温室微气候模拟与温室作物生长模型研究进展

2023-05-06金梁魏丹殷大伟邹国元张亦涛丁建莉王磊李艳左强申慧波王宇先王俊强孙磊王伟梁丽娜孙鑫王文

山西农业大学学报(自然科学版) 2023年1期

金梁，魏丹 *，殷大伟，邹国元，张亦涛，丁建莉，王磊，李艳，左强，申慧波，王宇先，王俊强，孙磊，王伟，梁丽娜，孙鑫，王文

（1.北京市农林科学院植物营养与资源环境研究所，北京 100097；2.黑龙江八一农垦大学，黑龙江大庆 163319；3.中国科学院地理科学与资源研究所，北京 100101；4.黑龙江省农业科学院齐齐哈尔分院，黑龙江齐齐哈尔 161006；5.黑龙江省农业科学院，黑龙江哈尔滨 150086；6.黑龙江省黑土保护研究院，黑龙江哈尔滨 150086；7.北京农学院，北京 100096）

据第2次农业普查数据，我国设施温室农业占地面积已达334万hm2［1］。温室本身是一个复杂的环境系统，其中，土壤、作物和微气候作为3个子系统，它们彼此之间通过耦合作用相互关联和影响。智慧农业是以物联网、大数据、人工智能机器人等前沿技术为支撑的一种现代农业形态［2］。农业模型是为研究农业问题的定量规律所建立数学模型的总称。利用数学模型模拟温室小气候及室内作物生长对于我们以量化角度了解温室系统是十分必要的。建模有助于研究人员系统地分析温室中的各种事件场景，并预测它们的行为。温室中微气候和植物是可以交换物质和能量的两个子系统。温室内光照、温湿度及二氧化碳浓度的变化影响作物生长，作物则通过光合与蒸腾作用影响室内小气候。为了解作物对环境和人工管理措施的复杂反应，以及温室环境对外部条件、温室特征和管理措施的动态反应，研究人员分别开发了温室气候模型和作物模型。温室气候模拟模型用于描述温室植物生长发育过程主要限制因素与温室气候之间的相互作用，包括结构形状、覆盖特征、气候控制设备和周围气候条件［3］。

植物生长取决于土壤条件、植物品种、气候及其相互作用，而作物生长模型则是优化作物管理的重要组成部分［4］。通过设置各种边界条件和参数集合，便可将以上模型所需特征量化描述，使得模型可以运用于实现温室设计、气候控制和作物管理的优化。目前功能结构植物模型（FSPM）正在不断研发、更新和升级，参考了温室气候模型和作物生长模型的部分核心内容的基础上，该类模型构架上嵌入了非生物环境模快、基因模块和生物模块，并引入了3D技术，旨在三维模型的视觉框架下了解作物性能与其生长所涉及的生物过程（图1）。近年来，由于计算机运算能力的不断提高，借助物联网和云计算，人们在气候模型和作物生长模型上开始聚焦于数字连栋温室的发展（图2），在智能控制技术飞速发展的大环境下，如何建立精准的温室预测模型来代替以往传统经验归纳阈值的方法，成为了近年学者们亟待解决的难题。本文拟对国内外温室微气候和室内作物模型进展评述总结展望，以期为我国温室模拟模型的发展研究提供一定参考。

图1 气候模型、作物模型和功能结构模型关系框架图Fig.1 Relationship framework diagram between climate models，crop models， and functional-structural models

图2 温室模型和作物模型发展历程图Fig.2 Development history of greenhouse model and crop model

1 温室动态气候模拟

1.1 温室气候模型分类

温室气候动态模型分为机械模型和黑箱模型。机械模型基于物理方程而构建的，描述了基于发生过程的知识模拟系统，其内部具有支持气候控制行动智能决策的功能［5-6］。机械模型依据物理学原理研究设置了适用于温室系统的可推荐最优控制的定量算法。黑箱模型属于经验模型，更多用于温室系统控制、优化和设计的应用。它在规定了输入数值范围基础上，依据输入输出数据进行统计描述，可用来描述温室气候［7］。Bot［8］开发了第一个温室气候的机械动力学模型，Van Henten［9］提出了第一个具有最优控制目标的的温室气候模型。Taki等人［10］利用多层感知器神经网络（MLP）模型预测温室温度，以上温室气候模型可以用来估测设施温室内部环境的变化，对微气候调控非常有帮助。而温室模型的物理过程则涉及到温室内部和内外部长短波的辐射作用（图3），由于温室覆盖物是内外环境之间的屏障，应首先考虑覆盖层与短波辐射的相互作用。外部全球辐射是一种独立于温室的能源，可以作为温室气候的边界条件。覆盖物通过传输、吸收或（部分）直接反射以及漫反射形式与外部辐射发生作用，透射至室内的一部分辐射被植物冠层吸收，还有一部分到达土壤表面并被吸收。最终表现为覆盖物冠层和土壤的有效吸收，以及温室的全反射。除了与短波辐射的相互作用外，长波热辐射在覆盖层与外部气体和内部温室组件（如顶棚、土壤和加热管道）之间交换。

图3 温室气候模型的物理过程：短波辐射与温室组件（左）的相互作用，以及各种温室组件之间以及温室覆盖物与外部环境之间的辐射长波交换（右）［8］Fig.3 Physical processes of the greenhouse climate model： the in⁃teraction between shortwave radiation and greenhouse components（left）， and the longwave radiation exchange between various green⁃house components and between the greenhouse cover and the exter⁃nal environment（right）［8］

1.2 温室动态气候模型研究综述

从国际上来看，70年代科研工作者开始了温室模拟工作，Kimball［11］分析研究了关于双屋面全

光型温室环境动态模拟，为完善该类型温室的结构和环境调控技术提供了理论依据。80年代开始利用动态模型来模拟温室内环境条件。Kindelan等［12］模拟室内环境时采用能量平衡法，将温室环境分为四个单元：土壤、植物、室内空气和覆盖物。Bot等［8］开发的温室气候动态力学模型，其中4个温度变量分别为：覆盖物、空气、作物冠层和土壤（设4个层次），输入变量主要包括温度、湿度、日照和温室外风速。90年代模型出现了模块构件，De等［13］研发了温室过程KASPRO模型，它是由描述温室内物质和能量传输物理模块和大量模拟传统温室气候控制器的模块构成，其状态变量包括空气温度、二氧化碳浓度和湿度。KASPRO模型还可以用来控制加热、通风、除湿、加湿、遮阳、人工照明和二氧化碳供应。21世纪以后，模型从结构角度上添加了条件选项，Vanthoor等［14］开发了研究室外气候和温室设计对室内温室气候的影响的动态模型。该模型可以在3种气候条件下（温带海洋气候、地中海气候和半干旱气候）设置4种类型温室运行模式。还有一些学者从气体交换、热传递、能量平衡方面推动了温室内定量化预测和估算研究，Joudi和Farhan［15］开发了一个考虑了土壤表面热量与温室空气交换的动态模型，可以更准确地预测室内温度。Taki等人［10］研究了适宜在伊朗西北部阿塞拜疆省半太阳能日光温室中应用的动态气候模型，采用具有初始值的动态传导热传递模型，测定了作物、土壤、覆盖物和保温幕温度，对温室不同方位的温度进行了估算。Salazar等人［16］使用动态能量平衡模型来预测墨西哥中部一个120 m2由聚乙烯覆盖的种植番茄温室的温度变化。该模型考虑了温室内植物蒸腾、通风、冷凝、室外气候条件、作物叶面积指数、气孔和空气阻力、覆盖特性和温室特性。校正后的模型效率提高到33.84%。以上模型将温室的气象条件和室内空气、覆盖层和土壤的热学性质这些参数整理后输入运行，预测值与实测结果基本一致。

国内科研工作者起步较晚，90年代开始，中国农业科学院曹永华等［17］和中国农业大学陈青云［18］研究了日光温室光照环境和结构间的关系，分析了日光温室微气候动态模拟。随后陈青云等［19］基于传热学理论建立了适用日光温室的热环境数学模型，定量揭示日光温室热环境的变化规律。还有学者基于收集的观测数据，针对温室气候短期模拟预测和部分元素预测方面进行了建模研究。韦玉翡等［20］以山西农业大学工学院玻璃温室为试验基地，利用温室基质栽培番茄连续3个月生长发育的内外部环境数据、改进的热量传递理论及质能平衡方程建立温室动态预测模型，结果表明，室内温度的主要影响因素是室外温度及太阳辐射量，室内相对湿度变化主要受植物蒸腾速率、室内温度以及通风换气的影响。张观山等［21］建立温室覆盖层温度预测模型，并进一步提出温室覆盖层动态吸收率计算方法，并使用该方法将覆盖层太阳辐射吸收率分为直射辐射吸收率、散射辐射吸收率和地表反射辐射吸收率分别精确计算。李师［22］利用差分进化算法和灰狼算法共同优化BP神经网络的参数，对影响博野某温室温湿度的因素进行相关性分析，基于改进的BP神经网络建立了温室温湿度短期预测模型。另一部分学者主要针对国外主流模型在国内的适应性评价、模型改进方面开展研究；李长信［23］基于 DSSAT-CROP⁃GRO-Tomato模型，在辽宁地区总结得出温室番茄栽种到开花期期间温度控制在25~27.5 ℃时，全生育期灌水水平控制在70%田间持水率的条件下，可得到番茄最优产量，为模型参数的优化和适用性方面提供了理论依据。李楠和薛晓萍［24］基于日光温室三因子适宜度定量评价模型（气温、空气相对湿度及太阳辐射），改进了太阳辐射适宜度模型，同时基于建立的10 cm地温要素适宜度模型（引入10 cm地温因子），利用等权重方法构建四要素综合小气候适宜度定量评价模型。综上所述，目前国内外己有温室气候模型，多侧重于对其生长过程中某1~2个具体的子模块研究，并且模型中涉及的环境因子较为单一，大多着眼于对各种微气象因子和光能利用的研究。

2 作物生长模型

2.1 作物生长模型分类

温室作物生长模拟模型主要包括描述性模型和解释性模型两类，可以评估气候、土壤、水分和作物管理因素对作物生长发育的不同影响。原始作物生长模型是基于露地作物建立的，温室作物模型则是其在几十年后不断升级发展而来的，发展过程中对模型的修正部分包括：由于温室覆盖而改变辐射条件、使用辅助照明和屏幕、冬季和夏季的极端气候条件、温度对作物生产的动态细节影响、二氧化碳浓度变化的影响，以及在冬季栽培中维持呼吸的关键作用［25］。基于过程的模型主要用于作物模型开发。根据模型应用功能不断提升，植物开花和结果阶段可形成模块整合到模型中［26］。

2.2 温室作物生长模型

作物生长模型是栽培管理优化的重要组成部分。众多温室作物模型中，以番茄和黄瓜为主要研究对象，一些著名的番茄植株模拟模型包括Tomsim 和 Susros87［27］，Tompousse［28］，Tomgro［29］。黄瓜模型则有典型的基于库强理论构建的温室黄瓜干物质分配模拟模型MarCeliS和以黄瓜干重分配、果实生长模型为基础的KOSI模型。普通作物的如 Tomgro 和 Hortisim 模型［26，30-31］，后者作为通用系统可实现对番茄、黄瓜、甜椒等多种园艺作物生长发育过程的模拟（图4）。

图4 作物模型HORTISIM中子模型、任务和模拟过程管理器的示意图［27］Fig.4 Schematic diagram of the sub-models，tasks， and simulation process manager in the crop model Hortism［27］

国内外科研人员基于不同温室环境条件下进行出苗长叶、动态生长、关键生育期、作物产量的模拟研究。从冠层结构（叶面积）角度：李永秀等［32］基于累积辐热积为自变量模拟叶面积指数的光合作用，首次提出“辐热积”这一指标，建立干物质生产模拟模型，与传统比叶面积法和积温法相比，提高了黄瓜干物质生产的模拟精度。钱婷婷［33］提取了黄瓜群体冠层结构的动态性、异质性几何参数，基于整合的描述器官动态性和器官分布异质性的模型，实现了三维黄瓜群体冠层的参数化构建，并利用多尺度方法对冠层结构模型进行系统验证。干物质累积分配（动态生长）方面：Chamont等［34］于九十年代初期，基于 Tomgro［35］建立了模拟黄瓜果实和根的干物质分配的模型；Tomsimm是描述番茄生长发育过程的机理模型，它是以Susros87模型为基础的温室作物生长模型，孙富忠等［35］在Tomsim基础上，以比叶面积法模拟了黄瓜叶面积指数的光合作用、以温度和太阳辐射为环境驱动变量，建立了温室环境的干物质生产子模型。史为民等［36］基于Richards生长函数和植物干物质分配的汇强理论，建立了黄瓜植株地上部单个器官生长和干物质分配模型，模拟了黄瓜植株干物质的分配情况（坐果之前）。石小虎等［37-38］结合温室中辐热积和灌水量变化，分别提出了番茄和青椒干物质生产和分配的经验模型，拓展了温室生产中水肥变化下的干物质分配模型应用。关键生育期（生长发育）的研究：一些学者利用生长度日法预测各种蔬菜的发育期，并基于生理发育时间法和正弦函数法构建温室黄瓜发育期模拟模型［39-41］。近几年，钟模型被借鉴应用到温室作物中，程陈等［42］构建了基于钟模型温室黄瓜发育模拟模型，添加了温度和辐射影响作物干物重生产和分配因素；温永菁等［43］将番茄的发育时期按钟模型方法指标化，构建了温室番茄发育期模型，发现播种-三叶期/初花期/坐果期/成熟期/拉秧期5个番茄发育阶段模拟值与实际观测值之间模拟效果较好。牛宁等［44］采用钟模型、生理发育时间和有效积温3种方法，模拟了不同生态地点的日光温室樱桃番茄不同播期试验作物动态发育，定量分析日光温室樱桃番茄的生长发育进程及对光温的反应特性。管理措施（收获产量）的角度：Vanthoor等人［45］利用其开发的番茄产量模型对在荷兰和西班牙南部不同光照条件和CO2浓度下的番茄产量进行了模拟，并研究了极低和平均高温对第一穗果实的产量和收获时间的影响。周瑞等［46］验证了LSTM 递归神经网络模型可以预测番茄目标产量，且具有较高准确性。

以上科学家们利用不同环境下实测数据构建和开发了温室作物模型，并对产量、干物质分配和生长特征指标进行了模拟。多数蔬菜作物模型中产品的干物质含量设定为一个固定值，但实际上果菜类作物的果实干物质含量受一些因素影响很大，如温度、同化物供应和需求、果实年龄等。国外学者起步较早，主要致力于模型的扩充和功能或模拟环境指标完善，国内学者一部分以经验模型为主，一部分则致力于国外模型的本地化参数适宜性工作上。另外一些学者则聚焦环境管理、作物响应、模拟精度改进等方面的研究，李莉等［47］根据空气温湿度和基质湿度等9个温室内外部参数建立基于布谷鸟搜索优化CatBoost（CS Cat⁃Boost）的温室番茄水分胁迫指数（CWSI）预测模型，鲍彦达等［48］对比分析了3连栋塑料温室和大跨度薄膜温室的室内空气温度、相对湿度、光照度变化，构建基于辐热积的作物生长模型，研究表明，越冬茬作物优先级为草莓>蒌蒿>芹菜>莴笋。牛曼丽等［49］基于小汤山农业科技展示基地实测温室番茄数据，提出了一种基于支持分类特征的梯度提升决策树（CatBoost）算法估算温室日参考作物蒸发蒸腾量。程陈等［50］以津盛206和尤文图斯为试验品种，测定黄瓜和芹菜不同位置（群体底部，1/3群体中部处，2/3群体中部）的辐射数据，利用11个播期的试验观测数据，建立了基于正午时刻消光系数k值的温室作物消光系数模型并利用相互独立数据进行了验证。徐立鸿等［51］利用CROPGRO-Tomato模型和温室番茄实测数据建立了2018年不同灌水条件下温室番茄作物模型，利用Simlab软件中的Morris法和Efast法分析了CROPGRO-Tomato模型的5个输出变量对13个作物品种参数和19个土壤参数的敏感性程度。李波等［52］研究了 DSSAT-CROPGRO-Tomato 番茄生长模型模拟北方日光温室秸秆还田条件下番茄的生长发育和产量形成过程，利用GLUE参数估计模块获取了不同设计方案情形的作物遗传参数。

预测温室作物性能的模型在构建时就已经设置了其特定的应用条件，一旦温室环境发生变化，可能无法确保模拟结果的准确性。目前国内外己有的作物模型，以CERES作物模型为基础开始模拟温室黄瓜为例，在初始大田模型中将人工灌水量设置为水分入渗的参数，删除了原先考虑的持续降雨形成的径流部分。现有研究多侧重于对黄瓜生长过程中某几个具体的子模块研究，涉及的环境因子也逐渐丰富，如加入了土壤含水率和二氧化碳浓度等因素对叶片的影响，但还有些关键管理因子如土壤大中微量元素和病虫草害等并未考虑，而且近期新模块的研究仅停留在本地温室初期验证，因此需要结合温室环境长期试验对模型作出进一步调整。

3 温室气候模型和作物模型组合应用

3.1 功能⁃结构模型概念

作为数学、计算机科学与植物学领域相互交叉融合的成果，功能-结构植物模型（FSPM）引入了植物建筑学概念（图5），旨在了解植物结构和植物生长过程间的复杂相互作用［53-54］，已经被广泛应用了二十多年。FSP模型可以模拟单个植物的生长、形态以及它们与其生长环境的相互作用，具体表现为冠层中的光截获分布、果园中的最佳修剪策略以及植物种群密度分枝的研究。通过考虑个体之间的表型变异和对环境条件的可塑性反应，以及通过人工整理修剪改变植物结构，FSP建模便可协助了解单个植物对整个冠层性能影响的行为。

图5 耦合气候和作物因子的功能-结构工厂（FSP）建模概念图［53］Fig.5 Conceptual diagram of functional-structural plant（FSP）modeling coupling climate and crop factors［53］

3.2 功能-结构模型应用进展

结构-功能模型从根本上提升了结构模型的机理性、普适性和应用性。FSP模型结合了气候模式，有助于人们研究气候参数在各类植被中的分布以及作物与环境的相互作用，具体表现为科学研究人员可以聚焦微气候条件（如温度、湿度、二氧化碳浓度和光照条件）对光合作用、干物质积累、作物产量和真菌病害在植物群落中分布的影响。Vanthoor等人［55-56］开发了一个温室环境系统模型（a combined greenhouse climate-crop yield model），组分包括温室小气候模块、温室生长模块和经济模块。Szanto等学者［57］利用功能结构植物模型，采用一个稳态光合与气孔导度耦合模块，研究了畦向对作物生产性能的影响，确定了温室番茄的最佳畦型方向。在GroIMP 1.5版本中建立了温室番茄功能结构植物模型，采用光线追迹法进行光环境模拟，研究表明，在太阳高度角较高时，畦方向对光截获的影响较弱。Buck Sorlin等人［58］使用了包括植物、光源和光合有效辐射（PAR）传感器的虚拟温室环境结构植物模型（FSPM），该模型设计以植物器官为基本单位，在每个叶片内进行局部光截获和光合作用的多尺度模拟，能够重现不同的冠层位置情形下，一天中的各时间段不同光条件下的PAR测量值，更好地理解植物（以玫瑰为例）生产质量和数量的过程。Wiechers等人［59］结合了植物三维结构模型、光合生化模型和基于潜在生长速率（RP）、花粉败育和优势度的果实生长吸附模型，利用L系统的形式创建了FSPM，该模型研究了环境因子分布和冠层结构对温室黄瓜果实间生长不平衡的影响，对花粉败育和优势度阈值的确定有较好的效果。Zhang［60］在温室利用切花植物（百合和玫瑰）试验，研究植物（包括对叶片光合特性和植物结构性状的响应）对PAR、R：FR、水位和氮素变化的响应，并模拟验证了可将FSP模型与叶片光合作用模型和叶气候模型相结合的方法。以上研究人员分别从模块组分、光合截获角度、冠层立体结构、植物动静响应等方面对结构模型进行细化验证应用。FSP模型通常可以模拟植物个体生长的三维结构，该结构形成受植物生理过程的驱动，而植物生理过程又受植物的生物和非生物因素的影响。反之，这些因素在冠层中的分布又是由植物的三维结构决定的。

4 结论和展望

研发人员近些年一直致力于温室环境和作物模型开发升级，一方面时刻关注温室环境对外部条件、温室特性和日常管理产生的动态响应，一方面则为了解作物对温室环境和人工管理措施反应的复杂性，不断扩充模型功能，但参数的设置增多，参数获取和验证的难度增大，模型实用性降低。Ptolemyln和CFD等仿真工具可用来对作物和微气候模型进行仿真设计和实现，通过输入输出端口实现独立封装后的各子模型之间的关联，并基于数据可视化组件实现各项模型精准性评价指标的可视化分析［61］。

最近人们发现，建立精准的温室小气候预测模型需要全面考虑温湿度、CO2浓度等因素，并综合考虑各关键因子之间的相互作用，结合生物学、热动力学等研究基点，建立出更精确的多因子温室模型，从而预测小气候的变化。气候模型以Kaspro和Vanthoor为代表，最突出的核心特征是应用了基于能量平衡的气候动力学。Kaspro的气候控制器可通过供暖、通风、除湿、加湿、遮荫、人工照明和二氧化碳供应等条件来管理温室气候。Vanthoor模型通过计算流体动力学方法，利用通风孔布置、气候控制设备、温室尺寸、太阳辐射和作物冠层角度对室内气候和温室气流的影响进行了广泛的研究。作物生长模型是优化栽培管理的重要组分，而植物动力学模型往往是针对特定条件设计的，实际上科研人员在模型原始数据和参数获取温室之外的扩展应用降低了模拟结果的准确性。随着计算机的发展，功能-结构植物模型（FSPM）已被用来模拟温室中的西红柿、黄瓜和玫瑰等作物，与之相比，基于器官结构参数的黄瓜三维冠层建模方法考虑了包括单株尺度、群体尺度和人为管理策略的响应。实现连续性群体结构生长模拟，构建器官、单株、群体多尺度模型可能是将来发展方向之一。

目前，数字连栋温室正在利用物联网传感器、气候模型（Kaspro）和FSP模型进行整合研究和开发。Rezvani等［62］基于功能结构厂房（FSP）建模的概念，在数字连栋温室建立可以预测番茄植株3D生长模型，旨在模拟作物产量、CO2吸收、养分、能量和水的利用，以及环境影响和收益，建模同时实时测量了番茄植株动态生长指标。温室模型可以利用多光谱三维激光扫描仪、叶绿素荧光相机、热成像摄像机和气候传感器等多个传感器生成的数据进行计算，模拟植物生长发育的环境变量，估算植物性状和小气候条件。通过模型预测，可以调整作物管理策略，识别出改良的植株性状。温室作物生产的未来趋势则是利用数字技术、机器人技术以及人工智能，并结合FSP生长模型，使用物联网传感器收集温室气候动态数据［63］，并利用云储存和计算分析这些数据，从而为最新版本升级做备用（图6）。