土壤健康是保障国家粮食安全与农业可持续发展的根基。联合国粮农组织已将土壤健康列为全球性议题。然而，当前土壤健康评估数据分散异构、评价标准不统一、空间分析精度不足且尤为缺乏智能化工具，导致土壤健康评估长期依赖人工经验，难以对土壤健康状态进行准确感知和及时诊断，制约土壤科学管理。

针对这一瓶颈，由我院生态环境保护研究所土壤修复与保育团队牵头，联合歌历伽谱（上海）科技发展有限责任公司、上海卓益得机器人有限公司共同研发的“上海城郊农田土壤健康监测与评估智能系统”正式进入内测阶段。该系统依托团队杨湜烟副研究员主持的院AI赋能农业专项课题，基于多源数据构建了集土壤健康监测数据库、专业计算引擎与多智能体协同系统于一体的综合性智能平台，实现了土壤健康从“数据感知”到“AI辅助决策”的全链路智能化管理。

从知识问答到精准决策——土壤健康智能体的能力跃迁

系统建成了上海城郊农田土壤健康监测数据库，涵盖6大类因子、25个环境变量（包括典型重金属浓度、土壤养分等理化特性、植被、地形地貌、气候、水文及社会经济），共1848个土壤样点数据，用户可访问数据集及自主上传历史监测数据。与当前市面上多数停留在科普问答层面的农业AI工具不同，系统构建了“1+7”多智能体协同架构，由调度智能体统筹协调7个专业工作智能体，覆盖14项标准化土壤健康评估任务流程，涵盖重金属污染评价、肥力评价、综合健康指数计算、耦合协调分析、障碍因子诊断、空间插值与数字制图、生态风险空间评估、污染来源解析、驱动因子分析及监测网络优化等五大类全链条专业场景。通过三条优先级工作流自适应路由，智能体可自动识别用户意图，匹配最优执行路径，实现了从“能对话”到“能诊断、能决策”的能力跃迁。

系统还内置土壤健康专业计算引擎，支持全数据集（TDS）与最小数据集（MDS）自主切换，提供线性和非线性两种隶属度评价方案，用户一键即可获得涵盖污染等级、肥力等级、综合健康指数、障碍因子排序、空间分布图与不确定性分析的完整报告。在任务执行前自动执行四重数据质量门控-样本量、指标完整性、空间坐标、异常值逐项校验，从源头保障分析结果可靠。空间分析智能体则采用半变异函数驱动的自适应插值方法，根据数据空间自相关强度在普通克里金、经验贝叶斯克里金、空间随机森林与径向基函数间自动切换最优算法；配合Alpha Shape凹包算法精确界定采样点有效覆盖区域，实现高置信内域、中置信缓冲区、不可预测外域三层置信度分级，解决传统方法无法表达空间预测不确定性的技术短板。基于LightRAG框架构建土壤健康领域专属知识图谱，通过空间-知识混合检索机制（Soil Spatial RAG），将地统计空间分析结果与知识图谱检索融合注入大语言模型，实现了数据驱动与知识驱动的协同推理，让每一个分析结论”言之有据”。

持续迭代，以AI之力服务城郊农田健康培育

目前，系统兼容Firefox、360、Microsoft Edge等主流浏览器（https://soilmonitor.greatjump.com.cn:3001），支持云端和本地服务器部署。与国内外通用大语言模型相比，系统在土壤健康评估的解释度、专业性、场景适配性和可解释性方面提升25%至80%。通过标准化任务流程定义，确保报告中的每个数值均可追溯至具体的计算步骤和原始数据，有效降低了大模型“幻觉”问题。

前期系统已开放初步内测，注册用户覆盖浙江大学、上海交通大学、上海理工大学、四川省农业科学院、四川农业大学等。本次内测将向特邀合作单位、科研从业者、农技人员及农户开放，积极收集用户反馈优化体验，优化多智能体协同框架，推动系统V1.0版本正式发布，为智慧农业高质量发展与土壤健康培育提供智能支撑。