点击图片查看原图
在已经取得的众多建模研究成果中，大多数温室系统相关模型（例如作物生长和小气候模型）都是面向研究的，它们的研究对象大多是试验温室而非实际生产温室，侧重于某些子过程的模拟，试验数据在时空上存在不完整性，不能覆盖整个温室系统和作物生长周期。这类面向研究的模型主要考虑的是得到作物生长高产所需的“最优”的温室内部气候环境参数设定值，而较少考虑生产过程中的温室外气候变化情况、温室智能控制系统温室内控制设备的能力和达到“最优”所需付出的能量等代价，也就是说，利用面向研究的模型而获得的参数设定值在实际生产温室中未必能达到，以室内温度为例，受制于加热设备的功率以及散热能力，并同时考虑室外低温的影响，某种所谓的最优温度在某些情况下可能根本不能达到，即便能达到也可能会消耗大量的能量等代价，从而导致低经济效益。可见，这样的“最优”在众多的温室环境模型中，大多温室智能控制系统只考虑了通风这一控制操作，而具有加热和喷雾等操作的温室环境模型相对较少。针对温室小气候控制的需求，1984年Arinze提出了一种包括加热和通风操作的温室环境动态模型，温室智能控制系统建立了室内温度、湿度、冠层温度、覆盖层温度等环境状态的动态微分方程。为提高模拟精度，土壤被划分为多个层次，并建立了每一层土壤的温度动态变化方程。尽管模拟精度比较高，由于土壤和覆盖层被划分为多个层次，模型的阶数（即模型包含的状态微分方程个数）比较高，给环境控制器的设计带来了很大的困难。这类温室智能控制系统模型一般更注重对温室热效应的模拟，至今还在研究以适应不同地区和结构的温室。
在实际温室生产中是没有意义的。所以，与面向研究的模型不同，面向实际生产自动化控制过程的模型必须要考虑各种控制设备的实际调控能力和调控过程中付出的能量等代价。
温室智能控制系统 http://www.tpwlw.com/baike/info_38.html
智慧农业 http://www.tpwlw.com/
