Scalable, cloud-native decision support system for Variable Rate Application (VRA) based on multi-year NDRE time series in arable precision agriculture

本文提出了一种自动化、云原生的地理空间决策支持系统（DSS），可直接从Sentinel-2卫星观测数据生成变量施肥处方图。该系统设计为端到端的耕地变量施肥（VRA）架构，完全自主运行且输入需求极低，仅需田块边界多边形、作物物候类别（冬作或春作）以及多年观测窗口。计算引擎通过Microsoft Planetary Computer（MPC）时空资产目录（STAC）应用程序接口（API）以异步云连接方式流式传输云优化GeoTIFF（COG）栅格数据，并通过多阶段场景分类层（SCL）滤波确保数据质量。该模型不采用易快速饱和的归一化差异植被指数（NDVI），而是依赖归一化差异红边指数（NDRE），后者能够准确捕捉冠层叶绿素和绿色生物量动态。对于每个原生10×10 m网格单元，系统提取作物特定生殖物候窗口内的第95百分位数（P95）峰值，消除单日快照噪声，同时通过自动化物候比率计算验证冬作或春作生长轨迹。决策与处方引擎建立在两个核心农艺安全支柱之上：指数经验贝叶斯稳定性收缩，将不稳定的高方差区域向安全的田块平均值收缩，防止在易旱区域过量施用投入品；基于数字高程模型推导的三角函数Horn坡度衰减，系统性地降低易侵蚀陡坡上的施用量。单元级施用量通过秩分配算法结合Hamilton配额（最大余数法）校正，在目标容差范围内分配，确保严格的基于整数的机器兼容性和田块总投入预算的零和守恒。该技术已在匈牙利起伏丘陵地貌的139.03 ha商业化生产田块上，针对冬小麦（Triticum aestivum L.，基准播种量230 kg/ha）的变量播种（VRS），在四个参考季节（2022、2023、2024和2026年）进行了验证，并以常规均一施用和保守的多年VRS规划为基准进行比较。主要定量结果总结如下：· 常规均一施用的失败：在14,250个单元中，统一的230 kg/ha施