想提升作物產量嗎？種樹！

本文與 研華科技 合作，泛科學企劃執行。

每次 NVIDIA 執行長黃仁勳公開發言，總能牽動整個 AI 產業的神經。然而，我們不妨設想一個更深層的問題——如今的 AI 幾乎都倚賴網路連線，那如果哪天「網路斷了」，會發生什麼事？

想像你正在自駕車打個盹，系統突然警示：「網路連線中斷」，車輛開始偏離路線，而前方竟是萬丈深谷。又或者家庭機器人被駭，開始暴走跳舞，甚至舉起刀具向你走來。

這會是黃仁勳期待的未來嗎？當然不是！也因為如此，「邊緣 AI」成為業界關注重點。不靠雲端，AI 就能在現場即時反應，不只更安全、低延遲，還能讓數據當場變現，不再淪為沉沒成本。

什麼是邊緣 AI ？

邊緣 AI，乍聽之下，好像是「孤單站在角落的人工智慧」，但事實上，它正是我們身邊最可靠、最即時的親密數位夥伴呀。

當前，像是企業、醫院、學校內部的伺服器，個人電腦，甚至手機等裝置，都可以成為「邊緣節點」。當數據在這些邊緣節點進行運算，稱為邊緣運算；而在邊緣節點上運行 AI ，就被稱為邊緣 AI。簡單來說，就是將原本集中在遠端資料中心的運算能力，「搬家」到更靠近數據源頭的地方。

那麼，為什麼需要這樣做？資料放在雲端，集中管理不是更方便嗎？對，就是不好。

第一個不好是物理限制：「延遲」。
即使光速已經非常快，數據從你家旁邊的路口傳到幾千公里外的雲端機房，再把分析結果傳回來，中間還要經過各種網路節點轉來轉去…這樣一來一回，就算只是幾十毫秒的延遲，對於需要「即刻反應」的 AI 應用，比如說工廠裡要精密控制的機械手臂、或者自駕車要判斷路況時，每一毫秒都攸關安全與精度，這點延遲都是無法接受的！這是物理距離與網路架構先天上的限制，無法繞過去。

第二個挑戰，是資訊科學跟工程上的考量：「頻寬」與「成本」。
你可以想像網路頻寬就像水管的粗細。隨著高解析影像與感測器數據不斷來回傳送，湧入的資料數據量就像超級大的水流，一下子就把水管塞爆！要避免流量爆炸，你就要一直擴充水管，也就是擴增頻寬，然而這樣的基礎建設成本是很驚人的。如果能在邊緣就先處理，把重要資訊「濃縮」過後再傳回雲端，是不是就能減輕頻寬負擔，也能節省大量費用呢？

第三個挑戰：系統「可靠性」與「韌性」。
如果所有運算都仰賴遠端的雲端時，一旦網路不穩、甚至斷線，那怎麼辦？很多關鍵應用，像是公共安全監控或是重要設備的預警系統，可不能這樣「看天吃飯」啊！邊緣處理讓系統更獨立，就算暫時斷線，本地的 AI 還是能繼續運作與即時反應，這在工程上是非常重要的考量。

所以你看，邊緣運算不是科學家們沒事找事做，它是順應數據特性和實際應用需求，一個非常合理的科學與工程上的最佳化選擇，是我們想要抓住即時數據價值，非走不可的一條路！

邊緣 AI 的實戰魅力：從工廠到倉儲，再到你的工作桌

知道要把 AI 算力搬到邊緣了，接下來的問題就是─邊緣 AI 究竟強在哪裡呢？它強就強在能夠做到「深度感知（Deep Perception）」！

所謂深度感知，並非僅僅是對數據進行簡單的加加減減，而是透過如深度神經網路這類複雜的 AI 模型，從原始數據裡面，去「理解」出更高層次、更具意義的資訊。

以研華科技為例，旗下已有多項邊緣 AI 的實戰應用。以工業瑕疵檢測為例，利用物件偵測模型，快速將工業產品中的瑕疵挑出來，而且由於 AI 模型可以使用同一套參數去檢測，因此品管上能達到一致性，減少人為疏漏。尤其在高產能工廠中，檢測速度必須快、狠、準。研華這套 AI 系統每分鐘最高可處理 8,000 件產品，替工廠節省大量人力，同時確保品質穩定。這樣的效能來自於一台僅有膠囊咖啡機大小的邊緣設備—IPC-240。

此外，在智慧倉儲場域，研華與威剛合作，研華與威剛聯手合作，在 MIC-732AO 伺服器上搭載輝達的 Nova Orin 開發平台，打造倉儲系統的 AMR（Autonomous Mobile Robot） 自走車。這跟過去在倉儲系統中使用的自動導引車 AGV 技術不一樣，AMR 不需要事先規劃好路線，靠著感測器偵測，就能輕鬆避開障礙物，識別路線，並且將貨物載到指定地點存放。

當然，還有語言模型的應用。例如結合檢索增強生成 ( RAG ) 跟上下文學習 ( in-context learning )，除了可以做備忘錄跟排程規劃以外，還能將實務上碰到的問題記錄下來，等到之後碰到類似的問題時，就能詢問 AI 並得到解答。

你或許會問，那為什麼不直接使用 ChatGPT 就好了？其實，對許多企業來說，內部資料往往具有高度機密性與商業價值，有些場域甚至連手機都禁止員工帶入，自然無法將資料上傳雲端。對於重視資安，又希望運用 AI 提升效率的企業與工廠而言，自行部署大型語言模型（self-hosted LLM）才是理想選擇。而這樣的應用，並不需要龐大的設備。研華的 SKY-602E3 塔式 GPU 伺服器，體積僅如後背包大小，卻能輕鬆支援語言模型的運作，實現高效又安全的 AI 解決方案。

但問題也接著浮現：要在這麼小的設備上跑大型 AI 模型，會不會太吃資源？這正是目前 AI 領域最前沿、最火熱的研究方向之一：如何幫 AI 模型進行「科學瘦身」，又不減智慧。接下來，我們就來看看科學家是怎麼幫 AI 減重的。

語言模型瘦身術之一：量化（Quantization）—用更精簡的數位方式來表示知識

當硬體資源有限，大模型卻越來越龐大，「幫模型減肥」就成了邊緣 AI 的重要課題。這其實跟圖片壓縮有點像：有些畫面細節我們肉眼根本看不出來，刪掉也不影響整體感覺，卻能大幅減少檔案大小。

模型量化的原理也是如此，只不過對象是模型裡面的參數。這些參數原先通常都是以「浮點數」表示，什麼是浮點數？其實就是你我都熟知的小數。舉例來說，圓周率是個無窮不循環小數，唸下去就會是3.141592653…但實際運算時，我們常常用 3.14 或甚至直接用 3，也能得到夠用的結果。降低模型參數中浮點數的精度就是這個意思！ 

然而，量化並不是那麼容易的事情。而且實際上，降低精度多少還是會影響到模型表現的。因此在設計時，工程師會精密調整，確保效能在可接受範圍內，達成「瘦身不減智」的目標。

模型剪枝（Model Pruning）—基於重要性的結構精簡

建立一個 AI 模型，其實就是在搭建一整套類神經網路系統，並訓練類神經元中彼此關聯的參數。然而，在這麼多參數中，總會有一些參數明明佔了一個位置，卻對整體模型沒有貢獻。既然如此，不如果斷將這些「冗餘」移除。

這就像種植作物的時候，總會雜草叢生，但這些雜草並不是我們想要的作物，這時候我們就會動手清理雜草。在語言模型中也會有這樣的雜草存在，而動手去清理這些不需要的連結參數或神經元的技術，就稱為 AI 模型的模型剪枝（Model Pruning）。

模型剪枝的效果，大概能把100變成70這樣的程度，說多也不是太多。雖然這樣的縮減對於提升效率已具幫助，但若我們要的是一個更小幾個數量級的模型，僅靠剪枝仍不足以應對。最後還是需要從源頭著手，採取更治本的方法：一開始就打造一個很小的模型，並讓它去學習大模型的知識。這項技術被稱為「知識蒸餾」，是目前 AI 模型壓縮領域中最具潛力的方法之一。

知識蒸餾（Knowledge Distillation）—讓小模型學習大師的「精髓」

想像一下，一位經驗豐富、見多識廣的老師傅，就是那個龐大而強悍的 AI 模型。現在，他要培養一位年輕學徒—小型 AI 模型。與其只是告訴小型模型正確答案，老師傅 (大模型) 會更直接傳授他做判斷時的「思考過程」跟「眉角」，例如「為什麼我會這樣想？」、「其他選項的可能性有多少？」。這樣一來，小小的學徒模型，用它有限的「腦容量」，也能學到老師傅的「智慧精髓」，表現就能大幅提升！這是一種很高級的訓練技巧，跟遷移學習有關。

舉個例子，當大型語言模型在收到「晚餐：鳳梨」這組輸入時，它下一個會接的詞語跟機率分別為「炒飯：50%，蝦球：30%，披薩：15%，汁：5%」。在知識蒸餾的過程中，它可以把這套機率表一起教給小語言模型，讓小語言模型不必透過自己訓練，也能輕鬆得到這個推理過程。如今，許多高效的小型語言模型正是透過這項技術訓練而成，讓我們得以在資源有限的邊緣設備上，也能部署愈來愈強大的小模型 AI。

但是！即使模型經過了這些科學方法的優化，變得比較「苗條」了，要真正在邊緣環境中處理如潮水般湧現的資料，並且高速、即時、穩定地運作，仍然需要一個夠強的「引擎」來驅動它們。也就是說，要把這些經過科學千錘百鍊、但依然需要大量計算的 AI 模型，真正放到邊緣的現場去發揮作用，就需要一個強大的「硬體平台」來承載。

邊緣 AI 的強心臟：SKY-602E3 的三大關鍵

像研華的 SKY-602E3 塔式 GPU 伺服器，就是扮演「邊緣 AI 引擎」的關鍵角色！那麼，它到底厲害在哪？

一、核心算力
它最多可安裝 4 張雙寬度 GPU 顯示卡。為什麼 GPU 這麼重要？因為 GPU 的設計，天生就擅長做「平行計算」，這正好就是 AI 模型裡面那種海量數學運算最需要的！

你想想看，那麼多數據要同時處理，就像要請一大堆人同時算數學一樣，GPU 就是那個最有效率的工具人！而且，有多張 GPU，代表可以同時跑更多不同的 AI 任務，或者處理更大流量的數據。這是確保那些科學研究成果，在邊緣能真正「跑起來」、「跑得快」、而且「能同時做更多事」的物理基礎！

二、工程適應性——塔式設計。
邊緣環境通常不是那種恆溫恆濕的標準機房，有時是在工廠角落、辦公室一隅、或某個研究實驗室。這種塔式的機箱設計，體積相對緊湊，散熱空間也比較好（這對高功耗的 GPU 很重要！），部署起來比傳統機架式伺服器更有彈性。這就是把高性能計算，進行「工程化」，讓它能適應台灣多樣化的邊緣應用場景。

三、可靠性
SKY-602E3 用的是伺服器等級的主機板、ECC 糾錯記憶體、還有備援電源供應器等等。這些聽起來很硬的規格，背後代表的是嚴謹的工程可靠性設計。畢竟在邊緣現場，系統穩定壓倒一切！你總不希望 AI 分析跑到一半就掛掉吧？這些設計確保了部署在現場的 AI 系統，能夠長時間、穩定地運作，把實驗室裡的科學成果，可靠地轉化成實際的應用價值。

台灣製造 × 在地智慧：打造專屬的邊緣 AI 解決方案

研華科技攜手八維智能，能幫助企業或機構提供客製化的AI解決方案。他們的技術能力涵蓋了自然語言處理、電腦視覺、預測性大數據分析、全端軟體開發與部署，及AI軟硬體整合。

無論是大小型語言模型的微調、工業瑕疵檢測的模型訓練、大數據分析，還是其他 AI 相關的服務，都能交給研華與八維智能來協助完成。他們甚至提供 GPU 與伺服器的租借服務，讓企業在啟動 AI 專案前，大幅降低前期投入門檻，靈活又實用。

台灣有著獨特的產業結構，從精密製造、城市交通管理，到因應高齡化社會的智慧醫療與公共安全，都是邊緣 AI 的理想應用場域。更重要的是，這些情境中許多關鍵資訊都具有高度的「時效性」。像是產線上的一處異常、道路上的突發狀況、醫療設備的即刻警示，這些都需要分秒必爭的即時回應。

如果我們還需要將數據送上雲端分析、再等待回傳結果，往往已經錯失最佳反應時機。這也是為什麼邊緣 AI，不只是一項技術創新，更是一條把尖端 AI 科學落地、真正發揮產業生產力與社會價值的關鍵路徑。讓數據在生成的那一刻、在事件發生的現場，就能被有效的「理解」與「利用」，是將數據垃圾變成數據黃金的賢者之石！

👉 更多研華Edge AI解決方案
👉 立即申請Server租借

本文轉載自中央研究院「研之有物」，為「中研院廣告」

• 採訪撰文／呂慧穎
• 責任編輯／田偲妤
• 美術設計／蔡宛潔

每到颱風天或寒流來襲，農作物損害的新聞常攻佔各大版面。在極端氣候影響下，農民需承擔的受災風險加劇！我們常羨慕氣候條件相對穩定的地區，但該處的受災風險真的比較小嗎？

中央研究院「研之有物」專訪院內經濟研究所莊雅婷助研究員，以世界糧食出口大國印度作為研究田野，剖析降雨量的變化對不同地區、不同類型農民的生計影響。跟著莊雅婷走一趟印度農村，以經濟學視角探索意想不到的農村經濟樣貌！

聯合國政府間氣候變遷專門委員會（IPCC）於 2022 年發表最新《氣候衝擊、調適與脆弱度報告》（Climate Change 2022: Impacts, Adaptation and Vulnerability），當中指出如在 2030 至 2052 年間失守 1.5°C 溫升防線，世界各地將面臨多重氣候災害，導致自然環境難以修復的局面。

在第 27 屆聯合國氣候變遷大會（COP27）中，多國持續響應 2050 年全球淨零排放目標，聯合國更重申人類社會必須強化面對極端氣候的調適能力，透過跨領域的資訊共享與合作，建立環境、經濟、社會等各面向韌性。

在各類生產者中，看天吃飯的農民最擔心極端氣候影響收成，農產歉收也將導致糧食短缺、物價上漲，並影響民生經濟。因此，了解氣候變遷對農民的影響，有助及早研擬因應對策。

中研院經濟研究所莊雅婷助研究員以環境經濟學為研究方法，選擇印度作為實證區域，研究降雨量的變化對不同地區、不同類型農民的生計影響，從中探索農民因應天災所發展出的生存之道。

農業收益的重要指標

印度是世界糧食出口大國，廣大的國土包含熱帶、亞熱帶、溫帶等不同氣候風貌，再加上各省份的風俗民情各異，塑造出多樣的地理環境、天氣型態及文化特色，有利降低研究取樣上的偏差。

此外，印度在 1970、1981 及 1998 年進行了大規模的農業人口普查，對於各種農業及非農業收入有詳細的統計數據。

莊雅婷共採用 230 個村莊、30 年跨度的印度農業人口普查數據，以及美國德拉瓦大學（University of Delaware）氣候研究中心 1900 至 2008 年蒐集的印度月降雨量和月均溫數據，並請益農業氣候科學家後得知：

6 月平均氣溫、6 至 9 月季風降雨（雨季）是影響印度農作收成的關鍵時期，而「溫度」及「降雨量」是科學家了解氣候變遷如何威脅農業收益的重要指標。

其中，美國德拉瓦大學氣候研究中心數據的優點是，能透過經緯度比對地理區位及空間資料，運用當期降雨量與 20 年歷史氣候資料同期平均值之偏差值，來表示當年雨量與歷史趨勢的差異。

此外，為了確定農民收入與氣候條件之間的連動性，排除與其他變因的交互影響，研究中設定的固定變因包括：家庭規模、村莊人口、戶主年齡及教育程度、農業經驗及替代技能等；環境固定變因則包括：種植模式、土壤類型、村莊特性及農村到城市距離。

藉由上述變因設定，控制非農業工作的可及性、不同區域勞動價格的內生變因，降低歷史天氣模式與非農業收入的交互影響。

降雨量如何影響農民

臺灣諺語常以「風頭水尾」形容農業條件欠佳的環境，令人好奇的是，對比長年風調雨順的地區，哪類環境下的農民較能調適氣候變遷帶來的威脅？

莊雅婷發現，與以往研究結果類似之處在於，降雨量的變化對印度農民的農業收入有顯著影響，而農民傾向透過收入多樣化來調適降雨衝擊（rainfall shock）。

然而，在分析歷史降雨量變化並實地訪談後卻有意外發現：

歷史降雨量變化較小的地區，雖有氣候穩定優勢，一旦降雨驟變，農業收入與總收入的下降程度卻遠高於降雨量變化大的地區！

莊雅婷進一步根據土地大小及經濟規模，將農民分成：有自耕地的大農、中農、小農，以及無自耕地的農民，並初步分析 4 類農民面對降雨衝擊的收入狀況。

大農與中農通常具備較佳的經營管理能力與資源，例如能建置完善的儲水灌溉系統，因而農業收入雖受到降雨衝擊，但下降程度不大。

小農在一般情況下，靠著耕作小規模農地過著自給自足的生活，但相對缺乏其他替代收入，一旦面臨降雨衝擊，收入反而下降最多。

無自耕地的農民類似臺灣租地耕作的佃農，在農作收入較不穩定的情況下，已習慣兼差非農業工作貼補家用，比方投入村莊附近的建築營造工作。因此，在面對降雨衝擊時，較能迅速調整工作型態，收入下降程度比小農低。

以往的農業輔導政策較常聚焦在氣候變遷劇烈、生產條件不佳的地區，但莊雅婷的研究指出：

過去氣候條件穩定、甚少災荒澇旱的地區，反而容易受到氣候變遷的影響，其弱點在於農民缺乏應變經驗，難以在短時間內應對氣候變遷帶來的生計衝擊。

至於歷史降雨量變化較大的地區，多數農民已藉由代代相傳的生活經驗，建立起農業以外的收入來源、工作技能與求職人脈，降低氣候不佳對收入的影響。

該研究點出過往農業政策忽略之處，提醒在強化氣候變遷適應力的準備工作中，應考量農民行為與當地歷史氣候條件的交互影響，引導農民保有居安思危的觀念，及早研擬因應氣候變遷的對策。

現地訪談找真相

大膽假設、小心求證，向來是做研究應秉持的原則。莊雅婷在進行量化分析時，也輔以工作坊、現地訪談等方法，過程中不僅獲得許多設立假說的靈感，更能得到深入剖析社會現象的觀點。

在印度進行田野調查時，恰巧其他印度研究團隊也在同一區域進行農民收入調查，兩方同時觀察到：當時年不佳時，大農地主通常以低於平時的工資雇用農民。

印度研究團隊認為，這是大農地主趁機剝削受雇農民，但莊雅婷在訪談農民後卻得到完全相反的答案。

原來這是地區社群的互助默契，大農地主在乾旱或澇災時提供工作機會，受雇農民也願意在農作欠收時降低工資，彼此相互體諒、一起度小月。

如何不帶偏見探討現象背後的成因，是莊雅婷走入田野時經常自我提醒的一點。

走進田野的經濟學家

在偌大的經濟學領域中，莊雅婷選擇環境經濟學、發展經濟學、行為經濟學作為研究領域。在求學過程中了解到環境對人類行為的影響力，藉由分析個人和群體的經濟行為後，能將統計數據回饋到政策執行面上，有助改善環境和社會管理方式。

「經世致用」是經濟學有趣迷人之處，更讓莊雅婷維持源源不絕的研究熱情！

回憶起與印度的不解之緣，源自在印度工作半年多期間，接觸到發展中國家的實際狀況，親眼見到當地貧富差距之大，讓莊雅婷在心中埋下關心貧窮議題的種子。

就讀碩士班期間，在柬埔寨進行農村貧戶家計與微型貸款研究時，更聽聞無力擺脫貧窮的家庭想將女兒送給同行的美國研究人員，此舉讓她深受震撼！「我總會自問：我的研究能為當地人帶來什麼幫助？」

因著生命中的種種機緣，莊雅婷將研究能量聚焦在環境、貧窮及性別等具公益性的議題上，隻身前往東南亞多國農村進行研究，這不僅要抱持不怕困難的勇氣，更培養出因地制宜的反應力。

要在人生地不熟的異國做研究並不容易，需要與熟悉當地生態的「地頭蛇」建立良好關係，再經由他們連結在地人脈，讓農民願意暫時放下手邊工作來配合訪談。

莊雅婷曾遇到一位退休的老先生願意不收分文擔任翻譯，只因得知有遠自臺灣來的朋友，想要傾聽這群無名小農的故事。

一路走來並非總是一帆風順，但喜歡與人交流的莊雅婷牢記每一次與受訪者互動的美好經驗。對研究的熱情、人們釋出的善意，使她面對各種艱難挑戰時，得以發揮超強耐力，更是疲憊至極時「滿血復活」的最佳養分。

2018 年美國耶魯大學經濟學教授諾德豪斯（William D. Nordhaus）、紐約大學經濟學教授羅默（Paul Romer）以總體經濟學模型，找出氣候變遷與經濟成長的關係，同獲諾貝爾經濟學獎。在此之前，誰能料到「環境經濟學」會成為一門顯學。

這讓莊雅婷相信，在研究領域中無需為了追求潮流而惶惶不安，重要的是堅持自己的初衷，盡心耕耘終能有所收穫！

延伸閱讀

1. 莊雅婷老師個人網站
2. Yating Chuang (2019). “Climate Variability, Rainfall Shocks, and Farmers’ Income Diversification in India”. Economics Letters, 174: 55-61.

根據聯合國政府間氣候變遷專門委員會在 2022 年發布的第二工作小組「衝擊、調適與脆弱度」報告 (AR6 WII) ，人為導致的氣候變遷包含更頻繁、強度更強的極端天氣事件，以及在升溫情境下人類和自然都將面臨各種風險。

去年 (2021) 年斯德哥爾摩研究所的報告指出，農業是受氣候變遷衝擊最大的產業之一， 不論是極端天氣或長期氣候模式轉變，農業所承受的風險是其他產業的好幾倍。

過去一年，臺灣各地經歷了大大小小的淹水和乾旱，我們常說農業是「靠天吃飯」，在氣候變遷之下，臺灣農業會遭受什麼衝擊呢？

靠天吃飯的農業

由於臺灣農作大多露天生產，更容易受溫度和雨量影響。暖化趨勢可能會使作物產期提前或延後，進而影響到品質與產量，以稻米為例，溫度上升的情境下，全臺稻米產量呈減少趨勢，二期稻作又比一期減產程度更大。

至於爲什麼稻作會分成一期和二期？主要因為臺灣介於熱帶、亞熱帶氣候之間，氣溫溫暖且雨量豐沛，一年內適合種植水稻的月份達十個月，因此每年可以種植兩期水稻，第一期通常在冬末春初時插秧，夏季收成，期間約在每年二月至六月；而第二期在七月至十一月，由於氣候條件不同，第二期的單位面積產量通常比第一期低，氣候變遷的升溫情境下，二期產量下降又更為明顯。

此外，當降雨型態轉變，雨量太少時造成農作物缺水、強度過大則破壞外觀及品質；而大氣中的二氧化碳濃度提高，會導致植物體碳氮比上升，使農作物更容易遭受病蟲害感染。

雖然「靠天吃飯」的農業受到許多氣候變遷下的衝擊，但其實還有一句俗諺説：「只靠雙手不靠天，修得水利萬年甜。」

臺灣農業究竟如何要克服這些困難呢？一起來看看這些調適策略吧！

水資源不夠「旱田直播」行不行

這邊的直播可不是指在田梗間架手機鏡頭，現場 Live 給大家看作物生長，而是一種直接將水稻種子播在土裡的種植方式。但為什麼要採用旱田直播，而非插秧灌溉這種大家熟悉的方法呢？

水稻種植需要許多水，尤其在插秧時更需要長達三個月的「淹田」，也就是將插滿秧苗的田灌滿水，才可以讓秧苗好好長大。

而故事就要從新竹縣新豐鄉說起，新豐是新竹縣稻米產量最大的產區，然而卻是位於俗稱「風頭水尾」的地區，由於地理位置在石門水庫最尾端，灌溉時搶水搶不過上游的農田。

前面有提過，臺灣水稻一年中可以分兩期栽種，在一期稻作的淹田工作期間大約是一月至四月底，恰好落在臺灣十一月至四月的枯水期，正需要水的時候卻沒有水，使在地的青農開始思考，若未來水情更緊張時，新豐還能繼續種植水稻嗎？因此，必須找出能永續種植的解方。

於是，他們便開始嘗試「旱田直播」的種植方式，直播與傳統種植最大的不同在於，初期不插秧、不淹田，省去這兩個步驟便可以減少大量的灌溉用水。

旱田直播的前三步驟便是關鍵，首先為種子處理，就像是打電動時，在對戰前要先把裝備穿好以防止被攻擊，由於直播不會經過育苗，種子會直接在土壤裡發芽，必須先將種子消毒、裹上藥劑，避免感染水稻在發芽過程的常見疾病；接著是整地，透過整田機具打破犁底層，未來水稻種子發芽時，根系可以更深入土壤表層生長，即便在水分不充足時，秧苗也可以自己在土壤裡找水份；最後為播種，將種子直接播種至土上，再覆上一層土壤保水，給種子適合發芽的環境。

當然，最重要的還是秧苗長得怎麼樣，與生長時間相同的傳統秧苗單株作比較，旱田直播秧苗根系更長、更茂密；由於不用育苗，整地播種的時間提前至十二月底，地上部的莖、葉也有較充裕的時間生長，更為強健、耐旱，有可能成為未來氣候變遷下水稻產業的永續策略之一。

「好天要存雨來糧」—— 農業調適策略還有這些

這句古諺意思是告訴人們要未雨綢繆，替之後的變化做準備，就像現在的我們面對氣候變遷帶來的衝擊，也需要不同的調適策略，應對未來的挑戰。例如使用分子標記輔助育種，找出與性狀相關的基因後做記號，縮短育種時間，開發出能抵過逆境的品種。

而開發新品種的基礎建立在遺傳資源上，這些是幾萬年來大自然演化之下的結果，因此臺灣作物種原庫就像是一座銀行，保存著珍貴的遺傳資產 —— 作物活體種子。

就如同戰鬥組合技，有時經典能力加上新裝備就能發揮最大效用，過去農業發展過程中，前人便留下許多經驗的傳承，搭配現代科技及資訊，有望在未來走出一條永續的路。

位於高雄的國立科學工藝博物館「臺灣的農業故事展示廳」，便展示了臺灣農業的多元發展，不僅是氣候變遷的農業調適，從臺灣農業的本土特色到科技成就，例如從博物館級的「植物工坊」了解全人工光源、無土的栽種方式，智慧農業 4.0 又是如何改善畜牧業的生產，以及透過 DNA 互動遊戲理解新品種如何產生等，在參觀的過程中看見臺灣農業的今天和未來。

1. 斯德哥爾摩環境研究所報告
2. 臺灣氣候變遷推估資訊平台
3. 氣候變遷對台灣農業生產體系的影響