AI模型預測大豆生育障礙發生風險

2026/07/10

摘要

日本農研機構（NARO）開發AI模型，用於預測大豆生育障礙發生風險。該模型整合品種特性、氣溫變化與土壤水分等環境資料，並以16年約 500筆種植案例進行訓練。結果顯示，開花後持續高溫為未熟落果與裂皮粒之主要影響因子，風險隨氣溫累積增加，有助於支援栽培管理決策。

文章資訊

國際

刊出日期：2026/07/10

資料來源

NARO

文章摘譯

農業科技新脈動平台管理團隊

文章關鍵字

機器學習生育障礙大豆氣溫累積土壤水分

大豆生育障礙發生背景

　　大豆栽培過程中常發生未熟落果與裂皮粒等生育障礙，影響收穫效率與品質。隨氣候變遷導致高溫與乾旱等極端環境增加，使障礙發生機制更難掌握，進而影響播種時期、品種選擇與栽培管理決策。過去亦缺乏可量化分析之方法，限制生育障礙之預測與預防。

機器學習如何建立預測模型

　　日本農業・食品產業技術綜合研究機構（National Agriculture and Food Research Organization, NARO）蒐集涵蓋寒冷至溫暖地區之4個試驗地點資料，累積16年約500筆大豆種植資料，包括品種特徵、氣溫與土壤水分等環境變數，並採用機器學習方法建構預測模型。模型涵蓋生育期間各階段環境條件，並透過交叉驗證評估其預測能力，以確保模型在不同氣候條件下之仍具穩定預測能力。