鄭吉澍，劉劍飛，李佩原，李 脈，張 凱，李 萍

(重慶市農(nóng)業(yè)科學(xué)院農(nóng)業(yè)工程研究所，重慶 401329)

【研究意義】光照是影響植物光合能力、生長發(fā)育及干物質(zhì)積累的核心環(huán)境因素，而重慶地區(qū)寡照問題突出，導(dǎo)致作物生長受阻，農(nóng)業(yè)受災(zāi)面積逐年擴(kuò)大[1-2]。人工補(bǔ)光技術(shù)是解決重慶地區(qū)農(nóng)業(yè)生產(chǎn)中寡照問題的關(guān)鍵所在[3-5]。密閉型植物工廠是裝配有人工光源等模塊的一種高度專業(yè)化、現(xiàn)代化設(shè)施農(nóng)業(yè)，其采用非透明熱絕緣材料建造，使封閉系統(tǒng)與外界通風(fēng)和熱交換量保持在最小限度，而人工光源是其內(nèi)植物生長的唯一光照來源，通過高精度的環(huán)境條件控制，可滿足農(nóng)作物周年生產(chǎn)和科研需要，即利用計(jì)算機(jī)、嵌入式控制器、高性能執(zhí)行設(shè)備等對植物生長的光照、溫度、濕度、CO2濃度及營養(yǎng)液等環(huán)境條件進(jìn)行自動(dòng)控制，使作物生長不受或很少受重慶當(dāng)?shù)刈匀粭l件的制約[6-7]。傳統(tǒng)的作物補(bǔ)光多采用固定光強(qiáng)、固定高度的方式，但這種方式存在一定的弊端，其未考慮到不同高度下的光場分布均勻性問題，易造成作物光抑制或者光脅迫；而且未考慮到不同種類作物、不同生長時(shí)期的需光差異性，易造成不必要的能耗損失[8]。因此，通過探究不同高度、不同光強(qiáng)比例條件下栽培槽平面光場強(qiáng)度的分布規(guī)律，構(gòu)建栽培槽平面光場強(qiáng)度預(yù)測模型，根據(jù)不同種類作物、不同生長時(shí)期的光需求，實(shí)現(xiàn)植物工廠補(bǔ)光燈高度、光照強(qiáng)度的動(dòng)態(tài)調(diào)控，可精準(zhǔn)滿足作物的光需求，避免作物出現(xiàn)光脅迫等障礙，還可有效減少補(bǔ)光燈能耗損失。【前人研究進(jìn)展】隨著智慧農(nóng)業(yè)的迅速發(fā)展，眾多學(xué)者在光照對作物生長發(fā)育的影響方面開展了大量研究。如Fantini等[9]提出光照是一種關(guān)鍵的環(huán)境因素，能夠影響植物整個(gè)生命周期中的多種生理過程，發(fā)現(xiàn)吸收藍(lán)光的隱色素可以影響種子萌發(fā)、開花誘導(dǎo)、植物結(jié)構(gòu)、果實(shí)代謝物含量及對生物和非生物脅迫的抵抗力。Liu等[10]以26個(gè)小麥品種為研究對象，通過大田實(shí)驗(yàn)證明了植株冠層光截獲能力直接影響小麥的生長發(fā)育及產(chǎn)量。Baligar等[11]以9種多年生豆科植物為研究對象，分析溫室條件下3種光子通量密度處理對豆科作物生長的影響。結(jié)果表明，隨著光子通量密度的增加，凈同化率、SPAD指數(shù)、凈光合作用、氣孔導(dǎo)度、蒸騰作用和蒸汽壓虧缺等均明顯增加，同時(shí)提高了養(yǎng)分的吸收速率，證明冠層受光強(qiáng)度對作物生長具有直接影響。Wang等[12]研究了外界光環(huán)境對大豆根系發(fā)育的影響，結(jié)果表明，通過調(diào)控葉片磷素狀態(tài)和蔗糖運(yùn)輸?shù)母鞣N光照條件(陰影光)來調(diào)節(jié)生長素的合成，并對根系的形成和分布做出反應(yīng)。Guo等[13]以玉米為研究對象，開展了大田自然光和遮陰種植比較試驗(yàn)，結(jié)果表明光環(huán)境直接影響玉米的根管生長及產(chǎn)量。趙凱旋等[14]針對西安市臨潼區(qū)冬季寡照低溫天氣難以滿足番茄喜光喜溫特性的問題，以日光溫室為試驗(yàn)場景，開展了補(bǔ)光溫室和自然光溫室栽培對比試驗(yàn)，結(jié)果表明補(bǔ)光條件下的番茄始花期、始收期分別提前5、8 d，同時(shí)其莖粗、果徑、單果重等指標(biāo)均優(yōu)于自然光對照組，證明了寡照條件下人工補(bǔ)光對作物生長發(fā)育具有明顯促進(jìn)作用。韋朝妹等[15]以多肉植物為研究對象，分析補(bǔ)光時(shí)長對多肉植物的生長性狀及生理指標(biāo)的影響，尋求最佳補(bǔ)光時(shí)長。結(jié)果表明補(bǔ)光條件下多肉植物的株高、冠幅、葉綠素含量、根系活力等生長指標(biāo)明顯增加，而且補(bǔ)光時(shí)長為4 h的多肉植物生長指標(biāo)及觀賞效果最佳。陳暉等[16]以溫室草莓為研究對象，分別在開花期和結(jié)果期進(jìn)行了補(bǔ)光對比試驗(yàn)，結(jié)果表明補(bǔ)光可顯著促進(jìn)草莓的生長發(fā)育，具體表現(xiàn)在果實(shí)大小、總糖、總酸及固形物含量等方面表現(xiàn)更優(yōu)，且紅光占比高的補(bǔ)光條件對草莓品質(zhì)的促進(jìn)效果更好。在作物的光需求模型研究方面，張海輝等[17]以溫室黃瓜為研究對象，采集不同葉位的光合能力和葉綠素含量等指標(biāo)，證明了黃瓜不同葉位的光需求具有差異性，結(jié)合智能算法構(gòu)建了立體光環(huán)境優(yōu)化調(diào)控模型，為黃瓜的立體補(bǔ)光提供定量依據(jù)。王智永等[18]以溫室黃瓜為研究對象，通過設(shè)計(jì)黃瓜全生育期的多環(huán)境因子嵌套試驗(yàn)，建立了一種基于向量機(jī)-蟻群算法(SVM-ACO)的黃瓜光環(huán)境優(yōu)化調(diào)控模型，探明了黃瓜全生育期的光需求。王東等[19]以溫室番茄為研究對象，通過設(shè)計(jì)溫-光耦合試驗(yàn)建立多元非線性光合速率預(yù)測模型，再采用遺傳算法進(jìn)行光飽和點(diǎn)數(shù)據(jù)獲取，進(jìn)而建立溫-光與光飽和點(diǎn)之間的光環(huán)境優(yōu)化調(diào)控模型，并在番茄幼苗階段進(jìn)行了驗(yàn)證，證明了該模型在光環(huán)境優(yōu)化調(diào)控方面應(yīng)用效果良好。Tan等[20]以溫室番茄為研究對象，基于番茄生長模型提出了一種溫室光環(huán)境優(yōu)化控制方法。該方法將光環(huán)境優(yōu)化控制問題分為最優(yōu)層次和控制層次兩個(gè)層次，大大簡化了傳統(tǒng)光環(huán)境優(yōu)化控制的計(jì)算復(fù)雜度和最優(yōu)解的獲取問題。結(jié)果表明該方法比基于固定閾值的光環(huán)境調(diào)控方法的成本更低，更具節(jié)能效果。Alameh等[21]以蔬菜和草藥為研究對象，探究光源波長對作物生長速度和品質(zhì)的影響機(jī)理，結(jié)果證明紅光和藍(lán)光LED補(bǔ)光比全光譜補(bǔ)光的效果更可靠、更有效，并可以顯著增強(qiáng)作物的光合活性、抗氧化特性、酚類和類黃酮含量，從而增加作物的生物量及營養(yǎng)價(jià)值。這些研究充分證明了本文以紅藍(lán)光為主的植物補(bǔ)光燈為研究對象進(jìn)行栽培槽平面光場強(qiáng)度預(yù)測模型構(gòu)建的合理性。Thomas等[22]以植物工廠水培生菜為研究對象，探究了3種光質(zhì)(白色、藍(lán)色和紅色)和3種光周期[8/16光/暗(L/D)、16/8 L/D和24/0 L/D]對水培生菜生長速度、產(chǎn)量及品質(zhì)的影響。結(jié)果表明，水培生菜的生長速度、產(chǎn)量及品質(zhì)受到光質(zhì)和光周期的顯著影響；在24/0 L/D光周期下，紅光下植株的新鮮生物量、干物質(zhì)含量比藍(lán)光和白光下植株分別提高了40.7%、26.6%；在16/8 L/D光周期下，紅光下植株的新鮮生物量、干物質(zhì)含量與24/0 L/D光周期的藍(lán)光和白光條件下的植株相當(dāng)；然而，在24/0 L/D光周期的藍(lán)光下生長的植株中，觀察到其大部分生長參數(shù)顯著優(yōu)于其他處理。Zhang等[23]以藥用植物丹參為研究對象，設(shè)置了單色藍(lán)光(460 nm，B)、單色紅光(635 nm，R)、白光及各種BR光組合(9B∶1R、7B∶3R、1B∶1R、3B∶7R、1B∶9R)處理，探究光質(zhì)對丹參生長和次生代謝產(chǎn)物積累的影響。結(jié)果表明，藍(lán)光和紅光結(jié)合補(bǔ)施促進(jìn)了丹參的生長，并通過上調(diào)該草本植物中SmPAL1和Sm4CL1的轉(zhuǎn)錄增強(qiáng)了酚酸的積累。Khoramtabrizi等[24]以植物工廠栽培的萵苣為研究對象，探究了3種LED光源[全紅色(R)，75%紅色、25%藍(lán)色(RB)，50%紅色、25%藍(lán)色、25%遠(yuǎn)紅色(RBF)，光強(qiáng)均為250 μmol/(m2·s)對萵苣生長的影響。結(jié)果表明，植物在連續(xù)光照條件下生長導(dǎo)致暴露于R和RB處理的植物葉片上出現(xiàn)一些壞死斑點(diǎn)；全R處理的鮮重、干重和葉面積最高，且葉片出現(xiàn)變形；與R處理相比，RBF處理的植株非常高大，壞死斑點(diǎn)數(shù)量有限。【本研究切入點(diǎn)】上述研究從不同角度探究了光照強(qiáng)度、光照周期、光質(zhì)、光利用率等對作物生長的影響，證明了良好的光環(huán)境對作物生長發(fā)育、品質(zhì)提升、養(yǎng)分積累等具有顯著促進(jìn)作用，也證明了紅光和藍(lán)光結(jié)合補(bǔ)施對作物生長發(fā)育的促進(jìn)效果較優(yōu)。此外，部分研究從模型構(gòu)建角度證明了作物全生育期及不同葉位的需光性存在差異，并建立了相應(yīng)的作物需光模型。然而，鮮有人研究實(shí)際種植場景中特定類型補(bǔ)光燈的栽培槽平面光場分布規(guī)律，也鮮有研究針對不同作物、不同生長階段的需光差異性進(jìn)行LED補(bǔ)光燈的栽培槽平面光場強(qiáng)度預(yù)測模型構(gòu)建，并以模型為指導(dǎo)，實(shí)現(xiàn)不同種類作物、不同生長階段下補(bǔ)光燈高度及強(qiáng)度的自動(dòng)化精準(zhǔn)調(diào)控?！緮M解決的關(guān)鍵問題】本研究以重慶市農(nóng)業(yè)科學(xué)院的密閉型智能仿真農(nóng)業(yè)環(huán)境實(shí)驗(yàn)室為基礎(chǔ)，通過測定其LED光源模組不同高度、不同光強(qiáng)比例下的栽培槽平面光照強(qiáng)度，探究不同條件下的栽培槽平面光場分布規(guī)律，采用回歸型支持向量機(jī)(SVR)建立補(bǔ)光燈不同高度、光強(qiáng)比例條件下的栽培槽平面光場強(qiáng)度預(yù)測模型，并根據(jù)模型對不同作物、不同生長階段下補(bǔ)光燈的高度及強(qiáng)度進(jìn)行優(yōu)化調(diào)控，實(shí)現(xiàn)作物產(chǎn)量品質(zhì)的最大提升及能源的最優(yōu)利用。

1 材料與方法

1.1 試驗(yàn)設(shè)備

本試驗(yàn)在重慶市農(nóng)業(yè)科學(xué)院的密閉型智能仿真農(nóng)業(yè)環(huán)境實(shí)驗(yàn)室中進(jìn)行。該實(shí)驗(yàn)室主要包括庫體及環(huán)境調(diào)控系統(tǒng)、人工光源系統(tǒng)、栽培槽子系統(tǒng)、智能控制系統(tǒng)4個(gè)子系統(tǒng)，可實(shí)現(xiàn)對溫度、光照、濕度、CO2濃度等環(huán)境因素的精準(zhǔn)調(diào)控(圖1)，其中人工光源系統(tǒng)采用柔性可調(diào)的智能LED光照系統(tǒng)。在光密度方面，LED燈正下方30 cm處光密度約1000 μmol/(m2·s)，其中藍(lán)光約350 μmol/(m2·s)，紅光約650 μmol/(m2·s)；在組合方式方面，采用模組化設(shè)計(jì)，每個(gè)模組約350 W，大致尺寸為324 mm×385 mm×188 mm(長寬高)，其中藍(lán)光120 W，紅光200 W，紫光6 W，遠(yuǎn)紅光10 W；在光質(zhì)配比方面，每個(gè)模組配備控制模塊，對紅光和藍(lán)光光強(qiáng)可以進(jìn)行精準(zhǔn)調(diào)控，調(diào)整好的混合光譜配置均勻，理論上可以實(shí)現(xiàn)任意紅藍(lán)光質(zhì)比例；在光照均勻度方面，LED光照方向性較強(qiáng)，采用光學(xué)處理，整體平面光照均勻性好，可避免植物葉片局部光密度過高造成光損傷；在高度控制方面，為實(shí)現(xiàn)作物生長過程中光源高度的自動(dòng)化調(diào)整，利用電動(dòng)高度控制裝置和系統(tǒng)，通過軟件操作控制單位數(shù)量的LED光源高度。

圖1 密閉型智能仿真農(nóng)業(yè)環(huán)境實(shí)驗(yàn)室效果Fig.1 Design sketch of closed intelligent simulation agricultural environment laboratory

1.2 試驗(yàn)方法

1.2.1 基礎(chǔ)數(shù)據(jù)獲取 基于上述試驗(yàn)條件，以單個(gè)栽培槽子系統(tǒng)所對應(yīng)的3個(gè)并排光源模組為研究對象，通過光源高度控制裝置分別控制光源模組下平面與栽培槽平面的距離為20、30、40 cm，通過光源控制系統(tǒng)分別設(shè)置10%、20%、30%、40%、50%、60%、70%、80%、90%、100%、110%、120%、130%、140%、150%、160%、170%、180%、190%、200%共計(jì)20個(gè)光強(qiáng)比例梯度，然后采用LI-250A光照計(jì)測量不同高度、不同光強(qiáng)比例條件下栽培槽平面范圍內(nèi)的光照強(qiáng)度值。其中，栽培槽所在平面的尺寸為100 cm×110 cm，測量點(diǎn)的間距為10 cm，具體測量場景及點(diǎn)位布局如圖2所示。整個(gè)試驗(yàn)過程共采集不同高度、不同光強(qiáng)比例條件下的栽培槽平面光場強(qiáng)度數(shù)據(jù)6600條，參與后期模型構(gòu)建。

1.2.2 預(yù)測模型構(gòu)建思路 回歸型支持向量機(jī)是一種基于統(tǒng)計(jì)理論發(fā)展起來的針對小樣本數(shù)據(jù)集的訓(xùn)練精度高的方法，可將低維空間數(shù)據(jù)映射到高維空間進(jìn)行處理，從而達(dá)到高精度模型構(gòu)建的目的[25-28]。因此，本研究采用回歸型支持向量機(jī)，以補(bǔ)光燈高度、補(bǔ)光燈光強(qiáng)比例、栽培槽平面位置信息(行、列)為輸入，栽培槽平面光場強(qiáng)度為輸出，進(jìn)行栽培槽平面光場強(qiáng)度預(yù)測模型構(gòu)建。具體建模過程如圖3所示。

1.2.3 數(shù)據(jù)預(yù)處理 本研究采集了6600組數(shù)據(jù)，隨機(jī)選取總數(shù)據(jù)集的80%(5280組)參與模型訓(xùn)練過程；選取剩余的20%數(shù)據(jù)集(1320組)參與模型的驗(yàn)證過程。由于補(bǔ)光燈高度、光強(qiáng)比例、空間位置等數(shù)據(jù)之間量綱不一致，如果直接參與模型訓(xùn)練會導(dǎo)致模型收斂難等問題[29]。為有效避免這個(gè)問題，采用歸一化數(shù)據(jù)處理方式進(jìn)行預(yù)處理，歸一化處理區(qū)間為[0.2,0.9]，具體計(jì)算公式如下：

y=xmin+0.7×(x-xmin)/(xmax-xmin)

(1)

式中，y為歸一化處理之后的補(bǔ)光燈高度、光強(qiáng)比例、空間位置數(shù)據(jù)，x為歸一化處理之前的補(bǔ)光燈高度、光強(qiáng)比例、空間位置數(shù)據(jù)，xmax、xmin為前述補(bǔ)光燈高度、光強(qiáng)比例、空間位置數(shù)據(jù)中同一個(gè)量綱數(shù)據(jù)集序列中的最大值、最小值。

1.2.4 核函數(shù)及核心參數(shù)確定 回歸型支持向量機(jī)中核心內(nèi)容包括核函數(shù)的選擇及核心參數(shù)c、g的確定，常見的核函數(shù)包括徑向基核函數(shù)、線性核函數(shù)、多項(xiàng)式核函數(shù)。其中，徑向基核函數(shù)是最受歡迎的一種核函數(shù)，具有不隨計(jì)算過程的參數(shù)變化而增加模型復(fù)雜度的優(yōu)點(diǎn)[30-32]。因此，本研究采取徑向基核函數(shù)參與后續(xù)的模型構(gòu)建。核心參數(shù)c主要影響徑向基核函數(shù)的形態(tài)，影響因子g主要影響模型的精度，通過交叉驗(yàn)證方法進(jìn)行不同組合的c、g參數(shù)訓(xùn)練，最終確定c、g參數(shù)分別為2、4。

圖2 測量場景及點(diǎn)位Fig.2 The measurement scene and point bitmap

圖3 基于SVR的栽培槽平面光場強(qiáng)度預(yù)測模型構(gòu)建Fig.3 Construction of SVR based prediction model for plane light field intensity of cultivation tank

1.2.5 預(yù)測模型構(gòu)建 基于劃分的訓(xùn)練數(shù)據(jù)集和測試數(shù)據(jù)集，結(jié)合選定的徑向基核函數(shù)進(jìn)行栽培槽平面光場強(qiáng)度預(yù)測模型構(gòu)建，將低維空間不可分問題映射至高位空間進(jìn)行回歸決策分析。其中，決策函數(shù)如下所示：

(2)

模型構(gòu)建過程中所選擇的徑向基核函數(shù)表達(dá)式如下：

k(xi,x)=exp(-σ×‖xi-x‖2)

(3)

式中，σ為寬度信息。

基于上述過程，通過將訓(xùn)練集樣本數(shù)據(jù)代入模型進(jìn)行訓(xùn)練，再用測試集數(shù)據(jù)對構(gòu)建的模型進(jìn)行驗(yàn)證，證明模型的泛化性能及可靠性。

2 結(jié)果與分析

2.1 不同高度、不同光強(qiáng)比例條件下栽培槽平面光場分布規(guī)律

為探究不同高度、不同光強(qiáng)比例條件下的栽培槽平面光場強(qiáng)度變化規(guī)律，采用Origin 2018軟件分別繪制20、30、40 cm高度下10%、100%、200%光強(qiáng)比例條件的栽培槽平面光場分布圖(圖4～6)。同一光源高度條件下，隨著光強(qiáng)比例的增大，栽培槽光場曲面上的光場強(qiáng)度值也隨之增加；同一光強(qiáng)比例下，隨著補(bǔ)光燈高度的增加，栽培槽光場曲面中心區(qū)域的光場強(qiáng)度值隨之減小，而光場曲面邊緣區(qū)域的光場強(qiáng)度值則有一定程度的增加。究其原因是補(bǔ)光燈高度較低時(shí)，邊緣區(qū)域受光受限，導(dǎo)致光場強(qiáng)度值較低；隨著補(bǔ)光燈高度的增加，邊緣區(qū)域接收到更多的疊加光線，其光場強(qiáng)度值增大。此外，隨著補(bǔ)光燈高度的增加，發(fā)現(xiàn)栽培槽光場曲面由隱約的“三峰”向“獨(dú)峰”過渡。雖然在這個(gè)過程中光場分布趨于均勻化，但也損失了部分光照強(qiáng)度。因此，在實(shí)際的作物生產(chǎn)過程中，應(yīng)根據(jù)不同作物、不同生長階段的光照需求進(jìn)行補(bǔ)光燈高度的動(dòng)態(tài)精準(zhǔn)調(diào)控。

圖4 20 cm高度條件下不同光強(qiáng)比例的栽培槽平面光場分布Fig.4 Plane light field distribution of cultivation tank under different light intensity ratio at 20 cm height

圖5 30 cm高度條件下不同光強(qiáng)比例的栽培槽平面光場分布Fig.5 Plane light field distribution of cultivation tank under different light intensity ratio at 30 cm height

圖6 40 cm高度條件下不同光強(qiáng)比例的栽培槽平面光場分布Fig.6 Plane light field distribution of cultivation tank under different light intensity ratio at 40 cm height

2.2 模型構(gòu)建方法對比

一般的多元非線性回歸方法在應(yīng)對多維輸入問題的模型構(gòu)建方面存在模型精度不高、易過擬合等問題，而神經(jīng)網(wǎng)絡(luò)方法可有效解決這些問題。為選擇一種模型精度最佳的栽培槽平面光場強(qiáng)度預(yù)測模型構(gòu)建方法，本研究采用BP神經(jīng)網(wǎng)絡(luò)[33-34]、遺傳算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)(GA-BP)[35-37]、粒子群優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)(PSO-BP)[38-39]、極限學(xué)習(xí)機(jī)(ELM)[40-41]、回歸型支持向量機(jī)(SVR)[27-28,42]5種方法構(gòu)建栽培槽平面光場強(qiáng)度預(yù)測模型，通過對比均方誤差、平均絕對誤差、平均相對誤差和決定系數(shù)等指標(biāo)選定最佳建模方法。對比結(jié)果如表1所示，可發(fā)現(xiàn)SVR算法在本研究所得數(shù)據(jù)集上表現(xiàn)最佳。

表1 不同建模方法的結(jié)果對比

2.3 栽培槽平面光場強(qiáng)度預(yù)測模型驗(yàn)證

本研究通過嵌套補(bǔ)光燈高度、光強(qiáng)比例及空間位置信息共計(jì)采集6600個(gè)數(shù)據(jù)樣本。劃分總數(shù)據(jù)集的80%，即5280個(gè)樣本數(shù)據(jù)參與栽培槽平面光場強(qiáng)度預(yù)測模型構(gòu)建，其建模結(jié)果如圖7所示，所得模型的訓(xùn)練精度R2達(dá)0.9897。

圖7 栽培槽平面光場強(qiáng)度預(yù)測模型訓(xùn)練結(jié)果Fig.7 The training results of prediction model of plane light field intensity in cultivation tank

為進(jìn)一步驗(yàn)證模型的泛化性能，將剩余的20%數(shù)據(jù)樣本用于模型性能驗(yàn)證，結(jié)果如圖8所示，所得模型的測試精度R2達(dá)0.9815，說明構(gòu)建的模型性能可靠，能精準(zhǔn)地預(yù)測不同高度、不同光強(qiáng)比例、栽培槽平面不同位置處的光場強(qiáng)度信息。

3 討 論

目前，對于光環(huán)境與作物生長發(fā)育之間的相關(guān)性，大多研究分析了光質(zhì)、光周期、光照強(qiáng)度、冠層光利用率等對作物生長速率、生物量、色素、品質(zhì)、產(chǎn)量、代謝產(chǎn)物等的影響；部分研究探討了作物不同生長階段、不同葉位的需光差異性，建立了相應(yīng)的光環(huán)境優(yōu)化調(diào)控模型。本研究探明特定類型LED補(bǔ)光燈在不同高度、不同光強(qiáng)比例下的栽培槽平面光場分布規(guī)律，建立補(bǔ)光燈高度、光強(qiáng)比例與栽培槽平面光場強(qiáng)度之間的定量模型，并應(yīng)用此模型，再結(jié)合不同作物、不同生長階段的實(shí)際光需求進(jìn)行補(bǔ)光燈高度及光強(qiáng)比例的智能調(diào)控。這一出發(fā)點(diǎn)與現(xiàn)有研究不同，主要考慮從光源供給端出發(fā)實(shí)現(xiàn)可控、可預(yù)測的光場強(qiáng)度調(diào)節(jié)，根據(jù)作物生長所需進(jìn)行光照強(qiáng)度控制。

植物生長過程中，隨著自身光合器官的發(fā)育及光合功能的完善，其需光性是動(dòng)態(tài)變化的。在生長初期，植株相對較小，葉片光合功能發(fā)育不全，光合能力較弱，光需求較小，此階段如果補(bǔ)光過多，極易造成植株的頂葉、新葉出現(xiàn)光抑制甚至光破壞；隨著植株長大，作物的光合功能發(fā)育完全，為積累更多的干物質(zhì)，其光需求也逐漸增大。從一天(晴天)中外界光環(huán)境變化分析，早晚時(shí)段外界自然光照相對較弱，及時(shí)按需補(bǔ)光可促進(jìn)作物生長；中午時(shí)段外界光照強(qiáng)度較大，自然光環(huán)境可滿足作物生長所需，大多不需要補(bǔ)光，即使需要補(bǔ)光，也只需補(bǔ)施微量。在陰天條件下，外界自然光相對較弱，通過按需補(bǔ)光，可彌補(bǔ)自然光不足影響作物生長的缺陷。傳統(tǒng)補(bǔ)光多采用定時(shí)、定高、定量補(bǔ)施的方式，這種方式不能適應(yīng)作物不同生長階段的實(shí)際光需求變化，易導(dǎo)致光抑制甚至光破壞，或造成不必要的電能損耗和浪費(fèi)，而本研究構(gòu)建的栽培槽平面光場強(qiáng)度預(yù)測模型可有效解決這些問題。

本研究采用LED陣列補(bǔ)光燈，通過調(diào)節(jié)補(bǔ)光燈高度和光強(qiáng)比例，可使栽培槽平面光場強(qiáng)度處于121～2560 μmol/(m2·s)范圍內(nèi)，滿足大多數(shù)作物全生育期的光照需求。綜合考慮不同光源高度下光場分布的均勻性問題，得出40 cm高度下光場分布相對均勻，其光強(qiáng)可滿足一般作物的生長需求；其他高度條件，一定程度上損害了光強(qiáng)的均勻性，不能發(fā)揮補(bǔ)光燈的最大優(yōu)勢。本研究構(gòu)建的栽培槽平面光場強(qiáng)度預(yù)測模型精度R2達(dá)0.9815，一定程度上保證了栽培槽平面的光強(qiáng)值預(yù)測的可靠性，在未來的研究和實(shí)際應(yīng)用過程中，可根據(jù)不同作物、不同生長階段的實(shí)際光需求或者最佳光需求，結(jié)合光照供給端模型和光照需求端模型來實(shí)現(xiàn)補(bǔ)光燈高度、光強(qiáng)比例的精準(zhǔn)調(diào)控，以此滿足作物的光環(huán)境需求。在實(shí)際生產(chǎn)應(yīng)用中，由于作物冠層層次不齊、葉片高度不一，在補(bǔ)光燈高度精準(zhǔn)控制方面需要配備高精度的距離傳感器，同時(shí)選定不易受影響的距離控制基準(zhǔn)點(diǎn)位置。本研究構(gòu)建的栽培槽平面光場強(qiáng)度預(yù)測模型可作為植物工廠栽培場景下補(bǔ)光燈高度及光強(qiáng)比例調(diào)節(jié)的依據(jù)，如果是設(shè)施溫室，還需要配置精準(zhǔn)的光照傳感器監(jiān)測外界自然光強(qiáng)，與作物實(shí)際光需求進(jìn)行實(shí)時(shí)求差運(yùn)算，獲取補(bǔ)光燈需要輸出的光強(qiáng)。此外，構(gòu)建的栽培槽平面光場強(qiáng)度預(yù)測模型不僅可以配合作物的光需求模型，還可以配合作物的生長模型進(jìn)行補(bǔ)光燈的智能調(diào)控，在后續(xù)的研究中，應(yīng)進(jìn)一步探析這些模型之間的最優(yōu)配置。

圖8 栽培槽平面光場強(qiáng)度預(yù)測模型驗(yàn)證結(jié)果Fig.8 The verification results of prediction model of plane light field intensity in cultivation tank

4 結(jié) 論

本研究針對傳統(tǒng)定量、定高、定時(shí)補(bǔ)光措施存在的問題，結(jié)合不同作物、不同生長階段的需光差異性，基于SVR算法提出了一種面向植物工廠LED陣列補(bǔ)光燈的光場強(qiáng)度預(yù)測模型，模型精度R2可達(dá)0.9815，為后續(xù)設(shè)施農(nóng)業(yè)或植物工廠內(nèi)作物按需補(bǔ)光奠定了良好的基礎(chǔ)。在實(shí)際應(yīng)用過程中，考慮到不同作物生長形態(tài)、葉片遮擋及株高的差異性，本研究構(gòu)建的模型可能比較適用于株高較低且冠層均勻的作物，如生菜、草莓等。針對番茄、黃瓜等株高較高的作物，還需進(jìn)一步開展立體補(bǔ)光裝置及光環(huán)境預(yù)測模型的構(gòu)建研究。