农业和粮食系统的演变将是未来几年最重要的挑战之一。正如本白皮书中所解释的，农业已经面临并将继续面临重大挑战，其中一些挑战是：粮食安全以及如何在困难的生态和气候条件下养活世界（气候变化、生物多样性的侵蚀、土壤肥力等）；通过生态农业转型改变农业模式，以限制环境影响；生产系统多样化；朝着更大的区域一体化迈进；粮食主权等

研究挑战

数字革命正在多个领域进行，数字农业既是其中的组成部分，也是其结果。本白皮书概述了当前对旨在应对农业面临挑战的数字技术的研究。涵盖的主题是大数据（从采集到存储）、建模、学习和知识提取、用于决策支持目的的知识工程或自动化和机器人技术。我们还涵盖了在农业中使用数字技术来改善生产、促进农业生态和适应外部变化所带来的各种机会。这一系列机会还包括更好地整合价值链以及改善共享、学习和理解。但目前的研究只涉及一些已确定的机会。此外，尽管这项技术具有赋能潜力，但风险也很大，包括错过农业生态转型、扩大不平等和权力不平衡、丧失主权和过度复杂。关于这些机遇和风险以及当前的研究状况，我们力求展示需要克服的主要障碍，以便以可持续和负责任的方式扩大数字农业，促进农业生态学，适应气候变化和平衡和重新界定价值链。

在本文概述的众多挑战中，有一些我们认为特别重要且适合由 INRAE 和 Inria 共同解决：

• 在数据方面，在不同层次（植物、动物、地块、畜群、农场、地区等）获取最相关的数据是什么？如何在最小化能源成本并保证访问和隐私的同时获取和交换这些数据？数据异质性是不同系统数量增加所固有的。有必要利用这种异质性，它提供了冗余和互补性，都是改善测量结果的因素。

• 在支持农民方面：需要创造哪些知识？为了发现这些知识，使用和分析数据的最佳方式是什么？新知识如何与现有知识相结合？如何与农民共享信息（可视化）？如何通过使用诊断或决策支持工具帮助他们做出决策？为了扩大生态农业，需要开发哪些机器人？来自数字和农业领域的利益相关者需要共同努力，提出这些新的解决方案。

• 不确定性是生物学、气候、气象等过程固有的，特别是在采用农业生态方法的农业生产系统中。如何通过将模型链接在一起（例如数字双胞胎）来模拟复杂性，同时控制不确定性的传播？如何将复杂性纳入模型并进行传递，以便做出明智的决策？处理这种不确定性将需要来自不同观察学科（根据规模，这可能是生物学、生理学、农学、区域工程等）以及数学和计算机科学的综合专业知识。

• 参与已被证明是农业生态转型和粮食系统转型背景下的有效杠杆：数据收集、调解、治理、经验分享等。目的是利用数字技术进行参与过程：众包;支持模型；调解或边界对象；共享、管理和集成（与其他系统）数据和知识。