花卉温室栽培是提高土地资源利用率、实现花卉增产增收的重要栽培方式。近年来,环境调控智能化技术成为温室发展的热点和方向,温室环境模拟、优化与环境分析为环境调控提供了重要的技术手段。然而,基于花卉温室环境模拟技术研究较少。花卉温室容易受外部环境变化、温室调控策略、花卉生长阶段等诸多不确定因素的交叉影响,现有的环境模拟准确率不高,并且很少考虑温室内温度、光照等因素对花期、周龄的影响。针对上述问题,本文以花卉仙客来温室为研究对象,通过多点传感器采集数据,掌握温室环境分布规律;结合室内温度与室外环境耦合关系曲线,对温室内温度预测进行可行性分析,并构建逐步回归方程,生成温度预测模型;开展基于用户自定义函数（UDF）温度预测模型的计算流体力学CFD（Computational fluid dynamic）数值建模,研究CFD二次开发协同仿真机制,探讨温室虚拟测点实时模拟技术;针对仙客来应季上市对温度的需求,对温室加温方案进行优化设计;明确仙客来的环境影响因素,利用深度学习识别仙客来物候特征,作为环境分析依据。研究结果为花卉温室环境精准调控提供决策支持。具体内容包括:（1）研究了温室环境分布规律。以仙客来花卉温室为研究对象,建立多点环境采集传感器监测网络,对温室内外的环境数据进行实时测量,对CFD模拟所需要的典型季节进行温湿度环境分析,探讨温室内风速场、太阳辐射分布特征。（2）提出了一种通过室外环境构建室内温度预测模型的方法。比较分析室外太阳辐射、温度、湿度、地压、风速和室内温度的关系耦合曲线,结果表明,室内温度与室外太阳辐射、室外温度正相关,与室外湿度负相关。研究径向基神经网络（Radial Basis Function,RBF）和反向传播神经网络（Back Propagation,BP）算法,通过2种方案进行温度预测,选择BP神经网络可以得到更好的预测结果,调节神经元个数为9,决定系数R2=0.90042,结果表明,室内温度受室外环境影响显著,明确了外部环境与室内温度满足线性回归关系;采用IBM SPSS 21 Statistics统计学软件构建温度预测模型,建立逐步回归方程,经计算,R2＞0.8,sig.=0.00,拟合方程达到极显著水平。预测模型可用于CFD边界条件模拟。（3）提出了一种基于CFD的虚拟测点模拟方法。通过对比标准（Standard）k-ε,重正化组（RNG）k-ε和可实现（Realizable）k-ε 3种两方程模型,分析温度场、气流场对应模拟结果,采用RNG k-ε方程求解计算。综合考虑温室传热模型、花卉模型以及温室实验模拟的基本方程和物理模型,分别利用ANSYS Workbench和ANSYS ICEM软件对温室进行几何建模和网格划分,并选择最优网格模型。采用温度预测模型生成用户自定义函数（UDF）边界点文件,搭建FLUENT-MATLAB客户端服务器协同仿真平台,数据通信采用Windows socket（WinSock）编程,利用UDP协议实现数据交互,实现CFD虚拟测点实时模拟,对温室夏季机械通风、冬季覆盖保温被2种工况下温度场、气流场进行模拟验证。该方法利用实际环境生成逐步回归方程参与边界条件模拟,提高了模拟预测的准确性和时效性,为CFD温室二次开发模拟技术提供了 一种新方法。（4）设计了一种花卉（仙客来）温室冬季加温控制的优化方案。以温室温度作为调控目标,设计了不同功率、不同位置暖风机进行温室加温的优化方案,选择最优方案,即采用2个50kW暖风机进行加温控制,既可以提高温室温度,又可以提升温度混合的均匀性,并对优化结果进行验证,优化温度与实测值相符合,其中均方根误差RMSE=1.3847,平均绝对误差MAE=1.122。加温方案对花卉温室栽培具有一定指导作用。（5）提出了一种通过识别花卉物候表现分析环境的方法。研究仙客来环境影响下的物候特征,采集不同环境区域以及不同周龄的仙客来图片,结合图像识别技术,对仙客来叶片、花卉的颜色、纹理等进行形态学识别;采用SSD Inception V2深度学习算法,利用迁移学习技术,实现神经网络模型的训练和优化,识别准确率达到97%以上。通过识别仙客来物候特征反映所处环境的适宜性,从而为实现精准环境调控提供技术支持。