1.一种构建冬季晴天时温室二氧化碳浓度预测模型的方法，其特征在于，包括以下步骤：S1：以等时间间隔 采集温室的温度和CO2浓度数据，获取温度和CO2浓度的时间序列数据；

S2：按自然日对所述S1中获取到的温度和CO2浓度的时间序列数据进行分割，从分割后的温度和CO2浓度的时间序列数据中随机选择部分数据用于建模，称为数据集RA，剩余数据用于检验模型，称为数据集RB；

S3：使用滑动时间窗口分别从所述RA和所述RB中的温度和CO2浓度的时间序列数据中提取数据以构建数据集A和数据集B；

S4：根据所述数据集A构建温度动态变化预测模型M1；

S5：根据所述数据集A中的夜晚数据和所述M1构建作物有氧呼吸和土壤呼吸二氧化碳释放速率预测模型M2；

S6：根据所述数据集A中的白天数据和所述M2构建作物净光合作用消耗二氧化碳速率的预测模型M3；

S7：根据所述M1、所述M2和所述M3构建冬季晴天时温室二氧化碳浓度预测模型M4。

2.根据权利要求1所述的构建冬季晴天时温室二氧化碳浓度预测模型的方法，其特征在于，在所述S3中，在构建所述A和B时，滑动时间窗口的宽度设为3，滑动步长设为1，窗口内

3个数据的采集时间点分别以 、和 表示，距现在的时间最近，距现在的时间最远， 、和 时刻的温度分别以 、和 表示，、和 时刻的CO2浓度则分别以 、 和 表示。

3.根据权利要求2所述的构建冬季晴天时温室二氧化碳浓度预测模型的方法，其特征在于，在所述S4中，所述M1为：                       

其中，所述 为所述M1预测的所述 时刻的温度℃，所述 、和 为待定系数，利用所述A和SPSS软件的非线性拟合功能计算所述 、和 ，计算所述 、和 时令所述 。

4.根据权利要求3所述的构建冬季晴天时温室二氧化碳浓度预测模型的方法，其特征在于，在所述S5中，所述M2为：            

其中，所述 为所述M2预测的所述 到所述 时刻植物有氧呼吸和土壤呼吸的平均CO2释放速率 ，所述 ，所述 、、、、、、 、 、、 为待定系数，利用所述A和SPSS软件的非线性拟合功能计算得到上述待定系数，计算上述待定系数时令所述。

5.根据权利要求4所述的构建冬季晴天时温室二氧化碳浓度预测模型的方法，其特征在于，在所述S6中，所述M3为：                              其中，所述 为所述M3预测的所述 到所述 时刻作物净光合作用所消耗CO2的平均速率 ，所述 和 为待定系数，利用所述A和SPSS软件的非线性拟合功能计算得到所述 和 ，计算所述 和 时令所述 。

6.根据权利要求5所述的构建冬季晴天时温室二氧化碳浓度预测模型的方法，其特征在于，在所述S7中，所述M4为：                          其中，所述 为所述M4预测的所述 时刻的温室CO2浓度 。

7.根据权利要求1至6中任一项所述的构建冬季晴天时温室二氧化碳浓度预测模型的方法，其特征在于，在所述S2中，所述部分数据为80-95%的分割后的温度和CO2浓度的时间序列数据。

8.根据权利要求1至6中任一项所述的构建冬季晴天时温室二氧化碳浓度预测模型的方法，其特征在于，在所述S1中，所述 的范围为0＜ ≤30min。

9.根据权利要求8所述的构建冬季晴天时温室二氧化碳浓度预测模型的方法，其特征在于，所述 为30s、1min、2min、5min或10min。

10.根据权利要求1至6或9中任一项所述的构建冬季晴天时温室二氧化碳浓度预测模型的方法，其特征在于，在所述S4之后、所述S5之前，还包含以下步骤：利用所述数据集B检验所述M1的拟合度；

和/或，在所述S5之后、所述S6之前，还包含以下步骤：利用所述数据集B检验所述M2的拟合度；

和/或，在所述S7之后，还包含以下步骤：

利用所述数据集B检验所述M4的拟合度。