文/ 創博識資料科學家 吳定謙
2025年下半年颱風帶來的災害，大家記憶猶新。當新聞報導颱風即將來襲時，除了關心人身安全和防颱準備，許多人也會擔心一件事：菜價會不會又大漲？這不僅是餐桌上的問題，更是牽動著廣大農民生計和政府農業政策的複雜課題。
從數據分析的角度來看，颱風對菜價的影響絕非簡單的「供需失衡」四個字就能概括，其中涉及氣候、交易、物流乃至於農民種植決策的挑戰，從終端消費者、基層菜販、物流業者、農政單位，都深受影響。
想找尋這個錯綜複雜問題的解方，很難只是依賴過往經驗，但可以依據「數據驅動的智慧農業災損風險架構」，就是應用人工智慧（AI）和巨量數據分析的能力，為決策提供一個客觀、快速運算的輔助工具。AI所扮演的角色，就像一面公正的「鏡子」，透過蒐集和運算大量跨領域數據，找出影響菜價波動的潛在規律。這個輔助工具的做法如下：
1. 蒐集與整合數據
我們蒐集超過 150 萬筆的整合性資料，涵蓋多個面向，建立了一個龐大的資料庫，其中包括
- 氣象數據： 來自 18 個縣市氣象測站的雨量、風速、溫度，以及颱風的登陸時間與路徑等關鍵資訊 。
- 市場交易數據： 來自 17 個批發市場的蔬菜交易量與平均價格。
- 農場與警示數據： 包括農作物產地與產量資料，以及結合颱風休假示警的資訊。
2. 以演算法進行訓練
資料科學家運用多種演算法，例如 LSTN（長短期記憶神經網路）、RNN（循環神經網路），以及多元線性迴歸（Multiple Linear Regression），來判斷影響菜價漲跌的關鍵數學模型。
透過訓練這些模型（使用 2014-2017 年的數據進行訓練，並以 2018 年的數據進行測試 ），我們得出了一個重要的結論：在颱風來臨前的「關鍵十天」，模型足以提早發出警示。雖然初步的預測準確度約為六成，但這已可視為一個重要的科學溝通工具。
3. 預測及應用決策參考
這套數據驅動的架構，最大的價值在於提供不同層次的決策參考。
例如農政單位可以在颱風來臨前的十天，可以提早獲得警示，制定應對措施 。同時，也能針對特定的菜種和產區，進行差異化的預警和協助防災。對農民而言，AI模型能根據颱風登陸的不同時間點條件，初步估算出不同菜種的交易量與價格的關聯性 。災後還可以協助農民決定最佳的復耕時機點、最適合的農作物種植面積，降低過去常見的「賭博式耕作」風險，避免風災後菜價暴跌的二次傷害。
經過經驗與數據的逐步累積，這個模型的準確度會愈來愈好；長遠來看，成果還能進一步延伸到農業保險和智慧農業、補貼政策等 ，為農業發展建立更穩健的風險管理機制，甚至有助於吸引年輕人才進入農業領域。
透過客觀數據和科學運算，台灣可以更從容、更有準備地應對颱風對菜價的衝擊，為台灣的農業永續發展奠定更堅實的基礎。