欢迎来到园艺星球(共享文库)! | 帮助中心 分享价值,成长自我!
园艺星球(共享文库)
换一换
首页 园艺星球(共享文库) > 资源分类 > PDF文档下载
 

玻璃温室和塑料大棚内逐时气温模拟模型.pdf

  • 资源ID:4977       资源大小:734.90KB        全文页数:12页
  • 资源格式: PDF        下载权限:游客/注册会员/VIP会员    下载费用:0金币 【人民币0元】
快捷注册下载 游客一键下载
会员登录下载
微信登录
下载资源需要0金币 【人民币0元】
邮箱/手机:
温馨提示:
系统会自动生成账号(用户名和密码都是您填写的邮箱或者手机号),方便下次登录下载和查询订单;
验证码:   换一换

加入VIP,免费下载
 
友情提示
2、PDF文件下载后,可能会被浏览器默认打开,此种情况可以点击浏览器菜单,保存网页到桌面,既可以正常下载了。
3、本站不支持迅雷下载,请使用电脑自带的IE浏览器,或者360浏览器、谷歌浏览器下载即可。
4、本站资源下载后的文档和图纸-无水印,预览文档经过压缩,下载后原文更清晰   

玻璃温室和塑料大棚内逐时气温模拟模型.pdf

p中国农业气象( Chinese Journal of Agrometeorology) 2018年 nbsp;doi10.3969/j.issn.1000-6362.2018.10.003 nbsp;韦婷婷 ,杨再强 ,王琳 ,等 .玻璃温室和塑料大棚内逐时气温模拟模型 [J].中国农业气象 ,2018,3910644655 nbsp;玻璃温室和塑料大棚内逐时气温模拟模型 * 1韦婷婷 1 ,杨再强 1,2** ,王 nbsp;琳 1 ,赵和丽 1 ,李佳帅 1( 1.南京信息工程大学气象灾害预报预警与评估协同创新中心,南京 210044; 2.江苏省农业气象重点实验室,南京 210044) 摘要 2014−2016年在江苏省不同地区选择塑料大棚和玻璃温室进行设施内气温监测,基于设施内日最高和 最低气温,采用余弦分段函数、正弦分段函数、正弦 −指数分段函数、一次分段函数和神经网络模型分别模 拟不同季节和不同天气状况(晴天和阴雨天)下的逐时气温日变化,探究利用室内最高和最低气温模拟计算 逐时气温的方法,以及设施内逐时气温日变化规律。结果表明 5种模型均可通过当日最高、最低气温模拟 逐时气温变化,其中神经网络模拟精度较高( RMSE0.69℃) ,并且受温室类型、天气状况和季节变化的影 响较小,普适性较高;正弦 −指数分段函数模拟效果最好( RMSE0.43℃) ,且受天气和季节的影响较小,但 其受温室本身特性和地区的影响较大;余弦分段函数( RMSE0.85℃)和正弦分段函数( RMSE0.78℃)模 拟效果相近,且受天气和地区的影响;一次分段函数准确度较低( RMSE0.90℃)且误差变化较大。各方法 对塑料大棚内逐时气温的模拟精度均高于玻璃温室。模 型模拟精度的季节变化因模型和温室类型有一定差 异,但通常情况下,春季和冬季的模拟误差大于秋季,夏季误差最小。 nbsp;关键词 塑料大棚;玻璃温室;温度模拟;温室;气温日变化 nbsp;Simulation Model of Hourly Air Temperature inside Glass Greenhouse and Plastic nbsp;Greenhouse nbsp;WEI Ting-ting 1 , YANG Zai-qiang 1,2 , WANG Lin 1 , ZHAO He-li 1 , LI Jia-shuai 11. Collaborative Innovation Center on Forecast and uation of Meteorological Disasters, Nanjing University of Ination Science 2. Jiangsu Provincial Key Laboratory of Agrometeorology, Nanjing 210044 nbsp;Abstract In 2014−2016, plastic greenhouses and glass greenhouses in different districts of Jiangsu Province were nbsp;selected for monitoring. Cosine segmentation function, sinusoidal piecewise function, sine-exponential piecewise nbsp;function, first-order function and neural network model were used to simulate inside hourly temperature in different nbsp;seasons and different weather conditions clear day and rainy day. The results showed that all five models can nbsp;simulate hourly air temperature inside greenhouse through the highest and lowest temperature of the day. The neural nbsp;network simulation accuracy was the higher RMSE0.69℃ and was less affected by the type of greenhouse, nbsp;weather conditions, and seasonal changes, the universality was higher. The sinusoidal-exponential piecewise nbsp;function had the best accuracy RMSE0.43℃ and was less affected by weather and seasons, but it was affected by nbsp;the characteristics of the greenhouse itself and the region. The cosine piecewise function RMSE0.8℃ and the nbsp;sinusoidal function RMSE0.78℃ had similar simulation results and was affected by the weather and region. The nbsp;accuracy of a piecewise function is low RMSE0.90℃ and the error varies greatly. Models had higher simulation nbsp;accuracy in plastic greenhouses then it in glass greenhouses. Seasonal variation of the model39;s simulation accuracy nbsp;was different between the models and the types of greenhouse, but usually, the simulation error in spring and winter *收稿日期 20180301 nbsp; nbsp; nbsp; ** 通讯作者。 E-mail nbsp;基金项目国家自然科学基金面上项目( 41775104);江苏省科技支撑计划社会发展项目( BE2015693); 2018年度江苏 省研究生科研创新计划( KYCX18_1028) nbsp;作者简介韦婷婷( 1996),女,研究方向为设施农业气象。 E-mail nbsp;第 10期 韦婷婷等玻璃温室和塑料大棚内逐时气温模拟模型 645 was greater than in autumn, and the error in summer was the smallest. nbsp;Key words Plastic greenhouse;Glass greenhouse; Simulation of air temperature; Greenhouse; Daily variation of nbsp;temperature 在中国南方地区,塑料大棚和玻璃温室已经在 蔬菜和水果种植中得到广泛应用。温室内气温的变 化不仅关系到室内作物的生长发育以及产量形成, 对果实的品质也有重要影响。故研究温室内气温的 变化对调节温室环境,防御相关气象灾害有一定帮 助, 同时也可以为人工气候箱试验的动态气温设置 [12] 提供理论依据。 nbsp;近年来,不少学者通过物理模型和统计模型对 温室气温的日变化进行了模拟。物理方法主要包括 能量平衡方法 [34] 和流体动力学方法 [56] , 这些方法具 有很强的机理性,可释度高,但是需要大量的相关 参数作支持,通常情况下,所需参数的值难以准确 计算,导致模拟过程复杂,结果出现误差。同时, 也有大量学者尝试利用统计模型通过室外气象要素 对温室气温进行预测,主要集中在对温室最高、最 低气温的预测 [712] 。 杨文刚等 [13] 研究了春季不同类型 温室气温的回归预测方程。 刘淑梅等 [1415] 运 用 BP神 经网络的方法分别 建立 了对日 光 温室和塑料大棚内 气温的预测模型。 李倩 等 [1617] 对南方地区 单栋 塑料 大棚和 双膜 塑料大棚内气温进行了 谐波 模拟,得到 了较好的结果。但在模拟计算室内逐时气温时,通 常要 求 有长期的室外逐时气象数据作为支持,这对 大 部 分温室 而言 是一 个 难 点 。 nbsp;对于室外气温, Reicosky 等 [18] 提出并 总 结了用 最高、最低气温模拟室外逐时气温的方法,并得到 广泛应用。余 卫东 等 [19] 运 用正弦 −指数分段函数对室 外气温的日变化进行了模拟。 姜会飞 等 [20] 应用正弦 分段法对气温的日变化进行了模拟。 徐凡 等 [21] 也 使 用了数学方法对温室外的气温日变化进行了模拟, 得到 华北 地区室外气温的 转 化系数。有研究表明温 室内气温变化 与 室外气温变化 总 体 上 一致 [22] ,但是 在冬季可能 会 出现 延迟 。所以适用于模拟室外逐时 气温的方法对温室内气温可能也同 样 适用,但是 目 前 并 没 有相关研究 证 明这一 点 。 nbsp;本研究 使 用余弦分段函数( WAV E) 、正弦分段 函数( WCALC) 、正弦 −指数分段函数( TEMP) 、一 次分段函数( SAWTOOTH)以及近年来常用的 BP 神经网络预测模型模拟了江苏地区常 见 温室类型 (塑料大棚和玻璃温室)在不同季节、不同天气 条件 下的气温逐时变化,并对模型的精度进行 比 较,拟 在 证 明在不同天气和温室类型下利用设施内日最 高、最低气温模拟气温动态变化的可行性,并且分 析 不同模型在不同 条件 下的模拟特 点 ,以选 取 普适 性较高的模型。 nbsp;1 nbsp;材料与方法 nbsp;1.1 nbsp;研究区域和资料获取 nbsp;选 取 江苏省 句容 、 泰州 、南 京 3个 地区的 2栋 塑料大棚和 2栋 玻璃温室(表 1),于 2014−2016年 在各温室内 距 地 面 1.5m处架 设 CR-3000数据采集 器 ( 美 国) , 观 测要素包括气温、相对 湿 度、日 照 时数、 太阳总辐射 ,数据采集 频率 为 每 10s一次, 存储每 小 时的平均值。以 3月 1日 −5月 31日为春季, 6月 1 日 −8月 31日为夏季, 9月 1日 −11月 30日为秋季, 12月 1日 −翌 年 2月 28日为冬季,在 每个 季节 根 据 日 照百 分 率 以及室外 降 水情况选 取 一 个典 型晴天和 典 型阴雨天进行模拟,其中 典 型晴天日 照百 分 率超 过 90且 无降 水,阴雨天气日 照百 分 率 低于 10或 有 降 水。 nbsp;表 1 nbsp;研究地点概况 nbsp;Table 1 nbsp;Overview of the study greenhouses nbsp;温室类型 nbsp;Greenhouse type nbsp;地区 nbsp;Area nbsp;经纬度 nbsp;Longitide and latitude 温室高度 nbsp;Hight( m) 温室跨度 Span( m) 作物 nbsp;Crop nbsp;观测时间 nbsp;Observe time( yyyy.mm.dd) 句容 Jurong 119.85E,31.89N 3.5 11.0 葡萄Grape 2015.01.01–2017.02.28 塑料大棚 Plastic nbsp; 盘城 Pancheng 118.67E,32.21N 3.5 11.0 葡萄Grape 2015.01.01–2017.02.28 nbsp;泰州 Taizhou 120.26E,32.02N 4.5 25.0 葡萄, 甜椒 Grape,pimento 2014.01.01–2016.02.28 玻璃温室 Glassed nbsp;浦口 Pukou 118.71E,32.21N 4.5 25.0 葡萄,番茄 Grape, tomato nbsp;2015.01.01–2017.02.28 nbsp; 中 nbsp;国 nbsp;农 nbsp;业 nbsp;气 nbsp;象 第 39卷 646 nbsp;1.2 nbsp;模拟方法及相关参数的计算 nbsp;1.2.1 nbsp;余弦分段函数( WAV E) nbsp;该 方法 认 为气温的日变化是关于最高、最低气 温和时 间 的余弦函数,且 认 为当日最低气温出现在 日出 前后 ,最高气温出现在 午后 , 只 需 输入 当日最 高、最低气温, 即 可模拟其逐时变化过程 [18, 23] 。 nbsp;1.2.2 正弦分段函数( WCALC) nbsp;该 方法需要 连续 3d的最高、最低气温作为 输入 值,可以模拟出中 间 一天的逐时气温, 它将 一天分 为 3段, 认 为 午夜至 日出 后 2h气温逐 渐呈线 性 降 低, 日出 后 2h至 日 落 时 刻 气温的变化可以用一 个 正弦函 数表 示 ,日 落后至午夜 气温 呈线 性 降 低 [2425] 。日出时 间 和日 落 时 间由 测 点 经 纬 度计算得到,为 便 于计算逐 时气温, 认 为江苏地区春夏季节日出时 间 为 6 00, 日 落 时 间 为 19 00;秋冬季节日出时 间 为 7 00, 日 落 时 间 为 18 00。 nbsp;1.2.3 nbsp;正弦 − 指数分段函数( TEMP) nbsp;此 方法 认 为日出时 −日 落 时,气温 按 正弦 曲线 变 化,日 落后 气温 按 指数 曲线减 小 [18,20,25] 。日 落 时 间 和 日出时 间 的确定方法 与 正弦分段函数法相同。 nbsp;1.2.4 nbsp;一次分段函数( SAWTOOTH) nbsp;该 方法 认 为气温的日变化是 直线递增 ( 递减 ) 的, 呈锯齿 状 波 动,用 3个 一次函数 即 可模拟 [18] 。 对 观 测 样 本进行统计 后 , 认 为春秋季节最低温出现 在 6 00,最高温出现在 15 00,夏季最低温出现的 时 间 提 前 1h,冬季 则延后 1h,最高温出现时 间 不变。 nbsp;1.2.5 nbsp;神经网络法( BP) nbsp;将观 测期 间 第一年的室内气温数据作为 建 模数 据, 每个 季节 随 机选 取 77d逐时气温数据作为 训练 样 本,经过归一化 处 理 后 , 隐含层 中设置最高、最 低气温和时 刻 3个 节 点 , 隐含层 和 输 出 层传递 函数 采用 S型对数函数 Logsig [26] , 之后 用 剩 余 15d的逐 时气温数据作为 检 验 样 本,以提高模型精度。神经 网络的相关参数分别设置为 初始 学 习速率 η为 0.1, 惯 量因 子 α为 0.9,最大 迭代 次数为 1000次, 目标 误 差为 0.00004。神经网络模型采用 Matlab2016a软件 通过 编 程实现。在模型 使 用过程中, 只 需要 输入 当天 的最高、最低气温 就 可以模拟 任意 时 刻 的室内气温。 nbsp;1.3 nbsp;模拟结果检验参数 nbsp;相关系数( 皮尔逊 相关系数 R)是衡量 两组 数据 之间线 性相关程度的量, R越趋 近于 1, 则 表 示 模拟 结果 与 实测值相关性 越 好,结果 越 精确。均方 根 误 差( Root Mean Square Error, RMSE)可以 反 应误差 的 离散 程度, RMSE越 小表 示 模拟效果 越 好。平均 偏 差 ( Mean Bias Error, MBE) 主要 考虑 了误差的正 负 , 可以 反映 模型高 估或 低 估 了实 际 情况, MBE越接 近 0,模拟效果 越 好。相应计算 式 为 nbsp;24 ii i1 24 24 22 ii i1 i1 T TT T R T T T T ′′ −− ′′ −− ∑ ∑∑( 1) nbsp;24 2 ii i1 RMSE T T /24 ′− ∑( 2) nbsp;24 2 ii i1 MBE T T /24 ′ − ∑( 3) nbsp;式 中, i表 示 1d内的第 i个 时 刻 ( 1≤ i≤ 24), T i 表 示 第 i时 刻 温室内气温的实 际观 测值, T表 示 温室 内 1d实 际 气温的平均值, i T′表 示 第 i时 刻 温室内气温 的模拟值, T′表 示 1d内温室气温模拟结果的平均值。 nbsp;2 nbsp;结果与分析 nbsp;2.1 nbsp;塑料大棚室内逐时气温变化过程模拟结果比较 nbsp;2.1.1 nbsp;各季节模拟结果的 比 较 nbsp;在 句容 和 盘城 地区, 基于 2016年逐日 观 测数据, 分别利用 5种模型模拟塑料大棚温室内逐时气温的 变化过程, 每 日同一时 刻 室内气温平均 后 得到各季 节逐时气温的变化过程, 与 相应实测数据的平均值 进行对 比 ,结果 见图 1。 由图 可 见 , 5种模型模拟的 逐时气温变化过程 与 实测数据分 布 特 点 基本一致, 均表现为 0 00−9 00逐 渐降 低, 9 00−15 00快 速升 高, 15 00−24 00逐 渐降 低的过程, 只 是各模 型 曲线与 实测 曲线 的拟 合 程度 略 有不同。表 2为 5 种模型对塑料大棚内 四 季逐时平均气温模拟精度。 为 便 于 比 较模型 总 体误差,计算 句容 地区 5种模型 全 年的平均模拟误差( 忽略 季节影响, 取四 季平均 值, 后 同)分别为 0.86、 0.78、 0.31、 0.92和 0.76℃ (分别对应余弦分段函数 WAV E、正弦分段函数 WCALC、正弦 −指数分段函数 TEMP、一次分段函 数 SAWTOOH 和神经网络模型 BP,下同) ,其中 TEMP模拟效果最好,夏季误差最小,且其平均 偏 差 ( MBE)为 负 值,表明预测结果 略 高于实 际 气温; BP 的模拟效果在 整 体 上 仅次于 TEMP模型,但其在不 同季节模拟效果差异较大,在夏季模拟效果最差, 秋季模拟效果较好,预测结果也 稍 高于实 际 气温; WCALC的模拟精度较高,其 随 季节变化并不明 显 , 第 10期 韦婷婷等玻璃温室和塑料大棚内逐时气温模拟模型 647 其 MBE较低,且通常为正值, 即 模拟结果 稍 低于实 际 气温; WAV E 的模拟效果一 般 ,在春夏季 稍 好, MBE也为 负 值,且在夏季 绝 对值最小; SAWTOOH 的模拟效果较差,特别是在春季和冬季。对于 盘城 地区, 5种模型 全 年的平均误差分别为 0.24、 0.41、 0.34、 0.22和 0.40℃, 与句容 地区相 比 , 盘城 塑料大 棚的模拟结果 更 好一些,并且不同模型的精度提高 程度也不同,但各模型模拟结果的 MBE的特 点 并 未 改 变。 SAWTOOH 对 盘城 地区的模拟效果最好, 与 句容 地区相 比 误差 减 小了 76.1, 模型在 4个 季节均 有 良 好的模拟精度,特别是在夏季; WAV E 的模拟 精度也有较大提高,误差 减 少了 72.1,在春夏季节 的模拟情况好于秋冬季节; TEMP模型的模拟情况 与 句容 地区相 似 ,误差较小且在夏季误差最小; BP模 型的误差也 减 少了 47.3,同 样 在秋季的模拟效果最 好; WCALC函数的模拟误差 与 BP模型相近, 与句 容 地区相 比 ,误差 减 少了 47.4,且在冬春季节的误 差较大。 nbsp;综上 , 5种模型均可 根 据日最高、最低气温模拟 塑料大棚内气温的逐时日变化, 5种模型的平均误差 分别为 0.55、 0.59、 0.32、 0.57、 0.58℃。对于不同 的塑料大棚, TEMP模型 都 有较 良 好的拟 合 效果,预 测结果 稍 高于实 际 气温; SAWTOOH和 WAV E对不 同塑料大棚的模拟效果差异较大,预测结果高于实 际 气温; WCALC和 BP对不同塑料大棚的模拟效果 有一定差异,并且 WCALC的模拟结果 略 低于实 际 气温, BP则 高 估 实 际 气温。 从 季节变化 而言 , 5种 模型的拟 合 效果在冬季 都 要 稍 差一些, TEMP在夏季 模拟效果最好, BP在秋季模拟效果最好, WAV E在 春夏季节模拟效果较好, WCALC和 SAWTOOH则 无 季节差异。 nbsp;2.1.2 nbsp;各季节 典 型日模拟结果的 比 较 nbsp;在 句容 和 盘城 地区, 每 各季节选 取 一 个典 型晴 天和 典 型阴雨天,分别利用 5种模型模拟 每 日塑料 大棚温室内逐时气温的变化过程, 与 相应实测数据 进行对 比 ,结果 见图 2、 图 3。 由图 中可 见 , 典 型晴 天和阴雨天的气温变化 趋势 相 似 , 只 是 由 于晴天和 阴雨天 云 量的不同,阴雨天 云 量 多 ,大气 保 温效果 好,故晴天和阴雨天气温变化 幅 度也不一 样 ,阴雨 天的气温通常低于晴天,但 全 天气温较 稳 定, 波 动 不明 显 。晴天 条件 下, 句容 地区 5种模型的平均模 拟误差( 忽略 季节影响, 取四 季平均 RMSE)分别为 1.56、 1.55、 0.99、 1.48和 0.95℃, 盘城 地区分别为 0.42、 0.67、 0.45、 0.64 和 0.62℃, 从 均方 根 误差 ( RMSE)来 看 , 典 型晴天下不同塑料大棚的模拟情 况 与 各季节的 总 体情况相 似 , 从个 体的 角 度 再 次 证 明了 之前 的结论。 典 型阴雨天 条件 下, 句容 地区 5种 nbsp;图 1 nbsp;塑料大棚内四季逐时平均气温模拟值与实测值的日内变化 nbsp;Fig. 1 nbsp;Daily variation of the simulated by five models and observed values of the average hourly temperature in the four nbsp;seasons inside the plastic greenhouse nbsp; 中 nbsp;国 nbsp;农 nbsp;业 nbsp;气 nbsp;象 第 39卷 648 nbsp;表 2 nbsp;五种模型对塑料大棚内四季逐时平均气温的模拟精度 nbsp;Table 2 nbsp;Simulation accuracy of five models for seasonal average hourly temperature in the plastic greenhouse nbsp; 春 Spring 夏 Summer 秋 Autumn 冬 Winter nbsp;地区 nbsp;Area nbsp;模型 nbsp;Model R nbsp;RMSE ( ℃ ) nbsp;MBE ( ℃ ) nbsp;R nbsp;RMSE ( ℃ ) MBE ( ℃ ) nbsp;R nbsp;RMSE ( ℃ ) nbsp;MBE ( ℃ ) nbsp;R nbsp;RMSE ( ℃ ) nbsp;MBE ( ℃ ) nbsp;WAVE 0.96 nbsp;0.72 nbsp;0.30 nbsp;0.92 0.85 0.16 0.87 1.00 0.35 nbsp;0.95 nbsp;0.87 0.39 nbsp;WCALC 0.96 nbsp;0.61 nbsp;0.02 nbsp;0.92 0.86 0.15 0.88 0.87 0.02 nbsp;0.95 nbsp;0.78 0.06 nbsp;TEMP 0.99 nbsp;0.33 nbsp;0.21 nbsp;0.99 0.21 0.11 0.99 0.33 0.16 nbsp;0.99 nbsp;0.35 0.20 nbsp;SAWTOOH 0.92 nbsp;0.96 nbsp;0.30 nbsp;0.93 0.84 0.16 0.93 0.80 0.35 nbsp;0.91 nbsp;1.07 0.39 nbsp;句容 Jurong nbsp;BP 0.97 nbsp;0.77 nbsp;0.46 nbsp;0.96 1.07 0.38 0.99 0.47 0.13 nbsp;0.98 nbsp;0.76 0.29 nbsp;WAVE 0.99 nbsp;0.21 nbsp;0.09 nbsp;0.97 0.16 0.02 0.98 0.26 0.18 nbsp;0.97 nbsp;0.33 0.14 nbsp;WCALC 0.92 nbsp;0.46 nbsp;0.09 nbsp;0.87 0.35 0.08 0.95 0.28 0.04 nbsp;0.88 nbsp;0.53 0.12 nbsp;TEMP 0.97 nbsp;0.32 nbsp;0.09 nbsp;0.95 0.21 0.05 0.95 0.32 0.12 nbsp;0.90 nbsp;0.51 0.19 nbsp;SAWTOOH 0.99 nbsp;0.21 nbsp;0.09 nbsp;0.99 0.14 0.02 0.98 0.26 0.18 nbsp;0.99 nbsp;0.25 0.14 nbsp;盘城 Pancheng nbsp;BP 0.98 nbsp;0.41 nbsp;0.14 nbsp;0.82 0.40 0.06 0.95 0.34 0.17 nbsp;0.93 nbsp;0.43 0.00 模型的平均均方 根 误差分别为 0.80、 0.79、 0.66、 0.86 和 0.89℃, 盘城 地区分别为 0.21、 0.28、 0.26、 0.19 和 0.28℃。可以 看 出, 典 型阴雨天的模拟精度 与典 型 晴天相 比 有明 显 的提高,但其相关系数( R)较低, 晴天 条件 下, 5种模型模拟结果 与 实测值 之间 平均相 关系数 0.95且 R> 0.88, 即 模型可以较好地 描述 气温 上升 和下 降 时的变化 趋势 , 而 阴雨天 条件 下模拟结果 与 实测值 之间 0.85且 R> 0.53,表明模型 虽然 可以较 准确地模拟逐时气温,但是对气温的变化情况 描述 不 够细 致。对 比 不同模型在 典 型晴天和 典 型阴雨天下的 模拟情况可 知 ,正弦 −指数分段函数( TEMP)在晴天 和阴雨天气中 都 有较好的模拟结果,在春夏季节和阴 雨天 条件 下误差较小;神经网络模型( BP)的模拟效 果在晴天时仅次于 TEMP,但在阴雨天时的模拟误差 则无显著减 小,受天气情况的影响较小;余弦分段函 数( WAV E) 、正弦分段函数( WCALC)和一次分段 函数( SAWTOOH)在阴雨天的模拟效果明 显 好于晴 天时, 说 明其受天气和塑料大棚本身的影响较大。 图 2 nbsp;四季典型晴天塑料大棚内逐时气温模拟值与实测值的日内变化 nbsp;Fig. 2 nbsp;Variation of the simulated by five models and observed values of hourly temperature on a sunny day in four seasons nbsp;inside the plastic greenhouse nbsp;第 10期 韦婷婷等玻璃温室和塑料大棚内逐时气温模拟模型 649图 3 nbsp;四季典型阴雨天塑料大棚内逐时气温模拟值与实测值的日内变化 nbsp;Fig. 3 Variation of the simulated by five models and observed values of hourly temperature on a rainy day in four seasons inside nbsp;the plastic greenhouse nbsp; 表 3 nbsp;四季典型天气条件五种模型对塑料大棚内逐时气温模拟精度 nbsp;Table 3 Simulation accuracy of five models for seasonal average hourly temperature in the plastic greenhouse on the typical weather days nbsp; 春 Spring 夏 Summer 秋 Autumn 冬 Winter nbsp;地区 nbsp;Area nbsp;模型 nbsp;Model R nbsp;RMS E( ℃ ) nbsp;MBE ( ℃ ) nbsp;R nbsp;RMSE ( ℃ ) MBE ( ℃ ) nbsp;R nbsp;RMSE ( ℃ ) nbsp;MBE ( ℃ ) nbsp;R nbsp;RMSE ( ℃ ) nbsp;MBE ( ℃ ) nbsp;晴天 Sunny day nbsp;WAVE 0.97 1.13 0.33 0.94 1.21 0.29 0.88 2.66 1.06 0.98 1.22 0.56 nbsp;WCALC 0.95 1.58 0.93 0.92 1.28 0.15 0.89 2.23 0.01 0.97 1.12  0.47 nbsp;TEMP 0.95 1.38 0.55 0.99 0.47 0.24 0.98 1.00 0.43 0.97 1.10 0.21 nbsp;SAWTOOH 0.97 1.06 0.32 0.94 1.13 0.29 0.93 2.16 1.06 0.95 1.56 0.56 nbsp;句容 Jurong nbsp;BP 0.98 0.99 0.49 0.99 0.56 0.10 0.98 1.43 0.84 0.99 0.81  0.00 nbsp;WAVE 0.98 0.97 0.56 0.98 0.26 0.03 0.99 0.16 0.03 0.98 0.28 0.05 nbsp;WCALC 0.95 1.25 0.01 0.90 0.56 0.14 0.92 0.48 0.22 0.96 0.40  0.23 nbsp;TEMP 0.98 0.91 0.46 0.97 0.30 0.06 0.96 0.30 0.00 0.97 0.30 0.10 nbsp;SAWTOOH 0.95 1.45 0.56 0.96 0.42 0.03 0.96 0.33 0.03 0.96 0.34 0.05 nbsp;盘城 Pancheng nbsp;BP 0.99 0.75 0.12 0.74 0.86 0.24 0.95 0.43 0.10 0.93 0.43  0.10 nbsp;阴雨天 Rainy day nbsp;WAVE 0.88 0.73 0.19 0.88 0.87 0.67 0.95 0.56 0.05 0.95 1.02 0.37 nbsp;WCALC 0.87 0.67 0.05 0.92 0.61 0.42 0.95 0.71 0.44 0.92 1.15  0.23 nbsp;TEMP 0.95 0.53 0.09 0.90 0.73 0.52 0.90 0.74 0.01 0.98 0.64 0.25 nbsp;SAWTOOH 0.86 0.65 0.19 0.88 0.84 0.67 0.91 0.64 0.05 0.91 1.29 0.37 nbsp;句容 Jurong nbsp;BP 0.85 0.68 0.27 0.65 0.90 0.35 0.78 1.04 0.33 0.96 0.95 0.28 nbsp;WAVE 0.93 0.33 0.10 0.71 0.17 0.03 0.99 0.05 0.02 0.62 0.30 0.05 nbsp;WCALC 0.81 0.48 0.02 0.59 0.19 0.00 0.94 0.22 0.11 0.69 0.24  0.02 nbsp;TEMP 0.89 0.39 0.12 0.70 0.17 0.04 0.95 0.17 0.00 0.53 0.31 0.03 nbsp;SAWTOOH 0.97 0.23 0.10 0.78 0.14 0.03 0.98 0.13 0.02 0.65 0.26 0.05 nbsp;盘城 Pancheng nbsp;BP 0.89 0.44 0.15 0.86 0.25 0.15 0.860.30 0.11 0.94 0.14 0.03 nbsp; 中 nbsp;国 nbsp;农 nbsp;业 nbsp;气 nbsp;象 第 39卷 650 nbsp;2.2 nbsp;玻璃温室内逐时气温变化过程模拟结果比较 nbsp;2.2.1 nbsp;各季节模拟结果的 比 较 nbsp;泰州 和 浦口 地区玻璃温室各季模拟结果 比 较 见 图 4。 由图 可 见 ,玻璃温室内的气温变化 与 塑料大棚 内变化 趋势 一致, 5种模型模拟的逐时气温变化过程 与 实测数据分 布 特 点 基本一致。表 4为 5种模型对 玻璃温室内 四 季逐时平均气温模拟精度的 比 较。对 于 泰州 地区, 5 种模型 全 年平均模拟误差分别为 1.24、 1.06、 0.37、 1.29和 0.81℃,其中正弦 −指数分 段函数( TEMP)和神经网络模型( BP)的模拟结果 明 显 好于其 它 模型,并且 都 在春夏季节模拟较准确, 但 从 平均 偏 差( MBE)来 看 , TEMP 的模拟结果高 于实测值, 而 BP的 MBE则无 明 显 规律;其次,正 弦分段函数( WCALC)的模拟效果仅次于 TEMP和 BP,其模拟精度 随 季节的变化差异不明 显 ,预测结 果低于实测值;余弦分段函数( WAV E)在春夏季节 较精确,预测结果高于实 际 气温;一次分段函数 ( SAWTOOH)的模拟结果较差且高于实 际 气温。 浦 口 地区 全 年平均误差分别为 1.05、 0.88、 0.72、 1.15 和 0.78℃,对 比 可 知 , TEMP的均方 根 误差 与泰州 地 区相 比增加 了 95,但其模拟效果依 旧 好于其 它 模 型,但 此 时其在秋冬季节的模拟精度较高; BP模型 的模拟结果地区 间 差异并不明 显 ,但其也表现为在 秋冬季节的模拟效果较好; WCALC模型的模拟误差 相 比泰州 地区 减 少了 17,并且在秋季误差较小; WAV E和 SAWTOOH的模拟误差相近,均 稍 高于实 际 气温并且在夏季误差最小。 nbsp;综上 可 知 , 5种模型均可 根 据日最高、最低气温 模拟玻璃温室内气温的逐时日变化, 5种模型的平均 误差分别为 1.14、 0.97、 0.55、 1.22、 0.79℃。对 比 可 知 , TEMP模型和 BP在模拟精度 上 具有明 显优势 , 且其季节变化特 征 在不同的玻璃温室也表现不一; WCALC的模拟效果较好, 与 其 它 模型不同的是其模 拟结果通常 稍 低于实测值; WAV E和 SAWTOOH的 模拟精度较低,且 都 在夏季模拟效果最好。 nbsp;2.2.2 nbsp;各季节 典 型日模拟结果 比 较 nbsp;在 泰州 和 浦口 地区, 每个 季节选 取 一 个典 型晴 天和 典 型阴雨天,分别利用 5种模型计算 每 日玻璃 温室内逐时气温, 与 相应实测数据进行对 比 ,结果 如图 5、 图 6所 示 。 由图 可 见 ,玻璃温室内的气温分 布 也 符合 下 降 快速上升 快速 下 降 的基本规律, 并且晴天和阴雨天的气温分 布 也 与 塑料大棚类 似 , 5 种模型模拟的逐时气温变化过程 与 实测数据分 布 特 点 基本一致。表 5为 5种模型对玻璃温室内 四 季 典 型 图 4 nbsp;玻璃温室内四季逐时平均气温模拟值与实测值的日内变化 nbsp;Fig. 4 Daily variation of the simulated by five models and observed values of the seasonal average of hourly temperature inside nbsp;the glass greenhouse nbsp;第 10期 韦婷婷等玻璃温室和塑料大棚内逐时气温模拟模型 651 表 4 nbsp;五种模型对玻璃温室内四季逐时平均气温模拟精度 nbsp;Table 4 nbsp;Simulation accuracy of five models for seasonal average hourly temperature in the glass greenhouses nbsp;春 Spring 夏 Summer 秋 Autumn 冬 Winter nbsp;地区 nbsp;Area nbsp;模型 nbsp;Model R nbsp;RMSE ( ℃ ) nbsp;MBE ( ℃ ) nbsp;R nbsp;RMSE ( ℃ ) MBE ( ℃ ) nbsp;R nbsp;RMSE ( ℃ ) MBE/p

注意事项

本文(玻璃温室和塑料大棚内逐时气温模拟模型.pdf)为本站会员(magazine@RS)主动上传,园艺星球(共享文库)仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对上载内容本身不做任何修改或编辑。 若此文所含内容侵犯了您的版权或隐私,请立即通知园艺星球(共享文库)(发送邮件至admin@cngreenhouse.com或直接QQ联系客服),我们立即给予删除!

温馨提示:如果因为网速或其他原因下载失败请重新下载,重复下载不扣分。




固源瑞禾
关于我们 - 网站声明 - 网站地图 - 资源地图 - 友情链接 - 网站客服 - 联系我们

copyright@ 2018-2020 华科资源|Richland Sources版权所有
经营许可证编号:京ICP备09050149号-1

     京公网安备 11010502048994号


 

 

 

收起
展开