劉 藝 李 威 王學林 唐婉瑩

（1.安徽省長豐縣氣象局，安徽 長豐 231100；2.安徽省合肥市氣象局，安徽 合肥 230000）

近年來，草莓已逐漸成為長豐地區(qū)的主要經(jīng)濟作物之一，草莓專項氣象服務(wù)成為氣象部門特色服務(wù)項目。長豐草莓主要種植在大設(shè)施內(nèi)，是典型的設(shè)施農(nóng)業(yè)。設(shè)施農(nóng)業(yè)是通過對作物周圍小氣候環(huán)境進行調(diào)節(jié)，促進作物高效生產(chǎn)的一種現(xiàn)代農(nóng)業(yè)方式。隨著氣象預(yù)報精準度逐年提高，目前長豐地區(qū)的氣象預(yù)報主要對整個自然環(huán)境下（即室外環(huán)境）進行氣象預(yù)報，長豐草莓種植戶可通過常規(guī)氣象預(yù)報提前了解設(shè)施外常規(guī)氣象條件，但對設(shè)施內(nèi)未來幾天的氣象要素無法提前預(yù)判，僅通過經(jīng)驗進行機械操作，大大提高了設(shè)施草莓的調(diào)控成本，增加了莓農(nóng)的負擔。因此，設(shè)施內(nèi)氣象因子的定量關(guān)系及其隨時間變化規(guī)律的研究是優(yōu)化設(shè)施草莓相關(guān)調(diào)控方式的前提條件。近年來，長豐國家氣象觀測站周邊的田峰草莓園建設(shè)了農(nóng)業(yè)小氣候儀，該農(nóng)業(yè)小氣候儀自2018年底開始采集設(shè)施大設(shè)施內(nèi)氣象數(shù)據(jù)。通過收集設(shè)施內(nèi)外的氣象數(shù)據(jù)進行研究，了解長豐地區(qū)何種氣象因子對設(shè)施草莓最為重要，并采用合適建模方式，建立預(yù)報模型，依據(jù)模型所提供的氣候因子間的量化關(guān)系和預(yù)測功能，對草莓種植的溫室小氣候環(huán)境優(yōu)化調(diào)控具有重要作用。

國內(nèi)、外學者針對溫室小氣候模型模擬的研究相對較多，但在我國從事草莓大設(shè)施內(nèi)小氣候研究較少。目前對大棚草莓氣象條件和災(zāi)害性分析較多，而建立設(shè)施草莓的氣象模型寥寥無幾。通過分析田峰草莓園數(shù)據(jù)發(fā)現(xiàn)，該農(nóng)田小氣候儀數(shù)據(jù)有部分缺測，且目前尚無對比觀測數(shù)據(jù)，為了減少缺測數(shù)據(jù)影響，本文按照氣象數(shù)據(jù)處理方法進行了相關(guān)處理。為了得到可用的模型，選用神經(jīng)網(wǎng)絡(luò)方法進行建模。1980年起，神經(jīng)網(wǎng)絡(luò)才開始用于溫室小氣候模擬研究；本文參考汪小旵等[3]利用BP神經(jīng)網(wǎng)絡(luò)對江淮地區(qū)梅雨季節(jié)現(xiàn)代化溫室小氣候的模擬與分析，得到使用神經(jīng)網(wǎng)絡(luò)比物理模擬在特定情況下預(yù)報模型更加精準；李倩等[2]針對草莓和番茄大棚，使用BP神經(jīng)網(wǎng)絡(luò)對溫室大設(shè)施內(nèi)的氣溫、濕度數(shù)據(jù)進行了模擬，預(yù)測效果良好。

本文選擇晴天模式、陰天模式、陰雨天模式和晴雨相間四種天氣情況下，利用長豐地區(qū)設(shè)施草莓作為研究對象，選取設(shè)施內(nèi)外氣象因子，通過SPSS選擇顯著相關(guān)的因子，用該些因子建立四種基于BP神經(jīng)網(wǎng)絡(luò)的預(yù)報模型，同時對模型預(yù)測結(jié)果和實際結(jié)果進行比對，后期將使用研究結(jié)果為長豐地區(qū)設(shè)施草莓栽培的小氣候環(huán)境和氣象服務(wù)提供依據(jù)。

1 資料和方法

1.1 資料來源

查閱相關(guān)文獻，咨詢長豐縣農(nóng)技推廣中心，選取長豐草莓示范基地田峰草莓園，對該草莓園設(shè)施內(nèi)建有氣象觀測設(shè)備的設(shè)施大棚進行草莓關(guān)鍵生育期小氣候特征研究。通過研究得出影響設(shè)施內(nèi)草莓關(guān)鍵生育期的氣象要素。

收集田峰草莓園2019年-2020年冬春季草莓關(guān)鍵生育期的氣象要素作為設(shè)施內(nèi)部氣象數(shù)據(jù)，長豐國家氣象觀測站（距離田峰草莓園3km）的氣溫類相關(guān)數(shù)據(jù)、日照、濕度、降水、風速等作為室外數(shù)據(jù)，運用SPSS軟件對上述氣象要素進行相關(guān)性分析，篩選出設(shè)施內(nèi)外顯著相關(guān)的氣象因子。選取上述顯著相關(guān)的氣象因子作為輸入?yún)?shù)，設(shè)施內(nèi)草莓生育期關(guān)鍵氣象要素為輸出項，運用MATLAB軟件構(gòu)建基于BP神經(jīng)網(wǎng)絡(luò)設(shè)施草莓關(guān)鍵氣候預(yù)報模型，并對模擬值與田峰草莓園的實測值進行對比分析，為長豐地區(qū)草莓生產(chǎn)和氣象服務(wù)提供新的突破口。

1.2 BP神經(jīng)網(wǎng)絡(luò)

由于設(shè)施內(nèi)溫度與棚外氣象要素具有復(fù)雜的非線性關(guān)系，因此采用目前較為成熟的BP神經(jīng)網(wǎng)絡(luò)進行預(yù)測模型構(gòu)建。BP神經(jīng)網(wǎng)絡(luò)能學習和存貯大量的輸入-輸出模式映射關(guān)系，而無需事前揭示描述這種映射關(guān)系的數(shù)學方程，這種模擬結(jié)果在特定情況下，其精度往往高于物理模型[3]。

2 結(jié)果與分析

2.1 輸入因子分析

運用SPSS軟件對所采集的氣象因子進行相關(guān)性分析，篩選出顯著相關(guān)的設(shè)施內(nèi)外氣象因子。通過分析得出室外的氣象因子，除平均風速外，設(shè)施外平均氣溫、日最高、日最低、平均相對濕度、最小相對濕度、日降水量、日照時數(shù)以及前一日、兩日、三日平均氣溫均與設(shè)施內(nèi)各層最低氣溫顯著相關(guān)。這可能與草莓種植于大設(shè)施內(nèi)，室外風速與設(shè)施內(nèi)各層溫度均無相關(guān)性。將設(shè)施外各氣象因子作為神經(jīng)網(wǎng)絡(luò)模型的輸入項，將室內(nèi)的各層氣溫作為輸出項。

2.2 模型構(gòu)建

2.2.1 設(shè)置訓練樣本和檢測樣本

為構(gòu)建預(yù)測模型，訓練數(shù)據(jù)為由田峰草莓園中農(nóng)田小氣候儀觀測的設(shè)施內(nèi)50cm、100cm和200cm共3個不同高度層氣溫數(shù)據(jù)和室外氣象國家站觀測的棚外常規(guī)地面觀測氣象數(shù)據(jù)，包括日最高氣溫、日最低氣溫、日平均氣溫、日平均相對濕度、日最小相對濕度、日照時數(shù)和日降水量，由于設(shè)施薄膜具有滯后性，為加入設(shè)施外前一日平均氣溫、前兩日平均氣溫和前三日平均氣溫作為模型輸入以提高模型預(yù)測精確度，即設(shè)施外氣象要素共10個。

為了四種不同天氣模式下BP神經(jīng)網(wǎng)絡(luò)對設(shè)施草莓大設(shè)施內(nèi)溫度的模擬能力，因此分4種天氣模式分別構(gòu)建BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型﹐輸入層為棚外常規(guī)地面觀測氣象數(shù)據(jù)，晴天和晴雨相間模式輸入要素為10個，陰雨天輸入要素為9個（無日照數(shù)據(jù)），陰天輸入要素為8個（無日照、降水數(shù)據(jù)）。各天氣模式下數(shù)據(jù)總樣本數(shù)為592個，其中晴天、陰天、晴雨相間、陰雨相間分別有樣本量403、31、84、72個，分別選取前300、20、60、50個作為輸出要素要素建立預(yù)測模型，后103、11、24、22個獨立樣本用于模型驗證。

2.2.2 BP神經(jīng)網(wǎng)絡(luò)模型創(chuàng)建

本文采用MATLAB軟件newff函數(shù)進行模型創(chuàng)建，第一層輸入棚外氣象要素為8～10個，第三層輸出設(shè)施內(nèi)不同高度層平均、最高和最低氣溫共9個，隱含層節(jié)點數(shù)參照經(jīng)驗公式（1），最終確定晴天、陰天、陰雨天和晴雨相間四種天氣模式的模型分別為10-5-9結(jié)構(gòu)、8-6-9、9-5-9結(jié)構(gòu)和10-7-9結(jié)構(gòu)。

m=sqrt（n+l）+α （1）

注：m為隱藏層節(jié)點數(shù)，n為輸入層節(jié)點，l為輸出層節(jié)點數(shù)，α為1–10之間的常數(shù)。

通過不斷調(diào)節(jié)，增加了訓練次數(shù)，并在訓練前針對樣本數(shù)據(jù)進行歸一化處理﹐預(yù)測結(jié)束后對輸出預(yù)測結(jié)果進行反歸一化處理。

2.2.3 訓練結(jié)果分析

對模型訓練得到的輸出值變換到實際的變化范圍，擬合效果圖如圖1所示。可以看出，各天氣模式下，BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型的擬合效果均較好，樣本量越小模型擬合效果越好，陰天、陰雨相間和晴雨相間三種模式的決定系數(shù)均在0.98以上，晴天模式?jīng)Q定系數(shù)最低，但也超過了0.9。

圖1 四種模式下的擬合效果圖

2.2.4 預(yù)測結(jié)果分析

根據(jù)訓練得到的4類預(yù)測值，分別使用草莓園內(nèi)晴天、陰天、陰雨天和晴雨相間不同天氣的實際數(shù)據(jù)，求取預(yù)測值與實際值的均方根誤差。

晴天天氣下設(shè)施內(nèi)50cm、100cm氣溫最大值均方根誤差為5℃，200cm氣溫最大值為7℃左右，其他各層氣溫最小值和平均值的均方根誤差為3℃左右。晴雨相間天氣下設(shè)施內(nèi)50cm、100cm氣溫最大值均方根誤差值為6℃左右，200cm氣溫最大值為7℃左右，而各層最小值和平均溫度的均方根誤差為4℃左右。陰雨天氣下設(shè)施內(nèi)各層氣溫最大值均方根在7～8℃，而各層的氣溫最小值和平均溫度的均方根誤差在2～3℃。陰天天氣情況下各層溫度的均方根誤差均在5～10℃。

3 結(jié)論與討論

（1）根據(jù)上述結(jié)論可以得四種模式下晴天模式和陰雨天模式氣溫預(yù)測總體較好，陰天和晴雨相間這兩種天氣模式下預(yù)測模型結(jié)果不理想。原因可能有以下兩點：一方面可能晴雨相間天氣在一天內(nèi)氣溫變化較為復(fù)雜，而使用的設(shè)施內(nèi)小氣候儀數(shù)據(jù)僅為日極值和日均值，未使用同樣具有變化性的小時數(shù)據(jù)，無法體現(xiàn)設(shè)施內(nèi)外各要素的相關(guān)性；另一方面可能由于晴雨相間和陰天兩種天氣樣本量較少，因此構(gòu)建的模型精度不夠高，相關(guān)性表現(xiàn)不理想。晴天模式和陰雨天模式下，氣溫日變化具有規(guī)律性，且樣本數(shù)量相對較多，因此模型預(yù)測表現(xiàn)較好。

（2）在晴天和陰雨天模式下，設(shè)施內(nèi)各層日最高氣溫均方根誤差較大，而日最低氣溫和日平均氣溫均方根誤差較小。原因可能為以下兩點：一是設(shè)施大棚本身具有良好的保溫性能且最高氣溫具有滯后性，因此傳感器位于大設(shè)施內(nèi)會具有天然的加溫情況，受大棚薄膜影響，可能造成設(shè)施內(nèi)日最高氣溫與室外相關(guān)氣象因子相關(guān)性不顯著。

本文建立的晴天、陰天、陰雨天和陰雨相間四種模型的參數(shù)僅針對長豐地區(qū)特定的設(shè)施大棚，今后將持續(xù)收集數(shù)據(jù)，不斷優(yōu)化各種天氣下的預(yù)報模型。