AI灌溉决策定制：土壤墒情与蒸散量预测

在智慧农业场景中，灌溉决策的难点不在于「能不能测」，而在于把稀疏的土壤墒情、气象预报与作物需水规律放到同一条时间轴上。我们在实验室搭建了小规模试验：以 3 个地块、每 10 分钟一次的表层与根区墒情序列为输入，用参考蒸散量（ET0）做物理先验约束，训练轻量时序模型预测未来 24 小时根区含水量走势，再叠加降雨概率与灌溉窗口限制，输出建议灌溉量与时段。

要点：

• 进展：在春季叶菜试验中，模型对 12 小时后根区含水量的预测平均绝对误差约 2.1%（体积含水率）；相比固定阈值灌溉，试验地块用水量下降约 14%，产量无显著差异。
• 下一步：将叶面温度与冠层图像特征纳入输入，验证高温高湿条件下模型是否需要重标定，并接入水肥一体机开展小闭环试运行，重点观察传感器漂移对决策稳定性的影响。