Welcome to Smart Agriculture 中文
Topic--Agricultural Sensor and Internet of Things

Stereoscopic Light Environment Intelligent Control System Based on Characteristic Differences of Facility Cucumber Plants Light Requirements

  • ZHANG Zhongxiong 1, 2, 3 ,
  • LI Bin 1, 2, 3 ,
  • FENG Pan 1, 2, 3 ,
  • ZHANG Pan 1, 2, 3 ,
  • LAI Haibin 1, 2, 3 ,
  • HU Jin 1, 2, 3 ,
  • ZHANG Haihui , 1, 2, 3
Expand
  • 1. College of Mechanical and Electronic Engineering, Northwest A&F University, Yangling 712100, China
  • 2. Key Laboratory of Agricultural Internet of Things, Ministry of Agriculture and Rural Affairs, Yangling 712100, China
  • 3. Key Laboratory of Agricultural Information Awareness and Intelligent Services of Shaanxi province, Yangling 712100, China

Received date: 2020-05-22

  Revised date: 2020-06-17

  Online published: 2020-08-10

Highlights

Light is the main energy source for plants to carry out photosynthesis, and the quality of light directly affects the yield and quality of crops. In view of the fact that most of the existing plant light supplement systems are based on the photosynthetic capacity of functional leaves, problems such as photoinhibition of new leaves in the canopy and lack of supplementary light in the functional leaf position between plants, and the position of light supplement can’t be adjusted dynamically to adapt to crop growth exist, taking facility cucumber as the research object, an stereo light environment intelligent control system based on the characteristic differences of plant light requirements was designed in this research. The system is composed of intelligent control subsystem, canopy-plant environment monitoring subsystem, canopy-plant LED light-compensating lamp subsystem, and light-compensating lamp lifting subsystem. Wireless communication between subsystems was realized by using ZigBee technology. The canopy-interplant environmental monitoring subsystem obtains the canopy and interplant environmental information respectively and sends them to the intelligent control subsystem. According to the real-time environmental information, the intelligent control subsystem invokes the canopy regulation model and the appropriate interplant leaf position regulation model to obtain the corresponding regulation target values, and sends them to the canopy-interplant light-compensating lamp to realize the dynamic real-time regulation of the canopy and interplant light-compensating lamp. In November 2018, the stereoscopic light-compensating equipment and the traditional canopy light-compensating equipment were tested and verified with the natural control in the vegetable base of the vegetable industry comprehensive service area of Jingyang County, Shaanxi province. The results showed that, compared with the traditional canopy light-compensating area, the cucumber plant height and stem diameter in the stereoscopic light-compensating area increased significantly, and the average plant height and stem diameter increased by 8.03% and 7.24%, respectively. Compared with the natural treatment area, the average plant height and stem diameter increased by 26.51% and 36.03%, respectively. And during the one-month picking period, compared with the traditional canopy light-compensating area, the yield of the stereoscopic light-compensating area increased by 0.28 kg/m2, the economic benefit increased by 2.82 CNY/m2, the yield of the stereoscopic light-compensating area increased by 1.39 kg/m2, and the economic benefit increased by 4.88 CNY/m2; compared with the natural treatment area indicating that the stereoscopic light environment control system can improve economic benefits and has good application and promotion values.

Cite this article

ZHANG Zhongxiong , LI Bin , FENG Pan , ZHANG Pan , LAI Haibin , HU Jin , ZHANG Haihui . Stereoscopic Light Environment Intelligent Control System Based on Characteristic Differences of Facility Cucumber Plants Light Requirements[J]. Smart Agriculture, 2020 , 2(2) : 94 -104 . DOI: 10.12133/j.smartag.2020.2.2.202005-SA007

1 引 言

光照是植物进行光合作用的首要条件,直接影响作物的产量和品质[1-3]。设施栽培受温室结构、薄膜覆盖、雾霾及雨雪天气等因素影响,设施内自然光投透射率仅为外界环境的30%~60%,造成作物光合能力受限,不能满足生长发育需求,进而影响产量和品质[4-6],因此,借助人工补光技术是实现设施农业增产提质的重要保障措施。
近年来,科研团队在设施光环境智能调控方面已开展了部分研究[7-10]。Pinho等[11]研究发现动态调整光强度不仅可以促进生菜鲜重增加,还可以降低能耗,进而设计了一种适用于植物工厂的动态补光控制系统。刘晓英等[12]开发了一种光参数柔性可调的发光二极管(Light-Emitting Diode,LED)光源系统,为探究光质、光强度、光周期对设施作物生长相互影响规律提供了一种灵活的光参数配比系统。上述两种光调控系统用于植物工厂中叶菜类的种植,其环境因素相对稳定可控,调控策略相对简单。而温室中藤蔓类作物的光环境调控系统较为复杂,不仅要考虑环境动态变化,如光照、温度、二氧化碳等对光调控系统的影响,还需考虑作物不同生长阶段的需光差异性。为此,胡瑾等[13]设计了基于无线传感器网络的光环境调控系统,该系统利用自然光中太阳高度角与红蓝光比例关系,可根据作物实际需光量进行精准定量补光,具有部署灵活、易扩展、低能耗等优势[14]。苏战战等[15]为满足温室番茄光环境的自适应调控,设计了一种基于随机森林-萤火虫群优化算法(Radom Forest-Glowworm Swarm Optimization,RF-GSO)模型的温室番茄自适应调光系统。还有一些学者尝试改变补光的方式来提高作物的光合速率[16-18],并取得了一定的成效。但现有的设施光环境调控方式多采用冠层定量补光方式,未考虑植物冠层新生叶结构发育不健全导致光抑制或光破坏现象[19,20]和株间功能叶片相互遮挡导致光照不足未能达到按需补光需求。研究表明植物不同叶位光合能力存在明显差异[21-24],因此针对作物不同叶位进行按需补光对提升整株光合能力和促进植株物质积累具有重要的意义。
针对上述问题,本研究以黄瓜不同叶位需光差异性为理论依据[25],构建了一种可实现立体光环境调控算法移植的树莓派(Raspberry Pi)系统框架和智能光环境调控平台,设计了基于植株需光差异特性的设施黄瓜立体环境光智能调控系统,其中采用冠层-株间环境监测子系统和冠层-株间LED补光子系统实现黄瓜整株光环境信息感知与精准补光,补光灯升降子系统满足黄瓜整个生长周期补光位置自动调整,ZigBee无线传输协议实现各子系统间相互通信。本系统可有效解决冠层新生叶光抑制和株间功能叶位补光不足以及补光位置不能适应作物生长而动态调整的问题,为设施黄瓜光环境精准调控提供技术支撑。

2 系统整体设计

立体光环境调控系统由智能控制子系统、冠层-株间环境监测子系统、冠层-株间补光灯升降子系统及冠层-株间LED补光子系统四部分组成,通过ZigBee技术实现各子系统之间无线通信,整体结构如图1所示。系统设计时充分考虑黄瓜植株整株中冠层和株间的需光差异以及不同叶位环境差异,通过智能控制子系统协调各系统实现黄瓜整株立体光环境按需调控。冠层-株间监测子系统分别采集温度、二氧化碳浓度、光强度等环境信息,发送至智能控制子系统,调用移植在树莓派中智能光环境调控模型,根据冠层-株间环境信息动态计算补光值,并下发至冠层-株间LED补光子系统。采用脉冲宽度调制(Pulse Width Modulation,PWM)技术分别实现冠层与株间LED补光阵列的动态调控。冠层-株间补光灯升降子系统自动监测灯与作物间的距离,实现补光位置的手动和自动调整。
图1 立体光环境调控系统整体结构图

Fig. 1 Overall structure of stereo fill light environment control system

3 系统硬件设计

3.1 智能控制子系统

智能控制子系统硬件设计如图2所示,主要包括树莓派控制器(Raspberry Pi 3B+,1.4 GHz四核ARM Cortex-A53处理器)、触摸显示屏、CC2530模块和电源模块四个部分,具有数据处理、模型在线寻优、无线网络组建及控制指令下发等功能。由于传统低性能的嵌入式设备无法移植智能算法,采用树莓派为控制器,可实现基于机器学习的光环境调控模型高精度移植,完成调控目标值的在线寻优和动态实时调控。触摸显示屏通过高清多媒体接口(High Definition Multimedia Interface,HDMI)方式与树莓派相连,ZigBee协调器与树莓派依靠通用异步收发传输器(Universal Asynchronous Receiver/Transmitter,UART)方式进行相互通信。电源模块分别为树莓派、触摸屏及CC2530模块提供5、5和3.3 V工作电压。
图2 智能控制子系统设计框图

Fig. 2 Block diagram of intelligent control subsystem

3.2 冠层-株间环境监测子系统

冠层-株间环境监测子系统由冠层和株间环境监测模块组成,实现对设施环境内植物冠层和株间温度、二氧化碳浓度和光照强度的实时监测,并通过ZigBee将环境信息发送至智能控制子系统。其中二氧化碳传感器采用Telaire 6615-F双通道非分光红外传感器,测量范围为0~10,000 μmol/mol光照传感器为电压型SY-HGY型光合有效辐射传感器,测量范围为0~2500 μmol/(m2·s);CC2530芯片将上述传感器采集的模拟量转化为相应的数字量,通过无线方式将数据打包发送至协调器。温度传感器采用DS18B20,测量范围为-55℃~125℃;电源模块为CC2530模块、传感器分别提供3.3和5 V工作电压,设计框图如图3所示。
图3 冠层-株间环境监测模块设计框图

Fig. 3 Block diagram of canopy-plant inter-environment monitoring subsystem design

3.3 冠层-株间LED补光子系统

研究发现不同波段的光对植物光合作用影响不同[26-28],因此本系统选择光合作用直接相关的红蓝光源。其中,红光LED波段为655~660 nm,蓝光LED波段为450~455 nm。选用PT4115作为恒流源驱动芯片,通过PWM精准控制LED红蓝灯珠光照强度。采用窄带铝基板和透明灯管进行封装,最终设计了一种灯管间距可调的LED补光灯。LED补光灯由透明灯管、固定铝板和驱动盒三部分组成,具体结构设计见专利“一种设施作物株间补光范围可调的LED灯管式补光装置(CN201820353650.8)”。单侧安装灯管为冠层补光灯,部署方式为灯管向下,如图4(a)所示;两侧安装灯管为株间补光灯,部署方式为灯管向两侧方向,株间补光灯实物图如图4(b)所示;灯管式补光灯可以实现不同灯管位置调整,改变补光灯补施范围,同时具有组装方便、散热性能好及后期维修便捷等优点。
图4 立体补光灯设计

Fig. 4 Stereo light-compensating lamp

3.4 冠层-株间补光灯升降子系统

冠层-株间补光灯升降子系统整体框图如图5所示,主要包括CC2530模块、Arduino控制器、TFmini激光雷达、TB6600驱动器和57步进电机等。具有接受控制指令、测量距离、冠层-株间补光灯升降等功能。其中Arduino控制器通过串口通信方式与CC2530模块、TFmini激光雷达通信,控制器和TB6600驱动器采用共阳极接法;步进电机通过联轴器将动力传递给主动轴,主动轴旋转缠绕柔性钢丝实现冠层-株间灯悬挂位置的精确调整。电源模块分别为Arduino控制器、TB6600驱动器及CC2530模块提供5、24和3.3 V的工作电压。
图5 冠层-株间补光灯升降子系统设计框图

Fig. 5 Block diagram of canopy-plant light-compensating lamp lifting subsystem

4 系统软件设计

4.1 智能控制子系统设计

基于Raspberry Pi的智能嵌入式子系统是整个调控系统的核心组成,其具体运行流程如下。首先系统通电,各子系统初始化,ZigBee协调器组建好无线网络,并负责冠层-株间环境监测节点的传感器数据汇集与树莓派控制指令发送;其次树莓派根据冠层-株间实时环境数据输入,调用冠层-株间光环境调控模型,得到调控目标光强值;然后动态计算冠层-株间补光灯的高度位置;最后利用无线传感技术下发补光指令和升降指令,从而实现立体补光调控系统对设施内黄瓜植株光环境的立体、精准和动态反馈调控。

4.1.1 调控模型集成与移植

光环境调控模型主要包括冠层调控模型和株间调控模型。课题组前期开展了融合叶位光合差异的黄瓜立体光环境调控模型研究[25],发现黄瓜整株第五至第七叶位叶绿素含量高,叶位向上或向下叶绿素含量均呈下降趋势,因此将第五至第七叶位作为株间补光适宜区间,将叶位参数代入立体光环境优化调控模型中。首先构建了不同叶位、光照强度、温度及二氧化碳浓度耦合的回归型支持向量机(Support Vactor Regression,SVR)光合速率预测模型,其次以光合速率预测模型为适应度函数,建立了基于粒子群优化算法(Particle Swarm Optimization,POS)的光饱和点寻优模型,最后采用SVR算法,构建了立体光环境调控模型,其模型决定系数R 2为0.9993,均方根误差为2.349 μmol/(m2·s)。
为了提高树莓派上运行模型精度,首先在电脑上进行模型训练,形成Model.pkl文件,然后将其复制到树莓派主程序路径下,并通过主程序使用pickle.load( )命令进行模型加载,模型移植具体过程如图6所示。
图6 算法模型移植步骤

Fig. 6 Migration steps of the algorithm

4.1.2 立体补光灯PWM反馈控制算法设计

补光灯PWM算法用于实现动态反馈修正补光值,考虑顶灯对株间灯输出值的影响,采取的控制策略为:先运行冠层调控模型,延时2 min,即环境监测数据更新频率,再运行株间调控模型,立体补光灯PWM反馈控制算法流程图如图7所示。
图7 立体补光灯PWM反馈控制算法流程图

Fig. 7 Flow chart of PWM feedback control algorithm for stereo light-compensating lamp

其中,PAR_T为顶叶环境光强,μmol/(m2·s);PAR_M为株间叶位环境光强,μmol/(m2·s);PAR_T_G为顶叶目标光强,μmol/(m2·s);PAR_M_G为株间叶位目标光强,μmol/(m2·s);ΔPAR_T为顶叶光强变化量,μmol/(m2·s);ΔPAR_M为株间叶位光强变化量,μmol/(m2·s);Z_T为顶灯PWM占空比;Z_M为株间灯PWM占空比;Z_B_T为顶灯上次PWM占空比;Z_B_M为株间灯上次PWM占空比;ΔPWM_T为顶灯PWM占空比调整量;ΔPWM_M为株间灯PWM占空比调整量;k为补光灯光强和输入PWM对应系数,由补光灯光强、驱动电流、PWM占空比三者之间的关系曲线确定。

4.1.3 智能控制模块交互界面设计

基于PyQt5软件应用Python语言开发了立体光环境调控系统的用户界面(User Interface,UI),采用Pycharm编译器将UI文件转化成树莓派可执行文件,系统主界面如图8所示。通过主界面可进行作物种类、补光区域、作物生长期的选择。主界面下方有对应功能的二级界面按钮,并连接到相对应的槽函数上,用户可根据需求进入经纬参数设定、环境信息查看、升降机构控制、光环境调控和历史数据查询等操作。
图8 立体光环境调控系统主界面

Fig. 8 The main interface of the stereoscopic environment control system

4.2 冠层-株间补光灯升降子系统设计

补光灯升降子系统接收智能控制子系统的控制指令,解析处理后下发至Arduino处理器执行,并将TFmini测量的距离数据上传至智能控制子系统,使得整个冠层-株间补光灯升降子系统是一个闭环反馈的系统;当未接收到控制指令时,该模块处于低功耗等待状态。冠层-株间补光灯升降子系统运行流程如图9所示。
图9 冠层-株间补光灯升降子系统运行流程图

Fig. 9 Running flow chart of the canopy-plant light-compensating lamp lifting subsystem

5 立体光环境调控系统验证

5.1 系统部署

验证试验于2018年11月15日在陕西省泾阳县蔬菜产业综合服务区蔬菜基地开展,立体光环境调控设备部署在基地内。作物是“博耐14-3”品种黄瓜,试验场地选择西区4号日光温室,温室大棚尺寸30 m×10 m,实际试验区为东侧的15 m×6 m区域。将试验区域分为A、B、C三个试验区,每个试验区面积为18 m2,A区部署立体补光设备,B区部署传统冠层补光设备,C区为自然对照区,具体试验区域分布如图10所示。
图10 试验区域分布图

Fig. 10 Experimental area distribution

A区部署4个顶灯和2个株间灯、1个冠层监测节点、1个株间监测节点、1套升降机构和1个智能控制终端,升降机构由铁链固定在距地2 m处,补光灯通过升降机构实现悬挂高度的灵活调整,冠层补光灯悬挂在距离作物冠层上20 cm处,株间补光灯悬挂在垄间植株的第5至第7叶位。B区部署传统冠层补光灯,包括4个冠层补光灯、1个环境监测节点和1个主控节点,冠层补光灯悬挂在距离作物冠层上20 cm的处,在生长过程中需人工手动调整补光灯与作物的距离,B区的光调控模型采用A区的顶灯动态光调控模型。C区不采取任何补光措施。试验期间,由基地管理员对3个试验区统一管理,包括施肥、浇灌等农事操作,确保3个区域除了光环境不同,其他基本条件保持一致。图11分别为立体补光灯与传统冠层补光灯实际部署图。
图11 实验中不同补光灯实际部署对比

Fig. 11 Comparison of actual deployment of different light-compensating lamps in the experiment

5.2 系统调控效果验证

“博耐14-3”黄瓜生长发育经历发芽、幼苗、初花和成熟期4个阶段,其生长周期约90~120天,采期为50天。根据黄瓜植株生长指标、产量和经济效益进行补光效果评价。

5.2.1 黄瓜植株生长指标验证

从2018年12月1日开始在A、B、C三个区域各随机标定6株生长状态一致的黄瓜苗,从幼苗期进行生长数据测量,直到成熟期每两周测量一次,测量的生长指标包括作物茎粗和株高。其中植株茎粗采用游标卡尺测量,测量点为植株主杆距离地表10 cm处,植株高度采用卷尺测量,测量范围为植株从地表到冠层的距离,生长指标统计如图12所示。
图12 黄瓜植株生长指标统计图

Fig. 12 Statistical diagram of cucumber plant growth indicators

图12可知立体补光区黄瓜植株的株高和茎粗显著增长,其中A区相比B区平均株高、茎粗分别增长了8.03%和7.24%,相比C区平均株高、茎粗分别增长了26.51%和36.03%,A区在有效避免传统冠层补光不足的同时,对株高、茎粗等生长指标方面具有明显的促进优势。

5.2.2 黄瓜叶片净光合速率验证

叶片净光合速率是反映植株生长状态的重要指标,在花果期对不同试验区域中黄瓜不同叶位的净光合速率进行对比试验。选取三株生长态势相近的黄瓜植株,采用LI-6800光合速率仪的透明叶室测量黄瓜净光合速率,设定透明叶室内温度为28℃、二氧化碳浓度为600 μmol/mol测量当天天气晴,自然界光照强度约为450 μmol/(m2·s),不同试验区黄瓜叶片净光合速率随叶位变化趋势如图13所示。
图13 黄瓜光合速率随叶位变化趋势图

Fig. 13 Trend diagram of photosynthetic rate of cucumber plants with leaf position

由上图可知,A区与B区相对C区均具有显著的净光合速率提升,但A区较C区提升效果显著。其中,A区较C区净光合速率提升31.3%,B区较C区净光合速率提升17.6%,A区较B区净光合速率提升20%。立体补光针对株间叶位进行按需补光,促进叶片发育,提升叶绿素含量,进而净光合速率值较高。

5.2.3 黄瓜产量及效益验证

植物补光的最终目的是实现增产和提高经济效益。从2019年2月25日开始统计三个试验区域的黄瓜产量,同时计算每个区域黄瓜的销售额,A、B两个区装有电表,统计整个补光时期A、B两个区域的耗电量,通过总销售额和补光耗电量来判断立体补光系统、传统冠层补光系统和自然对照区的经济效益,其中立体补光系统与传统冠层补光系统的开发成本分别为17.9和14.18 CNY/m2,由于立体补光系统需部署冠层和株间环境监测系统、补光灯系统和补光灯升降系统,导致其设备开发成本比传统冠层补光系统略高。但考虑到LED补光灯3~5年的使用寿命,上述成本的差异就可以忽略。每次采收黄瓜时都记录三个试验区域的产量、销售单价(采收时市场价格)、销售总额,为方便比较,计算每平方米不同评价指标,具体统计结果如表1所示。
表1 每平方米中同补光方式的经济效益对比分析

Table 1 Comparative analysis of economic benefits of different light filling methods in each square meter

经济指标 立体补光区 传统补光区 自然对照区
补光面积/定性 整株 冠层 整株
耗电量/(k·Wh) 11.2 11.88 0
电费总额/CNY 5.6 5.94 0
产量/kg 5 4.72 3.61
销售额/CNY 34.3 31.83 23.83
补光增加效益/CNY 4.88 2.06 0
产量和耗电量统计截至于2019年3月26日,统计时间为1个月,由表1可知在相同的种植面积内(实验区面积为18 m2)立体补光区相对于传统补光区,产量增加了0.28 kg/m2,增加效益2.82 CNY/m2;立体补光区相对于自然对照区,产量增加了1.39 kg/m2,增加效益4.88 CNY/m2。上述测产试验仅计算一个月内的效益,如延长试验周期,用户一年基本可收回立体补光系统投入成本,后期持续使用立体光环境调控系统对经济效益的提升更加显著。

6 结 论

本研究为解决解决冠层新生叶光抑制及株间功能叶位补光不足的问题,依据植株需光差异特性设计了一种设施黄瓜立体光环境智能调控系统,达到了增产提效的结果,具体结论如下。
(1)针对黄瓜整株不同叶位的环境条件差异性,采用冠层-株间环境监测模块,为黄瓜立体光环境调控模型提供数据支持;根据黄瓜不同叶位需光差异特性,设计了一种可适应作物生长立体补光灯,提高了补光设备的自动化和智能化程度,为设施光环境精准调控提供技术支持。
(2)构建了一种可以实现智能算法移植的树莓派系统框架,根据实时冠层-株间环境输入值,调用冠层和株间适宜叶位需光模型智能算法,实现在线计算得到实时调控目标值,保证调控结果的实效性和准确性,为设施光环境调控融合人工智能算法提供新的解决方法。
(3)立体补光、冠层补光与自然对照的试验验证结果表明,立体补光区黄瓜株高和茎粗显著增加,且在一个月的采摘期内,立体补光区相比传统补光区和自然处理区产量分别提升了0.28和1.39 kg/m2,经济效益分别增加了2.82和4.88 CNY/m2,表明立体补光调控系统具有良好的光环境调控效果。

1
YANG F, FENG L, LIU Q, et al. Effect of interactions between light intensity and red-to-far-red ratio on the photosynthesis of soybean leaves under shade condition[J]. Environmental and Experimental Botany, 2018, 150: 79-87.

2
崔瑾, 徐志刚, 邸秀茹. LED在植物设施栽培中的应用和前景[J]. 农业工程学报, 2008(8): 249-253.

CUI J, XU Z, DI X. Application and prospect of LED in plant facility cultivation[J]. Transactions of the CSAE, 2008(8): 249-253.

3
ZHANG P, ZHANG Z, LI B, et al. Photosynthetic rate prediction model of newborn leaves verified by core fluorescence parameters[J]. Scientific Reports, 2020, 10(1): 3013-3024.

4
CASTELLANO S, SANTAMARIA P, SERIO F. Photosynthetic photon flux density distribution inside photovoltaic greenhouses, numerical simulation, and experimental results[J]. Applied Engineering in Agriculture, 2016, 32(6): 861-869.

5
COSSU M, COSSU A, DELIGIOS P, et al. Assessment and comparison of the solar radiation distribution inside the main commercial photovoltaic greenhouse types in Europe[J]. Renewable and Sustainable Energy Reviews, 2018, 94: 822-834.

6
LANDI M, ZIVCAK M, SYTAR O, et al. Plasticity of photosynthetic processes and the accumulation of secondary metabolites in plants in response to monochromatic light environments: A review[J]. Biochimica Et Biophysica Acta-Bioenergetics, 2020, 1861(2) : 148131-148155.

7
于海业, 孔丽娟, 刘爽, 等. 植物生产的光环境因子调控应用综述[J]. 农机化研究, 2018, 40(8): 1-9.

YU H, KONG L, LIU S, et al. Review on the application of light environmental factor regulation in plant production[J]. Agricultural Mechanization Research, 2018, 40(8): 1-9

8
HU J, XIN P, ZHANG S, et al. Model for tomato photosynthetic rate based on neural network with genetic algorithm[J]. International Journal of Agricultural and Biological Engineering, 2019, 12(1): 179-185.

9
SHAMSHIRI R, KALANTAR F, TING K, et al. Advances in greenhouse automation and controlled environment agriculture: A transition to plant factories and urban agriculture[J]. International Journal of Agricultural and Biological Engineering, 2018, 11(1): 1-22.

10
CAO K, CUI L, YE L, et al. Effects of red light night break treatment on growth and flowering of tomato plants[J]. Frontiers in Plant Science, 2016, 7(1): 527-535.

11
PINHO P, HYTONEN T, RANTANEN M, et al. Dynamic control of supplemental lighting intensity in a greenhouse environment[J]. Lighting Research & Technology, 2013, 45(3): 295-304.

12
刘晓英, 徐志刚, 焦学磊, 等. 可调LED光源系统设计及其对菠菜生长的影响[J]. 农业工程学报2012, 28(1): 208-212.

LIU X, XU Z, JIAO X, et al. Design of adjustable LED light source system and its effect on spinach growth [J] Transactions of the CSAE, 2012, 28 (1): 208-212.

13
胡瑾, 樊宏攀, 张海辉, 等. 基于无线传感器网络的温室光环境调控系统设计[J]. 农业工程学报, 2014, 30(4): 160-167.

HU J, FAN H, ZHANG H, et al. Design of greenhouse light environment control system based on wireless sensor network[J]. Transactions of the CSAE, 2014, 30(4): 160-167.

14
张晓涵, 尹长川, 吴华瑞. 面向大规模农田生境监测的无线传感器网络节能优化策略[J]. 智慧农业, 2019, 1(2): 55-63.

ZHANG X, YIN C, WU H. Energy optimization strategy for wireless sensor networks for large-scale farmland habitat monitoring[J]. Smart Agriculture, 2019, 1(2): 55-63.

15
苏战战, 李莉, 李文军, 等. 基于RF-GSO的温室番茄自适应调光系统设计与试验[J]. 农业机械学报, 2019, 50(S1): 339-346.

SU Z, LI L, LI W, et al. Design and experiment of an adaptive dimming system for greenhouse tomatoes based on RF-GSO[J]. Transactions of the CSAM, 2019, 50(S1): 339-346.

16
TANG L, YIN D, CHEN C, et al. Optimal design of plant canopy based on light interception: A case study with loquat[J]. Frontiers in Plant Science, 2019, 10: 364-375.

17
VISSER P, BUCK H, VAN W. Optimizing illumination in the greenhouse using a 3D model of tomato and a ray tracer[J]. Frontiers in Plant Science, 2014, 5: 48-55.

18
赵静, 周增产, 卜云龙, 等. 植物工厂自动立体栽培系统研发[J]. 农业工程, 2018, 8(1): 18-21.

ZHAO J, ZHOU Z, BU Y, et al. Research and development of auto stereo cultivation system in plant factory[J]. Agricultural Engineering, 2018, 8(1): 18-21.

19
KARIM W, SEIDI A, HILL R, et al. Novel characteristics of photodamage to psii in a high-light-sensitive Symbiodinium phylotype[J]. Plant and Cell Physiology, 2015, 56(6): 1162-1171.

20
FAN H, GUAN L, LI T, et al. Hydrogen sulphide alleviates oxidative damage and enhances light energy transformation under high light for Dendrobium officinale[J]. Scientia Horticulturae, 2014, 177: 47-52.

21
XIE S, LUO X. Effect of leaf position and age on anatomical structure, photosynthesis, stomatal conductance and transpiration of Asian pear[J]. Botanical Bulletin of Academia Sinica, 2003, 44(4): 297-303.

22
艾希珍, 张振贤, 何启伟, 等. 日光温室黄瓜不同叶位叶片光合作用研究[J]. 中国农业科学, 2002, 35(12): 1519-1524.

AI X, ZHANG Z, HE Q, et al. Study on photosynthesis of cucumber leaves in different positions in sunlight greenhouse[J]. Scientia Agricultura Sinica,2002, 35(12): 1519-1524.

23
姜英, 林叶春, 许和水, 等. 两种C_4作物不同叶位光合及叶绿素荧光特性比较[J]. 中国农业大学学报, 2012, 17(3): 34-42.

JIANG Y, LIN Y, XU H, et al. Comparison of photosynthesis and chlorophyll fluorescence characteristics of two C_4 crops at different leaf positions[J]. Journal of China Agricultural University, 2012,17 (3): 34-42.

24
WILSON D, COOPER J. Apparent photosynthesis and leaf characters in relation to leaf position and age, among contrasting Lolium genotypes[J]. New Phytologist, 1969, 68(3): 645-655.

25
张海辉, 张盼, 胡瑾, 等. 融合叶位光合差异的设施黄瓜立体光环境优化调控模型[J]. 农业机械学报, 2019, 50(2): 266-272.

ZHANG H, ZHANG P, HU J, et al. Optimal regulation model of cucumber stereoscopic light environment based on photosynthetic difference of leaf position [J]. Transactions of the CSAM, 2019, 50(2): 266-272.

26
MIAO Y, WANG X, GAO L, et al. Blue light is more essential than red light for maintaining the activities of photosystem ii and i and photosynthetic electron transport capacity in cucumber leaves[J]. Journal of Integrative Agriculture, 2016, 15(1): 87-100.

27
LIU X, JIAO X, CHANG T, et al. Photosynthesis and leaf development of cherry tomato seedlings under different led-based blue and red photon flux ratios[J]. Photosynthetica, 2018, 56(4): 1212-1217.

28
MIAO Y, CHEN Q, QU M, et al. Blue light alleviates 'red light syndrome' by regulating chloroplast ultrastructure, photosynthetic traits and nutrient accumulation in cucumber plants[J]. Scientia Horticulturae, 2019, 257: 750-759.

Outlines

/