基于遗传算法优化的自适应神经模糊推理系统预测温室西葫芦叶片净光合速率

《Horticulturae》：Prediction of Leaf Net Photosynthetic Rate in Greenhouse-Grown Zucchini Using a GA-Optimized Adaptive Neuro-Fuzzy Inference System

　　

准确预测净光合速率（Pn）对于理解设施栽培中作物对环境条件的响应具有重要意义。Pn对温度、光合光量子通量密度（PPFD）和CO2浓度呈非线性响应，使得在复合环境条件下准确预测颇具挑战，这类效应也导致机理模型难以精确预测Pn。研究人员在开花期和坐果期获取了1800条西葫芦叶片Pn重复记录，用于构建并评估GA优化的自适应神经模糊推理系统（GA-ANFIS）、ANFIS、随机森林（RF）、径向基函数（RBF）及反向传播（BP）模型。开花期和坐果期最大Pn分别达43.22和45.21 μmol·m?2·s?1，对应32和28 °C、PPFD为1800 μmol·m?2·s?1、CO2浓度1200 μmol·mol?1。测试集上GA-ANFIS的R2分别为0.9811和0.9901，RMSE分别为1.4808和1.1889 μmol·m?2·s?1，在附加温度插值集上亦获最高R2与最低RMSE；测试集回归斜率分别为0.9876和1.0001，截距为0.1060和?0.0465。综上，在所评估条件下GA-ANFIS于五种模型中预测性能最优。

研究背景方面，设施农业与智能技术快速发展推动温室环境调控由经验管理转向数据驱动决策。光合作用是作物干物质积累与产量形成的核心生理过程，净光合速率（Pn）作为对温度、光合光量子通量密度（PPFD）和CO₂浓度变化敏感的指标，受多因子非线性耦合影响显著。传统矩形双曲线光响应模型及Farquhar–von Caemmerer–Berry（FvCB）机理框架基于稳态假设，难以刻画多因子耦合效应。机器学习方法如自适应神经模糊推理系统（ANFIS）、随机森林（RF）、径向基函数（RBF）和反向传播（BP）虽具非线性拟合能力，但ANFIS性能高度依赖聚类影响半径、隶属函数初值与训练轮次等结构参数。遗传算法（GA）可全局寻优，因此研究人员以山西农业大学日光温室种植的“京葫3号”西葫芦为材料，在开花期（移栽后15–25天）与坐果期（移栽后30–50天）利用LI-6400XT便携式光合仪测定5温度×12 PPFD×5 CO₂共300种处理组合、每组合3株各12光强读数的1800条Pn记录，构建GA-ANFIS并对比ANFIS、RF、RBF、BP，旨在识别最优Pn预测模型，为阶段特异性精准环境调控奠基。论文发表于《Horticulturae》。

关键技术方法上，研究人员采用按环境处理组合而非单条观测划分数据的防泄漏策略，将300组合按7:3分为训练（210组合/630条）与测试（90组合/270条），训练集内行分组五折交叉验证；输入温度、PPFD、CO₂经min–max归一化至[0,1]，输出Pn同法处理并保留负值；GA-ANFIS以减法聚类生成初值模糊推理系统（FIS），GA联合优化四维聚类半径与整数训练轮次（种群20、代15），适应度取五折CV-RMSE均值；对照模型ANFIS固定半径0.5训练100轮，RF用TreeBagger网格搜树数与叶子数，RBF用newrb调spread与隐神经元数，BP用单隐层feedforwardnet调隐节点与学习率；另设18、22、26、30 °C的附加温度插值集（720条/阶段）作同范围插值检验，不参与建模。

研究结果部分，3.1节“Pn对温度、PPFD和CO₂浓度的响应”显示，Pn随PPFD与CO₂升高而非线性增加，600–1800 μmol·m^?2·s^?1区间趋近饱和，24–32 °C下曲线抬升，坐果期300组合中246个高于开花期（均差1.99 μmol·m^?2·s^?1），峰值43.22（开花32 °C）与45.21（坐果28 °C）μmol·m^?2·s^?1均出现在PPFD 1800、CO₂ 1200 μmol·mol^?1。3.2节“GA-ANFIS响应面与实测值可视化比较”表明模型预测曲面平滑，坐果期同温曲面高于开花期，24–32 °C高值区更广，实测均值沿曲面主趋势分布。3.3节“五模型在训练、测试与附加温度插值集上的比较分析”给出测试集GA-ANFIS开花R² 0.9811/RMSE 1.4808、坐果R² 0.9901/RMSE 1.1889 μmol·m^?2·s^?1，均优于固定ANFIS（CV-RMSE 2.47/2.99）、RF（2.53/2.49）、RBF（2.57/2.68）与BP（3.67/3.86）；附加温度插值集GA-ANFIS仍最优（开花R² 0.9684/RMSE 1.8229，坐果R² 0.9520/RMSE 2.4863 μmol·m^?2·s^?1），回归斜率0.9876/1.0001、截距0.1060/?0.0465，残差围绕零分布，分区敏感性重复试验波动小。

讨论部分指出，Pn非线性饱和与温度提升效应与Rubisco活化及电子传递潜在相关但未直接测量；GA全局寻优规避了ANFIS初值敏感与规则爆炸，但数据驱动特性决定其外推需谨慎，模糊规则不对应具体生理机制，且规则数随输入维指数增长致复杂度高；ANFIS在低维小样本强耦合下优于RF，RBF插值接近GA-ANFIS但泛化弱，BP受初权与局部极小影响最差；研究人员明确池内三株重复标准差（开花1.697、坐果1.572 μmol·m^?2·s^?1）与模型RMSE同量级，故RMSE低于生物变异不应解读为超越生物观测精度；单品种、叶室受控、未含气孔导度与VPD等限制外推至运营温室。

结论部分翻译如下：西葫芦叶片净光合速率随温度、PPFD与CO₂浓度组合变化，坐果期普遍高于开花期。五种模型中GA-ANFIS在训练集、同株测试子集及附加温度插值集上表现一致优异，开花与坐果期训练/测试R²超0.98、附加插值集超0.95。结果支持在研究所涉环境范围内进一步评估GA-ANFIS估算西葫芦叶片Pn；但模型投入运行环境控制系统前，仍需跨独立作物、品种及自然波动温室条件验证。