1. 课程导入与温室环境控制问题界定
温室环境控制参数优化，本质上是在一个受外界气象持续扰动的半封闭空间里，用有限的执行机构（通风窗、遮阳幕、湿帘风机、加温管道、补光灯、CO₂施肥阀等）把作物冠层附近的温度、湿度、光照和CO₂浓度维持在适宜区间，同时尽量降低能耗。它既不是单纯的自动控制问题，也不是单纯的农艺问题，而是"作物需求—环境响应—设备动作—能耗代价"四者之间的多目标权衡。理解这一点，是后续所有建模、寻优与策略设计的前提。
要界定问题，先要看清被控对象。我国设施园艺中常见的三类温室，其结构、蓄热能力与调控手段差异很大，直接决定了参数优化的难度和重点。
- 玻璃温室：以Venlo型为代表，骨架为热浸镀锌钢，覆盖4mm或5mm浮法玻璃，连栋跨度常见9.6m、12m，脊高4～6m。密封性好、透光率高（新玻璃透光率约88%～91%），可配套天窗、外遮阳、内保温、湿帘风机、CO₂施肥与补光，调控手段最全，但单位面积散热大、加温能耗高，优化重点在"多执行机构协同+能耗约束"。
- 塑料大棚：竹木或钢管骨架，覆盖PE/PVC薄膜，跨度6～12m，脊高2.5～3.5m，多为单栋或简易连栋。造价低、升温快，但保温性差、昼夜温差大、通风靠侧窗和顶窗手动或简单卷膜，调控手段有限，优化重点在"通风时机与保温覆盖的粗粒度决策"。
- 日光温室：北墙为土墙或砖墙（厚度常见0.5～1.0m），夜间覆盖保温被，采光面为单坡薄膜。蓄热墙体是天然的热缓冲，白天吸热、夜间放热，冬季不加温也能维持较高夜温。其优化重点在"保温被揭盖时刻+通风窗口+墙体蓄放热节奏"的时序决策。
三类温室的环境调控目标可以统一表述为：在作物生长的每个阶段，使冠层环境落在适宜区间内，并让偏离时长与能耗代价尽可能小。关键参数有四个，它们并非独立，而是强耦合。
| 参数 | 常用单位 | 典型适宜区间（示例，果菜类） | 主要调控手段 | 与其他参数的耦合 |
|---|---|---|---|---|
| 空气温度 | ℃ | 白天22～28，夜间15～18 | 加温、通风、遮阳、湿帘 | 通风降温同时降湿、升CO₂损失 |
| 相对湿度 | % | 60～85 | 通风、加温、湿帘、除湿 | 加温降湿、通风降湿但降温 |
| 光照（PAR/PPFD） | μmol·m⁻²·s⁻¹ | 晴天冠层400～900 | 遮阳、补光、清洁覆盖 | 遮阳降温但减光，补光增温耗电 |
| CO₂浓度 | μmol·mol⁻¹（ppm） | 800～1000（施放时） | CO₂施肥、通风换气 | 通风补充自然CO₂但稀释施肥浓度 |
这张表已经暴露出问题的核心难点：耦合与冲突。夏季中午，通风可以降温，但会把湿帘降温后的高湿空气带入、同时把CO₂施肥的浓度稀释掉；冬季夜间，加温可以降湿，但能耗陡增；遮阳能压低温度，却直接削减了光合有效辐射。因此，"把每个参数单独调到最优"是行不通的，必须把它们放进同一个决策框架里，明确优先级和约束。
下面这张图把本节的核心逻辑串起来：三类温室作为被控对象，经传感器感知四类关键参数，进入"耦合与冲突"的决策核心，再由执行机构作用于温室，形成闭环；右侧标出优化要同时兼顾的作物需求与能耗代价两个目标。
从图中可以读出三个关键判断。第一，对象不同，可行域不同：塑料大棚几乎没有主动降温手段，其优化空间主要落在通风与保温覆盖的时序上；玻璃温室手段齐全，但每个动作都有能耗或耦合代价，寻优空间大、约束也多。第二，感知是闭环的起点：没有可靠的温湿度、光照与CO₂测量，任何优化都无从谈起，传感器的安装高度（应接近作物冠层而非屋面）与采样周期直接影响控制质量。第三，目标是双目标而非单目标：只追求环境精准会导致能耗失控，只追求节能则可能牺牲产量，实际系统通常采用加权或分层策略。
为了把"界定问题"落到可操作层面，可以先用一个简化的示例说明设定点如何确定。假设某玻璃温室种植番茄，结果期白天目标温度26℃、相对湿度上限85%、CO₂目标900 ppm。若上午10时测得温度28℃、湿度88%、CO₂ 950 ppm、外界温度24℃，此时若开窗通风，温度可降至26℃附近，但湿度下降的同时CO₂会被稀释到接近外界400 ppm。一个合理的决策不是"立即全开"，而是先小开度通风并同步启动CO₂施肥，把CO₂维持在700 ppm以上，待湿度降到85%以下再逐步调整开度。这里的"小开度+同步施肥"就是耦合约束下的折中解，也是后续参数优化算法要自动完成的判断。
本课程的整体框架围绕这条闭环展开：先建立温室环境与作物响应的描述模型（环境参数如何随执行机构动作变化），再明确优化问题的数学形式（目标函数、约束、决策变量），然后介绍设定点优化与序列决策的常用方法（规则库、模型预测控制、进化算法、强化学习等），最后落到工程实现与效果评估。学习路径上，建议先掌握四参数的物理意义与耦合机理，再进入建模与寻优，避免一上来就套算法却说不清约束从何而来。
需要特别强调的是，参数优化不是"把曲线调平"的数值游戏。作物对环境的响应具有累积性和阶段性：苗期对温度更敏感，开花坐果期对湿度与光照更敏感，果实膨大期对CO₂与水分供应更敏感。同一组设定点在营养生长期可能最优，在结果期却可能诱发灰霉病或裂果。因此，优化问题的"适宜区间"必须随生育期动态调整，这也是本课程后续要反复处理的时间尺度问题。