在我国的设施农业中,温室产业占着相当大的比重。温室以其能够消减气象因素的影响等特点,为作物营造适应生长的环境,解决了我国北方冬季蔬菜供应量低等问题[1]。我国的温室生产技术在二十世纪七十年代以来,取得了飞速的发展。但是和发达国家相比差距还很大。温室的发展大多是建立在品种的选育以及高产栽培等技术上,这样想要达到在经济效益上有大的提高是非常困难的。而与此同时,在我国一些比较大型的温室都会建立相应的温室信息监测系统,定期定时的对温室的相关信息取样监测,可以让温室管理者对温室的环境及作物的生长状况等信息做一个较为全面的了解,为温室环境的调控及生产管理提供验证数据。这些监测及管理数据都存储在相应的存储设备中,它们曾经为管理者提供参考,但是长时间累积的大量的历史数据并没有被有效的利用。那么,如何充分的利用这些数据,在这些大量的数据的基础上,发现对温室决策者有价值、潜在的规则,即是本文主要讨论的问题。基于此问题,本文采用较为契合的数据仓库技术以及数据挖掘技术,将温室历史数据经过分析、处理,建立相应的模型,并对来各异质数据源的数据进行抽取、转换等一系列过程,最终加载到数据仓库中。数据仓库能够为数据分析及数据挖掘提供优质、可靠的数据源,保证结果的真实、准确性。温室数据的数据挖掘能够发现隐含在数据中的不易为人所知的知识。温室决策者通过此技术,可以了解包温室重要的环境参数的模型,作物生长预测,病虫害发病条件等内容。从而更好的指导温室作物生产,使温室决策控制达到智能化、最优化,最大限度的提高温室的经济效益及管理水平。本文以东北农业大学温室番茄实验室多年来积累的80000余条温室番茄生长环境、生长状况及病虫害信息等数据为研究对象,根据温室番茄数据分类的关联性与离散性等特点,选择关联分析Apriori算法、K-Means算法,为温室番茄生长环境的调控提供参考值、建立病害与特定环境因子的关联模型、进行生长预测等内容,为温室番茄栽培管理提供生产策略知识,从而保证温室番茄生产的高效、可持续发展,并为其他作物的相关研究提供参考。同时,本系统的架构基于B/S结构,用户不需要安装庞大的客户端,只需要连接相应的服务器,通过浏览器即可方便、快捷的通过可视化的界面,了解到相关知识,为用户提供优质的决策支持信息。