結合衛星、超級電腦和深度神經網路分析辨識並提供即時作物類型
2018/06/19 @國際
示意圖
遙測技術最早起源於登高望遠時以相機記錄大地圖像，隨著科技發展，飛機、直升機、衛星等遙測載台種類越趨多元，圖像拍攝與分析判讀技術也日益精進，有助於人類掌握環境資訊的分布情況。廣義的遙測技術是指不經接觸物體表面而取得物體、地區或現象之資訊的技術，狹義的遙測技術則是以電磁波為主要探測訊息，藉以觀測大地現象；遙測技術需考慮遙測感應能量的類別、光源、觀測對象、能量在大氣中的傳遞與干擾。
智慧農業的興起，將原本用於氣象或地理觀察的遙測技術應用於農業觀測，Landsat 系列衛星為美國太空總署 (National Aeronautics and Space Administration，NASA) 的地球觀測衛星，自 1972 年 Landsat-1 發射至今已持續在地球上連續觀測近40年，主要利用可見光與紅外光等電磁波光譜特性的差異收集地面圖像。而玉米和大豆是美國主要的經濟作物，準確得到作物生長的即時狀況有利於進行市場評估、作物保險、土地租賃與供應鏈物流等各種決策進行；然而過去的技術仍無法良好區分玉米田和大豆田間的差異，美國農業部在收穫後四至六個月才能提供全國玉米和大豆種植面積。
伊利諾大學(University of Illinois)自然資源與環境科學系分析了三顆Landsat衛星所收集2000-2015年的光譜數據，發現短波長紅外線(Short Wave. Infrared，SWIR)，對於鑑別玉米和大豆之間的差異非常有用。SWIR波段能有效反映葉片中水分含量，搭配Blue Waters和ROGER超級電腦的深度神經網路(Deep Neural Network，DNN)以學習及分析數據，就可順利區分大豆和玉米植株間的差異。【延伸閱讀】日本佳能MJ集團利用攝影相機與AI技術掌握作物採收
此研究所有實驗均在伊利諾州中部進行，評估哪些資訊對於訓練分類的機器學習模型最有用，以及空間和時間因素如何影響分類狀況，這項新技術可以在7月底之前(種植後兩到三個月)區分兩種主要農作物，並達成95%以上的精確度。
相關研究發表於<Remote Sensing of Environment>
資料來源
- ScienceDaily(科學日報)
- A high-performance and in-season classification system of field-level crop types using time-series Landsat data and a machine learning approach
- 文化部-臺灣大百科全書-遙測技術
文章摘譯
