AI灌溉决策定制：土壤墒情与蒸散量估算

设施与大田灌溉长期依赖经验阈值，单点墒情探头代表性有限，常出现局部过灌或亏水。本阶段实验在三个番茄大棚展开：部署 12 路土壤含水率探头、一台小型气象站与滴灌流量计，连续采集 8 周数据，覆盖两个生育期。

方法上采用物理基线加残差学习：以 FAO-56 计算的参考蒸散量 ET0 作为先验，再用梯度提升树预测未来 24 小时的蒸散与含水率变化，输入含前 24 小时 ET0、含水率变化率、生育期天数与棚内温湿度。为控制风险，模型同时输出预测区间，区间过宽时自动退回原阈值策略。

要点一，验证集上小时级含水率预测 MAE 约 1.8%（体积含水率），按建议量灌溉用水较经验方案下降约 12%，产量无显著差异。要点二，下一步接入公共天气预报做 48 小时滚动预测，并将模型量化至 2MB 以内，验证边缘网关离线推理的稳定性与掉线降级逻辑。