《Agronomy》：Integrated Transcriptomic and Metabolomic Analyses Reveal the Synergistic Regulatory Mechanisms of Nitrogen Application Rate and Topping on Tobacco Leaf Quality
编辑推荐：
暖季设施作物（如番茄 Solanum lycopersicum 与甜椒 Capsicum annuum）在生产中需要能够随温度、太阳辐射、蒸气压亏缺（VPD）、根区水分状况及电导率（EC）动态变化的养分供应策略。研究人员于2026年8月15日系统检索了Scop
暖季设施作物（如番茄 Solanum lycopersicum 与甜椒 Capsicum annuum）在生产中需要能够随温度、太阳辐射、蒸气压亏缺（VPD）、根区水分状况及电导率（EC）动态变化的养分供应策略。研究人员于2026年8月15日系统检索了Scopus、Web of Science、IEEE Xplore、ScienceDirect与MDPI等数据库，纳入2010年以来关注受控环境生产系统、暖季作物、养分管理组件以及传感、自动控制、模型或决策支持系统与IoT/AI工具的文献。经标题摘要与全文筛选，最终综合90项研究证据，评估四类运行策略：基于太阳辐射比例灌溉、基于辐射速率的体积与EC调节、供给—排液与基质反馈控制、以及基于温湿度与VPD的监督校正。结果表明，辐射驱动方法可提供实用前馈估计，但难以完整表征湿度与根区动态；排液反馈具备更强闭环信息，而温度与VPD校正可提升对大气需求的响应能力。番茄在生殖发育期需精细调控钙（Ca）与钾（K），甜椒则对基质含水率、EC及排液稳定性高度敏感。研究人员进而提出概念性层次框架：以太阳辐射确立营养液供给基线，以辐射速率进行短期调整，以根区与排液测量实现反馈校正，并以温度或VPD作为监督层；离子选择性传感（ISE）、机理模型与AI/ML方法可进一步支撑养分特异性与预测性管理。现有研究极少在明确高温胁迫下验证上述策略，因此需针对品种与生育期开展商业化高温温室条件下的再验证。
引言（Introduction）
智能温室通过集成传感、自动化与数据驱动控制调节温度、湿度、太阳辐射、CO?浓度与营养条件，已成为集约化农业生产的核心载体。养分管理不仅涉及营养液浓度与组分监测，还涵盖营养液投递、根区养分状况、排液以及影响吸收与运输的环境因子。传统定时、定浓度或依生育历的供应方案难以应对快速环境波动、根区盐害累积与阶段特异性需求，因此基于传感器与算法的动态供给受到关注。暖季作物（番茄、甜椒、黄瓜、茄子等）对水—肥—微气候耦合极度敏感：氮在营养生长期关键，而钾与钙在开花、坐果与膨果期权重上升；番茄缺钙易诱发脐腐病，甜椒对基质水分与EC波动响应强烈。论文将营养供给算法定义为把传感器输入转化为灌溉时机、体积、频率、EC与校正动作的决策核心，并围绕四类操作策略与支撑技术展开系统综述。
高温对养分需求与根区动态的影响（High-Temperature Effects on Nutrient Demand and Root Zone Dynamics）
高温并非养分的线性指示因子。升温在辐射充足且湿度未同步上升时增强蒸腾，加快移动态养分向根表质流输送，但若超过阶段最适范围，会抑制气孔导度、光合与坐果，使水分需求高而养分吸收反而下降。VPD比相对湿更能表征大气需求：适度VPD促进木质部钙运输，过高或过低均干扰钙向果实分配。根区高温改变呼吸、膜转运、溶氧与吸水能力；强蒸腾使有限基质中水分移除快于离子移除，导致根区EC上升、渗透势下降。核心难点在于“吸水”与“吸养”解耦——EC只反映总离子强度，不能识别Ca2?、K?、NO??是否失衡，因此必须协同调控灌水量、频次、根区EC、排液与养分组分。
养分管理传感技术（Sensing Technologies for Nutrient Management）
EC与pH是最成熟的基础传感，成本低、易集成，但EC无法区分离子种类。离子选择性电极（ISE）可直接测NO??、K?、Ca2?、NH??，提升养分特异性，但受漂移、污染与长期稳定性限制。环境传感中，温度、相对湿度、VPD、太阳辐射与CO?共同驱动算法：辐射关联光合与潜在蒸腾，VPD关联钙运输，CO?富集改变养分需求。植物本体传感（RGB、多光谱、热成像、叶绿素荧光）可在可见症状前识别胁迫。IoT架构把营养液、环境、根区与作物感知统一到云端，支撑机器学习与预测控制；同时须嵌入量程检查、缺失检测、卡滞识别与失效回退，避免错误传感信号引发自主误校正。
运行型营养供给控制算法（Operational Nutrient-Supply Control Algorithms）
论文给出四类可工程化的算法逻辑。太阳辐射比例算法按累计辐射R_cum给基线体积V_i = V_zone·k_r·(R_cum/R_ref)，再按滴头流量换算阀开时间，优势是前馈透明，缺陷是忽略湿度与冠层变化。辐射速率算法用ΔSR/Δt修正短期体积与动态EC设定值EC_set,t = EC_base + ΔEC(Sr)，应对突变光强，但须设EC上下限与滤波。供给—排液平衡算法依据质量平衡WU = V_supply ? V_drain ? ΔS，用称重或基质含水率反演实际消耗，属闭环校正，但排液有延迟、需完整响应窗判读。温湿度/VPD监督层以VPD = e_s(T)?e_a计算大气蒸发需求，在高温干热时扩容灌溉，EC调整则须保守且在农艺边界内。四者集成后为层次架构：辐射定基线、速率做前馈、根区做反馈、气候做监督。
番茄与甜椒的作物特异性应用（Crop Specific Applications in Tomato and Paprika）
番茄算法重心在坐果—膨果期钙与钾运输：果实蒸腾低于叶片，低Ca2?供应或VPD失调易致脐腐，故不能只靠单一EC目标，应联合VPD、基质水分与排液校正。甜椒更依赖根区稳定：辐射+VPD联合预测蒸腾优于单用辐射；基质EC与排液率共同约束盐分与水分胁迫，EC调整须与水分反馈协同，避免孤立升降浓度。生育阶段上，营养期重氮与冠层建立，花芽分化后K/Ca需求跃升，膨果期忌水分与渗透压震荡。两类作物共用“辐射前馈+VPD监督+根区反馈”层次逻辑，但番茄偏重Ca/K运输保障，甜椒偏重根区水分—盐分稳态。
比较证据综合（Comparative Evidence Synthesis）
EC/pH控制商用成熟但缺作物需求信息；辐射方法低成本、可解释；根区/排液反馈更贴近真实响应但依赖传感器品质；ISE与机理模型养分分辨力强但校准重；AI/ML预测精度高却受数据与可解释性制约。性能评价应分目标度量：EC系统看设定误差与超调，灌溉算法看ET预测与排水稳定，养分系统看离子控制误差。高温适应性上，纯EC与纯辐射适应性中等偏弱，VPD与根区反馈更强，混合智能系统理论最优但需长期商用验证。证据基局限在于指标异质、单点单季验证多、传感器失效率报告少，故评级为定性而非荟萃结论。
技术挑战与研究路线（Technical Challenges and Research Roadmap）
瓶颈集中在传感器可靠性、参数可迁移性、数据碎片、系统互操作与AI黑箱。路线指向分层闭环：感知层融合EC/pH、ISE、环境、根区、排液与作物响应；决策层以规则安全边界叠加机理/预测需求；执行层独立调节体积、脉冲、浓度、组分与排液；反馈层比对预测—实测。数字孪生、强化学习、物理信息机器学习应在农艺安全域内使用。优先方向是明确高温（高气温+高根温+变VPD+强辐射）下的多阶段验证，以及跨设施、全季节、含经济与维护成本的商业化试验。
结论（Conclusions）
论文将技术演进归纳为从EC/pH阈值与PID，走向辐射/蒸腾前馈、根区反馈、离子特异、机理建模与混合智能。所提层次闭环架构为假设性框架：以阶段需求定基线，辐射/蒸腾估短期需求，根区/排液做校正，ISE约束组分，温湿/VPD/根温做高温监督。因缺乏显式高温实验整体验证，后续需以标准指标、外部验证、故障容忍与跨季跨设施试验推动智能温室养分管理由孤立自动化迈向可解释、自适应与资源高效的控制系统。
你想先深化哪一项：标题打磨、摘要精译，还是主体扩写？
