VIGNABagnolo：面向卫星遥感验证的葡萄园多模态农业传感器网络基准数据集

《IEEE Data Descriptions》：Descriptor: VIneyard monitoring and Ground data collection with a Network of Agricultural sensors in Bagnolo (VIGNABagnolo)

本数据集针对卫星遥感在精准葡萄栽培中缺乏高质量地面参考数据的问题，介绍了VIGNABagnolo数据集。该数据集通过在意大利北部葡萄园部署传感器网络（2个空气传感器、6个土壤传感器、1个高清相机），历时9个月（2024年3月24日至12月24日）采集了超过63万条环境数据（空气温湿度、土壤温湿度/介电常数）及294张日间图像，并辅以BBCH物候期标定。数据集为校准遥感算法、开发机器学习模型提供了原始数据支撑，显著提升了卫星监测葡萄园生长态势、产量预测及病害识别的可靠性。

　　

葡萄栽培，尤其是以酿酒为目标的葡萄种植，是农业领域的重要组成部分，但其管理面临着气候变化、病虫害以及市场对高品质产品需求增长等多重挑战。在此背景下，及时精确地监测葡萄园的健康状况和生产力，对于优化资源管理、降低风险以及确保可持续实践至关重要。卫星遥感（Earth observation）技术以其大范围覆盖和相对较低的成本优势，为葡萄园监测提供了独特视角，可用于产量预测、病虫害检测、灌溉管理以及植被健康评估（如叶面积指数LAI、叶绿素含量等）。然而，卫星数据的准确性和可靠性高度依赖于高质量的地面参考数据（ground reference data），也称为地面实况数据（ground truth data）。这类数据通过现场测量关键参数，用于校准和验证遥感算法，为机器学习模型提供训练数据，并帮助理解卫星信号与生物物理参数之间的联系。尽管目前存在一些公开的葡萄园数据集，但它们往往时间跨度有限，缺乏系统的视觉信息，并且并非专为星载地球观测的验证而设计。

为了弥补这一空白，一项发表在《IEEE Data Descriptions》上的研究介绍了一个名为VIGNABagnolo的新型基准数据集。该数据集源自意大利北部曼托瓦省巴尼奥洛圣维托的一个葡萄园，旨在为农业遥感科学研究提供一个可公开获取和重用的高质量参考数据集。研究团队通过部署一个包含2个空气传感器、6个土壤传感器和1个高分辨率相机的网络，在2024年3月24日至12月24日的整个农业季节进行了持续监测。传感器每10分钟记录一次空气温湿度、土壤介电常数和土壤温度，相机则每天下午1:30（CEST）自动拍摄一张4兆像素的RGB图像。此外，研究还通过农学家对图像进行视觉分析，并结合当地农业公报等辅助信息，估算了葡萄藤的物候阶段（采用BBCH标准），为数据赋予了重要的生物学意义。

为开展此项研究，研究人员主要采用了以下几项关键技术方法：首先，在意大利北部葡萄园部署了由空气传感器（Milesight EM300-TH）、土壤传感器（Tinovi PM-IO-5-SM）和高清相机（Dahua）组成的物联网监测网络；其次，利用LoRaWAN协议（800 MHz频段）进行传感器数据的无线传输，并记录了每次传输的接收信号强度指示（RSSI）、信噪比（SNR）和频率等射频参数；第三，通过4G网络将相机图像实时传输至云端FTP服务器；最后，由两位经验丰富的农学家基于每日图像和当地辅助信息，独立评估并确认了葡萄藤的BBCH物候阶段。

数据收集方法与设计

研究详细描述了数据收集系统的设计。监测网络包括2个空气传感器、6个土壤传感器和1台相机，所有环境传感器节点通过LoRaWAN协议连接到MikroTik wAP LR8网关，相机则通过4G路由器直接联网。传感器部署位置通过GPS坐标精确记录。

空气传感器：采用Milesight EM300-TH节点，内置Sensirion SHT30传感器，测量范围空气温度为-30°C至+70°C（精度±0.3°C），相对湿度为0%至100%（精度±3%），采样间隔设置为10分钟。

土壤传感器：采用Tinovi PM-IO-5-SM节点，配备外部I2C探头，测量土壤介电常数ε（范围1-80，精度5%）和土壤温度（范围-20°C至+70°C，精度3%）。节点安装于地面以上约1米处，土壤探头插入地下约20厘米。

视觉传感器：采用大华固定焦点RGB相机，由太阳能板供电，每日定时拍摄照片，并存储为高分辨率、低分辨率和特写三种版本。

验证与质量

物候期参考框架：研究采用BBCH标准（一种植物物候发育阶段的标准化十进制编码系统）来评估葡萄藤的生长阶段。该标准涵盖了从休眠到衰老的整个生命周期。

视觉分析与质量问题：两位农学家通过分析相机图像，并结合当地农业公报等辅助信息，评估了BBCH物候阶段。早期物候阶段观察置信度高，但随着冠层变得茂密（6月12日后），观察难度增加，更多依赖辅助数据。研究还记录了5月26日出现的霜霉病（Peronospora）早期症状（“油渍斑”）和6月28日出现的潜叶虫（Antispila spp.）危害，并指出霜霉病感染严重可能导致植株过早落叶。

分辨率与精度：研究汇总了所有环境传感器的测量范围、分辨率和最大精度，为数据使用者提供了明确的规格参考。

记录与存储

数据集包含四个主要部分：设备坐标文件（coordinates.csv）、环境测量值文件（measurements.csv，包含超过31万条记录）、图像文件夹（images.zip，包含294张日间照片）以及BBCH物候阶段评估文件（bbch.csv）。所有数据均以原始、未处理的形式提供，便于研究人员应用不同的处理和分析技术。环境测量文件除了传感器读数，还包含了LoRaWAN传输的射频参数（如RSSI、SNR），为研究无线电传播与环境条件的关联提供了可能。

见解与注释

研究人员指出，收集的LoRaWAN射频参数（RSSI、SNR）可用于探索无线电传播与天气（或植被）条件之间的相关性。同时，数据集中的原始测量值可用于推导其他重要参数。例如，根据土壤介电常数ε，可以通过Topp等人提出的经验公式（θ = 4.3×10^-6ε³ - 0.00055ε² + 0.0292ε - 0.053）计算土壤体积含水量（VWC）。空气温湿度数据则可用于计算绝对湿度（AH）。

结论与意义

VIGNABagnolo数据集提供了一个独特且宝贵的资源，它系统地收集了一个完整农业季节内葡萄园的多模态数据（环境传感器数据、高分辨率图像、物候阶段标注以及射频参数）。其重要意义在于：首先，它为校准和验证用于葡萄园监测的卫星遥感算法提供了高质量的地面参考数据；其次，它为开发和应用机器学习模型进行产量预测、病害检测等任务提供了丰富的训练和测试数据；第三，它包含的射频参数为研究农业环境中的物联网通信性能与环境因素的相互作用提供了真实数据；最后，数据集的全天候、长时序特性有助于深入理解葡萄园的动态变化过程。尽管数据集在茂密冠层期的物候判断存在一定不确定性，但其整体的高质量、丰富性和开放性，将显著推动精准葡萄栽培和农业遥感应用的研究进程。该数据集的发布得益于欧盟NextGenerationEU计划的资助，体现了公开科学数据在推动农业可持续发展中的价值。