1,3-二氯丙烯(1,3-Dichloropropene，簡稱1,3-D)是種常用於線蟲病害防治的燻蒸劑(fumigant)，是馬鈴薯生產體系中常用藥劑。該藥劑係藉由破壞線蟲的生理代謝途徑，進而使其死亡以達病蟲害防治的目的。雖然1,3-二氯丙烯常用於病害防治的有機化合物，然而用藥時是否對土壤生態系健康與微生物組成產生衝擊，將是人們所關注的重點之一。美國科羅拉多州立大學(Colorado State University)與奧勒岡州立大學(Oregon State University)聯合的研究團隊指出，1,3-二氯丙烯的使用並未對絕大部分的土壤微生物產生長期方面的影響。 　　為釐清化學製劑1,3-二氯丙烯是否對土壤微生物群落(soil microbial communities)中的特定微生物類群產生影響，並釐清施藥劑量對土壤微生物群落影響的程度，研究團隊分別施以103公升/公頃、122公升/公頃、140公升/公頃、187公升/公頃等4種不同劑量進行研究，並採集30.5公分、61.0公分2種深度的土壤樣本進行檢測，進一步分析土壤微生物群落的菌相組成。 　　研究團隊以菌種檢測中常見的保守基因──16S 核糖體RNA (16S ribosomal RNA，簡稱16S rRNA)、核糖體核酸內轉錄間隔區(internal transcribed spacer，簡稱ITS)等序列做為分子標記，分別找到12,783個與1,706個操作分類單元(operational taxonomic unit，簡稱OTU)進行分群鑑別，並計算其alpha多樣性(alpha diversity)指數。 　　研究發現，1,3-二氯丙烯會影響不同深度的群落多樣性，在已鑑別的樣本中，發現有45個不同科(family)的細菌與24個不同科的真菌受影響。除此之外，研究團隊發現大腸桿菌科(Enterobacteriaceae)與蛇形蟲草科(Ophiocordycipitaceae)等少數可反映藥劑殘留與線蟲族群密度的細菌及真菌在豐度上微量的變化。這也顯示燻蒸劑的施用對於土壤生態系的影響甚小。【延伸閱讀】科學家發現新的植物病毒防禦機制及對應之關鍵基因 　　研究團隊建議應將重點放在耕作型態(tillage)、覆土作物(cover crop)、灌溉類型(irrigation)等主要影響土壤微生物組成的因素上，而非一味關注燻蒸劑施用對於土壤健康的衝擊。 　　該研究主要由美國農業部國家食品與農業研究院(U.S. Department of Agriculture’s National Institute of Food and Agriculture，簡稱USDA’s NIFA)進行經費資助，相關研究成果已發表在<Phytobiomes Journal>。

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>。

即食沙拉(ready-to-eat salad)又稱為袋裝沙拉(bagged salad)，是款受大眾歡迎的蔬菜鮮食之一。由於市場對即食沙拉的需求日益漸增，相關的產業也隨之蓬勃發展，與此同時，社會大眾也逐漸意識到其中可能引起的食安問題。義大利都靈大學(原文：Università di Torino；英譯：University of Turin)的研究團隊回顧近期相關文獻後呼籲，生產者及消費者雙方應立即重視即食沙拉的衛生安全問題。 　　研究團隊提出幾項可能引發食品衛生疑慮的原因：首先，生菜的生產過程是以集約管理的方式經營，於特定地區進行高密度、高強度(5-6次栽培/年)的循環種植，加上缺乏適當的輪作機制與無法善用農用藥劑的情況下，恐使生菜本生感染到大量的真菌及細菌。其次，這些病源可透過貿易行為，將病源帶往其他環境，造成其他地區的植株大規模的感染。研究團隊也在某些案例中發現，某些未經程序消毒與檢疫的種子，將可能攜帶低致病的病原體，在新的地區變成當地新興作物病害，不但造成防疫負擔、嚴重農業損失、破壞當地生態系平衡外，更甚者恐引發嚴重大規模的流行病。【延伸閱讀】世界之永續發展(4/4)–對蛋白質永續提供的需求 　　除了人為作業與經營管理方式造成的衛生問題外，氣候變遷也是疾病之所以可以快速傳播的主要原因之一。部分研究指出，氣候逐漸暖化將削弱作物對於疾病的防禦性，這意味著現行的防疫措施應重新進行調整，以因應當前全球氣候變遷的趨勢。 　　該研究團隊的回顧提醒人們在享受生菜沙拉的同時，因注意背後可能造成的食安及生物安全等問題。 　　該研究受歐洲聯盟(European Union，簡稱：歐盟EU)的Horizon 2020計畫項目資助。文獻回顧結論已發表在<Plant Disease>。

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。

現在被人們所熟知的西瓜(cultivated watermelon, Citrullus lanatus)之所以果實飽滿且香甜係因農民長時間選育的結果。由於西瓜是各地常見的經濟作物，廣為全球栽培，且西瓜也是眾多消費者喜愛的商品，因此除了探討以外表性狀為主的傳統選育研究外，許多研究團隊也針對西瓜的遺傳特徵進行更深入的研究，並希望以基因體(genome)尺度進行較為全面的探討。中華人民共和國北京市農林科學院蔬菜研究中心(Key Laboratory of Biology and Genetic Improvement of Horticultural Crops (North China), Beijing Key Laboratory of Vegetable Germplasm Improvement, Beijing, China)與美國博伊斯湯普森研究所(Boyce Thompson Institute)的研究團隊重新將6個野生種在內共7種西瓜以次世代定序的方式重新定序，以獲得更完整的遺傳資料。 　　研究團隊曾於2013年，以短序列片段定序技術(short-read sequencing)解出第一條西瓜參考基因體(first watermelon reference genome)。研究團隊根據先前的研究經驗，重新定出涵蓋7個物種共414個個體的全基因體資訊，並以此重建種間的演化關係。研究團隊也透過遺傳數據發現，育種者曾在過去20-30年間將現有的西瓜與野生種反覆雜交後，獲得可抗線蟲、耐旱、抗病害的品系。這樣藉由與野生種雜交的過程，也可望因應隨之而來的氣候變遷。【延伸閱讀】北方玉米葉枯病的毒性基因標定與遺傳特性 　　研究團隊根據現有的數據，也可重新還原西瓜種化歷程與育種的歷史，為後續育種提供強而有力的遺傳資料。 　　該研究由美國農業部(United States Department of Agriculture)、中華人民共和國科學技術部(Ministry of Science and Technology)等機構資助。相關研究成果已發表在<Nature Genetics>。

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>。

高粱(sorghum, Sorghum bicolor)為全球重要的禾本科植物，是世界主要的糧食作物之一，在許多地區皆有保有不同的栽培品系。高粱是屬於圓錐花序(panicle)，其花序上擁有兩種不同的小穗(spikelet)型式，其一為不結穗之無柄小穗(sessile spikelet)，另一型式則為結穗之有柄小穗(pedicellate spikelet)，若能釐清其中結穗的遺傳與基因調控機制，將有助於提升高粱產量。由美國冷泉港實驗室(Cold Spring Harbor Laboratory，簡稱CSHL)與美國農業部農業研究局(United States Department of Agriculture’s Agricultural Research Service，簡稱ARS)的植物學家共同組成的研究團隊找出高粱花序發育的基因調控機制，可望提升高粱2倍的產量。 　　研究團隊在研究中發現數個關鍵調控基因，並研究其對花序發育的影響。研究團隊已於先前的研究中，藉由分子生物學與植物生理學的研究，找出關鍵轉錄因子(transcription factor)──MSD1 (multiseeded 1)，目前已知MSD1是一種TCP (Teosinte branched/Cycloidea/PCF)轉錄因子，可調控茉莉酸(jasmonic acid，簡稱JA；為重要植物生長發育激素)的生合成，並影響花序的生長發育，最終影響作物結穗的多寡。 　　在近期的研究中，研究團隊發現MSD2基因，並發現其所編碼(encode)的蛋白質──LOX (lipoxygenase)。研究中更進一步發現，MSD1會與MSD2在內的多個參與茉莉酸生合成的基因發生交互作用，研究發現MSD1會與上述基因的啟動子(promoter)區域結合，影響下游基因的表現量。在一般的情況下，MSD1會與MSD2基因上游的啟動子結合，成為茉莉酸生合成的關鍵步驟(committed step)，最終調控花序正常生長。在最新的研究中，研究團隊發現具基因點突變的msd2個體將影響茉莉酸生合成，花序發育將因此發生改變，使得無柄小穗在缺乏茉莉酸的調控下產生孕性(fertility)，產生多穗(multiseeded)的特徵，產量則較野生型多出200%的結穗量。【延伸閱讀】莧菜中草甘膦抗性與植物適應環境的關係 　　研究團隊對於高粱在轉錄調控方面研究中的發現，將可應用在植物品系選育方面，並可望用於提升作物糧食生產，提高糧食安全並造福全人類。 　　該研究由美國農業部、南韓農村振興廳(Rural Development Administration)等機構資助。相關研究成果已發表在<International Journal of Molecular Sciences>。

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>。

有鑑於大氣中溫室氣體的濃度因大量燃燒化石燃料而上升，以碳中和(carbon neutral)的做法產生能源，將是能源永續的重要生產方法。英國劍橋大學(University of Cambridge)的研究團隊利用特殊材料製作的人造葉(artificial leaf)可將太陽能及其他元素轉化成合成氣(syngas，又譯水煤氣)，該方法將有助於減少人們對化石燃料的依賴。 　　合成氣係由氫氣及一氧化碳所組成，有別於以往耗費大量能源生產合成氣的做法，研究團隊所生產的合成氣是在太陽能驅動下由人造葉所生產的氣態能源。人造葉的發明靈感來自綠色植物葉片的光合作用現象，以陽光作為能量的來源，再藉由鈣鈦礦(perovskite)與釩酸鉍(BiVO4)兩種物質作為光吸收物質(photoabsorber)，分別將水催化成氧氣，另外再將氧氣與二氧化碳進行後續氧化還原反應後，最終獲得合成氣。研究團隊在這過程中也發現，人造葉片除可在陽光充足的晴天使用外，亦可在低光源的陰天下正常使用，這也顯示人造葉可不受緯度高低或季節變化的影響，同樣可適用於乾淨燃料的生產方面。 　　研究團隊的人造葉和其他團隊的人造葉相比下，可生產氫氣以外的一氧化碳，如此重大突破可歸功於鈣鈦礦材料的應用，以便後續的光催化反應及光化學合成的進行。除此之外，研究團隊以鈷(cobalt)取代鉑、銀等貴金屬做為新的化學催化劑的做法，也大幅降低整體生產成本，提高可應用性。【延伸閱讀】新技術將啤酒轉換成燃料 　　目前研究團隊希望能基於現有的最新研究成果將氣體燃料液態化，並藉由相關技術轉化為永續液態燃料，做為替代石油的永續替代能源。 　　該研究由奧地利聯邦數位經濟部(Austrian Federal Ministry for Digital and Economic Affairs)、奧地利國家研究技術暨發展基金(National Foundation for Research, Technology and Development)、英國生物技術及生物科學研究委員會(Biotechnology and Biological Sciences Research Council，簡稱BBSRC)等機構資助。詳細研究成果已發表在<Nature Materials>。

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。」

在綠色植物(green plant, Viridiplantae)的定義中，包含綠藻、蘚苔類、蕨類、裸子植物、被子植物等不同的分類群。以往人們試圖藉由單一或少數分子遺傳標記(molecular genetic markers)重建不同分類群之間的親緣關係(phylogenetic relationship)，以及釐清分類群中不同物種間的演化關係。為進一步釐清綠色植物本身與灰胞藻門(glaucophytes, Glaucophyta)、紅藻門(red algae, Rhodophyta)等外群(outgroup)間的親緣關係，由加拿大亞伯達大學(University of Alberta)、美國喬治亞大學(University of Georgia)等100多個學術機構組成的多國聯合研究團隊啟動1KP植物轉錄體定序計畫(One thousand Plant Transcriptomes Initiative)，希望透過廣泛調查1,124種，來自不同分類群的植物轉錄體資訊，釐清植物物種間的演化關係。 　　研究團隊首先利用次世代定序技術(next generation sequencing，簡稱NGS)建構各個物種的遺傳資料庫，再從資料庫中選取410個單拷貝基因(single-copy gene)做為分子標記，以親緣關係法進行親緣關係的重建，最後將重建的親緣關係樹(phylogenetic tree)與現在已知的分類關係及演化假說進行比較與驗證。研究團隊認為，以1,124個物種、數百個分子標記進行重建的親緣關係，將可做為探討植物演化的最佳證據。結果也證實，多數重建結果與物種實際演化結果一致。然而部分結果反映出植物基因與葉綠體基因呈現不一致的演化形式，研究團隊因此推論，可能是由於多倍體化、快速種化等複雜的演化事件所導致。另外，物種樹(species tree)與基因樹(gene tree)呈現不一致的重建結果，有可能是因群系分化不全(incomplete lineage sorting)，尚保留祖先多型性(ancestral polymorphism)，導致樹型結果不一致的情況。【延伸閱讀】最新遺傳研究全面揭示西瓜的遺傳密碼 　　研究團隊也發現，植物基因演化過程中，在不同的時間、不同的分類群中也發生多次全基因體複製事件(whole-genome duplications，簡稱WGDs)，據推測這是產生基因家族的原因。 　　研究團隊希望能透過基礎研究一窺植物多樣性背後的原因，了解植物在生理、繁衍背後可能的演化機制。轉錄體資料庫的建置，亦可供後續遺傳方面的研究，或許可用於育種等農業方面的用途。 　　該研究由加拿大亞伯達省高等教育部(Alberta Ministry of Advanced Education)、中國國家重點研發計畫(National Key Research and Development Program of China)、中華人民共和國科學技術部(Ministry of Science and Technology of the People´s Republic of China)等單位或計畫經費資助，定序作業由中國華大基因(BGI Group)等單位協助。相關研究成果已發表在<Nature>。

來自農業生產所產生的氮肥是密西西比河(Mississippi River)流域與墨西哥灣出海口地區的主要污染源之一，經過量氮肥污染的流域將形成大範圍的死亡區，破壞地方的生態系的平衡。包含美國伊利諾州(Illinois)在內的其他中西部地區鄰近州已制定明確目標，在未來透過調整既有的土地經營管理作業(land management practice)類型等做法，試圖將氮肥污染降至最低。美國伊利諾大學(University of Illinois)的研究團隊利用電腦模式推論該做法的可能性後發現，現有的土地經營管理作業模式恐受氣候變遷等環境因素的潛在影響。 　　研究團隊想釐清究竟不同的土地經營管理作業種類是否可對降低氮肥污染或減少氮肥施用等方面作出不同的結果，同時研究團隊也在模擬時加入不同的氣候情境，目的是希望能預測在不同的氣候環境下的管理成效。研究團隊選擇以奧克拉荷馬州(Oklahoma)柳溪(Willow Creek)流域作為研究樣區，再根據樣區內不同地點的土壤性質(soil properties)、土地利用(land use)類型、土地經營管理作業種類及當地的氣候型態等數據做為模擬參數，以田間尺度進行地表逕流(surface runoff)及氮含量的預測。 　　研究團隊嘗試進行以12種不同的土地經營管理作業類型與32種氣候情境排列組合，共384種的情境加以模擬，對整體5,911個分區(cell)進行未來50年間(2020-2070年)的氮含量模擬預測。其中研究團隊發現，短時間內強降雨等極端氣候類型，恐是影響土地經營管理措施效率受影響的主要原因。 　　除模擬未來土壤氮含量趨勢外，研究團隊也找出能保持土壤氮含量而使其不流失的其中關鍵做法。像是透過作物輪作的土地經營管理模式將能減緩土壤中氮的流失；此外，研究團隊也發現在春季施肥的做法也可減少其他季節的氮負荷(nitrogen load)。研究團隊也發現其中，施用率(application rate)是影響氮負荷量的最主要原因，若能找到合適的施肥管理模式，將能在每年有效地減少約6%的氮負荷量。【延伸閱讀】利用雲端管理番茄的生長數據 　　研究團隊希望能先藉由初步的模擬結果，先進行小規模的田間試驗，再逐步推廣至大範圍的區域。雖然研究團隊的主要結論是依據地表逕流所進行的氮含量模式預測，研究團隊也希望像其他研究一樣，朝不同面向分析，例如：分析地下水氮含量等其他做法，全盤地從各個方面減少氮污染對周邊環境的衝擊。 　　該研究由美國農業部國家食物與農業機構(United States Department of Agriculture, National Institute of Food and Agriculture簡稱NIFA)資助。相關研究成果已發表在<Journal of Environmental Management>。

在全球蛋白質需求量日漸增加的趨勢下，帶動畜牧產業的發展。為此，以便宜、易取得的抗生素進行疫情控制將會是現下符合效益的做法之一。然而，根據瑞士蘇黎世聯邦理工學院(ETH Zurich)與比利時布魯塞爾自由大學(Free University of Brussels)的聯合研究團隊的調查發現，開發中國家在廣泛使用抗生素下，抗生素抗藥性的發生率與2000年相比已呈現3倍成長，恐將影響到現有的動物健康體系。 　　研究團隊自許多中低收入國家蒐集近千則與獸醫相關，包含已發表與未發表的報告進行研究。其中，研究團隊以抗藥性菌株的比例做為抗生素抗藥性發生率，並以抗生素抗藥性比例(proportion of antimicrobial compounds with resistance)大於50者(P50)做為指標。在2000-2018年的報告中可發現，在開發中國家的養雞產業中，P50以上的國家從0.15上升到0.41；養豬產業中，P50以上的國家從0.13-0.34。這些現象均顯示，這些國家未來恐將面臨到抗生素經常失效的窘境，預估近2/5的雞隻與1/3的豬隻受影響。 　　研究團隊發現，中國、印度、巴西及肯亞在這幾年間變成新興熱點，這個現象也顯示，在飲食習慣的改變下，為因應蛋白質需求上升，而改變的用藥模式，將導致新興抗藥性菌株的增加，無形中提高了飼養成本。 　　據統計，畜牧產業消耗了全球近73%的抗生素，雖然抗生素在初期施用時降低了牲畜染病的機會，然而若施用不當，抗生素濫用的問題恐將令牲畜暴露在具抗藥性菌株的高風險環境中，對於整體畜牧產業將帶來疾病管理方面的問題。【延伸閱讀】豬的自然需求是新型養豬場的設計核心 　　研究團隊呼籲發展中國家應改進現有的管理做法，例如：避免人類醫療使用的抗生素應用在農場動物中，以避免產生人畜共通傳染的抗藥性菌株。若不儘速行動，恐怕在不久的將來，人們終將面臨全球傳播的超級細菌，對經濟動物及人類的健康產生重大威脅。 　　該研究由Branco Weiss Fellowship博士後研究計畫、瑞士國家科學基金會(Swiss National Science Foundation)、ETH Zurich Seed Grant、比爾與美琳達·蓋茲基金會(Bill & Melinda Gates Foundation)、普林斯頓大學環境研究所(Princeton Environmental Institute)等機構資助。相關研究成果已發表在<Science>。

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>。

大豆嵌紋病毒(Soybean mosaic virus，簡稱SMV)是RNA病毒，其為造成大豆產量銳減的重要病害。雖然目前栽培的品系仍多具備抗大豆嵌紋病毒的特性，然而卻無法抵抗近期發現的新型大豆嵌紋病毒突變株，對大豆整體產業構成相當嚴重的危脅，為此，找出新型態抗病害作物品系也將是學界及大豆產業關注的重點。日本農研機構(日文機關全名：国立研究開発法人農業・食品産業技術総合研究機構；英譯：National Agriculture and Food Research Organization，簡稱NARO)及日本佐賀大學(日文：国立大学法人佐賀大学；英譯：Saga University)所組成的研究團隊已找到可防止受新型病毒感染的關鍵基因Rsv4及其蛋白質產物，這項重要的發現可望避免將來可能爆發的疫情。 　　由於新發現的大豆嵌紋病毒株具備在宿主細胞中隱藏複製的能力，可躲避一系列的免疫機制，並藉機複製自身的基因組，接著感染新的宿主細胞。研究團隊發現，Rsv4蛋白因具有核糖核酸酶(RNase)的功能，是辨識並降解大豆嵌紋病毒基因組的關鍵酵素，為植物體內重要的抗病基因。研究團隊也通過實驗觀察到先前未曾發現的新興植物免疫機制。【延伸閱讀】北方玉米葉枯病的毒性基因標定與遺傳特性 　　藉由這樣的發現，研究團隊已成功的合成出類似結構、具備辨識與降解病毒基因組功能的蛋白。研究團隊希望將來能透過分子育種或進一步利用遺傳工程等生物技術，發展出抗大豆嵌紋病毒的新品系或新產品，解決大豆的重大病害問題。 　　該研究由日本農林水產省(日文：農林水産省；英譯：Ministry of Agriculture, Forestry and Fisheries，簡稱MAFF)與日本農研機構資助，相關研究成果已發表在<Nature Communications>。