基于环境时间序列事件的葡萄园病害风险预警
机器学习
2026-05-07 v1
摘要
基于环境观测对葡萄园病害风险进行准确的早期预警，对于及时干预和更可持续的作物保护至关重要。然而，许多现有研究将病害预测表述为每日存在性分类，这倾向于持续性驱动的预测，且对可操作的短临预警支持有限。在本文中，我们提出了一种基于环境时间序列事件的葡萄园病害风险预警方法，并通过葡萄园案例研究进行了评估。该任务并非预测每日病害状态，而是重新表述为预测在未来 3-7 天的窗口内进入已标注病害风险期的转变。为了减少二元标签中短暂中断导致的碎片化，仅在最小无病害间隔后才定义新事件。这种表述鼓励模型捕获与即将到来的风险期相关的环境前兆，而不是仅仅重现时间持续性。利用多年农业气象数据，我们构建了输入表示，通过循环时间编码捕获湿度动态、降雨累积、温度变异性和季节结构。我们评估了来自经典机器学习和深度学习的代表性方法，包括 XGBoost、长短期记忆 (LSTM) 网络和时序卷积网络，使用了标准分类指标和面向事件的预警协议。结果表明，基于事件的表述支持实用的短临预警，而对比模型在事件召回率、提前期和误报行为之间表现出明显的权衡。总体而言，本研究强调了环境时间序列学习中问题表述的重要性，并展示了基于事件的预测对葡萄园病害预警系统的价值。
引用
@article{arxiv.2605.04548,
title = {Event-Based Early Warning of Vineyard Disease Risk from Environmental Time Series},
author = {Ivica Dimitrovski and Ivan Kitanovski and Danco Davcev and Slobodan Kalajdziski and Kosta Mitreski},
journal= {arXiv preprint arXiv:2605.04548},
year = {2026}
}