毛罕平 晉 春,2 陳 勇,3

(1.江蘇大學(xué)現(xiàn)代農(nóng)業(yè)裝備與技術(shù)教育部重點(diǎn)實(shí)驗(yàn)室， 鎮(zhèn)江 212013；2.江蘇科技大學(xué)電子信息學(xué)院， 鎮(zhèn)江 212003； 3.江蘇大學(xué)電氣信息工程學(xué)院， 鎮(zhèn)江 212013)

0 引言

作物的生長(zhǎng)過(guò)程本質(zhì)是作物受環(huán)境、營(yíng)養(yǎng)、水分等外部因子作用，并對(duì)其進(jìn)行轉(zhuǎn)化的復(fù)雜的動(dòng)力學(xué)過(guò)程。設(shè)施內(nèi)作物生長(zhǎng)環(huán)境參數(shù)的空間分布性強(qiáng)、時(shí)空變異性大、多參數(shù)間相互影響，加上不同種類作物之間的差異，造成傳統(tǒng)的栽培和環(huán)境調(diào)控方式很難適應(yīng)不同種類、不同生育期的生長(zhǎng)需要。而要獲得高產(chǎn)優(yōu)質(zhì)的產(chǎn)品和高經(jīng)濟(jì)效益的回報(bào)，應(yīng)具備先進(jìn)適用的信息檢測(cè)和環(huán)境控制手段。要為作物提供優(yōu)化的生長(zhǎng)環(huán)境，就必須從溫室作物的生長(zhǎng)狀態(tài)、生長(zhǎng)模型及其與環(huán)境的作用關(guān)系著手，將生物-環(huán)境-工程相結(jié)合，研究環(huán)境優(yōu)化調(diào)控的生理機(jī)制，優(yōu)化調(diào)控方法和控制系統(tǒng)，有效地改善溫室作物的生產(chǎn)條件，提高光能資源的利用效率，從而實(shí)現(xiàn)設(shè)施作物的高產(chǎn)、高效、優(yōu)質(zhì)生產(chǎn)。

因此，先進(jìn)適用的溫室環(huán)境控制技術(shù)在現(xiàn)代設(shè)施農(nóng)業(yè)生產(chǎn)中占重要的地位。自20世紀(jì)60年代歐洲學(xué)者[1]開(kāi)展溫室生產(chǎn)及其環(huán)境控制研究以來(lái)，目前溫室環(huán)境控制技術(shù)已經(jīng)相當(dāng)成熟，硬件上從分布式單機(jī)控制[2]發(fā)展到當(dāng)前的物聯(lián)網(wǎng)控制[3]，控制因素從單一的溫度發(fā)展到溫、光、水、肥等多因素協(xié)同控制[4]，控制目標(biāo)也轉(zhuǎn)移到節(jié)能、節(jié)水、節(jié)肥等可持續(xù)性社會(huì)發(fā)展需求上[5]。溫室環(huán)境控制方法也多樣化，不同的溫室結(jié)構(gòu)、設(shè)施裝備、目標(biāo)需求和地理位置都衍生出不同的控制方法[6]。國(guó)外溫室環(huán)境控制方法的發(fā)展，主要?dú)v經(jīng)了單因子控制[7]、綜合環(huán)境控制[8]、基于模型的決策控制[9-10]、經(jīng)濟(jì)最優(yōu)控制[11-12]、作物信息反饋的優(yōu)化控制[8,13-14]等階段；國(guó)內(nèi)的發(fā)展歷程與國(guó)外相似，相關(guān)研究成果見(jiàn)文獻(xiàn)[15-21]，雖然取得了長(zhǎng)足進(jìn)步，但是起步較晚，不論溫室、作物的機(jī)理基礎(chǔ)研究，還是溫室應(yīng)用技術(shù)手段，都與發(fā)達(dá)國(guó)家差距較大。

本文對(duì)國(guó)內(nèi)外溫室環(huán)境控制方法和技術(shù)的研究成果進(jìn)行綜述，并提出今后發(fā)展和研究工作的建議，以期為我國(guó)溫室環(huán)境控制領(lǐng)域的研究工作提供參考。

1 基于設(shè)定值的溫室環(huán)境控制方法

基于設(shè)定值的溫室環(huán)境控制方法，是通過(guò)設(shè)定環(huán)境氣候值或軌跡，再由控制軟件(算法)決策出執(zhí)行機(jī)構(gòu)的動(dòng)作時(shí)序，以使作物一直處于設(shè)定的生長(zhǎng)環(huán)境中。圖1是一種典型的二級(jí)設(shè)定值控制框圖，產(chǎn)生和實(shí)現(xiàn)設(shè)定值(控制器設(shè)計(jì))是其2個(gè)核心要素。不同的溫室需求、控制要求將決定設(shè)定值的產(chǎn)生和實(shí)現(xiàn)方式。

圖1 典型的二級(jí)設(shè)定值控制原理圖Fig.1 Framework of typical two-level set point control

1.1 基于經(jīng)驗(yàn)的設(shè)定值控制

完全根據(jù)人為經(jīng)驗(yàn)來(lái)設(shè)定室內(nèi)溫度、濕度、光照等環(huán)境值，控制器根據(jù)環(huán)境傳感器檢測(cè)的結(jié)果對(duì)比經(jīng)驗(yàn)設(shè)定值(目標(biāo)值)做出動(dòng)作決策，以維持作物生長(zhǎng)的較適宜室內(nèi)環(huán)境。該方法簡(jiǎn)單便捷，隨著自動(dòng)化、計(jì)算機(jī)等技術(shù)逐步發(fā)展，被成熟應(yīng)用于溫室生產(chǎn)。如：UDINK TEN CATE等[8]研究的計(jì)算機(jī)控制系統(tǒng)；毛罕平等[16]研制的工廠化蔬菜生產(chǎn)成套裝備；AASLYNG等[22]以查表方式尋求自然光照下最優(yōu)的溫度和CO2濃度目標(biāo)值；張海輝等[23]以CO2濃度目標(biāo)值與實(shí)時(shí)值之間的差值作為調(diào)控參數(shù)，實(shí)現(xiàn)CO2動(dòng)態(tài)調(diào)控。

基于積溫的設(shè)定值控制是一種節(jié)能的方法。圖2是其控制示意圖，在5 d的控制周期內(nèi)，5 d的總積溫相同則作物的生長(zhǎng)量就相同。基于積溫的設(shè)定值控制可以利用后期(第4天、第5天)的高溫來(lái)彌補(bǔ)前期(第2天、第3天)的低溫，從而使周期內(nèi)平均積溫達(dá)到預(yù)期目標(biāo)值，在這5 d內(nèi)如果室內(nèi)溫度在作物的最高、最低溫度范圍內(nèi)，既不用加溫也不用降溫；而常規(guī)的設(shè)定值控制需要加熱(第4天、第5天)、降溫(第2天、第3天)處理，導(dǎo)致能耗成本增加。

圖2 基于積溫的設(shè)定值控制示意圖Fig.2 Diagram of set point control based on temperature integration

CHALABI等[24]首先運(yùn)用積溫方法在線確定溫度加熱設(shè)置點(diǎn)，SIGRIMIS等[25]、袁洪波等[26]將全天24 h均分成若干時(shí)間段，根據(jù)每日期望平均溫度，實(shí)現(xiàn)各時(shí)間段的溫度調(diào)控。而K?RNER等[27]提出了嵌套短期和長(zhǎng)期兩種動(dòng)態(tài)積溫的方法，相比以上固定式積溫方法，年均節(jié)能提高9%。生產(chǎn)實(shí)踐中，積溫控制策略常受到很多因素的限制，如晝夜差溫(晝夜平均溫度之差)、作物所能承受的溫度帶寬和積分周期[28]，特別是對(duì)濕度、CO2濃度的控制措施，常與積溫控制效果相互干擾。

經(jīng)驗(yàn)設(shè)定值控制方式，主要關(guān)注維持室內(nèi)適宜的環(huán)境值，特別是溫度、濕度值，對(duì)作物生理特性、溫室能耗和資源利用率等都不進(jìn)行優(yōu)化考慮。實(shí)際上，作物生產(chǎn)是個(gè)周期長(zhǎng)的復(fù)雜過(guò)程，諸如室外氣候、作物生理狀況、市場(chǎng)價(jià)格等影響因素很多，僅僅依賴于人工設(shè)置目標(biāo)環(huán)境值，已不能滿足現(xiàn)代智能化溫室的需求。

1.2 基于優(yōu)化的設(shè)定值控制

鑒于人工設(shè)定方式存在諸多缺點(diǎn)，考慮作物生長(zhǎng)特性、能耗、經(jīng)濟(jì)效益等需求目標(biāo)，通過(guò)優(yōu)化計(jì)算得到室內(nèi)環(huán)境動(dòng)態(tài)值(軌跡)，將是先進(jìn)科學(xué)的方法。SEGINER等[29]根據(jù)作物生長(zhǎng)模型和性能指標(biāo)函數(shù)，采用龐德里亞金極小值原理(PMP)計(jì)算出不同溫光水平下最優(yōu)的溫室白天溫度設(shè)定值。戴劍鋒等[30]建立了基于能耗預(yù)測(cè)等模型的溫室加熱控制目標(biāo)計(jì)算機(jī)優(yōu)化系統(tǒng)，可優(yōu)化計(jì)算出溫室白天和夜間的溫度設(shè)置點(diǎn)。王定成等[31]根據(jù)溫室環(huán)境和作物生長(zhǎng)模型采用遺傳算法自動(dòng)確定室內(nèi)環(huán)境的設(shè)定值。季宇寒等[32]通過(guò)建立SVM 的光合速率預(yù)測(cè)模型，以實(shí)現(xiàn)CO2的按需增施。這些研究都是基于模型的最優(yōu)化計(jì)算方法，可以將溫室結(jié)構(gòu)和環(huán)境約束、作物特性、能耗需求以及其他約束條件融合一起，理論上最適應(yīng)當(dāng)前智能化溫室控制的需求。但是其控制精度很大程度上受限于模型的準(zhǔn)確性、復(fù)雜性，由于在作物生長(zhǎng)模型、能耗預(yù)估模型等研究上的不足，導(dǎo)致與溫室實(shí)際生產(chǎn)要求還有一定的距離[33]。

1.3 設(shè)定值控制的實(shí)現(xiàn)方法

設(shè)定值產(chǎn)生方式不同，其實(shí)現(xiàn)方法和適宜場(chǎng)合也不盡相同。針對(duì)經(jīng)驗(yàn)設(shè)定環(huán)境值的簡(jiǎn)易溫室，一般的單片機(jī)、PLC、DCS等這類控制器可以直接控制[2]。如張侃諭等[34]利用PLC控制器可實(shí)現(xiàn)溫度、濕度和光照等設(shè)定目標(biāo)值的實(shí)時(shí)跟蹤調(diào)控。其控制算法可依據(jù)各執(zhí)行機(jī)構(gòu)的技術(shù)效果[35]進(jìn)行簡(jiǎn)易推理實(shí)現(xiàn)。而為了提高控制系統(tǒng)的動(dòng)態(tài)調(diào)控品質(zhì)和控制精度，PID控制被廣泛應(yīng)用于設(shè)定值跟蹤控制中[36]。

傳統(tǒng)的PID控制是應(yīng)用最早、最廣的控制算法，可以消除目標(biāo)值與實(shí)際值之間的誤差而進(jìn)行設(shè)定值跟蹤控制[37]。比例系數(shù)(Kp)、積分系數(shù)(Ki)、微分系數(shù)(Kd)3個(gè)參數(shù)的整定是影響PID控制品質(zhì)的關(guān)鍵，許多學(xué)者運(yùn)用智能算法進(jìn)行參數(shù)優(yōu)化整定[38-39]，或者通過(guò)改進(jìn)的PID控制策略[40-41]，以提高控制精度和系統(tǒng)的魯棒性，其中，王立舒等[42]利用多目標(biāo)進(jìn)化算法(NSGA-2)進(jìn)行溫室溫濕度雙PID控制的參數(shù)在線整定，具有一定的先進(jìn)性和代表性。

由于PID控制依賴于準(zhǔn)確的被控對(duì)象模型，而溫室環(huán)境系統(tǒng)的復(fù)雜性、外部干擾氣候的多變性導(dǎo)致適用于控制的模型精準(zhǔn)性不高，因此結(jié)合模糊規(guī)則、神經(jīng)網(wǎng)絡(luò)模型，形成模糊PID[43-44]、神經(jīng)網(wǎng)絡(luò)PID[45-46]、模糊神經(jīng)網(wǎng)絡(luò)PID[47]等方法，是現(xiàn)代溫室環(huán)境PID控制研究的主要內(nèi)容。

2 溫室環(huán)境智能控制算法

設(shè)定值等傳統(tǒng)控制方法在溫室環(huán)境控制領(lǐng)域中主要面臨著模型精準(zhǔn)性、強(qiáng)干擾(室外天氣)、多變量控制等問(wèn)題，且對(duì)能耗、經(jīng)濟(jì)價(jià)值等生產(chǎn)性指標(biāo)問(wèn)題未作考慮。與現(xiàn)代智能算法相結(jié)合，充分考慮多因子環(huán)境、多性能指標(biāo)，是其研究的發(fā)展思路。

2.1 模糊控制算法

針對(duì)溫室環(huán)境系統(tǒng)難以建立精準(zhǔn)模型問(wèn)題，引入模糊控制，經(jīng)模糊推理完成控制決策，以克服傳統(tǒng)控制方法的諸多問(wèn)題[48]，取得了諸多研究成果，如LAFONT等[49]對(duì)溫室溫濕度進(jìn)行兩種模糊控制方法研究，對(duì)其優(yōu)缺點(diǎn)進(jìn)行了對(duì)比討論。汪小旵等[50]根據(jù)溫室內(nèi)溫度的控制特點(diǎn)，應(yīng)用模糊控制理論對(duì)溫室溫度加熱進(jìn)行控制，朱偉興等[51]也基于模糊控制技術(shù)實(shí)現(xiàn)溫室加熱器的溫度控制。

當(dāng)控制變量增多，模糊控制規(guī)則將呈指數(shù)增長(zhǎng)。余泳昌等[52]以空氣溫度、相對(duì)濕度和光照度3個(gè)過(guò)程變量作為輸入量，3個(gè)執(zhí)行機(jī)構(gòu)的功率調(diào)整作為輸出量，采用三維模糊控制技術(shù)實(shí)現(xiàn)了溫室環(huán)境參數(shù)控制的智能化。馬明建等[53]建立一個(gè)5輸入 4輸出控制系統(tǒng)，全部模糊控制規(guī)則達(dá)到196條。模糊控制規(guī)則增長(zhǎng)，將導(dǎo)致軟件計(jì)算量大大增加，不利于在線實(shí)時(shí)控制。

模糊控制的缺點(diǎn)也很明顯，其模糊控制規(guī)則完全由操作者的經(jīng)驗(yàn)和專家知識(shí)獲取，并不能保證規(guī)則的最優(yōu)或次最優(yōu)。因此可以采用遺傳算法優(yōu)化模糊控制規(guī)則，馬長(zhǎng)華等[54]研究結(jié)果表明其優(yōu)化后的控制品質(zhì)有較大的改善和提高。

2.2 神經(jīng)網(wǎng)絡(luò)控制與其他方法

神經(jīng)網(wǎng)絡(luò)具有自組織、自學(xué)習(xí)、自適應(yīng)識(shí)別等特征，在溫室環(huán)境的建模和參數(shù)優(yōu)化、預(yù)測(cè)和控制等方面得到廣泛運(yùn)用[55-57]。但是由于自身算法容易陷入局部極小值、收斂速度慢且執(zhí)行速度低下，使其需與PID控制[45]、模糊控制[58-59]等方法相結(jié)合。

預(yù)測(cè)控制以其對(duì)模型形式要求寬松以及能夠處理多變量、有約束問(wèn)題的特征，也廣泛應(yīng)用于溫室環(huán)境控制中[60]。GHOUMARI等[61]通過(guò)對(duì)一個(gè)溫室環(huán)境機(jī)理模型運(yùn)用改進(jìn)的擴(kuò)展線性預(yù)測(cè)控制器(MELPC)，進(jìn)行溫度設(shè)定值的跟蹤控制。沈敏等[62]采用一種結(jié)構(gòu)、計(jì)算簡(jiǎn)單的離散預(yù)測(cè)模型，能夠簡(jiǎn)便、有效地在線對(duì)具有大分布時(shí)滯的溫室測(cè)控系統(tǒng)實(shí)現(xiàn)開(kāi)關(guān)設(shè)備組合優(yōu)化預(yù)測(cè)控制和時(shí)延補(bǔ)償。

此外，解耦控制[63]、魯棒控制[64]、混雜控制[65-66]等現(xiàn)代控制方法在溫室環(huán)境控制應(yīng)用中也取得了良好的效果。

3 多目標(biāo)優(yōu)化的溫室環(huán)境控制方法

從結(jié)果上來(lái)看，溫室作物生產(chǎn)主要關(guān)注于作物的產(chǎn)量、品質(zhì)及其經(jīng)濟(jì)效益，資源(電能、水、肥等)作為社會(huì)可持續(xù)性發(fā)展的關(guān)鍵要素，也是生產(chǎn)目標(biāo)之一。隨著近年來(lái)現(xiàn)代智能化溫室的目標(biāo)需求不斷延伸，溫室環(huán)境控制已成為一個(gè)多目標(biāo)優(yōu)化控制問(wèn)題，研究者開(kāi)展了多方面有關(guān)溫室環(huán)境的優(yōu)化控制研究，按照最優(yōu)目標(biāo)的不同，分成以下幾方面。

3.1 最大輸出量或節(jié)約能耗為優(yōu)化目標(biāo)的控制方法

以往的研究者大多是專注于作物的產(chǎn)量最大化，不考慮成本。一般在整個(gè)生產(chǎn)期內(nèi)設(shè)置一個(gè)環(huán)境值的“藍(lán)圖”，使作物按照預(yù)期成長(zhǎng)軌跡進(jìn)行預(yù)測(cè)計(jì)算和調(diào)控。GENT等[67]通過(guò)作物光合、呼吸作用研究溫度對(duì)作物生產(chǎn)的影響，以計(jì)算獲得最大產(chǎn)量時(shí)的溫度需求。TCHAMITCHIAN等[68]研究了基于番茄生產(chǎn)的專家系統(tǒng)(SERRISTE)，可以生成每日平均溫度、晝/夜溫度等各項(xiàng)氣候控制目標(biāo)。RODRGUEZ等[69]研究了一種多級(jí)分層控制結(jié)構(gòu)體系，可以在頂層上多目標(biāo)優(yōu)化計(jì)算出溫室晝/夜溫度目標(biāo)值(軌跡)，以此作為底層跟蹤控制的目標(biāo)。

但是由于作物生產(chǎn)是個(gè)長(zhǎng)期的過(guò)程，產(chǎn)量容易受到許多干擾因素影響。另外隨著能耗越來(lái)越受到重視，完全不計(jì)成本的方法，已不符合當(dāng)前社會(huì)發(fā)展趨勢(shì)。與專家系統(tǒng)結(jié)合，兼顧作物產(chǎn)量和能耗需求，將是個(gè)可行的方法[70]。鄧璐娟等[20]以24 h為周期確定環(huán)境動(dòng)態(tài)氣候溫度目標(biāo)值，進(jìn)行最適合的溫度和CO2濃度控制，實(shí)現(xiàn)了植物生長(zhǎng)最優(yōu)，同時(shí)又節(jié)省了能源。

3.2 經(jīng)濟(jì)效益最優(yōu)為目標(biāo)的控制方法

溫室環(huán)境控制的目標(biāo)不是僅僅追求產(chǎn)量、也不是節(jié)能，經(jīng)濟(jì)效益最大化才是應(yīng)追求的目標(biāo)。綜合考慮到作物和能耗市場(chǎng)價(jià)格等，可將溫室環(huán)境的經(jīng)濟(jì)最優(yōu)控制問(wèn)題歸納為

式中t——時(shí)間

t0——作物開(kāi)始定植日期

tf——作物收獲日期

f(X,u,V,t)——溫室-作物系統(tǒng)的狀態(tài)方程

X——狀態(tài)變量XT——溫度變量

Xh——濕度變量Xc——CO2濃度變量

x0——狀態(tài)變量初值

u——控制輸入量

V——室外氣候變量

i——編號(hào),各狀態(tài)變量(Xi)存在約束范圍[Ximin，Ximax]，各控制輸入量(ui)也存在約束范圍[uimin，uimax]

J(u)——作物生產(chǎn)的經(jīng)濟(jì)效益，即用經(jīng)濟(jì)收入函數(shù)(φ(Xs(t)))減去能耗成本(L(X,u,V,t))與懲罰函數(shù)之和

u*(t)——最優(yōu)控制量

IQ——狀態(tài)變量數(shù)

R——控制輸入?yún)?shù)

PT——溫度懲罰函數(shù)

Ph——濕度懲罰函數(shù)

Pc——CO2濃度懲罰函數(shù)

那么，經(jīng)濟(jì)效益最優(yōu)的控制方法，就是在給定初始狀態(tài)值條件下，滿足一定的狀態(tài)量和控制量的約束條件，尋求最優(yōu)控制輸入量，以使性能指標(biāo)J(u)最大化。

早期SEGINER[71]使用簡(jiǎn)單的作物生長(zhǎng)函數(shù)和溫室氣候模型，引入PMP原理，以求解作物經(jīng)濟(jì)收益和加熱成本的最優(yōu)問(wèn)題?；陬愃频脑?，VAN HENTEN[72]運(yùn)用一個(gè)低階的溫室-作物動(dòng)態(tài)模型和雙時(shí)標(biāo)分解的控制結(jié)構(gòu)，對(duì)生菜生長(zhǎng)收益與能耗成本作最優(yōu)化計(jì)算，仿真結(jié)果表明比傳統(tǒng)方法經(jīng)濟(jì)效益提高15%。在此基礎(chǔ)上，TAP[73]對(duì)番茄果實(shí)收益與能耗成本作最優(yōu)化計(jì)算，并進(jìn)一步引入滾動(dòng)時(shí)域優(yōu)化控制方法(RHOC)，實(shí)現(xiàn)了番茄生產(chǎn)的長(zhǎng)期優(yōu)化控制與試驗(yàn)，結(jié)果表明可提高能源效率8.5%。該類經(jīng)濟(jì)效益最優(yōu)的環(huán)境控制方法，主要以荷蘭Wageningen大學(xué)諸多研究成果最有代表性[74-75]，這些研究主要考慮作物經(jīng)濟(jì)收益與溫室執(zhí)行機(jī)構(gòu)的操作成本(加熱燃料費(fèi)、CO2施肥費(fèi)等)。

3.3 多目標(biāo)優(yōu)化控制方法

實(shí)際上，上述優(yōu)化還是屬于單目標(biāo)優(yōu)化控制問(wèn)題。溫室環(huán)境控制的目標(biāo)不僅僅在于作物的經(jīng)濟(jì)效益(經(jīng)濟(jì)收入減去能耗成本)，還可以對(duì)一些其他主要目標(biāo)作綜合考慮。如VANTHOOR等[76]在進(jìn)行溫室優(yōu)化設(shè)計(jì)時(shí)不僅考慮到作物產(chǎn)量收益，以及水、CO2、化肥、燃料等資源消耗成本，還將勞動(dòng)力成本、投資成本(含貸款利息)等納入優(yōu)化目標(biāo)中；RAMREZ-ARIAS等[77]將作物經(jīng)濟(jì)利潤(rùn)、果實(shí)品質(zhì)和水利用率作為溫室環(huán)境分層控制的優(yōu)化目標(biāo)。多目標(biāo)優(yōu)化控制問(wèn)題中，由于控制目標(biāo)、控制變量增多，一般傳統(tǒng)的梯度類方法將難以實(shí)現(xiàn)目標(biāo)問(wèn)題的求解，只能求助于智能優(yōu)化算法[78]。VANTHOOR等[79]運(yùn)用可控隨機(jī)搜索算法(CRS)以實(shí)現(xiàn)8個(gè)溫室設(shè)計(jì)元素的最佳選取，以達(dá)到年度經(jīng)濟(jì)效益最大化。朱丙坤等[80]運(yùn)用遺傳算法(GA)對(duì)加熱、噴霧和通風(fēng)等的相容控制問(wèn)題進(jìn)行了求解。這些研究結(jié)果反映出智能算法求解溫室環(huán)境最優(yōu)控制問(wèn)題的有效性。

多目標(biāo)優(yōu)化控制問(wèn)題中，品質(zhì)、市場(chǎng)價(jià)格的不可預(yù)測(cè)性給多目標(biāo)優(yōu)化帶來(lái)了不確定性；另外，優(yōu)化算法計(jì)算時(shí)間一般較長(zhǎng)，實(shí)時(shí)性較差，因此，研究滿足溫室實(shí)時(shí)要求的多目標(biāo)全局優(yōu)化控制尤為重要。

4 多因子耦合環(huán)境控制方法

溫室控制對(duì)象包括環(huán)境變量、水肥變量和作物參數(shù)。由于溫室是一個(gè)相對(duì)封閉的結(jié)構(gòu)，溫度、光照、濕度、CO2濃度、土壤含水率、施肥量等變量之間存在著顯著的耦合和約束關(guān)系，如圖3所示。氣候環(huán)境因子之間相互耦合表現(xiàn)在：溫度、濕度是一對(duì)互為影響的變量，保溫與CO2濃度也是相互矛盾；作物與環(huán)境之間的耦合表現(xiàn)在：由于溫室效應(yīng)，作物生長(zhǎng)過(guò)程進(jìn)行光合作用、呼吸作用和蒸騰作用對(duì)溫室內(nèi)的氣候條件有很大的影響，同時(shí)氣候條件的變化對(duì)作物的生長(zhǎng)又有影響；地上氣候環(huán)境與地下水肥環(huán)境的耦合表現(xiàn)為：土壤蒸發(fā)和作物蒸騰的水分一部分因冷凝又回到地面，形成一個(gè)土壤(基質(zhì))水分——蒸騰和蒸發(fā)——回落到土中的水分小循環(huán)。溫室內(nèi)溫度、濕度、光照等氣候因子變化影響水肥需求量，水肥的多少也直接影響作物的生長(zhǎng)和蒸騰。

圖3 溫室環(huán)境多因子耦合關(guān)系示意圖Fig.3 Diagram of multi-factors coupling relationship in greenhouse

上述眾多因子之間的強(qiáng)耦合使得作物和環(huán)境的建模、多因子協(xié)調(diào)控制變得非常復(fù)雜，影響系統(tǒng)的穩(wěn)定性、魯棒性，傳統(tǒng)控制方法往往采取回避策略，導(dǎo)致調(diào)控結(jié)果無(wú)法達(dá)到理想設(shè)定值。目前研究主要針對(duì)溫度和濕度的耦合關(guān)系以及水肥之間的耦合關(guān)系等。

4.1 環(huán)境因子耦合控制方法

溫室系統(tǒng)是個(gè)多輸入多輸出、強(qiáng)耦合的復(fù)雜系統(tǒng)，像溫度、濕度、光照等環(huán)境因子之間的互作關(guān)系一直是影響控制精度的難點(diǎn)，精確調(diào)控時(shí)應(yīng)考慮如何解除環(huán)境變量之間的耦合關(guān)系，并充分考慮約束作用。解耦控制也是一種行之有效的方法[81]。目前有模糊解耦控制[82]、前饋補(bǔ)償[83]、反饋線性化[84]等解耦方法應(yīng)用在溫室環(huán)境控制中。

溫濕度耦合是環(huán)境耦合中最強(qiáng)烈的，諸多學(xué)者嘗試?yán)们梆伩刂?、模糊控制、神?jīng)網(wǎng)絡(luò)進(jìn)行解耦控制，控制結(jié)果的精度逐步提高。宮赤坤等[58]利用系統(tǒng)辨識(shí)建立溫室溫濕度調(diào)控模型，將模糊控制器2個(gè)輸入、7個(gè)輸出轉(zhuǎn)換為14個(gè)單變量模糊控制器的相交組合，從而解除了溫濕度耦合關(guān)系，實(shí)現(xiàn)了對(duì)溫濕度的分別調(diào)控。程文鋒等[84]對(duì)溫室溫濕度運(yùn)用前饋控制，解除溫濕度強(qiáng)耦合關(guān)系，將環(huán)境控制系統(tǒng)改造為多個(gè)線性單變量控制系統(tǒng)。張榮標(biāo)等[85]利用前饋控制對(duì)溫濕度進(jìn)行解耦，并利用自適應(yīng)算法改進(jìn)了傳統(tǒng)的動(dòng)態(tài)矩陣控制(DMC)方法，提高了對(duì)模型的適應(yīng)性。

引入解耦方法，對(duì)多因子變量進(jìn)行解耦，形成單變量控制，是一種常用的方法。但是增加變量因子，對(duì)其數(shù)學(xué)模型與解耦方法要求較高，控制難度大大增加。因此，目前主要關(guān)注于溫濕度的解耦控制，且計(jì)算也較復(fù)雜，對(duì)其他復(fù)雜環(huán)境很少涉及。

4.2 水肥耦合控制方法

粗放式的“糞大水勤”逐漸被“以肥調(diào)水”的精細(xì)灌溉模式取代。水與肥、不同營(yíng)養(yǎng)元素之間的相互耦合關(guān)系會(huì)影響水和營(yíng)養(yǎng)元素的吸收。目前對(duì)水肥耦合的研究主要針對(duì)如何獲取最優(yōu)水肥澆灌比例和澆灌量，以及水肥和不同營(yíng)養(yǎng)元素耦合關(guān)系對(duì)作物產(chǎn)量、品質(zhì)、水肥利用率以及水土保持等諸多方面的影響，結(jié)論通?；诋a(chǎn)量、水肥吸收率等給出單因素的最優(yōu)水肥推薦值。如王鵬勃等[86]、邢英英等[87]、楊丹妮等[88]研究了不同水肥條件下，產(chǎn)量、品質(zhì)、水肥利用率、經(jīng)濟(jì)等因素分別最大化的條件以及綜合因素最優(yōu)的水肥組合。TIPIS[89]建立了以光照、飽和蒸氣壓虧缺和葉面積指數(shù)為變量的騰發(fā)量方程，用作灌溉決策。ZHANG等[90]研究了根據(jù)騰發(fā)量不同百分比進(jìn)行灌溉對(duì)番茄產(chǎn)量、品質(zhì)和水利用率的作用，發(fā)現(xiàn)適度水分脅迫的綜合效果最佳。

由于建模和解耦的復(fù)雜性，目前缺乏通適的隨環(huán)境和作物變化的水、營(yíng)養(yǎng)元素與作物生長(zhǎng)關(guān)系模型，未有綜合環(huán)境和水肥解耦控制方面的報(bào)道。

5 基于作物生長(zhǎng)信息的溫室環(huán)境控制方法

作物生長(zhǎng)實(shí)質(zhì)是對(duì)所處的氣候和水肥環(huán)境的動(dòng)態(tài)響應(yīng)，這種響應(yīng)被稱為“Speaking Plants”[8,91]，即會(huì)說(shuō)話的植物。以作物長(zhǎng)勢(shì)信息為自變量，環(huán)境水肥因子為因變量，建立兩者之間的定量模型，實(shí)現(xiàn)按作物實(shí)際需求進(jìn)行環(huán)境和水肥供給，將極大提高溫室調(diào)控水平。圖4為該方法的控制框圖。作物生長(zhǎng)是個(gè)長(zhǎng)期過(guò)程，可以從整個(gè)生產(chǎn)期(上市期已定)、各生育期、每日等不同生產(chǎn)管理時(shí)間尺度上進(jìn)行控制決策，以滿足作物不同生長(zhǎng)階段的目標(biāo)需求。構(gòu)建包括作物氮素、水分，以及冠層面積、特定葉長(zhǎng)、莖粗、植株和果實(shí)生長(zhǎng)速率等生長(zhǎng)信息的低成本檢測(cè)系統(tǒng)，并按照光照、溫度、濕度、CO2濃度等因子狀態(tài)變量和水肥、環(huán)境目標(biāo)值，進(jìn)行動(dòng)態(tài)反饋來(lái)控制光、溫、濕、肥、氣執(zhí)行機(jī)構(gòu)。

圖4 基于作物生長(zhǎng)信息的溫室環(huán)境控制框圖Fig.4 Framework of greenhouse environmental control based on crop growth information

5.1 作物生長(zhǎng)信息獲取與解析

作物生長(zhǎng)信息包括：形態(tài)信息，如株高、莖粗、果實(shí)直徑、冠幅投影面積等；生理信息，如光合速率、蒸騰速率、葉溫、營(yíng)養(yǎng)水平等；電特性信息，如阻抗、電容、電位等。作物信息獲取手段豐富，但適用于溫室控制的信息采集方法應(yīng)是無(wú)損的、實(shí)時(shí)的。表1列舉了當(dāng)前國(guó)內(nèi)溫室獲取作物信息的主要技術(shù)手段及其關(guān)聯(lián)性研究成果。形態(tài)特征采集技術(shù)一般采用非接觸式實(shí)時(shí)在線測(cè)量，圖像處理、機(jī)器視覺(jué)、激光與視覺(jué)結(jié)合等技術(shù)是常用的方法，而陰影、遮擋、重疊等外界干擾情況是其中需要解決的關(guān)鍵問(wèn)題[105]。作物生理信息獲取中，對(duì)光合、蒸騰速率等建模方法研究較多，如：張大龍等[106]研究溫室環(huán)境對(duì)甜瓜蒸騰的驅(qū)動(dòng)和調(diào)控機(jī)理。而對(duì)營(yíng)養(yǎng)水平的診斷主要借助于光譜、計(jì)算機(jī)視覺(jué)、微電極等技術(shù)，特別是高光譜圖像技術(shù)集光譜和圖像信息于一體，為熱點(diǎn)研究方法。不過(guò)，還需要借助于主成分分析、最小二乘回歸等方法建立關(guān)聯(lián)模型，普適性、準(zhǔn)確率還有待提高；此外生理信息的采集往往要通過(guò)現(xiàn)場(chǎng)手工測(cè)量，測(cè)量設(shè)備需進(jìn)一步智能化才能適用于自動(dòng)控制。電特性信息中，阻抗、電容信息需通過(guò)接觸測(cè)量獲得，LI等[107]利用葉阻抗譜技術(shù)對(duì)K營(yíng)養(yǎng)水平進(jìn)行評(píng)價(jià)，用細(xì)胞組織的等效電路模型分析了測(cè)量的阻抗數(shù)據(jù)，提取了K營(yíng)養(yǎng)水平的靈敏的阻抗譜特征；胡靜等[103]用微電極技術(shù)測(cè)量黃瓜葉片的膜電位、膜電容和膜電位對(duì)光激勵(lì)的響應(yīng)，實(shí)現(xiàn)氮脅迫的早期診斷。電特性的信息采集也要通過(guò)現(xiàn)場(chǎng)手工實(shí)現(xiàn)，且其長(zhǎng)期連續(xù)自動(dòng)檢測(cè)會(huì)影響作物生長(zhǎng)。

表1 溫室作物生長(zhǎng)信息獲取技術(shù)Tab.1 Information acquisition technology of greenhouse crops

針對(duì)將采集到的信息轉(zhuǎn)化為作物對(duì)氣候因子和水肥的實(shí)際需求，學(xué)者們進(jìn)行了多方面的研究。如高洪燕等[108]通過(guò)光譜、冠層溫度及溫濕度信息，建立水分脅迫指數(shù)模型；王曉森等[109]根據(jù)番茄莖粗及其日最大收縮量計(jì)算作物及土壤含水率；ZUO等[110]通過(guò)莖直徑預(yù)測(cè)番茄不同環(huán)境條件下的生長(zhǎng)響應(yīng)。

5.2 基于作物信息的反饋控制

根據(jù)作物信息對(duì)作物需求進(jìn)行評(píng)判，因評(píng)判對(duì)象不同，難易程度相差較大。相對(duì)來(lái)說(shuō)，對(duì)水肥需求的判斷較為方便、可靠，因此根據(jù)作物生長(zhǎng)信息反饋控制的研究多針對(duì)水肥灌溉[111]。

AHMAD等[112]對(duì)番茄水肥灌溉量分水平處理，建立基于作物株高、葉展寬度的需肥量模型，利用攝像頭記錄番茄株高和葉展寬度，計(jì)算番茄施肥量，利用計(jì)算結(jié)果控制施肥泵運(yùn)行狀態(tài)。袁洪波等[113]研究了在封閉栽培模式下，以光照、溫度、濕度、葉面積指數(shù)、作物種類、生長(zhǎng)階段為變量構(gòu)建作物蒸騰量模型，并利用神經(jīng)網(wǎng)絡(luò)算法實(shí)現(xiàn)自適應(yīng)灌溉控制，提高了控制精度。韓麗娜[114]以溫室環(huán)境值作為輸入量，利用Penman-Monteith蒸騰模型，設(shè)計(jì)出一套溫室智能滴灌控制系統(tǒng)。

溫室中，環(huán)境和水肥變量以及作物是一個(gè)完整系統(tǒng)，各變量相互依賴，相互影響。相對(duì)于控制需求來(lái)說(shuō)，目前對(duì)作物和環(huán)境、水肥控制的相關(guān)研究還不夠完善。主要表現(xiàn)在：缺少集環(huán)境變量、水肥變量、作物生長(zhǎng)信息為一體的綜合溫室調(diào)控模型；生長(zhǎng)、灌溉、施肥模型往往不是面向控制，難以直接應(yīng)用；模型中某些參數(shù)尚未實(shí)現(xiàn)在線測(cè)量，甚至必須在實(shí)驗(yàn)室嚴(yán)格的試驗(yàn)條件下才能獲得，在線測(cè)量手段的缺乏阻礙了溫室控制技術(shù)的發(fā)展；現(xiàn)有的模型要么過(guò)于復(fù)雜，變量太多，控制系統(tǒng)難以實(shí)現(xiàn)，要么過(guò)于簡(jiǎn)單，忽略了環(huán)境、水肥、作物各變量間的相互作用。

因此，目前的通常做法僅僅依據(jù)檢測(cè)溫室的溫、光、濕、氣等環(huán)境因子進(jìn)行設(shè)定值控制。無(wú)法感知植物是否需求這樣的控制，控制效果好不好。沒(méi)有按照植物真實(shí)的動(dòng)態(tài)需求信息進(jìn)行反饋控制，導(dǎo)致作物產(chǎn)量潛力沒(méi)有被充分挖掘，不僅不能高產(chǎn)，而且會(huì)增加生產(chǎn)成本、能耗，造成資源的浪費(fèi)。與植物對(duì)話式的智能控制方式，是今后迫切需要解決的科學(xué)難題。

另外，受我國(guó)勞動(dòng)力前期紅利較大的影響，溫室智能化技術(shù)一直是薄弱環(huán)節(jié)，只能對(duì)精準(zhǔn)生產(chǎn)形成監(jiān)控和指導(dǎo)，無(wú)法通過(guò)智能環(huán)境調(diào)控設(shè)備、智能生產(chǎn)作業(yè)設(shè)備全面提高生產(chǎn)效率，特別是勞動(dòng)生產(chǎn)率。然而，荷蘭、以色列等發(fā)達(dá)國(guó)家的溫室管理智能化已成為技術(shù)創(chuàng)新與產(chǎn)業(yè)化開(kāi)發(fā)的主要方向，可實(shí)現(xiàn)溫室作物全天候、周年性的高效生產(chǎn)。

6 展望

針對(duì)上述現(xiàn)狀和存在的問(wèn)題，筆者認(rèn)為我國(guó)溫室環(huán)境控制方法和技術(shù)的研究應(yīng)緊緊圍繞設(shè)施農(nóng)業(yè)工程的國(guó)家需求，以大幅度提高資源利用效率、單位土地產(chǎn)出率和設(shè)施種植產(chǎn)業(yè)可持續(xù)發(fā)展為目標(biāo)，跟蹤發(fā)達(dá)國(guó)家的研究前沿，解決光-溫-營(yíng)養(yǎng)耦合高效控制機(jī)理、植物表型高通量檢測(cè)方法等重大科學(xué)問(wèn)題，突破信息感知、物聯(lián)網(wǎng)、智慧管控等關(guān)鍵技術(shù)，形成具有中國(guó)特色的溫室智能化測(cè)控技術(shù)體系。今后應(yīng)重點(diǎn)開(kāi)展以下應(yīng)用基礎(chǔ)和關(guān)鍵技術(shù)研究。

6.1 應(yīng)用基礎(chǔ)研究

(1)光-溫-營(yíng)養(yǎng)耦合互作規(guī)律與環(huán)境高效控制機(jī)理

針對(duì)溫室密閉/半封閉環(huán)境條件下，植物主要生理過(guò)程與環(huán)境因子之間及各環(huán)境因子之間的強(qiáng)耦合關(guān)系，開(kāi)展作物與環(huán)境的交互作用機(jī)制研究，建立作物-環(huán)境的動(dòng)力學(xué)耦合模型；提出光-溫-營(yíng)養(yǎng)耦合的環(huán)境高效控制方法，充分挖掘作物的生物學(xué)潛力，成倍提高產(chǎn)量。

(2)溫室植物表型高通量檢測(cè)方法

研究高通量多生境植物表型采集方法、植物表型大數(shù)據(jù)建模與基因-環(huán)境-表型互作規(guī)律與挖掘方法，高產(chǎn)、高效、抗逆智能化表型組分析評(píng)價(jià)方法，研制高通量多生境植物表型采集和分析系統(tǒng)，為溫室環(huán)境精確控制和高效栽培提供依據(jù)。

6.2 關(guān)鍵技術(shù)研究

(1)溫室作物生理和生境信息感知技術(shù)

研究溫室植物生命信息的內(nèi)部生化電反應(yīng)、外部特性表征及其感知方法，探索作物體內(nèi)生命體征、果實(shí)成熟度和品質(zhì)、作物長(zhǎng)勢(shì)變化等信息的快速無(wú)損檢測(cè)技術(shù)，突破多自然因素耦合干擾下植物生命體征信息動(dòng)態(tài)感知的難題，研發(fā)系列個(gè)體/群體植物生長(zhǎng)信息傳感器。

(2)基于生長(zhǎng)信息的溫室環(huán)境智能調(diào)控技術(shù)

建立基于作物生長(zhǎng)信息的長(zhǎng)勢(shì)動(dòng)態(tài)預(yù)測(cè)模型，研究以實(shí)時(shí)獲取的作物生長(zhǎng)信息作為反饋控制量，開(kāi)發(fā)出能夠根據(jù)植物生長(zhǎng)信息進(jìn)行溫室環(huán)境因子精確控制的智能裝備，突破機(jī)器與植物對(duì)話、按照作物生長(zhǎng)真實(shí)需要進(jìn)行反饋控制的技術(shù)難題。

(3)基于云計(jì)算與大數(shù)據(jù)的溫室物聯(lián)網(wǎng)智慧管理技術(shù)

研究集成物聯(lián)網(wǎng)和云計(jì)算基礎(chǔ)設(shè)施，引入大數(shù)據(jù)分析技術(shù)，構(gòu)建溫室大數(shù)據(jù)應(yīng)用綜合服務(wù)云平臺(tái)，以NB-IOT和Lora為代表的無(wú)線通信技術(shù)與溫室測(cè)控設(shè)備無(wú)縫結(jié)合，推動(dòng)溫室物聯(lián)網(wǎng)的發(fā)展，研發(fā)適合現(xiàn)代農(nóng)業(yè)發(fā)展水平的溫室設(shè)施監(jiān)測(cè)系統(tǒng)。

(4)設(shè)施園藝水肥耦合與封閉管理智能化技術(shù)

研究營(yíng)養(yǎng)液濃度、配比、pH值的精確調(diào)控技術(shù)，以及營(yíng)養(yǎng)液回收液收集、消毒、檢測(cè)、混合技術(shù)，開(kāi)發(fā)水肥耦合與封閉管理智能裝備，突破不能實(shí)時(shí)進(jìn)行營(yíng)養(yǎng)液的配比調(diào)整，難以做到精確水肥耦合管理和閉環(huán)灌溉的瓶頸，減輕作物連作障礙，降低環(huán)境污染。

1 BUSINGER J A. The glasshouse climate physics of plant environment [M]. Amsterdam：North-Holland Publishing Company，1963：277-318.

2 杜尚豐，李迎霞，馬承偉，等. 中國(guó)溫室環(huán)境控制硬件系統(tǒng)研究進(jìn)展[J]．農(nóng)業(yè)工程學(xué)報(bào)，2004，20(1)：7-12.

DU Shangfeng，LI Yingxia，MA Chengwei，et al. Current situation on greenhouse environment control system modes in China [J]. Transactions of the CSAE，2004，20 (1)：7-12. (in Chinese)

3 李萍萍，王紀(jì)章.溫室環(huán)境信息智能化管理研究進(jìn)展[J/OL].農(nóng)業(yè)機(jī)械學(xué)報(bào)，2014，45(4)：236-243. http:∥www.j-csam.org/jcsam/ch/reader/view_abstract.aspx?flag=1&file_no=20140438&journal_id=jcsam. DOI：10.6041/j.issn.1000-1298.2014.04.038.

LI Pingping，WANG Jizhang.Research progress of intelligent management for greenhouse environment information[J/OL].Transactions of the Chinese Society for Agricultural Machinery，2014，45(4)：236-243.(in Chinese)

4 李婷，季宇寒，張漫，等. CO2與土壤水分交互作用的番茄光合速率預(yù)測(cè)模型[J/OL].農(nóng)業(yè)機(jī)械學(xué)報(bào)，2015，46(增刊)：208-214. http:∥www.j-csam.org/jcsam/ch/reader/view_abstract.aspx?flag=1&file_no=2015S034&journal_id=jcsam. DOI：10.6041/j.issn.1000-1298.2015.S0.034.

LI Ting，JI Yuhan，ZHANG Man，et al. Tomato photosynthetic rate prediction models under interaction of CO2enrichments and soil moistures[J/OL].Transactions of the Chinese Society for Agricultural Machinery，2015，46(Supp.)：208-214. (in Chinese)

6 李迎霞，杜尚豐. 中國(guó)溫室環(huán)境智能控制算法研究進(jìn)展[J]．農(nóng)業(yè)工程學(xué)報(bào)，2004，20(2)：267-272．

LI Yingxia，DU Shangfeng. Advances of intelligent control algorithm of greenhouse environment in China[J]．Transactions of the CSAE，2004，20(2)：267-272. (in Chinese)

7 WALKER J N. Predicting temperatures in ventilated greenhouses [J]. Transactions of ASAE，1965，8：445-448.

8 UDINK TEN CATE A J，BOT G P J，DIXHOORN J J. Computer control of greenhouse climates [J]. Acta Horticulturae，1978，87：265-272.

9 BOT G P A. Greenhouse climate：fromphysical processes to a dynamic model[D]. Wageningen: Wageningen Agricultural University，1983.

10 JONES J W，DAYAN E，ALLEN L H，et al. A dynamic tomato growth and yield model (TOMGRO) [J]. Transactions of ASAE，1991，34(2)：663-672.

11 SEGINER I.Optimizing greenhouse operations for best aerial environment [J]. Acta Hort，1980，106：169-178.

12 VAN HENTEN E J. Greenhouse climate management: an optimal control approach [D]. Wageningen: Wageningen Agricultural University，1994.

13 HASHIMOTO Y. Recent strategies of optimal growth regulation by the speaking plant concept [J]. Acta Hort，1989，260：115-121.

14 TAKAYAMA K，NISHINA H，MIZUTANI K，et al. Chlorophyll fluorescence imaging for health condition monitoring of tomato plants in greenhouse [J]. Acta Hort，2011，893：333-339.

15 WANG Shaojin，CUI Shaorong，DELTOUR J，et al. Simulation of the application of different control methods to the greenhouse heating system [J]. Acta Agriculturae Universitatis Zhejiangensis，1992，18(4)：97-102.

16 毛罕平，李萍萍. 工廠化蔬菜生產(chǎn)成套裝備及自動(dòng)控制系統(tǒng)的研究[J]. 農(nóng)業(yè)機(jī)械學(xué)報(bào)，1996， 27(增刊)：111-114.

MAO Hanping，LI Pingping. The research on complete set of equipments for vegetable factory and automatic control system [J]. Transactions of the Chinese Society for Agricultural Machinery，1996，27(Supp.)：111-114. (in Chinese)

17 李元哲，吳德讓，于竹. 日光溫室微氣候的模擬與實(shí)驗(yàn)研究[J]. 農(nóng)業(yè)工程學(xué)報(bào)，1994，10(1)：130-136.

LI Yuanzhe，WU Derang，YU Zhu. Simulation and test research of micrometeorology environment in a sun-light greenhouse [J]. Transactions of the CSAE，1994，10(1)：130-136.(in Chinese)

18 倪紀(jì)恒，羅衛(wèi)紅，李永秀，等. 溫室番茄葉面積與干物質(zhì)生產(chǎn)的模擬[J]. 中國(guó)農(nóng)業(yè)科學(xué)，2005，38(8)：1629-1635.

NI Jiheng，LUO Weihong，LI Yongxiu，et al. Simulation of leaf area and dry matter production in greenhouse tomato [J].Scientia Agricultura Sinica，2005，38(8)：1629-1635. (in Chinese)

19 伍德林，毛罕平，李萍萍.基于經(jīng)濟(jì)最優(yōu)目標(biāo)的溫室環(huán)境控制策略[J].農(nóng)業(yè)機(jī)械學(xué)報(bào)，2007，38(2)：115-119.

WU Delin，MAO Hanping，LI Pingping.Environmental regulation techniques based on economic optimization in greenhouse[J].Transactions of the Chinese Society for Agricultural Machinery，2007，38(2)：115-119. (in Chinese)

20 鄧璐娟，張侃諭，龔幼民，等. 溫室環(huán)境多級(jí)控制系統(tǒng)及優(yōu)化目標(biāo)值設(shè)定的初步研究[J]．農(nóng)業(yè)工程學(xué)報(bào)，2005，21(5)：119-122．

DENG Lujuan，ZHANG Kanyu，GONG Youmin，et al．Preliminary study on hierarchical greenhouse environment control system and setting of the optimized target values [J]. Transactions of the CSAE，2005，21(5)：119-122. (in Chinese)

21 王紀(jì)章，李萍萍，毛罕平. 基于作物生長(zhǎng)和控制成本的溫室氣候控制決策支持系統(tǒng)[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2006，22(9):168-171．

WANG Jizhang，LI Pingping，MAO Hanping. Decision support system for greenhouse environment management based on crop growthand control cost[J]. Transactions of the CSAE，2006，22(9)：168-171. (in Chinese)

22 AASLYNG J M，LUND J B，EHLER N，et al. IntelliGrow：a greenhouse component-based climate control system [J]. Environmental Modelling & Software，2003，18(7)：657-666.

23 張海輝，邵志成，張佐經(jīng)，等. 基于無(wú)線傳感網(wǎng)的設(shè)施環(huán)境二氧化碳精準(zhǔn)調(diào)控系統(tǒng)[J/OL]. 農(nóng)業(yè)機(jī)械學(xué)報(bào), 2017, 48(3)：325-331. http:∥www.j-csam.org/jcsam/ch/reader/view_abstract.aspx?flag=1&file_no= 20170341&journal_id=jcsam. DOI：10.6041/j.issn.1000-1298.2017.03.041.

ZHANG Haihui，SHAO Zhicheng，ZHANG Zuojing，et al.Regulation system of CO2in facilities based on wireless sensor network[J/OL].Transactions of the Chinese Society for Agricultural Machinery，2017，48(3)：325-331.(in Chinese)

24 CHALABI Z S，BAILEY B J，WILKINSON D J. A real-time optimal control algorithm for greenhouse heating [J]. Computers & Electronics in Agriculture，1996，15(1)：1-13.

25 SIGRIMIS N，ANASTASIOU A，RERRAS N. Energy saving in greenhouses using temperature integration: a simulation survey [J]. Computers & Electronics in Agriculture，2000，26(3)：321-341.

26 袁洪波，李莉，王俊衡，等. 基于溫度積分算法的溫室環(huán)境控制方法[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2015，31(11)：221-227.

YUAN Hongbo，LI Li，WANG Junheng，et al. Control method for greenhouse climate based on temperature integration[J]. Transactions of the CSAE，2015，31(11)：221-227. (in Chinese)

27 K?RNER O，BAKKER M J，HEUVELINK E. Daily temperature integration: a simulation study to quantify energy consumption [J]. Biosystems Engineering，2004，87(3)：333-343.

28 陳晴，孫忠富. 基于作物積溫理論的溫室節(jié)能控制策略探討[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2005，21(3)：158-161.

CHEN Qing，SUN Zhongfu. Energy-saving control strategy for greenhouse production based on crop temperature integration [J]. Transactions of the CSAE，2005，21(3)：158-161. (in Chinese)

29 SEGINER I，SHINA G，ALBRIGHT L D，et al. Optimal temperature set points for greenhouse lettuce[J]. Journal of Agricultural Engineering Research，1991，49(3)：209-226.

30 戴劍鋒，羅衛(wèi)紅，喬曉軍，等. 基于模型的溫室加溫控制目標(biāo)優(yōu)化系統(tǒng)研究[J]. 農(nóng)業(yè)工程學(xué)報(bào)， 2006， 22(11)：187-191.

DAI Jianfeng，LUO Weihong，QIAO Xiaojun，et al. Model-based decision support system for greenhouse heating temperature set point optimization [J]. Transactions of the CSAE，2006，22(11)：187-191.(in Chinese)

31 王定成，喬曉軍，汪春秀，等. 基于作物響應(yīng)的溫室環(huán)境SVMR 控制仿真[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2010，26(增刊2)：290-293.

WANG Dingcheng，QIAO Xiaojun，WANG Chunxiu，et al. Simulation of greenhouse environment SVMR control based on plant response[J]. Transactions of the CSAE，2010，26(Supp.2)：290-293. (in Chinese)

32 季宇寒，李婷，張漫，等.基于WSN的溫室CO2氣肥優(yōu)化調(diào)控系統(tǒng)研究[J/OL]. 農(nóng)業(yè)機(jī)械學(xué)報(bào)，2015，46(增刊)：201-207. http:∥www.j-csam.org/jcsam/ch/reader/view_abstract.aspx?flag=1&file_no=2015S033 &journal_id =jcsam. DOI：10.6041/j.issn.1000-1298.2015.S0.033.

JI Yuhan，LI Ting，ZHANG Man，et al. Design of CO2fertilizer optimizing control system on WSN [J/OL]. Transactions of the Chinese Society for Agricultural Machinery，2015，46(Supp.)：201-207. (in Chinese)

33 徐立鴻，蘇遠(yuǎn)平，梁毓明. 面向控制的溫室系統(tǒng)小氣候環(huán)境模型要求與現(xiàn)狀[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2013，29(19)：1-15.

XU Lihong，SU Yuanping，LIANG Yuming. Requirement and current situation of control-oriented microclimate environmental model in greenhouse system [J]. Transactions of the CSAE，2013，29(19)：1-15. (in Chinese)

34 張侃諭，余玲文. 基于S7-224的自動(dòng)化溫室控制系統(tǒng)設(shè)計(jì)[J]．自動(dòng)化儀表，2009，30(2)：36-38．

ZHANG Kanyu，YU Lingwen. Design of automation greenhouse control system based on S7-224[J]. Process Automation Instrumentation， 2009，30(2)：36-38. (in Chinese)

35 李萍萍，毛罕平，王多輝，等. 智能溫室綜合環(huán)境因子控制的技術(shù)效果及合理的環(huán)境參數(shù)研究[J]. 農(nóng)業(yè)工程學(xué)報(bào)，1998，14(3)：197-201.

LI Pingping，MAO Hanping，WANG Duohui, et al. Study on technique effect of greenhouse environment factors controlling and reasonable environment parameters [J].Transactions of the CSAE，1998，14(3)：197-201. (in Chinese)

36 張雪花，張武，楊旭，等．農(nóng)業(yè)溫室環(huán)境控制方法研究綜述[J]．控制工程，2017，24(1)：8-15．

ZHANG Xuehua, ZHANG Wu，YANG Xu，et al. Survey of research methods on agricultural greenhouse environment control[J]．Control Engineering of China，2017，24(1)：8-15．(in Chinese)

37 UDINK TEN CATEA J. Modelling and (adaptive) control of greenhouse climates [D]. Wageningen: Wageningen Agricultural University，1984.

38 牛薌潔，王玉潔，唐劍. 基于遺傳算法的PID控制器參數(shù)優(yōu)化研究[J].計(jì)算機(jī)仿真，2010(11)：180-182.

NIU Xiangjie，WANG Yujie，TANG Jian. Optimization parameters of PID controller parameters based on genetic algorithm [J]. Computer Simulation，2010(11)：180-182. (in Chinese)

39 HU H，XU L，GOODMAN E D，et al. NSGA-II-based nonlinear PID controller tuning of greenhouse climate for reducing costs and improving performances [J]. Neural Computing & Applications，2014，24(3-4)：927-936.

40 SETIAWAN A，ALBRIGHT L D，PHELAN R M. Application of pseudo-derivative-feedback algorithm in greenhouse air temperature control [J]. Computers & Electronics in Agriculture，2000，26(3)：283-302.

41 ALBRIGHT L D，GATES R S，ARVANITIES K G，et al. Environmental control for plants on Earth and in space [J]. Control Systems IEEE，2001，21(5):28-47.

42 王立舒，侯濤，姜淼. 基于改進(jìn)多目標(biāo)進(jìn)化算法的溫室環(huán)境優(yōu)化控制[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2014，30(5)：131-137.

WANG Lishu，HOU Tao，JIANG Miao. Improved multi-objective evolutionary algorithm for optimization control in greenhouse environment [J]. Transactions of the CSAE，2014，30(5)：131-137. (in Chinese)

43 王風(fēng)云，趙一民，張曉艷，等. 基于分段控制策略的溫室智能測(cè)控系統(tǒng)設(shè)[J]. 農(nóng)業(yè)機(jī)械學(xué)報(bào)，2009，40(5)：178-181.

WANG Fengyun，ZHAO Yimin，ZHANG Xiaoyan，et al. Intelligent measure-control system design based on sectional-control strategy in greenhouse [J].Transactions of the Chinese Society for Agricultural Machinery，2009，40(5)：178-181. (in Chinese)

44 王嘉寧，牛新濤，徐子明，等. 基于無(wú)線傳感器網(wǎng)絡(luò)的溫室CO2濃度監(jiān)控系統(tǒng)[J/OL]. 農(nóng)業(yè)機(jī)械學(xué)報(bào)，2017，48(7)：280-285，367. http:∥www.j-csam.org/jcsam/ch/reader/view_abstract.aspx?flag=1&file_no= 20170735&journal_id=jcsam. DOI：10.6041/j.issn.1000-1298.2017.07.035.

WANG Jianing，NIU Xintao，XU Ziming，et al. Monitoring system for CO2concentration in greenhouse based on wireless sensor network[J/OL].Transactions of the Chinese Society for Agricultural Machinery，2017，48(7)：280-285，367.(in Chinese)

45 屈毅，寧鐸，賴展翅，等. 溫室溫度控制系統(tǒng)的神經(jīng)網(wǎng)絡(luò)PID控制[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2011，27(2)：307-311.

QU Yi，NING Duo，LAI Zhanchi，et al. Neural networks based on PID control for greenhouse temperature [J]. Transactions of the CSAE，2011，27(2)：307-311. (in Chinese)

46 HU H G，XU L H，WEI R H. Nonlinear adaptive Neuro-PID controller design for greenhouse environment based on RBF network[C]∥Proceedings of the 2010 International Joint Conference on Neural Networks. Barcelona，Spain，2010：1-7.

47 蔣景旺，吳云潔，吳夢(mèng)晨. 神經(jīng)網(wǎng)絡(luò)模糊PID控制在高低溫環(huán)境模擬系統(tǒng)的應(yīng)用[J]. 系統(tǒng)仿真學(xué)報(bào)，2015，27(8)：1922-1926.

JIANG Jingwang，WU Yunjie，WU Mengchen. Application of fuzzy PID control based on neutral network on high/low temperature environmental simulation system [J]. Journal of System Simulation，2015，27(8)：1922-1926. (in Chinese)

48 趙斌，王克奇，匡麗紅，等. 我國(guó)溫室環(huán)境的模糊控制技術(shù)應(yīng)用現(xiàn)狀[J].自動(dòng)化儀表，2008，29(5)：1-4.

ZHAO Bin，WANG Keqi，KUANG Lihong，et al. Current situation of fuzzy control technique applied in greenhouse environment in China [J]. Process Automation Instrumentation，2008，29(5)：1-4. (in Chinese)

49 LAFONT F，BALMAT J F. Optimized fuzzy control of a greenhouse [J]. Fuzzy Sets & Systems，2002，128(1)：47-59.

50 汪小旵，丁為民. 溫室內(nèi)溫度的模糊控制[J]. 南京農(nóng)業(yè)大學(xué)學(xué)報(bào)，2000，23(3)：110-113.

WANG Xiaochan，DING Weimin. Fuzzy control of temperature in greenhouse [J]. Journal of Nanjing Agric. Univ.，2000，23(3)：110-113. (in Chinese)

51 朱偉興，毛罕平，李萍萍，等. 遺傳優(yōu)化模糊控制器在溫室控制系統(tǒng)中的應(yīng)用[J]. 農(nóng)業(yè)機(jī)械學(xué)報(bào)，2002， 33(3)：76-79.

ZHU Weixing，MAO Hanping，LI Pingping，et al. A fuzzy controller based on genetic optimization and its application to a distributed control system of greenhouse [J]. Transactions of the Chinese Society for Agricultural Machinery，2002，33(3)：76-79. (in Chinese)

52 余泳昌，胡建東，毛鵬軍. 現(xiàn)代化溫室環(huán)境參數(shù)的模糊控制[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2002，18(2)：72-75.

YU Yongchang，HU Jiandong，MAO Pengjun. Fuzzy control for environment parameters in greenhouse [J]. Transactions of the CSAE，2002，18(2)：72-75. (in Chinese)

53 馬明建，李寶光，宋越東，等. 基于直接推理的溫室環(huán)境多變量模糊解耦控制[J]. 農(nóng)業(yè)機(jī)械學(xué)報(bào)， 2003， 34(6):116-119.

MA Mingjian，LI Baoguang，SONG Yuedong，et al. Multivariable fuzzy decoupling control of a greenhouse environment based on direct inference [J]. Transactions of the Chinese Society for Agricultural Machinery，2003，34(6)：116-119. (in Chinese)

54 馬長(zhǎng)華，于世海，朱偉興. 基于遺傳算法的模糊控制規(guī)則優(yōu)化的研究[J]. 江蘇大學(xué)學(xué)報(bào)：自然科學(xué)版，2003，24(4)：69-73.

MA Changhua，YU Shihai，ZHU Weixing. Research on optimization of fuzzy control rules based on genetic algorithms [J].Journal of Jiangsu University：Natural Science Edition，2003，24(4)：69-73. (in Chinese)

55 LUAN X L，SHI P，LIU F. Robust adaptive control for greenhouse climate using neural networks [J]. Int. J. Robust Nonlinear Control，2011，21(7)：815-826.

56 張漫，李婷，季宇寒，等.基于BP神經(jīng)網(wǎng)絡(luò)算法的溫室番茄CO2增施策略優(yōu)化[J/OL].農(nóng)業(yè)機(jī)械學(xué)報(bào)，2015，46(8)：239-245.http:∥www.j-csam.org/jcsam/ch/reader/view_abstract.aspx?flag=1&file_no=20150833 &journal_id=jcsam. DOI：10.6041/j.issn.1000-1298.2015.08.033.

ZHANG Man，LI Ting，JI Yuhan，et al. Optimization of CO2enrichment strategy based on BPNN for tomato plants in greenhouse[J/OL].Transactions of the Chinese Society for Agricultural Machinery，2015，46(8)：239-245. (in Chinese)

57 陳昕，唐湘璐，李想，等.二次聚類與神經(jīng)網(wǎng)絡(luò)結(jié)合的日光溫室溫度二步預(yù)測(cè)方法[J/OL]. 農(nóng)業(yè)機(jī)械學(xué)報(bào)，2017,48(增刊):353-358. http:∥www.j-csam.org/jcsam/ch/reader/view_abstract.aspx?flag=1&file_no=2017s054&journal_id=jcsam. DOI：10.6041/j.issn.1000-1298.2017.S0.054.

CHEN Xin，TANG Xianglu，LI Xiang，et al. A two-steps prediction method of temperature in solar greenhouse based on twice cluster analysis and neural network[J/OL].Transactions of the Chinese Society for Agricultural Machinery，2017,48(Supp.):353-358. (in Chinese)

58 宮赤坤，毛罕平. 溫室夏季溫濕度遺傳模糊神經(jīng)網(wǎng)絡(luò)控制[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2000，16(4)：106-109.

GONG Chikun，MAO Hanping. Summer temperature humid fuzzy neural network control in greenhouse by using genetic algorithm [J]. Transactions of the CSAE，2000，16(4)：106-109. (in Chinese)

59 EDDINE C，MANSOURI K，MOURAD M，et al. Adaptive neuro-fuzzy inference systems for modeling greenhouse climate [J]. International Journal of Advanced Computer Science & Applications，2016，7(1)：96-100.

60 BLASCO X，MARTINEZ M，HERRERO J M，et al. Model-based predictive control of greenhouse climate for reducing energy and water consumption [J]. Computers & Electronics in Agriculture，2007，55(1)：49-70.

61 GHOUMARI M Y E，TANTAU H J，SERRANO J. Non-linear constrained MPC：real-time implementation of greenhouse air temperature control [J]. Computers & Electronics in Agriculture，2005，49(3)：345-356.

62 沈敏，張榮標(biāo)，盛碧琦，等. 溫室測(cè)控系統(tǒng)開(kāi)關(guān)設(shè)備優(yōu)化組合預(yù)測(cè)控制方法[J]. 農(nóng)業(yè)機(jī)械學(xué)報(bào)， 2011，42(2)：186-189.

SHEN Min，ZHANG Rongbiao，SHENG Biqi，et al. Predictive control method for greenhouse measurement and control system based on switch devices optimization combination [J]. Transactions of the Chinese Society for Agricultural Machinery，2011，42(1)：186-189. (in Chinese)

63 馬萬(wàn)征，毛罕平，李忠芳，等. 溫室環(huán)境多變量控制系統(tǒng)解耦現(xiàn)狀及發(fā)展趨勢(shì)[J]. 江蘇農(nóng)業(yè)科學(xué)， 2012， 40(2)：313-314，331.

MA Wanzheng，MAO Hanping，LI Zhongfang，et al. The current situation and trend of multi-variable control system decoupling in greenhouse environment [J]. Jiangsu Agricultural Sciences，2012，40(2)：313-314，331.(in Chinese)

64 BENNIS N，DUPLAIX J，HALOUA M，et al. Greenhouse climate modelling and robust control [J]. Computers & Electronics in Agriculture，2008，61(2)：96-107.

65 MONTOYA A P，GUZMN J L，RODRGUEZ F，et al. A hybrid-controlled approach for maintaining nocturnal greenhouse temperature：simulation study [J]. Computers & Electronics in Agriculture，2016，123(C)：116-124.

66 儲(chǔ)著東，秦琳琳，陸林箭，等. 實(shí)驗(yàn)溫室溫度系統(tǒng)混雜控制器設(shè)計(jì)與分析[J]. 中國(guó)科學(xué)技術(shù)大學(xué)學(xué)報(bào)，2015，45(4)：268-274.

CHU Zhudong，QIN Linlin，LU Linjian，et al. Hybrid controller design and analysis for experimental greenhouse temperature system [J]. Journal of University of Science and Technology of China，2015，45(4)：268-274. (in Chinese)

67 GENT M P N，ENOCH H Z. Temperature dependence of vegetative growth and dark respiration：a mathematical model [J].Plant Physiol，1983，71：562-567.

68 TCHAMITCHIAN M，MARTIN R SERRISTE.A daily set point determination software for glasshouse tomato production [J]. Computers & Electronics in Agriculture， 2006，50(1)：25-47.

70 K?RNER O，STRATEN G V. Decision support for dynamic greenhouse climate control strategies [J]. Computers & Electronics in Agriculture，2008，60(1)：18-30.

71 SEGINER I. Optimal greenhouse production under economic constraints [J]. Agricultural Systems，1989，29(1)：67-80.

72 VAN HENTEN E J. Greenhouse climate management: an optimal control approach [D]. Wageningen: Wageningen Agricultural University，1994.

73 TAP R F. Economics-based optimal control of greenhouse tomato crop production [D]. Wageningen：Wageningen Agricultural University，2000.

74 STRATEN G V，CHALLA H，BUWALDA F，et al. Towards user accepted optimal control of greenhouse climate[J]. Computers & Electronics in Agriculture，2000，26(3)：221-238.

75 STRATEN G V，HENTEN E J V，WILLIGENBURG L G V，et al. Optimal control of greenhouse cultivation [M]. Boca Raton：CRC Press，2011.

76 VANTHOOR B H E，GZQUEZ J C，MAGN J J，et al. A methodology for model-based greenhouse design：Part 4，economic evaluation of different greenhouse designs： a Spanish case [J]. Biosystems Engineering，2012，111(4)：336-349.

78 LOPEZ Cruz I L，VAN WILLIGENBURG L G，VAN STRATEN G V. Efficient differential evolution algorithms formultimodal optimal control problems [J].Applied Soft Computing，2003，3(2)：97-122.

79 VANTHOOR B H E，STIGTER J D，VAN HENTEN E J，et al. A methodology for model-based greenhouse design: Part 5，greenhouse design optimization for southern-Spanish and Dutch conditions [J]. Biosystems Engineering，2012，111(4)：350-368.

80 朱丙坤，徐立鴻，胡海根，等. 基于節(jié)能偏好的沖突多目標(biāo)相容溫室環(huán)境控制[J]. 系統(tǒng)仿真學(xué)報(bào)，2011，23(1)：95-99.

ZHU Bingkun，XU Lihong，HU Haigen，et al. Conflict multi-objective compatible control of greenhouse climate based on energy-saving preference [J]. Journal of System Simulation，2011，23 (1)：95-99. (in Chinese)

81 馬明建，李寶光，宋越東，等. 基于直接推理的溫室環(huán)境多變量模糊解耦控制[J]. 農(nóng)業(yè)機(jī)械學(xué)報(bào), 2003, 34(6):116-119.

MA Mingjian，LI Baoguang，SONG Yuedong，et al. Multivariable fuzzy decoupling control of a greenhouse environment based on direct Inference [J].Transactions of the Chinese Society for Agricultural Machinery，2003，34(6)：116-119. (in Chinese)

82 AZAZA M，ECHAIEB K，TADEO F，et al. Fuzzy decoupling control of greenhouse climate[J]. Arabian Journal for Science & Engineering，2015，40(9)：2805-2812.

83 GAO Y，SONG X，LIU C，et al. Feedback feed-forward linearization and decoupling for greenhouse environment control [C]∥International Conference on Mechatronics and Control. IEEE，2015：179-183.

84 程文鋒，楊祥龍，王立人. 溫室溫濕度的反饋前饋線性化解耦控制[J].東南大學(xué)學(xué)報(bào)：自然科學(xué)版，2012，42(增刊1)：5-10.

CHENG Wenfeng，YANG Xianglong，WANG Liren. Feedback feedforward linear decoupling control of temperature and humidity in greenhouse [J]. Journal of Southeast University：Natural Science Edition，2012，42(Supp.1)：5-10. (in Chinese)

85 張榮標(biāo)，褚夫環(huán)，黃賢林，等.WSN節(jié)點(diǎn)溫室環(huán)境試驗(yàn)系統(tǒng)的預(yù)測(cè)解耦控制[J/OL]. 農(nóng)業(yè)機(jī)械學(xué)報(bào)，2012，43(1)：192-196. http:∥www.j-csam.org/jcsam/ch/reader/view_abstract.aspx?flag=1&file_no=20120134&journal_id=jcsam. DOI：10.6041/j.issn.1000-1298.2012.01.034.

ZHANG Rongbiao，CHU Fuhuan，HUANG Xianlin，et al. Predictive decoupled control of WSN nodes greenhouse environment simulation experimental system[J/OL].Transactions of the Chinese Society for Agricultural Machinery， 2012，43(1)：192-196. (in Chinese)

86 王鵬勃，李建明，丁娟娟，等. 水肥耦合對(duì)溫室袋培番茄品質(zhì)、產(chǎn)量及水分利用效率的影響[J].中國(guó)農(nóng)業(yè)科學(xué)，2015，48(2)：314-323.

WANG Pengbo，LI Jianming，DING Juanjuan，et al. Effect of water and fertilizer coupling on quality，yield and water use efficiency of tomato cultivated by organic substrate in bag [J]. Scientia Agricultural Sinica，2015，48(2)：314-323. (in Chinese)

87 邢英英，張富倉(cāng)，張燕，等.滴灌施肥水肥耦合對(duì)溫室番茄產(chǎn)量、品質(zhì)和水氮利用的影響[J]. 中國(guó)農(nóng)業(yè)科學(xué)，2015，48(4)：713-726.

XING Yingying，ZHANG Fucang，ZHANG Yan，et al. Effect of irrigation and fertilizer coupling on greenhouse tomato yield， quality， water and nitrogen utilization under fertigation [J]. Scientia Agricultural Sinica， 2015，48(4)：713-726. (in Chinese)

88 楊丹妮，常麗英，沈海斌，等.基于水肥耦合模型的上海地區(qū)設(shè)施番茄水肥方案研究[J].上海農(nóng)業(yè)學(xué)報(bào)，2017，33(4)：82-89.

YANG Danni，CHANG Liying，SHEN Haibin，et al. Water-fertilizer scheme of greenhouse tomato production in Shanghai based on the water-fertilizer coupling model [J]. Acta Agricultural Shanghai，2017，33(4)：82-89. (in Chinese)

89 TIPIS Ole Mpusia P. Comparison of water consumption between greenhouse and outdoor cultivation [D]. ENSCHEDE: International Institute for GEO-Information Science and Earth Observation，2006.

90 ZHANG H，XIONG Y，HUANG G，et al. Effects of water stress on processing tomatoes yield，quality and water use efficiency with plastic mulched drip irrigation in sandy soil of the Hetao Irrigation District[J]. Agricultural Water Management，2016，179：205-214.

91 NISHINA H. Development of speaking plant approach technique for intelligent greenhouse[J]. Agriculture & Agricultural Science Procedia，2015，3：9-13.

92 WANG Xinzhong, HAN Xu, MAO Hanping. Vision-based detection of tomato main stem in greenhouse with red rope[J]. Transactions of the CSAE，2012，28(21)：135-141.

93 王海青，姬長(zhǎng)英，顧寶興，等．基于機(jī)器視覺(jué)和支持向量機(jī)的溫室黃瓜識(shí)別[J/OL]．農(nóng)業(yè)機(jī)械學(xué)報(bào)，2012，43(3)：163-167. http:∥www.j-csam.org/jcsam/ch/reader/view_abstract.aspx?flag=1&file_no=20120330 &journal_id=jcsam. DOI：10.6041/j.issn.1000-1298.2012.03.030.

WANG Haiqing，JI Changying，GU Baoxing，et al．In-greenhouse cucumber recognition based on machine vision and least squares support vector machine [J/OL]. Transactions of the Chinese Society for Agricultural Machinery，2012，43(3)：163-167．(in Chinese)

94 李寒，張漫，高宇，等. 溫室綠熟番茄機(jī)器視覺(jué)檢測(cè)方法[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2017，33(增刊1)：328-334.

LI Han，ZHANG Man，GAO Yu，et al．Green ripe tomato detection method based on machine vision in greenhouse[J]. Transactions of the CSAE，2017，33(Supp.1)：328-334. (in Chinese)

95 孫國(guó)祥，汪小旵，閆婷婷，等. 基于機(jī)器視覺(jué)的植物群體生長(zhǎng)參數(shù)反演方法[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2014，30(20)：187-195.

SUN Guoxiang，WANG Xiaochan，YAN Tingting，et al. Inversion method of flora growth parameters based on machine vision[J]. Transactions of the CSAE，2014，30(20)：187-195. (in Chinese)

96 LI Xiaobin，WANG Yushun，F(xiàn)U Lihong. Monitoring lettuce growth using K-means color image segmentation and principal component analysis method [J]. Transactions of the CSAE，2016，32(12)：179-186.

97 張瑜，汪小旵，孫國(guó)祥，等.基于激光視覺(jué)的溫室作物莖葉量測(cè)方法[J/OL].農(nóng)業(yè)機(jī)械學(xué)報(bào)，2014，45(9)：254-259. http:∥www.j-csam.org/jcsam/ch/reader/view_abstract.aspx?flag=1&file_no=20140941&journal_id=jcsam. DOI：10.6041/j.issn.1000-1298.2014.09.041.

ZHANG Yu，WANG Xiaochan，SUN Guoxiang，et al.Leaves and stems measurement of plants based on laser vision in greenhouses[J/OL].Transactions of the Chinese Society for Agricultural Machinery，2014，45(9)：254-259. (in Chinese)

98 馮青春，程偉，楊慶華，等. 基于線結(jié)構(gòu)光視覺(jué)的番茄重疊果實(shí)識(shí)別定位方法研究[J]. 中國(guó)農(nóng)業(yè)大學(xué)學(xué)報(bào)，2015， 20(4)：100-106.

FENG Qingchun，CHENG Wei，YANG Qinghua，et al. Identification and localization of overlapping tomatoes based on linear structured light vision system [J].Journal of China Agricultural University，2015，20(4)：100-106. (in Chinese)

99 石吉勇，鄒小波，趙杰文，等. 近紅外光譜技術(shù)快速無(wú)損診斷黃瓜植株氮、鎂元素缺乏[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2011，27(8)：283-287.

SHI Jiyong，ZOU Xiaobo，ZHAO Jiewen, et al. Rapid and non-destructive diagnostics of nitrogen and magnesium deficiencies in cucumber plants by near-infrared spectroscopy[J]. Transactions of the CSAE，2011，27(8)：283-287. (in Chinese)

100 孫俊，金夏明，毛罕平，等. 基于高光譜圖像的生菜葉片氮素含量預(yù)測(cè)模型研究[J]. 分析化學(xué), 2014，5(5)：672-677.

SUN Jun，JIN Xiaming，MAO Hanping，et al. A model for predicting nitrogen of lettuce leaves based on hyperspectral imaging[J].Chinese Journal of Analytical Chemistry，2014，5(5)：672-677. (in Chinese)

101 朱文靜, 毛罕平, 李青林，等. 偏振-高光譜多維光信息的番茄葉片營(yíng)養(yǎng)診斷[J]. 光譜學(xué)與光譜分析，2014，34(9)：2500-2505.

ZHU Wenjing，MAO Hanping，LI Qinglin，et al. Study on the polarized reflectance-hyperspectral information fusion technology of tomato leaves nutrient diagnoses [J]. Spectroscopy and Spectral Analysis，2014，34(9)：2500-2505. (in Chinese)

102 劉紅玉, 毛罕平, 朱文靜,等.基于高光譜的番茄氮磷鉀營(yíng)養(yǎng)水平快速診斷[J]. 農(nóng)業(yè)工程學(xué)報(bào), 2015, 31(增刊1)：212-220.

LIU Hongyu，MAO Hanping，ZHU Wenjing，et al. Rapid diagnosis of tomato N-P-K nutrition level based on hyperspectral technology [J]. Transactions of the CSAE，2015，31(Supp.1)：212-220. (in Chinese)

103 胡靜，毛罕平，左志宇，等. 基于微電極技術(shù)的溫室黃瓜氮脅迫早期診斷技術(shù)[J/OL]. 農(nóng)業(yè)機(jī)械學(xué)報(bào)，2015，46(9)：302-307. http:∥www.j-csam.org/jcsam/ch/reader/view_abstract.aspx?flag=1&file_no= 20150944&journal_id =jcsam. DOI：10.6041/j.issn.1000-1298.2015.09.044.

HU Jing，MAO Hanping，ZUO Zhiyu，et al. Early diagnosis of cucumber nitrogen stress based on microelectrode technique[J/OL].Transactions of the Chinese Society for Agricultural Machinery，2015，46(9)：302-307.(in Chinese)

104 李晉陽(yáng)，毛罕平.基于阻抗和電容的番茄葉片含水率實(shí)時(shí)監(jiān)測(cè)[J/OL].農(nóng)業(yè)機(jī)械學(xué)報(bào)，2016，47(5)：295-299. http:∥www.j-csam.org/jcsam/ch/reader/view_abstract.aspx?flag=1&file_no=20160540&journal_id= jcsam. DOI：10.6041/j.issn.1000-1298.2016.05.040.

LI Jinyang，MAO Hanping.Monitoring of tomato leaf moisture content based on electrical impedance and capacitance[J/OL].Transactions of the Chinese Society for Agricultural Machinery，2016，47(5)：295-299.(in Chinese)

105 孫紅，孫明，王一鳴. 植物生長(zhǎng)機(jī)器視覺(jué)無(wú)損測(cè)量研究綜述[J]. 農(nóng)業(yè)機(jī)械學(xué)報(bào)，2006，37(10)：181-185.

SUN Hong, SUN Ming, WANG Yiming. Status and trend of research on non-destructive measurement of plant growth based on machine vision [J]. Transactions of the Chinese Society for Agricultural Machinery，2006， 37(10)：181-185. (in Chinese)

106 張大龍，張中典，李建明.環(huán)境因子對(duì)溫室甜瓜蒸騰的驅(qū)動(dòng)和調(diào)控效應(yīng)研究[J/OL].農(nóng)業(yè)機(jī)械學(xué)報(bào)，2015，46(11)：137-144.http:∥www.j-csam.org/jcsam/ch/reader/view_abstract.aspx?flag=1&file_no=20151119&journal_id=jcsam. DOI：10.6041/j.issn.1000-1298.2015.11.019.

ZHANG Dalong，ZHANG Zhongdian，LI Jianming.Co-ordination of environmental factors in driving and regulating transpiration rate of greenhouse grown muskmelon[J/OL].Transactions of the Chinese Society for Agricultural Machinery，2015，46(11)：137-144. (in Chinese)

107 LI J Y，LI M Q，MAO H P，et al. Diagnosis of potassium nutrition level inSolanumlycopersicumbased on electrical impedance [J]. Biosystems Engineering，2016，147：130-138.

108 高洪燕，毛罕平，張曉東，等.基于多信息融合的番茄冠層水分診斷[J].農(nóng)業(yè)工程學(xué)報(bào)，2012，28(16)：140-144.

GAO Hongyan，MAO Hanping，ZHANG Xiaodong，et al. Water moisture diagnosis of tomato canopy based on multi-information fusion [J]. Transactions of the CSAE，2012，28(16)：140-144. (in Chinese)

109 王曉森，孟兆江，段愛(ài)旺，等.基于莖直徑變化監(jiān)測(cè)番茄水分狀況的機(jī)理與方法[J].農(nóng)業(yè)工程學(xué)報(bào)，2010，26(12)：107-113.

WANG Xiaosen，MENG Zhaojiang，DUAN Aiwang，et al. Mechanism and methodology for monitoring tomato water content based on stem diameter variation [J]. Transactions of the CSAE，2010，26(12)：107-113. (in Chinese)

110 ZUO Z Y，TAN J，MAO H P，et al. Modelling of tomato stem diameter growth rate based on physiological responses [J]. Pakistan Journal of Botany，2017，49(4)：1429-1434.

111 孫國(guó)祥，李永博，汪小旵，等. 基于作物生理信息的夏季溫室黃瓜節(jié)水灌溉模型研究[J]. 灌溉排水學(xué)報(bào)，2014，33(2)：1-5.

SUN Guoxiang，LI Yongbo，WANG Xiaochan，et al. Water-saving irrigation model based on the information of crop physiological for the summer greenhouse cucumber [J]. Journal of Irrigation and Drainage，2014，33(2)：1-5.(in Chinese)

112 AHMAD U，SUBRATA D M，ARIF C. Speaking plant approach for automatic fertigation system in greenhouse [C]∥International Journal of Signal Processing，Image Processing & P，2011，4(3)：94-106.

113 袁洪波，李莉，王海華，等. 溫室封閉式栽培自適應(yīng)灌溉方法[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2015，31(22)：222-228.

YUAN Hongbo，LI Li，WANG Haihua，et al. Adaptive irrigation method for closed cultivation in greenhouse [J]. Transactions of the CSAE,2015，31(22)：222-228. (in Chinese)

114 韓麗娜. 基于Penman-Monteith方程的溫室智能滴灌控制系統(tǒng)研制[D]. 南京：南京農(nóng)業(yè)大學(xué), 2013.

HAN Lina. Intelligent drip irrigation control system for greenhouse based on Penman-Monteith equation [D]. Nanjing：Nanjing Agricultural University，2013. (in Chinese)