結合衛星影像與機器學習 提升玉米霜凍損害評估準確性

極端氣候對玉米生產與損害評估挑戰

　　氣候變遷導致的極端氣候事件如乾旱、暴雨及霜凍，對農業糧食作物生產造成顯著影響，特別是對生長高度依賴氣候條件的玉米作物。然而，傳統損害評估多仰賴人工調查，不僅耗時，也難以在大範圍農業區域中即時掌握災損情形。

衛星遙感與機器學習整合方法

　　為提升評估效率，巴西聖保羅州立大學(Universidade Estadual Paulista)的研究團隊開發一套結合衛星遙感與機器學習的分析方法(GEEadas)，用以評估2021年霜凍對玉米作物的影響。研究以巴西巴拉那州西部中部地區為例，分析約70萬公頃第二期玉米種植區，整合Sentinel-2多光譜衛星影像與隨機森林模型，進行玉米作物辨識與災損分類。

霜凍影響範圍與模型評估結果

　　研究結果顯示，該區約有70%的玉米種植面積受到霜凍影響，模型整體準確率達96%。進一步分析指出，2021年當地乾旱導致播種時間延後，使作物生長期與6月霜凍事件重疊，進而放大了災害影響，顯示氣候事件的交互作用對產量具有關鍵影響。

方法效率與資料一致性比較

　　相較傳統田間調查，該方法可快速提供大範圍且具空間分布的損害評估結果，並與官方統計與保險索賠資料呈現一致趨勢，有助於提升災損評估效率並降低不確定性。

遙感技術於災損評估之應用

　　整體而言，結合衛星影像與機器學習的遙感方法，可在大尺度農業區域中提供即時且具準確性的災損評估，有助於農民、保險機構與政府掌握風險並進行決策，強化農業韌性。本研究已發表於2025年《Remote Sensing Applications: Society and Environment》期刊。

【延伸閱讀】- 開放商業衛星影像資料可提升對小農場生產模式的監測能力