作者：佩萨赫·本森（Pesach Benson） • 2026年4月3日

耶路撒冷，2026年4月3日（TPS-IL）——以色列科学家公布了一项全新的人工智能驱动平台，该平台有望将室内绿墙从单纯的装饰性功能转变为可靠、可量化的系统，从而改善空气质量并减少能耗。

室内绿墙长期以来承诺能净化空气并降低能源成本，但其性能却难以预测。一些绿墙生长繁茂，而另一些则难以维系，需要不断维护却几乎没有带来可量化的效益。直到现在，建筑师和工程师仍然没有可靠的方法来预测或监测这些绿墙的性能，这使得它们往往流于装饰而非实用。

该平台被称为VertINGreen，由耶路撒冷希伯来大学的研究人员开发，它结合了遥感技术、机器学习和植物生理学数据，以预测垂直绿墙在安装前的性能并在实时中监测其状况。它引入了一个关键的转变，将绿墙转变为可以像传统建筑基础设施一样进行规划和评估的系统。

研究人员表示：“绿墙具有巨大的潜力。但直到现在，我们仍缺乏真正理解和管理它们在室内如何运作的工具。”

该系统由耶胡达·荣格斯坦（Yehuda Yungstein）和大卫·赫尔曼（David Helman）博士共同开发，相关研究详情发表在经同行评审的期刊《室内空气》（Indoor Air）上。它基于近2000次测量数据，记录了常见室内植物在不同环境条件下如何吸收二氧化碳并释放水分。

利用这些数据，研究人员构建了预测模型，使设计人员能够预先估计绿墙在特定空间中的性能。该平台可以预测植物将吸收多少二氧化碳、它们将如何应对室内气候条件，以及它们是否能够减少对耗能巨大的机械通风的需求。

研究团队表示：“设计人员破天荒地可以询问：这面墙实际上会为我的建筑带来什么？并获得可靠的回答。”

这种预测能力标志着对迄今为止定义绿墙安装的反复试验方法的告别。

安装后，VertINGreen会继续使用高光谱成像技术对绿墙进行监测，该技术可捕获可见光谱之外的信息。这使得系统能够检测到植物中原本会被忽视的微妙生理变化。

结合机器学习，该平台可以识别早期的胁迫迹象、绘制整面墙的植物活动图，并在问题显现数周前将其检测出来。在实际应用中，这为生命系统引入了预测性维护，降低了故障风险，减少了成本，并提高了长期性能。

该系统仅使用有限数量的光谱波段即可实现这些功能，使其能够使用相对低成本的成像设备运行，从而使智能绿墙更易于普及。

通过预测和监测植物如何吸收二氧化碳和释放水分，VertINGreen确保了绿墙能够积极改善居住者呼吸的空气。调节湿度或温度的墙壁可以减少对耗能大的通风或空调的需求，帮助建筑物节约电力并降低运营成本。办公室、医院、学校和其他室内空间可以将这些活体墙作为传统气候控制系统的可靠补充。

VertINGreen的高光谱成像和机器学习技术能够检测植物胁迫的早期迹象，从而实现主动维护。该系统可与低成本传感器配合使用，使智能绿墙适用于各种建筑。它还使设计人员能够在安装前对性能进行建模，回答诸如墙壁将吸收多少二氧化碳或它是否会在特定位置繁衍生息等问题。最后，VertINGreen可以与智能建筑系统集成，利用实时数据为灌溉、照明或暖通空调（HVAC）的自动调节提供信息，以实现最大的效率和弹性。

研究人员表示：“VertINGreen让我们能够从灵感走向实施。它为建筑师、工程师和物业经理提供了信任并充分利用建筑物内部自然环境所需的工具。”