协调问题的一种解决方案是创建“食品中心”，这是一种创新的商业模式，将小生产者聚集在一起以满足批发需求（Berti 和 Mulligan，2016 年）。整合程度最高的“食品中心”是使用互联网进行商业交易的中介组织，它们将食品从源头（小型本地和区域生产商）汇集、分销和营销到客户（个人消费者或批发商）。这些中心必须能够访问具有现实特征的生产和分销链模型，包括软信息、物流整合、风险建模、监管环境以及产品的质量和安全。在这种情况下，随机建模可能很有用（Ahumada 和 Villalobos，2009 年）。

为了建立商业渠道较短的郊区生产的城市物流配送网络，有必要改进库存管理和配送计划（尤其是冷产品），以减少食物浪费和由此产生的碳足迹。与行业相比，很少有研究涉及应用于食品供应链的规划。特别是，对于新鲜农产品的生产、收获和分销的运营决策规划显然缺乏适当的模型（Ahumada 和 Villalobos，2009 年）。需要考虑环境维度（Melkonyan 等人，2020）

在全球南方，与改善当地分销渠道供应相关的挑战更加困难：这将涉及通过组织支持和改进物流管理（渠道建模和优化、冷链物流等）减少收获后损失。对于更长的渠道，预计将为国内和国际连锁店开发节俭、安全的追溯系统。

最后，还有向个性化食品生产迈进的可能性。斯维特林等人。（2016 年）通过对消费者偏好的语言分析和转化为配方参数（应用于橙色饮料），提出了“在线”和个性化的产品协同设计。这种方法可以用于根据需求、限制、预算和个人需求生产的更复杂的食品，并将现成的食品送到人们家中（技术学院，2021 年）。这也将更容易连接到个性化的健康监测应用程序。

6.4 创建和共享数据和知识

数据和知识是帮助促进生态农业的数字技术的核心：数据注入知识，知识注入生态农业。这种信息资本带来了新的技术、监管、组织和制度挑战。这些挑战与数据的来源、质量（众包）和治理有关，也与知识的正规化和共享有关，这些挑战需要做出回应才能建立合乎道德的数字农业。

参与性数据（众包）

随着连接和采集系统（智能手机、精准农业、连接对象等）的发展，运营商（农民、顾问等）或非专业人士（公民）收集数据的方式也得到了发展，增加了更传统的数据采集方法。科学家收集实验数据。为环境文件或研究目的而进行的参与式数据收集存在技术挑战（4.4）：管理和交换这些参与式数据需要哪些基础设施？如何保证通过众包收集的数据的质量？为了公平分享知识产权，如何追踪产生的数据？还有一些人文和经济学感兴趣的问题：必须做些什么来鼓励农民分享他们的数据和信息，并与他们的咨询和培训环境建立基于信任的关系（Sutherland et al., 2013; Wiseman et al. ., 2019)?如何将价值归因于产生的数据？数据收集者的这一新角色将对农民工作的演变产生什么影响？