1. 课程导入与农业环境监测概览

在设施大棚、露地大田、果园与畜禽舍中，作物与畜禽的生长状态并不只由品种和饲料决定，更由看不见摸不着的环境条件持续塑造。温度每升高 1℃、相对湿度每波动 10%、光照强度每减少一半，都会在光合速率、蒸腾量、病害发生概率上留下痕迹。农业环境监测的本质，就是把这些"看不见的条件"变成可读、可记录、可判断的数字，让生产管理从"凭经验感觉"转向"凭数据决策"。

一、为什么农业环境需要被"测量"

农业环境是一个多因子耦合系统。以番茄越冬生产为例，白天棚内温度宜控制在 22～28℃，夜间 13～18℃；空气相对湿度白天 60%～70%、夜间不高于 85%；根区基质含水量维持在田间持水量的 65%～80%；CO₂ 浓度在晴天上午可补至 800～1000 μmol/mol。这些参数彼此牵连：温度升高会拉低相对湿度，湿度过高又抑制蒸腾、增加灰霉病风险，而补光与补 CO₂ 又会改变叶温与气孔开度。若只靠一支温度计和"看叶相"，管理者很难判断究竟是"温度不够"还是"根系吸水受阻"。

监测的价值体现在三个层面。其一是诊断：当植株出现萎蔫、卷叶、落花时，环境数据能帮助区分是高温灼伤、低温冷害、盐分胁迫还是病害侵染。其二是预警：连续阴雨导致棚内湿度长时间高于 90℃，即可提前启动通风或除湿，把病害窗口压缩在发生之前。其三是追溯与优化：一个生产季的完整环境曲线，可以复盘哪一段时期产量受限、能耗浪费在何处，为下一季的调控策略提供依据。

二、传感器在精准农业中的角色

传感器是环境监测系统的"感知末梢"，它把物理量或化学量转换为电信号，再经采集器量化成数字。在精准农业的闭环中，传感器承担着不可替代的输入角色：没有可靠的感知，灌溉决策、通风控制、补光策略都只是开环猜测。一个典型的温室环境监测与调控链路可以概括为下图所示的信号与决策路径。

需要强调的是，传感器并非"装上就准"。同一支温湿度传感器，装在棚顶横梁与装在作物冠层中部，读数可能相差 3～5℃ 和 15% 以上的相对湿度；一支未做辐射屏蔽的温度探头，在强日照下会因自身受热而系统性偏高。因此本课程把"选型"与"安装"并列为核心，二者共同决定数据是否可信。

三、从参数到判断：一个可操作的示例

假设某番茄大棚配置了空气温湿度、光照和基质水分四类传感器，采集器每 5 分钟记录一次。管理者设定如下判断规则（示例参数，实际应结合品种与季节调整）：

这里的关键不是阈值本身，而是"连续几个采样点""持续多长时间"这类时间维度的判断条件。单点瞬时值容易受开门、人员走动、短时云遮影响，只有结合采样周期与持续时长，才能把噪声与真实趋势区分开。这也是后续章节要反复涉及的采集频率、滤波与数据质量控制问题。

四、课程目标与学习路径

本课程面向农业技术员、设施种植管理者、农业物联网实施人员与相关专业学生，目标是让学习者在完成课程后能够独立完成一件完整的事：针对一个具体的生产场景，选出一套匹配的传感器组合，正确安装、合理布点、验证数据可信，并据此做出调控判断。

围绕这一目标，课程按"认知—选型—安装—验证—应用"的逻辑展开，但并非线性罗列，而是反复在原理与实践之间往返：

• 基础认知部分：农业环境的物理量与测量原理，包括温度、湿度、光照、CO₂、土壤水分与 EC 的传感机理，以及精度、分辨率、响应时间、漂移等指标的真实含义。
• 选型方法部分：如何根据量程、精度、防护等级、供电与通信接口、成本与维护周期做权衡；不同场景（温室、大田、果园、畜禽舍）的选型差异。
• 安装与布点部分：冠层代表性、辐射屏蔽、通风防潮、线缆走向、接地与防雷，以及多点布设时的空间平均策略。
• 数据验证部分：标定检查、交叉比对、异常值识别、长期漂移判断，确保"数据能用来做决策"。
• 应用与复盘部分：把监测数据接入灌溉、通风、补光策略，并通过生产季复盘持续优化阈值。

农业环境监测不是追求"传感器越多越好"，而是在明确生产目标的前提下，用恰当的数量、恰当的位置、恰当精度的传感器，获得足以支撑判断的数据。接下来的章节将从最基础的温湿度测量开始，逐步建立这套判断能力。