結合作物模擬與機器學習解析長期連作試驗中之水稻產量差距
243
文章來源 : 農業科技決策資訊平台 2026-06-30
長期連作試驗研究背景
作物產量差距（yield gap）常用於評估實際產量與理論潛在產量的差異，作為提升糧食生產與農業管理的重要依據。然而，相關研究多聚焦於短期田間試驗或區域尺度分析，較少應用於長期連續栽培資料。長期試驗除可反映氣候變化與病蟲害累積效應，也有助於分析品種更新、管理措施與環境逆境對作物生產力的長期影響。
作物模型結合機器學習解析產量差距
研究團隊利用菲律賓IRRI自1968年開始的長期連續三期作水稻試驗資料，分析1971至2017年間乾季、早雨季與晚雨季的水稻產量變化。研究結合作物生長模型ORYZA v3與隨機森林（Random Forest）機器學習模型，透過氣候資料、病害壓力、氮肥施用量、品種老化與栽培管理等因子，分析影響產量差距的主要驅動因子。
不同季節產量差距之變化
研究結果顯示，乾季水稻產量表現最佳，高氮肥處理下實際產量約可達潛在產量之64.5%，而早雨季與晚雨季則分別約為51.7%與46.7%。在最佳品種與施肥組合下，乾季平均可達72.6%潛在產量，但雨季多數年份仍難突破60%。進一步分析指出，病害為乾季產量差距的重要影響因子，其中包括稻熱病與東格魯病（tungro）等病害；晚雨季則以品種老化對產量影響較為明顯。研究亦發現，氮肥施用量仍為整體產量差距的重要影響因子，但其效益於雨季相對受限。
情境模擬評估限制因子
研究團隊進一步利用情境模擬方式，測試排除病害逆境與品種老化後之潛在表現。結果顯示，在排除相關限制後，雨季相對產量可提升至約63%至69%，顯示病害與品種老化確實為重要限制因子。然而，即使於理想化情境下，實際產量仍未達常見之80%潛在產量標準，顯示熱帶高濕環境下仍存在難以完全排除的氣候與生物性逆境。研究亦指出，結合作物模型與機器學習方法，有助於辨識不同季節下的關鍵限制因子，並可作為未來水稻品種改良與栽培管理策略調整的參考。
熱帶環境產量評估標準
整體而言，長期連作水稻系統之產量差距具有明顯季節差異，且病害壓力與品種老化為影響雨季產量的重要因素。研究結果亦指出，國際常用的80%潛在產量基準未必適用於所有熱帶環境，未來仍需依不同生產環境重新評估適用的產量評估標準，以提升水稻生產穩定性與氣候調適能力。本研究成果已發表於《Field Crops Research》期刊。
3 則留言
