浅析现代农业中大数据的发展与应用

顾永泉 （上海市奉贤区农业信息服务中心 201400）

浅析现代农业中大数据的发展与应用

顾永泉 （上海市奉贤区农业信息服务中心 201400）

为推动现代农业的发展促进大数据在现代农业中的应用，分析了农业大数据的构成与发展、当前大数据与农业结合应用的具体模式，并针对当前农业大数据发展中存在的问题提出了相关建议。

大数据；现代农业；应用；问题；建议

当今社会已是全面信息化的社会，农业信息化是我国实现全面小康的重要基石,既能促进我国传统农业的改造，又能提高农业经济效益，从而推动我国现代农业的发展。随着信息技术的快速发展，数据正逐步成为国家的战略资源，而数据能力逐渐演变为现代农业发展的重要力量，同时也正在慢慢变化成为推动国家进步的竞争力。为此，笔者分析了农业大数据的构成与发展、大数据与农业结合应用的具体模式，并针对当前农业大数据发展中存在的问题提出了相关建议。

1 农业大数据概述

1.1 农业大数据的概念和特征

农业大数据是指现代农业各项活动中形成的海量、具有潜在价值的数据。随着农业物联网、云计算、移动互联等技术在农业中的逐步应用，农业数据现已呈现井喷趋势，是现代农业建设、发展与管理的重要参考基准。

农业大数据的主要特征可用“5V”概括：（1）Volume（体量大），现代农业积累了海量数据；（2）Velocity（速度快），农业数据的产生速度快，且其中流数据需要以秒乃至毫秒计量；（3）Variety（多样性），农业数据来源广阔、种类繁多，多种结构、非结构化数据并存；（4）Veracity（真实性），农业数据是真实的，但也存在着不完整性，如数据噪声、数据缺失、数据不一致等；（5）Value（价值巨大），农业大数据蕴含着巨大价值，大数据的目标在于从数据中挖掘价值，用数据分析、决策及创新。

1.2 农业发展历程

农业是具有最长久历史的传统产业，而今正面临着一场历史性变革。随着信息化发展，物联网、大数据、云计算、智能机器人等新兴技术在农业领域的不断渗入，以往人们固有印象中“面朝黄土背朝天”的传统农业形象正在发生巨大转变，向着更加精准化、智能化的方向发展。

我国农业历经了多个发展阶段，传统的农业1.0时代主要生产手段是人力畜力；农业2.0时代步入了机械化农业时代，农业机械替代了人力成为新的生产手段；农业3.0时代是生物-化学农业时代，该时代以广泛应用杂交种，大量使用化肥、农药，大幅度提高农业生产水平为主要特征；如今进入了农业4.0时代，农业生产进入智能化时代，以信息作为最重要的生产要素，以互物联网、大数据、云计算、智能机器人等新兴技术为其主要特征。

近年来，我国农业信息化水平逐年提高，现代化的信息技术装备因而得以广泛应用，农业数据也因此呈现出指数方式增长，每年农业产生的数据量约为8000PB（1PB=1024TB，1TB=1024GB），且每年以50%～80%的速度增长，使农业已迈入大数据时代。正因为有了数据的支撑，农业正在变得更加“智慧”。

1.3 农业大数据的类型

1.3.1 农业物联网监测数据

农业物联网是指将物联网技术应用于农业，从而达成对农业信息的全方位、多角度、实时的感知，并辅以可靠的传输与智能化处理，用以达成农业生产的自动化、智能化、精准化与标准化。

1.3.2 气象数据

气象数据向来与农业发展息息相关。农作物的生长发育受气候的影响较大，光照、热量、降水等任何一项气象因子的改变，均会对农作物的产量、品质造成影响。

1.3.3 资源环境数据

对地观测技术为农业资源研究提供了巨量的空间数据。当前遥感监测的研究正向着高时间分辨率、高空间分辨率、高光谱、多波谱频段的方向发展，数据的实际生产应用能力不断增强。

1.3.4 生物信息数据

1984年，NIH创办了基因数据库—GenBank，如今已储存了海量的序列记录。

1.3.5 农业经济运行监测数据

农业在其经济运行过程中，积累了海量的农业经济监测数据。

2 大数据在现代农业中的相关应用

现代农业主要通过大数据平台进行感知、决策、优化、预警及控制工作。

2.1 农产品产销信息监测预警

通过大数据技术的应用，可为全球农业数据调查分析提供直观的数据基础，通过组建农业大数据分析团队，开展综合会商，从而研发出农产品供需预测模型，提升农产品产销的分析预警和调控能力。同时，还能为农业展望工作与涉农数据发布制度的完善提供基础，有利于打造权威的农产品产销数据发布平台。

2.2 智慧农业

大数据的处理分析技术，可将气候、土壤、生物、栽培措施等农作物主要生长环境因素与农作物自身的生长发育情况进行有机整合，并结合经济、环境及可持续发展目标，通过多角度的综合分析处理，弥补以往专家系统、数据模型等在处理结构复杂且密度较高的数据时的不足，为决策者提供更为精准、高效、可靠且实时的辅助。

2.3 农业自然灾害预测预报

大数据技术通过数据挖掘，可整理出历年的自然灾害数据，并结合具体分析技术，可总结出灾害发生趋势及规律，为自然灾害的准确预测提供基础，并强化实时监测，从而把握最佳防控时机，即可有效预防和最大程度降低损失。另外，通过建立农业灾害数据库，可分析农业灾害与生产数据之间的相关关系，构建预测模型，实现灾情预警与防灾减灾措施的定期发布。

2.4 动物疫病和植物病虫害监测预警

通过构建病虫害疫情田间监测点、农药安全风险监测点、动物疫病风险监测点、动物及动物产品移动风险监测点、兽药风险监测点、屠宰环节质量安全监测点和重点牧区草原鼠虫害监测点等监测网点，并其覆盖至全国重点区域，辅以物联网设备与大数据挖掘分析技术，将监测点的数据整合流通，使数据做到实时、精确、直观、可靠，从而提高动物疫病和植物病虫害监测预报的系统性、科学性与准确性。

2.5 农产品质量安全全程追溯

要实现农产品质量安全全程可追溯，则必须打破信息壁垒，加强各相关部门的数据对接，实现生产、收购、贮藏、运输等环节的追溯管理。而大数据技术便为其提供了基础支持，通过大数据技术的应用，农产品在流通的各个环节中均能得到有效监管，并以此建立质量追溯、执法监管、检验检测等数据共享机制，推进数据实现自动化采集、网络化传输、标准化处理和可视化运用，最终实现追溯信息可查询、来源可追溯、去向可跟踪、责任可追究的具体要求。

3 大数据在现代农业中面临的问题及建议

3.1 面临的问题

3.1.1 缺乏整体的统筹规划

我国农业规模庞大，农业数据量丰富，但因此也加大了数据整合和利用的难度，如何合理有效利用分散在不同部门及不同主题的数据成为难题，同时也对现有的科学信息管理模式带来了挑战。

3.1.2 当前的技术条件限制

我国农业信息化起步较晚，农业信息化程度相对较低，大数据市场规模还较小，且主导厂商以外企居多。想要有效利用大数据，需要提升相关技术水平，包括数据挖掘、分布式文件系统及数据库系统、云计算平台等。

3.1.3 相关从业人员技术水平偏低

目前在我国相当大一部分的乡村信息服务机构中，技术员同时充当信息员角色，由于受本身技术能力限制，很难将大数据中的相关信息服务在农村进行普及、推广、应用[1]。

3.2 相关建议

首先，要加大支持农业信息化学科体系建设的力度，制定科研计划，立足于自主原则，加强核心技术的研发，将技术掌握在自己手中，同时开展农业大数据云平台建设，进行农业大数据的基础建设。其次，要培育大数据分析运用的相关人才，并进行科学配置，使数据分析应用各主体能各司其职、互相协作。最后，要建立农业大数据标准规范体系，规范农业信息化市场，改善现有的信息管理模式，加强规划与管理，引领农业信息化健康、快速、有序发展。

[1] 梅方权.农业信息技术的发展与对策分析[J].中国农业科技导报,2003,5(1):13-17.

2017-03-13