第一節本文研究的目的及意義
我國的人均耕地隻有世界水平的1/3，耕地是極其珍貴的資源，而利用高新技術實現耕地使用的最大效益化，無疑是我國改造傳統農業生產的一條必由之路。溫室是一個限製內外空氣流動的密閉空間，形成內外環境的差別，創造作物適宜的生長環境。溫室生產就是綜合運用各種先進設施和技術，人為創造各種作物生長發育的最佳環境條件，並通過科學的經營管理，最大限度地提高土地產出率、資源利用率、勞動生產率和產品商品率，獲得最佳經濟效益和社會效益的一種完全有別於傳統農業的生產模式，它具有高投入、高運行成本、高產、優質和高效等特點，能夠有效地節約土地。溫室農業在我國有著越來越重要的經濟和社會效益。
近年來，我國溫室產業發展迅速，截止到1999年底的數據表明，我國大陸地區現有現代化大型溫室麵積約580hm2，其中引進溫室麵積已達180多公頃，90年代中期以來，根據中國國情和氣候特點，自行設計、建造了一批經濟適用的大型溫室，麵積達400多公頃，覆蓋了我國所有的省、市、自治區，我國溫室麵積居世界各國首位。但是，由於缺乏配套的技術和設備，環境控製能力低，技術含量低，生產潛力有限；依靠引進溫室設備，一次性投資大、生產成本高，對操作人員素質要求也高，而且由於我國地域遼闊，氣候差異大，引進設備很難適合我國的國情。
上述情況得到國家高度重視，先後在“九五”攻關項目中啟動了“工廠化溫室設施及配套裝備研製”課題，在“十五”攻關項目中啟動了“溫室環境智能控製關鍵技術研究與開發”課題，在“863”計劃“可控環境農業生產技術”的研究內容中包含了研製可控環境自動控製係統、信息自動采集係統等，2003年國家計委啟動了“設施農業技術集成產業化示範”課題，國家自然科學基金生命科學部對設施園藝也設立了重點項目，2009年，“十一五”國家科技支撐計劃再次啟動“現代化農業與機械化耕作技術研究與示範”項目，其中包括了“現代高效設施農業工程技術研究與示範”課題。由此可見，我國設施農業在國家的高度重視和關注下，研究範圍和深度不斷地擴大，取得了許多可喜的成績。
現代化溫室是采用先進科學技術設計、製造而成的工廠化生產設施，並為不同的作物生長、繁育提供良好的生態環境，它可以不受地點和氣候的限製，最大限度地提高土地利用率，實現作物的優質、高產。溫室設施主要包括溫室結構和環境調控設施兩個方麵，而溫室環境調控是現代化溫室的必備功能。
溫室環境模型作為溫室內外環境、作物和控製設備之間相互作用與內在關係的定量描述，無論在溫室結構設計和環境控製中都具有重要作用。國內外學者采用機理法和測試法對溫室環境模型進行了不懈的研究，但是，由於溫室環境具有大慣性、純滯後、非線性、時變性、強耦合以及其他的不確定性因素，使得其精確模型很難得到。國內對日光溫室環境的研究較多，如胥芳等[1]分析了溫室小氣候中輻射、通風、對流和作物蒸騰作用引起的質、熱交換物理機理，應用傳熱傳質機理，建立了溫室小氣候溫、濕度模型；王定成等[2]利用支持向量機回歸建立溫室環境模型，宮赤坤等[3]等利用神經網絡建立南方溫室的溫度模型。國外對連棟溫室模型的研究取得一定的成果，如TakakuraT.[4]建立了第一個較為完備的動態模型，但因為它主要是針對傳統單層玻璃溫室建立的，適用麵不廣；KindelanM.[5]探討了溫室環境的動態模型，建立了基於能量和質量平衡的方程；FerreiraP.M.等[6]建立了溫室溫度預測神經網絡模型。雖然國外在溫室環境模型的研究中已經取得很大的成績，但是已有模型的準確性和適用性還有待提高。以上研究很大程度上還限於單個環境因子的研究，國內的研究多為南方溫室環境模型的研究，而對北方溫室環境模型的研究較少。由於模型的缺乏或不準確，使得以數學模型為基礎的傳統控製方法和現代控製理論難以取得較好的控製效果，造成溫室生產能耗大、生產成本高、環境條件不能滿足作物生長的最佳條件。研究具有北方氣候特點的溫室環境控製模型，以指導溫室設計人員、控製人員等更有效地進行溫室相關工作，提高北方溫室現代化程度和整體運行效益，具有重要的意義，這也是北方溫室設計和環境控製技術迫切需要解決的問題。
溫室環境控製技術是溫室生產技術的核心，是當代農業生物學、環境科學、計算機控製與管理科學的綜合應用，是對溫室環境因子進行綜合調節和控製的技術，它為不同作物的生長、繁育提供適宜的環境，同時實現係統節能降耗運行。利用這項技術可以安排作物全年均衡生產，提高作物的產量和質量，使環境資源和生態資源得到有效的利用。溫室控製技術的研究經曆了幾十年的發展，從早期的開關控製及PID控製發展到最優控製。例如JonesP.等[7]采用PID控製器實現了溫室環境的計算機控製，我國學者董喬雪等[8]采用PID控製實現了溫室溫度、濕度等計算機分布式控製係統，這些傳統控製方法在處理溫室這種具有強耦合的多輸入—多輸出、時空變異大、非線性強的生物過程控製問題中，很難獲得比較理想的效果。由於智能控製技術具有不依賴控製對象的數學模型、魯棒性好的特點，被溫室控製技術研究者廣泛采用，例如ChaoK.等[9]采用模糊控製器實現了溫室的分階段加熱和通風控製，朱偉興等[10]采用遺傳算法優化溫室溫濕度模糊控製器，實現了較好的動態、靜態特性，並降低了係統成本。但是，這些研究多是針對本地氣候的單因子研究，國內主要集中在南方溫室環境控製係統的研究上，主要是升降溫控製，同時對環境因子的控製多數采用的是設定值控製，即將環境因子設定在某一數值，並沒有考慮環境因子的累積效應，造成溫室生產能耗大。目前，針對我國北方溫室環境節能控製技術的研究較少，北方氣候的季節差異性大，各季節的環境控製因子的側重點也不同，例如冬季主要是升溫，夏季主要是降溫，春秋季早晚溫差大，既要考慮夜間升溫，也要考慮日間降溫，還要考慮濕度對作物的影響，同時兼顧生產成本問題，控製難度大，由於缺乏有效的主動環境調控手段，極大地製約了北方溫室的發展。
由於地理位置及環境的不同，外界氣候對溫室小氣候的影響也不同，如果完全照搬南方溫室環境模型和控製方法所得的結論應用於北方溫室，必然不會得到良好的控製效果。現在北方溫室多數還是采用人工控製方法，這種生產方式完全依賴於操作人員的經驗，溫室環境質量不高，不能實現優質高產。由於北方春、秋、冬季時間較長，溫室加熱能耗較大，這也是製約北方溫室發展的瓶頸，很多溫室由於能耗大、運行成本高而停止生產，造成資源的浪費。因此，對於北方溫室環境的建模和實現最優控製是促進北方溫室發展的迫切任務。
第二節北方溫室氣候特點與季節劃分
中國農業氣候區劃是反映全國農業生產與農業氣候關係的區域劃分，是全國農業自然條件的一個部門區劃，其任務是揭示農業氣候的地域差異，分區闡述光熱水等農業氣候資源和農業氣象災害，本著發揮農業氣候資源優勢，避免和克服不利氣候條件，以及因地製宜，適當集中的原則，著重對合理調整大農業結構，建立各類農業生產基地，確立適宜種植製度，調整作物布局，以及農業發展方向和農業技術措施等問題，從農業氣候角度提出建議和論證。
我國北方地區位於大興安嶺、青藏高原以東、內蒙古高原以南、秦嶺-淮河以北，包括東北三省、黃河中下遊各省的全部或大部、甘肅-寧夏的東南部、江蘇和安徽兩省北部等地區。根據我國農業氣候區劃的劃分，大興安嶺北部地區、嫩江-小興安嶺地區、鬆花江-牡丹江地區、鬆遼平原等均屬於東部季風農業氣候大區，東北三省主要位於該大區的中溫帶，農業氣候指標：≥0℃積溫2100～3900℃，最熱月平均氣溫16～24℃，最冷月平均氣溫-30～10℃，年平均氣溫2～4℃，年日照射數2500～2900小時，日照射率56～65%。本文以黑龍江省哈爾濱市農科院園藝分院花卉溫室，溫室位於北緯45°45,東經126°41，屬於東部季風農業氣候大區中溫帶，主要氣候指標為：≥0℃積溫2600～3900℃，年濕潤度0.5～1.0，年降水量400～500mm，冬寒夏涼，無霜期短，低溫冷害，多大風。南方地區主要屬於東部季風農業氣候大區北亞熱帶、中亞熱帶氣候帶，年極端最低氣溫多年平均-10～0℃，≥0℃積溫5500～7000℃，最熱月平均氣溫>26℃，最冷月平均氣溫0～11℃，年降水量>800mm，年濕潤度>1.0，夏熱冬暖，夏秋多雨。由此可見，南北氣候差異較大，
季節的分類方法通常有：天文劃分法、氣象劃分法、古代劃分法、農曆劃分法和候溫劃分法等，候溫劃分法是以五天為一候，當候平均氣溫穩定到22℃以上時為夏季，候平均氣溫穩定在10℃以下時為冬季，候平均氣溫從10℃上升到22℃期間是春季，候平均氣溫從22℃下降到10℃期間是秋季，這種劃分方法在黑龍江省需要在5月中旬以後進入春季，不符合我省的農時要求，因此，本文采用前四種劃分法，春季基本在3月～5月之間，夏季在6月～8月，秋季在9月～11月，冬季在12月～2月。
第三節國內外相關研究現狀及發展趨勢
一、國內外在環境建模方麵的研究現狀及發展趨勢
溫室環境受到許多因素的影響，而且這些因素彼此相互作用，為了能更好地製定相應的調控策略，就必須了解溫室內部各環境因子之間的關係，建立其準確的模型。在溫室環境中同時存在著物理現象和作物生理現象，因此要建立一個全麵的、完善的模型是相當困難的。國內對溫室環境模型的研究較為薄弱，國外雖有一定的研究成果，但已有模型的適用性、準確性還有待提高，尤其近幾年溫室環境調控技術與設施的發展，以及對環境變化過程的研究取得新的進展的情況下，溫室環境模型還需要進一步研究發展。
溫室環境建模通常有兩種方法：機理法和測試法。機理法就是根據溫室生產過程中實際發生的變化機理，寫出各種能量平衡方程，從中獲得所需數學模型。隨著對溫室中各種物理過程研究的逐漸深入，各國學者建立了一係列的溫室環境模型。
胥芳等[1]分析了溫室小氣候中輻射、通風、對流和作物蒸騰作用引起的質、熱交換物理過程，基於質能平衡方程，建立了溫室小氣候溫、濕度機理模型，計算得到溫度均方根誤差為0.8929℃，濕度均方根誤差為3.966%。
李樹海等[11]以多層覆蓋連棟溫室為研究對象，在溫室各部分溫濕度分布均勻、忽略覆蓋材料蓄熱作用、土壤水分不導熱等假設下，根據質能平衡原理，對覆蓋材料、作物、室內空氣和土壤等建立質能平衡方程，建立溫室的溫度和濕度機理模型，能夠定量描述溫室內的太陽輻射、植物蒸騰、自然通風、對流換熱等物理過程。
吳春豔等[12]根據傳質傳熱學的基本原理，考慮了作物通過蒸騰耗熱、對輻射的反射和吸收的方式對溫室的影響，建立溫室內的5個熱量平衡方程組，對方程組采用高斯消元法求解，得到日光溫室內的溫度預測數學模型，實驗結果表明，溫室溫度的預測平均絕對誤差為0.9℃，平均相對誤差為5.1%。
TakakuraT.建立了第一個較為完備的動態模型[4]，但因為它主要是針對傳統單層玻璃溫室建立的，適用麵不廣。BotG.P.A.[17]在對Venlo型溫室的自然通風、太陽輻射、對流換熱等物理過程的實驗和理論研究的基礎上，建立了溫室動態模型，該模型為20世紀80年代初最為複雜的溫室環境模型。K?rnerO.等[18]介紹了關於菊花溫室能量減少模型，該模型包括了三個子模型：熱量模型、蒸發模型和二氧化碳模型，結合溫室的溫度和濕度控製來減少能量消耗。JoaoIsrgel等[19]利用能量平衡方程，建立了溫室氣候模型、作物模型和氣候預測模型。
溫室環境建模的根本目的是預測對外界天氣狀態和控製係統的確定輸入響應的室內瞬態氣候值，很多動態模型集中在溫室氣候的物理和能量平衡上進行溫室環境模型仿真研究，這些模型[1,11～26]從物理機理上進行了深入分析，有助於掌握溫室中能量傳遞過程，模型參數有具體的物理意義，容易理解，對溫室結構設計及改善、控製係統的設計有著重要的作用。但是，由於溫室內部小氣候環境受到多種隨機因素的影響，例如外界氣候變化、作物呼吸及生長狀態的變化等，采用這種方法建立的模型，其參數難以確定，因而很難用於實際溫室控製中。為此很多學者提出了一些簡化數學模型，例如一階時延係統或二階係統模型，這些模型中的絕大多數是針對溫室氣候的部分因子列寫能量平衡方程，還有一些則針對某一類控製問題僅考慮其中的一些物理過程，建立了適用於控製的簡化模型，在這些簡化數學模型基礎上求得的控製規律無法實現較好的控製效果。
測試法建模是根據生產過程的實測輸入和輸出數據，進行某種數學處理後得到的模型，它是基於係統辨識理論的實驗建模，主要特點是把被研究過程視為一個黑匣子，完全從外特性上測試和描述它的動態特性。對於溫室這種存在眾多不確定性因素的非線性大係統建模，測試法建模比機理法建模更有優勢。溫室環境的測試法建模就是通過溫室的物理特性來分析溫室模型的結構，然後基於輸入輸出數據進行參數估計。隨著人工智能技術的迅猛發展，人們借助於人工智能技術來解決溫室建模問題，其中神經網絡技術在溫室環境建模中的應用尤為突出。神經網絡是一種快速、精確逼近的連續映射工具，它可以加快計算，並提高物理過程參數的精度，能通過有限的參數表達複雜的係統。一個設計合適的神經網絡，通過提高計算精度和效率，完全能完成溫室環境動態建模。神經網絡建模相對於傳統建模方法主要優點是不需要用數學表達式詳細描述這個過程，更適合於長期預測，它能更靈活地獲得溫室參數和非線性，使得它對溫室環境建模更有吸引力。鑒於神經網絡在建模中的優勢，其在溫室環境建模中的應用越來越廣泛。國內外研究者對測試法建立溫室環境動態模型進行了大量的研究[2,3,5,27～49]，國外研究主要集中在北歐國家，建立了溫室內溫度、濕度等環境模型。
FerreiraP.M.等[6]采用離線訓練、在線學習的方法，以溫室外界的氣溫和太陽輻照度以及內部的濕度為輸入，利用RBF神經網絡建立溫室溫度預測模型，以8個隱神經元的網絡的為例，其離線訓練的溫度均方根誤差為0.0108℃，在線學習的溫度均方根誤差為0.0072℃，得到較好的擬合特性和一步預測誤差。BorhanM.S.等[27]采用BPNN建立了溫室小氣候預測神經網絡模型，輸出為溫度、濕度和光照，溫度和濕度的預測與它們的上限有關，受遮陽網影響，光照預測的難度較大。ShichaoOu等[28]采用3層BP網絡建立溫室溫度模型，5個輸入節點，3個隱節點，1個輸出節點，實驗得到，溫度誤差為0.4℃。