研究計畫 | 應用深度學習優化農業氣象預報以提昇農業生產效益-台北市為例

應用深度學習優化農業氣象預報以提昇農業生產效益-台北市為例

本計畫以農田水利署七星管理處的台北市農業灌溉區為研究區域。已完成建構所需的深度學習模型(Stacked LSTM)。模型的輸入資料涵蓋109至112年間共計41,032筆氣象觀測資料，預報對象為影響植物生長的4項重要氣象因子（溫度、相對濕度、光照強度及降水量），並提供短長期多時刻預報（短期：1~6小時；長期：1~6個月）。本計劃進一步應用克里金方法對各個測站的預報結果進行空間内插，以視覺化提供農民整個七星灌區的氣象預報。
結果顯示相較於基準模型(氣象署模擬資料及BPNN)，所研發的深度學習模型展現了更正確的氣象預報(圖一)，因深度學習的多層架構能從大量資料中學習資料的特性與趨勢，從而提高預報精確度。以2022年10月17日的降雨事件為例，模型顯示灌區西部溫度偏低，這主要由於晚間缺乏太陽光照，加上地勢較高，使得該區域氣溫較低；而灌區東部的相對濕度較高則與當天強降雨事件有關，因為降雨過程增加了該地區的水氣含量；因屬夜間，光照強度預報值為0。

圖一、深度學習模型與基準模型的短期(下一小時)預報誤差比較

圖二、深度學習模型2022/10/17晚上11時事件之下一小時預報結果

年　　度

113年

執行單位

淡江大學水資源及環境工程系

更多資訊