全球食物需求增加更要妥善管理農業用水，分析巨量農業歷史資料與結合科技可大幅改善用水浪費與效率，人工智慧(AI)將是分析植物行為以支援灌溉微調的強力工具，能建立最佳灌溉時程與分配、發現灌溉異常、驅動未來的自主(autonomous)農業。

根據World Economic Forum報導，用水管理至關重大，特別是農業在全球用水量佔比高達70%，隨著食物需求增加，預估用水量會提高15%。不過透過科技與基礎設施有效管理天然水源以最佳化灌溉用水，還需進行標準成本效益分析以考量隨之而來增加的營運成本並取得平衡。

科技公司與種植者運用精密農業與能見度(visibility)工具解決灌溉相關問題，AI在提升農地與溫室灌溉用水效率已取得進展。透過新興技術、裝置、平台可收集與運用前所未見的大數據，來源包括空照圖、降雨模式、農地感測器、收成紀錄等歷史資料，以及市場需求與天候等預測資料，整合後可提供最準確的預測以支援智慧決策。

地表與作物蒸發的水量和即蒸散量，為依作物需求量身打造灌溉系統的關鍵衡量標準之一。依作物的水分需求決定適當灌溉量並兼顧成本控制，以獲得最佳收成與品質是農人或農學家每天要面對的難題，而建立最佳灌溉時程與分配的關鍵在於辨識灌溉過度與不足區域，衛星影像與氣象預報有助於農人改善蒸散量評估。

物聯網(IoT)感測器收集的作物行為資料可支援更敏銳的灌溉決策。AI引擎能處理與分析無人機或飛機拍攝的空照圖、衛星影像，機器學習與深度學習演算法可協助解讀影像並找出模式，以發現灌溉與害蟲等問題。結合影像、土壤與作物感測器的資料，可即時提供極為精確的灌溉需求預測與潛在問題警示。

浪費水是全球水資源稀少地區農人與作物栽種者的巨大煩惱與成本負擔，若能及時發現灌溉系統的漏水等故障點就可大幅減少浪費。IoT感測器可偵測裝置故障或漏水等異常問題，並指出根本原因或相關變數且發出警示，此外若能連結氣象等其它資料來源還能排除無關的潛在因素。

滴灌(drip irrigation)等技術與無土溫室等受控環境雖有助益，但建置成本高昂不適合大面積農地低價值作物栽種。運用Valley Insights等基於AI的工具，可取得與分析農地的空照圖與每株作物的熱成像等資料，精確定位問題點與提供警示，發現肉眼難以辨識的樞紐相關漏水等灌溉問題並即時處理。

AI能提供矯正灌溉異常的深刻見解，而AI驅動的自主工具可望在未來十年重新定義農業與農務，自主運作的農機有足夠的智慧考量作物需求、作物品質、能源成本等因素，不僅有助於灌溉與用水管理，未來也將是施肥、作物保護等農務的基石。

By DIGITIMES