在台灣從事農漁業，「氣候」就是最大的莊家。一分地辛苦種了三個月的高麗菜，只要在採收前兩天遇到一場暴雨或是冰雹，整季的心血就會化為烏有。如果是養殖水產（如石斑魚或白蝦），突如其來的日夜溫差驟降，可能會導致整池魚苗翻肚死亡。
過去，農漁民只能看看晚上八點的電視氣象預報。但電視報的是大範圍的「縣市」天氣，而你真正需要關心的是「這座山頭」、「這個魚塭」獨特的微氣候（Microclimate）。
利用簡單的物聯網（IoT）數據結合大語言模型的預測能力，你可以搭建一套屬於自己農場的專屬 AI 超前部署雷達。
💡 本篇定位 這是「智慧農業 AI 技能樹」的氣象防禦篇。想看完整農業 AI 應用地圖，請先讀農業 AI 轉型指南。另外也推薦搭配空拍機與病蟲害辨識一起看。
🌦️ 實戰一：極端天氣事件的「搶收與防禦 AI 警報器」
我們可以使用自動化開源工具（如 Make.com 或 Zapier）串接開源的氣象局 API。設定一個邏輯：如果預測未來三天內，你農場所在地的「降雨機率大於 80%、且累積雨量可能達到豪雨等級（130mm/24h）」，這個自動化工作流會立刻觸發大語言模型，生成一份「農損防禦分析報告」並推播到你的 LINE 上。
📌 實戰 Prompt：防禦決策輔助報告
身為位於台灣屏東的高端溫室洋香瓜種植場的主管。
氣象中心剛剛針對我農場所在的鄉鎮，發布了本週末即將面臨「強烈西南氣流帶來致災性豪大雨」的紅色警戒。
目前我的溫室裡，有 40% 的洋香瓜已經達到九分熟（預計下週二可以採收）；另外 60% 還在開花授粉階段。
請根據台灣農業部的過往洋香瓜水災防護指引，幫我緊急產出一份【大雨防禦與搶收決策表】：
1. 【搶收決策】：那 40% 九分熟的瓜，我應該現在立刻不分日夜僱人搶收（即使甜度少一度），還是賭大雨不會沖破溫室？請給我財務損益風險評估（搶收成本 vs 報廢損失）。
2. 【基礎防護措施】：對於那 60% 開花期的植株，目前只剩下一天的晴天，有什麼土壤排水、溫室加固或是預防性用藥的步驟是我必須馬上做的？
3. 如果真的發生輕微淹水，大水退去後的 24 小時內，最容易爆發什麼植物病害？我該提前準備什麼殺菌劑？這套 AI 警報器，能在你陷入慌亂的風雨前夕，拉出最冷靜客觀的 SOP 救命清單。
搶收 vs 等待的風險矩陣
| 情境 | 搶收成本 | 不搶收風險 | 建議 |
|---|---|---|---|
| 九分熟 + 強颱確定來 | 加班僱工 + 甜度損失 ≈ 減收 10% | 全毀 = 損失 100% | 立刻搶收 |
| 七分熟 + 豪雨機率 60% | 品質嚴重下降，難以銷售 | 可能安全過關 | 加固溫室，等 24 小時再決定 |
| 開花期 + 強降雨 | 搶收無意義（還沒結果） | 花粉被打落，本季產量降低 | 專注防護：排水 + 防風網 |
📈 實戰二：產量與出貨日期的線性預測
大型契作農場的第二個痛點是：「算不準生長週期」。如果你的農場接了全聯或大盤商的年度合約，規定你在 12 月 15 日必須交貨五公噸的青江菜。萬一那年是暖冬，青江菜長太快，12 月 1 日就爆發性成熟，你會面臨菜沒人收而在田裡老掉的窘境。
農作物的生長速度高度依賴日積溫（每日平均溫度的總和）與日照時數。
📌 實戰 Prompt：預測最佳採收日
「我上傳了一份這片溫室過去三年的『每日日積溫、降雨與青江菜採收天數對照表（.csv）』。 今年 11 月的平均氣溫比過去三年高出了 2.5 度。請運用數據線性回歸或分析模型，幫我預測：如果我今天（11月1日）播種，預計的『最佳採收日區間』會落在哪一天？產量大約會有多少公斤？」
透過 AI 將氣候變數轉為精確的出貨交期，青農就能夠提前半個月通知通路的採購部進行檔期促銷。
當你擁有了「算出最佳採收期」的能力，農民在與大型通路談判時，手裡握著的就不再是看天吃飯的變數，而是穩定交貨的議價底氣。
🐟 實戰三：水產養殖的溫差預警與投餵優化
對養殖漁業來說，水溫是比空氣溫度更致命的變數。石斑魚在水溫低於 15°C 時會停止進食，白蝦在溫差超過 3°C/日時死亡率飆升。
IoT 感測器 + AI 的自動化防線
現在許多漁塭已經安裝了水溫、溶氧量、pH 值的 IoT 感測器，每 15 分鐘回傳一次數據。問題是：數據有了，但多數養殖戶不知道怎麼解讀。
這時候 AI 可以扮演「24 小時值班的養殖顧問」：
我上傳了我的白蝦養殖池過去 72 小時的水質感測數據 CSV（水溫、溶氧、pH、氨氮）。
請幫我做以下分析：
1. 目前的水溫趨勢是否有異常降溫的跡象？如果照這個趨勢，預計幾小時後會降到白蝦的危險閾值（18°C）？
2. 溶氧量在凌晨 3–5 點是否出現低谷？如果是，建議我何時啟動增氧機？
3. 綜合所有指標，給我一個 1-10 的「今日風險分數」和具體的行動清單。關鍵價值： 一池白蝦的成本可能高達 50–100 萬元。一套每月幾千元的 IoT + AI 預警系統，只要擋下一次「整池翻肚」事件，就已經回本數十倍。
💰 導入成本概估
| 項目 | 費用（新台幣） | 備註 |
|---|---|---|
| 田間氣象站（溫濕度、雨量） | 5,000–30,000 | 依精度與品牌差異大 |
| IoT 水質感測器（養殖用） | 15,000–50,000 | 含水溫、溶氧、pH |
| 自動化串接（Make.com / Zapier） | 0–500/月 | 免費方案夠小農使用 |
| AI 分析（ChatGPT / Claude API） | 100–1,000/月 | 依使用量而定 |
| 農作物 / 養殖池損失（一次天災） | 數十萬至數百萬 | 這才是真正的成本 |
❓ 常見問題 FAQ
我不會寫程式，也能串接氣象 API 嗎？
可以。Make.com 和 Zapier 都是「拖拉式」的無代碼自動化工具，不需要寫任何程式碼。你只需要在氣象局的開放資料平台申請一組免費的 API Key，然後在 Make 裡設定「當降雨機率 > 80% 時，觸發 ChatGPT 產出報告，再用 LINE Notify 推播給我」。整個設定大約 30–60 分鐘可以完成。
AI 的天氣預測準確度夠用嗎？
AI 本身不做天氣預測——它是串接氣象局或國際氣象服務（如 Open-Meteo、AccuWeather）的預報資料。這些來源在 72 小時內的降雨預報準確率約 70–85%。AI 的角色是「幫你翻譯數據」：把氣象數字轉換成農民聽得懂的行動清單（該搶收、該排水、該加蓋），而不是自己預測天氣。
這套系統對小農（一分地以下）有意義嗎？
有，而且可能比大農更需要。大農有資本承受一季損失，小農一季血本無歸可能就周轉不過來。用免費的氣象 API + 免費方案的 Make.com + ChatGPT 基本方案，每月成本不到 1,000 元，就能建立基本的預警系統。重點不是系統多先進，而是「比完全沒有監控」好上十倍。
除了防災，AI 還能幫農業做什麼？
非常多。例如空拍機搭配病蟲害影像辨識可以提早發現作物異狀；產銷文案與直銷通路可以幫你用 AI 寫出高轉換率的產地故事，直接賣給消費者而不用被盤商壓價。整個農業 AI 的應用地圖，可以回到智慧農業總覽查看。