科技議題

首頁> 科技議題 - 政策動向> 電子農業之行動:農業大數據
電子農業之行動:農業大數據 E-Agriculture in Action: Big Data for Agriculture
Sylvester, G.
2019/07/29
Food and Agriculture Organization of the United Nations, International Telecommunication Union
http://www.fao.org/documents/card/en/c/ca5427en
根據富比士的統計,全球每日生產約2.5萬億位元組的數據,且由於物聯網(Internet of Things, IoT)使用的增加,使數據爆發性的上升,經濟學人雜誌將這些數據稱為世界上最有價值的資源。由於數據相當龐大且複雜,不僅需要有大型的數據資產,還需要能夠及時處理這些資產的能力與基礎設施,進而增加洞察力、決策的制定與流程自動化。數據資產需具有的特性包括容量、速度、多樣性與準確性;而許多組織與個人亦將定義擴大到波動性、有效性、視覺化與價值。

在農業方面,由於該產業的知識越來越密集,透過結合各種數據來源所得出的知識亦越來越有價值。在農場層面,農民必須透過大量的數據處理,以便作出基於生計的決策,如土壤健康、氣候、灌溉、市場、早期預警系統、疾病和有害生物、貸款可用性與政府的補貼資訊等;在地區層級,政策制定者必須有即時的市場價格資訊、作物預計產量、政府補貼計畫的受益族群,已作出防止疾病與蟲害,和減少災害等相關行動;在國家層級,品質數據將有助於制定有效的政策,如幫助小農、監測與消除價值鏈低效率的行動、確保消費者獲得優質農產品、消除飢餓與營養不良,以及確保該國的糧食安全;在全球層級,包括糧食暨農業組織(Food and Agriculture Organization, FAO)、比爾與梅琳達·蓋茨基金會,以及各國政府的聯盟,啟動了5億美元的行動計畫,幫助開發中國家收集有關小農的數據,以幫助消除飢餓和促進農業發展。該文提供了一些將資通訊技術用於農業的成功案例,以敘述各組織如何因應相關的挑戰。

第一項案例為用於從災難恢復的大數據生態系統。世界銀行為因應蘇拉威西島的地震和海嘯,利用全球災後快速損失估計(Global Rapid post-disaster Damage Estimation, GRADE)方法,對該地區中部受災區進行快速評估。此為第一份根據科學、經濟和工程數據,以及為災後恢復和重建過程提供資訊的分析與經濟損失計算報告。其建模方法包含了衛星圖像與地面採集數據的分析、遙測圖像、初期評估資訊,以及針對海嘯所制定的空間特徵。如此在事件發生的10至14天內,利益相關者能夠取得損失和損害的空間分布;2018年2月10日至13日,熱帶氣旋Gita襲擊了薩摩亞、紐埃島、東加和斐濟,但由於已提前做好預測,包括氣旋的軌道、風速半徑、降雨估計與影響,對因應對策的制定起了關鍵作用;儘管如此大數據在運行時,其主要的挑戰為須處理不同的數據中異常的數據,如無效數據和雜訊等、大數據的分析尚無法將受災人員的數據準確地整合到感測數據、需有效地整合不同來源的數據,以實現即時的決策。

第二項案例為Olam農民資訊系統(Olam Farmer Information System, OFIS)。全球可可、咖啡、腰果和棉花等經濟作物的供應,主要來自數千名的個體小農。雖全球農業綜合企業的永續性發展計畫,提供了重要的集體培訓和其他的支持,但到目前為止,這些小農尚無法獲得真正的個人化建議。為此,OFIS可使工作人員在現場調查和紀錄數千個農場、周圍景觀與農民的社會環境,進而獲得更好的建議。截至2018年底,OFIS平台已註冊了248,850位農民,並在包括象牙海岸、巴西、迦納、印尼、墨西哥、土耳其和越南等27個國家中實施。透過OFIS將農民與全球經濟連結,為小農和客戶帶來了互惠互利的局面。農場數據和分析使農民能夠獲得更多量身訂製的支持,幫助他們提高產量和品質,進而獲得具永續性的附加價值。

第三項案例為行動解決方案、技術支援和研究(Mobile Solutions, Technical Assistance and Research, mSTAR)計畫。為促進開發中農業地區的小農農業生產、適應性與減少貧困,多個參與者正在制定精簡與標準化農業試驗數據的策略、數據科學家正使用新的方法來估算產量、種植面積與貧困情況、研究機構亦透過分析當地農業系統的作物管理、產量、土壤與氣候條件,來展示大量的數據成果。美國國際開發署(United States Agency for International Development, USAID)所資助的研究和計畫,產生了與貧困、市場、農藝研究、自然資源管理、營養以及氣候相關的各種數據,並將其多樣性結合再一起,展示與農業發展規劃相關的巨大潛力。

第四項案例為利用衛星數據與人工智慧,為小農提供金融服務。目前全球有5億小農戶,但僅不到10%的人可獲得貸款。其中,在緬甸有近800萬的小農,只有不到5%的人,能夠獲得融資來提高產量、收入和糧食安全。由於沒有資金,這些小農就無法改善現狀,也因此陷入低產量與貧困的循環當中。為此,Harvesting公司利用為新數據和人工智慧技術,為全球各個小農場的作物活動提供即時、經濟且準確的意見。目前Harvesting透過農業貸款軟體,向客戶提供作物數據,該軟體旨在幫助減少小農的資訊不對稱與交易成本,其試點項目於2018年10月開始,目前仍在進行中。在試點時,大多數的挑戰都來自於數據與資訊技術的問題,包括需就數據的類型提供更具體的指示、確保雙方了解每個特定項目的意義,以及收集地面數據時可能出現的障礙和問題。

第五項案例為將遠程水災分析,作為延伸性的服務。人道主義的救濟,在每年僅能解決開發中國家因災害所造成經濟損失的7%。隨著全球水災的發生頻率增加,每年因水災造成的損失高達299億美元,若政府與其他相關人員沒有取得水災的相關資訊,就無法在災害發生時作出有效的回應。為此,C2S平台利用數十個全球衛星與地區情報,來檢測災害的發生和預測水災的風險,並提供水災的脆弱性地圖。目前C2S已向9個以上的國家提供水災分析,計畫到了2022年底透過與現有的保險夥伴、政府與援助機構的合作,建立200多個執行項目。2017年11月,剛果經歷嚴重水災事件,C2S設計並實施了線上自動水災與降雨的監測工具,該系統能夠將全球的水災檢測方法與該地區的洪水動態結合,生成洪水的分析與報告,且能夠從地面上進行驗證,並透過WhatsApp通訊軟體共享。該服務有三大特點,包括能夠針對當地水災的需求進行客製化服務、充分利用現有的科學、衛星與地區的洪水資訊,以及透過日常的能力建設,確保用戶了解數據並作出決策;然而,在實施的過程所面臨的挑戰,包括利益相關者之間的協調、數據的可用性,以及使用衛星資訊的技術能力等。

第六項案例為將客戶與供應來源連結。由於糧食系統正面臨人口不斷成長的壓力,且地球在提供水、養分與穩定氣候的能力正處於臨界點,了解農產品對永續性的影響亦越來越受消費者的關注;然而,因全球的農業供應鏈高度分散,很難取得解決問題所需的可靠和一致性的數據,且農作物經常會透過中間人轉手,使追溯性變得困難。為此,AtSource為產品的每個階段提供可追溯性的訊息,包含從農場到物流和加工,最後到客戶的手上;然而,在實施AtSource時,仍存在一些挑戰,包括需要在各個層面充分地了解產品、數據收集與驗證的過程和方法需要標準化,並確保其準確性。

第七項案例為日本農業數據協作平台WAGRI。目前日本農業因農民數量下降,使農業知識漸漸失傳,以及農地閒置數量增加。為此,農業大數據平台WAGRI於2017年進行開發,其數據結構的靈活性,避免了過於嚴格定義每個數據項目。在WAGRI中,其數據分為兩大類,一類是如氣候、土壤分類與農田等地理空間數據;其二為農業術語和農業化學品等主要數據。由於感測器在收集數據時,其精度容易受環境的影響,要將這些數據整合為已用戶為導向的結構相當困難。為此,WAGRI具備一同步與非同步的數據處理腳本,透過用戶自定義的應用程式介面(Application Programming Interface, API),以獲得靈活的數據處理。
陳志維
英文