辣椒栽培 外文翻译课件

1、报告人：王丹丹导 师：孙周平前言模型试验与方法结果与分析讨论结论在地中海国家，温室为主的蔬菜生产是一个重要的快速增长的行业（Pardossi，2004）。温室以塑料薄膜连栋温室为主（Castilla ，2002）。在蔬菜生产中，大量灌溉和氮肥结合施用通常会导致明显的硝酸盐损失及后续NO3- 导致的地下水污染（Pratt，1984）。此外，水供应是越来越棘手的问题，而且由于温室灌溉导致大量地下水超采。前言水肥一体化系统已经在西班牙东南部温室中应用。Thompson应用计算机技术结合多罐灌溉施肥系统为作物按需施氮提供了技术能力。目前，精确的灌溉和氮肥管理技术还未有效地用于规模化管理。通过配套供氮来

2、满足作物N的需求将大幅度提高氮肥利用效率（Murphy等，2004）。为了利用定量施氮管理技术，需要每天对作物的生长和N需求进行精确估计。同时对作物水分利用进行估算以规划灌溉需求，从而计算营养液中的N浓度。 使用实用的人性化的决策支持系统（DSS）时，对于要求结构简单，必要且少量的数据输入来说，并没有合适的模型来计算蔬菜作物水的利用率和作物吸氮量。在本研究中，通过辣椒的蒸散量（ETC）、干物质产量（DMP）和吸氮量以开发、校准和验证新的模拟模型。在以后的研究中，这个模型将用于其他作物，并被引入决策支持系统的温室生长的作物中。模型描述该模型需要输入的数据：每天最高、最低温度 最大、最小相对湿度

3、太阳辐射，纬度和海拔高度模型通过热时间模拟截获的光合有效辐射分量（fi-PAR）。截获的fi-PAR由完全覆盖或成熟时截获的最大的PAR相对热时间（RTT）来计算，防止由于作物生长期不同而有差异（方程1a，1b）。模型在作物生长季认为有两个生长阶段：（1）第一阶段从移栽到截获的最大PAR，（2）第二阶段从截获的最大PAR到作物成熟。每个阶段的RTT都按天计算： RTT1i=CTTi/CTTf （1a） RTT2i= CTTi / CTT f）/（CTTmat-CTTf ） （1b） 用于评估性能的统计指标为了评估模拟和测量值之间的一致性，使用了以下统计指标：（1）均方根误差（RMSE）和相对误

4、差（RE），（2）威尔莫特一致性指数（d），（3）模拟和测量值之间线性回归斜率（m）和决定系数（R2）。 使用Stockle 等人开发的标准解释这些指标的性能。d0.95 且RE0.10 非常好d0.95 且0.15RE0.10 好d0.95 且0.20RE0.15 可以接受d0.95 且0.25RE0.20 勉强可以d和RE值的其它组合表现不佳。试验地点：西班牙东南部阿尔梅里亚省埃尔埃希多的卡亚马尔基金会试验站的两个相同的温室中试验时间：2005、2006-2007（生长季主要是2006年）：2005年的生长季是7月21日至12月14日，2006年的是7月20日至2007年2月2日。试验材料

5、：辣椒。水、氮管理：一个温室采用传统管理方式（CM） ，另一个采用改良管理方式（IM）。试验与方法在数万公顷的山坡和一望无际的地中海滩涂中点缀着一片片塑料温室，是 “欧洲蔬菜之都”的西班牙东南部阿尔梅里亚省埃尔埃希多地区。温室以连栋塑料薄膜温室为主, 加温温室不到1% , 温室内一般都设有两道幕, 第二道幕为聚醋镀铝膜和塑料丝编制成的网, 冬季用于防寒保温, 夏季用来遮阳降温。夏季还采取膜外涂白和膜内喷雾等降温方法。灌溉及施氮量 温室气候温室内的气温和相对湿度用放在冠层上方的通风干湿计测量。太阳辐射用放在两米高的日射强度计测量。温室外太阳辐射的数据从温室附近的气象站得到。作物蒸散量使用以下水平

6、衡等式每周测量一次作物蒸散量（ETc）： ETc=（SWCt0 - SWCt1） + I - D （8） 用电容式传感器（CS）测量引入土壤表面的0-10，10-20和20-30厘米粘土的土壤容积含水量（SWC） ，每隔30分钟记录一次数据。 通过每周测量的ETc求出日均ETc 。作物测量指标 2005和2006年的四茬作物都测量了七次干物质积累量。每个温室里每4m2的四个重复区域各标记了8株植物以测量在生长季修剪掉的干物质总量和总果实产量。在2005和2006年两季作物中各修剪了8次和5次，收获了5和8次成熟果实。模型验证Fig.3 Relationship between measured

7、 and simulated values of the fraction of intercepted PAR (a), dry matter production (DMP) (b), N uptake (c) and cumulative Etc (d) for the three validation crops. The linear regression equations and the coefficients of determination (R2) are given in the figuresFig.4 Time course of the simulated and

8、 measured values of the fraction of intercepted PAR (a), dry matter production (DMP) (b), N uptake (c) and cumulative ETc (d) for the validation crop,2005-IMVegSyst模型精确的模拟了种植在温室中的辣椒作物的生物量、氮吸收和ETc。气候条件越有利，温室的RUE越高。温室比大田种植的农作物的RUE高，这可能是由于发生漫射辐射导致太阳辐射相对较高 （Healey，1998）。到达冠层下层的PAR越多，植物单位拦截辐射的吸收能力越强，从而RU

9、E越高（Healey，1998）。水汽压亏缺（VPD）越严重RUE越高，反之（Stockle，1990），这同样也适用于塑料温室的高湿度环境。讨论 用模拟DMP的N=aDMPb（a=8.963,b=-0.165）这一关系，精确的模拟了作物氮摄取。在处理四茬作物数据时，得到的a、b的系数（=8.050和b=-0.15）非常相似，表明所使用的关系非常准确。随着干物质的增加作物氮含量下降，N=aDMPb能够很好地用在大多数的温室蔬菜和大田作物中（Greenwood，1990）。 KCmax和Orgaz 等人给出的值之间的差异可能与在这两个研究中裁剪周期的差异有关。本试验中，十月上旬作物生长旺盛时得到KCmax。而在Orgaz等人的研究中，在漫长的冬季生长期，当ETc和ETo有最小值（1 mm / d）时，得到KCmax。由于模型需要的输入数据容易获得以及模拟的日常时间变化确保了对于农场中纳入决策支持系统的氮肥和灌溉管理的合适性。VegSyst模型将在其他蔬菜等农作物中校准。建议施氮量根据每日作物氮的吸收和除了矿物肥料（如土壤矿物质，有机矿物氮）的氮肥资源，以及氮肥利用效率。建议灌溉量将基