智慧隨機模型可預測氣候變化下的土壤水分

　　植物可通過土壤中的養分和水分維持生命，故預測土壤中水分動態變化對農業或水資源管理具有重要意義。然而，利用電腦模型預測土壤濕度是一項具有挑戰性的任務，需要考量土壤質地、植被、氣候(包含日照、風、溫度、降水等)、地形等資訊，且模型開發、應用和分析方法也至關重要。大多數常見的水文模型都是根據回溯性資料(retrospective dataset)進行校正，且不考量氣候變化，進而假設降雨與徑流的固定關係；這樣的模型應用時會加深估計土壤濕度變化的不確定性，並產生較大的誤差。

　　美國國家航空暨太空總署於數前年發射GPM(Global Precipitation Measurement)和SMAP(Soil Moisture Active Passive, SMAP)衛星，可幫助進行全球性的降水觀察，通過良好的模型預測，能夠幫助增進農業效率。而韓國慶北大學(Kyungpook National University)與美國德克薩斯州A&M大學(Texas A&M University)合作，通過結合隨機隱馬爾可夫模型(Hidden Markov Model, HMM)與遺傳演算法(genetic algorithm, GA)，提出了一種新型演算法，可幫助校正不同時空下的衛星數據與驗證其他水文科學研究。【延伸閱讀】農業先進大國荷蘭將邁向新的挑戰—應用宇宙衛星預測作物生產

　　GA屬於一種進化演算法，而HMM則幫助調整模型所需的輸入參數，使預測結果更加符合實際情形。此演算法在美國愛荷華州和伊利諾州進行測試，與過去文獻提出的SWAP(Soil-Water-Atmosphere-Plant)-GA方法相比，更提高預測的準確性。

　　此研究為隨機模型的首次應用，並開拓了使用衛星數據預測土壤水分動態變化的方法。雖在預測每日水分變化仍具有技術上的侷限性，但可進行較大空間與時間尺度的土壤溼度預測，並根據氣候變化進行調整，且只需使用現有氣象站的降水數據；不但簡化了參數輸入與模型結構，更縮小了預測的錯誤性。可協助氣候變遷影響下，未來的農業及水資源管理效率提升。

資料來源

• Science Trends
• Development of non-parametric evolutionary algorithm for predicting soil moisture dynamics

文章摘譯

• 農業科技決策資訊平台管理團隊