营造满足作物光合需求的设施小气候环境,是提高光合速率、加快物质积累、提高产量和品质的关键。我国北方温室秋末到早春反季节生产时普遍存在光照不足的现象,导致作物生长发育减缓、坐果率低等问题,人工补光技术是调控设施光环境,实现作物光合速率优化的有效手段。现有补光系统缺乏定量生理依据,控制方法简单粗放,易导致补光不足或过量等问题。本文针对作物光合作用受多种关键环境因子交叉影响,导致光环境调控目标参数随关键因子变化而具有很强动态性等难题,在分析环境对光合速率影响基础上,研究多因子关联的作物光合速率模型建模方法、调控目标值动态寻优方法,设计基于多传感器信息融合和无线传感器网络体系架构的光环境调控系统,并进行试验验证。主要研究内容及结论如下。（1）开展了关键环境因子对作物光合速率影响的机理分析与试验研究。在分析多种环境因子对光合作用影响的基础上,设计温度、光子通量密度、CO₂浓度嵌套条件下的光合速率组合试验方案,利用Li-6400XT光合仪对10个光子通量密度梯度、5个CO₂浓度梯度、6个温度梯度的番茄幼苗光合速率进行测试,形成300个组合条件下共1200组测试数据。基于上述实测数据进行了温度、光子通量密度、CO₂浓度对光合速率的影响分析,结果表明三者对光合作用均存在显著影响,且不同因子的光合速率响应曲线不同。因此,在光环境调控时必须考虑多因子关联关系,本文将基于以上试验数据开展光合需求模型与调控方法研究。（2）研究了基于遗传神经网络的光合速率模型建模方法。该方法在构建神经网络预测模型时,采用遗传算法对其初始权值矩阵进行优化,使其快速越过局部平坦区,以番茄幼苗期测试数据为例,仅17步就可达到模型训练目标,与随机生成权值矩阵方法相比,网络收敛速度明显提高。针对番茄幼苗光合速率模型实例进行异校验,结果表明,遗传神经网络模型预测值和实测值决定系数为0.9856,直线斜率是0.994,截距是-0.01092,误差在0.1⁰.4μmol/m2s范围内,均明显优于未优化神经网络模型。以上研究表明,遗传神经网络建模方法可生成高精度光合速率模型,为设施光环境调控提供了描述作物光合需求的定量生理模型。（3）提出了基于遗传算法的光环境调控目标值寻优方法。该方法基于遗传神经网络光合速率模型,利用遗传算法完成了117组不同温度和CO₂浓度组合条件下的光饱和点寻优,并以此构建了基于遗传算法的光环境调控目标值模型,模型决定系数R2为0.982,实现了以温度、CO₂浓度为参数的光饱和点动态计算。异校验结果表明,模型预测值与实测值相关性拟合的决定系数为0.92,直线斜率为0.989,截距为-0.233,表明二者之间线性相关,且最大相对误差不超过6%,表明该目标值模型具有较高预测精度。（4）提出了基于改进型人工鱼群算法的光环境调控目标值寻优方法。该方法针对遗传算法全局搜索能力强但局部寻优能力较弱的不足,在一般人工鱼群算法的基础上加入视野和步长的动态调整,有效提高了寻优精度,并避免了人工鱼群算法收敛速度慢的问题,寻优条件可在8步以内完成,收敛速度与遗传算法基本一致,具有良好拟合效果。异校验结果表明,模型预测值与实测值相关性拟合决定系数为0.976,表明二者之间高度线性相关,最大相对误差不超过2%。因此,基于改进型人工鱼群算法的目标值模型优于基于遗传算法所构建的模型。（5）研发了基于无线传感器网络体系架构的光环境调控系统。在分析整理栽培过程光环境调控需求的基础上,提出与设施应用相适应的无线传感器网络系统架构,集成光环境调控目标值模型与多传感器信息融合的闭环反馈控制机制,研制了设施光环境调控系统,由智能调控节点、环境监测节点和定量补光节点组成。提出了基于ZigBee协议的节点间网络通信协议,以CC2530处理器为核心进行各功能节点软硬件开发,实现了设施内部光子通量密度、CO₂浓度、温度等环境信息实时监测,调控目标值自动计算与各补光节点动态变量控制。（6）开展了系统集成测试与试验分析。系统性能测试结果表明,红蓝光分波段检测的相对误差小于5%,加入修正模型后,红蓝光定量输出的相对误差小于4%。设计了光环境调控系统整体部署方案,并在阎良蔬菜试验示范站进行实地部署。与固定目标值补光系统进行对照试验,结果表明本系统可根据实时温度、CO₂浓度计算光饱和点,并动态调整目标值,实现按需、定量调光,与固定目标值系统相比,在满足作物需求条件下降低30%电能消耗。