(diào)控效果對(duì)比

3.4.1理論調(diào)控效果分析

為了進(jìn)一步驗(yàn)證CO2優(yōu)化調(diào)控模型的調(diào)控效果，與獲取CO2飽和點(diǎn)作為調(diào)控目標(biāo)值的傳統(tǒng)方法[18]進(jìn)行效果比較。在溫度試驗(yàn)區(qū)間內(nèi)以6℃的溫度梯度為例，對(duì)比結(jié)果如表3所示。從表3中可以發(fā)現(xiàn)，所有光溫耦合條件下，CO2供需量的大幅度下降均只造成光合速率的少量降低。本文獲取離散曲率最大點(diǎn)對(duì)應(yīng)的CO2濃度作為目標(biāo)值，相比于CO2飽和點(diǎn)目標(biāo)值的方法，CO2供需量平均下降61.81%，光合速率平均僅減少15.58%。說(shuō)明采用該方法構(gòu)建不同溫度、不同光照強(qiáng)度條件下的CO2優(yōu)化調(diào)控模型具有高效節(jié)能特點(diǎn)，可為設(shè)施作物CO2環(huán)境優(yōu)化調(diào)控提供理論基礎(chǔ)。

3.4.2實(shí)際調(diào)控效果分析

為了驗(yàn)證本模型的實(shí)際調(diào)控效果，在西北農(nóng)林科技大學(xué)涇陽(yáng)蔬菜試驗(yàn)示范站的溫室內(nèi)開(kāi)展調(diào)控模型驗(yàn)證試驗(yàn)，試驗(yàn)采用自行研制的CO2閉環(huán)調(diào)控系統(tǒng)構(gòu)建驗(yàn)證系統(tǒng)，系統(tǒng)工作流程如圖8所示。傳感器實(shí)時(shí)監(jiān)測(cè)溫室內(nèi)的CO2濃度、光照強(qiáng)度和溫度等環(huán)境信息，并傳送給決策節(jié)點(diǎn)。決策節(jié)點(diǎn)基于實(shí)時(shí)環(huán)境信息，利用樹(shù)莓派中內(nèi)嵌的CO2優(yōu)化調(diào)控模型計(jì)算CO2調(diào)控目標(biāo)值。然后，根據(jù)實(shí)時(shí)CO2濃度和調(diào)控目標(biāo)值，判斷是否需要進(jìn)行調(diào)控。若當(dāng)前濃度高于目標(biāo)值，則不進(jìn)行調(diào)控，繼續(xù)進(jìn)行調(diào)控目標(biāo)值的計(jì)算與比較；若當(dāng)前濃度低于目標(biāo)值，則進(jìn)行動(dòng)態(tài)CO2差值計(jì)算，發(fā)出CO2調(diào)控信號(hào)，打開(kāi)調(diào)控設(shè)備中CO2發(fā)生器的電磁閥，釋放對(duì)應(yīng)體積的CO2，然后關(guān)閉電磁閥，等待10 min使CO2分布均勻，然后再返回到?jīng)Q策節(jié)點(diǎn)。

試驗(yàn)分別在同一溫室的3塊大小相同的區(qū)域內(nèi)進(jìn)行，利用塑料膜實(shí)現(xiàn)3塊區(qū)域之間的空間隔離，對(duì)比曲率組、飽和組、自然組3組的調(diào)控效果。試驗(yàn)中運(yùn)行CO2曲率最大點(diǎn)模型和CO2飽和值模型，采用曲率最大點(diǎn)和飽和點(diǎn)作為目標(biāo)值分別對(duì)限制點(diǎn)區(qū)和飽和點(diǎn)區(qū)進(jìn)行調(diào)控，自然對(duì)照區(qū)為自然條件不進(jìn)行CO2補(bǔ)充。試驗(yàn)于07:00開(kāi)始，采用LI-6800型便攜式光合速率測(cè)試儀對(duì)不同試驗(yàn)區(qū)的番茄進(jìn)行光合速率測(cè)量，不同試驗(yàn)區(qū)域光合速率變化趨勢(shì)基本一致，其中得到6月3日的番茄光合速率時(shí)變化趨勢(shì)如圖9所示，當(dāng)天溫室內(nèi)溫度和光照強(qiáng)度的變化趨勢(shì)如圖10所示。由圖9可發(fā)現(xiàn)，曲率組光合速率整體比飽和組低15.14%，補(bǔ)充CO2供需量降低57.61%；曲率組光合速率整體比自然組高26.70%。說(shuō)明以曲率最大點(diǎn)為調(diào)控目標(biāo)值的CO2調(diào)控模型可以在提高光合速率的情況下大幅度減小CO2供需量，對(duì)融合效益的CO2精準(zhǔn)調(diào)控具有實(shí)際指導(dǎo)意義。由圖10可以發(fā)現(xiàn)，溫度和光照強(qiáng)度隨著時(shí)間的推移有著明顯的變化，本文提出的CO2優(yōu)化調(diào)控模型可以基于實(shí)時(shí)環(huán)境對(duì)CO2調(diào)控目標(biāo)值進(jìn)行動(dòng)態(tài)、高效的獲取。

表3 曲率特征點(diǎn)與CO2飽和點(diǎn)對(duì)比Tab.3 Comparison of characteristic value and conventional value in two methods

圖8 CO2調(diào)控流程圖Fig.8 Flow chart of CO2 control

圖9 3組光合速率的變化趨勢(shì)Fig.9 Comparison of variation trend of photosynthetic rate

圖10 溫度和光照強(qiáng)度的變化趨勢(shì)Fig.10 Variation trends of temperature and light intensity

4 結(jié)論

(1)結(jié)合番茄植株CO2響應(yīng)特點(diǎn)建立了一種番茄初花期CO2優(yōu)化調(diào)控模型。以溫度、光照強(qiáng)度、CO2濃度等多因子耦合嵌套所得凈光合速率試驗(yàn)結(jié)果為基礎(chǔ)，采用SVR算法構(gòu)建所得光合速率預(yù)測(cè)模型，決定系數(shù)為0.98，較非線性回歸多項(xiàng)式擬合和BP神經(jīng)網(wǎng)絡(luò)構(gòu)建的預(yù)測(cè)模型，能以更高精度擬合多因子輸入情況下的光合速率。

(2)提出基于L弦長(zhǎng)曲率理論的CO2響應(yīng)曲線離散曲率計(jì)算方法，可獲取CO2響應(yīng)曲線曲率最大點(diǎn)，求得CO2效益優(yōu)化調(diào)控目標(biāo)值，從而滿足CO2按需調(diào)控且節(jié)能高效的要求，為設(shè)施作物優(yōu)產(chǎn)優(yōu)質(zhì)，增大效益奠定了良好的基礎(chǔ)。

(3)基于SVR算法構(gòu)建以CO2效益優(yōu)先值為調(diào)控目標(biāo)值的調(diào)控模型，決定系數(shù)為0.99，均方根誤差為4.42 μmol/mol，平均絕對(duì)誤差為3.17 μmol/mol，擬合效果好。與CO2飽和點(diǎn)調(diào)控方式對(duì)比，光合速率平均減少15.58%，但CO2供需量平均下降61.81%。驗(yàn)證試驗(yàn)中光合速率較飽和點(diǎn)調(diào)控時(shí)僅下降15.14%，但CO2供需量平均下降57.61%；相較自然條件下光合速率升高26.70%。因此，本文提出模型能夠兼顧作物需求和效益，可為實(shí)現(xiàn)設(shè)施作物動(dòng)態(tài)、高效CO2調(diào)控提供理論依據(jù)。