导读:本文包含了温室小气候论文开题报告文献综述及选题提纲参考文献，主要关键词:膜下滴灌,地表滴灌,浅埋滴灌,环境因子
温室小气候论文文献综述
王泽[1]（2019）在《不同滴灌形式对沙培黄瓜温室小气候及其产量的影响研究》一文中研究指出植株的生长离不开“水、肥、气、热、光”这些环境因子的参与,研究温室内的环境因子变化对于日光温室内的植株生长以及小气候的调节具有重要意义。本文以沙培黄瓜为研究对象,重点研究了沙培条件下,膜下地表滴灌和膜下浅埋滴灌下日光温室内的环境因子(空气温度、空气湿度、CO_2浓度、地温、基质含水率)在不同天气下、时间和空间上的变化趋势,并对两种不同滴灌下的环境因子进行比较,对黄瓜的生长指标、品质以及产量进行分析,取得了如下研究成果:(1)两种滴灌形式对于环境因子的变化趋势影响较小,二者变化趋势一致。晴天、多云和雨天天气下膜下地表滴灌的温度较高,二者最大温差分别为3.66℃、3.02℃和1.32℃,阴天时段膜下浅埋滴灌温度较高,最大温差为2.41℃,且都发生在黄瓜生育期中期(6月5日-7月4日)。(2)两种滴灌形式的温度在空间上变化趋势一致,分布有差异。沿棚长(东西方向)晴天时段膜下地表滴灌的最高温度位置为棚后,膜下浅埋滴灌最高温度为棚前,二者在棚中1位置的最大温差为2.33℃;多云时段二者最高温度位置为棚后,二者在棚中1位置最大温差为4.22℃;阴天时段最高温度位置为棚后,最大温差位置为棚后位置,为1.63℃;雨天时段,各个位置温差差距较小,且棚内温度分布较为均匀。沿棚跨度,膜下地表滴灌的差异比膜下浅埋滴灌的差异大。晴天时,膜下地表滴灌的不同位置最大温差为4.9℃,膜下浅埋滴灌不同位置最大温差为1.56℃,二者相同位置的最大温差位置为棚角处,为3.18℃,且越靠近棚角,温度越高;多云时段,膜下地表滴灌的最大温差为4.38℃,膜下浅埋滴灌的最大温差为3.77℃,二者相同位置最大温差为1.12℃。阴天与雨天时段两种滴灌下的温差较小,棚内温度沿跨度方向阶梯状分布明显。沿棚高度方向上,晴天、多云及雨天时段棚内温度分布阶梯状明显,靠近棚顶以及作物冠层温度最高,两种滴灌下的最大平均温差位置位于棚底,分别为1.97℃、1.41℃和0.55℃;阴天时段二者最大平均温差位置为棚顶,为0.76℃。(3)湿度的变化在晴天与多云时段规律性较强,越靠近生育期后期,棚内湿度越高,不同滴灌下湿度差异较小,湿度的变化趋势呈现深谷“U”型。多云时段在沿棚长方向上,两种滴灌下的棚中1差异较大,其余位置差异较小。沿棚跨度与沿棚高度方向上两种滴灌下的湿度差异较小,棚内的湿度具有差异性,棚墙与棚底处与其余位置的差异较大。温度是造成该差异的主要原因。(4)晴天时段棚内的CO_2浓度变化呈现“U”型,棚内CO_2在白天差异性较小,在夜间由于植物的呼吸作用,差异性较大;两种滴灌下的相同位置CO_2浓度差异性都较大,且膜下地表滴灌下不同位置的CO_2浓度差异明显,最大浓度发生在棚后位置,膜下浅埋滴灌仅有棚后位置与其他两个位置差异明显,且最大浓度发生在棚前;多云时段CO_2浓度变化呈“V”型,二者差异与晴天相似。阴天与雨天时段CO_2浓度波动较大,但是棚内分布较为明显,膜下地表滴灌最大浓度为棚后,最小浓度为棚中1,膜下浅埋滴灌最大浓度为棚前,最小浓度为棚后,因此二者在棚后位置的CO_2差异较大。(5)两种滴灌形式下的地温在整个黄瓜生育期内具有明显变化,越靠近生育期后期,地温越大,但是一天内的温差越来越小,两种滴灌之间的地温无差异性。两种滴灌下的沙子含水率具有明显差异,不同天气下的含水率差值分别为1.53%,1.56%,3.4%,0.50%,一次灌溉后,膜下浅埋滴灌比膜下地表滴灌的含水率高了2.74%。(6)对黄瓜的生长指标、品质以及产量进行分析发现,浅埋滴灌下的最大株高为38.11cm,比地表滴灌的最大株高29.13cm高了30.8%,浅埋滴灌下的最大茎粗为6.428mm,比地表滴灌的最大茎粗5.692mm高了12.9%。不同滴灌形式下的的叶长与叶宽的生长之间存在着显着差异性。品质方面,除了水溶性糖以外,2种滴灌形式下黄瓜的干物质以及维生素C含量无显着性差异,而浅埋滴灌比地表滴灌的水溶性糖含量提升了28.6%。在整个生育期内,浅埋滴灌的产量总是高于地表滴灌,在前中后期,浅埋滴灌的产量分别提高了27.6%、8.7%和24.1%,总产量提高了10.9%,且盛瓜期都处于中期。故对于沙培黄瓜种植来说,膜下浅埋滴灌更适用。(本文来源于《太原理工大学》期刊2019-05-01）
张晓月,李荣平,王莹,李琳琳,张琪[2]（2018）在《日光温室小气候要素预报模型研究》一文中研究指出了解日光温室小气候要素变化规律,建立小气候要素预报模型,可以对日光温室资源合理开发,为日光温室小气候调控提供依据。应用辽宁省沈阳市东陵区日光温室暖棚内农田小气候观测仪采集的逐小时气温、相对湿度数据,将冬季、春季、秋季和晴天、多云、阴天几种情况进行组合,计算棚内日最高气温、日最低气温、日平均相对湿度,分析其变化规律,并利用自动气象观测站数据,建立基于逐步回归方法的预报模型。分析结果表明,日光温室内日最高气温和日最低气温呈现春季、秋季温度值接近,冬季明显低于春秋两季的特征;而冬季日平均相对湿度高于春秋两季。日最高气温具有显着的从晴天至多云至阴天减少的变化特征,日最低气温特征不如日最高气温明显;日平均相对湿度为从晴天至多云至阴天增加的变化特征。所建立的日光温室小气候要素逐步回归预报模型,均通过了显着性检验,相关系数为0.608～0.933,相对误差范围为0.1%～19.0%,相对误差平均值为2.7%～9.9%。(本文来源于《中国农学通报》期刊2018年32期）
王静,刘志杰,韩玥,何超,高应翠[3]（2018）在《天津市秋延后萝卜温室小气候特征分析》一文中研究指出以天津市西青区沙窝萝卜设施生产的实际特点为出发点,充分考虑西青区温室秋延后沙窝萝卜的种植及管理特点,利用2016年9—12月日光温室内小气候的观测资料,分析不同天气状况下温室内小气候的变化特征。结果表明:在不同的天气条件下,日光温室每月气温日变化趋势相似。晴天时温室内的气温变化比阴天和多云天明显。温室内的空气相对湿度晴天低于阴天,白天低于夜间。日光温室内的土壤温度在晴天高于多云天和阴天,日变化趋势较平稳。(本文来源于《南方农业》期刊2018年26期）
张美玲,陈龙,辛明月,李俊和,殷红[4]（2018）在《盘锦地区冬季日光温室小气候预报模型研究》一文中研究指出利用2012年冬季日光温室内小气候和附近气象站观测资料,采用相关统计和逐步回归分析方法建立了冬季不同天气类型日光温室中小气候预报模型并对其进行了拟合检验。结果表明,不同天气状况下日光温室内小气候与外界气象条件的相关程度不同,影响室内小气候的因子也不相同。利用逐步回归和统计方法建立了冬季不同天气条件下日光温室小气候预报模型并进行了拟合检验,日光温室内日最高气温拟合平均绝对误差为1.5~2.8℃;日最低气温拟合平均绝对误差在0.5~1.3℃。两者的误差范围在±2℃左右,在预报范围内,预报效果较好。日最小相对湿度拟合平均绝对误差为1.2%~3.7%,预报效果较好。日最大总辐射拟合平均绝对误差为31.5~39.8 W/m~2。日最大总辐射拟合的平均相对误差较大,效果较差。(本文来源于《湖北农业科学》期刊2018年17期）
郁莹珺[5]（2018）在《基于物联网技术的温室小气候分析及其应用研究》一文中研究指出目前,我国大多数的温室仍以人工经验为依靠进行生产管理,无法科学掌握温室小气候变化,使得温室作物产量和经济效益偏低。因此,本文基于农业物联网技术,针对浙江地区温室,进行温室内小气候分析以及其应用研究。首先,设计并搭建了物联网温室监测系统,利用物联网技术,对温室中的环境数据进行实时、准确的获取。整个系统由无线采集节点、智能网关和控制中心组成。其中无线采集节点集成了各类传感器模块,负责采集环境数据;数据通过Zig Bee网络发送至网关节点,再通过智能网关转发到控制中心的服务器上,实现信息交互;控制中心完成温室环境数据的存储和显示等功能。其次,通过物联网温室监测系统进行温室环境要素的多点测量。以数据为基础,对温室小气候进行分析研究,描述了冬季不同天气条件下温室内光照强度、空气温湿度、土壤温度的变化特征,充分认识和理解温室小气候的时空分布情况。然后,提出了一种基于经验模态分解和小波神经网络(EMD-WNN)的温室温湿度短期预测模型。从研究对象的特性出发,结合各方法的优点,采用多算法融合的组合预测思路。结果表明,EMD-WNN组合模型有效地提高了温室温湿度短期预测的精度。最后,根据对温室小气候的分析,研究其应用模式。温室小气候分析不仅能在作物栽培管理方面提供可行的优化指导,而且可以为温室内环境调控提供理论依据。掌握温室小气候变化规律,使得温室生产和管理高效、均衡发展,从而促进现代化温室的可持续发展,让设施农业成为有干头的产业。(本文来源于《浙江农林大学》期刊2018-06-10）
周洁[6]（2018）在《基于Android平台的温室小气候环境管理App设计》一文中研究指出本课题是新型设施农业机械装备研制与开发项目中的一部分。课题研究的主要目的是将温室的环境管理系统应用到智能手机App上,方便用户对温室内部环境进行实时的监测和管理。这样不仅提高农民在农业生产中的工作效率,同时也避免了人力、财力以及资源的浪费,使得智能移动设备对温室环境的管理技术得到推广。本文设计了基于Android平台的温室小气候环境管理App,通过对系统整体的功能需求和架构的分析,确定了该App的可行性方案,实现了手机App上各个功能模块以及数据库系统的设计。其中功能模块主要包括数据监测管理、灌溉管理以及种植环境管理。基于该温室环境管理App,用户可以查看温室中任意时间段内的环境因子变化情况,获取CO_2浓度、光照强度、土壤的温湿度以及空气中的温湿度等数据;通过选择不同的灌溉路线对温室进行水肥灌溉,也可以对温室内部土壤的PH值、水肥的EC值、吸肥的比例以及水肥灌溉的时间进行设定;根据实际情况对温室内部的土壤类型、所需培育的农作物种类以及灌溉的方式进行选择。文中利用边折迭算法对温室内部的光温耦合的二氧化碳调控模型进行了简化,在监测出现故障时,可通过简化后的算法求得温室内部某个环境因子的参数,不会影响对数据的监测。基于Android平台的温室小气候环境管理软件的设计,实现了用户能够随时随地通过手机上的App应用软件,获得后台服务器所提供的温室内部某段时间内各个环境因素的数据,并根据所获取的这些数据信息,完成对温室内部环境以及水肥灌溉的调控,使得温室内部的农作物处于一个良好的生长环境,避免了人工管理时不能实时掌控温室内部环境情况的问题。(本文来源于《河北农业大学》期刊2018-06-03）
姚杰鹏[7]（2018）在《基于农业物联网的温室小气候环境监测系统的设计与节能研究》一文中研究指出近年来,温室种植技术得到了迅速的推广和应用,它提高了作物的产量,解决了农作物生长的季节问题。然而,由于温室作物对其种植环境要求较高,怎样对室内的温度、湿度及光照度等环境因素进行控制已成为人们正在研究和解决的重要课题。传统的温室监测与控制系统多采用有线连接,其纵横交错的复杂布线,往往造成使用不便、系统的安装维护困难和可靠性差等问题有线连接更多的被传统的控制系统与温室监测所使用,由于繁冗复杂的布线,常常会导致安装维护困难、使用不便和可靠性差的问题。最新的发展方向便是全面使用无线传输、嵌入式及智能控制技术去建造智能大棚。本文在系统架构模型和网络通信协议的基础上,描述了温室群监测应用系统的具体设计和实现方案,并研究了无线局域网中节能的方法。论文的主要研究内容是:从应用环境,环境配置、数据需求、传感器和监测方法、网络结构、网络容错性和实时性要求等角度分析无线局域网在农业应用上的特殊性。设计并实现了一种无线通信温室监测系统。系统采用ZigBee技术完成了连栋温室信息的采集与汇聚;基于GPRS移动网络实现了信息的无线远程传输;利用VC6.0,开发了基于Windows平台的显示系统。实验结果表明数据传输可靠、稳定,满足现代温室信息采集、传输和显示的需求。针对基于物联网的温室小气候环境监测系统,分析了温室监测子网的网络拓扑结构,发现节点间沉重的中继负载使节点死亡很快,导致网络服务中断。针对这一问题,提出了一种基于博弈论能耗均衡的分簇路由(GDCR)算法。该算法通过建立一个节点能量状态、密度和链路质量为效益的博弈模型,并通过纳什均衡来寻找能耗均衡、链路稳定性的最优传输链路。最后,对系统的功能进行了测试,结果表明:温度、空气湿度、光照度最终通过无线传输很好的在控制终端的界面上实时的显示。且满足系统设计的低延迟和稳定性的要求。(本文来源于《山西农业大学》期刊2018-06-01）
任守纲,刘鑫,顾兴健,王浩云,袁培森[8]（2018）在《基于R-BP神经网络的温室小气候多步滚动预测模型》一文中研究指出温室高效生产依赖于适宜的温室小气候环境,建立高精度的温室小气候多步预测模型对实现温室环境优化调控具有重要意义。本研究提出一种基于滚动的反向传播神经网络(Rolling Back Propagation Neural Network,R-BP)的温室小气候多步滚动预测模型。模型主要包括两个阶段:(1)建立初始的BP神经网络。采用自动编码器无监督学习方法获取初始网络参数,并利用改进的粒子群算法优化网络参数。(2)建立滚动的BP神经网络群。将前一个网络输出作为后一个网络的部分输入进行滚动训练和预测,实现温室小气候多步滚动预测。为验证R-BP模型的有效性,在阿拉伯联合酋长国阿布扎比市的自控温室和中国苏州市的非自控温室分别进行试验。验证试验表明,与传统BP神经网络相比,在阿布扎比温室试验中,采用R-BP模型预测未来6h室内温度,其平均误差降低69.9%,预测相对湿度,其平均误差降低47%;在苏州温室试验中,采用R-BP模型预测未来6h室内温度,其平均误差降低43.3%,预测相对湿度,其平均误差降低55.6%。说明R-BP模型能够较准确预测未来6h内温室小气候环境变化,可为制定温室小气候优化调控方案提供依据。(本文来源于《中国农业气象》期刊2018年05期）
方荣杰,朱晓锋,房军,莫华涛[9]（2018）在《地下滴灌系统日光温室小气候变化与黄瓜蒸腾作用耦合效应》一文中研究指出在日光温室地下滴灌系统内以黄瓜为研究对象,用20 cm微型蒸发皿对温室内的水面蒸发量进行测定,旨在研究温室内小气候变化和黄瓜蒸腾作用的耦合效应。结果表明:日光温室内黄瓜的蒸腾量随辐射量的增加、水汽压亏缺的加大和温度的升高而增加;影响程度表现为太阳辐射量>水汽压亏缺>日平均温度,且与20 cm蒸发皿蒸发量线性相关,绝对系数R2为0.872 5。研究结果可为治理农作物水资源短缺问题提供理论依据。(本文来源于《桂林理工大学学报》期刊2018年01期）
姚杰鹏,杨怀卿,杨华[10]（2017）在《基于物联网的温室小气候环境监测系统设计》一文中研究指出根据我国设施农业发展现状,基于物联网技术框架,设计并实现了一种无线通信温室监测系统。系统由温室环境信息采集子系统、无线远程传输子系统和显示子系统叁部分构成。采用ZigBee技术完成了连栋温室信息的采集与汇聚;基于GPRS移动网络实现了信息的无线远程传输;利用VC6.0,开发了基于Windows平台的显示系统。实验结果表明数据传输可靠、稳定,满足现代温室信息采集、传输和显示的需求。(本文来源于《农业网络信息》期刊2017年08期）
温室小气候论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
了解日光温室小气候要素变化规律,建立小气候要素预报模型,可以对日光温室资源合理开发,为日光温室小气候调控提供依据。应用辽宁省沈阳市东陵区日光温室暖棚内农田小气候观测仪采集的逐小时气温、相对湿度数据,将冬季、春季、秋季和晴天、多云、阴天几种情况进行组合,计算棚内日最高气温、日最低气温、日平均相对湿度,分析其变化规律,并利用自动气象观测站数据,建立基于逐步回归方法的预报模型。分析结果表明,日光温室内日最高气温和日最低气温呈现春季、秋季温度值接近,冬季明显低于春秋两季的特征;而冬季日平均相对湿度高于春秋两季。日最高气温具有显着的从晴天至多云至阴天减少的变化特征,日最低气温特征不如日最高气温明显;日平均相对湿度为从晴天至多云至阴天增加的变化特征。所建立的日光温室小气候要素逐步回归预报模型,均通过了显着性检验,相关系数为0.608～0.933,相对误差范围为0.1%～19.0%,相对误差平均值为2.7%～9.9%。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
温室小气候论文参考文献
[1].王泽.不同滴灌形式对沙培黄瓜温室小气候及其产量的影响研究[D].太原理工大学.2019
[2].张晓月,李荣平,王莹,李琳琳,张琪.日光温室小气候要素预报模型研究[J].中国农学通报.2018
[3].王静,刘志杰,韩玥,何超,高应翠.天津市秋延后萝卜温室小气候特征分析[J].南方农业.2018
[4].张美玲,陈龙,辛明月,李俊和,殷红.盘锦地区冬季日光温室小气候预报模型研究[J].湖北农业科学.2018
[5].郁莹珺.基于物联网技术的温室小气候分析及其应用研究[D].浙江农林大学.2018
[6].周洁.基于Android平台的温室小气候环境管理App设计[D].河北农业大学.2018
[7].姚杰鹏.基于农业物联网的温室小气候环境监测系统的设计与节能研究[D].山西农业大学.2018
[8].任守纲,刘鑫,顾兴健,王浩云,袁培森.基于R-BP神经网络的温室小气候多步滚动预测模型[J].中国农业气象.2018
[9].方荣杰,朱晓锋,房军,莫华涛.地下滴灌系统日光温室小气候变化与黄瓜蒸腾作用耦合效应[J].桂林理工大学学报.2018
[10].姚杰鹏,杨怀卿,杨华.基于物联网的温室小气候环境监测系统设计[J].农业网络信息.2017