无人机模型未能预测未见过日期的葡萄藤胁迫状况

发表于《Scientific Reports》的一项研究发现，搭载多光谱相机的无人机能够以较高精度估算葡萄藤的多项重要生理性状，但当模型用于预测此前未采集过数据的葡萄园日期时，效果仍不理想。

这项研究聚焦于精准葡萄栽培中的一个核心问题：基于叶片级高光谱测量开发的机器学习方法，能否扩展应用于无人机（UAV）采集的影像？研究作者报告称，答案是部分肯定。该系统在同一测量批次内表现尚可，但无法可靠地推广到新的测量日期，这可能限制其近期用于日常葡萄园决策的价值。

这一问题值得关注，因为种植者面临着越来越大的压力，需要更快速地监测葡萄藤胁迫状况，并扩大监测范围。气候变化、气温升高、降雨模式改变以及干旱状况日益频繁，使许多葡萄酒产区更加重视水资源管理。直接测量葡萄藤生理状况可以提供有关植株运作状态的详细信息，但这类测量耗时、费力，通常还需要逐片叶子进行。无人机影像则有望大幅缩短覆盖整个葡萄园所需的时间。

研究在德国希梅尔施塔特的一处试验葡萄园开展，该园由巴伐利亚州葡萄栽培与园艺研究所运营，种植Müller-Thurgau葡萄藤。研究人员监测了36株葡萄藤，并设置不同灌溉处理，包括不灌溉、中度灌溉和充分灌溉，以涵盖更广泛的水分与胁迫状况。

研究团队结合了2024年和2025年生长季的地面测量数据，并将其与2025年采集的空中多光谱观测数据进行匹配。每年的田间测量均获得180组生理指标与叶片级高光谱观测配对数据，地面数据集共计360组观测。2025年，研究人员还在7月和8月的五次飞行任务中采集了180组无人机多光谱观测配对数据。

飞行任务在正午前后进行，使用的无人机为DJI Matrice 300 RTK，搭载Agrowing Quad V1多光谱相机系统。传感器采集可见光和近红外范围内的10个光谱波段，波长从430纳米至850纳米。地面测量紧接飞行结束后进行。研究考察的生理性状包括净同化速率（A）、电子传递速率（ETR）以及光系统II的有效量子产率（ΦPSII）。这些变量广泛用于评估光合作用和植物胁迫状况。

这项研究引人关注的原因之一，是它测试了一种比许多早期试验更具实用性的传感方案。高光谱传感能够捕捉极其精细的光谱信息，但这类系统通常更复杂、成本更高，也更难在大范围内反复使用。无人机搭载的多光谱相机在商业葡萄园监测中更为常见，因为它们操作更简便，生成的数据量也较少。代价是它们记录的波段数量更少、波段范围也更宽。

研究人员首先测试，叶片级高光谱数据所揭示的关键信息，在光谱范围缩小至无人机系统更常用的可见光和近红外波段后是否仍然存在。他们发现，对数据进行反射率一阶导数预处理能够改善结果。在原位叶片级测量中，最佳模型对A、ETR和ΦPSII的R²分别达到0.811、0.792和0.890。

研究人员还发现，适度的光谱重采样对A和ETR预测性能的影响有限。这一结果表明，部分最有用的生理信息并非仅存在于极窄的光谱特征中，也支持多光谱系统能够完成部分相关工作的设想。

转向无人机影像后，模型在若干情况下仍表现良好。无人机模型对A、ETR和ΦPSII的最佳R²分别达到0.765、0.768和0.901。实际而言，这些结果表明，空中多光谱影像能够捕捉与葡萄藤光合活动和胁迫相关的信号。

论文还发现，冠层像素的选取方式会影响结果。与仅使用受光冠层区域相比，基于冠层阴影区域，或结合阴影与受光区域建立的模型，对A和ETR的预测有所改善。相比之下，不同提取策略下ΦPSII的表现相对稳定。这一发现或可为未来的无人机作业流程提供参考，因为葡萄园影像中叶片受光与遮阴状况往往差异显著。

不过，最重要的局限出现在验证阶段。按植株分组时，模型能够推广至未参与训练的葡萄藤。但采用留一日期验证法时——即检验模型能否预测某个完全未参与训练的日期所采集的测量数据——模型表现未能维持。作者指出，时间维度上的泛化能力是无人机方法的主要弱点。

这一点可能与葡萄酒行业尤其相关。葡萄园、酒庄和其他饮料企业越来越多地借助精准农业工具指导灌溉、评估葡萄藤健康状况并保障葡萄品质。新结果表明，无人机多光谱监测有望成为实用的运营工具，但也提醒人们，不应假定基于一组日期训练的模型在生长季后期或另一个年份仍然可靠。对于考虑投资传感器、分析技术或葡萄园自动化的企业而言，这项研究既展示了机器学习模型的潜力，也揭示了其当前局限：这类模型在时间维度上的稳健性可能仍显不足。

2025年生长季的天气状况为检验系统提供了所需的变异性。研究称，当年年平均气温为10.6°C，全年总降水量为433.5毫米。4月至9月期间降水量约为241毫米，6月相对干燥，随后季节中后期降水增多。夏季气温经常超过20°C。研究人员表示，这些条件导致水分需求和土壤湿度出现显著变化；2025年，研究团队按照处理规则实施了灌溉。因此，与2024年相比，葡萄藤水分状况的差异更大；2024年未达到灌溉阈值，因此没有实施灌溉。

作者表示，这项研究在此前叶片级研究的基础上有所拓展：研究使用了两年的多时相数据，并在真实葡萄园条件下评估无人机影像。研究团队分别针对地面数据集和空中数据集训练模型，而非直接将拟合好的模型从一个尺度迁移到另一个尺度，以便分别考察光谱分辨率、传感尺度和冠层采样方式的影响。

研究结果为进一步开发留下了空间，尤其是未来数据集若能涵盖更多日期、更多季节，或纳入种植不同葡萄品种、采用不同管理方式的更多地点。目前，这项研究表明，多光谱无人机影像能够在田间尺度估算葡萄藤的重要生理性状，但在将这项技术视为葡萄园日常管理中可靠的独立工具之前，仍需加强跨时间验证。