大棚草莓产量动态预报模型研究

引用本文

孙军波, 杨栋, 魏莎莎, 李清斌, 丁烨毅, 黄鹤楼. 大棚草莓产量动态预报模型研究[J]. 浙江农业学报, 2016,28(9): 1514-1521
SUN Jun-bo, YANG Dong, WEI Sha-sha, LI Qing-bin, DING Ye-yi, HUANG He-lou. Dynamic yield model of greenhouse strawberry[J]. ACTA AGRICULTURAE ZHEJIANGENSIS,2016,28(9): 1514-1521 复制到剪切板

Permissions

大棚草莓产量动态预报模型研究

孙军波¹, 杨栋^2,^*, 魏莎莎¹, 李清斌¹, 丁烨毅², 黄鹤楼²

1.慈溪市气象局,浙江宁波 315033

2.宁波市气象台,浙江宁波 315012

*通信作者,杨栋,E-mail:yangdong_314@163.com

作者简介:孙军波 (1980—),男,浙江宁海人,高级工程师,从事农业气象与预报服务研究。E-mail:xiaochep@sina.cn

收稿日期: 2015-10-13

基金: 宁波市科技计划项目(2011C50020); 宁波市气象局青年项目(NBQX2014002C); 宁波市气象局一般项目(NBQX2014004B)

摘要

基于2010—2014年慈溪市气象局草莓实验大棚的产量和气象要素观测资料,探索实际生产过程中设施草莓产量形成的关键气象因子,并利用一次累加回归分析法构建适宜浙江地区的设施草莓产量动态模型。结果表明,日平均气温、5 ℃积温、光合有效辐射对浙江省设施草莓产量形成影响显著。不同产果阶段各气象指标(日平均气温、光合有效辐射、辐热积指数)对草莓产量的动态模拟效果存在一定差异,产果初期,日平均气温>辐热积指数≈光合有效辐射;产果盛期和末期,辐热积指数>光合有效辐射>日平均气温;整个生育期,辐热积指数>光合有效辐射>日平均气温。各指标对不同阶段产量模拟精度为:日平均气温表现为产果初期>产果盛期>产果末期;辐热积指数和光合有效辐射的模拟效果时间变化趋势与日平均气温相反;2月份各指标的模拟精度均较低。

关键词: 草莓产量; 气象因子; 动态模型

中图分类号:S668.4 文献标志码:A 文章编号:1004-1524(2016)09-1514-08 doi: 10.3969/j.issn.1004-1524.2016.09.09

Dynamic yield model of greenhouse strawberry

SUN Jun-bo¹, YANG Dong^2,^*, WEI Sha-sha¹, LI Qing-bin¹, DING Ye-yi², HUANG He-lou²

1.Cixi Bureau of Meteorology, Ningbo 315033, China

2.Ningbo Meteorological Observatory, Ningbo 315012, China

Abstract

In this study, the key meteorological factors affecting strawberry yield were explored based on the strawberry yield and meteorological data observed in the strawberry experiment greenhouses of Cixi Meteorological Bureau from 2010 to 2014. Once accumulated regression analysis method was applied to construct suitable dynamic model for the yield of greenhouse strawberry in Zhejiang Province. The results indicated that the strawberry yield was mainly affected by average daily temperature, accumulated temperature (>5 ℃) and photosynthetic active radiation. There were obvious differences among the simulating accuracy of dynamic yield models built with different meteorological index. During the preliminary stage of strawberry harvest, the model based on T (daily average temperature) was more acceptable than that based on PTEP (physiological product of thermal effectiveness) and PAR (photosynthetically active radiation). During the other stage of strawberry harvest, the priority of the PTEP-based model was higher than that of PAR-based model,which was more acceptable than the T-based model. During the whole harvest period, the priority level of the models based on PTEP, PAR and T was similar to that during the exuberant and final stage.The simulating accuracy for each model was with obvious variation during different stages. For T-based model, the simulating accuracy during preliminary stage was higher than that during exuberant stage, and that during the final stage was the lowest. For PTEP and PAR-based model, the trend of accuracy was just opposite to that of T-based model. In February, all the three models were with low simulating accuracy.

Keyword: strawberry yield; meteorological factors; dynamic model

Show Figures

设施草莓其栽培周期短、品质佳、经济效益高, 在我国广泛种植。浙江省设施草莓种植发展迅猛, 至2011年草莓种植面积达4 000 hm², 年产量达9.1万t, 经济效益明显。但草莓市场价格受产量影响明显, 盲目扩张会造成产量过剩, 价格降低, 损害莓农经济效益^[1]。

目前对作物产量预报模型及指标的研究主要集中于大宗粮食作物, 如水稻、小麦、玉米、大豆等^{[2, 3, 4, 5, 6]}。气象要素对草莓产量影响的研究主要集中于光照和温度因子的影响。Shiukhy等^[7]发现覆盖不同颜色地膜对草莓果质量、果径影响显著; Choi等^[8]对草莓进行遮阴处理, 草莓光合速率和产量都显著下降; 范长娣等^[9]发现温度是影响闽北草莓产量的主导因子。Khoshnevisan等^[10]建立基于人工能量投入量的设施草莓产量预报模型; Li等^[11]利用归一化植被覆盖指数、相对氮营养指数、比值植被指数对草莓产量进行预报。以上预报模型主要针对草莓总产量, 对不同产果阶段草莓产量的预报模型研究仍未系统开展, 而不同批次草莓价格差异显著, 所以有必要开展草莓产量的动态预报模型研究。

基于2010— 2014年浙江省慈溪市气象局草莓试验大棚的产量和气象要素观测资料, 寻找草莓产量形成的关键气象因子, 并利用关键气象指标结合一次累加回归分析法初步构建浙江地区设施草莓产量动态预报模型, 旨在为浙江省设施草莓可持续发展提供一定的理论依据。

1 材料与方法

1.1 材料

试验于2010— 2014年在浙江省慈溪市气象局设施农业基地(30° 12' N, 121° 16' E)的标准塑料大棚内进行, 大棚呈南北向, 长43 m, 跨度8 m, 顶高4.2 m, 肩高2.5 m。供试草莓品种为红颊(Benihoppe), 大棚内草莓定植的行间距为30 cm× 30 cm, 每年棚内基肥配置一致(每棚兔粪1 000 kg、菜饼肥150 kg、钾肥30 kg), 定期采用膜下滴灌为草莓生长提供充足的水肥。

利用ZQZ-A自动气象站对棚内1.5 m处气温、太阳总辐射、光合有效辐射和相对湿度进行24 h连续观测。草莓生长季, 每批次草莓选择3个代表果进行生育期观测, 定果时间为代表果的开花末期, 对代表果每1~2 d进行一次横纵径和果色观测, 如果整个果子变为红色, 并且连续3次观测果径无明显变化则采摘, 并记录倒数第3次观测的日期为草莓可采摘日。定期采摘试验区成熟的非代表果, 利用精度为0.01 g的电子天平称量果质量, 并记录采果日期。各季草莓观测株数及相关生育期, 见表1。

表1 不同年份草莓观测样本数及生育期 Table 1 Sample size and growth period of strawberries in different years

1.2 研究方法

本研究将12月至次年2月定为草莓的产果初期, 3— 4月为产果盛期, 5月为产果末期。

1.2.1 草莓产量关键气象影响因子筛选

统计结果显示, 不同月份所采草莓的生长周期存在一定差异, 2月份采摘的草莓从定果到采摘历时60~70 d, 5月份采摘果的生长周期最短, 约为35 d, 整个采摘期单茬草莓平均生长周期约40~60 d, 因此草莓产量形成受采摘月和上月气象要素共同影响。利用回归分析法对月产量与气象要素(采果月与上月气象要素的平均值或累计值)之间进行相关性分析, 探究产量形成的关键气象因子。

1.2.2 一次累加回归分析

不同批次草莓定果日选在开花末期, 而开花末期的判定存在一定的人为误差(2~3 d), 采果日与草莓实际成熟日期也存在一定差异(1~2 d), 所以人为观测的草莓生长周期较单批次草莓的实际生长周期存在较大的相对误差。故利用各批次果实产量与对应批次果实生长期间气象要素进行模型构建存在较大的不确定性。为减小观测误差引起的不确定性, 本研究采用一次累加回归分析法^{[12, 13]}构建草莓产量的动态预报模型, 即以第一批草莓定果日期为时间起始点, 某次采果日为截止日期, 将起止日期之间的草莓总产量及期间气象要素累积量进行回归分析, 构建草莓产量预报的动态模型。由于各阶段产量形成的气象要素累积量均以第一批草莓定果日为起点, 能显著减小不同批次定果的人工观测误差对模拟精度的影响, 并且随着采果批次的增加, 人工误差对模型的相对影响将逐渐减小。具体方法如下:

试验观测数据的原始时间序列为(M⁽⁰⁾, y⁽⁰⁾)。y⁽⁰⁾为某年草莓产量的原始时间序列, 即各采果日期对应的单株采果重量; M⁽⁰⁾为相邻2次采果期间气象要素累积值的时间序列, M⁽⁰⁾(i)为第i-1次采果至第i次采果期间气象要素累积值, M⁽⁰⁾(1)为第一批果定果日至第一次果实采摘日期间气象要素累积值。

y⁽⁰⁾= $\begin{matrix} \{y^{(0)} (1), y^{(0)} (2), ..., y^{(0)} (n)\} \end{matrix}$ 。(1)

式(1)中:n为试验小区草莓的采果总次数; y⁽⁰⁾(n)为试验小区第n次采果单株草莓的平均采果质量(g)。对产量原始时间序列的进行一次累加生成新的序列:

y⁽¹⁾=y⁽⁰⁾d={y⁽¹⁾(1), y⁽¹⁾(2), …, y⁽¹⁾(n)}。(2)

式(2)中:y⁽¹⁾为的单株草莓产量一次累加的时间序列; d为一次累加生成算子; y⁽¹⁾(n)为试验小区第n次采果时单株草莓产量的一次累加值。对一次累加生成算子d有:

同上, 可得对应时段的气象要素一次累加的时间序列

M⁽¹⁾=M⁽⁰⁾d={M⁽¹⁾(1), M⁽¹⁾(2), …, M⁽¹⁾(n)}。(4)

式(4)中:M⁽¹⁾为气象要素时间序列的一次累加; M⁽¹⁾(n)为第n次采果时气象要素的一次累加值, 即从首批果定果日至第n次采摘日期间相关气象要素的累加。

利用回归分析法对(M⁽¹⁾, y⁽¹⁾)进行相关性分析, 即可构建草莓产量的动态预报模型。依据某年草莓生长过程中气象要素的累积值即可得一次累加产量的预测值 $\begin{matrix} {\dot{y}}^{(1)} \end{matrix}$ (1), $\begin{matrix} {\dot{y}}^{(1)} \end{matrix}$ (2), …, $\begin{matrix} {\dot{y}}^{(1)} \end{matrix}$ (k), $\begin{matrix} {\dot{y}}^{(1)} \end{matrix}$ (k+1), …, $\begin{matrix} {\dot{y}}^{(1)} \end{matrix}$ (n), 而某时段的产量可通过预测值一次累减还原获得, 即

$\begin{matrix} {\dot{y}}^{(0)} \end{matrix}$ (k+1)= $\begin{matrix} {\dot{y}}^{(1)} \end{matrix}$ (k+1)- $\begin{matrix} {\dot{y}}^{(1)} \end{matrix}$ (k) 。(5)

2 结果与分析

2.1 草莓产量指标的变化特征

草莓采收期内, 单株产果数和产量均呈现先增后减趋势, 其中12月份产量和产果数最低, 4月份最高。产果初期(12月至翌年2月), 单株月平均产果1.4个, 月平均产量34.7 g; 产果盛期(3— 4月)单株月平均产果数和产量显著增加, 分别达7.9个和114.8 g; 产果末期(5月)单株月平均产果数和产量分别为3.7个和33.7 g。

不同月份草莓单株产量(产果数)均存在一定年际差异, 不同产果阶段的相对年际差异整体呈产果初期> 产果末期> 产果盛期, 其中12月、2月和5月尤为突出(图1)。5月产量的年际差异除了受气象要素年际差异影响外, 还受人工管理差异影响, 主要由于5月份草莓品质和价格较低, 而人工管理成本较高, 导致5月份对草莓的人工管理较其他月份产生明显偏差, 并且闷棚时间的年际差异显著; 1— 2月份浙江地区低温连阴雨频发, 但不同年份之间低温连阴雨的频次和强度存在较大差异, 所以2月份产量(产果数)的年际差异尤为突出。

	Figure Option View Download New Window
	图1 2010— 2014年采收季单株草莓产量要素逐月变化Fig.1 Monthly variation of yield factors for per strawberries plant during harvest period from 2010 to 2014

2.2 草莓产量的气象影响因子

表2为不同月份采摘果生长期间相关气象条件, 各批次草莓生长阶段气象要素值为采果月和上月气象要素的平均值或累计值(5 ℃积温)。草莓不同采收阶段气象要素存在一定差异, 其中温度和光照的差异较为明显; 各月份气象要素的年际差异也存在一定差异, 产果初期除相对湿度外, 光照和热量相关气象要素的年际差异较盛期明显偏大, 该分布趋势与草莓产量不确定性大小的月季分布基本一致。

表2 不同月草莓采摘果生长阶段气象条件 Table 2 Meteorological conditions for strawberries picked in different months

12月至翌年4月, 各月草莓人工管理的年际差异较小, 产量的年际差异与生长期间气象要素间的差异密切相关, 而5月份人工管理年际差异显著。为探究草莓产量与气象要素间的相关关系, 对2010— 2014年12月至翌年4月份, 不同采摘批次草莓单株产量与对应果实生长期内气象要素间相关性进行分析(表3)。草莓单株产量与热量(平均温度、5 ℃积温)、光照(太阳总辐射强度、光合有效辐射)之间相关性极显著; 单株产量与相对湿度之间的相关性相对偏弱, 但也达到显著水平(P< 0.05)。草莓产量与热量、光照呈正相关, 与湿度呈负相关。

表3 草莓单株产量与气象要素相关性分析 Table 3 Correlation analysis between strawberry yield and meteorological elements

为排除气象要素之间的相互影响, 对产量与各气象要素做偏相关分析(表4)。结果显示, 草莓产量与平均气温、5 ℃积温的决定系数(R²)均高于0.60, 不相关概率均低于0.05; 光合有效辐射和相对湿度对产量影响次之, 决定系数均高于0.50, 不相关概率均低于0.10; 产量与大棚内太阳总辐射呈负相关, 无统计学意义, 并且不相关概率高达0.49。综上可知, 平均气温和5 ℃积温是影响草莓产量的关键气象因子, 光合有效辐射和相对湿度的影响次之, 而太阳总辐射的强度对产量无直接影响, 其主要通过影响棚内温度间接影响产量。

表4 草莓单株产量与气象要素偏相关性分析 Table 4 Partial correlation analysis between strawberry yield and meteorological index

2.3 大棚草莓产量预报模型

日平均气温和光合有效辐射为草莓产量形成的关键气象因子, 利用草莓生长阶段日平均气温、光合有效辐射的一次累加值构建草莓产量动态预报模型(图2)。大棚内日平均气温基本高于5 ℃, 所以日平均气温的累加值即为5 ℃积温; 光合有效辐射的累积为某段时间内单位面积接受的光合有效辐射能量。温度和光照在草莓生长中相互作用, 共同促进草莓产量形成, 相关研究表明, 光温综合指标辐热积能较好地模拟温室甜椒、黄瓜等作物的生长发育^{[14, 15]}, 本研究利用辐热积指数(辐热积指数=日平均气温× 光合有效辐射)对草莓产量进行预测。

Figure Option
View Download New Window

图2 草莓产量与相关气象要素一次累加回归分析
○, 2010— 2011年; □, 2011— 2012年; △ , 2012— 2013年; ◇, 2013— 2014年; 实线为2010— 2014年拟合线; * * 表示在0.01水平上显著Fig.2 Once acumulated regression analysis between strawberry yield per plant and related meteorological index
○, 2010-2011; □, 2011-2012; △ , 2012-2013; ◇, 2013-2014; The solid line was the fitted line during 2010 to 2014; * represents the significance at the level of 0.01

单株产量累积量与日平均温度、光合有效辐射、辐热积指数的累积值都表现出显著的相关性, 决定系数(R²)分别达0.88, 0.89和0.92。整个产果期单株累积产量与日平均气温、光合有效辐射、辐热积指数累积量分别满足:单株累积产量=0.20(± 0.04)× 日平均气温累积-124.27(± 36.84); 单株累积产量=2.91(± 0.25)× 光合有效辐射累积-53.95(± 41.95); 单株累积产量=0.21(± 0.02)× 辐热积指数累积-33.30(± 41.34)。

单株累积产量与日平均温度累积值拟合斜率的年际差异控制在20%以内, 与光合有效辐射、辐热积指数的累积值的拟合斜率均控制在10%之内(图2), 可见基于以上3个参数的草莓产量预报模型的稳定性和普适性高, 其中光合有效辐射和辐热积指数的拟合效果尤为突出。相比斜率, 截距的年际差异相对较大, 光合有效辐射、日平均温度、辐热积指数累积量与产量累积量拟合方程截距的年际误差分别为30%、78%和124%。截距对累积产量较低阶段影响较显著, 随着累积产量的升高, 截距引起的相对误差会逐渐降低。若需将截距对累积产量的相对误差控制至30%以内, 单株累积产量需超过120~140 g, 即日平均气温累积量需达1 029~1 544 ℃· d, 光合有效辐射累积量需达(6.1~7.3)× 10⁵ μ mol· m^-2, 辐热积指数累积量需达(7.4~9.0)× 10⁶ ℃· mol· m^-2。

不同月份拟合点相对拟合曲线的离散程度存在一定的差异(图2), 可见各月产量对各气象指标的敏感度存在一定差异, 为进一步探讨各气象指标对草莓产量模拟效果的月际差异, 本研究对草莓产量和气象要素的一次累加值分月进行拟合(表5)。结果显示, 各指标对产量的模拟效果存在明显的时间变化。日平均气温对不同时段产量的模拟效果为:产果初期> 产果盛期> 产果末期; 辐热积指数和光合有效辐射对不同时段产量的模拟效果为:产果末期> 产果盛期> 产果初期。不同月份各指标预测效果的相对优劣也存在一定差异。12月至翌年1月, 日平均气温累积量对产量的预报效果优于光合有效辐射累积量, 3— 5月份光合有效辐射累积量对产量的预报效果明显优于日平均气温累积; 相比另外2个指标, 辐热积指数累积量整体拟合效果较好, 该指标对产果盛期和末期的预报效果相比另外2个指标均有一定提升, 但对产果初期产量的预报效果无明显提升。各气象指标对2月份产量的预报效果均较差。

表5 不同月份草莓累积产量与各指标一次累加拟合效果对比 Table 5 Comparison of the fitting effect of different meteorological indexes based models built with once accumulated regression analysis method in different months

3 结论与讨论

本研究基于5年的观测资料, 建立了适用于浙江地区的设施大棚草莓产量动态预报模型。较前人研究^{[8, 9]}, 本文资料观测时间更长, 普适性有了一定的提升。Khoshnevisan等^[10]和Li等^[11]构建的产量预报模型都基于年总产量, 但不同阶段草莓产量的关键影响因子存在一定的差异, 故模型对不同阶段产量的指导性较差。本研究构建了不同月份草莓产量的动态预报模型, 并对不同指标的预报效果进行了比较, 对草莓的实际生产更具指导性。草莓产量主要受温度(日平均气温、> 5 ℃积温)和光合有效辐射的影响, 相对湿度对产量影响较小, 这与相关研究结果^{[7, 8, 9]}基本一致。大棚草莓产量随时间呈先增后减趋势, 12月最少, 4月最大; 产果初期和末期产量的年际差异较盛期显著; 慈溪地区大棚草莓月产量变化趋势整体与闽北相似, 但闽北3月和4月份草莓产量的增长速率较慈溪明显偏小^[9], 这与2个地区气象要素的月际差异有关, 慈溪地区产果初期和产果盛期温度和光照差异显著, 而闽北地区3— 4月份气象要素的变化较1— 2月份相对平缓。江苏省镇江市草莓月产量呈先升后降趋势^[16], 但第一批草莓采收期较慈溪和闽北晚一个月, 主要由于镇江地理位置偏北, 温度相对偏低, 前期草莓生长较慈溪和闽北相对缓慢。

产果初期草莓价格高, 但受气象条件影响, 该时期产量较低, 波动大, 故实际生产中产果初期是实现增产增效的关键时期。由于浙江地区在草莓产果初期常遭受低温连阴雨, 而草莓产量和光照、温度因子之间呈正相关, 所以适当进行人工补光和增温有利于草莓产量和产值的提高。相对湿度对草莓产量影响不大, 但与草莓的病虫害密切相关^{[17, 18]}, 实际生产中湿度要素的调控亦不可忽略。

各参数对草莓产量模拟存在明显的阶段实用性, 如日平均气温对12月至翌年1月草莓产量模拟效果明显优于辐热积指数和光合有效辐射, 而产果盛期和末期模拟效果较差, 这与不同阶段作物生长的关键气象限制因子密切相关。12月至翌年1月低温限制草莓生长, 光照对产量限制较温度弱; 2月份易受低温寡照影响, 但低温寡照频次和强度的年际差异尤为显著, 导致不同年份间各参数对该月产量预报的稳定性较差, 所以2月份产量预报难度较大; 产果盛期和末期温度条件基本适宜草莓生长, 该阶段光照对产量的影响更显著, 如晴朗天气正午时刻强光照会导致草莓光合作用减弱^{[19, 20]}。辐热积指数综合考虑光照和温度对草莓生长的交互作用, 相比日平均气温或光合有效辐射单要素模拟效果整体提升, 有利于提高草莓产量预报的精度。综上可知, 各指标对不同阶段草莓产量的预报效果为:产果初期, 日平均气温> 辐热积≈ 光合有效辐射; 产果盛期和末期, 辐热积> 光合有效辐射> 日平均气温; 整个生育期, 辐热积> 光合有效辐射> 日平均气温。

产果初期各气象要素的模拟效果较产果盛期和末期整体差, 主要由于模式建立的起始时间节点为第一批果定果日期, 而不同年份定果标准的判定存在一定人为误差, 导致果实生长周期内气象要素存在一定误差, 而首批次定果引起的相对误差会随着气象要素的逐步累加而减小, 所以预报模拟精度会随产果阶段的推进整体呈上升趋势。

The authors have declared that no competing interests exist.

参考文献

View Option

[1]	沈岚, 胡亮. 宁波市草莓产业现状分析与发展对策[J]. 宁波大学学报 (理工版), 2014, 27(3): 128-132. SHEN L, HU L. Status in quo of strawberry industry and development strategies for Ningbo City[J]. Journal of Ningbo University(Natural Science & Engineering Edition), 2014, 27(3): 128-132. (in Chinese with English abstract) [本文引用:1]
[2]	YANG J C, ZHANG J H, LIU K, et al. Involvement of polyamines in the drought resistance of rice[J]. Journal of Experimental Botany, 2007, 58(6): 1545-1555. [本文引用:1]
[3]	PORTER J R, JAMIESON P D, WILSON D R. Comparison of the wheat simulation models AFRCWHEAT2, CERES-Wheat and SWHEAT for non-limiting conditions of crop growth[J]. Field Crops Research, 1993, 33(1-2): 131-157. [本文引用:1]
[4]	李树岩, 刘伟昌. 基于气象关键因子的河南省夏玉米产量预报研究[J]. 干旱地区农业研究, 2014, 33(5): 223-227. LI S Y, LIU W C. Research on the yield prediction of summer maize in Henan Province based on meteorological key factors[J]. Agricultural Research in the Arid Areas, 2014, 33(5): 223-227. (in Chinese with English abstract) [本文引用:1]
[5]	XIONG W, MATTHEWS R, HOLMAN I, et al. Modeling China's potential maize production at regional scale under climate change[J]. Climatic Change, 2007, 85(3/4): 433-451. [本文引用:1]
[6]	郑昌玲, 王建林, 宋迎波, 等. 大豆产量动态预报模型研究[J]. 大豆科学, 2008, 27(6): 943-948. ZHENG C L, WANG J L, SONG Y B, et al. Dynamic prediction model of soybean yield per unit[J]. Soybean Science, 2008, 27(6): 943-948. (in Chinese with English abstract) [本文引用:1]
[7]	SHIUKHY S, RAEINI-SARJAZ M, CHALAVI V. Colored plastic mulch microclimates affect strawberry fruit yield and quality[J]. International Journal of Biometeorology, 2015, 59(8): 1061-1066. [本文引用:2]
[8]	CHOI H G, MOON B Y, KANG N J, et al. Yield loss and quality degradation of strawberry fruits cultivated under the deficient insolation conditions by shading[J]. Horticulture Environment & Biotechnology, 2014, 55(4): 263-270. [本文引用:3]
[9]	范长娣, 毛文梁, 方敏. 闽北主要气象条件对草莓产量与品质的影响[J]. 亚热带农业研究, 2008, 4(2): 115-117. FANG C D, MAO W L, FANG M. Effects of meteorological conditions on yield and quality of strawberry in north Fujian[J]. Subtropical Agriculture Research, 2008, 4(2): 115-117. (in Chinese with English abstract) [本文引用:4]
[10]	KHOSHNEVISAN B, RAFIEE S, MOUSAZADEH H, et al. Application of multi-layer adaptive neuro-fuzzy inference system for estimation of greenhouse strawberry yield[J]. Measurement, 2014, 47(1): 903-910. [本文引用:2]
[11]	LI H, LI T, GORDON R J, et al. Strawberry plant fruiting efficiency and its correlation with solar irradiance, temperature and reflectance water index variation[J]. Environmental and Experimental Botany, 2010, 68(2): 165-174. [本文引用:2]
[12]	苏秋霞, 陈金锥. 基于一次累加法的城市年需水量预测[J]. 水科学与工程技术, 2008(5): 19-21. SU Q X, CHEN J Z. The forecasting of urban annual water demand based on once accumulate method[J]. Water Sciences and Engineering Technology, 2008(5): 19-21. (in Chinese with English abstract) [本文引用:1]
[13]	刘思峰, 郭天榜, 党耀国. 灰色系统理论及其应用 [M]. 北京: 科学出版社, 2003: 12. [本文引用:1]
[14]	倪纪恒, 罗卫红, 李永秀, 等. 温室番茄叶面积与干物质生产的模拟[J]. 中国农业科学, 2005, 38(8): 1629-1635. NING J H, LUO W H, LI Y X, et al. Simulation of leaf area and dry matter production in greenhouse tomato[J]. Scientia Agricultura Sinica, 2005, 38(8): 1629-1635. (in Chinese with English abstract) [本文引用:1]
[15]	倪纪恒, 罗卫红, 李永秀, 等. 温室番茄干物质分配与产量的模拟分析[J]. 应用生态学报, 2006, 17(5): 811-816. NING J H, LUO W H, LI Y X, et al. Simulation of greenhouse tomato dry matter partitioning and yield prediction[J]. Chinese Journal of Applied Ecology, 2006, 17(5): 811-816. (in Chinese with English abstract) [本文引用:1]
[16]	霍恒志, 糜林, 李金凤, 等. 大棚草莓套种海蜜甜瓜关键栽培技术研究[J]. 江西农业学报, 2008, 20(10) : 55-56. HUO H Z, MI L, LI J F, et al. Pivotal cultivation techniques of interplanting Haimi melon in greenhouse strawberry[J]. Acta Agriculturae Jiangxi, 2008, 20(10) : 55-56. (in Chinese with English abstract) [本文引用:1]
[17]	廖开志, 杨金明, 马秀玲, 等. 设施草莓白粉病发生规律及综合防治技术[J]. 现代农业科技, 2015(9): 135-136. LIAO K Z, YANG J M, MA X L, et al. Occurrence regularity and integrated control technique of Sphaerotheca macularis[J]. Modern Agricultural Science and Technology, 2015(9): 135-136. (in Chinese with English abstract) [本文引用:1]
[18]	BULGER M A, ELLIS M A, MADDEN L V. *Influence of temperature and wetness duration on influence of strawberry flowers by Botrytis cinerea* and disease incidence of fruit originating from inflected flowers*[J]. Phytopathology*, 1987 , 77(8): 1225-1230. [本文引用:1]
[19]	燕丽萍, 金芳, 郑平生. 四种草莓光合特性的研究[J]. 甘肃农业大学学报, 2014, 39(6): 620-624. YANG L P, JIN F, ZHENG P S. Photosynthetic properties on four cultivars of strawberry[J]. Journal of Gansu Agricultural University, 2014, 39(6): 620-624. (in Chinese with English abstract) [本文引用:1]
[20]	苏培玺, 杜明武, 张立新, 等. 日光温室草莓光合特性及对CO₂ 浓度升高的响应[J]. 园艺学报, 2002, 29(5): 423-426. SU P X, DU M W, ZHANG L X, et al. Changes of photosynthetic characteristics and response to rising CO₂ concentration in strawberry in solar greenhouse[J]. Acta Horticulturae Sinica, 2002, 29(5): 423-426. (in Chinese with English abstract) [本文引用:1]

2014

0.0

沈岚, 胡亮. 宁波市草莓产业现状分析与发展对策[J]. 宁波大学学报 (理工版), 2014, 27(3): 128-132.

SHEN

, HU

Status in quo of strawberry industry and development strategies for Ningbo City[J]. Journal of Ningbo University(Natural Science & Engineering Edition), 2014, 27(3): 128-132. (in Chinese with English abstract)

草莓以其季节优势明显、经济效益高等优点成为宁波一些乡镇的主要农业产业.通过分析宁波市草莓产业基础、现状,进而阐述了现阶段宁波市草莓产业发展存在的主要问题与原因,提出了适合宁波市草莓产业可持续健康发展的对策.

... 但草莓市场价格受产量影响明显,盲目扩张会造成产量过剩,价格降低,损害莓农经济效益^[1] ...

2007

0.0

... 目前对作物产量预报模型及指标的研究主要集中于大宗粮食作物,如水稻、小麦、玉米、大豆等^[2,3,4,5,6] ...

1993

0.0

... 目前对作物产量预报模型及指标的研究主要集中于大宗粮食作物,如水稻、小麦、玉米、大豆等^[2,3,4,5,6] ...

2014

0.0

李树岩, 刘伟昌. 基于气象关键因子的河南省夏玉米产量预报研究[J]. 干旱地区农业研究, 2014, 33(5): 223-227.

LI S

, LIU W

Research on the yield prediction of summer maize in Henan Province based on meteorological key factors[J]. Agricultural Research in the Arid Areas, 2014, 33(5): 223-227. (in Chinese with English abstract)

Base on 10-days meteorological data of average air temperature, precipitation and sunshine hours in summer maize growth period from 1990 to 2006 from 13 Cities of Henan Province, the key meteorological factors affected maize yield has been confirmed though the correlation analysis, also has established the meteorological yield prediction model for summer maize from the middle 10-days of July to the middle 10-days of September. The whole province can be divided into three regions from south to north. The forecast accuracy of the model was carried out the back substitution test by the regional return test from the data of 1990 to 2006, also the model was carried out the predictions test by the data of 2007 to 2010. The test results showed that: The accuracy rate of the model back substitution test in whole province was 88.4%. The difference of the back substitution test accurate rate was obvious between different regions, the maximum in north region was 92.9%, middle region was 87.4% belong second, and south region was lowest as 83.4%. Analyzing the causes, major affected by the yearly fluctuation of the summer maize yield. The model prediction accuracy rate was 94.9% in whole province, and it has no obvious differences for each region, the basic accuracy was about 95%.

以河南省13个地市1990—2006年逐旬光温水气象资料为基础，通过相关分析确定了影响河南省夏玉米产量的关键气象因子，建立了7月中旬—9月中旬的夏玉米气象产量预报模型。将全省由南至北划分为三个区域，分区回代1990—2006年资料对模型预报准确率进行回代检验，并利用2007—2010年资料对模型进行试报。检验结果表明，模型回代准确率全省为88.4%，不同区域间回代准确率差异明显，北部最高92.9%，中部次之87.4%，南部最低83.4%，分析原因主要受夏玉米产量年际波动的影响；模型预报准确率全省为94.9%，各区域差别不大，基本在95%左右。

... 目前对作物产量预报模型及指标的研究主要集中于大宗粮食作物,如水稻、小麦、玉米、大豆等^[2,3,4,5,6] ...

2007

0.0

... 目前对作物产量预报模型及指标的研究主要集中于大宗粮食作物,如水稻、小麦、玉米、大豆等^[2,3,4,5,6] ...

2008

0.0

郑昌玲, 王建林, 宋迎波, 等. 大豆产量动态预报模型研究[J]. 大豆科学, 2008, 27(6): 943-948.

ZHENG C

, WANG J

, SONG Y

, et al. Dynamic prediction model of soybean yield per unit[J]. Soybean Science, 2008, 27(6): 943-948. (in Chinese with English abstract)

近年来,受进口大豆的冲击,中国大豆产业面临着严重挑战.为了给政府决策提供可靠的依据、保障中国粮食安全,每年能准确地进行大豆产量预报具有重要意义.利用大豆不同生育阶段气象因子的综合聚类指标选择气象相似年型,再根据相似年的产量变化确定预报年的产量气象影响指数,建立全国大豆单产动态预报模型.通过对1995-2004年大豆产量进行动态预报,结果表明:5月31日、6月30日、7月31日、8月31日和9月30日大豆产量预报准确率分别为97.0%、93.8%、94.9%、93.7%、95.1%,实现了大豆产量的连续、动态、定量预报.

... 目前对作物产量预报模型及指标的研究主要集中于大宗粮食作物,如水稻、小麦、玉米、大豆等^[2,3,4,5,6] ...

2015

0.0

... Shiukhy等^[7]发现覆盖不同颜色地膜对草莓果质量、果径影响显著 ...

... 5 ℃积温)和光合有效辐射的影响,相对湿度对产量影响较小,这与相关研究结果^[7,8,9]基本一致 ...

2014

0.0

... Choi等^[8]对草莓进行遮阴处理,草莓光合速率和产量都显著下降 ...

... 较前人研究^[8,9],本文资料观测时间更长,普适性有了一定的提升 ...

... 5 ℃积温)和光合有效辐射的影响,相对湿度对产量影响较小,这与相关研究结果^[7,8,9]基本一致 ...

2008

0.0

范长娣, 毛文梁, 方敏. 闽北主要气象条件对草莓产量与品质的影响[J]. 亚热带农业研究, 2008, 4(2): 115-117.

FANG C

, MAO W

, FANG

Effects of meteorological conditions on yield and quality of strawberry in north Fujian[J]. Subtropical Agriculture Research, 2008, 4(2): 115-117. (in Chinese with English abstract)

通过分析闽北光、温、水等气象条件对草莓采收期、产量和单果重的影响,结果表明,草莓定植移栽后一段时间的温度条件是决定其上市期迟早的关键;温度和光温比是影响草莓产量的主导因子,月降水量、湿温比对产量影响相对次要;同时,温度低、降水少、湿温配合好,草莓月平均单果重较重.

... 范长娣等^[9]发现温度是影响闽北草莓产量的主导因子 ...

... 较前人研究^[8,9],本文资料观测时间更长,普适性有了一定的提升 ...

... 5 ℃积温)和光合有效辐射的影响,相对湿度对产量影响较小,这与相关研究结果^[7,8,9]基本一致 ...

... 慈溪地区大棚草莓月产量变化趋势整体与闽北相似,但闽北3月和4月份草莓产量的增长速率较慈溪明显偏小^[9],这与2个地区气象要素的月际差异有关,慈溪地区产果初期和产果盛期温度和光照差异显著,而闽北地区3#cod#x02014 ...

2014

0.0

... Khoshnevisan等^[10]建立基于人工能量投入量的设施草莓产量预报模型 ...

... Khoshnevisan等^[10]和Li等^[11]构建的产量预报模型都基于年总产量,但不同阶段草莓产量的关键影响因子存在一定的差异,故模型对不同阶段产量的指导性较差 ...

2010

0.0

... Li等^[11]利用归一化植被覆盖指数、相对氮营养指数、比值植被指数对草莓产量进行预报 ...

2008

0.0

苏秋霞, 陈金锥. 基于一次累加法的城市年需水量预测[J]. 水科学与工程技术, 2008(5): 19-21.

SU Q

, CHEN J

The forecasting of urban annual water demand based on once accumulate method[J]. Water Sciences and Engineering Technology, 2008(5): 19-21. (in Chinese with English abstract)

基于年需水量原始时间序列具有非线性随机变化的特点,而一次累加法具有削弱时间序列随机性、增加时间序列规律性、便于回归函数拟合的特点,该文提出了一次累加回归分析法在城市年需水量预测中的应用.实例表明,一次累加建模方法具有精度高,预测结果可靠,可用于城市年需水量预测.

... 为减小观测误差引起的不确定性,本研究采用一次累加回归分析法^[12,13]构建草莓产量的动态预报模型,即以第一批草莓定果日期为时间起始点,某次采果日为截止日期,将起止日期之间的草莓总产量及期间气象要素累积量进行回归分析,构建草莓产量预报的动态模型 ...

2003

0.0

2005

0.0

倪纪恒, 罗卫红, 李永秀, 等. 温室番茄叶面积与干物质生产的模拟[J]. 中国农业科学, 2005, 38(8): 1629-1635.

NING J

, LUO W

, LI Y

, et al. Simulation of leaf area and dry matter production in greenhouse tomato[J]. Scientia Agricultura Sinica, 2005, 38(8): 1629-1635. (in Chinese with English abstract)

A simulation model for greenhouse tomato leaf area was developed based on the product of thermal effectiveness and PAR (TEP). Then a process based greenhouse tomato dry matter production simulation model was developed by integrating the greenhouse tomato leaf area simulation model. The model was validated by independent experimental data from Shanghai and Nanjing. The results showed that the model can predict leaf area and total dry weight of greenhouse tomato more accurately than traditional models, which calculates leaf area (LA) with specific leaf area (SLA) and growing degree day (GDD). When using the model based on TEP, the coefficient of determination (R2) and the root mean squared error (RMSE) between simulated and measured leaf area (LA) based on the 1:1 line are 0.9743 and 0.0515 m2·plant-1, respectively. When using the model based on TEP, the R2 and RMSE between simulated and measured total dry weight based on the 1:1 line are 0.9360 and 522.7104 kg·ha-1, respectively. For the prediction of plant total dry weight, the prediction accuracy of TEP based model is 56% and 72%, respectively, higher than that of GDD and SLA based model.

根据光温对作物叶面积的影响，提出了辐热积（product of thermal effectiveness and PAR，TEP）的概念。根据试验资料构建了利用辐热积模拟番茄（Lycopersicon esculentum Mill）叶面积动态的数学模型，并将其与已有的光合作用和干物质生产模拟模型相结合，构建了温室番茄干物质生产动态模型。利用不同品种、基质和地点的试验资料对模型进行了检验。结果表明，与传统的比叶面积法和有效积温法相比，辐热积法显著提高了温室番茄叶面积的预测精度，提高了光合作用和干物质生产的模拟精度。辐热积法对番茄叶面积的预测结果与1:1直线之间的决定系数R 2和统计回归标准误差RMSE分别为0.9743和0.0515 m2·株-1，对植株总干物质量的预测结果与1:1直线之间的R 2和RMSE分别为0.9360和522.7104 kg·ha-1；采用辐热积法对植株总干物质量的预测精度比有效积温法和比叶面积法分别提高56％和72％。

... 温度和光照在草莓生长中相互作用,共同促进草莓产量形成,相关研究表明,光温综合指标辐热积能较好地模拟温室甜椒、黄瓜等作物的生长发育^[14,15],本研究利用辐热积指数(辐热积指数=日平均气温#cod#x000D7 ...

2006

0.0

倪纪恒, 罗卫红, 李永秀, 等. 温室番茄干物质分配与产量的模拟分析[J]. 应用生态学报, 2006, 17(5): 811-816.

NING J

, LUO W

, LI Y

, et al. Simulation of greenhouse tomato dry matter partitioning and yield prediction[J]. Chinese Journal of Applied Ecology, 2006, 17(5): 811-816. (in Chinese with English abstract)

根据试验资料及温室番茄(Lycopersicon esculentum)作物的生长特性,构建了基于分配指数(Parti-tioning index,PI)和收获指数(Harvest index,HI)与辐热积(Product of thermal effectiveness and PAR,TEP)关系的番茄干物质分配和产量预测的数学模型,并利用不同品种、基质和地点的试验资料对模型进行检验.模型对番茄地上部分干重、根系干重、茎干重、叶片干重和果干重的预测结果与1∶1直线之间的决定系数(Coefficient of determination,R2)分别为0·95、0·57、0·82、0·79和

2008

0.0

霍恒志, 糜林, 李金凤, 等. 大棚草莓套种海蜜甜瓜关键栽培技术研究[J]. 江西农业学报, 2008, 20(10) : 55-56.

HUO H

, MI

, LI J

, et al. Pivotal cultivation techniques of interplanting Haimi melon in greenhouse strawberry[J]. Acta Agriculturae Jiangxi, 2008, 20(10) : 55-56. (in Chinese with English abstract)

在大棚内3月中旬草莓套种海蜜2号甜瓜,采取立架式栽培单蔓单果整枝方式,其净收入比单独种植草莓增加7700元/667 m2.

... 江苏省镇江市草莓月产量呈先升后降趋势^[16],但第一批草莓采收期较慈溪和闽北晚一个月,主要由于镇江地理位置偏北,温度相对偏低,前期草莓生长较慈溪和闽北相对缓慢 ...

2015

0.0

... 相对湿度对草莓产量影响不大,但与草莓的病虫害密切相关^[17,18],实际生产中湿度要素的调控亦不可忽略 ...

1987

0.0

... 相对湿度对草莓产量影响不大,但与草莓的病虫害密切相关^[17,18],实际生产中湿度要素的调控亦不可忽略 ...

2014

0.0

燕丽萍, 金芳, 郑平生. 四种草莓光合特性的研究[J]. 甘肃农业大学学报, 2014, 39(6): 620-624.

YANG L

, JIN

, ZHENG P

Photosynthetic properties on four cultivars of strawberry[J]. Journal of Gansu Agricultural University, 2014, 39(6): 620-624. (in Chinese with English abstract)

运用英国PP-SYSTEM公司制造的CIRAS-1型便携式光合作用测定系统,在大田生长条件下对草莓单叶光合特性进行了研究,结果表明:草莓单叶净光合速率、气孔导度、蒸腾速率日变化曲线呈双峰型且同步消长,有明显的光合"午休"现象,品种间光合"午休"出现时间、最大净光合速率和蒸腾速率有明显差异,气孔因素不是草莓光合午休的主要调节因子.光合速率与叶绿素含量有一定的相关性.

... 产果盛期和末期温度条件基本适宜草莓生长,该阶段光照对产量的影响更显著,如晴朗天气正午时刻强光照会导致草莓光合作用减弱^[19,20] ...

2002

0.0

苏培玺, 杜明武, 张立新, 等. 日光温室草莓光合特性及对CO₂ 浓度升高的响应[J]. 园艺学报, 2002, 29(5): 423-426.

SU P

, DU M

, ZHANG L

, et al. Changes of photosynthetic characteristics and response to rising CO₂ concentration in strawberry in solar greenhouse[J]. Acta Horticulturae Sinica, 2002, 29(5): 423-426. (in Chinese with English abstract)

运用美国LI-COR公司制造的LI-6400便携式光合作用测定系统,研究了日光温室草莓盛果期的光合特性及对CO2浓度升高的响应.结果表明,叶片净光合速率(Pn)日变化呈双峰型,有明显的"光合午休"现象,第1个峰值出现在10时左右,Pn达到CO2 13.1μmol@m-2@s-1;第2个峰值出现在16时,Pn为CO2 9.5μμmol@m-2@s-1.造成光合午休的主要原因为气子孔因素,中午光照强度最大,叶片与空气之间的水蒸气压差、气孔限制值达到最大值,空气相对湿度、气孔导度、胞间CO2浓度达到最小值,出现光合午休.在CO2浓度低于600 μmol@mol-1,光照强度为1 000 μmol@m-2@s-1时,草莓CO2饱和点为943.3μmol@mol,CO2补偿点为91.7 μmol@mol-1,Pn高于光强更高者.

... 产果盛期和末期温度条件基本适宜草莓生长,该阶段光照对产量的影响更显著,如晴朗天气正午时刻强光照会导致草莓光合作用减弱^[19,20] ...