《Computers and Electronics in Agriculture》：AquaAgent-OSPy: an auditable LLM tool-agent system for simulation-grounded irrigation decision support
编辑推荐：
•A4级大型语言模型智能体可在一个循环中同时协调AquaCrop-OSPy、NSGA-II和GEE算法。•在模拟开始前，GEE G1土地覆盖检测发现了自动选址错误。•较低的灌溉阈值有助于改善水分利用效率与产量的平衡。•在干旱年份，固定日程安排会触发安全警示并降低工作效率。•四份行
- •
A4级大型语言模型智能体可在一个循环中同时协调AquaCrop-OSPy、NSGA-II和GEE算法。
- •
在模拟开始前，GEE G1土地覆盖检测发现了自动选址错误。
- •
较低的灌溉阈值有助于改善水分利用效率与产量的平衡。
- •
在干旱年份，固定日程安排会触发安全警示并降低工作效率。
- •
四份行动建议书均通过了针对工具输出的结果一致性检验。
引言
在农业水资源管理中，制定灌溉计划需要兼顾多个相互冲突的目标：最大化作物产量、最小化水资源消耗、满足用水限制，同时还要能够实时应对天气和土壤条件的不确定性。实际上，大多数灌溉建议都是通过以下三种途径给出的：由农业技术推广机构制定的固定日程安排、需要专家进行设置和解读的优化工具，或是能够查询农学知识但无法执行作物模型模拟的对话式人工智能助手。每种途径都有其特定的故障模式，并会带来可测量的后果。固定日程安排无法应对不同年份间的降雨量变化，在水资源短缺时可能会过度灌溉，而且在与相同作物模型假设相比时，其水分利用效率也低于自适应阈值策略。优化工具虽然能够得出帕累托最优的平衡结果，但需要专业人员将其转化为具体的田间建议。对话式人工智能系统虽能生成人类可理解的建议，却无法确保这些建议基于透明的作物-水分模拟过程，这就引发了可追溯性和虚假信息的问题。
最近的研究表明，大型语言模型智能体能够调用外部工具、执行代码、观察输出结果，并在多轮交互中不断调整自身的推理过程（Zhang等人，2026年）。在农业领域，CottonBot（Kandamali等人，2025年）证明了使用工具的大型语言模型能够整合土壤湿度传感器数据、天气预报以及基于规则的灌溉决策引擎，从而为特定农田提供个性化建议。SPADE（Lee等人，2025年）则表明大型语言模型能够分析土壤湿度时间序列并生成易于理解的反常情况报告。尽管这些系统取得了重要进展，但它们都有一个共同缺陷：在提供建议的过程中并不执行作物生长模型，因此这些建议无法直接与模拟得到的产量-水分关联结果相对应。
为解决这一问题，我们提出了AquaAgent-OSPy，这是一种A4级的代码执行型建议智能体，它会在工具调用流程中协调AquaCrop-OSPy（Kelly和Foster，2021年）的灌溉场景模拟。根据第4.1节所定义的A0-A5分类标准，该智能体显然不属于A2类的检索增强生成型建议工具（这类工具不执行模拟），也不属于A5类的自主灌溉控制器（这类工具能够完成田间操作闭环）。它属于A4类：它会执行作物模型代码、观察模拟结果、检查多目标优化器的输出、识别安全问题，并生成行动建议书，其中每一项量化建议都可以追溯到具体的模拟结果行。最终还是需要人类农艺师来批准并执行这些建议，智能体仅起到建议作用，而非控制功能。
本研究并未声称AquaCrop建模、NSGA-II优化算法或卫星土地覆盖分类技术本身具有创新性。其创新之处在于构建了一种可审计的农业大型语言模型工具-智能体架构，该架构整合了作物模型执行、地理空间站点验证、帕累托前沿分析、安全检测、来源记录以及数值一致性验证等功能，从而能够生成可供人工审核的、可追溯的灌溉行动建议书。其中最大的技术挑战在于如何确保大型语言模型生成的灌溉建议在数值上始终与模型输出、站点验证结果、优化器得出的平衡方案以及安全约束条件相一致。
本研究提出了一种用于AquaCrop-OSPy灌溉建议的实用型A4级大型语言模型工具-智能体系统，该系统具备五种工具的注册功能、来源记录功能，以及一种用于判断建议书真实性的二元评分体系（F1-F5级），能够区分基于合理计算得出的结果与虚假信息。此外，研究还提出了一种基于GEE技术的站点环境验证流程（G1-G4级），证明卫星土地覆盖数据以及归一化植被指数季节性变化分析可以作为一种实用的数据质量检测手段，能够在模拟开始前检测并纠正自动选址过程中出现的错误。实证分析对比了韩国两个水稻种植区的三个不同模拟年份的灌溉情况，结果表明，采用较低灌溉阈值策略，尤其是SMT30策略或约40%-60%范围内的帕累托最优灌溉值，通常比固定每周灌溉日程更能减少灌溉量，而且在给定的模型假设条件下往往能提升水分利用效率。最后，研究还进行了土壤参数和缺失数据敏感性分析，为该系统的实际应用范围确定了界限。
本文的结构如下：第二部分回顾了相关研究，并指出了当前建议系统存在的不足；第三部分介绍了数据来源及站点选择方法；第四部分阐述了系统设计、具体方法以及A0-A5分类框架；第五部分汇报了研究结果；第六部分为讨论内容，第七部分则为结论。
章节要点
农业决策支持系统中的自主程度
农业决策支持系统的自主程度差异很大，从被动的知识检索到自主的控制操作都有可能。本文所使用的A0-A5分类体系（详细内容见第4.1节）是根据系统最基本的可观测行为来划分的，它是与系统设计一同呈现的，而非单独作为一项分类成果。
本文要解决的现实问题，存在于现有的基于工具的检索增强生成型建议系统（A2类，如CottonBot）与
研究区域
本研究聚焦于韩国西南部全罗道地区的移栽水稻种植区（纬度34.5°–36.5°，经度126°–128°）。该地区约占韩国水稻种植总面积的40%，其气候条件从全罗北道的较冷内陆盆地逐渐过渡到全罗南道的温暖沿海平原。该地区的生长季降水量在干旱年份约为500–900毫米，而在夏季雨季较长的年份则可超过1,200毫米，这样的降水量差异
系统概述
A0-A5智能体分类体系（见表2）根据系统最基本的可观测行为，将AquaAgent-OSPy与其他现有系统区分开来——它既不同于仅能进行数据检索的A2类系统，也不同于能够执行代码的A4类科学智能体以及具备完全自主控制功能的A5类智能体。这一分类体系只是本文用来描述各系统可观测行为的一种参考框架，并非经过外部验证的标准化分类标准。
AquaAgent-OSPy是一种A4级的代码执行型建议智能体，用于
GEE环境验证
在开始任何模拟之前，GEE环境验证流程就检测出了一个自动选址错误。最初根据大规模汇总后的土地用途多边形（面积约为3.8×10?平方米）计算出的中心点坐标并不符合G1标准：ESA WorldCover v200数据库将忠清南道区域的中心点分类为草地（类别30），而全罗南道区域的中心点则被分类为水域（类别80）。此外，这两个初始位置处的动态作物生长概率也都低于0.10。
经过多次候选地点排查后，最终确定了两个符合要求的农田地点（见表5）
该系统的贡献
AquaAgent-OSPy代表的是一种可用于决策支持的、可审计的农业大型语言模型工具-智能体系统，而非仅仅是将大型语言模型应用于韩国水稻种植领域的简单应用。该系统将作物模型执行、多目标优化、基于卫星的站点验证、安全检测、来源记录以及事后数值一致性验证等功能整合在同一个可重复的咨询工作流中。它与CottonBot这种A2类的检索增强生成型系统加上天气数据接口的建议系统（Kandamali等人，2025年），以及SPADE系统有着本质区别
结论
AquaAgent-OSPy是一种基于模拟结果、且具备可审计性的大型语言模型工具-智能体系统，可用于灌溉决策支持。它的核心价值在于构建了一个围绕作物模型执行过程的、可审计的完整建议工作流。在初步的单元测试中，该系统共生成了四份灌溉行动建议书，其各项量化建议都可以通过F1-F5五项评分标准与具体的模拟结果相对应。
实验结果表明，GEE G1环境验证功能能够在
材料提供情况
无需提供额外材料，本研究没有生成新的实体材料。
代码获取方式
与AquaAgent-OSPy相关的配套代码以及各类处理结果文件，包括用于Google Earth Engine站点验证的流程、行动建议书生成与评估工具、敏感性分析及系统兼容性分析结果、模拟结果与帕累托最优分析结果，以及各种工具的运行日志，均可在https://github.com/geoaialignment/aquaagent-ospy地址上免费获取。
CRediT作者贡献说明
朴永宇：论文撰写——审稿与编辑、论文撰写——初稿撰写、可视化处理、结果验证、研究监督、软件开发、资源协调、项目管理、方法设计、研究实施、资金申请、正式分析、数据整理、概念构思。 金泰宇：论文撰写——审稿与编辑、结果验证、软件开发、正式分析。 朴章元：论文撰写——审稿与编辑、结果验证、软件开发、正式分析。
伦理审批与参与同意声明
无需特殊审批，因为本研究仅使用了公开可获取的环境、卫星、土壤、天气以及作物模型数据，没有涉及任何人类受试者或动物实验。
资金支持
本研究得到了韩国国家研究基金会（NRF）的资助，该基金由韩国政府（科学信息通信技术部）提供支持，项目编号为RS-2023–002772264。
利益冲突声明
作者们声明存在以下可能被视为潜在利益冲突的财务利益或个人关系：各位作者均为GeoAI Alignment, Inc.公司的员工，该公司致力于开发用于地理空间和环境决策支持的智能体系统。作者们声明，这一工作关系并未影响研究的方案设计、数据分析、结果解读或论文撰写过程。此外，作者们还表示不存在其他与本研究内容相关的财务或非财务利益冲突
Eungyu Park|Taeyu Kim|Jangwon Park
