CN104656451A - 一种基于作物模型的密闭***环境因子优化调控方法 - Google Patents
一种基于作物模型的密闭***环境因子优化调控方法 Download PDFInfo
- Publication number
- CN104656451A CN104656451A CN201510031385.2A CN201510031385A CN104656451A CN 104656451 A CN104656451 A CN 104656451A CN 201510031385 A CN201510031385 A CN 201510031385A CN 104656451 A CN104656451 A CN 104656451A
- Authority
- CN
- China
- Prior art keywords
- crop
- photosynthetic
- model
- closed system
- temperature
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 22
- 230000001105 regulatory effect Effects 0.000 title claims abstract description 15
- 230000007613 environmental effect Effects 0.000 title abstract description 9
- 230000001276 controlling effect Effects 0.000 title abstract description 8
- 230000000243 photosynthetic effect Effects 0.000 claims abstract description 67
- 238000005286 illumination Methods 0.000 claims abstract description 41
- 210000000056 organ Anatomy 0.000 claims abstract description 37
- 230000008569 process Effects 0.000 claims abstract description 6
- 239000002028 Biomass Substances 0.000 claims abstract description 4
- 230000029553 photosynthesis Effects 0.000 claims description 22
- 238000010672 photosynthesis Methods 0.000 claims description 22
- 230000008859 change Effects 0.000 claims description 17
- 230000012010 growth Effects 0.000 claims description 9
- 238000005457 optimization Methods 0.000 claims description 9
- 238000006243 chemical reaction Methods 0.000 claims description 7
- 235000013399 edible fruits Nutrition 0.000 claims description 5
- 230000004907 flux Effects 0.000 claims description 5
- 238000010276 construction Methods 0.000 claims description 4
- 229920006395 saturated elastomer Polymers 0.000 claims description 4
- 239000003337 fertilizer Substances 0.000 claims description 3
- 239000012530 fluid Substances 0.000 claims description 3
- 238000004519 manufacturing process Methods 0.000 claims description 3
- 238000005265 energy consumption Methods 0.000 abstract description 3
- 238000005094 computer simulation Methods 0.000 abstract description 2
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 18
- 229910002092 carbon dioxide Inorganic materials 0.000 description 9
- 239000001569 carbon dioxide Substances 0.000 description 7
- 230000029058 respiratory gaseous exchange Effects 0.000 description 4
- 230000008635 plant growth Effects 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 102000004127 Cytokines Human genes 0.000 description 2
- 108090000695 Cytokines Proteins 0.000 description 2
- 241001464837 Viridiplantae Species 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 230000003750 conditioning effect Effects 0.000 description 1
- 238000011157 data evaluation Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 210000003608 fece Anatomy 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 239000010871 livestock manure Substances 0.000 description 1
- 239000011148 porous material Substances 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 230000007115 recruitment Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Chemical compound O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Landscapes
- Cultivation Of Plants (AREA)
Abstract
本发明公开了一种基于作物模型的密闭***环境因子优化调控方法,包括以下步骤:1、基于TomSim模型和GreenLab模型构建作物模型,其中TomSim模型用于构建密闭***中作物光合产量模型,以模拟环境条件对光合过程的影响,GreenLab模型用于计算不同器官生物量分配的干重;2、基于作物模型构建用于定量地描述温度、光照强度和CO2浓度三个环境因子与作物光合产量关系的密闭***环境因子优化调控模型;3、对环境因子进行优化调控。本方法通过计算机模拟的手段,优化了温度、光照强度和CO2浓度三个环境因子,实现了实现最大作物光合产量的同时,减小能耗,以满足投入小产出大的密闭环境因子调控要求。
Description
技术领域
本发明属于数据处理方法和一般植物学技术领域,尤其涉及一种基于作物模型的密闭***环境因子优化调控方法。
背景技术
作物模型是辅助密闭***作物生长、环境调控以及栽培管理的有力工具。通常来说,对于生长在有限空间的密闭***,如受控生态生保***、植物工厂等,在没有水肥胁迫的情况下,作物的生长发育主要受到温度、光照和二氧化碳三个环境因子的影响。
温度是作物生长发育及其重要的环境因素之一,作物整个生长周期中所发生的一切生物化学反应,都必须在一定的温度下进行。温度降低或升高到一定程度时,作物将停止生长甚至死亡,只有在某一最适温度内作物才能正常生长甚至加速生长。特别地,温度对光合作用的影响很大,直接影响着作物的光合产量。
光照是作物生长发育必不可少的环境因子之一,作物的光合产量不仅与光照的强度有关,而且与光照的时间有关,即由一定光强积累的光照量决定。一定条件下,当光照强度低于某一值使作物的净光合速率为零时,此时的光照强度称为光补偿点;当光照强度高于某一值使作物的净光合速率不再增强时,此时的光照强度称为光饱和点。只有在光补偿点和饱和点范围内,作物的光合作用通常才随光照强度的增加而增加,超过饱和点则不再增加。
作为绿色植物光合作用的原料,二氧化碳对光合速率影响很大,对作物的生长有着重要的意义。空气中CO2含量一般占体积的0.033%(即0.65mg/L,0℃,101kPa),对植物的光合作用来说是比较低的。当光合吸收的二氧化碳量等于呼吸放出的二氧化碳量,此时的CO2浓度称为该作物的二氧化碳补偿点。密闭***中随着CO2浓度的增加,作物的光合作用也 增强,但当增加到一定程度时,光合作用不再增强,此时的CO2浓度为该作物的二氧化碳饱和点。
在实际的密闭***中,通常采用基于实验数据评估环境对作物的影响和光合产量。然而,由于作物生长具有一定的生命周期,获取数据的周期长,难以快速评估***在外部或内部条件发生变化(例如光强)情况下的响应,而且作物对环境的响应具有短板效应,任何一种环境因子不足均会抑制其生长。因此,如何根据密闭***作物的生长环境条件和作物自身的需求,采取简单易行的调控措施,实现最大作物光合产量的同时,减小能耗,以满足投入小产出大的密闭环境因子调控要求,是一个急需解决的问题。
发明内容
为了解决上述问题,本发明提出了一种基于作物模型的密闭***环境因子优化调控方法,通过作物的计算机模型定量地优化调控温度、光照强度和CO2浓度三个环境因子,快速实现投入小产出大的密闭环境因子的优化。
本发明提出的一种基于作物模型的密闭***环境因子优化调控方法,包括以下步骤:
步骤1,基于TomSim模型和GreenLab模型构建作物模型,其中TomSim模型用于构建密闭***中作物光合产量模型,以模拟环境条件对光合过程的影响,GreenLab模型用于计算不同器官生物量分配的干重;
步骤2,基于作物模型构建用于定量地描述温度、光照强度和CO2浓度三个环境因子与作物光合产量关系的密闭***环境因子优化调控模型;
步骤3,对三个环境因子进行初始赋值;选取两个环境因子并计算第三个环境因子的变化曲线和光合产量的变化曲线,从而得到第三个环境因子的优化值并更新第三个环境因子的值,以此方法顺次并循环优化三个环境因子的值,直到三个环境因子的值不再变化或光合产量达到设定值;输出最终的三个环境因子的值为优化调整的结果。
所述TomSim模型的作物叶片单位面积的日光合产量表示为:
其中,Cf为同化物转换为干物质的转换系数(g DM g-1CH2O);Pg为日总同化速率(g CH2O m-2d-1);Rm为日维持呼吸速率(g CH2O m-2d-1);
所述日总同化速率Pg由瞬时光合速率累积而来,同化速率与光合速率的转换关系为 作物的瞬时光合响应曲线表示为:
其中,Pgc为作物瞬时总光合速率(umol CO2m-2s-1);Pgc,max为光饱和作物总光合速率(umol CO2m-2s-1);ε为作物光化学系数(mol CO2mol-1photon absorbed),即每吸收一个光子所消耗的CO2量;PPFD为光合光子通量密度(umol m-2s-1);
所述日维持呼吸速率Rm表示为:
其中,MAINTo为器官类型o在参考温度Tref下的维持呼吸速率(g CH2O m-2d-1);下标o为L、I、F和R,分别表示作物器官叶片、茎秆、果实和根,MAINTL=0.03g CH2O g-1DM d-1、MAINTI=0.015g CH2O g-1DM d-1、MAINTF=0.01g CH2O g-1DM d-1、MAINTR=0.01g CH2O g-1DM d-1;Wo为密闭***每单位面积器官类型o的干重;R10,c表示对温度的敏感度,具体表现温度对维持呼吸影响的R10值;
所述同化物转换为干物质的转换系数Cf表示为:
其中,ASRo为器官类型o的同化物需求系数,具体为每得到1g的干物质需要的同化物质量,ASRL=1.39g CH2O g-1DM、ASRI=1.45g CH2O g-1DM、ASRF=1.39g CH2O g-1DM、ASRR=1.39g CH2O g-1DM;So为GreenLab模型器官类型o的相对库强值,具体为同化物在不同器官中的分配比例。
所述光合光子通量密度PPFD可替换为光照强度I。
所述GreenLab模型计算不同器官生物量分配的干重Wo(i)的公式为:
其中,下标i、j、k分别表示作物的生长时间为第i、j、k天,fo为器官类型o的库强变化函数;Q(i)为单位面积作物日累积的生物量,根据作物叶片单位面积的日光合产量计算;N0(i)为作物第i天器官类型o的个数,器官类型o为作物叶片、叶柄、节间和果。
上述步骤3具体的步骤包括:
步骤31,给定温度和CO2浓度,根据密闭***环境因子调控模型计算出光照强度和光合产量的变化曲线,获取光合产量最大时的光照强度,并更新光照强度的值;
步骤32,在CO2浓度和更新后的光照强度下,根据密闭***环境因子调控模型计算温度和光合产量的变化曲线,获取光合产量最大时的温度,并更新温度的值;
步骤33,在更新后的光照强度和更新后的温度下,根据密闭***环境因子调控模型计算CO2浓度和光合产量的变化曲线,获取光合产量最大时的CO2浓度,并更新CO2浓度的值;
步骤34,重复上述顺序,直到温度、光照强度和CO2浓度不再变化或光合产量达到设定值;
步骤35,输出最终的三个环境因子的值为优化调整的结果。
本发明的方法能够定量的评估温度、光照强度和CO2浓度三个环境因子对作物的光合产量的影响,从而可以用于评估密闭***的投入(光能、热能)与产出之间的关系,并预估需要的二氧化碳补充量。本发明与现有技术的区别主要体现在本发明采用融合TomSim模型和GreenLab模型的作物模型,构建了密闭***环境因子优化调控模型,能够根据密闭***作物的生长环境条件和作物自身的需求,采取简单易行的环境因子定量调控措施,实现最大作物光合产量的同时,减小能耗,以满足投入小产出大的密闭环境因子调控要求。
附图说明
图1为本发明流程框图。
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明白,以下结合具体实施例,对本发明进一步详细说明,包括以下步骤:
步骤1,基于TomSim模型和GreenLab模型构建作物模型,其中TomSim模型用于构建密闭***中作物光合产量模型,以模拟环境条件对光合过程的影响,GreenLab模型用于计算不同器官生物量分配的干重;
利用园艺作物光合模型TomSim模型构建密闭***作物光合产量模型,以模拟环境条件对光合过程的影响,其描述如下:
其中,所述TomSim模型的作物叶片单位面积的日光合产量表示为:
其中,Cf为同化物转换为干物质的转换系数(g DM g-1CH2O);Pg为日总同化速率(g CH2O m-2d-1);Rm为日维持呼吸速率(g CH2O m-2d-1)。
其中,所述日总同化速率Pg由瞬时光合速率累积而来,同化速率与光合速率的转换关系为 作物的瞬时光合响应曲线表示为:
其中,Pgc为作物瞬时总光合速率(umol CO2m-2s-1);Pgc,max为光饱和作物总光合速率(umol CO2m-2s-1);ε为作物光化学系数(mol CO2mol-1photon absorbed),即每吸收一个光子所消耗的CO2量;PPFD为光合光子通量密度(umol m-2s-1),该变量也可用I替换,I为光照强度(umol m-2s-1)。
其中,所述光化学系数表示为:
其中,ε0为缺氧环境下的潜在光化学系数,等于 0.084mol CO2mol-1photon absorbed;τ为CO2补偿浓度(umol mol-1);Ca为密闭***中CO2浓度(umol mol-1)。
其中,所述CO2补偿浓度表示为:
τ=42.7+1.68(T-25)+0.012(T-25)2
其中,T为叶子温度。对于一个有限空间的密闭***,叶子温度用密闭***的温度近似表示。
其中,所述光饱和作物总光合速率表示为:
Pgc,max=min(Pn,c,Pm,m)+Rd
其中,Pn,c为作物最大净光合速率(umol CO2m-2s-1);Pm,m为最大内源性光合速率(umol CO2m-2s-1);Rd为暗呼吸速率(umol CO2m-2s-1)。
其中,所述作物最大净光合速率表示为:
其中,rb为边界层阻力,其经验值为100s m-1;rs为气孔的水蒸气扩散阻力,其经验值为50s m-1;rm为叶肉的CO2传输阻力(s m-1),可表示为:
其中,所述最大内源性光合速率表示为:
其中,所述暗呼吸速率表示为:
其中,Rd,20为叶温20℃时叶片暗呼吸速率,TomSim中取值为1.14umol CO2m-2s-1;R10为在温度T+10与T时的暗呼吸比例,TomSim中取值为2。
其中,所述日维持呼吸速率Rm表示为:
其中,MAINTo为器官类型o在参考温度Tref下的维持呼吸速率(g CH2O m-2d-1),参考温度Tref为25℃;下标o为L、I、F和R,分别表示作物器官叶片、茎秆、果实和根,其经验值分别为MAINTL=0.03g CH2O g-1DM d-1、MAINTI=0.015g CH2O g-1DM d-1、MAINTF=0.01g CH2O g-1DM d-1、MAINTR=0.01g CH2O g-1DM d-1;Wo为密闭***每单位面积器官类型o的干重;R10,c表示对温度的敏感度,具体表现为温度对维持呼吸影响的R10值。
其中,所述同化物转换为干物质的转换系数Cf表示为:
其中,ASRo为器官类型o的同化物需求系数,具体为每得到1g的干物质需要的同化物质量,其经验值分别为ASRL=1.39g CH2O g-1DM、ASRI=1.45g CH2O g-1DM、ASRF=1.39g CH2O g-1DM和ASRR=1.39g CH2O g-1DM;So为GreenLab模型器官类型o的相对库强值,具体为同化物在不同器官中的分配比例。
计算作物光合产量需要计算Wo,采用基于器官水平的功能结构模型GreenLab模型,计算不同器官生物量分配的干重。由于GreenLab模型采用离散的动态方程描述,实际计算过程中需要对Wo进行离散化处理,其描述如下:
其中,D(i)为作物所有器官的库强和;fo为器官类型o的库强变化函数;Q(i)为单位面积作物日累积的生物量,根据作物叶片单位面积的日光合产量计算;N0(i)为生长时间时i器官类型o的个数,由密闭***作物观测数据或经验值设定。
其中,所述器官类型o的库强变化函数表示为
其中,ao和bo库强变化函数的控制参数,由观测数据反求;to为器官类型o的功能时间,由观测值或经验值设定。
步骤2,基于作物模型构建用于定量地描述温度、光照强度和CO2浓度三个环境因子与作物光合产量关系的密闭***环境因子优化调控模型;
步骤3,对三个环境因子进行初始赋值;选取两个环境因子并计算第三个环境因子的变化曲线和光合产量的变化曲线,从而得到第三个环境因子的优化值并更新第三个环境因子的值,以此方法顺次并循环优化三个环境因子的值,直到三个环境因子的值不再变化或光合产量达到设定值;输出最终的三个环境因子的值为优化调整的结果。
上述密闭***环境因子调控模型定量地反映了温度T、光照强度I和CO2浓度Ca三个环境因子与作物的光合产量的关系。据此可以计算出密闭***环境因子的调控措施。实际调控中,根据密闭***大小和作物类型,以经验值的75%预设作物适宜的温度、光照强度和CO2浓度,以便于环境因子以增加的方式进行调控,具体调控顺序为:
(1)给定温度和CO2浓度,根据密闭***环境因子调控模型计算出光照强度和光合产量的变化曲线,并设置最优的光照强度,以避免设置过高的光照强度,浪费能源,设置过低的光照强度,影响作物光合产量。
(2)在计算得到的最优光照强度和密闭***CO2浓度下,根据密闭***环境因子调控模型计算温度和光合产量的变化曲线,并设置适合作物生长的最适温度,以最大作物的光合产量。在实际设置过程中,最适温度取温度与光合产量响应曲线饱和点处90%的值为宜。
(3)在计算得到的最优光照强度和最适温度,根据密闭***环境因子调控模型计算CO2浓度和光合产量的变化曲线,以补充需要的CO2量。
(4)重复上述顺序,直到温度、光照强度和CO2浓度不在变化或光合产量达到设定值。
(5)输出最终的三个环境因子的值为优化调整的结果。
以上所述的具体实施例,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施例而已,并不用于限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (6)
1.一种基于作物模型的密闭***环境因子优化调控方法,其特征在于,包括以下步骤:
步骤1,基于TomSim模型和GreenLab模型构建作物模型,其中TomSim模型用于构建密闭***中作物光合产量模型,以模拟环境条件对光合过程的影响,GreenLab模型用于计算不同器官生物量分配的干重;
步骤2,基于作物模型构建用于定量地描述温度、光照强度和CO2浓度三个环境因子与作物光合产量关系的密闭***环境因子优化调控模型;
步骤3,对三个环境因子进行初始赋值;选取两个环境因子并计算第三个环境因子的变化曲线和光合产量的变化曲线,从而得到第三个环境因子的优化值并更新第三个环境因子的值,以此方法顺次并循环优化三个环境因子的值,直到三个环境因子的值不再变化或光合产量达到设定值;输出最终的三个环境因子的值为优化调整的结果。
2.根据权利要求1所述的方法,其特征在于,所述TomSim模型的作物叶片单位面积的日光合产量表示为:
其中,Cf为同化物转换为干物质的转换系数(g DM g-1CH2O);Pg为日总同化速率(g CH2O m-2d-1);Rm为日维持呼吸速率(g CH2O m-2d-1);
所述日总同化速率Pg由瞬时光合速率累积而来,同化速率与光合速率的转换关系为 作物的瞬时光合响应曲线表示为:
其中,Pgc为作物瞬时总光合速率(umol CO2m-2s-1);Pgc,max为光饱和作物总光合速率(umol CO2m-2s-1);ε为作物光化学系数(mol CO2mol-1photon absorbed),即每吸收一个光子所消耗的CO2量;PPFD为光合光子通量密度(umol m-2s-1);
所述日维持呼吸速率Rm表示为:
其中,MAINTo为器官类型o在参考温度Tref下的维持呼吸速率(g CH2O m-2d-1);下标o为L、I、F和R,分别表示作物器官叶片、茎秆、果实和根,MAINTL=0.03g CH2O g-1DM d-1、MAINTI=0.015g CH2O g-1DM d-1、MAINTF=0.01g CH2O g-1DM d-1、MAINTR=0.01g CH2O g-1DM d-1;Wo为密闭***每单位面积器官类型o的干重;R10,c表示对温度的敏感度,具体表现温度对维持呼吸影响的R10值;
所述同化物转换为干物质的转换系数Cf表示为:
其中,ASRo为器官类型o的同化物需求系数,具体为每得到1g的干物质需要的同化物质量,ASRL=1.39g CH2O g-1DM、ASRI=1.45g CH2O g-1DM、ASRF=1.39g CH2O g-1DM、ASRR=1.39g CH2O g-1DM;So为GreenLab模型器官类型o的相对库强值,具体为同化物在不同器官中的分配比例。
3.根据权利要求2所述的方法,其特征在于,所述光合光子通量密度PPFD替换为光照强度I。
4.根据权利要求3所述的方法,其特征在于,所述参考温度Tref为25℃。
5.根据权利要求2或3或4所述的方法,其特征在于,所述GreenLab模型计算不同器官生物量分配的干重Wo(i)的公式为:
其中,下标i、j、k分别表示作物的生长时间为第i、j、k天,fo为器官类型o的库强变化函数;Q(i)为单位面积作物日累积的生物量,根据作物叶片单位面积的日光合产量计算;N0(i)为作物第i天器官类型o的个数,器官类型o为作物叶片、叶柄、节间和果。
6.根据权利要求5所述的方法,其特征在于,步骤3具体的步骤包括:
步骤31,给定温度和CO2浓度,根据密闭***环境因子调控模型计算出光照强度和光合产量的变化曲线,获取光合产量最大时的光照强度,并更新光照强度的值;
步骤32,在CO2浓度和更新后的光照强度下,根据密闭***环境因子调控模型计算温度和光合产量的变化曲线,获取光合产量最大时的温度,并更新温度的值;
步骤33,在更新后的光照强度和更新后的温度下,根据密闭***环境因子调控模型计算CO2浓度和光合产量的变化曲线,获取光合产量最大时的CO2浓度,并更新CO2浓度的值;
步骤34,重复上述顺序,直到温度、光照强度和CO2浓度不再变化或光合产量达到设定值;
步骤35,输出最终的三个环境因子的值为优化调整的结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510031385.2A CN104656451B (zh) | 2015-01-21 | 2015-01-21 | 一种基于作物模型的密闭***环境因子优化调控方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510031385.2A CN104656451B (zh) | 2015-01-21 | 2015-01-21 | 一种基于作物模型的密闭***环境因子优化调控方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104656451A true CN104656451A (zh) | 2015-05-27 |
CN104656451B CN104656451B (zh) | 2017-06-09 |
Family
ID=53247729
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510031385.2A Active CN104656451B (zh) | 2015-01-21 | 2015-01-21 | 一种基于作物模型的密闭***环境因子优化调控方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104656451B (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106527140A (zh) * | 2016-11-29 | 2017-03-22 | 深圳前海弘稼科技有限公司 | 基于云端大数据模型的温室控制方法和装置 |
CN106874578A (zh) * | 2017-01-20 | 2017-06-20 | 农芯科技(北京)有限责任公司 | 一种商业化闭锁式叶菜生产***中最优光照强度的确定方法、光环境调控方法及*** |
CN106951017A (zh) * | 2017-05-10 | 2017-07-14 | 寿光市众恒唐韵信息科技有限公司 | 作物调控模型驱动的智慧温室***调控方法 |
CN107291126A (zh) * | 2017-05-31 | 2017-10-24 | 西北农林科技大学 | 一种基于作物需求的设施补光控制方法与*** |
CN107329511A (zh) * | 2017-05-31 | 2017-11-07 | 西北农林科技大学 | 基于适宜根温区间的水培蔬菜光环境高效调控方法与*** |
CN107368111A (zh) * | 2016-08-01 | 2017-11-21 | 北京航空航天大学 | 一种基于植物光周期交错设置维持植物工厂中氧气和二氧化碳浓度稳定的方法 |
CN107403233A (zh) * | 2017-06-08 | 2017-11-28 | 北京农业信息技术研究中心 | 一种玉米株型优化方法及*** |
CN106875067B (zh) * | 2017-03-01 | 2017-12-26 | 淮阴师范学院 | 构建冬季晴天时温室二氧化碳浓度预测模型的方法 |
CN107656564A (zh) * | 2016-07-26 | 2018-02-02 | 株式会社有机尼科 | 农业用温室内环境控制装置 |
CN109840653A (zh) * | 2017-11-28 | 2019-06-04 | 中国农业大学 | 南方设施葡萄一年两熟栽培模式的能耗评估方法及*** |
WO2019127625A1 (zh) * | 2017-12-28 | 2019-07-04 | 江苏大学 | 一种预测温室茄果类作物同化产物产量的方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006106888A (ja) * | 2004-09-30 | 2006-04-20 | Toshiba Corp | プラントモデル作成システム |
CN101894388A (zh) * | 2010-06-21 | 2010-11-24 | 重庆大学 | 虚拟植物生长的展示方法 |
CN102708254A (zh) * | 2012-05-18 | 2012-10-03 | 福州大学 | 基于虚拟植物的冠层对光合有效辐射截获能力分析方法 |
CN104134003A (zh) * | 2014-07-30 | 2014-11-05 | 中国科学院自动化研究所 | 基于知识与数据共同驱动的作物单产量预测方法 |
-
2015
- 2015-01-21 CN CN201510031385.2A patent/CN104656451B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006106888A (ja) * | 2004-09-30 | 2006-04-20 | Toshiba Corp | プラントモデル作成システム |
CN101894388A (zh) * | 2010-06-21 | 2010-11-24 | 重庆大学 | 虚拟植物生长的展示方法 |
CN102708254A (zh) * | 2012-05-18 | 2012-10-03 | 福州大学 | 基于虚拟植物的冠层对光合有效辐射截获能力分析方法 |
CN104134003A (zh) * | 2014-07-30 | 2014-11-05 | 中国科学院自动化研究所 | 基于知识与数据共同驱动的作物单产量预测方法 |
Non-Patent Citations (4)
Title |
---|
E HEUVELINK: "Dry Matter Production in a Tomato Crop:Measurements and Simulation", 《ANNALS OF BOTANY》 * |
E.HEUVELINK: "Tomato growth and yield:quantitative analysis", 《THE NETHERLANDS:WAGENINGEN AGRICULTURAL UNIVERSITY》 * |
刘玉梅 等: "黄瓜单叶净光合速率对二氧化碳浓度、温度和光照强度响应模型", 《应用生态学报》 * |
贾倩 等: "基于作物模型的温室环境管理***设计与实现", 《中国农业气象》 * |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107656564A (zh) * | 2016-07-26 | 2018-02-02 | 株式会社有机尼科 | 农业用温室内环境控制装置 |
CN107368111A (zh) * | 2016-08-01 | 2017-11-21 | 北京航空航天大学 | 一种基于植物光周期交错设置维持植物工厂中氧气和二氧化碳浓度稳定的方法 |
CN107368111B (zh) * | 2016-08-01 | 2020-04-21 | 北京航空航天大学 | 一种基于植物光周期交错设置维持植物工厂中氧气和二氧化碳浓度稳定的方法 |
CN106527140A (zh) * | 2016-11-29 | 2017-03-22 | 深圳前海弘稼科技有限公司 | 基于云端大数据模型的温室控制方法和装置 |
CN106874578A (zh) * | 2017-01-20 | 2017-06-20 | 农芯科技(北京)有限责任公司 | 一种商业化闭锁式叶菜生产***中最优光照强度的确定方法、光环境调控方法及*** |
CN106874578B (zh) * | 2017-01-20 | 2020-09-08 | 农芯科技(北京)有限责任公司 | 一种商业化闭锁式叶菜生产***中最优光照强度的确定方法、光环境调控方法及*** |
CN106875067B (zh) * | 2017-03-01 | 2017-12-26 | 淮阴师范学院 | 构建冬季晴天时温室二氧化碳浓度预测模型的方法 |
CN106951017A (zh) * | 2017-05-10 | 2017-07-14 | 寿光市众恒唐韵信息科技有限公司 | 作物调控模型驱动的智慧温室***调控方法 |
CN107329511B (zh) * | 2017-05-31 | 2019-09-03 | 西北农林科技大学 | 基于适宜根温区间的水培蔬菜光环境高效调控方法与*** |
CN107291126A (zh) * | 2017-05-31 | 2017-10-24 | 西北农林科技大学 | 一种基于作物需求的设施补光控制方法与*** |
CN107329511A (zh) * | 2017-05-31 | 2017-11-07 | 西北农林科技大学 | 基于适宜根温区间的水培蔬菜光环境高效调控方法与*** |
CN107403233A (zh) * | 2017-06-08 | 2017-11-28 | 北京农业信息技术研究中心 | 一种玉米株型优化方法及*** |
CN109840653A (zh) * | 2017-11-28 | 2019-06-04 | 中国农业大学 | 南方设施葡萄一年两熟栽培模式的能耗评估方法及*** |
CN109840653B (zh) * | 2017-11-28 | 2021-04-27 | 中国农业大学 | 南方设施葡萄一年两熟栽培模式的能耗评估方法及*** |
WO2019127625A1 (zh) * | 2017-12-28 | 2019-07-04 | 江苏大学 | 一种预测温室茄果类作物同化产物产量的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104656451B (zh) | 2017-06-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104656451A (zh) | 一种基于作物模型的密闭***环境因子优化调控方法 | |
CN102736596B (zh) | 基于作物信息融合的多尺度温室环境控制*** | |
CN104656617B (zh) | 基于物联网和云计算技术的温室环境调控***和方法 | |
CN109933873A (zh) | 一种荒漠化地区土壤有机碳密度高空间遥感估测的方法 | |
CN103218669A (zh) | 一种智能的活鱼养殖水质综合预测方法 | |
CN113487079A (zh) | 一种城市土地利用规模结构低碳化布局的方法及装置 | |
CN105494033B (zh) | 一种基于作物需求的智能节水灌溉方法 | |
Vanthoor et al. | A methodology for model-based greenhouse design: Part 3, sensitivity analysis of a combined greenhouse climate-crop yield model | |
CN108090693A (zh) | 融合效率约束的设施光合目标值的优化调控模型的构建与应用 | |
CN102217452B (zh) | 一种施肥装置及施肥方法 | |
CN108256181A (zh) | 融合效率约束的设施二氧化碳目标值的优化调控模型的构建与应用 | |
CN110992201A (zh) | 生态灌区实现节水挖潜的综合措施配置方法 | |
CN105588930A (zh) | 温室大棚土壤参数测量方法 | |
CN106096305B (zh) | 森林抚育间伐后林分的总生产量最大的间伐优化设计方法 | |
Wang et al. | Cotton growth model under drip irrigation with film mulching: A case study of Xinjiang, China | |
CN113625806B (zh) | 面向碳中和需求的效率最优温室植物调控方法 | |
CN114418235A (zh) | 一种农作物生长状况确定方法及*** | |
Wahren et al. | The influence of more widespread cultivation of short rotation coppice on the water balance: from the site to the regional scale | |
CN104620959B (zh) | 一种优化植物氮肥施用量的实验***和方法 | |
CN103444418A (zh) | 基于植物生长特性和规律的流水线式植物工厂的实现方法 | |
CN205623390U (zh) | 一种混合基质体系中培养植物的装置 | |
CN113673160B (zh) | 一种面向作物水分高效利用的多孔材料优化埋设方法 | |
CN102279179A (zh) | 田间原位研究作物冠层氨交换的装置及监测方法 | |
CN104705182B (zh) | 一种基于植物氮肥施用量优化的栽培方法 | |
CN105184069B (zh) | 一种基于截留能力的油松林动态密度调控方法及*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |