AI灌溉决策定制：墒情融合与蒸散估算

在智慧农业场景中，灌溉决策常受墒情数据稀疏、蒸散估算偏差和降雨扰动影响。本实验室近期以露地番茄和温室草莓为对象，尝试把土壤墒情、气象预报与作物系数接入同一决策链路：先对多深度含水率做异常剔除和插值，再用彭曼-蒙特斯公式估算参考蒸散，并结合根区水量平衡给出灌溉建议。
进展：在两组试验地块中，与固定轮灌相比，建议方案将灌溉次数减少约15%，根区含水率保持在田持60%—75%区间，未观察到产量下降。
下一步：引入冠层温度和短期降雨订正，验证不同土质与作物生育期的迁移效果，并形成可复用的AI灌溉定制模板。