《Computers and Electronics in Agriculture》：Model-based optimization of dynamic photon allocation for maximizing biomass production under a fixed total light integral in vertical farming
编辑推荐：
•基于模型的方法探讨了光子预算作为一种有限资源。•模型驱动的优化与16.5%的生物量提升相关，且无需额外光照。•联合分配揭示光周期为基础、光强为放大器。•模拟与针对性实验评估支持了优化的光子分配策略。引言在受控环境农业（CEA）中，特别是在全封闭系统中，光照通过电力人工生成，
- •
基于模型的方法探讨了光子预算作为一种有限资源。
- •
模型驱动的优化与16.5%的生物量提升相关，且无需额外光照。
- •
联合分配揭示光周期为基础、光强为放大器。
- •
模拟与针对性实验评估支持了优化的光子分配策略。
引言
在受控环境农业（CEA）中，特别是在全封闭系统中，光照通过电力人工生成，使农民能够在完全隔绝外部条件的情况下种植作物（Kozai, 2016）。过去几十年间，先进的LED照明技术在作物生产中的采用，为农民提供了对关键光照参数——包括光强、持续时间和光谱——的精确控制，而这些在基于阳光的农业中是无法实现的（Neo et al., 2022, Paradiso and Proietti, 2022）。这一转变标志着从被动适应波动的自然阳光向主动工程化光环境的转变（Pattison et al., 2018）。然而，这种主动控制方法代价高昂。CEA中的光子供应通过电能生成，既受经济约束又消耗大量资源（Van Delden et al., 2021, Keyvan and Roshandel, 2024）。事实上，人工照明约占这些设施总电力消耗的50–60%（Cai et al., 2025）。因此，CEA中的光照并非可以随意增加的投入品，而是一种在成本约束预算内，其分配决定生产力的资源。
迄今为止，CEA中的光照管理主要集中于在静态光照条件下确定光强、光周期和光谱的最优组合。然而，植物对光的响应并非静态的，而是随作物发育而变化。在生长初期，冠层覆盖度低，光截获能力天然有限；而在后期阶段，扩展的叶面积使得对入射光的利用更加高效。基于此，近期的研究重点转向了动态照明策略，旨在根据不同生长阶段调整光照条件（Kaiser et al., 2024, Heuvelink et al., 2025）。Jin et al.（2023a）证明，在总光输入相同的情况下，逐步增加光强比恒定或递减的光强能更好地促进干物质积累。冠层表征方法的进步——从三维表型分析到基于遥感的生物量估算——为将光供应与发育中的冠层结构相匹配，以最大化光能利用效率提供了支持（Liu et al., 2025; Lin et al., 2026）。此外，在恒定累积光积分下，对光强和光周期进行协调的、针对特定阶段的调节，已被证明比静态或单变量策略能进一步提升产量（Chen et al., 2026）。
虽然先前的研究已从定性上确立了将光集中于后期生长阶段，以及协调光合作用光子通量密度（PPFD，μmol·m?2·s?1）与光周期而非单独调整任一变量，可以在固定的光预算下提高产量，但精确的定量分配——即PPFD和光周期应如何在所有可能策略的整个空间中联合分布，以及每个变量发挥什么功能作用——仍然是一个未解决的问题。以这种方式在生长阶段调节光强和光周期，本质上是如何在整个栽培期内分配固定光子预算的问题。尽管人们可能会直觉地认为，在后期生长阶段分配相对较高且持续时间较长的光强会有利于生长，但这种"增加能量输入"的总体趋势可以通过无数种不同的策略实现，具体取决于分配到每个阶段的光周期强度与时长以及梯度如何。此外，在这庞大的一系列可能性中，最优策略并不显而易见。光强和光周期的时间排列如何与植物发育相互作用并趋向最优分配，尚未得到充分的阐明。
为解决这一问题，我们采用基于过程的生长模型进行了计算机模拟探索，以考察庞大的分配可能性空间并识别有前景的候选方案（Weidner et al., 2021）。在本研究中，PPFD和光周期被作为优化的唯一决策变量，而其他已知影响生菜生长的环境因素——包括温度、CO2浓度、营养液组成和光谱——在整个过程中保持恒定。这种方法通过将栽培期分为四个生长阶段，并在固定的总光积分（TLI）下分配光强和光周期，从而独立于总光量地隔离出分配策略的效果。地上部分干重被选为优化目标，因为它是生长模型在整个栽培期内整合光合碳同化量后的产出。在固定TLI下，最大化地上部分干重等价于最大化基于干重的光能利用效率。模型未表征的结果，如鲜重、含水量、产品品质和设施级能耗等，因此未被优化；然而，搜索程序本身并不取决于目标的选择，如果在其中耦合了表征这些结果的模型，则可以容纳这些结果。这一范围的选择是有意为之，旨在将时间分配问题作为一个可处理的初步步骤加以隔离，因此本研究的发现应被理解为一个概念验证，而非对其工业化应用准备就绪的声明。所得的分配策略揭示了两个变量之间清晰的分层角色划分：光周期向早期生长阶段延长并增加持续时长，从而为光截获奠定了基础，而光强则集中于后期阶段，作为冠层扩展后放大这一效果的方式。这一分层结构在没有预设假设的多次独立重复搜索中始终收敛到同一模式，这支持了如下解释：它不是搜索过程的随机伪影，而是模型所描述的核心生长、光合与光分配关系中固有的模式。最后，作为对模型预测的针对性评估而非重复的农学试验，模型推导出的分配方案在单次栽培试验中与传统的静态固定照明进行了比较，总光输入相同。模型推导出的分配方案下的地上部分干重更高，这与以下观点一致：在本研究所采用的模型假设和测试条件下，光子分配可以基于系统的内在逻辑进行系统性的设计。
章节摘要
材料与方法
本研究采用Van Henten（1994）描述的基于过程的生菜生长模型作为计算框架。该模型针对温室种植的生菜而开发，依赖于简化的冠层-光合作用公式和经验性温度-同化关系，仅使用结构性和非结构性生物量来表征生长（核心方程的摘要见补充方法；完整模型在所有模拟中均未作修改直接使用）。
模型在跨研究与动态验证中的表现
为评估所提出模型的广泛适用性，验证数据集涵盖了广泛的光照环境（图1A）。具体光照条件的光强范围约为100至500 μmol·m?2·s?1，光周期范围为6至24小时。这些组合代表了一系列多样的DLI，范围为5至20 mol·m?2·d?1，从而确保模型在光限制和光饱和条件下均得到检验。模型在各项
光子分配模式的机制基础
从依赖太阳的农业向CEA的转变，从根本上将光重新定义为由能源成本所界定的、可控但有限的资源（Pattison et al., 2018, Cai et al., 2025）。在此条件下，最优照明策略传统上通过经验实验确定；然而，仅依赖栽培试验在系统性地覆盖由时间变化的植物动力学和有限资源所定义的复杂搜索空间方面，其能力固有地受限。
结论
我们利用基于过程的生长模型，探讨了在垂直农业中如何分配光强和光周期于各生长阶段以最大化固定TLI下的生物量生产。对分配空间的大规模随机探索，在五个独立模拟批次中进行，一致发现后期阶段强化是模拟的光强和光周期范围内最有效的生物量积累模式。
CRediT作者贡献声明
Eunjeong Lim：写作 – 初稿、软件、方法学、调查研究、形式化分析。Da-Seul Choi：验证。Hyeonjee Kim：方法学。Taewon Moon：软件。Myung-Min Oh：验证、方法学。Tae In Ahn：写作 – 审阅与编辑、监督、概念设计。
资金支持
本工作得到了韩国食品、农业和林业技术规划与评估院（IPET）和韩国智慧农场研发基金会（KosFarm）通过智慧农场创新技术开发计划的支持，该计划由韩国农业食品与农村事务部（MAFRA）和科学技术信息部（MSIT）以及农村发展管理局（RDA）资助（2540001196）。
利益冲突声明
作者声明不存在可能影响本文所报告工作的已知竞争性经济利益或个人关系。
Eunjeong Lim|Da-Seul Choi|Hyeonjee Kim|Taewon Moon|Myung-Min Oh|Tae In Ahn
