收益：
- 能够将植物耗水量 (ET)、土壤湿度传感器和水平衡的概念与灌溉决策联系起来
- 能够利用人工智能制定灌溉计划草案并根据参考蒸散量和作物系数计算水预算
- 通过使用传感器数据、土壤类型和系统流量验证人工智能灌溉建议，能够防止水和能源浪费
水是农业中最稀缺和最昂贵的投入；在许多地区，水是决定生产力的唯一因素。但灌溉是一把双刃剑：水太少会对植物造成压力并降低产量，而水太多则会窒息根部，冲走养分，造成盐碱化和土壤贫瘠，并浪费能源和金钱。正确浇水意味着了解植物真正需要多少水并准确地浇水。本单元教授计算这一需求的科学基础——水平衡和蒸散量——向您展示如何使用人工智能起草灌溉计划，并告诉您如何使用传感器和现场实际情况进行验证。
水平衡和蒸散量
将字段视为水账户。简介：降雨和灌溉。输出：蒸发（来自土壤）和蒸腾（来自植物）。这两个输出的总和称为蒸散量（英文Evapotranspiration，ET）；即从植物-土壤系统到大气的总水损失。灌溉决策很简单：必须输入多少水才能满足流出量 (ET)。
ET 很难直接测量，因此分两步估算。首先，计算参考ET（ET0）：标准草地表面在当天的天气条件（温度、湿度、风、阳光）下将损失的水分。这纯粹是气象方面的。然后将该值乘以作物系数 (Kc)，该系数反映了该产品在该发育阶段的需水量：
ETc = ET0 × Kc
ETc为产品每日实际需水量（毫米/天）。 Kc 因种植和收获而异：苗期较小（0.3-0.5），完全发育时最高（1.0-1.2），成熟时再次减小。灌溉量的计算方法是从 ETc 中减去有效降雨量并考虑系统效率。
提示：大多数气象服务和农业门户网站免费发布 ET0 数据。您可以让 AI 说“用这个 ET0 和 Kc 计算 ETc”，但按产品和相位从本地源验证 Kc 值； false Kc 会改变整个水预算。
土壤湿度和传感器
ET 计算是水收支的理论部分；土壤湿度传感器测出的真相。这些传感器连续读取特定深度的土壤湿度，并用于监测两个关键阈值：田间持水量（土壤可容纳的最多水量）和萎蔫点（植物不再吸收水分的下限）。理想的灌溉将水分保持在两者之间的“可吸收水”范围内。传感器数据和 ET 计算相互印证：ET 表示“必须消失多少”，传感器表示“实际还剩下什么”。当两者冲突时，现场控制至关重要（传感器校准可能会关闭）。
灌溉系统和产量
不同的系统满足相同的用水需求的效率不同。滴灌将水直接输送到根区，效率高（85-95%）；喷水介质（70-85%）；漫灌率低（40-60%），容易盐碱化。如果不知道系统流量（每小时输送的水）和效率，则无法计算持续时间。用AI计算时间时，一定要提供系统流量和效率作为输入；否则输出没有意义。
三个迷你案例：从数字来看
案例 1 - 节省水预算。一位番茄生产者按照日历浇水（每两天固定一次）。当切换到基于 ET 的计划时，发现 ETc 在凉爽和潮湿的日子里会减少；整个季节的灌溉次数减少了22%，但产量没有变化。增益是水和泵能。
情况 2 - Kc 错误。对于玉米田，AI 在整个季节使用 Kc = 1.2，并建议在苗期增加 3 倍的水。工程师知道苗期Kc应为0.4；过多的水会导致根部窒息和氮淋失。当我根据阶段修正Kc后，程序就变得现实了。
情况 3 - 传感器与 ET 冲突。虽然 ET 计算表明“土壤一定已经干燥”，但传感器仍然显示出高湿度。我们到现场一看：下层防渗层有积水，排水有问题。根据ET的说法，如果浇水，水就会积聚，导致根部腐烂；传感器和现场现实防止了错误。
弱提示/强提示
弱提示：
我应该多久给这块地浇水一次？
强力提示：
您的角色：灌溉专家农业工程师。计算灌溉计划 DRAFT。输入：- 产品：[作物]，发育阶段：[阶段]，Kc（来自当地来源）：[值]- 过去 7 天 ET0（毫米/天）：[数组]，有效降雨量 (毫米)：[数组]- 土壤类型：[沙/壤土/粘土]，系统：[滴灌，效率 85%]，流量：[升/小时]任务：- 每日 ETc = ET0 × 计算Kc，带表格显示。- 查找 7 天净需水量（ETc - 降水量）和总水量以及系统效率。- 根据流量减去灌溉持续时间。- 请注意，必须使用土壤湿度传感器数据进行验证。- 显示计算的每个步骤；标记你做出假设的地方。
强大的提示明确所有输入、公式、良率校正和传感器验证要求；它可以防止人工智能做出隐藏的假设。
四个可复制模板
1）ETc账户：
使用以下 ET0 序列和 Kc 值计算并添加每日 ETc。显示每个步骤。写下我需要确认 Kc 对于产品/阶段是否正确。 ET0：[...]，Kc：[...]
2) 净需水量和总需水量：
从 7 天 ETc 总量中减去有效降水量（净需求）。将系统效率% 除以[..] 即可得出总水量。给出结果，单位为 mm 和 m3/da；显示单位换算。
3）传感器-ET对比：
根据ET计算，土壤湿度预计会减少多少？将其与我给您的传感器读数进行比较。如果差异较大，请列出可能的原因（排水、校准、泄漏、降水）。决策;出现清单。
4) 干旱/缺水情景：
如果水有限（可用：[m3]），请指出该作物的哪个发育阶段对水最敏感，并提出在该关键阶段优先考虑水的大纲。包括收益风险。
系统
典型产量
适合的情况
风险
掉落
85-95%
中耕作物，水资源有限
封锁、投资
洒水器
70-85%
谷物、饲料厂
风损、病湿
龙骨
40-60%
水源充足，土地平坦
腌制、洗涤
灌溉施肥
85-95%
肥料+水一起
剂量/校准精度
常见错误
- 按日历浇水。固定日期范围忽略天气；它在凉爽的日子提供更多的水，在炎热的日子提供更少的水。
- 使用常数 Kc。 Kc随发育阶段的不同而变化；唯一的价值就是在幼苗或成熟时犯了一个大错误。
- 绕过系统效率。如果不将净需求量转换为总需求量，实际上到达根区的水量就会减少。
- 对ET的盲目信任。排水、泄漏和校准会扭曲 ET 计算；必须与传感器和现场进行交叉检查。
- 认为多余的水是安全的。过多的水会导致根系窒息、盐碱化、养分流失和能源浪费。
注意：灌溉决策不仅仅关乎产量，还关乎土壤的长期健康和供水的可持续性。透支减少地下水；浇水过多会使土壤变得贫瘠。人工智能计算水预算，但可持续性判断取决于工程师。
总之
灌溉的科学是水平衡：必须输入多少水才能满足流出（蒸散量）。公式ETc=ET0×Kc给出了产品的实际需要；系统效率决定总水量，传感器数据决定现实。 AI快速起草此计算，但需要在本地验证Kc，输入系统效率并与传感器/现场交叉检查结果。水太少和太多都是有害的；正确的灌溉就是准确地确定所需的水量，最终的决定是由工程师的可持续性判断决定的。
应用任务
选择产品和开发阶段；使用 7 天的 ET0 和降水数据（实际或代表）查找 Kc 值。使用本单元中的“ETc 计算”和“净需水量和总需水量”模板为 AI 创建每周水预算。然后重复相同的计算，故意给出错误的 Kc（异相），并比较两个结果：错误的 Kc 使需水量改变了多少？写下如何使用传感器设置验证步骤。
清单
- [ ] 我通过 ET0 × Kc 计算 ETc，并通过产品/阶段验证 Kc。
- [ ] 我通过系统效率从净需求转向了总用水量；我检查了单位。
- [ ] 我根据系统流量计算了灌溉时间。
- [ ] 我用土壤湿度传感器和现场交叉检查了 ET 计算。
- [ ] 我评估了过量水和可持续性的风险，并将最终决定留给了工程师。