專題分享

:::

智慧農業技術及其應用文獻回顧(上)

  • 發佈日期：
  • 資料來源：農業部農業科技專案計畫服務網

農業科專服務小組 柯旻君 專案經理

智慧農業係運用感測器、無線感測網路（Wireless Sensor Networks, WSN）、大數據（Big Data）、人工智慧（Artificial Intelligence, AI）、視覺化（Visualization）及其他數位技術，導入農業產銷過程，進而提高糧食安全、減少資源消耗、更精準用藥及增加農民收益[Cesco et al., 2023]。依據全球市場調查諮詢公司年度預測報告顯示，112年全球智慧農業市場規模約5.2千億新臺幣，預計117年將達約8.2千億新臺幣，複合年成長率約9.4%，依農業類型分類前三名分別為農糧（50.6%）、林業（24.6%）及畜牧（11.0%）[MarketsandMarkets, 2023]（圖1）。

圖1. 智慧農業全球市場

圖1. 智慧農業全球市場（MarketsandMarkets，本研究翻譯重繪）

智慧農業之發展及願景

自工業革命後，農業於技術層面經歷多次重大變化，於18世紀末至今，自農業1.0（傳統農業）生產力低下之密集畜力勞動耕作系統；農業2.0（機械農業）利用工業1.0發展之技術，投入新管理模式、栽培技術及動力機具，增加糧食產量並減低勞動力；農業3.0（自動農業）受惠於電子運算、精準農業、全球定位系統（Global Positioning System, GPS）等技術快速發展，自動化與綠能導入，達到成本降低與獲利提升；農業4.0（數位農業）將農業相關活動進行數位化轉換，精準數據分析提供適當施作策略與營運決策；至農業5.0（智慧農業）運用數據、網路、儲存、分析、決策等技術並著重糧食安全、強化韌性、減少碳排及生態系保護間取得平衡，並朝永續農業邁進[FAO, 2013；FAO, 2018a；FAO, 2018b；FAO, 2019a；FAO, 2019b；FAO, 2021；Ghobadpour et al., 2022；Haloui et al., 2024]（圖2）。

圖2. 智慧農業之發展及願景

圖2. 智慧農業之發展及願景（Haloui et al., 2024，本研究翻譯重繪）

鑒於跨領域科技之相關技術與決策系統持續開發，面對糧食安全議題、智動機械成本、農業人口老化及氣候變遷對經濟/社會/國際政經局勢影響，如何善用智慧科技能量引領產業邁向永續農業發展之願景，將是接續農業產業發展與升級轉型所需面臨之重要課題。目前已有文獻分別從民生需求、技術面及產銷面進行探討智慧農業相關技術之應用情境，已下將分別論述[Bissadu et al., 2024；FAO, 2018b；FAO, 2019a；Ghobadpour et al., 2022]。

民生需求層面

聯合國糧食及農業組織（Food and Agriculture Organization of the United Nations, FAO）亦重視智慧農業技術對永續農業發展之重要性，於98年巴塞隆納氣候變遷研討會中首次提出氣候智慧型農業（Climate-Smart Agriculture, CSA）概念，並於99年海牙農業、糧食安全與氣候變遷會議（Hague Conference on Agriculture, Food Security and Climate Change）定義並正式提出「CSA」。CSA係藉由整合經濟、社會及環境層面，並透過（1）增加農業生產力及收入、（2）強化應對氣候變遷韌性及（3）消弭溫室氣體排放等三個支柱（Pillar）間權衡及協同作用，提供解決氣候相關風險對農業生產系統及社會福祉之決策，形成緩解糧食安全、氣候變遷及溫室氣體挑戰之作法[Lipper and Zilberman, 2018；FAO, 2013；FAO, 2018a；FAO, 2019b；FAO, 2021；van Wijk et al., 2020]。此外，FAO表示，CSA實施方法須因地制宜，將當地社經情況、環境及氣候變遷因素納入考量，使CSA更能因應氣候變遷、資源分配及新型病蟲害等挑戰，而受益於當代科技日新月異且快速發展，智慧農業技術也隨之崛起與推進[Raza et al., 2023]（表1）。

表1. 氣候智慧型農業之願景

表1. 氣候智慧型農業之願景

技術層面

已有研究指出，99至139年全球糧食總需求預計將增加35%至56% [van Dijk et al., 2021]。為滿足未來糧食需求與因應全球農業、飲食習慣變化、食物浪費、慣行農業方式、氣候變遷、雜草與土壤肥力、水分管理及病蟲害防治等技術影響，藉由AI所帶來之跨時代農業革命已逐漸成形。本文將智慧農業技術依照不同技術屬性分為五大類，包含：（1）數據：資料蒐集，包括感測器、遙感探測器、農用無人機具及機器人、（2）網路：通訊方式，包括農業聯網及無線感測網路、（3）儲存：資料儲存及處理，包括大數據、雲端/霧端/邊緣運算（Cloud/ Fog/ Edge Computing）及區塊鏈（Blockchain）、（4）分析：數據分析，包括AI、可解釋AI（Explainable AI, XAI）及數位分身（Digital Twins）及（5）決策：應用及執行，包括視覺化及決策支援系統（Decision Support Systems, DSS），這些技術支撐智慧農業技術發展，提供新穎研發優勢，並為農業創造獲利[Nitin and Gupta, 2023]（圖3）。

圖3. 智慧農業技術屬性

圖3. 智慧農業技術屬性（Nitin and Gupta, 2023，本研究翻譯重繪）

農業產銷層面

受益於科技蓬勃發展，透過產銷層面可將智慧農業技術應用情境分為三大類，（1）栽培管理：係作物培育過程，包括土壤管理、水分管理、雜草管理及病蟲害管理、（2）作物預測：取決於氣候、土壤、品種及肥料使用等因素及條件，包括產量預估、作物收成、作物貯存及作物售價及（3）供應鏈：係串聯農產品生產、交通及銷售等相關業務模式，包含食品加工、倉儲管理、運輸物流及行銷銷售[Nitin and Gupta, 2023]（圖4）。

圖4. 智慧農業技術應用於作物管理情境分類

圖4. 智慧農業技術應用於作物管理情境分類（Nitin and Gupta, 2023，本研究翻譯重繪）


綜整上述不同層面之科技發展（數據、網路、儲存、分析及決策），導入智慧農業且結合跨領域技術（農用無人機具、農業聯網、雲端/霧端/邊緣運算、可解釋人工智慧及決策支援系統），不僅提供高產能、低成本、永續農業發展、精準果斷決策及增加市場競爭力等效益，提供消費者可追溯之農產品並促進農業生態系統健康發展，此亦扣合我國農業部之「智慧韌性 永續安心」農業政策行動策略[農業部，113]，而如何將相關智慧農業技術於產業進行實證運用，將於下篇進行論述。


參考文獻：

  1. 農業部。113。農業政策行動策略。
  2. Bissadu, K. D., Sonko, S., and Hossain, G. (2024). Society 5.0 enabled agriculture: Drivers, enabling technologies, architectures, opportunities, and challenges. Information Processing in Agriculture, 
  3. Cesco, S., Sambo, P., Borin, M., Basso, B., Orzes, and G., Mazzetto, F. (2023). Smart agriculture and digital twins: Applications and challenges in a vision of sustainability, European Journal of Agronomy, 146,126809.
  4. FAO. (2013). Climate Smart Agriculture. Sourcebook. 
  5. FAO. (2018a). Climate Smart Agriculture. Building Resilience to Climate Change. 
  6. FAO. (2018b). Transforming Food and Agriculture to Achieve the SDGs. 20 interconnected actions to guide decision-makers. 
  7. FAO. (2019a). Climate-smart agriculture and the Sustainable Development Goals: Mapping interlinkages, synergies and trade-offs and guidelines for integrated implementation. Rome. 
  8. FAO. (2019b). Digital Agriculture Transformation and Digital Innovation. https://wstc.wa.gov/wp-content/uploads/2021/10/2021-1019-WS-PanelB-RobertSaik.pdf
  9. FAO. (2021). Synergies and trade-offs in climate-smart agriculture – An approach to systematic assessment. Rome. https://doi.org/10.4060/cb5243en
  10. Ghobadpour, A., Monsalve, G., Cardenas, A., and Mousazadeh, H. (2022). Off-road electric vehicles and autonomous robots in agricultural sector: Trends, challenges, and opportunities. Vehicles, 4, 843–864. 
  11. Haloui, D., Oufaska, K., Oudani, M., and Yassini, K. E. (2024). Bridging Industry 5.0 and Agriculture 5.0: Historical perspectives, opportunities, and future perspectives. Sustainability, 16(9), 3507. 
  12. Lipper, L., and Zilberman, D. (2018). A Short History of the Evolution of the Climate Smart Agriculture Approach and Its Links to Climate Change and Sustainable Agriculture Debates. In: Lipper, L., McCarthy, N., Zilberman, D., Asfaw, S., Branca, G. (eds) Climate Smart Agriculture. Natural Resource Management and Policy, 52. Springer, Cham. 
  13. MarketsandMarkets. (2023). Smart Agriculture Market - Global Forecast to 2028.
  14. Nitin, and Gupta, S. B. (2023). Artificial intelligence in smart agriculture: Applications and challenges. Current Applied Science and Technology, 24, 2.
  15. Raza, A., Shahid, M. A., Safdar, Zaman, M., M., and Sabir, R. M. (2023). The Role of Artificial Intelligence in Climate-Smart Agriculture: A Review of Recent Advances and Future Directions. Biol. Life Sci. 
  16. van Dijk, M., Morley, T., Rau, M. L., and Saghai, Y. (2021). A meta-analysis of projected global food demand and population at risk of hunger for the period 2010–2050. Nature Food, 2, 494-501. 
  17. van Wijk, M. T., Merbold, L., Hammond, J., and Butterbach-Bahl, K. Improving assessments of the three pillars of Climate Smart Agriculture: Current achievements and ideas for the future, Front. Sustain. Food Syst, 4, 558483.