摘要
茶树是多年生常绿木本植物，是最具有经济价值的中国特色农作物之一。作物模型不仅为作物栽培管理提供技术支持，也是科研成果的综合集成。本文通过收集2021-2022年浙江省丽水市松阳县和遂昌县、2019-2021年湖州市安吉县的气象、作物、土壤和管理数据，系统构建了茶树开采期、叶龄、产量、外观形态模拟模型。利用多种发育进程算法进行构建验证，并进行比较，选出最优模拟路径。研究结果为茶树智慧生产管理提供技术支撑，为精准预测茶叶发育期和产量品质形成提供数据支撑和理论基础。主要结论如下: （1）构建了基于3类发育进程算法（温差法、积温法、生理发育时间法）并进行结果集成（均值集成、最值集成、中值集成、回归集成、BP神经网络集成法、Elman神经网络集成法），以及基于不同时间尺度（逐时和逐日）的茶树生长发育模拟模型。整体开采期、叶龄和产量模拟模型的NRMSE分别为9.86％、7.86％和0.49％。基于逐日和逐时尺度的开采期模拟模型的NRMSE分别为10.15％、9.56％,叶龄模拟模型的NRMSE分别为8.03％、7.68％,产量模拟模型的NRMSE分别为0.44％、0.54％。对于不同模拟方法来说，集成法为最优的模拟方法，开采期和叶龄模型的NRMSE分别为5.40％和4.60％。说明本研究构建的基于3类发育进程算法集成的茶树生长发育模拟模型具有较高的模拟精度。 （2）建立了基于Elamn神经网络算法的茶树器官颜色反演外观形态模拟模型，并与基于BP神经网络算法的模拟模型进行比较，得出最优模拟算法为Elamn神经网络算法。基于Elamn神经网络算法的根长模型的NRMSE为11.34％，茎直径模型的NRMSE为15.13％,茎长模型的NRMSE为15.72％;叶长模型的NRMSE为14.23％,叶宽模型的NRMSE为17.65％,SPAD模型的NRMSE为19.56％,叶面积模型的NRMSE为3.04％。说明本研究构建的基于Elamn神经网络算法的茶树器官颜色反演外观形态模拟模型具有较好的模拟效果。 （3）根据实际业务应用开发了一套茶树生长发育模拟系统软件（TeaSM），采用VisualBasic.NET编程语言，通过人机界面和功能等部分的详细设计，完成了整个TeaSM的开发工作。TeaSM系统软件具有便捷的参数文件生成功能，易于操作，纠错功能较强，用户友好型操作界面等特点。可便于人们在茶树的生长发育过程中进行管理。
NETL