大數據農業科技的綜合分析應用-以大豆栽培為例

　　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

資料來源

• RIKEN

文章摘譯

• 農業科技決策資訊平台管理團隊