以田小二为例基于手机端3S技术的智慧农业概述

王亚非雷盼(.湖北富邦科技股份有限公司， 湖北 应城 43400；.武汉禾大科技有限公司， 湖北 武汉 430000)

以田小二为例基于手机端3S技术的智慧农业概述

王亚非1雷盼2(1.湖北富邦科技股份有限公司， 湖北 应城 432400；2.武汉禾大科技有限公司， 湖北 武汉 430000)

智慧农业是智慧地球的重要组成部分，它将成为我国现代农业未来的发展趋势，以遥感、地理信息系统、全球定位系统为一体的 3S 技术为智慧农业的实现提供了技术支撑。本文在对国内外相关文献资料分析研究的基础上，探讨了3s技术在农业上的应用；其次，以农业APP软件田小二为例，概述手机端智慧农业；最后，对我国智慧农业未来发展，提出了一些建议与思考。

智慧农业；3S技术；农业大数据；互联网+农业

我国十分重视农业信息化的发展，中共十八届五中全会提出实施“互联网+”行动计划，发展分享经济，实施国家大数据战略，“互联网+”将成为经济发展最大动力，要以发展“互联网+农业”为契机，推动智慧农业、智慧农村建设。

随着 3S(Remote Sensing，RS，遥感；Geography Information System，GIS，地理信息系统；Global Positioning System，GPS，全球定位系统)、物联网、云计算等技术的在农业领域的应用，传统农业正在加快向现代农业转型，智慧农业成为现代农业未来发展的趋势[1]。

1 3S技术在智慧农业中的应用

RS技术是指以飞机、人造地球卫星、航天飞机等为运载工具，通过其上安装的探测仪器，获取和记录地球表面上物体或景观的电磁辐射信息，并经过信息的传输及处理，识别出地物或景观的属性、分布及其发展演化的规律，进而对地球的资源、环境等进行研究分析的综合技术[3]。农业信息全面感知是智慧农业的基础，是整个智慧农业链条上最基础的环节，RS 技术在智慧农业中利用高分辨率传感器，采集地面空间分布的地物光谱反射或辐射信息，在不同的作物生长期，实施全面监测，根据光谱信息，进行空间定性、定位分析，为定位处方农作提供大量的田间时空变化信息[2]，RS 技术是智慧农业实现全面感知的核心技术之一。

GIS 是在计算机硬、软件系统支持下，对整个或部分地球表层空间中的有关地理分布数据进行采集、储存、管理、运算、分析、显示和描述的技术系统。由于物联网和遥感技术在智慧农业中的深化应用，农业信息具有了多种数据采集的手段和感知终端，所以智慧农业庞大的数据集有着比以往更大的容量、更高的多样性和复杂性。要想使这些大数据更好的服务于农业，必须要从农业大数据产生、存储、分析、管理等各个角度管理好这些大数据，因此农业信息的智能处理与分析是智慧农业建设中需要解决的重要问题。GIS 作为智慧农业的核心组件，将 RS、GPS、专家系统、决策支持系统等组合起来，可以实现农业信息的存储、分析和智能处理[2]。

GPS 可以提供实时、全天候和全球性的导航、定位、定时服务。农业信息空间和时间变化量的采集是实现智慧农业的关键之一，GPS 在智慧农业中具有核心地位，其实时定位和精确定时功能可为智慧农业提供实时、高效、准确的点位信息，从而实时地对农田水分、肥力、杂草和病虫害、作物苗情及产量等进行描述和跟踪；为农机作业提供高效导航信息，使农业机械将作物需要的肥料送到准确的位置，将农药喷洒到准确位置[2]。

在智慧农业中，单纯地运用 RS、GIS 与 GPS 中的某一种技术往往不能满足需要，不能提供智慧农业实施过程中所需要的对地测量、存储管理、信息处理、分析模拟的综合能力。将 RS、GIS、GPS有机结合，构成一个一体化信息获取、处理、应用的技术系统，相互渗透相互补充，3S 技术才能真正将农业空间信息的精确采集和利用变成了现实。

2 田小二3s技术在手机端的应用

(1)私人订制化肥料 在前人研究作物推荐施肥模型成果的基础上，根据测土配方施肥土壤养分测试数据，采用GIS等技术研制开发Android智能手机田小二APP。田小二中的小二配肥通过不同的数据来源分为两个类型：依据农业部推荐施肥数据，通过GIS区域划分，手机GPS定位确定区域实现数据输出，实现粮食作物大区配方施肥推荐；依据测土配方“3414”试验数据为基础，通过手机GPS定位，精确获取到后台GIS土壤养分图中的数据，结合施肥模型、专家经验，实现测土配方施肥方案推荐。也可依据农户自身常年耕作经验自行进行大配方小调整，通过田小二自助配肥获得符合自身土壤特性的配方方案。让农田作物吃饱吃好，不浪费。让农田土壤实现可持续性耕作，避免肥料浪费造成的环境污染与土壤破坏。

同时，田小二APP软件直接与比富得小型智能配肥机无缝连接，实现了手机下单，线下智能配肥站立刻就能生产。通过GPS定位，分配到最近的配肥站点，肥料生产就在村头。工厂原料直接到农户，缩短肥料流通路径。让便宜优质且具体针对性的肥料，在手机方寸间的操作就送到农户地头。

(2)以田块为中心的农业管理 年复一年，农民都在经受各种变数和风险的折磨，而不可预知的天气和多变的土壤条件是最大的挑战，它们使农业变得更象是一场赌博。现在，田小二让这些在发生改变。田小二后台汇集了2006年到2016间的日值气象数据和2005开始至今的国家测土配方基础土壤数据。现在只需要通过田小二软件圈定自己的农田，通过GPS定位，后台GIS区域数据管理田小二能精准的给用户推送土壤基础数据情况和详尽的天气情况，根据土壤条件、降水量级别和其他一些田间现场测量数据，在智能手机上进行分析，可以帮助农民在任何给定的日期或时间调整资源。

通过设置作物和播种时间，田小二能自动判定作物生长周期，及其该周期内应该注意的病虫害防治与农事操作，根据定位区域与种植作物的不同，精准推送灾害天气情报和病虫害爆发情报，让农田防治更简单。田小二还能帮助农户记录每季作物农事操作过程，未来还能提供种植作物价格走势信息，让种植变的简单。

(3)点对点的农化服务 斥巨资打造了一座以美国测土服务为标准的农化服务中心，以田小二APP为端口，定位农田为基础，一方面实现测土配方，另一方面不断完善土壤信息数据库。广泛开展配方肥试验示范，农业专家下到田间地头，指导农民科学的施肥。引进瑞士ebee农业无人飞机，对大农场进行航拍，帮助建立农场电子地图，土壤属性图，根据航拍图片分析，提供作物病虫害预报，产量预估，氮肥施用量的等决策[8]。

将农业大数据应用到农业中，帮助农民通过使用它们来充分利用农场中的每一亩的土地。如同在金融服务、医疗保健、交通运输、制造业和其他行业中一样，将正确的数据带到管理农业运作的决策，必将引领农业的一场革命！

(4)基于位置服务(LBS)的农业服务商业平台 各地的农业生产条件千变万化，土壤、气候和作物的不同导致其种植、施肥、防治病虫害等方案的千差万别。考虑到这些因素，田小二也专门设置了根据地理位置推荐本地农业技术解决方案的功能。一些在当地实践中形成的有效方案，可以由该农技专家上传到我们的平台。一旦有用户采用，即形成了技术的变现，从而一方面更好地为种植户服务，一方面也推广了新技术，鼓励了技术专家的热情，也增加了其收入。

通过基于位置服务的技术下，田小二将进一步尝试区域农业资源共享服务。农户可将自家的农用机械或其它闲置资源在平台上发布，充分地提高和发挥资源利用率，增加收入。

田小二也将汇集到数据完全展示在APP中，其他涉农企业可根据自身产品特征，通过APP提供的标准种植方案模板形成一套种植方案。田小二通过数据形成一个沟通农企与农户的桥梁，让好的产品，好的种植模式得到推广。

3 田小二在精准农业上的展望

我国是一个农业大国，各地区农业资源条件差异显著。随着空间信息技术的日益发展和完善，3S 技术作为智慧农业的技术基础和核心将得到迅速发展，一方面智慧农业的研究和建设为 3S 技术的发展创造了条件，另一方面 3S 技术的发展为实现智慧农业的全面感知和智能处理提供了技术支撑[7]。目前3S 技术在智慧农业的应用研究已经取得了一定的成绩，但是由于受现有的农业经营体制限制，在农业领域的应用还不够深入，具体应用方案和技术还需要进行不断地探索和研究[10]。

化肥零增长的实现不仅仅在化肥技术进步，同时也体现在从种子筛选，种植管理，土壤改良，养分调控等一系列措施。田小二的目标将不局限于化肥，而是尽可能联合种业、化肥业、遥感技术和物联技术，打通不同行业间的隔阂，进行数据的汇总和分析，进而为不同地区不同作物提供最佳的种前和种中管理方案，为农民的增产节支而努力。

[1]施连敏,陈志峰,盖之华.物联网在智慧农业中的应用[J].农机化研究,2013(6):250-252

[2]李道亮.物联网与智慧农业[J].农业工程,2012(1):1-7

[3]席庆云.SPOT5卫星遥感影像数据在农村土地利调查中的应用与分析[J].地球,2012(2):104-107

[4]邵 景 安 .RS-induced characteristics of land use change in Chongqing, China[J].农 业 工 程 学报,2008,24(8):58-62

[5] R Abd El-Kawy, Rød J K, Ismail H A, et al. Land use and land cover change detection in the western Nile delta of Egypt using remote sensing data[J]. Applied Geography. 2011,31(2):483-494

[6] 姚远,丁建丽,阿尔达克·克里木,等.基于实测高光谱和电磁感应数据的区域土壤盐渍化遥感监测研究[J].光谱学与光谱分析,2013(7):1917-1921

[7] Maeda EE, Wiberg DA, Pellikka PKE. Estimating reference evapotranspiration using remote sensing and empirical models in a region with limited ground data availability in Kenya[J]. Applied Geography, 2011,31(1):251-258

[8] Chen Pengfei, Yang Fei, Du Jia. Yield forecasting for winter wheat using time series NDVI from HJ satellite[J]. Transactions of the Chinese Society of Agricultural Engineering(Transactions of the CSAE), 2013,29(11):124-131

[9]何亚娟,潘学标,HeatherMcNirn,等.基于SPOT遥感数据的甘蔗叶面积指数反演和产量估算[J].农业机械学报,2013(5):226-231

[10]李强子,闫娜娜,张飞飞.2010年春季西南地区干旱遥感监测及其影响评估[J].地理学报,2010,65(7):771-780