A decision-making method for light regulation of cucumber seedlings considering changes of temperature and CO2 in protected agriculture
Pan Gao · Huimin Li · Jinghua Xu 等 5 人
构建数据驱动光调控决策框架，优化黄瓜幼苗光强与光谱以提升光合效率并降低能耗。
人工神经网络预测净光合速率，U弦法确定光强，三次样条-全局牛顿法优化光谱，支持向
模型预测精度高，较传统策略降低能耗40-46%，动态光谱调整提升光合效率5%。
可探索多环境因子耦合的实时闭环光调控，并迁移至其他设施作物验证泛化性。
该研究提出数据驱动的设施黄瓜育苗光调控决策方法，节能40-46%且提升光合效率，方法新颖、数据可靠，对智慧农业光环境管理有较高参考价值。
光作为光合作用的主要能量来源，显著影响植物形态和生物量积累。在设施农业系统中，光环境参数（光强与光谱质量）对作物生产力具有决定性作用。本研究开发了一种数据驱动的黄瓜幼苗光优化框架。首先，基于涵盖多种环境条件的经验数据，建立了人工神经网络（artificial neural network）以预测净光合速率。随后，为实现光合效率最大化与能耗最小化的协同优化，实施了两项关键创新：采用U弦法（U-chord method）确定目标光强，并设计了三次样条-全局牛顿混合算法（hybrid cubic spline-global Newton algorithm）用于光谱质量优化。通过支持向量回归（support vector regression）融合各子系统，构建了用于实时光管理的自适应决策模型。结果表明，人工神经网络模型实现了优异的净光合速率预测精度，决定系数>0.95，均方根误差<1.6 μmol m⁻² s⁻¹，平均绝对误差≤1.2 μmol m⁻² s⁻¹。目标光强点有效划分了净光合速率-光合光子通量密度响应曲线中的光限制阶段与光饱和阶段。最终决策模型表现出良好的泛化能力（光谱决策模型与光强决策模型的决定系数均>0.97）。仿真量化了所提策略的优势。与传统最大净光合速率导向策略相比，该方法将补光能耗降低了40%~46%，同时动态光谱调节使光合效率较静态对照提高了5%。本研究有效提升了光能利用效率，为设施农业光调控提供了理论方法。