← 返回实验室

AI温室灌溉决策定制:基质含水率与蒸腾预测

设施农业的灌溉长期依赖定时器与经验判断:阴天容易过湿、强光午后容易缺水,根区含水率常在 ±8% 上下摆动,既浪费水肥,也抬高根腐风险。

我们在京郊一栋番茄温室做了为期六周的实验性探索。思路是「先预测蒸腾、再决定开阀」:以基质含水率与 EC、冠层温湿度、辐射累积量(PAR)、叶面积指数和短期天气预报为输入,训练一个轻量梯度提升模型,预测未来 60 分钟的蒸腾量与根区含水率衰减曲线,再由规则层把预测换算成单次灌溉时长与启停时刻。

进展与数据:
· 未来 60 分钟根区含水率滚动预测的 MAE 约 2.1 个百分点,较定时灌溉基线把根区波动收窄到 ±3% 以内,灌溉次数减少约 18%,产量与果实可溶性固形物未见下降。
· 下一步计划:把冷启动与跨基质迁移(椰糠/岩棉)作为重点,并在两栋温室并行验证,着重观察夜间与阴雨天的策略鲁棒性。

结论仍是阶段性的。灌溉决策的可解释性比精度更难,每一次开阀都应有可追溯的依据。

评论

更多研究动态

查看全部实验室 →