農業氣象資訊加值與災變天候調適
| Table Header | Table Header |
|---|---|
| 發表者 | 姚銘輝 研究員 |
- 110年期末執行成果
-
- 開發「格點化第3、4週溫度三分類機率預報」:採用貝氏模型平均法(BMA)與相似資料降尺度(SPP)建置均溫預報模型，長期預報評估顯示兩方法皆具有預報技術；在冬半年兩者\表現相當，夏半年則以BMA明顯較佳，故採用BMA方法進行第3-4週週均溫三分類機率預報作業化系統之建置，提供韌性農業團隊需求單位介接此預報產品。
- 利用全球模式預報與臺灣高解析雨量觀測分析場，開發同步完成偏差修正與降尺度之降雨預報校正技術。長期預報評估結果顯示:所發展的未來一週連續5日不降雨機率預報高度可信，且明顯改善原始模式預報低估不降雨機率的現象。
-
- 新增34個農業客製化預報點位，至110年底共130個，提供各點位氣象預報資訊，以及畜牧業所需之溫濕度指數(THI)預報。
-
- 芻料生產地理位置與酪農乳牛場分布具緊密之地緣關係，由乳牛場分布位置、乳牛飼養頭數、產乳量及溫溼度指數(THI)變化，可進一步推估芻料的需求量，作為風險規劃之地理圖資。利用中央氣象局「農業氣象觀測網監測系統農業氣象」，已衍生建立82場次酪農THI觀測示範點，全國酪農戶約559戶，正逐步加強農業氣象資訊加值應用。
-
- 透過溫度與蔬菜生產量關係，以鮮重比例80-100%間定義為作物生長最適溫度範圍，研提5種夏季短期葉菜生長最適溫度範圍之高溫門檻值(減產2成)為警戒值。
- 協助農業災害應變作業，共計提供9場次預警簡報(2場低溫、5場颱風及3場豪雨)，提供農試所於農委會會內報告使用，各場試所於各自社群（FB粉絲團、官網）進行推播。
-
- 協助提供農業客製化氣候變遷趨勢分析圖集，已被應用於農委會110 農科-13.4.1-農-C4「重要農產業因應氣候變遷之風險評估及調適策略研究」計畫。
-
- 由於全台各縣市的作物專區個數逐年增加中，為幫助使用者功能操作更便利，因此本年度規劃在作物專區新增電子地圖瀏覽功能，可以與舊有查詢方式下拉式選單，作物列表介面功能進行切換，查詢全台各縣市的作物專區氣象資訊與警示燈號。各縣市之作物專區會標示於縣市地圖，使用者點選作物專區圖示後，縣市地圖下方會顯示作物專區名稱與查詢鍵，點選查詢鍵直接連結該專區功能查詢頁，查詢專區簡介、專區燈號警示、專區氣象預報及觀測資訊。
-
- APP雙版本110年下載人次Android系統549人次、IOS系統407人次，合計共956人次，累計下載5,073人次，統計今年1-10月份APP點擊次數合計11,213次。
-
- 本年度各單位共完成作物防災栽培曆擴充累計17種，包含水蜜桃、桶柑、茂谷柑、芒果、文旦、椪柑、洋香瓜、柳橙、小胡瓜、小果番茄、南瓜、梅樹、茶樹等13種作物。
-
- 解決紅龍果夜間開花遇到降雨使得雄蕊產生的花粉被沖洗流失與易出現病害感染。在高機率降雨情形下先以塑膠杯套住紅龍果花朵，使花朵的花瓣、雄蕊及雌蕊均受到保護，而避免雨水淋洗造成花粉流失。採收果實的平均果重較未套用塑膠杯者重，且果實濕腐病發生率也大幅下降。
-
- 建立荔枝與番石榴災後航拍影像判釋深度學習模型，利用人工完成的荔枝花序影像特徵標籤860個與番石榴落果影像特徵標籤2215個，進行深度學習訓練，然而最終所得之模型判釋準確率分別為70%及72%，仍不足以應用於荔枝花序與番石榴落果之自動判釋。欲改善模型判釋準確率，首先需提高無人機相機之解析度，以獲得更清晰之影像，再者是提高特徵標籤數量提供深度學習，以使AI自動判釋模型在荔枝花序與非荔枝花序、以及番石榴落果上達到更佳的深度學習狀態。
- 後續規劃及展望
-
- 目前荔枝花序模型判釋準確率有提升，但判釋準確率只有70%，仍未達80%。後續將於AI自動判釋荔枝花序時，利用常態化植生指標(NDVI)來增進深度AI對於繁複與稀疏花序之間的學習。
-
- 目前番石榴落果模型判釋準確率只有72%，原因為航拍影像在判釋時遇到解析度不足問題，且有影像拖影現像，因此明年將購買新的航拍影像相機來提升航拍影像解析度問題。
-
- 後續規劃111年將110年產製的產業分析報告移轉至分項一，進一步延伸至農業以至於整體社會衝擊調適報告，在未來氣候情境下人口之糧食供給及需求調適規劃等農業經濟方面相關研究。