摘要: 葉片濕潤時間（LWD）是植物病害模型的重要輸入變量之一，它與許多葉部病原菌的侵染有關，影響病原侵染和發育速率。為了準確地預測日光溫室黃瓜病害的發生時間和方位，本研究于2019年3月和9月在北京兩個不同類型日光溫室內按照棋盤格法設置了9個采樣點部署溫濕光傳感器和目測葉片濕潤時間，每隔1 h采集一次溫度、濕度、輻射和葉片濕潤數據進行定量估算分析。分析結果表明：BP神經網絡模型在兩個溫室的試驗條件下獲得了相似的準確度（ACC為0.90和0.92），比相對濕度經驗模型估算葉片濕潤時間的準確度（ACC為0.82和0.84）更高，平均絕對誤差MAE分別為1.81和1.61 h，均方根誤差RSME分別為2.10和1.87，決定系數R2分別為0.87和0.85；在晴天和多云天氣條件下，葉片濕潤時間的空間分布總體規律是南部＞中部＞北部，南面是葉片濕潤平均時間（12.17 h/d）最長的區域；由東向西方向上，葉片濕潤時間的空間分布總體規律是東部＞西部＞中部，中部是葉片濕潤平均時間（4.83 h/d）最短的區域；雨天的葉片濕潤平均時間比晴天和多云長，春季和秋季分別為17.15和17.41 h/d。這些變化和差異對溫室黃瓜種群水平方向的葉片濕潤時間分布具有重要影響，與大多數高濕性黃瓜病害的發生規律密切相關。本研究為預測溫室黃瓜病害分布提供了有價值的參考，對控制病害流行和減少農藥使用具有重要意義，提出的區域化分析溫室內葉片濕潤時間的方法，可以為模擬日光溫室葉片濕潤時間的空間分布提供參考。

　　關鍵詞: 日光溫室；估算模型；區域化；葉片濕潤時間;BP神經網絡；傳感器

　　1 引 言

　　植物表面的水是決定許多葉部病原菌能否侵染及產孢的關鍵因素[1]。大多植物病害爆發的風險與葉片濕潤時間（Leaf Wetness Duration，LWD）成正比[2]，通常將LWD作為驅動變量模擬植物病害的發展進程[3-5]。在日光溫室中，黃瓜葉片濕潤是由結露、棚膜滴水、上層葉向下層葉滴水等物理現象和吐水、蒸騰作用等生理現象造成的。根據Sentelhas等[6]和Gleason等[7]研究建議，每天的葉片濕潤時間誤差低于2 h可在病害預警系統中操作使用，原因是在一種作物的一個時期內，每天測得的葉片濕潤時間的變化經常超過2 h。由于冬季低溫寡照的災害天氣影響溫室的通風時間，極易在溫室內形成高濕環境，會誘發黃瓜霜霉病等流行性病害[8]，如黃瓜霜霉菌孢子囊在15~20℃下保濕2 h即可完成侵染過程[9]。因此，葉片濕潤時間的研究一直是國內外學者關注的熱點。

　　2 試驗材料和方法

　　2.1　田間試驗場地與材料

　　春季試驗于2019年3月至6月在北京市昌平區小湯山國家精準農業示范基地（以下簡稱“小湯山”）（北緯40.18°，東經116.47°）內進行。選取1間未重茬的日光溫室，日光溫室長、寬分別為50和7 m，以聚乙烯薄膜為采光材料。供試材料“京研迷你2號”黃瓜品種購于北京市農林科學院蔬菜中心。2月26日施有機肥（1750 kg）和復合肥（7.5 kg）。同時做壟，壟寬80 cm，壟間距60 cm，南北走向，每壟2行，共32壟。定植前用煙劑（異丙威）熏棚。兩葉一心時定植于栽培壟（3月5日）。

　　秋季試驗于2019年9月至11月在北京市房山區弘科農場北京市農林科學院示范基地（以下簡稱房山）（北緯39.63°，東經115.97°）內進行，日光溫室長、寬分別為80和7 m，采光材料為聚乙烯薄膜。種植品種為“北農佳秀”。8月25日施有機肥（1500 kg）。壟寬60 cm，壟間距60 cm，東西走向，每壟2行，共5壟。兩葉一心時定植于栽培壟（9月2日）。

　　小湯山溫室和房山溫室均為單屋面日光溫室，并且都未安裝加溫或降溫設備，灌溉方式均采用膜下滴灌。

　　2.2　傳感器布置

　　如圖1所示，在小湯山溫室和房山溫室中以棋盤格取樣法標記9個數據采集點，分別命名為A，B，C，D，E，F，G，H和I。在每個觀測點距地面1m處安置1個小氣候監測節點（ENVIROMONITOR，Davis Instruments, Hayward, California，USA）用于采集溫度、濕度、太陽輻射和葉片濕潤數據，設置每15 min記錄一次。溫室外放置1個與溫室內相同的氣象站，命名為J，傳感器高度為1.5 m，記錄溫室外的天氣狀況，時間間隔與溫室內保持一致。數據通過Wi-Fi傳輸下載收集。

　　3 結果與分析

　　3.1　葉片濕潤判斷結果

　　BPNN和RHM的平均輸出結果（表1）表明，在774次測試數據估算小湯山溫室內不同方位的葉片是否濕潤中，BPNN和RHM模擬到葉片出現濕潤且實際發生濕潤的次數分別為314次和224次，模擬到葉片未出現濕潤且實際也未發生濕潤的次數分別為383次和409次，模擬到葉片未出現濕潤但實際發生濕潤的次數分別為46次和136次，模擬到葉片出現濕潤但實際未發生濕潤次數分別為31次和5次，表明RHM容易出現誤判。平均BPNN真陽性比例（TP=0.87）高于平均RHM（TP=0.62），平均BPNN假陰性比例（FN=0.13）低于平均RHM（FN=0.38），BPNN比RHM預測發生葉片濕潤的準確度更高，漏報率更低。平均BPNN假陽性比例（FP=0.07）高于平均RHM（FP=0.01），平均BPNN真陰性比例（TN=0.93）低于平均RHM（TN=0.99），平均BPNN預測未發生葉片濕潤的準確度略低于平均RHM。平均BPNN準確度（ACC=0.90）優于平均RHM（ACC=0.82），平均BPNN約登指數（J=0.80）高于平均RHM（J=0.61），表明BPNN預測結果真實性高于RHM。

　　3.2　葉片濕潤時間估算模型的效果評估

　　圖2為兩個溫室內不同位置下BPNN和RHM估算值與實測值之間的葉片濕潤時間比較。在小湯山溫室和房山溫室的RHM結果中，數據偏離1:1直線，9個方位都存在超過連續2個小時以上葉片濕潤時間沒有被預測到的情況，最大偏差為12h。在BPNN結果中，小湯山和房山兩個溫室的預測值和實測值具有較好的對應關系，能夠準確地反映每晚葉片濕潤時間。

　　4 討論與結論

　　本試驗基于BPNN模型估算小湯山和房山溫室內各9個方位的葉片濕潤時間，平均絕對誤差MAE分別為1.81和1.61 h，與已報道的小麥[15]和番茄[17]有0.5 h左右的差距，原因可能是黃瓜葉片的濕潤特性與小麥和番茄不同[22]。盡管神經網絡模型沒有明確環境因子和葉片濕潤時間之間的關系變化，但它強大的特征提取能力非常適合在數據挖掘時實現對輸出數據的非線性擬合，所以仍可用于估算葉片濕潤時間[23]。日光溫室內夜間溫度由南向北逐漸升高，濕度與之相反，白天輻射由南向北依次減弱，中部溫度整天高于東西兩側[18,24]，本研究中濕潤時間的分布規律在南北向與溫度分布規律相反，與相對濕度和輻射分布規律相同，東西方向上中部溫度較高，濕潤時間較短，東部的溫室出入口使東部溫度低于西部，是東部濕潤時間高于西部的主要原因，雨天溫室內相對濕度大，易造成葉片濕潤，表明日光溫室環境因子的差異性會影響葉片濕潤時間。本研究使用了2019年3月至11月小湯山和房山兩個溫室的環境數據作為BPNN模型的測試數據，模擬效果較好，但BPNN模型能否預測不同季節和不同品種的黃瓜葉片濕潤時間還需要進一步驗證，后續可利用不同品種、不同年份和不同地區的實際葉片濕潤時間驗證模型，從而提高模型的泛化性[25,26]。

　　參考文獻:

　　[1] 李明, 趙春江, 李道亮, 等. 日光溫室黃瓜葉片濕潤傳感器校準方法[J]. 農業工程學報, 2010, 26(2): 224-230.

　　LI M, ZHAO C, LI D, et al. Calibration method of leaf wetness sensor for cucumber in solar greenhouse[J]. Transactions of the CSAE, 2010, 26(2): 224-230.

　　[2] SENTELHAS P C, GILLESPIE T J, GLEASON M L, et al. Evaluation of a Penman-Monteith approach to provide “reference” and crop canopy leaf wetness duration estimates[J]. Agricultural and Forest Meteorology, 2006, 141(2-4): 105-117.

　　作者劉鑒 1,2, 任愛新 1, 劉冉 1,2, 紀濤 1,2, 劉慧英 1*, 李明 1,2*

　　推薦閱讀：農業調研報告論文發表淺析溫室黃瓜高產栽培