本书在认真总结和归纳国内外有关温室大棚小气候变化规律、温室作物需水规律、需水量计算模型、室内节水灌溉管理措施等方面大量文献的基础上，依托湖北省水利厅节水灌溉试验示范基地和华北水利水电大学河南省农业高效节水重点实验室，对温室内主要作物（茄子、黄瓜、番茄）开展了系列田间观测工作，并对温室小气候特征、作物需水量计算方法等进行了深入、系统的理论和应用研究。主要内容包括：绪论，温室作物需水量田间试验研究，温室番茄叶片蒸腾速率的变化规律以及基于PLS的蒸腾速率预测模型研究，基于水面蒸发法的温室作物需水量计算模型研究，作物系数法需水量计算模型研究，基于BP、Elman和GA-BP等神经网络的需水量计算模型研究等。本书所涉及的研究成果，对于实现我国温室大棚内的"精准"灌溉、科学管理、优质高产具有重要科学意义，具有十分广阔的应用前景。
更多科学出版社服务，请扫码获取。
目录
第1章 绪论 1
1.1 研究意义与目的 1
1.2 相关概念及说明 3
1.2.1 我国主要栽培设施类型 3
1.2.2 温室大棚内节水灌溉技术 4
1.3 温室栽培中存在的主要问题 6
1.4 国内外研究现状与进展 8
1.4.1 膜下滴灌的节水效应 8
1.4.2 温室大棚内的微气候环境 9
1.4.3 膜下滴灌土壤水分运动及水肥调控 9
1.4.4 温室大棚内灌溉制度 10
1.4.5 温室作物需水规律和需水量 12
1.5 主要研究内容和方法 18
1.5.1 主要研究内容 18
1.5.2 研究方法 19
第2章 温室作物需水量田间试验 21
2.1 试验区基本情况 22
2.1.1 试验温室的结构特性 23
2.1.2 温室滴灌系统简介 24
2.1.3 试验作物品种 25
2.2 田间试验方案 25
2.2.1 试验设计 25
2.2.2 暗管排水布置 27
2.2.3 简易测坑布置 28
2.2.4 观测内容及仪器布置 29
2.3 试验主要仪器 30
2.3.1 时域反射仪 30
2.3.2 植物生长监测仪 31
2.4 水量平衡法推求温室膜下滴灌作物需水量 33
2.4.1 温室滴灌系统灌水利用系数确定 34
2.4.2 TDR实测土壤含水量计算原理 36
2.4.3 温室膜下滴灌土壤实际浸润深度计算方法 36
2.4.4 温室番茄膜下滴灌需水量计算方法确定 37
第3章 基于PLS的温室作物蒸腾速率预测模型 39
3.1 试验资料和方法 40
3.1.1 环境因子与蒸腾速率测量 40
3.1.2 快速称重法 40
3.2 温室番茄蒸腾速率的变化规律 41
3.2.1 温室番茄蒸腾速率的长系列变化 41
3.2.2 温室番茄蒸腾速率的日变化 42
3.2.3 温室番茄蒸腾速率与环境因子间的相关性分析 43
3.3 基于PLS的温室番茄蒸腾预测模型 46
3.3.1 偏最小二乘回归方法简介 46
3.3.2 偏最小二乘回归的建模步骤 50
3.3.3 温室番茄蒸腾速率的PLS预测模型 51
3.3.4 PLS回归模型的检验与分析 54
3.4 本章小结 56
第4章 水面蒸发法需水量计算模型 57
4.1 水面蒸发和需水量的变化规律 57
4.1.1 蒸发量、需水量的变化趋势 57
4.1.2 蒸发量、需水量的主要影响因子分析 58
4.1.3 蒸发量、需水量间相关性分析 59
4.2 水面蒸发法需水量计算模型验证 61
4.2.1 拟合结果 61
4.2.2 误差分析 63
4.3 本章小结 63
第5章 作物系数法需水量计算模型 65
5.1 需水量和作物系数年变化规律分析 65
5.1.1 作物需水量 65
5 .1.2 作物系数 67
5.2 需水量和作物系数月变化规律分析 69
5.3 作物系数法需水量计算模型验证 74
5.3.1 拟合结果 74
5.3.2 误差分析 74
5.4 本章小结 75
第6章 神经网络理论和MATLAB神经网络工具箱 77
6.1 神经网络简介 77
6.1.1 人工神经网络概述 77
6.1.2 人工神经网络模型 78
6.1.3 神经网络激活函数 79
6.1.4 神经网络模型分类 80
6.2 误差反向传播网络 81
6.2.1 BP网络结构 81
6.2.2 BP网络原理 81
6.3 Elman动态回归神经网络 84
6.3.1 Elman动态同归神经网络结构 85
6.3.2 Elman网络原理 86
6.4 MATLAB神经网络工具箱 88
6.4.1 MATLAB简介 89
6.4.2 BP网络的神经网络工具箱函数 91
6.4.3 MATLAB中BP网络的训练过程 93
6.4.4 Elman神经冈络工具箱函数 94
第7章 基于BP网络的温室作物需水量预测模型 97
7.1 BP网络算法 97
7.1.1 BP网络的限制与不足 97
7.1.2 BP网络的改进算法 98
7.2 基于L M算法的BP网络温室作物需水量预测模型 99
7.2.1 BP网络层数的确定 100
7.2.2 试错法确定隐含层神经元个数 100
7.2.3 网络学习参数的选取 100
7.2.4 BP网络设计 101
7.2.5 样本数据的处理 102
7.3 BP网络温室作物需水量预测模型的应用 103
7.3.1 温室茄子需水量预测 103
7.3.2 温室番茄需水量预测 111
7.3.3 温室黄瓜需水量预测 112
7.4 本章小结 113
第8章 基于Elman网络的温室作物需水量预测模型 115
8.1 Elman网络模型的原理 116
8.2 Elman网络设计 116
8.3 Elman网络温室作物需水量预测模型的应用 117
8.3.1 温室茄子需水量预测 117
8.3.2 温室番茄需水量预测 119
8.3.3 温室黄瓜需水量预测 120
8.4 BP网络模型和Elman网络模型对比 121
8.5 本章小结 121
第9章 基于GA-BP网络的温室作物需水量计算模型 123
9.1 GA-BP网络模型 123
9.1.1 BP网络的不足与优化 123
9.1.2 遗传算法简介 124
9.1.3 遗传算法在神经网络巾的应用 127
9.2 GA-BP网络在温室作物需水量预测模型中的应用 129
9.2.1 样本数据的处理 129
9.2.2 网络结构的确定 130
9.2.3 遗传算法优化网络参数 132
9.2.4 GA-BP网络模型的训练 133
9.2.5 模型的拟合与检验 134
9.3 本章小结 136
第10章 结论与展望 137
10.1 主要结论 137
10.2 创新点 139
10.3 展望 139
参考文献 141
书单推荐
