Predicting Paddy Rice NDVI from Meteorological Variables Using Linear Regression

Sintesi Tecnica: Predizione dell'NDVI del Riso in Semina mediante Variabili Meteorologiche tramite Regressione Lineare

Definizione del Problema
Gli indici di vegetazione, in particolare l'Indice di Vegetazione Differenziale Normalizzato (NDVI), sono fondamentali per il monitoraggio della crescita e della salute delle colture. Sebbene l'NDVI derivato dai satelliti offra un'estesa copertura spaziale, esso soffre di limitazioni nella risoluzione temporale dovute alle condizioni meteorologiche (es. nuvole, precipitazioni) e ai cicli di osservazione. Al contrario, i sensori a terra forniscono dati in situ ad alta frequenza, ma mancano di ampiezza spaziale. Queste limitazioni ostacolano l'allocazione tempestiva delle risorse e il processo decisionale nella gestione delle colture. Sebbene siano stati proposti vari approcci di machine learning (ML), inclusi modelli di deep learning come Long Short-Term Memory (LSTM), per predire l'NDVI utilizzando dati climatici, essi spesso richiedono principi fisici complessi o grandi dataset e mancano di interpretabilità. Questo studio affronta la necessità di un modello di predizione dell'NDVI per il riso in semina che sia rapido, accurato e interpretabile, basato su dati meteorologici e sensori spettrali di riflettanza a terra, specificamente progettato per ambienti agricoli dove l'efficienza computazionale è fondamentale.

Metodologia
Lo studio ha sviluppato e valutato modelli predittivi utilizzando variabili meteorologiche per stimare l'NDVI medio giornaliero del riso in semina.

• Raccolta Dati: I dati sono stati raccolti nell'arco di cinque stagioni di crescita (2020–2024) da un singolo campo di riso a Sacheon-si, Corea del Sud. I dati meteorologici (precipitazioni, umidità, radiazione solare, temperatura, velocità del vento) sono stati registrati ogni ora da una stazione meteorologica automatica ATMOS-41. L'NDVI è stato misurato ogni ora utilizzando un sensore di riflettanza spettrale (SRS) fisso a terra.
• Variabili di Input: Sono state considerate otto caratteristiche: Temperatura Media Giornaliera (MTEM), Temperatura Accumulata (ATEM), Radiazione Solare Giornaliera (SOL), Radiazione Solare Accumulata (ASOL), Precipitazioni Giornaliere (DPR), Precipitazioni Accumulate (APR), Precipitazioni Antecedenti a 3 giorni (PPR) e Giorni dal Trapianto (DAT).
• Configurazione del Modello: Lo studio ha generato 255 modelli distinti che rappresentano tutte le possibili combinazioni delle otto variabili di input. Sono stati impiegati due algoritmi primari:
  1. Regressione Lineare Multipla (MLR): Modellazione delle relazioni lineari tra variabili dipendenti e indipendenti.
  2. Regressione Polinomiale (PR): Estensione della regressione lineare per catturare relazioni non lineari utilizzando termini quadratici (PR2) e cubici (PR3).
• Addestramento e Validazione: I modelli sono stati addestrati utilizzando la Discesa del Gradiente Stocastico (SGD) con regolarizzazione Elastic Net per prevenire l'overfitting. Gli iperparametri sono stati ottimizzati tramite GridSearchCV con validazione incrociata a cinque pieghe (five-fold cross-validation).
• Metriche di Valutazione: Le prestazioni sono state valutate utilizzando l'Errore Quadratico Medio (MSE), l'Errore Quadratico Medio (RMSE), l'Errore Assoluto Medio (MAE) e il Coefficiente di Determinazione ($R^2$).

Risultati Chiave

• Prestazioni del Modello: I modelli di Regressione Polinomiale (PR) hanno superato significativamente i modelli di Regressione Lineare Multipla (MLR). Il modello PR3 con le migliori prestazioni (C8-1, utilizzando tutte e otto le variabili) ha raggiunto un $R^2$ di 0,754, rispetto all' $R^2$ di 0,528 del miglior modello MLR.
• Non-Linearità: Il modello PR2 ha dimostrato che catturare le relazioni non lineari era cruciale. Notevolmente, un modello PR1 a singola variabile utilizzando solo i "Giorni dal Trapianto" (DAT) ha ottenuto un $R^2$ di 0,582, superando i modelli MLR a più variabili (ad esempio, il modello MLR a cinque variabili C5-2 aveva un $R^2$ di 0,528).
• Importanza delle Variabili:
  • Alta Influenza: DAT, temperatura media giornaliera, temperatura accumulata, radiazione solare giornaliera e radiazione solare accumulata sono stati i predittori più influenti.
  • Cumulativo vs. Giornaliero: Le variabili cumulative (ATEM, ASOL) hanno mostrato un potere esplicativo maggiore rispetto alle loro controparti medie giornaliere (MTEM, SOL), suggerendo che le condizioni climatiche a lungo termine guidino la vigoria delle colture più delle fluttuazioni a breve termine.
  • Bassa Influenza: Le variabili legate alle precipitazioni (DPR, APR, PPR) hanno mostrato una capacità predittiva relativamente bassa.
• Complessità vs. Accuratezza: L'aumento della complessità del modello da PR2 a PR3 ha prodotto miglioramenti delle prestazioni trascurabili (ad esempio, l'$R^2$ è passato da 0,738 a 0,754 per il modello con tutte le variabili). Lo studio ha identificato che i modelli con quattro o più variabili in PR2 (ad esempio, C4-60 con $R^2$ = 0,730) offrivano un equilibrio pratico tra accuratezza e semplicità.

Significatività e Rivendicazioni
Gli autori affermano che i modelli basati sulla regressione lineare, specificamente quando potenziati con termini polinomiali, offrono un'alternativa altamente efficace ai complessi modelli di deep learning (come LSTM) per la predizione dell'NDVI agricolo. Lo studio evidenzia tre vantaggi principali:

1. Interpretabilità: A differenza dei modelli di deep learning "black-box", i modelli di regressione lineare e polinomiale permettono l'identificazione chiara dei fattori meteorologici influenti.
2. Efficienza Computazionale: Questi modelli sono computazionalmente leggeri, rendendoli adatti al processo decisionale in tempo reale in contesti agricoli.
3. Robustezza con Dati Limitati: I modelli hanno dimostrato prestazioni stabili anche con dataset più piccoli, il che è spesso un vincolo negli studi agricoli specifici sul campo.

Il documento conclude che, sebbene i modelli di deep learning eccellano nel catturare dipendenze a lungo termine, l'approccio di regressione lineare proposto fornisce un'accuratezza predittiva comparabile con maggiore trasparenza ed efficienza. Lo studio suggerisce che per il monitoraggio del riso in semina, concentrarsi sulla temperatura cumulativa e sulla radiazione solare insieme alla fase di crescita (DAT) è più critico rispetto ai dati sulle precipitazioni, particolarmente nel clima umido dell'area di studio. Gli autori raccomandano ricerche future su modelli ibridi che integrino i punti di forza sia della regressione lineare che del deep learning, nonché indagini sulle prestazioni del modello sotto condizioni meteorologiche estreme e su diverse tipologie di colture.