技術前瞻

    美國德拉瓦大學(University of Delaware)地理與空間科學系研究團隊運用機器學習，結合無人機與歐洲太空總署Sentinel-2衛星影像，成功建立一套可大規模追蹤與量化鹽斑和濕地分布的新方法。研究旨在開發一套高效且可擴展的土地覆蓋分類方法，精確量化沿海農地鹽斑與濕地的空間分布及變化趨勢。這項研究不僅揭示了2011至2022年間鹽斑面積增加三倍的嚴峻現實，也為沿海農業適應與土地管理提供科學依據。
 

    美國德拉瓦大學(University of Delaware)地理與空間科學系研究團隊希望藉由結合高解析度無人機影像與大範圍衛星數據，建立自動化監測工具，為農業管理者和政策制定者提供即時、具體的鹽化風險資訊，進而制定有效的適應與緩解策略。

    研究團隊於2022年實地走訪德爾馬瓦(Delmarva)地區農場，利用無人機拍攝高解析度鹽斑影像，並結合歷史與現有的Sentinel-2衛星資料，建立涵蓋多時期的土地覆蓋數據集。研究人員訓練機器學習演算法，讓模型能辨識每個10x10公尺衛星影像格內的多重土地覆蓋類型，並進行分數化分解，準確計算鹽斑、濕地等覆蓋比例。團隊同時開發專屬公式，提升模型對鹽斑與濕地的辨識能力，並將數據與程式碼公開，便於他人複製或擴展研究。

    研究發現2011至2022年間，德爾馬瓦地區的鹽斑面積增加了三倍，大片農地已轉變為濕地或完全失去耕作能力。這種鹽化現象對糧食生產與農民生計構成嚴重威脅。新方法不僅能準確追蹤鹽斑與濕地的空間動態，還能為年度變化建立數據集，為未來土地利用規劃與氣候適應政策提供關鍵依據。團隊計劃將這些數據整合進新一代的鹽斑地圖應用程式，協助農民與管理者及時識別高風險區域。

    此項研究發表在2025年《Remote Sensing of Environment》期刊，研究貢獻在於首創性地將無人機與衛星遙感資料結合機器學習，實現大範圍、細緻化的土地鹽化監測。成果不僅揭示沿海農田鹽化的快速惡化趨勢，更為農業的氣候變遷調適、土地規劃與生態保育提供了科學工具和數據基礎。研究團隊公開數據與程式碼，促進全球類似地區的經驗交流與技術傳播，推動土地資源管理的數位轉型。



資料來源：農業科技決策資訊平台
https://agritech-foresight.atri.org.tw/article/contents/6008