农业大数据的应用及发展建议

林 羽 刘斌琼 福建省农业科学院畜牧兽医研究所 福州 350013

从党中央提出“互联网+”行动计划以来，各行各业加速进入了数字经济时代，大数据已经成为生产力提升的新要素，为传统经济注入新的活力。纵向来看，大数据技术推动了产业的转型升级，成为经济结构优化和经济效率提升的催化剂，有效地沟通了设计、生产、流通、服务等各个环节；横向来看，大数据也推动了不同产业间的融合创新，催生了一批新产业、新模式，是国家创新驱动发展的有效补充。近年来，我国农业大数据的研究和应用发展取得了长足的进步，新技术和农业领域的相关科学研究进一步结合，开发出各种新应用并延伸到农业生产、销售的全过程，为企业的发展、政府的决策提供了新方法和新思路。

1 农业大数据的特点

农业大数据是农业信息化的重要组成部分，具有鲜明的行业特点。一是来源十分广泛，包括各类传感器、卫星遥感、WEB网站、无人机航拍等终端收集的数据，涵盖了生产加工，农产品的流通、消费、售后等各个环节；类型上更是有图像、视频、文字、音频等结构化和非结构化数据。二是采集的难度较大，不仅受到了自然环境的影响，而且数据涉及了生物生长、经济社会等方方面面，许多指标到现在还没有开发出合适的传感器。三是数据的处理较为复杂，农业是一个开放的巨型系统，复杂且领域众多，数据的类型、格式很难有一个统一标准。而且数据的维度众多，部分来源于互联网的数据存在着相对分散的现象，需要采用广度优先的方式或者是深度优先的方式对关联的数据进行识别和追踪，才能有效地对数据进行归类和整理。

2 农业大数据的应用

2.1 促进农业智能化发展 经过多年的建设，我国的农业大数据发展已经初具规模，国务院发布了《促进大数据发展行动纲要》，在贵阳建成了国内首个农业大数据交易中心，还开发了农业云，研制了数据挖掘分析系统等，汇集了农业综合统计、地理标志农产品管理业务等各类的统计信息，初步形成了数据聚合交换的良好应用生态圈。海量的数据已成为各类决策的基础和重要依据，由精准数据驱动的决策大幅度地提高了政府管理能力和企业的经营管理水平，逐步促进了农业粗放分散式发展向精准化和智能化转变。

2.2 建设智慧农业 可持续农业的发展离不开生产效率和资源利用率的提升，利用物联网的遥感监测技术和传感器的信息采集技术就可以对影响农作物生长和畜产品生产效能的关键信息实施采集，通过大数据分析就可以建立相应场景的模型以便对未来趋势做出预测，为生产管理者开出准确的科学处方。在畜牧业方面，传统的养殖模式过于粗犷，通常是十几头家畜放在一起喂养，吃多吃少全凭运气，导致同栏个体的差异能达到30%以上。现在结合视频识别系统，可以精确捕捉到每一头喂养的家畜，通过与生长曲线对照，可以个性化地定制喂养套餐，让所有的家畜都能获得均衡的营养，从而实现个体差异控制在10%以内的目标。在种植业方面，空间遥感可以对土壤的肥力、有机质、虫草害发生情况等进行测量，精准把握农作物的生长环境，与模型加以匹配后可得出近似最优解，再通过网络给各个终端下达指令，实现精准的灌水、施肥、通风，确保作物在最优的环境中生长，取得较好的经济效益。

2.3 建立安全追踪体系 食品安全一直以来都是社会关注的焦点，过去由于缺乏有效的技术手段，对出现的食品安全事件无法溯源，让一些不法商家有了生存空间，一定程度上影响了消费者对国产品牌的信任，逐渐促生了海外食品代购的潮流。现在通过农业大数据的应用，可以有效地建立食品安全溯源体系，对农产品的养殖、生产、流通、销售、餐饮加工等环节进行监管。当出现安全问题时监管部门可以通过相关数据信息快速定位影响产品安全的重要环节和要素，及时召回所有可能存在安全隐患的产品，并对事件的责任人进行有效处理，清除害群之马，搭建起农产品生产者与消费者之间的信任桥梁。

3 发展农业大数据的几点建议

大数据的研究和应用不仅仅是商业行为，更关乎国家农业经济发展，要积极借鉴农业大数据发展成熟国家的先进经验，并结合我国农业发展的现状和重点任务，构建好富有中国特色的大数据应用体系。一是要制定好发展的标准。农业涉及的领域比较广，需要多部门的通力合作，如果不能构建统一的标准，势必会造成数据“统”而不“通”。要关注数据全生命流程，在采集、储存、流通、共享、使用等环节编制好管理办法和标准，规范农业大数据的归集和应用管理，消除数据孤岛效应，为数据的开发共享奠定良好的基础[1-2]。二是要抓好人才的培养，除了加大从计算机学科向农业大数据端的人才输送力度外，也要做好农业端原有人才实践平台的搭建，培养应用型人才。同时还要加强经济学等社会学人才的引进，增强农业经济的分析和管理，充分挖掘隐藏在数据背后的价值，最重要的还需促进企业与高校科研院所的合作，培养农业大数据的综合性人才。三是加强数据智能分析技术。近年来，新型农业传感器的研发取得了长足进步，具备了精度高、反映速度快、尺寸小、功耗低等诸多特点，采集的农业数据更加广泛和细化，导入与预处理的数据通常会达到百兆甚至千兆级别。要不断加大数据分析和数据挖掘技术的研究，从而起到预测结果、总结规律的效果，促进农业生产向精准化、智能化方向发展[3]。