Adjustment and improvement of environmental parameters for fruit and vegetable fresh-keeping based on BPNN-PID control strategy
-
摘要:目的
开发新的控制策略,用于解决传统控制方法果蔬保鲜环境参数因时变性、非线性、滞后性强和惯性大等特点导致的控制精度低、鲁棒性弱等问题。
方法将传统比例−积分−微分(Proportional-integral-derivative,PID)和BP神经网络(Back-propagation neural network,BPNN)算法相结合,开发一种基于BPNN-PID的控制策略,通过自主搭建的果蔬保鲜环境调控试验平台和自主设计的控制系统,研究不同控制策略对保鲜环境参数调控效果的影响。
结果基于BPNN-PID控制策略的果蔬保鲜环境控制系统,环境温度超调量为1.7 ℃、稳定时间为80 min、稳态误差为±0.2 ℃,环境相对湿度超调量为2.8%、稳定时间为55 min,相对湿度稳定维持在80%~90%范围内。与传统PID控制策略相比,BPNN-PID控制策略环境温度超调量减小了2.1 ℃、稳态误差减小了0.3 ℃、稳定时间缩短了25 min,环境相对湿度超调量减小了2.2%、稳定时间缩短了25 min,环境参数波动幅度均有所降低。
结论本文开发的果蔬保鲜环境控制系统呈现出良好的动态调整能力,具有较强的鲁棒性,控制性能明显提升,实现了保鲜环境参数的精准控制,满足果蔬保鲜贮藏要求。研究结果为果蔬保鲜环境参数调控提供了参考。
Abstract:ObjectiveThe environmental parameters of fruit and vegetable preservation are characterized by time-varying, non-linear, strong hysteresis and large inertia, which leads to the problems of low control accuracy and weak robustness of traditional control methods. The goal was to develop a new control strategy to address these problems.
MethodWe combined conventional proportional-integral-derivative (PID) and back-propagation neural network (BPNN) algorithms to develop a control strategy based on BPNN-PID. We studied the effect of using different control strategies on the regulation of freshness environment parameters through an independently built test platform for environmental regulation in fruit and vegetable preservation and an independently designed control system.
ResultThe experimental results showed that the temperature overshoot of the environment control system based on BPNN-PID control strategy was 1.7 ℃, the stable time was 80 min, and the steady-state error was 0.2 ℃. The overshoot of environmental relative humidity was 2.8%, the stable time was 55 min, and it was stable in the range of 80%–90%. Compared with conventional PID control strategy, the ambient temperature overshoot of BPNN-PID control strategy was reduced by 2.1℃, the steady-state error was reduced by 0.3 ℃, and the steady-state time was shortened by 25 min. The environmental relative humidity overshoot was reduced by 2.2%, the stabilization time was shortened by 25 min, and the fluctuation ranges of environmental parameters were reduced.
ConclusionThe system shows good dynamic adjustment ability, strong robustness and obvious improvement in control performance, which enables accurate control of environmental parameters of fruit and vegetable preservation and meets the requirements of fruit and vegetable preservation and storage. The research results can provide references for the regulation of environmental parameters of fruit and vegetable preservation.
-
Keywords:
- PID /
- BPNN /
- Control system /
- Fruit and vegetable fresh-keeping /
- Environmental parameter /
- Overshoot
-
甲烷(CH4)是一种主要的温室气体,稻田CH4排放量占全球温室气体总产生量的19%[1]。合理的灌溉和施肥等管理技术对稻田CH4减排有重要作用。目前稻田节水灌溉方式有“薄浅湿晒”灌溉、干湿交替灌溉等,干湿交替灌溉稻田的CH4排放量较常规灌溉和“薄浅湿晒”灌溉低[2]。与常规灌溉相比,“薄浅湿晒”灌溉可使稻田CH4排放量显著减少12.6%~44.9%[3],干湿交替灌溉可使稻田CH4累积排放量显著降低37%[4]。施氮量也会影响稻田CH4排放[5],但是施氮量对稻田CH4排放量影响的研究结果不一致。有研究表明,相对于不施氮肥,高无机氮处理(249 kg·hm−2)稻田CH4排放量降低15%[6];但也有研究发现,随着尿素用量的增加,稻田CH4排放量随之增加[5]。除了施氮量,不同生育时期施氮比例也会影响稻田CH4排放,基肥、分蘖肥、穗肥和粒肥施氮比例为4.5∶2∶1.5∶2的稻田CH4排放量低于施氮比例为5∶2.5∶1∶1.5和4∶2∶2∶2的[7]。不同灌溉方式及施氮量条件下,土壤易氧化有机碳、微生物量碳以及甲烷氧化菌可直接影响稻田CH4排放[2],且稻田CH4排放通量与土壤可溶性有机碳和微生物量碳含量呈正相关关系[8],而甲烷氧化菌则会降低稻田CH4排放量[9]。本研究通过3种灌溉方式和3种氮肥处理(氮肥用量与基、追肥比例结合)早、晚稻田间试验,研究双季稻不同生育期稻田CH4排放通量、土壤有机碳组分含量以及甲烷氧化菌数量的变化,分析稻田CH4排放通量与土壤有机碳组分含量和甲烷氧化菌数量之间的关系,以期获得稻田CH4减排的水氮管理模式,并揭示土壤有机碳组分含量和甲烷氧化菌数量对稻田CH4排放通量的影响规律。
1. 材料与方法
1.1 试验地点及材料
2016年7月至2017年7月在南宁市灌溉试验站(N22°52′58.33″,E108°17′38.86″)进行双季稻大田试验。试验所用土壤为第四纪红色黏土发育的水稻土,土壤理化特征如下:饱和含水率49.2%,容重1.2 g·cm−3,有机碳26.9 g·kg−1,全氮1.3 g·kg−1,碱解氮113.6 mg·kg−1,有效磷50.0 mg·kg−1,速效钾110.6 mg·kg−1,pH 7.6。试验期间早稻在分蘖期、孕穗期、乳熟期和成熟期的降雨量分别为186.3、83.0、97.7和222.3 mm,晚稻分别为619.2、6.4、81.0和7.8 mm。早稻和晚稻品种均为‘内5优8015’,为广西本地优良三系杂交水稻品种。
1.2 灌溉方式与施氮处理
试验设3种灌溉方式和3种氮肥处理,完全随机设计,共9个处理。每个处理设3个小区,共27个小区。每个小区面积25 m2,小区之间用25 cm厚红砖水泥墙隔离分开,以保证小区之间水分相互不侧渗和各小区独立灌排水,并安装水表记录每次灌溉量。
3种灌溉方式包括常规灌溉、“薄浅湿晒”灌溉和干湿交替灌溉。常规灌溉是在移栽返青期以及分蘖期到乳熟期田间均保持20~30 mm水层,但分蘖后期和成熟期仅保持土壤湿润。“薄浅湿晒”灌溉在移栽返青期保持20~40 mm水层,分蘖前期仅保持土壤湿润,分蘖后期由湿润状态自然落干至土壤干燥状态并继续晒田,孕穗期及乳熟期仅保持10 mm左右水层,成熟期晒田。干湿交替灌溉是在各小区均安装TEN45水分张力计(南京土壤仪器公司)监测土壤水势的变化,移栽后10 d内田间保持10~20 mm水层,7 d后进行干湿交替灌溉,即当土壤水势为−15 kPa时,灌溉20 mm,再自然落干至土壤水势为−15 kPa,再灌溉20 mm,如此循环,至水稻成熟。详细水分控制方法见本研究的前期工作报道[2, 10]。
3种施氮处理包括N1:120 kg·hm−2氮(20%基肥80%追肥),N2:120 kg·hm−2氮(50%基肥50%追肥),N3:90 kg·hm−2氮(50%基肥50%追肥)。所用肥料为:尿素(氮质量分数为46%)、过磷酸钙(P2O5质量分数为12%)和氯化钾(K2O质量分数为60%)。各处理P2O5用量为60 kg·hm−2,K2O用量为120 kg·hm−2,其中,全部过磷酸钙和50%氯化钾作基肥,在插秧前1 d耕地时施入土壤中,余下的50%氯化钾分别以分蘖肥和穗肥均按25%的比例施入土壤中。
晚稻试验于2016年7月4日播种,8月1日选取长势均匀的秧苗单株栽培,株行距为20 cm×20 cm,8月16日施分蘖肥,9月13日开始晒田,9月22日复水后施穗肥,11月8日收割。生育期内“薄浅湿晒”灌溉、干湿交替灌溉和常规灌溉平均灌溉量分别为157.8、130.8和227.9 mm。整个生育期为99 d。
早稻试验于2017年3月10日播种,4月12日选取长势均匀的秧苗单株栽培,株行距为20 cm×20 cm,4月16日施分蘖肥,5月27日开始晒田,6月3日复水后施穗肥,7月18日收割。生育期内“薄浅湿晒”灌溉、干湿交替灌溉和常规灌溉平均灌溉量分别为107.3、79.6和157.4 mm。整个生育期为95 d。
1.3 稻田CH4采集与测定
分别于晚稻移栽后37(分蘖期)、63(孕穗期)、77(乳熟期)和98 d(成熟期),早稻移栽后24(分蘖期)、64(孕穗期)、74(乳熟期)和94 d(成熟期)用静态箱法采集稻田CH4气体[11]。稻田CH4排放通量的测定用Agilent 7890A气相色谱仪(美国安捷伦科技有限公司),检测器为氢火焰离子检测器(FID),采用填充柱,当检测器温度升至350 ℃且基线平稳时,开始测样。CH4通量的计算参考王明星[11]的方法。
1.4 土壤采集与指标测定
在晚稻和早稻各生育期采集稻田CH4,同时在各小区按五点法采集0~20 cm耕层土壤样品,测定土壤微生物量碳、可溶性有机碳、易氧化有机碳含量和甲烷氧化菌数量。
微生物量碳含量测定用氯仿熏蒸–硫酸钾浸提法–总有机碳法[12],可溶性有机碳含量测定用无氯仿熏蒸–硫酸钾浸提–总有机碳法[13],易氧化有机碳含量测定用高锰酸钾氧化–分光光度计法[14],甲烷氧化菌数量测定用培养基–滚管法[15]。
1.5 统计分析
数据整理和分析采用DPS 12.26和ExceL 2003软件,结果用3次重复的平均值±标准误表示。用Duncan’s多重比较法分析各处理指标间的差异显著性(P<0.05),将稻田CH4排放通量与土壤有机碳组分含量和甲烷氧化菌数量进行相关性分析。
2. 结果与分析
2.1 不同处理各生育期双季稻田CH4排放通量
不同处理下双季稻田CH4排放通量随生育期的变化如图1所示,CH4排放通量在分蘖期较高,在孕穗期和乳熟期较低,在成熟期几乎为0。3种灌溉方式下,CH4在晚稻分蘖期集中排放,不同氮肥处理间CH4排放通量为N1>N2>N3。N3处理下,干湿交替灌溉稻田CH4排放通量在晚稻分蘖期、孕穗期和乳熟期较常规灌溉分别降低53.5%、99.4%和99.2%,在早稻分蘖期、孕穗期和乳熟期较常规灌溉分别降低19.9%、29.2%和63.9%。从图1可看出,在N1、N2和N3处理下,干湿交替灌溉双季稻田CH4排放通量均低于“薄浅湿晒”灌溉和常规灌溉,而在相同灌溉方式下,N3处理稻田CH4排放通量较N1、N2降低;因此,干湿交替灌溉N3处理稻田CH4排放通量最低。
图 1 不同处理各生育期双季稻田CH4排放通量N1:120 kg·hm−2氮(20%基肥80%追肥),N2:120 kg·hm−2氮(50%基肥50%追肥),N3:90 kg·hm−2氮(50%基肥50%追肥);TS:分蘖期,BS:孕穗期,MS:乳熟期,RS:成熟期Figure 1. CH4 emission fluxes from double-cropping paddy field at each growth stage in different treatmentsN1: 120 kg·hm−2 nitrogen (20% basal fertilizer and 80% topdressing), N2: 120 kg·hm−2 nitrogen (50% base fertilizer and 50% topdressing), N3: 90 kg·hm−2 nitrogen (50% basal fertilizer and 50% topdressing); TS: Tillering stage, BS: Booting stage, MS: Milk stage, RS: Ripening stage2.2 不同处理各生育期土壤有机碳组分的变化
由表1可知,不同处理下双季稻田整个生育期土壤微生物量碳在0.08~0.23 g·kg−1范围内变化,以乳熟期较高。在“薄浅湿晒”灌溉下,晚稻分蘖期、孕穗期和乳熟期以及早稻4个生育期N2处理土壤微生物量碳均较高于N1和N3处理。干湿交替灌溉下,晚稻孕穗期和成熟期以及早稻4个生育时期N2处理土壤微生物量碳均高于N1和N3处理,其中早稻孕穗期、乳熟期和成熟期N2处理较N1处理分别增加23.5%、27.8%和20.0%,早稻孕穗期和乳熟期N2处理较N3处理分别增加23.5%和27.8%。常规灌溉下,晚稻土壤微生物量碳在分蘖期、孕穗期和乳熟期以N2处理较高,乳熟期N2处理较N1和N3处理均增加21.0%。早稻分蘖期、乳熟期和成熟期N2处理均高于N1和N3处理,其中乳熟期和成熟期较N1处理分别增加50.0%和75.0%,成熟期较N3处理增加27.3%。3种氮肥处理下,常规灌溉早稻土壤微生物量碳均低于“薄浅湿晒”灌溉及干湿交替灌溉。因此在相同灌溉方式下,N2处理稻田土壤微生物量碳高于N1和N3处理;在相同氮肥处理下,常规灌溉早稻土壤微生物量碳低于“薄浅湿晒”灌溉和干湿交替灌溉。
表 1 不同处理各生育期土壤微生物量碳含量1)Table 1. Soil microbial biomass carbon contents at each growth stage in different treatmentsw/(g·kg−1) 施氮处理
Nitrogen treatment灌溉方式
Irrigation method晚稻 Late rice 早稻 Early rice TS BS MS RS TS BS MS RS N1 BG 0.15±0.01b 0.17±0.01ab 0.17±0.01b 0.17±0.01ab 0.16±0.01ab 0.17±0.01bc 0.18±0.01bc 0.15±0.01b GG 0.17±0.02ab 0.17±0.01ab 0.17±0.01b 0.17±0.01ab 0.17±0.02ab 0.17±0.01bc 0.18±0.01bc 0.15±0.01b CG 0.17±0.04ab 0.19±0.01ab 0.19±0.01b 0.16±0.01ab 0.14±0.02b 0.12±0.01d 0.12±0.01d 0.08±0.01c N2 BG 0.18±0.01ab 0.18±0.01ab 0.19±0.01b 0.17±0.01ab 0.19±0.01a 0.19±0.01ab 0.20±0.01b 0.18±0.01a GG 0.19±0.01ab 0.18±0.01ab 0.18±0.01b 0.20±0.03a 0.20±0.01a 0.21±0.01a 0.23±0.01a 0.18±0.01a CG 0.21±0.02a 0.21±0.02a 0.23±0.02a 0.15±0.02bc 0.17±0.01ab 0.14±0.01cd 0.18±0.01bc 0.14±0.02b N3 BG 0.17±0.01ab 0.18±0.01ab 0.18±0.01b 0.17±0.01ab 0.17±0.02ab 0.17±0.01bc 0.18±0.01b 0.16±0.01ab GG 0.19±0.01ab 0.18±0.01ab 0.17±0.01b 0.17±0.01ab 0.18±0.01a 0.17±0.01bc 0.18±0.01bc 0.16±0.01ab CG 0.17±0.01ab 0.20±0.01ab 0.19±0.01b 0.11±0.02c 0.16±0.01ab 0.14±0.02cd 0.16±0.01c 0.11±0.02c 1)N1:120 kg·hm−2氮(20%基肥80%追肥),N2:120 kg·hm−2氮(50%基肥50%追肥),N3:90 kg·hm−2氮(50%基肥50%追肥);BG:“薄浅湿晒”灌溉,GG:干湿交替灌溉,CG:传统灌溉;TS:分蘖期,BS:孕穗期,MS:乳熟期,RS:成熟期;同列数据后不同小写字母表示处理间差异显著(P<0.05,Duncan’s法)
1) N1: 120 kg·hm−2 nitrogen (20% basal fertilizer and 80% topdressing), N2: 120 kg·hm−2 nitrogen (50% base fertilizer and 50% topdressing), N3: 90 kg·hm−2 nitrogen (50% basal fertilizer and 50% topdressing); BG: “Thin-shallow-wet-dry” irrigation, GG: Alternate drying and wetting irrigation, CG: Conventional irrigation; TS: Tillering stage, BS: Booting stage, MS: Milk stage, RS: Ripening stage; Different lowercase letters in the same column indicate significant differences among different treatments (P<0.05, Duncan’s method)由表2可知,不同处理双季稻田整个生育期土壤可溶性有机碳含量在45.6~106.3 mg·kg−1范围内变化。“薄浅湿晒”灌溉下,晚稻4个生育期及早稻孕穗期、乳熟期和成熟期N3处理土壤可溶性有机碳含量均大于N1和N2处理,其中晚稻乳熟期N3处理较N1和N2处理分别增加23.8%和22.5%。干湿交替灌溉下,晚稻分蘖期、乳熟期和成熟期N3处理土壤可溶性有机碳含量较N1处理分别增加12.0%、12.6%和13.3%,同时较N2处理分别增加12.9%、18.0%和11.8%;早稻乳熟期和成熟期N3处理土壤可溶性有机碳含量较N1处理分别增加36.2%和42.1%,较N2处理分别增加25.4%和36.4%。常规灌溉方式下,晚稻乳熟期和成熟期N3处理土壤可溶性有机碳含量较N1处理分别增加9.6%和21.3%,乳熟期较N1、N2处理分别增加9.6%和6.6%。在3种氮肥处理下,不同灌溉方式对稻田土壤可溶性有机碳含量影响顺序为干湿交替灌溉>“薄浅湿晒”灌溉>常规灌溉,早稻田在分蘖期及孕穗期以干湿交替灌溉土壤可溶性有机碳含量最高,在乳熟期及成熟期以“薄浅湿晒”灌溉土壤可溶性有机碳含量最高。因此,相同灌溉方式下,双季稻田N3处理土壤可溶性有机碳含量均大于N1和N2处理;相同氮肥处理下,干湿交替灌溉土壤可溶性有机碳含量较高。
表 2 不同处理各生育期土壤可溶性有机碳含量Table 2. Soil soluble organic carbon contents at each growth stage in different treatmentsw/(mg·kg−1) 施氮处理
Nitrogen
treatment灌溉方式
Irrigation
method晚稻 Late rice 早稻 Early rice TS BS MS RS TS BS MS RS N1 BG 80.1±5.2d 83.2±3.5abc 82.3±1.2c 61.1±2.0bc 86.9±5.6a 84.8±4.9ab 88.5±6.3abc 64.2±8.6abc GG 92.8±1.2bc 89.5±3.4a 89.0±2.2b 61.1±3.1bc 89.5±11.6a 84.9±21.9ab 77.1±6.4c 54.9±10.4c CG 92.6±5.5bc 73.6±5.4c 73.6±2.0e 45.6±3.2d 85.0±15.5a 74.9±15.9b 83.1±4.9bc 62.9±5.0abc N2 BG 84.6±2.0cd 82.7±4.9abc 83.2±4.4c 58.9±3.1bc 88.2±10.3a 70.9±6.1b 97.2±13.5ab 71.6±4.7ab GG 92.0±0.1bc 84.2±3.1ab 84.9±3.1bc 61.9±1.3bc 94.7±38.3a 87.6±13.9ab 83.7±2.4bc 57.2±1.9bc CG 90.6±3.0bc 76.4±2.2bc 75.7±1.9de 46.9±4.8d 92.5±13.9a 77.6±4.2ab 70.4±8.1c 49.8±5.1c N3 BG 85.4±4.1cd 87.2±6.7a 101.9±3.0a 66.6±5.0ab 71.3±31.4a 87.6±4.8ab 106.3±6.7a 78.3±6.2a GG 103.9±2.4a 89.5±2.3a 100.2±3.9a 69.2±2.5a 102.9±19.2a 99.1±17.2a 105.0±6.2a 78.0±4.7a CG 99.2±6.7ab 79.5±2.0abc 80.7±4.3cd 55.3±3.1c 96.6±9.6a 93.7±3.7ab 89.1±5.8abc 71.1±4.6ab 1) N1:120 kg·hm−2氮(20%基肥80%追肥),N2:120 kg·hm−2氮(50%基肥50%追肥),N3:90 kg·hm−2氮(50%基肥50%追肥);BG:“薄浅湿晒”灌溉,GG:干湿交替灌溉,CG:传统灌溉;TS:分蘖期,BS:孕穗期,MS:乳熟期,RS:成熟期;同列数据后不同小写字母表示处理间差异显著(P<0.05,Duncan’s法)
1) N1: 120 kg·hm−2 nitrogen (20% basal fertilizer and 80% topdressing), N2: 120 kg·hm−2 nitrogen (50% base fertilizer and 50% topdressing), N3: 90 kg·hm−2 nitrogen ( 50% basal fertilizer and 50% topdressing); BG: “Thin-shallow-wet-dry” irrigation, GG: Alternate drying and wetting irrigation, CG: Conventional irrigation; TS: Tillering stage, BS: Booting stage, MS: Milk stage, RS: Ripening stage; Different lowercase letters in the same column indicate significant differences among different treatments (P<0.05, Duncan’s method)由表3可以看出,不同处理晚稻田土壤易氧化有机碳含量在1.08~7.10 g·kg−1范围内变化。N1处理下,晚稻分蘖期和孕穗期以及早稻分蘖期、孕穗期和成熟期常规灌溉土壤易氧化有机碳含量均大于“薄浅湿晒”灌溉和干湿交替灌溉;常规灌溉土壤易氧化有机碳含量在早稻孕穗期较“薄浅湿晒”灌溉增加47.7%,在成熟期较“薄浅湿晒”灌溉和干湿交替灌溉方式分别增加93.5%和61.3%。N2处理下,除晚稻乳熟期外,常规灌溉双季稻各生育期土壤易氧化有机碳含量均大于“薄浅湿晒”灌溉和干湿交替灌溉;常规灌溉土壤易氧化有机碳含量在晚稻孕穗期和成熟期较“薄浅湿晒”灌溉分别增加50.2%和34.5%,在早稻乳熟期增加27.1%。N3处理下,常规灌溉土壤易氧化有机碳含量在早稻分蘖期较干湿交替灌溉增加115.9%,在早稻孕穗期较“薄浅湿晒”灌溉和干湿交替灌溉分别增加38.8%和40.9%;在“薄浅湿晒”和干湿交替灌溉下,不同氮肥处理之间土壤易氧化有机碳含量没有明显变化规律,在常规灌溉下,除早稻孕穗期、乳熟期及成熟期外,土壤易氧化有机碳含量均是N2>N1>N3。因此,相同氮肥处理下,常规灌溉土壤易氧化有机碳含量较“薄浅湿晒”灌溉和干湿交替灌溉增加。
表 3 不同处理各生育期土壤易氧化有机碳含量Table 3. Soil readily oxidizable organic carbon contents at each growth stage in different treatmentsw/(g·kg−1) 施氮处理
Nitrogen
treatment灌溉方式
Irrigation
method晚稻 Late rice 早稻 Early rice TS BS MS RS TS BS MS RS N1 BG 4.53±1.66ab 3.55±0.21ab 4.65±0.58a 5.74±0.60a 2.41±0.39d 3.08±0.29d 4.48±0.42abc 1.70±0.44b GG 1.08±0.13b 3.82±0.34ab 5.30±0.38a 4.70±0.20bc 2.81±0.17d 3.82±0.34bcd 5.11±0.36a 2.04±0.48b CG 6.48±1.65ab 4.33±0.28ab 5.13±0.31a 5.31±0.12ab 3.67±1.17bcd 4.55±0.23abc 5.06±0.26a 3.29±0.61a N2 BG 4.18±2.84ab 3.05±0.25b 5.27±0.40a 4.12±0.37c 4.74±1.33abcd 4.13±0.12abcd 3.95±0.25bc 1.86±0.32b GG 3.08±1.52ab 4.34±0.65ab 5.57±0.35a 4.52±0.10bc 4.62±1.00abcd 4.15±0.24abcd 4.84±0.20ab 2.23±0.34ab CG 7.10±0.79a 4.58±0.66a 5.51±0.32a 5.54±0.18ab 7.25±0.67a 5.12±0.18a 5.02±0.12a 2.71±0.37ab N3 BG 3.68±1.89ab 4.34±0.65ab 5.94±0.51a 4.79±0.40abc 5.65±1.23abc 3.40±0.86cd 5.15±0.08a 1.55±0.21b GG 5.02±1.79ab 4.34±0.25ab 4.76±0.18a 4.10±0.17c 2.96±0.15cd 3.35±0.29cd 3.77±0.56c 1.74±0.19b CG 6.27±1.95ab 3.62±0.18ab 4.59±0.51a 4.73±0.32abc 6.39±0.28ab 4.72±0.41ab 4.24±0.20abc 2.31±0.16ab 1) N1:120 kg·hm−2氮(20%基肥80%追肥),N2:120 kg·hm−2氮(50%基肥50%追肥),N3:90 kg·hm−2氮(50%基肥50%追肥);BG:“薄浅湿晒”灌溉,GG:干湿交替灌溉,CG:传统灌溉;TS:分蘖期,BS:孕穗期,MS:乳熟期,RS:成熟期;同列数据后不同小写字母表示处理间差异显著(P<0.05,Duncan’s法)
1) N1: 120 kg·hm−2 nitrogen (20% basal fertilizer and 80% topdressing), N2: 120 kg·hm−2 nitrogen (50% base fertilizer and 50% topdressing), N3: 90 kg·hm−2 nitrogen (50% basal fertilizer and 50% topdressing); BG: “Thin-shallow-wet-dry” irrigation, GG: Alternate drying and wetting irrigation, CG: Conventional irrigation; TS: Tillering stage, BS: Booting stage, MS: Milk stage, RS: Ripening stage; Different lowercase letters in the same column indicate significant differences among different treatments (P<0.05, Duncan’s method)2.3 不同处理各生育期土壤甲烷氧化菌数量的变化
如图2所示,不同处理晚稻各生育期土壤甲烷氧化菌数量变化范围为1.64×106~12.98×106 cfu·g−1,早稻为1.63×106~23.50×106 cfu·g−1。在N1处理下,常规灌溉土壤甲烷氧化菌数量在晚稻成熟期以及早稻孕穗期、乳熟期和成熟期均大于干湿交替灌溉和“薄浅湿晒”灌溉。在N3处理下,常规灌溉土壤甲烷氧化菌数量在早稻孕穗期和乳熟期较“薄浅湿晒”灌溉分别增加419.2%和457.8%。在N2处理下,干湿交替灌溉土壤甲烷氧化菌数量在双季稻4个生育期均低于“薄浅湿晒”灌溉和常规灌溉,在晚稻分蘖期较“薄浅湿晒”灌溉方式减少76.0%,在孕穗期和乳熟期较常规灌溉方式分别减少77.2%和77.3%;在早稻分蘖期较“薄浅湿晒”灌溉减少76.6%,在孕穗期、乳熟期和成熟期较常规灌溉方式分别减少87.7%、86.2%和57.9%。在N1处理下,“薄浅湿晒”灌溉土壤甲烷氧化菌数量在晚稻分蘖期、孕穗期和乳熟期均大于干湿交替灌溉和常规灌溉,其中在孕穗期较干湿交替灌溉方式增加136.5%;在早稻分蘖期和乳熟期也较干湿交替灌溉和常规灌溉大。在3种灌溉方式下,3种氮肥处理土壤甲烷氧化菌数量没有明显变化规律。因此,相同氮肥处理下,干湿交替灌溉土壤甲烷氧化菌数量较“薄浅湿晒”灌溉和常规灌溉低。
图 2 不同处理各生育期土壤甲烷氧化菌数量N1:120 kg·hm−2氮(20%基肥80%追肥),N2:120 kg·hm−2氮(50%基肥50%追肥),N3:90 kg·hm−2氮(50%基肥50%追肥);TS:分蘖期,BS:孕穗期,MS:乳熟期,RS:成熟期Figure 2. Soil methane oxidizing bacteria population amounts at each growth stage in different treatmentsN1: 120 kg·hm−2 nitrogen (20% basal fertilizer and 80% topdressing), N2: 120 kg·hm−2 nitrogen (50% base fertilizer and 50% topdressing), N3: 90 kg·hm−2 nitrogen (50% basal fertilizer and 50% topdressing); TS: Tillering stage, BS: Booting stage, MS: Milk stage, RS: Ripening stage2.4 双季稻田CH4通量与土壤有机碳组分和甲烷氧化菌的关系
由表4可知,晚稻田CH4排放通量与土壤可溶性有机碳含量之间呈极显著正相关(r=0.55,P<0.01),早稻田CH4排放通量与土壤可溶性有机碳和土壤易氧化有机碳含量之间呈显著正相关,双季稻田CH4排放通量与土壤微生物量碳和甲烷氧化菌数量之间的关系均不显著;因此,土壤可溶性有机碳是影响稻田CH4排放通量的主要因素。
表 4 双季稻田CH4排放通量与土壤有机碳组分和甲烷氧化菌相关性分析1)Table 4. Correlation analyses of CH4 emission flux with soil organic carbon fraction and methane oxidizing bacteria稻季
Rice season微生物量碳含量
Microbial biomass
carbon content可溶性有机碳含量
Soluble organic
carbon content易氧化有机碳含量
Readily oxidizable organic
carbon content甲烷氧化菌数量
Methane oxidizing
bacteria number晚稻 Late rice 0.31 0.55** 0.25 0.12 早稻 Early rice 0.22 0.34* 0.42* −0.04 1)“*”、“**”分别表示在0.05、0.01水平显著相关
1)“*”, “**” indicate significant correlation at 0.05 and 0.01 levels respectively3. 讨论与结论
3.1 不同灌溉、氮肥处理对稻田CH4排放通量的影响
在水稻整个生育期内稻田CH4集中在分蘖期排放,原因可能是在水稻生长初期,刚淹水后土壤中的有机质剧烈分解,导致土壤中有较多的CH4产生[12],而后期随着有效氮素的消耗减少,微生物缺乏基质和能源使稻田CH4排放减少。有研究认为,水层深度和CH4排放通量有很强的负相关关系,水层深度通过影响厌氧环境和水温水量控制水稻根系和根系分泌物数量,而这些物质将为CH4产生提供底物[16]。
相同氮肥处理下,相对于干湿交替灌溉,常规灌溉和“薄浅湿晒”灌溉稻田CH4排放通量降低时间较晚;是因为干湿交替灌溉破坏土壤产甲烷菌的生存环境,CH4产生土层随水分降低而下降,待重新灌溉后需一段时间恢复[17],而且干湿交替灌溉灌溉频率较低,导致稻田CH4排放通量降低时间较早。成熟期土壤中CH4的产生可能与根系渗出物和根系的腐烂有关[17]。
氮肥施入增加土壤中氮素有效性,会相应地提高产甲烷菌所需有机底物有效性,使得产甲烷菌有较多可利用底物,增加CH4排放量[18]。总体来说,在相同灌溉方式下,N3处理稻田CH4排放通量较N1和N2处理低,可能是因为N1和N2处理能刺激更多微生物生长繁殖,改变土壤有机质含量,增加根系分泌物数量等,为CH4生成提供底物[19]。但有研究表明施入尿素使稻田CH4排放通量减少[20],可能与稻田土壤理化性质有关,因为低氮水平增施氮肥刺激土壤有机底物生成,高氮会形成长期氮肥输入,增加土壤酸度,抑制微生物活性和CH4的产生[21]。
3.2 不同灌溉、氮肥处理对土壤有机碳组分含量的影响
不同灌溉、氮肥处理下土壤微生物量碳含量在分蘖期较低,在孕穗期较高,之后降低,与Banerjee等[22]在单施氮、磷、钾肥处理的结果一致。相同灌溉方式下,N2处理土壤微生物量碳较N3高,史登林等[23]在减量施氮40%条件下有相似的结果;这是因为增施氮肥可以为土壤微生物提供营养物质,促进其生长,进而增加土壤微生物量碳含量[24]。
3种灌溉方式和3种氮肥处理下,双季稻田土壤可溶性有机碳含量在分蘖期、孕穗期及乳熟期没有明显差异,但是在成熟期均减少;原因可能是土壤可溶性有机碳是土壤中微生物生活的重要物质及能量来源,当水稻生长前期淹水灌溉时,土壤中可溶性有机质分解,导致土壤可溶性有机碳含量升高,从而微生物数量增多,相应所需的土壤可溶性有机碳更多,土壤可溶性有机碳含量减少,因而形成一个稳定的体系[25]。在成熟期,追施氮肥较多,再加上甲烷氧化菌呼吸作用增强,充分利用剩余碳素,使土壤可溶性有机碳相对减少。相同灌溉方式下,N3处理双季稻田土壤可溶性有机碳含量大于N1及N2处理,说明相同灌溉方式下,低氮较高氮更有利于提高稻田土壤可溶性有机碳含量,这与前人在减量施氮40%处理下得到的结果相似[23]。相同施氮处理下,虽然不同灌溉方式的稻田土壤可溶性碳含量在不同生育期内有波动,但总体上以干湿交替灌溉较高。
N1处理干湿交替灌溉晚稻田土壤易氧化有机碳含量较少,可能是因为干湿交替灌溉土壤通透性高,微生物活性增强,加之易分解,所以含量较少[26]。N2处理常规灌溉土壤易氧化有机碳含量较高,可能是因为常规灌溉使微生物活性减弱,土壤易氧化有机碳被利用量减少,从而为土壤易氧化有机碳的移动提供便利条件。
土壤可溶性有机碳含量和稻田CH4排放通量有相同的变化趋势,因此,双季稻田CH4排放通量与土壤可溶性有机碳含量呈显著正相关,表明稻田土壤可溶性有机碳含量的高低可以间接反映稻田CH4排放量大小。
3.3 不同灌溉、氮肥处理对土壤甲烷氧化菌数量的影响
干湿交替灌溉土壤甲烷氧化菌数量较“薄浅湿晒”灌溉和常规灌溉少,原因可能是干湿交替灌溉土壤环境不适合甲烷氧化菌生存。N1和N2处理下,总体上“薄浅湿晒”灌溉土壤甲烷氧化菌数量较大,因为“薄浅湿晒”灌溉不仅满足稻田水分需求,且比常规灌溉有良好的土壤通气性,有利于土壤甲烷氧化菌的生存[26]。但也有研究表明CH4氧化过程也可能在厌氧环境中,是产CH4过程的逆向代谢[27]。
3.4 结论
晚稻分蘖期N3(90 kg·hm−2氮,50%基肥和50%追肥)处理干湿交替灌溉稻田CH4排放通量较其他灌溉方式低,而土壤可溶性有机碳含量较其他灌溉方式高。双季稻田CH4排放通量仅与土壤可溶性有机碳含量呈显著正相关,其中,晚稻田相关系数为0.55,早稻田相关系数为0.34。因此,土壤可溶性有机碳含量显著影响双季稻田CH4排放通量,且在供试土壤和栽培管理条件下,干湿交替灌溉N3处理稻田CH4排放通量较低。
-
图 1 果蔬保鲜运输车箱体结构示意图
1:冷凝器;2:冷凝风机;3:蒸发风机;4:回风道;5:保鲜室;6: 传感器盒;7:货物;8:支撑架;9:气流轨道;10:排水管;11:三通接头;12:积水槽;13:温度传感器;14:超声波雾化器;15:开孔隔板;16:加湿风机;17:蒸发器;18:补水箱;19:排水阀;20:变频器;21:变频压缩机;22:制冷管路;23:压力室;24:控制器;25:触摸屏;26:电子计算机
Figure 1. Schematic diagram of the box structure of the transport vehicle for fruit and vegetable fresh-keeping
1: Condenser; 2: Condensing fan; 3: Evaporating fan; 4: Return air duct; 5: Keep-freshing room; 6: Sensor box; 7: Cargo; 8: Support frame; 9: Air flow track; 10: Drain pipe; 11: Tee connector; 12: Standing water tank; 13: Temperature sensor; 14: Ultrasonic atomizer; 15: Open partition; 16: Humidifying fan; 17: Evaporator; 18: Water replenishment tank; 19: Drain valve; 20: Inverter; 21: Inverter compressor; 22: Refrigeration line; 23: Pressure chamber; 24: Controller; 25: Touch screen; 26: Electronic computer
图 8 果蔬保鲜环境温度BPNN-PID控制器
C:外部偏置常量;r(k) :系统期望值;y(k) :系统实际值;e(k) :系统偏差;u(k):计算机输出值;KP:比例系数;KI :积分系数;KD:微分系数
Figure 8. Ambient temperature BPNN-PID controller for fruit and vegetable fresh-keeping
C: External bias constant; r(k): System expected value; y(k): Actual value of the system; e(k): System deviation; u(k):Computer output; KP: Proportional coefficient; KI: Integration coefficient; KD: Differential coefficient
图 9 BP神经网络结构
x1:目标温度;x2:实际温度;x3:温度误差;x4:外部偏置常量;l:输入层神经元序号;m隐含层神经元序号;n:输出层神经元序号;KP :比例系数;KI:积分系数;KD:微分系数
Figure 9. BP neural network structure
x1: Target temperature; x2: Actual temperature; x3: Temperature error; x4: External bias constant; l: Input layer neuron number; m: Hidden layer neuron number; n: Output layer neuron number; KP: Proportional coefficient; KI: Integration coefficient; KD: Differential coefficient
-
[1] RINALDI M M, DIANESE A D C, COSTA A M, et al. Post-harvest conservation of Passiflora alata fruits under ambient and refrigerated condition[J]. Food Science and Technology, 2019, 39(4): 889-896. doi: 10.1590/fst.14018
[2] MAHMOOD M H, SULTAN M, MIYAZAKI T. Significance of temperature and humidity control for agricultural products storage: Overview of conventional and advanced options[J]. International Journal of Food Engineering, 2019, 15(10). doi: 10.1515/ijfe-2019-0063.
[3] SUGINO N, WATANABE T, KITAZAWA H. Effect of transportation temperature on tomato fruit quality: Chilling injury and relationship between mass loss and a*values[J]. Journal of Food Measurement and Characterization, 2022, 16(4): 2884-2889. doi: 10.1007/s11694-022-01394-2
[4] 刘佩. 高失水性新鲜果蔬包装内环境湿度调节技术的研究[D]. 西安: 西安理工大学, 2014. [5] 刘佳, 乔丽萍, 李喜宏, 等. 温度波动对樱桃番茄贮藏效果研究[J]. 食品研究与开发, 2017, 38(11): 198-202. doi: 10.3969/j.issn.1005-6521.2017.11.044 [6] 王广海, 吕恩利, 陆华忠, 等. 保鲜运输用液氮充注气调控制系统的设计与试验[J]. 农业工程学报, 2012, 28(1): 255-259. doi: 10.3969/j.issn.1002-6819.2012.01.045 [7] SHAFIUDIN S, KHOLIS N. Monitoring system and temperature controlling on PID based poultry hatching incubator[J]. IOP Conference Series: Materials Science and Engineering, 2018, 336(1): 12007.
[8] BARROS J S G, ROSSI L A, SARTOR K. PID temperature controller in pig nursery: Improvements in performance, thermal comfort, and electricity use[J]. International Journal of Biometeorology, 2016, 60(8): 1271-1277. doi: 10.1007/s00484-015-1122-7
[9] 王欣瑞, 卢雁. 关于PID控制技术在工业自动控制中的应用研究[J]. 电子测试, 2021(5): 109-110. doi: 10.3969/j.issn.1000-8519.2021.05.041 [10] PANG T, SUN X, PU C. Air conditioning temperature control based on adaptive neural fuzzy PID[J]. International Core Journal of Engineering, 2020, 6(7): 33-38.
[11] 赵鑫鑫. 冷藏车多温区分布优化及温度精准调控[D]. 济南: 山东大学, 2014. [12] AFTAB M S, SHAFIQ M. Adaptive PID controller based on Lyapunov function neural network for time delay temperature control[C]//2015 IEEE 8th GCC Conference & Exhibition. Muscat, Oman: IEEE, 2015: 1-6.
[13] SALCEDO J, FELIU V, RIVAS R. State feedback temperature control based on a Smith predictor in a precalciner of a cement kiln[J]. IEEE Latin America Transactions, 2021, 19(1): 138-146. doi: 10.1109/TLA.2021.9423857
[14] SILVEIRA A S, DE OLIVEIRA M D C, NETO A T, et al. Least power point tracking (LPPT) control for refrigeration systems running with variable-speed compressors[J]. International Journal of Refrigeration, 2021, 125: 132-137. doi: 10.1016/j.ijrefrig.2021.01.002
[15] 王广海, 夏晶晶, 吕恩利, 等. 基于递推估计的保鲜环境信息感知系统设计[J]. 包装工程, 2020, 41(21): 165-171. doi: 10.19554/j.cnki.1001-3563.2020.21.023 [16] 张东霞, 吕恩利, 陆华忠, 等. 保鲜运输车温度场分布特性试验研究[J]. 农业工程学报, 2012, 28(11): 254-260. doi: 10.3969/j.issn.1002-6819.2012.11.041 [17] 贺刚, 蔡晓华, 白阳, 等. 基于模糊PID的犊牛代乳粉奶液温度控制系统设计与试验[J]. 农业机械学报, 2022, 53(3): 266-276. doi: 10.6041/j.issn.1000-1298.2022.03.028 [18] MADUGU J S. Modeling and simulation of proportional-integral-derivative (PID) temperature controller for an electric kettle[J]. International Journal of Engineering, Science and Mathematics, 2019, 7(9): 15-20.
[19] 王祎晨. 增量式PID和位置式PID算法的整定比较与研究[J]. 工业控制计算机, 2018, 31(5): 123-124. doi: 10.3969/j.issn.1001-182X.2018.05.051 [20] 张永振, 苏寒松, 刘高华, 等. 基于BP神经网络的PID控制器参数调整[J]. 南开大学学报(自然科学版), 2018, 51(3): 26-30. [21] 李莲, 贾栋, 张晓, 等. 基于BP神经网络PID在地铁车站温度控制中的研究[J]. 天津理工大学学报, 2018, 34(5): 9-13. doi: 10.3969/j.issn.1673-095X.2018.05.003 [22] 韩谞, 吕恩利, 陆华忠, 等. 液氮充注气调保鲜运输厢内环境因素间耦合关系[J]. 农业工程学报, 2012, 28(17): 275-280. doi: 10.3969/j.issn.1002-6819.2012.17.040 [23] 焦岩, 张岩, 李保国, 等. 温湿度变化对冰箱中果蔬贮藏质量影响的研究[J]. 低温与特气, 2001(6): 18-21. doi: 10.3969/j.issn.1007-7804.2001.06.005 [24] 李兵, 孙长应, 李为宁, 等. 基于DMC-PID串级控制的茶叶远红外烘干机设计与试验[J]. 茶叶科学, 2018, 38(4): 410-415. doi: 10.3969/j.issn.1000-369X.2018.04.009 [25] 孙莹, 张凤英, 杜华英, 等. 脐橙保鲜技术研究进展[J]. 中国农学通报, 2015, 31(7): 246-250. doi: 10.11924/j.issn.1000-6850.2014-2507 [26] 张申宇, 马天兵, 罗松松, 等. 基于模糊自适应PID真空室温度控制的研究[J]. 组合机床与自动化加工技术, 2019(11): 92-95. doi: 10.13462/j.cnki.mmtamt.2019.11.023 -
期刊类型引用(2)
1. 张逸风,赵瑜君,苏平,吴晓毅,夏梦,高伟,黄璐琦. 比较蛋白质组学揭示茉莉酸甲酯诱导的雷公藤甲素生物合成. 中国现代中药. 2024(02): 316-327 . 百度学术
2. 王婷,来欢欢,赵微,崔美林,张秀红. 基于蛋白质组学技术对植物乳杆菌YP36细菌素的抑菌机制研究. 中国酿造. 2024(04): 98-104 . 百度学术
其他类型引用(2)