核心技術
AI智慧需水模型與自動灌溉管理系統
讓灌溉決策從「農民感覺」進化為「土壤數據說話」。以田間持水量（FC）、易利用水（RAW）為觸發閾值，結合作物生育期與氣象蒸散，自動計算每次最適補水量，再由電磁閥直接執行——老薑過灌引發軟腐病的風險，從根源消除。
土壤基礎建模
感測器即時採集
AI 動態決策
電磁閥自動執行
核心痛點
一場過灌，可以毀掉整季老薑
老薑對根域缺氧極度敏感，傳統「覺得該澆了就澆」的方式，在多雨或高溫蒸散劇烈的時節尤其危險。問題不只是「澆多少」，而是「怎麼知道現在該不該澆」。
過灌 → 軟腐病
老薑根系在積水缺氧環境下數日內即可引發軟腐病，而肉眼難以判斷土壤深層含水狀態，過灌往往在察覺時已難以挽回。
需水量因土因期而異
砂質土與黏質土的田間持水量（FC）可差異數倍；發芽期、旺盛生長期、根莖膨大期的耗水係數也各不相同，統一的澆水時程無法滿足動態需求。
人力判斷難以持續
即便有經驗豐富的農民，也無法 24 小時隨時監控土壤狀態，更難以在降雨前精準預判是否該停止灌溉。
薑作物土壤水分區間示意
系統在 RAW 帶觸發灌溉，補水至 FC，確保根域永不進入過灌或永久凋萎區
系統設計理念
三個核心設計原則
本系統不追求複雜的黑盒 AI，而是以清晰的農業物理模型為基礎，讓每一個灌溉決策都有明確的數據依據與可解釋的邏輯。
水量平衡模型
以 RAW（易利用水）作為灌溉觸發下限、FC（田間持水量）作為補水上限，精算每次補水量 = FC - 當前土壤含水量，杜絕過灌與缺水兩個極端。
生育期動態調整
老薑發芽期、快速生長期與根莖膨大期的根域深度與耗水係數各異，模型依生育期自動切換參數，全程貼近作物真實需水曲線。
田間觀測持續校正
定期調查葉色（1–4 級）、葉片姿態、冠層溫度等田間作物反應指標，以實際觀測值持續校準模型，避免純計算與田間現實的漂移。
可延伸應用：嫩薑 · 粉薑 · 其他薑類作物
老薑、嫩薑與粉薑的主要差異在採收時期，作物本體相同。本模型建立後，可依各型態生育期長度與根域特性快速校準，延伸至完整薑類作物水分管理體系，提升整體應用價值。
執行架構
從感測到執行的完整閉環
硬體感測層、即時數據層、決策模型層與自動執行層四層整合，確保灌溉有據可依、有令必行。
01
土壤基礎建模
分析田區土壤質地、視密度與吸水特性，建立 FC、PWP、PAW、RAW 等關鍵水分參數，作為決策引擎的物理基礎。
02
感測器即時採集
多深度 FDR 含水量感測器 + 土壤水勢張力計，搭配氣象站（降雨、氣溫、濕度、日照），持續回傳根域水分動態。
03
AI 動態決策
當土壤含水量低於 RAW 閾值，自動計算本次最適補水量（補至 FC）；結合降雨預測規避過灌風險；依生育期動態調整參數。
04
電磁閥自動執行
決策訊號驅動電磁閥啟閉，自動完成灌溉；農民從操作者轉為系統監控者，大幅降低人力依賴。