預測降雨還不夠:AI如何協助非洲農民與政府應對氣候不確定性
重點速覽
- •難以預測的降雨、延長的乾旱期與反覆洪災正擾亂種植季節,威脅包括奈及利亞在內非洲數百萬農民的生計。
- •微軟研究院的Probabilistic Bias Correction運用機器學習修正現有天氣模型中反覆出現的誤差,在播種決策前提升預報可靠性。
- •結合奈及利亞氣象局與MTN Nigeria的Digital Climate Advisory Services計畫,透過行動管道向農民提供因地製宜的天氣指引。
- •涉及Pula、Leadway Assurance與Bayer Foundation的合作正推動資料驅動的農業保險,以強化奈及利亞八個州約25萬小農的韌性。
- •LINGUA Africa、AgroLingua Africa與HausaNLP的DialectBridge等語言導向AI計畫,旨在以豪薩語、約魯巴語與伊博語等奈及利亞廣泛使用的語言傳遞農業資訊。

對非洲數百萬農民而言,降雨的時機足以決定生長季迎來豐收還是困頓。播種太早,種子可能在雨季來臨前就枯死;播種太晚,作物可能來不及成熟。一個決定,就能影響一個家庭的收入、糧食安全,以及為下一季投入的能力。
在包括奈及利亞在內的許多非洲國家,越來越難以預測的降雨、延長的乾旱期與反覆發生的洪災,正擾亂種植季節、降低作物產量,並威脅數百萬以農業為生者的生計。這些壓力因缺乏即時、可靠且切合在地需求的氣候資訊而加劇,使農民難以預判天氣模式並做出明智決策。隨著氣候變異加劇,挑戰已不再是單純取得氣候資訊,而是將其轉化為能保護農業生產力、強化韌性並保障生計的實際及時決策。
在各國政府齊聚COP31聯合國氣候變化綱要公約締約方大會之際,問題不僅在於我們能否更準確地預報多變的天氣,更在於農民與公共機構是否擁有在氣候風險演變為危機之前採取行動的資訊與能力。人工智慧提供了部分答案,但預測降雨只是起點。
播種前的數週是農民權衡何時播種、如何分配農業投入品的關鍵窗口。更可靠的預報可以為這些決策提供依據,並提前預警乾旱期。微軟研究院開發的Probabilistic Bias Correction方法,運用機器學習修正現有天氣模型中反覆出現的誤差,提升預報的可靠性。
更艱鉅的任務是將氣候智能轉化為實際決策。在某個地區有效的方法未必適用於其他地區,因此指引必須具備情境意識,考量土壤條件、作物品種、水資源可用性、成本以及農民自身的知識。
科技賦能的農業服務展示了資訊與資源如何觸達農民。奈及利亞農業科技創新企業Farmcrowdy建立了一個數位平台,將農民與融資及農業支持串聯起來。雖然這是數位農業金融而非AI預報的案例,但它展示了科技如何協助縮小小農面臨的關鍵資金缺口——小農通常以家庭勞力耕作小塊土地。
更直接聚焦於氣候韌性的是奈及利亞的Digital Climate Advisory Services計畫,參與機構包括奈及利亞氣象局(NiMet)與MTN Nigeria等在地實體。該計畫旨在透過行動管道提供因地製宜的天氣指引,協助農民就播種、灌溉與收穫做出明智決策,說明氣象專業與易於取得的科技如何讓氣候智能更貼近農民。在奈及利亞,Pula、Leadway Assurance、Bayer Foundation與政府夥伴也正推動資料驅動的農業保險與氣候風險管理,以強化八個州約25萬小農的韌性。
這些經驗印證了一個更廣泛的教訓:氣候智能必須與能促成行動的機構與服務連結,才能發揮價值。對農民而言,這可能意味著及時的播種建議或取得農業投入品;對政府而言,這可能意味著識別脆弱社區,並將資源導向最需要之處。
然而,如果精密資訊系統的洞見無法以可用的形式傳達給農民,其影響就會受限。在奈及利亞,語言障礙、連網成本、數位素養以及有限的農業推廣服務——即將研究與新技術串聯至基層農民的諮詢網絡——都影響著建議能否觸及有需要的人。準確的資訊若來得太遲或無法被理解,便幾乎沒有價值。
這使得像LINGUA Africa這樣的計畫格外重要。在微軟AI for Good實驗室與夥伴的支持下,該計畫正推動開發反映非洲語言多樣性的AI工具。在奈及利亞,AgroLingua Africa等計畫正在探索AI如何以當地語言——包括奈及利亞使用最廣泛的豪薩語、約魯巴語與伊博語——傳遞農業資訊,而HausaNLP的DialectBridge則專注於提升AI跨區域豪薩語方言的處理能力。
原則很簡單:農業AI必須先傾聽,才能提供建議。農民、研究人員與推廣人員擁有科技難以取代的知識與在地理解,AI應強化他們的決策,而非凌駕其經驗。
然而,可及性只是挑戰的一部分。AI要產生正面影響,還需要在各領域負責任地採用與擴散。農業紀錄往往零散、公共機構可能缺乏專業能量,負責農業、氣象與災害管理的機構之間也可能難以共享資訊。AI無法單獨克服這些限制。
在COP31上,非洲各國政府與發展夥伴應將農業資料系統視為必要的氣候調適基礎設施。調適資金——專門協助各國為氣候衝擊做準備並加以因應的資金——必須支持作物調查之間的串聯、可互通的資料庫、可負擔的連網,以及對政府分析人員與推廣人員的持續培訓。負責任的資料共享與國家主導權,同樣是確保這些系統在個別專案之外持續發揮作用的關鍵。
AI本身無法阻止乾旱、取代灌溉,也無法解除農民的財務壓力。但它可以協助農民與政府預判風險並更有效地因應。從奈及利亞讓天氣智能變得可及的努力中,教訓很明確:當資訊能轉化為行動,科技才能創造價值。
歸根結底,非洲農業的未來不僅取決於預測降雨何時到來,更取決於農民與政府能在雨來臨之前,以這份知識做些什麼。
Girmaw Abebe Tadesse博士領導微軟位於奈洛比的AI for Good實驗室,並為聯合國AI獨立國際科學小組成員。