設施番茄溫室風口開關時間參數研究*

于玉婷，徐光麗，柳平增，王秀麗，張艷，王珅

(1. 山東農業大學信息科學與工程學院，山東泰安，271018； 2. 山東農業大學農業大數據研究中心，山東泰安，271018； 3. 泰山學院數學與統計學院，山東泰安，271000)

0 引言

番茄在我國大宗蔬菜中占有舉足輕重的地位，是喜溫喜光的植物，按照番茄的生長和發育狀態可將其生長周期劃分為苗期、開花坐果期和結果期三個時期。其中苗期白天適宜生長溫度為25 ℃～28 ℃，夜間適宜溫度為13 ℃～17 ℃；開花坐果期白天適宜生長溫度為20 ℃～30 ℃、夜間為15 ℃～20 ℃；結果期白天適宜生長范圍為24 ℃～28 ℃、夜溫為12 ℃～20 ℃。作物的生長和發育反應的是一段時間內溫度的有效積累，而晝夜溫差對作物也具有相當程度的影響力[1]，因此番茄某一階段的生長發育除了與溫度區間有關外，還與有效積溫、晝夜溫差息息相關。研究表明，當番茄開花坐果期晝夜溫差處于+6 ℃～+12 ℃之間時，番茄葉片、葉柄、花、莖的蔗糖質量分數、游離氨基酸、可溶性蛋白以及干物質積累量隨溫差增大升高[2]。日均溫度在18 ℃左右時，番茄結果期維生素C含量、可溶性蛋白、番茄紅素的含量在晝夜溫差為+12 ℃時的結果較理想[3]，日均溫度在25 ℃左右時，有機酸含量在溫差+6 ℃時最低，VC含量、可溶性蛋白和番茄紅素在溫差為+6 ℃時效果最佳[4]。

通風是調節日光溫室內部環境的重要手段，也是改善日光溫室內濕熱環境的重要方式，對提高番茄的經濟效益起著至關重要的作用[5-7]。司慧萍等[8]通過流體力學的伯努利方程和連續性方程，由室內溫度、室外環境等多因素推導出了溫室風口動態開關模型。曹瑞紅等[9]針對華北地區日光溫室自動化程度低等問題設計了溫室風口和卷簾控制系統，以PID模糊控制為依據實現了溫室風口和棉被的自動控制。方慧等[10]通過多元線性擬合的流量系數和風壓體積系數研究了日光溫室在熱壓風壓耦合作用下的自然通風量模擬。Benni等[11]以溫度作為控制目標利用CFD研究溫室內微氣候變化，控制溫室通風口開度，旨在確定最佳通風配置和室內環境控制。Hou等[12]通過對比熱平衡法與水蒸氣平衡法測定溫室內換氣率的日變化，研究在種有番茄和無種植條件下最佳測定方法，為制定溫室控制策略提供了幫助。這些研究方法多將智能算法、PID、CFD模型等應用于溫室風口智能測控，實現溫室風口智能控制的基礎上對系統精度和性能提出了較高的要求，而適用于日光生產溫室的簡單便捷、實用性強、可靠性高的通風系統研究卻相對較少。

本試驗以增加番茄產量、實現定期上市、提升番茄經濟效益為目標對溫室自然通風開關時間進行研究，以人工控制為對照，結合番茄不同生長時期探究溫室風口開關時間與溫度、晝夜溫差及有效積溫的變化關系，也為設計出簡單、便捷適用于日光生產溫室的智能控制系統提供分析依據，為番茄產業智能化和數字化發展做出貢獻。

1 材料與方法

1.1 試驗材料

試驗溫室為新型日光溫室，東西長度70 m，南北寬度10 m，后墻高3.8 m，脊高5 m。溫室墻體采用磚加土壘基水泥加固；透光覆蓋材料為透光性強的無滴聚乙烯薄膜；溫室內共配有上下兩個通風口，下通風口位于距地面高為60 cm處，上通風口位于溫室頂部，通風口大小皆為1.3 m。

試驗番茄品種選擇番茄圣羅蘭3690，植株生長旺盛、果型圓潤、產量高、坐果能力強、具有抗死棵、抗病毒、耐低溫等優點且根系發達植株生長更加健壯，適合北方地區種植培養。番茄自2021年2月24日定植至2021年6月28日拉秧，其中苗期共29 d，開花坐果期19 d，結果期共計75 d，采摘時長共計30 d分16批采摘共得產量7 595.27 kg。

1.2 試驗方法

本試驗位于山東省泰安市山東農業大學綜合試驗基地，共定植番茄1 900株，種植行距和株距均為40 cm。試驗溫室內安裝智能測控設備，采集溫室內環境數據以及開關風口的時間，同時于溫室外空曠場所安裝室外環境監測設備，用于同步采集室外環境。試驗設備選用山東農業大學自主研發的“神農物聯Ⅳ”物聯網系統，其中室內環境采集設備安裝于溫室中部，高度為1.2 m，傳感器安放位置無遮擋，數據采集頻率為5 min/次，主要以空氣溫度采集為主。控制設備安裝于溫室操作間，主要用于溫室風口開關控制與反饋檢測；室外環境采集設備安裝于溫室外較空曠場地，與室內設備采集頻率保持一致主要以采集室外空氣溫度為主。

不同通風時間形成的溫室環境差異較大，合理的通風有利于加快春茬番茄上市時間，提升番茄經濟效益[13]。因此本試驗以番茄開花坐果期和結果期研究為主，通過對溫室風口的調控改善溫室環境變化，加快番茄坐果、增加番茄產量。開花坐果期選取2021年4月1—19日期間除特殊(暴雨)天氣外的18 d 數據；結果期選取2021年4月20日—5月13日期間的13 d數據，其余時間受夏季高溫氣候影響風口狀態為常開。風口打開后依據當日天氣狀況設置風口開度，采用SPSS25.0和R語言對試驗數據進行分析。

1.3 相關理論分析

作物生長發育與某一時間段的溫度變化與溫度積累有關，而番茄植株某些生態特征受到晝夜溫差影響顯著，因此本研究以溫度變化為主，以晝夜溫差和有效積溫為輔，建立多元回歸模型預測開/關風口時的基礎溫度，確定了溫室風口開關時間。打開和關閉通風口的時間會影響溫室溫度變化，同樣對晝夜溫差及有效積溫產生影響，從而影響番茄的生長和發育，因此溫室風口開關時間應該根據作物種類以及外界環境做出綜合考慮[14-16]。

1.3.1 風口關閉時間理論分析

風口關閉后，溫室內溫度變化較白天平穩，夜間溫室的主要熱量來源于白天的熱量積累，同時也會受到外界氣溫變化和番茄自身特性的影響，因此夜間室內降溫幅度主要受到關風口時的基礎溫度以及外界氣溫變化的影響。此外溫室風口關閉時間的選取還應以番茄不同生長時期的適宜生長溫度為標準，因此本文選取關閉風口時的基礎溫度yg、當日室外最高溫度η1、當日室內最高溫度η2、次日凌晨室外最低溫度η3、次日凌晨室內最低溫度η4進行多元回歸分析，保證溫室溫度變化水平在番茄適宜生長的范圍內，同時以晝夜溫差為約束，保障有效積溫達番茄各生長階段生長需求水平。

1.3.2 風口打開時間理論分析

風口的打開時的基礎溫度會受到夜間溫度積累、外界環境變化、番茄生長發育要求的影響。因此以風口打開時的基礎溫度yk、當日室外最高溫度θ1、當日室內最高溫度θ2、當日凌晨室內最低溫度θ3、當日凌晨室外最低溫度θ4為變量進行多元回歸分析，由基礎溫度yk確定溫室風口打開時間，以晝夜溫差為調節約束，保障番茄的正常生長與發育。

2 結果與分析

2.1 風口關閉時間參數分析

2.1.1 開花坐果期風口關閉時間參數分析

對番茄開花坐果期內溫室風口關閉時間進行分析，本試驗番茄的開花坐果期自2021年4月1—19日共計19 d，除去特殊天氣(暴雨)外累積18 d數據，選用SPSS25.0和R語言對關閉風口時的基礎溫度yhg、當日最高室外溫度α1、當日室內最高溫度α2、次日凌晨室外最低溫度α3、次日凌晨室內最低溫度α4進行相關性分析，經過相關性調節結果見表1，最后得當日最高室外溫度α1與關閉風口時基礎溫度yhg、當日室外溫差(α1-α3)、室內外最低溫度溫差的平方(α4-α3)2、室內外最高溫度的溫差(α2-α1)相關性顯著，為方便計算將參與回歸的變量重新定義。

Y1=α1

(1)

X1=yhg

(2)

X2=α1-α3

(3)

X3=(α4-α3)2

(4)

X4=α2-α1

(5)

表1 開花坐果期風口關閉相關性檢驗Tab. 1 Correlation test of closed vents during flowering and fruit-setting period

根據表1可將當日最高室外溫度Y1作為因變量，關閉風口時基礎溫度X1、當日室外溫差X2、室內外最低溫度溫差的平方X3、室內外最高溫度的溫差X4作為自變量通過R語言中lm()函數進行多元回歸分析，得到回歸方程

Y1=1.225X1+0.48X2-0.28X3-0.111X4-4.067

(6)

對模型進行F檢驗與T檢驗，X4與X3并未通過T檢驗，使用update函數對回歸方程進行修正同時觀察T檢驗結果、修正判定系數、殘差的標準誤的結果，修正過程見表2。

第一步獲得原方程中X3與X4的T檢驗結果，可知二者皆未通過檢驗。第二步將變量X4修正為X42得到X3與X4的T檢驗結果有所下降但仍然顯著性不高，修正判定系數(0.837 8)大于第一步的修正判定系數(0.829 2)，殘差的標準誤(1.661)小于第一步的殘差標準誤(1.705)，因此修改后的模型性能有所提高。第三步在第二步的基礎上去除變量X4，得到X3的T檢驗顯著，修正判定系數與殘差標準誤有所波動但幅度不大。修正后的檢驗結果見表3。

表2 回歸模型修正過程Tab. 2 Regression model revision process

表3 番茄開花坐果期回歸系數與顯著性檢驗Tab. 3 Regression coefficient and significance test at flowering and fruiting stage of tomato

最終得到修正判系數R2為0.836 6，均方根誤差(RMSE)為0.941 3，得到最終的回歸方程

Y1=1.312X1+0.488 4X2-0.035X3-6.011 75

(7)

將式(1)～式(5)代入式(7)整理后得關閉風口時基礎溫度yhg與當日最高室外溫度α1、次日凌晨室外最低溫度α3、次日凌晨室內最低溫度α4的回歸方程

yhg=0.026 7α32+0.026 7α42-0.053 4α3·α4+

0.389 9α1+0.372 3α3+4.582 1

(8)

2.1.2 結果期風口關閉時間參數分析

番茄結果期風口關閉時間分析方法同理，本試驗番茄結果期自2021年4月20日—6月28日拉秧結束共計69 d。由于夏季天氣炎熱，自5月中旬起除遇到特殊天氣(暴雨、臺風等)風口皆處于常開狀態，不具有研究意義，因此本試驗只研究番茄結果前期13 d風口開關時間。

運用SPSS25.0對番茄結果期關閉風口時的基礎溫度ygg、當日室外最高室溫度β1、當日室內最高溫度β2、次日凌晨室外最低溫度β3、次日凌晨室內最低溫度β4進行相關性分析，結果見表4得到當日室內最高溫度β2與室內溫差(β2-β4)、當日室外最高溫度β1、關風口時的基礎溫度與次日凌晨室內最低溫度的差(ygg-β4)相關性較強，因此自變量與因變量間具有相應的統計學意義。

為方便計算對各變量進行重新定義

Y2=β2

(9)

M1=β1

(10)

M2=β2-β4

(11)

M3=ygg-β4

(12)

表4 結果期風口關閉相關性檢驗Tab. 4 Correlation test of closed vents during fruit period

因此將當日室內最高溫度β2作為因變量Y2，將當日室外最高溫度β1、室內溫差(β2-β4)、關風口時的基礎溫度與次日凌晨室內最低溫度的差(ygg-β4)分別作為M1、M2、M3三個自變量做回歸分析，得到回歸方程

Y2=0.314 6M1+0.864 1M2-0.610 4M3+10.275 3

(13)

由表5可得，模型所得各系數t檢驗結果顯著，所得修正判定系數R2為0.981 4，殘差的標準誤為0.675 9，均方根誤差RMSE為0.332 6，F檢驗的P值<0.001因此可判定模型可用性較強。

表5 番茄結果期回歸系數與顯著性檢驗Tab. 5 Regression coefficient and significance test of tomato fruit period

將式(9)～式(12)代入式(13)最終得關閉風口時基礎溫度ygg與當日最高室外溫度β1、當日室內最高溫度β2次日凌晨室內最低溫度β4的回歸方程

ygg=0.515 4β1-0.212 2β2-0.415 6β4+16.833 7

(14)

2.2 風口打開時間參數分析

2.2.1 開花坐果期風口打開時間參數分析

對番茄開花坐果期風口打開時間進行研究，用SPSS25.0對風口打開時的基礎溫度yhk、當日室外最高溫度γ1、當日室內最高溫度γ2、當日凌晨室內最低溫度γ3、當日凌晨室外最低溫度γ4進行相關性分析，經過調整得到當日凌晨室內最低溫度γ3與風口打開時的基礎溫度yhk、當日凌晨室外最低溫度γ4、當日室內溫差(γ2-γ3)、當日室外溫差的平方(γ1-γ3)2相關性顯著，其相關性分析結果見表6。為方便計算對各變量進行重新定義

Y3=γ3

(15)

N1=yhk

(16)

N2=γ4

(17)

N3=γ2-γ3

(18)

N4=(γ1-γ4)2

(19)

對通過相關性檢驗的變量進行回歸模型分析，使用R語言中lm()函數以及update()函數對模型進行修正，對未通過T檢驗的變量N1進行平方處理，處理結果顯示T檢驗結果仍不顯著。由于變量N4為極顯著狀態故刪除N1的平方(N12)后添加N1與sqrt(N4)的交叉相乘項(N1*sqrt(N4))，至此各自變量皆通過了檢驗。修正后判定系數R2明顯升高，殘差標準誤明顯降低因此模型性能有所提升如表7所示。

表6 開花坐果期風口打開相關性檢驗Tab. 6 Correlation test of opened vents during flowering and fruit-setting period

表7 模型優化效果對比Tab. 7 Comparison of model optimization effects

將符合標準的數據進行共線性檢驗，通過R語言中的kapaa()函數進行診斷，由共線性檢驗結果表8知N4的VIF=13.062結果大于10，因此變量N4與其他變量之間存在著共線性因素，故采用R語言中step()函數進行逐步回歸分析。

表8 多重共線性檢驗結果Tab. 8 Results of multicollinearity test

模型修正后的各系數檢驗結果見表9由結果可得各自變量的T檢驗顯著性明顯提升，最終修正后判定系數(R2)為0.911 3，殘差標準誤為0.946 4，均方根誤差(RMSE)為0.237 4，因此可得回歸方程

0.742 99N3+5.540 79

(20)

將式(15)～式(19)代入式(20)整理后得風口打開時基礎溫度yhk與當日室外最高溫度γ1、當日室內最高溫度γ2、當日凌晨室內最低溫度γ3、當日凌晨室外最低溫度γ4的回歸方程

(21)

表9 開花坐果期系數顯著性分析Tab. 9 Significant analysis of coefficient at flowering and fruit-setting period

2.2.2 結果期風口打開時間參數分析

同理對番茄結果期溫室風口打開時間進行分析，通過對風口打開時的基礎溫度ygk、當日室外最高溫度δ1、當日室內最高溫度δ2、當日凌晨室內最低溫度δ3、當日凌晨室外最低溫度δ4進行相關性分析。結果得當日室內溫差(δ2-δ3)與當日室內最高溫度與風口打開時的基礎溫度的差值(δ2-ygk)、當日室內最高溫度δ2、當日室外溫差(δ1-δ4)相關性顯著，其相關性分析結果見表10，為方便計算對變量進行重新定義

Y4=δ2-δ3

(22)

Q1=δ2-ygk

(23)

Q2=δ2

(24)

Q3=δ1-δ4

(25)

表10 結果期風口打開相關性檢驗Tab. 10 Correlation test of opened vents during fruit period

將當日室內溫差(δ2-δ3)作因變量Y4，當日室內最高溫度與風口打開時的基礎溫度的差值(δ2-ygk)、當日室內最高溫度δ2、當日室外溫差(δ1-δ4)做自變量(Q1、Q2、Q3)最回歸分析得到回歸結果

Y4=0.979 8Q1+0.388 3Q2+0.309Q3-4.452

(26)

由表11知自變量Q1、Q2、Q3的t檢驗結果顯著，回歸方程F檢驗小于0.001呈顯著狀態，修正后判定系數R2為0.951 3，殘差標準誤為1.094，均方根誤差RMSE為0.373 9，由此可得模型效果較優。將式(22)～式(25)代入式(26)得最終結果

ygk=0.813 6δ1-0.610 6δ2+2.633δ3-

0.813 6δ4-11.722

(27)

表11 結果期系數顯著性分析Tab. 11 Coefficient significance analysis in the result period

2.3 模型驗證

在番茄開花坐果期和結果期各隨機選取了7 d數據驗證番茄溫室風口打開模型和關閉模型的精準性，對比預測值與實際值的差值可知預測模型效果較理想，對比結果見表12、表13，由此可得該模型適用于本試驗溫室風口開關時間的預測。

2.3.1 開花坐果期模型驗證分析

利用天氣預報播報的溫室外界最高、最低溫度值與番茄開花坐果期期望溫室最低溫度t低與期望溫室最高溫度t高代入式(8)和式(21)得到開花坐果期內風口打開和關閉時的基礎溫度，根據基礎溫度可確定溫室風口打開和關閉時間[14]。期望溫室最高溫度t高∈[20,30]，在合適范圍內，t高=max{次日凌晨室內最低溫度+6 ℃，次日凌晨室內最低溫度+12 ℃}，t低∈[15,20]，t低=min{當日室內最高溫度-12 ℃，當日室內最高溫度-6 ℃}。

由表14可見，按照常規人工控制關閉通風口室內最低溫度約有42.86%時間低于番茄開花坐果期適宜生長范圍，且約有71.43%天數晝夜溫差達不在+6 ℃～+12 ℃范圍內，而模型預測的控制風口關閉時間有效改善了溫度變化，同時使得晝夜溫差處于合理范圍內，保障了開花坐果期番茄葉片、葉柄、花、莖的蔗糖質量分數、游離氨基酸、可溶性蛋白以及干物質的積累。

表12 開花坐果期預測數據與真實數據對比Tab. 12 Comparison between predicted data and real data of flowering and fruit-setting period

表13 結果期預測數據與真實數據對比Tab. 13 Comparison between predicted data and real data in the result period

表14 開花坐果期風口關閉數據結果驗證Tab. 14 Verification of tuyere closing data at flowering and fruit-setting period

同理見表15，打開通風口時有42.86%的日最高溫度高于番茄開花坐果期適宜生長范圍，約有28.57%晝夜溫差不在合理范圍內，回歸模型控制風口打開時間則有效地改善了上述問題。可見回歸模型不僅能使得室內最低和最高溫度在適宜范圍內，還能有效調節室內晝夜溫差，使番茄生長和發育達到預期效果。

表15 開花坐果期模型控制與人工控制結果對比Tab. 15 Comparison between model control and artificial control results at flowering and fruit-setting period

2.3.2 結果期模型驗證分析

本研究番茄結果期日平均溫度分布范圍大多位于15 ℃～25 ℃，因此番茄結果期適宜晝夜溫差為+6 ℃～+12 ℃，以溫差為依據驗證番茄結果期模型控制的效果。將番茄結果期的天氣預報播報的溫室外界最高、最低溫度值與番茄結果期期望溫室最低溫度t低與期望溫室最高溫度t高代入式(14)和式(27)，期望溫室最低溫度t低∈[12,20]，當日平均溫度處于15 ℃～20 ℃之間，取t低=min[當日室內最高溫度-12 ℃，當日室內最高溫度-6 ℃]，當日平均溫度位于20 ℃～25 ℃之間取t低=max[當日室內最高溫度-12 ℃，當日室內最高溫度-6 ℃]。同理期望溫室最高溫度t高∈[24,28]，當日平均溫度處于15 ℃～20 ℃ 之間時，取t高=max[次日凌晨室內最低溫度+6 ℃，次日凌晨室內溫度+12 ℃],當日平均溫度位于20 ℃～25 ℃之間時，取t低=min[次日凌晨室內最低溫度+6 ℃，次日凌晨室內最低溫度+12 ℃]。番茄結果期風口關閉試驗數據如表16、表17所示。

表16 結果期風口關閉數據結果驗證Tab. 16 Verification of tuyere closing data in the result period

表17 結果期模型控制與人工控制結果對比Tab. 17 Comparison of model control and manual control results in the result period

如表16所示在人工控制風口關閉情況下約有28.57%的天數室內最低溫度低于番茄結果期最佳生長溫度標準，約有85%的晝夜溫差不在合理范圍內，而在回歸模型控制有效改善了溫度變化范圍，同時使得晝夜溫差達結果期最佳生長標準，保障了番茄果實的品質。

同理見表17在人工控制風口打開情況下當日室內最高溫度幾乎都不符合番茄結果期合理生長范圍，有超過80%晝夜溫差超出結果期適宜范圍，但在模型控制下良好地改善了這一現象，使得番茄生長溫度適宜，晝夜溫差合理，有效積溫達標，更加有利于番茄中VC含量、可溶性蛋白和番茄紅素等應用物質的積累。

3 結論

本試驗對番茄溫室風口開關時間進行了研究，結合室內外溫度變化規律以晝夜溫差和番茄適宜生長溫度為約束，建立了番茄不同生長時期溫室風口打開/關閉時間的回歸預測模型，結果如下。

1) 經驗證模型預測效果良好，番茄開花坐果期風口打開時間預測模型的修正后判定系數R2為0.911 3，殘差標準誤為0.946 4，均方根誤差為0.237 4，風口關閉時間預測模型的修正判系數R2為0.836 6，均方根誤差為0.941 3；番茄結果期風口打開時間預測模型的修正后判定系數R2為0.951 3，殘差標準誤為1.094，均方根誤差為0.373 9，風口關閉時間預測模型的修正判定系數R2為0.981 4，殘差的標準誤為0.675 9，均方根誤差為0.332 6，預測結果較接近真實變化水平因此該方法適用于番茄溫室風口開關時間預測。

2) 在番茄開花坐果期，相較于人工控制，模型控制風口打開有效改善了近42.86%的不合理溫度，使得近71.43%的晝夜溫差符合該時期番茄根、莖、葉等營養物質積累要求；模型控制與人工控制相對比，模型控制調理了近42.86%的不合理室內溫度，改善了近28.52%的不適宜晝夜溫差。

3) 番茄結果期，回歸模型控制風口打開保證了溫度變化閾值符合番茄果實對溫度的需求，同時優化了80%以上的不合理晝夜溫差；模型控制風口關閉改善了28.57%不適宜溫度和85%的不合理晝夜溫差，有效提升了番茄品質。綜上所述，利用回歸方法研究溫室風口開關時間為溫室智能調控提供了可借鑒的思路，有效提升了番茄經濟效益，為番茄產業數字化發展做出了貢獻。