MATOPIBA是巴西東北部地區4個州的合稱，該區域屬於疏林草原地區，為巴西農業發展最快的區域之一，過去十年間增長了92%，產量從1800萬公噸增加至3500萬公噸，且預測未來十年將持續增加37%。急遽增長的農業灌溉需求，使得水資源過度利用，未來將面臨缺水風險，預測2025-2040年間無法滿足近40%的作物灌溉需求。此外，氣候變遷使該地於2023-2024年間遭遇嚴重乾旱，且野火發生創下歷年新高，火災及農業用地對森林及原生植被的破壞，使得該地蒸散量減少最終導致降雨量減少，且沒有植被覆蓋，雨水容易由地表快速流走而非進入地下水層，種種因素凸顯該地水資源的應用及管理的急迫性與重要性。 　　巴西國家空間研究所（Brazil’s National Space Research Institute, INPE）研究團隊，評估水資源稀缺性逐漸惡化下，農業擴張的長期永續性，藉由系統動力學，以土地利用、能源、水資源間的複雜交互作用建立模型，模擬並預測不同情景下隨時間的變化，期望為公共政策制定及決策做出貢獻。研究結果顯示，受到過度利用水資源及氣候變遷的影響，至2040年，烏魯奇亞(Urucuia)含水層的地下水量及格蘭德河(Grande River)流域地面逕流量將逐漸減少，未來該地區居民以及快速擴張中的農地將面臨缺水的困境。 　　若繼續現行的土地利用模式及水資源管理方式，將導致該地區的水資源匱乏、農業停止擴展，並對永續性構成威脅，因此，研究人員建議，應修訂水資源使用許可證、加強對非法水井的取締，並加強土地利用的管控，以確保水資源的合理利用與保護含水層的補給，推動農業水資源的高效利用。【延伸閱讀】-水資源、數據與和平之間的聯繫

數量遺傳抗病性(Quantitative disease resistance, QDR)是一種由多基因調控、機制較複雜但較持久且抵禦範圍較廣的植物抗病機制，與單一主效抗病基因相比，能夠防禦較多種病原菌，因此QDR的研究對於抗病育種尤為重要。然而，完全了解QDR遺傳及其調控機制極具挑戰性，相關表型指標如感染率、發病的遲滯期(lag-phase duration)、病徵擴張速率等也有待研究。近年來，表型設備逐漸增加，然而其費用高昂且數據分析方式複雜使得應用性不佳，因此，來自德國基爾大學(Christian-Albrechts-Universität zu Kiel)的研究團隊開發一種低成本的表型偵測系統，協助測量野生番茄病斑擴展情形。 　　研究人員調查了四種野生番茄並以栽培種(S. lycopersicum )為對照組，利用自動化表型系統- Navautron，偵測感染菌核病(Sclerotinia sclerotiorum)葉片的影像，並將其量化為感染頻率、發病遲滯期、病癥倍增時間及病害發展曲線面積等參數。研究結果顯示番茄種間QDR有著表型多樣性，例如遲滯期以S. habrochaites 和S. pennellii最長、病徵成長速率為S. habrochaites及S. lycopersicoides最緩慢、染病率則是S. habrochaites最低，且QDR指數相關性分析顯示指數間皆獨立。此外，S. pennellii種內的遲滯期差異很大，病癥成長率以LA1941品系感染速率最低、LA1809品系染病最嚴重，顯示物種內抗性的基因背景仍存在歧異度，相關文獻發表於Plant Phenomics。 　　研究強調QDR與遺傳背景間複雜的交互作用及對抗病育種的重要性，並提供低成本、高效率的表型系統進行植物病害相關研究，使育種者能更有效率的選育具抗性且耐逆境的作物，期望能減少對農藥的依賴並達到永續農業。 【延伸閱讀】科學家開發快速的基因篩選平台以增強農作物的抗病能力

隨著技術的進步，農業也在利用數據做出更好的決策、降低營運成本及提高作物生產力。傳統農業依賴經驗及猜測來控制作物健康、水分及其他關鍵因素，勞動強度大。然而，借助無人機技術，農民可以收集有關農田的即時數據，讓決策者可以根據事實和實際統計數據進行農場管理。 　　無人機配備先進的傳感器、相機和影像技術，具有高解析度成像及遙控感應，能輕鬆且低成本的跨越廣闊的土地，並提供過去無法獲得的資訊，例如：作物健康監控、產量預測與分析、調查水分含量以及土壤健康與肥力評估等。這一變化透過精準農業正在改變耕作方式，幫助農民在適當的時間以正確的數量提供資源，進而提升效率及永續性。 　　無人機與農業操作的結合正顯著改變著農業、灌溉和資源管理的運作方式。憑藉即時且精確的數據收集能力，無人機在農業領域的應用有助於推動精準農業，使在決策過程中更加利用實際的數據分析，而非單純的猜測；隨著技術的快速發展，無人機在智慧農業中的應用潛力無窮，為未來農業的創新與永續發展鋪平道路。【延伸閱讀】-無人機在戶外農田和溫室之精準農業研究

隨著對非動物來源食品的需求增加，人們對植物蛋白的興趣不斷增長；植物蛋白在食品配方中的使用與其具備的特性有關，例如乳劑穩定性、形成凝膠或泡沫、增加飽足感，並提供必需氨基酸等。然而，植物蛋白的水溶性通常較差，這會影響其性質，並妨礙其在產品中的應用。因此，科學家們一直在尋找改善溶解度的方法，部分方法涉及熱處理以及添加富含酚類化合物的瓜拿那萃取物，可穩定含有維生素D3的水包油乳劑。在巴西聖保羅州坎皮納斯州立大學 (UNICAMP) 進行的研究中，驗證了熱處理以及添加瓜拿那萃取物是否改變了豌豆蛋白的特性，以支持其添加在食品配方中。 　　在食品中添加維生素 D3 可以增強免疫力並預防佝僂病，但它在飲料中不穩定，因此需要與穩定劑結合。研究人員以模擬消化過程的實驗，將添加瓜拿那萃取物及維生素D3 的豌豆蛋白製備的乳劑與使用豌豆蛋白添加維生素D3之組別的乳劑相比，結果發現使用豌豆蛋白及瓜拿那萃取物的乳劑穩定性，能更好地保護維生素D3的生物可利用性。這項研究顯示，經過熱處理及添加瓜拿納萃取物的豌豆蛋白具有應用在飲料中的潛力，且能有效提高產品的營養價值及穩定性。【延伸閱讀】-未來餐桌上永續純素蛋白的新選擇

LabEmbryoCam 是一款自動監測水生物種早期發育的機器人，由英國普利茅斯大學(University of Plymouth)的研究團隊研發，並將該機器人系統作為開放原始碼專案發布，免費提供硬體及軟體設計，並在《HardwareX》期刊上發表了詳細研究。 　　這項儀器名為LabEmbryoCam，可用於測量發育中水生動物胚胎的關鍵特徵，如心率、發育速度和生長情況等。而這個方法能在整個有機體範圍內獲取高維度的表型體學數據，並同時對大量胚胎進行篩查。該機器人使用者能夠在生命最具動態性且最敏感的時期進行表型體學研究，觀測這些反應與後期生命的差異顯著性，在確認胚胎功能及其對環境反應方面發揮了關鍵作用。這對我們了解全球暖化及海洋溫度上升等對個體物種的影響，並幫助我們辨識能夠在未來地球條件下生存的物種、種群及個體，具有重大意義。【延伸閱讀】-利用雷射光和 3D 列印改良作物

英國巴斯大學(University of Bath)的衍生新創公司團隊，近期研發出一款細菌驅動電池，可從土壤中的微生物取得能量並自行充電，這項技術已在巴西進行實地測試，不僅經濟實惠，更具永續性，有望解決農業感測器供電的困難。研究團隊最初於2019年在巴西東北部的半乾旱地區進行概念驗證，建立一套以土壤發電水質淨化系統。由於這個地區主要仰賴雨水作為飲用水源，且缺乏穩定的電力供應，是這項技術測試的理想場域。研究團隊首要目標是加速農業的數位化轉型，隨著全球對農業感測器和物聯網裝置的需求持續增加，即時監測土壤健康、作物生長和環境條件的重要與日俱增，但目前的供電方式往往面臨諸多限制，例如：電纜線布設不便、一次性化學電池環保問題，以及太陽能板受天氣影響的侷限性。 　　該技術的運作原理是利用土壤自然存在的微生物-electrigen，這些微生物在消耗有機物質時會產生電子，進而轉化為電能。每個裝置預計售價約英鎊25 元，相當於新台幣978元，以此可提供農民一個實惠且可靠的供電解決方案。這項技術被研究團隊認為具有高度永續性，預計將在2026年開始小規模生產，如果未來能成功擴大應用規模，可為農業生產帶來重大影響，但仍需克服一些技術挑戰，如作物根部周圍必須為無氧環境，以防止自由電子與氧氣結合影響發電效能。 　　這項技術不僅展現科技在環境永續發展上扮演的關鍵角色，更為農業數位化提供一個永續且實用的能源應用方案，隨著日後技術改良和應用場域的拓展，有望為智慧農業開創嶄新的面向。【延伸閱讀】-西班牙發明家從大自然中創造電力

傳統上飼養產生的廢水，畜牧業者必須依法逐步處理，其中廢水固液分離的效果對整體淨化效能有重大影響。而為了達到良好的分離效果，需要根據凝集程度調整凝集劑的添加量，但在過去並沒有可以測量凝集程度的感測器，農民必須透過肉眼觀察調整凝集劑用量，不僅增加許多工作負擔，也難以因應廢水濃度的變化。近期，日本農研機構(NARO)開發出「AI凝集感測器」，它運用AI影像辨識技術改善畜牧業廢水處理流程，使其能夠精確測量廢水凝集程度，有助於廢水自動化處理。 　　新開發的AI凝集感測器透過機器學習，讓AI系統能夠辨識何謂正確的凝集狀態以及凝集劑添加不足或過量的狀態，在測試多種AI模型後發現ConvNeXt模型最適合，測量誤差最小。系統中包含一個用於拍攝凝集槽內部的攝影機，以及專門進行AI 運算的主機，可透過電腦或智慧型手機進行操作和監控。 　　經由實驗證實，該感測器可成功自動控制凝集程度，例如將凝集度設定為0.7，系統即可由此精準控制凝集劑的添加量，使凝集度穩定維持在目標值。該項技術的實用性包含以下4個方面： 1. 人員管理方面：可減少人工巡檢次數。 2. 淨化效果方面：避免凝集不良，造成固液效果分離不佳，影響後續處理效果。 3. 藥劑控制方面：精準控制凝集劑使用量，提升流程處理效率 4. 成本方面：因凝集劑所耗費用約占處理成本中的40%，故減少凝集劑浪費可降低運營成本 　　這項技術對於現在面臨嚴重人力短缺的畜牧業來說極具價值，未來預計將技轉給固液分離設備製造廠商、感測器製造商及廢水處理設施施工廠商，期望可廣泛應用於畜牧廢水處理設備中，促進環境友善並紓解人力短缺問題。 【延伸閱讀】-紙質生物感測器快速檢測農場糞便污染

中國科學院合肥物質科學研究院(CASHIPS)的研究團隊最近針對南瓜品質檢測領域上，開發出一套結合近紅外光譜技術(NIRS)和高光譜成像技術(HIS)的檢測方法。傳統的南瓜品質評估上往往需要藉由烹飪和品嘗等主觀方法，不僅耗時且缺乏客觀標準。然而，研究團隊透過對34個南瓜、97個切片樣本進行深入研究後，建立了一套能夠準確預測南瓜品質的分析模型。該模型主要藉由檢測南瓜中的澱粉含量和水分等關鍵指標，評估整個南瓜品質。 　　研究結果顯示，近紅外光譜技術有0.788的相關性，高光譜成像技術則有0.934的高相關性，表示這套方法具有極高的準確性，此外，這項技術不僅能夠快速評估南瓜的品質，還能產生直觀視覺化的「品質分布圖」，清楚展示南瓜內部澱粉和水分的分布情形。這項技術為南瓜品質檢測帶來革命性的改變，不僅省下傳統檢測方法中的主觀成分猜測，更為農民提供了快速且準確的品質評估工具，對於南瓜種植效率和即時改善產品品質具有重要意義。不但可協助農民挑選優質品種，改良種植流程，還能為食品加工業提供更可靠的原料品質保證，展現了現代科技在農業領域的多元創新應用，為傳統農業邁向精準農業提供新的技術典範。 　　隨著日後技術進一步的完善和推廣，未來可以此為其它農產品的品質檢測提供公正的參考價值，為南瓜產業發展帶來新契機，並讓消費者享受到優質的農產品。【延伸閱讀】-使用機器學習和Haar級紅外光分類器改善魚類養殖

各界關注海洋廢棄物的危害，國立台灣海洋大學副教長冉繁華說，海床「沙漠化」的影響可能更久遠，就像森林沒有樹木，比山林有垃圾更棘手。海大聯手企業打造「循環資源海洋牧場」，希望在沙漠化海域建造海洋生物的「社會住宅」，讓海洋資源永續發展。 　　海大與鴻海科技集團2023年簽署產學合作備忘錄，共同創造海洋生態多樣性與循環資源永續利用。雙方透過與尊弘環保公司合作，將廢棄建材有系統的回收，再轉化成3D列印材料，做出適合不同物種生存的魚礁和藻礁，未來可用於營造水生動植物棲息與覓食的海洋牧場，實現經濟發展與環境永續共存共榮的目標。冉繁華說，因為長年底拖漁網作業，以及河川沖刷而下的泥沙增多，台灣西部沿海出現海床沙漠化的趨勢，棲地被破壞後，即使放流魚苗，要住那裡？要吃什麼？就像山上沒有樹要比垃圾變多可怕，因此有了打造海洋牧場的構想。 為了符合「循環資源」的要求，製作海洋牧場的魚礁和藻礁，都是經過海大溶出實驗，金屬含量符合法規，無法回收再利用的建材製作而成。研發團隊將海洋牧場示範模組，投放在海大水生動物實驗中心海水池，運用復育技術植株珊瑚與藻類，實驗發現均可附著在礁體基質且適應良好。海大海洋牧場和珊瑚、藻類團隊，在校內水生中心海洋牧場示範模組，成功營造藻類和珊瑚棲地，今年將以新北市美灩山的開放式九孔池，做為魚藻礁臨海實驗基地，評估人工礁體的聚魚效益，做為未來再前往水深10至20公尺的開放海域，打造海洋牧場參考。 　　政府近年在台灣西部海域設立風電場，農業部水產試驗所依在風機海域調查的生物資料，發現底棲性物種種類增加，風機基樁對魬鯛、黃鰭鯛、三線磯鱸及斑海鯰等底棲性魚種，有較佳的聚集效果，風電場因此成為冉繁華眼中設立海洋牧場的良好地點。冉繁華把在沙漠化海域打造海洋牧場，形容是興建社會住宅，期許有了房子，就會有魚進來住，有了食物，就可以繁衍後代，建構良好的生態系。冉繁華說，海洋牧場的效益不單單復育魚蝦蟹貝，平衡海中生態系，因為海洋牧場不只造房，也造林，所以也有碳費收益，採收藻類也有很多用途，海中生物會溢散到周邊海域，還可以推廣一支釣等低度捕撈漁業和休閒產業。【延伸閱讀】-洄遊吧 一場海洋永續革命

放牧是粗放畜牧業的常見做法，這是一種利用該地區自然資源餵養動物的生產模式，然而，草的供應受天氣等因素的影響，如缺水迫使畜牧業求助於外部食物來源，導致成本提高。為了支援更高效的畜牧管理，由盧安達西亞農業和漁業研究與培訓研究所(IFAPA)領導的團隊與西班牙科爾多瓦大學(University of Cordoba)合作，藉由氣象數據和遙測技術對牧場生產力及缺水程度進行建模，探討不同時空尺度上兩個變數之間的關係，此研究屬於ScaleAgData專案，由歐盟Horizon Europe計畫資助。 　　試驗地點在科爾多瓦北部的林牧混合地區進行，該地屬地中海型氣候，是西班牙重要的畜牧區，容易受到乾旱影響，研究團隊收集2001-2018年間歷史氣候資料及遙測數據，分析季節及空間上的變化並建立生物量及蒸發散量模型。研究結果顯示，在嚴重乾旱期間，生物量顯著下降，如2004、2011兩個嚴重缺水的年份，草量分別下降42%、67%，空間分析顯示該地東部中心是草量最高產的地區，該地坡度平緩且有適度的樹木覆蓋；季節分析顯示春季提供整年50%草量，然而，當春季遇上缺水時，秋季將扮演重要的角色，可提供30%的年草量。藉由研究團隊建立的模型，根據可利用水分建立牧草量曲線，可協助放牧管理及蓄養牲畜數量決策，目前此工具已由該省最大的畜牧合作社COVAP 推出，協助將資訊傳達給各成員。此外，此方法也可應用在其他地中海氣候及半乾旱地區，促進氣候變遷影響下更有效的水資源利用及永續管理。【延伸閱讀】-開發感測器檢測植物內部的pH值變化，方便農民提早發現植物缺水危機

生咖啡豆的品質及整齊度嚴重影響後續烘焙及最終風味，傳統以人工檢查，過程耗時、耗力且較易出錯導致品質不一，研究人員致力於開發自動化選豆機，目前在台灣已有一台採用 AI 演算法進行即時檢測的選豆機-Avercasso CS1，然而該演算法和設備並不公開，因此孟加拉及日本研究團隊合作，藉由AI建立準確度高的YOLO模型，協助自動檢測及分辨劣質的生咖啡豆，以提升效率與確保品質。 　　YOLO（You Only Look Once）是一種用於即時物件檢測的深度學習演算法，能同時檢測及識別多個物體，且效率及精度高，已應用於醫學成像、自動駕駛汽車等。研究團隊收集5000多張生咖啡豆的高解析度影像，對6種YOLO模型進行訓練並測試其效率、準確度及速度，辨別黑色、破損、褪色及發酸等劣質咖啡豆，結果顯示，YOLOv8n準確度最佳，平均準確度達0.995，且偽陰性及偽陽性機率最低，藉由修改關鍵元素後優化機器學習效率，對此模型進行微調後，使模型能夠更聚焦於咖啡豆的相關特徵，進而提高缺陷檢測及分類準確性。然而，此模型的仍有一些限制，例如著重於單一來源的咖啡，對於其他國家或品種的咖啡可能並不適用等。相關文獻發表於Scientific Reports期刊。 　　透過自動檢測有缺陷的生咖啡豆，此模型有助於加強咖啡產業的品質控制，也為農業自動化的未來創新奠定基礎。研究人員表示，未來將擴大資料量，收集多個來源及更多種缺陷的咖啡豆，使模型應用性更廣泛，或整合物聯網(IoT)設備，期望能應用於其他農作物上。【延伸閱讀】-智能監測咖啡豆的熟成及品質

近期隨著氣候變遷與人口過剩的多重挑戰，農業上迫切需要提高生產力，極端天氣如熱浪、暴雨與乾旱等自然災害會對植物造成環境緊迫壓力，造成作物產量降低，威脅農田、森林等生物多樣性的安定。為了輕鬆監測植物狀況，日本東北大學近期開發一種可安裝在葉子上的感測器，該技術可幫助農民提高作物產量與進行作物栽培管理，滿足民眾的糧食需求。 目前精確監測植物科技，雖然可利用無人機等設備從工廠上方進行監測，但只能較大方向的表面資料，而其他小型感測器也需要現場人員手動安裝並檢查每個感測器。為了持續監控作物細小變化，研究人員開發一種可直接附著在葉子底部的新型感測器，不干擾植物陽光吸收。這種設備藉由光譜感測器和光源來測量葉子顏色，且可追蹤作物在同一地點隨時間的變化。感測器具有Wi-Fi數據傳輸與防水功能，可在戶外一個多月持續工作，有效延長數據收集時間，並即時提供植物細小變化數據，替沒有時間手動檢查每棵植物的農民節省大量時間。 　　 　　在利用30種不同植物、約90片葉子測試下，與商業用光譜儀相比，感測器在8個波長中的其中7個都達到高精準度，特別是在620nm波長下的測量結果與專業葉綠素計相似，且在550nm波長下感測器讀數變化與植物所承受的壓力反應相符，可與常用的光化學反射指數(Photochemical Reflectance Index, PRI)表現相互對照。另外在現實戶外試驗測試下，將感測器裝在樺樹葉上，追蹤在秋季、落葉季與兩週內的樹葉顏色變化，並可藉由設備觀察到植物反應隨陽光強度的波動變化以及葉綠素減少。透過這種高效能的感測技術，可為大規模植物健康網路健康的建置提供更多的可能性，該項技術不僅可適用於智慧農業生產，也可應用於森林植被健康研究等多項領域，代表農業生產管理朝更精準及有效率的方向持續邁進，為農業科技發展注入更多活力，並為解決全球糧食安全問題提供有力支撐。【延伸閱讀】-讓植物說話-科學家發明感測器即時監測植物體內變化

隨著科技發展，農業生產型態正逐漸改變，透過發展衛星影像、無人機感測技術和人工智慧技術，幫助農民面對許多進行農作物生長、農業濕度管理、精準灌溉控制與掌握最佳收穫時機，大幅提升農田種植效益及農產品品質與產量。例如對於花生、馬鈴薯及紅薯的種植者，花生、馬鈴薯及紅薯可食用部位皆於地下生長，導致在採收期時常需估計最佳收獲時間，也無法準確預測作物品質與產量，直到採收時才能了解情形。因此，巴西聖保羅州立大學(UNESP)開發遙測技術，透過衛星影像或無人機中內建感測器，結合農業機械中的感測器和AI工具，建置電腦模型，幫助農民透過遠端分析檢測花生等農作物的產量與成熟度。而為了準確獲得估計數據，研究人員分析無人機或衛星拍攝的影像，這些影像捕捉了植物對光的反射率，包含它在綠色、黃色及藍色等可見光和紅外線、近紅外線等不可見光所反射的太陽能，電腦根據該反射率的計算，便可以此估計作物成熟度。目前已可預測花生成熟度，準確率超過90%，無須連根拔起，甚至可以預測紅薯大小。透過該技術估算作物的生產能力，可以監控農業機械於更適當的時機採收，以此提高生產力及採收效率，減少採收損失及密集耕作產生的二氧化碳排放。 　　此外，研究團隊也研發出新的土壤濕度監測系統，藉由該系統內建雷達發射三個不同波段相互作用，接觸並穿透土壤，可以預測作物產量，準確率超過90%，並發展為可變水流速率灌溉系統，精確用水管理，避免水資源浪費。目前該技術已開發至現場實驗、方法驗證以及甘蔗園實地測試。而該技術研發目標也與歐洲另一項技術研發目標類似，是藉由透過無人機分析影像與蒸發水量指標，精準管理水資源地圖，有效辨識缺水區域，進行即時調整。 上述技術雖然已發展逐漸成熟，但於實地於田間應用仍有段距離。不可懷疑的是，這幾項技術已對於現代農業科技發展開創了新的途徑，協助農業應對更多氣候危機與糧食危機。【延伸閱讀】-運用數位相機和AI監控土壤濕度並進行智能灌溉

現有設備主要依賴視覺方法來捕捉有限的訊息，且容易受到光照條件、天氣變化或背景干擾的影響；為了克服這些限制，中國的研究團隊開發了這款機器人，模仿人類皮膚的機制，透過「觸摸」植物來收集訊息，並將研究發表於《Device》期刊上。當機器人的電極與植物的葉子接觸時，設備會測量多個屬性，如在一定電壓下能儲存的電荷量、電流通過葉片的難易程度，以及機器人抓住葉片的接觸力等，接下來這些數據會透過機器學習處理，進行植物分類。 　　研究指出，該機器人以97.7%的準確率辨識了10種不同的植物物種，能夠測量表面紋理及水分含量等無法透過視覺獲得的資訊，並且能對不同生長階段盛開的紫荊植物葉片做100%的準確辨識。未來，大型農場主人及農業研究人員可以利用這款機器人來監測作物的健康與生長情況，並根據需求定制灌溉、施肥和害蟲控制策略。 　　未來研究團隊計畫透過收集更多物種的數據，擴大機器人能辨識的植物種類，增強他們用來訓練演算法的植物物種數據庫，並且進一步整合設備的感應器，使其能夠在沒有外部電源的情況下即時顯示結果。 【延伸閱讀】-「茶園智慧除草機器人」 就是你的田間小幫手

美國阿肯色州由河流堆積的三角洲是該地的農業重心，然而隨著氣候變遷，乾旱有逐漸加劇的趨勢，因此阿肯色州農業實驗站(Arkansas Agricultural Experiment Station)的研究人員，分析衛星影像與乾旱及植被間的關聯性，觀察乾旱模式的變化及分布，並開發了Arkansas Vegetation Drought Explorer v.2.0，以評估過去數十年間該州受乾旱的影響。 　　研究人員首先建立植被健康指數(Vegetation Health Index, VHI)，VHI由衛星影像觀測的植被狀況及溫度組成，健康的植被反射較多的陽光，而乾旱逆境下反之，再結合VHI與氣象資料建立乾旱指數以量化乾旱情形。研究結果顯示阿肯色州於3-8月的乾旱頻率較高，3月最為嚴重，近32%為重度至中度乾旱，10-11月則逐漸舒緩，且東部、南部最為頻繁，尤其是密西西比河沖積平原。在14-180天的時間尺度上，短期乾旱情況不斷加劇，農地受到作物需求及季節變化導致影響更為明顯，然而將時間拉長至2-5年跨度，許多地區反而逐漸變得潮濕，顯示生態系統能隨時間推移恢復達到平衡。 　　綜合乾旱指數與地圖，研究團隊開發了Arkansas Vegetation Drought Explorer v.2.0，提供用戶追蹤隨時間乾旱的變趨勢及對植被的影響，使政策決策者及農業管理者能夠制定更有效的策略、改善水資源管理、減少乾旱帶來的影響及防範氣候變遷帶來的不確定性，提升農業的永續性。 【延伸閱讀】-旱災求生！乾濕交替的灌溉模式種稻 可省水三成旱災求生！乾濕交替的灌溉模式種稻 可省水三成