文献类型： 中文期刊

作者： 高海荣 ¹ ; 张钟莉莉 ² ; 岳焕芳 ³ ; 张馨 ⁴ ; 郭瑞 ⁴ ; 李志伟 ¹ ;

作者机构： 1.山西农业大学农业工程学院

2.北京市农林科学院智能装备技术研究中心

3.北京市农业技术推广站

4.农业农村部农业信息软硬件产品质量检测重点实验室

关键词： 盆栽生菜;作物系数;图像处理;贝叶斯优化;机器学习;作物蒸发蒸腾量

期刊名称： 山西农业科学

ISSN： 1002-2481

年卷期： 2022 年 50 卷 010 期

页码： 1482-1488

摘要： 准确估算作物系数(Kc)对于计算作物蒸发蒸腾量(ETc),实现精确有效的用水管理至关重要.为了及时掌握Kc的连续动态变化,进一步估算作物需水量来指导作物灌溉,采用超绿算法和最大类间方差法进行图像分割来提取生菜冠层覆盖度(PGC),并提出了基于贝叶斯优化XGBoost(Bayesian-XGBoost)的生菜Kc估算模型,为指导作物科学合理灌溉提供新途径.结果表明,全生育期内PGC呈先快速增长后趋于稳定的生长趋势,变化范围为10.38%~81.00%,日均增幅为1.56%,可有效反映Kc的变化趋势.以PGC作为输入所构建的Bayesian-XGBoost生菜Kc估算模型在迭代400次时达到最优估算效果,生菜幼苗期、莲座期、结球期的Kc分别为1.12、1.29和2.26,与实测值相比平均误差为2.13%.此外,进一步利用Penman-Monteith公式(PM公式)结合Kc估算模型实现了对生菜ETc的实时计算,得到了秋茬种植期的生菜日均ETc为2.38 mm/d.基于Bayesian-XGBoost的生菜Kc估算模型能够较好估算生菜Kc和作物需水量.