Aralia Use Case：高麗菜產銷失衡分析 | Notion

Use case 架構介紹

Aralia Use Case：SDGs 包容性成長

Aralia Use Case：公共工程標案管理與風險預警系統

Aralia Use Case：高麗菜產銷失衡分析

🎯 1. 命題與背景（Problem Statement & Survey）

問題主題描述

臺灣高麗菜產銷經常因極端氣候、農民搶種等因素導致供需失衡，價格從每公斤 3 元到 80 元劇烈波動，影響農民收入與產業穩定。
背景說明
- 冬季供應集中、價格大幅波動
- 農民預期價格上漲搶種，容易造成供過於求
- 急需建立提前預警機制，找出可預測價格變動的前期變數
利害關係人／使用者角色（Persona）
- 農民：希望獲得種植與收成建議，降低賠本風險
- 苗場業者：調整出苗量規劃，避免集中供給
- 政策單位：建立農業風險預警，提升糧食安全
提問範例
- 「某地區冬季高麗菜價格是否可提前預測？」
- 「出苗量與氣象變數如何影響價格？」

📊 2. 數據來源（Data Sources）

數據名稱	出處	描述	備註
農產品交易行情	物價行情星球	此數據集記錄自2012/1/1起國內每開市日隔日更新該開市日果菜花卉市場各產品上中下均價及交易量。資料更新頻率：每日更新。包含：高麗菜市場價格（每日）
現在天氣觀測報告	生活空氣指南星球	此數據集記錄全台自2022年1月1日起有人氣象站每小時更新的現在天氣觀測報告，涵蓋了當前的天氣條件與相關指標。資料更新頻率：每小時更新。資料內容包含：氣象、空氣、氣溫、日照等

來源與連結
- 民生公共物聯網平台（氣象、空氣、氣溫、日照等）
- Aralia 開放式數據平台
- 農產品市場交易價格資料
資料欄位與格式
- 出苗量（旬為單位）
- 氣溫、日照、累積降水量（每日）
- 高麗菜市場價格（每日）
更新頻率
- 氣象：每日/即時
- 市場價格：每日
前處理
- 缺值補齊（溫度、日照等）
- 廠商與地區名稱標準化
- 建立延遲變數（90 天）作為分析因子

🛠️ 3. Aralia Demo

使用者操作流程
1. 匯入民生物聯網與市場價格資料
2. 建立圖表：價格趨勢、氣候變數對照
3. 儲存地標，建立「高麗菜風險預警」Dashboard
視覺化範例
- 時間序列圖：高麗菜價格 vs 溫積值 (GDD)
- PCA 主成分分布圖
地標預覽
- 當氣象與市場價格更新，地標圖表自動刷新

📈 4. 分析結果與洞見（Insights）

分析結果簡述
- 高麗菜價格與出苗量、氣候因素呈現 90 天延遲效應
- PCA 模型能解釋 70% 以上的變異
洞察發現
- 溫積值 (GDD) 與日照累積強度 (DLI) 是關鍵因子
- 冬季收成期約 90 天，氣候異常會造成價格提前或延後波動
建議行動
- 農民應根據平台預警調整種植數量
- 政府可將風險因子納入農業政策決策

🧠 5. Agent 功能展示（LLM Agent Demo）

目前此案例的 Agent 尚在建立中

🔧 6. Agent 建置教學（Technical Walkthrough）

待 Agent 建置後釋出

🧾 7. 結語與延伸應用（Conclusion & Next Steps）

延伸應用場景
- 其他蔬果（如洋蔥、番茄）價格預測
- 其他縣市農業數據預警
- 與 ESG 或糧食安全議題結合
鼓勵用戶
- 建立自己的第一個農業地標
- 啟動農業 AI Agent 進行決策輔助
Call to Action (CTA)
- 註冊 Aralia → 建立地標 → 啟用農業風險預警 Agent