北方番茄日光溫室溫度傳感器布設位置研究

于玉婷 ， 柳平增 ， 王秀麗 ， 張艷 *， 王珅 ， 宋成寶 ， 馬峰

（1.山東農業大學信息科學與工程學院，山東 泰安 271018； 2.農業農村部黃淮海智慧農業技術重點實驗室，山東 泰安 271018； 3.山東農業大學農業大數據研究中心，山東 泰安 271018；4.德州市陵城區農業農村局，山東 德州 235035）

設施蔬菜是一種高產、高效的農業溫室生產方式，也是北方番茄種植的重要形式，其優勢在于溫室內部環境可控、不易受季節影響。其中溫室環境監測是設施蔬菜發展的一項重要內容[1-4]，目前日光溫室內環境監測主要以布設固定監測點為主，由于固定監測點覆蓋范圍有限[5]，且缺乏科學的布設方案，造成溫室環境感知精準性差、資源浪費等問題，影響數字農業精準化發展。

國內外學者通過對溫室溫度變化進行探索，得到了溫室溫度場分布規律，為溫室傳感器布設提供了理論依據。為實現溫室傳感器的合理布局，宗哲英[6]研究了溫室內環境時空變化參數，為作物種植、合理控制優化溫室結構提供了支持。趙建貴等[7]以番茄日光溫室為研究對象，采用濾波法對溫室內不同位置、不同高度的環境數據進行分析，明確了華北地區日光溫室內部環境參數的時空分布規律?？岛暝吹萚8]采用密集布設點的方式采集溫室內豎截面的環境數據，通過計算流體動力學（computational fluid dynamics , CFD）對典型天氣下日光溫室內的溫度場和濕度場進行了有效分析。塔娜等[9]在溫室內布設了多個空氣溫度傳感器，通過二維溫度場對溫室內部環境進行了分析，揭示了北方日光溫室溫度場內溫度分布特點。

基于溫度變化規律，以數據驅動為依據，國內外學者對溫室內傳感器布設位置進行了深入探索。為實現溫室不同區域的低成本、全面、精準的感知，侯加林等[10]設計了移動式溫室環境監測系統。彭秀媛等[11]從傳感器監測數據的準確性出發，采用最佳平方逼近最小二乘法研究了番茄溫室內最具代表性的傳感器監測位置。針對北方日光溫室內傳感器布設問題，許可等[12]通過神經網絡和數據融合的方法研究了番茄開花坐果期和結果期的溫室傳感器布設位置。王凡等[13]采用最小二乘法分析了溫室內土壤水分傳感器的安放位置，為土壤水分傳感器埋設深度和寬度提供了參考。為確定監測和控制溫室內部環境的最佳監測位置，Lee等[14]基于誤差傳感器布設和基于熵獲得設施溫室內傳感器最佳安放位置。Tajnafoi等[15]通過變分高斯過程實現預測模型在線更新，利用貪心選擇算法從數值嵌入空間中定位，實現最優空間定位。Romain等[16]采用深度學習算法對傳感器布局進行優化，在技術上為傳感器尋優布設提供了支撐。Cumbo等[17]研究了基于卡爾曼濾波的最優傳感器配置方法，旨在從系統可觀角度上尋求最優傳感器布設。

上述研究通過最小二乘法、神經網絡、誤差法、深度學習等智能算法對溫室采集數據進行分析，但針對北方番茄不同生長時期的研究相對較少。番茄在我國大宗蔬菜中占有舉足輕重的地位，且具有良好的經濟效益，我國番茄種植主要以設施溫室為主。番茄溫室中小氣候環境因子主要包括空氣溫度、空氣濕度、有效光輻射、CO2含量、土壤溫度和濕度等，番茄生長分為苗期、開花坐果期、結果期3個時期，各生長周期中空氣溫度、有效光輻射對番茄生長和發育影響顯著[18-19]，且溫室溫度與有效光輻射之間有極強的相關性[20]。因此，可將番茄、溫室、設備看作整體來研究溫度傳感器最佳布設位置。溫室溫度日變化曲線類似于開口向下的拋物線，但由于受到風口開關及環境變化的影響多呈多峰狀態。

為探究科學的傳感器布設方案，促進精準農業、數字農業以及番茄產業的發展，本研究在番茄不同生長時期選用多點布設，基于高斯（Gaussian）函數的多峰擬合法對北方番茄溫室溫度傳感器最佳布設位置進行研究,旨在為溫室環境精準監測奠定基礎。

1 材料與方法

1.1 供試材料

日光溫室位于山東省泰安市山東農業大學林學綜合實驗基地，溫室采用新型日光溫室建筑標準，東西長69.25 m，南北寬9.80 m，后墻高3.80 m，脊高5.00 m，設有上、下2個通風口，下通風口位于距地面0.60 m處，上通風口位于溫室頂部，通風口長度約1.30 m。番茄自2020年8月30日定植，10月1日起開花面積達80%以上進入開花坐果期，自10月19日起進入結果期，至2021年1月18日拉秧，整個生長周期共計141 d，其中苗期31 d，開花坐果期18 d，結果期92 d。番茄種植行距1.6 m，株距17.5 cm，自2020年12月25日開始采收，采收期共25 d，產量共計4 181.5 kg。

環境采集設備選用山東農業大學農業大數據研究中心自主研發的“神農物聯Ⅳ”系統，其中選用DB171空氣溫度傳感器（大連北方測控工程有限公司）進行溫度監測，其測量精度高、反應靈敏，滿足農業溫室環境檢測需求。

1.2 試驗方法

1.2.1 傳感器布設 本研究以固定采樣點的方式布設了20個監測點（N1~N20）對溫室溫度進行長期監測，為保證所測數據能準確表征溫室環境狀態，將采樣點均勻布設于溫室內，如圖1所示，利用采樣點對溫室進行了等分，番茄吊蔓鋼絲的最大高度為1.8 m，因此以0.6 m為基準對其進行三等分，在1.2 m處布設俯視平面上的各監測點。

圖1 監測點布設俯視圖Fig. 1 Top view of monitoring site layout

自左往右第3列（N13~N19）和第6列（N3~N9）的縱截面豎直方向的監測點部署如圖2所示。由于后墻體高為3.8 m，溫室寬約為10 m,溫室前屋面呈弧形向下彎曲，因此以0.6 m為基準將溫室空間在豎直方向上分為6層，以2.5 m為基準將南北方向上分為4部分，將監測點均勻布設于溫室側切面上[9]，實時監測番茄溫室內溫度變化情況。

圖2 監測點布設側視圖Fig. 2 Side view of monitoring points

1.2.2 數據預處理 為提高數據質量和可靠性，利用Python對3個時期的室內溫度數據進行分析，并選用格拉布斯準則對番茄溫室數據進行預處理[21]。格拉布斯準則通過判斷所監測數據的殘差值來判斷被檢測數據中異常值。該準則認為，當檢測的殘差值較大時該值為異常值，被處理的數據需符合正態分布，將樣本數值設為x1,x2,x3,…,xn，從小到大排列順序為x(1),x(2),…,x(n)，統計臨界系數為g0(n,α)，其中α為顯著性水平，g1、gn計算公式如下。

1.2.3 基于最小二乘法的高斯多峰擬合 運用Origin 9.0對溫室溫度變化曲線進行了多峰擬合，選用高斯函數為目標函數，其表達式如下。

式中，y0表示基線，一般選擇函數曲線中出現的最小值；xc為峰中心；A為峰面積；w為峰的半高寬，每個高斯函數峰都由xc、A、w決定。yc為高斯峰高，σ為高斯分布的標準差，得w=2σ。

將預處理后的數據進行高斯多峰擬合，溫度變化曲線由多個高斯單峰進行疊加，對溫室溫度日變化曲線進行分析時，以基線（y0）、峰中心（xc）、峰面積（A）、峰的半高寬（w）為特征參數，建立擬合模型公式（4）。

式中，i為高斯峰個數的索引值（i=1,2,……,M），xci為第i個峰的峰中心，A為第i個峰的峰面積，同理wi為第i個峰的半高寬[22]。

選取番茄不同生長時期，以日為單位對溫室溫度變化趨勢進行分析，以5min為時間梯度，令(t=1，2，……，288)為 20 個溫室環境監測點(N1，N2，……，N20)不同時間下的溫度平均值。

式中，Tni為第N監測點第i個時間的溫度。

2 結果與分析

2.1 番茄各生長時期平均溫度分析

圖3所示為整個生長周期下日平均溫度的占比，苗期平均溫度主要集中在20~25 ℃之間，占苗期總時長的70%，開花坐果期溫度有50%以上時間位于15~20 ℃之間，結果期溫度有60%時間位于15~20 ℃之間，因此在番茄苗期隨機選取日平均溫度位于20~25 ℃之間的1 d數據，開花坐果期和結果期各選擇日均溫位于15~20 ℃之間的1 d數據進行后續分析。

圖3 番茄各生長周期平均溫度分布Fig. 3 Average temperature distribution of tomato in each growth cycle

2.2 擬合分析

以苗期為例，通過Origin 9.0對函數進行一階導數殘差尋找隱峰，選用Savitzky-Golay平滑方法去噪得到6個特征峰，即M=6。如圖4所示，第4 個峰波動最強面積最大，Ai＞0，Wi＞0 ，帶入公式（4）得到苗期表達方程。

圖4 溫度曲線尋峰Fig. 4 Peak search for temperature curve

溫度變化曲線與時間（x軸）形成的面積反映了擬合曲線的變化狀態，因此以高斯多峰擬合模型為依據，選取最接近溫室整體平均變化水平的溫度監測點，并將此監測點定義為本研究番茄不同生長時期中最佳監測點。將溫室溫度日變化曲線積分所得面積定義如下。

當Sj最接近時，則判定該監測點最接近溫室平均水平，將日平均溫度的曲線變化面積與Sj做差得到ΔS，通過對比曲線積分面積差值的絕對值（|ΔS|）的大小，判定最接近溫室溫度平均變化水平的監測點。

如表1所示，所得的基線（y0）及各峰中心（xci）、峰面積（Ai）、峰的半高寬（wi）（i=M）的相關性都達到極顯著水平，除A5在P＜0.01水平差異顯著外，其他都達到P＜0.001顯著水平。

表1 多峰擬合參數Table 1 Multi-peak fitting parameters

表1 多峰擬合參數Table 1 Multi-peak fitting parameters 續表 Continued

2.3 苗期溫室最佳監測位置分析

依據番茄苗期平均溫度占比分析，選取2020年9月30日番茄苗期溫室環境數據進行高斯多峰擬合，如圖5所示。通過擬合分析，共得到1條原始溫度曲線、1條基線、6個峰值（分別是峰擬合1～6）和1條累計峰擬合曲線，得M=6。

圖5 苗期擬合效果Fig. 5 Seedling period fitting effect

2.2 開花坐果期溫室最佳監測位置分析

開花坐果期選取2020年10月9日溫室數據對溫室溫度變化曲線進行高斯多峰擬合，由圖6可見，共擬合得到1條溫度曲線、1條基線、1條累積峰擬合曲線、4個峰擬合曲線，即得到4個峰值，因此M=4，日平均溫度決定系數（R2)為0.997，殘差平方和（SSE）為9.908，均方根誤差為0.240，擬合效果較理想，由公式（5）得積分面積=774.116。

圖6 開花坐果期擬合效果Fig. 6 Fitting effect diagram of flowering and fruit-setting period

表3為各監測點所對應的積分面積Si(i=1,2,…,20)、決定系數、殘差平方和以及Si(i=1,2,…,20)曲線積分面積與日平均溫度積分面積的絕對差|ΔS|，其中最小決定系數為0.992，最大殘差平方和為22.318,擬合效果較為理想，N15監測點和N10監測點面積的絕對差相對較小，因此，在番茄開花坐果期，N15和N10監測點的溫度變化水平最接近溫室平均變化水平。

表3 開花坐果期溫度監測點分析Table 3 Analysis of temperature monitoring points during flowering and fruit-setting period

表3 開花坐果期溫度監測點分析Table 3 Analysis of temperature monitoring points during flowering and fruit-setting period 續表 Continued

2.3 結果期溫室最佳監測位置分析

結果期選取2021年1月8日對番茄結果期內溫室溫度數據進行分析，如圖7所示，擬合得到3個峰擬合曲線（峰擬合1~3），即M=3。經計算得日平均溫度決定系數(R2)為 0.984，殘差平方和（SSE）為26.303，均方根誤差為0.553，積分面積=614.021,擬合效果較為理想。

圖7 結果期擬合效果Fig. 7 Fitting effect diagram during the fruiting period

表4 結果期溫度監測點分析Table 4 Analysis of temperature monitoring points in fruiting period

2.4 傳感器監測結果與位置分析

2.4.1 溫室中部對稱位置監測結果分析 綜上所述，以泰安市典型番茄日光溫室為例，通過對溫室實測數據分析得，位于溫室中部監測點所采集的數據最接近溫室整體平均溫度變化水平，位于風口、門口及陰影帶附近的監測點表現最不穩定。表5為同一溫室相同時期下對稱位置監測點所采集的溫度數據。

表5 對稱監測點實測溫度數據Table 5 Measured data from symmetrical monitoring sites （℃）

苗期和開花坐果期的最佳監測位置在N10和N15監測點附近。N10位于溫室中部，N11與N10對稱排列，由于溫室外覆蓋保溫被白天會形成陰影帶，N11監測點受到陰影帶的影響，相對于N10監測點效果較不穩定。結果期的最佳監測位置在N3和N10監測點附近，隨著溫室環境的變化及番茄植株的生長和發育，各監測點也呈現出不同的變化趨勢。

2.4.2 溫室端點監測結果分析 如表6所示，番茄不同生長時期下，將溫室平均溫度、中部監測點（N10）、兩端監測點（N1、N20）、靠近風口監測點（N9、N19）進行了對比。N10監測點所監測的數據與溫室平均值最為接近；N1監測點靠近溫室東墻，由于墻體具有蓄熱性故N1監測點溫度普遍偏高；監測點N20位于西側入口處，受溫室門開關影響較大，表現相對不穩定；監測點N9與N19靠近溫室上風口，受到溫室熱壓效應及室內外環境變化的影響，變現較不穩定與溫室平均溫度相差較大。

表6 溫室溫度監測點實測數據Table 6 Measured data of greenhouse temperature monitoring points （℃）

為探尋最接近溫室整體變化水平的溫度監測點，選定了番茄苗期、開花坐果期、結果期3個時期所得最佳監測點的重復交叉位置（圖8），即N10監測點及其附近區域作為北方番茄日光溫室最佳監測區域，該區域位于溫室中部。

圖8 傳感器最佳布設區域Fig. 8 Optimal sensor layout area

3 討論

由于溫室內溫度場分布具有不均衡性，溫室溫度變化不僅受到外界環境的影響，還會受溫室結構、作物生長、傳感器選型的影響。本研究在選定溫室類型、作物種類后，選擇同一類型傳感器，進行不同位置的溫度監測，極大縮小了誤差范圍。同一溫室對稱位置，相同類型傳感器采集到的數據也具有不同程度的差異（表5）。因此建議在番茄生長不同時期選擇最切合溫室整體平均變化水平的監測點。

溫室內環境因子之間具有較強的耦合性和遲滯性，本文針對山東泰安地區日光溫室內的溫度傳感器布設方案進行了研究，溫室內溫度、濕度、光照強度、土壤溫度以及室外溫度、光照強度皆與室內溫度具有較強的相關性，因此接下來應通過設置定變量，選擇合適模型結合溫室濕度、土壤溫濕度、光照強度等環境因子對番茄溫室傳感器布設位置進行綜合分析，研究溫度場變化與其他環境變量之間的關系。此外，應依據番茄不同生長時期結合不同地區、不同類型的溫室對室內傳感器布設方案的普適性和可靠性進行驗證，為精準感知、智能控制及數字農業的發展奠定基礎。