共查询到20条相似文献,搜索用时 375 毫秒
1.
为了实现番茄的稳产高产,建立了番茄温室环境因素监控系统,并将大数据统筹技术应用于优化番茄种植环境因素;建立了温度、湿度和光照强度传感器网络系统,采用WSN技术实现采集数据传输。测试WSN常用频率和节点距离对于信号RSSI强度和丢包率的影响,结果表明:频率780MHz、节点距离为80m时,为最优分布状态。采用大数据统筹分析的方法,对环境因素进行分析:①采用多元拟合的方法,建立不同生长时期环境因素和干物质累积量模型,F检验表明模型可靠性较高;②计算累积贡献率,确定不同生长时期,各环境因素重要性;③采用单因素分析法,分析花坐果期和结果期各环境因素对于番茄干物质累积的影响。分析表明:开花坐果期相对湿度保持在水平编码0状态,在保持充足温度的情况下,增加光合辐射量可以提高番茄干物质累积量;结果期温度、湿度和光合有效辐射量保持在较高水平,有利于番茄干物质累积。 相似文献
2.
利用人工气候室控制实验过程中光照强度和二氧化碳浓度,采用称重法和茎流计法测定柑橘树植株蒸腾过程中的单位时间的蒸腾速率,以期得出不同光照强度和二氧化碳浓度因素影响下的柑橘树植株蒸腾规律。研究结果表明:二氧化碳浓度单独影响下,植株蒸腾速率随二氧化碳浓度的升高先增加后减少,一般在500×10-6时开始下降;温度、湿度、二氧化碳浓度一定时,植株蒸腾速率在一定范围内随光照强度的增加而加快,但增长速度越来越慢,甚至出现减小趋势;光照强度和二氧化碳浓度同时变化时,植株在1个实验周期内蒸腾规律基本呈单峰曲线,光照强度越强,二氧化碳饱和点越高,蒸腾速率也越大,蒸腾速率变化也越快。 相似文献
3.
4.
针对目前温室环境系统中,环境监测数据只能反映当前环境状况,无法预测温室环境变化趋势,导致温室环境控制效果差的问题,提出一种基于Elman神经网络的温室环境因子预测方法。以采集的温室内温度、湿度以及二氧化碳浓度的历史数据作为预测模型的输入,建立Elman神经网络预测模型,进而实现精确的温室环境因子变化预测。结果表明,Elman模型优于BP和RBF模型,温度、湿度和二氧化碳浓度预测结果的均方误差分别为0.003 9、0.005 9和0.028 3,决定系数分别为0.991 5、0.967 8和0.973 9。该模型预测结果较理想,可以为温室环境调控提供一定的决策支持。 相似文献
5.
6.
7.
8.
温室环境-作物湿热系统CFD模型构建与预测 总被引:8,自引:0,他引:8
以栽有番茄的Venlo型两连栋玻璃温室为研究对象,对作物蒸腾和土壤蒸发与室内外环境因子之间的关系进行了分析。在充分考虑太阳辐射影响和室内水蒸气传输过程基础上,结合多孔介质模型,构建了求解温室环境〖CD*2〗作物湿热系统的CFD数学模型,并对边界条件的设置进行了探讨。采用Fluent软件对不同天气条件和种植密度温室内温度分布模式进行了3-D数值模拟与预测。结果表明:室内温、湿度模拟值与实测值平均相对误差分别为5.7%和2.1%,CFD模型有效,边界设置合理。晴天室内作物区平均温度较阴天时高1.6℃左右,相对湿度约低3%,太阳辐射对温、湿度分布有影响;双密度栽培作物区温度较单密度高0.8℃,相对湿度高19%。温室背风侧温、湿度略高于迎风侧,作物区温、湿度分布比较均匀,作物和土壤腾发作用对室内温、湿度分布有影响。 相似文献
9.
针对温室内不同时间、位置的环境参数存在变异性,且随天气与季节变化,日光温室冠层光照强度、空气温度和空气相对湿度的分布差异性问题,构建了基于无线传感器网络的环境监测系统。环境感知节点部署在作物冠层位置,集成了光照强度、空气温湿度等传感器。首先,基于实时采集的温室环境数据,采用反距离加权算法进行插值分析,得到环境参数的离散曲面;其次,通过基于质心坐标的K-means聚类算法,得到了温室内连通及非连通区域的代表性特征点;最后,采用半变异函数与变异系数方法对温室环境的空间变异性与时间变异性进行分析。实验结果表明,夏季日光温室在下午表现为高温与高光照,08:00、16:00的光照强度分别为12:00的24.2%、72.9%,08:00的空气温度(27.7℃)较12:00、16:00低约6.0℃,对应的空气湿度(90%)高约30%。晴天最大光照强度分别为阴天、雨天的1.4倍和4.6倍,晴天、阴天最高空气温度高于雨天(29.5℃)约6℃,最小空气相对湿度远低于雨天(84%)。夏季日光温室晴天与阴天表现为高温和低湿,雨天表现为高湿和低光照。各环境参数中,光照强度的空间变异性最强,变程为10.34m。空气温湿度的空间变异性较弱,整体分布均匀。光照强度、空气温度和空气相对湿度的时间变异性均为中等变异程度。环境参数的特征点及时空变化规律有助于日光温室传感器的高效部署,为揭示作物与环境的交互作用提供了基础。 相似文献
10.
单栋塑料温室内多因子综合CFD稳态模拟分析 总被引:1,自引:0,他引:1
为分析单栋塑料温室内的综合环境:气流场、温度场、湿度场、CO2浓度场,建立了包括温室内外空间、室内作物和土壤层等的温室环境几何模型。将温室内的湿空气看作水蒸气、CO2和干空气的混合气体,在分析温室中太阳辐射、作物与环境的质热交换,动量及质能传递过程的基础上,对单栋塑料温室内的环境因子进行了稳态模拟。温室内热辐射传递过程采用蒙特卡罗法模拟方法;将室内作物简化为连续固体换热模型,采用剪应力输运模型(SST)表述温室内的空气紊流。结果显示:温室通风对温度、湿度和CO2分布的影响很大,温室内部上风向温度低,湿度小,同时CO2浓度也不高;温室下风向作物冠层的环境未达到优化状态;模型的预测值低于实测值,但变化规律相似,温度、湿度、CO2含量的预测相对误差分别低于8%、6%和7%。 相似文献
11.
12.
为了适应作物生长需求,需要对大棚温度进行精确控制.首先,建立包含多种环境因素的大棚温度模型;其次,采用模糊PID控制方法,建立了高精度的温度控制方法.综合考虑温室外环境温度、风速、太阳照射强度和室内湿度等因素,采用ARX方法建立温度模型.采用模糊PID控制方法,以温度变化量及其变化率为输入,PID调节量为系统输出,对温... 相似文献
13.
为解决目前温室群测控难、智能化程度低的问题,基于改进PSO算法提出一种多温室物联网群控终端变量协调控制方法。通过构建基于大数据的多温室分层分布式物联网群控集成系统,有效融合大数据技术、物联网技术、传感器技术以及智能控制技术,采用单个温室的多参数多变量协调控制方法,实现单温室智能化协调控制;通过加设总控制器,根据记录下的多温室作物生长环境参数变换情况,优化区间内浮点数的取值范围,当取值范围优化结果提升值比1%小,则停止寻优,将此时的最优参数输出,完成多温室群控终端变量协调控制。试验结果表明,稳定时设定的目标温度值的平均值为25.6℃,误差值为1.4℃,相对湿度平均值为47.60%RH,误差值为2.4%RH,光照强度和二氧化碳浓度也基本可以维持在一个较小的范围内波动,可在较短时间内将各项环境参数调控至温室预设目标环境参数值,提高多温室物联网群控终端变量智能化控制程度。 相似文献
14.
15.
针对当前我国农业设施化的发展需求,设计了一种适用于农业温室大棚的监控系统。该系统以STC89C52单片机为核心,以DHT11温湿度传感器为温湿度采集单元,以AH2003为光照强弱采集单元,由温湿度检测、温湿度控制、照度检测、照度控制和上位机系统等组成,实现对棚内环境的监测、调节。测试表明棚内的温度、湿度、光照强度和光照时间均符合植物最佳生长条件。 相似文献
16.
17.
18.
海南地区几种常见设施大棚热环境参数试验研究 总被引:1,自引:0,他引:1
海南地区热带岛屿型气候特征使得栽培设施具有独特的特点。为此,通过以岛内常见设施类型(圆拱形薄膜温室、防雨大棚、防虫网棚等)为研究对象,系统地研究了其温度、湿度、光照强度等热环境参数的变化趋势。研究表明:各类设施内温度场受室外温度影响较大,圆拱形薄膜温室室内外最高温差达到6℃、防雨大棚为3.7℃,圆拱形薄膜温室室内最高温度达4 3.9℃;防虫网棚室内外温差较小;防虫网平棚内部相对湿度最高,其他两种温室室内相对湿度均低于室外;防虫网棚的透光率高于膜覆盖的防雨大棚和薄膜温室。由此可见:防雨棚和防虫网棚更适合海南地区夏秋季的设施生产,可根据栽培作物是否要求防暴雨来选择防雨棚和防虫网棚。 相似文献
19.
20.
基于无线传感网的设施环境二氧化碳精准调控系统 总被引:1,自引:0,他引:1
设计了一套基于无线传感网的设施环境二氧化碳精准调控系统,包括主控节点、监测节点及补施节点,通过Zig Bee协议实现节点间信息交互。监测节点实时获取设施内多点二氧化碳浓度、温度、光照数据;主控节点根据作物各阶段最适生长环境,结合温度与光照阈值,动态计算二氧化碳浓度目标值与实时值之间的差值作为调控参数,采用反馈控制实现二氧化碳动态调控;为改善以往设施二氧化碳补施不均的普遍现象,设施中气体扩散管道采取双M型布置方式,设计开孔大小不同的二氧化碳扩散孔,由补施节点配合对流装置控制各小区域的二氧化碳排放量,达到均匀和定量补施的目的。实地布置和试验表明基于无线传感网的设施环境二氧化碳调控系统可实现稳定可靠运行,以设施番茄为研究对象,在面积36.66 m~2日光温室内补施目标值与实时值的相对误差小于3.5%,在面积27.74 m~2玻璃温室内验证监测节点间二氧化碳浓度变异系数小于2.93%,证明本系统可实现二氧化碳精准及均匀补充。 相似文献