商品詳情
病蟲害預測，到底該信什麼？
日本花半世紀、每年 3 億日圓做全國病蟲害調查，最新分析卻得出一個顛覆直覺的結論——最準的預測不是 AI、也不是氣象，而是「你自己田區的歷史紀錄」。這對台灣農友的三個啟示。
技術依據：NARO 農研機構（Sun, Ochi & Yamanaka, PLOS ONE, 2025）日本全國病蟲害調查分析；在地應用由禾康整理
一份半世紀、3 億日圓的資料
先看這份研究有多硬，結論才有份量。
日本自 1940 年代起，由農林水產省主導全國病蟲害田間調查，每年花費約 3 億日圓、持續超過半世紀，累積了 43 種作物、141 種病蟲害的長期紀錄——這是全世界獨一無二的資料庫。NARO 用這批資料測試了 8 種預測方法（含 ARIMA、SARIMA、隨機森林等 AI 模型），想找出「到底怎麼預測病蟲害最準」。結果，很意外。
啟示一：最笨的方法，最準
複雜的 AI 模型，輸給了「算過去五年平均」。
研究比較了多種演算法，結果最簡單的「過去平均法」（PA）——單純取過去幾年同期的平均值——表現最好，勝過 SARIMA、隨機森林這些複雜模型。
對農友的意思很直接：與其追求高科技預測，不如老實記錄自己田區「每年什麼時候、什麼病蟲開始出現」。這份你自己的歷史，就是最準的預警工具。
啟示二：氣象資料，沒你想的有用
加了氣象的模型，預測反而變差。
意外的是，納入氣象資料的模型（SARIMAX、隨機森林）表現反而最差。原因在於——病蟲害不是天氣到了就發生，而是作物長到特定階段才發生：例如蚜蟲與白粉病，通常在小黃瓜種植後幾個月才上身。
所以與其盯著氣象預報，不如盯著「我這批作物種下去幾天了、現在第幾個生育階段」。播種日 ＋ 生育階段，往往比氣溫雨量更能告訴你「該開始預防了」。
啟示三：鄰田作物會不會連動？多數不會，但有例外
別一聽到隔壁有病就全面恐慌，但有幾組要特別盯。
研究發現，同一種病蟲在同地區不同作物間，九成以上沒有明顯連動。但有少數例外呈現中度以上正相關，這幾組就值得你特別警覺：
| 類型 | 會連動的組合 | 農友提醒 |
|---|---|---|
| 果樹害蟲 | 薊馬、蚜蟲在柑橘、葡萄、柿、蘋果之間 | 果園混植時，一種果樹見蟲就查其他 |
| 蔬菜病害 | 嵌紋病、白粉病、露菌病在小黃瓜、番茄、青椒之間 | 設施多種蔬菜時，一種發病就全場警戒 |
| 水稻病蟲 | 稻熱病、條紋葉枯病、螟蟲、縱捲葉蟲在早植與普通植期稻之間 | 早稻發生，普通期稻要提前防範 |
核心結論：把預測權拿回自己手上
這份研究最大的價值，是告訴你「不必等別人預報」。
最強的病蟲害預警，是你自己田區的歷史
NARO 的結論翻成白話就是：記錄你自己田區「每年同期的發生狀況」＋ 緊盯「作物的生育階段」，比任何氣象 AI 都準。因為你的田有自己的土壤、微氣候、前作殘留與品種特性，這些都不是區域氣象站抓得到的。
更重要的是——既然「生育階段一到就會發生」，那防治就該從關鍵生育期前提早布建，而不是等病發了才救。這正是預防勝於治療的科學根據。
實作：田間紀錄怎麼開始
不用複雜系統，一本本子或手機備忘錄就能起步。
⚠️ 提醒
本手冊不提供農藥名稱與劑量。實際防治請洽植物醫生或當地農改場，並遵守安全採收期。預測與紀錄是為了提早預防、減少用藥，而非取代專業診斷。
禾康病蟲害預防整合方案
供應商 ＋ 顧問一站式：田間紀錄、生育期排程、預防性資材到位。
技術引用來源
- NARO 農研機構（Sun J, Ochi S, Yamanaka T, PLOS ONE, 2025）：日本全國病蟲害調查資料分析、預測模型比較與作物間相關性
- 農林水產省（MAFF）全國病蟲害發生調查：半世紀長期監測資料來源
- 禾康整理：研究結論之台灣田間應用與紀錄實作建議
