多年生黑麦草模型在替代牧草物种生物量预测中的适用性评估与校准策略优化

针对温带牧场物种多样化趋势下传感器校准模型的适用性问题，研究人员通过对比PRG（多年生黑麦草）与鸭茅、菊苣、红三叶草及其混合群落的生物量预测性能，发现依赖光谱特征的传感器（UAV/HYP/SAT）需针对不同物种重新校准，而基于冠层高度的传感器（SON/RPM）具有跨物种普适性。研究为精准农业中多物种牧场管理提供了关键校准策略。

　　

随着全球气候变化加剧和农业可持续性需求增长，温带牧场系统正经历从单一多年生黑麦草（PRG）向多样化物种种植的转型。菊苣、红三叶草等具有更高水分和养分利用效率的替代物种受到青睐，但这一转变给牧场生物量监测技术带来新挑战。当前主流的传感器校准模型几乎全部基于PRG数据建立，而不同物种在光谱反射率和冠层结构上的显著差异可能导致预测偏差。澳大利亚Ellinbank SmartFarm的研究团队在《Computers and Electronics in Agriculture》发表的研究，首次系统评估了PRG模型对四种替代物种的适用性，并创新性提出两种校准策略。

研究采用多平台传感器协同观测，包括无人机多光谱传感器（UAV）、高光谱相机（HYP）、超声波传感器（SON）、升降式草量计（RPM）和卫星多光谱传感器（SAT）。在1公顷实验区内建立PRG、鸭茅、菊苣、红三叶草及三物种混合群落的对比样地，通过18个月周期性采样构建包含冠层高度、光谱特征与实测生物量的多维数据集。

【Trial location】
研究在澳大利亚维多利亚州Ellinbank SmartFarm开展，实验区划分为五个独立管理的1公顷样地，分别种植不同物种。样地配备独立灌溉系统，采用轮牧管理并根据物种特性调整再生周期，确保数据生态代表性。

【Description of the dataset】
生物量分布分析显示，红三叶草在生长季初期呈现最高生物量变异（IQR 1500-3500 kg DM/ha），而混合群落稳定性最佳。光谱传感器数据在物种间表现出显著分异，特别是红边波段（720-750 nm）反射率差异达40%，这成为后续模型性能差异的结构性根源。

【Applying perennial ryegrass models to alternative species】
关键发现表明：1）UAV/HYP/SAT等光谱传感器应用PRG模型时，对红三叶草的预测误差（MAE）增加58%，源于其独特叶片形态改变近红外反射特征；2）SON/RPM依赖冠层高度的线性模型展现跨物种稳健性（平均LCCC 0.82），因高度-生物量关系不受物种影响；3）混合校准策略（BBM）使UAV预测精度提升37%，但针对菊苣的SSM模型仍保持最优性能（LCCC 0.88）。

【Conclusions】
研究确立了传感器特异性校准原则：光谱技术需通过混合校准（BBM）或物种特异性模型（SSM）适应多样化牧场，而高度传感器可直接移植模型。这一成果为精准畜牧业中传感器选型与校准流程提供了实证框架，尤其对正在推广物种混合种植的欧盟气候智能农业项目具有直接指导价值。作者特别指出，未来研究应拓展至更多物种组合，并开发基于冠层结构-光谱联合特征的通用型模型，以降低牧场监测的技术门槛。