《Smart Agricultural Technology》：An Open-Architecture Precision Vertical Farming System for Sesame Microgreens: Audit-Ready Telemetry for Dynamic Lighting and Energy–Biomass Benchmarking
编辑推荐：
植物工厂人工光（PFALs）中光照协议的可复现性常受限于可审计运行数据的匮乏。本研究展示并验证了一种开源架构的精准垂直农场系统（PVFS），该系统能够在受控每日光照积分（DLI）下执行动态光合光子通量密度（PPFD）曲线，并通过物联网（IoT）遥测技术确保可追
植物工厂人工光（PFALs）中光照协议的可复现性常受限于可审计运行数据的匮乏。本研究展示并验证了一种开源架构的精准垂直农场系统（PVFS），该系统能够在受控每日光照积分（DLI）下执行动态光合光子通量密度（PPFD）曲线，并通过物联网（IoT）遥测技术确保可追溯性。该系统被应用于采用2×4因子设计（时间曲线：恒定vs高斯 × 光谱：白、蓝、红、RBW）种植的芝麻微蔬菜，并将DLI均衡设定为10.8 mol m-2d-1。遥测验证显示出高稳定性（抖动≈0）和数据完整性（>98%），从而实现了比能量消耗（SEC）和能量-质量效率（EEMS）的精确计算。结果表明，在等效DLI条件下，除RBW光谱外，高斯曲线增加了能量成本（更高的SEC）且未带来相应的生物量增益。红光-恒定处理实现了最高效率（10.02 g kWh-1），而白光表现出最高的能量成本。主成分分析（PCA）进一步证实，能量性能指标（SEC/EEMS）与产出结果（生物量）的关联性强于瞬时光合指标（如Fv/Fm），强调了持续监测能源使用和产量的必要性。PVFS被证明是垂直农场中能量基准测试和光照配方标准化的稳健工具。
研究背景与动机
随着全球人口增长和快速城市化，农业生产面临着提高可持续性、效率和韧性的巨大压力。在此背景下，垂直农场，或称植物工厂人工光（PFALs），作为可控环境农业（CEA）的重要组成部分，已成为生产高价值叶菜和微蔬菜的有力替代方案。然而，室内农业的技术和经济可行性在很大程度上取决于人工照明的控制与效率。照明通常占据PFALs能源消耗的绝大部分，并且是决定光合作用、生长和作物品质的关键因素。除了光谱组成外，光合光子通量密度（PPFD）的时间分布曲线（如恒定曲线与高斯曲线）即使在每日光照积分（DLI）等效的情况下，也可能改变生理反应及能量与生物量的关系。尽管数字技术和物联网的发展推动了智能农业解决方案的进步，但能够集成可编程时间曲线、连续电力测量以及面向能量-生物量指标的分析流程的统一且可复现的解决方案仍然稀缺。因此，开发能够标准化能量指标并进行审计追踪的垂直农场系统显得尤为迫切。本研究正是基于此背景，旨在开发并验证一种精准垂直农场系统（PVFS），并将其应用于芝麻微蔬菜的生产效能评估。
研究方法与技术路线
研究人员构建了一个五层架构的开源精准垂直农场系统（PVFS），涵盖物理层、设备层、基础设施层、协议层和应用层。实验采用2×4因子设计，考察了两种光照时间曲线（恒定Constant与高斯Gaussian）与四种光谱（白光White、蓝光Blue、红光Red、红蓝白混合RBW）对芝麻微蔬菜的影响，所有处理均保持相同的DLI（10.8 mol m-2d-1）和光周期（12小时）。样本来源于巴西戈亚诺联邦教育科技学院（IF Goiano）里奥韦尔德校区的受控环境农业设施。关键技术手段包括：利用LI-180光谱辐射计验证PPFD和光谱；通过物联网（IoT）平台（MQTT代理、MongoDB数据库）进行遥测数据采集与存储；采用成像PAM荧光仪测定叶绿素a荧光参数；利用UV-Vis分光光度计测定光合色素；通过计算比能量消耗（SEC）和能量-质量效率（EEMS）来评估能量性能；最终利用Python生态系统（pandas, statsmodels, scikit-learn）进行双因素方差分析（ANOVA）和主成分分析（PCA）。
研究结果
1. PVFS架构与运行合规性验证
研究人员设计的PVFS系统成功实现了边缘计算与云端服务的分离。遥测验证显示，系统在恒定和高斯曲线下的数据完整性均超过98%，时间抖动（jitter）趋近于零，证明了该系统具备高度的稳定性与可审计性，能够为后续的生理和能量分析提供可靠的数据支撑。
2. 光合色素含量分析
研究结果显示，光照曲线与光谱之间存在显著的交互作用。在恒定曲线下，白光、RBW和蓝光处理的叶绿素a（Chla）含量较高；而在红光下，高斯曲线的Chla含量更高。类胡萝卜素（Cart）在高斯曲线下的白光和红光处理中显著高于恒定曲线。这些结果表明，不同的光谱与时间曲线组合会显著影响植物的色素合成策略。
3. PSII光化学参数与比能量消耗（SEC）
在光化学性能方面，恒定曲线下的白光处理表现出了更高的电子传递速率（ETR）和有效量子产额Y(II)。值得注意的是，除RBW外，高斯曲线在大多数光谱下导致了更高的比能量消耗（SEC），意味着产生单位生物量需要消耗更多的电能。具体而言，白光在所有处理中始终表现出最高的SEC值。
4. 生长形态与生物量积累
生长指标分析表明，恒定曲线在促进茎长和干物质积累方面普遍优于高斯曲线。特别是在红光和蓝光下，恒定曲线处理获得了更高的总干质量（TMD）和茎干质量（HMD）。这说明尽管DLI相同，但光强的动态变化模式影响了同化产物的分配与积累。
5. 能量-生物量效率评估
能量分析结果显示，在恒定曲线下，红光光谱的SEC最低（0.0998 kWh g-1），EEMS最高（10.02 g kWh-1）；相比之下，白光的SEC最高（0.2341 kWh g-1），效率最低。高斯曲线虽然模拟了自然光的变化，但在本实验设定的参数下并未带来生物量的显著提升，反而因峰值功率需求增加了能源成本。
6. 多变量分析（PCA）
主成分分析（PCA）提取了四个主成分，累计解释了76.47%的总方差。PC1（34.37%）主要与生物量性状（HFW, HMD, TMD）呈负相关，与光化学变量（Y(II), qP, ETR）呈正相关，且与非光化学猝灭（NPQ）呈强负相关。特别重要的是，PCA分析揭示出SEC和EEMS与生物量指标的关联性极强，而与瞬时的光合效率指标（如Fv/Fm）关联性相对较弱。这一发现挑战了仅依赖光合参数优化照明方案的常规做法，强调了将能量成本纳入作物生产决策的重要性。
结论与讨论
本研究成功开发并验证了一个开源的精准垂直农场系统（PVFS），该系统通过物联网遥测技术实现了光照协议的精确执行与全过程审计。通过对芝麻微蔬菜的研究，研究人员发现，在保持每日光照积分（DLI）恒定的前提下，恒定的光照曲线配合红光光谱是实现最高能量-生物量转化效率的最优策略。虽然高斯曲线模拟了自然光环境，但其并未在能效比上体现出优势。研究结论明确指出，在垂直农场的照明策略优化中，应优先考虑能量-质量效率（EEMS）和生物量产出，而非单纯追求瞬时光合效率。这项工作为垂直农业中的标准化能耗基准测试提供了强有力的工具和数据支撑，相关成果已发表于《Smart Agricultural Technology》。
