由於不同農業機械使用的數據規格不同，造成使用者在作業現場相當大的困擾。因此，在數據規格統一，以及提供使用者做資料管理分析的農事經營服務等需求日益增長。

TheGreefa 匯集了來自義大利、法國、德國、西班牙、瑞士、波蘭和突尼西亞的研究人員開發更具能源效率和環保的系統來控制溫室內的溫度和濕度，以滿足歐洲的氣候目標和永續農業生產的需求。

此研究由德國波昂大學研究團隊開發軟體，該軟體能夠根據單一初始影像模擬田間作物的未來生長情況，能夠根據數千張田間實驗的照片，利用學習運算預測作物的未來發展，該軟體能夠從單一的初始影像生成未來的生長圖像，並準確估算如葉面積和產量等參數，此研究成果可幫助農民做出更明智的決策，提升農業的永續性和環保性。

美國密西西比州立大學研究人員開發出全球首創的棉花品質模組，可以監測環境對這種重要經濟作物的影響。這個模組是GOSSYM應用程式的一部分，GOSSYM可以模擬影響棉花生長和產量的過程。

英國農業經濟學家研究團隊針對南非西北省農村小規模農場的新研究發現，氣候智慧型農業技術可以提高玉米產量，為農民提供更定期的食物供應，並增加作物種類。氣候智慧農業不僅提高了產量和收入，還改善了土壤健康、環境永續性和糧食安全。

德國波昂大學研究團隊結合雷射掃描和3D列印技術，創造出一個甜菜3D模型，展示了新技術在 21 世紀作物育種中的應用。這個3D植物模型捕捉了甜菜地上部分的基本特徵，可用於人工智慧輔助作物改良，這些模型可重複使用，適合在田間使用。

臺灣許多水產技術文化由日本流傳下來，數十年來也一直認為是和日本養殖同一種牡蠣。為確認臺灣牡蠣的種類，本所自2008年開始進行野生及養殖牡蠣的相關調查及研究，發現臺灣養殖牡蠣都是葡萄牙牡蠣(Crassostrea angulata)，沒有太平洋牡蠣(C. gigas)。 葡萄牙牡蠣只分布在亞洲和歐洲的少數地區，如此不連貫的分布方式，很可能是人為造成。 後續與其他團隊合作進行親源及基因多樣性研究，推論葡萄牙牡蠣(Crassostrea angulata)的起源地為臺灣。

原民常用植物山胡椒天然發芽率大概只有10%，但透過改良場提升發芽率，可以提升到70%左右，再讓種原回歸部落，讓原生地有越來越多的山胡椒樹。透過保種，不只能夠食用，也有保存傳統文化的意義。

研究由中國科學院研究團隊開發了一個針對水稻14種NPK（氮、磷、鉀）營養壓力條件的高光譜庫，利用地面高光譜相機收集和分析420張水稻壓力影像。研究中使用的基於變壓器的深度學習網絡SHCFTT能準確識別營養壓力模式，其準確率在93.92%至100%之間，顯著優於支持向量機（SVM）、一維卷積神經網絡（1D-CNN）和三維卷積神經網絡（3D-CNN）模型。這一方法提高了營養壓力檢測的精確性，對作物健康監測和精準農業的決策制定具有重要貢獻。

小麥是一種重要全球作物，但目前的人口成長、極端天氣和氣候變遷增加了對小麥生產的需求。結構均勻度是高產量的關鍵，但不均勻的田間條件會導致植物之間的競爭，而阻礙均勻度。測量均勻度的傳統方法是勞力密集且效果低。然而目前的研究重點是單一植物的空間均勻度，缺乏跨生長階段的多性狀評估。        中國南京農業大學研究團隊利用無人機影像技術來估算小麥的農業參數，包括SPAD、LAI和植物高度（PH）。使用反向傳播神經網絡（BPNN）模型進行數據分析，該模型對LAI（R² = 0.889）和SPAD（R² = 0.804）的預測準確度高，且從3D點雲(3D的一組數據點)中估算的PH也顯示出良好的準確性（R² = 0.812）。這些準確的估算為計算均勻性指標提供了基礎。        研究發現，LAI、SPAD、FVC和PH的均勻度指標在生長階段中動態變化，且在抽穗後通常會穩定。此外，相關性分析顯示特定指標與產量和生物量之間存在強相關性。多元線性回歸模型結合這些均勻度指標後，相較於基於均值的模型，對產量和生物量的預測準確性有所提高。        此項研究發表在2024年6月《Plant Phenomics》期刊，該研究提出的均勻度監測方法能夠有效評估小麥均勻度的時間和空間變化，為產量和生物量的預測提供了新見解。未來的研究應探索均勻度與生產力之間的關係，並驗證該方法在其他作物中的應用。這一方法不僅對小麥的作物管理和育種計畫具有潛在應用，還能促進農業生產的永續發展。【延伸閱讀】- 以無人機開發草莓生長點觀察方法，了解草莓生長情形

由於國人飲食及烹調習慣與國外有相當差異，對於雞肉口感的嗜好性更明顯與國外不同，為了因應未來國際貿易自由化之強勢競爭，農業部畜產試驗所乃朝著發展本土畜禽產品，目的乃在提供產品明確之巿場區隔，供消費者選擇。

為因應社會情勢的變化及回應市民需求，日本橫濱政府根據當前農業實際情況與成果，以未來十年都市農業展望目標，訂定2024-2028年五年期橫濱都市農業推動計畫計畫。