智慧農業的基本功-病蟲害防治走向AI的前奏曲(下)(姚美吉講師)
介紹AI影像辨識在農作物害蟲監測上的應用,強調建立完整害蟲影像資料庫是提升判讀準確度的基礎;內容說明米象與煙甲蟲等儲藏型害蟲多於源頭即存在,預防與清潔管理重於事後治療;並建議以低溫冷藏及真空脫氧包裝降低繁殖風險;同時探討昆蟲於生物防治與替代蛋白質領域的多元應用,推動智慧化與精準農業發展。
MENU
由於氣候變化以及極端天氣事件的頻繁發生,對天氣訊息需求不斷增加,特別是農田,需要更精細空間分辨率的氣象資訊,因此NARO正在推動「網格農業氣象數據」的開發。
該數據為每1公里距離網格提供氣象數據,為了提供溫度資訊,同時考慮到冷氣流的影響,每隔幾米到幾十米安裝帶有通風裝置和遮陽罩的溫度計,以準確測量溫度,透過建立累計流量和冷輻射強度兩個指標與現場觀測最低氣溫的關係,對網格農業氣象數據中任意一天的最低氣溫進行了5米空間分辨率的修正。
研究結果發現測試地區實際最低溫低於「網格農業氣象資料」估算的最低氣溫,特別是丘陵山區等狹窄低高差大等地形複雜的農田,溫度差異接近10°C,歸究於夜間地面因冷輻射而變冷,靠近地面的冷空氣流入地形的山谷中,冷空氣在凹陷處積聚,增大了與周圍的溫差,最後利用累積流量和冷輻射強度可以準確地估算農業氣象數據。
這項研究成果於2023年發表在《農業和森林氣象》論文,此類系統不僅可以用於自產農作和農業實驗室、規劃工作日程,還能用於氣象公司發布氣溫預報、企業進行環境評估等領域,未來將對於農業天氣預估,降低農田作物之天氣損壞率等作出貢獻。【延伸閱讀】- 氣象數據支持水稻、小麥、大豆栽培管理支援系統