基于水分利用率与光合速率的温室作物需水模型研究

提出一种融合水分利用率(Water use efficiency,WUE)和光合速率的温室作物需水模型构建方法.在获取不同温度、光量子通量密度、CO2浓度和土壤含水率嵌套条件下番茄净光合速率和WUE的基础上,基于径向基神经网络(Radial basis function,RBF)构建光合速率和WUE预测模型;继而获取不同环境嵌套条件下的光合速率对土壤含水率的响应曲线,利用U弦长曲率法获取光合速率约束下的土壤含水率调控适宜区间;在此区间内,基于WUE预测模型,以水分利用率最大为目标,利用粒子群算法(Particle swarm optimization,PSO)获取土壤含水率调控目标值;最后,利用支持向量机回归算法(Support vector regression,SVR)建立作物需水模型.结果 表明,需水模型的训练精度为0.996 9,测试精度为0.978 8,均方根误差为0.23％,拟合效果良好.与单一考虑光合效率最优的模型相比,本模型WUE平均提高15.22％,土壤含水率平均下降12.76％,光合速率平均下降4.05％.说明融合WUE-光合速率的需水模型能兼顾作物需求和经济效益,可为温室土壤含水率的精准调控提供理论依据.