技術前瞻

    西班牙研究團隊結合衛星遙感與田野調查資料，建立機器學習模型以監測穴居型田鼠族群動態。研究利用Sentinel-2衛星影像分析植被變化，成功預測田鼠高風險區域，模型準確率達97%，可協助農業部門及早偵測害鼠爆發並降低田野監測成本。
 

遙感與機器學習預測模型建立

    為改善監測效率，西班牙農業食品研究與發展區域服務中心(ITACyL)的研究團隊開發一套結合遙感資料與機器學習的預測模型，以監測田鼠族群動態並辨識潛在爆發區域。研究於西班牙西北部Ancares地區約1,285平方公里農業區進行，2021至2024年每年於春季與秋季進行兩次田野調查，記錄田鼠活動跡象與族群數量，調查涵蓋23,834個地塊，影響面積約8,058公頃，總計16,768次族群估計資料。

Sentinel-2衛星影像與植被指數分析

    研究同時整合Sentinel-2衛星影像資料，其10公尺解析度、高重訪頻率之特性可持續監測植被變化。研究團隊利用光譜指數分析植被健康狀況，並透過學習模型建立田鼠棲地預測器與植被損害指標，推估田鼠族群分布與農業損害風險。模型亦納入氣候變動因素，以提升預測能力。

田鼠分布與農業損害風險預測結果

    研究結果顯示，該模型能以97%的準確率識別田鼠現存及潛在擴張區域，透過植被損害指標可推估田鼠族群數量並判斷最佳監測時機，進而在族群爆發前辨識高風險區域。此法可在大範圍異質景觀中追蹤田鼠動態，大幅減少田野調查的人力與成本。

研究應用與期刊發表

    研究旨在結合衛星遙感與機器學習的監測方法，為農業害鼠管理提供更有效的早期預警工具，未來亦可擴展應用於其他嚙齒類害獸監測，並協助農業管理單位更有效配置防治資源。本研究已發表在2026年《Scientific Reports》期刊。


資料來源：農業科技-新脈動
https://agritech-foresight.atri.org.tw/article/contents/6156?Category=trend