基于自主收割机双频特征融合与边界感知优化的小麦倒伏检测网络Lodge-Unet研究

本文创新性地提出Lodge-Unet网络模型，通过双频特征融合与边界感知优化技术，实现自主收割机对小麦倒伏的高精度检测。研究采用WaLIS（Water baLance for Intercropped Systems）水平衡模型，系统量化天气预测（IFS-EPS）、历史观测和作物参数三大不确定性源对15天水分胁迫预测的影响，首次揭示不同预测时段主导不确定性源的动态转换规律（第5天起天气预测不确定性占比达64%），为精准灌溉决策支持系统（DST）提供重要理论依据。

　　

Highlight亮点发现

水分平衡模型（WaLIS）在水胁迫预测中的应用

本研究采用法国农业环境研究院（INRAE）开发的"间作系统水平衡模型（WaLIS）"计算作物水分胁迫指数。该差分方程模型经过田间验证（Celette et al., 2010），能精确模拟15天预测期内土壤-植物-大气连续体的水分动态，特别适用于葡萄园精准灌溉管理。

总不确定性动态演变

图4显示预测期内水分胁迫（FTSW）不确定性的平均演变规律：标准差从第1天的2.8%显著增至第15天的8.2%，90%置信区间（IC 90%）从8.5%扩大到17.6%。这种指数级增长趋势印证了天气预测不确定性随提前期增加的普遍规律。

讨论

研究发现葡萄园胁迫预测的不确定性呈现典型的时序累积效应，与Aleksovska等学者在病虫害预测中的发现一致。特别值得注意的是，从第5天开始，天气预测不确定性（IFS-EPS）成为主导因素（占比64%），到第15天时贡献率高达86%。但某些特定时段，作物参数不确定性会意外成为主要干扰源，这种动态转换规律为分时段优化预测模型提供了新思路。

结论

通过大规模天气预测数据库（12,000个场景）和创新的双阶段敏感性分析，本研究首次系统量化了15天预测期内三大不确定性源的动态贡献。研究发现第5天是天气预测不确定性开始主导的临界点，但存在特殊场景下作物参数反超的"不确定性反转"现象，这对发展自适应灌溉决策算法具有重要启示意义。