基于GA-SVR的熱源自適應莖流檢測與調控系統(tǒng)研究

胡 瑾 孫章彤 馮 盼 楊永霞 盧 苗 侯軍英

(1.西北農林科技大學機械與電子工程學院, 陜西楊凌 712100; 2.農業(yè)農村部農業(yè)物聯(lián)網重點實驗室, 陜西楊凌 712100;3.陜西省農業(yè)信息感知與智能服務重點實驗室, 陜西楊凌 712100)

0 引言

我國水資源嚴重缺乏,人均水資源量2 300 m3,僅為世界平均水平的28%。且農林業(yè)耗水量約占全國總耗水量的3/4。節(jié)約灌溉用水是改善我國水資源不足的關鍵[1-2]。現(xiàn)有農林業(yè)灌溉調控系統(tǒng)大多基于土壤水分監(jiān)測反饋灌溉[3-4],一定程度上降低了農業(yè)用水的損失率,但土壤水分并不能反映作物真實需水情況[5]。大量研究表明,在對作物生長水分消耗量及蒸騰能力的精準監(jiān)測方面,反映作物需水能力最好的生物量是莖桿液流,簡稱莖流(Stemflow)。作為植物一種復雜生理機能,莖流指的是在植物冠層蒸騰拉力作用下,單位時間通過被測量莖桿橫截面的水的總量,可用來確定植物蒸騰和需水量,并作為反饋進行灌溉。基于蒸騰作用的莖流測量已成為研究植物耗水規(guī)律的重要手段[6-9],通過測量莖流量不僅能確定植物需水量與需水規(guī)律,也能反映植物的生理狀態(tài)、活躍度等。通過分析不同環(huán)境因素下的試驗數據,為后續(xù)構建需水預測模型提供數據支持,研發(fā)低成本、高精度的莖流傳感器已成為灌溉精準化的關鍵問題之一。

現(xiàn)有莖流傳感器研究中,熱技術法因其可實時、精準、高時間分辨率對植物莖桿莖流量進行測量,借助熱技術監(jiān)測草本植物莖稈或木本植物莖桿液流變化推算植物蒸騰耗水的方法不僅在草本和農作物耗水領域得到廣泛應用,也在喬木灌木植物耗水研究方面得到了廣泛應用[10-11]。目前主要的熱技術方法有熱脈沖、熱擴散、激光熱脈沖和熱平衡法等[12]。前兩種方法將熱脈沖作為植物莖桿液流的示蹤物,以安裝在莖桿的電阻線為熱源,上方或下方感溫元件感知莖流到達時間或測量上下溫度探針之間的電壓差來搭建傳感器,但均需將探頭以插針形式置入待測莖桿邊材內[13],對植物莖桿造成傷害。同時“因傷效應”造成損傷部位熱傳導性能降低,導致測量莖流速率偏小[14],而且其也難以解釋熱電偶自身受外界溫度變化而導致的誤差[15-16]。后兩種方法均為非侵入式,激光熱脈沖傳感器采用激光二極管代替加熱金屬絲,紅外溫度計代替熱敏電阻,避免持續(xù)放熱對植物莖桿造成傷害,但造價高昂,不能大范圍應用于現(xiàn)代農業(yè),只適用于實驗室高精度檢測[17]。熱平衡法莖流傳感器制備相對簡單,操作也更為方便,近年來已成為國內外莖流傳感器研究的熱點,并已出現(xiàn)基于熱平衡法的莖流測量反饋灌溉系統(tǒng)[18-19],研究證明,加入此系統(tǒng)后提升了灌溉效果,但在使用中發(fā)現(xiàn)該傳感器仍存在問題,如在低溫天氣等外界溫度較低、植物蒸騰作用不明顯情況下,因向外橫向傳導的熱量相對較多,沿莖桿向上傳導熱量較少,導致沿莖桿徑向上的熱電偶測得溫差較小,測量結果不精確,莖流瞬時變化響應不靈敏。由于莖流消耗能量Qf與多因素存在耦合關系,且引入調整熱源功率,從而提升Qf占比,相對于僅提升Qf值,能有效提升信噪比,因此基于能量守恒定律,引入熱源功率自適應模型,穩(wěn)定莖流消耗能量Qf在輸入總能量Pin中所占比重,是提高熱平衡莖流測量方法精度的關鍵。

針對上述問題,本文首先探究外界環(huán)境溫度、莖流速率和莖桿截面積與莖流消耗能量Qf在輸入總能量Pin占比中的互作耦合關系,以不同橫截面積的香樟莖桿為試驗對象,依據熱平衡法測量莖流的基本原理,設計莖流標定嵌套試驗,采集多梯度下流經莖桿的液體質量。其次,基于GA-SVR優(yōu)化的熱源自適應模型來制備智能莖流檢測裝置,實現(xiàn)自適應調整熱源功率,從而確保莖流消耗能量占比穩(wěn)定。

1 熱源功率自適應模型

1.1 熱平衡法測莖流原理

基于能量守恒定律的熱平衡法測量植物莖桿莖流速率原理如圖1所示。圖中,Pin為加熱片(熱源)輸入總能量,Qf為通過莖桿液體消耗的能量,Qs為通過橫向、徑向等擴散的能量,Qu、Qd分別為徑向(向上、向下)熱擴散的能量,Qr為通過泡沫隔熱套向外的橫向導熱能量,dTu、dTd分別為莖桿上下兩方通過熱電偶產生的溫度差。其中,內層封裝了加熱片及熱電堆等,為減少外界環(huán)境因素的干擾,使用時,需將封裝起來的加熱片、熱電堆緊緊包裹植物莖桿,包裹材料起到隔絕溫度、輻射對探測器的影響作用[20]。加熱片提供穩(wěn)定熱源,待測植物莖桿通過橫向、徑向和莖流消耗能量,從而達到穩(wěn)定狀態(tài)。通過求出被莖流帶走的熱量來計算莖桿內液體流量。

圖1 熱平衡法原理圖

由于輸入熱量等于各部分擴散量之和,能量平衡方程可表示為

Pin=Qf+Qs

(1)

其中

Qs=Qu+Qd+Qr+S

(2)

Qu=KstA(dTu/dX)

(3)

Qr=KshE

(4)

式中S——儲存在莖桿的極少部分能量(可忽略)

Kst——植物莖桿的熱導率,W/(m·K)

A——植物莖桿的橫截面積,cm2

dX——莖桿上下兩方熱電偶的距離,mm

Ksh——鞘傳導率,W/V

E——熱電堆輸出電壓,V

通過功率檢測模塊可計算得到熱源輸入功率Pin和橫向熱散失量Qr,通過熱傳導的傅里葉熱擴散定律可計算得到徑向擴散掉的能量Qu、Qd。Ksh可通過零點設置的方式獲取,即凌晨時植物蒸騰作用最小,默認此時莖流量為零,采用凌晨記錄的最小值或夜間平均值。

莖流量F滿足公式

Qf=PinQuQdQr

(5)

Qu=Cp(TuTd)

(6)

式中Cp——水比熱容

因莖流量是通過計算莖桿莖流消耗能量推導所得,為保證測量精度,針對不同植物,需在不同環(huán)境下試驗其有效熱傳導量占熱源輸入能量的比例閾值,從式(1)、(3)中發(fā)現(xiàn)可調控變量A、Pin、dTu均影響莖流消耗能量的計算,因此選擇植物莖桿橫截面積、環(huán)境溫度、熱源功率一同嵌套試驗,建立不同因素下的莖流消耗能量占比及上下兩組熱電偶溫度差模型,為熱源自適應模型的研究提供數據支持與基礎。

1.2 試驗設計與數據獲取

試驗于2021年4—6月在西北農林科技大學農業(yè)農村部農業(yè)物聯(lián)網重點實驗室(34°07′39″N,107°59′50″E,海拔648 m)進行。為減少環(huán)境因素的影響,在可設置恒溫環(huán)境的人工氣候箱(RGL-P500D-CO2型,達斯卡特公司)試驗。以直徑6～18 mm新鮮香樟莖桿為試驗材料,長約200 mm。莖流速率標定平臺采用劉安等[21]建立的基于稱量法的莖流標定方法,采集裝置的探頭外殼采用泡沫隔熱材料,以最大程度避免外界環(huán)境對檢測設備本身的干擾,內層包括加熱片、兩組熱電堆等,外部使用熱電偶測量空氣溫度。使用ESJ110-5A型電子分析天平采集液體質量。多路無紙記錄儀(MIK-R200D型,MEACON)和ABF功率可調直流高精度恒流恒壓電源分別記錄熱電偶溫度和控制加熱片功率。試驗裝置示意圖如圖2所示。

圖2 試驗裝置示意圖

試驗中將香樟莖桿下部和橡膠導管末端插入裝滿營養(yǎng)液的密封透明玻璃瓶中進行固定,莖桿上端用一根橡膠導管連接將莖流液導入稱量容器。加壓罐設置為可調整高度的儲存營養(yǎng)液的罐瓶,通過液體的壓強公式計算高度h,改變加壓罐與密封玻璃瓶的相對高度,來使密閉玻璃瓶的壓強改變。利用電子分析天平測量試驗過程中流經香樟莖桿的液體質量。由于外界環(huán)境溫度、莖桿截面積、莖流速率、熱功率等因素都會影響測量精度,故設置多因素耦合條件下的莖流測試試驗梯度如表1所示。其中,溫度梯度參考植物的三基點溫度[22],設置溫度范圍在5～40℃內,以5℃為步長,共8個溫度梯度。莖桿直徑范圍設置在6～18 mm之間,以2 mm為步長,共7個直徑梯度。參考當前常用FLOW-32KS型的包裹設備將加熱片功率設置為0.15～0.9 W之間,以0.15 W為步長,共6個熱源功率梯度。加壓罐壓力設置為0.1～0.6 Pa之間,步長0.1 Pa,共6個壓力梯度,試驗累積獲取2 016組數據。

表1 試驗參數梯度設置

1.3 試驗結果分析

1.3.1熱源功率-莖流消耗能量占比關系分析

基于上述試驗數據,分別對不同外界溫度、莖流速率和莖桿截面積的關系進行分析,其結果如圖3所示。從圖3a可看出,在相同莖桿截面積下,莖流消耗能量占比隨著熱源功率增加呈下降趨勢,證明過高電功率并不能實際提升用于莖流消耗的能量,且在莖桿直徑大于約8 mm時,加熱片功率的增加對莖流消耗能量占比的影響微小。說明莖桿較粗時,在達到植株莖流消耗能量的閾值后,加熱片功率的增加不會再影響莖流消耗;在相同加熱功率下,莖流消耗能量占比總體隨著橫截面積增加呈上升趨勢,變化不明顯,說明當莖桿橫截面積較大時,莖流消耗能量占比與樹干橫截面積關系小。從圖3b可看出,取莖桿直徑為10 mm時,在相同溫度條件下,莖流消耗能量占比隨熱源功率增加呈下降趨勢,說明過高電功率并不能提升實際用于莖流消耗所使用的能量。因此為了提供良好的莖流消耗能量占比,保證莖流測量的精度,不能盲目地增加熱源功率;在相同加熱功率下,莖流消耗能量占比隨著外界溫度升高呈增加趨勢,說明在外界環(huán)境溫度低時,能量主要以橫向擴散的方式消耗,隨著溫度升高,蒸騰作用增強,更多能量徑向流動,作為莖流消耗被利用。因此需要在外界溫度低時,適當減小熱源功率來提高莖流消耗能量占比。

圖3 熱源功率-莖流消耗能量占比關系

1.3.2熱源功率-上下兩組熱電偶溫度差趨勢分析

由于不同外界溫度、莖流速率、莖桿截面積對上下兩組熱電偶溫度差產生影響,因此對其相關關系進行分析。從圖4a可看出,在相同加熱功率下,隨著橫截面積增大,上下兩組熱電偶溫度差減小,且隨著增大加熱片功率,溫度差的變化趨勢更大,說明隨著橫截面積增大,能量橫向傳導的熱量相對較多,沿樹干向上傳導熱量較少,導致樹干徑向上的熱電偶測得溫差較小。從圖4b可看出,在相同加熱功率下,隨著外界溫度升高,上下兩組熱電偶溫度差增加,且在相同外界溫度下,隨著加熱片功率增大,溫度差隨之增大。因此在外界溫度高時,需降低加熱功率,防止溫度差過高造成植物損傷;在外界溫度低時,為保證測量精度,需適當增加熱功率,使上下兩組熱電偶溫度差在合理范圍。因此需綜合考慮溫度差、橫截面積及環(huán)境溫度等不同因素,從而對加熱片功率進行約束選擇。

圖4 熱源功率-熱電偶溫度差關系

1.4 模型構建與結果對比

綜合考慮試驗結果,為了保證可變功率莖流儀的測量精度,依照有效熱傳導量需大于熱源輸入能量的5%或溫度差大于2.5℃,確保被測部位溫差恒定的原則[11],以390組原始試驗數據作為樣本集,利用GA-SVR算法構建熱源功率自適應模型,以植物莖桿橫截面積A、熱電堆平均溫度差、外界溫度、上下兩點溫度差dA和dB、上下兩組熱電偶的溫度差dC作為輸入,以加熱片功率作為輸出,其算法流程如圖5所示。

圖5 遺傳算法優(yōu)化的回歸型支持向量機算法流程圖

利用支持向量機對模型訓練前,需對不同維度樣本數據分別作歸一化處理,避免因數據差異過大導致樣本不均衡,使得最終模型偏離準確超平面。歸一化區(qū)間選擇為[0.2,0.8][23]。將歸一化后的樣本集數據的80%作為訓練集,20%作為測試集,分別用于模型訓練和泛化能力評價。歸一化公式為

(7)

式中x——待歸一化的原始數據

x′——歸一化后的待處理數據

Xmax、Xmin——輸入數據中某維度的最大、最小值

SVR核函數的選擇對于其性能的表現(xiàn)有至關重要的作用[24],尤其是針對線性不可分的數據。核函數通過將空間內線性不可分的數據映射到高維的特征空間,使得數據在特征空間內可分,本模型特征數為6,樣本數量為390,因此選用高斯徑向基核函數Rbf。正則化參數c與核函數參數g對模型擬合結果也有較大影響。正則化參數c是懲罰系數,即對誤差的寬容度[25]。c越高,說明越不能容忍出現(xiàn)誤差,易過擬合;c越小,越易欠擬合。核函數參數g是選擇Rbf核函數自帶的參數,隱含地決定了數據映射到新特征空間的分布。g越大,支持向量越少;g越小,支持向量越多。支持向量的個數影響訓練與預測的速度。

通過前期網格搜索尋優(yōu),多次試參后發(fā)現(xiàn),設置c的索引范圍為[20, 70],g為[0.01, 10],遺傳算法同時設置c的基因個數為8個,g的基因個數為7個。算法進化曲線如圖6所示。當網絡進化到最終收斂時,模型達到最大決定系數,參數c和g最佳解分別為59.645 6和0.327 1。模型訓練過程中未出現(xiàn)振蕩,證明遺傳算法對支持向量機參數優(yōu)化效果明顯。

圖6 遺傳算法進化曲線

對于給定的訓練樣本集,利用GA-SVR算法進行擬合,得到最終熱源功率預測初始模型,將各模型參數代入,最終獲得融合核技巧的熱源功率預測模型。

Pin=f(X)=ωTX+b′

(8)

(9)

exp(-g‖X-Xp‖2)

(10)

X=(A(1),C(2),T(3),dA(4),dB(5),dC(6))

式中Pin——模型輸出,即熱源功率

ω——模型系數矩陣

K(X,Xp)——核函數

X——待變換樣本

Xp——核函數中心

b′——模型偏置項

b*——使用核技巧后的模型偏置項

基于模型對測試集的預測值與真實值擬合結果的擬合方程斜率為0.997 7,接近于1,而其截距為0.001 0,近似為0,說明GA優(yōu)化的模型結果精確且泛化能力更強,其對未知數據的預測結果與真實值相關性更高。為了驗證利用GA-SVR算法所建立模型的性能,與常用的基于網格尋優(yōu)的SVR、后向傳播(Back propagation,BP)神經網絡、隨機森林(Random forest,RF)算法進行了對比,結果如表2所示。

表2 不同算法的性能比較

網格尋優(yōu)SVR算法在建模精度方面明顯優(yōu)于BP神經網絡算法和隨機森林算法,說明其具有高擬合精度和泛化能力,但由于模型參數的優(yōu)化過程影響,網格搜索在大數據集和多參數下非常耗時。而遺傳算法作為一種隨機全局搜索和優(yōu)化的算法,訓練速度快,因此采用遺傳算法對支持向量機參數進行優(yōu)化,GA-SVR算法決定系數為0.989,均方根誤差為0.015 W,均是上述方法中的最優(yōu)結果,從而驗證了方法的優(yōu)越性。

2 監(jiān)測系統(tǒng)設計與驗證

本系統(tǒng)采用模塊化設計,開發(fā)了基于LoRa無線通信的熱源自適應莖流檢測及調控系統(tǒng),包括傳感器檢測及熱源功率控制子系統(tǒng)和數據分析決策及可視化子系統(tǒng),其結構框圖如圖7所示。其中,傳感器子系統(tǒng)包括環(huán)境溫度及上下T型熱電偶溫度傳感器、熱源功率檢測傳感器,分別采集環(huán)境溫度及莖桿液體通過上下兩方熱電偶細微的溫度變化及實時電路的電流和功率,并將其感知信息通過LoRa無線通信傳輸至決策系統(tǒng);決策系統(tǒng)調用移植到嵌入式設備的GA-SVR熱源自適應模型動態(tài)獲取熱源功率調控目標值,并發(fā)送至執(zhí)行控制器,控制功率調控模塊,實現(xiàn)熱源自適應融合的功率動態(tài)控制。

圖7 傳感器設計實現(xiàn)流程圖

2.1 系統(tǒng)硬件設計

2.1.1監(jiān)控節(jié)點

監(jiān)控節(jié)點以STM32F103芯片為核心,實現(xiàn)數據采集與傳輸、熱源功率調控等功能。采用模塊化設計,主要包括電源單元、中央處理單元、串口單元、無線通信單元、時鐘單元、溫度檢測、熱源功率檢測及控制等模塊。具有匯聚實時環(huán)境信息,發(fā)送檢測數據,接收實時調整后的熱源功率數據,下發(fā)調功率命令等功能,結構如圖8所示。其中,環(huán)境因子采集及處理模塊主要監(jiān)測熱源功率和熱電偶溫度。功率檢測模塊對熱源的電路進行分流,將分流的微小電流和電壓通過 INA226 芯片進行檢測,檢測后的信號以 SPI 通信協(xié)議輸入給微處理器控制單元,再通過分流比例計算出真實電流。所選用的INA226是基于SMBUS通信的高精度雙向電流監(jiān)控芯片,實現(xiàn)對監(jiān)控電路電流和功率讀取。溫度檢測模塊選用MAX31856-T型熱電偶,可直接將被測量轉換為電壓輸出,可靈敏反映細微溫度變化,通過SCLK引腳時鐘控制與微處理器的數據移動。功率調控模塊基于脈沖寬度調制技術,為避免輸出端對輸入端的干擾,在電路設計中加入光耦,采用集成低溫漂電阻的SY8750芯片設計電路,利用場效應管構成共集放大電路,實現(xiàn)PWM信號對熱源功率進行調節(jié),實現(xiàn)熱源自適應融合的功率動態(tài)控制。

圖8 監(jiān)控節(jié)點結構框圖

2.1.2決策節(jié)點

決策節(jié)點以Raspberry Pi 4B為核心,實現(xiàn)人機交互及數據顯示、存儲等功能。接收LoRa無線傳輸的感知信息后,調用移植到嵌入式設備的GA-SVR算法熱源自適應模型動態(tài)獲取熱源功率調控目標值,將其發(fā)送至執(zhí)行控制器,結構如圖9所示。節(jié)點之間采用基于高效的ISM頻段射頻SX1278擴頻芯片的ATK-LoRa-01模塊雙向傳輸。正向傳輸是將采集在微處理器控制單元中的溫度和功率信息傳送給作為上位機的樹莓派系統(tǒng);反向傳輸是將數據處理終端對熱源功率的控制指令傳輸給信號采集節(jié)點的微處理器控制單元[26]。LoRa作為低功率廣域網絡最具代表性的技術,為現(xiàn)代通信技術提供了遠距離、大數據量通信的方案。

圖9 決策節(jié)點結構框圖

2.2 系統(tǒng)軟件設計

2.2.1監(jiān)控節(jié)點軟件設計

監(jiān)控節(jié)點程序實現(xiàn)4組溫度信息的監(jiān)測、LoRa通信和加熱電路功率的檢測及調節(jié)等功能,主要由主程序、溫度和功率采集與處理、LoRa無線通信等部分組成,程序初始化主要有系統(tǒng)時鐘、USART串口、SPI串口、GPIO引腳等。完成初始化后,判斷USART串口緩存是否有數據,根據數據標志位判斷,若為“0”,則設置傳感器默認參數;若為“1”,則通過LoRa無線傳輸模塊上傳溫度數據和熱源功率信息。其中,通過SPI通信方式,配合GPIO輸出高電平對芯片進行片選,依次讀取4組溫度信息;通過IIC通信協(xié)議,讀取熱源功率信息,主程序工作流程圖如圖10所示。

圖10 主程序流程圖

2.2.2決策節(jié)點軟件設計

決策節(jié)點工作流程圖如圖11所示。基于Python語言實現(xiàn)熱源功率自適應模型的移植后,在智能模式下,傳感器子系統(tǒng)將測得的環(huán)境溫度、熱源功率和上下兩組熱電偶溫度傳輸至上位機,上位機系統(tǒng)根據實際監(jiān)測數據,調用模型計算出所需熱源功率,并通過 LoRa 無線模塊將熱源功率傳送給硬件驅動程序,利用預測的熱源功率除以最高功率(1.5 W)算出脈沖寬度調制(Pulse width modulation, PWM)所需的占空比,最后通過 GPIO 端口輸出脈寬調制信號[27]。在手動模式下,用戶可根據所測植物不同選擇適宜的莖桿熱導率及橫截面積等參數。

圖11 決策節(jié)點流程圖

上位機用于分析數據,選擇模型并控制功率調節(jié)模塊。與用戶交互的上位機軟件主要實現(xiàn)裝置參數設置、數據查詢與導出、熱源自適應模型后臺運行等功能。采用Qt-designer和PyQt5軟件開發(fā)程序界面如圖12所示。實現(xiàn)莖流數據查詢、記錄和管理等功能,用戶在參數設置界面輸入待測植株的莖桿周長,系統(tǒng)會通過零點設置的方式獲取植株熱導率,在實時監(jiān)控界面,用戶可查看當前莖流實測值。

圖12 參數配置、實時檢測界面

3 系統(tǒng)驗證

為驗證本文模型精度,基于標定平臺將本莖流檢測裝置測量結果和現(xiàn)有莖流傳感器測量結果與真實莖流值進行對比。在人工氣候箱(RGL-P500D-CO2型,達斯卡特公司)的同一應用場景下進行試驗,設置不同環(huán)境溫度的對照試驗,并比較雙系統(tǒng)測量結果與真實莖流量的誤差。本次試驗利用熱源自適應莖流測量裝置、FLOW-32KS型莖流傳感器、ESJ110-5A型電子分析天平等搭建試驗平臺,即可獲取雙系統(tǒng)實時所測莖流值,莖流速率標定平臺采用劉安等[21]建立的基于稱量法的莖流標定方法,驗證試驗裝置示意圖如圖13所示,為防止下方探頭加熱對上方探頭測量結果造成影響,將僅以被測部分溫差恒定作為依據的FLOW-32KS型傳感器放置在下部,將嵌入熱源自適應模型的本系統(tǒng)放置在上部。嵌入熱源自適應模型后,不需被測部位溫差恒定,系統(tǒng)可根據當前溫度自適應調整功率,得到更準確的莖流值。同時,本系統(tǒng)探頭下端與FLOW-32KS型傳感器探頭上端距離50 mm,可進一步減小可能潛在的微弱影響。

圖13 驗證試驗裝置示意圖

為驗證不同溫度及蒸騰拉力下,本系統(tǒng)與現(xiàn)有熱平衡莖流傳感器的誤差,設計了不同外界環(huán)境溫度與加壓罐壓力的嵌套試驗,外界環(huán)境溫度梯度為6、11、16、21、26、31、36、41℃共8組;加壓罐的壓力梯度為0.1、0.2、0.3、0.4、0.5、0.6 Pa,共6組。以莖流真實值作為標準,兩系統(tǒng)與標準值的標定試驗誤差結果如表3所示。

表3 標定試驗誤差統(tǒng)計

從表3可以看出,兩系統(tǒng)誤差均在11%以內,符合測量要求。對其影響程度進一步分析可知,在外界環(huán)境溫度較低時,本系統(tǒng)測量誤差有顯著下降,相比FLOW-32KS型傳感器平均相對誤差小2.64(6℃)、2.53(11℃)、3.68個百分點(16℃),精度提升效果明顯;在適宜溫度區(qū)間(21～26℃)時,本系統(tǒng)測量誤差相比FLOW-32KS型傳感器小,但顯著性不高;在高溫段(31～41℃)時,由于外界溫度高,橫向擴散能量減小,自適應模型修正對結果影響不大,雙系統(tǒng)相對誤差互有高低,且兩者相對誤差均在2個百分點以內。證明本系統(tǒng)嵌入基于熱平衡法的GA-SVR算法熱源自適應模型后,能夠在外界環(huán)境溫度較低,蒸騰作用不明顯環(huán)境下,通過自適應調整熱源功率,提升莖流測量精度。

圖14為本系統(tǒng)實時監(jiān)測演示。隨后于2021年9—10月,選擇低溫天氣進行全天驗證試驗,測量時長為72 h,采樣頻率設置為4次/h。取10月15—17日(陜西省咸陽市:6～14℃)數據,繪制測量結果對比見圖15,兩者決定系數R2達到0.98,均方根誤差為4.23 g/h,相對于FLOW-32KS型傳感器,熱源自適應莖流系統(tǒng)測量結果整體偏大,規(guī)律與標定試驗相同,更加接近真實莖流。

圖14 雙通道可拆卸莖流傳感器運行圖

圖15 全天莖流試驗對比結果

4 結論

(1)探究了香樟莖桿在不同外界環(huán)境溫度、莖流速率、莖桿截面積的熱源功率-莖流消耗量占比關系、上下兩組熱電偶溫度差趨勢變化,發(fā)現(xiàn)當莖桿截面積達到50 mm2時,對莖流消耗的能量占比的影響微小。且有效熱傳導量須不小于熱源輸入能量的15%,這為建立熱源自適應模型提供依據,證明了本方法提高莖流檢測精度的可行性。本熱源自適應模型通用于莖桿包含邊材的木本植物,但針對較軟的草本植物,需選擇不同莖桿橫截面積、環(huán)境溫度、熱源功率等進行前期標定嵌套試驗,針對性精確量化模型的構建。

(2)設計了一種基于熱源自適應的莖流傳感器。采用 GA 遺傳算法優(yōu)化SVR模型,以外界環(huán)境溫度、莖流速率、莖桿截面積等為輸入,加熱片功率為輸出構建熱源自適應模型并開展了莖流精度試驗,顯示在莖流速率較低或環(huán)境溫度低時,本系統(tǒng)平均相對誤差更小,能確保莖流消耗能量在輸入總能量中占比穩(wěn)定,滿足提高熱平衡莖流測量精度的需求,為干旱低溫氣候并存的干旱、半干旱荒漠區(qū)布局管理、以及灌溉決策提供科學依據。