CN116127705A - 温室作物生长模拟方法及装置 - Google Patents
温室作物生长模拟方法及装置 Download PDFInfo
- Publication number
- CN116127705A CN116127705A CN202211526537.2A CN202211526537A CN116127705A CN 116127705 A CN116127705 A CN 116127705A CN 202211526537 A CN202211526537 A CN 202211526537A CN 116127705 A CN116127705 A CN 116127705A
- Authority
- CN
- China
- Prior art keywords
- greenhouse
- dry matter
- target
- crop
- target period
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 230000012010 growth Effects 0.000 title claims abstract description 159
- 238000004088 simulation Methods 0.000 title claims abstract description 75
- 238000000034 method Methods 0.000 title claims abstract description 66
- 229910052799 carbon Inorganic materials 0.000 claims abstract description 146
- 230000029553 photosynthesis Effects 0.000 claims abstract description 132
- 238000010672 photosynthesis Methods 0.000 claims abstract description 132
- 150000001720 carbohydrates Chemical class 0.000 claims abstract description 59
- 235000014633 carbohydrates Nutrition 0.000 claims abstract description 59
- 230000005764 inhibitory process Effects 0.000 claims abstract description 31
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 claims description 64
- 230000007613 environmental effect Effects 0.000 claims description 54
- 230000029058 respiratory gaseous exchange Effects 0.000 claims description 50
- 230000006870 function Effects 0.000 claims description 33
- 229910002092 carbon dioxide Inorganic materials 0.000 claims description 32
- 239000001569 carbon dioxide Substances 0.000 claims description 32
- 238000012423 maintenance Methods 0.000 claims description 26
- 230000005855 radiation Effects 0.000 claims description 24
- 238000006243 chemical reaction Methods 0.000 claims description 23
- 230000015572 biosynthetic process Effects 0.000 claims description 18
- 239000000126 substance Substances 0.000 claims description 18
- 238000003786 synthesis reaction Methods 0.000 claims description 18
- 238000012545 processing Methods 0.000 claims description 16
- 230000021523 carboxylation Effects 0.000 claims description 11
- 238000006473 carboxylation reaction Methods 0.000 claims description 11
- 230000001186 cumulative effect Effects 0.000 claims description 11
- 238000005286 illumination Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 10
- 230000000875 corresponding effect Effects 0.000 claims description 10
- 230000008859 change Effects 0.000 claims description 9
- 230000002596 correlated effect Effects 0.000 claims description 9
- 230000001105 regulatory effect Effects 0.000 claims description 9
- 230000009418 agronomic effect Effects 0.000 claims description 6
- 230000002459 sustained effect Effects 0.000 claims description 4
- 230000008033 biological extinction Effects 0.000 claims description 3
- 230000005484 gravity Effects 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 13
- 238000009825 accumulation Methods 0.000 abstract description 11
- 238000012544 monitoring process Methods 0.000 abstract description 8
- 230000002411 adverse Effects 0.000 abstract description 7
- 238000003860 storage Methods 0.000 description 16
- 241000196324 Embryophyta Species 0.000 description 12
- 230000008569 process Effects 0.000 description 9
- 238000011161 development Methods 0.000 description 6
- 230000018109 developmental process Effects 0.000 description 6
- 238000009826 distribution Methods 0.000 description 6
- 230000033228 biological regulation Effects 0.000 description 5
- 238000004891 communication Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 244000038559 crop plants Species 0.000 description 4
- 239000000463 material Substances 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 3
- 230000034149 carbohydrate storage Effects 0.000 description 3
- 238000012272 crop production Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000002503 metabolic effect Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 210000000056 organ Anatomy 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 241000208822 Lactuca Species 0.000 description 1
- 235000003228 Lactuca sativa Nutrition 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 235000021074 carbohydrate intake Nutrition 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 230000003750 conditioning effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000009313 farming Methods 0.000 description 1
- 238000010413 gardening Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000027874 photomorphogenesis Effects 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 238000013138 pruning Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000009423 ventilation Methods 0.000 description 1
- 238000010792 warming Methods 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A40/00—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production
- Y02A40/10—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in agriculture
- Y02A40/25—Greenhouse technology, e.g. cooling systems therefor
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Mining & Mineral Resources (AREA)
- Health & Medical Sciences (AREA)
- Geometry (AREA)
- Life Sciences & Earth Sciences (AREA)
- Agronomy & Crop Science (AREA)
- Animal Husbandry (AREA)
- Marine Sciences & Fisheries (AREA)
- Evolutionary Computation (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Breeding Of Plants And Reproduction By Means Of Culturing (AREA)
Abstract
本发明提供一种温室作物生长模拟方法及装置，通过设置虚拟碳池并对虚拟碳池的储量进行动态监控，构造了受空气温度影响的光合作用抑制函数，来确定出温室作物更加准确的光合作用速率及碳水化合物净生成量，再根据碳水化合物转化为结构性干物质的转化因子得到温室作物在目标时段内的结构性干物质累积重量，进而便于确定温室作物更新的结构性干物质重量，实现对温室作物生长的模拟，准确解释极端空气温度，尤其是极端低温对作物生长的不利影响。本发明的温室作物生长模拟方法还大幅提高了温室作物生长模型对大尺度空气温度输入的兼容性以及面向控制的适用性。
Description
技术领域
本发明涉及农业技术领域，尤其涉及一种温室作物生长模拟方法及装置。
背景技术
温室为作物生长提供可控环境，绝大多数温室都具备可控结构组件或环境调节设备，例如通风窗、加温设备等。在实际生产中，温室环境调控主要依据种植者或设备开发者经验以及设施园艺通用知识，采用启发式控制，并通过简单的开关控制器或PI系列控制器实现。为获得期望的室内环境，种植者可以调整控制器的设置点值。这些定义温室环境轨线或约束设备运行的设置，直接影响温室能源与资源消耗以及作物生长发育。
然而，这些设置不能准确解释未来动态，即种植者无法获知这些设置产生的具体影响，无法准确模拟出作物的生长状态，进而导致温室环境控制低效。温室环境最优控制通过权衡作物生产经济收益与作物生长期内环境调控设备的运行成本，可以提供更高控制效率。与传统启发式温室环境控制方法不同，最优控制需要定量解析关于温室、环控设备及作物的理论知识，需要预测温室环境和作物未来动态以及天气变化，这些均由数值动态模型体现。种植者的目标，一般为最大化净收益，也由数学成本函数详细描述。
系统模型是构建最优控制模型系统的基础，针对温室环境控制，主要包括温室环境模型与作物生长模型。在模拟作物潜力生长层面，作物生长模型是指能定量、动态描述响应环境、遗传特征及生产管理的作物生长、发育和产量形成过程的数学算法。温室环境最优控制系统的性能很大程度上取决于作物生长模型的精度和适用性。
然而，现有温室作物模型不能全面解释极端温度对作物生长的不利影响，无法完全满足最优控制的应用需求。一方面，现有的温室作物模型主要面向环境调控能力强的温室，而对于低端温室，包括低配的连栋温室、日光温室及塑料大棚等，作物生长环境条件较差，极端温度频发，模型并不适用。例如，某些温室作物模型仅允许5-40℃的气温输入区间，但在低端温室中，室内气温很容易低于5℃或高于40℃。再例如，在某些温室作物模型中，夜间极端低温由于降低维持呼吸消耗而被描述为有利于干物质积累，而实际情况却是抑制作物生长。另一方面，最优控制允许一定范围的温室空气温度波动，寻求以微弱的产量或品质损失，换取更大的净收益。例如，在极端低温天气，通过权衡倾向于为作物生长提供较低的温室空气温度。因此，面向控制，温室作物生长模型需要能够准确描述极端高温或低温对作物生产过程的影响，兼容更充分的空气温度输入区间。
相关技术中，温室作物模型不能全面解释温室环境参数对作物生长的不利影响，尤其是极端温度等参数，无法完全满足最优控制的应用需求。因此，亟需一种温室作物的生长模拟方法来更够准确模拟温室环境参数下作物的生长情况。
发明内容
本发明提供一种温室作物生长模拟方法及装置，用以解决现有技术中难以针对极端温度来进行作物生长准确模拟的缺陷，实现对各种温室环境下作物生长准确模拟的效果。
本发明提供一种温室作物生长模拟方法，包括：确定目标时刻起目标时段内温室内的环境数据、所述目标时刻下温室作物的结构性干物质重量以及所述目标时刻下温室作物对应的虚拟碳池的储量，所述环境数据至少包括空气温度、光照辐射量以及二氧化碳浓度；
基于所述环境数据、所述环境数据下温室作物的潜在相对生长速率、所述目标时刻下温室作物的结构性干物质重量、所述虚拟碳池在所述目标时刻的储量以及所述虚拟碳池在所述目标时刻的最大储量，确定所述目标时段内温室作物的光合作用抑制函数及光合作用速率；
基于所述目标时段内温室作物的光合作用速率、所述目标时段内温室作物的维持呼吸速率以及由生长呼吸与物质合成损失决定的碳水化合物转化为结构性干物质的转化因子，确定所述目标时段内温室作物的结构性干物质的累积重量；
其中，所述虚拟碳池用于临时存储温室作物光合作用生产的碳水化合物，所述虚拟碳池不构成温室作物结构性干物质组成部分，且不计入温室作物结构性干物质重量；所述虚拟碳池用于调节光合作用的速率；在所述虚拟碳池在所述目标时刻的储量大于或者等于所述虚拟碳池在所述目标时刻的最大储量的情况下，所述目标时段内温室作物的光合作用被抑制；
所述虚拟碳池在所述目标时刻的最大储量与温室作物在所述目标时刻下的结构性干物质重量正相关；所述虚拟碳池在所述目标时段的储量变化量与温室作物在所述目标时刻下的结构性干物质重量、所述目标时段内温室作物的光合作用速率、所述目标时段内温室作物的维持呼吸速率以及所述目标时段内温室作物的潜在相对生长速率关联。
根据本发明提供的一种温室作物生长模拟方法，在所述确定所述目标时段内温室作物的结构性干物质的累积重量之后，所述方法还包括：
基于所述目标时段内温室作物的结构性干物质的累积重量、所述目标时刻下温室作物的结构性干物质重量以及所述目标时间段内作物的损失重量，确定温室作物更新的结构性干物质重量，并基于所述目标时段内所述虚拟碳池的储量变化量以及所述目标时刻下所述虚拟碳池的储量，确定更新的所述虚拟碳池的储量；所述损失重量至少包括农事操作所去除的温室作物结构性干物质重量。
根据本发明提供的一种温室作物生长模拟方法，所述目标时段内温室作物的结构性干物质的累积重量通过以下公式确定：
其中，dXd为所述目标时段内温室作物的结构性干物质的累积重量；dt表示所述目标时段的时长；AC为作物的光合作用速率；Rd为所述目标时段内温室作物的维持呼吸速率；cβ为由生长呼吸与物质合成损失决定的碳水化合物转化为结构性干物质的转化因子；cα为光合作用同化吸收的二氧化碳转化为碳水化合物等价物的转化因子；hbuf为所述目标时段内温室作物的光合作用抑制函数。
根据本发明提供的一种温室作物生长模拟方法，所述目标时段内温室作物的光合作用抑制函数通过以下公式确定：
其中，Xd为所述目标时刻下温室作物的结构性干物质重量；hbuf为所述目标时段内温室作物的光合作用抑制函数；RGRmax为所述环境数据下温室作物的潜在相对生长速率；Cbuf为所述虚拟碳池在所述目标时刻的储量；Cbuf,max为所述虚拟碳池在所述目标时刻的最大储量。
根据本发明提供的一种温室作物生长模拟方法，所述虚拟碳池中碳水化合物的储量变化量通过以下公式确定：
其中，Xd为所述目标时刻下温室作物的结构性干物质重量；dt表示所述目标时段的时长；AC为作物的光合作用速率；Rd为所述目标时段内温室作物的维持呼吸速率；cβ为由生长呼吸与物质合成损失决定的碳水化合物转化为结构性干物质的转化因子；cα为光合作用同化吸收的二氧化碳转化为碳水化合物等价物的转化因子；hbuf为所述目标时段内温室作物的光合作用抑制函数，RGRmax为所述环境数据下温室作物的潜在相对生长速率；dCbuf为所述虚拟碳池在所述目标时段内的储量变化量；(0≤Cbuf≤Cbuf,max)表示对所述目标时刻以及更新的所述虚拟碳池的储量进行状态约束。
根据本发明提供的一种温室作物生长模拟方法，所述目标时段内温室作物的光合作用速率表示为光合作用速率与光合作用抑制函数的乘积AC·hbuf，其中：
其中，Xd为所述目标时刻下温室作物的结构性干物质重量，kPAR为作物冠层对光合有效辐射的消光系数；SLA为比叶面积；σr为根部干物质重量占植株干物质重量的比重；Xc为温室的二氧化碳浓度；Xt为温室的空气温度，ΓT20为20℃条件下二氧化碳补偿点；Q10,Γ为对于二氧化碳补偿点的Q10因子；rb为边界层阻力；rs为气孔阻力；rc为羧化阻力；ε0为高二氧化碳浓度条件下缺少光呼吸时的光能利用效率；σPAR为光合有效辐射占短波辐射的比例；I为作物冠层上部短波辐射量。
根据本发明提供的一种温室作物生长模拟方法，所述羧化阻力通过以下公式确定：
rc＝crc,1·Xt 2+crc,2·Xt+crc,3；
其中，crc,1、crc,2及crc,3为羧化阻力二阶多项式拟合函数的系数，crc,1＝0.28，crc,2＝26.04，crc,3＝784.46。
本发明还提供一种温室作物生长模拟装置，包括：
第一处理模块，用于确定目标时刻起目标时段内温室内的环境数据、所述目标时刻下温室作物的结构性干物质重量以及所述目标时刻下温室作物对应的虚拟碳池的储量，所述环境数据至少包括空气温度、光照辐射量以及二氧化碳浓度；
第二处理模块，用于基于所述环境数据、所述环境数据下温室作物的潜在相对生长速率、所述目标时刻下温室作物的结构性干物质重量、所述虚拟碳池在所述目标时刻的储量以及所述虚拟碳池在所述目标时刻的最大储量，确定所述目标时段内温室作物的光合作用抑制函数及光合作用速率；
第三处理模块，用于基于所述目标时段内温室作物的光合作用速率、所述目标时段内温室作物的维持呼吸速率以及由生长呼吸与物质合成损失决定的碳水化合物转化为结构性干物质的转化因子，确定所述目标时段内温室作物的结构性干物质的累积重量；
其中，所述虚拟碳池用于临时存储温室作物光合作用生产的碳水化合物，所述虚拟碳池不构成温室作物结构性干物质组成部分，且不计入温室作物结构性干物质重量；所述虚拟碳池用于调节光合作用的速率；在所述虚拟碳池在所述目标时刻的储量大于或者等于所述虚拟碳池在所述目标时刻的最大储量的情况下，所述目标时段内温室作物的光合作用被抑制；
所述虚拟碳池在所述目标时刻的最大储量与温室作物在所述目标时刻下的结构性干物质重量正相关；所述虚拟碳池在所述目标时段的储量变化量与温室作物在所述目标时刻下的结构性干物质重量、所述目标时段内温室作物的光合作用速率、所述目标时段内温室作物的维持呼吸速率以及所述目标时段内温室作物的潜在相对生长速率关联。
根据本发明提供的一种温室作物生长模拟装置，所述温室作物生长模拟装置还包括第四处理模块，所述第四处理模块用于基于所述目标时段内温室作物的结构性干物质的累积重量、所述目标时刻下温室作物的结构性干物质重量以及所述目标时间段内作物的损失重量，确定温室作物更新的结构性干物质重量，并基于所述目标时段内所述虚拟碳池的储量变化量以及所述目标时刻下所述虚拟碳池的储量，确定更新的所述虚拟碳池的储量；所述损失重量至少包括农事操作所去除的温室作物结构性干物质重量。
本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述温室作物生长模拟方法。
本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述温室作物生长模拟方法。
本发明还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述温室作物生长模拟方法。
本发明提供的温室作物生长模拟方法及装置，通过设置虚拟碳池并对虚拟碳池的储量进行动态监控，构造了受空气温度影响的光合作用抑制函数，来确定出温室作物更加准确的光合作用速率及碳水化合物净生成量，再根据碳水化合物转化为结构性干物质的转化因子得到温室作物在目标时段内的结构性干物质累积重量，进而便于确定温室作物更新的结构性干物质重量，实现对温室作物生长的模拟，准确解释极端空气温度，尤其是极端低温对作物生长的不利影响。
进一步地，本发明提供的温室作物生长模拟方法及装置，优化了羧化阻力表达式，使温室作物生长模拟可以允许更大的空气温度输入区间，大幅提高了温室作物生长模型对大尺度空气温度输入的兼容性以及面向控制的适用性。
附图说明
为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明提供的温室作物生长模拟方法的流程示意图之一；
图2是本发明提供的温室作物生长模拟方法的流程示意图之二；
图3是本发明提供的温室作物生长模拟方法的模拟效果对比图；
图4是本发明提供的温室作物生长模拟方法中的虚拟碳池的储量变化示意图；
图5是本发明提供的温室作物生长模拟装置的结构示意图；
图6是本发明提供的电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
下面结合图1-图6描述本发明的温室作物生长模拟方法及装置。
本发明实施例的温室作物生长模拟方法的执行主体可以是处理器。当然，在另一些实施例中，执行主体还可以是服务器，此处对执行主体的类型不作限制。下面以执行主体为处理器为例来对本发明实施例的温室作物生长模拟方法进行说明。
如图1所示，本发明实施例的温室作物生长模拟方法主要包括步骤110、步骤120和步骤130。
步骤110，确定目标时刻起目标时段内温室内的环境数据、目标时刻下温室作物的结构性干物质重量以及目标时刻下温室作物对应的虚拟碳池的储量。
需要说明的是，目标时间段为一个作物生长的模拟周期，目标时间段可以根据实际需要来进行设定，目标时刻为目标时段的起始时刻。
例如，目标时间段的时长可以是5min或10min，此处对目标时间段的时长不作限制。
环境数据至少包括空气温度、光照辐射量以及二氧化碳浓度。
可以理解的是，空气温度影响作物植株的温度，进而影响到作物植株的各种代谢活动以及生长和发育情况。在一些实施例中，可以直接将空气温度作为作物植株的温度，进而用于分析作物植株的代谢活动。
在本实施方式中，可以通过在温室内设置温度传感器来获取空气温度，以实现对温室空气温度的实时监控。
光照辐射作为重要的环境因子，对植物的生长发育有广泛的调节作用。植物受到光诱导和调节的发育称为植物的光形态建成，尤其是短波光对植物的生长发育影响明显。
在本实施方式中，可以采用辐射传感器来进行光照辐射量的监测，获取作物冠层上部短波辐射量或者光合有效辐射量。
二氧化碳浓度作为重要的环境因子，对植物的生长发育也有广泛的影响，尤其是会影响植物光合作用的效率，进而影响植物有机物合成的反应。
在本实施方式中，可以通过在温室内安装二氧化碳传感器来对温室内的二氧化碳浓度进行监测。
在本实施方式中，可以通过对温室内的环境进行实时监测来确定环境数据，进而得到该温室环境下准确的作物生长模拟结果。
当然，在另一些实施例中，还可以自定义环境数据，通过自定义环境数据，可以实现对更多环境类型的覆盖，进而得到更加丰富的模拟结果，此处对环境数据的确定方式不作限制。
目标时刻下温室作物的结构性干物质重量用于表示温室作物在目标时间段的起始时刻的结构性干物质重量。
目标时刻下温室作物的结构性干物质重量可以通过预估获取，例如可以将与所要模拟的植株生长状态类似的植株进行处理后称重，得到所要模拟的温室作物的参考结构性干物质重量，进而根据参考结构性干物质重量预估温室内作物的结构性干物质重量。
需要说明的是，虚拟碳池用于临时存储温室作物光合作用生产的碳水化合物，虚拟碳池不构成温室作物结构性干物质组成部分，且不计入温室作物结构性干物质重量。
目标时刻下温室作物对应的虚拟碳池的储量可以根据上一时段虚拟碳池的储量更新后得到。在整个模拟过程中，在模拟初期，虚拟碳池的初始容量可以为零，并在模拟的过程中不断动态更新储量。
在本实施方式中，虚拟碳池用于调节光合作用的速率，在虚拟碳池在目标时刻的储量大于或者等于虚拟碳池在目标时刻的最大储量的情况下，目标时段内温室作物的光合作用被抑制。
如图2所示，虚拟碳池中的碳水化合物同时流向维持呼吸、生长转化过程以及干物质分配过程。在极端温度条件下，温室作物及温室作物各器官潜在生长速率降低，生长潜力降低，作物地上部以及根部的干物质分配均被抑制，作物干物质分配过程被抑制，从虚拟碳池流向生长转化环节的碳水化合物流量相应降低，进而造成虚拟碳池中碳水化合物累积。当虚拟碳池中碳水化合物储量高于虚拟碳池最大储量时，光合作用被抑制，进而影响结构性干物质积累以及作物的生长状态。
虚拟碳池在目标时刻的最大储量与温室作物在目标时刻下的结构性干物质重量正相关，即不同结构性干物质重量的温室作物其虚拟碳池的最大储量也不相同。
虚拟碳池在目标时段的储量变化量与温室作物在目标时刻下的结构性干物质重量、目标时段内温室作物的光合作用速率、目标时段内温室作物的维持呼吸速率以及目标时段内温室作物的潜在相对生长速率关联。
在一些实施例中，虚拟碳池中碳水化合物的储量变化量通过以下公式确定：
其中，Xd为目标时刻下温室作物的结构性干物质重量；dt表示目标时段的时长；AC为作物的光合作用速率；Rd为目标时段内温室作物的维持呼吸速率；cβ为由生长呼吸与物质合成损失决定的碳水化合物转化为结构性干物质的转化因子；cα为光合作用同化吸收的二氧化碳转化为碳水化合物等价物的转化因子；hbuf为目标时段内温室作物的光合作用抑制函数，RGRmax为环境数据下温室作物的潜在相对生长速率；dCbuf为虚拟碳池在目标时段内的储量变化量；(0≤Cbuf≤Cbuf,max)表示对目标时刻以及更新的虚拟碳池的储量进行状态约束。
步骤120，基于环境数据、环境数据下温室作物的潜在相对生长速率、目标时刻下温室作物的结构性干物质重量、虚拟碳池在目标时刻的储量以及虚拟碳池在目标时刻的最大储量，确定目标时段内温室作物的光合作用抑制函数及光合作用速率。
需要说明的是，光合作用速率是光合作用强弱的一种表示法，又称“光合强度”。光合作用速率的大小可用单位时间、单位叶面积或单位栽培面积温室作物所吸收的二氧化碳或生产的碳水化合物重量表示。在使用不同参数来进行表征时，光合作用速率所代表的含义也不相同。例如，在本实施例中，作物的光合作用速率AC表示单位时间、单位栽培面积内所有温室作物进行光合作用所同化吸收的二氧化碳量。
在本实施方式中，虚拟碳池用于调节光合作用的速率。在极端温度条件下，温室作物及温室作物各器官潜在生长速率降低，干物质分配被抑制，从虚拟碳池流向生长转化环节的碳水化合物流量相应降低，进而造成虚拟碳池中碳水化合物累积。当虚拟碳池中碳水化合物储量达到虚拟碳池最大储量时，光合作用被抑制，此时光合作用被抑制的程度可以用光合作用抑制函数来表示。
目标时段内温室作物的光合作用抑制函数通过以下公式确定：
其中，Xd为目标时刻下温室作物的结构性干物质重量；hbuf为目标时段内温室作物的光合作用抑制函数；RGRmax为环境数据下温室作物的潜在相对生长速率；Cbuf为虚拟碳池在目标时刻的储量；Cbuf,max为虚拟碳池在目标时刻的最大储量。
需要说明的是，现有技术中根据光合作用速率的计算公式得到的光合作用速率未考虑到极端温度下作物内部碳水化合物的转化对光合作用速率的影响。
在本实施方式中，目标时段内温室作物的光合作用速率表示为光合作用速率与光合作用抑制函数的乘积：AC·hbuf，其中：
其中，Xd为目标时刻下温室作物的结构性干物质重量，kPAR为作物冠层对光合有效辐射的消光系数；SLA为比叶面积；σr为根部干物质重量占植株干物质重量的比重；Xc为温室的二氧化碳浓度；Xt为温室的空气温度，ΓT20为20℃条件下二氧化碳补偿点；Q10,Γ为对于二氧化碳补偿点的Q10因子；rb为边界层阻力；rs为气孔阻力；rc为羧化阻力；ε0为高二氧化碳浓度条件下缺少光呼吸时的光能利用效率；σPAR为光合有效辐射占短波辐射的比例；I为作物冠层上部短波辐射量。
需要说明的是，AC为光合作用速率的计算公式，但是本发明实施例中考虑到光合作用被抑制的情况，引入了光合作用抑制函数来对目标时段内温室作物的光合作用速率进行计算，从而得到更加准确的光合作用速率。
在上述计算公司中，羧化阻力通过以下公式确定：
rc＝crc,1·Xt 2+crc,2·Xt+crc,3；
其中，crc,1、crc,2及crc,3为羧化阻力二阶多项式拟合函数的系数，crc,1＝0.28，crc,2＝26.04，crc,3＝784.46。
在本实施方式中，对羧化阻力表达式的参数进行了优化，进而使得计算模型能够允许更大的温度输入区间，以便于更准确地模拟极端温度条件下的作物生长。
步骤130，基于目标时段内温室作物的光合作用速率、目标时段内温室作物的维持呼吸速率以及由生长呼吸与物质合成损失决定的碳水化合物转化为结构性干物质的转化因子，确定目标时段内温室作物的结构性干物质的累积重量。
需要说明的是，温室作物的光合作用产生碳水化合物，温室作物在维持正常的生命体征所进行的维持呼吸消耗碳水化合物，此外，温室作物在生长时，生长呼吸以及作物结构性干物质的合成转化也需要消耗碳水化合物。
维持呼吸速率用于表示温室作物在维持正常的生命体征所进行的维持呼吸的速率。生长呼吸与物质合成损失决定的碳水化合物转化为结构性干物质的转化因子用于表示温室作物在进行生长时，将维持呼吸消耗后剩余的碳水化合物转化为结构性干物质的转化因子。
目标时段内温室作物的结构性干物质的累积重量通过以下公式确定：
其中，dXd为目标时段内温室作物的结构性干物质的累积重量；dt表示目标时段的时长；AC为作物的光合作用速率；Rd为目标时段内温室作物的维持呼吸速率；cβ为由生长呼吸与物质合成损失决定的碳水化合物转化为结构性干物质的转化因子；cα为光合作用同化吸收的二氧化碳转化为碳水化合物等价物的转化因子；hbuf为目标时段内温室作物的光合作用抑制函数。
在本实施方式中，可以根据极端温度条件下目标时段内温室作物的光合作用速率确定出温室作物光合作用所产生的碳水化合物的量，再根据目标时段内温室作物的维持呼吸速率确定温室作物进行维持呼吸所消耗的碳水化合物，进而再根据由生长呼吸与物质合成损失决定的碳水化合物转化为结构性干物质的转化因子，确定出由剩余的碳水化合物转化的目标时段内温室作物的结构性干物质的累积重量。
根据本发明实施例提供的一种温室作物生长模拟方法，通过设置虚拟碳池并对虚拟碳池的储量进行动态监控，构造了受空气温度影响的光合作用抑制函数，来确定出温室作物更加准确的光合作用速率及碳水化合物净生成量，再根据碳水化合物转化为结构性干物质的转化因子得到温室作物在目标时段内的结构性干物质累积重量，进而再确定温室作物更新的结构性干物质重量，实现对温室作物生长的模拟，准确解释极端空气温度，尤其是极端低温，对作物生长的不利影响。在一些实施例中，在确定目标时段内温室作物的结构性干物质的累积重量之后，本发明实施例的温室作物生长模拟方法还包括：基于目标时段内温室作物的结构性干物质的累积重量、目标时刻下温室作物的结构性干物质重量以及目标时间段内作物的损失重量，确定温室作物更新的结构性干物质重量，并基于目标时段内虚拟碳池的储量变化量以及目标时刻下虚拟碳池的储量，确定更新的虚拟碳池的储量。
需要说明的是，损失重量至少包括农事操作所去除的温室作物结构性干物质重量。农事操作包括打叶、整枝等操作。
在模拟作物生长的过程中，可以构造包含时间与作物生长状态两项输入的一阶非线性常微分方程，优选采用四阶-五阶龙格-库塔算法进行数值求解，并输出包括温室作物结构性干物质重量等作物生长状态输出。
在此基础上，按照多个目标时段来进行监测模拟，在当前目标时段模拟结束后，将目标时段内温室作物的结构性干物质的累积重量以及目标时刻下温室作物的结构性干物质重量进行相加，并减去目标时间段内作物的损失重量，进而确定出温室作物在一个监测模拟周期后更新的结构性干物质重量，同时基于目标时段内虚拟碳池的储量变化量以及目标时刻下虚拟碳池的储量，确定出更新的虚拟碳池的储量，以为下一时段的监测模拟提供初始输入。
在本发明实施例的温室作物生长模拟方法所构建的温室作物生长模型架构下，作物结构性干物质积累与虚拟碳池中碳水化合物存储量变化采用相同的物质流路径，但具有两套不同且并行的物质流逻辑。更具体地，光合作用之后的干物质积累物质流无任何限制，仅光合作用速率有可能受到抑制。在光合抑制的逻辑中，从虚拟碳池至生长转化及分配环节的物质流受作物潜在生长速率的限制，同时该物质流不代表作物实际的生长速率，仅影响虚拟碳池存储状态。
本实施方式中，作物生长状态由单一状态变量描述，模型描述方法简洁，可降低计算量，模拟器运行高效。
如图3所示，图3是采用本发明实施例的温室作物生长模拟方法对一温室作物生长模拟得到的作物干物质重量模拟值与实测值的对比示意图。
下面以北方地区典型日光温室生菜越冬栽培为例，展示本发明的模拟效果。在本实施例中，典型日光温室缺乏环控设备及自动控制系统，仅拥有顶、侧开窗及保温被这两项必备的可控结构性组件，环境控制完全手动操作，且主要依据种植者经验，温室环境调控能力较差。
在此种情况下，温室作物生长模拟程序的温室环境输入包括空气温度、CO2浓度以及短波辐射，持续45天，期间极端低温时有发生，最低空气温度可达3.9℃。目标时刻起的作物结构性干物质量为0.0020kg m-2；虚拟碳池中碳水化合物存储量初始值设为0kg m-2。
图3所示为温室作物生长模拟程序的作物生长状态输出，即温室作物结构性干物质重量。在大部分时间内温室作物结构性干物质重量的模拟值落在测量值95％置信区间内，且相对均方根误差RRMSE＝11.97％，模型性能良好。
图4所示为温室作物生长模拟过程中的中间变量虚拟碳池中碳水化合物存储量的变化曲线，可以看出在作物生长的初期与中期，碳池中碳水化合物积累频繁出现被碳池最大容量限制的情况，亦即光合作用受低温等因素影响出现被抑制的情况。这说明本发明的温室作物生长模拟方法发挥了预期作用，使模型能够准确解释极端空气温度，尤其是极端低温，对作物生长的不利影响。
在将目标时间段设置为较短的时长的情况下，本发明实施例的温室作物生长模拟方法能够模拟作物生长状态的瞬时变化，接近作物实际生长状况，与温室环境变化及温室环境模型具有相同时间尺度，可无缝衔接，便于开发温室环境最优控制算法。因此，本发明提高了温室作物生长模型面向控制的适用性。
下面对本发明提供的温室作物生长模拟装置进行描述，下文描述的温室作物生长模拟装置与上文描述的温室作物生长模拟方法可相互对应参照。
如图5所示，本发明实施例的温室作物生长模拟装置主要包括第一处理模块510、第二处理模块520以及第三处理模块530。
第一处理模块510用于确定目标时刻起目标时段内温室内的环境数据、目标时刻下温室作物的结构性干物质重量以及目标时刻下温室作物对应的虚拟碳池的储量，环境数据至少包括空气温度、光照辐射量以及二氧化碳浓度；
第二处理模块520用于基于环境数据、环境数据下温室作物的潜在相对生长速率、目标时刻下温室作物的结构性干物质重量、虚拟碳池在目标时刻的储量以及虚拟碳池在目标时刻的最大储量，确定目标时段内温室作物的光合作用抑制函数及光合作用速率；
第三处理模块530用于基于目标时段内温室作物的光合作用速率、目标时段内温室作物的维持呼吸速率以及由生长呼吸与物质合成损失决定的碳水化合物转化为结构性干物质的转化因子，确定目标时段内温室作物的结构性干物质的累积重量；
其中，虚拟碳池用于临时存储温室作物光合作用生产的碳水化合物，虚拟碳池不构成温室作物结构性干物质组成部分，且不计入温室作物结构性干物质重量；虚拟碳池用于调节光合作用的速率；在虚拟碳池在目标时刻的储量大于或者等于虚拟碳池在目标时刻的最大储量的情况下，目标时段内温室作物的光合作用被抑制；
虚拟碳池在目标时刻的最大储量与温室作物在目标时刻下的结构性干物质重量正相关；虚拟碳池在目标时段的储量变化量与温室作物在目标时刻下的结构性干物质重量、目标时段内温室作物的光合作用速率、目标时段内温室作物的维持呼吸速率以及目标时段内温室作物的潜在相对生长速率关联。
根据本发明实施例提供的温室作物生长模拟装置，通过设置虚拟碳池并对虚拟碳池的储量进行动态监控，构造了受空气温度影响的光合作用抑制函数，来确定出温室作物更加准确的光合作用速率及碳水化合物净生成量，再根据碳水化合物转化为结构性干物质的转化因子得到温室作物在目标时段内的结构性干物质累积重量，进而便于确定温室作物更新的结构性干物质重量，实现对温室作物生长的模拟，准确解释极端空气温度，尤其是极端低温对作物生长的不利影响。
在一些实施例中，本发明实施例的温室作物生长模拟装置还包括第四处理模块，第四处理模块用于基于目标时段内温室作物的结构性干物质的累积重量、目标时刻下温室作物的结构性干物质重量以及目标时间段内作物的损失重量，确定温室作物更新的结构性干物质重量，并基于目标时段内虚拟碳池的储量变化量以及目标时刻下虚拟碳池的储量，确定更新的虚拟碳池的储量；损失重量至少包括农事操作所去除的温室作物结构性干物质重量。
图6示例了一种电子设备的实体结构示意图，如图6所示，该电子设备可以包括：处理器(processor)610、通信接口(Communications Interface)620、存储器(memory)630和通信总线640，其中，处理器610，通信接口620，存储器630通过通信总线640完成相互间的通信。处理器610可以调用存储器630中的逻辑指令，以执行温室作物生长模拟方法，该方法包括：确定目标时刻起目标时段内温室内的环境数据、目标时刻下温室作物的结构性干物质重量以及目标时刻下温室作物对应的虚拟碳池的储量，环境数据至少包括空气温度、光照辐射量以及二氧化碳浓度；基于环境数据、环境数据下温室作物的潜在相对生长速率、目标时刻下温室作物的结构性干物质重量、虚拟碳池在目标时刻的储量以及虚拟碳池在目标时刻的最大储量，确定目标时段内温室作物的光合作用抑制函数及光合作用速率；基于目标时段内温室作物的光合作用速率、目标时段内温室作物的维持呼吸速率以及由生长呼吸与物质合成损失决定的碳水化合物转化为结构性干物质的转化因子，确定目标时段内温室作物的结构性干物质的累积重量；其中，虚拟碳池用于临时存储温室作物光合作用生产的碳水化合物，虚拟碳池不构成温室作物结构性干物质组成部分，且不计入温室作物结构性干物质重量；虚拟碳池用于调节光合作用的速率；在虚拟碳池在目标时刻的储量大于或者等于虚拟碳池在目标时刻的最大储量的情况下，目标时段内温室作物的光合作用被抑制；虚拟碳池在目标时刻的最大储量与温室作物在目标时刻下的结构性干物质重量正相关；虚拟碳池在目标时段的储量变化量与温室作物在目标时刻下的结构性干物质重量、目标时段内温室作物的光合作用速率、目标时段内温室作物的维持呼吸速率以及目标时段内温室作物的潜在相对生长速率关联。
此外，上述的存储器630中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，计算机程序可存储在非暂态计算机可读存储介质上，所述计算机程序被处理器执行时，计算机能够执行上述各方法所提供的温室作物生长模拟方法，该方法包括：确定目标时刻起目标时段内温室内的环境数据、目标时刻下温室作物的结构性干物质重量以及目标时刻下温室作物对应的虚拟碳池的储量，环境数据至少包括空气温度、光照辐射量以及二氧化碳浓度；基于环境数据、环境数据下温室作物的潜在相对生长速率、目标时刻下温室作物的结构性干物质重量、虚拟碳池在目标时刻的储量以及虚拟碳池在目标时刻的最大储量，确定目标时段内温室作物的光合作用抑制函数及光合作用速率；基于目标时段内温室作物的光合作用速率、目标时段内温室作物的维持呼吸速率以及由生长呼吸与物质合成损失决定的碳水化合物转化为结构性干物质的转化因子，确定目标时段内温室作物的结构性干物质的累积重量；其中，虚拟碳池用于临时存储温室作物光合作用生产的碳水化合物，虚拟碳池不构成温室作物结构性干物质组成部分，且不计入温室作物结构性干物质重量；虚拟碳池用于调节光合作用的速率；在虚拟碳池在目标时刻的储量大于或者等于虚拟碳池在目标时刻的最大储量的情况下，目标时段内温室作物的光合作用被抑制；虚拟碳池在目标时刻的最大储量与温室作物在目标时刻下的结构性干物质重量正相关；虚拟碳池在目标时段的储量变化量与温室作物在目标时刻下的结构性干物质重量、目标时段内温室作物的光合作用速率、目标时段内温室作物的维持呼吸速率以及目标时段内温室作物的潜在相对生长速率关联。
又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各方法提供的温室作物生长模拟方法，该方法包括：确定目标时刻起目标时段内温室内的环境数据、目标时刻下温室作物的结构性干物质重量以及目标时刻下温室作物对应的虚拟碳池的储量，环境数据至少包括空气温度、光照辐射量以及二氧化碳浓度；基于环境数据、环境数据下温室作物的潜在相对生长速率、目标时刻下温室作物的结构性干物质重量、虚拟碳池在目标时刻的储量以及虚拟碳池在目标时刻的最大储量，确定目标时段内温室作物的光合作用抑制函数及光合作用速率；基于目标时段内温室作物的光合作用速率、目标时段内温室作物的维持呼吸速率以及由生长呼吸与物质合成损失决定的碳水化合物转化为结构性干物质的转化因子，确定目标时段内温室作物的结构性干物质的累积重量；其中，虚拟碳池用于临时存储温室作物光合作用生产的碳水化合物，虚拟碳池不构成温室作物结构性干物质组成部分，且不计入温室作物结构性干物质重量；虚拟碳池用于调节光合作用的速率；在虚拟碳池在目标时刻的储量大于或者等于虚拟碳池在目标时刻的最大储量的情况下，目标时段内温室作物的光合作用被抑制；虚拟碳池在目标时刻的最大储量与温室作物在目标时刻下的结构性干物质重量正相关；虚拟碳池在目标时段的储量变化量与温室作物在目标时刻下的结构性干物质重量、目标时段内温室作物的光合作用速率、目标时段内温室作物的维持呼吸速率以及目标时段内温室作物的潜在相对生长速率关联。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种温室作物生长模拟方法，其特征在于，包括：
确定目标时刻起目标时段内温室内的环境数据、所述目标时刻下温室作物的结构性干物质重量以及所述目标时刻下温室作物对应的虚拟碳池的储量，所述环境数据至少包括空气温度、光照辐射量以及二氧化碳浓度；
基于所述环境数据、所述环境数据下温室作物的潜在相对生长速率、所述目标时刻下温室作物的结构性干物质重量、所述虚拟碳池在所述目标时刻的储量以及所述虚拟碳池在所述目标时刻的最大储量，确定所述目标时段内温室作物的光合作用抑制函数及光合作用速率；
基于所述目标时段内温室作物的光合作用速率、所述目标时段内温室作物的维持呼吸速率以及由生长呼吸与物质合成损失决定的碳水化合物转化为结构性干物质的转化因子，确定所述目标时段内温室作物的结构性干物质的累积重量；
其中，所述虚拟碳池用于临时存储温室作物光合作用生产的碳水化合物，所述虚拟碳池不构成温室作物结构性干物质组成部分，且不计入温室作物结构性干物质重量；所述虚拟碳池用于调节光合作用的速率；在所述虚拟碳池在所述目标时刻的储量大于或者等于所述虚拟碳池在所述目标时刻的最大储量的情况下，所述目标时段内温室作物的光合作用被抑制；
所述虚拟碳池在所述目标时刻的最大储量与温室作物在所述目标时刻下的结构性干物质重量正相关；所述虚拟碳池在所述目标时段的储量变化量与温室作物在所述目标时刻下的结构性干物质重量、所述目标时段内温室作物的光合作用速率、所述目标时段内温室作物的维持呼吸速率以及所述目标时段内温室作物的潜在相对生长速率关联。
2.根据权利要求1所述的温室作物生长模拟方法，其特征在于，在所述确定所述目标时段内温室作物的结构性干物质的累积重量之后，所述方法还包括：
基于所述目标时段内温室作物的结构性干物质的累积重量、所述目标时刻下温室作物的结构性干物质重量以及所述目标时间段内作物的损失重量，确定温室作物更新的结构性干物质重量，并基于所述目标时段内所述虚拟碳池的储量变化量以及所述目标时刻下所述虚拟碳池的储量，确定更新的所述虚拟碳池的储量；所述损失重量至少包括农事操作所去除的温室作物结构性干物质重量。
3.根据权利要求1所述的温室作物生长模拟方法，其特征在于，所述目标时段内温室作物的结构性干物质的累积重量通过以下公式确定：
其中，dXd为所述目标时段内温室作物的结构性干物质的累积重量；dt表示所述目标时段的时长；AC为作物的光合作用速率；Rd为所述目标时段内温室作物的维持呼吸速率；cβ为由生长呼吸与物质合成损失决定的碳水化合物转化为结构性干物质的转化因子；cα为光合作用同化吸收的二氧化碳转化为碳水化合物等价物的转化因子；hbuf为所述目标时段内温室作物的光合作用抑制函数。
4.根据权利要求1所述的温室作物生长模拟方法，其特征在于，所述目标时段内温室作物的光合作用抑制函数通过以下公式确定：
其中，Xd为所述目标时刻下温室作物的结构性干物质重量；hbuf为所述目标时段内温室作物的光合作用抑制函数；RGRmax为所述环境数据下温室作物的潜在相对生长速率；Cbuf为所述虚拟碳池在所述目标时刻的储量；Cbuf,max为所述虚拟碳池在所述目标时刻的最大储量。
5.根据权利要求1所述的温室作物生长模拟方法，其特征在于，所述虚拟碳池中碳水化合物的储量变化量通过以下公式确定：
其中，Xd为所述目标时刻下温室作物的结构性干物质重量；dt表示所述目标时段的时长；AC为作物的光合作用速率；Rd为所述目标时段内温室作物的维持呼吸速率；cβ为由生长呼吸与物质合成损失决定的碳水化合物转化为结构性干物质的转化因子；cα为光合作用同化吸收的二氧化碳转化为碳水化合物等价物的转化因子；hbuf为所述目标时段内温室作物的光合作用抑制函数，RGRmax为所述环境数据下温室作物的潜在相对生长速率；dCbuf为所述虚拟碳池在所述目标时段内的储量变化量；(0≤Cbuf≤Cbuf,max)表示对所述目标时刻以及更新的所述虚拟碳池的储量进行状态约束。
6.根据权利要求4中任一项所述的温室作物生长模拟方法，其特征在于，所述目标时段内温室作物的光合作用速率表示为光合作用速率与光合作用抑制函数的乘积：AC·hbuf，其中：
其中，Xd为所述目标时刻下温室作物的结构性干物质重量，kPAR为作物冠层对光合有效辐射的消光系数；SLA为比叶面积；σr为根部干物质重量占植株干物质重量的比重；Xc为温室的二氧化碳浓度；Xt为温室的空气温度，ΓT20为20℃条件下二氧化碳补偿点；Q10,Γ为对于二氧化碳补偿点的Q10因子；rb为边界层阻力；rs为气孔阻力；rc为羧化阻力；ε0为高二氧化碳浓度条件下缺少光呼吸时的光能利用效率；σPAR为光合有效辐射占短波辐射的比例；I为作物冠层上部短波辐射量。
7.根据权利要求6中任一项所述的温室作物生长模拟方法，其特征在于，所述羧化阻力通过以下公式确定：
rc＝crc,1·Xt 2+crc,2·Xt+crc,3；
其中，crc,1、crc,2及crc,3为羧化阻力二阶多项式拟合函数的系数，crc,1＝0.28，crc,2＝26.04，crc,3＝784.46。
8.一种温室作物生长模拟装置，其特征在于，包括：
第一处理模块，用于确定目标时刻起目标时段内温室内的环境数据、所述目标时刻下温室作物的结构性干物质重量以及所述目标时刻下温室作物对应的虚拟碳池的储量，所述环境数据至少包括空气温度、光照辐射量以及二氧化碳浓度；
第二处理模块，用于基于所述环境数据、所述环境数据下温室作物的潜在相对生长速率、所述目标时刻下温室作物的结构性干物质重量、所述虚拟碳池在所述目标时刻的储量以及所述虚拟碳池在所述目标时刻的最大储量，确定所述目标时段内温室作物的光合作用抑制函数及光合作用速率；
第三处理模块，用于基于所述目标时段内温室作物的光合作用速率、所述目标时段内温室作物的维持呼吸速率以及由生长呼吸与物质合成损失决定的碳水化合物转化为结构性干物质的转化因子，确定所述目标时段内温室作物的结构性干物质的累积重量；
其中，所述虚拟碳池用于临时存储温室作物光合作用生产的碳水化合物，所述虚拟碳池不构成温室作物结构性干物质组成部分，且不计入温室作物结构性干物质重量；所述虚拟碳池用于调节光合作用的速率；在所述虚拟碳池在所述目标时刻的储量大于或者等于所述虚拟碳池在所述目标时刻的最大储量的情况下，所述目标时段内温室作物的光合作用被抑制；
所述虚拟碳池在所述目标时刻的最大储量与温室作物在所述目标时刻下的结构性干物质重量正相关；所述虚拟碳池在所述目标时段的储量变化量与温室作物在所述目标时刻下的结构性干物质重量、所述目标时段内温室作物的光合作用速率、所述目标时段内温室作物的维持呼吸速率以及所述目标时段内温室作物的潜在相对生长速率关联。
9.根据权利要求8中任一项所述的温室作物生长模拟方法，其特征在于，还包括第四处理模块，所述第四处理模块用于基于所述目标时段内温室作物的结构性干物质的累积重量、所述目标时刻下温室作物的结构性干物质重量以及所述目标时间段内作物的损失重量，确定温室作物更新的结构性干物质重量，并基于所述目标时段内所述虚拟碳池的储量变化量以及所述目标时刻下所述虚拟碳池的储量，确定更新的所述虚拟碳池的储量；所述损失重量至少包括农事操作所去除的温室作物结构性干物质重量。
10.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至7任一项所述温室作物生长模拟方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211526537.2A CN116127705A (zh) | 2022-11-30 | 2022-11-30 | 温室作物生长模拟方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211526537.2A CN116127705A (zh) | 2022-11-30 | 2022-11-30 | 温室作物生长模拟方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116127705A true CN116127705A (zh) | 2023-05-16 |
Family
ID=86306994
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211526537.2A Pending CN116127705A (zh) | 2022-11-30 | 2022-11-30 | 温室作物生长模拟方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116127705A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118314971A (zh) * | 2024-06-07 | 2024-07-09 | 南京农业大学 | 一种水稻花后低温胁迫下光合作用的模拟方法、系统及装置 |
-
2022
- 2022-11-30 CN CN202211526537.2A patent/CN116127705A/zh active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118314971A (zh) * | 2024-06-07 | 2024-07-09 | 南京农业大学 | 一种水稻花后低温胁迫下光合作用的模拟方法、系统及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109874477B (zh) | 一种农业园区施肥机托管方法及系统 | |
| CN104656451B (zh) | 一种基于作物模型的密闭系统环境因子优化调控方法 | |
| CN106842923B (zh) | 基于作物生理和能耗优化的温室环境多因子协调控制方法 | |
| US20220248616A1 (en) | Irrigation control with deep reinforcement learning and smart scheduling | |
| CN112668394B (zh) | 一种农业大棚生产的在线预测方法及系统 | |
| Xu et al. | Double closed-loop optimal control of greenhouse cultivation | |
| CN114077269B (zh) | 基于数据驱动模型的温室环境预测与优化控制方法 | |
| CN110245444B (zh) | 一种基于作物对环境的响应与适应机制的发育期模拟方法 | |
| Sánchez-Molina et al. | Support system for decision making in the management of the greenhouse environmental based on growth model for sweet pepper | |
| CN116127705A (zh) | 温室作物生长模拟方法及装置 | |
| CN114859734A (zh) | 一种基于改进sac算法的温室环境参数优化决策方法 | |
| CN115529987A (zh) | 作物设施的风口调控方法、装置、设备及存储介质 | |
| CN117236650B (zh) | 一种水肥一体化智慧泵房控制方法 | |
| CN112167035B (zh) | 一种水培叶菜生产管理方法及系统 | |
| Bailey et al. | Improving the cost effectiveness of greenhouse climate control | |
| CN117852912A (zh) | 一种作物种植收益测算方法和系统 | |
| Challa et al. | Reflections about optimal climate control in greenhouse cultivation | |
| Martin-Clouaire et al. | A survey of computer-based approaches for greenhouse climate management | |
| Morozova | Methodology for controlling greenhouse microclimate parameters and yield forecast using neural network technologies | |
| Jing et al. | Prediction of crop phenology—A component of parallel agriculture management | |
| García-Mañas et al. | Multi-scenario model predictive control for greenhouse crop production considering market price uncertainty | |
| Nederhoff et al. | Dynamic model for greenhouse crop photosynthesis: Validation by measurements and application for CO2 optimization | |
| CN116224870B (zh) | 一种基于多网络融合和植物光合作用反馈的智慧种植环境控制系统及方法 | |
| Bailey et al. | The use of models in greenhouse environmental control | |
| JP7220881B1 (ja) | 灌水制御システム |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |