AI温室蒸腾量预测定制：辐照累积与营养液调控

在封闭温室中，灌溉时机的判断长期依赖定时策略与种植者经验，过量灌溉既浪费营养液，也抬高了根区湿度与病害风险。本实验室近期开展的一项实验性探索，尝试用可解释的预测模型替代固定灌溉时钟。

方法上，我们以分钟级太阳辐射累积量、冠层VPD、基质含水率与回液EC为主特征，构建未来30分钟蒸腾速率的回归模型，并将预测值转换为单次灌溉时长与营养液配比微调量。模型未使用图像或额外传感器，全部输入来自温室既有的环控与灌溉采集点位，便于在不同棚区复制。

【阶段性进展】在番茄越冬茬连续四周的对照测试中，蒸腾速率预测的RMSE约为8.4%，营养液用量较定时策略下降约12%，夜间根区湿度超限时长减少约三成，单果重与糖度未见统计学差异。

【下一步计划】引入短期天气预报作为前馈输入，并把回液EC偏离量纳入闭环修正，同时把验证作物扩展到黄瓜与叶菜，评估模型在换茬与季节切换时的迁移稳定性。