《农业与数字技术： 充分利用数字技术，为向可持续农业和粮食系统的过渡做出贡献 》（白皮书），法国国家农业食品与环境研究院（INRAE）、法国国家信息与自动化研究所（Inria）等

• 农业与数字技术：充分利用数字技术，为向可持续农业和粮食系统的过渡做出贡献（白皮书）
• 2022 年 2 月出版
• 作者：Véronique Bellon-Maurel, Ludovic Brossard, Frédérick Garcia, Nathalie Mitton, Alexandre Termier
• 单位：法国国家农业食品与环境研究院（INRAE）、法国国家信息与自动化研究所（Inria）、雷恩第一大学

【前言】

这份白皮书是INRAE和Inria的执行董事会发起的。旨在从研究的角度协调和撰写这项关于农业数字技术的工作。我们的思考是在世界各国主要观察到的和可预见的农业动态背景下进行的，这些动态旨在支持更加可持续的农业和粮食系统的发展。在构建本出版物中提出的分析和建议时，基于与农业数字技术相关的挑战、机遇和风险清单，我们的目标不是简单地聚焦于意见的共识，而是表达相关群体的多样性，特别是在优先考虑未来农业和粮食系统面临的挑战或危险范围方面。这篇白皮书是一份集体工作，旨在针对农业中的问题，利用数字技术作为一个平衡的整体来解决，本文章节以一种涵盖所有方面的方式进行排序和相互关联。因此，每一节都应从其他节的角度来考虑，单独的使用它们而不提及整体可能会呈现出一种不平衡的观点。

 

【摘要】

在世界范围内，由于外部压力（气候变化、价值链组织等）和内在因素（创新、农民数量减少等），粮食系统正在发生深刻变化。粮食安全是全球关注的第一大问题，今天伴随着对生产方法变得更加可持续的强烈需求，以及保护以农业为基础的农村生活结构的强烈需求。这就是为什么正如粮农组织提醒的那样[1]，农业生态在法国等越来越多的国家中是一个至关重要的问题。在这些变化的同时，农业和所有经济部门一样，新兴数字技术的应用激增。自 2010 年年中以来，“数字农业”的概念就出现了。它既定义了一种农业文化形式，也定义了使用数字科学和技术的食品系统。例如数据科学和技术，包括采集（卫星、传感器、连接对象、智能手机等）、传输和存储（3G/4G/5G 覆盖、低速地面或卫星网络、云）和机载或远程处理（可通过超高速通信网络访问的超级计算机、人工智能）等，应用于农业生产及其生态系统的各个层面：农场、支持服务、地域、价值链 [2]。

政府和专家经常将数字技术视为促进农业发展的机会，以造福农民、消费者和整个社会。但是，这意味着什么呢？应该开发哪些数字工具？

本白皮书旨在阐明这些问题并提出研究观点，以更好地理解、掌握、准备、部署装备和数字技术到农业和食物链中，同时考虑到数字技术将如何改变部门及其生态系统，目的是利用它来支持农业生态转型（AET）和粮食的属地化和供应链的再平衡。本白皮书由六章构成。引言之后，第 2 章介绍了农业和粮食系统转型的挑战。然后，对现有技术进行概述，介绍了现有的数字技术（第 3 章）。然后列举了数字技术为生态农业转型和更好地融入社会提供的可能性（第 4 章）。评估与避免数字农业不受控制发展的相关风险，对于避免或最小化陷阱同样是必要的（第 5 章）。第 6 章介绍了已确定的技术问题和挑战，这些问题和挑战可以动员我们两个研究所 INRAE 和 Inria，以及法国的研究生态系统，特别是为农业开发负责任的数字技术。

0.1 农业面临的挑战要求重新考虑粮食生产和供应方法

今天，一系列的全球变化正在使农业粮食系统处于高压之下。一方面，不断增长的人口（根据联合国的预测中值，到 2050 年将达到 95 亿人）伴随着不断变化的饮食（例如中国），必须在适应日益严重破坏环境的同时养活这些人口。这些破坏环境的因素有：气候变化、生物多样性崩溃，资源减少（土壤、淡水、磷）。另一方面，农业必须加快变革，以实施更尊重动物福利并减少其对环境影响的畜牧生产系统（减少抗菌素、化肥、杀虫剂等产品的投入使用，合理利用自然资源，例如水。减少土壤硬化和温室气体排放、更好地使用生物法规），并有助于二氧化碳的储存[3]和生物多样性的保护。在过去的 70 年中，农业动态已经有利于集约化和专业化。农业部门基于竞争性的定价，而且全球化加剧了这一现象。从本质上讲，它们受制于多元化的行动者之间不平衡的权力关系，甚至是不同的利益关系。此外，在许多情况下，农业是在已经专业化的地区进行的，这导致了不平衡。这也导致了极大的复杂性（在这些元素的专业化和相互依赖方面），放大了不稳定性，增加了失败的风险，最终成为变革的主要障碍。因此，迅速实施战略以改进生产技术和组织农业食品系统方式以提高其弹性是至关重要的。

根据粮农组织的说法，生产可以向两种模式发展，一种是可持续集约化模式（提高生产效率和融入长供应链）[4]，另一种是农业生态学模式[5]，它以自然生产过程为基础，利用地方和完全独立的粮食系统。第二种模式现在得到了法国 EGAlim 法律[6]以及许多地方当局和公民的支持。农场结构也值得关注：重要的是为农民提供体面工作的条件，并保护占世界大多数的家庭农业。

在这种背景下，数字技术可以通过提供信息来更好地理解这些复杂的系统和个人或集体决策支持，并支持具体行动、交流、价值链重构、战略和政策的制定等。我们选择在本白皮书中探索的正是这条让数字技术为农业生态转型和粮食系统更新服务的道路。

0.2 技术和方法的基础与现状

仔细思考实现这一变革抱负的数字技术之前，第一步是了解当前研究进展可以提供什么。数字农业建立在三个行动杠杆的基础上，当它们一起调动时，就会带来创新：（1）由于传感器（从纳米传感器到卫星）的发展以及便利的通信和存储而产生的丰富数据，（2）计算能力，这使得实现人工智能和新的建模方法成为可能。以及（3）连接和信息交换接口。除了这三个杠杆之外，还有第四个杠杆已经存在，但正在被测量和计算能力更新：自动化和机器人化。在本文中，我们将特别关注以下技术和方法。

0.2.1 数据

提供地面数据采集的传感器存在硬件和软件挑战。重要的是要定义需要测量内容的性质和范围，以及应该优先考虑哪些测量技术，以及如何实施它（或它们）以最低成本获得有用的信息。免费的卫星图像（例如Sentinel-2 ）、连接对象和手机上的协作应用程序都是海量数据源。通过处理这些数据，我们可以直接或间接地通过合并来自多个数据源的数据，来量化所需的属性。后一种方法是一种提高评估值准确性的策略，但由于来源的性质及其粒度和精度，会引发多个聚合问题。数据访问也是一个问题：FAIR 数据的使用有助于数据的重用，而区块链允许数据在具有不同利益的参与者之间（如在价值链中）以不可篡改的方式共享。

0.2.2 建模

建模是表示固有复杂农业生态系统的关键要素，以便模拟、优化和管理它们。涉及到不同的层次，从植物和动物到人类人口、地域或价值链，还有与代表子系统层次和模型的耦合相关的额外挑战。建模是农学中一种相对古老的方法，但今天它正在被数字技术更新。一方面，大量的数据使的我们用来自数据处理中的经验模型（线性或非线性多元方法、人工智能）来补充传统的基于人类分析的机制方法。另一方面，被建模的系统变得越来越复杂，现在包括了人类。因此，决策建模涉及额外的概念（有限理性），需要特定的框架来考虑人类主体：离散事件系统、基于主体的系统、基于约束的模型等。仿真被用来表示具有难以分析行为的农业系统甚至社会生态系统；它提供了对可能状态的描述，可用于许多目的，例如个人或集体决策支持（指导模型）和培训。优化在决策支持方面更进一步，因为它根据一个或多个标准搜索给定问题的解决方案。它用于自动控制（管理温室或农业设备）、机器人技术、个人决策（食品配方、作物计划等）和集体决策（土地或水资源管理、经济决策等）。优化依赖于一系列方法来整合越来越多的复杂性（确定性方法、元启发式随机方法等）。优化提出了许多与不确定性、时间性、建模过程的复杂性等相关的研究问题。

0.2.3 知识提取

除了这些分析建模方法之外，还出现了新的方法系列，当有足够的数据覆盖参数空间时，这些方法采用直接从数据中推断出来的模型。这对于来自遥感或时间序列的数据（例如通过连接对象收集的数据）来说尤其如此。这是一个必要的预处理阶段，以提高数据的可靠性（“清理”，与专家数据进行比较），它使用不同的形式来提取可理解的信息。监督方法包括预测值（无法直接测量）或使用线性或非线性方法（例如神经网络）将数据分类为不同类别，这意味着拥有一组测量数据和参考数据（期望值）。如果参考数据不可用，则使用非监督方法（聚类、模式挖掘）。实现特定方法来提高学习系统（强化学习）或数据聚合（OLAP 处理）的性能。新知识由模型提取或生成，并经过形式化和组织，通过适用于每项活动（无论是种植还是畜牧生产）以及各级的决策支持系统，提供给不同的用户。需要新的知识本体来创建符合人体工程学的界面，从而允许这些知识被共享、链接和使用，特别是通过瞄准语义网提供的新机会。

0.2.4 机器人学

自动化、机器人系统是数字技术的另一个方面，它变得越来越准确和可靠。机器人技术最初在畜牧业领域发展应用（固定挤奶机器人、封闭环境中的清洁机器人），但它在作物生产中面临着额外的挑战（不断变化和不受控制的室外环境）。当前的问题包括 GPS 的使用、精确、安全和低成本的定位问题、移动机器人的安全性（避免碰撞、能够越过障碍物）以及人与机器人、动物与机器人甚至地面机器人和无人机之间的协同模式。

0.3 数字技术为农业生态和可持续粮食提供了机会

如果朝着正确的方向发展，数字技术有可能为应对农业生态转型 (AET) 的挑战提供许多机会，提高农业垂直（上游-下游）和水平（地域）生态系统的一体化程度，并提高农民的作业能力。

0.3.1 提高生产

在感官（传感器）、认知（“决策支持系统”的 DSS）和物理（机器）水平上帮助农民的设备可以改进生产方法。如今，精准农业或精准畜牧生产的概念通常与集约化农业相关联，但它在农业生态学中仍然有效，特别是在利用传感器和模型的自动观测监测动植物健康，以及实施更复杂的种植过程（混合种植、选择性收割等）。这需要能够分析接收到的信号的传感器和模型，以给出状态的描述、未来状态的预测或解决方法。除了干预背后的战术决策之外，一些模型还可以帮助制定生产组织的战略决策，这一阶段在过渡过程（AET、气候变化）和多目标决策中尤为微妙。机器人作为减轻劳动强度的物理助手，可以为新的种植系统（混合种植、农林业）和畜牧系统（用于牧区的挤奶机器人）的特殊要求提供解决方案。然而，提高生产也需要事先建立关于这些新的、多样的和复杂的系统知识。AET 基本知识的构建可以从三个相互关联的数字杠杆中受益：（i）这些复杂系统的表示，（ii）关于种植和畜牧生产（农场表型）新方法的大量（和潜在参与性）数据收集，以及(iii) 从数据中推断出新模型。

0.3.2 改善与生态系统的融合

数字技术可以帮助更新农业生态系统，包括农业服务（保险、咨询）、价值链的组织和农业领域的管理。价值链正在被互联网所鼓励的去中介化以及产品透明度的可能性所改变，这在今天的消费者中越来越受欢迎。区块链通常被认为是保证这种透明度的一种方式，但仍然存在多个技术和治理问题。地域管理是受数字技术影响的农业生态系统的另一个方面。地域层面涉及农业生态学（景观生态学，通过循环经济实现闭合循环）和农业，农业在地域中发挥着核心作用，是与资源（土地、水）的使用及其在生态服务方面的作用有关的紧张关系的主题。数字技术可以提供工具来更好地识别物质流并促进调解和集体决策（支持模型等）。

0.3.3 改善分享和学习

数字科学和技术提供的连通性促进了个人和集体的共享和学习，这两者都是农业生态创新的来源。知识（包括传统知识）被资本化并在同行之间交换，可以直接（社交网络）进行交换，或通过数字技术发挥越来越重要作用的参与性集体过程（数字农民田间学校[8]）进行交换。具有创新目标（开放式创新、生活实验室）的参与式方法可以通过促进数据的资本化、表征、表达和处理，以及追踪每个人贡献的技术得到加强。最后，农民可以成为私人或公共行为者的数据提供者（通过农场实验、地域文件等进行研究），这可以改变他们的地位，以便更好地整合和认可。

0.3.4 南半球的机遇

大多数国际组织和支持者将数字技术视为南半球地区（尤其是非洲地区）转型的主要来源。数字技术可以帮助实现服务经济的多样化，加速农业结构转型，并使其对年轻人更具吸引力，改善本地（建立地域食品系统）和远程（保证产品可追溯性）层面的价值链，并有助于建立地域信息中心。然而，技术问题仍然存在，这些问题涉及网络覆盖薄弱、基础设施缺乏、信息系统薄弱以及考虑到语言的多样性，甚至缺乏人机交互基本能力。数字技术还引发了政治、经济和社会问题。

0.4 识别要避免的风险

数字技术在社会中的发展及其带来的变化，自然也伴随着内在风险。农业部门也不例外，关于数字农业能否达到预期、可能遇到哪些困难以及可能加剧哪些弱点，人们提出了许多问题。

确定的第一个风险是未能满足对更生态农业形式的需求。虽然农业数字技术的发展为减少投入提供了解决方案，但这一好处可能伴随着技术封闭，这将阻碍更彻底和更系统性的替代方法实施，尽管这种替代方法可以提供更大的环境和社会经济效益。此外，在农业生产技术化程度不断提高的背景下，农民与动物或植物之间广泛引入数字接口也可能削弱与自然的联系（尤其是人类与动物的联系），但当今社会显然正在寻找一种与我们周围的生活世界联系更紧密的农业类型。最后，数字技术具有明确的生态足迹，这在农业中仍然知之甚少，而用于数据采集、传输、存储和计算的设备和操作的增加可能会加剧对环境的影响。

另一组需要考虑的风险是，通过数字技术工业化不断加强，生产越来越集中在更大的单位和农场，以提高生产率，但这将带来一定的社会后果。这一变化可能会排除少数农业形式，主要是经济规模较小的农场。机器人技术的发展可能会导致农业就业不稳定，尤其是对贫困的农民工群体而言。获取数字技术的困难也可能是农业排斥的一个因素，无论是在个人（缺乏技能）还是在地区层面（不发达的数字基础设施）。数字化可能会影响农民的决策自主权（使用 DSS），甚至影响他们职业的意义，人们担心自己仅仅是单纯的“数据工作者”。关于数字化的另一个问题是农业与其上下游部门之间权力关系的变化。在上游，由于生产工具日益复杂，数字技术可能会影响对生产工具的理解和使用，使维护和培训变得越来越困难，并可能导致对某些特定投入的依赖。在下游，新的数据技术可能会改变某些参与者（例如数值行业的公司）在价值链中的角色，在共享和治理方面产生后果[9]，以及由下游参与者驱动的子公司创建形式的风险。最后，重要的是要考虑数字技术对农业咨询及其参与者、方法、内容和合法性提出的担忧。

第三组风险涉及数字主权和食品主权。随着垄断参与者和工具的出现，食物链中日益增长的数字化随后也可能包括农业。此外，数字主权涉及数据控制，存在农业数据被数字技术或服务供应商（农业设备、农业科技公司、数字巨头等）获取的风险。因此，必须对创新进行结构化，并对这些数据的治理进行澄清。最后，还必须考虑网络安全风险，例如通过连接对象（传感器、机器人等）进行的潜在攻击、地理定位系统的可用性以及防止农业数据盗版（盗窃、损坏、破坏）的挑战。迄今为止，我们的粮食系统相对未受到影响，但它至关重要，这可能使它们成为未来的潜在目标。

最后，农产品系统的数字化可能会增加系统中不同参与者对资源的依赖，并与生产和拥有这些技术的人产生新的依赖。面对许多动荡，这可能会加剧系统的脆弱性，这些动荡将不可避免地对我们社会未来几十年的运作产生强烈影响。更一般地，应该指出的是，农业及其上下游部门构成了一个复杂的社会技术系统，其整体能源成本正在上升；重要的是，这不会超过数字化的预期收益。数字技术的发展也可以放大复杂性活力，我们绝不能允许它引发一场轻率的技术热潮，让我们陷入不受控制的复杂性螺旋之中。

0.5 未来农业数字技术发展面临的挑战

抓住数字技术为农业生态和重新平衡价值链提供的机会，同时识别和预测风险，也带来了科学、技术、经济、组织和政治挑战。我们将详细关注科学和技术挑战以及相关的人类挑战，以应对可持续粮食系统的四类主要问题：(i) 改进集体管理并纳入地域层面，(ii) 改进农场管理，（iii）重新平衡上游和下游之间的价值链，以及（iv）创建和共享数据和知识。

0.5.1 集体管理

这产生了新的需求：（i）在地域层面收集数据（同时管理多源数据的特异性、测量范围、分辨率和异质性之间的平衡），（ii）为非专业用户将数据和处理后结果可视化（通过阐明不确定性、不完整性等复杂概念），(iii) 丰富区域工程方法以促进参与和开放式创新（需要支持模型游戏化、参与式会议的分析工具）、集体决策（用于审议、谈判和投票的数字工具过程）和调解（创建数字“边界对象”，例如支持模型以鼓励利益相关者之间的对话）。

0.5.2 个体农场管理

目的是提高农民的感知能力、认知能力和身体素质。在感知方面，需要高度准确和安全的地理定位、植物或动物问题的早期预警系统、廉价和非侵入性传感器、分布式数据处理以限制传输、融合异构数据以构建相关指标和减少不确定性策略。在决策方面，挑战涉及模型构建的几个方面：代表复杂和广泛的社会农业生态系统（多尺度和多时间建模、交互集成、数字孪生概念），将专家知识纳入模型（环境知识、战略选择），构建以用户为中心的决策支持系统（个性化推断信息，创建不断发展的模型，确保所提出的建议的正确运行，使用户界面适应农业工作），管理不确定性及其传播。在机器人领域中，动态环境中的场景感知和解释（即机器人对图像和其他“感知”的分析）、移动操纵与移动载体的协调、人机交互和共享自主等方面仍然存在挑战。操作的可靠性和对新的生产系统的适应，除了这些技术方面之外，还有关于机器人技术与工作转型之间联系的人文领域问题。

0.5.3 农业生态系统与利益相关者关系

在上游，可以通过数字技术改进服务，开发更加个性化的“数字”建议，这需要结合农场的特点和潜力以及农民的偏好和基础模型。可以通过基于自动收集的数据（遥感、连接对象）创建新的、更公平的指标来改进保险策略。在下游，可以通过提高透明度（产品信息）的简单数字解决方案和改进平台化来帮助重新连接农民与消费者。区块链可以成为满足透明度需求的解决方案，但这带来更多的技术挑战（信息流和物理流之间的联系、私有和公共区块链之间的耦合、公共区块链的环境影响、数据集成以供重用）和制度挑战（应该如何管理区块链？）。平台化和去中介化带来了其他挑战：多个农民之间的生产计划（以满足餐饮或城市需求）；协调“食品中心”内的参与者，对不同的产品进行分组；为城郊生产开发物流解决方案。在南半球，这些问题对于避免因特定天气条件而加剧的收获损失至关重要。

0.5.4 共享数据和知识的工具

如果能够应对与数据和知识共享相关的科学、技术、监管、组织和制度挑战，那么数据和知识将成为任何旨在促进生态农业的数字系统核心。参与性数据（来自专业人士或非专业人士）的数量将增加，这将引发关于数据质量、所产生价值的估计和计算，以及对参与者在由此产生的创新中的作用提出问题。在数据重用的情况下，应该对这些数据使用什么形式的治理？如何支持数据流通的良性和安全，避免单个参与者的权力侵占? 至于知识，需要共同构建（参与性、严肃游戏等）和形式化，这提出了数字公共领域的问题，以及通过需要汇集和对齐的本体收集和连接专业知识的问题。

0.5.5 总之数字农业的所有研究都将受到跨领域挑战

旨在为可持续农业建立负责任的数字技术研究必须包含（i）农业和数字技术的系统愿景（考虑技术的影响），（ii）寻求节俭（以减少环境影响和经济成本），（iii）寻求粮食系统的恢复力而不是经济优化和保护农民的自主权，以及 （iv） 网络安全（通过物联网进行的攻击、数据劫持、地理定位干扰等），这是一个更加重要的话题，因为它影响粮食主权。

0.6 一般结论

在气候变化的背景下，粮食系统和农业向更可持续的方向（农业生态学、地域化粮食系统、重新平衡的长链等）过渡是未来几年的最大挑战之一。数字技术正在农业中迅速部署，虽然它可以提供解决方案，但它也可能破坏脆弱的平衡。它可以伴随并加速良性过渡，但必须预见和避免误用的陷阱。最相关的研究挑战涉及：不同级别的数据采集和相关的治理问题；在认知（决策支持）、感官（信息的获取和传输）和物理层面（工具、机器人和协作机器人）[10]协助农民建立这些复杂系统的模型和管理相关不确定性的设备；鼓励参与过程的数字工具（在 AET 中必不可少）；消费者之间数据的可追溯性和使用，最后是网络安全的关键问题，因为农业生产涉及粮食主权。所采用的方法将在为农民建立负责任的数字技术方面发挥基础性作用：可以使用负责任的研究与创新 (RRI) 框架，该框架开始出现在数字农业中，需要一定程度的跨学科工作。最后，目前存在多种农业模式，并且未来将越来越多样化，需要发展适合每种模式及其需求的数字化服务。

1 引言

在世界各地，粮食系统，即“人类在空间和时间上获取和消费粮食的方式”（Malassis，1994）正在经历由外部因素（气候变化、价值链组织等）和内在因素（创新、农民数量减少等）引起深刻的变化。在五种因素下，消费模式正在发生变化：(i) 人口和生活方式因素，(ii) 经济因素，(iii) 文化和价值因素，(iv) 技术因素，(v) 管控因素（Blezat咨询等，2017）。在全球范围内，“对粮食和农业未来的主要关注是了解这些食物系统是否能够在2050年及以后可持续和有效地养活所有人，同时满足因非粮食用途而对农产品的额外需求”（粮农组织，2018a）。但是，虽然粮食安全是全球层面的首要关切，但粮农组织也强调了农业生态学[11]，尤其是其大规模部署——包括小农场——也受到了粮农组织的重视（粮农组织，2018b）。保护家庭农业和活跃的农村结构，有助于提高农业专业的吸引力，这是世界范围内的另一个发现。在法国，农业正在向生态农业转型，以提高其抵御能力（适应气候变化）、减少对环境的影响（减少农药、抗生素、化肥等），尊重动物福利并确保农民获得体面的收入。

在粮食生产和消费模式发生这些重大变化的同时，粮食系统和所有经济部门都出现了另一种现象：数字技术的部署提供了“正在改变全球所有领域的流程和方式的多功能技术”（Scholz等人，2018年）。这被称为数字农业。

“数字农业”是指一种农业形式，除此之外，还指“使用信息和通信技术 (ICT) 的粮食系统：数据采集技术（卫星、传感器、连接对象、智能手机等）、数据传输和存储（3G/4G 覆盖、低速地面或卫星网络、云）和机载或远程处理（通过超高速通信访问的超级计算机）等等。在农业生产及其生态系统的各个层面，无论是在农场（优化种植作业、畜群管理等）、支持服务（基于自动收集数据的新农业咨询服务），或更广泛地在地域层面（水资源管理）或价值链中（增加种子等投入[12]，改善生产与市场之间的和谐等）（Bellon-Maurel 和 Huyghe，2016 年）。重要的是要明确，现在对数字农业的定义已经达成全球共识，这基本上是基于“现场”收集数据的倍增、人工智能的作用以及连接性和自动化。今天，这一共识不包括在实验室收集的基因组学数据。因此，我们不在本文中讨论该领域。结论将在这两个主题之间建立联系（特别是在收集非常精确的数据来表征环境的优势方面）。

大约 50 年前，数字技术首次用于农业（卫星，计算能力、GPS 等），并且随着新的数据采集系统（哨兵卫星、互联对象和物联网 (IoT)、高速度表型分析、供应链可追溯性）和处理能力的爆炸式增长。“数字农业”一词最早出现在21世纪初，而精准农业一词出现在20世纪90年代中期。直到2017年，关于数字农业的文章（期刊和会议）（标题、关键词和摘要中包含“数字农业”）一直停滞在每年不到 10 篇。2019 年开始发表了 59 篇论文（而关于精准农业的出版物达1000 篇），其中 6 篇发表在 NJAS（Wageningen生命科学杂志）特刊中，2020 年发表了 94 篇。因此，即使在研究中，这一概念仍处于起步阶段。在政治领域，它在 2010 年至 2015 年间开始引起关注，专家报告和政治立场都支持农业数字技术的发展，无论是在美国（The Hale Group & LSC，2014）还是法国（“农业2015 年创新 2025”报告）[13]，欧洲（2019 年“欧洲农业和农村地区的智能和可持续数字未来”宣言）[14]，或世界其他地方（Dinash 等人，2017年；粮农组织，2019年；经合组织，2019)。在法国，数字技术、互联对象、精准农业和数据挖掘已被确定为农业和农产品领域的关键技术（DGE，2019年）。

数字技术在农业食品链中的发展已被证明是不可阻挡的，政府和专家经常将其视为为农业变革的重要机遇，以造福农民、消费者和整个社会。核心问题是什么？像 INRAE 和 Inria 这样的研究机构如何参与其中？ 本白皮书旨在解决这些问题。近年来，它们已经在许多出版物中有所涉及，但仅少数白皮书涉及（最广泛的例子是 Isaac 和 Pouyat，2015 年和 Scandurra 等人，2020 年）。本白皮书的原创性是研究数字技术在多大程度上可以为农业生态做出贡献，以及研究如何朝着这个方向发展。还将试图回答以下问题：为了理解、掌握、准备和支持数字技术在农业和食物链中的部署，同时考虑它将改变行业部门及其生态系统，为农业、农民和公共利益服务，须解决哪些研究问题？我们选择专注于研究需求而不是覆盖创新领域，因为创新领域有许多初创公司在涉足。特别是，我们将研究数字技术在农业生态学和可持续粮食系统发展中可以发挥的作用。通过本文，我们旨在提供一个概述，并提出路径，希望这些路径将引领我们共同走向负责任的数字农业研究和创新（Owen 等人，2012 年）。

白皮书的结构如下：首先，它提出了农业和粮食链转型的挑战，然后概述了现有技术和现状。最后，它从广义上探讨了数字技术带来的机遇以及与数字农业失控发展相关的风险。最后，核心思考强调了未来数字农业发展中出现的技术问题和挑战，特别是那些可以动员我们两个研究所的问题和挑战。