室內綠牆在現代辦公大樓、醫院及公共建築中已成為常見設施。這些安裝不僅美觀，還廣泛被認為能改善空氣質量和減少能源消耗。然而，直到最近，可靠地預測在特定條件下哪些植物品種能提供這些好處仍然是一項挑戰。耶路撒冷希伯來大學的研究人員開發了 VertINGreen，這是一個基於網絡的平台，結合了遙感技術和機器學習，旨在消除室內綠牆設計和管理中的不確定性。
該平台的預測能力基於近 2,000 次精確的氣體交換測量，這些數據來自常見室內植物品種，使用 LI-COR LI-6800 系統進行測量，這是測量光合作用和葉片蒸散的最準確工具之一。這些測量捕捉了每種植物在多種光線、濕度和溫度條件下對二氧化碳的吸收及水蒸氣的釋放。根據光合作用活躍輻射水平，室內綠牆被劃分為三個光照區域：高強度（每平方米每秒 80 至 90 微摩爾）、中等（40 至 80）和低（低於 40）。這一劃分反映了室內光照的實際變化，導致植物在牆上的表現差異。
利用這一數據集，研究團隊開發了機器學習模型，能夠在安裝前預測計劃中的綠牆在多個指標上的表現，包括二氧化碳吸收率、水蒸氣輸出、由於通風需求減少而估算的能源節省，以及對室內空氣質量的預期貢獻。
除了規劃階段，VertINGreen 在牆壁安裝後也作為實時監測系統運行。該平台利用高光譜成像技術，該技術可捕捉到人眼看不見的數百個波長的光，從而能夠在植物出現可見壓力症狀的幾週前檢測到細微的生理變化。測試顯示，監測模型能準確識別植物表現的下降，遠在葉片出現變色、枯萎或其他可觀察的衰退跡象之前。
該系統僅使用有限的光譜帶運行，這使得其可以使用相對低成本的成像設備進行部署，而不需要實驗室級別的儀器。結合機器學習分類模型，該系統能夠自動識別混合品種牆中的個別物種，並隨著時間的推移獨立監測每一種植物的健康狀況。
研究人員明確指出，該平台旨在改變的內容。綠牆具備巨大的潛力，但他們表示，直到現在，我們缺乏真正理解和管理其室內功能的工具。VertINGreen 旨在向建築師、工程師和建築管理者提供信心，讓他們將綠色牆面視為不僅僅是裝飾元素，而是具有可量化和可預測表現的功能性建築系統。團隊表示，VertINGreen 使我們能夠從靈感轉向實施，為建築師、工程師和建築管理者提供信任和充分利用自然的工具。
供暖、制冷和通風系統約占全球住宅建築能源消耗的 27% 和全球二氧化碳排放的 17%。可靠地減少這一負擔的自然解決方案，並能隨時間進行監測和優化，對未來建築管理其室內環境具有重要意義。VertINGreen 首次為這一貢獻提供了可能。該研究發表在《室內空氣》雜誌上。
