大数据在智慧农业中的应用研究

王慧慧，涂丽丽，梁 栋，马友华

（1.安徽农业大学 资源环境与信息技术研究所，安徽 合肥 230036；2.安徽大学 农业生态大数据分析与应用技术国家地方联合工程研究中心，安徽 合肥 230601）

0 引 言

智慧农业是智慧经济的重要构成部分，智能决策和农业管理是其最核心的内容[1]。农业生产和管理过程中，会产生大量的数据，数据来源和形式是不同的，许多元素之间相互影响，很难在单位时间内完成工作，这些都与大数据的特点相关。

2015年8月31日国务院发布了《促进大数据发展行动纲要》，表明大数据具有容量大、类型多、存取速度快和应用价值高等特点。大数据技术能够处理多源海量数据集群，大效率提升智慧农业的发展[2]。

当今社会，需要将农业与大数据相结合。当信息技术贯穿现代农业的方方面面，就可以准确、及时、有效地收集、整理和应用大数据信息，使农业管理水平呈现出大幅提高的趋势，从而提高农业现代化水平，以更高效、更合理、更科学的方式促进智能农业的建设和发展。

1 智慧农业研究现状

近几年，智能技术、大数据技术等新兴技术不断发展，各产业发展速度得到了大幅提高，农业产业也迎来智能时代和大数据时代。目前，智慧农业在全球许多国家特别是农业发达国家已取得显著成效，极大推动了农业的发展。本文总结介绍了美国、日本、以色列这3 个国家智慧农业的发展特征，以及我国智慧农业的发展现状。

1.1 美国智慧农业发展情况

20 世纪80 年代，美国提出了“精准农业”的理念，并通过不断的实践，成为精准农业最有成效的国家，为智慧农业的发展奠定了坚实的基础。如今，美国通过物联网技术大力发展智慧农业，再次进入世界前沿[3]。

首先美国农业通过农业物联网和大数据分析等工具，使得数据共享与智能决策贯穿了农产品生长和生产的全过程。其次美国大力投入到农业电子商务中，通过发展电子商务帮助农业流通环节持续升级改造。如今美国政府设立了专业的农业信息管理机构，以确保信息的及时性和共享性。最后美国农业以强有力的技术和政策为支撑。美国以市场运营为主导，政府角色为支撑的模式，对于推动整个智慧农业整体战略运营意义重大。

1.2 日本智慧农业发展情况

日本主要通过高新技术来发展专业化集约化的智慧农业[4]。运用智能监控、地膜覆盖栽培技术、精准农业等先进农业生产技术，解决了日本劳动力不足的问题，打造了现代农业生态模式。

在过去10年左右的时间里，日本在探索智能农业的过程中建立了一种新的个性化的“网上农场”农业经营模式，使消费者能够实时、准确地远程操控农产品生产。并设立消费者互担模式，确保农民拥有稳定的收入。同时日本大力发展机器人技术和信息通信技术，节省了劳动力的投入，减轻了体力负担。日本重视智慧农业整体建设和法律法规的完整性，创立了各类智慧农业发展委员会，提供专业的咨询服务，更好地规范农业市场的秩序。

1.3 以色列智慧农业发展情况

以色列是一个严重缺水的国家，但通过滴灌技术和生物技术的不断发展，它已在短短几十年内发展成世界高新技术现代化农业国家[5]。尤其是将物联网技术和互联网农业与设施农业的结合，实现了农业自动化和智能化。

第一，以色列高度重视科技创新，大力推进节水农业。利用计算机滴灌技术既满足生产用水的需求，又实现灌溉系统水、肥、药一体化。第二，以色列以集体农场和农业合作社为主要的生产和经营模式。这两种经营形式，实现了农业生产的合作和分工，增强了农民抵抗市场风险的能力。第三，以色列建立了一个完整的农业生产服务体系，对农民提供免费的技术服务，以适应现代农业发展需求。

1.4 中国智慧农业发展情况

我国政府部门极其看重智慧农业发展，先后发布了《关于推进农业农村大数据发展的实施意见》、《“互联网+”现代农业三年行动实施方案》、《关于实施乡村振兴战略的意见》等全力支持“十三五”期间农业发展的政策文件。在此基础上，智慧农业得到了各行各业的不断关注，华为、京东等各路资本进入智慧农业邻域，给智慧农业注入了的活力。目前，智慧农业已经进入“百家争鸣”的全胜时代，产业链各个环节将迎来了全面发展的黄金时期。

2015 年，我国政府工作报告将“互联网+”战略升级为国家经济发展战略，以“互联网+农业”为核心的智慧农业获得了新的发展机遇[6]。2016 年，十三五规划指出，物联网等技术能够推动资源管理、农情监测预警、农机调度及无人机监测等试验示范工作，并要求完善智慧农业的运营机制和模式。目前，无线传感器监测、远程监控系统、5S等技术越来越成熟，不仅提高了农业生产效率，而且有利于农业可持续发展。

2 智慧农业大数据平台构建与相关技术

建设完整的智慧农业体系和模式，完成农业数字化、信息化和安全农业生产，是我国未来农业的重要发展方向。大数据技术可以帮助人们发现农业生产过程所涉及的属性数据和空间数据中存在的内在规律，使得农业内部信息流加以延升。因此为了推动智慧农业发展进程，需要注重智慧农业大数据平台的构建，这将有效提高农业生产的产量和效率，实现农业可持续发展。

2.1 建设原则与目标

首先平台的建设必须符合当下各类用户的应用需求，通过分析农业大数据的业务需求和架构设计等内容，结合大数据环境下智能农业的发展现状，以先进的大数据系统为基础，充分发挥传感器技术和无线通信技术在数据获取中的优点，构建高效性、及时性、开放性的数据平台，实现多元化智能服务，加大智慧农业的科技支撑。

同时智慧农业大数据平台应该把农户作为重点，注重设计面向农户的个性化系统，结合互联网思维，本着“以人为本”的原则开展平台设计和功能实现，以全面高效准确的大数据功能来满足智慧农业的需要。

2.2 总体设计

运用互联网、物联网、云计算等信息技术，从农业大数据平台的设计原则、思路、框架及功能模块这几方面出发，对其进行细化设计，并结合Hadoop、Storm 和Spark等大数据处理工具，不断优化部署思路及详细的操作命令，建立创新智慧农业大数据应用模式。

秦小立等结合“一带一路”政策，梳理了构建农业大数据平台的必要性，建立了应用层、数据层等4层总体架构和采集、分析、处理等6 个环节的技术架构，最后提出要加强大数据成果应用，推动热带农业发展[7]。林昕对大数据挖掘平台展开分析与探讨，通过对相关概念的研究和云平台的总体架构的分析，提出三层结构五大模块的大数据挖掘平台模型，为提高数据挖掘效率提供科学的参考依据[8]。

2.3 相关技术

根据大数据平台构建的流程，其关键技术主要有：1.采集、预处理、存储和管理技术；2.计算和挖掘分析技术，包括机器学习、虚拟化和资源管理技术等，其中深度学习为当今大数据技术研究重点；3.可视化分析和呈现技术；4.隐私和安全技术。

侯亮等结合农业大数据和Hadoop 框架的特性，建立了农业大数据挖掘系统，对系统的总体架构和功能实现等部分进行了研究，能够快速查找出各种要素的内在规律，为农业科研提供新的方法和方向[9]。顾戈琦通过分析农户、农场、农企数据，建立了采集平台机制，设计了数据的接入、来源的评估利用程度，以及隐私分级等功能，该平台能够充分发挥采集数据的优势性，为农业大数据采集工作提供了助力[10]。

3 智慧农业中大数据的应用研究

3.1 农业环境监测、评价与预测预警

利用卫星遥感技术收集作物生长环境的指标数据，再上传到当地或云数据库，通过对农业生产历史数据和实时监测数据进行分析，采取科学的防治措施及种植方法，帮助农户避免气候灾害，从源头上提高农业生产效率和产量。农田土壤环境监测实时系统通过WSN与4G网络相结合，实现农田土壤盐碱度、pH值等土壤信息的收集和储存，为研究作物环境科学提供了参考。农产品市场大数据监测预警系统通过农产品市场大数据的采集，对市场进行动态监测，保证农产品市场供需平衡。

3.2 种养殖生产应用

通过分析环境数据的总体趋势，结合智能设施和互联网在农业测土配方、茬口作业计划等方面的应用，获得准确的种植建议，提高种养殖生产技术，开展农产品差异化生产。畜禽养殖污染防治大数据分析系统通过前端数据获取和后端数据分析建模，得到饲料配方报表、畜禽健康情况报表等，科学指导生产活动。基于大数据的水稻芽种生产智能控制系统通过对各类生产环节产生的数据的智能处理，实现了水稻生产环节对于温度、湿度和溶氧量的精准控制。

3.3 农产品可追溯

随着供应链的增长，跟踪和监控农产品变得越来越重要。从农田到客户全过程进行农产品跟踪有助于减少疾病和污染发生，提高仓库存储和零售商店的操作质量。农产品可追溯大数据系统通过农业信息化基础设施获取到农产品的产地信息、定期检测农产品质量和客户评价等，实时监控农产品生产和销售过程，实现农产品质量可控和农产品可追溯，完善供应链的各个环节。

3.4 市场需求预测

农户可以提前利用大数据平台收集的消费者需求报告进行市场分析，提前计划生产，从而降低农户风险，实现农业生产中供需的平衡，防止农产品过剩和供需短缺问题。如中山市特色农产品精准营销大数据体系，通过分析营销现状及存在问题，提出农产品精准营销实施策略，帮助对客户需求进行精准判断。云南农产品精准营销模式通过分析云南省农产品大数据，结合当地农产品和消费者特征，有利于准确获取市场需求。

3.5 农业产业链整合

通过使用农业大数据，可以实现生产和销售的整合，将农产品的处理、存储、运输和销售等环节转化为农业工业链，促进农业大数据技术在农林牧副渔等行业中的应用，刺激农业产业的整体需求。新型农业服务站结合了大数据平台和实体经济，对接农户和农资商，实现多种功能一体化，解决了传统农业产业链存在的一些问题，整合和重塑了农业产业链。

4 智慧农业中大数据应用问题与应对措施

4.1 网络基础服务设施不完善

网络基础设施是推进大数据农业进程的前提条件。只有具备良好的网络基础服务设施，才能将海量的农业数据及时有效地收集到处理中心，为大数据进行统计筛选和分析预测争取到足够的时间。但由于偏远农村地区经济落后、地质复杂、人口分散，网络基础设施建设困难，使得城乡网络设施的差距越来越大。因此需要认真做好通信网络发展规划，积极推进通信网络、广播电视网络和互联网的“三网融合”，优化升级现有网络，增强信息基础设施能力，满足社会信息化需求，提供优质通信服务。

4.2 大数据共享度低

大数据共享对于现代科学快速发展有很大的帮助。美国政府投入巨资建立了大型农业数据库共享平台，科研机构可以免费获取利用这些数据资源。然而，我国农业大数据的开发利用程度仍然非常低，不能实现数据共享。此外，由于小农意识和各部门之间的利益冲突严重，产生大范围信息孤岛，难以共享大量的农业数据资源。目前，许多省市都设立了大数据局，应充分利用这个政府平台更好地组织和收集数据，实现数据互联，建立数据加密，建立有效的数据追溯机制，防止数据泄露。

4.3 专业人才缺乏

近年来，我国大数据产业发展迅速，造成市场对于数据分析、数据挖掘、机器学习等专业人才的需求持续扩大。但因为目前还没有建立较为成熟的人才教育机构，所以导致大数据人才严重缺乏。随着大数据产业向其他产业领域的扩展，人才短缺限制了大数据的时效性，阻碍了大数据创新和发展。需要政府提供政策支持，企业技术与理念相结合，科研贡献技术力量，高校出口大数据人才，实现政、企、产、学、研的多层次合作，缩小大数据人才差距。

4.4 法律保障机制不健全

完善法律法规是实现大数据共享的重要条件，也为农业大数据共享提供了强有力的保障。国外对法律法规极其重视，1977年联邦德国就出台了数据保护的相关法律。我国数据保护相关的法律法规相对较少，数据信息保护和立法仅限于对个人隐私信息的保护。关于大数据共享和利用的法律规定较少且不明确，严重制约了我国农业大数据共享的发展。所以需要明确大数据法律保护的基本原则，尽快建立大数据法律保护的基本框架，限制所有参与者的非法行为，完善大数据市场，保持大数据技术应用的法制化、有序化和科学化，实现大数据系统的良性循环。

5 展 望

最近几年，大数据受到了农业市场的高度重视，数据挖掘与分析、行业化应用和垂直化应用等方面的关注度越来越高。为了增强智慧农业大数据的应用，实现我国由农业大国向农业强国的转型。

1.研究大数据信息挖掘的算法，更好的处理农业大数据，实现属性精确分类；

2.加强创新建设，将大数据与人工智能、5G、机器学习、农业互联网等前沿技术充分结合，实现大数据技术系统的多元化发展；

3.不断完善农业大数据平台构建，推进农业大数据市场化，设计应对农户、农企等不同人群的数据功能展现；

4.根据我国国情，制定各项相关制度和协同合作机制，规定农业大数据开放范围和开放数量，做好农业大数据的平衡工作；

5.政府和企业的协同协作，推进各项大数据技术和方案走向成熟，将大数据在智慧农业中的应用工作落实到位。