在過去50年間，農民會在春季或農作物萌芽後不久採集土壤樣品，送到實驗室裡進行化學試驗檢測含氮化合物，但測試結果大多僅限量測植物能立即應用於生長的硝酸鹽和銨鹽含量，並不能檢驗出大部分留存於土壤有機質中的氮素儲存量，此種形式的氮需要土壤微生物的幫助，才能從土壤有機質中釋放植物養分提供玉米利用，而氮在植物生長中扮演著相當重要的角色，農民需要知道土壤中氮儲存量的多寡，才得以優化氮肥的使用效率。 　　為了解決這個問題，愛荷華州立大學的科學家最近發表了一篇論文，該研究分析了30種不同生物和化學土壤組合試驗結果，化學試驗主要測量泥土中的氮含量，而生物試驗則是測量在最佳溫度和濕度下培養14天的土壤微生物所釋放的氮含量，並利用電腦演算法從中尋找合適的試驗組合，用來預測玉米最佳的氮肥施用量，可以使微生物更有效率地從土壤有機質中釋放儲存的氮含量。 　　另外他們還將實驗結果與原先的標準化學試驗結果進行了比較，發現他們的組合測試方式，能將農地中氮肥的過量施用和使用量不足的情形減少了約40％，比起原有的化學試驗更能準確地估算玉米的氮需求。而這對農民來說十分重要，因為不僅能有效利用肥料，還能避免氮肥過量引起的徑流汙染和其他環境影響，同時改善氮肥施用不足所導致的單位作物產量降低的情形，這項研究會提供更準確的氮肥使用量建議，從而為農民帶來經濟效益並改善環境品質。【延伸閱讀】神經網路加速機器學習預測植物生長模式 　　研究人員表示在過去的幾十年中，相關的生物測試已經越來越流行，但測試所需的14天期限可能會降低此試驗的應用率，現在研究團隊正在思考縮短檢測時間的方法，期望未來能讓更多實驗室採用，獲得更準確的玉米用氮量推薦。

澳洲每年有超過2/3的地區降雨少於500毫升，是地球上最乾旱的國家。去年夏天的毀滅性叢林大火季成為全球頭條新聞，這表明降雨的缺乏具有破壞性的結果。由於水是農業不可或缺的資源，乾旱對澳洲農民而言是長久存在的問題，因此搭配提高用水效率並充分利用每一滴水的技術是不可或缺的。 　　現今，荷蘭無線土壤濕度感測器製造商—Sensoterra與澳洲國家窄頻網路公司（NNNCo）進行合作，該合作旨在為該國和整個亞太地區的農民帶來有效的用水技術，主要的運作模式是利用Sensoterra感測器收集數據，而NNNCo運用低功耗廣域網路（LPWAN）及其低功率遠端（LoRa）技術將數據傳輸到其他地區。LPWAN與用於移動數據通話、下載文件和流式傳輸內容的無線網路相反，其利用Sub-GHz來傳輸（頻率為1GHz以下，27MHz~960MHz），通常為無須執照的無線電頻率且無法處理較高的位元速率。【延伸閱讀】可搭載於蛾身上精巧且可遙控降落的感測器 　　此外，一般水分監測設備是具有線、複雜、須單獨的數據紀錄器且具高度操作技巧，因此Sensoterra即為因應這些問題而誕生，該公司在全球地面上部署了6,000至7,000個感測器，歐洲與美國的農民皆使用Sensoterra的技術來追蹤苜蓿、杏仁、黃瓜、啤酒花、馬鈴薯和番茄等農作物的土壤水分含量。 　　這項技術除了可減少多達30%農業用水外，其單點深度和多點深度感測器須依靠無線網絡的連接來收集並傳遞濕度數據，再對其進行分析以推動有關土地管理的決策。由於大多數亞太地區使用的LoRa頻率範圍相同（儘管中國和印度擁有自己的頻率），這使澳洲可成為擴張該項業務的基地，NNNCo協助將Sensoterra感測器引入澳洲的農場、農業組織和地方政府，然後再將其提供給其他亞太市場。綜上所述，這些技術適合應用於物聯網設備，以進行簡單數據的遠程通訊，如：Sensoterra的土壤探測器。 　　目前澳洲、紐西蘭與印尼的一些農民已使用Sensoterra系統，其透過手機app可每小時獲得數據，該數據會告訴農民植物水分是否太潮濕、太乾燥或是適當，使農民及時做出更好的決策，並最終最大限度地提高用水量、改善作物生長狀況和產量。

氣候變遷可從多個面向發現，如洪水、乾旱和極端溫度的發生率增加。根據奧緯咨詢公司最新報告預估僅金融服務公司因氣候相關的風險使其損失達1萬億美元。另外，在SEEDS and CRED的報告指出南亞地區-印度、尼泊爾、緬甸和孟加拉等國家共發生232次洪水、129次暴風雨、48次極端溫度和7次乾旱，這四個國家的人口約16億，佔世界人口20%以上。最近，印度與巴基斯坦的邊界出現了大批蝗蟲，導致兩國的農作物大量損失。造成這種情況其中一個主因是氣候變化，其包括雨季延長、風向變化與印度洋氣旋活動加劇。 　　事實上，人們面臨了大量蝗蟲的干擾，也面臨因高溫與化學農藥的濫用使蜜蜂種群量迅速下降，導致異花授粉作物的生產力下降等許多問題。各階層的社會都受到氣候變遷的影響，其中小農將會歸類於嚴重風險類別。印度的小型與邊緣農民擁有的土地不到兩公頃，但卻佔印度農業人口的85%，其平均每年收入約1,500美元。印度這些小農和世界上約4.5億的其他小農皆面臨到氣候變遷造成的巨大挑戰。 　　由於印度農業高度依賴地下水與季風灌溉，氣候變化易產生極大的風險。中央地下水委員會(CGWB)的研究顯示印度5,723個地下水評估單位中，有839個被過度開發，而226個則為臨界狀態，這對數百萬農民的用水造成不利的影響。印度80%的水消耗量約7,000億立方公尺(BCM)，印度農業60%的用水來自地下水，其排放率遠遠高於進水率。估計未來10年，50%的水井(4,500萬口)將會枯竭。【延伸閱讀】日本推動智慧農業、友善環境、生物技術綜合戰略 　　因此，解決氣候變遷需要各方合作，共同整合出合宜的方法，如政策制定、投資與開發新技術等。下列為過去幾年中印度農業為應對氣候變化造成的風險所開發出的創新成果，這些農業技術的創新不僅僅是為解決氣候變遷而開發的，其也為改善農場和經濟的價值鏈，故彼此產生很大的協同作用。印度農業科技涵蓋了數據科學、生物技術、生態學、社會學及許多其他的領域，儘管仍為起步的階段，但顯然需採取多個跨領域的方法來解決面臨的挑戰，以擴大並增加農民採用新技術的意願。以下為與氣候風險相關的3個農業技術類別： 1. 建立可預測氣候的數據驅動模組 　　長久以來人們利用氣象站與衛星來預測天氣，過去幾年的變化是改善硬體、電腦運算處理能力、雲端儲存，以及更重要的是深度學習模組的應用。考量到天氣模式高波動性、預測準確性和將模組進行預估的及時性測試，印度農業科技具有初創企業的精神、模組數據的風險處理和以用戶為中心的方法等優勢。這些初創企業中試圖將天氣參數和其他關鍵數據聯結起來，如水資源問題、土壤營養和作物健康等，他們透過感測器、物聯網設備和智慧手機收集農地現場的數據，而這些數據需經無人機、衛星與氣象站的數據進行交叉比對，以建立出高準確性預測模組。雖然這種複雜的數據處理需要資訊工程師、數據科學家、氣象學家、水文學家和農藝家共同合作，也需要大量資金方能執行，但印度的初創公司克服此項困難，他們以各自的專業領域為起始點，逐漸融合多硬體與多變量模型，同時與公共機構合作，如印度空間研究組織（ISRO）、印度農業研究理事會（ICAR）、印度氣象部門（IMD）和農業大學，如此可加快新模型的開發。印度農業科技初創公司，如SatSure、CropIn、Farmguide和Skymet已使用衛星圖像和氣象站為大片農田開發新型模組，而BharatAgri、Fasal、Krishitantra、Cultyvate、Senseitout和AgSmartic等初創公司使用感測器、物聯網與智慧手機以提供水、肥料、作物健康和預防措施的精準建議。將這兩項數據模型與方法融合來進一步推動氣候風險預測的準確性和及時性，從而有利於農民和其他價值鏈的相關人員。 2. 節約資源的方案 　　印度的節水方法中，常見的為滴灌和微灌，但僅達15%的應用潛力。隨著腐植質儲量和土壤肥力的下降，不僅需要水，而且還需要立即注意土壤保護，因此通過定制肥料來改正氮磷鉀比例以改善土壤肥沃度。印度農業科技藉由數據驅動模型，使用無人機並盡可能利用生物農藥替代傳統農藥，從而進一步維護水土保持。在這種情況下，其需要從基礎面大量創新，以輔助政府在促進微灌、土壤健康和規範農藥使用方面的努力。過去幾年中，印度農業技術的範例如下： a. BoreCharger：一種低成本的井筒補給模型，可提高深層含水量的產量。 b. Distinct Horizon：深層尿素機，對於水稻可減少40％的尿素消耗和溫室氣體排放，並使產量增加10％至60％。 c. aQysta：開發Barsha泵，利用河流和運河中的能源以零燃料和電力消耗來抽水。 d. EF Polymer：以生物廢棄物開發出一種聚合物，可在作物根部保留更高的水分。 e. Barrix：使用信息素開發出環保型作物的保護方法。 　　除此之外，在許多其他領域中也可看到創新技術，如農業廢棄物轉化為可用能源等，這些初創公司的創新技術皆需要資金等各方支持，以搭建農民間的橋梁，使這些新產品可成為主流。 3. 減少碳足跡 　　過去大多數印度農業科技的創新以某種方式為減少碳足作出貢獻，如Ninjacart、DeHaat、SuperZop、ShopKirana、Kamatan和WayCool等公司彙整相關需求、科學存儲和優化供應鏈路線來提高能源效率。此外，藉由脫水、冷鏈、物流解決方案與農場級加工，如S4S Technologies、Ourfood、Ecozen、Tessol、Promethean、Inficold、Agrigator和Tan90等，減少了能源與化石燃料的使用。溫室農業與水培法的結合不僅提高了單位能源和水的生產率，而且由於此類企業靠近印度的主要消費中心，因此也縮短了食品里程，如: Clover Ventures、Triton Foodworks、Absolute Foods、Kheyti和Kosara等。 　　在這三項類別中，可看到因應氣候變遷而新興的印度農業技術可及時的協助整體環境，同時，與氣候相關的保險則有潛力成為新型模式。一般而言，有必要為解決氣候變化的初創企業建立強大的公共生態系統並獲得政策的支持，如:電動汽車的問世、處理汙染的技術等。另一個重要的區塊是透過政策的制定和教育以提高農業社區對氣候風險的認識和敏感性，進而增加相關新農業科技技術的採用率。此外，可為印度所有60多萬個村莊建立氣候風險指數(CRI)，或至少建立15個農業生態區，並根據CRI的嚴重程度為農民提供一系列因應辦法，CRI也可作為作物輪植的政策制定之參考，並於最後階段可將CRI納入農民信用評分、保險費和直接受易轉移的依據，以照顧他們在氣候風險下的生存。 　　如上所述，過去十幾年中，許多企業陸陸續續建立起農業科技生態系統，吸引保護自然資源的投資脈動，使農業可永續發展，同時為投資者創造價值和可觀的回報，如美國亞馬遜公司創始人及現任董事長兼執行長-Jeff Bezos將投入100億美元於新地球基金會以因應氣候變遷。真正的本質是需要重新調整投資者的思維模式，以在投資農業供應鏈的同時保有氣候適應力和單位經濟的雙重目標。

隨著世界人口不斷增加，科學家和食品學專家們不斷尋找消耗更少資源、以對地球友善的方式獲取更多食物的方法。養殖漁業便是其中一種，將魚飼養在與自然相似的環境中，不同的是會在周圍設置屏障防止魚類游離。鮭魚在挪威養殖業佔了大宗，通常會將魚養在避風港或峽灣等地沿海岸設置的養殖箱網中。如同農業，水產養殖也需要漁民進入養殖區觀察和衡量養殖情況，人們得穿上潛水衣，潛入箱網觀察魚類生長情形。但在先前的研究中指出，潛水員在籠子裡游泳會讓鮭魚產生壓力，它們會用力拍打尾鰭並與入侵者保持距離。集約化水產養殖帶來巨大商業利潤的同時，也引起了民眾對魚類福利的關注，壓力的升高可能會導致魚群開始出現侵略和競爭行為，還容易感染疾病和寄生蟲降低生產力。 　　來自挪威科技大學、塔林理工大學和愛沙尼亞生命科學大學的研究人員們試圖利用機器人來減低人為觀察對鮭魚生長的影響。他們在一個裝有約188,000條鮭魚的箱網底部裝設了攝影機，然後派出一位潛水員作為比較組，將一台商業用於檢查養殖箱網，重達90公斤並由六台推進器驅動的水下遠程操作機器人Argus Mini，和一台仿生(biomimetic，用人造物質、設備或系統來模仿自然的技術)由四個獨立腳蹼驅動，重量18 kg名為U-CAT的小型機器人放入養殖箱網中做實驗。兩組機器人和潛水員均配備了GoPro3攝影器材，用以計算此研究中所評估的兩個變因，魚尾鰭的拍打頻率和攝影機與魚之間的距離。【延伸閱讀】Alphabet推動Mineral項目，希望利用機器人改善作物耕種效率 　　透過觀察影片後研究人員發現，在有潛水員的情況下，鮭魚的迴避反應最為強烈，代表商業上潛水員進行魚籠檢查的標準程序對魚群造成相當大的困擾。而U-CAT機器人可以在很近的距離內觀察養殖場中的魚，但機器人的存在仍然會引起魚的行為反應。Argus Mini機器人的出現比U-CAT引起的迴避反應大得多，但透過比較多組研究數據後發現鮭魚的行為差異主要是由機器人的尺寸和行進速度所造成，而不是由運動模式(是否為仿生)、顏色差異或是流體動力學等設計參數所引起。在最後科學家們指出，幸福的魚往往更健康長壽，從而能得到更高的產量。

先前，許多化學物質用於防止或消除攜帶疾病的蚊子會汙染生態系統，且易導致更多抗殺蟲劑的物種進化。然而，值得慶幸的是現今已有更好的選擇，即以細菌產出的殺蚊標靶毒素具有較為安全，且更有效抗蚊的特性。 　　科學家先前發現一個天然存在的蘇力菌以色列亞種 (Bacillus thuringiensis israelensis, Bti)可產生幾種殺滅蚊蟲幼蟲的化合物，但對大多數其他生物無害。這些化合物在蘇力菌體內以晶體的形式存在，當幼蟲吃下蘇力菌後，幼蟲腸道的高pH值環境與消化酵素導致晶體融解，並轉化成新的分子，使得幼蟲腸道穿孔，進而快速導致蟲體死亡。現今，格勒諾布爾—阿爾卑斯大學的新研究發表於《自然—通訊》期刊中，其發現了Bti最可能呈現的晶體原子結構，並透過蚊子細胞膜的切片解釋晶體轉化成毒性狀態的作用機制。此外，研究員使用專門的計算系統處理由X射線晶體學方法收集的結構數據，該方法是在SLAC國家加速器實驗室的線性相干光源（LCLS）上進行。如同LCLS這樣的X射線激光光源是唯一能夠產生足夠聚焦的光束以探測微小的Bti晶體的技術。這些結果可幫助解釋透過改變單個原子造成毒性的差異。【延伸閱讀】研究蘭花香味的化學成分能在未來提供新型驅蚊劑的開發方向 　　收集並由不同的專門機構共同解釋複雜的數據屬大科學合作的良好範例，也為合理地設計出安全有效的毒素以控制特定的蚊子物種或目標疾病開起了一扇門。

智慧肉雞倡議（SMART Broiler Initiative， SMART是Sensors, Monitoring, Analysis and Reporting Technologies的縮寫）是美國食品與農業研究基金會（FFAR）和麥當勞所共同提出的提案，目的在開發自動化系統，以客觀角度全面評估全球肉雞的動物福利，而這些工具有可能提高全世界每年數十億隻鳥類的生活品質，該提案分為兩個階段，第一階段是給相關的技術開發和測試提供資金援助（約200萬美元），第二階段則是審核第一階段的計畫，挑選出在應用面上具有前途的技術，並持續提供金援完成開發。 　　肉雞容易出現腿部病變，影響動物福利的同時也不利於畜牧生產，當前評估農場裡肉雞健康的方法大多仰賴人工觀察，不但主觀且高度勞動密集，並可能因疏忽導致治療措施的延遲實行。荷蘭瓦赫寧恩大學的家畜研究中心和瑞典蘭特布魯克大學、美國維吉尼亞理工學院暨州立大學正在合作開發一種能自動分析肉雞行為的系統。 負責計畫的科學家表示，他們正在研究利用3D紅外線攝影機對肉雞進行持續性的監控並解釋其行為，希望能夠在肉雞出現問題時自動對農民提出預警，讓他們盡早介入並排除狀況。【延伸閱讀】電腦斷層掃描能檢驗小麥麥粒的抗逆境承受力 　　拍攝動物很容易，但要開發分析行為圖像的系統，尤其需要同時監控一大群動物，模擬分析小雞如何奔跑、行走和嬉戲，觀察他們如何與彼此和環境互動，這就是相當大的挑戰，通常這類系統的設置以大型、復雜而且價格昂貴為主流，但研究團隊反其道而行，運用大量精力去壓縮系統規模使其適用於任何情況，最終目標是建立一個簡單且價格合理的系統，用以支持家禽飼養者並提高其農場飼養動物的福利。此計畫從智慧肉雞提案中獲得了50萬美元的資助，並通過了第二階段的審查，而資金會於2021年下半年授予。同時從荷蘭Plukon食品集團、德國阿爾滕貝格的CLK GmbH軟體公司和荷蘭烏德勒支大學方面獲得金錢援助，該計畫目前的預算總額達到了61萬美元。

位處聯合國訂定「高度糧食不安全」區域的東非索馬利亞、衣索比亞等國，遭遇數十億來自非洲之角的蝗蟲大軍侵襲，肯亞更是經歷了70年來最嚴重蝗災，聯合國糧食及農業組織警告，第二批次的沙漠蝗蟲即將進入孵化階段，而在過去一個月內蝗蟲產卵時間點都與作物播種季節相吻合，可能會威脅過境地區相當於2,500萬人的糧食安全。 　　總部設在肯亞首都奈羅比的跨政府發展管理局氣候預測和應用中心的衛星信息科學家表示，研究人員正在利用「非洲天氣和氣候訊息服務」計劃中由英國提供3,500萬英鎊資助的超級電腦，模擬系統預測地面監測所遺漏的蝗蟲繁殖區域，該超級電腦能利用風速、風向、溫度和濕度等數據成功預測蝗蟲的活動範圍，並在預測蝗蟲群未來移動位置方面已經達到90％的高準確性。該模擬系統不僅能夠告訴我們蝗蟲正在哪些區域出現，還可以進一步獲取地面資訊，警示哪些區域可能會成為蝗災熱點或是新一代蝗蟲的來源，如果不噴灑農藥控制害蟲數量上升，所付出的代價將相當昂貴。【延伸閱讀】新的應用程式能幫助農民應對蝗蟲群的侵擾 　　非洲上一次蝗災是發生在2003到2004年間，災情涉及23個非洲國家，包含兩到三代的昆蟲繁衍，並且花了兩年的時間控制疫情，估計花費6,000萬美元，但若發生蝗蟲數量大爆發，防疫成本將飆升至5億美元。目前研究人員正在將土壤水分和植被覆蓋率的數據輸入電腦，幫助預測蝗蟲在何處產卵並孵化、繁衍。而這些資訊將做為非洲各國政府哪些地區可以進行農藥噴灑工作的依據，以便在蝗蟲成年前控制住災情。

挪威皇家鮭魚公司（Norway Royal Salmon，NRS）每年銷售約70,000噸鮭魚，是世界主要的鮭魚生產商之一。目前已與微軟(Microsoft)合作，預計使用人工智慧簡化鮭魚養殖業務。此兩家公司以及擁有技術公司ABB正在開發一項技術，使用水下相機收集養殖鮭魚的圖像，然後應用人工智慧進行自動化計數。 相關計畫於2019年5月啟動，正處於迅速發展的階段。 　　這項新技術能夠免除工作人員在海上航行數公里才能檢視鮭魚，可直接於遠端觀察魚的生長狀況。遠端視覺檢測技術可以估算魚種類數量並計算魚體數量，以便收集鮭魚產量變化的關鍵數據。幫助員工塑造更安全的工作條件，同時降低了運營成本並降低公司的碳足跡。 　　NRS營運長Arve OlavLervåg認為，現在計算人工智慧系統為NRS節省多少時間或金錢還為時過早，但是公司已在相關操作上花費了大量時間。此技術使用水下相機拍攝魚的照片，通過這樣的方式，不僅可分析魚的體重，還能分析魚的幾種相關參數，並希望通過使用AI更精確控制養殖鮭魚的體重變化。 　　NRS長期專注於研究、開發、合作和創新的重要性，其他公司雖然也開始提供類似的產業解決方案，但Lervåg讚揚了Microsoft和ABB在相關領域的高度專業，且Microsoft Azure 的雲端服務和ABB Ability數位整合平台推動了這項技術的發展。ABB首席數字官（chief digital officer）Guido Jouret在聲明中表示，ABB致力於幫助實現更具永續性的未來，目前正在利用AI改革水產養殖，通過監控魚類健康、盡可能減少對環境的衝擊並降低營運成本，ABB Ability使NRS獲得更高的競爭力。【延伸閱讀】人工智慧將幫助農民提早發現作物疾病 　　微軟全球人工智慧專家Christian Bucher則表示，由於各方對永續性糧食的未來保有堅定的信念，通過工程團隊與客戶間的共同創新，才能創造利益最大化。在短短的幾個月內從構思走向現地解決方案。

為了控制開花與結果的成熟狀態，植物會釋放出氣態賀爾蒙—乙烯，而環境因素，如乾旱、鹽分和病原體，也會導致賀爾蒙水平有所波動。由於乙烯在植物的健康中扮演重要角色，因此農業界對監測乙烯很感興趣。盡早發現釋放出乙烯的變化可使農民採取防護措施，以恢復植物的健康並減少作物損失，因此，實時監測乙烯的釋放可以為農民提供有關植物發育和健康的重要資訊。然而，現有的感測器具有局限性，使得它在該領域中顯得不切實際。因此，麻省理工學院的研究員開發出一種可靈敏地檢測乙烯含量變化的感測器，其發表於ACS Central Science期刊中。【延伸閱讀】科學家為養雞場開發了寄生蟲檢測系統 　　新型感測器置放於一塊含有一個單壁碳奈米管（SWCNT）的玻璃中，其被夾在金電極之間。研究員將含有鈀的催化混合物放在SWCNT的頂部，因此，鈀催化劑將乙烯氣體轉化為乙醛，此反應稱Wacker氧化法。在此反應中，鈀催化劑改變了其氧化態以及與SWCNT的相互作用，從而改變了它們的導電率。透過這種反應方式，研究人員可隨時監測乙烯的變化。研究員將康乃馨或桔梗花放在裝有新型感測器的容器內，並觀察到花朵盛開和褪色時乙烯產量的波動。該設備具有高靈敏度，其可以檢測容器內十億分之一的氣體濃度，因此對於監測田間的植物具有應用潛力。

智慧農業是指利用現代資訊和通訊技術管理農場，其可為農民提高工作效率，在過去幾年中，進入智慧農業所需的技術和經費障礙已大大減少。然而，智慧農場的主要組成為監控環境和基礎設施，但此對於農村地區和跨距離較大的農場可能具有挑戰。來自加拿大艾伯塔省的農民 - Brian Tischler在今年初於薩斯卡通的CropSphere演講中表示"低功率廣域網(LoRaWAN)” 具有低功耗且網域廣泛的特性，使這些感測器的網路能夠遍布整個區域，通常距離涵蓋範圍為2-20公里，但具體狀況仍取決於天線本身與天線設計，因此，這種類型的網路可克服監控農村地區環境與基礎設施的困境。這也是LoRaWAN大放異彩的地方，其可幫助人們了解如何使用物聯網設備搭配LoRaWAN技術將農場轉變為智慧農場。 　　事實上，能在農場上進行監控的內容有很多，農民可使用智慧系統並透過手機接收警報，如當商店的門開啟、霜附著在農作物上、土壤溫度變暖使裝箱的穀物開始產生二氧化碳、牛隻在農場漫步的狀況、在距離農場很遠的地方開起一扇門、田野開始下雨或測量田地中的土壤濕度等。因此，許多農民有意付費給供應商協助建立該監控系統。但是，也有一些農民想自己安裝和維修農場設備，主因是他們不願花費龐大金額在其上面。然而，自行DIY的農民將會發現他們值得花更多時間關注線上社群以幫助他們瞭解遠程監控農場所需的知識。 　　LoRaWAN網路中使用的寬頻幾乎沒有限制，並且不需經許可即能免費使用。透過訂購感測器，其包含一塊基本的LoRaWAN面板和一個備用電池（可使用大約一年），只需花費幾美元就可以建構出一個基本的感測器連接到網路的設備。將這三個組件焊接在一起和基本感測器的硬體設備即為低功率收訊器(LoRa)的節點。LoRa具專有標準的設計，並非開放資源，所有的設備的通訊皆建構於SDI-12的標準上。感測器將透過電路板發送訊號，該訊號可接收指令並執行基本功能，如打開或關閉照明設備或灌溉系統。雖然這些訊號頻率處於非常緩慢的速度並隨時間而改變（增加或減少），但這些訊號只需在極小的設備以非常低耗能的方式運行數英里遠。 　　由於用戶對天氣訊息的需求龐大，因而推動了DIY LoRaWAN社群的發展。一個稱EnviroDIY的全球性社群擁有所有的資料庫、所有軟體與大多數感測器通信的所有內容，並且都可以免費下載。LoRaWAN面板現已能編程並可以傳輸感官信息，因此，可從EnviroDIY社群中（www.envirodiy.org）複製要輸入到網路中任何特定感測器的代碼。接著，用戶需輸入設備ID或在網路上將來自EnviroDIY所複製的代碼進行編號並輸入於設備中。 　　感測器連接到LoRaWAN面板後，該面板將發送遠距離信息到一個稱為閘道器的網路組件。閘道器可偵測並收集來自感測器的所有信息。一般而言，可直接購買已建立好的LoRaWAN閘道器或農民可使用Raspberry Pi構建自己的閘道器。Raspberry Pi是一種小型單板計算器，價格便宜，能夠與已經安裝好的LoRaWAN、藍牙和wi-fi組件一起訂購，並且可以利用線上社群提供的編碼對其進行編程以執行基本操作。Tischler在演講中展示了Raspberry Pi閘道器，該閘道器具有八個感測輸入口。但是，每個感測器僅間歇性傳遞訊號，因此，若縮短每個設備傳遞訊號時間，那麼短時間內不僅可收到8台設備的訊號，甚至可到800台設備。現今，包括歐洲在內的世界許多地區，已經有LoRaWAN閘道系統可用，因此人們不必費心建立自己的網管系統，但是這些網路在加拿大仍然不常見。 　　之後，閘道器將信息藉由家用路由器傳遞到網路服務器，該網路服務器就像是網路的橋樑，並且在某種程度上像交通警察。該服務器可在中國、也可在家裡的桌子上、或是在互聯網上零散地散佈，其無固定的形式。網路服務器從閘道器收集所有訊息並弄清楚誰在發送訊號、誰在接收訊號、誰需要接收訊號並可以臨時存儲數據。對於免費的網路服務器的選擇，Tischler建議使用The Things Network（TTN），該系統擁有超過一萬個閘道器、數百萬個設備和十幾萬個用戶。為了要在TTN上使用感測節點，須設置一個帳戶並輸入對感測節點進行編程時所使用面板上設備的ID或編號，它將開始自動接收數據。【延伸閱讀】荷蘭瓦赫寧恩大學暨研究中心正在研究番茄的數位雙胞胎 　　現在，感測節點將信息發送到LoRaWAN閘道器，再傳送至路由器，路由器又將信息發送到網路服務器（TTN），這些動作需要一個應用程式，該應用程式將進入網路服務器收集數據，同時將數據發送或命令送回節點。在TTN上，用戶可以輕鬆設置因應數據資訊的操作，如當感測到田野低於零的數據，用戶將會收到電子郵件的通知。該信息可以輕鬆匯出到Excel或自動發送到C-sharp應用程式，該應用程式將即時製作圖形。 　　農民在進入新技術之前需要知道他們在時間和金錢上的投資是值得的，因為他們不想在不使用的新設備上浪費金錢。而LoRaWAN是一項建構完全的技術，此外，越來越多功能強大且一般人負擔得起的感測器已經上市。如溫度感測器非常便宜，因此一個農民僅需花100美元建構一個系統，其可監控距離農場數英里遠的20個農倉。因此，LoRaWAN可協助農民建立智慧農業。

根據國家犯罪記錄局的數據，2016年有超過11,000名印度農民自殺。賓夕法尼亞州立大學信息科學與技術助理教授—Amulya Yadav表示，雖然造成高自殺率的原因很多，但是因為許多印度農民借貸買種子、肥料和設備，之後再將收成的農作物賣至市場上，但是該國農產品市場價格普遍波動，農作物在市場的實際銷售價格取決於供需關係，若農民的售出價格過低而無法讓他們償還債務並維持生計，從而導致財務困境。政府的協助僅是以其所訂定的最低價格購買有限配額，然而原產地與市場距離有時較遠，進而增加了運輸與燃料成本，若未爭取到政府購買農作物的農民，其不得不將農作物出售給無法保證以最低購買價購買之第三供應商。 　　因此，賓夕法尼亞州立大學及溫州基恩大學的研究人員藉由開發深度學習算法以作為預測農作物未來市場價值的決策系統，希望解決印度農民因負債而導致令人震驚的自殺率，該研究團隊在3月初的人工智能促進協會會議介紹此研究成果。【延伸閱讀】科學家借助科學技術來預防第二批沙漠蝗蟲過境 　　研究團隊為了創建演算法，其分析過去11年中1,300多個印度市場的最高與最低農作物價格及作物數量，進而開發出深度學習法的模型。該系統會假設將農民利潤最大化，藉以預測農民何時何地最適合出售他們的農作物。例如此算法會建議農民待農作物收成後5天再運送至40公里遠的市場以獲得較高價格，此預測系統反而不會建議將農作物在收成後隔天賣至當地市場。因此，該預測模型相較於現今標準模組具有更符合實際狀況的準確性。

隨著氣候變化加劇，目前植物育種所遇到困境與挑戰越趨嚴重。為了鑑定影響穀物產量和逆境脅迫耐受性的基因，研究人員需要精確分析每個小麥麥穗上的穀物組成成分。然而目前蒐集的實驗數據多半是透過從田野中的穀物脫粒機獲得，但這種方法往往會造成小麥的損毀或缺失，而另一種方式是透過人工在溫室裡手動脫粒和測量數據，不但耗時費力而且費用昂貴。【延伸閱讀】透過電腦視覺系統提升不孕昆蟲技術的害蟲防治功效 　　來自澳洲阿德萊德大學農業、食品和葡萄酒學院與德國弗勞恩霍夫集成電路研究所X射線技術發展中心的科學家們，開發出一種電腦斷層掃描（computed tomography，CT）方法，除了比起傳統方法更加省時省力，甚至可以提供更微小的精確數據，分析以人力來操作困難且費時的性狀特徵，像是麥穗上的麥粒尺寸、形態學上的區別和重量的差異，而這些特徵當小麥在不同生長時間點出現環境壓力時就會產生相對應的變化。例如在先前的研究中已經觀察到經歷乾旱和熱逆境脅迫會引起某些類型的種子在形態上的改變。更重要的是，這種方法可以實現完全自動化，能夠在短時間內大量比對遺傳性狀不同的小麥，意味著將能夠透過大規模篩檢、分析穀物完成遺傳研究並訂定育種計劃，而這些實驗數據對於能夠確定小麥基因組區域和抗逆境脅迫機制的運作模式非常重要，從而加快能適應氣候變遷的植物育種過程。

近岸的海帶可提供魚類食物和庇護場地所並保護海岸線免受海浪破壞且對於生活在海岸線的居民很重要，如提供石斑魚、海膽漁業和海帶魚業的苗圃棲地。事實上，由於很難找到長達35年的海洋生物學數據，加上海上作業具高危險性和昂貴費用，如需要專業潛水員，因此利用其他領域的技術應用於海洋科學可了解氣候變遷如何影響人口及海帶生長，進而改進研究成果。 　　Landsat計畫是NASA和美國地質調查局自1975年共同合作收集地球表面的數據，直至近期才應用於海帶監測。俄勒岡州立大學 (OSU) 的研究首次使用含有35年Landsat衛星數據，其顯著地擴大了有關氣候變化如何影響海帶的數據庫。海洋生物學家薩拉·漢密爾頓表示海帶基本上屬於適合於冷水的物種，因此氣候變遷對易導致全世界大部分海帶物種數量減少，此現象即可從北美太平洋海岸，特別是北加州地區觀察得到。在俄勒岡沿海地區，多數海帶生長於該州的南方1/3處，其中大部分分佈在五個不同的珊瑚礁中。根據多年的調查資料顯示，三個珊瑚礁海帶種群保持在正常水平，另一個珊瑚礁在過去15年其種群數量很低，最後一個則是在過去20年中已轉變成規模較小且多樣性較低的種群。從記載數十年的Landsat影像中可發現海帶像是在淺海中的具有冠層的森林，其冠層面積每年都可能發生很大變化，並且不同珊瑚礁間的長期海帶種群趨勢也不同。如在黃金海灘附近的Rogue暗礁顯示2018年海帶的數量較過去35年任何時候都要多。【延伸閱讀】遙測技術應用於玉米田的氮肥管理 　　過去，針對多年生海帶—Macrocystis pyrifera的研究表明冬季巨浪對於其海藻種群有負面影響，然而，Landsat衛星影像發現令人驚訝的新發現: 一年生巨型海帶—Nereocystis luetkeana，也稱公牛海帶，他們約有30屬，雖然看起來像植物，但事實上其為與藻類有關的異藻，其中最引人注意的是夏季溫水及冬天巨浪對公牛海帶而言並非壞處，該研究發表於生態學期刊。然而，在2014年時，一場海洋熱浪促使紫海膽大量繁殖進而重創北加州海岸公牛海帶的數量，即使運用跨領域技術，尚未找出2014年後其他影響海帶種群損失的證據。因此，在人們獲得重要的基本環境資源時，也須了解資源是如何變化，以及這些變化是如何影響較為弱勢的人們，若改變一種物種或改變一個地理區域，將會出現一系列全新的因子並需要更多的研究佐證。

久保田集團(Kubota) 的技術顧問飯田聰（Satoshi Iida）博士，先前在東京國際展覽中心舉辦的自動化和測量技術展(IFES2019)上，以「久保田之未來智慧農業」為專題演講主題，介紹該公司在智慧農業所發展項目。  　　為因應未來新世代農業，久保田集團運用ICT(information and communication technology，資通訊技術)與IoT(internet of things，物聯網技術)，開創智慧農業新技術。而在這此演講當中，飯田聰博士主要針對專職農民〔1〕，為他們所面臨問題以「應用農業數據發展日本精密農業」、「開發超省力與輕型勞力的自動化與無人化技術」兩大發展議題，與新型態經營模式進行解說。  作為全球主要品牌  　　久保田集團於2018年度財會報表中，農業機器與引擎設備銷售額1.8萬億日元，佔整體的67%。在同領域中銷售額為全球第三，而未來力爭成為全球主要銷售品牌，持續往此方向進展。而為了達成此項目標，飯田博士表示：久保田集團「利用ICT與IoT創新技術」作為重要發展策略，連同「實現ICT與IoT創造新價值」。 　　日本從農者平均年齡為67歲，在高齡化趨勢下，伴隨離農因素，更是大幅度減少從農者，農戶在20年間減少將近一半，預計2020年約為100萬戶左右，2030年則有可能減少至40萬戶。  　　此外，由於5萬公頃以上的農戶規模持續擴大，整體趨勢相對轉型成大型結構體。不管在行政上或農地銀行等策略，因為規模擴大，也促進產值提升。為此，土地利用型的農家所需面臨的問題與主軸，則會落在產量、品質下降、增加作業者管理等等的農場管理問題，以及生產成本、生產品的高附加價值之品牌化、重型勞力、以及改善勞動環境、人才培育、銷售渠道的擴展等面向。  　　而有關農業整體訴求，例如：「轉換為有收益的經濟導向」、「解放重型勞動力改革促進年輕人加入」、「包含丘陵地在內促進農村活性化」、「維持農業多面向機能」、「因應氣候變遷的永續農業變革」等，久保田集團採取因應策略則是以「智慧農業」為導向，利用數據應用，實現精密農業，並藉由自動化與無人化技術，實現超省力與輕勞化。 　　對此，飯田博士表示：「最基本訴求則在於能利用精密數據，知道市場的需求，知道什麼時候需要，以及知道需要多少的量（廢棄最少化）是最為理想的。此外，完全透過人力也是有限，為了減輕負荷，必須藉由IT技術，而農業機械也需要推展自動化與無人化」。 利用農業經營管理系統「KSAS」提升農作業效率 　　為了實現這些目標，久保田集團自1970年代，將水稻種植體系機械化，例如：栽培和基礎施肥、代耕和育苗、水稻種植、施肥、除草劑噴灑、中間管理作業、採收以及乾燥與調節。整個生產週期機械化整合後，利用KSAS（Kubota智慧農業經營管理系統），進行作業計畫管理。除此，並投入裝有感測功能的自動農業機械，藉由上述這些資訊，構建高效能農作業管理體系。 　　KSAS系統利用農業機械與ICT蒐集農作業與產量、口感之作物資訊，作為支援經營服務系統，藉此實現可帶來經濟收益的PDCA（Plan-Do-Check-Action）型農業。KSAS系統優勢在於可提升產量與口感美味米的生產、傳承農家栽培技術、建構安心安全農作物、強化農業經營基礎，帶來迅速服務等效益。 　　目前系統的第一階段為建構與農場地圖相關的栽培支援系統，以及利用收割機、插秧機、乾燥機等連結完成PDCA農業模式，並從水稻種植到旱田耕作(小麥、大豆)等開始執行。系統應用之際，首先輸入農場資訊、作業內容、農藥與肥料等資材情報，以及所使用的農業機械基本資訊，再輸入作業生產計畫，工作執行計畫與作業指示與流程確認；最後因應產量、口感與產值和成本分析，與GAP(Good Agricultural Practice、農業生産工程管理)，以及機械診斷圖機制。KSAS系統可與口感產量的收割機相容，產量感測器可與面板下方所設置的底部測量重量。口感感測也可以透過近紅外線波長測量強度，可測量冷杉的水分與蛋白質含有率。 　　因此，可以藉由上述功能，在採收後可立即掌握每個農場的「產量・口感」變化。也可藉此與乾燥機結合，區分出「蛋白質・水分」。甚至可將每個農地的產量與口感地圖，活用於施肥計畫與土壤改良。飯田博士針對系統產能表示：「新瀉地區的監控測試結果，產量在三年期間約增加15%效益。」 　　開發第二階段，可利用網絡地圖掌握農場散落資訊，以及藉由感測系統判斷生長狀況、可變施肥、施藥、水資源管理系統(WATARAS)等結合，提升效率。最後，第三階段利用AI技術，構建先進的農業支援系統（農業掌門人）之發展策略。【延伸閱讀】日本利用ICT技術栽培溫泉草莓 農業機械自動化所帶來效益 　　除了系統上的研發，農業機械自動化研發也同時進展中。依據日本農林水產省安全導覽手冊內所規範，農機研發分成三大階段，將有人乘坐，外加無須手動駕駛設定為農業機械自動化第一階段；而第二階段則是在有人的監視下，自動化與無人化行駛(可有人機與無人機兩台共作)；第三階段則是透過遠距監視無人駕駛(農業專用道或公有道路)，亦可無人機兩台共作。 　　對此，久保田集團則是已開發第一階段的曳引機、收割機與插秧機；第二階段則是開發"SL60A"的農業自動化耕耘機，並於2017年9月上市。利用RTK-GPS特殊高精準度的無人駕駛(但仍需透過人為監控)，可達到一人監控下操作無人機與有人機兩台共作。 　　如何讓技術達到此項目標，在研發過程中，讓行駛中的曳引機記錄下場地的外形，因此，機台不僅可以因應正方形場地，連多邊形的場地也可處理。加上，配有自動轉向功能，可減少搭乘時和作業時的麻煩。此外，此機台兼具各種安全功能，例如四台相機、紅外線掃瞄、超音波聲納等，同時完全符合日本農林水產省安全導覽手冊所規範內容。 　　然而，飯田博士卻表示:「農機自動化與無人化的普及，仍存在各種問題。例如第二階段，為了達到無人化行駛，則是有需要整備整個農場的基本面。此外，為了使整體農場可以朝向無人化進行，田間通路以及邊界則需要採取安全措施。除此，農村的資訊網絡的應用也是，GSS基地台或準天頂衛星應用的基礎設備，如何提升安全措施以及擴大符合作業範圍之應用等都是需面臨問題。」 　　另外，在第三階段為了可達到遠距操控，不單農場整備、農道、以及5G農業專用的高速通訊基礎應用、利用曳引機的設備裝置狀態行駛等皆須符合道路交通法所規範。 　　久保田致力於智慧農業發展，期盼能實現能帶來收益農業，促進農民所得倍增。同時，利用輕勞化與省人化等進展，解決麻煩作業程序，並促進勞動改革。達到降低環境負荷(適用於減肥料、減農藥、有機栽培)，維持農業多面向機能(堅韌與永續)，以活用耕作休耕地，創造新價值。 註1：專職農民係指主要以農業經營為主，有意從事或有經驗者農民，或是依循農業經營基本促進法，受到經營改善計畫認定的鄉市鎮的認定農民等。

根據奧塔哥大學在2020年1月發表的一項新研究，在紐西蘭，若提高以蔬食為主的飲食比例，將可大幅度減少溫室氣體的排放，也能大大改善人口健康，並且在未來幾十年裡為醫療系統省下數十億美元。 　　研究團隊根據紐西蘭的風土民情，考量每種食物的「生命週期」重要部分，包含：生產、加工、運輸、包裝、倉儲、分銷、冷藏需求以及超市間接費用等，建立了一個紐西蘭限定的食物溫室氣體排放數據庫，並且運用該數據庫來模擬各種飲食情境產生對氣候、健康和醫療系統的成本影響。 　　其中一名環境健康領域資深講師說明，該研究結果顯示，在紐西蘭各食物之間的溫室氣體排放量差異很大，而且動物性食品（尤其是紅肉和加工肉類）對氣候的影響往往要比蔬菜、水果、豆類和全穀類等全植物性食品大得多。但幸運的是，有益健康的食物恰恰也是氣候友善的食物，具有健康風險的食物反而造成氣候汙染。 　　研究報告最後還說明了，根據人口飲食型態轉變程度，每年將可減少飲食相關的溫室氣體排放量4％至42％，為健康帶來1至150萬質量調整壽命年（Quality-adjusted Life Years），並在醫療系統為現在的紐西蘭人民一生省下14到200億紐幣的支出。同時該分析還顯示出，如果紐西蘭的成年人若能同時選擇蔬果飲食並且不浪費，就能減少相當於59%輕乘用車的年度溫室氣體排放量。【延伸閱讀】協助微生物相分析與機能性開發的新平台 　　該團隊首席研究員表示，隨者模擬的飲食方案趨以植物為基礎，將會對氣候更加友善，甚者以植物替代品取代肉類、海鮮、雞蛋和乳製品，並遵守減少食物浪費的要求，這三種元素就可以帶來最大效益，但前提是人們願意改變飲食習慣，當所有人都一起改變時，這樣的願景就可以實現。 　　透過這些發現，他們認為應該促使國家採取政策行動，包括修訂紐西蘭的飲食指南，公布氣候友善食物的清單。同時，研究人員還主張實施其他政策工具，例如定價策略、標籤計劃以及公共機構的食品採購指南。對全球而言，則需要精心設計不加劇氣候危機與非傳染性疾病負擔的全球糧食系統之公共政策。

在伊利諾伊州烏巴納(Urbana)的一份預測報告中指出2027年時，精準農業的市場將達到129億美元，因此對於開發出複雜數據分析的解決方案來提供即時決策管理的需求日益增加。而伊利諾伊大學跨學科研究小組的一項創新研究則提供了一種有效且能準確地處理精密數據的方法。 　　該研究團隊並非只是建立一個小塊的田野實驗地來進行統計數據及計算平均值，而是更直接將不同地區的農民田地同時納入計算，因此研究小組利用農民的機械設備於當地農田中進行試驗，以偵測不同因素的投入是否會造成特定地點的影響。此外，它們也開發出使用深度學習法來預測產量，其結合了來自不同地形的變化、土壤導電性以及從美國中西部9個玉米田中的氮含量和種子處理資訊。 　　馬丁及其團隊著手於數據密集型農場管理計畫的2017與2018年數據，該計畫在美國中西部、巴西、阿根廷與南非的226塊田地以不同的速率施用了種子和氮肥，並將地面測量結果與PlanetLab的高分辨率衛星圖像配對，以預測產量。該田地以數位化的方式劃分成5米的正方形 (約16英呎)，將土壤、海拔、氮肥施用量與播種量輸入至每個方型計算單位，目的是瞭解各因素如何相互作用以預測該正方形單位的產量。【延伸閱讀】導入機器學習科技預防人畜共通傳染病 　　同時研究人員也利用一種稱為卷積神經網絡（CNN）的機器學習與人工智慧的系統進行分析。而某些類型的機器學習會從圖像開始訓練，並要求系統將新的數據套入現有學習模式當中，同時CNN會先對於現有模式視而不見，取而代之的是會改用類似於人類通過大腦神經網絡組織新信息的模式，藉由獲取少量的數據並學習新的數據組織模式。 　　透過CNN處理可以高準確度地進行產量預測，研究團隊也將其與不同的機器學習算法或傳統統計技術進行比較，並也看到CNN在解釋產量變化方面的表現很好。由於使用人工智慧來精確處理農業數據仍是一個相對於其他產業來說較新的應用技術，而現階段的研究實驗亦只是CNN的各種潛在應用方面的一小部分，其最終目標仍是希望可以藉由此項新的技術能夠針對不同因素與地點給予最佳的決策管理建議。

在日本，雖然每戶農民的耕地面積規模小，卻以高產量的單位面積而為聞名，而技術傳承上，也朝著「以經驗為主」和「專業技能」兩方向進行。近年來，逐漸出現以「數位原生新世代 (digital native)」和「關切全球環保人士」為主的群體，成為新興的參與者，開始投入農業，並且在各地積極地發揮影響力。 　　而在上述的農業現場與農業科學領域之中，則是出現了「開放式科學」的新趨勢。為了深入探究，拜訪了作為農業社群的研究夥伴：東京農工大學的特任教授：澁澤栄(Sakae Shibusawa)，他多年來持續推動「從科學發展農業」；以及致力於促進「開放式數據」的東京都立大學副教授：大澤剛士(Osawa Takeshi)，透過這兩位教授見解來更加瞭解這項趨勢所在。 「從科學發展農業」之路 　　在東京農工大學的的府中校區裡，有著佔地約15公頃的農地，在校內農園採摘的新鮮蔬菜最在例行舉辦的市集，販賣給鄰近周邊的社區居民或是一般消費大眾；銷售成品的過程觀察到，相同的作物在時常整地、維護良好的農地上，其產出成果依舊會存在「差異」的情形。 　　對此，澁澤特任教授表示：「不管是怎樣的農場或是田地上，總是無可避免會有些狀況發生，像是作物在某些地方特別容易倒下、或是害蟲的發生等情形。因此，我們讓農民成為我們的研究夥伴，讓他們將相關設備裝置在農地，協助收集例如光合活性、土壤成分等與空間、時間相關的高解析度數據。」 　　澁澤教授論述：「約莫25年前，全球開始提倡精準農業(precision agriculture)的相關政策。」精準農業將農民的長期累積下來的經驗，提供了相關的佐證數據，身在日本的澁澤教授，更是早早便呼應這樣的趨勢。 　　他甚至表示：「透過數據的顯示，更能確信『作物為何會產出差異性？』以及『確切發生原因為何？』等類似的問題提出相關佐證。此外，也會慢慢產生很多具創新的想法，例如：如何處理差異性？是否要進行均質化？或者與之相反，是否該好好利用這樣的差異性。」 　　澁澤教授論述，包括日本在內，世界上約有八成的農業是屬於家庭式。不可避免會有社群式的決議情況。此時，農民們若能共享我們所研究的科學化數據，不僅會成為決策關鍵，更能夠支援判斷。 　　2000年的農業開始導入GPS(全球定位系統)，爾後促使資通訊技術(ICT)發展，農民與科學家之間的合作也獲得很大的進展；2016年日本政府第5期科學技術基本計畫所訂定的「Society 5.0」願景，同樣包含了「農業智慧化」項目。 　　而從精準農業延伸出的智慧農業，其目標不僅僅是透過技術創新進而提高獲利，更可達到降低成本、減輕對環境的負擔的目標。 　　不過，倘若要能夠同時實現這些目標，一定得要有農業經營管理戰略。 　　投入農學領域的學生，除了學習作物栽植之外，也有是出於對農業經營管理感到高度興趣。 只要是數據，就有意義 　　另一方面，東京都立大學的大澤剛士副教授，在先前隸屬的農業環境技術研究所，就已經針對日本農業用地使用的統計資訊，透過運算軟體以圖表呈現數據，並將數據以標準規格作為區域網格地圖之應用，以開放式數據的形式對外公布。 　　開放式數據主要以公開政府所擁有的統計數據為核心思想，和公開學術論文和其他研究成果有關的開放取用，同樣是開放科學的關鍵要素之一，一直以來，大澤副教授都相當重視其應用價值。 　　大澤副教授表示：計量葉片的數量、捕捉昆蟲並計算數量、觀察自然環境並進行記錄等行為，都是博物學(natural history)很重要的環節。 　　然而，在只有單人作業或者單一研究室所能取得的數量是相當有限的；另一方面，政府手上的調查數據，範圍不僅涵蓋全國，更擁有著未知且無可限量的應用價值。因為支撐調查作業所需的資金，都是來自人民的稅金，所以更希望這些數據能夠對外開放。 　　開放資料的一大特點就是：任何人都能透過資料的取用、再應用、再傳送，從而創造新的利用價值。 　　另外，大澤副教授指出「雖然那些在執行計算昆蟲數量的人，可能不會意識到這件事，但只要將具有可複製性與可驗證性的事實，成為具體的數字顯示在大家面前，相信絕對不會存在毫無意義的數據。」。 　　雖然某些數據需要謹慎披露，像是個人資訊等機密資料，如果僅有專家來執行相關工作，數據的開放性就會相對不足。 　　提供數據取得的條件，並公開使用者的相關責任。公共數據採納以機器可讀取性且開放性的『以開放為預設(open by default)』為原則，這也符合全球對開放數據的範疇，而大澤副教授利用已公開的農地區域劃分資料，繪製了瀕危植物分布圖。【延伸閱讀】日本農民企圖心：運用數據改革農業！AI完美預測奇異果的產量與採收時間 開放農業Ｘ開放式數據 　　依據澁澤教授表示，農地依照農耕者劃分小型區域，但若考量水和風等環境因素能夠無遠弗屆地散播，應將把數百乃至數千公頃的農地，視為一單位面積。只有讓整個地區都停止使用農藥，有機農業才能有真正的實際成效。 　　因此，為了應對市場全球化帶來的競爭加劇，社群式共享數據所帶來的必要性是與日俱增。 　　大澤副教授則是指出：「然而，到目前為止，不管是從「這是常態的趨勢嗎」還是「如果作為產地整體該怎樣作」的角度來看，日本既有的「文化」，似乎還不能夠透過這種視角，來交流或是共享農民的技術與專門知識。」 　　此外，大澤教授笑笑地說著進一步表示：「年輕世代在『自由』的互聯網世界下長大，作為數位原生者 (digital native)，我想他們應該是不太會抗拒開放資料或收集數據。而另一方面，雖然將農家數據開放至社群以外的人也有可能會行使與農業毫無相關事情，但仍有可能因而創造其他的可能性。因此，與其說是『農業的開放數據』，我反之寧可把『農業的』這三個字拿掉。」。 　　那麼，負責推動開放式科學和開放式數據的人，實際上是如何在日本開始跟推廣呢？ 　　澁澤特任教授表示：「通常一開始，日本的做法是先圍成圈，形成一個能夠充分討論交流的環境，讓每個人都可以在其中共享彼此的想法，進而形成共識。而像是範疇或是擔任角色等事務，則是之後再進行分配。 　　「關於開放科學和開放數據，剛開始的時候，我們是先創造出一個推廣社群，讓社群本身來主導倡議，如此一來，加入的人很容易明確自己想要參與和共享的事物，經由這樣的引導，參與者也能夠看到未來的發展。所以，若類似的社群能一直產生，讓大家可以盡情地交流資訊，或許這樣的形式，就是開放科學的結構。」 　　最後，大澤副教授則是幽默笑道：「如果沒有開放科學、開放數據這些名詞的話，我想就不會遇見這群我可能本來不會認識的人，因為這樣的經驗，我始終覺得『世界不斷在變化』。所以，每次演講的時候，我總會抱著自我警惕的心態告訴大家，如果我開始自稱為開放資料專家的話，那大概就是我在這門領域走到盡頭的時候了。」

南美果實蠅（Anastrepha fraterculus）是巴西南部主要的農作物害蟲，主要影響蘋果與桃子等作物。巴西聖保羅大學農業核能中心（CENA-USP）的研究人員Thiago de Araújo Mastrangelo表示，若不採用不孕昆蟲或其他控制方法，南美果蠅造成的經濟影響可能達到農業生產收入的40%。而發展不孕性昆蟲技術(insect sterile technique)則是防治南美果實蠅的策略之一，此技術利用X射線或γ射線對不具生育力的雄性果實蠅進行滅菌處理，並將這些雄性果實蠅釋放至野外，以降低南美果實蠅的野生種群。此技術被認為是取代殺蟲劑和有毒誘餌的一種經濟實惠方法。在輻射照射之前，會以肉眼辨識蟲蛹並丟棄死亡的蟲體做為品質管控的方法，然而，這種分析生理型態的方式易產生約10%誤差。例如：肉眼難區分空蛹、死亡蛹與正常蟲蛹的差異，但這樣的問題可能影響後續果實蠅族群控制的效率。【延伸閱讀】乳牛臉部影像辨識 　　為了優化檢測流程，ClíssiaBarboza da Silva與團隊使用由丹麥公司開發的VideometerLab（一種多光譜成像儀器）來分析蛹。多光譜成像的原理是偵測光譜中一定的波長範圍的光線以辨別目標物，可用於精準識別樣品的品質變化。VideometerLab的購買價約為400,000巴西雷亞爾（現在約為92,000美元），相當於一臺咖啡機的大小，並具有19個LED閃光燈，每個閃光燈發出的波長不同(從紅外波長至紫外波長)，並透過反射成像計算反射光與入射光的比率來檢測反射率，其易操作且檢測只需5秒，而手動分析則需幾個小時。此外，該設備可同時提供多種數據，如: 化學成分、生理、環境衛生與遺傳數據，也可用做電腦視覺系統，透過模擬人類視覺從圖像中取得數據的人工智慧。VideometerLab的數據與圖形會隨著時間的變化以利監測蛹的品質。藉由VideometerLab產生的圖像能顯示不同顏色，越藍表示反射率越大，且蟲蛹品質越佳。 　　相關研究發表於《應用昆蟲學(Journal of Applied Entomology)》雜誌，此技術於去年已應用於巴西最南端——南里奧格蘭德州的瓦卡里亞。CENA-USP所設立的測試工廠每周可生產150,000-200,000隻不孕果實蠅，這些果實蠅完成輻射滅菌後，便放入含有食物與水的盒子中送往瓦卡里亞，待其發育為成蟲後釋放到田間與野生雌蟲交配。若這些不孕雄蟲的數量大於野生雄蟲，將能有效降低南美果實蠅族群數量。且目前為止，尚無證據表明南美果實蠅的防治作業對該地區的環境生態產生不利影響。 　　Barboza da Silva認為VideometerLab的應用潛力不僅只於此，目前此儀器已在全球多個領域使用，包括醫學、藥理學與新興材料等。研究團隊還嘗試使用VideometerLab分析番茄、胡蘿蔔、桐油樹和花生種子，並獲得聖保羅研究基金會(FAPESP)支持。常規的種子品管測試具有一定的破壞性與主觀性，其差異取決於分析人員的培訓程度，利用VideometerLab就能夠減少檢查過程中的耗損，並客觀、準確地分析種子樣本的品質，並對種子的物理、生理、遺傳和衛生特性進行詳細判斷，進而節省時間和金錢。