作为农业大国,我国拥有着数据量庞大的农业观测数据,但这些数据利用率却并不高。随着科技的不断发展和社会的不断进步,对于数据的分析和挖掘越来越被人们所关注,农业数据所隐含的价值也不断地被挖掘出来,并促进了现代、智能和科技农业的发展。农业数据采集精度的高低以及观测网络分布范围对园区水肥一体化的智能控制有着重要影响。目前,园区内的农业观测设备大多是采用价格低廉、精度欠佳的农用传感器构成的无线传感观测网络,一旦出错,不仅排查工作开展费时费力,且对整个园区的水肥控制精准化有着重大影响。本文针对水肥一体化模型的自适应环境变化问题,提出了一种从农业观测数据分析入手的,以计量级传感器观测数据为理论研究对象,根据分析结果,选取了日最高温度为主要研究要素,并分析挖掘出以年为周期,不同地区之间的日最高温度差呈近似正态分布趋势;类比该特性的挖掘方法,对农用传感器采集的数据进行特征提取、平滑等分析,也发现了相同的性质,由此设计了一套农业传感网络的差错分析和精度提升算法,用于为自适应环境变化水肥一体化模型做数据补充及数据质量保证,同时对其进行了可行性分析、试验及仿真。结果表明了该算法的可行性及有效性,其中精度提升率高达89.13%,提升精度范围最小达0.3℃。模型以传统专家系统为基础结合长短时记忆神经网络构建园区专属专家系统,以传统知识为主的一级专家系统对水肥一体化模型做基础控制,同时还建立了融合本文提出的农业传感网络差错分析及精度提升算法的二级专家系统为水肥一体化模型提供园区情况的增量数据对基础控制进行合理适当的调节,以达到自适应环境变化的目的。