1. 课程导入与植物工厂数据全景
植物工厂是在可控环境中进行植物周年连续生产的设施系统，其核心价值在于“把植物生长从看天吃饭变成可测量、可调节的工程过程”。要理解数据监测与优化，先要建立一张全景图：植物工厂有哪些类型、每类工厂里有哪些数据、数据从哪里产生、流向哪里、最终服务于什么目标。本节作为课程开篇，先搭起这张图，后续各章再逐块深入。
一、植物工厂的主要类型与数据特征
按光源与建筑形态，植物工厂通常分为三类：人工光型（密闭厂房，LED 全人工补光，环境完全可控）、太阳光型（温室结构，以自然光为主、补光为辅）、混合型（自然光与人工光结合，兼顾能耗与产能）。三者的数据监测重点差异明显：人工光型最关注光配比、空调能耗与 CO₂ 浓度；太阳光型最关注室外气象、遮阳与通风；混合型则要处理内外环境耦合带来的复杂数据关系。
按栽培方式，又可分为基质栽培、水培（NFT、DFT、气雾培）与立体多层栽培。水培系统必须监测营养液 EC、pH、溶氧与液温；立体多层栽培则要关注层间光强差异、气流组织与温湿度分层。这些差异决定了传感器布点与数据采集频率的设计。
二、环境—植物—设备三类数据流
植物工厂的数据可以归纳为三条主线，它们不是孤立的，而是构成闭环：
- 环境数据：空气温度、相对湿度、CO₂ 浓度、光照强度（PPFD）、光周期、营养液 EC/pH/液温/溶氧。这类数据由传感器采集，是“植物所处的条件”。
- 植物数据：叶面积指数、株高、鲜重、叶绿素含量、光合速率、生长速率。这类数据反映“植物对条件的响应”，是判断调控是否有效的依据。
- 设备数据：LED 灯具功率与调光比例、空调/热泵运行状态、风机频率、水泵流量、CO₂ 施放阀开度、加湿器状态。这类数据是“执行调控的手段”，也是能耗核算的来源。
三者的关系是：设备动作改变环境，环境变化影响植物生长，植物响应又反过来指导设备策略调整。数据监测系统的任务，就是把这条链路变成可观测、可记录、可分析的闭环。
三、监测与优化的目标
数据监测不是为了“堆传感器”，而是服务于三个可量化的目标：环境稳定（温度波动控制在设定值 ±1℃、湿度 ±5%RH 以内）、品质与产量（如生菜单株鲜重、维生素含量、整齐度）、能效（每千克产品的耗电量 kWh/kg）。三者往往相互制约：提高光强能增产，但能耗上升；降低夜温能省电，但可能拖慢生长。优化的本质是在约束条件下寻找平衡点，而数据是判断平衡点在哪里的唯一依据。
四、课程项目任务说明
本课程以一个贯穿项目组织学习：为一座 200 m² 人工光生菜植物工厂搭建数据监测与优化方案。项目分四个阶段推进：
- 数据采集层：确定测点位置与数量（如每层布置 3 个温湿度测点、1 个 PPFD 测点，营养液池布置 EC/pH/液温探头），选择采样周期（环境量 1 min、营养液 5 min、植物表型每周 1 次）。
- 数据传输与存储：通过 RS-485/Modbus 或 MQTT 将数据汇聚到网关，写入时序数据库，保留原始值与时间戳。
- 分析与可视化：绘制温湿度日变化曲线、PPFD 分布热图、EC/pH 趋势图，识别异常波动与设备故障。
- 优化策略：基于历史数据设定阈值与调控规则，例如“当 PPFD 累计达到 12 mol/m²·d 且 CO₂ 低于 600 ppm 时启动 CO₂ 施放”，并用下一茬数据验证效果。
五、学习本课程的方法建议
建议按“先看数据、再懂原理、后做调控”的顺序学习：每章先明确该环节要采集哪些量、量纲与合理范围是什么，再理解这些量之间的物理与生理关系，最后落到具体的传感器选型、布点、阈值设定与验证方法。遇到计算或配置内容，务必动手复算一遍示例参数，例如用“灯具功率 × 每日点亮时长 ÷ 栽培面积”估算单位面积日耗电量，再与实测电表数据对比，偏差过大就回头检查功率因数或调光比例记录是否准确。
数据监测与优化的价值，最终体现在“可复现的决策”上：同样的环境数据输入，能得出同样的调控动作，并能用植物数据验证效果。这正是本课程希望培养的核心能力。