logo821.gif (10572 bytes) 首頁          新增資料與公告

最新消息:

海峽兩岸農業作文比賽

 

 

無官御史台

首頁
上一層
BSE LAB 介紹
生醫研究之統計方法
授課資料
人文關懷
智能生物產業
蘭花產業
蘭界感言篇
活動公告區
Orchids Cultivation

 

 

農業資訊之內涵與應用

 

中興大學 生物系統工程研究室  陳加忠

 
 

隨著國際化的腳步,台灣有許多農業人員到國外考察,也陸續自國內引入各種軟硬體設備。以硬體而言,有成功與失敗的例子。成功的例證有專業進口的毛豆收穫機,為台灣毛豆產業奠立根基。有名的失敗例子是自歐洲引入的溫室,用以加速溫室內部作物之死亡。在軟體部份,最熱門主題是農業資訊,更新穎先進的名詞則是農業雲端。

國外的農業生產系統都是一套完整的系統。以溫室環控系統為例,包括溫室結構,環控設備,環控電腦等。環控電腦內部最重要的部份則是用以接收訊號進行判別、比對而發出命令進行控制的軟體。由於溫室的結構(屋頂,牆壁,披覆材料等),環控設備(風扇,加溫機,遮蔭網等),環控電腦(螢幕,鍵盤,品牌等)。這些硬體看得見,摸得到,因此使用者相當熟悉。但是用以進行判別與比對等作用之知識決策系統反而因為看不見因此反而不受重視。

近年來,各種環控系統陸續引入台灣,包括Priva(荷蘭),Argus(加拿大),Rotem(以色列)等系統。這些系統在台灣使用之結果發現其主要之用途只有著重於數據之記錄與呈現,然而控制系統最重要的智能「知識系統」,反而不受重視與理解。換言之,引入之昂貴控制統,其功能部份使用不到10%

環控設備中的知識系統為何不受重視?這個現象並不只是存在溫室環控系統。許多引入台灣農業的電子電機設備也是有相同的結局。以RFID應用於蝴蝶蘭生產為例,研究重點局限於RFID硬體,而RFID所能包含之知識內容反而不受重視。

環控系統或RFID其內部知識系統的匱乏,與其成極端反應則是所謂農業雲端。在農業雲端之內部是有無數的數據,而這些數據對於農業生產之用途則是難以理解。

為何農業資訊系統或是知識系統呈現這種知識匱乏或是數據泛濫的現象,這就自數據與知識之定義與內涵加以討論。

數據(data)代表零散,片斷的文字,圖形或數字。數據之分辨不是在於其簡單或複雜。一篇在網路上流傳,未經證實的數萬文字,可能只是數據。因為內容未經證實。一堆調查數據,有時間,地點,面積,數量等數字。如果調查方法未加檢查,這些大量數據也只能稱為數據。

資料(information)之主要意義是將原始數據經過驗證,檢查,證實,並加以進行比對,排序,分類等作業。因此資料則是可相信,成為有條理之文字、圖形與數字。

知識或資訊(knowledge)代表將資料進行系統性的整理,成為有用的知識系統,可用以協助農業生產。以葡萄園的生產管理知識系統為例,說明數據,資料與知識之層次不同。

1. 數據:葡萄園的氣體環境數據(溫度,濕度,日照量,風速等),根部環境數據(水分,ECpH等),作物狀況數據(葉溫,莖直徑,果實直徑等)。

2. 資料:每一筆數據經由校正辨識,比對與除錯,並且製作成立體等溫,等光量曲線圖。並以時間變化率為指標,評估數據是否有雜訊。

3. 知識:以資料配合已有的葡萄生理模式以計算蒸散速率,光合作用速率,養份傳輸速率,病害風險指數等生理指標。由上述作物生理知識與預計生產目標進行評估。如果葡萄之生長或果實發展性狀未達到目標值,再進行檢討。以檢討所得結果調整控制參數。

對於第3層知識系統而言,建立的方式有兩大型態。可量化,可模式化的資料可以數學的建模與驗證以建立關係函數。不可量化,但可建立邏輯關係的知識,則可建立成專家系統等決策函數。這些系統都能成為軟體形式應用於電腦系統。

面對二十一世紀的農業背景,即必須面對更加激烈變化的氣候。而可用的資源如土地,水源,能源等則只更加匱乏。可以投入農業的人力也愈加不足。未來農業要走向精準化,要提高生產效率,要能降低污染。在此時代背景之下,機械化,自動化與資訊化更為重要。農業生產往往只有硬體,而無知識系統,無法建立用以指揮機械與自動設備之知識系統。這些知識系統不僅只是用以指揮硬體設備進行農業生產。知識系統可以成長,可以更新,可以增強。而這種知識系統又可貯存,複製與重現。

以溫室環控為例,相應的知識即有三種層次。有環控軟體之知識系統以控制各種設備。有生產控制的知識系統以決定環控軟體之參數值,又有生產計劃的知識系統以調整各設定參數。

知識系統之資料取得可來自農業栽培者之長期經驗,可來自感測器的實測值,可來自市場長期產銷資訊。能夠將這些資料系統化,配合基本學理,即能建立知識系統。

台灣農業目前的現況,有一些觀念阻礙了農業資訊的建立:

1. 以感覺代替感測:不相信儀器或感測器的訊號,只相信感官的感覺。

2. 以經驗為主,而且往往是含混模糊之名詞,缺乏量化的數據。

3. 未能建立量化模式或是邏輯關係。

以溫室加溫或降溫設備為例,未能以熱傳或是能量守恆原理計算熱泵之效率與所需能量。對於設備之選用只局限於嘗試錯誤。

4. 未能以生理等學術基礎建立生產技術

以給水給肥為例,葉片給肥與介質施肥之作用是相互影響,根部水分與養份之傳輸等生理知識未能與作物栽培管理互相結合。

5. 局限於島內內需市場

不相信農業資訊可以應用於不同環境,不同作物。因此認為長年經驗法則即可適用。

要如何建立台灣的農業資訊。必須自選定目標產業開始。建立感測系統,收集研究資料,配合基本學理,因此可以逐次建立知識系統。這些知識系統再藉由現代的資訊產業加以傳播,應用與推廣。

自近二、三十年的國外設備引入經驗。能夠具備一套系統化,完整化的資訊系統,引入之硬體與軟體使用才能達到合理化。以溫室引入為例,才能避免購買不適用的鐵屋子。以Priva環控軟體為例,才不會有引入昂貴環控電腦,只用以擔任簡易的on/off控制作業。