设施番茄外观形态及物质累积分配模型构建与验证

刘福昊，郭申伯，王 笛，黄 博，曹晏飞

设施番茄外观形态及物质累积分配模型构建与验证

刘福昊，郭申伯，王 笛，黄 博，曹晏飞※

（西北农林科技大学园艺学院，农业农村部西北设施园艺工程重点实验室，杨凌 712100）

为构建适用于日光温室与塑料大棚的设施番茄生长模型，该研究利用保温塑料大棚春茬试验数据，建立以辐热积为尺度的番茄外观形态及物质累积分配模型，并利用保温塑料大棚秋茬和日光温室越冬茬的试验数据验证模型的准确性。结果表明：1）番茄株高模拟值的决定系数2和均方根误差（Root Mean Square Error，RMSE）分别为0.907 4和13.66 cm；
2）番茄整株及各器官的干物质质量模拟值的决定系数2范围为0.854 1～0.975 1，RMSE为2.87～6.98 g/株；
3）番茄整株、地上部以及果实鲜质量累积的模拟值的决定系数2范围为0.887 2～0.905 0，RMSE为109.83～171.16 g/株。综上可知，该研究建立的模型可较准确地预测番茄株高与干鲜质量物质累积值，模型的实用性较强，可为设施番茄生产提供理论依据和决策支持。

模型；
温室；
番茄；
外观形态；
辐热积

随着中国设施农业的发展，设施园艺栽培面积不断增大，截至2022年7月，中国设施园艺面积达280多万hm2，位居世界第一位[1]。其中，番茄是中国设施栽培的主要蔬菜作物之一[2]。在中国应用广泛的塑料大棚与日光温室是农户开展春茬、秋茬、越冬茬番茄生产的主要设施类型，目前这2种设施类型所占面积已超过233万hm2[1]，但存在着依赖人工经验管理等问题。

作物生长模型是温室作物生产管理、环境优化调控的有力工具，它能够反映出作物所处的温室环境（如温度、CO2、光照等）对作物生长状态（如叶面积指数、干物质量等）的影响。对于温室作物生长发育模拟模型研究，国内外学者取得了一定的研究成果。具有代表性的机理模型有SUCROS（a Simple and Universal Crop Growth Simulator）模型[3]、TOMSIM（Tomato Simulator）模型[4]、TOMGRO（Tomato Growth）模型[5]等，其中TOMGRO模型需要输入大量的参数，实用性较弱；
TOMSIM模型利用固定的茎、叶干质量比率来预测茎、叶干质量，在预测产量的过程中误差较大。在此基础上，国内外学者通过修正参数提高了机理模型的性能[6-12]，如Lin等[12]综合比较了TOMGRO模型和Vanthoor模型，并建立了Integrated模型，后者的输出结果更加合理且适用性更强。同时，针对作物生长模型与气候环境模型存在多种时间尺度的问题，徐立鸿等[13]建立了基于秒尺度的温室番茄作物-环境互作模型。不过，这些机理模型主要应用在环境条件优良的大型连栋温室中。

辐热积是温度和太阳辐射的综合性指标。目前基于辐热积已建立了黄瓜[14-17]、甜椒[18]、生菜[19-20]、芹菜[21]等设施蔬菜的作物生长模型。在设施番茄生长模型方面，已有研究学者构建了基于辐热积的番茄干物质生产分配及分配模型[22-26]，如倪纪恒等[22-23]，常毅博等[24]和石小虎等[25]分别建立基于辐热积的番茄株高及单叶面积的logistic模型、单株展开叶数的指数函数模型和番茄干物质生产及分配模型。但是大部分研究均是在同一类型温室中开展的，模型是否同时适用于不同类型温室，尚不明确。因此，为确保番茄生长模型同时适用于日光温室和保温塑料大棚，本研究以温室辐热积为基础，利用保温塑料大棚春茬试验数据构建设施番茄外观形态及物质累积分配模型，并通过保温塑料大棚秋茬、日光温室越冬茬试验数据对模型进行检验，以期为温室番茄生产管理提供理论指导。

1.1 试验设计

本试验分为3个部分，试验1的数据集用于模型构建，试验2和试验3的数据集用于模型验证。各试验中番茄采用基质袋栽培，种植密度为2.71 株/m2。基质的理化性质如下：pH值为6.89，EC值为2.07 mS/cm，碳氮比为22:1。番茄栽培管理中，侧枝及时摘除，同时根据植株生长状况去除下部老叶，每穗留4～5个果。

数据集1：试验1于2021年1月至5月在陕西杨凌现代农业融合体验园（34°30ʹN，107°98ʹE）非对称保温塑料大棚（图1a）中进行。保温塑料大棚为双层骨架，跨度为18 m（内跨度为16.6 m），东西延长70 m，脊高为6.0 m（内层脊高5.2 m）。南北屋面内层和外层覆盖塑料薄膜，外层塑料薄膜加盖保温被。于1月8日移栽定植，5月31日结束试验，番茄品种为‘普罗旺斯’，常规管理。

数据集2：试验2于2021年8月至12月进行，试验地点同试验1。于8月27日定植，12月31日结束试验，番茄品种为‘宝禄富强’，常规管理。

数据集3：试验3于2021年10月至2022年4月在西北农林科技大学北校区园艺场（34°29ʹN，108°07ʹE）日光温室（图1b）进行。温室跨度为11.0 m，脊高5.8 m，东西方向长50 m。于2021年10月18日移栽定植，2022年3月18日结束试验，番茄品种为‘普罗旺斯’，常规管理。

注：高度方向单位为m；
跨度方向单位为mm。

1.2 测定项目与方法

1.2.1 生育期划分与观测

结合参考文献[27]将番茄的整个生育期分为3个关键时期，并对各个生育期的相应形态指标进行定义（表1）。本试验从幼苗进行定植，未定义播种期。试验期间，每日对番茄的发育情况进行观测，记录到达各个生育期的日期。在观测中，若植株群体中高于50%达到某生育期的特征，则视为群体达到该生育期。

表1 番茄生育期的划分与形态指标

1.2.2 外观形态和植株干鲜质量数据的获取

外观形态测量：从定植起，每7 d随机取样3株，利用CL-202叶面积扫描仪（美国CID公司，精度为±1%，面积大于10 cm2样品）测定叶面积。用直尺测量根长，cm。用游标卡尺测量番茄茎粗，mm。用直尺测量番茄植株株高，cm。

各器官干鲜质量测定：番茄各生育期每隔7 d进行1次破坏性取样，随机选取3株番茄，用精度0.01 g的天平分别称量根、茎（包括叶柄）、叶和果的鲜质量，105 ℃下杀青20 min后烘干至恒质量，采用精度0.01 g天平称量各器官干质量。

1.2.3 环境数据的获取

环境传感器包括空气温湿度传感器、太阳总辐射传感器和二氧化碳浓度传感器，传感器监测高度随冠层高度调节。温湿度传感器WS2-A20（北京聚英翱翔电子有限公司，中国）的精度为±0.2 ℃，测量范围−40.0～120.0 ℃；
太阳总辐射传感器FZD-A1（北京华控兴业科技发展有限公司，中国）测量范围：0～1500 W/m2；
CO2传感器HSTL-CO2（北京华控兴业科技发展有限公司，中国）测量范围：0～2 000mol/mol，精准度为±40mol/mol +3% F·S（25 ℃）。温室内环境数据采集自动记录间隔为10 min。

2.1 生理发育时间计算

番茄生理发育时间是指番茄在实际温度和光照条件下生长所需时间换算成其在最适宜温度和光照环境下生长所需的时间。番茄在实际温光条件下生长1 d相当于1个生理发育日的比例定义为每日相对生理发育效应（Relative Physiological Development Effectiveness，RPDE）。番茄完成某一特定的发育阶段需要的生理发育时间为该阶段每日相对生理发育效应的累积总和。每日相对生理发育时间可依据番茄发育所需的三基点温度与临界光周期和最适宜光周期来计算。番茄在实际温度条件下生长1 d相当于其在最适宜温度条件下生长1 d的比例定义为每日相对热效应（Relative Thermal Effectiveness，RTE）[22]。番茄在实际光照环境下生长1 d相当于其在最适宜光照环境下生长1 d的比例定义为每日相对光周期效应（Relative Photoperiod Effectiveness，RPE）。具体计算公式如下：

式中T表示温室番茄生长最适下限温度，℃；
T表示生长最适上限温度，℃；
T表示生长下限温度，℃；
T表示生长上限温度，℃；
1表示每日平均温度，℃；
RTE为每日的相对热效应；
番茄不同生育期的基点温度取值如表2所示。DL（Day Length）表示实际日长；
DAY表示一年中的日序（1月1日为1，12月31日为365），为地理纬度，(°)；
为太阳赤纬，(°)；
RPE为每日的相对光周期效应；
RPDE为每日的相对生理发育效应；
PDT（Physiological Development Time）为生理发育时间；
F表示从定植到开花结果期所需累积的生理发育时间，根据试验1的观测资料，取值为41。

表2 番茄各生育期的三基点温度[22]

注：T为生长最适下限温度；
T为生长最适上限温度；
T为生长下限温度；
T为生长上限温度。

Note:Tis the optimum lower limit temperature for growth;Tis the optimal upper limit temperature for growth;Tis the lower limit temperature of growth;Tis the upper growth limit temperature.

2.2 辐热积的计算

辐热积是指温度热效应与光合有效辐射的乘积。根据文献[13]可知，小的时间尺度更能准确反应环境的动态变化，因此本文以10 min为尺度计算辐热积，即利用每10 min的平均温度替代每日平均温度，再根据公式（1）计算出每10 min的相对热效应（Ten Minutely Relative Thermal Effect，TRTE），然后将每10 min的相对热效应乘以相应10 min内的光合有效辐射（Photosynthetically Active Radiation，PAR）即得到每10 min的辐热积（Ten Minutely Relative Product of Thermal Effectiveness and PAR，MRTEP），将1 h内各个10 min辐热积累加即为小时总辐热积，将1 d内各个小时辐热积累加即为日总辐热积。某个生育阶段的累计辐热积（Accumulated Total Product of Thermal Effectiveness and PAR，TEP）为该阶段日总辐热积之和。具体计算公式如下：

式中PAR为10 min室内平均光合有效辐射，W/m2；
为10 min室内平均太阳总辐射，W/m2；
0.47为光合有效辐射在太阳总辐射中的比例[23]；
MRTEP为10 min内的辐热积，J/m2；
RTEP为1 d的辐热积，MJ/m2；
TEP为第天的累计辐热积，MJ/m2；
TEP1为第(+1) 天的累计辐热积，MJ/m2；
RTEP+1为第(+1) 天的日总辐热积，MJ/m2。

2.3 基于辐热积的外观形态结构模拟

根据数据集1的环境数据，拟合得出辐热积与番茄的根长、茎粗、株高、叶面积指数（Leaf Area Index，LAI）的关系：

2=0.951 2 SE=0.577 7

2=0.991 9 SE=0.749 6

2=0.940 3 SE=11.162 6

2=0.735 7 SE=1.352 6

式中Length为番茄根长，cm；
Length为番茄株高，cm；
Width为茎粗，mm；
2为决定系数；
SE为标准误。

2.4 干物质生产的模拟

2.4.1 冠层光合作用模拟

光合作用模型采用作物日同化量数学模型公式：

式中P为每日冠层总同化量，g/(m2·d)；
为同化量单位mol/(m2·s)到g/(m2·d)的转换因子，取值为3.803[27]；
P为光饱和时叶片CO2同化率；
为冠层消光系数，取值为0.7[27]；
为日均有效光通量密度，即日均光合有效辐射，J/(m2·s)；
LAI为叶面积指数，m2/m2；
为光的初始利用率，取值为0.284mol·m2·s/(J·m2·s)[27]。

试验根据温度和CO2浓度对光合作用的影响，对最大光合速率进行修正：

式中P为在CO2浓度为340mol/mol达到光饱和时，叶片对CO2同化率为9mol/(m2·s)。

温度对光合作用的影响因子F采用式（17）计算。

式中T为日平均气温；
T为番茄生长基点气温，取值10 ℃；
max为光合最高温度，取值35 ℃；
T为最适温度下限，取值18 ℃；
T为最适温度上限，取值30 ℃[27]。

CO2浓度提高对冠层净同化作用的总效应F采用式（18）计算。

式中0表示正常大气环境中CO2浓度值340mol/mol，C表示温室环境内不同且处于变化的CO2浓度，mol/mol；
番茄作物的为0.8[27]。

2.4.2 呼吸作用模拟

与光合作用一样，呼吸作用也是植物生长发育过程中必不可少的生长过程。番茄属于C3植物，即要考虑维持呼吸和生长呼吸的消耗（发育呼吸），还要考虑光呼吸的消耗，2种呼吸的计算公式如下：

发育呼吸：

光呼吸：

式中为维持呼吸和生长呼吸的消耗量，g/(m2·d)；
0为呼吸最适温度，℃；
为呼吸作用的温度系数，对C3作物取值为2[28]；
T为白天平均气温，℃；
R(0)为0时的维持呼吸系数，取0.015 g/(g·CO2)[27]；
R为生长呼吸系数，取值为0.39 g/(g·CO2)[28]；
R为光呼吸消耗量，g/(m2·d)；
R(0)为光呼吸系数，取值为0.33 g/(g·CO2)[27]。

2.5 干物质累积与分配模拟模型

干物质是由冠层净同化量通过生理过程和一定的比例系数转换而来的，其中冠层每日净同化量由每日实际总同化量减去每日总呼吸消耗量得到[29]。番茄干物质日增量公式为：

（21）

式中为番茄干物质日增量，g/(m2·d)；
为CO2与碳水化合物(CH2O)的转换系数，取0.682[27]；
C为碳水化合物转换成干物质的转换系数，0.75[27]；
0.05为干物质中矿物质含量；
P为每日净同化量，g/(m2·d)。

2.5.1 分配指数与累积辐热积的定量关系

根据数据集1拟合得出累积辐热积与各器官分配指数的关系。番茄地上部分与根分配指数与累积辐热积TEP的关系式如下：

式中P为地上部分分配指数，P为根分配指数。

番茄地上部分茎、叶和果的分配指数与累积辐热积TEP的关系式如下：

式中P、P和P分别是茎、叶和果的分配指数，PDT为生理发育时间。

2.5.2 地上部分、根部及各器官干物质增长模拟

根据光合作用与呼吸作用的公式计算出植株干物质的总干物质日增量，地上部分干质量日增量、根干质量日增量计算式如下：

(+1)=()+（27）

W()=·P() （28）

W()=·P() （29）

式中W()、W()分别为第天地上部分干质量和根干质量的日增量，g；
(1)为第（1）天植株总干物质质量，g；
()为第天植株总干物质量，g；
P()和P()分别为第天地上部分分配指数和根分配指数。

地上部分不同器官茎、叶和果干质量日增量计算式：

W()=W()·P() （30）

W()=W()·P() （31）

W()=W()·P() （32）

式中P()、P()和P()分别为第天茎分配指数、叶分配指数和果分配指数，W()、W()和W()分别为第天茎干质量、叶干质量和果干质量的日增量，g。

2.6 地上部分、根部及各器官鲜质量增长模拟

根据植株各器官质量的含水量及干物质质量模拟结果计算得出不同器官鲜质量，具体计算式如下：

G()=G()+G()+G() （36）

=G()+G() （38）

式中G()、G()和G()分别为第天茎鲜质量、叶鲜质量和果鲜质量，g；
W、W、W和W分别为定植时初始茎干质量、叶干质量、果干质量和根干质量，g；
G()、G()和分别为第天植株地上部分鲜质量、植株根鲜质量和总植株鲜质量，g；
MC()为茎质量的含水量，%；
MC()为叶质量的含水量，%；
MC()为果实质量的含水量，%；
MC()为根质量的含水量，%。根据试验1数据得出番茄不同器官质量的含水量（表3）。

表3 各阶段不同器官质量含水量

2.7 模型的检验

选用均方根误差（Root Mean Square Error，RMSE）和决定系数（2）对模拟值和实测值之间的符合度进行统计分析。其中决定系数越大，RMSE越小，模型的预测精度越高。RMSE的计算公式见参考文献[30]。

3.1 数据集番茄生长环境描述

试验期间日均CO2浓度、日均空气温度和日均PAR随时间变化规律如图2所示。由图2a可知，数据集1中CO2浓度明显高于另外2个数据集，其中数据集1中CO2浓度变化幅度大，均值为（673.3±253.5）mol/mol，数据集2和数据集3中CO2浓度均值分别为（568.2±106.3）和（485.4±102.2）mol/mol。由图2b可知，随着季节变化，数据集1中温度呈逐渐上升趋势，数据集2中温度呈逐渐下降趋势，数据集3中温度呈先下降后上升趋势；
试验期间，数据集1、数据集2和数据集3中日均温度位于15℃以下的天数分别为12.1%、14.2%、39.3%，另外，数据集1中有3.8%的天数日均温度高于35 ℃，其他2个数据集没有。由图2c可知，数据集1中PAR最高，数据集3次之，数据集2最低。

注：数据集1番茄定植于2021-01-08，定义为定植后第1 d；
数据集2番茄定植于2021-08-27，定义为定植后第1 d；
数据集3番茄定植于2021-10-18，定义为定植后第1 d。

3.2 番茄外观形态模型预测结果

利用与建模数据不同的数据集2和数据集3，根据式（1）、（8）～（10）计算累积辐热积，然后依据式（11）～（14）模拟出温室内番茄外观形态指标，并与实测值进行比较。结果表明，番茄植株根长的模拟结果的决定系数2和RMSE分别为0.728 6和6.81 cm（图3a），茎粗的模拟结果的决定系数2和RMSE分别为0.594 2和1.1 mm（图3b），株高的模拟结果的决定系数2和RMSE分别为0.9074和13.66 cm（图3c），叶面积指数LAI的模拟结果的决定系数2和RMSE分别为0.743 1和1.03 m2/m2（图3d）。显然株高的模拟效果最好，LAI和根长次之，茎粗的模拟效果最差。茎粗误差较大的原因：茎粗受测量位置、植株表面形状、测量仪器与植株接触角度等影响较大，且新冠疫情期间部分茎粗数据是由不同人员测量记录，导致茎粗的模拟值与实测值差异较大。

图3 番茄外观形态指标模拟值与实测值的比较

3.3 番茄干物质累积模拟值与实测值比较

采用数据集2和数据集3，依据式（1）～（7）计算出生理发育时间，再结合3.2节中得到的累积辐热积，根据公式（15）～（32）计算出各器官分配指数，得到温室番茄各器官干物质累积质量，将模拟值与实测值进行了比较，结果如图4所示。由图可以看出模拟值与实测值接近1:1线，番茄植株总干质量、地上部干质量、茎干质量、叶干质量、果实干质量的模拟值与实测值之间的决定系数2分别为0.975 1、0.968 7、0.921 6、0.854 1和0.952 8，可以得出模拟值与实测值具有很好的线性关系；
RMSE分别为6.44、6.98、2.87、4.44和5.06 g/株，说明干物质累积模型对番茄总干物质及各器官干物质模拟均有较高的模拟效果。

图4 番茄干物质累积模型的模拟值与实测值的比较

3.4 番茄鲜物质累积模拟值与实测值比较

结合3.3节中得到的干物质累积值，根据式（33）～（38）模拟计算出温室番茄各器官鲜质量，并与实测值进行比较，结果如图5所示。由图可知，较多番茄鲜物质累积模拟值分布在1:1线的右下方，说明模拟值比实测值低；
番茄植株总鲜质量、地上部鲜质量、茎鲜质量、叶鲜质量、果实鲜质量的模拟值与实测值之间的决定系数2分别为0.891 6、0.887 2、0.752 3、0.692 9和0.905 0，RMSE分别为165.98、171.16、44.52、39.25和109.83 g/株。除叶之外，其他各器官的模拟结果的决定系数在0.75以上，说明模型可较好地预测番茄总鲜质量及各器官鲜质量。模型模拟叶鲜质量误差较大的原因：模型中叶干质量是由光合生产模型计算得出的，在模拟叶干质量时会产生一定的误差（图4d）；
叶片老化、病害、现场采摘后失水等使得在鲜叶质量含水量获取过程中也会产生一定的误差。由于以上两者误差的相互作用，在模拟过程中形成了误差的累积，导致叶鲜质量的模拟值与实测值差异较大（图5d）。

图5 番茄鲜物质累积模拟值与实测值的比较

本研究采用冠层光合速率和呼吸作用对番茄干物质生产进了模拟，再结合累积辐热积与干物质分配指数之间的关系建立了保温塑料大棚番茄干物质生产及分配模型，该模拟模型在温度、光照以及CO2浓度差异较大的不同茬口、不同温室中开展验证试验，干物质累积模拟值与实测值基本吻合，说明构建的番茄干物质生产及分配模型具有较好的准确度和适用性。

在验证过程中也发现，番茄各器官鲜物质累积模拟值基本上低于实测值，这主要是由于试验过程中各器官的质量含水量偏低，导致干物质质量分数值偏高。根据文献[31]叶、茎、果的干物质含量分别为10.7%、11.3%、6.5%，而本试验中，叶、茎、果在成熟期的干物质质量分数分别为13.25%、13.6%、7.82%，由此造成了各器官鲜质量模拟值低于实测值。植物含水量又与气候环境、植物病害、生理活动等有关，植物遭受胁迫后含水量会降低。秋冬季栽培过程中，番茄生长过程易遭受弱光、低温胁迫，因此，尚需在今后试验中进一步深入研究温度和光照对番茄叶、茎、果含水量的影响。同时本研究中构建的番茄外观形态和物质累积分配模型是相同水肥管理方式下完成的，而不同水分处理下番茄干物质生产会有所差异[25]，为进一步提高模型的适用性和稳定性，还需要在不同气候区、不同管理方式、不同番茄品种中进行验证。

通过保温塑料大棚春茬番茄生产试验数据，以辐热积为自变量构建番茄外观形态以及物质累积分配模型，再通过模型预测保温塑料大棚秋茬以及日光温室越冬茬中番茄外观形态、各器官干鲜质量，得到如下结论：

1）基于辐热积建立番茄外观形态模型。番茄的株高模拟值的决定系数2和均方根误差（Root Mean Square Error，RMSE）分别为0.907 4和13.66 cm，说明该模型对不同温室番茄株高有较好的模拟结果。

2）建立基于辐热积的番茄干物质分配模拟模型。通过该模型估算出不同温室番茄各器官干物质预测值与实测值拟合度较高，决定系数2范围为0.854 1～0.975 1，RMSE为2.87～6.98 g/株。

3）在干物质分配模拟模型的基础上，结合番茄各器官含水量构建番茄各器官鲜质量模拟模型。该模型可较好地模拟温室番茄总鲜质量、地上部鲜质量以及果实鲜质量，决定系数2范围为0.887 2～0.905 0，RMSE为109.83～171.16 g/株。

综上，通过该模型估算出番茄株高、各器官干物质量和鲜质量的预测值与实测值拟合度较高，可以用该模型预测保温塑料大棚和日光温室中番茄各器官的干鲜质量，为不同温室中番茄生产提高理论指导。

[1] 李天来，齐明芳，孟思达. 中国设施园艺发展60年成就与展望[J]. 园艺学报，2022，49(10)：2119-2130.

Li Tianlai, Qi Mingfang, Meng Sida. Sixty years of facility horticulture development in China: Achievements and prospects[J]. Acta Horticulturae Sinica, 2022, 49(10): 2119-2130. (in Chinese with English abstract)

[2] Quinet M, Angosto T, Yuste-Lisbona F J, et al. Tomato fruit development and metabolism[J]. Frontiers in Plant Science, 2019, 10: 1554.

[3] Van den Hoof C, Hanert E, Vidale P L. Simulating dynamic crop growth with an adapted land surface model-JULES-SUCROS: Model development and validation [J]. Agricultural and Forest Meteorology, 2011, 151(2): 137-153.

[4] Bertin N, Heuvelink E. Dry-matter production in a tomato crop: Comparison of two simulation models[J]. Journal of Horticultural Science, 1993, 68(6): 995-1011.

[5] Giuliani M M, Gatta G, Cappelli G, et al. Identifying the most promising agronomic adaptation strategies for the tomato growing systems in Southern Italy via simulation modeling[J]. European Journal of Agronomy, 2019, 111: 125937.

[6] 赵子龙，李波，丰雪，等. 温室环境不同灌水水平条件下DSSAT-CROPGRO-Tomato模型的调参与验证[J]. 应用生态学报，2018，29(6)：2017-2027.

Zhao Zilong, Li Bo, Feng Xue, et al. Parameter estimation and verification of DSSAT-CROPGRO-Tomato model under different irrigation levels in greenhouse[J]. Chinese Journal of Applied Ecology, 2018, 29(6): 2017-2027. (in Chinese with English abstract)

[7] 应建阳. 基于能耗与作物产量预测的温室经济效益研究[D]. 杭州：浙江工业大学，2018.

Ying Jianyang. Research on Economic Benefits of Greenhouse Based on Prediction of Energy Consumption and Crop Yield[D]. Hangzhou: Zhejiang University of Technology, 2018. (in Chinese with English abstract)

[8] Kuijpers W J P, Van de Molengraft M J G, Van Mourik S, et al. Model selection with a common structure: Tomato crop growth models[J]. Biosystems Engineering, 2019, 187: 247-257.

[9] Berrueta C, Heuvelink E, Giménez G, et al. Estimation of tomato yield gaps for greenhouse in Uruguay[J]. Scientia Horticulturae, 2020, 265: 109250.

[10] Ge J K, Zhao L F, Yu Z H, et al. Prediction of greenhouse tomato crop evapotranspiration using XGBoost machine learning model[J]. Plants, 2022, 11(15): 1923-1923.

[11] Yeo U H, Lee S Y, Park S J, et al. Rooftop greenhouse: (1) design and validation of a BES model for a plastic-covered greenhouse considering the tomato crop model and natural ventilation characteristics[J]. Agriculture, 2022, 12(7): 903.

[12] Lin D Y, Wei R H, Xu L H. An Integrated yield prediction model for greenhouse tomato[J]. Agronomy, 2019, 9(12), 873.

[13] 徐立鸿，孟凡峥，蔚瑞华. 秒尺度温室番茄作物-环境互作模型构建与验证[J]. 农业工程学报，2021，37(8)：212-222.

Xu Lihong, Meng Fanzheng, Wei Ruihua. Development and verification of tomato-environment interaction model in second timescale greenhouse[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2021, 37(8): 212-222. (in Chinese with English abstract)

[14] 李永秀，罗卫红，倪纪恒，等. 基于辐射和温度热效应的温室水果黄瓜叶面积模型[J]. 植物生态学报，2006，30(5)：861-867.

Li Yongxiu, Luo Weihong, Ni Jiheng, et al. Simulation of greenhouse cucumber leaf area based on radiation and thermal effectiveness[J]. Chinese Journal of Plant Ecology, 2006, 30(5): 861-867. (in Chinese with English abstract)

[15] 倪纪恒，陈学好，陈春宏，等. 用辐热积法模拟温室黄瓜果实生长[J]. 农业工程学报，2009，25(5)：192-196.

Ni Jiheng, Chen Xuehao, Chen Chunhong, et al. Simulation of cucumber fruit growth in greenhouse based on production of thermal effectiveness and photosynthesis active radiation[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2009, 25(5): 192-196. (in Chinese with English abstract)

[16] 倪纪恒，毛罕平. 电导率对温室黄瓜叶面积和干物质生产影响的动态模拟[J]. 农业工程学报，2011，27(12)：105-109.

Ni Jiheng, Mao Hanping. Dynamic simulation of leaf area and dry matter production of greenhouse cucumber different electrical conductivity[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2011, 27(12): 105-109. (in Chinese with English abstract)

[17] 李叶萌，李冉，杨再强. 3种光温指标在模拟设施黄瓜生长发育中的应用与比较[J]. 干旱气象，2013，31(3)：523-529.

Li Yemeng, Li Ran, Yang Zaiqiang. Application and comparison of three temperature and light indexes in simulating growth and development of cucumber in greenhouse[J]. Journal of Arid Meteorology, 2013, 31(3): 523-529. (in Chinese with English abstract)

[18] 刁明，戴剑锋，罗卫红，等. 温室甜椒叶面积指数形成模拟模型[J]. 应用生态学报，2008，19(10)：2277-2283.

Diao Ming, Dai Jianfeng, Luo Weihong, et al. Simulation model on the formation of greenhouse sweet pepper leaf area index[J]. Chinese Journal of Applied Ecology, 2008, 19(10): 2277-2283. (in Chinese with English abstract)

[19] 刘志刚，徐勤超. 基于辐热积的温室微灌基质栽培生菜生长模拟[J]. 江苏农业学报，2016，32(6)：1315-1319.

Liu Zhigang, Xu Qinchao. A simulation for lettuce growth and development in greenhouse based on product of thermal effectiveness and photosynthetically active radiation[J]. Jiangsu Journal of Agricultural Sciences, 2016, 32(6): 1315-1319. (in Chinese with English abstract)

[20] 刘林，苑进，张岩，等. 日光温室基质培生菜鲜质量无损估算方法[J]. 农业机械学报，2021，52(9)：230-240.

Liu Lin, Yuan Jin, Zhang Yan, et al. Non-destructive estimation method of fresh weight of substrate cultured lettuce in solar greenhouse[J]. Transactions of the Chinese Society for Agricultural Machinery, 2021, 52(9): 230-240. (in Chinese with English abstract)

[21] 程陈，董朝阳，黎贞发，等. 日光温室芹菜外观形态及干物质积累分配模拟模型[J]. 农业工程学报，2021，37(10)：142-151.

Cheng Chen, Dong Chaoyang, Li Zhenfa, et al. Simulation model of external morphology and dry matter accumulation and distribution of celery in solar greenhouse[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2021, 37(10): 142-151. (in Chinese with English abstract)

[22] 倪纪恒，罗卫红，李永秀，等. 温室番茄发育模拟模型研究[J]. 中国农业科学，2005，38(6)：1219-1225.

Ni Jiheng, Luo Weihong, Li Yongxiu, et al. Simulation of the development of tomato in greenhouse[J]. Scientia Agricultura Sinica, 2005, 38(6): 1219-1225. (in Chinese with English abstract)

[23] 倪纪恒，罗卫红，李永秀，等. 温室番茄干物质分配与产量的模拟分析[J]. 应用生态学报，2006，17(5)：811-816.

Ni Jiheng, Luo Weihong, Li Yongxiu, et al. Simulation of greenhouse tomato dry matter partitioning and yield prediction[J]. Chinese Journal of Applied Ecology, 2006, 17(5): 811-816. (in Chinese with English abstract)

[24] 常毅博，李建明，尚晓梅，等. 水肥耦合驱动下的番茄植株形态模拟模型[J]. 西北农林科技大学学报（自然科学版），2015，43(2)：126-133，141.

Chang Yibo, Li Jianming, Shang Xiaomei, et al. Simulation of tomato morphology growth with water-fertilizer coupling[J]. Journal of Northwest A&F University (Natural Science Edition), 2015, 43(2): 126-133, 141. (in Chinese with English abstract)

[25] 石小虎，蔡焕杰，赵丽丽，等. 不同水分处理下基于辐热积的温室番茄干物质生产及分配模型[J]. 农业工程学报，2016，32(3)：69-77.

Shi Xiaohu, Cai Huanjie, Zhao Lili, et al. Greenhouse tomato dry matter production and distribution model under condition of irrigation based on product of thermal effectiveness and photosynthesis active radiation[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2016, 32(3): 69-77. (in Chinese with English abstract)

[26] 王丹丹，吕振宁，李坚，等. 基于辐热积的日光温室不同茬次袋培番茄干物质模型比较[J]. 西北农业学报，2018，27(2)：238-243.

Wang Dandan, Lü Zhenning, Li Jian, et al. Comparison of dry matter partitioning model of tomato cultivated with growth-bag during different growing seasons based on product of thermal effectiveness and photosynthesis active radiation in solar greenhouse[J]. Acta Agriculturae Boreali-occidentalis Sinica, 2018, 27(2): 238-243. (in Chinese with English abstract)

[27] 王健. 番茄生长发育模型研究及其专家系统设计[D]. 北京：北京理工大学，2015.

Wang Jian. Research on Growth and Development Model of Tomato and Its Expert System Design[D]. Beijing: Beijing Institute of Technology, 2015. (in Chinese with English abstract)

[28] 王新，刁明，马富裕，等. 滴灌加工番茄叶面积、干物质生产与累积模拟模型[J]. 农业机械学报，2014，45(2)：161-168.

Wang Xin, Diao Ming, Ma Fuyu, et al. Simulation of leaf area, dry matter production and accumulation of processing tomato with drip irrigation[J]. Transactions of the Chinese Society for Agricultural Machinery, 2014, 45(2): 161-168. (in Chinese with English abstract)

[29] 徐刚，张昌伟，李德翠，等. 温室番茄光合生产和干物质累积模型的建立[J]. 内蒙古农业大学学报（自然科学版），2007，28(3)：171-176.

Xu Gang, Zhang Changwei, Li Decui, et al. Simulation of photosynthesis and dry matter production in greenhouse tomato[J]. Journal of Inner Mongolia Agricultural University (Natural Science Edition), 2007, 28(3): 171-176. (in Chinese with English abstract)

[30] 程陈，冯利平，薛庆禹，等. 日光温室黄瓜生长发育模拟模型[J]. 应用生态学报，2019，30(10)：3491-3500.

Cheng Chen, Feng Liping, Xue Qingyu, et al. Simulation model for cucumber growth and development in sunlight greenhouse[J]. Chinese Journal of Applied Ecology, 2019, 30(10): 3491-3500. (in Chinese with English abstract)

[31] Heuvelink E. Growth, development and yield of a tomato crop: Periodic destructive measurements in a greenhouse[J]. Scientia Horticulturae, 1995, 61(1-2): 77-99.

Construction and verification of an external morphology, substance accumulation, and distribution model of tomatoes in greenhouses

Liu Fuhao, Guo Shenbo, Wang Di, Huang Bo, Cao Yanfei※

(,,,,712100,)

Vegetable production in greenhouses has greatly benefited from the crop growth models. Crop growth models are effective tools for crop production management and environmental optimization in greenhouses. It is necessary to validate the current model at many spatial scales in a variety of environmental situations. The applicability of the models is still unclear, because the majority of tomato growth models can only be used in multi-span greenhouses with favorable environmental conditions or the same greenhouse. Particularly, plastic greenhouses and Chinese solar greenhouses are very popular during this time. Some production challenges remain under human experience management. This study aims to build a greenhouse tomato growth model suitable for solar and plastic greenhouses. Three independent experiments were conducted in the solar greenhouses (span 11.0 m) and thermal insulation plastic greenhouses (span 18.0 m) in Yangling County, Shaanxi Province, China from 2021 to 2022. Specifically, the tomato production of spring stubble was set in the heat-insulating plastic greenhouse (Experiment 1) using environmental data, such as light and temperature. An external morphology model was constructed with the thermal effectiveness and PAR (TEP) as an independent variable, according to the relationship between the growth dynamic of external morphology and key meteorological factors (temperature and radiation) of tomatoes in a greenhouse. The TEP was also used to establish the dry matter accumulation and distribution model. The mathematical model of plant daily absorption was established to consider the simulation modules of photosynthesis and respiration. A module of dry matter accumulation in the tomato was then constructed under the amount of training. A new model of fresh matter accumulation was established to combine the relative water content of each organ at each embryonic stage. The whole growth model of the tomato was realized in a greenhouse from each sub-module. The accuracy of the sub-modules was verified using the experimental data of autumn stubble in the thermal insulation plastic greenhouse (Experiment 2) and winter stubble in the Chinese solar greenhouse (Experiment 3). The results showed that: 1) In the external morphology model, the coefficients of determination2and Root Mean Square Error (RMSE) for simulated values of tomato plant height were 0.907 4 and 13.66 cm, respectively. 2) In the dry matter accumulation model, the predicted dry matter weight of tomato organs in different greenhouses were estimated to fit well with the measured values. The coefficients of determination2for simulated values of dry matter weight of the whole tomato plant, above-ground parts, stem, leaf and fruit ranged from 0.854 1 to 0.975 1, and RMSE ranged from 2.87 to 6.98 g/plant. 3) In the fresh matter weight, the coefficients of determination2for simulated values of fresh weight accumulation of the whole tomato plant, above-ground parts and fruits ranged from 0.887 2 to 0.905 0 and RMSE from 109.83 to 171.16 g/plant. The improved model can be expected to accurately predict the plant height and weight accumulation of dried and fresh tomatoes. The strong practicability of the model can provide a theoretical basis and decision-making assistance for tomato production in facilities.

model; greenhouse; tomato; external morphology; product of thermal effectiveness and PAR

10.11975/j.issn.1002-6819.2022.21.022

S626

A

1002-6819(2022)-21-0188-09

刘福昊，郭申伯，王笛，等. 设施番茄外观形态及物质累积分配模型构建与验证[J]. 农业工程学报，2022，38(21)：188-196.doi：10.11975/j.issn.1002-6819.2022.21.022 http://www.tcsae.org

Liu Fuhao, Guo Shenbo, Wang Di, et al. Construction and verification of an external morphology, substance accumulation, and distribution model of tomatoes in greenhouses[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2022, 38(21): 188-196. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2022.21.022 http://www.tcsae.org

2022-07-25

2022-10-30

陕西省技术创新引导专项（2021QFY08-02）；
陕西省科技创新团队项目（2021TD-34）；
陕西省重点研发计划项目（2022ZDLNY03-02）

刘福昊，研究方向为番茄作物模拟与预测研究。Email：liufuhao@nwsuaf.edu.cn.

曹晏飞，博士，副教授，研究方向为设施结构优化及环境调控。Email：caoyanfei@nwsuaf.edu.cn.