《Ecological Modelling》：Estimating the yield of Parkia biglobosa fruits from field data and image-based predictive models
编辑推荐：
准确估算热带果树产量对评估个体树 productivity 和景观应用至关重要。本研究通过整合树形态、无人机与卫星图像的植被健康指数及土壤属性构建数学模型，分析三者交互对 Parkia biglobosa 果实产量的贡献。模型解释75%的产量变异，发现冠幅半径、近红外反射率、土壤pH值及地域管理实践为关键预测因子。建议控制树冠下杂草、防止火灾、推广非侵入性收获及监测土壤氮磷pH，以提升树健康与生产力。
弗兰克林·X·多诺（Franklin X. Dono）| 伯纳德·N·巴图维（Bernard N. Baatuuwie）| 安妮·梅特·利克（Anne Mette Lykke）| 费利克斯·K·阿巴加莱（Felix K. Abagale）| 彼得·博尔根·索伦森（Peter Borgen S?rensen）
西非灌溉与可持续农业中心（WACWISA），发展研究大学，加纳塔马莱（West African Center for Water Irrigation and Sustainable Agriculture, University for Development Studies, Tamale, Ghana）
摘要
准确估算热带果树产量对于评估单株树木的生产力以及进行景观尺度的应用至关重要。本研究通过将树木形态、来自无人机和卫星图像的植被健康指数以及土壤特性整合到一个数学模型中，来分析Parkia biglobosa果实的产量。该模型评估了这些因素之间的相互作用及其对产量的贡献。研究人员从加纳草原生态区的三个研究地点采集了105棵成熟树木的果实并进行了称重。利用QGIS从无人机图像中提取的镶嵌数据测量了选定树木的树冠半径。卫星图像和土壤物理化学特性的数据分别来自挪威国际气候与森林倡议（NICFI）和土壤参考与信息中心（ISRIC）。产量通过涉及树冠半径、卫星图像中的平均蓝光波段反射率以及地理位置的指数关系进行估算。该模型解释了75%的产量变化。排除交互作用项后，最佳模型能够根据树冠半径、树冠的平均近红外反射率以及30-60厘米深度处的土壤pH值来预测产量。结果表明，树冠半径、土壤pH值、蓝光和近红外光谱特征以及地理位置（如土壤和树木管理方式）影响了Parkia biglobosa的产量。这些因素共同解释了67.8%的产量变化。建议采取控制林下植被、防止森林火灾、推广低侵入性采收技术以及监测土壤氮含量和pH值的措施，以提升树木的健康状况和生产力。
引言
准确估算热带果树产量对许多非洲国家的社会经济发展至关重要。这些产量数据有助于评估单株树木的生产力，实施有效的管理措施，并在气候变化的情况下预测市场供应情况。因此，深入了解影响产量的因素对于在不同条件下做出更准确的产量预测至关重要。刘等人（Liu et al., 2023）利用树木形态特征对热带树木进行了非破坏性生物量评估，展示了结构特征在理解树木生产力方面的重要性。
树冠的光谱特性可以反映树木的健康状况，从而影响果实产量。全球定位系统（GPS）、地理信息系统（GIS）、遥感和无人机技术的最新进展提高了景观可视化和关键因素的分析能力（Asad Naqvi和Naqvi, 2022）。结合产量数据，这些技术可以更准确地预测产量。树木特征和气候是重要的预测指标，可以通过遥感图像（Panagiotidis et al., 2017）以及手动和自动化方法（Area and Photographs, 2004）进行估算。在某些情况下，利用光谱指数成功预测了产量（Panda et al., 2010）。例如，通过RGB图像的光谱指数和纹理特征准确估算了棉花产量（Yiru et al., 2022）。
植物特征影响了无人机和卫星捕获的光谱信号，从而能够研究大范围区域的植被健康状况、生产情况、分布和功能（Hauser et al., 2021; Houborg et al., 2015; Ma et al., 2019; Thomson et al., 2018）。树叶颜色、形状、冠层覆盖度（Ribeiro da Luz and Crowley, 2010）以及产量（Apolo-Apolo et al., 2020; Barbosa et al., 2021）的变化可以通过光谱特征来确定。
与通过反射率模式得出的间接指标不同，树木特征直接反映了树木的产量。树木生长速率、年周长和木材密度是影响树木生产力和产量的关键因素（Prado-Junior et al., 2016）。这些因素对产量的影响会因人类活动、气候和管理条件而异（Prado-Junior et al., 2016）。
对于Parkia biglobosa这种多用途本土树种来说，由于其营养价值、健康效益和社会经济价值，估算其年产量是一个挑战，这既受到人类活动的影响（Prado-Junior et al., 2016），也受到气候变化的影响。果实由当地人随机采集，阻碍了系统的数据收集（Houndonougbo et al., 2020）。然而，果实产量与树冠直径和胸高直径相关，其中树冠直径的相关性更强，并且由于气候和管理措施的不同，年产量会有显著波动（Bokary et al., 2022）。
在西非的草原灌木物种中，树冠体积是比茎直径更强的果实产量预测指标，在气候影响下，较大的树木能产出更多的果实（Ounyambila et al., 2018）。Ounyambila等人（2018）在其模型中加入了气候因素，而本研究通过添加土壤、无人机和卫星光谱特征，使用改进的模型来评估Parkia biglobosa的果实产量。
尽管关于产量、树木形态、植被健康、气候和土壤的研究很多，但这些因素很少被整合到一个统一的框架中进行综合研究。本研究将树木形态、植被健康指数（来自无人机和卫星图像）以及现有的土壤变量结合到一个数学模型中，全面评估它们对Parkia biglobosa果实产量的影响，并探讨其在更大规模应用中的潜力。因此，本研究旨在解决这种多用途本土树种产量估算中的挑战，以帮助在气候变化的情况下预测市场供应并实施可持续管理措施。
研究区域
本研究在加纳北部的三个地点进行：上西部地区的纳丹多市（Nandom Municipality，2°41′-2°54′ W 和 10°44′-11°00′ N）、上东部地区的卡塞纳-南卡纳东市（Kasena-Nankana East Municipality，1°10′-0°53′ W 和 10°30′-11°01′ N）以及北部地区的昆邦古区（Kumbungu District，1°14′-0°53′ W 和 09°25′-0°11′ N）（图1）。
这些研究区域的降雨模式从5月持续到10月，呈单峰分布。年平均降雨量因地点而异，纳丹多的年降雨量约为999毫米。
野外采样数据
Parkia biglobosa的果实产量范围为每棵树4.0公斤至218.0公斤，中位产量为56.0公斤，平均产量为57.0公斤。昆邦古区的产量最高，中位产量为26.5公斤，平均产量为37.6公斤；纳丹多的产量范围为27.0公斤至139.0公斤，中位产量为68.0公斤，平均产量为69.5公斤；纳夫龙戈区的产量范围为10.0公斤至90.0公斤，中位产量为64.0公斤，平均产量为57.3公斤（图2a）。
总体而言，
野外采样数据
不同研究地点的树木产量存在差异。观察到的数值范围与先前文献报道的范围（Pasiecznik, 2022中的25-100公斤/棵；Houndonougbo et al., 2020中的25-130公斤/棵）基本一致，但也有显著差异。这种差异可能是由于生产条件和实践的不同造成的，可能涉及土壤质量、气候或植被健康状况等因素。总体而言，产量范围扩大到了0.25-200公斤/棵。
结论与建议
Parkia biglobosa的产量受到树冠半径、土壤特性、光谱特征以及地理位置特定变化的非线性影响。将这些因素结合起来可以更准确地预测产量，从而为决策和产量优化策略提供依据。
结合基于无人机和卫星的光谱变量与土壤和树冠指标提高了模型的性能和实际应用价值，减少了预测误差。
资金信息
本项工作由丹麦外交部资助，并由Danida奖学金中心（Danida Fellowship Centre）通过“生态系统服务的气候变化韧性”（Climate Change Resilience of Ecosystem Services, CRES）项目管理，项目编号为DFCFileNO.20-13-GHA。
CRediT作者贡献声明
弗兰克林·X·多诺（Franklin X. Dono）：撰写初稿、方法论、调查、数据分析、概念构建。
伯纳德·N·巴图维（Bernard N. Baatuuwie）：撰写、审稿与编辑、监督、方法论、概念构建。
安妮·梅特·利克（Anne Mette Lykke）：撰写、审稿与编辑、监督、方法论、概念构建。
费利克斯·K·阿巴加莱（Felix K. Abagale）：撰写、审稿与编辑、监督、方法论、概念构建。
彼得·博尔根·索伦森（Peter Borgen S?rensen）：撰写、审稿与编辑、监督、方法论、数据分析、概念构建。
