文献类型： 中文期刊

作者： 李 珊珊 ¹ ; 赵 春江 ² ; 吴 华瑞 ² ; 韩 笑 ² ;

作者机构： 1.吉林农业大学信息技术学院/国家农业信息化工程技术研究中心/北京市农林科学院信息技术研究中心

2.国家农业信息化工程技术研究中心/北京市农林科学院信息技术研究中心

关键词： 潜在蒸散量;精准灌溉;双向长短期记忆网络;温室甘蓝

期刊名称：

ISSN： 1000-5684

年卷期： 2025 年 47 卷 3 期

页码： 540-548

摘要： 针对使用FAO-56推荐的Penman-Monteith方程进行潜在蒸散量（Reference Evapotranspiration，ET₀）计算时获取数据复杂、困难的问题，收集了秋茬温室甘蓝全生育期生长环境数据，在减少环境因子输入数量的情况下，提出将环境特征与时序特征融合的ET₀预测神经网络模型。通过卷积神经网络（Convalutional neural network，CNN）在空间特征提取上的优势和双向长短期记忆（Bidirectional long short term memory，BiLSTM）在时间特征提取上的优势，估算8种不同环境因子组合情况下的ET₀值，并与随机森林（RF）模型、支持向量机（SVM）模型、反向传播（BP）神经网络模型和双向长短期记忆（BiLSTM）网络模型在不同时间尺度（10，30 min）上的ET₀预测精度进行对比。结果表明：CNN-BiLSTM模型在不同时间尺度中具有最低的预测均方根误差和平均绝对误差，并且在仅输入太阳辐射强度参数时，预测精度优于多环境因子输入情况下的其他4种模型，为低成本温室甘蓝生产中的灌溉调度提供技术支持。