結合機器學習演算法監測水稻種植，確保全球糧食安全
248
文章來源 : 農業科技決策資訊平台 2025-10-17
水稻是非洲第三大主食作物，對區域糧食安全具有戰略意義。儘管非洲僅占全球水稻產量約4.7%，但該大陸對水稻的需求年增率超過6%，高於其他主食作物。為應對需求增長，過去三十年非洲國家平均每年新增約40萬公頃水稻耕地。然而，非洲水稻種植面臨氣候變遷、城市化與森林砍伐等多重挑戰，且非洲水稻種植季節多樣，雨養水稻普遍缺乏灌溉系統中常見的淹水信號，造成基於植株生長期的遙感監測困難。
研究團隊開發了一套創新方法，結合雙極化合成孔徑雷達（SAR）後向散射特徵與機器學習演算法，提出「基於後向散射的粗定位與多源時間序列精細分類」框架。此方法融合了多源遙測數據，包括SAR影像與光學時間序列，透過監督式機器學習對非洲不同區域的水稻種植地進行分類。該方法特別針對非洲多樣化氣候與水稻種植季節設計，能有效辨識雨養水稻，並克服傳統監測中因缺少淹水信號而導致的誤判。研究團隊利用大量地面調查數據進行模型訓練與驗證，確保結果的可靠性與實用性。
研究發現該高解析度水稻分布圖不僅準確反映了非洲各國水稻種植面積與空間分布，還能支持糧食安全政策制定、農業研究與永續發展目標的監測。此數據集的開放共享，有助於促進全球對非洲水稻生產現況的了解，並為應對氣候變遷帶來的農業挑戰提供科學依據。研究成果將推動非洲水稻產業的現代化管理，提升糧食生產效率與資源利用率。
此項研究發表在2025年《Earth System Science Data》期刊，研究貢獻在於首次提供了非洲範圍內高解析度、精確且及時更新的水稻分布資料，突破了過去資料粗糙、更新緩慢的限制。其創新方法結合了多源遙感技術與先進機器學習演算法，為多變氣候與複雜耕作環境下的農業監測提供了有效解決方案。此成果不僅強化了非洲糧食安全的數據支撐，也為全球永續農業發展與政策制定提供了重要參考，促進了遙測技術在農業領域的廣泛應用。
【延伸閱讀】- 開發水稻營養壓力的高光譜庫，以利分析水稻影像
資料來源
3 則留言
