本書在認真總結和歸納國內外有關溫室大棚小氣候變化規(guī)律、溫室作物需水規(guī)律、需水量計算模型、室內節(jié)水灌溉管理措施等方面大量文獻的基礎上，依托湖北省水利廳節(jié)水灌溉試驗示范基地和華北水利水電大學河南省農業(yè)高效節(jié)水重點實驗室，對溫室內主要作物（茄子、黃瓜、番茄）開展了系列田間觀測工作，并對溫室小氣候特征、作物需水量計算方法等進行了深入、系統(tǒng)的理論和應用研究。主要內容包括：緒論，溫室作物需水量田間試驗研究，溫室番茄葉片蒸騰速率的變化規(guī)律以及基于PLS的蒸騰速率預測模型研究，基于水面蒸發(fā)法的溫室作物需水量計算模型研究，作物系數法需水量計算模型研究，基于BP、Elman和GA-BP等神經網絡的需水量計算模型研究等。本書所涉及的研究成果，對于實現我國溫室大棚內的"精準"灌溉、科學管理、優(yōu)質高產具有重要科學意義，具有十分廣闊的應用前景。
更多科學出版社服務，請掃碼獲取。
目錄
第1章 緒論 1
1.1 研究意義與目的 1
1.2 相關概念及說明 3
1.2.1 我國主要栽培設施類型 3
1.2.2 溫室大棚內節(jié)水灌溉技術 4
1.3 溫室栽培中存在的主要問題 6
1.4 國內外研究現狀與進展 8
1.4.1 膜下滴灌的節(jié)水效應 8
1.4.2 溫室大棚內的微氣候環(huán)境 9
1.4.3 膜下滴灌土壤水分運動及水肥調控 9
1.4.4 溫室大棚內灌溉制度 10
1.4.5 溫室作物需水規(guī)律和需水量 12
1.5 主要研究內容和方法 18
1.5.1 主要研究內容 18
1.5.2 研究方法 19
第2章 溫室作物需水量田間試驗 21
2.1 試驗區(qū)基本情況 22
2.1.1 試驗溫室的結構特性 23
2.1.2 溫室滴灌系統(tǒng)簡介 24
2.1.3 試驗作物品種 25
2.2 田間試驗方案 25
2.2.1 試驗設計 25
2.2.2 暗管排水布置 27
2.2.3 簡易測坑布置 28
2.2.4 觀測內容及儀器布置 29
2.3 試驗主要儀器 30
2.3.1 時域反射儀 30
2.3.2 植物生長監(jiān)測儀 31
2.4 水量平衡法推求溫室膜下滴灌作物需水量 33
2.4.1 溫室滴灌系統(tǒng)灌水利用系數確定 34
2.4.2 TDR實測土壤含水量計算原理 36
2.4.3 溫室膜下滴灌土壤實際浸潤深度計算方法 36
2.4.4 溫室番茄膜下滴灌需水量計算方法確定 37
第3章 基于PLS的溫室作物蒸騰速率預測模型 39
3.1 試驗資料和方法 40
3.1.1 環(huán)境因子與蒸騰速率測量 40
3.1.2 快速稱重法 40
3.2 溫室番茄蒸騰速率的變化規(guī)律 41
3.2.1 溫室番茄蒸騰速率的長系列變化 41
3.2.2 溫室番茄蒸騰速率的日變化 42
3.2.3 溫室番茄蒸騰速率與環(huán)境因子間的相關性分析 43
3.3 基于PLS的溫室番茄蒸騰預測模型 46
3.3.1 偏最小二乘回歸方法簡介 46
3.3.2 偏最小二乘回歸的建模步驟 50
3.3.3 溫室番茄蒸騰速率的PLS預測模型 51
3.3.4 PLS回歸模型的檢驗與分析 54
3.4 本章小結 56
第4章 水面蒸發(fā)法需水量計算模型 57
4.1 水面蒸發(fā)和需水量的變化規(guī)律 57
4.1.1 蒸發(fā)量、需水量的變化趨勢 57
4.1.2 蒸發(fā)量、需水量的主要影響因子分析 58
4.1.3 蒸發(fā)量、需水量間相關性分析 59
4.2 水面蒸發(fā)法需水量計算模型驗證 61
4.2.1 擬合結果 61
4.2.2 誤差分析 63
4.3 本章小結 63
第5章 作物系數法需水量計算模型 65
5.1 需水量和作物系數年變化規(guī)律分析 65
5.1.1 作物需水量 65
5 .1.2 作物系數 67
5.2 需水量和作物系數月變化規(guī)律分析 69
5.3 作物系數法需水量計算模型驗證 74
5.3.1 擬合結果 74
5.3.2 誤差分析 74
5.4 本章小結 75
第6章 神經網絡理論和MATLAB神經網絡工具箱 77
6.1 神經網絡簡介 77
6.1.1 人工神經網絡概述 77
6.1.2 人工神經網絡模型 78
6.1.3 神經網絡激活函數 79
6.1.4 神經網絡模型分類 80
6.2 誤差反向傳播網絡 81
6.2.1 BP網絡結構 81
6.2.2 BP網絡原理 81
6.3 Elman動態(tài)回歸神經網絡 84
6.3.1 Elman動態(tài)同歸神經網絡結構 85
6.3.2 Elman網絡原理 86
6.4 MATLAB神經網絡工具箱 88
6.4.1 MATLAB簡介 89
6.4.2 BP網絡的神經網絡工具箱函數 91
6.4.3 MATLAB中BP網絡的訓練過程 93
6.4.4 Elman神經岡絡工具箱函數 94
第7章 基于BP網絡的溫室作物需水量預測模型 97
7.1 BP網絡算法 97
7.1.1 BP網絡的限制與不足 97
7.1.2 BP網絡的改進算法 98
7.2 基于L M算法的BP網絡溫室作物需水量預測模型 99
7.2.1 BP網絡層數的確定 100
7.2.2 試錯法確定隱含層神經元個數 100
7.2.3 網絡學習參數的選取 100
7.2.4 BP網絡設計 101
7.2.5 樣本數據的處理 102
7.3 BP網絡溫室作物需水量預測模型的應用 103
7.3.1 溫室茄子需水量預測 103
7.3.2 溫室番茄需水量預測 111
7.3.3 溫室黃瓜需水量預測 112
7.4 本章小結 113
第8章 基于Elman網絡的溫室作物需水量預測模型 115
8.1 Elman網絡模型的原理 116
8.2 Elman網絡設計 116
8.3 Elman網絡溫室作物需水量預測模型的應用 117
8.3.1 溫室茄子需水量預測 117
8.3.2 溫室番茄需水量預測 119
8.3.3 溫室黃瓜需水量預測 120
8.4 BP網絡模型和Elman網絡模型對比 121
8.5 本章小結 121
第9章 基于GA-BP網絡的溫室作物需水量計算模型 123
9.1 GA-BP網絡模型 123
9.1.1 BP網絡的不足與優(yōu)化 123
9.1.2 遺傳算法簡介 124
9.1.3 遺傳算法在神經網絡巾的應用 127
9.2 GA-BP網絡在溫室作物需水量預測模型中的應用 129
9.2.1 樣本數據的處理 129
9.2.2 網絡結構的確定 130
9.2.3 遺傳算法優(yōu)化網絡參數 132
9.2.4 GA-BP網絡模型的訓練 133
9.2.5 模型的擬合與檢驗 134
9.3 本章小結 136
第10章 結論與展望 137
10.1 主要結論 137
10.2 創(chuàng)新點 139
10.3 展望 139
參考文獻 141
書單推薦
