摘要

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。