预测农作物产量是现代农业面临的一项重大挑战，尤其是在环境条件波动的情况下。随着对可持续粮食生产的需求不断增加，了解环境因素与农作物生长之间的复杂相互作用变得越来越重要。这些挑战凸显了深入研究农作物产量与环境变量之间随时间变化的相互作用的必要性。

该研究由滋贺大学的一个团队进行，并于 2024 年 5 月 24 日发表在《园艺研究》上，提出了一种基于功能数据分析 (FDA) 的新型方法，用于预测全年种植的作物产量。通过分析在自然光植物工厂中种植的草莓和西红柿的时间序列数据，该研究揭示了温度和太阳辐射等因素如何影响产量，为优化农业生产提供了新工具。

该研究引入了变系数函数回归模型 (VCFRM)，使用 FDA 来研究温度和太阳辐射等环境因素对作物产量随时间的影响。对草莓和番茄数据的分析揭示了这些因素对生长影响最大的关键时期。

该模型能够可视化这些动态相互作用，从而更深入地了解如何优化条件以实现最大产量。它的可解释性使其特别有价值，为环境条件和作物产量之间的关系提供了切实可行的见解，这对于提高全年作物种植的资源效率和可持续性至关重要。

论文第一作者松井英俊教授表示：“我们基于 FDA 的产量预测模型标志着精准农业向前迈出了重要一步。它不仅提高了产量预测的准确性，而且加深了我们对环境因素如何影响作物生长的理解。这些知识对于制定更具弹性和可持续性的农业实践以应对气候变化至关重要。”

这项研究的成果具有广泛的应用，特别是在植物工厂和温室等受控环境中。基于 FDA 的模型可以适应各种作物和环境设置，使其成为优化生产的多功能工具。通过更精确地管理环境变量，这种方法推动了可持续农业的发展，即使在具有挑战性的条件下也能确保稳定的产量和盈利能力。