A Phenology-Aligned Temporal Framework Improves Satellite-Based Field-Level Wheat Grain Protein Prediction

Resumo Técnico: Uma Estrutura Temporal Alinhada à Fenologia para a Predição de Proteína de Grãos de Trigo Baseada em Satélite

Declaração do Problema
A predição precisa da concentração de proteína de grãos (GPC) no trigo de inverno é crítica para a precificação de mercado e segregação de grãos, mas permanece um desafio para previsão antes da colheita. Diferente do rendimento, que integra o acúmulo de biomassa ao longo de toda a estação, a GPC é determinada pela partição de nitrogênio durante uma janela de desenvolvimento estreita (enchimento de grãos). As abordagens atuais baseadas em satélite geralmente dependem de observações espectrais compostadas sobre janelas de calendário fixas. Este método assume implicitamente uma sincronia fenológica entre os campos, ignorando variações nas datas de plantio, maturidade de cultivares e microclimas que fazem com que campos dentro de uma mesma região estejam em diferentes estágios de crescimento em uma determinada data de calendário. Esse "ruído fenológico" obscurece os sinais biofísicos relevantes para a GPC. Embora as séries temporais alinhadas à fenologia tenham melhorado as predições de rendimento para outras culturas, sua eficácia para a predição de GPC ao nível de campo ainda não foi sistematicamente quantificada.

Metodologia
O estudo avaliou seis estratégias temporais para predizer a GPC em 228 campos comerciais de trigo de inverno no oeste do Kansas durante a temporada de cultivo de 2024–2025. A estrutura integrou quatro fontes de dados:

1. Imagens de Satélite: Dados multiespectrais do Sentinel-2 (10 bandas, 32 índices de vegetação) processados via Google Earth Engine.
2. Dados Meteorológicos: Reanálise ERA5-Land (temperatura, precipitação, déficit de pressão de vapor, graus-dia crescentes).
3. Dados de Solo: Banco de dados gSSURGO (43 propriedades do solo em profundidades de camada superficial e subsuperfície).
4. Dados Topográficos: Modelos digitais de elevação USGS 3DEP.

Inovação Central: Normalização Temporal
O estudo comparou duas abordagens de normalização:

• Normalização de Calendário: Janelas de datas fixas (ex: intervalos mensais ou quinzenais baseados no calendário).
• Normalização Alinhada à Fenologia: Janelas específicas de cada campo ancoradas na data de máximo verdeamento do dossel (pico de GCVI), detectada via ajuste de curva logística dupla das séries temporais do Sentinel-2.

Esses métodos de normalização foram cruzados com três resoluções temporais:

1. Estágios de Crescimento: Cinco janelas de desenvolvimento amplas.
2. Mensal: 10–12 janelas.
3. Quinzenal: 20–22 janelas.

Pipeline de Modelagem

• Engenharia de Atributos (Feature Engineering): Observações diárias dentro de cada janela foram agregadas em estatísticas resumidas (média, desvio padrão, percentis).
• Seleção de Atributos: Um processo de duas etapas envolvendo pré-triagem não supervisionada (filtros de variância e colinearidade) seguido pelo algoritmo Boruta (seleção de atributos todos-relevantes) dentro de um framework de validação cruzada aninhada.
• Aprendizado de Máquina: Três modelos de florestas de árvores (Random Forest, XGBoost, LightGBM) foram treinados.
• Avaliação: O desempenho foi avaliado por meio de validação cruzada aninhada (5 dobras externas, 5 dobras internas, 3 repetições) com métricas incluindo $R^2$, RMSE, Coeficiente de Correlação de Concordância (CCC) e Eficiência de Kling–Gupta (KGE). Valores SHAP (SHapley Additive exPlanations) foram usados para interpretar a importância dos atributos.

Resultos Principais

• Vantagem Fenológica: A abordagem alinhada à fenologia superou a abordagem baseada no calendário. A estratégia de melhor desempenho foi a normalização mensal relativa ao pico, alcançando um $R^2$ de 0,304 (RMSE = 1,11%). Isso representou um aumento de 5,1% na variância explicada em comparação com a melhor estratégia de calendário ($R^2$ = 0,253).
• Concentração Temporal: O sinal preditivo estava altamente concentrado em uma única janela de 30 dias pós-pico (M+1), ocorrendo aproximadamente 15–45 dias após o máximo verdeamento do dossel. Esta única janela superou agregações mais amplas; expandir a janela para incluir períodos pré-pico ou de pico na verdade diluiu o poder preditivo ($R^2$ caiu para ~0,25 ao combinar múltiplas janelas).
• Importância dos Atributos: A análise SHAP identificou os preditores mais influentes como:
  • Solo: Matéria orgânica da camada superficial e condutividade hidráulica saturada da subsuperfície.
  • Espectral: Índices de senescência baseados no infravermelho de ondas curtas (desvio padrão do NBR2, média do MIRBI) e variabilidade do red-edge (MTCI, CVI).
  • Meteorológico: Temperatura de enchimento de grãos e déficit de pressão de vapor.
  • Topográfico: Elevação mínima do campo.
• Utilidade de Classificação: Para classificação de qualidade em três classes (Proteína Baixa, Média, Alta), os modelos atingiram 47–49% de acurácia, superando significativamente a linha de base aleatória de 33,3%.
• Análise de Erro: Os erros de predição estavam fortemente correlacionados com desvios da relação esperada entre rendimento e proteína ($r = -0,805$). Campos com proteína inesperadamente alta ou baixa para o seu rendimento foram sistematicamente mal preditos, sugerindo que fatores de manejo não observados (ex: tempo de aplicação de nitrogênio, escolha de cultivar) impulsionam a variância restante.

Significância e Alegações
O artigo afirma que o alinhamento fenológico é uma estratégia generalizável para melhorar a predição de atributos a partir de dados de observação da Terra, particularmente para atributos governados por janelas de desenvolvimento estreitas em vez de integração de toda a estação.

• Contribuição Metodológica: Fornece a primeira comparação sistemática entre janelas de calendário estáticas versus alinhamento fenológico dinâmico e específico de campo para a predição de GPC, demonstrando que alinhar as observações ao desenvolvimento da cultura reduz o ruído e melhora a precisão.
• Utilidade Operacional: A estrutura permite a previsão de GPC aproximadamente um mês antes da colheita, oferecendo utilidade prática para decisões precoces de segregação e comercialização de grãos.
• Insight Fisiológico: Os resultados confirmam que o sinal de GPC está temporalmente concentrado na fase de pós-pico de enchimento de grãos, impulsionado por processos de senescência sensíveis ao SWIR e remobilização de nitrogênio, em vez dos sinais sazonais mais amplos usados para predição de rendimento.
• Limitações: Os autores notam modestamente que o design de temporada única e região única limita a generalização, e que a ausência de dados de manejo ao nível do campo cria um "teto" na precisão da predição, já que fatores de manejo impulsionam a variância não explicada na relação rendimento-proteína.

O estudo conclui que, embora a predição apenas por satélite tenha limites, alinhar as janelas temporais à fenologia é um passo necessário para capturar a variação fisiologicamente significativa que a composição de datas fixas obscurece.