天津市保暖式钢骨架大棚越冬蔬菜生产气温适宜度及冷害风险评估

doi:10.3969/j.issn.1673-503X.2024.04.016

摘要/Abstract

摘要：

选用2021年12月至2022年3月天津市两类新型保暖式钢骨架大棚棚室内、外气象观测数据，应用随机森林法模拟棚室内气温分布，分析新型棚室不同气温年型下的热量资源变化和蔬菜种植的气温适宜度及低温风险状况评估。结果表明：两类保暖式钢骨架大棚棚室内气温的随机森林模型模拟值与实测值的决定系数R²大于0.840，一致性指标D值大于0.980。加温型保暖式钢骨架大棚全年最低气温可维持在10 ℃以上，变化范围较小，适宜种植半耐寒蔬菜及喜温蔬菜(适宜度分别为0.86~0.97和0.73~0.90，无低温冷害风险)。常规型保暖式钢骨架大棚最低气温可维持在-3 ℃以上，适宜种植耐寒蔬菜及半耐寒蔬菜(适宜度分别为0.59~0.91和0.43~0.86，低温风险较低)。

关键词: 随机森林, 神经网络, 越冬茬, 热量资源

Abstract:

Using the indoor and outdoor meteorological observation data from two novel insulated steel frame greenhouses in Tianjin over the period from December of 2021 to March of 2022, we applied the Random Forest (RF) method to simulate the distribution of temperature within the two greenhouses, analyzed the variation in heat resources under different climatic conditions and the temperature suitability of vegetable growing, and assessed the risk of low temperature. The results indicated that the indoor air temperature simulated by the RF method correlates highly with the measured values, with a coefficient of determination exceeding 0.85 and a consistency index D value above 0.988 in both novel insulated steel frame greenhouses. The minimum temperature within the heated insulated steel frame greenhouses is consistently maintained above 10 ℃, with minimal fluctuations, making it ideal for the cultivation of semi-tolerant and warm vegetables (with a suitability degree ranging from 0.86 to 0.97 and 0.73 to 0.90, respectively, and no risk of low temperature injury). Conventional insulated steel frame greenhouses can maintain a minimum temperature above -3 ℃, suitable for cold-hardy and half-cold-hardy vegetables (with a suitability degree ranging from 0.59 to 0.91 and 0.43 to 0.86, respectively, and a low risk of low temperature injury).

Key words: Random Forest (RF), Neural network, Overwintering crop, Heat resources

中图分类号:

P49/S626.4

刘涛, 董朝阳, 王腾歌, 谭方颖, 柳芳, 麻雪艳, 黎贞发. 天津市保暖式钢骨架大棚越冬蔬菜生产气温适宜度及冷害风险评估[J]. 气象与环境学报, 2024, 40(4): 131-137.

Tao LIU, Chaoyang DONG, Tengge WANG, Fangying TAN, Fang LIU, Xueyan MA, Zhenfa LI. Assessment of temperature suitability and chilling injury risk for overwinter vegetable growing in insulated steel-framed greenhouses in Tianjin[J]. Journal of Meteorology and Environment, 2024, 40(4): 131-137.

图/表 8

表1

表2

图1

图2

图3

图4

图5

表3

参考文献 35

1	天津市市场监督管理委员会. 种植塑料大棚设计与安装技术规范(DB12/T 1141—2022)[S]. 天津: 天津市市场监督管理委员会, 2022.
2	祝前峰, 陆荣鑑, 李奉顺. 设施塑料大棚的研究现状与发展趋势[J]. 林业机械与木工设备, 2021, 49 (7): 15-18, 35.
3	赵玉萍, 邹志荣, 白鹏威, 等. 不同温度对温室番茄生长发育及产量的影响[J]. 西北农业学报, 2010, 19 (2): 133- 137.
4	李树军, 唐俊贤, 赵华, 等. 昌乐县温室西瓜膨大期裂果与室内小气候要素的关系[J]. 气象与环境学报, 2023, 39 (3): 124- 131.
5	熊宇, 刁家敏, 薛晓萍, 等. 持续寡照对冬季日光温室黄瓜生长及抗氧化酶活性的影响[J]. 中国农业气象, 2017, 38 (9): 537- 547.
6	张继波, 李楠, 邱粲, 等. 寡照胁迫对温室番茄开花坐果特性的影响[J]. 气象与环境学报, 2022, 38 (4): 85- 92.
7	朱雨晴, 薛晓萍. 花果期遮荫对番茄果实生长及品质的影响[J]. 干旱气象, 2020, 38 (6): 994- 1000.
8	陈辰, 陈艳春, 董智强, 等. 鲁中地区典型日光温室喜温蔬菜冷害预警指标研究[J]. 气象与环境学报, 2023, 39 (2): 92- 99.
9	徐超, 王明田, 杨再强, 等. 高温对温室草莓光合生理特性的影响及胁迫等级构建[J]. 应用生态学报, 2021, 32 (1): 231- 240.
10	蔡冰, 刘寿东, 费玉娟, 等. 江苏省设施农业气象灾害风险等级区划[J]. 中国农学通报, 2011, 27 (20): 285- 291.
11	李德, 杨太明, 刘瑞娜, 等. 安徽省设施农业冬季低温风险分析和区划[J]. 中国农业气象, 2013, 34 (6): 703- 709. doi: 10.3969/j.issn.1000-6362.2013.06.013
12	范辽生, 朱兰娟, 柴伟国, 等. 杭州冬季塑料大棚内气温变化特征及日最低气温预报模型[J]. 中国农业气象, 2014, 35 (3): 268- 275. doi: 10.3969/j.issn.1000-6362.2014.03.005
13	杨栋, 丁烨毅, 孙军波, 等. 南方塑料大棚"棚温逆差"特征及其预报[J]. 中国农业气象, 2019, 40 (4): 240- 249.
14	郝庆英, 贾兵, 高林朝, 等. 有机相变蓄热材料对蔬菜大棚冬季温度的影响[J]. 河南科学, 2018, 36 (11): 1740- 1744.
15	杨柳, 张琪, 杨再强, 等. 福建省设施番茄高温高湿灾害分布规律[J]. 生态学杂志, 2022, 41 (6): 1149- 1155.
16	李美荣, 刘映宁, 赵军, 等. 陕西省关中地区大棚蔬菜低温冻害预报服务方法[J]. 干旱地区农业研究, 2007, 25 (5): 204-207, 231.
17	陈思宁, 黎贞发, 刘淑梅. 设施农业气象灾害研究综述及研究方法展望[J]. 中国农业科学, 2014, 30 (20): 302- 307.
18	黎贞发, 于红. 持续低温及低温连阴天气下几种典型日光温室保温性能评价[J]. 中国农学通报, 2013, 29 (23): 123- 128.
19	柳芳, 陈思宁, 李春, 等. 天津市日光温室热量资源评价及其茬口搭配标准[J]. 北方园艺, 2018, (9): 93- 99.
20	薛晓萍, 李鸿怡, 李楠, 等. 日光温室小气候预报技术研究[J]. 中国农学通报, 2012, 28 (29): 195- 202.
21	徐继伟, 杨云. 集成学习方法: 研究综述[J]. 云南大学学报(自然科学版), 2018, 40 (6): 1082- 1092.
22	Friedhelm S , Fabio R , Josef K . Multiple classifier systems-12th International Workshop, MCS 2015, Günzburg, Germany, June 29-July 1, 2015, Proceedings[M]. Switzerland: Springer International, 2015.
23	方秀琴, 郭晓萌, 袁玲, 等. 随机森林算法在全球干旱评估中的应用[J]. 地球信息科学学报, 2021, 23 (6): 1040- 1049.
24	刘红, 党晓东, 都全胜, 等. 基于随机森林算法的日光温室内气温预测模型研究[J]. 中国农学通报, 2020, 36 (25): 95- 100.
25	Breiman L . Random forests[J]. Machine Learning, 2001, 45 (1): 5- 32.
26	周屹, 冯兆祥, 白熙卓, 等. 基于随机森林算法的数据分析软件设计[J]. 黑龙江工程学院学报, 2017, 31 (3): 38- 41.
27	刘剑, 曹美燕, 高治军, 等. 一种基于随机森林的太阳能辐射预测模型[J]. 控制工程, 2017, 24 (12): 2472- 2477.
28	Willmott C J . Some comments on the evaluation of model performance[J]. Bulletin of the American Meteorological Society, 1982, 63 (11): 1309- 1313.
29	Wallach D , Goffinet B . Mean squared error of prediction in models for studying ecological and agronomic systems[J]. Biometrics, 1987, 43, 561- 573.
30	魏瑞江, 王鑫, 朱慧钦. 日光温室黄瓜小气候适宜度定量评价模型[J]. 气象, 2015, 41 (5): 630- 638.
31	山东农业大学. 蔬菜栽培学总论[M]. 北京: 中国农业出版社, 2004.
32	闫宗正, 房琴, 路杨, 等. 河北省地下水压采政策下水价机制调控冬小麦灌水量研究[J]. 灌溉排水报, 2018, 37 (8): 91-97, 128.
33	韦玉翡, 赵建贵, 高安琪, 等. 温室小气候温度和湿度动态模型预测及验证[J]. 湖北农业科学, 2021, 60 (9): 32- 38.
34	李楠, 薛晓萍. 日光温室小气候适宜度定量评价模型改进及应用[J]. 干旱气象, 2020, 38 (6): 1009- 1015.
35	魏瑞江, 孙忠富. 我国日光温室小气候研究进展与展望[J]. 西北农林科技大学学报(自然科学版), 2014, 42 (12): 139- 150.

温度年型	宝坻区	西青区
偏暖年	2013年、2019年	2016年、2019年
正常年	2014年、2015年、2016年、2017年、2018年、2020年	2013年、2014年、2015年、2017年、2018年、2020年
偏冷年	2011年、2012年	2011年、2012年

蔬菜类型	月份	偏暖年	偏冷年	正常年
喜温蔬菜	12月	-479.2	-834.5	-715.9
	1月	-648.6	-965.2	-892.5
	2月	-489.3	-774.6	-639.3
	3月	-237.3	-364.2	-177.8
半耐寒蔬菜	12月	-0.1	-12.2	-9.1
	1月	-6.5	-12.7	-7.6
	2月	0.0	-4.7	-5.8
	3月	0.0	0.0	0.0
耐寒蔬菜	12月	0.0	-1.0	-0.8
	1月	0.0	0.0	0.0
	2月	0.0	0.0	0.0
	3月	0.0	0.0	0.0

[1]	张翠华,段潇楠,卞韬. 基于气象指数的石家庄市夏季日用电量模型对比分析[J]. 气象与环境学报, 2024, 40(4): 138-144.
[2]	蒋维东,张荣智,陈博,张天旗,黄海玲,周林. 基于BP神经网络的地基微波辐射计雷暴预报试验研究[J]. 气象与环境学报, 2023, 39(5): 106-112.
[3]	方楠, 谢国权, 阮小建, 任晨平, 姜舒婕, 张玮玮. 长短期记忆神经网络(LSTM)模型在低能见度预报中的应用[J]. 气象与环境学报, 2022, 38(5): 34-41.
[4]	王涛, 王乙舒, 赵春雨, 王小桃, 秦美欧, 沈玉敏, 侯依玲, 赵建云. 基于机器学习方法的辽宁省初霜冻日期预测模型研究[J]. 气象与环境学报, 2022, 38(4): 47-56.
[5]	杜明哲, 鲁坦, 朱玉周, 廖荣伟, 房小怡. 1961—2019年河南秋季连阴雨天气气候特征分析[J]. 气象与环境学报, 2021, 37(4): 54-62.
[6]	卢盛栋, 李军霞, 李芬, 赵俊杰, 靳泽辉, 李莹, 刘潇. 2017—2019年太原南部城区夏季O₃特征及其影响因子[J]. 气象与环境学报, 2021, 37(3): 40-46.
[7]	李艳兰,金龙,史旭明,陈丹. 基于遗传—神经网络方法的广西台风灾害评估模型研究[J]. 气象与环境学报, 2021, 37(3): 139-144.
[8]	韩余,周国兵,陈道劲,杨春,闵凡花. 重庆市臭氧污染及其气象因子预报方法对比研究[J]. 气象与环境学报, 2020, 36(4): 59-66.
[9]	樊旭,黄颖,冷文楠,张北斗,张文煜,王国印. 基于径向基神经网络的地基微波辐射计反演算法研究[J]. 气象与环境学报, 2020, 36(2): 62-69.
[10]	孙苏琪,王式功,罗彬,杜云松,张巍. 应用机器学习算法的成都市冬季空气污染预报研究[J]. 气象与环境学报, 2020, 36(2): 98-104.
[11]	杜勤博, 吴晓燕, 郑素帆, 李玥莹, 陈欢欢, 张宇烽. 汕头市PM_2.5的气象要素影响分析及预报研究[J]. 气象与环境学报, 2019, 35(5): 70-77.
[12]	瞿建华, 鄢俊洁, 薛娟, 郭雪星. 基于深度学习的FY3D/MERSI和EOS/MODIS云检测模型研究[J]. 气象与环境学报, 2019, 35(3): 87-93.
[13]	李瑞英;任崇勇;张婷. 1961—2015年鲁西南地区热量资源时空变化特征[J]. 气象与环境学报, 2018, 34(4): 92-97.
[14]	刘博;党冰;张楠;王式功;尹岭;张晓云; 黎檀实;卢震华. 多种气象统计模型对比研究——以气象敏感性疾病脑卒中预报为例[J]. 气象与环境学报, 2018, 34(4): 126-133.
[15]	李晓岚, 刘旸, 栾健, 马雁军, 王扬锋, 张婉莹. 基于BP人工神经网络法沈阳市PM_2.5质量浓度集成预报试验[J]. 气象与环境学报, 2018, 34(2): 100-106.