撰文╱何信甫 財團法人農業科技研究院農業政策中心助理研究員
劉頂立 農業部資訊司高級分析師 圖片╱農業部資訊司
《豐年》75期2卷文章〈農地利用調查 土地坵塊分析是趨勢〉，曾探討國內外利用坵塊執行農地利用調查地發展，強調坵塊具有精確度高且調查效率等優勢。如再帶入種植作物等資訊，結合各種地理圖資，能成為支援農業政策的關鍵基礎資料，包括作為核實發放農業天災救助金或獎勵款項依據，或在農業國土數據分析作業中，整合與展現跨部會資料等。
傳統作物調查中最為耗時耗力就是蒐集地真資料（ground truth），這是深度學習進行作物分類的基礎，因為這調查涉及大規模的田野拍攝與複雜的後處理程序，導致這類作業成本高昂。
此外，調查後所獲得的資料品質與數量對於作物分類的準確性具有決定性影響。如果能針對Google街景（Google Street View, GSV）與深度學習技術進行作物空間分布的嘗試，可大幅降低蒐集地真資料的時間與成本。
韓國學者借助Google地圖街景 高自動化蒐集農地調查資料
為此，兩位韓國學者Yulin Yan和Youngryel Ryu的研究以探索運用卷積神經網路（Convolutional Neural Network,CNN）模型為目的，透過Google街景影像進行自動化實地驗證的可行性與效用，希望開發一種高效且具成本效益的地真資料獲取替代方案。這項方法期望能適用於全球任何具備GSV影像的區域，並有效擴展至大範圍應用，以彌補傳統作物調查的不足。
在研究方法上，該團隊選取美國伊利諾州（主要作物為大豆與玉米）及加州南部（主要作物為苜蓿、杏仁、玉米、棉花、葡萄與開心果）作為研究區域，利用GSV API及Python，透過HTTP URL請求，以約30至60公尺的間隔自動下載指定經緯度座標的街景影像，並獲取全景影像的方位（東、南、西、北）及時間資訊。接著運用CNN模型對這些街景影像進行作物類型分類，其中伊利諾州分為玉米、大豆及其他三類，加州則分為苜蓿、杏仁、玉米、棉花、葡萄、開心果及其他七類，「其他」類別涵蓋森林、草地、人工結構物及水體。研究初期為確保訓練資料品質，用人工方式進行影像篩選，而篩選標準為單一均質作物類型的理想影像。
在自動生成地面參考資料時，研究團隊手動移除CNN模型誤判的次要影像。由於影像的座標為GSV車輛的位置，與實際作物坵塊位置不完全一致，研究人員運用經驗係數，將座標（x, y）從車輛位置轉移至實際拍攝到的作物坵塊上，並設置緩衝區避免參考點與道路及作物區塊像素混淆；若參考點不足，則額外移動30公尺增加點位。最後利用這些經處理的參考點進行作物像素分類（pixel classification），並嘗試調整CNN模型神經元的丟棄率（dropout rate）及輸入參數，驗證方法的穩定性與可用性。
研究結果證實，結合GSV影像與CNN模型，獲取自動化地面參考資料具有可行性與可靠性。這種幾乎完全自動化的方法，僅需少量人工後處理與品質控制，就能即時生成作物類型參考資料，不只高效且成本效益顯著，約2萬張GSV影像的收集成本僅為140美元，具有在全國規模推廣的潛力。
然而，這項方法仍有局限，由於GSV影像僅沿道路拍攝，遠離道路的農地無法被捕捉，且部分國家因隱私問題或當地限制不允許街景拍攝。另外GSV資料在農地範圍更新頻率不高，要作為具即時性的農地調查仍有難度。
農業部開發APP助天災調查 農民隨手拍照就能幫助調查
農業部為提升農業資料蒐集效率與精準度，開發並推動一系列智慧農業現地行動調查工具，主要可分為兩大類別：農產業天然災害現地調查APP與街景照相系統。
氣候變遷下，颱風、豪雨等極端氣候發生頻率逐漸升高，導致農業生產風險日益增加，傳統仰賴鄉鎮區公所人員親臨現場勘查的災害評估模式不僅費工耗時，且臺灣農地劃分相對瑣碎，難以精準依地籍區分受損區域。
為加速救災時效並革新災損評估模式，農業部資訊司於2022年汛期前緊急開發了這套服務，希望利用既有現地調查系統的共用模組，提供農民一套簡易操作的行動應用程式，使其能結合GPS定位拍攝受災農地照片，並上傳至後臺資料庫，作為後續申請相關救助金的佐證依據，以減少資源浪費並提升災害資訊蒐集效率。
這款APP的推動亦配合政策，鼓勵農民於災前災後進行拍照，不僅保障自身權益，亦能實質幫助災損審查，在iOS及Android系統上皆可使用，主要功能包括地圖顯示、攝距調整、定位系統等，並特別簡化使用者介面與操作流程以降低使用難度。其註冊方式採用手機簡訊驗證，確保使用者身分並簡化登錄流程。在資料蒐集方面，APP拍照時會同步記錄拍攝時間、空間坐標、手機姿態與地籍等資訊，並與照片一併儲存。為確保時間資訊不會受使用者調整手機時間影響，在拍攝地當下APP會取用GPS時間。
支援離線圖資下載防收訊不佳 精準定位功能確保對應目標地籍
在地圖顯示方面，使用者可以輕鬆切換包括航照圖、Google地圖及衛星圖等多種底圖模式。圖臺上清晰呈現地號資訊，透過點擊操作，使用者可進一步查看詳細的地籍資訊；此外，由於農田通常網路訊號強度不如市區，線上底圖可能會遇到需要花費較長時間載入的情況，因此APP也提供離線圖資下載功能，使用者可一鍵下載所需的縣市鄉鎮圖資。
而攝距調整上，APP設計旨在確保照片的定位精準度與目標地籍的準確對應。使用者在拍照後，可在介面上調整照片的拍攝距離，範圍從0～40公尺，以因應無法直接進入目標農田進行拍攝的情況。同時也可手動調整電子羅盤偵測到的拍攝角度，左右各15度，以確保測距「大頭針」準確落在目標地籍上。這些調整功能，有效克服田間環境複雜、地形限制等問題，讓調查人員更精準地記錄作物現況。
關於定位系統，該APP整合多種技術，以確保高精準度的地理空間資訊。初始階段，GPS精準度設定為5公尺，隨後統一收斂至3公尺，並設定當GPS品質不良（精準度大於6公尺）時，APP將無法進行拍照，以避免不準確的調查數據。但是不同手機品牌的GPS精確度差異很大，仍會有些手機無法讓GPS訊號品質收斂至「普通」，為了克服這個問題，APP能動態偵測當下座標變動情況，並進一步解算，若手機在戶外1分鐘內無法達到系統的絕對精度要求，系統會自動改採一個解算後穩定的標準值，並持續30秒的邏輯判斷，以保障使用者取得照相的機率。這些定位技術的整合與提升，確保現地照片具有可靠的時間與空間資訊，為後續的資料應用奠定基礎。
兼顧方便準確建立農田街景 校正座標功能確保資訊正確
街景照相系統是農業部利用科技手段，進行農地現況影像資料蒐集的重要工具。其核心流程始於透過鄰路農田街景協同調查作業，利用消費型輕量移動式環景相機（如GoPro Max）拍攝360度農田街景照片。
這些環景照片經拍攝後，便進入一連串的資料處理流程。首先，拍攝者需要透過「農田街景照片上傳網頁系統」進行批次上傳，此系統不僅將照片儲存於伺服器主機，亦詳實記錄上傳者、檔案數量及提交時間。隨後，系統會定期啟動定位資訊修正程序，這是將街景照片與地理圖資精準對位，並進行AI判釋的關鍵，如果定位經不夠準確，導致照片與坵塊圖偏移太多，則會使AI判釋作物的結果落在不正確的坵塊上。
此程序首先會從街景照片的EXIF檔中提取座標與時間資訊，建立街景照片點位圖層，並將照片路徑、檔名、鏡頭角度（如前向0度，右向90度）、專案名稱、調查員等資訊作為屬性記錄下來。接著進入軌跡處理階段，這過程主要是因為GoPro Max的GPS並非相當精確，從地圖上可看出未處理過的GPS資料約有數公尺至數十公尺的誤差，因此須經由這項校正，以確保街景照片裁切作業能正確產生農田坵塊的街景。
這階段會先取用既有的道路中線圖，並依道路邊線與中線縮減距離繪製成黏路用的路網圖，接著系統會進行基礎的「黏路」處理，計算第一點GPS到路網的距離和方向，修改下一點GPS點位的修正量，以校正後續軌跡點。如遇到轉彎情況，則依照前、後點間黏到的道路夾角，當角度大於135度則視為轉彎，系統會重新取距離第二近的道路進行黏路，以校正路口處的錯誤路線。
完成黏路處理後，則再過透另一組API處理截圖流程，藉此將360度的環景照片，依其點位半徑10公尺內有交集的坵塊，切出對應的農田景象照片，另為了保護個人隱私，程式會依照行徑方向與點位到坵塊中心點的連線，這個夾角稱為坵塊方位角，當此一夾角落在290～350度之間時，則不進行切圖。
上述為街景照片的整體流程，為了推廣使用及便於查找，農業部資訊司建置的農業現調相片圖臺，以航照正射影像與臺灣通用版電子地圖為底圖，疊加軌跡點與軌跡線，並提供街景工具（Widget）以便使用者檢視照片及相關資訊。
整體而言，農業部開發這些科技化的調查工具，不僅提升農業現地資料蒐集的精準性與效率，簡化行政流程，更增強系統穩定性與資訊安全，支援農地作物調查、天然災害救助及農地管理等各項業務需求，藉此提升農業公共治理品質、促進農地資源調查創新應用及便民利農。
未來，這些專案將持續精進App的使用體驗，並規畫與天然災害救助申辦流程行政整合，打造更智慧、高效的農業管理模式，保障農民權益，促進農業產業永續發展。
對應坵塊資料精準統計農業業務 結合航照影像、完整農地資料庫
透過前述方式，農業部資訊司今（2025）年已和50個鄉鎮區公所合作，逐漸實施大規模的現地調查，並已累積數百萬筆的農地資料，這些資料都屬於特定空間下的資料，對應到全臺270萬筆坵塊，再透過時間的軸線，就可以得知臺灣每年每期作每塊農地所種植的作物，於農業統計業務上是相當精準的參考資料。
另一方面，這些資料也是相當珍貴的地真資料，在蒐集資料的過程，時間上都配合農業部林業及自然保育署航測及遙測分署每年至少兩次於臺灣上空所拍攝的航照影像，經過整理後可以作為臺灣大宗作物在航照影像中的訓練資料，進一步發展各作物的AI模型，未來每年的航照影像一拍攝完成，即可運用模型進行作物判釋，並將結果輸入坵塊中，逐步節省現地調查人力，同時加快蒐集農地資料的速度。
另一方面，配合農業種植登記制度，可與政府所擁有的登記資料，如糧政系統、集團產區、天災救助、產銷履歷等協作，用前述調查方式補足政府未能掌握的農地資料，建構出完善的農地資料庫。
（參考文獻請洽作者）
