2020農業科研關鍵字

Page 1


出版資訊 雜誌主題 雜誌名稱

2020 農業科研關鍵字 農業智庫報導 ( 年報 )

發行單位 出版單位 編審 主編 編輯 電話 地址 網站網址 指導單位

財團法人農業科技研究院 財團法人農業科技研究院 蔡偉皇、柴幗馨 柴幗馨 江信昱、吳君孝、吳正偉 (03)518-5045 300-93 新竹市香山區大湖路 51 巷 1 號 https://www.agrianalytics.tw 行政院農業委員會

美術設計 編印 印刷

鄭雅珺、王孝言 宏一媒體科技股份有限公司 傳基實業公司

ISSN 說明

2

農業智庫報導由行政院農業委員會補助 計畫名稱:新興數位工具協助新農業科技政策研擬及研 究成果推廣 計畫代碼:108 農科 -1.1.2- 科 -a1


目次 2 出版資訊 3 目次

4 農業研究前沿 - 國際篇

12 農業研究前沿 - 智慧農業 15 農業研究前沿 - 文獻回顧 18 農業研究前沿 - 案例分享 28 合作夥伴 - 社群洞察 29 合作夥伴 - 悠由數據 30 展望未來

3


農業研究 前沿 華文區第一本農業科技研究前沿報告書 盤點 2013-2019 指標期刊農業關鍵字 跨域分析 2020 農業科技發展趨勢

4


農業研究前沿 - 國際篇 研究前沿,永續農業的科技指南書

氣候變遷、智慧農業、永續農業是近幾年農業的熱門話題,不論是聯合國農

糧組織、美國農業部、以及臺灣科技部、行政院農委會等每年都提撥相當可觀的 研發經費與人力團隊在這些議題中。如今農業科學已不再是「單一學科」的學

門,而是橫跨環境生態、電腦資訊、甚至大氣學的綜合性科學 (multidiscipline)。 2019 年農委會開啟一項名為「新興數位工具協助新農業科技政策研擬及研究成

果推廣」的科技補助計畫,由農業專家組成跨領域團隊並與資料科學家合作,以 書目計量學 (bibliometrics) 與研究前沿 (resarch fronts) 建立跨域農業議題的知

識架構、分析議題的科技內涵與發展趨勢,並發表「2020 農業科技關鍵字 ( 研 究前沿報告書 )」詳細論述科技如何解答永續農業發展的課題。

「作者關鍵字」,科研聲量洞見未來

基礎研究是技術發展的原動力,生物科技的研發進程從基礎研究、技術發

展、到產業應用至少需要 3 至 5 年。因此研究團隊蒐集近 10 年共 5 個指標性跨

領域農業期刊的書目資料,包含發表日期、期刊卷號、標題、作者、作者關鍵字、 以及摘要等,將 2013 年到 2019 年間超過 10 萬筆的書目資料收進資料庫,並進

行統計分析以產出研究前沿結果,結果發現:「有 205 個作者關鍵字同時出現在 不同領域的指標期刊中」,換言之這 205 個作者關鍵字也代表近幾年農業學術研 究的聲量分布狀況。

圖 1:研究團隊根據期刊影響力 (IF, Impact factor) 與期刊收錄的農業類別文章數量,挑選出五個農業指標期刊,並藉由交叉比對產出 205 個重要作者關鍵字清單。PNAS:Proceedings of National Academy of Sciences、FCR:Field Crop Research、FIPS:Frontier in Plant Science、AEE:Agriculture Ecosystems Environments、CEA:Computers and Electronics in Agriculture

5


智慧農業,2020 持續受關注 資 料分析 師 將 205 個 關 鍵 字分 成 10 類 議 題:農 業、智 慧 農 業 (Intelligent agriculture)、田間管理 (Management)、植物物種類別 (Plant Species)、微生物與土 壤 (Microbes & Soil)、環境與逆境 (Environment & Stress)、育種 (Breeding) 與性狀

(Phenotype)、植物生理 (Plant physiology)、農業 (Agriculture)、病蟲害防治 (Pest & disease control)、生態 (Ecology)、以及其他非典型科技關鍵字 (Other)。

結果顯示「智慧農業」是討論熱聲量最高的科研議題,205 個作者關鍵字內

就有 32 個關鍵字被歸類在智慧農業中 ( 如下圖 );另一方面對於發展方向而言, 永續農業、友善環境農業 (conservation agriculture)、精準農業、與有機農業則

是 科學家關注的主題。有趣的是澳洲 (Australia)、中國 (China)、華北平原 (North China plain)、淨收入 (net income)、小型生產者 (smallholder farmers),這些

社會經濟學屬性的科技詞彙的關鍵字也在熱門清單中。這代表科技研究目標不再

侷限於「革新舊有農業生產技術」,而逐漸朝著「解決產業經濟問題」的方向邁進。 205個農業熱門科研關鍵字(2013-2019) AGRICULTURE(10) agriculture sustainable agriculture conservation agriculture precision agriculture organic farming sustainability food security energy rainfed agriculture agricultural practices

INTILLENGENTAGRICULTURE(32) artificial neural network spectral reflectance variability uncertainty crop model/model/crop model- remote sensing calibration ing/modeling/modelling detection scaling lai/leaf area index gis sensitivity vegetation index/ geostatistics sensitivity analysis vegetation indices data mining path analysis ndvi dssat principal nir validation component analysis spad simulation cluster analysis light interception eddy covariance

MANAGEMENT(29)

management crop management cropping system/ cropping systems crop rotation/ rotation intercropping no-tillage tillage shading weed management weed control herbicide/herbicides herbicide resistance glyphosate production crop production productivity crop productivity yield crop yield yield components biomass biomass yield dry matter dry matter yield plant breeding

water management irrigation drip irrigation deficit irrigation water balance nitrogen management nitrogen fertilization fertilization fertigation fertilizer micronutrients field experiment efficiency cultivar

PHENOTYPE(24)

tolerance nitrogen use efficiency nitrogen uptake nitrogen fixation nitrogen nutrition index water use efficiency water use quality grain quality forage quality phenology genotype

圖 2,205 個熱門科研關鍵字與其 10 大議題分類

6

SOIL(27)

soil soil type soil properties soil fertility soil nutrients soil organic carbon soil organic matter soil moisture soil water content soil salinity soil temperature soil ph ph

soil compaction bulk density soil erosion soil management ammonium nitrate nitrogen potassium phosphorus salinity water status electrical conductivity decomposition nitrate leaching

PLANT PHYSIOLOGY(14)

plant growth development germination defoliation defoliation canopy pollen

nutrition transpiration photosynthesis chlorophyll fatty acids deoxynivalenol photosynthetically active radiation

轉載請註明出處:農業智庫報導

PLANTSPECIES(27) crop forage grass weed/weeds rice soybean oryza sativa pisum sativum hybrid rice legume corn cotton maize peanut wheat sugar beet triticum aestivum sugarcane winter wheat sunflower barley switchgrass sorghum potato oilseed rape coffea arabica ENVIRONMENT(25)

environment climate mediterranean climate microclimate climate variability climate change methane global warming temperature canopy temperature evapotranspiration water precipitation rainfall solar radiation radiation PEST&DISEASE(6)

pest pesticide aphids disease epidemiology integrated pest management

stress heat stress water stress drought stress drought frost emission greenhouse gases greenhouse gas emissions ECOLOGY(4) biodiversity land use change spatial variability grassland OTHER(6)

net income smallholder farmers review china north china plain australia


遙測技術與作物模式是落地中的智慧科技 科研聲量分析結果顯見「智慧農業」是未來發展的重點議題,包含當前討

論度最熱烈的人工智慧與類神經網絡 (AI/ artificial neural network)、作物模式 (crop model)、遙測技術 (remote sensing)、地理圖資系統 (GIS)、地理統計、 以及作物模式研究最常使用的線上工具 DSSAT( 農業技術傳播與決策支援系統, decision support system for agrotechnology transfer)。

研究前沿顯示與臺灣智慧農業的發展方向與國際學術研究略有不同,根據農 委會對「智慧農業」的說明:「以現行產業生產模式為基礎,因應消費市場需求 進行產銷規劃,生產管理上輔以省工省力機械設備、輔具及感測元件的研發應

用,並結合跨領域之資通訊技術、物聯網、大數據分析、區塊鏈等前瞻技術導入, 減輕農場作業負擔降低勞動力需求,提供農民更有效率的農場經營管理模式,生 產符合消費者需求,安全、安心及可追溯的農產品。」

而在作物模式與遙測技術的內涵則包含植生指數 (vegetation index, VI)、葉

面積指數、歸一化植被指數(normalized difference vegetation index, NDVI)、

葉綠素測定儀 (SPAD)、反射光光譜 (spectral reflectancce)、近紅外光譜 (near

infrared, NIR) 與截光率 (light interception) 等,甚至在臺灣顯少討論的資料科學, 如資料探勘以及各種分析方法在這議題都出現在重要關鍵字清單中。

圖 3,以作者關鍵字建立智慧農業的知識架構,包含類神經網絡、作物模式、遙測技術、地理圖資系統、地理統計、DSSAT、以及資料探勘。

臺灣的智慧農業係從工業資通訊角度擬定農業規劃策略,並倚賴國內專家的

經驗法則產出發展方向,因此知識架構著重在自動化與機械化,這些技術短期內 尚可解決產業課題,如缺工與勞力老化,但田間實際需要的作物生長模式、或是 產業應用必要的資料探勘技術等,仍需要更多資源投入才能真正讓智慧科技產業

化。未來可強化國內在作物模式上的數據收集、持續發展遙測技術、並結合現有 地理圖資系統才能建立的實際可用的智慧化決策支援系統。

7


古為今用,生技育種應戰氣候變遷 育種是農業重要技術之一,產品的品質與病蟲害風險固然可以透過田間管

理、收穫後採收等措施降低經濟損失,環境與氣候威脅卻是人類無法快速調控的 生產瓶頸,好的品種正是面對氣候變遷最重要的利器。

從「環境」議題的分析結果可看出應對氣候變遷的育種目標,包含溫室氣體、 降水、水資源管理、與田間微氣候是環境議題中的熱門主題,相對應的逆境如高 溫、缺水、乾旱以及霜害則是天氣風險。為了保障糧食安全,未來育種家在性狀 部分將以抗耐逆境、產量、品質、乾物重、氮肥利用率與水分利用率等做為選拔 品系時重要指標。

「田間作物科學研究 (Field Crops Research)」是知名農糧類作物生產的

SCI 期刊,2018-2019 之期刊影響指數為 3.868,研究前沿結果顯示在植物育種

的議題類別中,分子標誌、數量性狀基因座 (QTL)、全基因組關聯性分析 (GWAS)、 以及 SNP(s) 是近期最熱門的育種技術,甚至在 2018 年之後 GWAS 的研究聲量 超越了數量性狀基因座 ( 圖 4)。

隨著生物科技技術的進步,越趨低廉的基因組定序成本間接加速了全球 GWAS

在農業育種上的應用速度。除了雜交、回交、選種等傳統育種方法,跨國種子公司

紛紛投入在高技術成本的分子輔助育種中,面對農業貿易全球化趨勢,臺灣種苗產 業是否有能力面對跨國種苗公司的挑戰?將會是另一個育種產業必須面對的難題。

圖 4 ,2010 至 2019 年 知 名 期 刊 Field Crops Research 以 植 物 育 種 為 主 題 的 作 者 關 鍵 字 統 計 結 果,QTL,quantitative trait locus/ loci,GWAS,genome-wide association study,SNP(s),single-nucleotide polymorphism(s)。 資 料 來 源: 農 業 智 庫 報 導 科 研 資 料 庫 www.agrianalytics.tw

8


以人為本的田間管理,降低環境衝擊 如果實驗室研究是研發好點子,田間試驗就像孵化器,讓成果加速落實在田

裡。大眾對農業科技的印象多半是實驗室、生物科技、或近年來很熱門的自動化與

機械化的畫面,時常忽略真正「接地氣」的大田試驗結論。科研聲量統計結果顯示: 田間管理與土壤分別是第二、第三大的科技議題,作物系統 ( 輪作、間做、不整地

栽培 )、雜草、水分與氮肥管理是田間管理主要研究目標;而聲量第三高的土壤科 學的主題則有土壤質地、性質、有機質、酸鹼值、以及氮磷鉀等重要肥料元素。

圖 5 ,農業環境與生態期刊 (Agriculture Ecosystems Environment) 自 2010-2019 年殺蟲劑與殺草劑相關主題之聲量統計。IPM 為 intergrated pest management 之縮寫。

永續農業發展除了生物科技、機械科技、以及藥劑科學這些實驗室裡的研

究,以人為主的田間管理仍是科學家重要的研發領域。在面對「生態保育與農業

生產如何平衡」的問題時,田間管理與土壤管理扮演了重要角色,例如有機耕作、 整合性管理與友善環境耕作等科技措施。農業生態研究不再只追蹤特定物種或是

區域性的水文土地變化,而是更進一部的調查農地周邊的生態樣貌、土地及自然 資源的長期變異、並評估農業操作對生態系統的影響。

農業生態學是兼顧農業生產與生態環境保育的學問,其中生物多樣性、土地 規劃、草地、空間變異 (spatial variability) 等主題是科研領域聲量較高的作者

關鍵字。而在藥劑防治端的蟲草害管理主要為仍是殺蟲劑,儘管 2015 年之後作 者關鍵字「殺蟲劑」的出現次數逐漸下降,但仍遠高於其他蟲害管理主題。2011

年之後「管理代替藥劑使用」相關主題的聲量逐漸提高,特別是「整合性蟲害、 草害」在近三年的討論聲量大幅提升 ( 圖 5),這些結果顯示:「大幅降低人為農 業操作對生態影響」的研究為來仍是農業科技發展的策略。

9


2020 農業科技,聲量洞察未來 「2020 農業科技關鍵字」是臺灣第一份農業研究前沿報告書,也供了政策制 定者論述公共議題的量化數據。政策智囊團時常使用「專家會議法」產出重要主

題,卻也有「權威人士主導政策走向」的缺點。根據 2010-2019 年的作者關鍵字統

計結果與視覺化分析後的圖像顯示:不同領域的農業期刊所重視的主題不完全相 同 ( 如圖 6),此結果便驗證了「主觀意識可能導致政策擬定時的偏差」的說法。

藉著資料科技的輔助之下,藉由調查農糧科學、農業生態環境、植物科學、

農業資通訊、以及綜合領域期刊的書目資料,我們得以即時掌握領域專家所關注 的農業主題。農糧類議題在氮肥與水份的作物管理是熱門研究主題,農業生態則 有栽培模式、植物與土壤、碳足跡與溫室氣體交互作用的主題;基礎研究以植物

分子生物學為大宗科技主題,特別是蛋白質體、基因體學在逆境下的表現與作用

機制;農業資通訊的發展重點是作物建模、影像辨識、資料分析與感測器應用等。

圖 6,關鍵字分析方法能快速了解不同領域的熱門研究主題。

2019 年臺灣行政院農業委員會支持的「新興數位工具協助新農業科技政策研 擬及研究成果推廣」補助計畫,由農科院的資料分析師組成跨領域團隊,借助資料 探勘技術與文本分析方法,產出農業研究前沿方法學,並解析跨域農業議題的知識 架構。「2020 農業科技關鍵字 ( 研究前沿報告書 )」已刊登於農業智庫報導網站,

報告中詳細論述現代農業科技的技術內涵,有助於我國政策制定者、資源分配者、

或是農業科技業者進行產品開發與市場投入時參考。期許政府能導入數位工具來協 助國家農業發展,用更宏觀、更客觀、多元化的面向分析農業科技政策的內涵,提 升決策體系的公開透明度,好讓農業政策有更充分、更有深度的討論環境。

10


圖 7,數位農業分析師柴幗馨於 2019 年亞太農業資通訊研討會中發表「以資料探勘與語意分析進行農業研究前沿」 之演講。

「2020 農業科技關鍵字」之研究前沿方法與論文摘要已於「2019 年亞太農業

資通訊研討會」進行公開發表,演講題目為:「以資料探勘與語意分析進行農業研 究前沿 (Data Mining and Textual Analysis for Agriculture Research Fronts)」,更多 亞太農業資通訊研討會資訊請見網站 (http://www.apfita.org/APFITA)。

放眼未來十年農業趨勢,智慧農業仍是重要的科技內涵,包含以數學為基礎的 作物模式、環境感測器與資料分析方法學;其次為田間管理與病蟲害防治措施;而

因應氣候變遷挑戰下,育種科技則是較有遠見的應變方法。這些科技技術的最終目 的都是「兼顧農業生產與環境永續利用。」

「洞見未來趨勢,取得決策先機」是農業科技產業發展的重要策略,農業智庫

報導團隊使用人工智慧自然語意分析技術、結合書目計量學、以及分析師的產業經 驗整理出未來 10 年的農業科技發展方向,並出版 2020 農業科技關鍵字年報,與 大眾分享人工智慧與產業分析的跨域成果。

參考資料: 1.

林家民 (2015, 10)。〈共詞分析於氣候變遷之運用〉氣候變遷在台灣研討會專題。台灣氣候變遷調適科技知識平台。http://taiccat. ncu.edu.tw/app/news.php?Sn=105

2.

張家彬 (2016, 03)。〈從研究方法角度探討研究前沿〉大學圖書館,20,頁 88-112。

3.

Earl Babbie(2016)《社會科學研究方法》。林秀雲。臺灣。雙葉書廊

4.

余祁暐、李盼 (2017, 06)。〈全球農業生技產業發展現況與趨勢〉農業生技產業季刊,50,頁 1-4。

5.

柴幗馨 (2019, 09)。〈預見科技的未來 : 農業研究前沿 Research Fronts〉研之作作。https://atri.blog/2019/09/17/20190917/

6.

農業智庫報導 ( 線上資料庫 )。 www.agrianalytics.tw

7.

2019 亞太農業資通訊研討會。http://www.apfita.org/APFITA__Home.aspx

11


農業研究前沿 - 智慧農業 臺灣智慧農業的下一步? 預見科技的未來 : 科技如何加速智慧農業的發展

智慧農業是近年來農業科學界討論非常熱烈的跨域議題,根據我國臺灣農委

會農業試驗所對「智慧農業」的說明:智慧農業是一種結合資通訊技術、物聯網、 大數據分析、區塊鏈等技術,利用新技術改善農業生產管理效率,並因應消費市 場的需求的農業生產模式。而文獻大數據分析結果節顯示:畜產業、動物福利、 與高經濟價值的水果花卉將是智慧農業最有希望落地應用的產業類別。

影像分析、機器學習、感測器全球三大趨勢

為了釐清資通訊技術在農業的發展趨勢,農科院數位農業分析團隊將國際知 名農業資通訊期刊 Computers and Electronics in Agriculture 中 2010-2019 之歷

年書目資料爬抓回資料庫,接著統計作者關鍵字出現次數,將前 100 名的關鍵字 依照詞彙屬性分成 7 類議題。這些議題包含:農業、植物動物品種、影像辨識與 植生分析、演算法、感測器、田間管理、以及決策支援系統等。其中又以精準農 業、影像處理、機器學習、以及感測技術是最熱門的研究主題。

圖 1:農業資通訊期刊 Computers and Electronics in Agricultur(2010-2019) 之作者關鍵字前統計結果,大寫英文字為議題,小寫英文 字為作者關鍵字。

12


精準畜牧,這些技術準備好了

「精準農業與動物福利」是近 10 年來農業資通訊研究討論最多的的應用議題, 而玉米和小麥是穀物類代表,高經濟價值的蘋果、柑橘類、以及蘭花等也在熱門論 主題清單中,換言之這些品項是最有機會應用發展智慧農業技術的農業標的。

技術領域的主題則可藉由觀察 2015-2019 的發展趨勢評估其產業化的可行性, 研究團隊利用線上農業研究前沿資料庫 – 農業智庫報導的「趨勢統計」功能 (https://

www.agrianalytics.tw),統計分析科技主題包含:精準農業、精準畜牧、影像辨識、 電腦視覺、機器學習、作物模式、遙測、感測器、溫室、以及無人機等關鍵字。

結果顯示地理圖資系統、感測器、與影像分析是技術相對成熟的科技;無人機

與遙測技術則是未來有機會產業化的技術;另一方面,機器學習即人工智慧儘管是 熱門的研究領域,但相對其他技術而言,產業化的潛力目前仍較低。

30

30

25

25

20

20

15

15

10

10

5

5

2015

2016

2017

2018

2019

18

16

16

14

14

12

12

10

10

8

8

6

6

4

4

2

2

2015

2016

2017

2018 2019

2015

2016

2017

2018

2019

2015

2016

2017

2018

2019

wireless sensor network(s)

precision agriculture

image analysis

XXX prediction

unmanned aerialvehicle(s),uav

geographic information system,gis

normalized difference vegetation index,ndvi

decision support system

XXX sensor(s)

remote sensing

radio-frequency identification,rfid

precision livestock

artificial neural network(s) machine learning

image processing

data mining

leaf area index,lai

deep learning

圖 2 :智慧農業相關主題之科研聲量趨勢圖,資料來源為 Computers and Electronics in Agriculture 期刊在 2010 至 2019 年之關鍵字統計結果。

感測器、RFID、無人機,這些技術臺灣不缺席

研究團隊利用中文語意分析技術將 2015 年至 2018 年近 2 萬筆農業科技計畫 之文本集進行段詞處理,再以 tf-IDF(term frequency–inverse document frequency) 文字探勘方法產出每一篇計畫的重要詞彙排序表,排序清單即為「計畫作者關鍵

字」,簡而言之,只要搜尋特定關鍵字,就能精準快速盤點 2 萬筆計畫中與智慧農 業有關的科研成果。

13


統計結果顯示:計畫研提人員最常使用「智慧農業、智能、智慧」來描述重要

詞彙為智慧農業相關的計畫,在 2015 年至 2018 年間共有 19 筆計畫,其中 8 項為 產業專案輔導、補助、課程等非技術層面的計畫投入,另有 7 項計畫為分別屬於不 同作物 ( 包含水禽類 ) 的技術開發成果,而其他與糧食安全議題有關的應用則有 4 項計畫。

重要詞彙分布 智慧農業

21% 37%

42% 產業輔導

作物

糧食安全

文本分析的結論可以協助計畫管理單位盤點成果時「能下對的關鍵字」,由於 智慧農業是個跨域且相對新穎的議題,計畫主持人不一定會將智慧農業設定為關 鍵字,因此在盤點相關計畫時,只會找到與產業推廣相關的輔導型計畫。但這也代

表我國在智慧農業的發展,尚缺乏作物科學與禽畜科學為基礎的整合型研究計畫。 研究團隊接著以農業資通訊期刊近十年的百大關鍵字清單作為計畫盤點依

據,則會發現我國在「預測 (36 筆 )、自動化(28 筆) 、RFID(21 筆) 、感測器(14 筆) 、 無人機 (8 筆) 」等主題有較多研究成果,可說是未來產業發展具有優勢的潛力主題。 然相對國際熱門主題,離如「人工智慧(1 筆)、機器學習、與深度學習、資料探勘」 等則較少計畫成果。

數據支持「智慧農業」, 需要更多動植物生理學的整合性研究 根據農業科技文本分析與研究前沿的結論可看出:我國在智慧農業議題已有 一些研究成果,例如感測器與資料傳輸等相關技術,然而整合動植物生理指標與 硬體設備的數據分析模型、決策演算法、乃至完整的系統性研究尚需要更多投入。

未來可藉臺灣的資訊科技優勢,培養資訊與動植物生理學的跨域研究團隊,提升 我國智慧科技的技術優勢。

14


農業研究前沿 - 文獻回顧 農業科技未來是什麼?研究前沿的三個案例分享

隨著資料科技與數位網路工具進度,農學界開始以書目計量學來回顧、分

析、或預測產業的科技發展,這種結合文本分析、資料庫整理、以及詮釋資料 (Meta Data) 的跨域資料科學又稱作「科學的科學」。

農業永續,除了有機農業還能發展什麼?

聯合國在 2000 年提出「永續發展目標」之後,「永續農業、智慧農業、與

生態農業」成為各國農業科技發展的重要項目。這些議題大多為跨領域的科學研 究成果,且無法以單一「學門」分類其屬性,例如「有機農業」字面上為農業科

學,但除此之外土壤科學與生態學也是重要的研究主題,文獻指出:在有機農業

這個議題中,田間栽培管理 ( 特別是氮肥使用 )、永續農業、與生物多樣性都是 有高度討論關聯性的主題。

品質

作物

栽培系統

永續農業

土壤

生物多樣性

農耕

有機農業

系統

農業 有機

氮素 管理 生物多樣性

圖說:在 20 篇討論永續農業的科學文獻中,作者關鍵字之間的關聯性結果。研究團隊利用書目分析軟體 VOSviewer 視覺化關鍵字間的 關聯性,圓形中央橘色部分為最重要的主題。( 資料來源:Jose´ Luis et al., 2015, Mapping the scientific research in organic farming)

2015 年西班牙瓦倫西亞科技大學的研究團隊,以書目計量學方法建構有機 農業議題的科研主題知識結構 (knowledge structure)。研究團隊從 359 本 SCI

期刊、取得超過 1 千篇文獻的書目資料,並計算作者關鍵字的數量與文獻間相互

關聯性。借助這些跨領域或是新興議題的文獻書目資料分析結果,便能協助科學 家釐清有機農業的知識結構。

結果顯示不論是歐洲國家、美國、巴西、澳洲、甚至中國等,對於有機農業

15


都有共同關注的主題,這些有機農業的主題包含:永續農業、生物多樣性與田間 管理,其中作物栽培系統、品質、土壤與氮素是發展有機農業的重要技術內涵。

此項研究成果發表於「科學計量學 (Scientometrics)」期刊,論文指出有機農業 研究在 1997 年後成為熱門的科研主題,透過書目計量學能夠協助政策制定者、 科研人員、以及產業人士投入議題時有更明確的發展方向。

無人機,哪些產業需要跟上腳步?

無人機是近年來農業科研研究的熱門主題,這項新興科技結合了數位相機、 多光譜相機、雷達、感測器、以及遙控設備等技術,其應用層面更是廣泛,例如

地理圖資、運輸與農業田間管理。為了快速的了解無人機發展脈絡與科研現況, 2019 年義大利政府農業經濟研究委員會發表了「農用無人機」的書目分析研究

報告,從 1995-2017 年與無人機科技相關的書目計量分析結果:自 2013 年起無

人機科技研究日漸蓬勃,世界無人機技術的主要研發國家:美國、中國、義大利、 西班牙、印度、德國與英國,且不同國家各自有自己的合作網絡。

圖說:無人機的知識結構可包含植物生理、農業、乃至資訊工程等科學。( 資料來源:Elisabetta Raparelli & Sofia Bajocco, 2019, A bibliometric analysis on the use of unmanned aerial vehicles in agricultural and forestry studies)

早期農用無人機的發展重點為作物生長與環境監測,例如生長與氣候間的關 係、土壤與地理圖資調查等,大多應用在森林的植冠分析與評估作物營養生長狀

態。隨著氣候變遷對環境的衝擊,無人機的科研討論主題轉為生物多樣性、乾旱、 永續性、甚至結合遙測技術後,發展出產量預測與大數據分析等。

2018 年資料科學相關的主題更開始蓬勃發展,透過蒐集感測器的數據資料,

結合物聯網與演算法技術,無人機不只應用在田間管理,甚至能夠廣泛應用在各 種數據分析與政策管理等主題。這份報告也將成為當局評估「農業無人機科技可 優先應用在哪些產業」時重要的政策依據。

16


農業大數據,討論什麼數據?

2019 年 1 月印度中央農業大學的科學計量學專家 Dr. Rajendra Prasad 在線

上期刊 - Library Philosophy and Practice, LPP (ISSN 1522-0222) 發表了一篇「農 業大數據之科學計量學分析報告」,Rajendra 博士從知名期刊資料庫 Web of

Science 中以農業大數據 (Agriculture big data) 作為關鍵字,找出 379 篇科學文 獻,並以書目計量學與文本分析法建構農業大數據的「知識結構」。

研究發現中國、美國及法國為目前進行最多關於農業大數據的研究,科學家 討論農業大數據時往往同時論及田間管理、精準農業、作物模式、遙測系統及糧 食安全。換句話說,智慧農業不僅僅是生產管理的工具,更是建立在生態環境、 氣候變遷、以及糧食安全的新興農業科技。

統計結果顯示:所有以農業與大數據為主題的文獻中,多半與氣候變遷、作 物生長、永續、選別、與精準農業有關,特別是乾旱逆境與生產風險是過去智慧

農業研究的重點。報告中 Rajendra 博士也提到:農業大數據的未來發展將往精 準農業、作物系統、遙測技術、機器學習和雲端運算等。

科研成果從申請專利的技術、進而走入產業通常需要 3 至 5 年的時間,因此 書目計量學的結論可推測未來 10 年內的科技發展,其產出的研究前沿更能幫助

政府部門配置經費與政策制定。而對於新創公司與研發單位,研究前沿的資料庫 工具也是一種全面性的探索農業科技議題的「時光機」!

參考文獻: 1.

Aleixandre, J. L., Aleixandre-Tudó, J. L., Bolaños-Pizarro, M., & Aleixandre-Benavent, R. (2015). Mapping the scientific research in organic farming: a bibliometric review. Scientometrics, 105(1), 295–309. doi:10.1007/s11192-015-1677-4

2.

Raparelli, E., & Bajocco, S. (2019). A bibliometric analysis on the use of unmanned aerial vehicles in agricultural and forestry studies. International Journal of Remote Sensing, 1–14. doi:10.1080/01431161.2019.1569

3.

3. Trivedi, Guptnath, Visualization and Scientometric Mapping of Global Agriculture Big Data Research" (2019). Library Philosophy and Practice (e-journal). 2478. https://digitalcommons.unl.edu/libphilprac/2478/

17


農業研究前沿-案例分享 以研究前沿看「臺灣咖啡產業的策略發展」資料決策基礎之咖啡產業情報分析

巨量資料(Big Data,或稱大數據)所帶來的理念、方法或技術等一系列變

化,不僅對社會的方方面面產生巨大的影響,各領域研發人員也在思考其因應策 略或解決方案。對產業分析人員或科技情報研究人員而言,其輔助決策分析方式 正從「依賴專家直覺」(Purely on Expert’s Intuition)轉向「資料導向決策」 (Data-driven Decision Making)(Provost & Fawcett, 2013)。

此一轉變既要求相關分析人員需要培養「資料分析式思維」(Data-analytic

Thinking),在產業分析或科技情報分析方法設計上,亦強調「用資料說話」(即

用相關資料交叉佐證並支持研究結論)之重要性與必要性。進一步說明,本文認為 分析過程不是完全取代專家直覺或專家經驗,而是藉由蒐整多種資料源、結合各種

資料分析工具,幫助分析人員「挖掘」更多以往人眼觀察所不易發現之節點或關聯。 資料是一種記錄現實世界的載體,用來反映客觀事物存在之屬性與關係,也

是最接近事實端之分析素材,因而在資料導向決策中,如何從多種資料源獲取深 刻洞見(Insight)或有價值的資訊(即情報)就變得十分重要。換言之,在資料 導向決策中,分析人員須提出「計算型」資訊分析結果(即機器輔助之資料深度 分析),而不是「描述型」資訊分析結果(即人工判讀之資料簡單統計)。

本文以特用作物中的「咖啡」為例,蒐集盤點該對象之相關資料,再結合計

算型情報分析(Computational Information Analysis)方法論中的分析方法, 試圖回答以下問題:

一、市場端:(我國)咖啡需求潛力為何?

二、技術端:(國內 vs 國外)咖啡技術利基為何? 三、情報端:兩者串接之情報分析結果為何? ・資料蒐集

依照本案目的,分別擷取消費端與技術端之相關資料,說明如下:

(1)市場端:係以農業生產統計資料(農委會)、進出口貿易統計(關稅總局)、

18


營業家數與營業額數值(財政部)、工業產銷存動態(經濟部)四種市場

資料為主,再輔以各縣市政府農業局統計年報、咖啡市場分析報告或相關 媒體報導文章等。

(2)技術端:係以臺灣期刊論文、政府研究計畫及博碩士論文三種文獻資料作

為「國內」咖啡作物研發能量分析來源,另選取 CABI 資料庫作為「國外」 咖啡作物研發能量分析來源,共計四種文獻資料(見表 1)。 表ᅠ1、「技術端」之四種資料檢索策 略

資料庫

檢索策略

臺灣期刊論 文索引系統

NOTᅠ(咖啡店or咖啡廳or咖啡館or咖啡品牌ᅠorᅠ咖啡業等 )

政府研究 資訊系統

NOTᅠ(咖啡店or咖啡廳or咖啡館or咖啡品牌ᅠorᅠ咖啡業等 )

篩選後筆數 28 75 89

臺灣博碩士 論文知識 加值系統 CABI資料庫

18,960

-

(使用CABI索引典)

-

ANDᅠYear:ᅠ[1960ᅠTOᅠ2019] Topicsᅠ=ᅠNOTᅠpestsᅠNOTᅠarthropodᅠpestsᅠNOTᅠpestᅠarthropodsᅠNOT ᅠ plantᅠpestsᅠNOTᅠinsectᅠpestsᅠNOTᅠpestᅠcontrolᅠNOTᅠeelworm s

・研究結果

1. 市場端之咖啡需求潛力分析 (1) 產品消費

19


從經濟部提供咖啡飲料製造之產銷存貨統計數據來看,若與該年度咖啡飲料

銷售量(千公升)比較,全台在 2007-2018 年間之咖啡飲料銷售以內銷為主,見

圖 2。但是,我們注意到歷年內銷量比例已逐漸下降,反觀外銷量比例正逐漸增加。 (2) 進出口貨物

由關稅總局的進出口貿易貨物統計來看,臺灣主要進口他國之生咖啡豆(指 生豆)與焙製咖啡(指熟豆)為主,出口焙製咖啡至亞洲與美洲國家次之。若以

貿易餘額來看,臺灣進出口生咖啡豆與焙製咖啡之貨品價值,均呈現貿易逆差。

另外,本案也注意到臺灣進出口「咖啡荳殼與荳皮」、「含咖啡之咖啡代替品」 之貨品價值呈現貿易順差,說明在咖啡豆處理與烘焙過程中,咖啡荳殼或咖啡代

替品具商業利用價值。而在咖啡萃取物及其產品方面,咖啡之萃取物、精、濃縮 物以臺灣進口亞洲與美洲貨品為主,多屬貿易逆差,當以咖啡萃取物開發相關調 製品時,臺灣則以出口導向為主,多屬貿易順差。

我們進一步選取其中四種貨品項之進出口資料進行全球地圖視覺化,試圖了 解在該時間區段內之外銷國家分布情況。由臺灣進出口生咖啡之國家分布結果(見

圖 1)可知,臺灣常進口「咖啡帶」(Bean Belt,指咖啡種植地區)國家之咖啡豆, 又以印尼(進口 60,849.14 公噸)、巴西(進口 48,967.51 公噸)及瓜地馬拉(進

口 23,304.41 公噸)三個國家為主;出口方面,臺灣則以中國大陸(出口 170.75 公噸)、香港(出口 27.36 公噸)及美國(出口 4.42 公噸)為主要國家。

圖 1、200701-201902 臺灣進出口「生咖啡」之主要國家分布

由臺灣進出口焙製咖啡之國家與進口生咖啡國家分布不同,臺灣主要進口美

國之焙製咖啡為主,已累計進口 16,722.76 公噸,其次是馬來西亞(進口 6,341.83

20


公噸)與日本(進口 5,589.15 公噸);出口方面,臺灣則以中國大陸(出口 1,820.61 公噸)、美國(出口 380.55 公噸)及香港(出口 291.31 公噸)為主要國家。(與全 球十大咖啡烘焙廠分布點有關) (3) 咖啡種植

由農委會提供的農產品種植面積與生產統計來看,在 2007 年至 2017 年間, 全台咖啡種植面積、收穫面積與產量變化見圖 8,可以得知整體臺灣咖啡的種植

面積與收穫面積不斷增加,其咖啡產量也從 2007 年的 453 公噸「翻倍」成長至

2017 年的 947 公噸,表示臺灣近年對國產咖啡栽種之重視。而在歷年變化中,我

們注意到自 2014 年起,臺灣咖啡種植面積呈現持續增加,但產量卻低於收穫面積, 推論在於近年掀起國產咖啡熱潮,致使咖啡種植面積增加,但咖啡樹苗成長至開 花結果需歷經 2-3 年,以致咖啡產量呈現先下降、再逐漸增量之曲線。

改以全台各縣市之咖啡產量統計來看,2017 年全台咖啡產量前五名縣市依序

為:屏東縣(共 155.66 公噸) 、嘉義縣(共 151.62 公噸) 、南投縣(共 133.73 公噸) 、 臺東縣(共 130.74 公噸)及高雄市(共 116.26 公噸)。我們以上述五個主要咖啡 產地為例,整理其歷年種植面積變化,見圖 2。 高雄市 2008 2009 2010

13

4.2 18.4 22.9

2.4

2012

-9.9

3

2013

-2.7

2014

4.9

2015

8.2

2016

133.9 -5.9

嘉義縣

0.4 -16.6

2011

2017

南投縣

屏東縣

-8.4

13.6 0.3

20.2 -0.6

4.1 11.5

98.1

5.8

20.8

26.9

20.3

29.1 2.2

11.1

35.1

10.7

-10.4

-0.4

-9.9

33.3

-30.2

2.1 -16.3

臺東縣

-0.7

0.5

-1.9

3.6

3.1 7.2 5.9

9.1

0.5 -1.2

2.2 -2.4

註 1:數值整理自農委會農業生產統計 - 農產品生產面積 註 2:咖啡產地面積增減比例計算公式=(該年度面積-上年度面積)/ 上年度面積 * 100%

圖 2、2008-2017 年前五名臺灣咖啡產地之種植面積變化

由上圖 2 可以看出,2008-2013 年的屏東縣與臺東縣之咖啡種植面積呈現明

顯擴增比例,除了氣候適合咖啡生長外,其咖啡產銷班班員數也有明顯增加,如屏

東縣咖啡產銷班從 2008 年的 3 班、48 人增加至 2013 年的 10 班、138 人;臺東縣

咖啡產銷班從 2008 年的 6 班、81 人增加至 2013 年的 13 班、190 人。在嘉義縣方面,

21


2009 年至 2010 年之種植面積大幅減少之原因,推論在於八八風災(莫拉克颱風) 對阿里山、卓武山等產區造成影響。

另外,在高雄市方面,2016 年之咖啡種植面積急遽成長之原因,在於 2016 年

高雄市農業局統計年報增加「納馬夏區」之高山咖啡種植面積,進而影響高雄市的 咖啡產量。但我們仍要注意上述五個臺灣咖啡主要產區縣市之高低海拔土地利用

差異,如同王培蓉(2017)分析低海拔咖啡園(如屏東縣或高雄市等)多屬農牧用地, 不受栽植限制,且栽植密地高;而高海拔咖啡園(如南投縣或嘉義縣等)則容易受 到山地氣候影響,且農牧用地少、林地使用限制較多,連帶栽植密度較低。

再進一步分析臺灣咖啡之生產成本,見表 2,隨著臺灣咖啡產量逐年增加,其

單價約成長三倍,產值也約提高四倍,且咖啡種植所需之生產費用 (包含種苗、肥料、 人工、農藥等相關費用)也有明顯下降,反映臺灣應有顯著之咖啡栽種與管理技術 提升。但是,反觀農家賺款卻逐年下降,推論與全台咖啡產銷班人數增加有關,即 農戶數增加,勢必影響整體作物產值與每位農戶可分配之利益。 表 2、2011-2017 年臺灣咖啡之生產成本分析 項目ᅠ 西元

特作 產量

每公頃 平均 產量

每公頃 主產物 價值

特作 單價 (元/

特作 產值

ᅠ公斤) (千元)

生產 費用 (元)

家族 勞動

農家

(元)

(元)

報酬

賺款

產銷班 人數

(公噸)

(公斤)

(元)

2011年

824.13

869

527,199

250

206,032

317,489

420,762

438,145

ᅠ911

2012年

812.95

675

370,294

350

284,534

297,347

260,574

279,338

ᅠᅠᅠ99 9

2013年

874.12

739

397,788

700

611,886

303,098

261,853

280,596

1,224

2014年

801.59

615

382,786

700

561,116

294,203

246,695

265,517

1,285

2015年

756.96

548

386,925

925

700,186

290,675

273,769

292,225

1,328

2016年

840.93

513

413,035

925

777,857

285,700

297,114

315,236

1,400

2017年

946.54

357

312,629

925

875,549

246,753

210,632

229,100

1,533

2. 技術端之咖啡技術利基分析

基於本案目的,我們運用科學計量分析中的主題共現關係,即建立不同主題 間之關聯性,用以了解國內外咖啡相關研究之主題結構。 (1) 國內研究主題結構

經合併期刊論文、博碩士論文及政府研究計畫後取得 192 筆文獻,再自動抽取 文獻之關鍵詞集(共計 768 個主題) ,前十名高頻詞依序為:咖啡(104 次)、咖啡豆

22


(54 次)、咖啡渣(38 次)、抗氧化(24 次)、烘焙(17 次)、綠原酸(15 次)、咖啡葉 (15 次)、萃取(14 次)、咖啡因(12 次)及成分(12 次) ;咖啡品種方面則以阿拉比

卡(8 次)與羅布斯塔(4 次)為主,咖啡研究主體除上述咖啡豆、咖啡渣及咖啡葉之 外,尚有咖啡樹(5 次) 、咖啡油(4 次) 、咖啡銀皮(2 次) 、咖啡苗(1 次) 、咖啡莓果(1

次)、咖啡殼(1 次)、咖啡花(1 次)、咖啡果肉(1 次)。其高頻詞僅能反映我國研究

人員對此類主題之重視程度,無法進一步說明各主題間之關聯為何,故以下使用共 詞算法對咖啡主題詞對進行分析。

首先 768 個主題可自動生成 6,187 組主題詞對,其整體研究主題結構見圖 3,可

以看到全景圖呈現仍較複雜, 且存在較多不是屬於咖啡詞對之範疇,如甘藷-芝麻素、 降血糖-膳食纖維、米糠醇-機能性等,推論與統籌計畫有關,即咖啡是該統籌計畫 中的子項計畫之一,但 GRB 系統只登錄統籌計畫之關鍵詞。

咖啡因

咖啡渣 抗氧化

成分

咖啡 萃取

咖啡豆 烘焙 綠原酸

咖啡葉

圖 3、臺灣咖啡研究主題網絡之「重要主題」節點

因此,我們再從 6,187 組主題詞對中抽取「咖啡主題詞對」進行深度分析。在網 絡分析工具中採取 PageRank 算法可找出不同節點(即主題詞)在主題網絡中的影

響程度,即研究主題之重要性,當 PageRank 值越高,其研究主題重要性越高。由圖 8 結果可知,咖啡(PageRank 值為 0.1953)、咖啡渣(PageRank 值為 0.0724)、咖啡 豆(PageRank 值為 0.0634)及咖啡葉(PageRank 值為 0.0562)是臺灣咖啡研究之 重要主題。

我們需考慮主題與主題間之連接性,即中心性(Centrality) ,另採取二種中心性算法 進行分析。首先是接近中心性(Closeness Centrality)算法,可找出全局網絡中某一 節點至其他節點最短距離,即該主題詞能以更快之方式與其他主題詞產生聯繫。接 近中心性值高於 0.48,依序為:咖啡、咖啡渣、綠原酸、萃取、抗氧化、超臨界流體、 超臨界二氧化碳。

23


圖 4、臺灣咖啡研究主題網絡之「高接近中心性」節點

(2) 國外研究主題結構

在 18,960 筆 國 外文 獻 中,共 抽 取 20,722 個 主 題,排 除 咖 啡 屬 之 茜 草 科

(Rubiaceae)、被子植物(Angiosperms)、種子植物門(Spermatophyta)、真 雙 子葉植物(eudicots)、龍膽目(Gentianales)等植物學名分類後,列舉前十個高頻 詞 依 序 為:eukaryotes( 真 核,15,641 次 )、Developing Countries(發 展 中 國 家, 8,063 次)、America(美洲,5,330 次)、Coffea arabica(阿拉比卡咖啡,4,820 次)、 Latin America(拉丁美洲,4,363 次)、stimulant crops(刺激類作物,3,350 次)、 South America(南美洲,3,067 次) 、Africa South of Sahara(撒哈拉以南非洲,3,040 次 )、Brazil( 巴 西,2,882 次 )及 Community of Portuguese Language Countries (葡萄牙語國家共同體,2,794 次) ;咖啡品種 方面除了 Coffea arabica 之外,尚 有 Coffea canephora(羅布斯塔,1503 次)、Coffea liberica(利比里卡,238 次)、 Coffea eugenioides(68 次)、Coffea congensis(50 次 )、Coffea racemosa(45 次)、 Coffea pseudozanguebariae(34 次)、Coffea stenophylla(29 次)等品種,咖啡研 究主體則包含了 leaves(咖啡葉,1,124 次)、coffee pulp(咖啡果肉,89 次)、coffee beans(咖啡豆,73 次) 、coffee soils(咖啡土質,55 次) 、coffee fruit(咖啡果實,17 次)等。 我們進行主題網絡分析。由圖 15 結果可知,Coffea(PageRank 值為 0.1594)、 Coffea canephora (PageRank 值為 0.0253) 、Coffea arabica (PageRank 值為 0.0253) 、 Coffea liberica (PageRank值為 0.0143) 及coffee (beverage)(PageRank值為 0.0082) 是國外咖啡研究之重要主題。

圖 5、國外咖啡研究主題網絡之「重要主題」節點

24


在中心性(Centrality)分析方面,首先取接近中心性值高於 0.5,繪製圖 16 結 果。其 中,接 近 中 心 性 值 高 於 0.6,依 序 為:coffee、Coffea、Coffea canephora、 Coffea arabica、Coffea liberica、Coffea eugenioides、Coffea stenophylla、Coffea racemosa、Coffea congensis、coffee (beverage)、Coffea kapakata。除了咖啡品種研 究之外,我們還注意到 wild relatives (野生親緣) 、INTERSPECIFIC HYBRIDIZATION (種 間雜交) 、plant genetic resources(植物基因資源) 、leaves(咖啡葉) 、pathogens(病 原體)、plant diseases(植物疾病)、genetic markers(遺傳標記)等主題也具高接近 中心性。其次取中介中心性值高於 50,與接近中心性之主題網絡分布類似,具橋梁作 用之主要節點多集中在咖啡品種。

圖 6、國外咖啡研究主題網絡之「高接近中心性」節點

(3) 國內外主題詞對比較

我們列舉五個臺灣咖啡研究之高頻詞,對比國外咖啡主題詞對,整理如表 3。 可以初步看到,臺灣在咖啡渣研究方面主要針對吸附技術,而國外研究較少關注 (在原文獻集中,僅有三筆文獻將咖啡渣列入標引詞),其主要在於成分與生物降 解活動;其他研究主題則較相似。 表 3、五個臺灣咖啡研究高頻詞與國外研究詞對比較

表 3、五個臺灣咖啡研究高頻詞與國外研究詞對比較 主 題 詞

咖 啡 渣 抗 氧 化 烘 焙

台灣研究 詞對(共現數)

詞頻

詞頻

38

咖啡渣-抗氧化(6) 咖啡渣-活性碳(5)

咖啡渣-生物活性(4)… 抗氧化-咖啡(12)

24

17

抗氧化-咖啡渣(6) 抗氧化-咖啡因(5)

抗氧化-咖啡葉(3)… 烘焙-咖啡(10)

烘焙-咖啡豆(8) 烘焙-抗氧化(4)

綠原酸-咖啡(10)

15

綠原酸-咖啡葉(4) 綠原酸-咖啡豆(3)

綠原酸- 5-咖啡奎寧酸(1) …

詞對(共現數) spent coffee grounds - polyhdroxyalkanoates (1)

咖啡渣-吸附(7)

烘焙-咖啡因(1)…

綠 原 酸

國外研究

6

38 4

61 0

57 3

spent coffee grounds - carotenoids (1) coffee grounds - waste water (1)

coffee grounds - biodegradation (1)… anti-oxidant properties - chemical composition (112) anti-oxidant properties - phenolic compounds (111) anti-oxidant properties - chlorogenic acid (101) anti-oxidant properties - free radicals (60)… Roasting - Coffea arabica (157)

Roasting - chemical composition (140) Roasting - caffeoylquinic acid (107)

Roasting - chlorogenic acid (107)… chlorogenic acid - caffeoylquinic acid (573)

chlorogenic acid ‒chemical composition (176) chlorogenic acid ‒plant composition (59)

chlorogenic acid ‒ phytochemicals (34)…

25


咖 啡 渣 抗 氧 化 烘 焙

38

咖啡渣-抗氧化(6) 咖啡渣-活性碳(5)

咖啡渣-生物活性(4)… 抗氧化-咖啡(12)

24

17

抗氧化-咖啡渣(6) 抗氧化-咖啡因(5)

抗氧化-咖啡葉(3)… 烘焙-咖啡(10)

烘焙-咖啡豆(8) 烘焙-抗氧化(4)

烘焙-咖啡因(1)…

綠 原 酸

spent coffee grounds - polyhdroxyalkanoates (1)

咖啡渣-吸附(7)

綠原酸-咖啡(10)

15

綠原酸-咖啡葉(4) 綠原酸-咖啡豆(3)

綠原酸- 5-咖啡奎寧酸(1)

6

38 4

61 0

57 3

萃取-咖啡(7)

萃 取

14

萃取-咖啡渣(5) 萃取-咖啡因(4) 萃取-咖啡豆(4) …

25 6 (plant extracts)

spent coffee grounds - carotenoids (1) coffee grounds - waste water (1)

coffee grounds - biodegradation (1)… anti-oxidant properties - chemical composition (112) anti-oxidant properties - phenolic compounds (111) anti-oxidant properties - chlorogenic acid (101) anti-oxidant properties - free radicals (60)… Roasting - Coffea arabica (157)

Roasting - chemical composition (140) Roasting - caffeoylquinic acid (107)

Roasting - chlorogenic acid (107)… chlorogenic acid - caffeoylquinic acid (573)

chlorogenic acid ‒chemical composition (176) chlorogenic acid ‒plant composition (59)

chlorogenic acid ‒ phytochemicals (34)… plant extracts ‒coffee (246)

plant extracts ‒Coffea arabica (91)

plant extracts ‒Coffea canephora (23) plant extracts ‒Coffea liberica (7) …

3. 情報分析結論

以下僅就資料面之分析結果,闡述以下四點結論:

(1) 我國咖啡消費市場已趨近飽和,且近年種植面積增長有限、產銷班員數增

加、農戶收益下降,加上進口生咖啡與烘製咖啡貨品免關稅的利多條件, 以商業獲利角度來看,宜思考是否持續擴大我國咖啡種植面積。

(2) 我國進出口海外各國之咖啡相關貨品多屬貿易逆差,僅「咖啡荳殼與荳皮」、 「含咖啡之咖啡代替品」與「以咖啡之萃取物、精、濃縮物或咖啡為主要 成分之調製品」屬貿易順差。換言之,在大量進口咖啡豆(可能壓迫至我 國本土咖啡銷售)情況下,將其原料進行產品加工再出口至亞洲各國,應 是咖啡相關業者之主要獲利手段。

(3) 從文獻研究中的關鍵技術角度,我國咖啡研究強項在咖啡(包含咖啡豆、

咖啡葉、咖啡渣等)萃取與烘焙技術,尤其是咖啡渣,而國外咖啡研究強 項則集中在咖啡品種與地區研究。

(4) 從文獻研究中的咖啡品種角度,我國咖啡主要集中在阿拉比卡與羅布斯塔

二個品種,也是國外主要集中研究的咖啡品種。但是,國外咖啡品種之文 獻研究佈局較廣,值得國內研究人員參考。

26


合作 夥伴 撰寫科學輿情 ( 服務 ) 的重要性 站在全球農業科技風口上:數據應用落地的下一個挑戰

27


合作夥伴-社群洞察 社群洞察有限公司

https://faninsights.io/

撰寫科學輿情 ( 服務 ) 的重要性 隨著農業升級轉型與科技迅速發展,近年來各種相關應用也開始導入 AI 人工智 慧技術並擴散運用,透過先進的智慧科技幫助農業專業人員快速學習領域知識,即時

掌握過去龐雜的數據資訊,精準監測與預測分析未來趨勢,同步提升產業整體的效能。 輿情數據和網路數據的結構與解構方式不同:

輿情數據並不規則、資料量大、來源多樣且不確定性高,分析難度亦高,需要

利用先進的網路技術,把數據結構化、整合、篩選、處理,才能得出可視化的結果。 網路數據的採集、清洗、結構化、索引、分詞、關鍵字搜索等技術問題都能

透過機器處理,利用機器演算法、語意分析技術和自動化情感分析,就可以快速

地挖掘輿情傳播的來源、聲量、路徑以及社群關係。如何從眾多資料中汲取精準 重要的消息、分析市場、探勘輿情,對許多企業、政府單位而言,是相當重要的 應用,可以大量降低使用者茫茫搜尋網海的時間。

而當今的趨勢,是將輿情分析結合真實使用者數據,去做更近一步的分析

評估,例如在官網置入 GA 追蹤碼,透過結構化的使用者數據,以及在網路上 擷取得來的資料輔助,獲得更精準且有價值的分析結果;或是結合聊天機器人

(Chatbot)即時回覆的特性,將資料整理後讓使用者方便搜尋。比如:社群洞

察有限公司利用農試所的植物診斷平台大數據資料,以影像辨識方法,提供花卉 病徵即時診斷功能,開發出「花卉醫生聊天智慧客服 (Floral Care)」,使用者可

以上傳花卉生病的照片,由 Chatbot 判別需做什麼有機物理治療,或是適合投放

什麼農藥,其概念呈現、作品實作和營運模式表現極為完整,奪下冠軍桂冠殊榮。 透過新模式的創意構想,輔以小規模試驗,進而展現下一世代農業的願景。

這是很典型利用輿情的資料收集、整理和分析,結合 Chatbot 的實際應用案

例,藉由 Chatbot 來協助農業追蹤資料的散布範疇、快速分群文件,有效縮短專 業人員在建立領域資料脈絡的時間。

因此目前社群洞察有限公司也積極規劃,將建置科學輿情智慧客服平台,未來 結合農業科技,用最直覺、最快速、最方便的方式來連結企業、公家單位與農業產 業相關的專業資訊與知識,更能熟稔應用領域的需求,讓農業科技發展更完整。

28


合作夥伴-悠由數據 站在全球農業科技風口上:數據應用落地的下一個挑戰 DataYoo 悠由數據應用股份有限公司 在這兩年全球農業科技快速發展的狀態下,我們常常聽聞智慧農業或是科技 農業這樣的詞彙,諸如環境感測裝置、無人機、自動灌溉系統、病蟲害偵測、作 物辨識等等。然後當我們在大談智慧農業 4.0 這件事情時,不外乎總是會出現大

數據分析、人工智慧、專家系統等專用詞彙,然而又覺得好像摸不到邊際、落不 了地。為什麼?「數據」或是「資料」,它到底是甚麼?

“數位化的數據是微小訊息的體現,我們期待透過可量化和可分析的方式, 來客觀重現專家在進行一連串決策判斷時的過程 „

如果我們期待的是農業數位化決策和預測幫助我們透過「提早知道」來進一 步提高生產能力或是降低損失的時候,我們就必須去思考,我們要的是某一位的 「專家論述」? 抑或是從數學和數據背景所形成的「客觀論述」? DataYoo 悠 由數據係由筆者所成立的農業數據預測的民間企業,專注於如何結合機器學習的

數據系統與作物生理的專家知識,來打造新一代萬物皆可算的產地預測系統。悠 由 DataYoo 與作物專家合作,透過實驗規劃設計有效率的產地資料蒐集模式,

再進一步研發各種作物以及動物的預測模型,搭載在自家公司的預測系統上,提 供企業客戶使用。

相關案例如,悠由發展出可大規模計算香蕉產地的預測系統,透過差異化田

區演算技術,使用者僅需提供田間地號以及種植日期,便可獲得掌握全縣或是全 台香蕉的預測能力,從種那一天開始,便可即時透過數據不斷預測從預期採收

日、至包裝日、以及最終外銷的船班資訊。2019 年下半,我們協助客戶透過有

系統的管理模式,增加近 4 倍的合作農友,以及可快速遍佈全縣的管理面積,而

產地管理面積也在不增加太多成本的狀況下成長了近兩倍。更重要是您不需要安 裝任何一支感測器裝置。

這是一件很有趣的事情,技術的突破與成長,有賴於跨領域知識的結合,這 幾年在開放資料的大力推廣下,帶我們透過資料來了解農業的面貌,如產銷履

歷、農地、批發市場資料等,皆富含了許多產業細微的知識與意義,這是很棒的。 而筆者認為開放資料的下一步,政府如能支持法人與民間企業,進一步對農業的 知識標準和各種基本領域知識透過數據來進行串聯,讓民間企業可以奠基在開放 資料和知識標準的架構上發展,台灣在農業科技領域上必能結合得更順暢。

29


展望 未來 農業研究前沿:站在巨人的肩膀上,智惠於農

30


展望未來 農業研究前沿:站在巨人的肩膀上,智惠於農 臺灣在 2015 年將數位經濟列入國家發展願景,也加快了農業生產數位化的

腳步,結合農業大數據的「數位農業」得以孕育而生。「大數據」不僅限於農業

生產資料,從田間生產、收穫後處理、進入食品加工鏈、直到市場資訊與情報等, 只要與農業有關的數位資料都有機會跨域整合演變成「詮釋資料 (Metadata)」, 「農業研究前沿」就是 Metadata 的數位農業發展成果。

牛頓:「如果我進一步看到它,是站在巨人隊的肩膀上」

If I have seen further it is by standing on the shoulders of Giants. 「農業研究前沿」是一個解析科技議題與預測發展趨勢的學問,分析人員以 書目計量學方法從上萬篇農業科學文獻的文本內容,利用資料探勘技術與文本分

析工具梳理其中脈絡,藉此定義跨領域的農業議題「知識結構」;並統計分析知 識結構中的主題數量,評估與預測未來農業科學的熱門領域。換言之,運用數位 工具洞悉農業科技趨勢的研究前沿,也可說是「站在巨人肩膀上」的數位農業。

31


關鍵字、共詞、引用,3 指標洞見農業未來

農業研究前沿大多以「科睿維安」公司的線上文獻分析資料庫「Web of Science, WoS」作為文本資料來源,WoS 收納上千筆科學期刊雜誌,擁有超過

萬筆文獻書目資料,包含:標題、摘要、作者關鍵字、出版日期、作者資訊、文 章內容、以及引用文獻等。其中「作者關鍵字」與「引用文獻」最常作為研究前 沿分析的統計資訊,而摘要則可作為共詞分析 (co-word analysis) 或是語意分析 的資料來源。

分析農業資料需須具備「資料科學、農業專業、與知識管理」方能 適當解讀數據結果 資料分析師透過統計方法,計算關鍵字在資料庫中的出現頻率、不同主題在

資料庫中的出現次數、以及隨著時間主題出現次數的頻率消長等,加上自身的知 識經驗 (Domain Knowledge) 便可評估科技議題的發展走勢,並做出適當的資料 解讀結論。

前端工程師透過資料探勘技術將上萬筆文獻的書目資料爬抓回資料庫,接著再 以統計方法計算作者關鍵字的出現次數,就能觀察各項科技主題的熱門趨勢。然而

事情沒有想像中的簡單,這些以電腦爬蟲程式爬抓回的資料往往沒有統一的標準格 式,還必須經過專家的解讀與資料清理才能進一步的使用這些數據。例如「crop」 與「crops」都是作物的意義,電腦卻會判定為 2 筆不同的資料,又或是「NGS,

next generation sequence」與「next generation sequence」縮寫全名之辭彙,電 腦會判定為 2 筆資料,必須以人為方式修正,統計出的結果才會有意義。

32


換言之,以資料科技分析書目資料大數據必須先建立「農業專有名詞的關聯 性系統」,爾後才能借助電腦運算方式產生自動化的統計報表。2019 年農科院

的「新興數位工具協助新農業政策擬定與推廣」計畫開始建立「開放的標準化農 業辭庫」,將農業科學常見的作者關鍵字整理為標準化的辭庫,透過線上網站將 辭庫系統「農業智庫報導 (https://www.agrianalytics.tw)」提供給有興趣的專家 學者參考。

資料科技的進步與普及化使得國際農企業間的競爭模式由「農業技術戰」演 變為「農業資訊戰」,農業研究前除了是企業研發部門的發展參考,更是先進國 家智庫團體在決定政策方向與資源分配時的重要依據。

頂尖知名期刊「書目計量學 (Scientometrics)」為目前收錄最多文獻的研究 前沿報告的線上期刊雜誌,2000 年後各類農業書目計量學的研究報告雨後春筍

般出現。2011 年義大利研究團隊結合傳統分析方法與語意分析法,盤點 20002011 年間 1 萬多篇水產科學文獻、2013 年塞爾維亞最高學府貝爾格勒大學以書

目計量學探討 2006-2010 年間森林科學主題趨勢、同年西班牙團隊以文本分析建 構有機農業的知識結構、2014 年又有西班牙團隊發表了 1945-2011 年動物科研 趨勢分析,爾後甚至有多篇針對特定地區 ( 例如非洲農業區 ) 的農業科研趨勢整 理的發表紀錄。

農業智庫報導網站是一個結合人工智慧演算法與書目計量學的農業研究前沿

平台,農業智庫報導團隊整合了中文斷詞模組、詞頻分析模組與自然語意分析等 技術,以人工智慧分析巨量科技文獻,產生大數據分析報告。在農業資訊戰的時 代,農業智庫報導期盼讓每個不會寫程式的使用者都能「智惠於農。」

參考文獻: 1.

行 政 院 數 位 國 家 創 新 經 濟 推 動 小 組 (105,12)。 數 位 國 家・ 創 新 經 濟 發 展 方 案。https://www.ey.gov.tw/ Page/5A8A0CB5B41DA11E/f4d3319a-e2d7-4a8b-8b55-26c936804b5b

2.

林家民 (2015, 10)。〈共詞分析於氣候變遷之運用〉氣候變遷在台灣研討會專題。台灣氣候變遷調適科技知識平台。http:// taiccat.ncu.edu.tw/app/news.php?Sn=105

3.

張家彬 (2016, 03)。〈從研究方法角度探討研究前沿〉大學圖書館,20,頁 88-112。

4.

Aleixandre, J. L., Aleixandre-Tudó, J. L., Bolaños-Pizarro, M., & Aleixandre-Benavent, R. (2015). Mapping the scientific research in organic farming: a bibliometric review. Scientometrics, 105(1), 295–309. doi:10.1007/s11192-015-1677-4

5.

Bojovic, Srdjan & Matic, Rada & Popovic, Zorica & Smiljanic, Miroslava & Stefanovic, Milena & Vidaković, Vera. (2014). An overview of forestry journals in the period 2006–2010 as basis for ascertaining research trends. Scientometrics. 98. 13311346. 10.1007/s11192-013-1171-9.

6.

Malesios, Chrisovalantis & Abas, Zaphiris. (2012). Examination of the impact of animal and dairy science journals based on traditional and newly developed bibliometric indices. Journal of animal science. 90. 5170-5181. 10.2527/jas.2012-5278.

33



35


36


Issuu converts static files into: digital portfolios, online yearbooks, online catalogs, digital photo albums and more. Sign up and create your flipbook.