結合衛星影像與機器學習提升玉米霜凍損害評估準確性

Q: 研究區域中有多少比例的玉米種植面積受到霜凍影響？

約有70%的玉米種植面積受到霜凍影響。

2026/03/27

摘要

巴西研究團隊結合Sentinel-2衛星影像與機器學習方法，評估2021年霜凍對玉米作物的影響。結果顯示，研究區約70萬公頃玉米中有70%受損，模型準確率達96%。該方法可快速提供大範圍災損分布資訊，有助於提升農業災害評估效率與決策能力。

文章資訊

國際

刊出日期：2026/03/27

資料來源

Phys.org

文章摘譯

農業科技新脈動平台管理團隊

文章關鍵字

霜凍玉米作物機器學習 Sentinel-2 衛星遙感監測

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。