东北地区日光温室冬季番茄蒸散量估算模型筛选.pdf

中 国 农 业 气 象 第 46 卷 1604 中国农业气象 Chinese Journal of Agrometeorology 2025 年 doi 10 3969 j issn 1000 6362 2025 11 007 胡蕴鹏 罗新兰 王晓桐 等 东北地区日光温室冬季番茄蒸散量估算模型筛选 J 中国农业气象 2025 46 11 1604 1613 东北地区日光温室冬季番茄蒸散量估算模型筛选 胡蕴鹏 1 2 罗新兰 1 王晓桐 3 石俊磊 3 倪 妍 1 1 沈阳农业大学农学院 沈阳 110866 2 天津国能津能滨海热电有限公司 天津 300459 3 沈阳农业大学园艺学院 沈阳 110866 摘要 于 2024 年 1 月 6 日 2 月 2 日在沈阳农业大学教学科研基地辽沈 型节能日光温室内进行试验 温室内 种植基质袋培番茄 用黑色塑料薄膜覆盖全部地面 最大程度减少土壤蒸发 使用热扩散式茎流计测量番茄茎 流速率 计算蒸腾量作为蒸散实测值 对 4 个蒸散模型 FAO56 PM FAO24 Pen PT 和 Mak 进行适用性评 价 并对 Mak 模型进行修正 以期为东北日光温室选取适用的蒸散模型 结果表明 1 根据平均绝对百分比 误差 MAPE 平均预测误差 MPE 和均方根误差 RMSE 指标 4 个模型的模拟效果表现为 FAO24 Pen PT FAO56 PM Mak 虽然 FAO24 Pen 模拟效果最好 但仍不足以在实际生产中使用 2 主成分分析结果 表明 温度 相对湿度和太阳辐射是影响温室内蒸散的主要因子 因此在 Mak 模型中引入相对湿度因子进行修 正 其模拟结果与实测值相比 MAPE MPE 和 RMSE 分别为 9 391 0 051mm d 1 和 0 068mm d 1 RMSE 较修正前降低约 80 比 FAO24 Pen 低约 54 可较好地模拟温室内蒸散量 说明修正后的 Mak 模型比较适 合东北日光温室冬季番茄作物的蒸散计算 研究可为严冬季节东北日光温室作物智能灌溉系统提供参考 关键词 日光温室 基质袋培番茄 蒸散模型 热扩散式茎流仪 适用性 Selection of an Evapotranspiration Estimation Model for Winter Tomato Cultivation in Solar Greenhouses in Northeast China HU Yun peng 1 2 LUO Xin lan 1 WANG Xiao tong 3 SHI Jun lei 3 NI Yan 1 1 College of Agronomy Shenyang Agricultural University Shenyang 110866 China 2 Tianjin Guoneng Jinneng Binhai Thermal Power Co Ltd Tianjin 300459 3 College of Horticulture Shenyang Agricultural University Shenyang 110866 Abstract The experiment was conducted from January 6 to February 2 2024 in a Liaoshen type II energy efficient solar greenhouse at the Shenyang Agricultural University research base Tomato plants were grown in substrate bags The ground was covered with black plastic film to minimize soil evaporation The stem sap flow rates of tomato plants were measured via thermal dissipation probes TDPs to calculate transpiration as the measured evapotranspiration ET value Four evapotranspiration models FAO56 PM FAO24 Pen PT and Mak were evaluated and the Mak model subsequently was modified with the aim of identifying a suitable ET estimation model for solar greenhouses in northeast China The results revealed that 1 the model overall performance ranked by the mean absolute percentage error MAPE mean prediction error MPE and root mean square error RMSE was FAO24 Pen PT FAO56 PM Mak Although the FAO24 Pen model achieved the highest performance indices MAPE 20 263 MPE 0 122mm d 1 and RMSE 0 149mm d 1 its predictive accuracy remained insufficient for the estimation of actual evapotranspiration ET 2 Principal component analysis PCA revealed that temperature relative humidity and solar radiation were the dominant factors influencing evapotranspiration within the 收稿日期 2024 12 18 基金项目 国家自然科学基金项目 32272005 通讯作者 罗新兰 副教授 主要从事应用气象及设施环境模拟 E mail luoxinlan 第一作者联系方式 胡蕴鹏 E mail 3063424056 第 11 期 胡蕴鹏等 东北地区日光温室冬季番茄蒸散量估算模型筛选 1605 greenhouse In order to enhance the model performance compared to the measured values the Mak model was modified by incorporating a relative humidity parameter Compared to the measured values the modified Mak model demonstrated a significant improvement in accuracy with evaluation metrics of MAPE 9 391 MPE 0 051mm d 1 and RMSE 0 068mm d 1 Significantly the RMSE was reduced by approximately 80 compared to the original Mak model and by 54 lower than that of the FAO24 Pen model These findings suggest that the modified Mak model achieves validated accuracy in estimating the evapotranspiration of tomato in solar greenhouses in northeast China during winter The results of this study provide valuable references for intelligent irrigation systems for crops in solar greenhouses in northeast China during the cold winter seasons Key words Solar greenhouse Substrate bag cultivation of tomato Evapotranspiration model Thermal dissipation probes Applicability 中国设施农业面积占世界设施总面积的 80 以 上 1 日光温室是中国独有的温室类型 在 40 N 以 上地区广泛使用 2 日光温室在冬季可为作物生长提 供适宜生长环境 是解决严冬季节东北地区果蔬供 应不足的有效办法 3 经过超 60a 的发展 日光温室 在中国得到了大面积应用 但与此同时也存在一些 问题 温室内作物无法获得自然降水 作物水分供 给主要依靠人工灌溉 但实际生产过程中的灌溉方 法相对落后 部分地区甚至仍以经验灌溉为主 难 以实现合理灌溉 日光温室冬季生长环境相对封闭 室内通风较少 导致温室内低温高湿 不合理的灌 溉会加剧这一问题 灌溉量过小 作物得不到足量 的水分供应造成减产 农业收益降低 灌溉量过大 不仅造成浪费水资源 还会使室内空气湿度过高 导致病虫害发生和作物品质下降 严重的还会造成 烂根或阻碍呼吸 导致植株死亡 4 5 因此 实际日 光温室园艺作物生产过程中 适时适量的水分供应 科学合理地进行灌溉是非常重要的 蒸腾和蒸发是水循环和能量循环的重要组成部 分 作物蒸散量是农业灌溉用水的主要消耗途径 占据超过 95 的灌溉水量 6 准确计算作物蒸散量对 农业用水管理 农作物灌溉制度的建立意义重大 自 20 世纪 50 年代以来 已诞生了许多测量作物蒸 散量的方法 但所需仪器大多较为昂贵且使用时费 时费力 目前研究中多使用蒸散模型计算作物蒸散 量 7 FAO56 PM 作为被联合国粮食及农业组织推荐 的方法被广泛使用 8 王大刚等 9 使用 FAO56 PM 分 析塔里木地区 2000 2019 年生长期蒸散量的变化规 律和对气象因子的敏感性 Ferreira 等 10 使用 FAO56 PM 训练机器学习模型计算巴西各地的蒸散量 刘文 辉等 11 使用 FAO56 PM 模型计算 1970 2017 年中国 各地的逐日蒸散量 研究每种气象因子对其影响 随着研究的深入 有学者发现 FAO56 PM 模型并非 适合所有地区 使用前应该进行适应性评价 Valle 等 12 研究了 21 种蒸散模型在巴西草原的适用性 发 现辐射法模型的效果最好 其中 PT模型的精度最高 而温度法和传质法效果较差 刘晓英等 13 在北京小 汤山使用称重式蒸渗仪的数据作为实测值 检测 16 种模型的适用性 认为 FAO79 Pen 和 Pen63 模型效 果最好 并且根据当地环境对多个模型的参数进行 了修正 Maetinez 等 14 使用佛罗里达州的 72 个气象 站数据对 PM Har 和 Turc 模型进行评价 认为在没 有校准方法的情况下 推荐使用 Turc 模型 而 PM 和 Har 模型高估了蒸散量 冬季东北日光温室相对封闭 室内通风较少 且温室内外温差大 作物生长环境湿度较高 在这 种环境下的作物蒸散量相关研究较少 难以实现提 高灌溉水分利用效率这一目标 本研究以日光温室 中主要作物番茄为对象 采用基质袋培结合地膜覆盖 的栽培模式 使用插针式茎流仪连续监测植株蒸腾 量 鉴于地膜覆盖可有效抑制土壤蒸发 85 左右 15 将茎流计实测蒸腾量作为番茄实际蒸散量的近似 值 与目前常用蒸散模型进行对比 评估这些模型 在北方日光温室冬季环境中的适用性 并选出合适 的模型进行优化 作为冬季东北日光温室番茄作物 最适用的蒸散模型 进而为严冬季节东北日光温室 番茄作物合理灌溉管理及智能灌溉系统提供参考 1 材料与方法 1 1 试验概况 试验于 2024 年 1 2 月在沈阳农业大学教学科研 基地日光温室中进行 123 5 E 41 8 N 温室海拔 217 7m 方位南偏西 27 东西长度 40 0m 跨度 8 0m 中 国 农 业 气 象 第 46 卷 1606 脊高 4 1m 北墙高 3 0m 墙体厚 45cm 北墙外侧 设有冷棚 番茄种植期间环境管理措施同温室生产 一致 选用适于北方温室生长季的 美圣 品种进行 栽培 番茄采用南北成行的基质袋培 行距 1m 株 距 20cm 共定植 500 株 每行铺有一根滴灌管 各 滴灌滴头与各基质袋对应 滴灌滴头插于各植株根部 中间位置 晴天时分别于 8 00 11 00 13 00 灌 溉 100mL 株 1 温室保温被在 9 00 开启 15 30 关 闭 温室顶部有通风口 晴天温室内超过 30 时通 风口开启 20cm 平均开启时间为 15min 其余时间 为封闭状态 温室内设有三个增温空调 室内低于 16 时开启 温室内补光灯在阴天或保温被无法开 启时开启 仅在基质袋上开直径 10cm 的洞以便番茄 长出 并使用黑色塑料薄膜覆盖全部温室内地面 最大程度降低温室内土壤蒸发 使温室内蒸散近乎 全由作物蒸腾构成 图 1 1 2 气象要素观测 温室中部安装环境 茎流传感器用于测量气象 要素等 包括植株茎流值 温室内太阳总辐射 太 阳净辐射 温度 湿度 土壤热通量和风速 试验 期间 24h 持续监测 每 10min 采集一次数据 详细 配置如表 1 所示 1 3 茎流观测 选择长势良好的 3 株番茄作样本 安装插针式 茎流计测量番茄蒸腾速率 其结果作为实测值 16 试验数据为 2024 年 1 月 6 日 2 月 2 日测定结果 1 对每株测得数据 T 两探针之间温差 进 行统计学分析 修正不合理的 T 值 即 55 55 T1 96SE T T1 96SE T T T 1 96SE T T 1 96SE T1 96SE T T1 96SE 1 式中 T 为两探针之间温差修正值 T 为实测两探针之间温差 5 T 为与 T 相对应 滑动长度为 5 的 T 原序列的滑动平均值 SE 为相应滑动标准差 2 利用修正后的数据计算单株茎流速率 19 图1 日光温室外部 a 和内部 b 结构 Fig 1 External a and internal b structures of solar greenhouse 表1 观测设备与主要参数 Table 1 The experimental instruments and main technical parameters 传感器型号 Sensor model 主要参数 Main parameters 安装位置 Installation location 空气温湿度 Air temp and humi RR10TH 温度 Temp 45 65 0 2 湿度 Humi 0 100 2pp 0 5m 1m 1 5m 太阳辐射 Solar radiation RR20P 响应光谱 Spec 400 1100nm 5 量程 Range 0 2000W m 2 5 2m 净辐射 Net radiation RR74NR 光谱范围 Spec 短 Short 280 2800nm 1 长 Long 4000 40000nm 1 灵 敏度 Sens 短 Short 7 20 V W 1 m 2 1 长 Long 5 10 V W 1 m 2 1 2m 植物茎秆液流 Stem flow gauge RRTDP5 探针长度 Probe length 5mm 加热电阻 Heating resistor 36 探针直径 Probe diameter 2mm 0 5m 土壤热通量 Soil heat flux HFP01 量程 Range 2000 2000W m 2 5 灵敏度 Sens 50W m 2 基质袋中间 In substrate bag 风速 Wind speed RR30WS 量程 Range 0 60m s 1 0 5m s 1 启动风速 Star wind speed 0 5m s 1 2m 第 11 期 胡蕴鹏等 东北地区日光温室冬季番茄蒸散量估算模型筛选 1607 计算式为 6 1 231 d F 118 99 10 K 2 式中 F d 为茎秆液流速率 m s 1 K 为系数 计算式为 m TT K T 3 式中 m T T 为液流速率为零和不为零时两 探针之间温差 将上述液流速率转换为质量形式 即 sds F360FA 4 式中 F s 为质量形式茎秆液流速率 g h 1 为 水密度 g m 3 A s 为茎秆横截面积 m 2 将 F s 代入下式可计算出单株植株实测蒸腾速率 s f FLAI T 1000La 5 式中 T f 为单株植株蒸腾速率 mm h 1 La 为 植株监测探针上方的叶面积 m 2 LAI 为单株叶面 积指数 每小时观测一次 将全天 24h 数据相加即 得到一天的蒸腾值 mm d 1 试验结束后 于 2024 年 2 月 3 日对使用茎流仪 观测的 3 株番茄进行破坏性取样 测量探针插入位 置的主茎横截面积与探针上方的叶面积和叶面积指 数 计算式为 0 3782ab 0 a 20 LA 0 3184ab a 20 6 式中 LA 为叶面积 cm 2 a 为叶片长度 cm b 为叶片宽度 cm LAI LA 单棵植株占地面积 1 4 蒸散计算模型 1 FAO56 Penman Monteith FAO56 PM 模 型 17 n2sa 2 900 0 408 R G u e e T273 ET 1 0 34u 7 式中 ET 为作物蒸散量 mm d 1 R n 为净辐射 MJ m 2 d 1 为饱和水汽压与气温关系斜率 kPa 1 G 为土壤热通量 MJ m 2 d 1 T 为日平 均温度 u 2 为 2m 高度风速 m s 1 为湿度计 常数 kPa 1 e s 为饱和水汽压 kPa e a 为露点温 度计算实际水汽压 kPa 2 FAO24 Penman FAO24 Pen 模型 18 n2sa ET c R G 2 7 1 0 86u e e 8 式中 c 1 3 Priestley Taylor PT 模型 19 n RG ET 9 式中 为常数 取 1 26 为水的汽化潜热 MJ kg 1 4 Makkink Mak 模型 20 s Mak R ET C 10 式中 C Mak 为常数 取 0 63 R s 为总太阳辐射 MJ m 2 d 1 1 5 模型评价 使用茎流仪数据计算番茄植株蒸腾量作为实测 数据对蒸散模型进行评价 采用以下统计指标 均 方根误差 RMSE 平均预测误差 MPE 平均绝 对百分比误差 MAPE 21 MPE 越小 MAPE 越 小 模拟效果越好 其计算式为 n 2 ii i1 YX RMSE n 11 ii YX MPE n 12 n ii i1 i YX1 MAPE 100 nX 13 式中 Y i 为模型计算值 mm d 1 X i 为实测值 mm d 1 n 为样本数 2 结果与分析 2 1 四种模型模拟蒸散量与实测值比较 选取 2024 年 1 月 6 日 2 月 2 日的试验数据分析 试验区蒸散值 此时番茄处于坐果期 其中 1 月 8 日 14 日 17 日 31 日 2 月 1 日为阴天 1 月 13 日 21 日 22 日 30 日为雪天 其余为晴天 从图 2 可知 FA056PM FA024Pen 和 PT 模型 模拟值与实测值的变化趋势基本一致 期间单株番 茄实测蒸散量在 0 329 0 777mm d 1 最小值在 1 月 22 日 最大值在 1 月 16 日 FAO56 PM 模型模拟的 蒸散量在 0 067 0 805mm d 1 最小值在 1 月 31 日 最大值在 2 月 1 日 FAO24 Pen 模型模拟的蒸散量 在 0 295 1 053mm d 1 最小值在 1 月 30 日 最大值 在 2 月 1 日 PT 模型模拟的蒸散量在 0 012 0 973mm d 1 最小值在 1 月 31 日 最大值在 2 月 1 日 Mak 模型模拟的蒸散量在 0 004 0 435mm d 1 中 国 农 业 气 象 第 46 卷 1608 图2 2024年1月6日 2月2日实测逐日蒸散值和4种模型模拟值的变化过程 Fig 2 Variation course of daily evapotranspiration ET measured and simulated by four models January 6 to February 2 2024 最小值在 1 月 30 日 最大值在 2 月 2 日 由图 3 可知 FAO56 PM 模型与实测值拟合曲线 的斜率为 0 628 截距为 0 115 FAO24 Pen 模型与 实测值拟合曲线的斜率为 0 719 截距为 0 219 PT 模型与实测值拟合曲线的斜率为 0 779 截距为 0 126 Mak 模型与实测值拟合曲线的斜率为 0 871 截距为 0 256 根据 RMSE 的大小 可以将四个模 型的模拟精度排序 最好的是 FAO24 Pen 模拟结 果的 MAPE MPE 和 RMSE 值分别为 20 263 0 122mm d 1 和 0 149mm d 1 其次是 PT 模拟结果 的 MAPE MPE 和 RMSE 值分别为 23 797 0 140mm d 1 和 0 180mm d 1 之后是 FAO56 PM 模拟结果的 MAPE MPE 和 RMSE 值分别为 22 945 0 142mm d 1 和 0 183mm d 1 Mak 模拟的 效果最差 MAPE MPE 和 RMSE 值分别为 57 112 0 335mm d 1 和 0 345mm d 1 四个模型在模拟精度 上的排序为 FAO24 Pen PT FAO56 PM Mak 虽 然 FAO24 Pen 效果最好 但是精确度仍不足以在实 际生产中使用 由图 2 和图 3 可以发现 Mak 模型的模拟值变 化规律与实测值一致 拟合曲线斜率最接近于 1 并 且相较于其他 3 个模型 Mak 模型的 R 2 最大 认为 该模型的模拟精度较高 但是其准确性略低 表现 为低于实测值 因此对 Mak 模型进行修正容易得到 较好结果 2 2 影响蒸散量模拟效果的气象因子筛选 使用主成分分析法选出对 ET 模拟值影响较大 的气象因子 判定需要引入模型的气象因子 对 Mak 图3 模型模拟逐日蒸散值与实测值的比较 Fig 3 Comparison of simulated values by models and measured value of daily evapotranspiration 法进行修正 表 2 为特征值大于 1 的 3 个主成分 累计方差贡献率达到 93 6 表明前 3 个主成分能 够解释 7 个气象因子对 ET 的影响 表 3 列出了各成 分的载荷值 由表可见 与第一主成分相关的气象 要素有 4 个 分别是日平均温度 日最高温度 净 辐射和饱和水汽压差 第二主成分与日平均湿度和 太阳辐射 2 个气象因子有较大关联 第三主成分只 与日最低温度具有显著相关性 第 11 期 胡蕴鹏等 东北地区日光温室冬季番茄蒸散量估算模型筛选 1609 表2 主成分分析中特征值大于1的三个主成分的方差贡献率 Table 2 The variance contribution rates of the three principal components with eigenvalues greater than 1 in principal component analysis 成分 Ingredients 特征 Eigenvalue 方差贡献率 Variance contribution rate 累计方差贡献率 Cumulative variance contribution rate 1 3 415 48 793 48 793 2 2 086 29 801 78 594 3 1 051 15 010 93 604 表3 三个主成分的因子载荷值 Table 3 The factor loadings of the three principal components 气象因子 Meteorological factors 第一主成分 First principal component 第二主成分 The second principal component 第三主成分 The third principal component 日平均温度 Average daily temperature 0 937 0 223 0 196 日最高温度 Daily maximum temperature 0 929 0 270 0 085 日最低温度 Daily minimum temperature 0 492 0 197 0 809 日平均湿度 Average daily humidity 0 006 0 949 0 140 净辐射 Net radiation 0 758 0 481 0 264 太阳辐射 Solar radiation 0 555 0 708 0 391 饱和水汽压差 Saturated water vapor pressure difference 0 742 0 540 0 330 2 3 引入气象因子的Mak模型修正 与第一 第二主成分相关性较高且 Mak 模型未 考虑到的气象因子是相对湿度 故将相对湿度引入 Mak 修正式 即 Makr Mak EEf RH 14 式中 Makr E 为将相对湿度引入 Mak 模型后的逐 日模拟蒸散量 Mak E 为原始 Mak 模型的逐日模拟蒸 散量 f RH 为平均湿度函数 使用 1 月 6 25 日的逐日蒸散数据对 Mak 模型进 行修正 以逐日实测值与原 Mak 逐日模拟值之差作 因变量 y RH 作自变量 x 进行回归分析 得到非 线性回归方程为 x0 306 y 0 059sin 0 297 0 134 15 引入平均湿度后的 Mak 模型修正式为 Makr Mak x0 306 E E 0 059sin 0 297 0 134 16 2 4 Mak模型修正效果 使用 2024 01 06 25 的数据对模型进行修正 模型修正后的模拟效果如图 4和图 5所示 由图可见 修正后的 Mak 模型效果远好于修正前 MAPE 由之 前的 57 112 下降至 9 391 MPE 由 0 331mm d 1 图4 Mak模型修正前后模拟值与实测逐日蒸散值的比较 2024 01 06 25 Fig 4 Comparison of daily evapotranspiration simulated values by before after revised Mak model and measured value 2024 01 06 25 中 国 农 业 气 象 第 46 卷 1610 降至 0 051mm d 1 R 2 由 0 637 提高至 0 761 提高 了 19 5 RMSE 由之前的 0 341mm d 1 降至 0 068mm d 1 降低了约 80 修正后的 Mak 模型模 拟准确性大幅提升 图5 修正后Mak模型模拟逐日蒸散量与实测值的比较 Fig 5 Comparison of the daily evapotranspiration values by the modified Mak model and the measured value 利用 Mak 修正模型对 1 月 26 日 2 月 2 日逐日 蒸散量进行预测 并与实测值对比 由图 6 可见 Mak 修正模拟值与实测值拟合效果较好 说明将湿 度因子引入 Mak 模型 可有效提高模型模拟精度 从而提高严冬季节东北日光温室番茄作物蒸散量的 估算准确度 图6 Mak模型修正后模拟值与实际值的比较 01 26 02 02 Fig 6 Comparison of simulated values by revised Mak model and measured values 01 26 02 02 3 结论与讨论 3 1 讨论 东北冬季日光温室是一个高温高湿且风速几乎 为 0 的密闭环境 这与目前较多研究的大田环境截 然不同 本研究对 FAO24 Pen PT FAO56 PM 和 Mak 模型在温室内的模拟效果进行分析 模拟效果 最好的是 FAO24 Pen 模型 但各评价指标说明它不 适用于日光温室 这与在温室中使用 FAO56 PM 作 为实测值来判断其他模型适用性的研究不同 22 23 这可能与东北冬季经常阴天 下雪 导致温室内气 象因子变化较大有关 本研究使用主成分分析对温室内气象因子对作 物蒸散的影响大小进行分析 认为温度 相对湿度 和太阳辐射是最主要的因子 这与马亚丽等 24 的研 究相同 与本研究不同的是阳伏林等 25 认为在黄土 高原半干旱农田中主要影响因子是太阳辐射和土壤 含水量 与相对湿度相关不明显 这可能与实验地 点的差异有关 试验中使用茎流仪测量番茄的茎流速率 计算 得到番茄蒸腾值作为实测值 这与赵鸣泽等 26 27 使 用的方法相同 但不同点在于本研究使用的是热扩 散式茎流仪 赵鸣泽等 26 使用的是热脉冲式茎流仪 热扩散式茎流仪相较于热脉冲可以连续放热 可测 定连续或任意时间的作物液流速率 准确度也更高 张强等 28 对多种地面蒸散量的测量方法进行比较 认为由于不同方法的物理意义不同 测出的结果也 会有所区别 未来将对日光温室内环境进行研究 以期找到比茎流仪更适合的方法 本研究将湿度因子加入 Mak 模型 完善了模型 结构 使模型可以较准确地模拟温室内番茄蒸散 这与李凤云等 29 将湿度因子加入 Har 模型 得到较 好结果的研究类似 而张强等 30 使用修改作物系数 的方法在半干旱地区春小麦上获得了较好结果 一般来说温室内蒸散值是作物蒸腾与土壤蒸发 的总和 本试验使用基质袋培番茄 仅在基质袋上 开直径 10cm 的洞以便番茄长出 并使用黑色塑料薄 膜覆盖全部土地 最大程度降低温室内土壤蒸发 使温室内蒸散量几乎全由作物蒸腾量构成 15 在日光温室中进行试验 相较于大田 日光温 室内温湿度 太阳辐射均存在分布不均匀的情况 同一小区不同位置的番茄植株蒸腾量均有差异 31 试验期间环境传感器安装在小区正中间 使用测量 第 11 期 胡蕴鹏等 东北地区日光温室冬季番茄蒸散量估算模型筛选 1611 值代表整个小区的环境数据计算蒸散量可能会产生 误差 未来应在每个小区不同位置安装更多环境仪 器 为模拟作物蒸散量提供更准确的环境数据 模拟单株番茄蒸散量的最终目的是要正确估计 整个日光温室内番茄冠层的蒸散量 目前常用转换 方法为分别测量出单株和群体的蒸散量 再找出群 体尺度下一个或几个较易测量的指标 如叶面积 茎粗等 然后找出单株蒸散量与这些指标的相关关 系 来估算群体的蒸散量 32 33 本试验番茄种植密 度约为 3 株 m 2 故选择长势良好的 3 株番茄作为测 试样本 以方便从单株尺度向群体尺度的转换 但 这种尺度转换方法的准确性有待商榷 未来仍需使 用蒸渗仪测量更大面积的番茄蒸散量 以建立合适 的相关关系 提高试验精度 总体来看 本研究完成了 4 种蒸散模型在冬季 东北日光温室中的适应性研究 并将 Mak 模型针对 日光温室内环境进行修正 得到了中国严冬季节东 北日光温室番茄栽培的适用蒸散模型 可为严冬季 节东北日光温室作物合理灌溉方式提供重要参考 3 2 结论 1 根据严冬季节东北日光温室使用插针式茎 流仪实测蒸散值评价 FAO24 Pen PT FAO56 PM 和 Mak 蒸散模型的模拟效果 根据 MAPE MPE RMSE 评价指标 4 个模型的模拟精度表现为 FAO24 Pen PT FAO56 PM Mak 虽然 FAO24 Pen 的效果最 好 但是精确度仍不足以在实际生产中使用 2 通过使用主成分分析得出温度 相对湿度 和太阳辐射是影响温室内蒸散的主要因子 在 Mak 公式中引入相对湿度因子 获得 Mak 修正模型 修 正后模拟结果与实测值相比 MAPE MPE 和 RMSE 分别为 9 391 0 051mm d 1 和 0 068mm d 1 比修 正前提高了约 80 比 FAO24 Pen 高了约 54 可 以较好地模拟温室内蒸散量 参考文献References 1 李天来 齐明芳 孟思达 中国设施园艺发展 60 年成就与 展望 J 园艺学报 2022 49 2119 2130 Li T L Qi M F Meng S D Sixty years of facility horticulture development in China achievements and prospects J Acta Horticulturae Sinica 2022 49 2119 2130 in Chinese 2 古文海 陈建 设施农业的现状分析及展望 J 农机化研 究 2004 1 46 47 Gu W H Chen J Present situation and prospects of facility agriculture J Journal of Agricultural Mechanization Research 2004 1 46 47 in Chinese 3 王淼 北方冬季日光温室气象要素分析及番茄蒸腾量模 拟研究 D 沈阳 沈阳农业大学 2019 Wang M Analysis of meteorological elements andsimulation of tomato transpiration in Chinese solar greenhouse during winter in northern D Shenyang Shenyang Agricultural University 2019 in Chinese 4 李建明 樊翔宇 闫芳芳 等 基于蒸腾模型决策的灌溉量 对甜瓜产量及品质的影响 J 农业工程学报 2017 33 21 156 162 Li J M Fan X Y Yan F F et al Effect of different irrigation amount based on transpiration model on yield and quality of muskmelon J Transactions of the Chinese Society of Agricultural Engineering 2017 33 21 156 162 in Chinese 5 袁洪波 程曼 庞树杰 等 日光温室水肥一体灌溉循环系 统构建及性能试验 J 农业工程学报 2014 30 12 72 78 Yuan H B Cheng M Pang S J et al Construction and performance experiment of integrated water and fertilization irrigation recycling system J Transactions of the Chinese Society of Agricultural