NASA Harvest 探索新的土壤水分監測方法

       美國國家航空暨太空總署(NASA)的糧食安全及農業計畫NASA Harvest 表示，監測土壤溼度的方法很多，地面採樣能提供最準確的結果，然而，高異質及多變性的地面條件讓該方法變得難以操作。因此，利用地球觀測 (EO) 衛星的遠距測量方法將是一個不錯的選擇，而且能大幅地減少與地面作業相關的勞動力和資源限制。
       合成孔徑雷達 (SAR) 是一種高解析度成像雷達，能夠透視雲層，增加了地面觀測的數量。SAR 衛星的工作原理是向地球表面發送雷達脈衝，並記錄從地球表面反射的訊號量。NASA Harvest藉此建立模型來測量土壤中的含水量，因SAR訊號對土壤介電常數具高度敏感性，雖然，許多研究表示SAR在測量裸土濕度方面很有用，但是在農田上的數據解讀卻不太理想，因為作物會阻止雷達完全到達地面並影響它反射回傳感器的方式。
       NASA Harvest 的 Mehdi Hosseini 博士和專案主任 Inbal Becker-Reshef 最近共同撰寫論文-探索新的作物覆蓋區之土壤水分監測方法。團隊探討了一種稱為極化分解(polarimetric decomposition)的SAR 技術。該技術應用來自歐洲太空總署 Sentinel-1 衛星任務的開放數據資料，以產生的雙極化數據參數建立出土壤水分估計模型，並使用了三種機器學習模型進行比較：多層感知器神經網絡 (MLP NN)、廣義回歸類神經網絡 (GRNN) 和支援向量機 (SVM)。以及，以加拿大曼尼托巴省 9 個地面站收集的 150 多個土壤水分樣本作為地面實況數據來訓練模型，最後加入同時間的 Sentinel-1 數據。據研究人員表示， GRNN 具有最準確的測量結果，且SVM 和 MLP NN 模型需要對許多參數進行微調，而 GRNN 只須對一個參數進行調整。因此，簡單且高準確度的GRNN成為未來理想的土壤水分監測方法。
       NASA Harvest表示，土壤水分監測準確度可能因地面條件而異。因此，需要針對不同的土壤質地和作物生長階段進行進一步研究，未來可利用被動式微波土壤水分監測平台代替地面數據收集，以增加可用的景觀類型和農業生產資訊。【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

資料來源

• future farming

文章摘譯

• 農業科技決策資訊平台管理團隊