人参（Panax Ginseng C.A.Meyer）为五加科（Araliaceae）植物，在我国具有几千年的应用历史，被誉为百草之王。长久以来，我国主要的人参生产方式是采挖野山参与园参栽培两种。在我国历史上，人参曾分布较广，但随着人们对野生资源的开发，多年来的过度采挖，野山参产量逐年下降，资源已基本枯竭，处于濒临灭绝的边缘。园参栽培方式历史悠久，种植面积广、产量大，但传统采用的伐林栽参、参后还林的栽培方法，造成了比较严重的生态破坏；同时改变了土壤结构，易导致土壤板结，并对物种资源的多样性及生物链的恢复将产生较大影响，此外存在着因使用农药造成的人参中有效成分含量较低、农药残留超标以及加工质量差，导致高产低价、出口受限等问题。因此，充分利用林地、不破坏资源、能提高生态效益的林下参栽培方式逐渐受到重视，其品质虽不能与野山参相提并论，但林下参价值远远高于园参，深受市场青睐。作为喜阴植物的人参物种，具有喜气候寒凉、湿润、怕强光、忌高温，耐严寒的特性，因此种植过程中对光照条件要求十分严格。光照过多时，人参生长受到抑制，叶片组织易受破坏，降低光合作用；但光照不足时，植株矮小瘦弱，生长不良，可以认为林下光环境是林下植被发育以及生态系统作用过程的关键性因素。因此光环境的研究及其评价与预测已经成为合理指导林下参种植的首要问题。本文以林下参种植光环境为研究对象，在课题组前期研究成果基础上，提出一种非线性傅里叶分析方法解决光环境实测信号的自适应处理问题，同时运用机器学习和模式识别理论，构建了基于偏最小二乘回归分析（PLS）算法的净光合速率多影响因素分析模型和基于适应神经模糊推理方法（ANFIS）的净光合速率预测模型，并通过对有代表性的试验样地进行的数据采样，验证了所建模型的有效性和可行性，进而利用自主设计的自适应数据处理算法，设计开发了林下参种植光环境数据采集系统，最后基于MATLAB平台完成了林下参种植光环境预测与评价系统的集成开发，进而获得林下参种植光环境的地域栽培适宜性综合评价指数，作为指导林下参种植的重要依据。本文主要研究如下：（1）针对林下参种植光环境相关物理量测定过程中存在的随机干扰问题，比较分析快速Fourier变换、加窗Fourier变换、小波分析等典型数据处理算法，提出适用于处理非平稳信号的非线性快速傅里叶分解算法，引入维平方可积函数空间的非线性基底，探讨了非线性Fourier展开的收敛性质，进而运用稀疏逼近理论构建了快速离散算法，用于计算稀疏非线性展开中的系数，实现了维函数的稀疏非线性展开。为便于实际应用，本文给出了算法步骤，并选择两个具有不同Sobolev正则性的函数进行具有不同参数的基底展开函数的数值算例分析，分析表明非线性Fourier展开的逼近精度要显著高于线性Fourier展开。通过对含有随机噪声的仿真信号和净光合速率实测数据信号应用非线性Fourier展开算法进行降噪处理，处理结果验证了该算法的有效性与可行性，较好的解决了高维试验数据预处理的难题。（2）针对林下参的种植光环境特点，利用智能计算在解决自适应模型预测时的算法优势，对基于机器学习的模式识别理论与方法进行了深入分析和探讨，研究了机器学习在解决回归问题和分类问题时的常用算法，分析比较了最小二乘法（LS）、偏最小二乘法（PLS）、支持向量机（SVM）及高斯过程（GP）等典型机器学习算法的算法特点与工作机理，重点对偏最小二乘回归方法（PLS）的要求、成分提取和建模步骤进行探讨，并根据实测的林下参光合作用因子数据，利用该算法实施成分提取和分析，获得了林下参净光合速率的PLS多因素分析模型，进而对各个变量的回归系数分布情况及其与因变量的相关性进行分析，分析结果表明该模型具有较好的预测效果。（3）通过对红松各项生理指标的分析，采用逐步回归分析方法，建立了树木的冠幅生长预估模型、冠长生长预估模型以及基本树高预估模型。模型的统计偏差量检验表明，上述树木生长模型具有较高精度。采用分析方法，通过对影响林下参净光合速率的诸多因素进行主成分提取以及权重分析，获得了林下参净光合速率的多因素分析模型。在此基础上，利用自适应神经模糊推理方法（）设计了自适应模糊预测算法，构建了基于自适应神经模糊推理系统的净光合速率预测模型，通过模型检验和代表性试验样地的测试数据进行验证表明，该模型泛化能力强、预测精度高。（4）针对传统方法在林下参光环境数据采集方面存在的问题，自行设计了一套林下参种植光环境数据实时监测和采集系统。一方面利用自主设计的自适应数据处理算法，编制了采集系统底层算法软件和采集系统图形用户交互界面，完成了软件架构的设计；另一方面利用Arduino单片机控制系统的开源平台，完成了包括基于DHT11数字温湿度传感器的温湿度采集模块、基于BMP085气压传感器的大气压力采集模块、基于BH1750FVI光照传感器的光照强度采集模块和基于MicroSD卡的数据存储模块等在内的硬件平台设计开发，实现了对林下参光环境数据的实时监测，同时系统软件集成了自适应数据处理算法，具有良好的降噪功能。（5）对林下参种植所处的地理、气候和植被等生态条件的适宜性进行了详尽归纳和分析，在此基础上采用模糊集理论，研究并设计了林下参种植光环境的生态适宜性综合评价指数，构建了基于模糊推理系统的光环境综合评价模型，该模型包括了地理条件评价子系统、气候条件评价子系统、植被条件评价子系统和生态条件评价子系统四个部分，进而构建了林下参种植光环境预测及评价系统。该系统集成了林下参遮阴屏障——树木的生长模型预测算法，以及衡量人参光合效率的重要指标——净光合速率的ANFIS模型预测算法，能够根据给定的林下参生长的地域特征，对树木因子进行模型预测，以及在综合分析现有各方数据的基础上，对基于林下参种植光环境的地域栽培适宜性作出综合评价。