多因子約束的卷簾機揭蓋被決策方法與控制系統(tǒng)研究

張軍華 陳丹艷 張仲雄 孫章彤 張明科 胡 瑾

(1.西北農(nóng)林科技大學機械與電子工程學院， 陜西楊凌 712100； 2.農(nóng)業(yè)農(nóng)村部農(nóng)業(yè)物聯(lián)網(wǎng)重點實驗室， 陜西楊凌 712100； 3.陜西省農(nóng)業(yè)信息感知與智能服務(wù)重點實驗室， 陜西楊凌 712100； 4.西北農(nóng)林科技大學園藝學院， 陜西楊凌 712100)

0 引言

北方冬季反季節(jié)生產(chǎn)過程中，日光溫室通過后墻對太陽能的蓄放熱及保溫覆蓋物的保溫，能有效實現(xiàn)夜間溫室內(nèi)溫度的維持[1-2]。但傳統(tǒng)日光溫室電氣化水平較低，基本無加熱裝置及補光燈等設(shè)備支持[3-4]，光照時長及日間的太陽輻射量是影響溫室內(nèi)溫度和作物物質(zhì)積累的主要因素[5]，溫室在揭被后，太陽輻射對溫室整體增溫，內(nèi)墻及土壤進行蓄熱，為作物的正常生長提供適宜環(huán)境，但陰雨天、雪天太陽輻射較弱時，太陽輻射強度無法提供足夠的熱量來源，使溫室溫度下降；蓋被后溫室內(nèi)溫度急劇下降，溫室通過后墻、土壤的放熱及保溫被的隔熱來維持溫室內(nèi)溫度，防止溫度過低造成作物受冷害[6-9]。溫室溫度目前很大程度上取決于基地溫室管理人員揭蓋被操作的時間[10-11]。實際生產(chǎn)中，由于信息化水平低，管理員僅用水銀溫度計來測量溫室溫度，揭、蓋卷簾被時間也依靠人工經(jīng)驗，管理員通常采取晚揭被、早蓋被的方式來保證室內(nèi)溫度[12]，這種方式使溫室不能最大化接收太陽光輻射，導致溫室無法獲取充足熱量，溫室內(nèi)蓄熱量降低，保暖性能逐漸下降，同時會減少作物光合作用時長，影響作物的正常生長發(fā)育和物質(zhì)積累[10]。目前已有研究主要考慮不同揭蓋被方式、揭蓋被程度對日光溫室內(nèi)溫度的影響，結(jié)合作物生長需求模型進行卷簾機揭蓋被決策的研究較少[13-17]。因此，結(jié)合作物需求及揭蓋被后溫室溫度變化規(guī)律，實現(xiàn)合理的揭蓋被決策對日光溫室的生產(chǎn)至關(guān)重要。

本文基于作物生理生長對溫度和光照的需求，結(jié)合揭被過程中不同內(nèi)外溫差條件下太陽輻射使溫室內(nèi)溫度達到平衡所需的光照強度(光平衡點)，研究基于經(jīng)驗控制、作物溫度限制、光補償點與光平衡點多約束條件融合的卷簾機揭被決策模型；同時，構(gòu)建溫室夜間最低溫預測模型，建立融合光補償點、溫度限制點、經(jīng)驗控制的卷簾機蓋被決策方法，并依托卷簾機決策控制系統(tǒng)實現(xiàn)卷簾機揭蓋被的智能決策控制，為提高日光溫室冬季反季節(jié)生產(chǎn)中光周期，減少夜間低溫冷害的發(fā)生提供有效保障。

1 揭蓋被約束條件獲取

揭蓋被操作主要在典型西北下沉式日光溫室進行，本研究中約束條件包括冬季番茄生理生長需求、揭蓋被后溫室溫度變化規(guī)律與經(jīng)驗揭蓋被時間3方面。試驗作物為普羅旺斯番茄(SolanumLycopersicumMill.)，其生理生長需求約束條件主要為作物低溫限制點與光補償點(光限制點)；試驗日光溫室東西長50 m，南北跨度7 m，脊高5 m，下沉0.5 m，后墻、東側(cè)墻體、西側(cè)墻體為黏土制成，拱架為鋼架結(jié)構(gòu)，后坡覆以PC板和紡織材料制成的保溫棉被，透光材料為聚氯乙烯薄膜，采用上下通風方式建造。約束條件獲取試驗于陜西省涇陽縣西北農(nóng)林科技大學涇陽蔬菜示范基地東6號日光溫室進行，其約束條件為溫室內(nèi)溫度平穩(wěn)時的光平衡點及溫室夜間最低溫預測模型獲取的最低溫值。

1.1 作物生理生長約束條件

1.1.1番茄低溫光合速率試驗

植物的生長主要依靠葉片的光合作用，其中光合速率是反映植物對環(huán)境響應(yīng)的重要指標，而低溫對植物生長的影響從細胞層面開始，它主要影響葉片中光合器官光合過程和相關(guān)酶活性，限制了葉片的光合速率，從而限制葉片向花和果實的養(yǎng)分供應(yīng)，因此本文以葉片低溫光合速率試驗來獲取冬季低溫條件下作物溫度約束條件及光約束條件。西北越冬番茄種植過程中，低溫冷害主要發(fā)生在對低溫敏感的生殖生長期，初花期中現(xiàn)蕾期與花芽分化初期受低溫影響后會嚴重限制花粉的形成、活力以及花的數(shù)量[18]，且花芽分化、開花及果期在生殖生長過程中并存，而花期是果期產(chǎn)量和品質(zhì)的基礎(chǔ)，因此本文以初花期番茄為試驗對象，采用LI-6400XT型光合速率儀進行低溫光合速率嵌套試驗，其中光子通量密度、空氣溫度、CO2濃度范圍根據(jù)日光溫室實測范圍適當調(diào)整設(shè)定，試驗方案如表1所示。由于需預測番茄植株光補償，同時考慮到弱光條件下作物光響應(yīng)曲線斜率較大，光子通量密度共設(shè)置11個梯度，分別為0、15、30、60、120、250、400、600、800、1 000、1 200 μmol/(m2·s)。整個試驗采用人工氣候箱進行，環(huán)境相對濕度為50%。

表1 光合速率測試試驗梯度設(shè)置Tab.1 Gradient setting of photosynthetic rate test

1.1.2低溫限制點分析

低溫限制點指對番茄生理生長造成嚴重抑制的環(huán)境臨界溫度點。以CO2濃度為600 μmol/mol時的不同溫度、光照強度梯度下光合速率變化趨勢為例，其溫度響應(yīng)結(jié)果如圖1所示。

圖1 不同光照強度下番茄(初花期)光合速率溫度響應(yīng)Fig.1 Temperature response of photosynthetic rate of tomatounder different photon flux densities (flowering stage)

由圖1a可知，隨著溫度的增加，整個光照強度區(qū)間光合速率差異越來越大。6℃時，不同光照強度下光合速率收縮，說明葉片光合作用能力差異減小受到了抑制；在6℃升至8℃時光合速率差異變大，說明植物生理狀態(tài)得到恢復或緩解，外界的光照強度變化已能明顯改變其光合能力，作物生理應(yīng)激反應(yīng)趨于正常，光合作用強度主要受限于低溫下酶活性的影響。由圖1b各溫度區(qū)間光合速率變化斜率可看出，光照強度大于120 μmol/(m2·s)時，在6～8℃及10℃以上溫度區(qū)間的光合速率變化斜率均較大，在8～10℃區(qū)間斜率達到最小值，說明在該區(qū)間附近時達到了平臺期，即作物能忍受的低溫限制區(qū)，低于限制溫度作物生理機能會迅速降低；由0 μmol/(m2·s)的變化趨勢可知植株呼吸作用在低于8℃時明顯減小，說明此時呼吸作用也受到了抑制，這與IKKONEN等[19]研究結(jié)果一致，當光照強度低于120 μmol/(m2·s)時，8～10℃區(qū)間斜率相對集中且接近于0，同樣處于平臺期，光合速率隨著溫度降低略有上升，是因為低溫使呼吸作用受到了抑制。因此本研究以8℃作為作物低溫約束條件。

1.1.3光限制點分析

為保證番茄的正常生長發(fā)育，以低溫條件下光補償點(光限制點)作為卷簾機揭蓋被中作物的光約束條件。光補償點通過葉子飄等[20]提出的直角雙曲線修正模型及光合計算軟件對原始光響應(yīng)試驗數(shù)據(jù)擬合計算獲取。以環(huán)境溫度、CO2濃度為輸入，計算獲取的光補償點為輸出，采用支持向量機回歸(Support vector regression，SVR)[21-22]算法建立光補償點預測模型,其中模型參數(shù)C、g通過Tent映射改進的差分進化算法(Differential evolution algorithm，DE)進行尋優(yōu)[23-25]，最終以獲取的最優(yōu)參數(shù)組合對光補償點數(shù)據(jù)進行擬合，在日光溫室溫度6～16℃、CO2濃度400～1 000 μmol/mol范圍內(nèi)光補償預測模型曲面如圖2所示。

圖2 不同溫度、CO2濃度下光補償點預測模型Fig.2 Prediction model of LCP under different temperatures and CO2

采用留一法對模型性能進行驗證，通過線性擬合對預測值與光補償點實際值進行相關(guān)分析，結(jié)果如圖3所示，結(jié)果表明，該模型的決定系數(shù)R2為0.935 3，均方根誤差(Root mean square error， RMSE)為1.11 μmol/(m2·s)，歸一化均方根誤差(Normalized root mean square error，NRMSE)為0.064 2，小于0.2，說明模型具有較高的擬合精度和良好的適用性，與實際光補償點數(shù)據(jù)接近，能夠滿足卷簾機實際控制過程中光限制點的獲取精度要求。

圖3 改進DE-SVR建模性能Fig.3 Improved DE-SVR modeling performance

1.2 溫室約束條件

為減少溫室低溫冷害的發(fā)生，環(huán)境監(jiān)測預警與卷簾機調(diào)控過程中應(yīng)監(jiān)測溫室中最低溫位置環(huán)境，經(jīng)前期研究分析，本文室內(nèi)最低溫環(huán)境監(jiān)測點位置部署于溫室東側(cè)靠近薄膜附近，距東墻4 m，后墻5.48 m左右，高度隨作物冠層高度進行調(diào)整[26]；室外環(huán)境監(jiān)測節(jié)點部署于日光溫室棚頂位置。

1.2.1溫室揭蓋被試驗

為分析揭被后不同外界光輻射強度、內(nèi)外溫差對溫室溫度變化的影響，獲取溫室內(nèi)外溫度平衡的光約束條件，進行了不同溫光條件下揭被測試。試驗數(shù)據(jù)采集從揭被動作開始至揭被后10 min結(jié)束，揭被過程各個環(huán)境參數(shù)數(shù)據(jù)分布范圍如表2所示，試驗時間2019年12月28日—2020年2月18日，去除其中2020年1月15日由于降雪全天未揭被的數(shù)據(jù)，試驗共采集可用于分析的溫光數(shù)據(jù)53組。

表2 日光溫室揭被試驗環(huán)境參數(shù)分布范圍Tab.2 Distribution range of environmental parameters of uncovering-quilt test in solar greenhouse

日光溫室蓋被后，夜間室內(nèi)最低溫不僅受蓋被后初始溫度、后墻與土壤蓄熱的影響，同時也受外界溫度的影響[27]，參考已有研究，夜間最低溫建模輸入?yún)?shù)主要包括室內(nèi)最低溫監(jiān)測點溫度、室外溫度、氣象數(shù)據(jù)[11,28-29]，由于夜間后墻距離最低溫監(jiān)測點較遠，土壤的散熱對空氣溫度影響更大，因此本文增加監(jiān)測點土壤溫度數(shù)據(jù)作為輸入，增加模型預測準確性[30]。

蓋被試驗于2019年12月28日—2020年2月18日、2020年12月8日—2021年1月19日進行，去除特殊原因如極端雪天等天氣未蓋被情況，試驗共獲取試驗數(shù)據(jù)73組。數(shù)據(jù)采集從蓋被動作開始記錄至第2日08:00結(jié)束，其中氣象數(shù)據(jù)由涇陽氣象預報獲取，記錄蓋被時刻溫室內(nèi)外溫度及蓋被后至第2天08:00間每小時氣象預報溫度數(shù)據(jù)，每小時溫度預報數(shù)據(jù)將用于積溫計算，其余夜間實測環(huán)境數(shù)據(jù)由環(huán)境監(jiān)測節(jié)點自動采集，各參數(shù)數(shù)據(jù)分布范圍如表3所示。

表3 日光溫室蓋被試驗環(huán)境參數(shù)分布范圍Tab.3 Distribution range of environmental parameters of covering-quilt test in solar greenhouse ℃

1.2.2光平衡點預測模型

基于獲取的試驗數(shù)據(jù)，在不同溫度差與光輻射強度條件下，截取了揭被后10 min時的室內(nèi)外環(huán)境監(jiān)測數(shù)據(jù)，對10 min內(nèi)溫室內(nèi)外溫度差均值、太陽輻射強度均值及溫度變化率進行計算，以室內(nèi)溫度變化率反映不同溫光耦合條件下最低溫監(jiān)測點溫度變化趨勢，當溫差變化率小于0時，說明外界光輻射強度在當前溫度差下不能保證溫度平穩(wěn)，即溫度下降，反之則說明溫度升高。不同太陽輻射強度、溫度差下溫度變化率的變化規(guī)律如圖4所示，圖中白色虛線為最低溫監(jiān)測點在不同內(nèi)外溫度差、光輻射強度條件下，揭被后10 min內(nèi)溫度變化為0℃/min趨勢線。從0℃/min趨勢線可以看出，本文試驗條件下不同溫度差時，最低溫監(jiān)測點溫度不變時光平衡點較小，在53～120 μmol/(m2·s)范圍內(nèi)變化。

圖4 不同溫差、太陽光輻射強度下室內(nèi)溫度變化率分布Fig.4 Temperature transition rate distribution of indoor temperature at different internal-external temperatures and light radiation intensities

對0℃/min趨勢線進行提取，獲取了19組光平衡點原始數(shù)據(jù)，通過二次非線性擬合獲取了不同溫差條件下維持溫室內(nèi)溫度不下降的光平衡點，擬合結(jié)果如圖5所示，由圖5可知，模型擬合的R2為0.991 9，RMSE為1.816 9 μmol/(m2·s)，NRMSE為0.029 3，說明光平衡點擬合結(jié)果精度高，適用性良好。當溫差為0℃時，理論上溫室內(nèi)外無熱量交換，光平衡點輻射強度應(yīng)為0 μmol/(m2·s)，此時模型計算該點輻射強度為4.028 2 μmol/(m2·s)，接近于實際情況，為日光溫室卷簾機揭被過程中決策限制條件提供了理論依據(jù)。

圖5 光平衡點擬合模型Fig.5 Light equilibrium point fitting model

1.2.3夜間最低溫預測模型

夜間最低溫預測模型采用精英策略遺傳算法(Genetic algorithm，GA)優(yōu)化的SVR進行構(gòu)建[31-33]。GA尋優(yōu)過程中參數(shù)設(shè)置：種群大小設(shè)置為50，迭代次數(shù)100，交叉概率0.85，變異概率0.1。本研究根據(jù)經(jīng)驗設(shè)置尋優(yōu)參數(shù)C、g取值范圍分別為[0, 15]、[0, 5]。通過精英策略GA對SVR參數(shù)進行優(yōu)化，在迭代17次時達到模型收斂，最終懲罰因子C最優(yōu)值為3.222 8，核參數(shù)g最優(yōu)值為0.002 9，模型預測性能驗證分析結(jié)果如圖6所示。

圖6 模型預測性能分析Fig.6 Model predictive performance analysis

通過最優(yōu)參數(shù)SVR模型對數(shù)據(jù)集進行訓練與測試，訓練集與測試集R2分別為0.824 0、0.832 1，RMSE分別為0.718 5、0.708 7℃，其中測試集NRMSE為0.128 9，說明最低溫預測模型在不同環(huán)境條件下具有良好的預測性能，泛化能力良好，能為卷簾機蓋被決策提供可靠的數(shù)據(jù)支撐。

1.3 經(jīng)驗揭蓋被約束條件

在日光溫室冬季實際生產(chǎn)過程中，除大雪等惡劣天氣情況下不進行揭蓋被外，其余天氣均會在合適時間進行揭蓋被操作。經(jīng)驗揭蓋被約束條件是在外界環(huán)境無法達到溫室、作物需求的約束條件而無法揭蓋被時，根據(jù)農(nóng)藝師揭蓋被經(jīng)驗時間來實現(xiàn)卷簾機的控制，本文經(jīng)驗揭蓋被時間由對照日光溫室日常操作時間記錄獲取，試驗期間去除雪天無蓋被情況共計76組人工揭蓋被時間，人工揭被最晚時間為10:03，最早蓋被時間為16:05，后續(xù)揭蓋被決策方法中經(jīng)驗時間以此為依據(jù)。

2 多因子約束的卷簾機揭蓋被決策方法

基于番茄初花期、溫室環(huán)境約束條件及決策控制系統(tǒng)，本文融合揭被經(jīng)驗、光平衡點、低溫約束、光補償點構(gòu)建了卷簾機揭被決策方法，在考慮不同外界環(huán)境因素條件下，以作物低溫條件下溫-光限制點約束為主導，光平衡點與揭蓋被經(jīng)驗相輔助的方式，實現(xiàn)卷簾機揭被的科學合理決策；針對蓋被操作，融合揭蓋被經(jīng)驗、低溫預測、低溫約束、光補償點構(gòu)建了卷簾機蓋被決策方法，該方法基于作物低溫限制條件，以夜間最低溫預測為主導，光補償點與蓋被經(jīng)驗相輔助的方式，實現(xiàn)卷簾機的蓋被決策與控制，控制方法實現(xiàn)流程如圖7所示。

圖7 卷簾機揭蓋被決策控制流程圖Fig.7 Decision control method for uncovering/covering of rolling shutter machine

2.1 卷簾機揭被決策過程

卷簾機揭被決策過程基于卷簾機揭被決策方法與環(huán)境實時監(jiān)測數(shù)據(jù)實現(xiàn)，決策開始后，系統(tǒng)通過天氣系統(tǒng)判別是否為雪天，若為雪天則不進行卷被操作，由管理員現(xiàn)場確認實際情況酌情揭蓋被；若為其他天氣，系統(tǒng)實時分析上傳的環(huán)境參數(shù)，通過光限制點預測模型實時獲取光補償點，若室內(nèi)溫度高于最低溫限制點，系統(tǒng)則以光補償點作為揭蓋被決策條件，這是因為光補償點通常低于光平衡點，揭被后會出現(xiàn)短時間溫度下降，因此當室內(nèi)溫度高于低溫限制點時采用光補償點進行調(diào)控，當滿足植物光合需求時執(zhí)行揭被；當室內(nèi)溫度低于最低溫限制點時，說明作物已受到低溫影響，揭被主要考慮揭被后室內(nèi)溫度是否上升，因此此時根據(jù)光平衡點進行決策，當外界太陽光輻射強度高于光平衡點時執(zhí)行揭被操作，使揭被后溫度不會進一步降低；若光補償點與光平衡點二者均無法滿足要求，則通過經(jīng)驗揭被最晚時間來進行決策，保證作物的光照需求；當?shù)玫綀?zhí)行揭被決策結(jié)果后，系統(tǒng)生成卷簾機揭被控制指令通過網(wǎng)絡(luò)下發(fā)到卷簾機物聯(lián)網(wǎng)控制終端，控制卷簾機完成揭被操作。

2.2 卷簾機蓋被決策過程

卷簾機蓋被決策方法中為盡量防止夜間低溫對作物造成傷害，同樣基于番茄低溫限制點進行，系統(tǒng)先獲取當前環(huán)境條件下光補償點作為蓋被光限制點，同時獲取實時天氣預報小時氣溫并計算此時至第2天日出之間的小時預報溫度積溫，以室外溫度、室內(nèi)溫度、土壤溫度、預報積溫為輸入進行夜間最低溫預測，若預測最低溫高于低溫限制點+標準誤差，即8.7℃，則系統(tǒng)以光補償點作為蓋被決策條件，當外界光照強度小于光補償點時執(zhí)行蓋被操作，反之不蓋被，等待下一次環(huán)境數(shù)據(jù)上傳后重新決策，盡量增加溫室光照時間；若預測最低溫低于低溫限制點，則判斷時間是否晚于經(jīng)驗最早蓋被時間點，滿足條件時才進行蓋被，以此來保證溫室的光照時長。當系統(tǒng)得到蓋被決策結(jié)果后自動生成蓋被決策指令，通過網(wǎng)絡(luò)下發(fā)至卷簾機物聯(lián)網(wǎng)控制終端，完成對卷簾機的蓋被決策。

3 卷簾機決策控制系統(tǒng)

卷簾機決策控制系統(tǒng)基于ZigBee無線傳感器網(wǎng)絡(luò)實現(xiàn)了日光溫室內(nèi)外實時環(huán)境參數(shù)感知，通過4G通信網(wǎng)絡(luò)完成監(jiān)測數(shù)據(jù)的上傳，最終由農(nóng)業(yè)物聯(lián)網(wǎng)監(jiān)測控制平臺內(nèi)嵌的卷簾機智能決策模型對揭蓋被做出決策，向卷簾機物聯(lián)網(wǎng)控制終端發(fā)送控制指令，完成卷簾機的可靠自動控制。系統(tǒng)主要包括可自主組網(wǎng)和功能裁剪的環(huán)境監(jiān)測節(jié)點、卷簾機物聯(lián)網(wǎng)控制終端、用于網(wǎng)絡(luò)協(xié)調(diào)及數(shù)據(jù)匯集上傳的網(wǎng)關(guān)節(jié)點、DTU數(shù)據(jù)上傳模塊以及物聯(lián)網(wǎng)監(jiān)測平臺，卷簾機決策控制系統(tǒng)結(jié)構(gòu)示意圖如圖8所示。

圖8 卷簾機決策控制系統(tǒng)結(jié)構(gòu)示意圖Fig.8 Schematic of decision control system for rolling curtain

3.1 溫室環(huán)境監(jiān)測節(jié)點

監(jiān)測硬件整體設(shè)計如圖9所示，主要包括CC2530核心處理模塊、傳感器接口、數(shù)據(jù)傳輸接口、電源模塊、程序燒錄模塊、狀態(tài)指示模塊。

圖9 環(huán)境監(jiān)測節(jié)點硬件框圖Fig.9 Hardware block diagram of environmental monitoring node

溫室環(huán)境監(jiān)測節(jié)點主要完成日光溫室卷簾機智能控制過程中決策模型環(huán)境參數(shù)的獲取，基于本研究中模型所需的環(huán)境監(jiān)測需求，設(shè)備還可同時兼容擴展多種類傳感器的接入，主要包括太陽輻射強度、空氣溫濕度、CO2濃度、土壤溫度、土壤含水率6類環(huán)境因子。

3.2 卷簾機物聯(lián)網(wǎng)控制終端

卷簾機物聯(lián)網(wǎng)控制終端用于實現(xiàn)日光溫室卷簾機的遠程揭蓋被控制，它具備手動控制和自動控制兩種模式，其中手動控制用于基地管理者根據(jù)實際需求對卷簾機進行實地揭蓋被操作，自動控制模式用于用戶通過物聯(lián)網(wǎng)系統(tǒng)平臺進行遠程揭蓋被控制和智能模型調(diào)控。為了保證卷簾機控制系統(tǒng)的安全可靠運行，終端引入了行程開關(guān)與紅外對射相結(jié)合的卷簾機限位控制方法，以及各類保護控制繼電器，使終端在接收到遠程控制指令時，能保證在無人值守條件下完成卷簾機的安全操作。卷簾機物聯(lián)網(wǎng)控制終端包括ZigBee物聯(lián)網(wǎng)控制器(弱電控制部分)與卷簾機自限位控制電路(強電控制部分)兩部分，其整體框圖如圖10所示。

圖10 卷簾機物聯(lián)網(wǎng)控制終端整體框圖Fig.10 Overall block diagram of IoT control terminal of rolling curtain machine

3.3 ZigBee協(xié)調(diào)節(jié)點

ZigBee協(xié)調(diào)節(jié)點用于日光溫室卷簾機智能控制系統(tǒng)中環(huán)境監(jiān)測節(jié)點、卷簾機物聯(lián)網(wǎng)控制終端間無線傳感器網(wǎng)絡(luò)的組織和管理，通過定義網(wǎng)關(guān)節(jié)點來區(qū)分監(jiān)測控制系統(tǒng)各個節(jié)點的歸屬，同時它與輸出傳輸模塊DTU進行通信，將網(wǎng)絡(luò)節(jié)點傳遞的信息進行上傳，也對平臺下發(fā)的指令進行轉(zhuǎn)發(fā)。ZigBee協(xié)調(diào)節(jié)點硬件框圖如圖11所示，包含CC2530核心處理模塊、數(shù)據(jù)通信模塊、電源模塊及狀態(tài)指示模塊，其中數(shù)據(jù)通信模塊完成與DTU數(shù)據(jù)透傳模塊的數(shù)據(jù)交互。

圖11 ZigBee協(xié)調(diào)節(jié)點硬件框圖Fig.11 ZigBee coordination node hardware block diagram

4 系統(tǒng)試驗與結(jié)果分析

為驗證本文智能控制系統(tǒng)的優(yōu)越性和效果，試驗于2021年11月14日—2022年1月12日于西北農(nóng)林科技大學涇陽蔬菜試驗示范站進行，選取東6號日光溫室采用多因子約束的卷簾機揭蓋被決策方法進行控制，東4號日光溫室由園區(qū)農(nóng)藝師按經(jīng)驗進行控制，兩個溫室種植作物均為“普羅旺斯”番茄，于2021年10月20日同期定植，每個溫室共定植23壟，試驗時株高55 cm左右，整個過程兩個溫室肥水管理、農(nóng)事操作一致。溫室內(nèi)環(huán)境監(jiān)測數(shù)據(jù)采集間隔為5 min，通過ZigBee網(wǎng)絡(luò)與4G網(wǎng)絡(luò)直接上傳至農(nóng)業(yè)生產(chǎn)物聯(lián)網(wǎng)監(jiān)控平臺，試驗期間共采集了揭蓋被數(shù)據(jù)60組，通過平臺統(tǒng)計計算，獲取和計算了試驗期間溫室的有效積溫、輻熱積、光照時長等指標；試驗期間同時測量記錄番茄植株生理指標及第1穗果成熟時產(chǎn)量數(shù)據(jù)，用于分析兩個日光溫室在試驗期間的兩種卷簾機控制方式的調(diào)控效果。

4.1 溫室溫光評價指標結(jié)果分析

為驗證卷簾機調(diào)控性能，統(tǒng)計分析了兩個溫室試驗期間蓋被后夜間最低溫、日平均氣溫、日光照時長、日輻熱積等溫室溫光評價指標，其變化趨勢與結(jié)果如圖12所示。

圖12 溫室溫光評價指標結(jié)果Fig.12 Temperature and light evaluation index results of greenhouse

由圖12a可以看出，試驗溫室夜間最低溫幾乎全部高于對照溫室，經(jīng)計算試驗溫室夜間最低溫平均值為8.75℃，對照溫室夜間最低溫平均值為7.95℃，說明本系統(tǒng)的應(yīng)用有效提升了溫室夜間最低溫，通過與室外溫度變化的對比分析，夜間最低溫低于8℃的情況主要發(fā)生在外界出現(xiàn)較極端低溫或持續(xù)低溫的天氣。對最低溫低于8℃的天數(shù)及溫度進行統(tǒng)計分析，試驗溫室在試驗期間低于8℃共18 d， 而對照組溫室這一情況達到32 d，試驗溫室卷簾機調(diào)控系統(tǒng)的部署減少了43%的低溫發(fā)生率，由圖12結(jié)果也可看出低溫天數(shù)中有6 d最低溫接近于8℃，證明本系統(tǒng)在防止夜間溫度低于溫度限制點的性能良好，能有效減少夜間低溫的出現(xiàn)。

通過對試驗期間日平均溫度的計算，試驗溫室和對照溫室試驗期間日平均溫度分別為15.83、15.53℃，試驗日光溫室日平均氣溫普遍高于對照溫室(圖12b)；日光溫室冬季光照時長的增加是提升產(chǎn)量的關(guān)鍵，經(jīng)分析計算，除2021年11月20日為保證夜間溫度，系統(tǒng)提前決策蓋被導致光照時長減少外，試驗溫室平均日光照時長基本都高于對照溫室(圖12c)，試驗溫室與對照溫室日平均光照時長分別為8.97、7.72 h，平均日光照時長增加了1.25 h；試驗期間日輻熱積計算結(jié)果如圖12d所示，由結(jié)果可以看出，試驗日光溫室的日輻熱積基本均高于對照溫室，試驗溫室平均日輻熱積為4.98 MJ/(m2·d)，對照溫室為3.95 MJ/(m2·d)，試驗溫室平均提升1.03 MJ/(m2·d)，提升效率為26.08%。在運用多因子約束卷簾機揭蓋被決策模型進行合理早揭被、晚蓋被的情況下，本文揭蓋被決策方法優(yōu)于人工經(jīng)驗揭蓋被。

本文提出的卷簾機揭蓋被決策控制方法與對照溫室的評價指標總體結(jié)果如表4所示。由表4可看出，在整個驗證試驗期間(60 d)，相對于對照溫室，試驗溫室總光照時長增加了75.16 h，相對增長了16.22%，總輻熱積提高了61.41 MJ/m2，相對增加了25.89%，總有效積溫提升了22.28℃，增長了4.91%。結(jié)果證明，在溫室整體平均溫度與傳統(tǒng)經(jīng)驗調(diào)控相差不大的情況下，作物接受的太陽輻射總量有效增加，這有利于作物的光合作用；對溫室而言，日照時間的增長，溫室內(nèi)部蓄熱墻體、土壤接受的太陽有效輻射增加，使溫室整體輻熱積增加，有助于溫室熱量的積累，提高溫室夜間保溫性能。在冬季整體溫度、光輻射不能滿足番茄正?？焖偕L需求的情況下，輻熱積和有效積溫的增加，對作物生理生長和物質(zhì)積累具有積極的促進作用。

表4 評價指標總體結(jié)果Tab.4 Overall results of evaluation indicators

4.2 番茄生長指標結(jié)果分析

由于植株存在個體差異以及初始階段植物的生長指標不同，因此選用指標的增長量作為依據(jù)進行試驗組和對照組的對比分析。圖13為溫室均勻采樣獲取的植株生理指標增長量圖，由結(jié)果可看出試驗組的株高增長量整體低于對照組。而試驗組番茄莖粗整體高于對照組，植株矮、莖稈粗說明植株健壯，即試驗組的番茄植株生長狀態(tài)比對照組更健壯，這有利于番茄后期生長過程中對莖葉及果實物質(zhì)能量的輸送。

圖13 生理指標結(jié)果Fig.13 Increase results of plant height and stem diameter

葉片生長速率變化趨勢如圖14所示，由于葉片形態(tài)受生長時間的影響，本研究選擇統(tǒng)一的新生葉作為葉片生長速率的測定依據(jù)。由圖中趨勢可看出，葉長隨生長時間先快速上升后趨于平穩(wěn)。葉寬也表現(xiàn)出了相同的趨勢，但趨于平穩(wěn)的速度小于葉長。在葉片生長到20 d之前葉長和葉寬都處于快速生長期，而在20～26 d之間葉長已趨于平穩(wěn)，而葉寬還在快速增加，29～30 d時均趨于穩(wěn)定，當葉長葉寬都趨平穩(wěn)時說明葉片的生長形態(tài)已經(jīng)達到最大。結(jié)果說明試驗組葉面積大于對照組，更有利于光合產(chǎn)物的積累。

圖14 葉片生長速率變化曲線Fig.14 Variation trends of leaf growth rate

4.3 產(chǎn)量分析

由于溫室環(huán)境的積溫增加，光照時間增長，光合葉面積增加，試驗組的番茄產(chǎn)量高于對照組，產(chǎn)量結(jié)果對比如圖15所示。通過對3次采摘結(jié)果的計算可知試驗組產(chǎn)量提高30.74%，說明了本研究方法能夠?qū)Ψ旬a(chǎn)量產(chǎn)生促進作用。但從3次采收結(jié)果可以看出，試驗組在前兩次采收具有較高的產(chǎn)量，明顯高于對照組，但第3次采收結(jié)果低于對照組，說明本研究方法對于番茄前期收獲具有更明顯的優(yōu)勢。

圖15 產(chǎn)量結(jié)果對比Fig.15 Yield result comparison

5 結(jié)論

(1)經(jīng)驗證，與傳統(tǒng)經(jīng)驗卷簾機控制相比，本文方法能有效減少冬季日光溫室夜間溫度低于番茄低溫限制點發(fā)生率。

(2)試驗期間，試驗溫室日光照時長平均延長1.25 h，相對于經(jīng)驗調(diào)控增加了16.22%，試驗期內(nèi)共計增加光照時間75.16 h，輻熱積增加61.41 MJ/m2，提升了25.89%，有效積溫增加了22.28℃，對溫室總體蓄熱提升效能明顯，為作物生長提供了更好的生長環(huán)境。

(3)基于作物實際生長指標，試驗溫室植株更加健壯，相對時間內(nèi)平均生長速率也更高，由產(chǎn)量分析結(jié)果可以看出，試驗溫室前3次收獲結(jié)果較對照溫室產(chǎn)量提高30.74%，說明本研究控制系統(tǒng)及方法能有效增加番茄物質(zhì)的積累，對于番茄提前收獲具有明顯的優(yōu)勢。