数字技术将对农业产生重大影响。但这种影响是正面的还是负面的？一些人，例如 Rotz 等人，（2019 年）担心数字技术会导致市场整合和企业集中度的提高；而其他人，如 Bonny (2017) 则对这一冲突提出异议，前提是要对治理进行了改变，并与更广泛的公众进行了有效的沟通。同时，许多作者提出了农业生态学和数字技术之间可能的融合（Bellon Maurel 和 Huyghe，2016；Biradar 等，2019；Caquet 等，2020；Grieve 等，2019；Klerkx 和罗斯，2020 年；韦格纳等人，2017 年）。“生态农业”一词既指科学学科，也指基于一系列替代做法的农业运动或模式，其目的是建立尊重人类和环境的可行粮食系统。正如Altieri (1989) 所指出的，它在整个生产链（生产什么、如何生产以及为谁生产）中都包含了技术和社会经济方面。生态农业生产旨在通过使用环境友好型流程来改善农业系统，特别关注农业生态系统各组成部分之间的生物协同作用以及平衡系统的“投入和产出”，这一杠杆也被称为“封闭循环”。

本章将重点关注数字技术为最广泛意义上的农业生态带来的机遇和挑战，即可持续粮食生产系统。作为一种“赋能技术”，数字化能够提高农民应对四大挑战的能力：

• 根据生态农业的原则，通过创造知识支持生态农业转型和适应环境外部的因素，即气候变化，改进生产；

• 通过帮助农民经营他们的农场来提高产量；

• 在农业生态系统（即区域生态系统和价值链）中更好地建立农民；

• 通过支持生态农业转型改善共享、学习和理解：共享数据、信息和知识。

还将探讨全球 Global South 即：第三世界国家面临的具体挑战。

4.1 改善生产：创造知识以支持向生态农业的过渡

支持向新的生产系统（包括有机农业、病虫害综合治理和农林业）过渡的科学技术知识仍在开发中。但为了确保农业生态模型的广泛部署并使其能够扩大规模，迫切需要了解所涉及的机制（Altieri 等，2012）并建立参考点（Vanloqueren 和 Baret，2009 ）。在农业生态学中，可以部署所有级别的多样性和生物调节——物种内部、物种之间或功能（植物-动物相互作用、景观生态学等），以使系统具有适应性（Caquet 等，2020）。另一方面是丰富的可能性——可供选择的品种、物种组合、作物和牲畜之间的相互作用——这使得不可能按照传统路径创造知识。面对这一挑战，必须开发新的知识构建模式，数字技术可以通过三个相互关联的杠杆为农业生态转型的这一重要步骤做出贡献（Leveau 等人，2019 年）：（i）农业生态复杂系统的建模，这需要一个整体的方法；(ii) 主要通过参与式信息收集，收集有关这些新作物种植和育种方法的数据；(iii) 基于数据做出对这些新生产系统的模型推断。

连接的昆虫陷阱。© Le mas numérique

代表农业生态学中的复杂系统

农业生态建模正在兴起，但它仍然是一个复杂的主题。农业生态建模只有在农场内部甚至景观层面的互动中才具有任何意义（Tixier 等，2013 年）。这是一项微妙的任务。安特尔等人。(2017) 确定了一些必须解决的问题，以便建立用于农业生态学的下一代模型：(i) 改进现有模型，以考虑不确定性或极端事件；(ii) 从种植系统过渡到生产系统；(iii) 模拟复杂的轮作和作物；(iv) 模拟作物和动物生产之间的联系；(v) 升级，从田野到更广阔的景观；(vi) 互操作性。还必须开发用于描述系统每个隔间的“单元模型”。此外，着眼于更广阔的前景导致新的科学前沿的出现，这些前沿与“对人口动态以及种植环境与自然环境之间界面的作用的更深入了解，关于这方面的报道很少”（Caquet et al. , 2020)。此外，由于农场是复杂的系统，应使用社会生态和社会技术模型的组合进行管理，因此在农场内建模存在许多挑战（Bergez 和 Thérond，2019 年）。

新农业生态系统的大规模数据收集

缺乏数据和难以访问它可能会成为改进和使用模型的障碍。然而，农业数据的数量出现了惊人的增长：2014 年，美国的一个农场估计每天产生大约 190,000 条数据，到 2050 年将产生超过 400 万条数据每天（Rotz 等人，2019 年）。这些数据来自连接的对象（Elijah 等人，2018）、固定传感器（气象站、连接的陷阱、各种不同类型的警报等）、嵌入机器的传感器（用于监控机器或农作物）、佩戴的传感器动物（活动传感器、用于测量温度的药丸、跟踪器）或人类操作员携带的传感器（手机）。鉴于农业数据的种类和数量，现在使用“农业大数据”一词可能会变得越来越合适（Bellon-Maurel 等人，2018 年）。事实上，数据对于创建农业生态学中复杂机制的模型至关重要，而这些模型很难使用确定性方法进行建模。为了开发此类模型，必须在不同层次的农业生产系统中进行系统的量化和观察（Biradar 等人，2019 年）。乔杜里等人。(2019) 讨论了缺乏参考点的问题，即表型的瓶颈是对生态农业和农林业阻碍。出于这个原因，这些领域的知识发展将需要通过在农场（田间或畜群中）部署高通量表型分析来提高在不同环境中的高通量表型分析能力。这引发了有关表型分析设备的问题。目前，研究人员和农民使用昂贵的测量设备（例如越野车或田间的其他自动化平台）进行表型分析。许多作者（Caquet 等人，2020 年；Grieve 等人，2019 年；Ingrand，2018 年）建议开发大规模的表型分析或持续监测农作物、动物和环境条件。这将需要负担得起且易于使用的测量设备，这些设备要么靠近 - 例如CAPTE 单元开发的便携式传感器 - 或远程传感器 - 例如Sentinel 2 卫星提供 10 米的分辨率和三到五天的重访时间（Biradar 等人，2019 年）——用于评估植物和动物的物理和生理特征（雷诺兹等人，2019 年）。

基于数据的建模：迈向新知识的一步

人工智能为从农业数据（尤其是“大数据”或“智能数据”）中提取知识开辟了可能性（Pham et Stack, 2018; Wolfert et al., 2017），但并未特别关注生态农业。那些研究过神经网络在农业生态学中的应用的作者（Jiménez 等人，2008 年；Schultz 等人，2000 年）已经注意到几个关键方面：（i）验证获得的模型的问题和不确定性；(ii) 需要将系统组织成更简单的子系统，神经网络将应用于这些子系统；(iii) 考虑推理的重要性，通常与黑盒相比，作为迈向更具分析性的模型的垫脚石。

4.2 改善生产：使用数字技术帮助农民经营农场

根据 Caquet 等人的说法。(2020)，“数字技术和农业设备专门支持生态农业的能力仍然是一个挑战”。涉及“环境、植物或牲畜的特征以改进管理和分析”的五个“主要部门”之一。还提出了决策支持问题，鉴于有的农场有多个目标。“扩大”到高度变革性的农业生态形式（重新设计系统）将需要新工具，而数字技术可以在以下方面发挥关键作用：（i）改善季节管理（需要精准农业或精准畜牧业） ) 或战略层面（纳入经济数据）；(ii) 改进农业作业，为需要更多工作的更复杂的农业系统设计农业设备。

使精准农业的原则更适应农业生态学：观察并做出决定

精准畜牧业和精准农业的原则可以应用于生态农业，因为它们会导致针对植物和动物需求量身定制的干预措施。它们围绕四个阶段：观察（测量“症状”）、诊断（确定植物或动物的状态）、建议（确定要采取的行动）和行动。通过精准农业，可以绘制作物内部的多样性图，并对地块的不同部分应用不同的措施（Bellon 和 Huyghe，2016 年）：氮肥（使用 2000 年代初期的卫星传感器和现在的拖拉机嵌入式技术；精准灌溉（Molden，2007 年），利用“代理”（叶子表面的温度，生理特征的目测估计）估计缺水；和作物保护，鉴于植物检疫的广泛性质，这是最复杂的方面问题（杂草、昆虫和其他害虫和疾病）。精准畜牧业涉及跟踪环境条件（测量建筑物内的大气或外部条件）和动物。在过去二十年左右的时间里，动物或其环境中的传感器已经使用，特别是在奶牛场：使用 RFID 和 GPS、成像（2D、3D、红外）、加速度计、声音、自动识别和跟踪配套的测量设备（秤、水表、牛奶表、饲料分配器等）（Chastant-Maillard 和 Saint-Dizier，2016 年）。监测各种不同的参数：生长、产奶量、食物摄入、生理状态、行为、繁殖、健康和幸福感（检测跛行、消化问题等）……（Benjamin 和 Yik，2019；Fournel 等，2017 ；Halachmi 等人，2019 年；Knight，2020 年；Neethirajan，2017 年；Rowe 等人，2019 年；Veissier 等人，2019 年；Xin 和 Liu，2017 年）。目前，这些技术主要针对传统的畜牧业，但正在为替代系统开发解决方案。其中包括用于监测动物和牧场的设备（Shalloo 等人，2018 年），以提高粗放放牧系统的效率——否则会因缺乏数据而受到限制——并确保消费者负责任地饲养牲畜（Neethirajan，2017 年）。

涉及农业生态系统管理时，有两个关键问题：

(1) 关于观察，这与故障的早期检测有关。对于种植业（Divya 和 Santhi，2019 年；Johannes 等人，2017 年）和畜牧业（Ingrand，2018 年）而言，这对于寻求扩大规模而无法获得与传统农场相同的治疗措施。在野外，目视观察会占用大量时间，取决于观察者的经验和可用性（Mul 等人，2016 年），如果无法检测到问题，有时无法实施。技术已上市或仍处于研究阶段：(i) 用于植物监测和检测有翼昆虫的光学设备（Brydegaard 等人，2014 年；Grieve 等人，2019 年），(ii) 使用实时分析对孢子进行量化生物气溶胶的数量尚不令人满意（Sharma Ghimiri，2019 年），（iii）连接的昆虫陷阱（López 等人，2012 年），（iv）动物监测设备（Li 等人，2020 年；Moura 等人，2008 年；Tullo等人，2018 年；van Hirtum 和 Berckmans，2004 年）以及最近被动物佩戴的所谓“便携式”设备（Neethirajan，2017 年）。

(2) 关于决策支持，这涉及建立模型以提供可用于决策的信息。Lepenioti 等人。(2020) 确定了三种类型的数据处理：(i) 描述性分析，回答诸如“相关参数的值是多少？与其他生产商或其他年份相比，水平如何？发生了什么事？” (ii) 预测分析，回答诸如“将会发生什么？”之类的问题。“为什么？” (iii) 规范性分析，回答诸如“推荐的行动方案是什么？”等问题。这些模型的复杂程度正在增加，与可解释性和不确定性相关的问题也在增加。存在与如何构建模型相关的方法瓶颈：要选择哪些症状以将其纳入模型？由于自然变异性，症状如何表达？并且，当涉及到建议时，植物或动物、环境、生产或繁殖系统（包括其群体中的其他个体）、所使用的设备和所采用的农业战略还有哪些其他固有因素？

生态农业多目标决策

关于农场经营方式的战略决策在农业生态学中完全不同，因为农民的目标往往是多变量的（优化可持续性的三个维度）48 和多时间的（短期和长期）。这对建模提出了某些问题，例如：（i）确定多层次时空系统中的最优值；(ii) 将农民的策略纳入优化模型（Antle 等人，2017；Groot 等人，2010）；(iii) 处理不确定性。还需要探索替代建模方法和风险管理协议的使用：这里的目的不是寻求最佳折衷方案，而是使系统保持在可能的预期结果内。

共同设计创新的农业设备和农业生态系统

技术有能力在农业生态中扩大规模时发挥关键作用，技术复杂程度高于单一栽培农业（Wegener 等人，2017 年）。通过高精度操作（从播种到收获）以及对收获后的混合产品进行表征或分类，可以大规模实施混合养殖（多品种、多品种）或间作。在农林业中，树干阻碍了传统机械的移动性，使其无法被采用（Mattia 等人，2018 年），但几乎没有技术解决方案；乔达里等人。(2019) 建议开发小型、廉价的“软机器人”，其手臂灵活，可在网络中运行。对于畜牧业，能够被运送到牧场的挤奶机器人有助于实现更普遍的放牧回归（Cloet 等人，2017 年）。最后，关于农民或雇员的福祉，目标是减少危险、累人或耗时的任务（Vasconez 等人，2019 年）。这尤其涉及蔬菜种植和树木栽培：出售用于市场花园的除草机器人；用于微型农场的廉价、开源除草机器人（Farmbot、LettuceThink）；收割机器人——由于费用高昂，目前是市场花园和树木栽培的症结所在——尤其是协作机器人或协作机器人（Vasconez 等人，2019 年）。

在塞内加尔起飞的测绘无人机。© CIRAD。

机器人将能够克服新作物和畜牧业系统的限制，其生产力与目前的做法相当。协作工作，无论是在成群运行的小型机器人之间还是在机器人和人类（协作机器人）之间，都是一种可能的探索途径。瓶颈是机器人的成本（与其多功能性相关）、协作工作的组织方式（机器人之间或与人类之间）、感知和抓握以及安全性（移动性、与人类的互动）。为了部署这项技术，还需要克服与其环境影响（制造、使用、报废）和弹性（可修复性、适应性和自主性）相关的挑战。参与式设计可以提供一种成功开发用于农业生态学的机器人的方法，减少基于生态学的方法与基于技术优势的方法之间的紧张关系（di Salvo 等人，2014 年）。在丹麦，国际电联（哥本哈根 IT 大学）试图通过将机器人视为生态系统的一部分来缓解这些紧张局势（“机器人农业生态学”）。

最后，主要农场可能采用机器人与较小的非常规农场之间存在分歧，后者要么不采用，要么延迟采用机器人（Caquet 等人，2020 年）。可以通过将节俭方法与高科技方法相结合来避免这种情况，类似于“高-低技术”研究小组 (MIT; Kadish and Dulic, 2015) 和“制造商”方法 (Anderson, 2012) 。

4.3 改善农业区域或经济生态系统的整合

除了对农业生产的潜在好处之外，数字技术还可以重塑农民在农业生态转型的背景下与农业生态系统互动的方式，无论是在经济部门（农业服务的上游还是价值链的下游） ) 和土地管理..

数字技术重塑农业服务

建议——建议对于农业创新系统非常重要（拉巴特，2009 年）。它鼓励这些系统内的利益相关者之间的互动：农业组织（包括合作社）、研究机构、非政府组织、公共机构、上游和下游行业、中介机构等。

数字化对农业咨询服务的影响问题一直是近期研究的主题（Fielke 等人，2020 年），并且有一些项目旨在利用参与式设计为农业顾问提供他们所需的数字工具。51 数字化对顾问的活动产生了重大影响，无论是在前台级别（将顾问与农民联系起来的新界面和应用程序）还是在后台（通过广泛使用数据或农艺模型开发新服务）。但除了数字化之外，我们还看到了能够彻底改革技术咨询服务和农业创新系统动态的新参与者（初创企业、IT 行业的公司）的出现（Fielke 等人，2019 年）。

与此同时，在欧盟、国家和地区层面推出了一些与农业建议相关的公共政策，旨在为农业的可持续发展做出贡献（Dhiab 等人，2020 年）。这里有两个问题。一方面，数字化将改变农业咨询的本质；另一方面，建议必须支持农业数字化，以促进可持续发展，克服与数字技术相关的社会、经济或环境矛盾：信息获取机会不平等、数字解决方案不适用、自主权丧失的可能性，功率不平衡或锁定的风险（见第 5 节：风险）。

保险——由于农业对恶劣天气的敏感性，在提高农业生活水平方面，财务保护是必不可少的。有各种不同的系统，无论是基金形式（例如“农业灾害基金”）还是保险形式，无论这是否是私人的。这些不同的系统提供损害赔偿，数字技术可以帮助识别。保险要么是“传统的”——基于对损失（收获、产量等）的索赔——或者最近是“基于指数的”，即根据与这些损失相关的指数对客户进行补偿（De Leeuw 等人， 2014）：区域绩效指数、气候指数、基于卫星成像的指数（Vroege et al., 2019）、综合指数（De Leeuw et al., 2014）。数字技术可以通过观察系统和建模帮助改进基于指数的保险。在建筑指数方面，信息——传统上来自公共当局（天气预报、空间化估计产量）（De Leeuw 等，2014；Rao，2010）和遥感（De Leeuw 等，2014；Vroege et al., 2019) – 必须验证四个重要原则：它必须 (i) 值得信任和可验证，(ii) 与损害密切相关，(iii) 持续可访问和 (iv) 收集到足够长的时间（Vrieling 等人，2014 年）。在传统的保险模型中，用于估计意外事件，而在基于指数的保险中，数据与使用指数的损失相关联。指数与损害之间的不完美相关性是“基线风险”，旨在通过创建综合指数来降低该风险，例如通过结合卫星数据、气候数据甚至土地利用数据（De Leeuw et al., 2014; Rao, 2010; Vroege et al., 2019）。危险在于（i）创建农民无法解释的复杂指数（Vroege 等人，2019 年），（ii）错误地纳入由气候变化引起的天气模式，使气象数据与产出之间的关系进一步复杂化，以及（iii ) 在传统精算模型的参数统计分析中不正确地使用大数据（多源、多分辨率、非平稳）（Ghahari 等人，2019 年）。

通过更大的市场连通性重塑价值链

数字技术为重塑食品系统和价值链开辟了可能性。在全球链中，它可以降低商业成本，确保符合标准并促进国际贸易，而在较短的链中，它可以提高可见度并确保透明度。通过这种方式，它将权力回馈给价值链两端的人：小农和消费者（Jouanjean，2019 年）。

平台化——平台是农产品、食品或服务销售新经济渠道的核心（例如在农业 cofarming.info、hellotractor.com 中）（ANRT，2018 年）。这些开放式接口介于供应商和客户之间，提供技术和经济协同作用（Tirole，2016 年）。它们免费且易于使用的事实有助于吸引尽可能多的用户与他们互动，这是鼓励供应商使用给定平台的主要价值主张（Leibovici，2015 年）。农业综合企业领域的电子商务涉及沃尔玛和亚马逊等巨头，但也可以在地方一级找到，借鉴现代方法（基于全球化）和后现代方法（以区域一体化）（Rieutort，2009 年）。许多地区当局正在寻求建立旨在使供需相匹配的平台，从而使偏远的农村地区能够进入高价值的细分市场并与城市地区的消费者建立稳定的关系——供应学校食堂并满足市民的期望，在这两个方面全球北方和全球南方（IPES-Food，2016 年）。通过数字技术和平台，预计 2017 年至 2030 年间，全球“协作”消费市场将从 15 亿美元增长到 3350 亿美元（Claquin 等人，2017 年）。这种发展水平将需要量身定制的物流，这也可以利用数字技术（Messmer，2013）。

这些新渠道存在两个瓶颈：报价的可见性和物流。该报价目前分散在多个平台上，限制了网络效应（梅特卡夫定律），因此也限制了平台的吸引力，平台很难确定经济模型。此外，缺乏数字和物流灵活性是农民加入这些平台的重大障碍。集体餐饮需要在当地采购食物（EGAlim 法）：如何通过分散的供应来确保和保持安全？为了规划这种分散的供应、管理分布式数据库（跨各种平台）以及设计与这些脆弱但附加值低的产品兼容的物流系统，可能需要进行研究——尤其是运营研究。

可追溯性和信任——人类和动物食品的可追溯性在公司之间是强制性的（2002 年的欧盟通用食品法），在公司内部是可选的。通过自动化和信息系统，公司内部监控在工厂中变得普遍（Fountas 等人，2015 年），但在农业领域的应用却不那么普遍（Galliano 和 Orozco，2011 年）：在法国，技术和经济监控软件是集体组织内平均有 7% 的农民使用，变化很大（2% 至 35%）52同比增长 14% 以上），因为希望自动化数据采集以防止输入错误并减少人们的工作量：光学代码（条形码、二维码）、RFID 等电子代码（Luvisi，2016）、语音识别（ Bellon-Maurel 等人，2014 年）等。实践记录将导致私人数据的大众化，这可以通过为消费者提供更好的生产条件信息来满足他们的期望（Jouanjean，2019 年）。“超透明”（Kos 和 Kloppenburg，2019 年）的出现改变了价值链的管理方式，消费者（影响分销商和加工商）和小农户扮演了新角色，他们从买家那里获得了更好的报酬愿意为想要的“财产”支付更高的价格，包括对农民公平的价格（Jouanjean，2019 年）。这具有双重作用，因为它可以帮助消费者做出明智的选择，同时也帮助生产者通过标签表明他们采用了改进的做法和标准（Gardner 等人，2019 年；Kos 和 Kloppenburg，2019 年）证明支付意愿是合理的（Caquet 等人，2020 年）。同样，这是（主要是自愿的）可持续性认证计划的一个关键方面（Mol et Oosterveer，2015），这可能有助于参与式担保系统——消除支付第三方支票的需要——或协助执行“自动” LCA（生命周期评估）（Bellon-Maurel 等人，2014 年、2015 年；Miah 等人，2018 年）。

在推动透明度的过程中，可以利用有助于建立信任（一个关键问题）的技术（Jouanjean，2019 年）。区块链技术就是一个很好的例子。区块链是一种透明且安全的信息存储和共享方式，无需任何中央控制机构即可运行54：它是一个没有中央权威的分布式系统。它创建了一个数据库，记录了不同用户共享的所有先前交换，从而可以验证数据的有效性。然而，在供应链中，实施区块链远非简单。问题在于，虽然区块链保证了共享信息的有效性（其来源、完整性和时间性），但它不能保证其真实性，即数据流和产品流之间的一致性。这个问题目前正在使用数据整合（建立与数据相关的信心指数）或技术（RFID，结合 RFID/3D 视频测量/数字指纹（Gopalakrishnan 和 Behdad，2019 年）来解决。最后，鉴于食品是易腐烂，值得在整个物流链中跟踪它们，特别是如果它们很长，通过在运输过程中记录数据：快速识别在发生缺陷时谁负责，在发生故障时，预期重新分配产品，防止食品废物，在运输过程中检测产品的伪造（Jouanjean，2019）。

了解更多

2017 年的超透明度是由“C'est qui le 赞助人”品牌的推出推动的吗？（CQLP - Who’s the boss? 翻译为“谁是老板？”）？通过互联网，CQLP 与消费者合作设计了一系列合乎道德的产品（就支付给生产者的价格而言），向他们询问产品的技术和社会规范以及相应的支付意愿。另一个例子是 Yuka，一个基于开放数据库 Open Food Facts56（2020 年 4 月消费者参考的 670,000 种产品）提供“健康影响信息”的应用程序，有助于改变消费模式并影响制造商，他们将改变产品的配方得分低。57

然而，一些作者对这种超透明度的风险表示担忧：它只是部分的，将指导我们的优先事项（Gardner 等人，2019 年），它可能会将小农排除在外（Jouanjean，2019 年；Kosand Kloppenburg，2019 年）和它可能需要私人中介的帮助，从而增加信息的不对称性。最后，不能保证它会使农民受益。它还假设消费者愿意为这些属性（质量、原产地、社会/环境足迹）买单。

区域治理可以定义（Rey-Valette 等，2011）为“具有多重身份和资源不对称的公共和私人利益相关者之间就区域问题进行的动态协调过程，通过实施多个以集体学习为中心的计划，有助于区域层面的制度和组织创新。”

农业在区域项目中发挥着越来越重要的作用，不仅因为它对土地规划的影响，还因为粮食生产的再领土化，这现在被视为促进区域复原力的一种方式（IPES-Food , 2016)。生态农业转型正在加强农业在这一区域对话中的地位，因为景观生态——对生态农业项目的成功至关重要——需要在区域层面采取集体方法。此外，循环（氮和碳）的关闭——农业生态学的一个重要杠杆，可以在区域层面超越农场，采用“循环生物质经济”。数字技术正在为这一领域开辟各种机会。

在区域内，正在建立新的生物基和循环经济：农业废弃物正在成为一种资源（Klerkx 等人，2019 年），最近出现了专业平台、有机材料市场（例如苏伊士的 Organix）或食品贸易保质期短（应用程序 toogoodtogo）。当涉及到 (i) 质疑自然资源的使用和识别竞争用途的任何问题（例如第一代(ii) 了解上游和下游的脆弱性（例如对进口的依赖），最后 (iii) 估计环境足迹（例如碳、能源、水、化学污染、土壤利用等）（Bioteau 等人，2013 年）。除了这些涉及环境科学和数字科学的纯定量方面之外，社会科学将在理解控制流量或受其影响的网络如何运作方面发挥重要作用。这里有两个问题：农业生产在区域层面的重新整合（物质和社会整合），同时保持在地球范围内。此外，在实施行动计划时，在欧洲、国家和地方层面部署生物基经济需要各级和地区之间的一致性；但是，目前几乎没有证据表明这种多层次的愿景。

数字技术还将扩展“工具包”，帮助区域机构促进农业内部以及与其他区域利益相关者的对话。这应该有助于利益相关者的协调、参与和教育，并有助于采用新的基于数字的做法。更一般地说，它应该服务于区域项目的开发和管理，确保其发展模式为农业分配一个包容、明确的位置。

需要在数字科学和技术方面进行进一步研究，以 (i) 弥补区域层面数据的缺乏以及对系统知之甚少的问题，(ii) 改进这些系统的时空建模和表示以及模型输出的可视化，（iii）促进利益相关者之间的调解，以及（iv）保护系统和信息渠道。

4.4 支持转型：共享数据、信息和知识

农业生态转型必须支持农民和部门，因为它带来了大量风险。这种支持必须与农业生态方法兼容，该方法促进“个人和集体学习[作为]创新的源泉”（Meynard，2017 年），借鉴：（i）建模，结合有关不确定性的迹象，以识别瓶颈，风险和复原能力；(ii) 集体学习；(iii) 风险识别以及社会经济和相关支持（Caquet 等人，2020 年）。本章概述了数字技术在分享和学习方面的反应。

数字技术：共享知识的资产

关于农业生态学原则的部署，传统知识——通常是特定于区域的（Altieri 等，2012）——必须得到保护：这将涉及通过考虑需求、期望的培训和参与性举措来加强人力资本和小农的情况（Calvet-Mir 等人，2018 年）。具有不同调解水平的知识共享平台促进了知识的收集、交流和分发：与农民相关的调解员制作的生态农业实践视频（AccesAgriculture、DigitalGreen、58 Osea 等）（Bentley 等人，2019 年） ，从农民那里收集的知识（例如 CONECT-e，它在传统品种上创建了数字公地，以防止商业公司侵蚀知识和囤积）（Calvet-Mir 等人，2018 年），没有中介的社交媒体平台（YouTube）等。Wyckhuys 等人。（2018 年）确定了两点对于数字技术在采用新实践方面的成功非常重要：（i）保证获得数字技术，克服技术、心理和组织障碍，以及（ii）利用农民作为设计基于数字的培训课程的基础。数字技术还使各方更容易合作创造知识，这是一种适合农业生态学的战略，因为它“结合了不同类型的知识：传统知识、土著知识和科学知识，以及来自农民的知识”（ Milgroom 等人，2016 年）。根据 Wyckhuys 等人的说法。（2018 年），这种社会学习非常适合处理农业问题，因为它为不同观点开辟了空间，承认多样性和当地知识。出于这个原因，这些作者建议利用使用数字设备（平板电脑）的参与性实验：数字农民田间学校。

然而，无论是技术（识别技术以利用和促进交流）还是社会学（识别促进哪种学习模式），同伴之间和个人学习之间的交流仍然存在障碍。

沉浸方法和开放式创新

沉浸式参与方法是开放式创新和生活实验室的基石，这是开放式创新计划，其中公民、居民和用户在研究和创新过程中发挥关键作用。在农业领域，生活实验室可以得到围绕农业生态系统实验的研究计划的支持，或者在区域创新项目中实施。开放式创新对生态农业至关重要：设计“路径”（合理的未来情景）和过渡情景（根据已确定的路径实例化模型）（Antle 等人，2017 年），这是表示在不同层面发生的现象的最佳方式（生物过程、农场管理、优化）（Groot 等人，2012 年）。数字工具对这些参与过程非常有用，因为它们可用于 (i) 存储来自参与研讨会的信息；(ii) 显示和可视化数据（区域的当前、未来、动态视图……）；(iii) 配备参与式流程（建模和场景构建工具、严肃游戏等）；(iv) 分享和传播知识；(v) 利用知识、讨论和互动的多样性创造新知识；(vi) 在农民之间、农民与研究人员之间、农民与更广泛的社会之间等建立联系（Bergez 等人，2016 年；Enkel 等人，2020 年；Leveau 等人，2019 年）。一些工具，例如边界对象，可以更容易地在沉浸式参与的研讨会期间分析协调和多标准表示（Duru 等，2015）。这包括配套模型（Barreteau，2003）。为了解决利益相关者在理解模型和激发交互性方面可能遇到的任何问题（Bécu 等人，2008 年），这些以严肃游戏的形式实施，即所谓的游戏化（Seaborn 和 Fels，2015 年）；在过去的五六年里，数字平台上出现了游戏，使人们更容易表达自己的观点或偏好，促进共建（Speelman 等，2014），有助于提高利益相关者的意识（ Prada 等人，2014 年），刺激学习（GATES59 项目，Speelman 等人，2014 年）等。为此，我们现在可以添加增强现实，这可以帮助利益相关者在农作物系统出现时可视化未来的多样化景观设计的。

在社会学层面上，实施参与式方法存在许多障碍：农民愿意进入未知领域、集体带来变革的能力、收集和代表隐性知识的能力，以及开放支持变革的信息来源。

农民作为数据生产者

虽然“多功能农业”一直存在（Renting et al., 2008, 2009），但由于数字数据收集工具，一个新的功能出现了：数据生产。

农民可以致力于在区域层面为数字资本做出贡献。信息 - 相关的，例如生物多样性、土壤肥力等——在记录、评估和支付生态系统服务费用时将是至关重要的。此类信息对 PES 很有用，但现在收集这些信息的成本使得生态系统服务 (PES) 的支付根据实施的资源以统一的方式分配（OCDE，2011 年）。为了从资源驱动的方法转变为结果驱动的方法，有必要更好地表征环境，并识别和量化简单、可测量的参数来表示其工作原理（Caquet 等人，2020 年）。除了 PES，农民还将为创建信息共享做出贡献，Antle 等人。(2017) 在公共投资和政治决策方面将其视为公共物品。与土壤质量（Della Chiesa 等人，2019 年）和生物多样性数据相关的举措已经到位。61 Van der Burg 等人。(2019) 确定了数字农业通过产生的数据产生其他服务的能力；研究必须优先考虑，以阐明农场所发挥的社会作用，激发利益相关者对智能农业可以服务的其他可能目标的想象力，并改进对其相对价值的理解方式。

农民也在为研究提供数据，目的是分析和了解在新的农业生态系统中提供生态系统服务的生物过程。卡奎特等人。（2020 年）提倡“将研究人员进行的实验与其他数据源的部署相结合 […]”的新策略，包括农场实验（Cook 等人，2013 年）。许多作者将此领域视为农学研究的新途径（Reckling 等人，2020 年），通过了解过程重新设计作物系统（Falconnier 等人，2016 年），在现实生活条件下进行品种测试（Schmidt 等人，2018 年）并展示新的生产系统（Leclère 等人，2018 年）。自动监测和测量系统 (Piepho et al., 2011) 和精准农业 (Adams and Cook, 1997; Panten et al., 2010) 使在农场进行实验变得更加容易，这两者都减少了与采样和人工相关的不确定性测量。

农民采用这些策略来收集用于研究或环境文件的数据，但遇到了许多科学和技术障碍（例如要测量哪些变量？在哪里？以什么频率？应该采用哪些数据和知识共享基础设施?) 和社会经济障碍（共享数据的动机、数据的价值、专业的变化、数据治理等）。

4.5 全球第三世界国家面临的具体挑战

大多数国际组织（FAO，2020）和发展基金（World Bank，2019）认为数字农业将显著改变和改善全球南方国家（第三世界国家）的农业部门、粮食系统和贸易（Lixi 和 Dahan , 2014)。在非洲，发展数字农业的原因如下：

• 数字技术将有助于服务经济多样化，并为创造就业提供合适的条件：良好的 IT 培训水平、数据科学和地理信息学的应用研究以及熟悉手机的人群（2014 年占人口的 72%） 62;

• 这可能会影响到许多类别的农业和农户；通过促进妇女和年轻人的融入（El Hassane Abdellaoui 等人，2015 年），数字农业将抵消农村人口外流；

• 非洲是农业机遇之地，拥有大片土地，农业综合企业部门具有在一系列农业部门提供就业机会的潜力（Pesche 等人，2016 年）。

数字化必须涵盖非洲农业的具体背景：

• 生产系统远比温带国家多样化：国家间和国家内的多样性；农业气候区之间的多样性，导致农业生态系统（热带和地中海、干旱和潮湿地区）之间的显著差异；农村地区、结构和土地使用制度的广泛背景；不同的社会经济结构并存，家庭从事自给农业的比例很高——无论是商业上还是与其他形式的工作相结合（世界上 75% 的耕地；Lowder 等人，2016 年），与单一栽培的一系列方法和实践以及专业结构，通常用于出口目的；

• – 生产系统也更加复杂：综合和多功能的多物种系统的高度流行，例如农牧系统（干旱地区）或农林业系统（潮湿地区的可可和咖啡），产生了复杂的景观和组织框架，具有多种在严重缺乏区域信息并且在可用时很少共享的情况下，共享区域资源（移动牧区系统的牧场、热带森林）的规则和管理机构；

• 分销渠道千差万别（主要用于食品生产的短的本地分销链；供应城镇和城市的区域和国家部门；以及从小生产者那里获取产品的国际部门）并且可能很脆弱（缺乏基础设施、分散的报价、适应标准的困难等）；

• 与北方的情况一样，粮食系统发生了重大变化，农业供应、生产和农业营销方面新的利益相关者和投资者的出现加速了这一变化——由于不同的共存而产生了紧张局势。农业模型——通过数字工具、电子商务平台以及决策支持和区域信息系统的革命（使用无人机进行代理检测、市场信息系统、企业资源规划等）；还值得注意的是，数字技术正在促进妇女和年轻人的参与；

• 农业数据明显缺乏组织：没有衡量标准（测量数据），没有数据汇集和归档，某些公共信息系统的弱点——在财产（财产契约、土地登记）方面，资源（土壤质量、水资源可用性）、投入的数量、生产的数量和来源（可追溯性）；

• 由于用户培训水平低、文盲和不同方言的数量众多，农业部门利益相关者之间的中介、沟通和互动模式或水平（信息交换）变得更加复杂，为临时性的发展铺平了道路数字解决方案（使用讲地方方言的语音助手提供农业建议）。

当我们针对从事多种活动的“中介”和多功能农场及其生产生态系统，即物流渠道和区域信息的需求时，我们不得不抛出许多障碍。因此，目标将是开发能够解决以下优先事项的数字技术：

• 促进以替代生产模式（农业生态、生物质回收等）为中心的“地方和区域粮食系统”的发展。

• 为数据严重缺乏的地区的信息资本结构做出贡献，使所有人受益（个人控股、中介组织、机构等）；

• 促进与农民的沟通，克服网络覆盖差、能源获取不平等等问题，文盲、多种语言和方言等；

• 改善分销渠道的供应。

无论是在农场还是在供应链中，科学和技术障碍与全球北方遇到的障碍大致相同：需要能够预测风险的技术（早期发现错误、定制决策支持等）、集体稀有资源（如水或有机物）的管理、市场准入（信息、物流）。然而，全球南方面临的具体挑战加剧了这些挑战：系统多样性、偿付能力、农民的技术能力、文盲、缺乏通信基础设施（网络、数据中心等）和能源分配基础设施。除了这些技术方面，还必须探讨政治、社会和经济因素，以预测数字技术将对企业、从事多种活动的农户、市场、地方部门和全球价值链、公司和地区（Tsan 等人，2019 年），鉴于在全球南方农业中使用数字技术的问题数量众多（Bonnet 等人，2019 年；Deichmann 等人，2016 年；Pingali，2012 年）。创新和向数字农业过渡的条件需要在制度层面（探索发展数字农业以及更普遍的数字经济所需的政治、社会技术和社会经济背景）和过程层面（确定将导致应用程序对家庭农业产生影响的创新过程），以及有关数字农业中采用的研究方法和需要实施的创新系统的问题。

结论

本章概述了数字技术可以促进农业规模化和发展的领域，以满足农业生态学在生产和融入其社会和经济环境（价值链、区域等）方面的原则。概述揭示了在观察、数据科学、建模、知识提取、数据存储和交换以及协助人类的专业农业设备方面的技术和方法需求，在农业生态学中备受追捧。但是，尽管可能有很多机会，但在农业领域开发数字技术也存在风险。为了指导未来的研究（第 6 章），必须识别和分析这些内容（第 5 章），目标是开发负责任的数字技术，以实现与地球极限兼容的可持续粮食生产系统。