科技的進展帶動商業漁船的捕撈效率，許多漁船在高科技的輔助下獲得龐大的商業利益。然而，提升捕撈效率的同時，是否可維持漁業永續發展，是目前仍待釐清的問題之一。加拿大英屬哥倫比亞大學(University of British Columbia)的最新研究顯示，科技的進展雖然穩定地提升商業漁船的捕撈能力，然而此也帶給漁場一定程度的捕撈壓力。 　　英屬哥倫比亞大學的研究團隊共分析51件藉由搭載如全球定位系統(Global Positioning System，簡稱GPS)、魚群探測儀(fishfinder)、回聲測深儀(echo-sounder)、聲學相機(acoustic camera)等高科技設備的漁船或捕撈船隊，探討這些設備對於捕撈效率的影響，並找出因導入科技元素而帶動捕撈效率的技術爬升(technological creep)因子。研究團隊根據數據預估，按照目前一船隊10艘船的規模並隨著科學技術的演進下，在經歷一個世代後，同樣10艘船將相當於具備20艘船的捕撈能力，下個世代則成為具備40艘船的捕撈能力。 　　上述主要因技術提升而增加捕撈能力的現象，就稱為技術爬升，這樣的現象也被用在漁業領域上，探討許多漁業方面的學術問題。然而研究團隊認為，造成技術爬升的原因除了科技元素外，一般人經常忽略經營管理的因素，其中包括法規的變遷、監管機制的改變等。研究團隊為此提出新的評估方式，能更精準地描述技術爬升這一現象，並將其用於評估底拖網漁業(demersal fishery)、遠洋漁業(pelagic fishery)等不同作業方式的捕撈效率及評估對當地漁場的影響。【延伸閱讀】研究顯示養殖漁場中的鮭魚由小型機器人監控將更健康 　　研究團隊的這項研究，將有助於人們體認到漁業捕撈技術的提升，恐對於永續漁業發展產生重大的不確定性，在持續的消耗漁業資源下將可能導致漁場進一步浩劫。 　　該研究由David and Lucille Packard Foundation、Oak Foundation、the Marisla Foundation等慈善型基金會資助，相關研究已發表在<Ecology and Society>。

由國立北海道大學、北海道岩見澤市、日本電信電話公司(簡稱NTT)、東日本電信電話公司(簡稱NTT東日本)，以及NTT DOCOMO公司(簡稱NTT DOCOMO)等產官學於本日簽署協定，未來共同攜手合作，利用高精準定位於最新農業機械自動化技術(1)、第五代行動通訊技術(5G)、以及AI等數據分析技術，打造全球最TOP的智慧農業，以及超社會願景與智慧農業結合的永續地方創生—智慧城市。此外，利用創新數位科技網絡(2)應用於智慧農業。 一、背景 　　日本由於長期面臨農業人口日趨老化，從農人數減少，以及後繼無人等勞動力不足等問題，為持續維持並擴大其產業發展，須刻不容緩採取措施以克服人口減少與產業萎縮等困境。北海道大學以岩見澤市為進行各項新型智慧農業技術示範驗證主要區域，藉由自動行駛農機等自動化以及將經驗豐富的農民技能數據化，善用數據驅動(data driven)，研發農業創新技術。關於自動化農機械創新技術，目前正邁向全球首創可多台同時進行農事作業，外加遠距監控的無人駕駛全自動行駛 (3級)(3)的實驗階段。 　　為了達到此目標，必須要精準的定位資訊以外，還須搭配農機械的攝影機，確保將訊息能快速且正確地傳送到監控設備。未來，利用從農機械的IoT定位，及多個攝像頭與感測機所獲取農作物生長、土壤、病蟲害發生、農作業情形、與農機共享資訊等相關數據之收集，再結合農業機械以外資訊，利用上述所收集數據，應用於人工智慧處理與分析，以協助農民更能準確即時的判斷能力，促進農業永續發展。 　　岩見澤市結合北海道大學，以「農業的地方創生」發展主軸，透過ICT技術，推動「提升市民生活(住宿)品質」以及「活絡地方經濟」，建構為全國最先進的智慧農業發展環境與居民健康的健康社區等典範。此外，日本內閣府所提出的「近未來的日本社會與科技發展」施政項目中，岩見澤市已成為「全球TOP等級」的智慧農業一級產業之地方創生示範區域，同時也為日本的智慧農業的先驅。NTT電信集團，以「Your Value Partner」為核心價值，藉由研究開發、ICT基礎建設、人力資源等業務項目，再加上與各夥伴共同合作下，推動數位化轉型，以解決當前社會所面臨困境。【延伸閱讀】日本SoftBank應用5G通訊與高精準定位服務於智慧農業 二、措施概要 　　北海道大學、北海道岩見澤市、NTT、NTT東日本，以及NTT DOKOMO等產官學界攜手就下列三大主題共同簽署合作協定：1.高精準定位與定位傳送系；2.新數位科技地方網絡；3.型資訊情報處理技術以及AI技術。 1. 準定位與定位傳送系統 　　農業機械自動化運轉需要準確定位與地理資訊，因此，高精準度且符合經濟效益的定位傳輸方式必然是不可或缺。NTT利用含括準天頂衛星系統QZSS的GNSS(4)，加上日本國土地理院(日本依國土交通省設置法及測量法設立的國土交通省所屬機關，主要負責日本國土測繪工作)所提供電子參考點，以及NTT DOCOMO獨自接收站的高精準度定位系統—「GNSS定位校正傳送系統」與統計處理衛星信號演算法等最新技術，開發高精準度定位系統，並持續研究驗證新的方式。 2. 數位科技地方網絡 　　創新數位科技地方網絡，主要為開發與驗證可因應自動化農業機械的最佳物聯網。藉由第五代行動通訊技術(5G)，以及岩見澤市目前所運用的BWA(5)等最新技術，達到遠距操作在無人駕駛狀態下完全自動化行駛(等級3)，實現快速且傳輸延遲性低之物聯網應用。同時，整合各地方自治團體所運用的各種通訊（有線/無線），建構有助於智慧城市的地方居民生活便利、產業發展、以及防災與預防犯罪等通訊基礎建設。 　　中期目標而論，根據NTT所倡導的光纖新型網絡構想—IOWN「Innovative Optical & Wireless Network」，除能提供更大容量、傳輸延遲率低、更有彈性與耗電量低的All photonics network，並研發可特別依據不同用途指定波長的專用網絡。上述最新技術於農業自動化機械系統使用案例上的應用，期盼能創造更大價值。【延伸閱讀】日本SoftBank應用5G通訊與高精準定位服務於智慧農業 3. 新型資訊情報處理技術以及AI技術 　　為具備效能傳輸及壓縮自動行駛農機中所傳送出的影像與畫像等各種數據，進而開發新型資訊情處理技術。此外，利用收集並分析自動行駛農機中的各種數據，開發區域型AI技術平台也能使得農事作業順利進行。利用NTT東日本的通訊大樓作為邊緣基地，並透過封鎖型網路傳輸較低且安全的通訊，以及GPU伺服器快速處理大型數據等實驗室，快速分析汽車資訊與相機影響與作業紀錄、農地IoT機器所蒐集到的數據(例如：生產、採收、品質、銷售、消費者等)，與外部數據(例如：氣象等)，即時並準確將資訊回饋於農民與農業機械使用。為了使農事作業能更容易紀錄，未來預計開發聲音辨識轉換成文字資料之聲音辨識技術。 三、協議名稱 　　「應用最新農業機械自動化技術與資通訊技術，打造全球最TOP的智慧農業，以及超社會願景與智慧農業相結合的永續地方創生-智慧城市之產官學共同開發協定」 四、參與企業 　　北海道大學、北海道岩見澤市、NTT、NTT東日本，以及NTT DOCOMO。 五、契約期間 　　2019年6月28日至2024年6月30日（共計5年） 六、未來展望 　　未來期盼透過北海道大學、岩見澤市與NTT集團的相互合作，利用數位化轉型，打造全球最TOP的智慧農業，以及超社會願景與智慧農業相結合的永續地方創生—智慧城市，以解決社會課題，活絡地方再生。藉由此模式建立，再加入國際視野，期盼能解決全球糧食不足問題。 【備註】 (1)NTT DoKoMo預計推出「GNSS定位修正傳送系統」，高精準度定位可達誤差幾公分內。 (2)NTT目前正在進行的光纖新型網絡構想-IOWN「Innovative Optical & Wireless Network」URL：http://www.ntt.co.jp/news2019/1905/190509b.html (3)無人駕駛全自動行駛。使用者可透過屏幕(平板)，遠端操作自動化農機。 (4)Global Navigation Satellite System（全球導航系統）。衛星導航系統的總稱。 (5)寬頻無線接入（Broadband Wireless Access）是指把高效率的無線技術應用於寬頻接入網路中，以無線方式提供寬頻接入的技術。寬頻無線接入的帶寬通常大於2Mbps。 (6)因應地方需求與產業發展領域，建構第五代行動通訊技術(5G)。 (7)NTT東日本所提供AI、IOT技術驗證環境。藉由產官學合作，解決未來社會所需面臨問題，建構新社會願景，共創未來。

Anthony Hearst博士是Progeny Drone公司(Progeny Drone Inc.)的聯合創始人，該公司推出了一套軟體應用程序，方便植物育種者、小農及其他小規模參與者能快速、輕鬆地將作物空照圖轉換為植物生長健康的即時指標，稱為即時圖像指標(real-time plot-level metrics)。該指標資訊可協助研究人員制定更多由數據驅動之最佳實踐決策。 　　以往農業研究人員多以長時間小規模之研究試驗進行檢測，例如選出好的種子、使用肥料及調控作物之產品，最後根據觀察及他人建議決定最佳栽培模式。然而試驗將需耗費大量人力成本且實驗結果恐有人為主觀解讀之疑慮。為此，美國普渡大學(Purdue University)所屬之初創公司──Progeny Drone公司(Progeny Drone Inc.)近期推出了一款軟體應用程式(software application，簡稱APP)，可供植物育種者、農學家及小規模試驗者快速、輕鬆地將作物空照圖轉換成植物生長健康即時指標，以協助研究人員多制定出有利最佳實踐之資料驅動決策。 　　該應用程式可以較低成本快速測量植物生長及健康狀況，過程比人們用肉眼觀察更準確。此外，該程式也便於無程式設計背景的人使用，輕鬆地操作無人機及筆記型電腦，再將無人機拍攝之原始圖像轉換成即時情境圖及換算成圖像指標，整個過程僅需10分鐘。 　　Hearst博士近期於普渡大學榮獲農業及生物工程博士學位，並在2018年成立其所屬的創業公司。藉由參加美國國家科學基金會(National Science Foundation)的創新作物計畫(Innovation Crops program，簡稱I-Crops)，他從中開發出能滿足潛在客戶需求之應用程式。Hearst也因此獲得由I-Corps計畫資助的50萬美元，以此經費調查潛在用戶進行開發應用程式之市場分析。透過包括植物育種者、雜草科學家、小規模試驗者等數百人在內的訪查結果，開發出專為植物育種者與小規模田間試驗者所設計之應用程式。Progeny Drone公司透過普渡大學技術商業化辦公室(Purdue Office of Technology Commercialization)授權該項技術。位於普渡研究園區(Purdue Research Park)的DelMar軟體開發公司，也協助Progeny Drone公司調整使用界面，以便數據輸入與結果紀錄。【延伸閱讀】AI技術使得番茄農藥用量減少2成並且增產3成 　　雖然該研究原先將目標鎖定在小規模試驗的研究人員，但推廣至今，農民現在也可使用該應用程式，藉此判斷即時作物生長狀態。

蘋果酒(cider，又稱西打酒)是以西打蘋果(Brown Snout cider apple, Malus ×domestica)作為釀酒原料。因釀造過程會產生包含酚類(phenolics)在內等多種機能性次級代謝物(secondary metabolites)成分，因此蘋果酒相關飲品，不論在學術或商業應用上皆有其價值。多項研究均證實許多酚類具有抗氧化功能，可消除對生物體有害的自由基。此外，酚類物質亦可做為蘋果酒品質的指標，反映在酒品呈色、清澈度、西打蘋果熟成程度等，是生產蘋果酒的重要參考指標。 　　由於許多因素皆會影響蘋果酒的生產品質，為釐清蘋果酒的性質是否會因採收方式的不同而有所差異，來自美國華盛頓州立大學(Washington State University)的研究團隊便分別比較人工採收與機器採收兩種截然不同的收穫方式，希望能藉由收穫成本的計算與產品的性質差異比較，以找出最有效率且符合經濟效益的收穫方式。 　　研究團隊為求實驗公平性，在採收樣區先進行標準化栽培作業，在果園中以低棚架系統(low trellis system)的建置模式，以便利用機器與無經驗農民分別進行採收並比較兩者差異。研究團隊於採後分別隨機挑選足量的西打蘋果進行為時5個月的發酵程序，並在發酵後分別評估機器與人工採收方法對酚類含量、性質等釀酒品質指標進行成分分析。研究結果發現，機器採收的釀酒品質與人工採收的作法相比幾乎無異，且也節省了一定程度的勞力成本，對於蘋果酒產業提供一種永續的生產方式，並證實其收穫方式符合經濟效益。【延伸閱讀】智慧攝影機的使用有助於確保肉雞維持健康活躍 　　該研究經費由華盛頓州農業局(Washington State Department of Agriculture)、華盛頓大學新興議題研究獎勵(Washington State University Emerging Research Issues Grant)所提供，相關研究成果已發表在<HortTechnology>。

Edenworks是紐約布魯克林的一家新創公司，主要設計與營運可供應食品銷售店的各種垂直型魚菜共生(水耕栽培結合水產養殖的循環型農業)農業設施。該公司同時有自有栽培羽衣甘藍和甜菜等葉菜類蔬菜，以及鮭魚與蝦等海鮮。目標成為國際化永續經營取代當地的有機食品，並成為全球最大生鮮食品的供應商。 　　Edenworks利用垂直推疊架上種植蔬菜。以雙層床佈滿綠色植物的構思下設計而成。在每一層架上都裝有浮在水上自動式移動系統。架下的水提供植物養分與水分，同時植物亦可活動式從A點移至B點。 　　此項自動式移動技術法在荷蘭的溫室很常見。其起源自公元1150年古代墨西哥的阿茲特克帝國。阿茲特克人利用淺湖或沼澤地，將漂浮於水面的水生植物混以沼泥後層疊沉積於水底的Chinampa栽培方法，這種簡單、堅固且環保的系統已經發展了數千年為十分古老的技術。而Edenworks正是採用了這項技術並將其技術開發自動化垂直農業。 　　Edenworks先前發表的技術可去除食品媒介病菌(例如：大腸桿菌)以外，也可使作物病害發生率有效降低(自原採收的25％發病率降至1％發病率)，相較於傳統農業，更可提高50倍以上的耕作效益。【延伸閱讀】即時監測肉品品質的透明貼片 　　此外，根據美國疾病控制和預防中心(CDC)指出，美國的食物中毒23％是由葉類蔬菜引起的， 例如於2018年曾因為蘿蔓萵苣(romaine lettuce)而釀成了嚴重的大腸桿菌危機，而再究其原由，最常見的大腸桿菌污染源是農場的灌溉用水。因此對於Edenworks來說，阻隔食品病菌媒介是相當重要。 充分利用微生物學管理環境 　　Edenworks妥善應用微生物學改善了食品安全，不需要透過任何化學殺菌劑即可成功從灌溉水中消滅大腸桿菌。此外，參照大腸桿菌生長條件、有益微生物的繁殖、以及大腸桿菌競爭資源條件，進而設計出可對抗大腸桿菌繁殖的農園。 　　此外，Edenworks每週三次針對水和土壤整體系統測試大腸桿菌，此項測試已遠遠超過規範所設定的每年五次的測試標準，經由獨立實驗室測試驗證並維持18個月以上零汙染紀錄。 　　當溫度超過4.5度時病原體會迅速繁殖，因此在採收、洗滌、乾燥、包裝、運輸等程序以冷鏈(cold chain)作為保鮮手段，盡可能維持在低於4.5度的溫度。由於從種植的農田採收到洗淨為止，無法維持低溫控制狀態，但Edenworks可以做到這一點，從農產品生產到消費者手中維持一貫的冷鏈供應。 　　此外，Jason Green 還表示：病原體通常藉由媒介或是搬運的工作人員而傳遞，威脅室內農場造成食品安全。因此，Edenworks從種植到包裝通通採取全自動化系統，完全避免人員接觸到農產品。

農業發展除了在本世紀面臨氣候變遷的挑戰外，如何結合在地社區發展與環境友善以開創地方共榮，將是世界各國在21世紀積極推廣的主要目標。日本東京大學(東京大学，英譯：the University of Tokyo)的計畫主持人二宮正士(Ninomiya Seishi)為此提出呼籲，認為雖然20世紀的綠色革命已令許多人們免於飢餓之苦，然而農業方面面臨的關鍵問題仍尚待解決。 　　二宮正士教授指出，農藥及化學肥料在20世紀大量應用在農業方面，已造成多餘的環境負荷、過度消耗水資源、對生物多樣性產生負面衝擊、與引發糧食危機等多種對生態不友善的影響。在21世紀永續發展的前提下，農業發展不應過度依賴化學製劑與使用過多的能源，此外也應將對抗氣候變遷列為發展目標。為達成目標，導入包括物聯網(Internet of Things，簡稱IoT)、大數據(big data)、人工智慧(artificial intelligence，簡稱AI)等資訊科技(information technology，簡稱IT)在內的輔助工具，將能在21世紀翻轉農業永續。 　　以二宮正士教授與印度團隊共同合作的科技計畫為例，已導入人工智慧技術進行水稻品種改良。該計畫主要目標是希望能找出具有耐旱、抗逆境特徵的水稻品系，若以傳統選育法恐將耗時近10年的時間，然而這樣的進程並無法趕上氣候變遷的腳步。這時若能適時地導入人工智慧技術，執行影像辨識科技，將有助於快速篩選出具有特定性狀的個體，進而快速因應氣候變遷的影響。研究團隊所開發的人工智慧技術在結合影像辨識系統後，便能以水稻的花部特徵進行開花期的預測。研究團隊目前已將這套影像辨識系統裝載於無人機，進行田間實時監控，以彌補日本長期缺乏的農業勞動力。【延伸閱讀】精密生物製劑：減少家畜抗生素使用的關鍵？ 　　日本東京大學二宮正士教授的研究團隊目前正積極提高影像系統的判釋能力，並希望該系統能於未來分辨出作物與雜草，以影像辨識去除影響作物生長與收穫的雜草。

香蕉(banana)是全球重要的主食之一，許多國家也從事香蕉栽培生產與出口以滿足全球的香蕉需求市場。然而在全球氣候變遷的衝擊下，恐將影響以發展香蕉經濟產業為主的國家。英國艾希特大學(University of Exeter)的研究團隊在最新研究中便揭露，全球氣候變遷，恐為國家或區域經濟發展帶來一大隱憂。 　　英國艾希特大學的研究團隊曾以電腦模式模擬法，結合歷史氣象、環境、微生物等資訊，推論出全球氣候變遷在香蕉病原性真菌的擴散與爆發上扮演重要的角色。而最新的研究則將重點聚焦在全球氣候變遷下，世界主要香蕉生產與出進口產業方面的衝擊。研究團隊共蒐集生產全球86%鮮食蕉(dessert banana，原文簡稱香蕉banana)，一共來自27國的數據，希望能發現鮮食蕉產量消長與全球氣候變遷之間的關聯性。研究指出，近期氣候變化雖使鮮食蕉產量提升至每公頃生產1.37公噸，令多數的產蕉國獲益，然而模擬結果卻顯示，若氣候變遷的效應持續增強下，恐將衝擊全球香蕉產量。 　　研究團隊套用由政府間氣候變化專門委員會(Intergovernmental Panel on Climate Change，簡稱IPCC)所制定的溫室氣體排放情境──代表濃度途徑(Representative Concentration Pathways，簡稱RCP)情境進行模擬，分別以RCP 4.5及RCP 8.5的情境，模擬香蕉產量在未來2050年的生產變化。模擬結果發現，香蕉產量在RCP 4.5與RCP 8.5的情境下將分別減產為每公頃生產0.59公噸與每公頃生產0.19公噸。模擬顯示包含印度(India)、巴西(Brazil)、哥倫比亞(Colombia)、哥斯大黎加(Costa Rica)、瓜地馬拉(Guatemala)、巴拿馬(Panama)、菲律賓(Philippines)等10國將面臨氣候變遷的衝擊，其中主要影響的對象為大型供應商(producer)與出口商(exporter)。然而，中南美洲與加勒比海地區的厄瓜多(Ecuador)、宏都拉斯(Honduras)及部分非洲國家反而能在未來氣候變遷下增加香蕉的收益。【延伸閱讀】透過DayCent模擬預估纖維素生物燃料如何減緩全球暖化 　　雖然氣候變遷對農業生產影響甚鉅，然而在建構設施設備、改變經營管理策略等新科技與管理策略的導入下，或許能適度地減緩(mitigation)氣候變遷所帶來的衝擊。為此，研究團隊也於研究中模擬在技術驅動(technology-driven)下的香蕉產量變化，以供整體研究參考，並呼籲將來可能受影響的國家應及早準備，例如：預先加強農業灌溉設備等因應氣候變遷的做法。 　　研究團隊認為目前尚待整合全球主要供應商、出口商彼此間的知識經驗，藉由促進彼此間知識交流，共同面對未來全球氣候變遷下的挑戰。 　　該研究由英國生物技術暨生物科學研究委員會(Biotechnology and Biological Sciences Research Council，簡稱BBSRC)與歐盟相關計畫資助，詳細研究成果已發表在<Nature Climate Change>。

垂直農業(vertical agriculture)是都市農業(urban agriculture)的主要發展型態之一，被認為是解決都市地區糧食供應問題的有效方法。究竟垂直農業有哪些發展優勢，英國廣播公司(British Broadcasting Corporation，以下簡稱BBC)便以美國紐約市(New York City)所發展的都市垂直農業為報導素材，報導有關企業發展都市農業的契機與探討商機之所在。 　　紐約市為高度都市化且人口稠密的地區，當地超市所販售之農產品多購自其他產地，在這樣的市場規模及需求下，總部位在紐約市布魯克林區(Brooklyn)的農業公司──Square Roots公司便抓住這樣的商機，朝都市農業發展的腳步前進。Square Roots公司團隊廣納各領域的專業人才，包括人工智慧專家、農業機械專家、軟體設計專家等，並在與許多公司合作下，一同發展都市垂直農業。 　　Square Roots公司目前與美國地區大型的物流商──Gordon Food Service公司租借約200間倉儲，發展以種植葉菜類作物為主的室內農作。雖然租借適合的室內場域與購置專業的栽培設施，使得都市農業發展初期就得投入高成本，然而這樣的付出可望為紐約市當地消費者提供較新鮮、更即時、高品質的葉菜類產品。此外，進行室內農業毋須擔心氣候的變化，設施內部環境可交由人工智慧系統進行學習與管理，在操作上除了全程自動化外，亦可透過遠端電腦或平板裝置進行作業。由於農業生產作業幾乎全程在室內環境中進行，因此除了擁有不受氣候影響的優勢外，亦擁有能全天候供貨的優勢，為當地消費者帶來便利性。在另一方面，由於生產地多位於都市地區，因此節省不少運輸成本及碳足跡。【延伸閱讀】打造符合高產、高效之永續都市菜園 　　根據Agritecture Consulting最新的市場預估，全球垂直農業總產值可望由2013年的4億美元，經過10年的發展下，估計於2023年總產值將上看64億美元，可見垂直農業的發展潛力。除了販售葉菜類作物外，Square Roots公司希望能在優化生長條件後克服栽培限制，設法嘗試種植如番茄、草莓、胡椒等作物，以滿足更多元的經濟市場需求。 　　本文摘譯自英國廣播公司於2019.08.23的電子新聞，原文內容請詳閱作者Russell Hotten發表之<The future of food: Why farming is moving indoors>一文。

真菌性病害是導致全球糧食作物減產、危害生物安全(biosecurity)的主要病蟲害類型之一。近期在南亞孟加拉(Bangladesh)所發生的真菌性疾病導致當地小麥(wheat, Triticum aestivum)產量銳減，造成嚴重的糧食安全與生物安全危機。為避免這樣的事件再次發生，如何在病害擴散初期，以快速偵測的手段找出關鍵病原，將有助於建立病蟲害早期防治措施，避免疾病的傳播。傳統的作物疾病診斷係透過專家以肉眼鑑別植物病癥，再進一步以生化方法確立病原，然而該方法多倚賴專家經驗，且恐無法正確且有效地正確診斷，最後失去最佳防疫的階段。為了搶在第一時間有效偵測病害種類，以建立有效地因應措施，以澳洲國立大學(Australian National University)為首的澳洲研究團隊便開發出一具可偵測真菌性病害與進行菌相分析的可攜式DNA定序儀(portable DNA sequencer)，希望能應用在作物病害防治方面。 　　研究團隊所發明的可攜式DNA定序儀可分析樣區中疑似患病的小麥，分析過程是將多片疑似染病的葉片樣本與藥劑均勻混和後加到可攜式DNA定序儀中，以全基因組霰彈槍定序技術(whole genome shot-gun sequencing)測出病原的DNA序列，最後再將病原DNA序列與遺傳資料庫進行比對，找出關鍵的病原。研究團隊的這套儀器已證實可鑑別出由Puccinia striiformis引起的小麥條銹病(wheat stripe rust)、由Zymoseptoria tritici引起的小麥葉斑病(Septoria tritici blotch)、由Pyrenophora tritici-repentis所引起的黃斑病(yellow leaf spot)等真菌性疾病。【延伸閱讀】植物適用的可穿戴式裝置 　　研究團隊的這套可攜式裝置可用在田間，進行現場快速檢測分析以獲得最新的疫病資訊，達到及時病蟲害監控的效果。避免類似的疾病再次發生在世界的任一區域。該研究也希望能找出能對抗病害的微生物，並運用環境友善的生物防治法控制疾病的發生。 　　有關可攜式DNA定序儀的工作原理與詳細研究成果，請參考已發表在<Phytobiomes Journal>的文章。

全世界現正面臨人口快速成長的壓力，聯合國糧食及農業組織(Food and Agriculture Organization of the United Nations，簡稱聯合國糧農組織FAO)預估在2050年，全球總人口將上看百億。面臨龐大的糧食供應需求及飢餓人口持續增加的情況下，提高全球農業生產將是必然之趨勢。由於開發中與未開發國家等國家為主的南方國家(Global South)正在經歷人口快速成長的階段，而多數國家同時臨到農業勞動力老化、青壯年人口不願投入農業生產的窘境，因此發展科技輔助農業或許將有助於解決當前之產業現狀。微軟全球行銷市場營運執行副總暨總裁(EVP and President, Microsoft Global Sales, Marketing & Operations) Jean-Philippe Courtois表示，若能有效地駕馭人工智慧(artificial intelligence，簡稱AI)技術，將有助於協助當地農業轉型。 　　Jean-Philippe Courtois提到，越來越多農民勇於接受新興技術，例如應用衛星定位的自駕曳引機、衛星影像應用等。感測器與機器學習等新科技也同樣用以輔助農民執行智慧決策，令生產更有效率。位在印度東南方的安得拉邦(Andhra Pradesh)所執行的先導計畫便展現人工智慧於農業應用的驚人成果。【延伸閱讀】西班牙利用人工智慧防治病蟲害 　　當地農民過往常倚賴傳統農事經驗與臆測的方法來決定何時種植，然而在微軟與國際熱帶半乾旱農作物研究所(International Crops Research Institute for the Semi-Arid-Tropics，簡稱ICRISAT)的合作協助下，為當地農業導入人工智慧優勢技術，進而提高當地農業產量。其中，研究團隊所開發的「人工智慧播種應用程式」(AI Sowing App)匯集過去30多年的氣候資訊，並在整合及時氣象資訊後，運用微軟Azure AI技術預測出最佳的播種時間、播種深度、有機肥料使用多寡等參數。這些資訊不僅可透過智慧型行動裝置進行搜尋，亦可透過傳統功能手機(feature phone)收發相關簡訊。目前該研究已吸引當地175位花生農參與，在參考人工智慧決策建議後，參與計畫的農民每公頃產量可較傳統做法提高30%，顯示導入人工智慧對於提高農業生產的重要性。 　　除了上述實際案例，微軟有其他類似幫助小農的計畫正在進行。希望在不久的將來，智慧農業將能幫助人類解決人口成長引起的糧食安全問題。相關研究案例請參考聯合國糧農組織的連結與微軟官方部落格。

香蕉(banana, Musa spp.)是全球最盛行的水果之一，在2050年人口即將突破100億大關之際，香蕉市場需求必然逐年上升。然而，香蕉栽培作業上，除面臨到氣候變遷與極端氣候等環境衝擊外，也面臨到植物病蟲害的影響，常見的香蕉病害包含萎凋病與葉斑病等。這些病蟲害在近期同樣受氣候變遷、國際貿易頻率增加等因素影響下，增加其病原傳播的機會及規模。如何於第一時間有效地阻止病蟲害由少數受感染個體擴散至整片香蕉園，將是香蕉病蟲害防治的一大挑戰。總部位於南美洲哥倫比亞(Colombia)的國際熱帶農業研究中心(International Center for Tropical Agriculture，簡稱CIAT)便開發出基於人工智慧(artificial intelligence，簡稱AI)的影像辨識技術，並整合至用於行動應用程式(mobile application，簡稱app)，以方便進行遠端操作及管理。 　　運用最新的人工智慧技術，國際熱帶農業研究中心的研究團隊以深度學習(deep learning)改善系統影像辨識能力。研究團隊首先自2萬筆圖像中訓練系統分辨不同的香蕉疾病並利用病害特徵建立遠端資料庫，再透過行動應用程式拍攝並紀錄植株、花序、果實等疑似染病處並回傳至遠端伺服器，待遠端伺服器紀錄拍攝地點與分析影像資訊後，行動應用程式便會在行動裝置端顯示患病植株可能感染的疾病，並提供相關防疫資訊。 　　現有的作物病害偵測模型(crop disease detection model)僅能透過葉片病徵進行判斷並僅限處理背景單純之影像，研究團隊所開發的行動應用程式可提供功能更強大的影像辨識技術，除了可鑑別出所有植株可能的病害特徵，該行動應用程式亦具備低解析度圖像辨識、降低背景雜訊等影像優化處理技術，使疾病診斷結果更精確。 　　研究團隊將這套應用程式命名為Tumaini (英譯：hope，即希望)，在研究團隊的推廣及輔導下，蕉農已可透過簡單的手機程式操作，在第一時間獲得最新的香蕉病害資訊。此外，Tumaini所蒐集回傳的病蟲害影像、拍攝地等資訊，可進一步提供做為病蟲害防治監測的依據。 　　開發團隊所發表的最新研究指出，該項目將人工智慧用於病蟲害影像辨識的技術，可提供高達90%的辨識成功率，有效地診斷出受感染的5種主要病害與1種主要害蟲。研究團隊並表示，雖然Tumaini仍屬測試階段，但該行動應用程式在將來具有彙整無人機影像、衛星影像的潛力，可幫助弱勢地區更容易獲取最新的作物病蟲害資訊。【延伸閱讀】農業自動化機械國際產業概況與應用 　　行動應用程式Tumaini由國際熱帶農業研究中心、美國德州農工大學(Texas A&M University)、印度IIAT (Imayam Institute of Agriculture and Technology)等單位共同開發，研究經費由國際農業研究諮商組織(Consultative Group for International Agricultural Research，簡稱CGIAR)所管理的根莖類作物與香蕉(Roots, Tubers and Bananas，簡稱RTB)計畫提供。詳細的應用程式演算法與深度學習模型已發表在<Plant Methods>。

農業的自動化行駛技術正穩定日益發展。日本政府為推動超省力與高品質生產智慧化農業，利用自動化機器人技術與ICT資通訊等高科技先進技術應用於各種示範實驗，其研發成果目前也大幅展現。 　　本篇就曳引機與收割機等主要農業自動化機械，綜整國際間重要農機械企業之開發趨勢： (一) 久保田（日本） 　　久保田農機早在2016年即已推出可直線行駛的插秧機，以及可自動轉向的曳引機，並於2017年推出可在人工監控下的自動化行駛曳引機。 　　由於近年來大量投入農業自動化機械研發，成果豐碩於2018年推出了裝置GPS功能的新型曳引機、插秧機、收割機，並開發了可在人工監視下自動化行駛的收割機與插秧機。同時進一步開發了高自動化控制系統與可於外內部農場行駛的自動化機械。 　　目前所開發新型的農業機械，可在農場內外操作員監視下，大幅進行自動化耕作、整地、施肥等農作業，比現有機型具備更強的100馬力功能。預計2019年開始販售。 　　此外，新型的田植機(8排)與收割機(自動脫殼6排)，可由人工操作下自動插秧與收割等新功能。分別預計2020年與2019年開始販售。 　　上述三種最新機型，改變了過去傳統運作模式，除了更加符合市場需求，藉由產品功能性不斷創新研發，逐步實現智慧農業。 (二) Yanmar（日本） 　　Yanmar所推出的無人行駛的「全自動曳引機」和高功能「自動曳引機」從2018年10月後依序發行。此機種可藉由平板操作下，讓兩台曳引機在無人行駛的狀態下相互併行，同時利用紅外線與超音波技術的感測器與安全啟動器計算出距離。 　　插秧機的部分，Yanmar所推出的自動插秧機「YR8D」，採用是誤差指數幾公分內的即時動態定位系統RTK-GNSS，具備高精密度的自動行走與旋轉功能。有關田間外部行駛的部分，可自動計算出農作業所行駛路徑，只要按下開始按紐即可啟動。除此，也可透過平板輕鬆操作與設定各種功能。 　　此外，YT系列的自動曳引機，擁有預設行駛路徑高功能，同時可以操作方向盤(轉向)、作業機的升降、前進、後退、停止等功能，甚至可同時操作有人駕駛與無人駕駛共同行駛。 (三) 井關農機（日本） 　　井關農機所開發新型插秧機可接收GPS，單憑控制桿即可直行行駛外，還可透過超音波感測器與電極感測器進行土壤測試，目前正進行可自動偵測施肥量的自動化插秧機之研發。 　　2018年12月開始，井關農機開始對外販售應用全球導航系統（Global Navigation Satellite System, GNSS）之自動化曳引機「TJV655R」操作儀版。除此，還搭配「ISEKI DREAM PILOT」自動控制桿與「ISEKI SENSING TECHNOLOGY」感測技術，以及「ISEKI AGRIMANAGEMENT SYSTEM」農業經營管理系統，可在人工監視下自動化無人遠距操作。此外，還可透過GNSS的智慧天線模組立即測出現在所在位置，並利用陀螺儀感測器因農業機械傾斜所引起的定位誤差，以實現高精密自動行駛作業。 　　曳引機方面，最新研發具備有攝像頭、超音波雷射與紅外線感測器等功能，可用於探測障礙物與勘查地形。除了能夠在平板電腦上執行操作、路徑模式、路線設定之外，還可以使用遙控器，以遠距模式啟動或停止自動駕駛。 (四) 三菱農機（日本） 　　三菱農機總部位於日本島根縣，目前推出低成本旋轉輔助裝置「SMARTEYEDRIVE」農業機械。此裝置堪稱農業機械中的ADAS（先進駕駛輔助系統），利用單眼攝像頭、影像處理，將從所拍攝的圖像判斷農機械在直行與追隨時，行進方向是否偏移，並發出訊號至轉向裝置發出指令。 　　此外，此機型無須利用GPS等衛星通訊系統，即可精準度達到5cm以內，此項系統也可以後續再進行安裝。 　　除了上述機型以外，目前還在其他研發新機型，於2018年8月在北海道帶廣市國際農業機械展展出。【延伸閱讀】日本中小企業自行研發的農業技術降低九成成本 (五) Deere & Company（美國） 　　Deere & Company為全球最大的農機製造商。針對自動轉向操作系統早期就已著手進行開發，再加上2017年收購了美國「Blue River Technology」公司後，吸取了GPS、AI人工智慧與圖像分析技術經驗後，加快了自動行駛技術之開發。 　　另外，Deere & Company公司所開發的自動轉向操作系統，針對水稻、農耕作物、戶外蔬菜等作物種植，不管運用曳引機、收割機、插秧機、自動行駛青貯機等農業機械，皆可達到高精密行駛。除此，在作業期間無須自行操作方向盤，可減少疲勞作業，提升作業效率與注意力之利處，並可藉由精準定位系統，完成所有作業，避免農地突出處不必要的來回運轉。 　　此外，未來針對小麥、豆類和甜菜等相關作物，將這系列機種擴大應用於犁地、防病蟲害、施肥、播種與採收等農作業。 (六) New Holland（美國） 　　New Holland是CNH Global（英國）的旗下子公司，為 Dear＆Company主要競爭者，於2018年8月北海道帶廣市舉辦的國際農業機械展展示新開發的自動行駛農業機械技術-NHDrive。 　　此項機型，前後配有兩個攝像頭，只須預先輸入地圖資訊，即可在農場的通道上自動行駛，並可自動操作農場作業。除此，亦可利用桌上型電腦或行動平板進行遠端操作與監視控制。 (七) Case IH（美國） 　　Case IH是CNH 國際集團旗下子公司，2016年美國愛荷華州舉辦的農機設備貿易展中的「Farm・ Progress・Show」展示所研發的自動行駛農業機械。 　　此項自動化控制技術由ASI共同開發，從播種、採割、施肥、種植等農作業皆可透過平板遠端操作。除此，可運用雷射與相機裝置，掌握周圍狀況，避免撞到障礙物之功能。 (八) Autonomous Tractor（美國） 　　美國Autonomous Tractor Corporation在農機界如同「特斯拉」般的存在，其總部設於美國北達科他州，呈如公司名字所述，主要業務為自動行駛與引擎開發，以推行降低燃料費與延長使用壽命等性能為主。 　　自2012年以來，持續開發具有自行操作系統的自動行駛曳引機，此機型目前除了利用雷射感測器，還可充分掌握周圍的情況與農機械位置，並達到2.5cm以下的誤差。至於傳遞指令部分，則利用機械一邊運轉一邊傳達作業範圍到機器系統。 　　另外，Autonomous Tractor最新已公開發表無駕駛艙的自動行駛曳引機的概念模型「Spirit」，但由於尚未配有手動駕駛功能，現階段仍無法判斷是否可實際應用。未來將著重開發可安裝在其他製造商的自動行駛配件。 (九) Fendt（德國） 　　Fentt為美國愛科集團的子公司，早期已開發一台有人行駛的曳引機後面追隨另一台自動無人行駛的曳引機-「Fendt Guide Connect」。此機型利用定位系統與無線連線將兩台綜整在一套系統裡，並透過RTK-GPS衛星精確定位精準掌握跟隨的距離和保持橫向的距離。 (十) Mahindra & Mahindra（印度） 　　Mahindra＆Mahindra為印度知名汽車製造商Mahindra企業集團旗下的農業機械品牌。於2017年發表了試開發的機型。 有關機械相關細節尚不清楚，但該公司從2018年開始階段性發表新機型訊息，期盼藉由汽車製造商的製造優勢拓展未來的農業機械市場。 (十一)其他 　　其他尚有如有關自動行駛的高精準定位等相關支援系統之開發的NTT 數據服務公司與住友商事，以及應用自動行駛農機以提升農作業效率為主的legmin公司，以及支援農業機械運作的APP與自動方向操作器的農業資訊設計等各企業持續加入研發設計。 　　除此尚有自動無人機導航系統（SoftBank技術），以及利用機載型高光譜遙測技術進行作物生長分析（日立系統）等無人機的技術和服務持續開發。藉由創新智慧化技術日益發展下，未來將遍及農業整體當中。 全球農業共同發展趨勢-智慧農業：推動農業自動行駛技術日益普及化 　　雖然國外農業機械製造商自動駕駛技術資訊較難以取得，但農業機械自動化行駛技術，目前已經成為全球農業的共同發展趨勢。 　　另外，相較於難以計數混亂的汽車的交通環境，農地的範圍較可衡量控制，整體環境易於農機無人操作行駛。因此，若藉由原先的汽車的製造商的技術開發應用於農業自動化是更為容易。此外，若能結合收割機與插秧機等兩種機型功能，也是未來農業機械可研發的方向。 　　隨著智慧農業技術的日益高速發展下，藉由無人機、大數據、農業生產管理系統等自動化先進技術之應用，所帶來之效益將高度解決勞動力不足問題與提升農作業生產效率。

太陽能發電被認為是填補非再生能源發電缺口的方式之一，該做法需大面積土地部署太陽能板，以滿足全球發電需求。然而，在太陽能板建置、部署的過程中，往往面臨與既有土地利用相衝突的情況。如何選擇適合部署太陽能設備的地點，並發揮最佳的能源生產效率，將是實現太陽能永續發電的最佳機會。美國奧勒岡州立大學(Oregon State University)的最新研究顯示，僅需在部分農地上部署一定比例的太陽能板，便可望填補全球發電缺口。 　　雖然美國將許多太陽能設備部署在人煙稀少且不適農業生產的荒野地，避免農糧生產與能源生產間相互矛盾的情況，然而因受限於當地炎熱的氣候，太陽能板的發電效率因此大打折扣。由此可知，部署地點的氣候參數，將與太陽能板的發電效率息息相關，在這樣的情況下，農地被認為是適合做為太陽能發電的候選地點之一。 　　為了解農地發電的可能性，奧勒岡州立大學的研究團隊試著分析特斯拉(Tesla Inc.)在位於奧勒岡州立大學五處農地所部署的併網地面型(grid-tied, ground-mounted)太陽能電網系統，並監測電網周圍的氣溫、相對濕度、風速、風向、土壤濕度及該區域所能接收到的光量等環境資訊。藉由這些數據，研究團隊發展出以氣溫、風速、相對溼度做為主要環境參數，並藉此推導出太陽能光電轉換效率(photovoltaic conversion efficiency)模型。研究團隊根據模型推算全球17種土地覆蓋(land cover)類型的太陽能轉換效率，發現以農耕地(cropland)的覆蓋類型為主的太陽能發電具有最佳的光電轉換效率，顯示農地或許能做為太陽能板部署的最佳候選地點。 　　研究團隊希望可在全球推廣農電共生(又稱農電共構，agrivoltaic)的概念，即將部分農地由原本的農事生產轉為從事太陽能發電。根據研究團隊預估，將不到1%的全球農地轉變為生產太陽能發電，就能滿足現有的能源需求。部分的研究也顯示，農電共生的經營模式可提高乾旱、無灌溉農地的作物生產，是農、電雙贏的絕佳典範。【延伸閱讀】日本東北大學和新瀉食品農業大學研發從牛胃液產生發電氣體 　　該研究或許可做為我國農地種電政策計畫的參考新知，以重新評估農地的優勢。 　　該研究由美國農業部(United States department of Agriculture)及美國國家科學基金會(National Science Foundation)等計畫資助，相關研究成果已發表在<Scientific Reports>。

長期記錄作物的表型性狀(phenotypic trait)是傳統農園藝栽培、育種常用的方法之一。由於子代的表型特徵在某種程度上是遺傳自親代，因此釐清作物某表型特徵背後的遺傳機制，將有助於培育出特殊品系，不論是早年缺乏基因型(genotype)數據記錄的年代，抑或是分子生物學發達的現代，皆視為重要的遺傳數據。德國萊布尼茲植物遺傳與作物研究所(Leibniz Institute of Plant Genetics and Crop Plant Research，簡稱IPK)長期有系統性的蒐集各地種原，並記錄蒐集作物的農園藝性狀，供後續培育新種及遺傳研究方面的應用。 　　近期由德國萊布尼茲植物遺傳與作物研究所主持管理的聯邦異地基因銀行(Federal Ex situ Gene Bank)項目發表的一篇研究，揭示了記錄蒐集長達70多年的小麥農藝性狀，為研究單位、作物育種單位等提供有用的研究資訊。該研究項目共蒐集約151,000份(accession，計量單位，可指某育種品系、或是某野外採集到的種子樣品)來自世界各地有關春麥、冬麥的在地小麥種子，分別記錄開花時間、株高、仟粒重等農園藝性狀並記錄不同世代之間的性狀差異與計算遺傳度(heritability)。為克服不同時期所記錄的數據在分析上的問題，研究團隊將部分數據重新校正後，始得以比較不同時期測量的性狀，並進行後續的研究分析。 　　該研究項目先前已發表世界各地多年蒐集的大麥農藝性狀資料庫，加上這次小麥農藝性狀資料庫，勢必能為專業育種、種原保存、農業試驗改良等單位提供良好的研究參考。除此之外，該研究成果或許能應用在因全球氣候變遷而導致的糧食安全問題方面。【延伸閱讀】衛星數據使人們更加了解氣候變化對海帶的影響 　　該項目由德國聯邦教育及研究部(German Federal Ministry of Education and Research，簡稱BMBF)所資助，相關研究成果已發表在<Scientific Data>。

歷年的氣候資訊紛紛表明，全球極端氣候(climate extreme)發生的頻率及強度均有上升的趨勢。除了各地天災不斷，造成人員傷亡及財產損失外，另一個受衝擊的對象則為靠天吃飯的農業。雖然多數人都知曉極端氣候對農事生產造成的衝擊，然而鮮少有研究討論可能受影響之區域、災損規模等潛勢分析及預測。有鑑於此，日本農研機構(原文：国立研究開発法人農業・食品産業技術総合研究機構；英文：National Agriculture and Food Research Organization，單位縮寫：NARO)的研究團隊便深入分析乾旱指數(drought index)與農糧收穫資料，並首度將完整的分析結果公開發表。【延伸閱讀】智慧隨機模型可預測氣候變化下的土壤水分 　　為釐清近年實際由於氣候乾旱而導致的農產損失，研究團隊鎖定1983-2009年間的歷史氣候資料及作物生產數據，分別將玉米、水稻、大豆、小麥等常見作物的收穫量與乾旱指數、年降雨等氣候數據進行線性回歸及相關的統計分析。分析結果顯示，乾旱約影響全球當今75%的小麥生產面積、82%的玉米生產面積、62%的水稻生產面積、91%的大豆生產面積，並造成不同程度的衝擊，進而影響其收穫量與經濟方面的損失。據統計，平均每次乾旱事件所影響的收穫損失分別為：小麥8%、玉米7%、大豆7%、水稻3%；估計共造成1,660億美元的經濟損失。 　　研究團隊的這項分析有助於釐清由乾旱所造成的農產量損失及經濟損失，藉由過去的災損評估，預測全球在未來可能受極端氣候的衝擊程度，以達鑑往知來之效。此研究亦可做為國際援助策略規劃及因應極端氣候方案的參考依據。 　　該研究由日本環境省及鳥取大學(Tottori University)提供部分研究經費，詳細研究成果及受極端氣候影響之農業生產地區請參閱已發表在<Journal of Applied Meteorology and Climatology>的期刊原文。

現下植物病原檢測多仰賴傳統分子生物檢測技術，雖然結果較為準確，但所花費的時間及金錢皆相當可觀。為此，由美國北卡羅來納州立大學(North Carolina State University)的研究團隊所開發的新型非侵入性可攜檢測設備，將有助於田間快速篩檢病原，提早進行必要之病蟲害防治措施，避免農損擴大。 　　該偵測設備主要用於鑑別由晚疫黴(Phytophthora infestans)引起的茄科晚疫病(late blight)。由於受不同病原感染的葉片，會產生不同的揮發性有機物(volatile organic compounds，簡稱VOCs)，研究團隊便利用表現在葉表的有機物特性，開發出能反映不同化學特性的試紙，又稱拋棄式色度感測陣列(colorimetric sensor array)，該感測陣列能將不同化學組成的揮發性有機物以不同顏色呈現。呈色的試紙經與預先建立的揮發性有機物資料庫進行比對後，便可獲知葉片是否受感染。該設備僅須少量(ppm等級)的氣體有機分子，在1分鐘內便可比對出資料庫中與感染葉片相同的指紋跡證。【延伸閱讀】新創公司FarmSense將人工智慧應用於害蟲的田間管理 　　農民於田間或溫室設施操作時，可將受測葉片摘下，將葉片置於特殊試管內並密閉15分鐘，之後利用檢測設備的軟管，將特殊試管內蒐集的揮發性有機物導引至檢測設備中，待色度感測陣列穩定呈色後，以智慧型手機紀錄並與進行資料比對，最終獲得病原鑑別結果。該檢測設備可快速篩出得病的作物，藉此提升作物的產量。據悉，研究團隊目前已將該設備應用於種植在溫室設施內的番茄病原檢測方面，同時也獲得初步的成效。 　　該研究由美國農業部(U.S. Department of Agriculture)等機構資助，檢測設備的詳細偵測原理及應用已發表在<Nature Plants>。

植物生理性狀可作為預測農產量及反映溫室效應程度的指標，選擇測使用何種作物生理指數作為模型參數，並適時地修正模型中的生理參數，將會影響模式模擬預測的準確性。美國伊利諾大學(University of Illinois)的研究團隊便在既有的模型基礎上，加入新發現的植物重要生理參數，藉此提升現有模型預測的準確性。 　　研究團隊在去年發表的研究中指出，植物體內的某種特殊蛋白質會使氣孔呈現部分關閉的狀態，這項新發現可使植物體在光合作用速率不變的情況下，同時減少水分自氣孔散逸，避免植物體面臨缺水的危機。由於氣孔影響氣體交換、光合作用效率等重要生理反應，因此了解光照與氣孔間的關聯性，並將最新的研究成果運用在建構新的植物生理模型，將有助於用更精確地預估作物產量。藉由加入氣孔生理參數的嶄新模型，更全方位的考量土壤水分、大氣二氧化碳濃度、氣溫等參數，給予更準確的生理預測。除此之外，藉由了解植物體與周邊環境之間的氣體交換模型，研究團隊也能藉此模型進一步模擬出最新的氣體交換速率，以評估現在及將來可能的氣候形態。【延伸閱讀】使用數學預測畜牧生產對環境的影響 　　透過電腦模擬的結果，研究團隊同樣能將此成果運用在作物育種方面，以電腦模擬取代傳統世代育種的耗時作法，快速找出耐旱品系進行培育，以因應全球氣候近年快速暖化的趨勢。 　　該研究已初步指出，新模型較舊模型來的精確。研究團隊希望接著將模型應用在不同作物及不同氣候產地，以驗證新模型的準確性。 　　該研究由比爾及梅琳達·蓋茲基金會(Bill & Melinda Gates Foundation)、糧食與農業研究基金會(Foundation for Food and Agriculture Research)及英國際發展部(Department for International Development)等單位資助，相關研究成果已發表在<Photosynthesis Research>。

據統計，世界僅約3%的水可供人們飲用，在其中約70%的淡水用於農業。由於淡水資源有限，因此如何在不影響農業生產的情況下，發展一套管理水資源的灌溉體系，將是值得思考的學問。美國康乃爾大學(Cornell University)與中國清華大學的研究團隊於近期共同發展一套智慧灌溉模型(smart irrigation model)，在透過資料的蒐集及模型計算，可精確地計算出灌溉水量，避免不必要的水資源浪費。 　　智慧灌溉模型的概念是藉由結合植物生理、土壤肥力、氣象預報等數據進行模式模擬的預測，再將預測結果做為決定是否灌溉及灌溉水量多寡的決策依據。該研究項目首先運用先前團隊所開發的植物生理感測器，偵測作物當下是否處於缺水狀態，接著考量歷史氣候數據並以機器學習(machine learning)技術預測近期可能的氣候資訊，同時也計算自作物葉表及土壤表面逸散的總水量。透過一連串數據蒐集與分析預測後，才做為灌溉與否的決策依據，藉此達到省水的效果。 　　據研究團隊評估，若完善運用此套智慧灌溉模型，可望較傳統灌溉作業節省約40%的水量。目前該智慧灌溉模型已實際運用在美國紐約州少數果園，對象是對水分需求敏感的植物：如葡萄及蘋果等經濟作物。這些經濟作物大多種在美國乾燥的環境中，這也突顯精準農業及智慧灌溉的重要性。【延伸閱讀】Umitron擴大早期資金並開始水產養殖保險數據服務 　　研究團隊希望未來能依據不同作物的生理特性，即時調整灌溉模型的參數，以智慧灌溉逐步取代人為決策，建立即時自動化精準灌溉農業，避免因環境乾旱所造成的農業損失。 　　該研究由康乃爾大學數位農業倡議(Cornell Initiative for Digital Agriculture)所資助，詳細研究成果已發表在<IEEE Transactions on Control Systems Technology>。