产量预测和产量波动是 WayBeyond 最新网络研讨会的主要议题，由 Daniel Than、Lee Kirsopp 和 Tharindu Weeraratne 博士主持，讨论围绕 Mpatisi Moyo 博士和 Tharindu Weeraratne 博士在产量预测和预报方面的研究成果展开。
产量预测
产量预测也可以通过人工智能模型来实现，该模型利用历史数据，在温室环境中寻找模式，从而更准确地预测未来产量。不过，这也存在一些挑战。首先，这种方法需要大量的历史数据，需要 2 到 3 年的时间，而特定品种的历史数据并不总是可用的。但即使有了这些数据，气候和天气的变化也会使问题复杂化，因为 2 或 3 年前的模式可能不再能反映当前的情况。最后，产量预测的准确性仍然参差不齐。种植者的总体准确率可能达到平均 85%，但每周的准确率在 65% 到 95% 之间。这种实际产量突然骤增或骤减的差异被称为产量波动，可能是生物、环境或其他外部因素造成的，而传统的产量预测模型可能无法将这些因素考虑在内。
整体方法
在了解所有这些情况后，追求高精度产量预测是否是正确的方法？如果不是，那么我们能否识别并描述导致产量波动的生物和环境事件？采用更全面的方法来解释产量预测，能在多大程度上提高人们对上述预测的信心？Tharindu 博士在研究报告中写道。
在研究中，我们提出了一种整体规划和预测方法，将产量预测作为规划工具之一，同时考虑到环境、植物和管理实践中发生的情况。
为了更好地理解这一点，WayBeyond 团队仔细研究了产量准确性周间变化的原因。该团队查阅了 20 个周期的番茄收获数据以及环境和植物数据，并对所有 20 个周期进行了产量预测，查看每个周期的平均准确率。数据被分为三组，准确率分别为 89-95%、85-89% 和 80-85%。然后，他们查看了每个周期的产量波动周数，结果显示，精度较低的组平均波动周数更多。因此，随着产量波动周数的增加，在这些周期中产量预测的准确性就越低。
波动周
研究小组的下一步工作是研究影响产量波动的因素。他们研究了出现低波动周前 8 周内的常见模式，并分析了当时的生长环境。
"我们发现，这些时期最常见的环境因素与室外夜间低温有关。这很有趣，因为我们是在受保护的室内环境中生长的，所以你会认为室外温度不会有太大影响。然而，这是数据中发现的最常见的因素。Lee Kirsopp 在网络研讨会上说："第二大因素是总光照不足，第三大因素是内部昼夜温差过小。
针对高波动周的类似研究也得出了相同的结论。
对于植物数据的研究，主要考察因素包括桁架高度、周生长量、叶片长度、茎宽和叶片数量。这样，研究小组就能确定植物是处于无性繁殖状态还是生长发育状态。例如，在无性繁殖状态下，植物将大部分能量用于生长叶片和粗壮的茎，而在生成状态下，植物将更多的能量用于开花和结果。
这对番茄种植者意味着什么？
研究发现，产量预测在得到相关本地（如环境和植物数据）的支持下会更加有效，但它仍然是一种工具，应继续用于预测摆动周。同样，对 95-100% 产量预测准确率的追求也应重新考虑，而应更加注重背景。了解整体情况对时间的利用更有益处。最后，建议对温室的产量波动进行调查，以便了解趋势和预期。在网络研讨会上，WayBeyond 的植物平衡工具是建议您在温室中使用的工具之一。
更多信息：
WayBeyond Ltd.
Candida Office Park, 61 Constellation Drive
Auckland 0632, New-Zealand
Tel.: +64 9 415 2380
Email: info@waybeyond.io
https://www.waybeyond.io/
