摘要
准确预测土壤水分对于精准灌溉和提高花生(Arachis hypogaea L.)生产中水分利用效率至关重要。本研究开发了一个基于双向Transformer(BiTransformer)的土壤水分预测框架,并将其与一个生长阶段灌溉决策模型相结合,应用于华北滦州的花生种植。使用2023—2025年生长季期间收集的逐小时气象和土壤水分数据进行模型开发和验证。所提出的模型结合了BiTransformer编码器、交叉注意力交互、时序注意力和门控特征融合,以捕捉土壤水分的复杂时序依赖性和非线性动力学特征。使用多种评估指标将模型性能与随机森林、XGBoost、循环神经网络(RNN)、长短期记忆网络(LSTM)、BiLSTM以及传统Transformer模型进行了比较。结果表明,所提出的BiTransformer模型实现了最高的预测精度,其R2为0.9707,均方根误差(RMSE)为0.0144,平均绝对误差(MAE)为0.0096,优于所有基准模型。消融实验进一步表明,双向架构和注意力机制都对模型性能有显著贡献。基于预测的土壤水分数据和花生需水标准,为不同生长阶段建立了定量灌溉调度策略。该决策模型能够根据作物水分需求成功确定灌溉时间并推荐灌溉量,尤其在需水量最高的结荚期表现突出。所提出的框架将土壤水分预测与灌溉决策相结合,为精准灌溉管理、节水和可持续花生生产提供了有效工具。
通俗摘要
华北地区的花生(Arachis hypogaea L.)种植户常常面临一个难题:不知道何时浇水、该浇多少。水太少会损害花生的荚果,水太多则白白浪费水资源。在本研究中,我们构建了一个计算机工具,该工具能够从过去的气象和土壤记录中学习,预测未来几小时内土壤的干湿程度。随后,我们将该工具与每个花生生长阶段的简单灌溉规则相连接,使其能够在正确的时间推荐合适的水量。2023年至2025年气象数据的测试结果证实,该工具对土壤水分的预测效果非常好。下一步将在实际农场中试用该工具,以确认它能够在保持花生高产的同时实现节水。
利益冲突声明
作者声明不存在利益冲突。
数据可用性声明
本研究中使用的天气和土壤水分数据来源于西和能源气象大数据平台(www.xihe-energy.com),该平台提供源自ECMWF和NASA的历史再分析数据集。本研究中生成的数据集和代码可根据合理要求向通讯作者索取。


