不同天气类型下大棚葡萄温湿度预报模型

doi:10.11923/j.issn.2095-4050.cjas2020-0258

农学学报 ›› 2021, Vol. 11 ›› Issue (5): 91-96.doi: 10.11923/j.issn.2095-4050.cjas2020-0258

所属专题：农业气象

不同天气类型下大棚葡萄温湿度预报模型

肖杨¹^,²(), 王冠¹, 袁淑杰³(), 于飞⁴

¹唐山市气象局,河北唐山 063000
²贵州省山地气候与资源重点实验室,贵阳 550002
³成都信息工程大学,成都 610225
⁴贵州省山地环境气候研究所,贵阳 550002

收稿日期:2020-11-27 修回日期:2021-01-18 出版日期:2021-05-20 发布日期:2021-06-29
通讯作者: 袁淑杰 E-mail:xiaoyang9891@163.com;ysj@cuit.edu.cn
作者简介:肖杨,男,1988年出生,河北易县人,助理工程师,硕士,研究方向：农业气象学与气象防灾减灾。通信地址：063000 河北省唐山市裕丰街169号唐山市气象局生态气候中心,Tel：0315-2016770,E-mail： xiaoyang9891@163.com。
基金资助:
贵州省高层次创新人才培养项目[黔科合平台人才(2016)4026];唐山市气象局科研项目(20KY01)

Temperature and Relative Humidity Forecast Model of Greenhouse Grape Under Different Weather Types

Xiao Yang¹^,²(), Wang Guan¹, Yuan Shujie³(), Yu Fei⁴

¹Tangshan Meteorological Bureau, Tangshan 063000, Hebei, China
²Guizhou Key Laboratory of Mountains Climate and Resources, Guiyang 550002, Guizhou, China
³Chengdu University of Information Technology,Chengdu 610225, Sichuan, China
⁴Guizhou Institute of Mountains Environment and Climate, Guiyang 550002, Guizhou, China

Received:2020-11-27 Revised:2021-01-18 Online:2021-05-20 Published:2021-06-29
Contact: Yuan Shujie E-mail:xiaoyang9891@163.com;ysj@cuit.edu.cn

摘要/Abstract

摘要：

为了预先掌握葡萄各生育期棚内温湿度环境,从而让农户有充足时间调整大棚管理措施,降低气象灾害风险,利用2018年11月—2019年6月大棚内外观测资料,分析了不同天气类型下棚内温湿度与棚外气象要素的相关性,并通过逐步回归方法建立了棚内逐小时温湿度预报模型。结果表明：棚内温湿度与棚外气温、空气相对湿度、风速、日照时长有不同程度的相关性,晴天和多云大棚内外要素之间相关系数大多在0.3以上,棚内气温与棚外要素的相关性更高且最大相关系数超过0.9,阴天相关性较低;棚内逐小时气温、空气相对湿度模型的R²多在0.5以上,气温模型预报值与实测值的均方根误差(RSME)≤3.7℃、平均绝对误差(MAE)≤2.9℃,空气相对湿度模型预报值与实测值的均方根误差≤13.3%、平均绝对误差≤10.6%。所得模型填补了该地区大棚葡萄各生育期温湿度预报的空白,为田间管理提供了参考依据。

关键词: 大棚葡萄, 生育期, 气温, 空气相对湿度, 相关系数, 预报模型

Abstract:

To obtain the temperature and relative humidity in greenhouse during each grape growth period in advance, give farmers enough time to adjust greenhouse management measures and reduce the risk of meteorological disasters, this paper compared the observation data inside and outside the greenhouse from November 2018 to June 2019. Correlations between temperature and relative humidity inside the greenhouse and meteorological elements outside the greenhouse under different weather types were analyzed, and hourly temperature and relative humidity forecast model in the greenhouse were established through the stepwise regression method. The results show that the temperature and relative humidity inside the greenhouse have the correlations with temperature, relative humidity, wind speed and sunshine duration outside the greenhouse of different levels. On sunny and cloudy days, the correlation coefficients between the factors inside and outside the greenhouse are mostly above 0.3. The correlations are higher and the maximum correlation coefficients are more than 0.9, while the correlations in cloudy days are low. R² of hourly temperature and relative humidity forecast models in the greenhouse are mostly above 0.5. The RSME between the result of the temperature forecast model and the measured value is less than or equal to 3.7℃, and the MAE ≤2.9℃. The RSME of the model-forecasted relative humidity and the measured value are less than or equal to 13.3%, and the MAE ≤10.6%. To conclude, the models filled in the blank of the temperature and relative humidity forecast of the greenhouse grape in each growth period in this area, and could provide scientific reference for field management.

Key words: Greenhouse Grapes, Growth Period, Temperature, Relative Humidity, Correlation Coefficient, Forecast Model

中图分类号:

S165

肖杨, 王冠, 袁淑杰, 于飞. 不同天气类型下大棚葡萄温湿度预报模型[J]. 农学学报, 2021, 11(5): 91-96.

Xiao Yang, Wang Guan, Yuan Shujie, Yu Fei. Temperature and Relative Humidity Forecast Model of Greenhouse Grape Under Different Weather Types[J]. Journal of Agriculture, 2021, 11(5): 91-96.

图/表 10

参考文献 34

[1]	陈树俊. 葡萄的营养与保健[J]. 农产品加工, 2008(10):18-19.
[2]	魏瑞江, 王春乙, 范增禄. 石家庄地区日光温室冬季小气候特征及其与大气候的关系[J]. 气象, 2010,36(1):97-103.
[3]	杨再强, 张婷华, 黄海静, 等. 北方地区日光温室气象灾害风险评价[J]. 中国农业气象, 2013,34(3):342-349.
[4]	黎贞发, 李春, 李宁, 等. 天津市日光温室低温灾害特点及防御对策[J]. 中国蔬菜, 2013(17):6-9.
[5]	王琼, 魏瑞江, 王荣英, 等. 河北日光温室气象灾害影响和气象服务评估[J]. 中国农业气象, 2014,35(6):682-689.
[6]	李宁, 李春, 韩玥, 等. 天津市西青区日光温室农业气象灾害分析[J]. 北方园艺, 2017(12):51-54.
[7]	肖芳, 宋洋, 杨再强. 设施葡萄小气候预报模型的建立[J]. 江苏农业科学, 2018,46(22):306-309.
[8]	闫蓉, 安光辉, 邢生惠. 贵德县温室大棚内温度变化规律及预报模型研究[J]. 农业灾害研究, 2016,6(10):28-32.
[9]	袁静, 王令军, 徐剑平, 等. 大樱桃大棚小气候特征分析及预报[J]. 中国农学通报, 2015,31(19):173-179.
[10]	张超, 吴瑞芬. 内蒙古东部温室大棚温度特征分析及预报模型建立[J]. 中国农学通报, 2014,30(26):213-218.
[11]	符国槐, 张波, 杨再强, 等. 塑料大棚小气候特征及预报模型的研究[J]. 中国农学通报, 2011,27(13):242-248.
[12]	曾照旭, 朴一龙, 李聪, 等. 冬季塑料大棚内气温和土温的变化研究[J]. 北方园艺, 2013(11):47-49.
[13]	葛建坤, 罗金耀. 春季温室番茄内外气象要素变化规律初步研究[J]. 中国农村水利水电, 2013(3):82-84,87.
[14]	于明英, 肖娟, 邱照宁, 等. 不同天气条件对沙培日光温室小气候的影响[J]. 北方园艺, 2017(9):42-45.
[15]	赵先丽, 张淑杰, 蔡福, 等. 辽宁省日光温室内最高和最低气温预报[J]. 江苏农业科学, 2017,45(16):276-282.
[16]	舒素芳, 蔡敏, 刘新华, 等. 大棚蔬菜最低气温预报及冻害防御技术[J]. 气象科技, 2015,43(1):133-137.
[17]	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.
[18]	王孝卿, 李楠, 薛晓萍. 寿光日光温室小气候变化规律及模拟方法[J]. 中国农学通报, 2012,28(10):236-242.
[19]	祁德富, 马琪. 不同天气条件下日光温室光照强度及温湿度日变化特征研究[J]. 北方园艺, 2013(23):55-57.
[20]	王璐, 朱进, 彭玉全, 等. 春季晴天塑料大棚内不同位置小气候变化分析[J]. 长江大学学报:自科版, 2018,15(2):19-21,5.
[21]	孟翠丽, 杨文刚, 王涵, 等. 武汉市日光温室冬季温湿度环境的神经网络模拟[J]. 江苏农业科学, 2017,45(3):176-179.
[22]	程芳芳. 郑州雾霾寡照天气大棚小气候特征及低温预报[J]. 农学学报, 2015,5(2):105-108.
[23]	刘可群, 黎明锋, 杨文刚. 大棚小气候特征及其与大气候的关系[J]. 气象, 2008(7):101-107.
[24]	白晓, 王忠富, 杨礼箫. 黑河上游土壤水分与遥感环境因子相关性分析[J]. 遥感信息, 2016,31(6):121-127.
[25]	吴炫柯, 段毅强, 陈利东. 甘蔗茎伸长量与气象水分参数的相关性分析[J]. 气象科技, 2011,39(1):110-113.
[26]	黄晓然, 包安明, 郭浩, 等. 近20a中国天山东段典型冰川变化及其气候响应[J]. 干旱区研究, 2017,34(4):870-880.
[27]	王孝卿, 薛晓萍, 杨艳超. 日光温室小气候预报方法研究[J]. 海洋气象学报, 2012,32(1):34-37.
[28]	张晓月, 李荣平, 王莹, 等. 日光温室小气候要素预报模型研究[J]. 中国农学通报, 2018,34(32):119-124.
[29]	童成立, 张文菊, 汤阳, 等. 逐日太阳辐射的模拟计算[J]. 中国农业气象, 2005(3):165-169.
[30]	李宁, 申双和, 黎贞发, 等. 基于主成分回归的日光温室内低温预测模型[J]. 中国农业气象, 2013,34(3):306-311.
[31]	马成芝, 孙立德, 穆春华. 喀左日光温室内气温变化规律及其应用[J]. 气象与环境学报, 2007(5):49-52.
[32]	武莹, 李建明. 典型季节大跨度非对称塑料大棚内温光性能分析[J]. 中国农业大学学报, 2019,24(10):125-135.
[33]	孙磊, 贾红, 孙建印. 不同类型日光温室小气候对比分析[J]. 湖北农业科学, 2011,50(16):3399-3402.
[34]	申婷婷, 鲍恩财, 曹晏飞, 等. 不同墙体结构日光温室性能测试及分析[J]. 中国农业大学学报, 2019,24(3):94-101.

		X₁	X₂	X₃	X₄	X₅
前期	晴天Y₁	0.801^**	-0.537^**	0.515^**	0.025	0.760^**
	多云Y₁	0.844^**	-0.479^**	0.607^**	—	0.754^**
	阴天Y₁	0.978^**	0.157	-0.175	-0.019	—
中期	晴天Y₁	0.849^**	-0.062	0.217^**	0.045	0.525^**
	多云Y₁	0.997^**	-0.805^**	0.609^**	—	0.664^**
	阴天Y₁	0.952^**	0.277^**	0.465^**	0.169	—
后期	晴天Y₁	0.805^**	-0.523^**	0.564^**	—	0.685^**
后期	阴天Y₁	0.859^**	-0.539^**	0.226	—	—

		X₁	X₂	X₃	X₄	X₅
前期	晴天Y₁	0.801^**	-0.537^**	0.515^**	0.025	0.760^**
	多云Y₁	0.844^**	-0.479^**	0.607^**	—	0.754^**
	阴天Y₁	0.978^**	0.157	-0.175	-0.019	—
中期	晴天Y₁	0.849^**	-0.062	0.217^**	0.045	0.525^**
	多云Y₁	0.997^**	-0.805^**	0.609^**	—	0.664^**
	阴天Y₁	0.952^**	0.277^**	0.465^**	0.169	—
后期	晴天Y₁	0.805^**	-0.523^**	0.564^**	—	0.685^**
后期	阴天Y₁	0.859^**	-0.539^**	0.226	—	—

	天气类型	模型	样本数量	R²	RSME/℃	MAE/℃
前期	晴天	Y₁=-2.497+1.061X₁+0.775X₅	144	0.876	2.3	1.9
	多云	Y₁=-4.20+1.015X₁+0.685X₅+0.913X₃	48	0.891	1.8	1.4
	阴天	Y₁=-0.489+1.2X₁	24	0.956	0.3	0.2
中期	晴天	Y₁=2.25+0.55X₁+0.465X₃+0.123X₅-0.02X₂	287	0.854	1.4	1.1
	多云	Y₁=0.365+0.949X₁	24	0.993	0.3	0.2
	阴天	Y₁=1.368+0.618X₁+0.012X₂	96	0.916	0.8	0.6
后期	晴天	Y₁=10.889+1.29X₁+0.646X₅-0.058X₂	144	0.829	3.1	2.4
后期	阴天	Y₁=21.458+1.971X₁-0.14X₂-2.547X₃	24	0.887	1.4	1.1

	天气类型	模型	样本数量	R²	RSME/℃	MAE/℃
前期	晴天	Y₁=-2.497+1.061X₁+0.775X₅	144	0.876	2.3	1.9
	多云	Y₁=-4.20+1.015X₁+0.685X₅+0.913X₃	48	0.891	1.8	1.4
	阴天	Y₁=-0.489+1.2X₁	24	0.956	0.3	0.2
中期	晴天	Y₁=2.25+0.55X₁+0.465X₃+0.123X₅-0.02X₂	287	0.854	1.4	1.1
	多云	Y₁=0.365+0.949X₁	24	0.993	0.3	0.2
	阴天	Y₁=1.368+0.618X₁+0.012X₂	96	0.916	0.8	0.6
后期	晴天	Y₁=10.889+1.29X₁+0.646X₅-0.058X₂	144	0.829	3.1	2.4
后期	阴天	Y₁=21.458+1.971X₁-0.14X₂-2.547X₃	24	0.887	1.4	1.1

		X₁	X₂	X₃	X₄	X₅
晴天	Y₁	0.647^**	-0.543^**	0.532^**	-0.024	0.708^**
晴天	Y₂	-0.417^**	0.554^**	-0.582^**	0.023	-0.783^**
多云	Y₁	0.767^**	-0.426^**	0.518^**	—	0.578^**
多云	Y₂	-0.551^**	0.547^**	-0.614^**	—	-0.688^**
阴天	Y₁	0.581^**	-0.081	0.107	-0.019	0.395^**
阴天	Y₂	-0.210^*	0.109	-0.120	-0.121	-0.429^**

不同天气类型下大棚葡萄温湿度预报模型

Temperature and Relative Humidity Forecast Model of Greenhouse Grape Under Different Weather Types

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 10

参考文献 34

相关文章 15

编辑推荐

Metrics

本文评价

关于本刊

作者中心

审者中心

在线期刊

联系我们

天气类型	模型	样本数量	R²	RSME	MAE
晴天	Y₁=11.883+0.724X₅+0.617X₁-0.067X₂+0.349X₃	1177	0.735	3.7℃	2.9℃
晴天	Y₂=83.532-2.263X₅+0.186X₂-1.664X₃-0.387X₁	1177	0.711	9.4%	6.9%
多云	Y₁=13.21+1.168X₁-0.069X₂+0.376X₅	72	0.800	2.1℃	1.6℃
多云	Y₂=75.913-1.748X₅-1.882X₁+0.234X₂	72	0.730	6.9%	5.5%
阴天	Y₁=7.843+0.571X₁+0.912X₅+0.335X₃	144	0.511	2.2℃	1.7℃
阴天	Y₂=90.853-2.892X₅-0.581X₁-0.763X₃	144	0.245	8.1%	6.1%

		X₁	X₂	X₃	X₄	X₅
晴天	Y₁	0.693^**	-0.560^**	0.450^**	—	0.679^**
晴天	Y₂	-0.352^**	0.650^**	-0.409^**	—	-0.762^**
多云	Y₁	0.686^**	-0.490^**	0.145	—	0.649^**
多云	Y₂	-0.321^**	0.387^**	-0.076	—	-0.699^**
阴天	Y₁	0.658^**	-0.153^*	-0.105	-0.066	—
阴天	Y₂	-0.308^*	0.176^*	-0.088	0.075	—

天气类型	模型	样本数量	R²	RSME	MAE
晴天	Y₁=15.032+0.485X₁+0.681X₅-0.062X₂	616	0.764	3.4℃	2.6℃
晴天	Y₂=74.416-2.214X₅+0.310X₂-0.219X₁	616	0.693	10.3%	7.5%
多云	Y₁=13.038+0.626X₁+0.752X₅-0.029X₂	140	0.723	2.9℃	2.1℃
多云	Y₂=84.724-2.694X₅+0.135X₂	140	0.520	10.5%	7.3%
阴天	Y₁=15.088+0.675X₁-0.054X₂-0.371X₃	178	0.502	2.1℃	1.6℃
阴天	Y₂=90.622-0.652X₁+0.07X₂	178	0.730	5.8%	4.6%

		X₁	X₂	X₃	X₄	X₅
晴天	Y₁	0.718^**	-0.470^**	0.480^**	-0.096^*	0.720^**
晴天	Y₂	-0.571^**	0.555^**	-0.539^**	0.066	-0.696^**
多云	Y₁	0.489^**	-0.508^**	0.492^**	-0.103	0.651^**
多云	Y₂	-0.699^**	0.444^**	-0.451^**	0.061	-0.617^**
阴天	Y₁	0.710^**	0.036	0.093	-0.090	—
阴天	Y₂	0.220^*	0.783^**	-0.445^**	0.065	—

天气类型	模型	样本数量	R²	RSME	MAE
晴天	Y₁=9.259+0.638X₅+0.686X₁-0.056X₂+1.05X₄	620	0.761	3.3℃	2.5℃
晴天	Y₂=85.49-2.08X₅-1.446X₁+0.3X₂-4.57X₄-0.97X₃	620	0.666	13.3%	10.6%
多云	Y₁=13.33+0.449X₅-0.127X₂+0.808X₁	71	0.656	3.5℃	2.7℃
多云	Y₂=104.88-4.283X₁+0.449X₂-0.779X₅	71	0.822	8.6%	7.1%
阴天	Y₁=3.675+0.989X₁	96	0.503	2.3℃	1.8℃
阴天	Y₂=42.85+0.404X₂+1.121X₁-1.348X₃	96	0.680	6.9%	6.0%

	X₁	X₂	X₃	X₄	X₅
晴天Y₁	0.803^**	-0.421^**	0.404^**	0.049	0.735^**
多云Y₁	0.831^**	-0.424^**	0.268^**	-0.034	0.642^**
阴天Y₁	0.824^**	-0.313^**	0.001	-0.065	0.118

天气类型	模型	样本数量	R²	RSME/℃	MAE/℃
晴天	Y₁=-3.718+1.006X₁+0.773X₅+0.311X₃+0.018X₂	895	0.860	2.7	2.0
多云	Y₁=-1.645+1.078X₁+0.63X₅	350	0.819	2.6	2.0
阴天	Y₁=1.467+1.078X₁-0.036X₂	160	0.692	2.6	2.0

[1]	刘艳, 刘帆, 王孜瑄, 赵翔, 刘新生. ‘碧玉’萝卜大田种植农业气象指标及适播期研究[J]. 农学学报, 2022, 12(5): 60-64.
[2]	雷云康, 钟秋, 王俊, 向欢, 邹宇航, 张华述, 李成然, 王有为. 不同雪茄品种大田生育期叶绿素含量变化规律研究[J]. 农学学报, 2022, 12(1): 35-38.
[3]	张翠英, 吕令华, 樊献政, 李瑞英. 油用牡丹种子采摘始期预报模型研究[J]. 农学学报, 2021, 11(9): 85-91.
[4]	黄水珍, 冯德庆, 黄秀声, 黄小云. 大麦‘花22’不同生育期的饲用品质及呕吐毒素含量[J]. 农学学报, 2021, 11(4): 1-5.
[5]	衣政伟, 林佩佩, 袁红, 朱海鹏, 吴计余, 王显, 华荣. 江苏省淮南小麦品种农艺性状与产量指标相关性研究[J]. 农学学报, 2021, 11(12): 17-23.
[6]	倪中应, 章明奎, 王京文, 李丹, 石一珺. 水稻不同生育期镉吸收与积累特征研究[J]. 农学学报, 2020, 10(3): 49-54.
[7]	刘书畅,董心怡,潘仕梅,宋俊芬,王学芬,衣淑玉. 1971-2015年烟台冬小麦不同生育期温度变化[J]. 农学学报, 2019, 9(7): 68-73.
[8]	(裴玉芳. 青海省海东市1961-2015年气温变化趋势和演变特征[J]. 农学学报, 2018, 8(7): -.
[9]	郑小雄. 杂交稻“天优华占”不同稻作类型的产量结构分析[J]. 农学学报, 2018, 8(7): -.
[10]	高德学,杨光,孙会杰,那艳斌,程洪森. 播期和种植密度对芝麻性状及产量的影响[J]. 农学学报, 2018, 8(10): 1-6.
[11]	杨淑华,刘洁莉,梁进秋,杨春仓,秦雅娟,徐鑫,李腊平,张玉芳. 基于BP神经网络的马铃薯气候产量预报模型[J]. 农学学报, 2017, 7(4): 29-33.
[12]	孙晓光,王腾,卓永,党星. 西藏昌都近55年极端气温变化特征[J]. 农学学报, 2017, 7(3): 47-54.
[13]	廖朝阳. 杂交稻‘Ⅱ优1259’的生物学特性与产量结构分析[J]. 农学学报, 2017, 7(10): 1-5.
[14]	徐桂华,高学芹,袁静. 寿光市近56年气温日较差变化特征分析[J]. 农学学报, 2016, 6(9): 52-56.
[15]	王冰,林修栋,王培涛,任可. 基于德玛顿干旱指数的胶东半岛干旱分析[J]. 农学学报, 2016, 6(5): 73-81.