基于贝叶斯层次模型与多源遥感数据的葡萄园产量制图及不确定性量化研究

本研究针对葡萄园产量制图中传统方法缺乏不确定性量化的局限，创新性地开发了集成无人机(UAV)、哨兵卫星(Sentinel-2)和GNSS收割机轨迹数据的贝叶斯层次模型(BHM)。通过两年田间试验验证，模型训练集R2达0.83，验证集R2为0.78，成功捕捉到干旱导致的15%产量下降，并首次实现90%可信区间的空间化不确定性表达，为精准葡萄栽培提供了可解释的决策工具。

　　

葡萄园产量精准预测一直是葡萄酒产业的核心挑战。传统方法依赖人工采样或单一传感器数据，既无法捕捉田间空间异质性，又缺乏对预测可靠性的量化评估。随着气候变化加剧，2023年西西里葡萄园遭遇的极端干旱事件更突显了建立抗干扰预测模型的紧迫性。

意大利巴勒莫大学农业食品与森林科学系的研究团队在《Precision Agriculture》发表的研究，开创性地将贝叶斯统计与多平台遥感融合，构建了首个能同时输出产量地图和不确定性分布的葡萄园管理框架。研究通过整合无人机(UAV)高分辨率NDVI（归一化植被指数）、哨兵卫星(Sentinel-2)时序数据，以及基于GNSS（全球导航卫星系统）的收割机振动强度参数，建立了部分池化的贝叶斯层次模型。该模型不仅实现了单株葡萄的产量预测，更通过28000次MCMC（马尔可夫链蒙特卡洛）采样量化了空间化预测不确定性。

关键技术包括：1) 无人机多光谱成像(37mm地面分辨率)与卫星数据融合；2) 收割机GNSS轨迹反演的振动强度作为生物量代理变量；3) 基于brms包的贝叶斯层次建模；4) 采用6株葡萄组成的空间单元(Sampling Unit A)降低测量噪声；5) 通过LOO（留一法）和K折交叉验证评估模型稳健性。

模型开发与敏感性分析
通过112种模型配置比较发现：部分池化策略（允许年度间随机截距）的贝叶斯R²达0.7，显著优于完全池化或无池化模型。空间坐标的引入使ELPD（预期对数预测密度）提升12%，证实空间自相关的关键作用。6株聚合单元比2株单元误差降低23%，表明适度空间平滑能有效抑制单株测量噪声。

特征重要性评估
UAV-NDVI贡献度最高（相对重要性42%），其次是收割机振动强度(31%)和卫星NDVI(27%)。三源数据融合模型性能最优，RMSE（均方根误差）仅1.01 kg/株，较单源模型提升41%。

产量时空变异
模型成功捕捉到2023年因干旱导致的产量空间重构：高产区域(>2.5kg/株)从2022年占面积32%缩减至19%，而低产区域(<1.6kg/株)扩大2.3倍。热应激响应在浅土层区域尤为显著，印证土壤深度与气候胁迫的交互作用。

不确定性分布
预测不确定性呈现边缘高（>1.0kg/株）、中心低(<0.85kg/株)的同心圆模式，与收割机转向区域的振动信号失真高度相关。2023年整体不确定性降低15%，反映干旱条件下植被信号与产量的线性关系增强。

这项研究通过贝叶斯框架实现了三大突破：1) 将农学机理（如振动强度-生物量关系）与数据驱动方法有机融合；2) 首次在葡萄栽培中量化了空间显式的预测可靠性；3) 提出"线性米采样"新范式以匹配冠层连续性特征。尽管在极端产量值预测和收割机参数标准化方面仍存局限，但该框架为应对气候变化下的精准葡萄栽培提供了可扩展的解决方案，其不确定性可视化功能可直接指导差异化采收和灌溉决策。未来通过纳入多品种数据和过程模型耦合，有望建立跨区域的通用型产量预测系统。