無人機多光譜影像結合人工智慧模型評估田間氮素狀態
182
文章來源 : 農業科技決策資訊平台 2026-07-15
傳統氮肥管理面臨的限制
在現在農業生產中，氮肥是直接影響作物生長與最終產量的重要資源。然而，傳統施肥管理長期面臨兩難：施肥不足可能導致作物發育不良與產量下降，過度施肥則會增加生產成本，並可能造成環境負擔。傳統氮肥管理多依賴人工採樣與實驗室分析，但此方法不僅耗費時間與人力，也難以即時掌握大面積田間的氮素狀態。
多光譜影像如何反映作物缺氮狀態
隨著遙測與人工智慧技術發展，受限於人力採樣的管理模式已有機會逐步轉變。丹麥奧胡斯大學（Aarhus University）等跨國研究團隊利用無人機搭載多光譜相機拍攝大麥田影像；多光譜相機除可記錄人眼可見光外，也能捕捉紅邊與近紅外光等光譜訊號。植物在不同生長與營養狀態下，對光線的反射特性會有所不同。當作物缺氮時，葉片顏色、葉綠素含量與生理狀態可能產生變化，並反映在光譜訊號中。
田間氮素狀態預測模型建置方式
研究團隊以春大麥為研究對象，將無人機蒐集的多光譜影像與作物氮濃度、氮吸收量及乾物重等實測資料進行比對，藉此建立田間氮素狀態預測模型。研究中導入傳統隨機森林（Random Forest, RF)模型，以及Keras-based feedforward neural network（KFNN）等人工智慧模型，並搭配多基因演算法進行光譜特徵篩選。
光譜特徵篩選對模型預測的作用
研究結果顯示，不同生長階段會影響模型的預測表現，且類神經網路架構的KFNN模型在預測氮吸收量與乾物重方面，表現優於傳統隨機森林（RF）模型。研究也發現，預測系統不一定需要大量光譜指標，若能篩選少數具代表性的光譜特徵，仍可達到良好的預測效果。這代表未來實際應用時，系統不必過於複雜化，也能支援田間氮素狀態評估，進一步提高技術應用的可行性。
精準施肥管理應用範疇
整體而言，此項研究將無人機多光譜影像、光譜特徵篩選與人工智慧模型應用於春大麥田間氮素評估，可協助農民與田間管理者快速掌握不同田區的氮濃度、氮吸收量與乾物重等資訊，並依據作物營養狀態調整施肥決策，作為提升肥料利用效率、降低環境負擔與推動精準施肥管理之參考。本研究成果已發表於《Computers and Electronics in Agriculture》期刊。
2 則留言
