1 引言
我國設施園藝發展于上世紀90年代，經過近20多年的發展，我國已成為世界上設施栽培面積最大最廣泛的國家.
在設施栽培農業中，有95%以上的以蔬菜作物為主要栽培對象。番茄設施栽培技術在我國北方得到了廣泛應用，已成為北方地區溫室作物中的主要栽培作物之一，并且初步形成了全年生產和供應的局面。番茄設施栽培除了受到其遺傳以及自身品種差異影響外，還受到外界氣象因子的影響.本文主要對番茄設施栽培生長規律與氣象因子之間的關系進行研究分析，并建立了相應的番茄生長發育動態氣象模型，對我國設施栽培技術的發展具有一定的促進意義.
2 試驗目的與方法
2.1試驗目的。本次試驗在河南省天和蔬菜種植基地進行，旨在研究模擬陰雨天氣過程光照不足情況下，日光溫室番茄生長發育變化情況，并且提出相應的管理措施。
2.2 試驗方法。番茄大棚日光溫室采用高 4 m、長90 m、跨度 10 m 的規格進行搭建，主采光面角度設置為27.5°,方位角為偏西5°,在冬季加蓋保溫棉被并通過電動卷簾機進行起放.用黑色的遮光網布，在日光溫室靠近南邊的一端，自東向西排列選4個小區進行覆蓋.對照組為每個小區的北面附近.
在天和蔬菜基地日光溫室內，選生長良好的番茄進行遮光處理，共4個小區，3月8日遮光處理后，水肥、噴藥等田間管理措施相同.3月9 ~15日每天下午4:30觀測1次.觀測項目為株高、植株直徑、果枝數、開花數、幼果數等.
3 結果與分析
光照是植物生長必不可少的氣象因子之一，是作物生長發育和物質能量代謝的基礎，對作物能量積累和果實形成具有非常重要的影響。在完全人工光照條件下，不同光質對番茄生長和產量品質會產生截然不同的影響。在作物生長過程中，適宜的弱光對植物生長發育具有一定的促進作用，而強光可促進作物繁殖器官的形成和發育.在番茄生長過程中，補充強光有利于番茄枝芽分化和開花結果，光照不足就會導致其落花落果.光照度影響番茄形態、葉片大小等，關系到幼苗的素質及產量形成。
番茄生長中光照不僅對其生長發育及果實的形成有影響，而且還影響著各種重要器官的形成和發育，下面將此次觀測到的數據進行統計進行分析（表 1）。
由表1 可以看出，處理后的植株高度、果枝數、幼果數與對照相比變化不大。而處理后的植株直徑與對照相比小 1.2 mm,植株開花數與對照相比少 1.2 個。處理后的植株觀測到有花脫落的現象，而對照沒有。處理后的植株第 5 天可以目測看出，與沒有遮光的植株相比，其生長弱小、葉片薄、葉色淡、不健壯，開花數量少，并且花朵瘦小有脫落現象.
以上分析了番茄生理特性的觀測事實，以及與主要因子溫度和輻射的關系，那么番茄果實生長與日光溫室中的相對濕度、地溫、冠層溫度等要素之間有什么關系？為此我們進行了投影尋蹤（PPR）相關分析，結果顯示，日照輻射是影響果實生長的首要因素，其次是有效積溫，冠層溫度與溫室溫度的影響差異不大，冠層溫度大于氣溫，與地溫相關系數較小，與相對濕度關系較低.
除相對濕度外，其他溫光因子對生長量的影響權重均在 0.6 以上。日照輻射權重大于有效積溫，這與Lie PingHP 的研究成果一致，因而說明日光溫室生產中光照仍是影響產量的首要因素，低溫和寡照是影響番茄生產的兩大重要災害，因此，冬季生產及時清除薄膜上的塵土，張掛反光幕和改善溫室采光性能是提高番茄產量的重要途徑。
4 基于 BP 神經網絡法的大棚氣象條件預報
4.1 BP基本算法。為了考慮計算方法的實用性，選用容易獲得并與番茄生長周期相關性較好的常規氣象要素作為預報因子，以河南省天和蔬菜番茄蔬菜大棚資料計算出的番茄生長狀況預測模型，以番茄成熟期作為預報對象.為了滿足BP 網絡節點函數的條件，首先對學習矩陣的訓練樣本作標準化處理：Ki=Zi–s/t-s.其中 Ki 為前饋網絡的標準化輸入數據，zi 為原始觀測數據，s 為待定系數。由于所取的 Sigmoid 節點函數是一種可微非遞減函數，該函數的值域為[0,1],考慮到已獲得觀測樣有限性，并為了有效提高網絡訓練速度，將學習神經網絡矩陣的原始數據標準化在0.2 ~ 1.3 之間，因此待定系數 s,可由以下公式計算：a-s = 0.1（t-s），b-s = 0.9（t-s）。其中a,b 分別為各樣本序列中的最小和最大值。
4.2 建立 BP 預測模型。在 BP 神經網絡中，包含輸入層節點數、隱含層節點數、樣本數、學習率、誤差指標、訓練步長、最大訓練循環次數等可調參數.學習速率決定每一次循環訓練中所產生的權值變化量。大的學習率可能導致系統的不穩定，但小的學習率將會導致訓練時間較長，收斂速度很慢，不過能保證網絡的誤差值不跳出誤差表面的低谷而最終趨于最小誤差值。所以在一般情況下，傾向于選取較小的學習率以保證系統的穩定性。學習速率的選取值在 0.01 ~ 0.8 之間，主要調節收斂速度，在計算機速度足夠快的條件下，其對達到訓練目的無大的影響。因此，輸入層節點數和隱含層節點數的確定是模型的關鍵。
5個輸入要素構成了輸入層，IW{1,1}和b{1}分別為輸入層到隱含層的權值和閾值；3個神經元節點構成了輸出層，tansig（正切S型傳遞函數，圖1）作為其傳遞函數，LW{2,1}和b{2}是從隱含層到輸出層的權值和閾值；番茄的生長大棚氣象因子構成了輸出層；輸出層傳遞函數采用logsig構成了番茄生長周期。
學習速率lr = 0.03,動量常數a = 0.8,最大訓練步數epochs = 3 500,控制誤差 goal = 0.009,這些是進行神經網絡模型訓練時采取的常數，歸一化處理輸入輸出數據.由式（1）得出隱層節點數的范圍為2 ~ 12,經過試錯法訓練比較選取隱層的節點數q為 8,最終采用網絡結構為 BP（5,8,1）。訓練誤差隨學習次數的變化曲線如圖 2 所示。當訓練步數為 158 步時，網絡收斂性好，誤差基本趨向穩定，達到最好訓練效果。
5 結論與措施
日光溫室如果光照不足會嚴重影響番茄的生長發育，以及開花與結果.因此當預報有連陰雨天氣時，應采取以下兩項措施：①要對開花的番茄提前進行人工授粉，噴灑濃度為 25 ~ 40 mg/kg 的防落素。在藥液中添加適量的微量元素如硼、鋅、銅等，對提高坐果率和促進果實膨大效果更佳。②陰雨天氣過后適當的增加施肥量，促使植株恢復健壯生長.
