衛星看見田界以後：農業韌性不能只剩雲端儀表板

田界變成資料，不代表土地變簡單

衛星遙測正在把農業推進一個很誘人的年代。過去要知道田裡出了什麼事，得靠農民走進田、技師到現場、地方單位逐塊查看。現在，Sentinel-2 這類多光譜衛星可以持續提供地表影像，雷達資料又能在雲雨干擾下補上另一種視角。再加上機器學習，田地邊界、作物長勢、乾旱壓力、淹水痕跡與產量趨勢，都可以迅速變成儀表板上的圖層。對政策單位而言，這像是終於拿到一副從天而降的眼鏡。

但眼鏡不是大腦。田界被演算法描出來，不代表土地就變簡單。農地不是只有植生指數，也有租佃關係、輪作經驗、水路分配、山坡利用、家族勞動、野生動物、文化節令與市場價格。衛星看得見葉綠素變化，卻看不見阿嬤為什麼今年少種一分地；模型能估算區域產量，卻不一定知道某條農路斷掉之後，肥料根本送不進去。資料越漂亮，越容易讓遠方的人誤以為自己已經理解地方。

全球田界地圖的誘惑

近年研究者持續嘗試更大尺度的全球田界辨識與開放農業資料整合。這類資料很吸引人，因為田界是農業治理的重要基本單位。若只有粗糙像素，政策很難知道哪一塊田、哪一個經營單元、哪一段灌溉系統正在變化；有了田界，保險、補助、災損評估、糧食安全與精準農業都能更細緻。對開放科學而言，這是一種重要基礎建設。過去很多國家缺乏一致、可比較或可取得的農地邊界資料，全球尺度資料集有助於降低研究門檻。

可是，越基礎的資料，越需要治理。田界不是中性的線。它可能牽涉土地權利、租佃安排、補助資格、敏感作物、地方產業情報、甚至原住民族傳統領域與文化地景。當一套全球資料集把地方田地畫成可下載的多邊形，使用者可能是研究者，也可能是投資公司、保險公司、平台服務商、糧商，甚至土地投機者。開放不等於無害。這不是要求把資料全部鎖起來，而是提醒：開放科學如果只談 FAIR，不談權力，很容易把地方變成遠端創新的原料。

地理老師會問的第一個問題：比例尺在哪裡

共同作者李文驤作為地理老師，最適合把這個題目拉回最基本、也最常被科技敘事忽略的問題：比例尺在哪裡？一張衛星圖若沒有清楚說明解析度、拍攝時間、雲量、分類方法、誤差範圍與地面驗證，它就很容易讓學生誤以為圖像等於真相。地理教育的重要任務，不是讓學生背更多名詞，而是讓學生知道地圖如何製造世界。田界資料也是一種地圖，它一旦進入政策，就不只是圖，而是可能影響補助、保險與災損認定的制度工具。

地理課可以教學生看 NDVI，也應該教學生懷疑 NDVI；可以教 Sentinel-2 的光譜波段，也應該教「雲遮住的地方不是不存在」；可以教全球田界資料如何幫助糧食安全，也應該教資料落地時會遇到哪些權力差。若未來原鄉高中或地方學校能把衛星遙測與在地田野調查結合，學生就不只是被動地看世界，而是學會用自己的地景經驗反問雲端模型。這種地理教育，比單純教平台操作更接近農業韌性的核心。

原鄉公共服務需要遙測，但不需要被遙控

對原鄉與山地農業而言，衛星遙測確實有實際價值。颱風後道路中斷、坡地崩塌、農損估計、灌溉異常、病蟲害擴散、林地變化與水源狀態，都可能透過遙測加速初步判讀。地方公所與農民組織若能取得簡明圖層，的確有助於應變效率。這不是浪漫的「科技下鄉」，而是公共服務本來就應該補上的工具。

但關鍵在於主導權。若所有資料都由外部平台收集、外部模型判讀、外部顧問解釋，地方最後只拿到一張已經替他們下結論的圖，那遙測不是賦權，而是比較客氣的遙控。原鄉公共服務需要的，是能被地方使用、質疑、補充與修正的資料流程。農民知道哪裡常起霧，獵人知道哪條山溝雨後危險，長者知道某塊地過去的用途，這些都不是模型誤差，而是模型尚未學會的地面真相。

CARE 原則提醒我們：資料也有關係

原住民族資料治理的 CARE 原則——集體利益、控制權、責任與倫理——很適合放進遙測討論。衛星資料看似從太空取得，好像不碰個人、不進家門，因此常被誤以為比較沒有倫理問題。但土地、作物、水源與文化地景從來都不是無主影像。對許多原住民族社群而言，環境資料可能與傳統知識、祭儀空間、採集地、獵場、祖靈地名或禁忌區域相連。即便解析度不高，資料一旦與其他資料集交叉，也可能透露敏感資訊。

因此，一套負責任的農業遙測系統，不能只問資料能不能公開，還要問公開給誰、為了什麼、地方能否拒絕、錯誤如何更正、利益如何回到社群。若資料被拿去做商業模型，地方是否知情？若模型判斷農損不足，農民是否能提出反證？若田界資料與補助系統連動，邊界錯誤造成損失，誰負責？這些問題不比演算法精度次要，因為公共服務的核心不是把圖畫準，而是讓制度對人負責。

把雲端儀表板拉回地面

農業韌性常被說成一組高科技名詞：智慧感測、數位孿生、AI 預測、衛星監測。這些工具都可能有用，但韌性不是儀表板上的裝飾詞。真正的韌性，是當颱風來時，地方知道哪條路先斷；當乾旱拖長時，農民知道如何調整水源；當市場價格崩落時，社群知道如何分散風險；當資料出錯時，制度有管道聽見地面反駁。衛星提供的是視角，不是全部答案。

台灣若要發展原鄉農業韌性資料系統，應該從共同設計開始。第一，讓地方單位、農民與部落組織參與資料欄位設計，而不是最後才被邀請聽成果發表。第二，建立資料分級：哪些可公開，哪些只供地方應變，哪些涉及敏感文化或土地資訊不宜公開。第三，讓模型輸出保持可解釋與可申訴，不把風險分數當成行政裁定。第四，培養地方青年成為資料翻譯者，而不是永遠依賴外部顧問。第五，讓資料成果回到地方，包括圖層、報告、教案與決策工具，而不是只變成論文與公司簡報。

結語：從看見到互相看見

衛星最迷人的地方，是它讓我們看見地球表面的巨大變化。但公共治理不能停在「我看見你」。更好的狀態，是「我們互相看見」：科學家看見地方經驗，地方看見資料限制，政策看見權力不對等，平台看見自己的責任。當田界被 AI 畫出來，那條線不只分隔作物，也分隔不同的治理想像。它可以成為補助、保險、災害應變與糧食安全的工具；也可能成為外部監控、商業抽取與行政誤判的工具。

農業遙測的未來，不該只有更高解析度，還需要更高解析度的倫理。土地不是雲端儀表板上的漂亮色塊，而是有人生活、勞動、記憶與爭取未來的地方。衛星看見田界以後，真正的問題才開始：我們能不能建立一套制度，讓被看見的人也能決定自己如何被理解。

延伸閱讀與資料來源／source-check notes

• Copernicus Sentinel-2 Mission，https://sentinels.copernicus.eu/web/sentinel/missions/sentinel-2 。人工核對：Sentinel-2 的波段、解析度與農業監測用途。
• NASA Harvest，https://www.nasaharvest.org/ 。人工核對：農業監測、糧食安全與地球觀測資料應用背景。
• Global Indigenous Data Alliance：CARE Principles，https://www.gida-global.org/care 。人工核對：集體利益、控制權、責任與倫理四原則。
• 編輯核對提醒：本文屬農業遙測與資料治理評論，正式發布前若加入特定研究數據、全球田界圖數量或政策適用案例，應再核對原始研究與主管機關資料。