基于Sentinel-2与ERA5-Land数据的豌豆产量与品质时序迁移性评估：机器学习方法的实践与挑战

针对加工豌豆产业因狭窄采收窗口导致的产量与嫩度值（TR）预测难题，研究团队通过整合Sentinel-2卫星遥感与ERA5-Land气象数据，采用RF、XGBoost等四种机器学习算法，首次系统评估了模型在时序迁移性（LOYOCV vs LOGOCV）上的表现。结果显示：产量预测虽优于基线模型（RF nRMSE=14.6%），但TR预测在跨年验证中显著失效，揭示了当前ML模型在品质预测中的操作局限性，为农业决策支持系统开发提供了关键警示。

　　

在加工豌豆产业中，把握最佳采收期如同"与时间赛跑"——豌豆的嫩度值（Tenderometric Reading, TR）在成熟后期会迅速下降，短短几天的延误就会导致果实过硬，需要额外加工处理，直接增加生产成本。更棘手的是，气候变化正让豌豆的生长周期变得越来越难以预测。传统依赖人工采样和积温模型的方法，既无法捕捉田块间的空间异质性，也难以应对突发天气事件的影响。虽然卫星遥感和机器学习（ML）技术为大规模监测带来了希望，但这些模型在实际应用中却面临"水土不服"的困境：在实验室表现优异的算法，往往在跨年度预测时出现严重性能衰减，这种现象被称为"时序迁移性"危机。

为破解这一难题，研究人员开展了一项开创性研究。他们收集了意大利北部波河流域2018-2024年间270个商业豌豆田块的产量与TR数据，结合Sentinel-2卫星的植被指数（如NDVI、EVI）和ERA5-Land气象再分析数据，构建了包含11种植被指数的多源数据集。研究特别设计了对比实验：采用常规的留组交叉验证（LOGOCV）和严格按年份划分的留一年交叉验证（LOYOCV），对随机森林（RF）、XGBoost等四种ML算法进行系统评估。

关键技术方法上，研究团队创新性地采用双轨制特征工程：对产量预测采用基于积温（AGDD）的十阶段 phenological 区间聚合，对TR预测则聚焦采收前7天的日分辨率数据。通过Savitzky-Golay滤波和Stineman插值处理遥感数据，结合嵌套交叉验证框架（外层LO(Y/G)OCV，内层5折重复CV）确保评估严谨性。

研究结果揭示出令人警醒的发现：

产量预测的"乐观假象"
在LOGOCV模式下，所有ML模型均显著优于仅预测均值的NullModel，其中RF表现最佳（nRMSE=14.6%）。但切换到模拟真实场景的LOYOCV时，RF的误差立即上升11%（nRMSE增至16.2%），暴露出模型对年际气候波动的敏感性。这种"时序迁移性缺口"说明，传统验证方法会高估模型约31%的实际应用性能。

TR预测的"跨年失效"
结果更为严峻：虽然RF在LOGOCV下取得18.7%的nRMSE，但在LOYOCV中所有ML模型竟被简单均值预测反超（NullModel RMSE=20.34 TR单位）。尤为触目惊心的是，XGBoost的误差在跨年验证中暴增56.6%，表明当前基于卫星遥感的特征体系根本无法捕捉驱动TR年际变异的关键生理生化过程。

讨论部分指出，这种差异源于两者不同的生物学基础：产量是累积型性状，而TR高度依赖采收前几天的酶活性和糖代谢变化。研究通过SHAP分析发现，温度敏感型植被指数（如NDMI）的年际波动是模型失效的主因。这解释了为何9km分辨率的ERA5-Land数据难以捕捉田间微气候，导致TR预测"失准"。

这项发表在《Smart Agricultural Technology》的研究具有双重警示意义：一方面证实了ML在产量预测中的实用性（尽管需预留更大误差边际），另一方面彻底否定了当前技术路线对品质预测的适用性。研究团队建议未来探索三项突破路径：采用亚米级无人机遥感捕捉冠层微环境、引入LSTM/Transformer等时序建模架构，以及开发融合生理机制的混合模型。这些发现为智慧农业的"可操作化"设立了新基准，尤其提醒产业界：在追求预测精度的同时，必须把"跨年稳健性"作为核心评价指标。