《Smart Agricultural Technology》：Microclimate–Linked Trait Dynamics in Greenhouse Chrysanthemum Revealed by a Plant-Wearable Sensor Network
编辑推荐：
为解决温室微气候时空异质性与菊花生理性状实时、精准监测的难题，本研究开发了一套集成多参数柔性传感器的植物可穿戴传感器网络（PWSN），在商业温室环境中实现了对光、温、湿、叶温、叶水含量、叶伸长和乙烯浓度的同步监测。研究发现温室内部微气候与植物性状均存在显著的空间异质性，并通过偏最小二乘回归（PLSR）明确了光强与气温是解释叶片性状变化的关键环境因子。该工作为设施园艺的精确管理与局部气候调控策略提供了定量化的新见解。
温室是现代农业生产的重要场所，为作物生长提供可控的环境。然而，由于光照分布、气流、湿度等差异，温室内部的“小气候”存在显著的时空异质性。这种微尺度的环境波动会强烈影响作物的生长、形态和生理状态，对菊花这类高度敏感的经济花卉尤为如此。但传统的监测方法通常使用安装在冠层外、相对大型且刚性的仪器，它们往往难以捕捉植物器官直接所处的微环境，更难将这些环境数据与单个植株的、实时变化的性状动态联系起来。为了克服这一限制，研究人员将目光投向了新兴的“植物可穿戴”技术——就像为植物戴上微型健康监测手环一样，通过将小型、灵活、轻量的传感器贴在植物叶片上，实现对“贴身”环境和生理响应的同步捕捉。
这项题为“Microclimate–Linked Trait Dynamics in Greenhouse Chrysanthemum Revealed by a Plant-Wearable Sensor Network”的研究，正是为了探究在真实的商业温室生产条件下，基于植物自身的可穿戴传感网络能否揭示微气候与菊花性状之间的精细关联。该研究成功构建并部署了一套这样的网络，并发现温室内的光照、温度、湿度、水汽压亏缺（Vapor Pressure Deficit, VPD）以及菊花的叶片温度、叶片水含量、叶伸长等性状均存在明显的空间和时间异质性。更重要的是，通过偏最小二乘回归（Partial Least Squares Regression, PLSR）分析，明确了光强度和空气温度是与叶片性状变化最相关的主要环境解释变量。这项研究证明了植物中心化的高分辨率监测，能够定量揭示微气候与性状间的相互作用，为保护地园艺的精准管理和局部气候调控策略提供了有力的科学支持。论文发表在国际期刊《Smart Agricultural Technology》上。
研究人员开展这项研究，主要用到了以下几个关键技术方法：
- 1.
柔性可穿戴传感器的设计与制备：针对光、空气温湿度、叶温、叶水含量、叶伸长和乙烯浓度这七个参数，分别设计和制备了基于不同敏感材料（如激光诱导石墨烯-LIG、氧化锌-ZnO、氯化锂-LiCl、二氧化锡-SnO2等）的微型柔性传感器。这些传感器具有重量轻、尺寸小、可弯曲等特点，以尽量减少对植物生长的干扰。
- 2.
植物可穿戴传感器网络的构建：将感知、传输、应用三层架构进行系统集成。感知层包含五个分布式传感节点，每个节点集成上述七种传感器，通过定制印刷电路板采集数据，经由RS-485和LoRa（远距离无线电）模块进行数据传输。传输层采用树莓派作为网关，将数据汇总后通过Wi-Fi上传至云端服务器。应用层则提供可视化的PC端和移动端平台。
- 3.
网络性能与传感准确性验证：在部署前，对网络的数据包丢失率和延迟时间进行了测试，确保了其稳定性和实时性。同时，将传感器网络的测量结果与标准商用仪器（如照度计、温湿度计）或标准方法（如称重法测量叶水含量）进行对比，验证了其测量准确性。
- 4.
温室实地部署与数据采集：研究在南京农业大学菊花种质资源保存中心的连栋温室中进行。五个传感节点被部署在温室的四个角落（东北、东南、西南、西北）和几何中心位置，从2024年8月22日至9月4日，以每分钟一次的频率连续采集数据。
- 5.
数据分析方法：利用皮尔逊相关分析评估微气候变量间的相互关系，并采用偏最小二乘回归（PLSR）模型，在解决环境变量间多重共线性问题的同时，分析光、温、湿、VPD对叶片温度、叶水含量和叶伸长的相对贡献。
研究结果主要包括以下几个方面：
3.1. 可穿戴传感器的传感性能
所有传感器均表现出高灵敏度，拟合度R2均接近0.99。它们的尺寸微小（最小为湿度传感器8.16 mm × 5.11 mm × 0.67 mm）、重量极轻（最重为乙烯传感器0.346 g），旨在减少对植物生长的干扰。在实验期间，佩戴传感器的叶片保持了健康的表观和正常生长，表明其潜在的生理干扰有限。
3.2. 传感器网络的组装与部署
组装好的传感器网络在可编程气候室中验证了与商用标准仪器高度一致的测量准确性。数据传输测试显示，在24小时内数据包丢失率近乎为零，平均延迟时间为0.69秒，可满足实时监测需求。随后，该网络被成功部署在菊花温室中五个指定节点，实现了对微气候和植物性状的同步、连续监测。
3.3. 温室微气候的时空异质性
监测数据显示，温室内的光照、气温、湿度和VPD均表现出同步的周期性昼夜变化，但同时存在显著的空间异质性。例如，在特定时刻，光照强度在中心节点最低（5.01 klux），在西南节点最高（29.12 klux），这主要与太阳轨迹和温室西侧（有网孔侧墙）无遮挡有关。气温、湿度、VPD也表现出类似的、但并非完全同步的空间分布模式，这与温室设计（如遮阳、通风）密切相关。
3.4. 可穿戴传感器揭示的植物性状动态
可穿戴传感器稳定监测了菊花的叶片温度、叶水含量和叶伸长动态。叶片温度的变化与气温趋势一致，但上升更早，推测与黎明前的呼吸活动有关。叶水含量在日间因蒸腾加强而下降，午后降至最低，日落后逐步恢复，可作为灌溉管理的潜在指示信号。叶伸长主要在夜间和日出前进行，日间生长缓慢。乙烯浓度在整个监测期内维持在极低的波动水平，这可能与菊花幼苗期的生理状态有关。空间上，叶片温度、叶水含量和叶伸长在温室不同位置的植株间也存在显著差异，例如叶片温度的最大空间差异达10.02°C。
3.5. 环境-性状关联分析
由于光照、气温、湿度和VPD等环境变量之间存在强相关性（多重共线性），研究采用了PLSR分析来评估它们对叶片性状的相对影响。分析发现：
- •
光强度与叶片温度呈正相关（由于辐射加热），与叶水含量呈负相关（增强蒸腾），与叶伸长呈正相关（提供光合资源）。
- •
空气温度与叶片温度呈强正相关，与叶水含量呈强负相关（增加蒸发需求），与叶伸长呈正相关。
- •
空气湿度与叶水含量普遍呈正相关（减少水分损失），与叶片温度多为负相关（增强蒸腾冷却）。
- •
VPD与叶水含量呈现非常强的负相关，突出了其作为叶片-空气间水汽通量主要驱动力的作用。
值得注意的是，这些关联的强度和方向在不同温室区域（节点）存在差异，表明了位置特异性的微气候-性状耦合。
结论与讨论
本研究表明，所开发的植物可穿戴传感器网络能够以对植物生长干扰最小的方式，实现对温室微气候和菊花生理性状的连续、高分辨率监测。研究首次在商业生产规模的温室中，通过同步的植物中心化测量，定量揭示了微气候与植物性状间存在的显著时空异质性与精细关联。PLSR分析明确了光强度和空气温度是解释叶片温度、叶水含量和叶伸长变化的关键环境变量，并且这些关联的强度在不同温室区域有所变化。这项研究的意义在于，它超越了传统的、分离的环境监测与破坏性取样方法，提供了一个集成、实时、空间分辨的监测与分析框架。该框架不仅能更准确地反映植物实际经历的微环境及其响应，还能为设施园艺的精准管理（如分区灌溉、局部降温、补光等）提供基于数据的、针对性的科学依据，展现了可穿戴传感技术在推动智慧农业和精准园艺发展方面的巨大潜力。
