基于物联网和Deep-LSTM的茶树净光合速率动态预测模型

摘要：

茶树的光合作用是其基本生理过程之一,快速评估其光合作用速率能够为茶树的水分控制提供重要依据.该研究构建了茶树物联网环境信息监测系统,通过设置100％、85％、70％、55％土壤持水量的4组水分胁迫梯度,实现对茶树生长环境和生理参数的采集,建立了茶树水分胁迫指数(Crop Water Stress Index,CWSI)模型以量化茶树的水分胁迫程度,并研究茶树净光合作用速率(Net Photosynthetic Rate,Pn)的变化特点.在此基础上,构建了基于物联网和深度长短期记忆(Deep Long Short-term Memory,Deep-LSTM)的茶树净光合作用速率动态预测模型,将不同水分处理下的茶树生长环境参数、冠层温度和CSWI作为输入特征,构建多层LSTM单元形成深度LSTM网络,实现特征提取,并引入全连接层实现降维,对茶树在不同水分胁迫程度下的Pn进行预测,计算模型的均方根误差(RMSE)和决定系数(R2)以评估其性能表现,并与经典的反向传播神经网络(Back Propagation Neural Network,BPNN)模型进行了性能对比.结果表明,茶树物联网环境信息监测系统能够有效获取其环境参数.茶树冠气温差下限与饱和水汽压差的线性方程拟合度为0.866.Deep-LSTM模型对100％、85％、70％、55％土壤持水量的水分处理下的光合作用速率的预测的RMSE分别为0.304、0.280、0.157和0.160μmol/m2·s;其R2分别为0.846、0.875、0.893和0.954,而BPNN模型的RMSE分别为0.980、0.897、0.633、0.417μmol/m2·s,R2分别为0.516、0.355、0.315、0.432,表明Deep-LSTM模型能够有效预测茶树的Pn,同时其性能好于BPNN模型.该研究可为快速评估茶树光合作用速率提供可行的方法,并为利用水分胁迫和光合作用指定茶树亏缺灌溉策略提供数据支持.

关键词：物联网、光合作用、水分胁迫、茶树、CWSI

所属期刊栏目：38

分类号：S27(农田水利)

资助基金：广东省乡村振兴战略专项省级组织实施项目;广东省重点领域研发计划;广东省科技专项资金大专项+任务清单项目;广东省教育厅特色创新类项目;华南农业大学新农村发展研究院农业科技合作共建项目

在线出版日期：2022-04-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：159-168