結合衛星影像及機器學習繪製肯亞土地利用地圖，以支援土地管理及規劃決策
2025/05/13 @國際
摘要
藉由衛星影像及機器學習，結合實際利用情形及植生指數，繪製肯亞南迪縣土地利用地圖，部分作物準確率達0.8以上，期望未來能持續提升畸零地辨識準確性並擴散應用至其他區域，協助支援土地利用決策。
示意圖
農作物地圖對於農業及土地利用之規劃與管理扮演重要的角色，可用於預估產量、統計作物栽培面積、預測農作物價格、評估農損以及生態系檢康狀況等。在CGIAR低排放食品系統研究倡議(CGIAR Research Initiative on Low-Emission Food Systems)下，研究團隊藉由時序性的衛星影像及機器學習技術繪製肯亞西部南迪縣(Nandi County)主要作物類型及生態系統地圖，以增進農業永續操作及更具氣候韌性的土地管理方式。
研究收集了地面實際狀況數據涵蓋910片農地、9種作物，如玉米、咖啡、茶葉、甘蔗等，並收集2022年9月至2023年9月間Sentinel-2衛星影像，結合常態化差異植生指數(NDVI)、常態化差異水分指標(NDMI)等指數，藉由隨機森林演算法進行分類，結果顯示可成功分類茶、甘蔗、牧草及森林地區，準確率達0.8-0.91，而玉米及咖啡則因為土地較破碎準確度較低約0.7，此模型已成功應用於臨縣如Vihiga及Kisumu，且以視覺化方式呈現，期望能提供決策支援。
此模型具有多種潛在的應用性，包括土地利用變化分析、碳匯分析及情景分析。研究團隊將新的土地利用地圖與舊版進行比對，發現2000至2020年間，樹木覆蓋率減少20%、Kisumu地區城市擴張最快速、Nandi地區農業用地逐漸減少。此外，研究發現相較於一年生作物如玉米，茶園的碳匯較高，若茶園面積擴張20%，可有效增加碳封存能力。
本技術結合了衛星影像及機器學習繪製土地利用地圖，提供土地利用及管理的工具，未來將改善模型對於零碎地區的準確性並將模型擴散應用至其他地區，以支援永續農業及低碳排系統相關決策。【延伸閱讀】-氣候智慧型農業：衛星技術如何在農業上運作
資料來源
文章摘譯
