论文总字数：15395字

摘 要

二氧化碳是作物光合作用的主要原料之一，是日光温室生产管理重要的监测、调控指标。本文利用物联网每5min采集一次温室的温度、光照强度、二氧化碳浓度数据，基于监测数据构建了温室温度、光照强度等环境动态变化预测模型。根据温室环境动态变化预测模型，耦合作物生理过程，最终构建了温室二氧化碳浓度动态变化预测模型和冬季晴天时温室二氧化碳浓度动态变化预测模型。模型定量描述了作物与土壤有氧呼吸速率、作物净光合速率。结果表明，模型能够较好的预测温室二氧化碳浓度动态变化过程，模型的分别为0.989%和0.83%。

关键词：温室，物联网，二氧化碳，预测模型

Abstract：Carbon dioxide is one of the main raw materials for crop photosynthesis and is an important monitoring and regulation index for the production management of solar greenhouses. In this paper, the temperature, light intensity, and carbon dioxide concentration data of the greenhouse were collected every five minutes using the Internet of Things, and based on the monitoring data, the prediction models of greenhouse temperature, light intensity, and other environmental dynamic changes were constructed. According to the prediction model of the dynamic changes in the greenhouse environment, coupled with the physiological process of crops, a prediction model for the dynamic change of greenhouse carbon dioxide concentration and a prediction model for the dynamic change of greenhouse carbon dioxide concentration during the sunny days in winter were constructed. The model quantitatively describes the aerobic respiration rate of crops and soil, and the net photosynthetic rate of crops. The results show that the model can better predict the dynamic changes of greenhouse carbon dioxide concentration. The relative errors of the model are 0.989% and 0.83% respectively.

Keywords： Greenhouse, Internet of things, Carbon dioxide, Prediction mod

目录

1 前言 3

2 实验设计 4

3 物联网环境信息采集 6

4 物联网与生理过程耦合的温室CO₂浓度预测模型构建 6

4.1温度动态变化预测模型的构建 6

4.2 光照强度动态变化预测模型的构建 9

4.3作物有氧呼吸和土壤呼吸释放CO₂速率预测模型的构建 11

4.4作物净光合作用吸收CO₂速率预测模型的构建 13

4.5温室白天CO₂浓度动态变化预测模型的构建 15

5 温室冬季晴天时CO₂动态变化预测模型的构建 16

5.1作物净光合作用消耗CO₂速率预测模型的构建 16

5.2温室冬季晴天时CO₂浓度动态变化预测模型的构建 17

结论 19

参考文献 20

致谢 23

1 前言

设施园艺是指采用现代农业工程与机械技术，利用人工建造的设施，为作物提供良好环境条件的生产方式^{[1, 2]}。设施园艺是高科技含量、高产品附加值、高土地产出率与劳动生产率的“三高”农业^[3]。20世纪80年代以来，以节能式日光温室为代表的设施园艺在各地迅速发展。到如今，无论是设施面积还是产量，中国都居于世界第一的位置^[5]，成为世界上设施园艺第一生产大国^[2]。

随着设施园艺的迅速发展，在生产中也暴露了一些实际问题^{[6, 7]}。与设施园艺技术发展较发达的荷兰和日本相比，中国设施园艺作物的平均产量分别为其平均产量的1/6和1/3^[8]。其主要原因在于设施内环境是以人工控制的方式来满足作物生长条件的生物环境^[9]，其覆盖严密，气密性高^[10]，特别是在冬季，温室常常处于保温状态，这使得温室几乎处于密闭状态，因得不到室外空气中二氧化碳的补充，温室的二氧化碳浓度常低于补偿点，此时作物的净光合产物为零，白白浪费了进入温室的光能^{[11, 12]}。CO₂是作物光合作用的主要原料。有试验表明，当作物在全光照1/5的环境条件下，将CO₂浓度提高3倍，作物光合作用强度可提高3倍^[13]。在自然条件下，大气中CO₂浓度一般340~350。而春、冬季因保温需求，设施环境内CO₂浓度最低时仅为100，与满足作物生长需求的600~1500相差较多^[14]， CO₂浓度成为影响作物生长的限制因子^[15]。因此CO₂是温室监控中环境参数的一个重要因素^[16]。

CO₂增施技术是一项很重要的农艺增产措施^[17-19]。通过对设施内CO₂浓度的调控，可以使作物处于良好的生长环境^{[15, 20]}。在提高作物对生物逆境与非生物逆境抗性的同时^[21]，也改变了作物对矿物质的吸收与分配^{[22, 23]}，提高了作物的产量与品质^[24-29]。生产上CO₂增施的方式多种多样，包括化学反应法^[30]、瓶装液态CO₂法、固体CO₂肥料法、生物生态法等^[31-34]。这些方法已取得了明显的增产效果^[35]，但是在CO₂调控的精度上仍然有提升的空间。物联网技术把物品与互联网联系起来，进行信息采集交流。现代温室中，采用多个测量点来追踪大型温室不同部位的气候参数，以确保温室自动化系统的正常运行^[36-38]。在监测日光温室CO₂浓度与调控上也取得了不少成果^[39-41]。利用物联网技术可以快速精准的获取温室内的CO₂浓度变化情况，为实现CO₂精准化调控提供了依据^[42-44]。

温室CO₂浓度动态变化的研究对提高CO₂增施技术的精准性具有重要意义，能够为CO₂施用提供科学依据。在魏珉等人的研究中发现，日光温室CO₂浓度日变化呈现“U”字型，冬季CO₂亏缺通常发生在早晨揭苫后1~3.1h，并持续4~7.7h^[45]。在马成芝等人的研究中发现，日光温室CO₂浓度日变化浮动范围较大，其浓度随着时间变化呈现“U”字型、“W”字型以及马鞍型的特征。温室内最低浓度随季节变化而不同，但总体上处于12：00~17:00^[46]。

剩余内容已隐藏，请支付后下载全文，论文总字数：15395字