洞庭湖區(qū)不等高大棚內(nèi)溫濕度日變化模擬及預(yù)警模型建立

孫信成 張忠武 蔣萬 康杰 楊連勇 陳位平

摘要：建立棚內(nèi)最高溫濕度和最低溫濕度預(yù)警模型可為菜農(nóng)在大棚棚膜揭蓋及在極端天氣下預(yù)防高溫?zé)岷虻蜏乩浜蚋邼癫『ι霞皶r提供預(yù)報信息。利用溫濕度傳感器采集2020年的環(huán)境數(shù)據(jù)，采用逐日回歸分析方法，結(jié)合F值檢驗等統(tǒng)計方法，探究洞庭湖區(qū)不等高大棚的溫濕度特征和變化規(guī)律；通過一元二次方程擬合棚內(nèi)溫濕度可對棚內(nèi)逐月平均溫濕度日變化進行分析和趨勢模擬，根據(jù)棚外氣溫和相對濕度值進行棚內(nèi)任一時刻的溫濕度估測，并提供最高或最低預(yù)警。結(jié)果表明：在洞庭湖區(qū)不等高大棚內(nèi)不同月份的溫濕度變化差異顯著，全年夜間的溫濕度變化穩(wěn)定；棚內(nèi)溫度較高出現(xiàn)在6—9月的12：00—14：00，棚內(nèi)溫度較低出現(xiàn)在12月和1月的4：00—6：00，棚內(nèi)濕度較高出現(xiàn)在3—4月和11—12月的4：00—6：00。通過一元二次方程對棚內(nèi)溫濕度日變化進行模擬，建立的棚內(nèi)最高溫濕度、最低溫濕度預(yù)警模型的F值檢驗均通過0.01極顯著水平，擬合度高，R2＞0.8，能較好地反映棚內(nèi)溫濕度日變化規(guī)律。

關(guān)鍵詞：洞庭湖區(qū)；不等高大棚；預(yù)警模型；溫濕度；日變化

中圖分類號：S165

文獻標(biāo)識碼：A

文章編號：20955553 （2023） 070170

09

Daily variation simulation and early warning model of temperature and humidity

in unequal height greenhouse in Dongting Lake area

Sun Xincheng， Zhang Zhongwu， Jiang Wan， Kang Jie， Yang Lianyong， Chen Weiping

（Changde Agriculture and Forestry Science Academy， Changde， 415000， China）

Abstract： Establishing an early warning model for the maximum or minimum temperature and humidity could provide timely forecast information for vegetable farmers to prevent heat injury， chilling damage， and high humidity diseases in extreme weather， when the greenhouse film is being uncovered or covered. In this study， environmental data for the year 2020 was collected using temperature and humidity sensors， and the daily regression analysis method was used along with statistical methods such as the F-value test to explore the characteristics and variation of temperature and humidity in unequal height greenhouse in Dongting Lake area. A quadratic equation was used to fit temperature and humidity data. Using the outside temperature and relative humidity values， the temperature and humidity at any given time inside the greenhouse could be estimated， and maximum or minimum warning could be provided accordingly. The results showed that there were significant differences in temperature and humidity changes in different months in unequal height greenhouses in Dongting Lake area， with stable temperature and humidity changes throughout the year. The higher temperature in the greenhouse appeared from 12：00 to 14：00 between June to September. The lower temperature in the greenhouse appeared from 4：00 to 6：00 in December and January. The higher humidity in the greenhouse appeared from 4：00 to 6：00 between March and April and between November to December. The F-value of the early warning models of the highest and lowest temperature and humidity in the greenhouse passed the 0.01 extremely significant level with a high fitting degree of R2>0.8， reflecting the diurnal variation of temperature and humidity in the greenhouse.

Keywords：? Dongting Lake area; unequal height greenhouse; early warning model; temperature and humidity; daily variation

0 引言

洞庭湖地區(qū)位于長江中游以南、湖南省北部，介于N 28°30′～30°20′、E 110°40′～113°10′之間，年均溫16.4℃～17℃，無霜期258～275d，年降水量1100～1400mm。近年來長江流域洞庭湖設(shè)施栽培迅速發(fā)展，設(shè)施蔬菜在緩解蔬菜季節(jié)性供應(yīng)不足、保障周年均衡供應(yīng)，增加菜農(nóng)收入等方面發(fā)揮了重要作用；據(jù)不完全統(tǒng)計，2020年洞庭湖區(qū)以大棚和中小拱棚為主的設(shè)施栽培面積有30.1khm2左右。

設(shè)施農(nóng)業(yè)屬于一種高效農(nóng)業(yè)，每公頃日光溫室產(chǎn)值22.5～60萬元，是露地蔬菜的10～20倍，是大田作物的25～70倍，蔬菜產(chǎn)量的40%均來自設(shè)施栽培；因而，設(shè)施栽培也是現(xiàn)代農(nóng)業(yè)的標(biāo)志。在設(shè)施栽培中，以溫度、光照、水分、濕度和氣體為主的五大作物生長所需環(huán)境因子均能人工控制調(diào)節(jié)。

大棚內(nèi)的溫濕度變化對作物生長有著重要的影響，在高溫脅迫下，作物生長緩慢、光合速率下降、根系生理功能降低、結(jié)實率和果實品質(zhì)降低，出現(xiàn)授粉不良、早衰現(xiàn)象；在高濕脅迫下，作物葉片會出現(xiàn)缺鈣和葉面積減少的情況，抑制植株的正常蒸騰作用使植株蒸騰量減少，抑制根系水分吸收造成漚根或脫肥，容易造成落花落果，并誘發(fā)和加重病蟲害發(fā)生；在低溫脅迫下，蔬菜出苗慢、長勢弱、猝倒病較重，緩苗期延長，開花、坐果和上市期均推遲，還會出現(xiàn)“僵苗”的現(xiàn)象，引起疫病、霜霉病、菌核病和根腐病等真菌性病害發(fā)生；在濕度過低條件下，植株表現(xiàn)葉片偏小、機械組織形成較多、果實膨大速度慢、品質(zhì)不良和產(chǎn)量降低，還會阻礙光合作用，引起萎蔫和葉片枯焦等現(xiàn)象。

國內(nèi)外學(xué)者通過能量和質(zhì)量平衡原理、BP神經(jīng)網(wǎng)絡(luò)統(tǒng)計方法和逐步回歸分析、最小二乘法、多元回歸統(tǒng)計等線性參數(shù)法構(gòu)建溫棚內(nèi)小氣候的物理模型、網(wǎng)絡(luò)模型和統(tǒng)計模型，探索大棚內(nèi)外氣象要素之間的變化關(guān)系。Businger等［1］對溫室進行小氣候模擬，初步建立的溫室內(nèi)各層穩(wěn)態(tài)能量平衡方程的方法成為以后各種模型的核心；基于能量和質(zhì)量平衡原理，李軍等［2］建立大棚內(nèi)溫濕度模擬模型，Jolliet等［3］建立溫室內(nèi)濕度與蒸發(fā)模型?；贐P神經(jīng)網(wǎng)絡(luò)統(tǒng)計方法，李倩［4］、金志鳳［5］、Fourati［6］、Ferreira［7］、Frausto［8］等建立了大棚內(nèi)溫濕度、太陽輻射和云層等小氣候控制及預(yù)報模型?；谥鸩交貧w分析法，張超［9］、范遼生［10］、張淑杰［11］、張曉月［12］、陳?。?3］、王孝卿［14］、劉娟［15］、符國槐［16］、李艷莉［17］、趙先麗［18］、舒素芳［19］、李德［20］、韋婷婷［21］、李全平［22］、李寧［23］、Patil［24］、Oliveira［25］、袁靜［26］、肖楊［27］、劉煥［28］等建立棚內(nèi)氣溫、作物蒸散量、地溫和濕度等預(yù)報模型。本研究以洞庭湖區(qū)不等高大棚為對象，逐月建立棚內(nèi)白天和夜間的溫濕度擬合方程及最高或最低溫濕度預(yù)警模型，分析棚內(nèi)溫濕度特征和變化規(guī)律，同時為農(nóng)業(yè)生產(chǎn)提供科學(xué)的指導(dǎo)建議。

1 材料與方法

1.1 試驗材料

試驗于2020年1—12月在常德市農(nóng)林科學(xué)研究院蔬菜研究所基地進行。試驗所用的不等高、大跨度大棚均為自主設(shè)計，棚體主要為Φ32熱鍍鋅鋼管組裝式結(jié)構(gòu)，參數(shù)為：棚長32m，總跨度15m，高棚脊高5m、低棚脊高4.5m，肩高2m，立柱2排，立柱橫向間距1m、縱向間距4m，有頂通風(fēng)口1個和側(cè)通風(fēng)口2個，大棚膜為10絲的PEP利得膜。棚內(nèi)蔬菜作物為辣椒。

1.2 試驗方法

本試驗的棚內(nèi)外溫濕度數(shù)據(jù)采用HOBO溫濕度傳感器進行采集，測量高度統(tǒng)一布置為距離地面2.5m。采集2020年一整年的棚內(nèi)外溫濕度數(shù)據(jù)，數(shù)據(jù)自動采集，設(shè)置采集間隔時間為10min。

1.3 數(shù)據(jù)處理

相關(guān)數(shù)據(jù)采用Excel軟件進行統(tǒng)計分析與做圖，采用SPSS軟件進行F值檢驗和回歸分析。

2 結(jié)果與分析

2.1 逐月平均日變化分析

統(tǒng)計2020年1—12月各月份逐小時的棚內(nèi)溫度平均值，以北京時間為X軸，棚內(nèi)溫度為Y軸，繪制全年逐月的溫度日變化曲線（圖1）。

由圖1可知，逐月平均溫度的日變化趨勢一致，白天（8：00—17：00）呈單峰變化曲線，平均溫度先上升后下降；晚上（18：00—次日7：00）平均溫度變化趨于穩(wěn)定。平均溫度較高的月份為6—9月，平均溫度較低的月份為12月和1月；溫度日變化的最高值出現(xiàn)在中午時段（12：00—14：00），最低值出現(xiàn)在次日早晨（4：00—6：00）。

以北京時間為X軸，棚內(nèi)濕度為Y軸，繪制全年逐月的濕度日變化曲線（圖2）。由圖2可知，逐月平均濕度的日變化趨勢一致，且與逐月平均溫度的日變化趨勢相反，白天（8：00—17：00）呈單谷變化曲線，平均濕度先下降后上升；晚上（18：00—次日7：00）平均濕度變化趨于穩(wěn)定。平均濕度較高的月份為3—4月和11—12月，平均濕度較低的月份為9月；濕度日變化的最低值出現(xiàn)在中午時段（12：00—14：00），最高值出現(xiàn)在次日早晨（4：00—6：00）。

2.2 溫濕度日變化趨勢模擬

以8：00—17：00為白天，將北京時間重新定義為時序，8：00為x=1，9：00為x=2，…，16：00為x=9，17：00為x=10，根據(jù)逐月平均的白天棚內(nèi)溫度的變化趨勢，對棚內(nèi)溫度（y）與時序（x）的關(guān)系進行相關(guān)分析，得出逐月的棚內(nèi)溫度擬合回歸方程（表1）。同樣方法，定義18：00—次日7：00為晚上，18：00為x=1，19：00為x=2，…，次日0：00為x=7，次日1：00為x=8，…，次日7：00為x=14，根據(jù)逐月平均的夜間棚內(nèi)溫度的變化趨勢，得出逐月的棚內(nèi)溫度（y）與時序（x）的擬合回歸方程（表2）。

由表1和表2可知，對全年的白天和夜間棚內(nèi)溫度與時間的擬合方程分別進行F檢驗和相關(guān)系數(shù)檢驗，F(xiàn)檢驗的p值均低于0.05，表明極顯著；相關(guān)系數(shù)R2均高于0.8，表明白天和夜間棚內(nèi)溫度的擬合方程達到極顯著，且擬合度高；白天棚內(nèi)溫度的擬合方程優(yōu)于夜間棚內(nèi)溫度的擬合方程，5—7月的夜間棚內(nèi)溫度擬合方程擬合度較差。

按照上述方法，根據(jù)逐月平均的白天和夜間棚內(nèi)濕度的變化趨勢，對棚內(nèi)濕度（y）與時序（x）的關(guān)系進行相關(guān)分析，得出逐月的白天和夜間棚內(nèi)濕度擬合回歸方程。

由表3和表4可知，對全年的白天和夜間棚內(nèi)濕度與時間的擬合方程分別進行F檢驗和相關(guān)系數(shù)檢驗，F(xiàn)檢驗的p值均低于0.05，表明極顯著；相關(guān)系數(shù)R2均高于0.8，表明白天和夜間棚內(nèi)濕度的擬合方程達到極顯著，且擬合度高；白天棚內(nèi)濕度的擬合方程優(yōu)于夜間棚內(nèi)濕度的擬合方程。

2.3 棚內(nèi)最高、最低溫濕度預(yù)警

利用簡單相關(guān)系數(shù)可判斷棚內(nèi)外最高溫度間、棚內(nèi)外最低溫度間是否相關(guān)，各月相關(guān)系數(shù)如表5所示。1—12月的最高溫度或最低溫度相關(guān)系數(shù)均呈顯著正相關(guān)，以棚內(nèi)最高（最低）溫度作為因變量（X），棚外最高（最低）溫度作為自變量（Y），建立線性擬合方程或一元二次擬合方程。由表6和表7可知，1—12月的一次擬合方程或二次擬合方程均通過顯著性檢驗，二次擬合方程的相關(guān)系數(shù)優(yōu)于一次擬合方程；棚內(nèi)最高溫度和最低溫度預(yù)警模型建立的效果較好。

利用簡單相關(guān)系數(shù)可判斷棚內(nèi)外最高濕度間、棚內(nèi)外最低濕度間是否相關(guān)，各月相關(guān)系數(shù)如表8所示。

1—12月的最高濕度或最低濕度相關(guān)系數(shù)均呈顯著正相關(guān)，以棚內(nèi)最高（最低）濕度作為因變量（X），棚外最高（最低）濕度作為自變量（Y），建立線性擬合方程或一元二次擬合方程。由表9和表10可知，1—12月的一次擬合方程或二次擬合方程均通過顯著性檢驗，二次擬合方程的相關(guān)系數(shù)優(yōu)于一次擬合方程；棚內(nèi)最高濕度和最低濕度預(yù)警模型建立的效果較好。

3 討論

運用數(shù)理統(tǒng)計等方法分析大棚溫濕度與外界的變化規(guī)律，可以得到棚內(nèi)溫濕度日變化特征及其相關(guān)性，為大棚的溫濕度管理提供科學(xué)依據(jù)。于明英等［29］分析了北京晴天、多云、寡照3種天氣類型下小氣候變化規(guī)律，表明棚溫和地溫的變化規(guī)律相似，呈“單峰”變化，變化幅度依次為晴天>多云>寡照；3種天氣條件下棚內(nèi)相對濕度均普遍較高，高于90%的時間均長達13h以上；棚溫與地溫呈正相關(guān)、與棚內(nèi)相對濕度呈負(fù)相關(guān)，相關(guān)系數(shù)均大于0.8。常麗娜等［30］在數(shù)值計算和實驗的基礎(chǔ)上建立溫室內(nèi)土壤溫度與室內(nèi)外氣溫相互關(guān)系的數(shù)學(xué)模型，表明在有作物生長條件下土壤溫度與室內(nèi)外氣溫之間不是簡單的線性關(guān)系。符國槐等［16］分析了塑料大棚不同天氣類型下溫度的相關(guān)性，表明棚內(nèi)外白天的溫度相關(guān)性小于夜間，陰天夜間棚內(nèi)外溫度的相關(guān)性最好，并在此基礎(chǔ)上建立基于逐步回歸方法的溫度預(yù)報模型。李艷莉等［17］對3種天氣類型棚內(nèi)當(dāng)天最低氣溫與前一天的相關(guān)性進行分析，表明晴天時棚內(nèi)最低氣溫與前一天棚內(nèi)、外最低氣溫和當(dāng)天棚外最低氣溫均顯著相關(guān)，多云時棚內(nèi)最低氣溫只與當(dāng)天棚外最低氣溫顯著相關(guān)。陳昱利等［31］根據(jù)氣象學(xué)相關(guān)原理建立塑料大棚溫濕度日變化模型，表明溫度日變化白天為正弦曲線，夜間為指數(shù)曲線，濕度模型與溫度相反。張超等［9］對內(nèi)蒙古東部大棚溫度特征進行分析，表明逐月的棚內(nèi)氣溫擬合回歸方程通過了F檢驗和相關(guān)系數(shù)檢驗，均為顯著，棚內(nèi)外最低氣溫間線性相關(guān)較好，均為正相關(guān)。本研究通過逐月回歸分析的方法，分別建立棚內(nèi)溫度和濕度的擬合方程；與實測值進行驗證，如1月份8：00平均溫度的實測值為5.44℃，擬合方程得到的模擬值為5.87℃，誤差0.43℃，1—12月擬合方程的平均溫度模擬值與實測值誤差范圍在1.40℃以內(nèi)，7.84%以內(nèi)；如6月份7：00平均濕度的實測值為84.0%，擬合方程得到的模擬值為88.26%，誤差4.25%，1—12月擬合方程的平均濕度模擬值與實測值誤差范圍在5.07%以內(nèi)。本研究建立的溫濕度擬合方程誤差小，能較好地反映棚內(nèi)溫濕度日變化規(guī)律。

利用逐步回歸分析法建立的大棚溫濕度模型可靠度高。魏瑞江等［32］建立的溫室內(nèi)氣溫、空氣相對濕度、接受到的太陽輻射及其綜合因子對黃瓜生長發(fā)育的適宜度模型，得出黃瓜產(chǎn)量隨小氣候適宜度的增加而增加，兩者相關(guān)性顯著，且與實際驗證一致。陳昱利等［31］根據(jù)氣象學(xué)相關(guān)原理，建立南京地區(qū)塑料大棚內(nèi)白天和夜間的溫濕度日變化模型。葛建坤等［33］利用土壤溫度、相對濕度、平均氣溫、大氣壓、蒸發(fā)、太陽輻射（日照）等氣象因子建立預(yù)測大棚番茄頂層蒸騰速率的偏最小二乘回歸模型。楊麗中等［34］建立夜間低溫條件下和白天晴天條件下大棚內(nèi)外溫度模型，達到較高的準(zhǔn)確率和精度，確定了夜間低溫預(yù)警指標(biāo)等級及溫度范圍。劉煥等［28］建立了膠東地區(qū)日光溫室不同季節(jié)不同天氣條件下氣溫和相對濕度的預(yù)測模型，模型驗證結(jié)果表明均可用于實際生產(chǎn)，可根據(jù)室外環(huán)境因子對室內(nèi)溫濕度提前預(yù)測，并采取相應(yīng)措施使溫室內(nèi)環(huán)境達到作物生長適宜的范圍。范遼生等［10］構(gòu)建了適于杭州地區(qū)3種天氣類型的單、雙層塑料大棚內(nèi)日最低氣溫預(yù)報模型，表明3種天氣類型中多云時預(yù)報精度較低。張淑杰等［11］基于日光溫室內(nèi)番茄低溫凍害指標(biāo)建立逐時氣溫預(yù)報模型，實現(xiàn)溫室內(nèi)番茄低溫凍害預(yù)警，預(yù)報準(zhǔn)確率達86%以上。王孝卿等［14］建立壽光日光溫室不同天氣類型、不同月份、不同時間段的逐小時模擬模型，表明除4月的模擬結(jié)果差異較大外，其他時間段模擬效果均較好。陳琛等［13］以前一天溫室內(nèi)最低、最高氣溫和室外最低氣溫3個主要氣象因子為條件建立溫室當(dāng)日最低氣溫預(yù)報模型。袁靜等［26］同樣以當(dāng)天及前一天的溫濕度建立相關(guān)模型，表明模型均通過0.01水平的顯著性檢驗。肖楊等［27］建立的葡萄大棚內(nèi)逐小時溫濕度預(yù)報模型，表明棚內(nèi)逐小時氣溫和空氣相對濕度模型的R2多在0.5以上。本研究得到的1—12月最高溫度、最低溫度、最高濕度和最低濕度間的相關(guān)系數(shù)，除最高濕度外，其他的相關(guān)系數(shù)均大于0.5；因而可以根據(jù)棚外最高或最低溫濕度，采用逐月回歸分析的方法，建立棚內(nèi)最高溫濕度、最低溫濕度預(yù)警模型。利用均方根誤差（RMSE）與實測值進行驗證，分析模擬值和實測值之間的符合程度，得到1—12月的最高溫度、最低溫度、最高濕度和最低濕度的RMSE值。1—12月最高溫度預(yù)報模型的模擬值與實測值的RMSE為1.60℃～7.90℃，其中9月最高溫度預(yù)報模型的模擬值與實測值相差最小，擬合度最高，高溫季節(jié)（6—9月）的最高溫度預(yù)報模型準(zhǔn)確率高于其他月份；1—12月最低溫度預(yù)報模型的模擬值與實測值的RMSE為0.21℃～1.41℃，其中12月最低溫度預(yù)報模型的模擬值與實測值相差最小，擬合度最高；1—12月最高濕度預(yù)報模型的模擬值與實測值的RMSE為0.10%～9.76%，其中3月最高濕度預(yù)報模型的模擬值與實測值相差最小，擬合度最高；1—12月最低濕度預(yù)報模型的模擬值與實測值的RMSE為2.35%～11.67%，其中9月最低濕度預(yù)報模型的模擬值與實測值相差最小，擬合度最高。建立的最高溫濕度和最低溫濕度預(yù)報模型的一次擬合方程和二次擬合方程的RMSE值、R2值近似相等，均能較好反映各月最高溫度、最低溫度、最高濕度和最低濕度預(yù)報模型的準(zhǔn)確性。

4 結(jié)論

1） 在洞庭湖地區(qū)不等高大棚內(nèi)不同月份的溫濕度變化差異顯著，全年夜間的溫濕度變化穩(wěn)定；棚內(nèi)溫度較高出現(xiàn)在6—9月的12：00—14：00，這階段需要注意大棚白天的通風(fēng)降溫；棚內(nèi)溫度較低出現(xiàn)在12月和1月的4：00—6：00，這階段需要注意大棚夜間的多層覆蓋保溫；棚內(nèi)濕度較低對作物生長影響不大，且可以通過滴灌等灌水方式改善；棚內(nèi)濕度較高出現(xiàn)在3—4月和11—12月的4：00—6：00，這階段需要注意防治高濕帶來的蔬菜病害。

2） 本研究通過一元二次方程對棚內(nèi)溫濕度日變化進行模擬，擬合度高，R2＞0.8，擬合模型的溫濕度與實測值誤差范圍分別在7.84%以內(nèi)和5.07%以內(nèi)，表明通過一元二次方程可以較好地擬合棚內(nèi)溫濕度，可以估測棚內(nèi)任一時刻的溫濕度。

3） 建立的棚內(nèi)最高溫濕度、最低溫濕度預(yù)警模型的F值檢驗均通過0.01極顯著水平，模型的模擬值與實測值的RMSE值很小，表明模型的模擬結(jié)果精準(zhǔn)，方程擬合度高；可以根據(jù)棚外氣溫值和相對濕度推算棚內(nèi)的溫濕度，并提供最高或最低預(yù)警，為菜農(nóng)在大棚棚膜揭蓋及在極端天氣下預(yù)防高溫?zé)岷虻蜏乩浜蚋邼癫『ι霞皶r提供預(yù)報信息。下一步將根據(jù)大棚內(nèi)兩年的小氣候數(shù)據(jù)來實際驗證預(yù)警模型的準(zhǔn)確度。

參 考 文 獻

［1］ Businger J A. The glasshouse climate， physics of plant environment ［J］. Ed. Van Wijk， North Publ. Co.， Amsterdam， 1963： 270-318.

［2］ 李軍， 姚益平， 徐蕊， 等. 長江下游防蟲網(wǎng)覆蓋塑料大棚內(nèi)溫濕度模擬［J］. 農(nóng)業(yè)工程學(xué)報， 2010， 26（6） ： 238-244.

Li Jun， Yao Yiping， Xu Rui， et al. Simulation of air temperature and relative humidity in plastic greenhouse tunnel covered with insect-proof nets in lower reaches of Yangtze River ［J］. Transactions of the CSAE， 2010， 26（6）： 238-244.

［3］ Jolliet O. HORTITRANS， a model for predicting and optimizing humidity and transpiration in greenhouses ［J］. Journal of Agricultural Engineering Research， 1994， 57（1）： 23-37.

［4］ 李倩， 申雙和， 曹雯， 等. 南方塑料大棚冬春季溫濕度的神經(jīng)網(wǎng)絡(luò)模擬［J］. 中國農(nóng)業(yè)氣象， 2012， 33（2） ： 190-196.

Li Qian， Shen Shuanghe， Cao Wen， et al. Neural network simulation on air temperature and relative humidity inside plastic greenhouse during winter and spring in Southern China ［J］. Chinese Journal of Agrometeorology， 2012， 33（2）： 190-196.

［5］ 金志鳳， 符國槐， 黃海靜， 等. 基于BP神經(jīng)網(wǎng)絡(luò)的楊梅大棚內(nèi)氣溫預(yù)測模型研究［J］. 中國農(nóng)業(yè)氣象， 2011， 32（3） ： 362-367.

Jin Zhifeng， Fu Guohuai， Huang Haijing， et al. Simulation and forecast of air temperature inside the greenhouse planted Myica rubra based on BP neural network ［J］. Chinese Journal of Agrometeorology， 2011， 32（3）： 362-367.

［6］ Fourati F， Chtourou M. A greenhouse control with feed-forward and recurrent neural networks ［J］. Simulation Modelling Practice and Theory， 2007， 15（8）： 1016-1028.

［7］ Ferreira P M， Faria E A， Ruano A E. Neural network models in greenhouse air temperature prediction ［J］. Neurocomputing， 2002， 43（1-4）： 51-75.

［8］ Frausto H U， Pieters J G. Modelling greenhouse temperature using system identification by means of neural networks ［J］. Neurocomputing， 2004， 56： 423-428.

［9］ 張超， 吳瑞芬. 內(nèi)蒙古東部溫室大棚溫度特征分析及預(yù)報模型建立［J］. 中國農(nóng)學(xué)通報， 2014， 30（26） ： 213-218.

Zhang Chao， Wu Ruifen. Analyze of greenhouses temperature characteristic and temperature prediction model in eastern Inner Mongolia ［J］. Chinese Agricultural Science Bulletin， 2014， 30（26）： 213-218.

［10］ 范遼生， 朱蘭娟， 柴偉國， 等. 杭州冬季塑料大棚內(nèi)氣溫變化特征及日最低氣溫預(yù)報模型［J］. 中國農(nóng)業(yè)氣象， 2014， 35（3） ： 268-275.

Fan Liaosheng， Zhu Lanjuan， Chai Weiguo， et al. Temperature variation characteristic and daily minimum temperature forecast inside plastic greenhouse in winter in Hangzhou ［J］. Chinese Journal of Agrometeorology， 2014， 35（3）： 268-275.

［11］ 張淑杰， 孫立德， 馬成芝， 等. 日光溫室番茄低溫凍害指標(biāo)確定及溫度預(yù)報模型建立［J］. 氣象與環(huán)境學(xué)報， 2016， 32（4）： 98-105.

Zhang Shujie， Sun Lide， Ma Chengzhi， et al. Determination of low-temperature and frost damage indicators and construction of a temperature forecasting model for tomato in greenhouse ［J］. Journal of Meteorology and Environment， 2016， 32（4）： 98-105.

［12］ 張曉月， 李榮平， 王瑩， 等. 日光溫室小氣候要素預(yù)報模型研究［J］. 中國農(nóng)學(xué)通報， 2018， 34（32）： 113-118.

Zhang Xiaoyue， Li Rongping， Wang Ying， et al. Microclimate forecasting model in sunlight greenhouse ［J］. Chinese Agricultural Science Bulletin， 2018， 34（32）： 113-118.

［13］ 陳琛， 丁昇， 曹丹萍， 等. 上海春季蟠桃溫室內(nèi)氣溫變化特征及低溫預(yù)報［J］. 中國農(nóng)學(xué)通報， 2019（35）： 118-123.

Chen Chen， Ding Sheng， Cao Danping， et al. Temperature variation characteristics and daily minimum temperature forecast inside spring greenhouse in Shanghai ［J］. Chinese Agricultural Science Bulletin， 2019（35）： 118-123.

［14］ 王孝卿， 李楠， 薛曉萍. 壽光日光溫室小氣候變化規(guī)律及模擬［J］. 中國農(nóng)學(xué)通報， 2012， 28（10）： 236-242.

Wang Xiaoqing， Li Nan， Xue Xiaoping. The microclimate change rules and simulation method of greenhouse in Shouguang city ［J］. Chinese Agricultural Science Bulletin， 2012， 28（10）： 236-242.

［15］ 劉娟， 周超， 曹成， 等. 蔬菜大棚小氣候變化特征及預(yù)警服務(wù)系統(tǒng)的應(yīng)用研究［J］. 上海農(nóng)業(yè)學(xué)報， 2015， 31（4）： 69-74.

Liu Juan， Zhou Chao， Cao Cheng， et al. Application research of microclimate change characteristics and early warning service system in vegetable greenhouse ［J］. Acta Agriculturae Shanghai， 2015， 31（4）： 69-74.

［16］ 符國槐， 張波， 楊再強， 等. 塑料大棚小氣候特征及預(yù)報模型的研究［J］. 中國農(nóng)學(xué)通報， 2011， 27（13）： 242-248.

Fu Guohuai， Zhang Bo， Yang Zaiqiang， et al. Research on the microclimate characteristics and inside temperature prediction model for plastic greenhouse ［J］. Chinese Agricultural Science Bulletin， 2011， 27（13）： 242-248.

［17］ 李艷莉， 許偉峰. 渭南日光溫室小氣候特征分析及預(yù)測方法［J］. 陜西氣象， 2017（2）： 12-15.

Li Yanli， Xu Weifeng. Analysis and prediction method of microclimate characteristics in Weinan solar greenhouse ［J］. Journal of Shaanxi Meteorology， 2017（2）： 12-15.

［18］ 趙先麗， 張淑杰， 蔡福， 等. 遼寧省日光溫室內(nèi)最高和最低氣溫預(yù)報［J］. 江蘇農(nóng)業(yè)科學(xué)， 2017， 45（16） ： 276-282.

［19］ 舒素芳， 蔡敏， 劉新華， 等. 大棚蔬菜最低氣溫預(yù)報及凍害防御技術(shù)［J］. 氣象科技， 2015， 43（1） ： 133-137.

Shu Sufang， Cai Min， Liu Xinhua， et al. Minimum temperature forecast and freezing injury prevention techniques for greenhouse vegetable ［J］. Meteorological Science and Technology， 2015， 43（1）： 133-137.

［20］ 李德， 張學(xué)賢， 祁宦， 等. 宿州日光溫室內(nèi)部最高和最低氣溫的預(yù)報模型［J］. 中國農(nóng)業(yè)氣象， 2013（2）： 170-178.

Li De， Zhang Xuexian， Qi Huan， et al. Forecast model of the highest and lowest temperature in the sunlight greenhouse in Suzhou ［J］. Chinese Journal of Agrometeorology， 2013（2）： 170-178.

［21］ 韋婷婷， 楊再強， 王琳， 等. 玻璃溫室和塑料大棚內(nèi)逐時氣溫模擬模型［J］. 中國農(nóng)業(yè)氣象， 2018， 39（10）： 26-37.

Wei Tingting， Yang Zaiqiang， Wang Lin， et al. Simulation model of hourly air temperature inside glass greenhouse and plastic greenhouse ［J］. Chinese Journal of Agrometeorology， 2018， 39（10）： 26-27.

［22］ 李全平， 朱寶文， 高君元. 高寒冷涼地區(qū)日光溫室相對濕度變化規(guī)律［J］. 中國農(nóng)學(xué)通報， 2015， 31（1）： 204-209.

Li Quanping， Zhu Baowen， Gao Junyuan. Relative humidity change rule of the greenhouse in high altitude and low temperature areas ［J］. Chinese Agricultural Science Bulletin， 2015， 31（1）： 204-209.

［23］ 李寧， 申雙和， 黎貞發(fā)， 等. 基于主成分回歸的日光溫室內(nèi)低溫預(yù)測模型［J］. 中國農(nóng)業(yè)氣象， 2013， 34（3）： 306-311.

Li Ning， Shen Shuanghe， Li Zhenfa， et al. Forecast model of minimum temperature inside greenhouse based on principal component regression ［J］. Chinese Journal of Agrometeorology， 2013， 34（3）： 306-311.

［24］ Patil H J， Srivastava A K， Kumar S， et al. Selective isolation， evaluation and characterization of antagonistic actinomycetes against Rhizoctonia solani ［J］. World Journal of Microbiology and Biotechnology， 2010， 26： 2163-2170.

［25］ da Costa A O， Silva P F， Sabará M G， et al. Use of neural networks for monitoring surface water quality changes in a neotropical urban stream ［J］. Environmental Monitoring and Assessment， 2009， 155（1-4）： 527-538.

［26］ 袁靜， 王令軍， 徐劍平， 等. 大櫻桃大棚小氣候特征分析及預(yù)報［J］. 中國農(nóng)學(xué)通報， 2015， 31（19）： 173-179.

Yuan Jing， Wang Lingjun， Xu Jianping， et al. Characteristics analysis and forecast of microclimate in greenhouse for sweet cherry ［J］. Chinese Agricultural Science Bulletin， 2015， 31（19）： 173-179.

［27］ 肖楊， 王冠， 袁淑杰， 等. 不同天氣類型下大棚葡萄溫濕度預(yù)報模型［J］. 農(nóng)學(xué)學(xué)報， 2021， 11（5）： 91-96.

Xiao Yang， Wang Guan， Yuan Shujie， et al. Temperature and relative humidity forecast model of greenhouse grape under different weather types ［J］. Journal of Agriculture， 2021， 11（5）： 91-96.

［28］ 劉煥， 楊延杰， 史宇亮， 等. 膠東地區(qū)日光溫室周年溫濕度變化規(guī)律分析及預(yù)測［J］. 中國農(nóng)業(yè)科技導(dǎo)報， 2021， 23（12）： 136-144.

Liu Huan， Yang Yanjie， Shi Yuliang， et al. Analysis and prediction on the annual temperature and humidity change of solar greenhouse in Jiaodong area ［J］. Journal of Agricultural Science and Technology， 2021， 23（12）： 136-144.

［29］ 于明英， 肖娟， 邱照寧， 等. 不同天氣條件對沙培日光溫室小氣候的影響［J］. 北方園藝， 2017（9）： 42-45.

Yu Mingying， Xiao Juan， Qiu Zhaoning， et al. Effect of different weather condition on microclimate of sand cultured solar greenhouse ［J］. Northern Horticulture， 2017（9）： 42-45.

［30］ 常麗娜， 張林華. 日光溫室空氣溫度與土壤溫度的相關(guān)性分析［J］. 山東建筑大學(xué)學(xué)報， 2010， 25（6） ： 595-598， 618.

Chang Lina， Zhang Linhua. Correlation analysis of air and soil temperature in solar greenhouse ［J］. Journal of Shandong Jianzhu University， 2010， 25（6）： 595-598， 618.

［31］ 陳昱利， 張智優(yōu)， 劉巖， 等. 南京地區(qū)塑料大棚中空氣溫濕度日變化模型及驗證［J］. 江蘇農(nóng)業(yè)學(xué)報， 2011， 27（6）： 1344-1351.

Chen Yuli， Zhang Zhiyou， Liu Yan， et al. Models of daily changes in air temperature and relative humidity in vinyl house in Nanjing region and their validation ［J］. Jiangsu Journal of Agricultural Sciences， 2011， 27（6）： 1344-1351.

［32］ 魏瑞江， 王春乙， 范增祿. 石家莊地區(qū)日光溫室冬季小氣候特征及其與大氣候的關(guān)系［J］. 氣象， 2010， 36（1） ： 97-103.

Wei Ruijiang， Wang Chunyi， Fan Zenglu. Microclimate characteristic under plastic sunlight greenhouse and relationship with macroclimate in Shijiazhuang region in winter ［J］. Meteorological Monthly， 2010， 36（1）： 97-103.

［33］ 葛建坤， 羅金耀. 春季溫室番茄內(nèi)外氣象要素變化規(guī)律初步研究［J］. 中國農(nóng)村水利水電， 2013（3）： 82-84， 87.

Ge Jiankun， Luo Jinyao. Research on the change rules of meteorological elements inside and outside greenhouse tomatoes in spring ［J］. China Rural Water and Hydropower， 2013（3）： 82-84， 87.

［34］ 楊麗中， 朱曉虎， 束正勇， 等. 東臺西瓜大棚內(nèi)外溫度關(guān)系及高低溫預(yù)警方法研究［J］. 氣象， 2012， 38（2）： 228-233.

Yang Lizhong， Zhu Xiaohu， Shu Zhengyong， et al. Study on temperature of watermelon greenhouse and high-low temperature waring method in Dongtai， Jiangsu province ［J］. Meteorological Monthly， 2012， 38（2）： 228-233.