基于冠层温湿度模型的日光温室黄瓜霜霉病预警方法

基于冠层温湿度模型的日光温室黄瓜霜霉病预警方法∗王㊀慧１，２㊀李梅兰１㊀许建平３㊀陈梅香２㊀李文勇２㊀李㊀明２∗∗（１山西农业大学园艺学院，山西太谷０３０８００；２国家农业信息化工程技术研究中心／农业部农业信息技术重点开放实验室／北京市农业物联网工程技术研究中心，北京１０００９７；３北京市丰台区植保植检站；北京１０００７０）摘㊀要㊀利用温室环境参数构建室内微环境模拟模型，并结合温室病害模型进行预警，便于开展病害生态防治，以减少农药使用，从而保护温室生态环境和保证农产品质量安全．本文利用温室内能量守恒原理和水分平衡原理，构建了日光温室冠层叶片温度和空气相对湿度模拟模型．叶片温度模拟模型考虑了温室内植物与墙体㊁土壤㊁覆盖物之间的辐射热交换，以及室内净辐射㊁叶片蒸腾作用引起的能量变化；相对湿度模拟模型综合了温室内叶片蒸腾㊁土壤蒸发㊁覆盖物与叶面的水汽凝结引起的水分变化．将温湿度估计模型输出值作为参数，输入黄瓜霜霉病初侵染和潜育期预警模型中，估计黄瓜霜霉病发病日期，并与田间观测的实际发病日期比较．试验选取２０１４年９月和１０月的温湿度监测数据进行模型验证，冠层叶片温度实际值与模拟值的均方根偏差（ＲＭＳＤ）分别为０．０１６和０．０２４ħ，空气相对湿度实际值与模拟值的ＲＭＳＤ分别为０．１５％和０．１３％．结合温湿度估计模型结果表明，黄瓜病害预警系统预测黄瓜霜霉病发病日期与田间调查发病日期相吻合．本研究可为黄瓜日光温室病害预警模型及系统构建提供微环境数据支持．关键词㊀日光温室；黄瓜；叶片温度；相对湿度；估计模型∗国家自然科学基金项目（３１４０１６８３）㊁中国气象局气候变化专项（ＣＣＳＦ２０１５２１）㊁天津市农业物联网区试工程项目（设施蔬菜智能识别与监测预警系统建设）和欧盟ＦＰ７项目（ＰＩＲＳＥＳ⁃ＧＡ⁃２０１３⁃６１２６５９）资助．∗∗通讯作者．Ｅ⁃ｍａｉｌ：ｌｉｍ＠ｎｅｒｃｉｔａ．ｏｒｇ．ｃｎ２０１４⁃１２⁃１９收稿，２０１５⁃０６⁃０９接受．文章编号㊀１００１－９３３２（２０１５）１０－３０２７－０８㊀中图分类号㊀Ｓ１６２．４；Ｓ４３１㊀文献标识码㊀ＡＡｎｅａｒｌｙｗａｒｎｉｎｇｍｅｔｈｏｄｏｆｃｕｃｕｍｂｅｒｄｏｗｎｙｍｉｌｄｅｗｉｎｓｏｌａｒｇｒｅｅｎｈｏｕｓｅｂａｓｅｄｏｎｃａｎｏｐｙｔｅｍｐｅｒａｔｕｒｅａｎｄｈｕｍｉｄｉｔｙｍｏｄｅｌｉｎｇ．ＷＡＮＧＨｕｉ１，２，ＬＩＭｅｉ⁃ｌａｎ１，ＸＵＪｉａｎ⁃ｐｉｎｇ３，ＣＨＥＮＭｅｉ⁃ｘｉａｎｇ２，ＬＩＷｅｎ⁃ｙｏｎｇ２，ＬＩＭｉｎｇ２（１ＣｏｌｌｅｇｅｏｆＨｏｒｔｉｃｕｌｔｕｒｅ，ＳｈａｎｘｉＡｇｒｉｃｕｌｔｕｒａｌＵｎｉｖｅｒｓｉｔｙ，Ｔａｉｇｕ０３０８００，Ｓｈａｎｘｉ，Ｃｈｉｎａ；２ＮａｔｉｏｎａｌＥｎｇｉｎｅｅｒｉｎｇＲｅｓｅａｒｃｈＣｅｎｔｅｒｆｏｒＩｎｆｏｒｍａｔｉｏｎＴｅｃｈｎｏｌｏｇｙｉｎＡｇｒｉ⁃ｃｕｌｔｕｒｅ／ＫｅｙＬａｂｏｒａｔｏｒｙｆｏｒＩｎｆｏｒｍａｔｉｏｎＴｅｃｈｎｏｌｏｇｉｅｓｉｎＡｇｒｉｃｕｌｔｕｒｅ，ＭｉｎｉｓｔｒｙｏｆＡｇｒｉｃｕｌｔｕｒｅ／ＢｅｉｊｉｎｇＥｎｇｉｎｅｅｒｉｎｇＲｅｓｅａｒｃｈＣｅｎｔｅｒｏｆＡｇｒｉｃｕｌｔｕｒａｌＩｎｔｅｒｎｅｔｏｆＴｈｉｎｇｓ，Ｂｅｉｊｉｎｇ１０００９７，Ｃｈｉｎａ；３ＦｅｎｇｔａｉＳｔａｔｉｏｎｏｆＰｌａｎｔＰｒｏｔｅｃｔｉｏｎａｎｄＱｕａｒａｎｔｉｎｅ，Ｂｅｉｊｉｎｇ１０００７０，Ｃｈｉｎａ）．⁃Ｃｈｉｎ．Ｊ．Ａｐｐｌ．Ｅｃｏｌ．，２０１５，２６（１０）：３０２７－３０３４．Ａｂｓｔｒａｃｔ：Ｔｈｅｇｒｅｅｎｈｏｕｓｅｅｎｖｉｒｏｎｍｅｎｔａｌｐａｒａｍｅｔｅｒｓｃａｎｂｅｕｓｅｄｔｏｅｓｔａｂｌｉｓｈｇｒｅｅｎｈｏｕｓｅｍｉｒｃｏ⁃ｃｌｉ⁃ｍａｔｅｍｏｄｅｌ，ｗｈｉｃｈｃａｎｃｏｍｂｉｎｅｗｉｔｈｄｉｓｅａｓｅｍｏｄｅｌｆｏｒｅａｒｌｙｗａｒｎｉｎｇ，ｗｉｔｈａｉｍｏｆｅｃｏｌｏｇｉｃａｌｃｏｎ⁃ｔｒｏｌｌｉｎｇｄｉｓｅａｓｅｓｔｏｒｅｄｕｃｅｐｅｓｔｉｃｉｄｅｕｓａｇｅ，ａｎｄｐｒｏｔｅｃｔｉｎｇｇｒｅｅｎｈｏｕｓｅｅｃｏｌｏｇｉｃａｌｅｎｖｉｒｏｎｍｅｎｔｔｏｅｎ⁃ｓｕｒｅｔｈｅａｇｒｉｃｕｌｔｕｒａｌｐｒｏｄｕｃｔｑｕａｌｉｔｙｓａｆｅｔｙ．Ｇｒｅｅｎｈｏｕｓｅｃａｎｏｐｙｌｅａｆｔｅｍｐｅｒａｔｕｒｅａｎｄａｉｒｒｅｌａｔｉｖｅｈｕ⁃ｍｉｄｉｔｙｍｏｄｅｌｓｗｅｒｅｅｓｔａｂｌｉｓｈｅｄｕｓｉｎｇｅｎｅｒｇｙｂａｌａｎｃｅａｎｄｍｏｉｓｔｕｒｅｂａｌａｎｃｅｐｒｉｎｃｉｐｌｅｉｎｓｉｄｅｔｈｅｇｒｅｅｎｈｏｕｓｅ．Ｔｈｅｌｅａｆｔｅｍｐｅｒａｔｕｒｅｍｏｄｅｌｃｏｎｓｉｄｅｒｅｄｒａｄｉａｔｉｏｎｈｅａｔｔｒａｎｓｆｅｒｂｅｔｗｅｅｎｔｈｅｇｒｅｅｎｈｏｕｓｅｃｒｏｐｓ，ｗａｌｌ，ｓｏｉｌａｎｄｃｏｖｅｒ，ｐｌｕｓｔｈｅｈｅａｔｅｘｃｈａｎｇｅｃａｕｓｅｄｂｙｉｎｄｏｏｒｎｅｔｒａｄｉａｔｉｏｎａｎｄｃｒｏｐｔｒａｎｓｐｉ⁃ｒａｔｉｏｎ．Ｆｕｒｔｈｅｒｍｏｒｅ，ｔｈｅｗａｔｅｒｄｙｎａｍｉｃｂａｌａｎｃｅｉｎｔｈｅｇｒｅｅｎｈｏｕｓｅｉｎｃｌｕｄｉｎｇｌｅａｆｔｒａｎｓｐｉｒａｔｉｏｎ，ｓｏｉｌｅｖａｐｏｒａｔｉｏｎ，ｃｏｖｅｒａｎｄｌｅａｆｗａｔｅｒｖａｐｏｒｃｏｎｄｅｎｓａｔｉｏｎ，ｗａｓｃｏｎｓｉｄｅｒｅｄｔｏｄｅｖｅｌｏｐａｒｅｌａｔｉｖｅｈｕｍｉｄｉｔｙｍｏｄｅｌ．Ｔｈｅｐｒｉｍａｒｙｉｎｆｅｃｔｉｏｎａｎｄｌａｔｅｎｔｐｅｒｉｏｄｗａｒｎｉｎｇｍｏｄｅｌｓｆｏｒｃｕｃｕｍｂｅｒｄｏｗｎｙｍｉｌｄｅｗ（Ｐｓｅｕ⁃ｄｏｐｅｒｏｎｏｓｐｏｒａｃｕｂｅｎｓｉｓ）ｗｅｒｅｖａｌｉｄａｔｅｄｕｓｉｎｇｔｈｅｒｅｓｕｌｔｓｏｆｔｈｅｌｅａｆｔｅｍｐｅｒａｔｕｒｅａｎｄｒｅｌａｔｉｖｅｈｕｍｉｄｉ⁃ｔｙｍｏｄｅｌ，ａｎｄｔｈｅｎｔｈｅｅｓｔｉｍａｔｅｄｄｉｓｅａｓｅｏｃｃｕｒｒｅｎｃｅｄａｔｅｏｆｃｕｃｕｍｂｅｒｄｏｗｎｙｍｉｌｄｅｗｗａｓｃｏｍｐａｒｅｄ应用生态学报㊀２０１５年１０月㊀第２６卷㊀第１０期㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀ＣｈｉｎｅｓｅＪｏｕｒｎａｌｏｆＡｐｐｌｉｅｄＥｃｏｌｏｇｙ，Ｏｃｔ．２０１５，２６（１０）：３０２７－３０３４ｗｉｔｈａｃｔｕａｌｄｉｓｅａｓｅｏｃｃｕｒｒｅｎｃｅｄａｔｅｏｆｆｉｅｌｄｏｂｓｅｒｖａｔｉｏｎ．Ｆｉｎａｌｌｙ，ｔｈｅｒｅｓｕｌｔｓｗｅｒｅｖｅｒｉｆｉｅｄｂｙｔｈｅｍｅａｓｕｒｅｄｔｅｍｐｅｒａｔｕｒｅａｎｄｈｕｍｉｄｉｔｙｄａｔａｏｆＳｅｐｔｅｍｂｅｒａｎｄＯｃｔｏｂｅｒ，２０１４．Ｔｈｅｒｅｓｕｌｔｓｓｈｏｗｅｄｔｈａｔｔｈｅｒｏｏｔｍｅａｎｓｑｕａｒｅｄｅｖｉａｔｉｏｎｓ（ＲＭＳＤｓ）ｏｆｔｈｅｍｅａｓｕｒｅｄａｎｄｅｓｔｉｍａｔｅｄｌｅａｆｔｅｍｐｅｒａｔｕｒｅｗｅｒｅ０．０１６ａｎｄ０．０２４ħ，ａｎｄｔｈｅＲＭＳＤｓｏｆｔｈｅｍｅａｓｕｒｅｄａｎｄｅｓｔｉｍａｔｅｄａｉｒｒｅｌａｔｉｖｅｈｕｍｉｄｉｔｙｗｅｒｅ０．１５％ａｎｄ０．１３％，ｒｅｓｐｅｃｔｉｖｅｌｙ．Ｃｏｍｂｉｎｉｎｇｔｈｅｒｅｓｕｌｔｏｆｅｓｔｉｍａｔｅｄｔｅｍｐｅｒａｔｕｒｅａｎｄｈｕｍｉｄｉｔｙｍｏｄ⁃ｅｌｓ，ａｃｕｃｕｍｂｅｒｄｉｓｅａｓｅｅａｒｌｙｗａｒｎｉｎｇｓｙｓｔｅｍｗａｓｅｓｔａｂｌｉｓｈｅｄｔｏｆｏｒｅｃａｓｔｔｈｅｄａｔｅｏｆｄｉｓｅａｓｅｏｃｃｕｒ⁃ｒｅｎｃｅ，ｗｈｉｃｈｍｅｔｗｉｔｈｔｈｅｒｅａｌｄａｔｅ．Ｔｈｕｓ，ｔｈｉｓｗｏｒｋｃｏｕｌｄｐｒｏｖｉｄｅｔｈｅｍｉｃｒｏ⁃ｅｎｖｉｒｏｎｍｅｎｔｄａｔａｆｏｒｔｈｅｅａｒｌｙｗａｒｎｉｎｇｓｙｓｔｅｍｏｆｃｕｃｕｍｂｅｒｄｉｓｅａｓｅｓｉｎｓｏｌａｒｇｒｅｅｎｈｏｕｓｅｓ．Ｋｅｙｗｏｒｄｓ：ｓｏｌａｒｇｒｅｅｎｈｏｕｓｅｓ；ｃｕｃｕｍｂｅｒ；ｌｅａｆｔｅｍｐｅｒａｔｕｒｅ；ｒｅｌａｔｉｖｅｈｕｍｉｄｉｔｙ；ｅｓｔｉｍａｔｉｏｎｍｏｄｅｌ．㊀㊀中国的园艺设施中日光温室是主流，因其追求低成本，尽量采用简易设施㊁尽量少投入能源，在大力发展低碳经济的今天，更具有深远意义．但低成本也造成了温室微环境调控和病虫害防治缺乏预见性，生产上亟需及时向温室管理人员或控制设备提供病虫害预警信息的气象服务，而该服务的基础是气象监测设备和数据获取．由于能够实现自动存储功能的设备造价相对于温室生产成本来说仍然较高，而且目前在中国实际生产条件下，为每一个温室都配备传感器也不现实．值得庆幸的是，气象部门已经形成了较密集的气象监测网络，可以提供一定尺度的标准气象信息，为用室外气象数据估计室内气象数据提供了可能，而上述业务运行的基础就是实用的温室内环境模拟方法．国际上温室环境模拟研究起步较早，２０世纪９０年代，国外学者开始研究温室内作物微环境及其控制模型［１－２］．近年来报道了一些典型的温室环境模型［３］，如比利时的ＧＤＧＣＭ模型［４］㊁法国的ＳＩＭＵＬＳＥＲＲＥ模型［５］和荷兰的ＫＡＳＰＲＯ模型［６］等，但大多并未与病虫害监测预警相结合［７］．近年来虽有少量相关报道，如Ｚｈａｎｇ等［１］利用能量守恒原理构建了以空气和叶片温度㊁空气相对湿度为输出参数的温室环境模拟模型，预测温室内小气候变化；Ｍａｓｈｏｎｊｏｗａ等［８］构建了动态温室气候模型，通过植物症状的监测和环境预测的结合实现温室玫瑰病害预测，但上述研究大多针对现代化温室．与荷兰㊁加拿大等发达国家不同，中国的园艺设施中日光温室是主流．随着节能型日光温室的飞速发展，各地从不同地域的光㊁热等小气候资源利用出发，提出了不少温室光㊁热㊁湿等环境模型［９－１２］．这些模型主要用于温室的优化结构设计，因而主要考虑建筑结构与环境之间的关系，不考虑作物与环境间的作用机理，所以不能将这些模型直接应用于针对温室内作物的环境预测与控制．近年来，南京农业大学系统地开展了温室和塑料大棚小气候模拟模型的研究，根据能量和质量平衡原理，建立了一个以温室和塑料大棚外气候条件为驱动变量，以温室和塑料大棚结构㊁覆盖材料和室内作物为参数的温室和塑料大棚小气候模拟模型［１３－１４］．天津市气候中心㊁潍坊市气象局等单位，开展了利用室外气象站测量数据预测温室内温湿度的研究，建立了一系列的多元回归模型，并开发了相应的预测系统，在实际生产中得到了应用［１５－１６］．但多数模型都是模拟温室环境，针对叶面微环境模拟模型及应用于病害预警的研究还鲜见报道．本研究拟在分析室内外环境因子变化规律的基础上，构建利用室外气象数据和温室参数估计冠层叶片温度和空气相对湿度模型，为黄瓜日光温室病害预警模型提供环境数据基础，预测温室病害的发生，减少农药的使用，不仅可以提供安全农产品，还可以保护生态环境．１㊀材料与方法１ １㊀田间试验１ １ １温室黄瓜种植㊀试验于２０１４年８ １１月在小汤山国家精准农业示范基地进行，该基地位于北京市昌平区小汤山镇（４０．１８ʎＮ，１１６．４７ʎＥ），年平均日照时数２６８４ｈ，年平均气温１１．８ħ，年平均降水量５５０．３ｍｍ．温室类型为不加温型日光温室，覆盖材料为聚乙烯塑料薄膜，北部是砖墙，东部和西部各有一个小窗．温室面积为５０ｍˑ７ｍ．等行距双排起垄栽培，行距８０ｃｍ，株距４０ｃｍ．７月１６号育苗，８月１日定植，１１月４日拉秧．种植品种选用 京研迷你２号 ，购自北京市农林科学院蔬菜研究中心．日常管理按照无公害生产要求，正常使用药剂（霜霉病发生之前不使用对其有效的药剂）．１ １ ２数据采集㊀室外布置一个ＤａｖｉｓＶａｎｔａｇｅＰｒｏ＆Ｐｌｕｓ气象站，测量温室外的温湿度及土壤温湿度．温室南北走向为７ｍ，东西为５０ｍ．在温室中央位置距离地面１．０ｍ高处放置１个温湿度测量点，仪器８２０３应㊀用㊀生㊀态㊀学㊀报㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀２６卷采用空气温湿度传感器ＵＸ１００⁃００３（美国ＯｎｓｅｔＣｏｍｐｕｔｅｒＣｏｒｐ）；在相同位置安装一个红外温度仪ＳＩ⁃１１１（美国ＡｐｏｇｅｅＩｎｓｔｒｕｍｅｎｔＣｏｒｐ）㊁净辐射测量仪ＦＮＰ⁃２（北京华创维想科技开发有限责任公司）和太阳总辐射传感器Ｓ⁃ＬＩＢ（美国ＯｎｓｅｔＣｏｍｐｕｔｅｒＣｏｒｐ），测量叶片温度，净辐射值和太阳总辐射；在墙体和覆盖物中央各放置一个温度传感器ＵＸ１００⁃００３，测量墙体和覆盖物内表面温度；在土壤表层２ｃｍ处插入一个热电偶ＴＣ６⁃Ｋ（荷兰ＨｕｋｓｅｆｌｕｘＴｈｅｒ⁃ｍａｌＳｅｎｓｏｒｓＣｏｒｐ），测量土壤温度．仪器设置记录数据时间间隔均为５ｍｉｎ，每月转储１次数据．定植以后，进行田间普查观测，记录黄瓜发病情况，一天一次．１ ２㊀模型构建温湿度是造成温室作物病害发生的主要小气候条件，本文利用能量守恒原理和水分平衡原理，构建了夜间日光温室冠层叶片温度和空气相对湿度模拟模型．模型主要参数如表１所示．１ ２ １温度模型构建㊀日光温室热量的主要来源是太阳辐射［１７］，以短波辐射为主的太阳辐射通过塑料薄膜进入温室后使温室内部温度升高，转化为长波辐射，长波辐射被覆盖物阻隔在温室内引起温室作物与周围空气㊁土壤㊁墙体㊁覆盖物的长波辐射热交换，同时作物蒸腾带走的潜热能以及作物呼吸和光合作用耗能共同作用引起了温室作物的温度变化．根据热平衡原理，构建黄瓜日光温室冠层上方表１㊀主要符号说明Ｔａｂｌｅ１㊀Ｅｘｐｌａｎａｔｉｏｎｏｆｍａｉｎｓｙｍｂｏｌｓ符号Ｓｙｍｂｏｌ含义Ｍｅａｎｉｎｇ单位Ｕｎｉｔ取值ＶａｌｕｅＳｐ冠层面积Ｃａｎｏｐｙａｒｅａｍ２２８８Ｓｓ土壤面积Ｓｏｉｌａｒｅａｍ２２８８ＳＷ墙体面积Ｗａｌｌａｒｅａｍ２２１０Ｓｃ覆盖材料面积Ｃｏｖｅｒｍａｔｅｒｉａｌａｒｅａｍ２３８１σ斯蒂芬⁃波兹曼常数Ｓｔａｆｅｎ⁃ＢｏｌｔｚｍａｎｃｏｎｓｔａｎｔＷ㊃ｍ－２㊃Ｋ－４５．６９９ˑ１０－８εｐ作物冠层长波发射率Ｃｒｏｐｃａｎｏｐｙｌｏｎｇｗａｖｅｅｍｉｓｓｉｖｉｔｙ－０．９５εｉ空气长波辐射发射率Ａｉｒｌｏｎｇｗａｖｅｅｍｉｓｓｉｖｉｔｙ－０．９εｓ土壤长波发射率Ｓｏｉｌｌｏｎｇｗａｖｅｅｍｉｓｓｉｖｉｔｙ－０．９５εｗ墙体长波发射率Ｗａｌｌｌｏｎｇｗａｖｅｅｍｉｓｓｉｖｉｔｙ－０．９εｃ覆盖物长波发射率Ｃｏｖｅｒｍａｔｅｒｉａｌｌｏｎｇｗａｖｅｅｍｉｓｓｉｖｉｔｙ－０．９５Ｖ温室体积Ｇｒｅｅｎｈｏｕｓｅａｒｅａｍ３５２５Ｒμ气体常数ＧａｓｃｏｎｓｔａｎｔＪ㊃ｋｇ－１㊃Ｋ－１４６２Ｓａ温室面积Ｇｒｅｅｎｈｏｕｓｅａｒｅａｍ２１８３７．５γ湿度计算常数ＭｏｉｓｔｕｒｅｍｅｔｅｒｃｏｎｓｔａｎｔＰａ㊃Ｋ－１６６Ｑ冠层上方吸收辐射ＡｂｏｖｅｃａｎｏｐｙａｂｓｏｒｂｅｄｒａｄｉａｔｉｏｎＷ变量ＶａｒｉａｂｌｅＥＰＩ温室内空气与植株冠层辐射热交换ＲａｄｉａｔｉｏｎｈｅａｔｔｒａｎｓｆｅｒｂｅｔｗｅｅｎａｉｒａｎｄｐｌａｎｔｃａｎｏｐｙｉｎｇｒｅｅｎｈｏｕｓｅＷ㊃ｍ－２变量ＶａｒｉａｂｌｅＥｓｐ植物冠层与土壤的辐射热交换ＲａｄｉａｔｉｏｎｈｅａｔｔｒａｎｓｆｅｒｂｅｔｗｅｅｎｓｏｉｌａｎｄｐｌａｎｔｃａｎｏｐｙＷ㊃ｍ－２变量ＶａｒｉａｂｌｅＥｗｐ植物冠层与墙体的辐射热交换ＲａｄｉａｔｉｏｎｈｅａｔｔｒａｎｓｆｅｒｂｅｔｗｅｅｎｗａｌｌａｎｄｐｌａｎｔｃａｎｏｐｙＷ㊃ｍ－２变量ＶａｒｉａｂｌｅＥｃｐ植物冠层与覆盖物之间的辐射热交换ＲａｄｉａｔｉｏｎｈｅａｔｔｒａｎｓｆｅｒｂｅｔｗｅｅｎｃｏｖｅｒｍａｔｅｒｉａｌａｎｄｐｌａｎｔｃａｎｏｐｙＷ㊃ｍ－２变量ＶａｒｉａｂｌｅＥＰ作物蒸腾率Ｔｒａｎｓｐｉｒａｔｉｏｎｒａｔｅｏｆｐｌａｎｔｋｇ㊃ｍ－２㊃ｓ－１变量Ｖａｒｉａｂｌｅλ水的汽化潜热放热系数ＬａｔｅｎｔｈｅａｔｏｆｖａｐｏｒｉｚａｔｉｏｎｏｆｗａｔｅｒｌａｔｅｎｔｈｅａｔｏｆｖａｐｏｒｉｚａｔｉｏｎＪ㊃ｋｇ－１变量ＶａｒｉａｂｌｅＨＷ水蒸气含量变化Ｃｈａｎｇｅｏｆｖａｐｏｕｒｃｏｎｔｅｎｔｋｇ㊃ｍ－２㊃ｓ－１变量ＶａｒｉａｂｌｅＨｃ覆盖物凝结引起水汽变化Ｍｏｉｓｔｕｒｅｃｈａｎｇｅｂｙｃｏｖｅｒｍａｔｅｒｉａｌｃｏｎｄｅｎｓａｔｉｏｎｋｇ㊃ｍ－２㊃ｓ－１变量ＶａｒｉａｂｌｅＨＬ叶片凝结引起水汽变化Ｍｏｉｓｔｕｒｅｃｈａｎｇｅｂｙｌｅａｆｃｏｎｄｅｎｓａｔｉｏｎｋｇ㊃ｍ－２㊃ｓ－１变量ＶａｒｉａｂｌｅＨＦ通风引起水汽变化Ｍｏｉｓｔｕｒｅｃｈａｎｇｅｂｙｖｅｎｔｉｌａｔｉｏｎｋｇ㊃ｍ－２㊃ｓ－１变量ＶａｒｉａｂｌｅＴ空气温度ＡｉｒｔｅｍｐｅｒａｔｕｒｅＫ变量ＶａｒｉａｂｌｅＴＣ覆盖材料温度ＣｏｖｅｒｍａｔｅｒｉａｌｔｅｍｐｅｒａｔｕｒｅＫ变量ＶａｒｉａｂｌｅＴＬ叶片温度ＬｅａｆｔｅｍｐｅｒａｔｕｒｅＫ变量Ｖａｒｉａｂｌｅｈｃ叶片表面凝结传热系数ＨｅａｔｔｒａｎｓｆｅｒｃｏｅｆｆｉｃｉｅｎｔｏｆｌｅａｆｓｕｒｆａｃｅｃｏｎｄｅｎｓａｔｉｏｎＷ㊃ｍ－２㊃Ｋ－１变量Ｖａｒｉａｂｌｅｈｌ覆盖物表面凝结传热系数ＨｅａｔｔｒａｎｓｆｅｒｃｏｅｆｆｉｃｉｅｎｔｏｆｃｏｖｅｒｍａｔｅｒｉａｌｓｕｒｆａｃｅｃｏｎｄｅｎｓａｔｉｏｎＷ㊃ｍ－２㊃Ｋ－１变量Ｖａｒｉａｂｌｅｅｓ饱和水汽压ＳａｔｕｒａｔｉｏｎｖａｐｏｒｐｒｅｓｓｕｒｅＰａ变量Ｖａｒｉａｂｌｅｅｔ实际水汽压ＡｃｔｕａｌｖａｐｏｒｐｒｅｓｓｕｒｅＰａ变量Ｖａｒｉａｂｌｅ９２０３１０期㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀王㊀慧等：基于冠层温湿度模型的日光温室黄瓜霜霉病预警方法㊀㊀㊀㊀㊀㊀温度预测模型［１８－２０］．温室冠层上方的净辐射等于冠层吸收的太阳辐射㊁植株冠层和温室内空气㊁地面㊁墙体之间的长波辐射热交换㊁作物蒸腾引起的热量消耗㊁作物呼吸和光合作用耗能之和（作物呼吸和光合作用耗能相对于太阳辐射能对作物层的能量输入而言数量很小，可忽略不计），计算公式如下：Ｑ＋ＥＰＩＳＰ＋ＥＳＰＳＳ＋ＥＷＰＳＷ＋ＥＣＰＳＣ＋λＥＰＳＰ＝Ｒｎ（１）式中：Ｑ为温室内太阳辐射（Ｗ）；ＥＰＩ为温室冠层与空气之间辐射热交换（Ｗ㊃ｍ－２）；ＳＰ为温室冠层面积（ｍ２）；ＥＳＰ为温室冠层与土壤之间辐射热交换（Ｗ㊃ｍ－２）；ＳＳ为土壤面积（ｍ２）；ＥＷＰ为温室冠层与墙体之间辐射热交换（Ｗ㊃ｍ－２）；ＳＷ为后墙面积（ｍ２）；ＥＣＰ为温室冠层与覆盖物之间的热辐射交换（Ｗ㊃ｍ－２）；ＳＣ为温室覆盖物面积（ｍ２）；λ为水的汽化潜热放热系数（Ｊ㊃ｋｇ－１）；ＥＰ为作物蒸腾率（ｋｇ㊃ｍ－２㊃ｓ－１）；ＳＰ为冠层面积（ｍ２）；Ｒｎ为温室内太阳净辐射（Ｗ）．针对温室夜间植株冠层叶片温度预测，将模型做如下简化：１）夜间吸收外界太阳辐射Ｑ＝０；２）夜间蒸腾速率低［２１－２２］，近似Ｅｐ＝０；３）夜间到第二天开窗通风前，净辐射均值为３ ４０Ｗ㊃ｍ－２，而植株冠层和温室内空气㊁地面㊁墙体之间的长波辐射热交换的均值为３２４ ８１Ｗ㊃ｍ－２，两者相差２个数量级，可以近似认为这段时间的净辐射为０．简化后得到温室夜间［２３］（本文定义９㊁１０月夜间时间为１９：００ ７：００）室内冠层叶片温度估计模型为：ＥＰＩＳＰ＋ＥＳＰＳＳ＋ＥＷＰＳＷ＋ＥＣＰＳＣ＝０（２）作物叶片与周围空气㊁土壤㊁墙体㊁覆盖物的长波辐射热交换遵循Ｓｔａｆｅｎ⁃Ｂｏｌｔｚｍａｎ定律：Ｅ＝εσ（Ｔ４１－Ｔ４２）（３）式中：Ｔ１和Ｔ２表示发生热辐射交换时两物体自身的温度（Ｋ）．植物冠层与室内空气㊁土壤㊁墙体和覆盖物之间的辐射换热系数表达式［１９］：ε１２＝１１ε１＋１ε２æèçöø÷２－１（４）式中：ε１２表示两物体之间的交换长波发射率．１ ２ ２湿度模型构建㊀根据温室内湿度动态平衡，构建温室夜间湿度估计模型．温室中水汽含量变化是由于温室内叶片的蒸腾㊁土壤的蒸发［２４－２６］㊁温室内覆盖物材料及叶片表面水汽凝结和水蒸气通过自然通风散失影响水蒸气含量的变化等因素造成的．假设温室内水蒸气分布均匀，且空气体积不发生变化，则冠层湿度模型如下：ＨＷ＝ＥＰ＋ＥＷ＋ＨＣ＋ＨＬ＋ＨＦ（５）式中：ＨＷ为水蒸气含量变化（ｋｇ㊃ｍ－２㊃ｓ－１）；ＥＰ为作物蒸腾率（ｋｇ㊃ｍ－２㊃ｓ－１）；ＥＷ为土壤蒸发率（ｋｇ㊃ｍ－２㊃ｓ－１）；ＨＣ为覆盖物凝结引起水汽变化（ｋｇ㊃ｍ－２㊃ｓ－１）；ＨＬ为叶片凝结引起水汽变化（ｋｇ㊃ｍ－２㊃ｓ－１）；ＨＦ为通风引起水汽变化（ｋｇ㊃ｍ－２㊃ｓ－１）．夜间不需要通风，温室内叶片蒸腾速率和土壤蒸发速率可以忽略，理由同上，温室夜间冠层湿度模型简化为：ＨＷ＝ＨＣ＋ＨＬ（６）１）水蒸气含量变化定义为：ＨＷ＝ｄｅｔｄｔˑＶＲμＴＳａ（７）２）覆盖材料的水汽凝结［２４－２５］公式如下：Ｈｃ＝ｈｃλｃγ（ｅｔ－ｅｓ）（８）λｃ＝４．１８５５ˑ（５９５－０．５１ＴＣ）（９）３）叶面的水汽凝结［２４－２５］公式如下：ＨＬ＝ｈｌλγ（ｅｔ－ｅｓ）（１０）λＬ＝４．１８５５ˑ（５９５－０．５１ＴＬ）（１１）将模型输出值ｅｔ转化为同时刻的温室内相对湿度值：ＲＨ＝ｅｔ／ｅｓˑ１００％（１２）１ ３㊀数据分析为了评估模型对于室内温湿度估计的效果，将实测值和估计值列散点图进行比较，计算决定系数（ｄｅｃｉｓｉｏｎｃｏｅｆｆｉｃｉｅｎｔ，Ｒ２）和均方根偏差［２３］（ｒｏｏｔｍｅａｎｓｑｕａｒｅｄｅｖｉａｔｉｏｎ，ＲＭＳＤ）．利用Ｅｘｃｅｌ２０１３对日光温室夜间冠层温湿度模型进行验证分析．ＲＭＳＤ＝ðＮｉ＝１（Ｐｉ－Ｏｉ）２Ｎ（１３）式中：Ｐｉ为温湿度模拟模型所得的模拟值（简称模拟值）；Ｏｉ为温室内温湿度测量点的测量值（简称测量值）；Ｎ为样本数．０３０３应㊀用㊀生㊀态㊀学㊀报㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀２６卷２㊀结果与分析２ １㊀黄瓜日光温室夜间冠层叶片温度模拟模型验证利用２０１４年９和１０月的数据验证日光温室夜间叶片温度估计模型（图１），结果表明，日光温室夜间冠层叶片温度实测值与模拟值的决定系数分别为０．９５８５和０．９８１４，均方根偏差分别为０．０１６和０．０２４ħ．２ ２㊀黄瓜日光温室夜间湿度模拟模型验证利用２０１４年９和１０月的数据验证日光温室夜间湿度估计模型（图２），结果表明，日光温室夜间湿度实测值与模拟值的决定系数分别为０．９７０３和０ ９６０９，均方根偏差分别为０．１５％和０．１３％．２ ３㊀日光温室黄瓜霜霉病预测黄瓜霜霉病是黄瓜温室主要流行病害之一，主要由气流传播，是一种再侵染频繁㊁潜育期短㊁流行性强的叶斑病［２７］．病原菌在寄主表面并不立即侵入寄主组织，而是先附着在寄主表面生长一段时间，然后再侵入寄主体内．这样，叶面微环境对于病原菌的侵入变得十分重要［２８］．黄瓜霜霉病侵染的最低条件是：最少２ｈ的叶片湿润时间加上２０ħ的平均叶片温度［２９－３２］，因此得到黄瓜霜霉病初侵染模型公式（式１４）．考虑到黄瓜定植后有缓苗期，模型启动时间为缓苗后．图１㊀日光温室夜间冠层叶片温度测量值与估计值比较Ｆｉｇ．１㊀Ｃｏｍｐａｒｉｓｏｎｂｅｔｗｅｅｎｍｅａｓｕｒｅｄａｎｄｓｉｍｕｌａｔｅｄｎｉｇｈｔｌｅａｆｔｅｍｐｅｒａｔｕｒｅｉｎｔｈｅｃａｎｏｐｙｏｆｉｎｓｉｄｅｓｏｌａｒｇｒｅｅｎｈｏｕｓｅ．ａ）９月Ｓｅｐｔｅｍｂｅｒ；ｂ）１０月Ｏｃｔｏｂｅｒ．下同Ｔｈｅｓａｍｅｂｅｌｏｗ．㊀㊀ＬＷＤˑＴＬＷＤȡ４０（ＬＷＤȡ２，５ɤＴＬＷＤɤ３０）（１４）式中：ＬＷＤ为叶片湿润时间（ｈ）；ＴＬＷＤ为叶片湿润时间内的叶片温度（ħ）．将温室夜间冠层叶片温度模型与相对湿度模拟模型所得出的模拟结果带入式１４，叶片湿润时间采用相对湿度＞９０％的方法进行估计［３３］．㊀㊀由图３可知，９月９日１９：４５ ０：００持续４ｈ温室相对湿度超过９０％，且叶片温度高于２０ħ，满足公式１４，符合黄瓜霜霉病初侵染的条件．黄瓜霜霉病潜育期预警模型是采用气温作为警图２㊀日光温室夜间冠层上方相对湿度测量值与估计值比较Ｆｉｇ．２㊀Ｃｏｍｐａｒｉｓｏｎｂｅｔｗｅｅｎｍｅａｓｕｒｅｄａｎｄｓｉｍｕｌａｔｅｄｎｉｇｈｔｒｅｌａ⁃ｔｉｖｅｌｙｈｕｍｉｄｉｔｙａｂｏｖｅｃａｎｏｐｙｏｆｉｎｓｉｄｅｓｏｌａｒｇｒｅｅｎｈｏｕｓｅ．图３㊀９月８ １０日日光温室夜间叶片温度与空气湿度估计值Ｆｉｇ．３㊀ＥｓｔｉｍａｔｅｄｌｅａｆｔｅｍｐｅｒａｔｕｒｅａｎｄｈｕｍｉｄｉｔｙｖａｌｕｅｓｉｎｓｏｌａｒｇｒｅｅｎｈｏｕｓｅｏｎＳｅｐｔｅｍｂｅｒ８ｔｈ－１０ｔｈ．Ⅰ：叶片温度Ｌｅａｆｔｅｍｐｅｒａｔｕｒｅ；Ⅱ：相对湿度Ｒｅｌａｔｉｖｅｈｕｍｉｄｉｔｙ．１３０３１０期㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀王㊀慧等：基于冠层温湿度模型的日光温室黄瓜霜霉病预警方法㊀㊀㊀㊀㊀㊀图４㊀９月１０ １３日温室内冠层附近空气温度及相应贡献率Ｆｉｇ．４㊀Ａｉｒｔｅｍｐｅｒａｔｕｒｅｉｎｓｉｄｅｇｒｅｅｎｈｏｕｓｅｃａｎｏｐｙａｎｄｉｔｓｃｏｎｔｒｉ⁃ｂｕｔｉｏｎｒａｔｅｄｕｒｉｎｇＳｅｐｔｅｍｂｅｒ１０ｔｈ－１３ｔｈ．Ⅰ：空气温度Ａｉｒｔｅｍｐｅｒａｔｕｒｅ；Ⅱ：贡献率Ｃｏｎｔｒｉｂｕｔｉｏｎｒａｔｅ．兆指标［３４］，得到每小时平均温度（ｔ）与潜育期贡献率（ｙ）的模型（式１５）．当ｙ累计达到１时，潜育期结束．ｙ＝０．０１６５１＋１０３８９．２ｅｘｐ（－０．５７４３ｔ）（Ｐ＝０．００３３）（１５）式中：ｙ为潜育期贡献率；ｔ为每小时的平均温度（ħ）．初侵染预警模型预警霜霉菌发生初侵染之后，根据潜育期温度贡献率模型（式１５）计算贡献率ｙ，并逐日累加总贡献率ｙｎ＝ｙ（ｎ－１）＋ｙ（ｎ－２）＋ ＋ｙ，当ｙｎȡ１时，潜育期结束，黄瓜霜霉病可能发病．将温室内温度传感器所得数据代入黄瓜霜霉病潜育期预警模型，从９月１０日０：００开始计算．㊀㊀图４为温室环境参数满足黄瓜霜霉病初侵染条件以后，温室内空气温度的时间变化图．从９月１０日０：００开始计算累计时间下的黄瓜霜霉病潜育期贡献率，当时间累计６５ｈ以后，贡献率大于１，即９月１２日时，预警黄瓜霜霉病发生与田间实际调查发病时间相吻合．３㊀讨㊀㊀论本文构建了黄瓜日光温室夜间冠层叶片温度和空气相对湿度估计模型，叶片温度模型以室内外温度以及墙体㊁地面㊁薄膜温度㊁室内太阳总辐射㊁净辐射等为参数即可估计出温室冠层叶片温度，空气相对湿度模型根据温室内水分动态平衡原理，考虑了温室内叶片㊁覆盖物水汽凝结引起的水分变化，且模型具有参数少㊁计算简便的优点［２０，２４］．选取２０１４年９㊁１０月的日光温室环境数据进行模型验证，日光温室内实际温度值与预测温度值的均方根误差（ＲＭＳＤ）分别为０．０１６和０．０２４ħ，湿度值的ＲＭＳＤ分别为０．１５％和０．１３％，与前人研究结果相当［２３］．本文模拟了５ｍｉｎ为间隔单位的温室环境指标，时间间隔短，数据密集，为温室病害发生的连续监测提供保证［３］．本文将温室叶片温度和湿度模型与黄瓜霜霉病初侵染和潜育期预警模型相结合，估计了日光温室黄瓜霜霉病的发生，与田间实际调查日期相吻合，可为日光温室灾害预警提供环境数据基础．本文利用室外气象参数估计室内气象参数，估计了温室冠层叶片温度和相对湿度值，相比之前采用传感器测量方法［３３］，降低了传感器部署和维护成本．在目前中国实际生产条件下，温室内气象站尚不普及，特别是叶片温度和相对湿度传感器价格还比较高，通过室外参数来估计室内参数，不失为一种对室内气象站的替代方法．加上气象部门正在逐渐建立较密集的气象监测网络［３４］，可以提供一定尺度的标准气象信息，利用空间差值方法［３５］，为用室外气象数据估计室内气象数据提供了可能．为提高预警的效果，还应进行温室微环境空间分布预警，尽早发现可诱发病害的异常点，为管理者及时控制黄瓜病害争取时间．今后，可基于上述气象数据运行相关预警模型，提供病害预警服务［３６］，减少农药使用量，保护温室生态环境以及提高农产品质量安全水平．参考文献［１］㊀ＺｈａｎｇＹＳ，ＭａｈｒｅｒＹ，ＭａｒｇｏｌｉｎＭ．Ｐｒｅｄｉｃｔｉｎｇｔｈｅｍｉ⁃ｃｒｏｃｌｉｍａｔｅｉｎｓｉｄｅａｇｒｅｅｎｈｏｕｓｅ：Ａｎａｐｐｌｉｃａｔｉｏｎｏｆａｏｎｅ⁃ｄｉｍｅｎｓｉｏｎａｌｎｕｍｅｒｉｃａｌｍｏｄｅｌｉｎａｎｕｎｈｅａｔｅｄｇｒｅｅｎｈｏｕｓｅ．ＡｇｒｉｃｕｌｔｕｒａｌａｎｄＦｏｒｅｓｔＭｅｔｅｏｒｏｌｏｇｙ，１９９７，８６：２９１－２９７［２］㊀ＧｉｊｚｅｎＨ，ＨｅｕｖｅｌｉｎｋＥ，ＣｈａｌｌａＨ，ｅｔａｌ．Ａｍｏｄｅｌｆｏｒｇｒｅｅｎｈｏｕｓｅｃｒｏｐｓａｎｄｇｒｅｅｎｈｏｕｓｅｃｌｉｍａｔｅ．ＡｃｔａＨｏｒｔｉｃｕｌ⁃ｔｕｒａｅ，１９９８，４５６：４４１－４５０［３］㊀ＡｂｄｅｒｚａｋＫ，ＰｉｅｒｒｅＥＢ，ＣｈｒｉｓｔｏｐｈｅＭ，ｅｔａｌ．Ｍｅａｓｕｒｅ⁃ｍｅｎｔａｎｄＣＦＤｓｉｍｕｌａｔｉｏｎｏｆｍｉｃｒｏｃｌｉｍａｔｅｃｈａｒａｃｔｅｒｉｓｔｉｃｓａｎｄｔｒａｎｓｐｉｒａｔｉｏｎｏｆａｎｉｍｐａｔｉｅｎｓｐｏｔｐｌａｎｔｃｒｏｐｉｎａｇｒｅｅｎｈｏｕｓｅ．ＢｉｏｓｙｓｔｅｍｓＥｎｇｉｎｅｅｒｉｎｇ，２０１２，１１２：２２－３４［４］㊀ＵｃｈｉｄａＨＦ，ＰｉｅｔｅｒｓＪＰ，ＤｅｌｔｏｕｒＪＭ．Ｍｏｄｅｌｌｉｎｇｇｒｅｅｎ⁃ｈｏｕｓｅｔｅｍｐｅｒａｔｕｒｅｂｙｍｅａｎｓｏｆａｕｔｏｒｅｇｒｅｓｓｉｖｅｍｏｄｅｌｓ．ＢｉｏｓｙｓｔｅｍｓＥｎｇｉｎｅｅｒｉｎｇ，２００３，８４：１４７－１５７［５］㊀ＰａｔｉｌＳＬ，ＴａｎｔａｕＨＪ，ＳａｌｏｋｈｅＶＭ．ＭｏｄｅｌｌｉｎｇｏｆｔｒｏｐｉｃａｌｇｒｅｅｎｈｏｕｓｅｔｅｍｐｅｒａｔｕｒｅｂｙａｕｔｏｒｅｇｒｅｓｓｉｖｅａｎｄｎｅｕｒａｌｎｅｔｗｏｒｋｍｏｄｅｌｓＢｉｏｓｙｓｔｅｍｓＥｎｇｉｎｅｅｒｉｎｇ，２００８，９９：４２３－４３１２３０３应㊀用㊀生㊀态㊀学㊀报㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀２６卷［６］㊀ＣａｍｐｅｎＪＢ，ＢｏｔＧＰＡ，ＺｗａｒｔＨＦ．Ｄｅｈｕｍｉｄｉｆｉｃａｔｉｏｎｏｆｇｒｅｅｎｈｏｕｓｅｓａｔｎｏｒｔｈｅｒｎｌａｔｉｔｕｄｅｓ，ＢｉｏｓｙｓｔｅｍｓＥｎｇｉｎｅｅｒ⁃ｉｎｇ，２００３，８６：４８７－４９３［７］㊀ＲｅｂｅｃｃａＡＳ．Ａｍｅｔａ⁃ａｎａｌｙｓｉｓｏｆｒｅｓｐｏｎｓｅｓｏｆｃａｎｏｐｙｐｈｏｔｏｓｙｎｔｈｅｔｉｃｃｏｎｖｅｒｓｉｏｎｅｆｆｉｃｉｅｎｃｙｔｏｅｎｖｉｒｏｎｍｅｎｔａｌｆａｃｔｏｒｓｒｅｖｅａｌｓｍａｊｏｒｃａｕｓｅｓｏｆｙｉｅｌｄｇａｐ．ＪｏｕｒｎａｌｏｆＥｘ⁃ｐｅｒｉｍｅｎｔａｌＢｏｔａｎｙ，２０１３，６４：３７２３－３７３３［８］㊀ＭａｓｈｏｎｊｏｗａＥ，ＲｏｎｓｓｅＦ，ＭｕｂｖｕｍａｃＭ，ｅｔａｌ．Ｅｓｔｉｍａ⁃ｔｉｏｎｏｆｌｅａｆｗｅｔｎｅｓｓｄｕｒａｔｉｏｎｆｏｒｇｒｅｅｎｈｏｕｓｅｒｏｓｅｓｕｓｉｎｇａｄｙｎａｍｉｃｇｒｅｅｎｈｏｕｓｅｃｌｉｍａｔｅｍｏｄｅｌｉｎＺｉｍｂａｂｗｅ．Ｃｏｍ⁃ｐｕｔｅｒｓａｎｄＥｌｅｃｔｒｏｎｉｃｓｉｎＡｇｒｉｃｕｌｔｕｒｅ，２０１３，９５：７０－８１［９］㊀ＴｏｎｇＧＨ，ＤａｖｉｄＭ，ＬｉＴＬ，ｅｔａｌ．Ｔｅｍｐｅｒａｔｕｒｅｖａｒｉａ⁃ｔｉｏｎｓｉｎｓｉｄｅＣｈｉｎｅｓｅｓｏｌａｒｇｒｅｅｎｈｏｕｓｅｓｗｉｔｈｅｘｔｅｒｎａｌｃｌｉ⁃ｍａｔｉｃｃｏｎｄｉｔｉｏｎｓａｎｄｅｎｃｌｏｓｕｒｅｍａｔｅｒｉａｌｓ．ＩｎｔｅｒｎａｔｉｏｎａｌＪｏｕｒｎａｌｏｆＡｇｒｉｃｕｌｔｕｒａｌａｎｄＢｉｏｌｏｇｉｃａｌＥｎｇｉｎｅｅｒｉｎｇ，２００８，１：２１－２６［１０］㊀ＬｉＮ（李㊀宁），ＳｈｅｎＳ⁃Ｈ（申双和），ＬｉＺ⁃Ｆ（黎贞发），ｅｔａｌ．Ｆｏｒｅｃａｓｔｍｏｄｅｌｏｆｍｉｎｉｍｕｍｔｅｍｐｅｒａｔｕｒｅｉｎ⁃ｓｉｄｅｇｒｅｅｎｈｏｕｓｅｂａｓｅｄｏｎｐｒｉｎｃｉｐａｌｃｏｍｐｏｎｅｎｔｒｅｇｒｅｓ⁃ｓｉｏｎ．ＣｈｉｎｅｓｅＪｏｕｒｎａｌｏｆＡｇｒｏｍｅｔｅｏｒｏｌｏｇｙ（中国农业气象），２０１３，３４（３）：３０６－３１１（ｉｎＣｈｉｎｅｓｅ）［１１］㊀ＷａｎｇＸ⁃Ｄ（王旭东），ＬｕｏＪ⁃Ｙ（罗金耀），ＬｉＸ⁃Ｐ（李小平）．Ｓｔｕｄｙｏｎｔｅｍｐｅｒａｔｕｒｅａｎｄｈｕｍｉｄｉｔｙｐｒｅｄｉｃｔｉｏｎｍｏｄｅｌｏｆｐｌａｓｔｉｃｇｒｅｅｎｈｏｕｓｅｅｎｖｉｒｏｎｍｅｎｔ．ＷａｔｅｒＳａｖｉｎｇＩｒｒｉｇａｔｉｏｎ（节水灌溉），２０１３（１０）：２３－２６（ｉｎＣｈｉ⁃ｎｅｓｅ）［１２］㊀ＺｈａｎｇＷ（张㊀武），ＺｈｏｕＲ⁃Ｓ（周荣双），ＺｈｕＣ（朱诚）．ＧｒｅｅｎｈｏｕｓｅｔｅｍｐｅｒａｔｕｒｅｓｉｍｕｌａｔｉｏｎｂａｓｅｄｏｎＡＲＸｍｏｄｅｌ．ＪｉａｎｇｓｕＪｏｕｒｎａｌｏｆＡｇｒｉｃｕｌｔｕｒａｌＳｃｉｅｎｃｅｓ（江苏农业学报），２０１３，２９（１）：４６－５０（ｉｎＣｈｉｎｅｓｅ）［１３］㊀ＷａｎｇＸ⁃Ｃ（汪小旵），ＤｉｎｇＷ⁃Ｍ（丁为民），ＬｕｏＷ⁃Ｈ（罗伟红），ｅｔａｌ．Ｓｉｍｕｌａｔｉｏｎａｎｄａｎａｌｙｓｉｓｏｆｃｕｃｕｍ⁃ｂｅｒｃａｎｏｐｙｔｅｍｐｅｒａｔｕｒｅｉｎｇｒｅｅｎｈｏｕｓｅｉｎＹａｎｇｔｚｅＲｉｖｅｒｄｅｌｔａｄｕｒｉｎｇｓｕｍｍｅｒ．ＴｒａｎｓａｃｔｉｏｎｓｏｆｔｈｅＣｈｉｎｅｓｅＳｏｃｉｅｔｙｏｆＡｇｒｉｃｕｌｔｕｒａｌＥｎｇｉｎｅｅｒｉｎｇ（农业工程学报），２００７，２３（４）：１９６－２００（ｉｎＣｈｉｎｅｓｅ）［１４］㊀ＬｉＪ（李㊀军），ＹａｏＹ⁃Ｐ（姚益平），ＸｕＲ（徐㊀蕊），ｅｔａｌ．ＴｈｅｔｅｍｐｅｒａｔｕｒｅａｎｄｈｕｍｉｄｉｔｙｍｏｄｅｌｉｎｇｏｆｐｌａｓｔｉｃｇｒｅｅｎｈｏｕｓｅｓｃｏｖｅｒｅｄｉｎｓｅｃｔｎｅｔｓａｔｌｏｗｅｒｒｅａｃｈｅｓｏｆＹａｎｇｔｚｅＲｉｖｅｒ．ＴｒａｎｓａｃｔｉｏｎｓｏｆｔｈｅＣｈｉｎｅｓｅＳｏｃｉｅｔｙｏｆＡｇｒｉｃｕｌｔｕｒａｌＥｎｇｉｎｅｅｒｉｎｇ（农业工程学报），２０１０，２６（６）：２３８－２４４（ｉｎＣｈｉｎｅｓｅ）［１５］㊀ＬｉｕＦ（柳㊀芳），ＷａｎｇＴ（王㊀铁），ＬｉｕＳ⁃Ｍ（刘淑梅）．ＲｅｓｅａｒｃｈｏｎｔｅｍｐｅｒａｔｕｒｅａｎｄｈｕｍｉｄｉｔｙｆｏｒｅｃａｓｔｉｎｇｍｏｄｅｌｆｏｒｓｅｃｏｎｄｅｎｅｒｇｙｓａｖｉｎｇｓｏｌａｒｇｒｅｅｎｈｏｕｓｅｉｎＴｉａｎ⁃ｊｉｎ：ＴａｋｉｎｇＸｉｑｉｎｇａｓａｎｅｘａｍｐｌｅ．ＣｈｉｎｅｓｅＪｏｕｒｎａｌｏｆＡｇｒｏｍｅｔｅｏｒｏｌｏｇｙ（中国农业气象），２００９，３０（ｓｕｐｐｌ．１）：８６－８９（ｉｎＣｈｉｎｅｓｅ）［１６］㊀ＣｕｉＪ⁃Ｙ（崔建云），ＤｏｎｇＣ⁃Ｅ（董晨娥），ＺｕｏＹ⁃Ｚ（左迎之），ｅｔａｌ．Ｔｈｅｉｎｆｌｕｅｎｃｅｏｆｏｕｔｓｉｄｅｍｅｔｅｏｒｏｌｏｇｉ⁃ｃａｌｃｏｎｄｉｔｉｏｎｓｏｎｃｏｎｄｉｔｉｏｎｓｉｎｓｉｄｅｇｒｅｅｎｈｏｕｓｅ．Ｍｅｔｅｏｒｏ⁃ｌｏｇｉｃａｌＭｏｎｔｈｌｙ（气象），２００６，３２（３）：１０１－１０６（ｉｎＣｈｉｎｅｓｅ）［１７］㊀ＭａＣ⁃Ｗ（马承伟），ＺｈａｏＳ⁃Ｍ（赵淑梅）．ＲｅｓｅａｒｃｈｏｎｅｓｔａｂｌｉｓｈｉｎｇｌｉｇｈｔｅｎｖｉｒｏｎｍｅｎｔｍｏｄｅｌｉｎＣｈｉｎｅｓｅｓｏｌａｒｇｒｅｅｎｈｏｕｓｅ．ＪｏｕｒｎａｌｏｆＳｈｅｎｙａｎｇＡｇｒｉｃｕｌｔｕｒａｌＵｎｉｖｅｒｓｉｔｙ（沈阳农业大学学报），２０１３，４４（５）：５１３－５１７（ｉｎＣｈｉｎｅｓｅ）［１８］㊀ＷａｎｇＳ，ＤｅｌｔｏｕｒＪ．Ｌｅａｆｔｅｍｐｅｒａｔｕｒｅｍｏｄｅｌｉｎｇｏｆｇｒｅｅｎ⁃ｈｏｕｓｅｇｒｏｗｎｔｏｍａｔｏｅｓ．ＩｎｔｅｒｎａｔｉｏｎａｌＡｇｒｉｃｕｌｔｕｒａｌＥｎｇｉ⁃ｎｅｅｒｉｎｇＪｏｕｒｎａｌ，２００４，１３：６４－７０［１９］㊀ＬｉｕＸ⁃Ｙ（刘晓燕），ＺｈａｎｇＷ（张㊀武）．Ｅｓｔａｂｌｉｓｈ⁃ｍｅｎｔａｎｄａｎａｌｙｓｉｓｏｆｆｏｒｅｃａｓｔｉｎｇｍｏｄｅｌｏｆｔｅｍｐｅｒａｔｕｒｅａｎｄｈｕｍｉｄｉｔｙｉｎＰＣｂｏａｒｄｇｒｅｅｎｈｏｕｓｅ．ＡｇｒｉｃｕｌｔｕｒｅＮｅｔ⁃ｗｏｒｋＩｎｆｏｒｍａｔｉｏｎ（农业网络信息），２０１１（７）：３１－３３（ｉｎＣｈｉｎｅｓｅ）［２０］㊀ＸｉｎＢ⁃Ｓ（辛本胜），ＱｉａｏＸ⁃Ｊ（乔晓军），ＴｅｎｇＧ⁃Ｈ（滕光辉）．Ｅｓｔａｂｌｉｓｈｍｅｎｔｏｆｆｏｒｅｃａｓｔｉｎｇｍｏｄｅｌｏｆｇｒｅｅｎ⁃ｈｏｕｓｅｅｎｖｉｒｏｎｍｅｎｔ．ＪｏｕｒｎａｌｏｆＡｇｒｉｃｕｌｔｕｒａｌＭｅｃｈａｎｉｚａ⁃ｔｉｏｎＲｅｓｅａｒｃｈ（农机化研究），２００６（４）：９６－１００（ｉｎＣｈｉｎｅｓｅ）［２１］㊀ＷａｎｇＸ⁃Ｃ（汪小旵），ＬｕｏＷ⁃Ｈ（罗卫红），ＤｉｎｇＷ⁃Ｍ（丁为民）．Ｃｕｃｕｍｂｅｒｃａｎｏｐｙｔｒａｎｓｐｉｒａｔｉｏｎｉｎｓｕｂ⁃ｔｒｏｐｉｃａｌｍｏｄｅｒｎｇｒｅｅｎｈｏｕｓｅｕｎｄｅｒｓｕｍｍｅｒｃｌｉｍａｔｅｃｏｎｄｉ⁃ｔｉｏｎ．ＳｃｉｅｎｔｉａＡｇｒｉｃｕｌｔｕｒａＳｉｎｉｃａ（中国农业科学），２００２，３５（１１）：１３９０－１３９５（ｉｎＣｈｉｎｅｓｅ）［２２］㊀ＨｕＨ⁃Ｊ（胡弘劫），ＭａｏＨ⁃Ｐ（毛罕平）．Ｒｅｓｅａｒｃｈｏｎｔｈｅｃｕｃｕｍｂｅｒｔｒａｎｓｐｉｒａｔｉｏｎｒｅｇｕｌａｒｏｆｇｒｅｅｎｈｏｕｓｅｉｎｓｕｍ⁃ｍｅｒ．ＡｇｒｉｃｕｌｔｕｒａｌＥｑｕｉｐｍｅｎｔ＆Ｔｅｃｈｎｏｌｏｇｙ（农业装备技术），２００６，３２（３）：３６－３７（ｉｎＣｈｉｎｅｓｅ）［２３］㊀ＺｈａｎｇＹＳ，ＪｅｗｅｔｔＴＪ，ＳｈｉｐｐＪＬ．Ａｄｙｎａｍｉｃｍｏｄｅｌｔｏｅｓ⁃ｔｉｍａｔｅｉｎ⁃ｃａｎｏｐｙａｎｄｌｅａｆ⁃ｓｕｒｆａｃｅｍｉｃｒｏｃｌｉｍａｔｅｏｆｇｒｅｅｎ⁃ｈｏｕｓｅｃｕｃｕｍｂｅｒｃｒｏｐｓ．ＴｒａｎｓａｃｔｉｏｎｓｏｆｔｈｅＡｍｅｒｉｃａｎＳｏ⁃ｃｉｅｔｙｏｆＡｇｒｉｃｕｌｔｕｒａｌＥｎｇｉｎｅｅｒｓ，２００２，４５：１７９－１９２［２４］㊀ＨｅＦ（何㊀芬），ＭａＣ⁃Ｗ（马承伟），ＺｈａｎｇＪ⁃Ｘ（张俊雄）．Ｅｓｔｉｍａｔｉｎｇａｎｄｅｘｐｅｒｉｍｅｎｔｉｎｇｔｈｅｈｕｍｉｄｉｔｙｄｙ⁃ｎａｍｉｃｍｏｄｅｌｉｎｇｏｆｇｒｅｅｎｈｏｕｓｅ．ＴｒａｎｓａｃｔｉｏｎｓｏｆｔｈｅＣｈｉ⁃ｎｅｓｅＳｏｃｉｅｔｙｏｆＡｇｒｉｃｕｌｔｕｒａｌＭａｃｈｉｎｅｒｙ（农业机械学报），２００９，４０（１０）：１７３－１７７（ｉｎＣｈｉｎｅｓｅ）［２５］㊀ＬｉｕＹ（刘㊀钰），ＰｅｒｅｉｒａＬＳ，ＴｅｉｘｅｉｒａＬ．Ｃｏｍｐａｒｅｃａｌ⁃ｃｕｌａｔｉｏｎｍｅｔｈｏｄａｎｄｎｅｗｄｅｆｉｎｅｏｆｒｅｆｅｒｅｎｃｅｅｖａｐｏｔｒａｎｓ⁃ｐｉｒａｔｉｏｎ．ＪｏｕｒｎａｌｏｆＨｙｄｒａｕｌｉｃＥｎｇｉｎｅｅｒｉｎｇ（水利学报），１９９７，２８（６）：２７－３３（ｉｎＣｈｉｎｅｓｅ）［２６］㊀ＧｕｏＺ⁃Ｗ（郭正吴），ＹｕＨ⁃Ｙ（于海业）．Ｅｓｔｉｍａｔｉｎｇａｎｄｐｒｏｖｉｎｇａｉｒｈｕｍｉｄｉｔｙｍｏｄｅｌｉｎｇｏｆｇｒｅｅｎｈｏｕｓｅ．Ｊｏｕｒ⁃ｎａｌｏｆＡｇｒｉｃｕｌｔｕｒａｌＭｅｃｈａｎｉｚａｔｉｏｎＲｅｓｅａｒｃｈ（农机化研究），２０１２，３４（３）：９４－９７（ｉｎＣｈｉｎｅｓｅ）［２７］㊀ＱｉＺ⁃Ｇ（齐志广）．Ｓｔｕｄｉｅｓｏｎｔｅｃｈｎｉｑｕｅｓｆｏｒｒｅｇｕｌａｔｉｏｎｏｆｔｈｅｅｃｏ⁃ｅｎｖｉｒｏｎｍｅｎｔｉｎｐｌａｓｔｉｃｇｒｅｅｎｈｏｕｓｅ．ＣｈｉｎｅｓｅＪｏｕｒｎａｌｏｆＡｐｐｌｉｅｄＥｃｏｌｏｇｙ（应用生态学报），１９９７，５３３０３１０期㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀王㊀慧等：基于冠层温湿度模型的日光温室黄瓜霜霉病预警方法㊀㊀㊀㊀㊀㊀（２）：５７－６０（ｉｎＣｈｉｎｅｓｅ）［２８］㊀ＷａｎｇＬ（王㊀莉），ＬｉＢ⁃Ｊ（李宝聚），ＳｈｉＹ⁃Ｘ（石延霞）．Ｔｈｅｅｆｆｅｃｔｏｆａｃｉｄ⁃ａｌｋａｌｉｉｎｔｈｅｍｉｃｒｏ⁃ｅｎｖｉｒｏｎｍｅｎｔｏｎｔｈｒｅｅｍａｊｏｒｆｕｎｇａｌｐａｔｈｏｇｅｎｓｉｎｃｕｃｕｍｂｅｒ．ＣｈｉｎｅｓｅＪｏｕｒｎａｌｏｆＡｐｐｌｉｅｄＥｃｏｌｏｇｙ（应用生态学报），２００５，２５（４）：８０８－８１３（ｉｎＣｈｉｎｅｓｅ）［２９］㊀ＳｈｉＹ⁃Ｘ（石延霞），ＬｉＢ⁃Ｊ（李宝聚），ＬｉｕＸ⁃Ｍ（刘学敏）．ＳｅｖｅｒａｌｉｎｆｅｃｔｉｏｎｆａｃｔｏｒｓｏｆＰｓｅｕｄｏｐｅｒｏｎｏｓｐｏｒａｃｕｂｅｎｓｉｓ．ＣｈｉｎｅｓｅＪｏｕｒｎａｌｏｆＡｐｐｌｉｅｄＥｃｏｌｏｇｙ（应用生态学报），２００５，１６（２）：２５７－２６１（ｉｎＣｈｉｎｅｓｅ）［３０］㊀ＳｈｉＹ⁃Ｘ（石延霞）．ＩｎｆｅｃｔｉｏｎＳｉｍｕｌａｔｉｏｎ，ＰａｔｈｏｇｅｎｅｓｉｓＭｅｃｈａｎｉｓｍｏｆＰｓｅｕｄｏｐｅｒｏｎｏｓｐｏｒａｃｕｂｅｎｓｉｓａｎｄＩｎｄｕｃｅｄＲｅｓｉｓｔａｎｃｅｂｙＨｉｇｈＴｅｍｐｅｒａｔｕｒｅｉｎＣｕｃｕｍｂｅｒ．ＭａｓｔｅｒＴｈｅｓｉｓ．Ｈａｒｂｉｎ：ＮｏｒｔｈｅａｓｔＡｇｒｉｃｕｌｔｕｒａｌＵｎｉｖｅｒｓｉｔｙ，２００２（ｉｎＣｈｉｎｅｓｅ）［３１］㊀ＬｉＭ（李㊀明），ＺｈａｏＣ⁃Ｊ（赵春江），ＱｉａｏＳ（乔淑），ｅｔａｌ．Ｔｈｅｃｕｃｕｍｂｅｒｌｅａｖｅｓｈｕｍｉｄｉｔｙｔｉｍｅｓｏｆｍｏｄｅｌｉｎｇｂａｓｅｄｏｎｔｈｅｒｅｌａｔｉｖｅｈｕｍｉｄｉｔｙｏｆｃａｎｏｐｙｉｎｇｒｅｅｎｈｏｕｓｅ．ＴｒａｎｓａｃｔｉｏｎｓｏｆｔｈｅＣｈｉｎｅｓｅＳｏｃｉｅｔｙｏｆＡｇｒｉ⁃ｃｕｌｔｕｒａｌＥｎｇｉｎｅｅｒｉｎｇ（农业工程学报），２０１０，２６（９）：２８６－２９１（ｉｎＣｈｉｎｅｓｅ）［３２］㊀ＬｉＭ（李㊀明），ＳｕｎＣ⁃Ｈ（孙传恒），ＱｉａｎＪ⁃Ｐ（钱建平），ｅｔａｌ．Ａｄｉｓｅａｓｅｗａｒｎｉｎｇ⁃ｓｏｕｒｃｅｔｒａｃｅａｂｉｌｉｔｙｍｏｄｅｌｂａｓｅｄｏｎｄｉｓａｓｔｅｒｃｈａｉｎ⁃ｓｔｙｌｅｄｔｈｅｏｒｙｆｏｒｓｏｌａｒｇｒｅｅｎ⁃ｈｏｕｓｅｃｕｃｕｍｂｅｒｄｏｗｎｙｍｉｌｄｅｗ．ＣｈｉｎｅｓｅＪｏｕｒｎａｌｏｆＥｃｏ⁃Ａｇｒｉｃｕｌｔｕｒｅ（中国生态农业学报），２０１０，１８（６）：１３２４－１３２９（ｉｎＣｈｉｎｅｓｅ）［３３］㊀ＹａｎｇＸＴ，ＬｉＭ，ＺｈａｏＣＪ，ｅｔａｌ．Ｅａｒｌｙｗａｒｎｉｎｇｍｏｄｅｌｆｏｒｃｕｃｕｍｂｅｒｄｏｗｎｙｍｉｌｄｅｗｉｎｕｎｈｅａｔｅｄｇｒｅｅｎｈｏｕｓｅｓ．ＮｅｗＺｅａｌａｎｄＪｏｕｒｎａｌｏｆＡｇｒｉｃｕｌｔｕｒａｌＲｅｓｅａｒｃｈ，２００７，５０：１２６１－１２６８［３４］㊀ＬｉＺ⁃Ｆ（黎贞发），ＱｉａｎＪ⁃Ｐ（钱建平），ＬｉＭ（李㊀明），ｅｔａｌ．ＡｇｒｏｍｅｔｅｏｒｏｌｏｇｉｃａｌｉｎｆｏｒｍａｔｉｏｎｐｕｂｌｉｃａｔｉｏｎｓｙｓｔｅｍｂａｓｅｄｏｎＡｒｃＩＭＳ．ＴｒａｎｓａｃｔｉｏｎｓｏｆｔｈｅＣｈｉｎｅｓｅＳｏ⁃ｃｉｅｔｙｏｆＡｇｒｉｃｕｌｔｕｒａｌＥｎｇｉｎｅｅｒｉｎｇ（农业工程学报），２００８，２４（ｓｕｐｐｌ．２）：２７４－２７８（ｉｎＣｈｉｎｅｓｅ）［３５］㊀ＭａｇａｒｅｙＲＤ，ＳｅｅｍＲＣ，ＲｕｓｓｏＪＭ，ｅｔａｌ．Ｓｉｔｅ⁃ｓｐｅｃｉｆｉｃｗｅａｔｈｅｒｉｎｆｏｒｍａｔｉｏｎｗｉｔｈｏｕｔｏｎ⁃ｓｉｔｅｓｅｎｓｏｒｓ．ＰｌａｎｔＤｉｓｅａｓｅ，２００１，８５：１２１６－１２２５［３６］㊀ＺｈａｏＣＪ，ＬｉＭ，ＹａｎｇＸＴ，ｅｔａｌ．Ａｄａｔａ⁃ｄｒｉｖｅｎｍｏｄｅｌｓｉｍｕｌａｔｉｎｇｐｒｉｍａｒｙｉｎｆｅｃｔｉｏｎｐｒｏｂａｂｉｌｉｔｉｅｓｏｆｃｕｃｕｍｂｅｒｄｏｗｎｙｍｉｌｄｅｗｆｏｒｕｓｅｉｎｅａｒｌｙｗａｒｎｉｎｇｓｙｓｔｅｍｓｉｎｓｏｌａｒｇｒｅｅｎｈｏｕｓｅｓ．ＣｏｍｐｕｔｅｒｓａｎｄＥｌｅｃｔｒｏｎｉｃｓｉｎＡｇｒｉｃｕｌｔｕｒｅ，２０１１，７６：３０６－３１５作者简介㊀王㊀慧，女，１９８９年生，硕士研究生．主要从事温室微环境模拟模型研究．Ｅ⁃ｍａｉｌ：ｗａｎｇｈｕｉ３４３２＠１２６．ｃｏｍ责任编辑㊀杨㊀弘４３０３应㊀用㊀生㊀态㊀学㊀报㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀２６卷。