Integrating Feature Selection and Machine Learning for Nitrogen Assessment in Grapevine Leaves using In-Field Hyperspectral Imaging

Resumo Técnico: Integração de Seleção de Recursos e Aprendizado de Máquina para Avaliação de Nitrogênio em Folhas de Videira usando Imagem Hiperespectral em Campo

1. Problema e Motivação

O nitrogênio (N) é um nutriente crítico na produção de uvas para vinho, influenciando o vigor da videira, a composição da fruta e a qualidade do vinho. No entanto, a disponibilidade de N no solo varia espacial e temporalmente, tornando essencial uma estimativa precisa da concentração de N nas folhas para otimizar a fertilização em nível individual.

• Limitações Atuais: Os métodos tradicionais baseiam-se na coleta manual de tecidos e análise química laboratorial, que são trabalhosos, demorados e não oferecem resolução espacial para gerenciar a variabilidade dentro de um vinhedo. Além disso, há um atraso entre a amostragem e a obtenção dos resultados.
• Desafios Técnicos da Sensoriamento Remoto: Embora a imagem hiperespectral (HSI) ofereça dados ricos, ela sofre de alta dimensionalidade (centenas de bandas estreitas), redundância de dados e o "efeito Hughes" (onde o desempenho do modelo degrada-se quando o número de bandas aumenta sem um aumento proporcional nas amostras de treinamento). A seleção de bandas espectrais específicas e robustas, que funcionem em diferentes escalas (folha vs. dossel) e cultivares, permanece um desafio.

2. Metodologia

O estudo utilizou uma abordagem integrada de sensoriamento hiperespectral em campo e aprendizado de máquina (ML) para desenvolver um framework de seleção de recursos robusto.

• Coleta de Dados:

  • Cultivares: Quatro variedades (Chardonnay, Pinot Noir, Concord e Syrah).
  • Escala e Estágios: Dados coletados em nível de folha (folhas individuais) e dossel (agregação de 20-40 folhas por videira) durante dois estágios fenológicos (floração e veraison) nas safras de 2022 e 2023.
  • Localização: Dois vinhedos comerciais nos EUA (Oregon e Washington), abrangendo diferentes condições climáticas e tipos de solo.
  • Sensor: Câmera hiperespectral VNIR (400–1000 nm) montada em tripé, capturando 274 bandas espectrais.
  • Ground Truth: Análise química de laboratório para determinar a concentração de N (% de peso seco).

• Pré-processamento:

  • Calibração radiométrica (conversão de DN para reflectância).
  • Segmentação de folhas (manual para nível de folha; baseada em índices de vegetação como NDVI, NDRE, ExG e SAM para nível de dossel).
  • Remoção de bandas de borda e outliers (usando Desvio Absoluto Mediano - MAD).
  • Transformação SNV (Standard Normal Variate) e filtragem Savitzky-Golay para redução de ruído.

• Framework de Seleção de Recursos (O Núcleo da Pesquisa):

  1. Agrupamento Hierárquico: Redução inicial de multicolinearidade eliminando bandas redundantes, selecionando bandas representativas de clusters baseadas em correlação, informação mútua e centralidade.
  2. Seleção de Recursos em Ensemble: Integração de oito algoritmos distintos (SelectKBest, Lasso, Ridge, Elastic Net, Random Forest, Extra Trees, Gradient Boosting e Random Frog) para gerar rankings de importância.
  3. Estabilidade e Consenso: Agregação dos rankings através de iterações bootstrap (100 vezes) para identificar bandas estáveis e consistentes.
  4. Otimização Sequencial (PLSR): Adição sequencial das bandas selecionadas ao modelo de Regressão por Mínimos Quadrados Parciais (PLSR) para determinar o subconjunto ótimo que maximiza o $R^2$ e minimiza o RMSE, evitando overfitting.

• Modelagem Preditiva:

  • Treinamento de quatro algoritmos de ML (Elastic Net, SVR-RBF, XGBoost, GPR) utilizando as bandas otimizadas.
  • Validação cruzada estratificada por estágio de crescimento e ano para garantir generalização.
  • Análise de Transferibilidade: Teste da capacidade de transferir bandas selecionadas no nível da folha para previsão no nível do dossel, tanto dentro da mesma cultivar quanto entre cultivares com pigmentação similar (brancas vs. vermelhas).

3. Principais Contribuições

1. Framework de Ensemble Robusto: Desenvolvimento de um pipeline que combina agrupamento hierárquico e múltiplos algoritmos de seleção de recursos para identificar bandas espectrais fisiologicamente significativas e estáveis, superando a dependência de métodos de projeção global.
2. Transferibilidade de Escala (Folha para Dossel): Demonstração empírica de que bandas sensíveis ao N, identificadas em nível de folha, podem ser transferidas com sucesso para a estimativa no nível do dossel, mantendo a precisão preditiva.
3. Diferenciação por Cultivar: Identificação de padrões distintos de resposta espectral entre cultivares brancas (Chardonnay) e vermelhas (Pinot Noir, Syrah, Concord), explicados pelas interações entre antocianinas e clorofila.
4. Validação Multi-ambiente: Confirmação da robustez do modelo através de dados de múltiplos anos, regiões climáticas distintas e estágios fenológicos, reduzindo o risco de overfitting a condições específicas.

4. Resultados

• Desempenho Preditivo:
  • Nível de Folha: O modelo alcançou a maior precisão.
    • Chardonnay: $R^2 = 0,82$, RMSE = 0,19 %DW (melhor modelo: SVR-RBF).
    • Pinot Noir: $R^2 = 0,69$, RMSE = 0,20 %DW (melhor modelo: GPR).
  • Nível de Dossel: Desempenho sólido, apesar da maior complexidade ambiental.
    • Chardonnay: $R^2 = 0,65$, RMSE = 0,17 %DW.
    • Concord: $R^2 = 0,72$, RMSE = 0,12 %DW.
    • Syrah: $R^2 = 0,70$, RMSE = 0,16 %DW.
• Eficiência da Redução de Dimensionalidade: Modelos treinados com apenas 5 a 14 bandas selecionadas (em vez das 274 originais) superaram ou igualaram o desempenho dos modelos de espectro completo, reduzindo o ruído e o custo computacional.
• Padrões Espectrais:
  • Cultivares Brancas (Chardonnay): Contribuição equilibrada das regiões visível, borda vermelha e infravermelho próximo.
  • Cultivares Vermelhas: Dependência mais forte das bandas visíveis devido às interações antocianina-clorofila.
• Transferibilidade: As bandas selecionadas no nível da folha para Chardonnay e Pinot Noir foram transferidas com sucesso para o nível do dossel, resultando em $R^2$ comparáveis (ex: Chardonnay dossel com bandas de folha: $R^2 = 0,67$ vs. bandas de dossel: $R^2 = 0,65$).

5. Significância e Impacto

• Gestão de Precisão: O estudo valida o uso de imagem hiperespectral em campo combinada com ML para monitoramento não destrutivo e rápido do status de nitrogênio, permitindo a aplicação de fertilizantes em taxa variável (VRA) em nível de planta individual.
• Desenvolvimento de Sensores: A identificação de um conjunto compacto de bandas espectrais informativas fornece diretrizes cruciais para o desenvolvimento de sensores multiespectrais personalizados e de baixo custo, otimizados especificamente para o monitoramento de N em videiras, eliminando a necessidade de sensores hiperespectrais completos e volumosos.
• Avanço Científico: Preenche lacunas na literatura ao focar em sensoriamento baseado em solo (não apenas aéreo/UAV) e ao demonstrar a viabilidade da transferência de características espectrais entre escalas de medição (folha-dossel) e cultivares, um passo fundamental para a criação de modelos universais de saúde da videira.

Em resumo, o trabalho demonstra que é possível criar modelos de previsão de nitrogênio robustos, precisos e transferíveis utilizando um conjunto reduzido de bandas espectrais selecionadas por inteligência artificial, viabilizando a agricultura de precisão em vinhedos.