基于物聯網的日光溫室冠層特征溫度時空變化規律分析

張軍華 沈楷程 陳丹艷 張明科 胡 瑾

(1.西北農林科技大學機械與電子工程學院， 陜西楊凌 712100； 2.農業農村部農業物聯網重點實驗室， 陜西楊凌 712100；3.西北農林科技大學園藝學院， 陜西楊凌 712100； 4.陜西省農業信息感知與智能服務重點實驗室， 陜西楊凌 712100)

0 引言

冠層溫度是作物生長發育過程中的重要環境因素，直接影響作物的生理狀態[1]。在冬季北方反季節生產過程中，溫室溫度的監測和調控尤為重要，日光溫室通過后墻對太陽能的蓄放熱特性及覆蓋物的保溫，可有效實現夜間溫室內溫度的提升，日光溫室在中國北方地區分布較為廣泛[2-3]。隨著生產需求及建造技術的提升，日光溫室建造朝著大跨度、大長度方向發展，室內空間不斷擴大[4-5]，溫室內溫度不僅受外界環境影響，同時還受墻體、地溫、作物、濕度等因素影響，導致溫室內溫度時空分布不均[6-7]。特別是在冬季受連續陰(雨)天、雪天等氣候變化影響時，極易導致作物冠層局部溫度過低，造成作物冷害、凍害甚至死亡[8-9]。因此，分析作物冠層溫度分布特征，進而尋找溫度最低點、優化日光溫室環境監測及增溫設施部署對減少凍害損失具有重要意義。

目前，針對日光溫室溫度變化規律、分布特征及監測預警已進行了大量研究[10-11]。現有日光溫室小環境因子建模預測方法具有較高精度，能準確模擬、預測監測點的變化規律[12-15]。然而，以單點或少數監測點數據對溫室內整體及冠層溫度進行分析存在一定局限性，易忽略全局極值溫度點。近年來，CFD技術廣泛應用于農業領域，能動態模擬太陽熱負荷在溫室中的分布與變化，結合溫室構造等因素可實現對溫室小氣候整體變化規律的分析，同時可進行溫室溫度場仿真，為溫室溫度場預測與調控提供了新的思路[16-18]。但由于日光溫室結構復雜，特別是溫室內冠層溫度受作物長勢、外界光照、墻體蓄熱、覆蓋材料等多種因素影響，導致作物冠層溫度的空間分布表現出非線性，且變化不定，使CFD技術相對難以模擬[6,19]，在實際監測調控應用中存在較大誤差。以上研究雖然在一定程度上揭示了日光溫室整體溫度變化，但僅以較少典型位置(溫室中部及兩端)的傳感器部署進行監測[9,20]，難以全面反映溫室冠層時空分布不均的實際情況，導致獲取的特征點存在偏差，無法為日光溫室生產過程及時作出預警，以防止溫度災害的發生。

本文構建基于物聯網技術的日光溫室溫度場監測系統，采集冠層溫度數據，采用插值算法對番茄冠層溫度場進行擬合，并分析冠層溫度場特征，提取溫度極值點，研究不同天氣條件下溫度極值點分布規律，以期為日光溫室設施調控傳感器及增溫設施的高效部署提供理論依據。

1 試驗數據獲取與分析

1.1 試驗對象

采用典型西北下沉式日光溫室為試驗對象，屬于單棟、單坡面、厚土墻式溫室，其坐北朝南，溫室東西長50 m，南北跨度7 m，脊高5 m，下沉0.5 m，后墻和東、西兩側墻體為黏土制成，拱架為鋼架結構，后坡覆以PC板和紡織材料制成的保溫棉被，透光材料為聚氯乙烯薄膜，采用上下通風方式建造。試驗在陜西省涇陽縣西北農林科技大學涇陽蔬菜示范基地6號日光溫室進行，位于北緯34.4°～34.6°，東經108.4°～108.9°，屬于典型的溫帶大陸性季風氣候。棚內種植作物為番茄，于2019年10月20日定植，溫室內壟寬0.8 m，壟間距0.8 m，每壟種植2行番茄，共計33壟，整個生育期采用滴灌方式進行灌溉，試驗期間溫室于08:00—09:00間揭保溫被，晴天/多云天氣10:00—10:30間開上通風進行降溫及外界二氧化碳補充，陰(雨)天一般不通風或延遲至12：30后。

1.2 數據獲取

為采集番茄冠層溫度分布情況數據，采用自主開發的溫度場監測系統，包括溫度采集節點、485節點、DTU數據上傳模塊與物聯網監控平臺。整套溫度場監測系統分8路共計40個溫度采集節點，系統結構框圖如圖1所示。

溫度采集節點以MSP430FR2433微處理器為核心處理單元，采用德國賀利氏生產的PT100型薄膜鉑熱電阻進行溫度采集，其使用不銹鋼保護管與四氟高密度鍍銀屏蔽線進行封裝，具有良好的抗腐蝕性與抗干擾性能，測量精度±0.15℃，溫度測量范圍-50～300℃；溫度信號通過ADS1274 24位高精度采樣芯片進行轉換，并由串口傳送給核心處理單元，每個處理單元具有單獨編號，各個單元間通過485總線形式進行通信。485節點采用STM32F103微處理器，負責接收處理每個溫度采集節點傳輸的數據。數據上傳模塊采用Comway 4G DTU全網通透傳模塊(4G模塊)，負責將匯集的溫度場數據上傳。最終數據匯聚至物聯網監控平臺進行管理與分析。

試驗于2019年11月27日—12月15日進行，番茄處于花期，試驗期間植株平均高度40～60 cm，共連續采集19 d冠層溫度場數據，其中晴天、多云天、陰(雨)天分別為7、7、5 d。溫度場監測系統每5 min記錄一次溫度場數據，通過4G模塊將數據上傳至監控平臺。試驗部署方案如圖2所示，溫度場監測系統40個溫度傳感器按圖2中所示方案部署，共8列，東西距側墻各4 m作為緩沖區，各列相距6 m；每列部署5個傳感器分別距后墻1.5、2.5、3.5、4.5、5.5 m，距地面0.5 m。本文采用試驗期間19 d數據進行分析，每30 min選取一次數據，共獲912組冠層原始溫度數據，每組40個溫度點，總計36 480個溫度點數據用于番茄冠層溫度場插值模型構建。

1.3 數據分析

以實測試驗數據為基礎，通過克里金法(Kriging)計算溫度場數據，進而采用差分進化算法獲取番茄冠層溫度場極值特征點，探尋日光溫室作物冠層溫度特征點分布及變化規律，其算法流程如圖3所示。

1.3.1克里金插值

針對冠層溫度場連續且分布不均、差異性大、不規律，以及試驗過程中因試驗條件限制導致支撐建模分析數據量少的問題，本文采用簡單克里金算法進行溫度場建模，克里金法是通過協方差函數對隨機過程或場進行空間建模和預測的回歸算法，能實現目標位置的無偏估計[21-22]，其廣泛應用于農業、氣象等空間領域插值，如土壤有機質空間分布、作物需水量變化趨勢分析、地下/地表溫度預測、降水時空分布等[23-27]。本文通過Pycharm軟件與克里金算法庫進行溫度場建模，采用留一法對19 d每個時刻監測溫度數據進行交叉驗證的數據集劃分，即每個時刻溫度場的40個溫度點中每個點輪流作為測試集，剩余39個點為訓練集，循環建模驗證40次，每個時刻共獲取40個驗證模型及驗證數據點，19 d共計獲取36 480個驗證數據用于插值模型性能分析。其中克里金算法采用粒子群算法作為激活函數，由于監測數據量有限，預測點相鄰要素點數量設置為10，即預測點數據由其最近鄰10個監測點計算所得。

1.3.2差分進化算法

差分進化算法(Differential evolution,DE)是一種基于群體差異的啟發式隨機搜索算法，它采用隨機并行搜索，可實現非線性不可微連續空間的函數最小值搜尋[28]，適用于本文研究中非線性溫度場極值的尋優。差分進化算法是基于無約束條件優化問題

(1)

式中xj——第j維變量取值

按以下步驟求解：

(2)

Vi(g+1)=Xr1(g)+F(Xr2(g)-Xr3(g))

(3)

其中i≠r1≠r2≠r3，r1，r2，r3∈[1，NP]的3個隨機數，F為確定的縮放因子常數，g為代數。選擇第g代種群及其變異的中間體進行交叉操作，根據交叉概率CR隨機產生新個體，當rand(0,1)≤CR或j最大時產生的新個體Ui,j(g+1)公式為

(4)

采用貪婪選擇策略擇優選取式(4)產生新個體與父代個體，將符合條件個體保存至下一代群體中，返回模型是否滿足終止條件，滿足則尋得的點為該函數的極值點，該算法具有收斂速度快、參數設置少且優化結果穩定的優點，適用于全局最優解的求取。

2 結果與分析

2.1 作物冠層溫度場插值結果分析

對交叉驗證計算數據與實測數據進行線性擬合分析，結果如圖4所示，圖4a、4c、4e分別表示晴天、多云天及陰(雨)天實測值與預測值線性擬合結果，圖4b、4d、4f表示不同天氣條件下克里金插值標準殘差大于2σ離群值點出現的時間分布直方圖。

由圖4可得，晴天、多云天、陰(雨)天擬合決定系數分別為0.955 3、0.960 4、0.944 7，其均方根誤差分別為1.34、0.95、0.40℃，說明本方法在溫度場插值中效果較好，能較好表征冠層溫度的變化規律。陰(雨)天相較于晴天與多云天決定系數相對較低，但其均方根誤差相對較小，由圖4e可看出，各個溫度范圍波動大小較為一致，這是由于陰(雨)天相對于晴天受外界輻射影響較小，使冠層溫度波動趨于穩定，插值的偏差較小、精度較高。圖4a、4c中高溫部分(白天)相對于低溫部分(夜間)波動較大，導致整體均方根誤差較陰(雨)天更大，主要因為晴天溫度受外界光輻射波動、通風等因素影響，使冠層溫度空間變異性變大，導致空間分布不均且無規律，從而影響建模精度。圖4b、4d、4f結果表明，由于太陽輻射使溫室內能量流動加劇、水汽蒸發，溫度離群點主要出現于揭被后，且太陽輻射越強，插值造成的偏差較大；由偏差分布的時間結果可知，該方法相比較晴天白天溫度插值計算，更適用于夜間及陰(雨)天全天的溫度插值，即更加適用于冬季日光溫室的低溫溫度場的建模。

2.2 冠層溫度特征點日變化規律分析

2.2.1冠層溫度場特征點獲取

以克里金插值模型為差分進化算法的適應度函數，設置算法參數種群規模為20，迭代次數1 000，縮放因子0.5，交叉因子0.8，對日光溫室冠層溫度進行二維尋優，以2019年12月3日09:00時溫度最大值尋優為例，其進化曲線如圖5所示，由圖5可知，采用DE算法收斂速度較快，在迭代至112次時基本平穩，能快速獲取溫度極值。本文共獲取連續19 d每30 min一組極值數據，共獲取1 824個溫度極值特征點與位置坐標，其中最高溫與最低溫點各912個，晴天、多云天極值各336組，陰(雨)天極值240組。

2.2.2冠層溫度特征點日變化規律分析

通過建模尋優結果分析不同天氣條件下溫室內冠層溫度特征點的分布及變化規律，溫度變化規律分析中每類天氣條件各時刻溫度數據，由試驗期間所有該類天氣對應時刻溫度取均值獲得。

(1)晴天冠層特征點分布及溫度變化規律

晴天冠層溫度極值點位置分布及溫度變化趨勢如圖6所示。由圖6a可知，晴天最高溫點主要分布于溫室中部，且靠近內墻，以東墻和后墻連接處為橫向與跨度方向起始零點，經分析約69.3%的溫度最高點位于溫室橫向22.05 m，距內墻2.48 m附近，結合圖6c分析可知，08:30左右揭被后太陽輻射使溫室內溫度迅速升高，由于太陽初升直射西墻，而日光溫室東部由于東墻遮擋溫度偏低，溫室溫度呈現西高東低的趨勢，導致揭被后約14.3%最高溫點出現在溫室橫向45.99 m、距內墻1.51 m靠近西墻附近；13：00后，太陽輻射角減小，輻射能量降低，且墻體向外散熱快使溫室東西兩側較中部溫度低，使最高溫度位置向中間移動，由于地面長輻射、冠層輻射等因素導致熱氣流上升隨溫室薄膜向內墻順時針循環，同時薄膜附近與室外熱交換快的原因，使白天溫室靠近后墻側溫度高于靠近薄膜側溫度[29]；其次夜間蓋被后由于外界溫度較低，溫室內熱量通過保溫被快速散熱，使靠近薄膜外側溫度較低，同時溫室后墻中部由于白天太陽輻射蓄熱時間長，夜間保溫性能更好，這些均是溫室全天溫度最高溫點大多數出現在[22.05 m，2.48 m]附近的主要原因。其余極值特征點位置散布，主要由于白天溫室內被外界環境擾動及農事操作等原因導致。

由圖6b可知，晴天最低溫特征點分布區域較廣，主要分布于溫室靠近薄膜附近，其中約75%最低溫點位于橫向0～20 m、距后墻5.5 m左右區域內，約19.3%位于溫室橫向28 m，距內墻4.5 m附近；結合圖6c及數據分析可得，08:30左右揭被后，最低溫由最東側向偏中方向移動，白天主要集中出現于[28 m，4.5 m]附近，至16：30左右，由于太陽與溫室輻射角減小造成溫室西側被西墻遮擋，使其附近溫度迅速下降，至17:00左右蓋被時間段內，最低溫位于溫室最西側靠薄膜附近；蓋被后至午夜左右，由于墻體的蓄熱保溫功能，溫室東西兩側及后墻內測溫度較高，溫度最低點主要位于中部[28 m，4.5 m]附近；午夜過后東西墻薄蓄熱少保溫功能基本消散，逐步向外界散熱，由于東墻較西墻白天墻體蓄熱量小，夜間保溫效能時間更短，使其內側附近溫度降溫較快，因此夜間至開棚期間最低溫主要位于溫室東側[4.35 m，5.32 m]附近。

由圖6c可知，最高溫點平均溫度日變化范圍為10.5～34.8℃，由于溫室效應及太陽能量輻射角等因素，白天平均最高溫出現在13:00左右；最低溫點日平均溫度變化范圍為8.2～22.0℃，最低溫出現在07:30—08:00期間，此時太陽正處于地平線附近，且未揭被，溫室內外存在較大溫差，處于溫室熱量散失降溫階段；此后由于外界溫度升高，溫室內外溫差減小，后墻及土壤的蓄熱能量使溫室內溫度出現緩慢回升趨勢。揭被后溫室內溫度迅速升高，且溫室最高溫點上升趨勢明顯高于最低溫度，說明日光溫室不同位置溫度變化的滯后性與不均勻性存在明顯差異；10:00—10:30期間執行開上通風操作，此時內外溫差較大，溫室內部熱空氣快速從通風口散失，使溫室內溫度出現短暫下降，此后至13:00左右溫室溫度持續升高至最高溫；在15:00—15:30期間由于通風口的關閉，溫室內溫度下降速率降低。關棚后最高溫點、最低溫點溫度呈緩慢下降的趨勢。

(2)多云天冠層特征點分布及溫度變化規律

多云天冠層溫度極值點位置分布及溫度變化趨勢如圖7所示。

由圖7a結果及分析可得，約73.2%最高溫點位于溫室橫向22.0 m，距后墻2.49 m附近，位置和出現時間與晴天基本一致；開棚揭被后至13:00期間約10.4%點出現在溫室橫向45.98 m，距內后墻1.61 m處附近，此后溫室最高溫點向溫室中部22～28 m附近偏移；其余分布點主要由于揭被后多云天氣太陽輻射無規律變化及外界環境變化所造成。多云天最低溫分布如圖7b所示，其主要分布范圍與晴天基本一致，但分布范圍更廣，主要原因是多云天太陽輻射變化使溫室內溫度出現波動，導致溫度分布不均造成。經分析約70.5%最低溫點分布于溫室橫向0～20 m，距后墻5.3 m附近，其中約66.6%最低溫點位于[4.01 m，5.3 m]附近，主要發生時間為夜間至開棚揭被前；蓋被后一段時間內由于溫室保溫特性約19.6%最低溫會集中出現于[27.9 m，4.52 m]位置附近，綜上分析多云天氣溫度極值特征點分布概率、位置、時間與晴天基本一致。由圖7c溫度變化趨勢分析可得，多云天最高溫點平均溫度日變化范圍為11.5～30.1℃，最低溫點平均溫度日變化范圍為9.3～20.4℃，其日變化規律與晴天基本相同。由于多云天氣溫室內外溫差較晴天略小，使在10:00左右通風開始過程中溫室內溫度下降趨勢比晴天小，甚至部分天呈現上升趨勢。

(3)陰(雨)天冠層特征點分布及溫度變化規律

陰(雨)天冠層溫度極值點位置分布及溫度變化趨勢如圖8所示。

由圖8a分布結果可知，陰(雨)天冠層溫度最高點主要分布在溫室中部橫向22.0 m，距離內墻2.51 m附近，其分布的點數約占總體97.5%，主要原因是陰(雨)天外界氣候環境變化小，且無太陽直接輻射，使溫室內部整體溫度場趨于穩定，同時溫室后墻的蓄熱保溫特性使最高溫度點靠近內墻；僅2.5%的最高溫點在12:00—14:00間位于溫室西墻附近，這是由于陰(雨)天上午溫室內西墻附近積溫相對較多造成，在14:00過后外界溫度下降，溫室東西兩側溫度散失較快，使溫度最高點重新回移至溫室中部；陰(雨)天最低溫分布情況主體分布與晴天、多云天氣基本一致，但相對更集中，分布如圖8b所示。由于陰(雨)天外界輸入溫室的能量少，且外界溫度低，溫室內靠近薄膜附近，熱量散失較快，使95%的最低溫點遠離后墻靠近于薄膜，其中約79.8%最低溫點位于溫室橫向4.04 m，距后墻5.48 m附近。圖中位于[4.0 m，1.52 m]附近數據主要出現于揭被后，可能是由于農事操作過程中開關門簾使局部溫度短時下降造成。

由圖8c可知，陰(雨)天最高溫點平均溫度日變化范圍為12.7～16.2℃，一天最高溫出現在14:00左右；最低溫變化范圍為10.3～13.1℃，一天最低溫出現在09:30左右，在08:30揭被后至09:30左右溫度呈現下降的趨勢，這主要是由于無陽光能量直接輻射，溫室內外溫差大，溫室內熱量積累量小于向室外散失量導致，說明陰(雨)天在開棚揭被時需注意內外溫差，防止溫室內溫度下降過快造成作物冷害；14:00過后出現溫度下降是由于光輻射角減小，外界溫度降低，溫室內外溫差變大導致。夜間溫室溫度變化較為平緩，與其他天氣趨勢一致，體現出日光溫室良好的保溫性能。

綜上晴天、多云天、陰(雨)天冠層溫度特征點分析結果可得，不同天氣條件下其主要分布位置基本一致，溫室冠層最高溫點主要出現于溫室中部[22.0 m，2.5 m]附近，溫度最低點主要位于靠近東墻與外膜[4.0 m，5.48 m]附近。溫室內冠層溫度變化規律類同，但陰(雨)天夜間最低溫均值最高，多云天氣次之，晴天最低，且晴天溫室內夜間溫度下降速率大于多云天下降速率，陰(雨)天下降速率最緩慢，其主要原因在于陰(雨)天存在烏云遮擋，能夠有效反射地面長波輻射，起到了保溫的作用。

3 結論

(1)采用克里金插值算法能較好地獲取符合實際冠層溫度的插值數據，經驗證，插值后晴天、多云天、陰(雨)天的決定系數分別為0.955 3、0.960 4、0.944 7，均方根誤差分別為1.34、0.95、0.40℃，由于日光輻射變化及通風等農事操作的影響，克里金插值算法更適用于陰(雨)天全天及夜間低溫冠層溫度場的數據插值。

(2)在不同天氣條件下，日光溫室內冠層溫度變化趨勢基本一致，揭被后溫室內溫度呈上升趨勢，最低溫主要出現在揭被及日出前后，最高溫出現在13:00左右，晴天夜間溫度下降速率最快，多云天次之，陰(雨)天最慢，最低溫與下降速率的規律相反，為陰(雨)天最高。

(3)在不同天氣條件下，溫室內冠層最高溫點存在差異，但主要集中出現在溫室中部[22.0 m、2.5 m]附近，最低溫點主要位于[4.0 m，5.48 m]靠近東墻與外膜附近區域。溫室層極值特征點的獲取可為溫度災害監測、溫室智能化控制、增溫設施部署等研究提供有效參考。