里奥哈葡萄园中的人工智能采收模型在详尽田间数据下达到96%的准确率

人工智能正逐步进入里奥哈的葡萄园管理。该产区管理委员会表示，正基于覆盖近66,000公顷葡萄园的数据建立预测模型，以提高采收预估并深化农艺认知。

DOCa Rioja监管委员会总经理Pablo Franco在由Asociación de Bodegas por la Calidad主办的首届ABC Excellence会议上介绍了这一项目的进展。他表示，该计划始于2022年，不仅旨在预测收成规模，还希望为该法定产区的更精准管理提供支持，并最终帮助种植者在自己的葡萄园中做出决策。

Franco表示，该项目依托监管委员会收集的25年以上农艺信息，包括物候记录和产量估算。他说，在任何算法训练之前，这些材料必须先被收集、数字化并整理，再与地形数据、气候记录、卫星影像和田间观察相结合。

这项前期工作一直是主要挑战之一。Franco说，里奥哈传统的葡萄园登记系统基于字母数字参考编号，而人工智能系统需要对每个地块进行精确的地理定位。他还强调，数据质量对模型可靠性至关重要。他说，错误信息，尤其是来自未经核实气象站的数据，可能影响整个系统的表现。

2023年开发的首个模型使用了约1,650个输入变量，其中包括历史记录、气候和地形数据、多光谱图像以及当前生长季的观察数据。监管委员会训练了170个预测模型，并选出了表现最佳的模型。

Franco说，第一轮结果显示，该系统能够高精度估算产量，但也暴露出一些尚未被捕捉到的农艺变量。这促使团队开发辅助模型，用于识别覆盖作物、缺株、物候阶段以及霜冻和冰雹造成的损害等因素。

2025年生长季因严重霜霉病压力而成为一次重大考验。Franco说，算法并未专门针对这种病害进行训练，但仍然检测到生产潜力大幅下降。根据他的演示，该模型在分析中并未明确编码霜霉病的情况下，将预期产量下调了近2,000公斤/公顷。

随后，监管委员会利用7,700多项田间观察数据，开发出一个专门模型，将这一变量纳入其中，以改善在病害压力年份的预测。

该系统会持续与真实田间数据进行核对。Franco说，2024年其准确率已超过91%，而在拥有详尽农艺信息的地块中则升至96%。他说，这些结果表明，当种植者提供更具体的葡萄园数据时，精确度会显著提高。

该项目仍在扩展中。下一步包括进一步数字化里奥哈的葡萄园登记系统、建立新的模型以估算葡萄园地力并识别废弃地块，以及推出一个门户，让种植者查询其葡萄园的农艺信息并向系统贡献新数据。

对于西班牙最重要的葡萄酒产区之一里奥哈而言，这一努力体现了在保护历史悠久葡萄园的同时，农业领域更广泛采用数字工具的趋势。Franco说，长期目标是更好地理解和管理里奥哈的葡萄园遗产，尤其关注对该产区身份至关重要的老藤和百年老藤。