农业机械学报

作者：李莉，李伟，耿磊，李文军，孙泉，SIGRIMIS N A

单位：中国农业大学,中国农业大学,中国农业大学,中国农业大学,中国农业大学,雅典农业大学,

关键词：温室番茄;智慧灌溉;蒸腾量预测;随机森林;门控循环单元

基金：国家重点研发计划项目(2019YFD1001903)和中央高校基本科研业务费专项资金项目(2021TC031)

针对温室番茄无法按需灌溉问题，提出了随机森林(Random forest, RF)结合门控循环单元(Gated recurrent unit, GRU)神经网络的温室番茄结果前期蒸腾量预测方法，并开发了一套基于番茄蒸腾量的智慧灌溉系统。基于物联网实时获取数据，采用RF算法对影响温室番茄蒸腾量的变量进行特征重要性排序，选取作物相对叶面积指数、温室内空气温度、相对湿度、光照强度、光合有效辐射、基质含水率和基质温度作为模型的输入变量，在此基础上，构建了基于GRU的番茄蒸腾量预测模型。试验结果表明：RF-GRU在番茄蒸腾量预测中具有准确的预测效果，决定系数(R2)、均方根误差(RMSE)、平均绝对误差(MAE)分别为0.9490、10.96g和5.80g。同时，基于此模型进行指导灌溉相比于定时灌溉，在番茄长势基本相同的情况下，灌溉量降低了20%，可为实际生产提供参考。

来源：2022年第3期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2022年第3期