氣候科技公司 Cleatula Co., Ltd.(總部:東京都中央區,代表董事 CEO:服部倫康,以下簡稱「Cleatula」)在其於衛星地球觀測領域擁有高度引用紀錄的同行評審學術期刊「IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing(JSTARS)」上發表了新的研究成果。本研究透過結合氣象與地形數據的衛星影像 AI 框架,證實能大幅提升稻田表面水的偵測精度。 根據本研究,即使在作物覆蓋層厚且密集的條件下,與傳統方法相比,表面水偵測性能也確認可提升兩倍以上。 該公司數據科學與 GIS 負責人 Alexis Declaro 表示: 「重要的是,並非哪個衛星數據單獨最優異,而是透過結合多種要素來重現現場發生的情況。本研究期望能成為重新審視稻田水管理監測中 SAR*1 依賴性前提的契機,並重新評估根據用途和情境選擇最適合的光學數據。」 。」 本框架的特點 (圖 1)本研究提出的框架概要 在水稻充分生長的情況下,傳統衛星解析難以判斷水的有無,只能依賴推測。本研究透過整合衛星影像、氣象及地形數據,顯示能高精度偵測以往難以偵測的淹水事件。 本框架的特點不僅止於數據整合,更在於明確處理各輸入數據如何反映現場物理條件。其基礎是植被與表面水的相互作用、大氣與土壤的水分狀態、地形造成的水流動等可觀測要素,並計算出邏輯透明度與可解釋性高的預測。 本研究是該公司營運系統「SWAP(Surface Water Absence and Presence)」模型的科學基礎。SWAP 整合多種衛星數據,實現稻田單位幾乎每日的水管理監測平台,並支援間歇灌溉(Alternate Wetting and Drying)等節水減排方法的廣泛導入。 論文全文請由此處閱覽。 *1 SAR(合成孔徑雷達)是利用電波而非光線進行觀測的衛星技術,能夠穿透雲層與植被,掌握地表狀態。 論文資訊 標題:Data-Driven Assessment of Climate and Topographic Integration With Satellite Imagery for Improved Surface Water Detection Under Agricultural Vegetation 作者:Alexis Declaro、Jin Xiao、Robert Galla、Shinjiro Kanae(東京科學大學/山梨大學) 刊載雜誌:IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing(JSTARS) DOI:https://doi.org/10.1109/JSTARS.2026.3699594