第五章 植物生理感測與多光譜分析

## 5.1 序言：從「環境給予」轉向「生理回饋」 在前一章中，我們探討了如何透過精確的 LED 光譜設計來優化植物的生長環境。然而，在高度自動化的垂直農場中，單純提供高品質的「輸入」（光、水、肥）僅是基礎。真正的精準農業在於建立「動態回饋機制」。 本章的核心在於**植物生理感測**。我們不再僅是觀察葉片是否變黃或枯萎，而是透過感測技術捕捉植物在生理層面的細微變化。透過多光譜感測，我們可以預測植物的壓力反應，在肉眼可見的症狀出現前，就先行識別出營養不足、水分壓力或潛在的病蟲害侵襲。 ## 5.2 多光譜成像技術基礎 多光譜感測（Multispectral Sensing）是指利用感測器捕捉在特定波長範圍內的反射光。在垂直農業中，我們特別關注以下三個關鍵波段： 1. **紅光（Red, 600-700nm）**：植物中的葉綠素會強烈吸收此波段以進行光合作用。 2. **近紅外線（NIR, 700-1100nm）**：此波長由細胞結構反射。植物組織健康時，NIR 的反射率極高。 3. **紅邊（Red Edge, 680-750nm）**：這是紅光區與近紅外區之間的一個陡峭過渡帶。紅邊區域的偏移是衡量植物健康與活力的極佳指標。 透過多光譜攝像頭，我們可以捕捉到這些波長的反射率差異，進而轉化為數位化的健康指標。 ## 5.3 關鍵植物生理指標的量化 為了將感測數據轉化為可操作的農業指令，我們採用以下幾種關鍵指標： ### 1. 歸一化差異植被指數 (NDVI) NDVI 是目前最廣泛使用的指標，用於評估植被的綠度與生物量： $$NDVI = rac{(NIR - Red)}{(NIR + Red)}$$ 在垂直農場中，NDVI 的波動可以反映作物生長的速率以及葉片的密度。 ### 2. 光學反射指數 (PRI) PRI 透過紅光與近紅外區的反射率變動，來評估植物的卡羅氏素（Carotenoids）含量與光合作用的效率。這對於偵測作物在強光或快速變化的環境下的壓力反應非常有效。 ### 3. 葉綠素螢光 (Chlorophyll Fluorescence) 透過感測植物吸收光能後，部分能量會以螢光形式釋放。若光合系統受損（例如因病蟲害或過度缺氮），螢光強度會顯著改變。這是一種極其敏感的早期預警指標。 ## 5.4 早期預警系統：病蟲害與營養不足 傳統的監測往往是「事後處理」。透過多光譜分析，我們可以建立**異常偵測（Anomaly Detection）**模型： * **營養不足預警**：當特定區域的紅邊偏移（Red Edge Shift）變動時，通常預示著氮（N）或鎂（Mg）的流動異常，系統可自動調升該區域的特定營養液配比。 * **水分壓力預警**：透過監測葉片內部水分含量的變化（影響 NIR 反射率），在葉片開始萎蔫前，自動啟動局部滴灌系統。 * **病蟲害預警**：病原菌侵入時，植物組織會產生壓力反應，導致局部生長點的反射特徵與周邊不同。利用 AI 演算法比對多光譜影像，可定位出受感染的特定盆栽或架位。 ## 5.5 實務整合：多感測融合與預警系統 在實際的垂直農場佈建中，感測系統應整合於以下三個層次： | 層次 | 感測技術 | 目標 | | :--- | :--- | :--- | | **微觀層級** | 葉綠素螢光、葉片電導率 | 監測個別植物的生理健康與生長動力 | | **中觀層級** | 多光譜成像 (NDVI, PRI) | 監測單一架層或生產區的整體均勻度 | | **宏觀層級**** | 環境感測（溫、濕、二氧化碳） | 確保環境變動在設定的安全邊界內 | 透過這三個層級的數據融合，我們可以建立自動化的反饋迴路（Feedback Loop）： 1. **感測層**：多光譜相機每日掃描生產區。 2. **數據處理層**：AI 演算法比對當前 NDVI 與標準成長模型的偏差。 3. **執行層**：若發現偏差，系統自動調整自動化灌溉系統（如第 3 章所述）的流體配比或第 4 章提到的 LED 補光策略。 ## 5.6 章節總結與實務清單 多光譜感測是將「經驗農業」轉型為「精準工程」的核心技術。透過對光學特徵的數據化，我們可以掌握植物看不見的生理訊號，從而實踐預防性的精準管理。 在進入下一章「數據驅動的產量與週期預測」前，請確保您的感測系統滿足以下實務標準： 1. [ ] **光譜校準**：感測器是否定期與標準反射板進行校準，以確保多光譜數據的長期一致性？ 2. [ ] **紅邊偵測**：系統是否能捕捉到 700-750nm 區間的紅邊位置？ 3. [ ] **動態閾值設定**：是否為不同作物（如草莓與生菜）建立了各自的 NDVI 正常範圍閾值？ 4. [ ] **空間分辨率對齊**：多光譜影像的像素是否與灌溉系統的噴頭/滴管位置精確對應？ 5. [ ] **異動報警機制**：系統是否能自動識別異常數據並發送通知予管理人員，而非僅僅記錄數據？ 透過這些技術的整合，我們能在極高的生產密度下，維持極致的一致性，這正是城市綠色引擎的核心競爭力。