綠地(green space，又譯綠色空間)除了環境美化功能及生態功能外，許多研究亦指出綠地的功能、空間大小與早死(premature mortality rate)、心血管相關疾病之間的關聯性，足以顯見綠地或是公園之類綠化的設計在人口稠密的現代化都市規劃中的重要性。為了更全面地瞭解綠化對鄰近居民在健康方面的影響，西班牙巴塞隆納全球健康研究院(Barcelona Institute for Global Health，簡稱ISGlobal)與美國科羅拉多州立大學(Colorado State University)、聯合國世界衛生組織(World Health Organization，簡稱世衛組織WHO)聯手對前人文獻研究蒐集研究，自9,298份研究數據中，篩選出9份長期且具指標意義的研究成果進行分析，一共分析來自加拿大、美國、西班牙、義大利、澳洲、瑞士及中國等7國，以整合分析(meta-analysis)的方式解構都市綠化對鄰近居民在健康方面的貢獻。【延伸閱讀】降低城市草坪除草頻率的益處 　　研究團隊以多年且長期觀察的研究進行探討。首先透過衛星遙測取得地表光學數值，藉由分析可見光與近紅外光的數值與差值推導出「常態化差異植生指標」(Normalised Difference Vegetation Index，簡稱NDVI，又譯標準化植被指數)，以此推估綠地覆蓋面積；另外，研究團隊也計算人們歷年接觸綠地的頻度，統計來自7國共8,324,652位居民的早死發生率，做為人群健康的量化指標。在經過整合分析的研究後認為，環境綠化程度與早死發生率相關。綜合相關文獻研究結論後可發現，環境綠化程度越高，早死發生率越低。研究顯示，在方圓500公尺的居住範圍內，每當常態化差異植生指標(NDVI)增加0.1，早死發生率便下降4%，這樣的趨勢足以顯示居住周邊綠化對於居民健康的重要性。 　　研究團隊藉由大規模且全面的分析，揭示生活環境綠化在健康方面的重要性。該研究成果也做為聯合國世衛組織評估全球未來健康影響評估(Health Impact Assessment，簡稱HIA)的重要參考文獻。研究團隊也認為，都會區綠化除了提升大眾健康外，也增加生物多樣性，並減緩氣候變遷所造成的衝擊。 　　該研究由聯合國世衛組織資助，詳細研究成果已發表在<The Lancet Planetary Health>。

NEC與丸井農業合作社(鹿兒島縣出水市)共同發表可勘查雞舍生長狀況的人工智慧(artificial intelligence，簡稱AI)技術。從這套AI系統可掌握雞舍的雞隻死亡情況，大幅降低人為肉眼確認時間，提升作業效率。已實際與合作社農場開始進行系統示範實驗，預計於2020年度開始產業實際應用化。 　　此項系統，運用NEC的影像辨識技術與機械演算技術，裝置在攝影機的機台在雞舍內來回行走，拍攝雞舍的情況。透過所蒐集約36萬張影像進行AI影像演算，並分析所拍攝的影像，以檢測出雞隻死亡。【延伸閱讀】3D體感技術應用於動物即時監控與體重測量 　　過去農場作業員須要在約有八千個雞籠，所飼養的八萬隻雞隻的雞舍裡，每隻每隻確認。因此，透過AI技術的示範實驗，發現精準度高達九成以上，所須花費時間也僅有過去的五分之一。

位於日本四國門戶的高松市，正進行著新世代農業離網發電的田野試驗，溫室內部的溫度由可再生能源與蓄電池進行自動調控，不僅可減輕農戶負擔，也可做為生態農業之友善措施。負責此項蓄電池業務則由新創公司的Vriostor公司(日本香川縣高松市)與常谷種苗園藝公司(日本香川縣高松市)這兩家公司共同投入研發。 　　高松市南部農田有一間專門栽培小黃瓜的溫室，溫室南方裝置十個輸出功率300瓦的太陽能板，溫室北方則設置12kWh的蓄電池，在晴空萬里的9月中午時刻，可預見蓄電池的蓄電力快速上揚中，而蓄電池上裝載著輸出功率1.2千瓦的小型風力發電設備。蓄電池所蓄存的電力大多用於溫室門口的自動開關系統以及溫室內部風扇的運轉，用來進行溫室夜間自動控管溫度與濕度，以維持小黃瓜最適切的栽植環境。 　　此次的田野試驗從三月開始，其試驗契機為常谷種苗園藝公司因缺電而難以從事農業栽植，正在考量是否要裝設新的器材時，透過友人介紹進而與Vriostor公司業務聯繫。Vriostor公司的三矢昌洋於2015年7月起投入蓄電池技術研發的新創事業，因與常谷種苗園藝公司合作，進行自行發電的離網田野試驗。 　　該配置系統架構簡易，只需要將白天的陽光轉換為電能並儲存於蓄電池中，夜間即可使用；即使白天氣候欠佳，蓄電量不足，導致夜間無法發電，仍有小型風力發電設備可作為備用。這項系統最大的困難在於面臨連日的氣候不佳，蓄電池的供電則會不足，因此擴充蓄電池的蓄電量，或是增加小型風力發電的台數以利於控制電力使用量。在成本計算之際，如何進行設施數量的推算與試驗間的天氣情資以及蓄電、用電實驗紀錄是相當重要。 　　根據Vriostor公司悉知，此次的田野試驗所需要的投資工程費用約莫230萬日圓，需要10年方可回收，但考量到未來技術研發趨勢與市場需求，蓄電池的價格很有可能調降，加上往後若電費價格調漲，農民反而會獲利。【延伸閱讀】食品殘渣於沼氣發電之應用 　　面臨高齡化與勞動力不足的農業，一旦農業用的溫室能達到自動化控制，再加上友善環境意識的浪潮下，進而提升離網溫室的價值；同時，為了避免長時間停電，造成農產品栽種困擾，此項設備更不能或缺。常谷種苗園藝的常谷隆介社長相當有自信表示:「我想我們會成為未來環保農業第一楷模。」

伊藤忠飼料株式會社（東京都江東區）與NTT TechnoCross（東京都港區）合作開發可即時拍攝影像測豬隻重量之技術。這項技術拍攝只需3秒即可用人工智慧(artificial intelligence，簡稱AI)推估出豬隻的重量，而且誤差只在4.5％以內。目前，由於養豬場豬隻須一頭頭到磅秤上量測重量，是非常重勞力的工作，倘若能將這項作業數據化，並將數據累積精準演算後，可大幅減輕養豬農民負荷。 　　「數位目勘」機型重量約837公克，外加安裝測量體重的AI技術軟體，可拍出3D豬身形外框數據。這台機型功能操作簡易，只須將豬隻在拍攝螢幕框內，按下拍攝按鈕後，即可描繪出豬隻整體身形外框，約可在2.8秒內可以計算出目前體重值。 　　此項技術對於沒有AI技術使用的經驗者來說也可輕鬆使用與管理。由於操作方式簡單，利用可擷取物品深度的「深度攝像頭」拍攝豬隻，即可取得整個豬隻外型的3D影像數據。 　　數位目勘之AI技術研發之前，已有為數眾多的計量豬隻體重數據AI技術。目前數位目勘的技術再加上可不斷分析豬隻背部形狀，並參照過去推測整體重量數據，即使是特殊個體的豬，或是豬隻飼養環境的牆壁背景均可辨識，豬隻密集也容易收集資料。 　　透過NTT Group原先所開發的AI技術基礎下，NTT Techno-Cross延伸出corevo。目前，支援數位目勘的影像識別技術和數據推估原理正在專利申請中。【延伸閱讀】印度智慧型耕作技術將幫助農民擴展農業經濟規模 　　然而，為何測量體重如此重要呢？原因在於豬肉分成「極品」、「上等」「中等」等不同等級，不只肉質與脂肪厚度，「屠體重量」也會變成判斷的基準，這是與牛肉不同之處，也只有豬肉才有的模式。豬隻重量不管太大或是太小都有可能造成「等級下降」，影響豬肉的價格。因此，豬隻的體重管理直接影響養豬農家的收入。 　　雖然豬用的磅秤很普遍。但秤量包含需要追趕豬隻，以及放置磅秤上等過程，因此，在人力上須要耗費約需要兩位男性，是相當繁重工作。因此，對於人手不足的養豬農民來說，是一個沉重的負擔。加上若任意放置在磅秤也容易讓豬隻狀態不佳，影響胃口，反而造成反效果。 　　另一方面，畜養豬隻有諸多困難，例如：牛隻可以進行個別管理，但豬隻無法個體辨識，一般大約30隻為一個群組單位管理。再者，平均每戶養豬戶飼養豬隻數比牛還多，每月約莫販售660頭成豬。有時還會遇到豬隻多產的情況，從小豬出生到可販售的成豬，養育期間僅半年時間。因此，對於多頭、短時間飼養等情況，若無法群組管理，也會造成養豬戶的負擔。 　　長期與盤商客戶來往的伊藤忠飼料，發現飼養農家有這樣的困擾，於2017年4月開始進行數位目勘的技術研發，甫研發之際，也遭遇挫折差點面臨研究停頓。研發之際是設定為以Android系統為主的APP應用程式，利用美國Google空間辨識技術—Tango，但該公司卻在2018年3月停止此項目，爾後研發團隊陷入找尋替代Tango窘境。 　　原本恐面臨計畫中止，卻反而激起開發團隊「沒有就來做吧」的念頭，轉戰投入此項硬體設備研發的挑戰。從尋找零件，到調整相機角度，一面背負著農民的期待，一面持續好一段研發挑戰，終在花費一年半後將此研發商品化，並於2019年10月9日開始對外銷售。經由接地氣並帶有執念不斷來回測試後，整個研發團隊相信全球應該找不到類似商品。  　　數位目勘之機台價格為51萬8千日幣(未稅)，外加每個月需支付機台軟體使用費1萬5千日幣。而機台的電池一顆約可使用2個小時半左右，加上相機鏡頭必須平放在地面上，儘管需具備一定的操作技巧卻簡單好上手。 　　由於研發過程中面臨各種挑戰，最後團隊替這台機器取了數位目勘，並使用「勘」 (強調直覺敏銳)作為品牌LOGO。 　　此外，因具備AI性質，伊藤忠飼料的資訊系統開發福永和弘組長樂觀表示：「如果數位目勘使用者增加，則能累積其數據，提升判定精準度」。 　　因此，首要目標為增加數位目勘的使用率，然後將數據反饋於AI，提升此項系統效益，藉此能促進養豬業的生產率邁向一大步。

隨著都市規模日漸擴張，越來越多人們移居都會區生活，龐大的人口也帶動大量的飲食需求，糧食的生產及供應就顯得十分重要。為紓解都會區糧食不足的問題，許多研究紛紛提出以都市在地糧食生產為主的都市農業(urban agriculture)，希望能藉由都市地區農糧生產，減輕由外地運輸糧食的壓力，達到自給自足的新型態農業生產方式。 　　在都市農業經營管理方面，環境控制農業(controlled environment agriculture，簡稱環控農業CEA)為其中的發展方向，環控農業係以營造作物最適生長環境，提升生產效率所經營的農業型態。該經營管理方式與生產技術被許多學者認為是未來都市農業發展的主要方向。美國佛羅里達大學(University of Florida)的研究團隊整理許多關於都市農業的研究成果，並歸納其發展優劣。【延伸閱讀】歐洲最大的植物工廠將在土耳其安塔利亞開始進行作物生產 　　研究團隊認為，環控農業可利用精密的控制系統與自動化生產設備預測並增加農作物產量，同時提升作物生產品質。環控農業能利用節能的發光二極體(light-emitting diode，簡稱LED)做為作物生長的光源。此外，善用屋頂空間建設溫室設施，或利用屋頂剩餘空間建設太陽能光伏系統(photovoltaic systems)，用以能源生產之用，或改建成為雨水收集設施。 　　雖然研究團隊整理出多項環控農業發展的好處，但為永續發展環控農業，將需考量投資資金、營運成本、生產數量及市場意向等因素，除此之外，主要挑戰在於發展都市型態生產為主的環控農業需要大量且穩定的電力需求，若能綜合考量上述因素，都市環控農業估計可提供一些當地部分就業機會，帶動區域農業發展，及解決部分糧食安全問題。 　　該研究由美國農業部國家食品與農業研究院(US Department of Agriculture National Institute of Food and Agriculture)提供經費資助，相關研究成果已發表在< HortScience>。

傳統農業生產在氣候變遷的衝擊下，逐漸受全球暖化、極端氣候等改變，許多作物品系(種)因無法適應當下的環境衝擊，使得農糧產值下降，造成區域農糧生產、全球性糧食安全及生態系服務受破壞等問題。為培育出具新興抗病、抗逆境等性狀之作物品系，許多研究早已開始已著手針對作物的基因體(genomics)、蛋白質體(proteomics)、代謝體(metabolomics)等體學(omics)方面展開大規模的研究，由於在體學的研究上，會獲得海量的數據，因此大數據分析與人工智慧技術(artificial intelligence，簡稱AI)即成為其中的重要工具。隸屬於美國能源局(United States Department of Energy，簡稱DOE)橡樹嶺國家實驗室(Oak Ridge National Laboratory，簡稱ORNL)的研究團隊近年便針對人工智慧在植物選育與生質能源(bioenergy)方面進行大量的研究應用，並對近期的應用成果展開一系列的回顧。【延伸閱讀】阿里巴巴挑戰開發人工智能養豬技術 　　研究團隊在一篇已發表的回顧性文章(review article)中提到，除了擁有資料調查(surveying)、資料分類(classifying)等基本人工智慧功能外，次世代(next-generation)人工智慧更具備較佳的資料分析(analysis)、資料整合(integration)、資料解釋(interpretation)等能力。研究團隊在文章中詳細解構近期研究關於作物基因體研究方面，如何運用人工智慧建立植物基因型與表現型之間的關聯，包括以高通量(high-throughput)技術取得之基因體遺傳資訊，以及運用無人飛行載具、無人地面載具、衛星遙測技術、傳感器遠端應用等資通訊設備在田間獲取之作物表現體(phenomics)性狀資訊，以此建立基因體與表現體之間的連結，並實際應用在作物選育方面。 　　除文獻回顧外，研究團隊近期將研究重點放在基因體選種(genomic selection)相關之演算法(algorithm)方面研究，建立可解釋性人工智慧(explainable AI)，試圖突破現有之人工智慧侷限。研究團隊也希望能藉由近期的文獻回顧與實際研究應用，找出基因體學、蛋白質體學等各個體學之間的連結，克服選育方面之屏障並培育出抗性作物。 　　該研究由歐盟、義大利教育部、美國能源部等方面之經費資助，詳細回顧性文章內容已發表在<Trends in Biotechnology>。

發生有害藻華(algae bloom)的周邊水域往往對當地生態環境造成嚴重的衝擊，同時也連帶影響周邊漁業與養殖業的發展。若以傳統的監控及檢測方式，恐延誤整治與防治的黃金時間，唯有在有害藻華大規模爆發前，優先取得藻華可能發生之地點、規模、類型等基礎數據，才有機會將當地的環境衝擊降到最低，並保障當地漁民生計及漁業發展。新加坡國立大學(National University of Singapore)的研究團隊便開發出一款運用智慧型手機做為平台(platform)的新一代藻類偵測裝置，以方便漁民能在短時間內快速掌握所處水域之藻類數值監控。 　　研究團隊首先以3D列印技術(3D-printing)製造出一座整合性平台。平台內包含以光電濕潤(optoelectrowetting，簡稱OEW)技術做為基礎的光驅微流體晶片(light-driven microfluidic chip)、普通智慧型手機及多種特殊光學元件等材料。研究團隊接著利用該裝置的光學元件及光驅微流晶片偵測水樣中的光學變化，並藉此蒐集藻類種類、密度等數據，最後再根據數據本身進行分析評估。目前該裝置平台已可分析兩種淡水型(Chlamydomonas reinhardtii與Microcystis aeruginosa)及兩種海水型(Amphiprora sp.與Cylindrotheca closterium)有害藻類，供使用者更快速方便掌握水域的狀況。 　　相較於傳統檢測方法動輒2,200-73,000美元的檢測價格，研究團隊的偵測裝置僅約220美元的價格，大幅降低檢測成本。除此之外，研究團隊的這項裝置可提供高達90%的檢測準確率，使檢測結果更可信。研究團隊的這套裝置將可供使用者體驗一套完整輕量化的晶片實驗室(lab-on-a-chip)，快速掌握水體藻類的數值，保障漁業生計發展。【延伸閱讀】鹿特丹誕生全球首座漂浮牧場 　　該研究由新加坡國家研究基金會(National Research Foundation，簡稱NRF)及新加坡教育部(Ministry of Education)提供資助。相關研發成果已發表在<Harmful Algae>。

科技部謝達斌政務次長首先指出，此次研討會的目的在於帶動跨領域研究，為科技研發注入新的火花。臺灣已累積了可觀的研發能量基礎，將無人機應用在大範圍土壤和田地分析、作物灌溉、作物健康狀況評估等管理事務上，有效減少人力投入並增加效率，能應對人口結構和氣候變遷帶來的困境，邁向農工整合的新時代。 　　行政院農業委員會農業試驗所（簡稱農試所）林學詩所長認為無人機的應用是全球趨勢，不僅可以大面積、精準施用肥料，幫助農民應對天災和病蟲害，還能結合地面和空中的數據，預測作物面積和產量。行政院農業委員會（簡稱農委會）在未來也將繼續與各部門、大專院校合作，發展無人機的應用業務。 科技部謝達斌政務次長期許臺灣農業邁向農工整合的新時代。 農試所林學詩所長認為無人機的應用是全球趨勢。 農業科技的新元素 　　國立清華大學電機資訊學院黃能富院長說明如何把人工智慧、物聯網和區塊鏈等技術結合進農業產銷服務平臺。將農產品數據寫入區塊鏈，即可透過區塊鏈對產品做完整的溯源，另外，還可依據不同的情況為產品訂定智能合約。例如，在蔬果的運輸過程中如果超溫，智能合約會自動降低該批蔬果的售價，收貨人甚至可直接拒收，以此實行產品分級，確保產品品質。 　　國立清華大學電機工程學系鄭桂忠教授認為無人機的視覺關鍵技術在於仿神經智慧視覺晶片，也就是模仿人的神經系統去處理圖像資訊。以往搭載在無人機上的人工智慧功耗甚巨，用掉太多電力，使得飛行時間不長，因此需要發展以神經網絡為基礎的人工智慧，大幅降低功耗。若無人機利用新型視覺辨識系統避障，並在鏡頭端或記憶體端做圖像分析處理，將可降低功耗，比傳統雷達省電得多，進而增加飛行時間。 　　在硬體端之外，無人機的業務應用也是重要的研究課題。國立交通大學電機工程學系歐陽盟教授講述了無人機對3D果樹的立體建模與高光譜應用，由於2D成像不足以判讀果樹的完整情況，研究團隊便自製合乎需求的無人機，透過花苞、枝葉和果實的光譜，判讀糖度和水分，以此幫果實做分級。 黃能富院長說明區塊鏈的概念。 鄭桂忠教授認為無人機的視覺關鍵技術在於仿神經智慧視覺晶片。 歐陽盟教授演示3D果樹模型。 （左起）歐陽盟教授、鄭桂忠教授、黃能富院長和農科院林俊宏副院長討論農業科技的應用。 讓病蟲害無所遁形 　　農試所郭鴻裕組長報告了無人機的感測器在農業生物—非生物性逆境上的偵測應用。尤其在生物逆境方面，無人機可以協助地面採樣、即時監控，根據所得資料做繪圖和建模，再透過光譜傳感器鑑定作物的病情特徵波段，在病情特徵外顯前有效做出預警，將病蟲害扼殺於源頭。 　　國立成功大學測量及空間資訊學系林昭宏教授介紹了搭載人工智慧的無人機如何藉由田間作物影像，利用深度學習來監控和防治蟲害。有了大數據的支持，無人機有能力精準辨識作物生長狀況、黏蟲紙位置和害蟲，藉此分析和評估作物的健康。 郭鴻裕組長報告無人機感測器的實務應用。 林昭宏教授介紹無人機對田間作物影像的辨識。 農事工作變輕鬆了 　　農委會臺南區農業改良場鄭榮瑞場長以荔枝椿象的防治案例說明使用無人機在坡地果樹噴藥的好處。有效藥劑、路徑規劃和無人機三者加以配合，相較於傳統的人工噴藥，可減少約95%水量以及至少50%時間。而在省工、省水、省時之外，更關鍵的是減少人體接觸農藥的機會，保障農民安全無虞。 　　國立宜蘭大學園藝學系林建堯副教授展示了無人機的影像辨識在農產業的前期投入、中期生產、後期收穫皆有用處。他舉例，無人機的精細航拍影像可協助辨識松露宿主樹，找出松露的生長熱點，從而滿足精簡勞動力的需要，提高農業的管理效率。 鄭榮瑞場長分享荔枝椿象的防治經驗。 林建堯副教授肯定無人機對農業的貢獻和潛力。 結論 　　本次研討會7位專家描繪了國內無人機搭載人工智慧、處理圖像分析、防治病蟲害之現況，一起為無人機的應用面發揮創意，同時也為當今農業的問題提出具體解決方案，有利於產業的高效化、精準化和精緻化，期望吸引更多年輕人投入農業，提高國際競爭力。

全球農業發展將逐步邁向智慧化生產，在人工智慧(artificial intelligence，簡稱AI)的導入下，農業機具(械)將可藉由機器學習(machine learning)的過程，發展出一套自動化流程，即時回饋最新的資訊並修正先前決策，使機器在決策之餘優化其表現，藉此提升農業生產作業。 　　俄羅斯斯科爾科沃科技學院(Skolkovo Institute of Science and Technology，簡稱Skoltech)的研究團隊在人工智慧的核心中導入循環神經網路(Recurrent Neural Network，簡稱RNN)，做為機器學習主要的演算法，且為彌補循環神經網路的不足，研究團隊另外加入長短期記憶網路(Long Short Term Memory Network，簡稱LSTM)進行系統優化，藉此提升機器學習的效能。研究團隊結合圖形處理器(graphics processing unit，簡稱GPU)與最新的機器學習演算法，打造出具有人工智慧的嵌入式系統，可智慧感測(smart sensing)現有之生長狀態，最終預測植物葉片可能之生長潛勢。此外，該嵌入式系統可在普通鋰離子電池的驅動下運行長達180天，長期觀察並預測作物的生理性狀變化，發揮低耗能高效能的系統優勢。【延伸閱讀】在機器學習的輔助下記錄植物立體表徵 　　除此之外，關於植物生長的重要參數則由德國航空太空中心(德文：Deutsches Zentrum für Luft- und Raumfahrt，簡稱DLR；英譯：German Aerospace Center)提供，做為初始機器學習的基礎。該研究有助於釐清植物在人工生長系統中的生長潛勢，為長期監控及作物生長預測方面提供相對應之嵌入式人工智慧系統。 　　該研究已發表在<IEEE Transactions on Instrumentation and Measurement>。

無人機(drone)與衛星遙測(remote sensing)技術在生態資源調查方面的應用甚廣，這些技術主要協助人們從事遠端資料蒐集，方便後續在生態資源經營、國土管理等方面。美國華盛頓大學(University of Washington)與史丹佛大學(Stanford University)的研究團隊則利用無人機與衛星遙測技術進行環境調查，並以此預測可能的疾病傳播熱點，希望藉此杜絕寄生蟲對當地居民的危害。 　　研究團隊主要探討發生在西非塞內加爾(Senegal)地區的血吸蟲病(schistosomiasis)，目前已知塞內加爾地區有近2億人受感染，是在當地廣為流行的疾病。血吸蟲病的症狀為血尿、血便、腹部疼痛、臟器損傷等，雖然這些症狀可經由藥物治療痊癒，但是一旦接觸到血吸蟲棲息地或接觸攜帶血吸蟲的蝸牛，則有可能又再次經歷二度感染。有鑑於此，研究團隊希望能藉由廣泛的調查蝸牛族群的分布情況，以此推測當地可能的血吸蟲傳染熱點。 　　然而，研究團隊在調查初期發現，由於蝸牛族群是呈現塊狀(patchy)分布，並隨時間改變其族群的棲息位置及大小，因此不適用在傳染熱點評估方面，為此，與其尋找蝸牛個體或族群，研究團隊根據蝸牛的棲息特性，轉而搜尋蝸牛賴以棲息的浮水植物。有了浮水植物做為判斷依據，研究團隊便可在無人載具或衛星遙測影像輔助下，判識水中的浮水植物，並藉此推測蝸牛可能的族群量。研究團隊再結合水域附近蝸牛的密度、村落大小、村落地點等資訊，模擬出可能受血吸蟲感染的潛在地區。【延伸閱讀】讓AR眼鏡告訴你非洲菊是否可以採收 　　在該研究中，研究團隊首先利用蝸牛及其棲息植物之間的關聯性，建構出可能的疾病傳播模式，再以無人載具等技術判斷當地蝸牛的族群量，將有助於區域防疫管理及公共衛生的推廣。研究團隊希望能在未來更進一步地以機器學習(machine learning)的方式，自動判斷影像中的浮水植物，並藉由公開的公衛資訊，達成區域性公共防疫的目的。 　　該研究由美國國家衛生研究院(National Institutes of Health)、美國國家科學基金會(National Science Foundation)、史丹佛大學(Stanford University)、密西根大學(University of Michigan)等公私立機構資助。詳細研究成果已發表在<Proceedings of the National Academy of Sciences>。

末澤先生的農場以自行栽培與現場指導體驗為主，並活用數據來提高農作物的生產效率與產值。具體而言即是透過AI（人工智慧）學習紀錄水果成長狀況、品質的變化、各種尺寸採收量等數據，再加入氣象資訊，讓AI可以藉此預測收成期與採收量。此外，末澤先生還將預測結果與全體生產農民共享、並思考如何讓品質跟收成穩定的方法，以及如何事前確保收成農作人力，以及銷售方(批發商、中間商或零售商）等各生產銷售流程所需面臨問題。 「為地方的努力的膽小鬼」縣府職員時的後悔回憶 　　回溯末澤先生針對這個想法源頭，來自1981年進入香川縣府之後到退休之前，末澤先生都在農業相關部門從事技術開發，以及向農民推廣技術，因此累積不少經驗。但是作為一個公務員在職務上深感受限，進而反思諸多問題。 　　其中面臨到的一個課題就是，即使在市面上出現了以無損方式測試水果品質的新型選果機技術，日本也會因為國內產地之間的競爭，動不動就陷入彼此之間的消耗戰而無視相關技術進展。末澤先生省思此事並認為：「雖然大家都覺得提高品質作為競爭目標是件好事，但是因為同樣水準的產地之間競爭容易演變成膽小鬼賽局，接著馬上就進入商品化價格競爭階段。對於如何合作共同培養新技術，調整到能供產業活用等級的觀點，是非常欠缺的。」 　　有一次，農民們尋求其他地區良好示範案例，以迎接新業務的挑戰。但是這些案件資訊只能在該地區內分享，也因此無法達到農民須求。會有此情況發生，也源自於大家都有「你會幫敵人主動雪中送炭嗎？」的意識存在，同時也沒有共同體制，可以在超越個別行政與產地範圍之上，進行跨域整合，以及培養大型消費市場的業務。因此，末澤自己一直很懊悔無法成為農民面對挑戰時的奧援者。 　　然而，另一方面，也有讓人振奮的事，在1980年代後半到2000年左右，為了對抗開放柳橙進口，全日本溫州柑橘的溫室栽培持續地急速成長。當時同時也面臨石油危機的問題，必須投入大量能源的密室栽培，難以得到行政部門方面共識。於是散落在地方上面對挑戰的農民們，直接跳過行政機關，通過自己的全國電話網路，彼此之間就彼此共通的問題，尋求解決的方法。末澤先生當時作為與現場緊密接觸的農業推廣專員，親身體驗了對於農民們自己作為主體，如何既快速又自由地解決問題的過程。 　　回顧末澤先生20多歲時，獲取出國留學的機會。也因此他和海外研究人員以及農民建立了人際網路，並近身觀察全球農業綜合企業的發展。 　　在這樣的經驗下，他擔心日本農業陷入如江戶時代的幕府制度的結構問題。 他認為：「日本的農業是以日本農協，市町村、縣等個別行政區域為主的單兵作戰方式。主要以該地區為主進行農產銷售，因此，彼此之間很難共享情報以及業務合作。另外在農產品出口方面，也是以地方農產品牌是優先考量，在這樣的情況下，就很難看到整體日本品牌的優勢。即使個別地區品牌非常優秀，獨立運作也難以與世界其他對手競爭」。 　　相對於仍然保留著「幕藩制度」的日本，國外的農業則是持續進行新的措施。 例如紐西蘭的奇異果產業，在國家等級（或跨國之間）的資訊共享前提之下，不僅讓農業工作的程序簡化和標準化，並藉由外包業務，擁有超越日本品質的高效率農業生產模式。 　　奇異果樹枝的修剪，就是其中一個例子。 在日本，果樹樹枝的修剪工作往往取決於個人的經驗和感覺，而非採取標準化措施。然而，在紐西蘭的果園裡，他們採用了一種叫做「Stringing」(引誘樹枝吊掛式生長)的種植和培養方法，並只要下指令：「將已經長長的樹枝從橫向切掉」。如此一來，即使是沒有經驗的兼職或打工人員也能進行修剪工作。 　　比較兩邊修剪作業的每公頃工作時間，調查結果發現紐西蘭為350小時，而日本為600小時。除了修剪，紐西蘭農民在授粉、採摘、採摘和收穫上，工作時間也短上許多。 　　會有這樣的差別，可能是日本人對匠人的技巧、智慧、經驗法則和直覺等人性化的專業知識和技巧，有著偏重審美意識情感的傾向。雖然這樣的確非常了不起，卻往往因為陷入過度尊重專業，而陷入停止自我思考並反省進步的階段，並忽略了簡化程序和標準化作業。 　　而紐西蘭的農民，除了上述努力之外，在資訊與數據的共享方面也非常周到。品質監測調查就是一個很好的例子。每個農民都委託一家專業公司（承包商公司）進行監測，以監測收穫前奇異果的生長情況。 　　每個農場都被授予一個如全國統一使用的戶籍般的ID。除了一定會有的業主登記資訊之外，如土壤和種植資訊，重要病害蟲感染情況的管理資訊也一併儲存與共享。此外，也會根據相關檢查結果，進行提升改善品質的指導與管理。所有上述的資訊，同樣共享給之後的採收工作委託廠商以及選果場，以利於制定收成和運輸計畫、產品可追溯性，以及作為下一年管理模式調整。  　　其委託過程：業主會從監測公司收到預計的採收日期，並將ID傳送給採收端。採收端根據共享資訊，從果園地點開始、設定面積、預期產量、天氣和不同果園之間的先後工作排序。同時，安排工作人員、安排採收設備、制定運輸計畫、預訂選果場等。 當然，採收之後的產品也附帶了「是誰採收、何時採收、何地採收」的資訊，並分享給下游的銷售組織。 日本獨特的「規模化」，實現線索是「數據共享」 　　針對數據共享，末澤先生表示「即使模仿國外也不會成功」。紐西蘭的方式是不可能直接就融入日本的農業。海外大型集約化的農企業也不適合日本的國土民情。另外包含土地條件在內、也必須考慮到日本小農占大多數的情況。集約化與規模化，同時也會有潛在瘟疫蟲害流行的風險。 　　末澤也認為日本應該有一種獨特的「大規模化」方法。 其方法是通過使每個農民橫向聯繫，來構建自主分散式的業務結構，同時在整個生態系統中實現大型協作的區域生產功能。 　　具體來說，有四個方向： 　　（1）人才的共同培育和採用 　　（2）跨產地協同出貨與市場行銷 　　（3）應用大數據共享風險管理 　　（4）以「地區」生存為前提支援小農戶。 　　為能實現上述四大面向，可藉由ICT資訊和通信技術達到資訊共享。此外，由於莫澤先生自己本身就是奇異果的生產商，他在2019年開始利用他在農場累積的資料和人工智慧技術，建立了一個資訊共用平台：「農業數據平台」。【延伸閱讀】2018美國農業數據法案 　　平台透過學習奇異果的生長狀態等資料後，可以根據天氣資訊，在雲服務 Microsoft Azure 上構建了機器學習模型，該模型可以依據個別奇異果尺寸，預測採收產量。 　　農業數據平台根據過去的情況和未來天氣預測（如累積溫度的變化），為每個農民顯示採收的最佳時間，並在應用程式的日曆中顯示。 此外，還顯示詳細的預測資訊，如每個大小的百分比、數量和採收重量，以有利於建立採收計畫，並安排臨時工採收。 　　到目前為止，靠著將經驗和直覺導入智慧化的過程，讓新農民更容易加入奇異果種植的行列，即使是經驗豐富的農民，在工作安排上，也能夠更加精密化和效率化。  　　所幸在日本，奇異果種植的歷史並不長，利害關係人相對較少，因此產地之間的競爭並不激烈。末澤認為「奇異果這個領域，要嘗試新東西是很容易的。首先，奇異果能夠創建一個合作生產模式，並善用數據和人工智慧，在不斷試驗與錯誤之下，將這套成功模式擴大到其他水果的領域」 　　其中，最重要關鍵是現場資訊必須不斷更新。如果農民不輸入每個農地的狀況：例如：數量、大小、生長條件等，預測的精準度就不可能提高。因此，為了方便農民輸入資料，正在開發使用智慧手機的語音輸入系統。末澤表示：「在農業現場，雙手往往都在工作沒辦法打字，語音輸入則是最實際功能。」 擺脫「沒看到收成前，只能聽天由命。」的命運！ 　　農業導入ICT（資通訊科技)方面，末澤認為，投資報酬率（ROI）是一個非常重要的部分。他提到「情報資訊之間所需通報、鏈結、商談皆發生在年銷售金額超過2500萬日元的農民身上。 若不是這層級的農民，將成本用在ICT毫無意義。」 　　根據末澤的估計，具有這樣水準的農民，全國約有58,000農戶（根據2015年農業推廣推估)。 然而，他強調為促進地區農業ICT化，即使這樣的農民規模還是無法達到標準。尚未達到這層級數十萬戶農民，也必須有最低門檻讓他們導入ICT機制。 　　另外，由於平台操作須要在行事曆上的空白處輸入預算與實績，因此如何能夠讓農民更簡單方便使用備忘錄管理也是必須考量的重點。為此，日本政府目前正在利用「日本農業數據整合平台」（簡稱WAGRI）的簡單資料共享機制，以降低運營成本。 　　該系統還可以延伸安排出貨流程。從收集各地農民的預測採收量的資訊之後，末澤先生指出：「如此一來，我們就可以針對這點，安排最佳出貨流程」。 　　就目前情況而言，即使市場端預先提出品質的相關要求（如大小、價格和糖度），末澤先生認為大多也只會淪為「沒看到收成我們也不知道，只能聽天由命。」的想法。因此，如果中間商在採收前期，就能夠共享像是尺寸、糖度等預測資訊的話，則不僅能夠根據市場需求制定出貨計畫，還可以應用在產品促銷和宣傳品牌，提高產品的附加價值。 　　日本內閣府，正以推動農業物聯網和人工智慧化，以實現社會5.0（利用物聯網、人工智慧和大資料的資料驅動型社會）。目標是藉由「數據驅動型農業」之推動，促進物聯網設備和人工智慧對經驗法則和直覺等隱性知識進行量化和分析，回饋予農業生產現場。 　　然而，資料驅動型農業的案例中，也會有面臨投資報酬率方面的疑問。而由末澤先生持續打造的「農業平台」，主要將目光放在農民的實際應用，以解決農業資通訊產業所面臨現況。 　　最後，末澤先生依舊幹勁十足表示「儘管存在著國土的限制，但期盼透過共享資訊和資料連結小農，並將一個個小農企業串連在一起，逐步茁壯。」

南美哥倫比亞的玉米產區此時也正面臨強降雨次數過高與旱季時間過長等極端氣候的衝擊，該區玉米產量會因氣候的變化而產生最高達39%的差異。在面對全球氣候變遷的影響下，如何能保持產量穩定不變甚至成長，將是一般農民與科學家們設法共同解決的難題之一。 　　為解決氣候變遷帶來產量減產的問題，哥倫比亞國家穀物及豆類聯盟(National Cereals and Legumes Federation，簡稱FENALCE)與國際熱帶農業研究中心(International Center for Tropical Agriculture，簡稱CIAT)的研究團隊共同制定一套氣象資訊蒐集系統。研究團隊在與農民的合作下，委由農民蒐集相關的氣象數據，在農民與當地專家的協助下，研究團隊採集多處土壤肥力資訊，並根據6個氣象站的資訊推估可能的種植及收穫時間，研究團隊利用蒐集來的土壤、天氣數據，透過機器學習(machine learning)的處理下，整合來自不同來源的資訊並分析結果。【延伸閱讀】世界之永續發展(2/4)–使用人工智慧對抗糧食浪費 　　在機器學習的分析下，研究團隊可獲得在不同的氣候、土壤類型與農法等考量多種情境之下所能獲得的玉米產量。此外，同時也呈現影響收成時，可能面臨到的作物生長因子，如：施肥量、種子發芽率、地表逕流承載力等因子。 　　除此之外，研究團隊匯集來自有經驗農民及專家學者等方面的建議，共同解決哥倫比亞玉米產區所面臨的氣候挑戰。歷經4年的研究後，研究團隊歸納出一套有系統的指導方針(guideline)，部分玉米農在採納指導方針的建議事項進行田間作業後，因此獲得較往年平均3.5公噸/公頃高的玉米產量，在指導方針的建議下，玉米農因此獲得6公噸/公頃的玉米產量。 　　該指導方針同時也提出包括節省肥料用量等具體節省花費的做法。此外，指導方針也提出在不同天氣形態下的不同避險策略，並強調如何在強降雨的氣候條件下減少負面衝擊。 　　研究團隊也由藉由過去曾教導農民使用智慧型手機紀錄數據的經驗，計畫在未來規劃更完善的技術建設及部署，讓更多的農民可應用到衛星、無人機、感測器等設備。 　　該研究由哥倫比亞農業及鄉村發展部(Colombian Ministry of Agriculture and Rural Development，簡稱MADR)、國際農業研究諮商組織(Consultative Group on International Agricultural Research，簡稱CGIAR)等單位資助。詳細研究成果已發表在<Global Food Security>。

由於生活在開闊水域的大型活體水生生物(如鯨豚等大型水生哺乳類)體型龐大，因此難以透過捕撈與水下作業等方法，對其體長、體積、體重等與生物生活史(life cycle)相關的特徵進行基本測量。科學家以往僅能透過不幸擱淺在岸的野生鯨豚，對受傷或死亡的個體進行基本的研究，也因此極度缺乏健康生活在開闊水域個體的基本資訊，無法全面地了解鯨豚在野外的生長狀況。丹麥阿爾路斯先進研究所(Aarhus Institute of Advanced Studies，簡稱AIAS)與美國伍茲霍爾海洋研究所(Woods Hole Oceanographic Institution，簡稱WHOI)的跨國研究團隊利用無人機所拍攝的空拍圖進行分析，對捕捉到的鯨豚畫面進行立體重建。 　　研究團隊結合空拍圖與歷次實際捕獲的個體紀錄進行預測，研究團隊主要以露脊鯨(right whales, Eubalaena sp.)做為預測模型之建立依據。研究期間空拍捕獲到各年齡層，共86頭南露脊鯨(southern right whales)的空拍照片，透過各個角度的影像判讀，判定其長、寬、高等基本資訊，再以電腦重建其全彩3D立體影像後估算其體積，最後再利用已知的體積/體重比及參數上的微調，估算出所有個體的體重。【延伸閱讀】新型感測器可改善昆蟲監測和作物管理 　　該研究成果替活體鯨豚的研究帶來重大突破，讓人們更加了解鯨豚的生活史。此外，該研究也將無人機的應用帶往新的境界。 　　該研究由國家地理學會(National Geographic Society)資助，相關研究成果已發表在<Methods in Ecology and Evolution>。

為解決日本農業面臨就業人口大幅減少、強化國際市場競爭力農產品、提高糧食自給率等問題，需大量應用與整合農業數據，以充分發揮智慧農業之效益。 　　目前，日本國內IT企業與新創公司，紛紛投入智慧農業服務項目，例如：可空中運轉監視農場的無人機、精準定位農藥噴灑、以及分析安裝在農地上的IoT物聯網所收集數據，提供農作業最佳建議之農業雲等各種智慧化服務。 　　農業正面臨轉型時期，須將過去所傳承與累積的智慧與技能系統化，發揮其最大效益，並從過往一步一腳印著實耕作逐漸轉變成產業經營型態，成為一個具有魅力、經濟力、競爭力的永續農業。除此，運用最新數位化技術，以及善用農業經營相關數據，即透過數據鏈結之共有共享，創造最大利用價值。 　　日本政府關於推動農業數位化轉型，農林水產委員會的吉川貴盛農林水産大臣於2018年11月8日眾議院針對施政內容已公開表示「強力推動新技術開發與示範驗證，以實現日本成為全球首屈一指智慧農業」。此外，農業作為國民食衣住不可或缺一環，也因此農業改革已是國家重要發展項目之一。從產業振興角度來看，農業也扮演相當重要一角。相信只要經由各種措施妥善操作下，日本成為農業強國絕非夢想。 農業串起各產業的資訊鏈結 　　農業為主觀直覺與經驗來因應各種自然現象，並且親力親為孕育每個動植物之生長，自此觀點著眼，農業看似與數位化毫無連結性，但實際上農業生產須結合氣候、灑水、肥料、農藥等各種因素下相互配合才得以順利生長。因此，若能妥善運用創新數位化技術可達到快速分析與控制生長環境。此外，為了提高產值與作物品質，必須考慮每個作物品種特性、土壤品質和耕地位置特殊性、氣象等各種影響因素，甚至包括市場資訊都需考量在內。因此，目前這些難以計數複雜數據，不容易單用電腦來處理，最後也只能依賴長期從農的農民經驗。 　　目前農業數位化所需的技術逐漸成形中，由於科技的進步，現在只需透過物聯網即可蒐集數據，另外輔以大數據與人工智慧(AI)之應用，可從各種錯綜複雜因素中，給予適當的回饋。對此，日本慶應大學環境資訊學部神成淳司教授更進一步指出：日本農民擁有高品質農作物的智慧與技術，只要將這些優勢系統化，讓這些優勢大幅且持久性發展，可使日本農業競爭力呈飛躍式成長。 　　然而，目前智慧農業仍尚未完全落實，最重要關鍵莫過於這些農業數據未能整合並且相互通用，例如：從不同製造廠所製造的農業機械取得數據，目前皆以各自形式儲存，並無法被相容整合；天氣和土壤數據為公家機關所持有之外，也分散在各不同政府機構、地方單位以及研究機構等，無法跨越組織框架外所使用。原先想參考數據已不確定位於何處的情況下，更不用說保有數據如何可被充分利用。 智慧農業重要關鍵—相關資訊能相互鏈結取用 　　智慧農業最重要莫過於能整合這些錯綜複雜的數據，並藉由這些數據能提供像過去基於直覺和經驗給予明確建議。此外，不單取得個體農戶數據，甚至能統整各農家蒐集到的數據，提高分析精準度。因此，為了提高農業產值，可相互鏈結、共有、共享之數據平台之建構則是不可或缺。 　　日本政府推動「創造農林水產業及地域活力計畫」，其目標設定2025年所有農民都能善用數據進行農業活動。為使農業相關資訊能達到鏈結共享，於2018年6月內閣決議「未來都市戰略2018」計畫，以農研機構為主要營運機構，並加入相關業界企業大幅推動農業資訊共享平台(WAGRI)，2019年4月起正式開始運作。 WAGRI為農業資訊與市場情報之渠道 　　WAGRI平台於數位化基礎項目，肩負支援各種經營模式之農業。農林水產省大臣官房政策課技術製作室代理課長高野守也表示：希望藉由WAGRI平台讓農民們帶來前所未有農業經濟模式。 　　由於民間難以整合這些橫向數據，因此WAGRI將以全國性規模式進行模組設計。主要以「鏈結」、「共享」、「提供」三大功能為目標，並應用這些功能，提供資訊查閱、傳送、處理與交易等服務，成為農業相關資訊與市場情報之渠道。 　　經由上述整合鏈結的過程，可以突破供應商和製造上的侷限，能統整所有農業ICT、農業機械、感測器等所有數據。再加上，為了能實現共享效益，可在某種程度的規範下，共同持有數據。此外，促進土壤、天氣、市場行情等各種數據之妥善應用，同時可作為企業獨家提供有利用價值的商用情報所用。【延伸閱讀】Microsoft-Techno Brain通過雲端數位平台促進非洲農業 WAGRI為農業資訊與市場情報之渠道 　　目前WAGRI平台已可使用各公家機關的肥料與農藥登錄資訊、地圖數據與航空照片的圖像數據、農田劃分的形狀與排水渠道的使用情況、短期(可提前3天)或是中期(可提前26天) 的氣象資訊、水稻生長預測系統、土壤的種類與分布、可數位化顯示土壤分布圖與使用情況。 　　透過企業開發成應用程式與各種服務項目，公開於API(Application Programming Interface)程式介面。WAGRI平台之應用，期盼能藉此數據鏈結、共享、提供之效益，提升農家個體戶、地方競爭力之外，同時促進日本國際競爭力。 　　利用過去產量、栽培履歷、農田當下狀況所感測到的數據與土壤數據等相互統整，可作為各農民最佳栽培管理之建議外，亦可將地方農民各自所持有數據共享，提高整體地方技術與管理，並將技術順利傳承下去。若產地間的數據也能達到共享，可利用每個產地不同生長季節的差異，達到每年產量平衡之優勢，除能確保每年的出口量和降低運輸成本等，並強化海外市場競爭力，成為戰略性數位化農業經營管理模式。 WAGRI全面擴展至食物供應鏈 　　WAGRI應用於農業生產活動僅是開端。食品價值鏈以農業生產為起始點以外，還涉及食品加工、物流、小賣店與餐飲店等各種通路與產業。因此，日本內閣府、內閣官房情報資訊技術(IT)綜合戰略所、農林水產省、國土交通省於2018年9月起進行產地與港灣之間鏈結，以促進農林水產品與食品的出口。為了因應國內外市場與消費者需求建立「智慧食品供應鏈系統」，並於2019年起積極進行此項措施。「智慧食品供應鏈系統」之建立，其目標希望至2023年4月能整合WAGRI數據，從生產擴大到加工，物流，零售和消費，讓整個食品供應鏈都能達到相互鏈結、共享與提供等服務。 　　不僅日本重視食品安全問題，全球消費者對於食品安全意識也逐漸抬頭。然而，令人驚訝是流入市場中的眾多商品中，食品中的原料和履歷為最不透明的項目。例如汽車雖有4,000種車型、3萬個零件組合而成，但不管哪一項產品在何時、以及用什麼樣設備安裝都有詳細記載其生產條件。因此，當市面上一旦發生狀況時，即可即刻辨識出發生相同問題的產品。與上述案例相較，目前食品管理制度相差甚遠，超市販售的番茄是如何種植、運輸的過程則完全不清楚。 確保食品可追溯性、建立日本品牌形象 　　全球各地已開始針對這些不透明食物供應採取因應措施。例如2018年9月美國連鎖超市Walmart開始要求萵苣供應業者，從生產到送至店舖所有過程記錄在區塊鏈上。這項措施，是為了防止由美國生菜生菜中的大腸桿菌引起的健康損害問題，同時可以確保可追溯性。 　　另外，中國的網路通路龍頭Albaba，也為了嚴防食品偽装，於2018年4月開始試用資訊平台，期盼能將所有通路透明化。詳細記載從生產階段到農產品各種數據的WAGRI平台，正是日本農產品高品質的最佳證明。 　　智慧食品供應鏈系統若能順利發展，零售店不僅詳細記載出售的蔬菜和水果的生產地和品種，包含使用多少農藥和化肥以及在什麼樣的天氣生長一同紀錄在內。甚至還可以看到物流過程花費多少時間，以及在什麼樣的溫度控制下運送。除此，亦可附上例如過敏原的存在和清真食品認證等高附加值食品資訊。 　　最後神成淳司教授也表示：隨著新興國家成長，生活經濟高水準人口數也隨之增加。因此，日本農家所耕作的高農產品在世界商品身價也隨之上漲，藉由明示清楚的商品訊息，抬高產品價值，讓日本品牌擁有更強大立足點。

自19世紀孟德爾(Gregor Mendel)有系統地觀察與紀錄植物表型性狀(trait，或稱表徵)，發表著名的遺傳法則後，便奠定了遺傳學在生物領域研究的重要性。由於植物性狀通常被視為遺傳因子與周遭生長環境交互作用下的結果，因此，有必要發展出一套可快速進行性狀測量的系統，加速建立基因-表型-環境三者間的關聯性，協助學者在氣候變遷、遺傳學等方面之研究。美國薩爾克研究所(Salk Institute)的研究人員為此發展一套內建機器學習(machine-learning)演算法的運算系統，可用於解析植物莖、葉等三維(three-dimensional，簡稱3D)組織形態特徵。【延伸閱讀】利用機器學習幫助機器人精準收割甜美的萵苣 　　研究團隊以番茄(cultivated tomato, Solanum lycopersicum)與菸草(tobacco, Nicotiana benthamiana)共54株個體做為研究材料並進行機器深度學習(deep learning)。研究團隊選擇以植物的葉/莖形態分類(lamina/stem classification)、葉片數(lamina counting)、莖部形態(stem skeletonization)等三項難量化之形態特徵進行三維雷射掃描(3D laser scanning)，同時運用演算法進行特徵解構。有別於傳統的測量方法，在機器學習的優化運算處理下，該系統可在短時間內快速且精準地將植物形態進行分類，在葉/莖形態分類方面有高達97.8%的準確率，葉片數的判讀也有86.6%的高準確率。 　　研究結果為3D表型紀錄與形態分析帶來重大的突破，目前研究團隊仍舊設法解決相鄰葉片在辨識方面的技術性問題，並希望能在進一步優化後擴大應用到番茄與菸草以外的植物形態分析上。 　　該研究由皮尤慈善信託基金會(Pew Charitable Trusts)、美國國家科學基金會(National Science Foundation，簡稱NSF)、美國國家衛生研究院(National Institutes of Health，簡稱NIH)等機構資助，相關研究成果已發表在<Plant Physiology>。

全球性大數據分析發現，都市農業有巨大的潛力，可產出多達10%的糧食作物，這對都市農業之於永續發展的貢獻而言是好消息，自從2009年以來，美國Gotham Greens公司於紐約和芝加哥的水耕栽培溫室(hydroponic greenhouses)中培養萵苣，並販售於紐約和中西部高級商店。Gotham Greens的聯合創始人兼執行長Viraj Puri認為，與農村所經營的農業相比，在都市屋頂所栽種的糧食因運輸距離短，不但更為新鮮且減少運輸過程中的碳排放，更能為消費者帶來參與當地糧食生產的溫馨感。 　　2008年卡內基梅隆大學(Carnegie Mellon University)研究人員研究發現，糧食從生產者手中到運送至商店所排放的溫室氣體僅占糧食溫室氣體總排放量的4%，這項結果令人質疑對「食物里程」的擔憂。都市農業栽培與農村相比，某些形式的都市農業會比農村型農業更耗能，尤其是依靠人工照明和氣候控制的室內垂直農場(indoor vertical farms)，像Gotham Greens這樣的企業可以通過水耕系統回收水，但位於戶外的農場無法採用同樣作法，如底特律的戶外農場通常需要灌溉，這是許多市政供水系統難以滿足的潛在問題。 　　2016年雖美國各州對於都市農業已鬆綁限制，甚至通過財政激勵都市農業發展，但實際調查發現，只有三分之一的人是以農業為生，都市栽種糧食作物能否使都市農業更加環保，以及產量是否可滿足需求？仍是一個懸而未決的問題，在Earth’s Future雜誌上的一份對都市農業全球潛力分析，朝上述之疑問邁出一大步，分析內容是由亞利桑那州地理科學與都市規劃教授Matei Georgescu與斯丹福大學、谷歌、中國清華大學、加州大學、夏威夷大學等研究人員共同研究，透過Google的全球搜尋引擎，收集人口、氣象和其他資料，發現如果在全球各都市全面實施都市農業，每年可生產多達1.8億噸糧食，可能占全球豆類、根莖類和蔬菜作物產量的10%，報告顯示產量之龐大，研究人員希望鼓勵其他科學家、都市規劃者和地方領導者，開始更認真地看待都市農業幫助永續發展的潛力。【延伸閱讀】藉分析農業大數據發展智慧灌溉技術以節省水資源 　　該研究也探討了都市農業相關的生態系統服務，包括減少都市熱島效應、避免雨水徑流、固氮、控制蟲害和節約能源。綜合起來，這些額外的益處使全球都市農業每年的價值高達1,600億美元。生態系統服務的概念已經存在幾十年，從經濟角度探討人類從健康的生態系統中獲得的利益已越來越受到歡迎。Georgescu與合作者決定調查都市農業所提供之具有潛力的生態系統服務，團隊首先分析衛星圖像中可能代表植被和都市基礎設施的區塊，並觀察都市中現有的植被分布與適合作為的屋頂農場、空地和垂直農場的潛在位置，並分析生產收益。 　　研究人員發現實現都市農業每年可以節省150億千瓦的能源，相當於美國一半的太陽能電力，還可以吸收高達17萬噸氮，並可防止570億立方米的雨水徑流，這是河流的主要汙染源。研究團隊希望透過此一基礎研究可讓其他人了解如何尋找與分析數據，而芝加哥大學全球環境專案主任Sabina Shaikh則希望透過此研究可幫助政策制定者思考特定地區所提供的生態系統服務效益。 　　而美國與國際上的政策已經改變，主要是以適應和鼓勵都市農業。例如，加利福尼亞州在2014年通過了《都市農業獎勵區法案》，允許將都市土地用於農業用途的土地擁有者可獲得稅收減免。但此想法證明是有爭議的，特別是在高房價的舊金山，除了提高租金之外，異議人士認為都市農業可能使得降低住房密度降低，阻礙住宅開發，並導致人們更傾向開車。若將都市農場設在錯誤地區，可能造成反效果，無法達成原先降低碳排放的美意。雖然都市農業無法完全取代傳統農業，但是卻可以使得人們與食物的關係更加靠近，並讓城市更具環保、樂趣及多樣性。

日本軟銀集團(SoftBank)於2019年7月19日，針對企業主舉辦「SoftBank World 2019」活動，行動網路技術總部野田真本部長以「SoftBank 5G戰略與未來展望」為主題發表演說並表示：「5G（新世代通訊規格）將成為新世代行動服務。」 　　演說中回顧過往電子郵件與照片為核心的「3G」世界，以及透過動畫分享讓生活更精采「4G」行動服務，體驗未來「5G」技術將如何滲透社會與各產業界，藉由人工智慧(AI)和物聯網等新型技術相互串聯下，進而實現更多社會願景。【延伸閱讀】資通訊科技於澳洲農業應用之現況 　　此外，SoftBank的5G使用頻段以3.9GHz與29GHz為主，通訊干擾與覆蓋範圍等問題必須進行改善。野田部長野表示：由於都市基地台已呈現飽和狀態，目前已無可裝置的地方。因此，5G區域發展則須善用「Massive MIMO」(Multiple Input,Multiple Output；多重輸出入技術)，除了基地台數控制在1/5之外，同時等同於4G覆蓋率。 　　野田部長以「未來產業朝向自動化發展，自主律動的未來世界」為主軸，介紹自動化高精準度的定位服務。2019年7月開始進行實驗階段的「誤差公分內之高精準定位服務」，運用RTK即時動態技術(Real Time Kinematic)使得誤差控制在公分之內，實現高精準定位系統，預計今年11月正式啟動這項服務。此外，為了讓既有的基地台能高度運用此項系統，在全國3,300地方設置「獨特標準點」，使得4G區域也能提供此項高精準定位系統。 　　針對農業領域之應用部分，野田部長則以自動化運轉的農業無人機作為智慧農業代表案例，並連袂Yanmar Aguri株式會社開發部日高茂實技術總監進行說明。日高先生強調：「日本農業正面對農民高齡化等困境，為使糧食能持續供應，除了自動化機械運轉技術不可或缺之外，應當將農業產業發展成『食農産業』。」並總結：智慧農業之實現，不僅須要高精準定位服務，能讓AI快速精準解析，5G行動數據也是缺一不可。

土壤水分(soil moisture)可謂作物生長的關鍵因子，若能開發出具即時監測土壤含水量(soil moisture content)功能的感測器，適時地在低含水量時給予灌溉，將能達到節能省水的效果。美國康乃狄克大學(University of Connecticut)的研究團隊研發出一款造價相對親民，能偵測土壤水分含量的感測器，並希望以價格優勢，將此產品順勢推向全世界。 　　康乃狄克大學的研究團隊克服了研究上的困難，蒐集10個多月的田間即時資料，求得更精確地掌握土壤水分的資訊，並以此重新設計新型的土壤水分感測器。由於市面上既有的土壤水分感測器具有價格昂貴且安裝不易等缺點，因此在掌握現場實際測量的土壤水分數據後，研究團隊重新設計的新型土壤水分感測器，便希望能改進上述主要缺點。 　　康乃狄克大學的工程師係利用市售常見的光碟做為材料，以熱壓及蝕刻技術在光碟表面加入指叉式電極(interdigitated electrode)元件，最終製作出釐米級土壤水分感測器(mm-sized soil moisture sensors，簡稱MSMS)。根據數據顯示，新型的土壤水分感測器預估將節省約35%的灌溉用水；相較於生產成本動輒100-1,000美元的感測器，由康乃狄克大學設計的新款土壤水分感測計僅需2美元的成本，遠低於現有的市售感測器，是極富市場競爭力的商品。 　　新型土壤水分感測器所蒐集的高解析度數據也能按不同的時間及空間加以記錄，記錄的數據可供水文模型(hydrology model)優化之用，更進一步用在強化遙測(remote sensing)影像判識的準確度方面。研究團隊也利用相同的製作技術，著手研發氮素感測器(nitrogen sensor)，令農民更進一步掌握土壤肥力資訊。研究團隊希望能藉由研發新型水分感測器與氮素感測器，減少對減少水資源及氮肥的濫用，以達到精準農業(precision farming)之目的。【延伸閱讀】用於檢視牛奶殺菌成果的小型生物感測器 　　該研究成果已發表在<Journal of Sensors and Actuators B: Chemical>。