智能垂直农场环境条件远程监测与控制：环境变异性、传感基础设施、通信架构、执行器运行与控制策略综述

《Agriculture》：Remote Monitoring and Control of Environmental Conditions in Smart Vertical Farms

　　

垂直农业（vertical farming）需要精确监测和控制环境条件，以支持全年一致作物生产和高效资源利用。然而，多层栽培（multilayer cultivation）会造成温度、湿度、CO₂、气流和光照在空间、垂直和时间上的变化，使均匀生长条件的维持复杂化。本综述分析了70项近期关于智能垂直农场（smart vertical farms）远程监测与控制的研究，重点关注环境变异性、传感基础设施、传感器节点布置、通信架构、执行器运行和控制策略。研究被分为五个主题领域：传感与监测、自动化与控制、环境与气候控制、物联网（IoT）与无线通信，以及基于计算流体力学（CFD）的分析。近期研究进展包括用于监测的空间分布式传感网络开发，以及自适应、数据驱动、基于模型和分层控制方法的采用。尽管如此，仍存在显著研究空白，例如缺乏标准化传感器布置策略、执行器级运行数据整合有限、长期商业规模验证不足，以及监测与控制框架在不同设施配置间的可迁移性有限。许多方法仍改编自温室系统，而非专门为垂直农场设计。解决这些空白对于提高智能垂直农场系统的可靠性、能源效率和可扩展性至关重要。

1. 引言
全球粮食生产面临快速城市化、气候变化、土地退化、水资源短缺及全年优质作物需求增长等挑战。受控环境农业（Controlled Environment Agriculture, CEA）可在严格调控环境下栽培作物，垂直农业（Vertical Farming）则整合多层栽培、人工照明、水培或气雾培、数字监测和环境自动化。多层结构会造成温度、相对湿度（RH）、CO₂、气流和光照的空间、垂直与时间变异，单点或集中传感难以捕捉作物层真实条件。远程监测涉及环境与设备状态数据的采集、传输、存储和可视化，远程控制则增加向执行器发送命令的返回路径。本综述将环境变异性、传感节点布置、通信架构、执行器状态监测和控制策略整合于统一框架。

2. 综述方法
该综述遵循系统综述与荟萃分析首选报告项目（PRISMA）框架，检索2005年12月至2026年5月英文文献，主要数据库包括Scopus、Web of Science Core Collection、IEEE Xplore、ScienceDirect、SpringerLink和Google Scholar。检索词涉及垂直农业、植物工厂、受控环境农业、环境监测、传感、无线通信、物联网（IoT）、执行器运行、环境控制、暖通空调（HVAC）和计算流体力学（CFD）。初检500篇，去重95篇，筛选后最终纳入70篇。证据按直接、可迁移和支持性分类，设施规模分为实验室、原型/中试、商业/运行和不特定规模，并归入五个主题：传感与监测、自动化与控制、环境与气候控制、IoT与无线通信、CFD分析。

3. 垂直农场环境条件特征
垂直农场为完全封闭的人工控制环境，作物生长依赖人工调控温度、湿度、气流、光照和气体组成。多层货架、LED照明和机械通风影响热传递、气流和水汽传输，LED显热与作物蒸腾使温度、RH和CO₂调控相互耦合，因此需连续监测多变量并整体控制。

3.1 环境控制执行器与操作部件
系统通过无线传感器与执行器网络（WSAN）、信息物理系统（CPS）和IoT框架整合传感器、通信、控制器和执行器。执行器包括风扇、HVAC、灌溉与营养液泵、电磁阀、照明、除湿机和CO₂供应组件。现有系统多关注命令执行和环境响应，对执行器状态、退化和故障进展评估有限。电流、功率、转速、压力、流量、阀状态、运行时间和响应时间可作为潜在状态指标；异常包括风扇轴承退化或气流阻塞、泵流量受限或干转、阀卡滞。环境反馈难以区分传感器误差、通信错误、控制命令不当、执行器输出不足或部件故障，需整合环境测量、执行器信号、控制器命令、通信日志和响应时间。

3.2 空间、垂直与时间变异性
环境随栽培层、水平位置、冠层覆盖、光照、时间和生长阶段变化。垂直差异源于热量、水分和调节空气分布不均；报道上下层温差可超过2 °C，实验室中两层温差约2.5 °C，全垂直剖面可达8 °C，上层RH约高5–8%。水平梯度与风扇、送风口、墙壁、通道和回风口邻近程度有关，CO₂可在密集种植区局部耗竭。冠层发展增加气流阻力，改变热湿和CO₂传输。光周期与暗期动态不同，生长阶段也改变变异性，测量需区分无作物、早期冠层和成熟冠层。

3.3 气流动力学与通风复杂性
气流影响显热、水汽和CO₂分布，空气速度、方向和循环影响对流换热、除湿、气体混合和各层环境响应。多层货架、照明、通风部件和高密度种植改变循环路径；低风速区和回流区限制散热与除湿，过度气流增加能耗而未必改善均匀性。计算流体力学（CFD）、雷诺平均纳维–斯托克斯（RANS）和大涡模拟（LES）用于研究气流、热分层和气体运动。验证研究报道模拟与实测作物耗水差异19.3%，温度、RH和CO₂预测平均绝对误差分别为0.8%、2.2%和3.9%等；模型可靠性依赖边界条件、风扇布置、作物阻力和设施几何。

3.4 环境条件管理挑战
维持多层栽培区均匀环境困难，因产热、释湿、CO₂吸收和通风能力时空变化。温度与RH分布主要取决于栽培架、气流路径、作物密度及送/回风口位置。环境变量相互作用：增加气流可改善散热和混合，但受风扇位置、进风配置、障碍和作物阻力影响；增加通风可能提高能耗而不成比例降低空间变异。除湿可能增加显热，冷却影响RH和除湿需求。缓解措施包括局部送风、逐层循环、变速风扇、强化散热、分布式传感及HVAC、除湿、照明和CO₂系统集成管理，但其性能取决于设施规模、布局和运行条件。

4. 环境监测基础设施
性能与可扩展性依赖传感基础设施。温度、RH、CO₂、光照强度和营养液参数在多层布局中呈垂直和水平变异；pH、电导率和电输出也有助于评估营养液质量和执行器运行。传感基础设施应设计为空间感知网络。DHT22、AM2302、CM1106-C和P5144-9等用于示例性说明温度、RH、CO₂和照度传感器的量程、精度、分辨率、响应、校准和漂移，但不代表唯一适用或推荐设备。

4.1 节点布置与空间覆盖策略
节点布置影响监测网络捕捉作物层环境的能力。常规固定间隔网格易于实施，但可能在多变和均匀区域分配相似密度，增加相关性和冗余。CFD可识别回流区、热分层区、空气交换受限区及气流或CO₂差异明显位置，作为候选测点；临时高密度部署可识别持续差异点和冗余点。布置可兼顾网络连通性与环境变异性表征。综述未给出通用节点数，但原型系统、实验室六探针和商业温室54节点示例表明，空间和垂直分辨率提高需更密集布置。初始网络可结合冠层测量和跨代表性栽培层的垂直节点，并通过短期高密度测量、空间相关分析及冗余评估优化。

4.2 多节点传感网络通信架构
通信架构影响可扩展性、可靠性和安全性，包括传感器–控制器、控制器–执行器、网关–云和远程访问链路。有线稳定低延迟，但不利于模块化重构；无线便于分布式传感和组网。Wi-Fi适合网关、云连接和大数据；ZigBee支持低功耗网状网络；低功耗蓝牙（BLE）适用于短距离传感、配置和移动访问；LoRa/LoRaWAN适合长距离低功耗周期测量，但数据速率低，不适合快速闭环执行器控制。金属货架、管道、灯具和执行器外壳导致衰减、反射和多径，尤其影响2.4 GHz频段Wi-Fi和ZigBee。混合网络可结合短距离与长距离传输。安全需加密、认证、密钥管理、访问控制；LoRaWAN可采用设备应用密钥及网络和应用会话密钥。

5. 远程管理与控制策略
控制策略分为传统规则/阈值控制、数据驱动/模型控制和IoT远程监测管理。规则方法简单透明，但在环境跨层和生长阶段变化时受限；数据/模型方法结合历史传感、环境变化、执行器响应和预测模型；IoT远程管理整合传感器数据、执行器命令、边缘设备、云服务器和用户界面。研究报道模型优化可使年生物量增加约8%、周期投入成本降低30%、年投入成本降低25%；实时反馈故障检测延迟低于90 s，但更严格温度调节使能耗增加2.2倍；确定性规则控制最大响应约22–24 s，栽培操作时间减少约60.42%；自适应阈值控制使泵运行减少23.4%，但验证限于六小时仿真。远程监督在54个传感节点和12个执行器节点的商业温室中验证。

5.1 传统规则和阈值控制
固定阈值在超过限值时改变执行器状态，滞回控制减少频繁启停。适用于简单目标和稳定工况，也可作为主控或备用层，但固定规则调整能力有限。固定设定点和滞回在环境与负载变化时可能失效，比例–积分–微分（PID）和模糊控制可提供更灵活响应；PID依据当前、累积和变化率误差连续调整输出，模糊控制通过规则推理生成阶梯响应，增益调度按预定工况改变参数。多层农场中仅依赖固定设定点可能无法响应空间差异。

5.2 数据驱动和基于模型控制
通过整合系统动态、历史传感器和执行器响应实现自适应调节。模型驱动预测系统响应，数据驱动提取运行关系；执行器电信号可指示状态、负载和异常。实施需分离自动闭环与远程监督：实时传感和执行器命令宜由本地或边缘控制执行，云平台支持存储、可视化、高级优化和监督访问，形成分层结构。通信与运行可靠性指标包括端到端延迟、数据包投递率、命令成功率、停机、恢复、数据完整性和报警投递可靠性。数据质量、模型可迁移性和设施配置差异仍是约束。

5.3 物联网赋能的远程监测与管理
提供连接环境传感、执行器状态和操作者访问的通信监督框架。分布式节点采集数据并传输至平台用于存储、可视化和监督；云平台支持历史分析和远程访问。远程监督与自动闭环控制不同，前者供操作者干预，后者由控制器直接调节执行器。在分层结构中，远程管理支持数据集成、可视化、监督访问和操作者交互，本地和边缘层处理直接交互任务。安全需用户授权、设备认证、加密、命令确认、审计日志和手动覆盖，冗余与容错可在故障时支持运行。

6. 研究空白与未来方向
传感器布置标准化最紧迫，因为后续环境评估和控制依赖有代表性测量。执行器级状态监测为第二优先，电流、功率、转速、振动、压力、流量、命令状态和响应延迟可能有用，但与具体故障模式关系在商业垂直农场中很少验证。需更清晰分离时间关键本地控制与远程监督。模型和数据驱动控制的可迁移性受作物、生长阶段、栽培几何、气流、传感密度和执行器容量差异限制。多设施和多季节研究、公共基准数据集及标准化变量、单位、校准、元数据、匿名化程序有助于可重复性和比较。

7. 局限
检索限于六个数据库、英文文献和既定时期，可能遗漏其他来源，带来语言和选择偏倚。设施规模、作物、传感、通信、控制、验证和指标异质性大，未进行正式荟萃分析，跨研究比较受限。实验、数值、综述和技术证据间难以统一偏倚风险评估。部分证据来自温室等系统，垂直农场长期商业规模验证有限，迁移需谨慎。

8. 结论
按PRISMA初检500篇，最终纳入70篇，分布于传感与监测、自动化与控制、环境与气候控制、IoT与无线通信及CFD分析。温度、RH、气流和CO₂存在显著空间与时间变异，垂直变异大于水平，单点或稀疏传感不足。执行器运行是微气候稳定关键，电信号监测有助于识别状态、异常和早期故障，但证据主要来自温室和部件级研究。控制策略正从规则/阈值转向数据驱动和模型方法。未来需标准化传感器布置、长期校准和漂移评估、执行器信号与故障解释、集成框架及商业设施多季节验证。