結合AI與物聯網之智慧農業架構,應用於乾旱地區椰棗永續栽培

文章來源 : 農業科技決策資訊平台 2026-05-01
乾旱地區椰棗生產挑戰
椰棗 (Phoenix dactylifera)在乾旱與半乾旱地區具有重要的經濟與文化價值,但其生產面臨水資源短缺、高溫環境及傳統農法效率不足等挑戰。傳統管理方式多依賴人工觀察與經驗判斷,難以應對氣候變遷與資源限制,因此亟需導入數據導向的智慧農業技術,以提升作物管理與資源利用效率。
智慧農業架構整合方式
本研究由沙烏地阿拉伯沙克拉大學(Shaqra University)、馬來西亞多媒體大學(Multimedia University)與孟加拉吉大港科技大學(University of Science and Technology Chittagong)等單位組成之跨國研究團隊進行,提出一套整合機器學習與物聯網的智慧農業架構。研究蒐集多模態資料,包括樹高、樹幹直徑、葉片數等生物特徵,以及土壤含水量、溫度、濕度等環境參數,並結合品種與健康狀態等類別資料進行分析。
機器學習模型建立與表現
研究中建立四種機器學習模型,包括隨機森林(Random Forest, RF)、梯度提升機(Gradient Boosting Machine, GBM)、人工神經網路(Artificial Neural Network, ANN)與支持向量機(Support Vector Machine, SVM),並透過網格搜尋與交叉驗證進行模型最佳化。結果顯示,隨機森林模型表現最佳,分類準確率達95.3%,顯示其在處理異質農業資料時具有良好穩定性與預測能力。
特徵重要性分析結果
進一步的特徵重要性分析指出,土壤含水量、濕度、樹幹直徑與葉片數為影響椰棗健康狀態的重要因子。透過整合AI與IoT技術,該系統可實現即時監測、健康診斷與預測分析,提供自動化決策支援,有助於優化灌溉管理與作物生長條件。
智慧農業系統應用潛力
整體而言,本研究展示了智慧農業系統在乾旱地區作物管理上的應用潛力,能夠提升水資源利用效率並促進永續農業發展,亦與沙烏地阿拉伯「2030願景」中推動科技農業與資源永續利用之目標相符。未來仍需進一步實地驗證與長期應用評估,以確認其在不同環境條件下之穩定性與可擴展性。本研究已發表於《Scientific Reports》期刊。





