台中市霧峰區農會有感於傳統農業面臨資源浪費、效率不彰以及氣候變遷等挑戰，難以應對現代社會對環保與食品安全的高標準。總幹事黃景建上午說，如何在有限資源下高效生產，同時保護環境，成為各國農業政策的重要課題。為此，區農會將與擁有全球智慧農業領先技術的德國拜耳集團合作，打造一個集科技、效率與可持續發展於一身的現代農業模式。【延伸閱讀】- 台灣農業老化、小農化 中研院農業政策建議書提8大解方 　　黃景建說，區農會為此，日前已邀請拜耳集團亞太區副總裁何嘯剛蒞會，就如何運用先進技術來進行精準的農業管理，有一番討論，近日也將在農會大樓四樓設立「智慧農業台灣辦公室」成為智慧農業技術的示範與推廣基地。 　　霧峰區農會計畫引入尖端科技，將科技與農業生產密切結合。新系統將能即時監控作物的生長狀況，並根據氣候、土壤和水分數據進行調整，達到精準施肥與灌溉。不僅能顯著提高農產品的產量與品質，還能有效減少農藥與水資源的使用，進一步降低生態負擔。 　　另也將大規模引入物聯網（IoT）、大數據分析以及自動化設備，幫助當地農戶實現更高效、更精確的農業管理。把農田中的各類感應器和設備聯網，收集土壤、氣溫、濕度等關鍵數據，並將數據傳送至中央系統進行分析。結合大數據分析工具，可以根據不同作物的需求，提供最佳的施肥與灌溉方案，減少資源的浪費，提升農產品的質量與競爭力。 　　黃景建說，霧峰區農會透過跨國的合作與創新的議題與思維，讓台灣農業發展站上國際舞台，也展示出台灣在智慧農業領域的巨大潛力。隨著更多的創新技術與資源投入，台灣農業在全球市場中的競爭力將持續提升，並實現與環境和諧共存的可持續發展目標。【延伸閱讀】- 農業智慧化之後的挑戰-數據分析

根據聯合國糧食及農業組織(FAO)的研究，2020年全球農業排放量達到160億噸二氧化碳當量，其中牛隻飼養排放佔了38億噸。隨著近年人口增加和對資源需求的提升，為了以不增加環境足跡的方式提高牧場產量，國際生物多樣性聯盟和國際熱帶農業中心(CIAT)的研究人員研發利用機器學習和多光譜遙感技術，從衛星數據中抓取放牧牧場的生物量和營養資訊，這種方法不僅適用於大面積牧場，也可滿足小農戶的需求。 　　這一項技術核心在於大至數千公頃的農場到只有一公頃的小農，都可以利用衛星獲取一次性精確的數據，且由於免費的衛星影像資料庫和人工智慧技術的進步，也使得該技術的應用和分析更為普及，並透過更精確的數據及高性能預測模式，優化牧場管理，更容易應對水資源短缺之風險。 　　未來研究人員希望能夠開發成如Google地圖一般易於使用的平台，讓農民可輕鬆定位自己的牧場，即時檢查飼料數量和品質，可幫助農民生產和資源利用做出正確的決策，減少碳排和資源浪費，達成永續發展目標。 　　透過該技術的發展，提供了一項可同時增加糧食產量和保護森林資源的新途徑，藉由技術創新，農民能即時掌握牧草資源的動態變化，改善生產上的管理策略，應對未來更多的氣候變遷挑戰。【延伸閱讀】- 聯合國永續發展目標的發展計畫

多組學的數據分析的特色在於集結不同項目的數據。以大豆栽培來說，目前已收集了超過一萬筆以上各種生長面向的數據，例如，應用栽培條件和氣象數據於大豆的多組學分析。其他像是大豆產量和蛋白質含量、基因表現、化學物質（代謝物），以及土壤和根部周圍微生物，如菌根真菌和細菌，土壤pH 值和氮含量，磷和鉀含量等化學特性，以及土壤顆粒大小和保水性等物理特性皆能含括在內。【延伸閱讀】- 棕櫚科多組學綜合分析數據庫 圖一、多組學的數據分析項目 　　透過上述項目數據再加上機器學習(LiNGAM)來說明數據間的因果關係，就能進而掌握大豆產量與品質等作物特性。目前的研究分析結果顯示，左右大豆產量的因素中，以氣象(10%)為最高，其次是土壤物理性(7%)，最後是生產者農事方式。雖然這項結果與過去模式類似，卻是首次以具體數據方式來證實結果。另外一個案例是小松菜。依照過去經驗，如須提升小松菜的產量，則糖度品質則會下降，若提升品質則必須在產量上有所取捨。若透過多組學的數據分析則可掌握糖度與品質之間關係，尋找出讓兩者之間平衡關鍵因素，進而改善這項問題。 　　除此之外，目前利用數據在虛擬空間做出栽培模擬情境(數位孿生)，可讓大豆栽培在未來可提前做出生產前預測。另外為了提升預測精準度，在過去採用的是以過程為基礎的模型(process-based model)，現在可以利用數據發展出機器學習模型，透過這兩個管道可以掌握過去模式所無法預測出的項目。 圖二、.數位孿生農業運作模式 　　在經濟層面上，即使收穫了大量的優質大豆，但如果無法獲利，就無法讓農民真正帶來實質效益，如果發生產銷失衡狀況，廢棄大豆無論是在運輸成本或是在環境上都會造成一定負荷。此時，就可以應用多組學的數據分析，集結從大豆生產到消費者階段相關數據，將情境數據化。 　　目前日本的國家級研究機構理化學研究所(RIKEN)在內閣府射月型研發計畫(Moonshot Research and Development. Program)的支持下進行相關研究，並已開發一套系統集結產量、品質、出貨預測，包括產地與品種等相關即時資訊在內，讓生產決策與收益間達到最佳化。 圖三、預測數據即時傳送畫面

小黃瓜是群馬縣境內非常重要的農產品，年銷售額超過100億日圓，僅次於高麗菜。在過去採收過程完全依賴人工操作，面臨夏季高溫要如何改善勞動環境是現今重要的課題。加上由於大型經營體在出貨旺季經常因為人手不足而影響採收期程，導致沒有足夠時間和精力執行其他管理工作，進而影響產量和品質。 　　JA全農群馬藉由「群馬 X Agra X NETSUGEN共創事業」計畫，積極推動新創產業合作，引進AGRIST公司開發的小黃瓜AI採收機，於2016年11月在該縣的前橋市建立示範農場進行小黃瓜種植試驗。 　　AGRIST認為，導入自動採收機器人的使用，可以有效補足勞動力的短缺，改善現場工作環境，進而提高生產力。未來期盼將示範農場這項AI技術可成功推廣至縣內其他生產者。【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 小黃瓜自動採收機的特點與導入條件說明 　　小黃瓜自動採收機採用軌道式的移動方式，透過攝影鏡頭識別功能，再應用AI判斷作物大小，進行自動執行採收工作。此外，在網路環境作業下，亦可透過電腦跟智慧型手機來進行採收範圍採收數值設定與通知。另一方面，為了充分發揮採收機的性能並提高種植效率，導入溫室前的現場條件限制如下： 在園藝設施溫室內可以進行垂吊種植。 可以配置採收機的通訊網路（4G LTE訊號）。 已有安裝軌道，且地面平坦。 進出田間土埂的通道必須平順（建議為混凝土）。 垂吊的主莖需要整齊地靠近兩側。 採收機在溫室內時不可使用霧化噴灑或硫磺燻煙。

花蓮區農業改良場 林立、郭東禎、張光華(現任職國家發展委員會) 中國文化大學、謝佳宏 　　本技術為可附掛於無人飛行載具之獨立裝置，可依規劃田區面積及天敵施放密度佈建投放座標，裝置趨近座標時觸發投放機構，自動將寄生蜂球投放至田間。作業效率可達每小時6-12公頃，有助於大規模生物防治之產業化應用。 　　「GPS 定位投放球體裝置製造技術」內容主要包含球體連續投放機構、GPS定位及機械驅動裝置、雲端操作平台。承接方可透過本技術製造「無人機定點投放球體裝置」原型機，裝置可獨立運作，不受無人飛行載具廠牌型號限制。 　　實際操作時，使用者於雲端操作平台框選預計投放的田區範圍，系統將自動建立投放任務，計算田區面積並規劃投放座標。待裝置接收座標資訊，飛手即可操作無人機於田間繞行，或使用規劃飛行模式，讓裝置自動投放寄生蜂球，輕鬆達成精準且快速的大面積天敵防治工作。 　　經田間試驗調查，使用本技術，每公頃只需5-10分鐘即可完成蜂球投放作業，相較於傳統手釘蜂片耗時1-2小時而言，作業效率提高6倍以上，且任務投放成功率達97%，搭配低頻度施藥及正確施用蜂球時機點可將玉米危害率減少至5%以下。自動化及智慧化的功能導入減輕人力負擔、提高施用效能及增加農民使用意願，有助於支持環境友善及永續農業的發展。【延伸閱讀】- 台糖蔗田無人機投放「扭蛋」 寄生蜂防害蟲立大功 圖一、無人機投放蜂球田間作業 圖二、網頁操作平台自動計算投放點 圖三、GPS 定位投放球體裝置 圖四、本技術以無人機精準投放蜂球於玉米田

日本的草莓品質高，海外需求量大，為了符合逐漸擴大的出口需求，需要更多的栽培基地，但是目前主流的栽培管理方式為溫室栽培，冬天暖氣費用相當高，且草莓在栽培與採收管理上相較於其它蔬菜而言，需要更多勞動力支援。現代工資及燃料成本不斷上漲，如需維持原本的產量，必須提高生產效率及單位面積的生產力，且也由於人口老化導致勞動力短缺，生產現場無法手動測量詳細的作物生長數據。 　　藉此，日本農業和食品綜合研究機構(農研機構，NARO)近期開發一種新的觀察方法，使用無人機飛越成排的草莓作物來捕捉每株植物的影像，可用於紀錄草莓生長位置的影像，且該技術對於診斷草莓的生長狀況及預測產量是相當重要的，有助於有效獲取溫室內大量植物的葉片生長資訊，提高草莓栽培生產的效率。 　　經研究證明，草莓幼葉出現頻率和不同位置大小的時間序列是診斷草莓生長的有效指標。而為了準確掌握這些時間序列的變化，需要獲得不同生長位置的影像資料，但這件事是不容易的，因為草莓的生長經常被樹葉覆蓋。 　　此外，溫室內無法像在室外那樣使用衛星定位技術來得到植物的位置資訊，導致識別特定植物並進行長期比較相當不容易。為了解決這個問題，研究團隊嘗試在溫室內使用無人機，讓它飛越一排排的草莓植株，並利用下流氣流將草莓莖推向一邊，藉此使草莓暴露出長出草莓的位置，並拍攝移動影像。團隊開發出一種使用鏡頭記錄每根莖的影像的觀察方法，可識別單一植物，節省勞力觀察每株植物幼葉出現和生長情形。 　　目前研究團隊後續正在開發一種以此技術紀錄的影像進行生長診斷和產量預測的自動化栽培管理系統，涵蓋種植管理、環境控制、勞力安排和運送規劃等方面，預計將可大幅提高草莓生產效率。這項研究結果將於2024年7月底舉行的展覽會上展出，該技術的實際應用及未來發展前景將受到廣泛關注，有望在未來可有效實際提高草莓栽培生產效率。【延伸閱讀】- 室內垂直農場如何生產完美的日本草莓

工研院中分院副執行長李士畦表示，勞動力不足是全球急需面對的共同課題，透過農事協作機器人在農場、畜牧及養殖作業的幫忙，將有助於提升工作效率並緩解勞動力缺口。 　　李士畦說，農事協作機器人電動化取代汽柴油動力，並結合AI邊緣運算的人工智慧控制模組，可以展現強大支援能力，包括翻土、灑種、授粉採摘、飼養或清掃畜舍環境等農務，都能交由協作機器人處理。 　　工研院與農業部台中區農業改良場合作開發四輪傳動與轉向農業共通載具，採用國產馬達驅動，可適應不同的地形與場域工作，不論運輸、割草或噴藥等，可依據任務更換工作模組。 　　工研院指出，這款四輪傳動與轉向農業共通載具因搭載智慧控制核心並使用車規模組，還可依據需求進行有人與無人駕駛的切換，功能極具彈性。 　　工研院並與農業部高雄區農業改良場合作，跨領域串聯國內的電機、電池和電控三電供應鏈及農機製造商，開發出小型電動曳引機。 　　此外，工研院結合高雄科技大學副校長郭俊賢團隊的甲醇燃料電池，開發出燃料電池農用共通載具，有效提升農事協作載具的工作效率及延長工時。【延伸閱讀】- 環境永續 ! 日本農研機構的最新智慧放牧技術成果

日本家畜診療目前大多委託農業共濟組合(NOSAI)所屬的獸醫執行。通常診療必須由獸醫直接到現場進行訪視，一旦遇到偏鄉地區或離島，或因診療所合併造成遠距離往返，則加深獸醫作業負荷。根據農林水產省的調查數據顯示，獸醫有三成以上工作時間大多耗費在往返移動，加上獸醫人員短缺，工作負擔日益增加。 　　對此，日本政府已在2023年4月將遠距診療納入家畜共濟的保險範圍，希望能加速遠距診療的使用率。日本資訊服務公司SB科技(SB Technology)順應這項趨勢，與家畜診療的相關人士交換意見，開發了AnimaLooK遠距診療系統。 　　這項系統主要提供遠距診療視訊、診療預約、診斷紀錄、錄影和死亡診斷等服務功能。使用者可以透過Line、email等通訊方式，接受預約確認通知，一鍵點擊網址，即可啟動視訊通話進行遠距診療。另外，獸醫可以根據GPS定位圖片協助死亡診斷，進而提升工作效率。診療錄影和處方等診斷紀錄可以上傳雲端，同時也可以透過智慧手機確認相關資料。有關服務內容的設計，SB科技表示：「主要回饋農業從業者給予的回饋意見，希望UI、UX設計能夠直接且簡單操作。」 　　未來，SB科技將持續開發、優化其他功能，積極推動遠距診療系統導入到NOSAI，以及其他的家畜診療所、醫院、大學。同時，拓展至寵物的遠距診療服務。目標預計導入日本全國從北海道到沖繩共77家NOSAI診療所。【延伸閱讀】- 讓執行動物福利計畫變簡單 圖一 圖二 圖三

全球領先的農業技術公司之一先正達種子(Syngenta Seeds) 今天宣布與人工智慧公司InstaDeep 合作，將先正達的專有性狀研發能力與InstaDeep 的大語言模型(LLM) 平台結合起來，加快開發為農民提供解決方案的作物性狀。 　　InstaDeep 開發了一種先進的語言模型 AgroNT，該模型是一種基礎大語言模型，在 48 種植物物種的基因組上進行訓練，以解釋遺傳密碼的複雜語言。經由AgroNT，可以獲得包含基因的調控註釋、啟動子/終止子強度、組織特異性基因表現和功能變異優先順序的預測。【延伸閱讀】- 利用基因編輯技術-CRISPR系統調整甘蔗葉片角度提高生物質產量 　　預先訓練的AgroNT模型可在 HuggingFace 平台上公開取得(https://huggingface.co/InstaDeepAI/agro-nucleotide-transformer-1b )，以作為研究使用。 　　本技術利用AI語言模型向大自然學習，旨在準確預測基因的調控方式，進而有可能將性狀控制和作物性能提升到新的高度。本次合作的初始階段將重點放在米和大豆性狀的設計。【延伸閱讀】- 了解植物性狀特徵由來，提供育種更多嶄新思考方向

日本高齡化問題伴隨而來的勞動力短缺，直接導致農作物產量減少，加上全球暖化大幅影響農業總體運作，農民需要採取以永續農業為目標並減少對環境影響的措施。【延伸閱讀】- 「園藝治療」是農業也是高齡照顧綠健康產業 　　因應上述課題，日本一家負責碳纖維複合材料的Carbon Xtract公司和九州大學共同合作，藉由提高溫室內的CO2濃度，促進植物光合作用進而增加農作物產量的原理下，成功研發出直接回收溫室中二氧化碳的小型m-DAC®裝置。藉由這項技術不僅可提高作物產量，促進脫碳效果，並達到淨零碳排之雙重效益。【延伸閱讀】- 為何我們要走向脫碳？ 　　與此同時，研發團隊與提供全國農業知識及統籌農民關係網的的JA全農合作，推動設施園藝的「新形態的永續農業」。另外，更進一步與雙日企業和三菱UFJ銀行五方共同締結協議，一同成為加速推動農業脫碳的聯盟夥伴。 m-DAC®回收二氧化碳之應用 　　m-DAC®是世界首創研發創新，應用捕碳網的分離奈米膜（m-DAC®）技術，直接從空氣回收二氧化碳。這項分離膜裝置與電化學/熱化學的二氧化碳轉化裝置相連結，可連續性地直接將大氣的二氧化碳回收到碳燃料生產。不同於目前世界主流的大型工業DAC（Direct Air Capture）裝置，獨家研發的m-DAC®體積小，可放置在任何大小場域，實現地產地消型的DAC。 圖一、m-DACⓇ裝置示意圖（九州大學研究所藝術工學研究院 尾方研究室製作） 圖二、回收到碳燃料製造流程(資料來源: Carbon Xtract)

隨著智慧科技的進展，農民開始運用高科技技術協助農事作業，數位農業應用有別於傳統模式，可以說是以自然為本，以農業歷法和氣象資訊引領方向，並在無人機、人工衛星和AI解析等先端技術加持下的新型態農事作業。以下介紹日本當前農業數位先端技術應用之案例。 北海道JA的人工衛星與無人機的遙測技術        人工衛星大多用於天氣預報的氣象衛星雲圖，或用於汽車導航和智慧手機的GPS。然而，隨著科技的進展，逐漸在農業領域嶄露頭角，其中，人工衛星和無人機的遙測作物生長診斷技術備受關注。       人工衛星遙測方面，主要透過獨特的影像解析技術，將水稻葉色、出穗期水分、玄米蛋白質含量等生產現場常用指標進行圖像辨識與轉換學習。再由Z-GIS(註1)或其他地圖軟體等繪製成田地電腦模型，指定診斷日期後上傳至網站，即可進行解析。其結果會依顏色區分田地情況。        例如，利用出穗期水分辨識出乾燥和未乾燥區域，進而判斷採收日期。北海道農協(北海道JA)，則是利用上述分析工具掌握採收時間，並與生產者共享其資訊，一同參與協助農事作業。此外，葉色辨識可以判斷追加施肥的時間點，讓農事管理更加科技化和精準化，並進一步提升生產效率和作物品質。        無人機遙測技術方面，主要裝載特殊攝影鏡頭，透過無人機拍攝影像進行分析。可自備也可委託單位協助拍攝。無人機遙測技術可辨識與分析每個田地的 NDVI 和植被覆蓋度的平均值和變化，以及可以計算出每一個網格點(1m空間解析度)的NDVI和植被覆蓋度。其分析結果可以從應用程式下載，協助農民施肥決策和倒伏診斷。【延伸閱讀】- 使用無人機圖像進行雜草檢測優化算法 全農X BASF數位農業「Xarvio®FIELD MANAGER」        由日本全農與BASF數位農業公司合作開發一套人工智慧的栽培支援系統－Xarvio® FIELD MANAGER，本系統專門用於支援水稻、大豆及小麥的生長預測及病蟲害防治。其中一項功能是應用人工衛星的「植生地圖」，主要利用衛星圖分析田間的植被健康狀況，詳細提供作物生長的分析報告。同時，可以依據系統判斷最佳追肥時間點和追肥量。        此外，Xarvio® FIELD MANAGER可以根據農地輸入的品種、插秧日期等資料，輕鬆掌握農田作物每個生長階段，大幅減輕現場確認的勞動力負擔。   註１：Z-GIS是一種以地理資訊系統（Geographic Information System, GIS）。

今年(2024年)2月起IIJ與千葉縣白井市有了一項新的合作，同樣以智慧化方式，提升當地名產梨子的產量，並解決當地長期鳥獸災害，同時改善當地從農民高齡化問題。 　　目前這項計畫處於示範實驗階段，IIJ以白井市約68.5公畝的水田為實驗基地，導IoT與無線通訊等相關設備。如下圖所示，試驗應用開發中的水田感測器，自動測出水位與水溫，再由遠端操作自動供水。並同步測試透過氣象感測器，以LoRaWAN、Private LoRa、Wi-Fi HaLow等方式進行數據傳接收。 　　此外，還能夠透過本系統確認生產現場的感測是否正常運作、人力勞動負荷問題與節水方面的成效，並評估最重要的農作物產量與品質評價。 　　除了硬體設備的導入之外，IIJ尚提供了IIJ水管理平台，讓農民、白井市等相關人士皆可以透過智慧型手機與電腦公開取得資訊。IIJ目前為2024年度日本農林水產省資訊通訊環境應用籌備委員會的負責窗口，協助農村基礎設備管理智慧化、達到省工與提升生產效能之效益，目標是希望透過資通訊環境的整備，促進地方振興與活化。【延伸閱讀】- 日本發展區域型Local 5G新農業技術-以東京智慧農業為例 圖一、白井市水田實驗階段之總體示意圖

水是生命之源，同時也是任何經濟活動的核心。隨著氣候變遷和水資源的日益匱乏，水資源與衝突之間的相互關係變得日益密切，有效和永續地管理水資源對於減少紛爭、促進當地和平至關重要，而要實現這一目標，首先需要從監測水資源開始。 　　衛星遙測技術在監測水資源方面有著關鍵的作用，特別是彌補偏遠地區數據缺口的部分。WaPOR是聯合國糧食及農業組織（FAO）開發的一項工具，利用開放獲取衛星數據監測農業區域，包括受衝突影響的地區。FAO和各國相關部門利用開放數據，實施各項措施，以避免用水主體之間發生衝突，並識別出因衝突而受到破壞的基礎設施。 　　以下四個案例展示了WaPOR數據如何幫助監測水資源，進而減少衝突，並在衝突發生後協助恢復水資源供給。 1.敘利亞 　　2019年，敘利亞水資源部和遙測總局利用WaPOR數據，評估持續衝突對敘利亞灌溉基礎設施造成的損害，結果顯示水庫、廢水處理廠以及田間灌溉系統都受損嚴重，甚至完全損壞，水資源部則利用這些評估數據來擬定國家的重建計畫。 2.蘇丹 　　2023年4月蘇丹爆發武裝衝突，導致種子分發、田地整備等農業活動無法正常運行，透過WaPOR數據將2023年生長計平均值與前五年進行比較，以估算衝突對農業生產的影響，結果顯示與前幾年相比種植面積減少51%，主因為市場和金融機制中斷，導致農民無法購買農業用品，因此FAO安排在8月時分發種子，以趕上播種時間。 3.馬利 　　缺水導致用水主體之間矛盾不斷激化，使用WaPOR數據和相關工具建立衝突預測工具，重點針對動盪不安的地區，以採取化解衝突的措施，例如推動長期存在用水競爭關係的地區展開社區對話。【延伸閱讀】- 地表下消失的水域威脅地球的糧倉 4.斯里蘭卡 　　在斯里蘭卡，FAO實施Knowat(Knowing water better)計畫，利用WaPOR數據對水資源進行評估，並瞭解各用水主體及其用水量，以公平地分配水資源。在馬爾瓦杜流域，洪水與乾旱時常交替發生，氣候變遷和管理不善則使情況進一步惡化，借助WaPOR數據，可評估農業季節用水需求並提前進行計畫，有助於相關決策與措施的規劃，農技推廣人員也可以監測用水效率，並向農民們講解過度灌溉的危險與提出改善建議。【延伸閱讀】- 水資源再生循環!日本沖繩農業應用複合式發酵技術的節水循環系統

農業灌溉設施多年來一直在供應農業用水，流水造成的磨損已成為一個問題。當設施磨損時，不僅會降低耐用性，表面上產生的凹凸不平還會阻礙水流，並可能導致水無法正常輸送。農業灌溉水道的磨耗調査一直是手動進行的，需要投入大量的勞力和時間。 　　研究團隊收集了灌溉水道的影像資料，並使用深度學習開發了一個自動影像分析程式。這個算法可以自動判斷灌溉水道的損耗情況。 　　研究結果顯示，開發的程式可以大幅地減少之前的手動分析工作，將分析時間幾乎減少到零，顯著減少了工作時間。另外，透過消除分析中的個體差異，可以提高分析結果的準確性，灌溉水道的損耗調査可以更加有效地進行。 　　此項研究開發程式已自2023年12月對外開放，透過利用該程式，預計將累積越來越多準確的數據，進而能夠快速準確地應對農業灌溉設施的惡化，對於農業領域繕修或建造帶來貢獻。【延伸閱讀】- 適用於小農的混合能源智慧灌溉系統，如何考量地點安排及選擇適合作物

由於農業從業人口的減少，加上急速高齡化等現象持續的發生，為更加提升農事現場生產力亟需應用數位技術，讓農業轉型成為可獲利的商業模式，並確保糧食的穩定供給。目前，設施園藝所帶來的高產量優勢，在全球市場持續不斷地成長，因而備受期待。相較於過去仰賴經驗和憑直覺的農事方式，當前的農業則是更加注重如何以最佳化的生產與勞動管理模式，增進產值，因此，目前越來越多以數位化管理為導向的農業經營措施受到關注。【延伸閱讀】- 「農業數位化轉型 DX」 ～「農業×數位化」開拓食農新未來～ 圖. Digital Farmer農事管理服務示意圖 資料來源：NTT-Agritechnology   「Digital Farmer」摘要         由日本NTT農業科技公司(NTT Agri-Technology)所開發的「Digital Farmer」農事服務系統，主要是以農事生產、勞務實際數據資料為基礎，以即時作業進度管理、制定精確流程，以及搭配生產進度的訂單管理等項目，支援農業經營。藉此一擺過去的仰賴經驗與憑直覺模式，讓數位化農業經營更加容易運用於生產環境，實現「增加產量」和「提高產值」之目標。 「Digital Farmer」功能與特點         「Digital Farmer」具備以下功能與特點，以滿足農業經營中最重要的產量穩定、減輕管理者的負擔以及最佳化勞動管理模式等需求。 功能1：農事作業實績管理：管理者可以即時確認現場人員回報的實際結果，同步執行預實管理。 功能2：自動制定排程計畫：根據工作人數、作業人員的熟練度、工作效率等資訊，自動分配工作項目。 功能3：訂單管理：根據訂單量、生產量、庫存變化，進行出貨的預實管理。 特色1：利用儀表板，即時掌握農事現場的整體運作進度及產量         即時掌握各項作業進度及當天採收情況，若有延遲，管理者可及早發現，並立即下指示，依據生產計劃穩定出貨。 圖.儀表板畫面示意圖 資料來源：NTT-Agritechnology   特色2：人性化的操作介面(UI)，輕鬆輸入相關資訊         現場人員可利用智慧手機紀錄作業內容與場域，以及作業開始和結束時間等資訊，蒐集準確的作業數據，實現即時作業可視化。加上人性化介面操作簡單，不會增加現場人員的負擔。 圖. 作業輸入畫面示意圖 資料來源：NTT-Agritechnology   特色3：以數據資料為基礎的作業計畫及自動訂定工作排程         根據工作人數及操作人員的特性（技能水準、工作效率數據等）自動分配工作項目及制定排班流程，以減輕管理者的排程作業上的負擔，並提供最佳的排班與排程建議。操作者可以直接透過智慧手機確認工作內容。 圖. 工作排程畫面示意圖 資料來源：NTT-Agritechnology         上述服務系統，已由NTT Agri-Technology在自家的設施園藝，從設計到實施中反覆獲取實際執行經驗，開發出最適合的農事經營支援數位化工具。除此之外，站在日本飲食生產基地的供應鏈角度出發，亦有助於實現友善環境和永續農業願景，積極為農業數位化與地方、社會帶來貢獻。【延伸閱讀】- 日本推動智慧農業邁向2025數位化轉型

了解作物冠層結構對於改良作物生產至關重要，因為顯著影響資源利用效率、產量和抗逆性。儘管研究已將冠層研究整合到各種農業操作中，但由於複雜的空間分佈和技術限制，建構準確的3D模型仍然具有挑戰性。         研究團隊使用基於CI的3D建模方法,在種植密度為3、6和9×104株/公頃的條件下,為玉米品種建立3D模型，透過反射法改良模型,提高葉片方位角分布的模擬精度，驗證模型在表示冠層覆蓋率方面的準確性,並分析其局限性，在種植密度梯度下建立3D模型,驗證葉片方位角分布的趨勢。         研究結果驗證模型能夠捕捉種植密度對冠層結構的影響,包括增加遮蔽和葉片方位角的調整。改良後的模型在模擬葉片方位角分布方面與實測數據高度一致,R2值顯示了很高的一致性。隨著種植密度的增加,與行方向垂直的葉片方位角分布(約90°)增加,顯示玉米葉片通過調整方位角來適應環境脅迫。         此項研究發表在2024年《Plant Phenomics》期刊，這項研究首次將計算智慧技術應用於3D冠層建模,克服了內部遮蔽和資源競爭的挑戰，建立了一種可視化和驗證不同種植密度和品種下玉米冠層結構的方法，為進一步提高模型的準確性和實用性提供了方向,如考慮更多環境因素和更詳細的表型和生長資訊，對未來農作物3D建模奠定基礎作出貢獻。【延伸閱讀】- 新型技術以3D虛擬模型建構禾本科花朵結構

美國是排名前五的稻米出口國，這使得南部幾個州的稻米生產對世界各地的飲食至關重要。與其他作物相比，水稻的基因組較小。再加上歷史資料和舊品種種子的可用性，使其成為設計預測模型的理想研究系統。【延伸閱讀】- 美國提出透過機器學習演算法之作物預測模型         研究團隊收集歷史氣溫、降雨等環境數據，以及1970年代以來美國南部水稻種植面積的記錄，對已經絕跡的舊品種水稻進行基因分析，將品種分組並將分組資訊和歷史環境數據輸入機器學習模型，建立預測產量的模型，採用10種不同的機器學習方法組合成集成模型，提高預測準確性。         研究結果顯示，最終的模型結合了 10 種機器學習方法，建立了一個整合模型，可以透過更多方面的方法處理資訊。在相同的預測變數下，整合模型的輸出提供了更準確的結果。         此項研究發表在2024年《美國國家科學院院刊》，這項研究不僅提供了一個框架，為具有類似預測因子的其他作物建立模型，透過在預測條件下種植古老和現代水稻品種來進行物理實驗可以作為模型的額外評估，並為導致品種組之間恢復能力差異的遺傳和生理組成提供線索。為後續實驗研究提供了理論基礎，探討品種遺傳與環境之間的相互作用。

氣候變遷造成的乾旱和鹽鹼化等壓力嚴重限制了作物產量，因而對糧食安全和經濟發展構成威脅。與養分和水分獲取相關的根性狀（例如根長和根深）在壓力耐受性中發揮關鍵作用。因此，基於性狀的根表型分析被認為是作物選擇和改良的一種有前景的方法。根的空間分佈及其生長對各種物理、化學和生物因素以及影響植物水、養分和氧氣可用性的土壤水力特性非常敏感。 　　以色列內蓋夫本-古里安大學(Ben-Gurion University of the Negev)的研究團隊透過實地調查和收集數據來研究根系動態，使用現場拍攝影像和自動化的分割技術，透過分析影像中的特徵，例如根系的長度、寬度和形狀，來估算根的總長度。這種方法可以減少人為誤差和提高估算的準確性。 　　研究結果顯示，自動根長度估算技術可以在現場拍攝的圖像中無需分割就能進行估算，這種技術可以應用於植物根系的研究和農業生產中，例如監控植物根系的長度和健康狀況。 　　此項研究有助於拓展我們對植物根系動態的認知，為未來植物學和生態學研究提供新的視角和方法，及為根系動態的定量分析和建模提供數據支持，有助於未來植物根系研究和精準農業生產的發展。【延伸閱讀】- 測量根系深度的新方法可能使作物更具韌性