一种考虑温度和二氧化碳变化的设施农业黄瓜幼苗光调控决策方法

《Biosystems Engineering》：A decision-making method for light regulation of cucumber seedlings considering changes of temperature and CO 2 in protected agriculture

　　

摘要

光能作为光合作用的主要能量来源，对植物形态和生物量积累具有显著影响。在保护地农业系统中，光环境参数（光强和光谱品质）对作物生产力具有关键决定作用。本研究开发了一个面向黄瓜幼苗光优化的数据驱动框架。首先，建立了一个人工神经网络模型，利用跨越多种环境条件的实测数据来预测净光合速率。随后，为了同时最大化光合效率并最小化能源消耗，实施了两项关键创新：采用U-chord方法推导目标光强，并设计了一种混合三次样条-全局牛顿算法用于光谱品质优化。这些子系统通过支持向量回归融合，构建出用于实时光管理的自适应决策模型。结果显示，人工神经网络模型在净光合速率（Pn）预测方面表现出极高的精度，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。目标光强点有效地界定了Pn–PPFD响应曲线中的光限制阶段与光饱和阶段。最终的决策模型表现出良好的泛化能力（光谱和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。与传统的最大化Pn策略相比，所提方法将补光能耗降低了40-46%，同时动态光谱调节相较于静态对照提高了5%的光合效率。本研究有效提高了光能利用效率，为保护地农业中的光调控提供了理论方法。

引言

黄瓜（Cucumis sativus L.）是一种光自养植物，通过光依赖途径——光合作用合成碳水化合物，因此光是黄瓜生长的绝对需求（Blackman, 1905; Taiz & Zeiger, 2010）。然而，由于中国西北地区长期阴天、阴雨或多雾天气，温室中光强不足严重限制了黄瓜的生长发育（Naseer et al., 2023）。通过使用补充光照增加光合作用量和相应的植物生长，可以改善温室生产，从而缩短生产周期并提高作物产量（Weaver et al., 2019）。因此，精确调控光环境对黄瓜生产力至关重要（Hong et al., 2024; Shen et al., 2021）。

光环境涵盖光强和光谱组成两个方面（Shafiq et al., 2021）。光强以光合光子通量密度（PPFD）来量化，而光光谱组成由补充光源的波长分布决定。由于光合色素主要吸收红光（620–680 nm）和蓝光（450–490 nm）波长（McCree, 1972），本研究聚焦于优化动态的红蓝光品质比（LQ），定义为红光PPFD占红蓝总PPFD的比例。PPFD决定光合作用的能量输入。光照不足和光照过量均会产生胁迫：光照不足会降低净光合速率（Pn）并导致徒长（Niu, Li, et al., 2024），而过量的PPFD则有引发光系统II（PSII）光抑制损伤的风险（Nawrocki et al., 2021）。同时，LQ调节生理响应：红光升高促进茎伸长和生物量积累，而蓝光增加则增强气孔导度和光合酶活性（Lazzarin et al., 2021; Wei et al., 2023）。

值得注意的是，作物的光需求受耦合环境因素的动态影响，尤其是温度和CO?浓度（[CO?]）（Farquhar et al., 1980）。例如：

- 低温下，电子传递链活性降低，需要调整LQ以补偿光化学效率的不充分（Yang et al., 2021）。
- 高温加剧热耗散，降低了光胁迫耐受阈值（Lei et al., 2021）。
- 高CO?浓度提高羧化效率，从而增加光需求，同时需要降低蓝光比例以减轻气孔限制对碳同化的影响（Burlacot & Peltier, 2023）。
- 低CO?条件下光需求降低，但需要更高的蓝光比例以刺激气孔开放（Wang et al., 2021）。

这些交互作用强调了在受控环境中协同优化PPFD和LQ以最大化光合性能的必要性。

在温室生产中，由于太阳辐射、作物呼吸和通风等因素，这些环境因素呈现持续波动（Yang et al., 2025）。这些快速的环境变化将驱动作物（包括黄瓜幼苗）的短期实时生理响应（瞬时Pn和气孔导度）。因此，迫切需要建立针对这些短期生理响应的实时光调控框架，实现光参数的动态优化以适应温度和[CO?]水平的实时变化。

然而，在这些耦合环境条件下，Pn表现出强烈的非线性和交互响应：任何单一因素对Pn的影响都取决于其他因素的水平（Gao et al., 2025）。这些交互作用构成了本研究所解决的复杂耦合问题。人工神经网络（ANN）提供了一种可靠工具，可直接从数据中学习这些非线性多变量映射（Fanourakis et al., 2024; Taheri-Garavand et al., 2021）。近期机器学习在估计生理性状方面的成功，例如从多光谱数据非侵入性地估算叶片氮含量（Lu et al., 2024）以及通过少样本学习预测光合速率（Lu et al., 2025），进一步支持了本研究采用基于神经网络的建模方法。

随着人工智能算法的应用，近年来温室照明策略取得了显著进展。S?rensen等人（2020）表明，响应电价波动调整人工照明可以在不影响生长和视觉品质的情况下大幅降低功耗，展示了节能策略的潜力。Weaver等人（2019）开发了一个基于光化学参数的优化框架，相比传统开关照明方案降低了能耗和成本。Liu等人（2021）实施了一个分层照明控制系统，以光饱和点为目标，将成本从每单位0.3677美元降低至0.3084美元，相较于固定阈值方法。Gao等人（2024）提出了番茄栽培的多目标优化方法，平衡光合效率与运行成本。虽然这些研究凸显了自适应照明控制的價值，但现有框架主要关注PPFD优化，对LQ调控的整合有限。

保护地园艺中光光谱品质研究主要集中于静态红蓝组合。García-Caparrós等人（2020）量化了不同红蓝比对生物量、色素浓度和Pn的响应，而Choi等人（2020）分析了其对立瓜生长和硫代葡萄糖苷含量的影响。Pu等人（2022）建立了一个纳入PPFD和LQ的净Pn模型，实现了光谱定量优化。然而，固定的LQ无法适应波动的温度和[CO?]。

Niu等人（2023）通过嵌套PPFD-LQ实验推进了这一领域，确定了在光饱和点最大化Pn的光谱比。虽然对单因素优化有效，但这类最大化Pn策略会导致高能耗。随后平衡Pn与碳足迹的多目标框架部分解决了这一局限，但其对特定情境碳参数的依赖降低了方法的稳健性（Niu, Han, et al., 2024）。

虽然现有框架通常独立优化PPFD和LQ或依赖固定光谱比，但本研究首次将基于U-chord曲率的拐点检测与支持向量回归耦合，用于动态光谱决策。在本研究中，拐点是指Pn–PPFD曲线上曲率最大的PPFD值，即曲线从陡峭的光限制阶段过渡到平缓的光饱和阶段的点。这种整合允许根据波动的温度和[CO?]实时同时优化光强和光谱品质。现有的光优化框架存在明显不足：它们局限于静态PPFD或LQ优化，忽视了温度和[CO?]的动态波动，且未能形成系统化方法来协调能效与光合生产力。

为克服这些挑战，本研究检验如下假设：对于黄瓜幼苗，目标光强和LQ并非恒定值，而是随温度和[CO?]系统性变化，因此根据这两个因素实时调节PPFD和LQ可以在比固定PPFD或固定LQ策略显著更低的光输入下维持Pn接近最大值。为检验该假设，开发了一个新的三阶段PPFD-LQ决策框架。首先，采用数据驱动方法在不同PPFD-LQ梯度下界定光合响应。此阶段从过度依赖机理参数转向利用实时光合数据。随后，通过光响应曲线的曲率分析实施经济高效的PPFD确定策略。此阶段将能效明确嵌入光强优化中。最终，建立了基于实时Pn的动态LQ优化。由于该框架将PPFD-LQ调控与温度和[CO?]的实时动态耦合，其性能不仅与固定LQ和饱和点策略进行比较，还与长期栽培试验中的实际幼苗生长进行对比评估。

需要说明的是，优化目标并非最大化Pn，而是在拐点处最大化光利用效率（每单位PPFD的Pn），以平衡碳增益与能耗。与现有的PPFD-LQ优化框架相比，本研究的创新之处在于其数据驱动、动态且注重成本的设计，充分纳入了温度和[CO?]的交互效应。以黄瓜幼苗为研究对象，旨在建立一个自适应照明策略，协同优化光谱（LQ）和光强（PPFD）参数，以提高能效和光合生产力。本研究聚焦于黄瓜的苗期阶段，此时冠层开放，顶叶光合作用主导整株碳获取。因此，叶级优化为补充照明控制提供了实用且具有代表性的基础。

虽然该框架是基于黄瓜幼苗开发的，但整体方法并非作物特异性。不同物种对PPFD、LQ、温度和[CO?]的光合响应存在差异，但核心工作流程可通过重新校准光合参数迁移到其他物种。本研究通过提供具有理论依据、注重资源的环境光调控范式，推动了受控环境农业的发展，填补了静态光优化框架与实际保护地作物栽培动态需求之间的空白。

分段摘要

材料与方法

光调控的决策过程由六个部分组成。首先，培养黄瓜幼苗以获取光合参数。其次，通过在受控温度、[CO?]和LQ梯度下采样，开发Pn预测模型，生成相应的Pn-PPFD光响应曲线。将这些曲线的拐点坐标作为目标PPFD值并汇编为参考数据集。随后，利用该数据集构建……

光合速率预测模型

采用神经网络算法构建Pn预测模型，该模型在训练集和测试集上的性能如图4所示。绘制了观测Pn与模型估算Pn的关系图。理想情况下，1:1线应为完美匹配。对于训练集，拟合线的斜率为0.9628，截距为0.7260，接近1:1线。对于测试集，拟合线的斜率为0.9540，截距为……

结论

本研究开发了一个数据驱动的决策框架，用于黄瓜幼苗生产中光强和光谱品质的动态调控，以光利用效率为优化目标。神经网络模型从温度、[CO?]、PPFD和光品质比预测净光合速率；目标光强取自光响应曲线的拐点而非饱和点，并使光品质比最大化……

CRediT作者贡献声明

庞高：撰写-初稿、可视化、验证、资源、方法论、概念化。李慧敏：撰写-初稿、资源、数据管理。徐京华：撰写-初稿、调查研究。卢苗：撰写-初稿。胡金：撰写-审稿与编辑、监督、项目管理、方法论、概念化。

数据可用性声明

数据和代码将在请求后提供。

生成式AI使用声明

作者声明，在准备本稿件期间，使用了生成式人工智能（AI）工具来提高学术写作、语法表达和清晰度的质量。AI工具仅用于语言润色、结构优化以及对审稿意见的修改建议。所有科学内容，包括实验设计、数据分析、模型开发、结果解释和结论得出……

利益冲突声明

我们声明，我们与其他人员或组织之间没有可能不当影响我们工作的财务和个人关系。

对于题为《保护地农业中考虑温度和二氧化碳变化的黄瓜幼苗光照调控决策方法》的稿件，我没有与任何产品、服务和公司相关的任何性质的专业或其他个人利益，这些利益可能被解释为会影响对稿件的评审。

致谢

本研究得到农业农村部科技项目、国家自然科学基金（批准号：32501785 和 32572200）、国家重点研发计划（批准号：2024YFD2001004-02）、西北农林科技大学高水平创新团队项目（2452026008）以及中国博士后科学基金（批准号：2024M762637）的资助。感谢高性能计算平台的支持。

Pan Gao、Huimin Li、Jinghua Xu、Miao Lu、Jin Hu
中国陕西杨凌，西北农林科技大学信息工程学院，邮编 712100。