叶面饱和水汽压差驱动的日光温室智能环控系统优化与验证_郭嘉.pdf

引用本文格式 郭嘉 芦天罡 刘胤池 等 叶面饱和水汽压差驱动的日光温室智能环控系统优化与验证 J 农业工程 2026 16 2 38 44 DOI 10 19998 ki 2095 1795 202506038 GUO Jia LU Tiangang LIU Yinchi et al Optimization and validation of solar greenhouse intelligent environmental control system driven by leaf vapor pressure deficit J Agricultural Engineering 2026 16 2 38 44 叶面饱和水汽压差驱动的日光温室 智能环控系统优化与验证 郭 嘉 芦天罡 刘胤池 梁建平 唐 朝 何继源 杨莹莹 北京市数字农业农村促进中心 北京 101117 摘 要 为解决传统温室环境调控系统滞后性强 参数波动大等问题 提出一种基于叶面饱和水汽压差 Leaf VPD 的 智能环控系统 构建Leaf VPD与温室环境参数的动态耦合模型 结合模糊控制理论与物联网技术 实现从环境参数阈值 控制向作物生理状态优化的转变 并采用室外累积温度4阶段模型与多设备协同策略提升调控效率 试验结果表明 该 系统在温湿度控制方面表现优异 日间温度与湿度达标率分别达到92 和89 温湿度波动范围控制在 1 2 C和 8个 百分点 作物生长方面 番茄平均株高158 cm 坐果率达95 病害发生率仅3 显著优于传统人工调控温室 该系统 有效提升环境稳定性与作物生理性能 可为设施农业的智能化发展提供技术支撑 关键词 叶面饱和水汽压差 日光温室 智能调控 模糊控制 智慧农业 中图分类号 S625 文献标识码 A 文章编号 2095 1795 2026 02 0038 07 DOI 10 19998 ki 2095 1795 202506038 Optimization and validation of solar greenhouse intelligent environmental control system driven by leaf vapor pressure deficit GUO Jia LU Tiangang LIU Yinchi LIANG Jianping TANG Zhao HE Jiyuan YANG Yingying Beijing Digital Agriculture Rural Promotion Center Beijing 101117 China Abstract To address issues such as strong hysteresis and significant parameter fluctuations in traditional greenhouse environmental con trol systems an intelligent environmental control system based on leaf vapor pressure deficit Leaf VPD was proposed A dynamic coupling model between Leaf VPD and greenhouse environmental parameters was established integrating fuzzy control theory with IoT technology to transition from threshold based environmental parameter control to crop physiological state optimization An outdoor cu mulative temperature four stage model and a multi device coordination strategy were adopted to improve regulation efficiency Experi mental results demonstrated system s outstanding performance in temperature and humidity control Daytime temperature and humidity compliance rates reached 92 and 89 respectively with fluctuations controlled within 1 2 C and 8 percentage points Regarding crop growth tomatoes achieved an average plant height of 158 cm a fruit setting rate of 95 and a disease incidence rate of only 3 significantly outperforming traditional manually controlled greenhouses This system effectively enhanced environmental stability and crop physiological performance offering a reliable technical support for facility agriculture intelligent development Keywords leaf vapor pressure deficit solar greenhouse intelligent control fuzzy control smart agriculture 0 引言 随着农业信息化与现代化进程的加速 智慧农业 已成为设施农业发展的必然方向 温室环境精准调控 作为智慧农业的核心环节 其控制策略直接影响作物 的产量与品质 传统温室环控系统多基于单因素 如 温度 或双因素 如温湿度 的阈值控制模式 通过 设定固定阈值触发设备启停 然而 此类方法存在显 著缺陷 如调控滞后性强 环境参数波动大 稳定性 差 不仅难以满足作物动态生长需求 还可能因环境 收稿日期 2025 06 23 修回日期 2025 09 15 基金项目 2025年现代农业产业技术体系北京市创新团队项目 BAIC10 2025 E03 作者简介 郭嘉 硕士 高级工程师 主要从事农业信息化研究 E mail guojia 芦天罡 通信作者 硕士 正高级农艺师 主要从事农业信息化研究 E mail lutg 第 16 卷 第 2 期农 业 工 程Vol 16 No 2 2026 年 2 月AGRICULTURAL ENGINEERING Feb 2026 骤变导致作物生理损伤 现有环控技术虽致力于为作 物提供适宜生长环境 但普遍忽略了一个关键问题 即在给定环境条件下 作物是否处于最优生长状态 叶面饱和水汽压差 Leaf VPD 作为表征作物生理状 态的核心指标 直接调控气孔开闭 蒸腾作用及光合 效率等关键生理过程 研究表明 当Leaf VPD偏离适 宜范围时 气孔导度显著降低 导致光合效率下降和 资源利用率不足 仅当Leaf VPD处于最优区间时 作 物生理机能才能充分发挥 实现有机物合成效率最大 化 因此 理想的温室环控系统需同时满足两个条件 一是环境参数 温 光 水 气等 符合作物需求 二是作物生理状态 以Leaf VPD为表征 达到最优水 平 如何构建基于Leaf VPD动态反馈的智能环控系统 成为突破传统调控瓶颈 实现设施农业提质增效的关 键问题 本研究以Leaf VPD为核心调控指标 将作物生理 状态参量引入温室环境控制 通过建立Leaf VPD与温 室环境参数的动态耦合模型 构建基于物联网的智能 调控架构 实现从传统环境参数控制到作物生理状态 优化的调控理念转变 为设施农业精准化管理提供新 的技术途径 1 理论与技术基础 1 1 Leaf VPD Leaf VPD是指植物叶片表面饱和水汽压与周围空 气实际水汽压之间的差值 它反映空气从植物叶片中 抽取 水分的驱动力 直接影响植物的蒸腾作用 气孔开闭 水分利用效率 甚至光合作用和生长速率 Leaf VPD与植物的关系如图1所示 当Leaf VPD过高 时 湿度过低 叶片蒸发速率可能超过根部供水量 会导致气孔关闭 光合作用减慢或停止 一旦气孔关 闭 叶片就会面临高温伤害的风险 作物生长速度和 质量也会降低 当Leaf VPD过低时 湿度过高 即 使气孔可能完全打开 植物也无法蒸发足够的水以使 矿物质 如钙 运输到生长的植物细胞中 在Leaf VPD极低情况下 水分可能会从空气中凝结到叶子 果实和其他植物部位 这会为真菌生长和疾病提供媒 介 因此 Leaf VPD作为作物生长过程中的一个重要 指标 将其控制在合适范围内有助于获得植株生长最 佳效果 同时减轻害虫和环境问题 1 2 Leaf VPD计算公式为 DL VL Va 1 式中 DL 叶片温度下饱和水汽压差 VL 空气饱和水汽压 Va 当前实际水汽压 计算时 叶片温度通常比空气温度低1 3 C 计 算饱和水汽压差时 引入Magnus公式 VL 0 61078e 17 27TT 237 3 2 Va VLR 3 代入式 1 得 D 0 61078e 17 27TT 237 3 1 R 4 DL 0 61078e 17 27TL TL 237 3 1 R 5 式中 D 空气温度下饱和水汽压差 T 空气温度 R 相对湿度 TL 叶片温度 Leaf VPD可帮助确定种植空间内正确温度和湿度 范围 最适范围可通过生长响应模型确定 根据Leaf VPD计算公式 SHAMSHIRI R等 3 5 提出了VPD生 长响应模型 集合中Leaf VPD的最大值Dmax属于温室 内最大温度Tmax和最小湿度Rmin的组合 Leaf VPD的 最小值Dmin属于温室内最小温度Tmin和最大湿度Rmax 的组合 即 Dmax f Tmax Rmin 6 Dmin f Tmin Rmax 7 本研究以番茄为供试作物 利用Leaf VPD最大值 和最小值的概念和相应的温度 湿度边界值和最适值 数值模拟了Leaf VPD的生长响应函数 得到常用温湿 度条件下Leaf VPD范围值 一般来说 Leaf VPD最适 范围在0 40 1 37 kPa 6 如图2所示 图中绿色表示 Leaf VPD适宜 黄色表示Leaf VPD较适宜 红色表 示Leaf VPD不适宜 1 2 智能环控模型架构 为系统评估Leaf VPD在现代设施温室环境调控中 图1 Leaf VPD对作物气孔开闭的影响 Fig 1 Effects of Leaf VPD on crop stomatal opening and closing 郭嘉 等 叶面饱和水汽压差驱动的日光温室智能环控系统优化与验证 39 实际应用效果 以及与高压微雾 卷膜通风等温湿度 控制设备的联动策略 基于模糊控制理论构建一套智 能环境调控系统模型 主要包括作物感受分析模块 温室内环境因素分析模块 温室外环境因素分析模块 负载分析模块和调控手段分析模块 如图3所示 图3 智能环境调控系统模型 Fig 3 Intelligent environmental control system model 1 作物感受分析模块 基于当前叶片温度及相 对湿度 计算实时Leaf VPD 得到当前作物对环境的 反馈 如图4所示 图4 作物感受分析模块 Fig 4 Crop sensation analysis module 2 温室内环境因素分析模块 根据作物对环境 的反馈结果判断当前温室内环境状况是否适宜 也就 是在Leaf VPD合适 偏高和偏低3种情况下 确定温 湿度是否平衡 参考温度湿度最优隶属函数 最终会 得到6种调控方式 分别是增温 除湿 降温 增湿 增温除湿 矛盾点 和降温增湿 矛盾点 其中增 温除湿 矛盾点 和降温增湿 矛盾点 会进一步处 理 7 如图5所示 3 温室外环境因素分析模块 准确掌握温室外 环境参数是实现温室内环境精准调控的重要前提 同 时室外环境条件也直接影响温室负载类型的使用 传 统环境控制模型通常采用基于季节划分的负载类型分 配策略 如在冬季工况下默认禁用高压微雾系统 但 这种季节依赖型的调控方式存在明显的局限性 延迟 性和偶然性 本研究将室外累积温度作为环境类型判 定的核心指标 利用大数据分析得到每个月份累积温 度 6 00 18 00 分布图 如图6所示 其中红色标 图2 Leaf VPD适宜范围 Fig 2 Optimal range for Leaf VPD 图5 温室内环境因素分析模块 Fig 5 Greenhouse environmental factors analysis module 40 农业工程设施农业工程 记用于标识最高点 代表全年温度峰值 蓝色标记用 于标识最低点 代表全年温度谷值 黄色或绿色标记 转折点或异常点 根据温度分布聚集结果划分寒冷阶段 HLS 适 宜阶段 SYS 热过渡阶段 RGDS 和炎热阶段 YRS 4个阶段 HLS和SYS界限值为TS1 SYS和 RGDS界限值为TS2 RGDS和YRS界限值为TS3 分 析并比较温室外累积温度TJL和界限值的关系 当 TJL TS1时 为寒冷阶段 HLS 当TS1 TJL TS2时 为适宜阶段 SYS 当TS2 TJL TS3时 为热过渡阶 段 RGDS 当TJL TS3时 为炎热阶段 YRS 得到4个阶段之后 利用气象预报数据得到未来某1 d 的TJL 根据其数值大小反馈至4个阶段中 完成温室 外环境因素分析 8 如图7所示 4 负载分析模块 根据不同阶段的特征选择可 用的负载设备 如图8所示 寒冷阶段不应用和配置 下卷膜和高压微雾策略 炎热阶段可同时考虑上下卷 膜 高压微雾 卷被的联动应用 图8 负载分析模块 Fig 8 Load analysis module 5 调控手段分析模块 根据阶段特点和温湿度 实时结果选择正确且合理的调控手段 确保作物自身 和温室内部环境都处在最优状态 如图9所示 图中 T1为目标温度下限值 T2为目标温度上限值 TSX为当 前环境中实时温室内温度值 TSW为当前状态下实时温 室外温度值 2 试验设计与结果 2 1 试验场地 经过调研 选择北京市郊区某现代农业示范园区 开展试验 为确保试验数据可比性 选择2个相邻 种植番茄的柔性日光温室进行对比试验 分别标记为 温室A和温室B 2个温室在建筑结构 栽培品种 种植密度等基础条件上均保持高度一致 有效排除非 试验变量对研究结果的干扰 其中 温室A安装高压 微雾 卷膜卷被等控制设备 基于Leaf VPD的温室环 境参数动态耦合模型及设定的控制策略进行环控 温 室B未安装设备 保留传统种植模式 采用人工经验 进行调控 9 2 2 数据采集与指标观测 在2个温室内均匀布置温湿度传感器 光照传感 器 每温室3个点位 距地面1 5 m高度 每10 min 采集1次温室内温湿度 光照强度等环境数据 试验 时间为2024年5月15日 6月30日 涵盖夏季高温 高湿典型时段 番茄处于开花坐果期至果实膨大期 试验设定温室目标环境参数为日间温度25 28 C 湿 度60 75 夜间温度18 22 C 湿度70 85 试验对2个温室日间温湿度调控效果 作物生长表现 进行对比 主要观测指标包括温湿度波动范围 日间 夜间 高压微雾设备日均运行时长及能耗 番茄植 株生长指标 株高 坐果率 病害发生率 2 3 试验结果 试验期内 对温室A 温室B温湿度调控效果 作物生长表现进行数据记录 并计算平均值 结果如 图6 累积温度分布 Fig 6 Cumulative temperature distribution 注 TSX为当前环境实时温室内温度 图7 温室外环境因素分析模块 Fig 7 Outdoor environmental factors analysis module 郭嘉 等 叶面饱和水汽压差驱动的日光温室智能环控系统优化与验证 41 图9 调控手段分析模块 Fig 9 Regulation measures analysis module 42 农业工程设施农业工程 表1所示 温室A在环境温湿度调控方面表现更为优 异 其温湿度达标率显著高于温室B 温室A温湿度 波动范围明显更小 能够将环境参数维持在更稳定的 水平 而温室B因人工调控滞后性 温湿度波动幅度 相对较大 稳定性较差 作物生长表现也明显受到影 响 得益于更优的Leaf VPD调控 温室A光合作用效 率得到有效提升 其植株平均株高较温室B高17 坐果率高15个百分点 同时因为避免过湿状态发生 病害发生率温室A要显著低于温室B 表 1 试验数据对比情况 Tab 1 Comparison of experiment data 指标 温 室 A 温 室 B 温湿度调控效果 日间温度达标率 92 65 日间湿度达标率 89 58 温度波动范围 C 1 2 3 8 湿度波动范围 百分点 8 22 作物生长表现 平均株高 cm 158 135 坐果率 95 80 病害发生率 3 15 3 讨论与展望 3 1 讨论 本研究通过构建基于Leaf VPD的智能环控系统 实现温室环境调控从环境参数阈值控制到作物生理状 态优化的范式转变 主要表现3个方面 10 15 1 作物生理与生长性能同步优化 通过Leaf VPD动态反馈机制 实现了作物气孔导度 蒸腾效率 等关键生理指标的优化调控 在维持最优生理状态的 同时 实现了株高 坐果率等生长指标的系统性提升 验证了生理 生长协同优化的可行性 2 环境参数的智能精准调控 将Leaf VPD动 态反馈机制与模糊控制理论相结合 解决了传统阈值 调控的滞后性缺陷 如响应延迟 参数波动大等问 题 建立了以作物生理状态为核心的新型环控理论 框架 通过室外累积温度4个阶段划分模型 实现了 环境调控策略与气候条件的智能匹配 为复杂多变环 境下的精准控制提供了方法论指导 3 多设备协同调控的可行性 基于环境状态识 别的设备联动控制 实现了高压微雾 卷膜通风 保 温被等多类型设备的智能协同工作 有助于解决传统 季节依赖型调控的滞后性问题 以及传统单设备独立 控制导致的资源浪费问题 有效提升系统稳定性与能 效比 16 17 3 2 研究展望 1 多作物生理调控模型的拓展 目前主要针对 番茄作物建立了Leaf VPD优化调控模型 未来可将研 究范围拓展到果菜类 如黄瓜 辣椒 和叶菜类 如 生菜 菠菜 等不同作物的Leaf VPD特性研究 通过 系统的生理试 验测定各类作物在不同生长阶段的最适 Leaf VPD区间 同时 也可开发模块化的作物生长响 应模型库 实现根据不同作物类型和生长阶段自动配 置最优调控参数的功能 这将显著提升系统的适用性 和推广价值 18 19 2 智能算法的深度优化 针对现有调控算法的 局限性 未来可引入深度强化学习等先进人工智能技 术 通过构建作物生长与环境参数的深度神经网络模 型 实现Leaf VPD目标区间的自主学习和动态优化 此外 也可开发基于数字孪生技术的虚拟仿真平台 整合历史环境数据 作物生长模型和设备运行参数 为不同气候条件下的调控策略提供预演和优化支持 从而降低实际应用中的试错成本 3 极端气候应对能力的提升 在极端气候应对 方面 未来可开展低温寡照环境下的补光 加温协同控 制策略研发 通过优化光温耦合算法 在保证作物光 合需求的同时降低能耗 也可研发高温高湿环境的快 速降湿方案 研究基于预测控制的主动除湿技术 解 决传统方法响应滞后的问题 提升系统在异常气候条 件下的稳定性 4 结束语 本研究建立了Leaf VPD与温室环境参数的动态耦 合模型 为温室环境精准调控提供了创新性的技术解 决方案 也为设施农业智能化发展提供了有益的理论 参考和实践经验 下一步将着力推进技术成果转化 助力我国设施农业提质增效和可持续发展 参考文献 芦天罡 张辉鑫 唐朝 等 基于农业物联网的日光温室智能控 制系统研究 J 现代农业科技 2022 2 147 151 LU Tiangang ZHANG Huixin TANG Zhao et al Research on in telligent control system of solar greenhouse based on agricultural Internet of Things J Modern Agricultural Science and Technology 2022 2 147 151 1 EI ATTAL A H Decision model for hydroponic tomato production Hytodmod using utility theory J Agricultural and Food Sciences 1995 2 SHAMSHIRI R ISMAIL W I W AHMAD D Adaptive analysis framework for controlled environments plant production case study in tropical lowland Malaysia C Proceedings of 2014 American Society of Agricultural and Biological Engineers Annual International Meeting Michigan ASABE 2014 1 18 3 SHAMSHIRI R Measuring optimality degrees of microclimate para meters in protected cultivation of tomato under tropical climate condi tion J Measurement 2017 106 236 244 4 郭嘉 等 叶面饱和水汽压差驱动的日光温室智能环控系统优化与验证 43 SHAMSHIRI R CHE MAN H ZAKARIA A J et al Membership function model for defining optimality of vapor pressure deficit in closed field cultivation of tomato J Acta Horticulturae 2017 1152 281 290 5 王京波 设施农业发展与对策分析 J 农业开发与装备 2020 7 20 26 6 曹冰雪 李瑾 冯献 等 我国智慧农业的发展现状 路径与对 策建议 J 农业现代化研究 2021 42 5 785 794 CAO Bingxue LI Jin FENG Xian et al Development status path and countermeasures of smart agriculture in China J Research of Ag ricultural Modernization 2021 42 5 785 794 7 杜尚丰 董乔雪 徐云 等 温室生产系统环境控制算法综述 J 农业工程 2021 11 2 21 25 DU Shangfeng DONG Qiaoxue XU Yun et al Review of control algorithms for environment of greenhouse production system J Agri cultural Engineering 2021 11 2 21 25 8 SHORT T H EL ATTAL A KEENER H M et al A decision mod el for hydroponic greenhouse tomato production J Acta Horticulturae 1998 456 493 504 9 COSTA J M HEUVELINK E Tomatoes M Oxfordshire CABI Publishing 2005 10 PRENGER J J LING P P Greenhouse condensation control under standing and using vapor pressure deficit VPD J 2011 11 骆飞 徐海斌 左志宇 等 我国设施农业发展现状 存在不足 及对策 J 江苏农业科学 2020 48 10 57 62 12 毛罕平 晋春 陈勇 温室环境控制方法研究进展分析与展望 J 农业机械学报 2018 49 2 1 13 MAO Hanping JIN Chun CHEN Yong Research progress and pro spect on control methods of greenhouse environment J Transactions of 13 the Chinese Society for Agricultural Machinery 2018 49 2 1 13 雷喜红 王艳芳 牛曼丽 等 北京市设施农业应用现状及发展 建议 J 中国蔬菜 2023 12 20 25 LEI Xihong WANG Yanfang NIU Manli et al Application status and development suggestions for facility agriculture in Beijing J China Vegetables 2023 12 20 25 14 张雪花 张武 杨旭 等 农业温室环境控制方法研究综述 J 控制工程 2017 24 1 8 15 ZHANG Xuehua ZHANG Wu YANG Xu et al Survey of re search methods on agricultural greenhouse environment control J Control Engineering of China 2017 24 1 8 15 15 徐东 王雷 侍守创 基于模糊聚类算法的工业智能应用平台信 息自动分类系统设计 J 电子设计工程 2022 30 14 161 164 169 XU Dong WANG Lei SHI Shouchuang Design of automatic in formation classification system for industrial intelligent application plat form based on fuzzy clustering algorithm J Electronic Design Engin eering 2022 30 14 161 164 169 16 冯青春 陈建 成伟 等 面向番茄植株相近色目标识别的多波 段图像融合方法 J 智慧农业 中英文 2020 2 2 126 134 FENG Qingchun CHEN Jian CHENG Wei et al Multi band im age fusion method for visually identifying tomato plant s organs with sim ilar color J Smart Agriculture 2020 2 2 126 134 17 董文阁 董莉 刘念 等 日光温室番茄套作菜豆接番茄茬口高 效栽培模式 J 辽宁农业科学 2018 5 89 90 18 陈淑玲 陈莺 涂浩 基于模糊控制的机器人避障研究 J 湖 北农机化 2019 13 94 95 19 44 农业工程设施农业工程