一种基于生理参数的设施作物苗期生长预测模型的建立方法技术

本发明专利技术公开了一种基于生理参数的设施作物苗期生长预测模型的建立方法，该方法包括：(1)数据采集，获得用于构建模型的样本数据库；(2)数据筛选与预处理，得到训练集和测试集；(3)模型构建，获得生理‑生长预测模型和环境‑生长预测模型；(4)模型校正，得到最终的预测模型。本发明专利技术方法以生理参数为环境调控的主要依据，通过分析环境参数、生理参数及种苗生长参数间的相互关系，建立基于生理参数的种苗生长状态预测模型，从而利用该模型判断是否需要进行环境调控，并对环境设定点的选择提供指导，致力于提高设施环境调控的准确性和及时性，切实提高设施种苗培育生产的经济效益。

Establishment method of seedling growth prediction model for facility crops based on physiological parameters

The invention discloses a method to establish the prediction model for the growth of seedling stage based on the physiological parameters of facilities crops, the method includes: (1) data acquisition, get used to construct model of the sample database; (2) data selection and preprocessing, get the training set and test set; (3) model, obtained physiological growth the prediction model and the environment growth prediction model (4); model correction, get the final prediction model. The method is mainly based on physiological parameters for environmental control, through the analysis of environmental parameters, physiological parameters and seedling growth relationship among parameters, establish the physiological parameters of seedling growth state prediction model based on the model, so as to determine the need for environmental regulation, and provide guidance on the environment set point selection, is committed to improving the accuracy and timeliness of environmental control facilities, improve the economic efficiency of the production facilities of seedling cultivation.

【技术实现步骤摘要】
一种基于生理参数的设施作物苗期生长预测模型的建立方法
本专利技术属于设施农业环境控制
，尤其涉及一种基于生理参数的设施作物苗期生长预测模型的建立方法。
技术介绍
我国是设施农业大国，温室大棚种植面积稳居世界首位。然而，我国温室种植方式仍然较为粗放，严重限制了温室经济产出的上升空间。温室内部的环境调控是实现温室种植节能增效的重要手段。现有的温室内部环境调控(不论是人工调控还是自动调控)，本质都是经验调控――即依靠人的经验知识，综合分析温室内外部环境、作物种类、作物生育时期等因素进行预设式调控决策，如当温度达到某一临界点时给出指令开关风机、遮阳设备等，或者给出新的环境因子设定点。经验调控的最大短板是未考虑作物本身的品种及环境适应性差异，而是依靠经验给出统一的环境调控准则，因此难以避免过度调控造成的能源浪费。同时，根据种植者经验先对作物的生育时期进行区分，再对环境进行调控，往往造成环境管理的滞后或提前，使温室不利于作物生长，影响作物生产潜力的发挥。因此，无论设施农业的实际生产应用还是理论研究均迫切需要一种能反映作物自身需求且快速、简便和科学的方法来指导环境调控。设施农业生产需要根据作物生理需求进行有效的环境调控，从而降低能耗、提高经济效益。叶绿素荧光信号是作物生理状态的重要表征方式，其中包含了丰富的光合作用过程变化信息，因而被视为植物光合作用与环境关系的内在指标和探针。叶绿素荧光分析技术具有快速、灵敏、可靠和非破坏性等优点，几乎可以反映所有环境因子对植物的影响以及植物生理功能在不同水平上的变化。同一作物不同品种、乃至不同作物间的生理参数健康指标具有较高的广谱适用性和一致性。因此，叶绿素荧光生理参数应用已在植物光合机理、逆境生理、植物病理、植物生态、农业遥感等领域起到了重要的作用。近年来，叶绿素荧光检测设备迅速向小型化、智能化的方向发展，为叶绿素荧光生理参数在设施作物育苗环境调控中的应用提供了契机。与单纯依靠环境参数判定作物生长状态并指导环境调控相比，使用作物自身的生理参数更为直接，但现有的调控体系研究及应用中尚不多见。设施种苗培育是现阶段我国温室生产的重要内容，具有非常大的市场潜力。设施种苗培育栽培周期短，一旦环境条件不好、环境调控不及时，会对种苗的质量造成极大的不利影响，因此对环境调控方法的准确性和及时性提出了更高的要求。
技术实现思路
本专利技术提供了一种基于生理参数的设施作物苗期生长预测模型的建立方法，该方法获得生长预测模型能够用于准确、及时地调控设施作物育苗期的环境，从而提高设施种苗培育生产的经济效益。一种基于生理参数的设施作物苗期生长预测模型的建立方法，包括以下步骤：(1)数据采集：在控制环境条件的情况下，对设施作物进行育苗栽培实验，采集不同环境参数值下设施作物的生长参数数据和生理参数数据，获得用于构建模型的样本数据库；(2)数据筛选与预处理：A)将样本数据库中环境参数、生长参数和生理参数的数据两两分组，对每组进行典型相关性分析，得到环境参数和生理参数中分别对生长参数起主导性影响的环境主导参数和生理主导参数，以及生理主导参数与生长参数、环境主导参数与生理主导参数的正反作用关系；B)对环境主导参数和生理主导参数的数据进行标准化处理，并根据单个样本的生长参数值与样本生长参数均值的高低比较，对生长参数数据进行作物种苗生长状态的好坏分类，得到训练集和测试集；其中，若单个样本生长参数值不低于样本生长参数均值，则定义作物生长状态为好，反之，则定义作物生长状态为坏；(3)模型构建：分别以训练集中的环境主导参数和生理主导参数作为特征向量，采用支持向量机算法训练模型，获得生理-生长预测模型和环境-生长预测模型；(4)模型校正：采用测试集对生理-生长预测模型和环境-生长预测模型进行测试，比较两种模型的预测准确率；若生理-生长预测模型预测准确率“Accuracy_Physiological”(％)与环境-生长预测模型预测准确率“Accuracy_Environmental”(％)之间的关系满足：Accuracy_Physiological–Accuracy_Environmental≥-5％，选择该生理-生长预测模型作为最终的预测模型；反之，则重复步骤(2)、(3)，重新选择环境主导参数和生理主导参数进行数据预处理和模型训练，直至Accuracy_Physiological–Accuracy_Environmental≥-5％，选择该生理-生长预测模型作为最终的预测模型。步骤(1)中，进行育苗栽培实验时需要严格控制环境条件，保证实验过程中环境条件的恒定。为保证后续模型训练和测试的顺利进行，需要设定多种环境条件的组合，即不同环境参数值组合，进行多组栽培实验，并获取不同环境参数值下设施作物的生长参数数据和生理参数数据，组成模型构建所需的样本数据库。需要注意的是，在确定具体环境参数的类型后，各栽培实验仅仅是改变各环境参数的具体数值，而不会增加或减少某个环境参数。其中，环境条件设计的原则是：避免严重逆境条件，尽量在组合中确保各环境参数在自适度范围内合理分布。环境条件组合的总数原则上不低于15组，以便充分考察环境参数对作物生理参数和生长参数的影响情况。栽培实验在完全人工可控温室环境条件下(如密闭型人工光植物工厂)进行。现有技术中，设施作物生长模型的数据采集一般是在自然栽培条件下进行实时监测，采集到的数据量大，环境数据分布不均，且干扰因素多。例如：光照强度/温湿度会随时间和天气状况发生变化、温湿度分布会受到风力干扰、基质/土壤的作物养分条件会受到干旱/降雨影响等，易造成样本数据噪声大且噪声源复杂多样，难以去除噪声、获得影响作物生长的参数真值。本专利技术通过人工设定的环境条件进行栽培实验能够有效减少外界干扰因素，使光照、温湿度、二氧化碳浓度等条件均保持接近恒定状态。另外，还可以根据建模需要对环境条件进行灵活设置，使样本数据尽量满足在适度范围内均匀分布或正态分布的条件，提高样本数据的覆盖范围、可信度和适用性。此外，由于测量条件的限制，在能够较好的实时获取作物生理参数的测量方法出现之前，或者生理参数难以像环境参数一样以数学的表述方法构建与生长参数之间的关系之前，现有的作物生长模型一般都只考虑环境与作物生长的关系，这造成现有的作物生长模型多基于物质与能量平衡角度构建，无法直接反映作物生长状态或者生理需求，因而环境调控闭环中缺少了对作物反应的观测环节，调控决策依据只能依赖经验或者统计学结论，造成调控过度或者调控不当，引起无谓的资源浪费、制约作物生产潜力的发挥。而本专利技术之所以通过作物生理参数来指导环境的调控，是因为生理状态参数(即生理参数)是反映作物生长状态的直接指标，且在判断同种作物不同品种的生长状态时具有较好的一致性；且随着检测技术的不断发展，生理状态参数的高频率测量已经不是问题；利用生理状态参数对作物种苗生长进行预测，并指导环境设定点的重新生成(即环境调控)，符合根据作物实际需求进行合理环境调控、减少无谓调控造成能源浪费的温室调控趋势和理念。具体地，本专利技术中涉及的所述环境参数有：昼夜温度、相对湿度、绝对湿度、二氧化碳浓度、昼夜光照强度、红光/白光比率和蓝光/白光比率。所述生理参数包括光合作用参数和叶绿素荧光参数；其中，光合作用参数为本文档来自技高网...

【技术保护点】
一种基于生理参数的设施作物苗期生长预测模型的建立方法，其特征在于，包括以下步骤：(1)数据采集：在控制环境条件的情况下，对设施作物进行育苗栽培实验，采集不同环境参数值下设施作物的生长参数数据和生理参数数据，获得用于构建模型的样本数据库；(2)数据筛选与预处理：A)将样本数据库中环境参数、生长参数和生理参数的数据两两分组，对每组进行典型相关性分析，得到环境参数和生理参数中分别对生长参数起主导性影响的环境主导参数和生理主导参数，以及生理主导参数与生长参数、环境主导参数与生理主导参数的正反作用关系；B)对环境主导参数和生理主导参数的数据进行标准化处理，并根据单个样本的生长参数值与样本生长参数均值的高低比较，对生长参数数据进行作物种苗生长状态的好坏分类，得到训练集和测试集；其中，若单个样本生长参数值不低于样本生长参数均值，则定义作物生长状态为好，反之，则定义作物生长状态为坏；(3)模型构建：分别以训练集中的环境主导参数和生理主导参数作为特征向量，采用支持向量机算法训练模型，获得生理‑生长预测模型和环境‑生长预测模型；(4)模型校正：采用测试集对生理‑生长预测模型和环境‑生长预测模型进行测试，比较两种模型的预测准确率；若生理‑生长预测模型与环境‑生长预测模型之间的预测准确率的关系满足：生理‑生长预测模型–环境‑生长预测模型≥‑5％；选择该生理‑生长预测模型作为最终的预测模型；反之，则重复步骤(2)、(3)，重新选择环境主导参数和生理主导参数进行数据预处理和模型训练，直至生理‑生长预测模型–环境‑生长预测模型≥‑5％，选择该生理‑生长预测模型作为最终的预测模型。...

【技术特征摘要】
1.一种基于生理参数的设施作物苗期生长预测模型的建立方法，其特征在于，包括以下步骤：(1)数据采集：在控制环境条件的情况下，对设施作物进行育苗栽培实验，采集不同环境参数值下设施作物的生长参数数据和生理参数数据，获得用于构建模型的样本数据库；(2)数据筛选与预处理：A)将样本数据库中环境参数、生长参数和生理参数的数据两两分组，对每组进行典型相关性分析，得到环境参数和生理参数中分别对生长参数起主导性影响的环境主导参数和生理主导参数，以及生理主导参数与生长参数、环境主导参数与生理主导参数的正反作用关系；B)对环境主导参数和生理主导参数的数据进行标准化处理，并根据单个样本的生长参数值与样本生长参数均值的高低比较，对生长参数数据进行作物种苗生长状态的好坏分类，得到训练集和测试集；其中，若单个样本生长参数值不低于样本生长参数均值，则定义作物生长状态为好，反之，则定义作物生长状态为坏；(3)模型构建：分别以训练集中的环境主导参数和生理主导参数作为特征向量，采用支持向量机算法训练模型，获得生理-生长预测模型和环境-生长预测模型；(4)模型校正：采用测试集对生理-生长预测模型和环境-生长预测模型进行测试，比...

【专利技术属性】
技术研发人员：师恺，邱权，喻景权，乔晓军，齐振宇，王文平，周艳虹，夏晓剑，周杰，
申请(专利权)人：浙江大学，北京农业智能装备技术研究中心，
类型：发明
国别省市：浙江,33