尹竣冬　李明　张皓婷

摘 要 设施农业是我国目前农业发展的主要方向﹐其特征主要体现在高生产率、优质、安全、周年可连续产出。把物联网技术运用于温室环境智能控制上，可提升设施农业生产的集约化与管理水平。以在物联网条件下温室环境智能控制手段的黄瓜种植为例，分析温室设施黄瓜的周围环境（光照、CO2气体和温度）智能调控研究进展与应用，探讨温室环境管理的发展现状和趋势。

关键词 黄瓜；设施农业；环境调控；物联网技术；智能化

中图分类号：S627 文献标志码：C DOI：10.19415/j.cnki.1673-890x.2023.17.021

21世纪初，发达国家和发展中国家政府相继出台了积极政策措施，增加了农业科技投入﹐大力发展高效现代化生产的种植业[1]。设施农业是采用先进的科学技术和工厂化生产方式，把作物种植在一个相对封闭的空间，为作物的高效生产提供适宜的生长环境，并且在任何地区，一年四季都可栽培各种农产品的新型种植业[2]。设施农业是我国目前农业发展的主要方向﹐其特征主要体现在高生产率、优质、安全、周年可连续产出方面。黄瓜是常见的喜温型蔬菜，不耐低温，喜光、喜湿、怕涝、不耐旱的蔬菜[3]；黄瓜从播种到量产对环境要求很高，比如气候、水分、光照等，尤其是温室大棚的黄瓜种植要求尤为严苛。目前在中国北方大棚黄瓜栽培中，许多瓜农不了解设施黄瓜种植技术而盲目跟风栽培，造成黄瓜减产甚至失收[4]。因此，通過物联网技术对温室环境参数的实现智能精细化管理，是实现对温室内各因素智能管理的必要条件。控制温室环境是黄瓜有效生长的重要因素，光照、温度、CO2浓度等多种因素影响黄瓜产量、品质和经济效益等指标[5]。采用基于物联网技术的管控方法，实时获取环境参数信息，并自动调整，从而实现有效的环境控制，满足植物生长环境条件，实现高产、优质、高效生产。

1  研究现状

1.1  光照环境智能化调控

20世纪70年代，以荷兰、以色列、美国为主的发达国家设计基于计算机的设施环境监测系统。从那时起，该系统发展迅速。Takakura提出用计算机控制环境因素的想法[6]。Kolokot等人建立能源与环境智能控制管理系统，监测设施环境外的温湿度、光照、CO2浓度等各种环境因素[7]。柳平增承担该系统的物联网系统的三层物联网，实现对农村环境数据的实时获取及其与农村环境传感网络间的数据传输，于2014年Tab-Atabaeifara的农村无线传感器系统（WSN）成功获取各种农村环境监测数据，通过GPRS的特性将数据上传到控制中心，实现温室自动化控制[8]。杨飞等人通过传感器和GSM等通讯设备，采集在温室中所收集到的气温、相对湿度、光照程度等数据，并利用Wi-Fi无线网络传输在监测中，建立1种基于温室环境指标的监测体系[9]。王能辉等人利用NBiotsensor方法监测农田的环境信息，如气象和环境温湿度、光照强度、土壤中CO2含量等，并将信息提交至客户端之后，为农业数据的后续管理与决策提供有效数据[10]。万伟红等人成功通过PID算法，掌握大棚中的环境温度、湿度、光照强度等参数，从而完成对大棚环境的智能管理，有效提升农业的生长效率与质量[11]。郭威等人共同设计多自由度的温室内图像采集与环境监测机器人系统，以实现对多源数据网络的无人巡检和智能采集[12]。

1.2  温度环境智能化调控

温室内的温度变化对植物的主要生理代谢有显著影响，控制好温度也有利于黄瓜的生长。杨家强和钟应善提出国内首个以单片机为核心的监测系统，用于室内温度和漏水数据采集[13]。为控制葡萄山的高温和潮湿等影响生长发育的环境因素，Intel在美国俄勒冈州的温室中配备多个无线感应器，并建立世界上第一个安装无线感应器系统的葡萄园[14]。Tong等人应用CFD从外部环境因素的变化中预测温室内的温度分布[15]。盛平等在对温室环境的远程监测技术中引入3G技术，可以进行环境参数的远程收集、发送与查询，并进行现场的远程管理[16]。黄金侠等人用上位机、下位机、环境参数模糊控制器和执行器，对MATIAB仿真软件采集的模糊数据进行控制，实现对育苗场温、湿度等各种环境因素的智能管理[17]。刘传岐采用LabVIEW监控上位机，并设置育苗大棚内温湿度信息的电子显示系统，以符合远距离传输的特点，可让客户的育苗大棚在对内联网和对外随时实现远距离控制[18]。刘海洋等人将通过CPRS功能，对所收集到的环境温度、相对湿度、大气压力等参数进行更长距离的数据传输，进而达到基于GPRS的实时远程监控处理[19]。

1.3  温室CO2气体环境智能化调控

温室内CO2浓度的高低也对植物生长起着重要作用，浓度过高或过低都会抑制植物的正常生长。20世纪20年代，在德国率先提出“CO2施肥”方法后，荷兰、丹麦等国家相继开始采用CO2施肥技术，在温室生产茄果类蔬菜。哈敏、刘文合等合作开发出具备高智能化特点和功能的CO2施肥技术，经过实践后证实在温室中CO2浓度的平衡性非常高[20]。彭冬玲利用计算机自动控制技术，以8031单片机为主要开发工具的测控系统为基础，实现测控过程的全自动化，并实现CO2浓度的自动控制温室[21]。项美晶等针对温室生菜发育规律与环境因素变化，制定出温室生菜CO2含量与光照BP神经网络定量模型，对生菜产量进行定量控制[22]。罗家兵、张恒利用BP神经网络对温室CO2进行模糊控制，并利用Mablab通过进行模拟学习，能够更有效地减少温室CO2[23]。Salazar等利用3层神经网络建立温室温度和CO2浓度的预测模型，以CO2浓度的预测值作为输入变量，得到准确的光合速率预测模型，然后简单地指导肥料增加温室中的CO2[24]。刘永华等建立一个智能温室网络监控平台，通过连接CO2含量传感器和环境因子采集传感器，可以即时测定环境参数，并进行现场状态的远程观测和网络监测[25]。张莹、张海辉等利用RS485总线技术，对连栋的温室环境参数进行控制，通过此技术可以进行实时的简讯报告；并利用无线网络传感器，可以精确调节设施中的CO2浓度[26-27]。

2  智能化调控应用

2.1  光照环境智能化调控措施

光照同时也是控制温室黄瓜生长的主要环境因素，光照不但影响黄瓜生长状态，也控制气温、相对湿度和其他的关键环境因素。照明控制技术主要包括照明强度控制和光周期控制技术两种方法。这两种控制方式均离不开光照强度测定仪和定时器这2个传感器中的主要元件。利用实时监测动态照明的亮度变化规律，再辅以时钟控制技术，即可实现对照明强度和光周期的不同调控要求。目前使用的光周期智能调控方式，大致有以下5类：1）延长日照，这个调控方式大多是在傍晚天色逐渐变暗时开始补光。2）中断暗期，通过这种方式运用光照原理将暗期分成二段进行补光。3）间歇光照，它是一种通过反复或多次地交替在暗期中歇的方式进行补光，通常用在较大型的暖房工程中，通过人工补光栽培受电源能力的限制下使用。4）黎明前光照，通过利用从黎明前开始至清晨的光照。5）短时间歇光照。因此，借助物联网技术，结合相关研究人员对黄瓜生长特性和光照需求的研究成果，利用无线通信技术，可以利用物联网的光强传感器，收集并控制光强。通过温室实时传回的远程系统，进行数据挖掘和算法调整，再通过农业自动化和建模，科学调整光照强度和日照时间，使喜温喜光的黄瓜时刻生长在最适合的气候环境中，使植物强健，果实生长良好，产量增加，品质提高，降低成本和能耗，实现温室黄瓜的智能光控。

2.2  溫度环境智能化调控措施

黄瓜生长过程中温度的影响非常显著，黄瓜生长的每个时期都有最高温度、最低温度的最适宜温度区间。为了保证黄瓜生长都保持在最适宜的温度区间内，以物联网技术为基础，并通过研究人员对各生长季黄瓜生长发育状态及对温度需求特点的深入研究，并提出以下智能系统：根据温度智能调节和管理，系统包括温室管理的各种保温、加温和降温手段。其中，最常用的温度控制设备，包括有加热系统、通风系统、降温系统及遮阴保温设施；降温控制的方法从低至高包括：天窗和侧窗开启，自然通风系统→遮阳网张开→天窗和侧窗关闭，轴流风机强制通风→开启湿帘风机的降温系统。升温控制的主要方法从低至高是：将天窗、侧窗关闭→保温设备被开启，室内环境通过围护工程保温→加热设备升温。关于降低空气相对湿度控制系统的智能化管理方法，主要有以下几种：通风换气、加温设备、改进灌溉工艺等。对采取土壤栽培的温室，土壤湿度管理的目的是适应作物对水分的需求，所以要针对各种作物的各个生长期对水分的需要决定灌量。对使用离地苗床种植的大棚，调节土地相对湿度的目的在于减少其含水率以减少水分挥发。

2.3  温室CO2气体环境智能化调控措施

对黄瓜来说，环境CO2浓度直接影响产量和雌花的数量，当环境CO2浓度高时就可以提高光合利用率，也因此增加雌花产量，而浓度较低时则光合量减少，营养生成物降低，雌花产量也相应降低，从而补偿环境CO2是解决大棚午间“CO2饥饿”现象和提高大棚产量的最有效方法。通过通风换气，可以补充温室内超临界CO2不足，将从室内产生的有害空气完全排出室外或将其浓度减少至致害浓度以内；同时也可以清除室内外水分，从而降低室内外潮湿，也因此减少有害空气与水分互相结合的机会；它还可以改善室内空气流动，通过增加植物群落内的气体流通速率，使房间各处的温差、相对湿度、CO2浓度等环境因素变化更均匀。其次，作为气体环境管理的重要措施之一，目前采用CO2施肥工艺已作为温室企业增产增收的重要方法。通过利用有机肥发酵、燃烧、液态或固态的CO2挥发、光化学反应等方法，相应地增加大棚内超临界CO2浓度就可以改善作物净光合作用速度，进而提高产品产量和价格，从而提高大棚生产效益，提升经济效益。

3  展望

分析基于物联网的温室环境智能测控技术系统的研究现状，并针对物联网环境下的温室环境智能测控系统中技术服务层和决策层及研究人员相对缺乏的现状，开展温室环境优化研究，以农业物联网技术为核心，融合现代生物技术、先进种植技术、人工智能和可视化等技术，利用农业物联网技术的应用在智慧温室系统中发挥特殊作用，通过利用传感器能更好地捕捉温室内的环境变化。通过对传感器所采集的数据进行分析和处理，根据专家经验或分析结果，对温室内的植物生长环境进行有效控制，从而能更好地提高生产率，极大地提高土地转化率和产出率，是现代农业发展的核心标志，也是未来中国农业生产的重要发展方向和趋势。

参考文献：

[1] 张涛.基于物联网的蔬菜大棚环境监测系统设计[D].长沙：湖南大学，2015.

[2] 刘晓雨.选择适宜的温室补光系统[J].农业工程技术，2016，36（34）：64-65.

[3] 刘霞.黄瓜的植物学特性及对环境条件的要求[J].现代农业科技，2018（20）：100-101.

[4] 王洪志.温室黄瓜栽培技术研究[J].蔬菜，2014（9）：51-52.

[5] 张皓婷，李明，宋佳泽，等.基于机器学习的温室番茄的环境调控综述[J].农业与技术，2021，41（9）：9-12.

[6] TAKAKURA T. Technical models of the greenhouse environment[J].International Symposium on Models for Plant Growth Environmental Control & Farm Management in Protected Cultivation， 1989（248）：49-54.

[7] KOLOKOTSA D， SARIDAKIS G， DALAMAGKIDIS K， et al. Development of anintelligent indoor environment and energy man-agment system for greenhouses[J]. Energy conversion & management，2010，51（1） ：155-168.

[8] 柳平增，孟祥伟，田盼，等.基于物联网的精准农业信息感知系统设计[J].计算机工程与科学，2012，34 （3）：137-141.

[9] 杨飞，谢涛，伍英，等.基于WIFI的农业物联网温室大棚环境监测系统的设计[J].计算机测量与控制，2017，25（2）：50-53.

[10] 王能辉，胡国强.基于NB-IoT的农田远程监测系统的设计[J].陕西农业科学，2017，63（12）：82-85.

[11] 万伟红，况杰华，付友生.基于PID算法的温室环境控制系统设计[J].农业工程，2017，7 （5）：51-53，116.

[12] 郭威，吴华瑞，朱华吉.设施温室影像采集与环境监测机器人系统设计及应用[J].智慧农业（中英文），2020，2（3）：48-60.

[13] 钟应善，杨家强，邓劲莲.温室温度和湿度的多变量模糊控制技术[J].农业机械学报，2001，32 （3）：75-78.

[14] 乔晓军，张馨，王成，等.无线传感器网络在农业中的应用[J].农业工程学报，2005，21（S2）：232-234.

[15] TONG G， CHRISTOPHER D M， LI B. Numerical modelling of temperature variations in a Chinese solar greenhouse[J]. Computers and Electronics in Agriculture， 2009， 68（1）： 129-139.

[16] 盛平，郭洋洋，李萍萍.基于ZigBee和3G技术的设施农业智能测控系统[J].农业机械学报，2012，43 （12）：229-233.

[17] 黄金侠，于泳红，徐建东，等.水稻育秧棚智能监控系统研究[J].佳木斯大学学报（自然科学版），2015，33（3）：437-439，442.

[18] 刘传岐.水稻育秧大棚环境多点远程监测系统及监测点优化[D].大庆：黑龙江八一农垦大学，2018.

[19] 刘海洋.基于无线传感网络的土壤风蚀监测系统研究[D].呼和浩特：内蒙古农业大学，2017.

[20] 哈敏，李波，刘文合，等.日光温室CO2自动施肥系统的研制[J].沈阳农业大学学报，2001，32 （6）：473-475.

[21] 彭冬玲.温室大棚内二氧化碳浓度监控系统的研究[J].武汉：华中农业大学，2003.

[22] 项美晶，张荣标，李萍萍，等.基于BP神经网络的温室生菜CO2施肥研究[J].农机化研究，2008 （12）：17-20.

[23] 罗家兵，张恒.农业温室二氧化碳模糊控制系统算法[J].广东农业科学，2009 （5）：221-224.

[24] SALAZAR R， SCHMIDT U， HUBER C， et al. Neural networks models for temperature and CO2 control[J]. International Journal of Agricultural Research， 2010， 5（4）：191-200.

[25] 刘永华，吴玉娟，熊迎军，等.基于WEB的智能温室信息管理系统的设计[J].江苏农业科学，2014，42（11）：421-424.

[26] 张莹.基于总线的连栋温室监控系统设计[D].杨陵：西北农林科技大学，2017.

[27] 张海辉，邵志成，张佐经，等.基于无线传感网的设施环境二氧化碳精准调控系统[J].农业机械学报，2017，48（3）：325-331，360.

（责任编辑：易  婧）

收稿日期：2023-03-26

基金項目：内蒙古自治区科技计划项目（2020GG0033）；国家自然科学基金项目（32160738）；内蒙古自治区高校基本科研业务费项目（BR221048）。

作者简介：尹竣冬（1994—），男，吉林长春人，硕士，助理工程师，主要从事设施蔬菜环境调控研究。E-mail：liming19750811@163.com。

*为通信作者，E-mail：605278875@qq.com。