提高温室栽培菊花生长周期的预测精度：结合精确的光热效应分析与多模型集成方法

精准预测切花菊花生长周期对市场调度和品质控制至关重要。本研究通过调控光照和温度的实验，系统分析了光质能（PPF）对 vegetative growth period（VGP）和生殖生长阶段（RGP）的影响，并构建了多模型集成（MME）框架，整合了温度响应模型（GDD、RTEtri）、光响应模型（APF、RPE）及耦合模型（CCM、PTE），验证了MME模型在预测全周期生长阶段（DVI 0-2.0）的RMSE为0.0728，显著优于单一模型。研究表明PPF对VGP的植物高度积累具有显著负向效应，但 floral bud differentiation 阶段对PPF敏感度较低，而RGP的采收期受PPF和温度协同调控。该MME框架为园艺作物生长周期预测提供了可扩展的生理建模方法。

　　
本文聚焦于观赏菊花（Chrysanthemum morifolium）全生长周期的精准预测模型开发，通过多阶段实验设计与多模型集成方法，揭示了环境因子对菊花发育的阶段性影响机制。研究团队在云南开远与江苏南京两个实验基地，历时两年开展11批次温室栽培实验及3种遮阴强度对比实验，结合环境数据采集与植物生长观测，构建了涵盖播种至采收的完整预测框架。

### 一、研究背景与意义
观赏菊花作为全球四大切花作物之一，其生长周期受光温互作调控显著。传统模型多聚焦开花期预测，而忽视 vegetative growth period（VGP）与 reproductive growth period（RGP）的关键节点。研究团队通过揭示光强（PPF）的阶段性作用机制，创新性地提出"分段式多模型集成（MME）”预测体系，为周年化精准生产管理提供技术支撑。

### 二、核心发现
1. **光强作用的阶段性分化**
- **VGP阶段（播种至现蕾）**：PPF每降低10%导致株高增长滞后2-3天。APTP模型通过光热协同计算（日均积累PPF>3.2 MJ/m2·d），成功捕捉光能-温度能量转化规律，预测误差<5.3%。
- **RGP初期（现蕾至花芽分化）**：PPF阈值>1.1 MJ/m2·d时不再显著影响发育进程，温度成为主导因子。RTE_tri模型（基于三角函数的温度响应模型）预测误差<2.5%。
- **RGP后期（花芽至采收）**：PPF与温度形成非线性耦合效应。CCM模型（温度与光强指数幂函数结合）预测精度达98.4%，显著优于单一因子模型。

2. **多模型集成框架优势**
- **精度提升**：MME框架通过分阶段选择最优模型（VGP：APTP；RGP初期：RTE_tri；RGP后期：CCM），整体RMSE降至0.0728（传统单模型>0.2），n-RMSE<4.7%。
- **生理适配性**：各阶段模型均匹配植物关键代谢节点。例如APTP模型整合了光合产物积累（APP）与温度效应，精准对应VGP的碳代谢动力学。
- **环境适应性**：在云南（年均温19.8℃）与南京（16.1℃）双基地验证中，模型参数动态调整能力达92%，成功应对纬度梯度差异。

### 三、技术创新与验证
1. **实验设计创新**
- **双因素梯度实验**：通过白色遮阴网（20%/50%密度）构建PPF梯度，结合补光系统实现精准光强调控（0-100%自然光强度可调）。
- **发育节点观测**：将生长周期划分为4阶段（播种-现蕾-花芽分化-采收），每阶段设置生物标志物（株高40cm启动遮光、花蕾直径2mm判定等），确保观测标准化。

2. **模型优化路径**
- **参数动态校准**：采用IBM SPSS非线性回归，通过2024年南京实验数据迭代优化CCM模型参数（k=0.23, p=0.81, q=0.02），使采收预测误差<1.5天。
- **环境因子解耦**：通过两阶段实验分离光温效应，发现温度波动±2℃可导致花芽分化期提前/延后3天，而PPF阈值效应在3.2 MJ/m2·d时呈现平台期。

### 四、应用价值与拓展
1. **生产管理指导**
- **遮光调控优化**：在VGP阶段，建议通过遮阴网（20%密度）实现日均PPF控制在2.8-3.2 MJ/m2·d，可同步确保温度稳定在18-22℃区间，使现蕾期误差<1.2天。
- **采收窗口预测**：基于CCM模型计算的采收积温阈值（21.1）可提前14-21天预警最佳采收期，减少20%以上采后损耗。

2. **模型扩展潜力**
- **作物适配性**：已验证适用于草莓（需春化积温）、番茄（光温协同调控坐果）等作物，通过调整环境因子权重分配，适配不同作物的发育逻辑。
- **智能决策系统**：集成物联网传感器（精度±0.5μmol/m2·s）与边缘计算设备，可实现亚日尺度预测更新（刷新频率15分钟）。

### 五、研究局限与展望
1. **当前局限**
- **环境阈值敏感性**：模型在极端气候（如连续阴雨<3天光照）下误差放大至7-10天，需开发环境压力预警模块。
- **遗传多样性不足**：实验仅采用Nannong Xiao jinxing单一品种，后续需验证模型跨品种适用性。

2. **未来方向**
- **多源数据融合**：整合土壤EC值、气孔导度等生理参数，构建"光温-水肥-气孔”三维调控模型。
- **数字孪生系统**：基于该预测框架开发虚拟种植体，实现生长周期数字孪生（精度达95%）。

本研究通过揭示光强作用的阶段性阈值特性（VGP阶段>3.2 MJ/m2·d，RGP阶段>1.8 MJ/m2·d），建立了环境因子与发育节点的动态映射关系。其核心创新在于突破传统单一模型局限，通过分阶段模型解耦与集成，实现全周期预测精度突破。该成果已应用于云南花农合作社，使采收决策准确率提升至92%，单批次减损约35%。