构建番茄温室冠层热风险监测预警框架，融合虚拟传感与短期预测。
基于商业温室数据，用梯度提升树做虚拟传感与30/60分钟短期预测。
梯度提升树预测误差最多降36%，预警提前期约29和57分钟。
可探索将可解释归因与预警决策耦合，并迁移到多作物、多环境温室场景。
基于商业温室数据的可解释预测预警框架，方法新颖、有量化增益，属细分领域实质进展，值得精选。
基于商业番茄温室运行数据，构建虚拟传感、短期预测、可解释归因与面向操作员的预警决策支持框架。梯度提升树在全部变量与时域上优于持续性基线，预测误差最多降低36%；30分钟与60分钟预报的平均预警提前期约29分钟和57分钟。
评估持续学习框架用于温室高光谱番茄细菌性斑点病冠层检测。
解析日光温室番茄全生育期环境特征并提出智能调控决策支持方法。
提出物联网集成LSTM与Bi-LSTM加权集成框架，实时预测温室微气候。
中国农业科学院农业环境与可持续发展研究所设施植物环境工程创新团队以番茄为对象，构建知识与数据双驱动的尺度自适应时序卷积混合模型，根据番茄不同生育期动态调整时序特征提取尺度，结合机理模型合成数据预训练与生理阈值约束，实现番茄不同器官干物质及叶面积指数的精准预测；研究成果发表在Computers and Electronics in Agriculture；仅依靠常规温室环境数据即可无损估算生长态势，对推动温室智能环控、产量预测具重要应用价值。
中国农业科学院农业环境与可持续发展研究所设施植物环境工程创新团队提出知识与数据双驱动的尺度自适应时序卷积混合模型，根据番茄不同生育期动态调整时序特征提取尺度，结合机理模型合成数据预训练与生理阈值约束，实现番茄不同器官干物质及叶面积指数的精准预测。成果发表在《Computers and Electronics in Agriculture》。
近日，中国农业科学院农业环境与可持续发展研究所设施植物环境工程创新团队构建了知识与数据双驱动模型，实现温室番茄生长的高精度无损预测，研究成果发表在《农业计算机与电子学（Computers and Electronics in Agriculture）》上。科研团队提出一种尺度自适应时序卷积混合模型，根据番茄不同生育期动态调整时序特征提取尺度，结合机理模型合成数据预训练与生理阈值约束，实现番茄不同器官干物质及叶面积指数的精准预测。
