《Computers and Electronics in Agriculture》：Estimating and Forecasting Grapevine Phenology using Deep Learning and Mechanistic models: A comparative study
编辑推荐：
研究人员针对葡萄（Vitis vinifera L.）物候阶段（bud-break、blooming、fruit-set、veraison、berries ripe）的监测与预报问题，提出并验证两类模型：一类为基于显式生物过程数学描述的机理（白盒）模型，另一类
研究人员针对葡萄（Vitis vinifera L.）物候阶段（bud-break、blooming、fruit-set、veraison、berries ripe）的监测与预报问题，提出并验证两类模型：一类为基于显式生物过程数学描述的机理（白盒）模型，另一类为嵌入循环神经网络（RNN）的数据驱动（黑盒）模型。两类模型均利用葡萄园及周边气象站观测的日均气温与估算的土壤水分可利用量，连续估计物候阶段，并借助短期天气预报与次季节（sub-seasonal）气候预测向外延伸预报。研究在意大利、西班牙、葡萄牙三地四个站点、五个品种上，采用留一交叉验证（Leave-One-Out Cross Validation）与样本外测试，对比传统生长积温（Growing Degree Days，GDD）基线。结果表明，深度学习模型在各物候阶段的平均绝对误差（MAE）低于5天，优于GDD基准；机理模型在利用空气温度与水分数据预测bud-break方面表现突出；耦合气候预测后，模型可提前最多四周预报后续物候转换，为精准葡萄园管理提供决策支持。
该研究面向气候变化下葡萄物候期（phenology）监测与提前预报需求，针对传统人工观测成本高、基于生长积温（Growing Degree Days，GDD）的模型在干旱与多因子环境中解释力有限、过程模型（process-based model）参数繁杂难以田间落地的问题，由研究人员在欧盟Horizon 2020 VitiGEOSS项目框架下开展。研究整合2017—2023年意大利、西班牙、葡萄牙四个站点、五个葡萄品种（Aglianico、Greco、Syrah、Touriga Franca、Touriga Nacional）的田间物候观测、气象站数据（气温、湿度、辐射、降水）与估算土壤水分可利用量，构建并对比两类模型：一是显式刻画生物过程的机理（白盒）模型，二是基于循环神经网络（Recurrent Neural Network，RNN）的黑盒模型，并以GDD模型为基准，采用留一交叉验证与样本外测试评估性能；进一步耦合短期预报与次季节（sub-seasonal）气候预测实现向前预报。
关键技术方法上，研究人员以站点气象序列与改进NASA-CASA单方程估算的土壤水分可利用量为输入，分别建立白盒机理模型与RNN黑盒模型，通过连续物候状态输出定位阶段转换日期，并利用天气预报与气候预测延伸预报窗口，样本覆盖南欧三个国家多品种葡萄园长期观测队列。
研究结果如下。
研究背景与动机：葡萄年发育周期受气温、辐射、降水驱动，近数十年增温使bud-break、flowering、veraison与成熟提前，影响病害防控、灌溉、采收与物流决策；传统GDD与统计模型忽略水分胁迫，过程模型标定成本高等问题突出。
数据与站点设置：在Mirabella Eclano、Pinh?o、Vale da Vilari?a、Les Borges Blanques四站，按Baggiolini与Modified E&L尺度记录bud-break（C/4）、blooming（I/23）、fruit-set（J/27）、veraison（M/35）、ripening（N/38），构建日尺度双变量时间序列。
土壤水分模块：用修正NASA-CASA单方程描述入渗、蒸散（ETc）与渗漏动态，将水分信号引入物候驱动变量。
机理模型与深度学习模型：白盒模型显式表达冷积温-强迫与水分响应；黑盒RNN直接学习气象—物候时序映射，输出连续发育进度。
模型验证与比较：相对GDD基线，深度学习各阶段平均绝对误差（MAE）低于5天；机理模型在bud-break预测中利用水热数据具优势；留一交叉验证显示外推稳定性良好。
预报能力：将观测序列延伸至短期预报与次季节预测后，可提前约四周判别下一物候转换节点。
讨论与结论翻译：讨论指出，纯拟合指标易致偏倚，样本外验证更利于模型公平比较；引入土壤水分可利用量改善了干旱环境下物候估计，深度学习的非线性时序记忆优于线性积温假设，而机理模型在发芽期更具过程可解释性。结论为：深度学习在整体精度上优于GDD基准，机理模型在bud-break阶段表现突出，气候预测驱动下可实现至多四周提前量的葡萄物候预报，该框架可支撑精准化、可持续的葡萄园管理决策。
你想先生成论文精读提纲、答辩问答稿，还是投稿评审意见？
