无人农场有“ 脑 ”农业

文/本刊特邀记者 李晨

在成都市新都现代农业科技创新示范园内，数百名专家聚在一块刚刚收割后的平整土地上，目不转睛地看着屏幕上的现场直播。这是一场智慧农业科技创新示范观摩会。

只见无人机起飞，屏幕上实时显示它的飞行轨迹。很快，无人机“看到”的地块信息实时传输到“智慧农业大脑”，果园大小、地形，果树数量、位置，树冠大小、长势，还有杂草分布，都在屏幕上逐一显示。

紧接着，“果园侦察兵”智能巡田机器人出动了，它能代替人类走进果园感受作物的细微变化。“侦察兵”获取的信息也被反馈给“大脑”。

“大脑”向果园中的“手脚”发出指令，水肥一体化灌溉系统按需智能化灌溉，喷药机器人在发现病虫害的地方停下喷药，除草机器人走过之后，什么杂草也没留下。

这套农业云操作系统，出自中国农业科学院农业资源与农业区划研究所（以下简称“资划所”）的智慧农业创新团队。团队首席科学家吴文斌说，它能助力农业生产“知天而作”。

“种子是农业的芯片，农田则是农业的母板。”在中国科学院院士周成虎看来，中国农业的智慧大脑正在形成。

中国工程院院士唐华俊指出，我国正处在传统农业向现代农业转型升级的关键阶段，也就是将要进入农业4.0阶段—智慧农业。

千里眼和顺风耳

作物气味传感器、浮空器、水稻信息获取低空遥感平台、智慧气象、北斗导航农机自动驾驶系统……有了这些，现代农人就有了“千里眼”和“顺风耳”，足不出户也能全面了解田间地头的情况。

要问“千里眼”“顺风耳”从何而来？如何“看”与“听”？这都要拜信息科技所赐。

在过去半个世纪里，没有哪一项技术能像信息科技那样深刻广泛地影响人类认知世界、改造世界和推动产业创新的能力。“智慧”一词体现着信息科技的成果，今天，这一科技力量已经深深浸润到农业领域，并形成了智慧农业这一新兴业态。

那么，智慧农业到底什么样？

“智慧农业是数字中国建设的重要内容。”唐华俊说，智慧农业就是更好地利用物联网大数据、云计算、智能控制等现代信息技术，在农业生产的各个环节实现精准化种植、互联网销售、智能化决策和社会化服务，实现全程智能化管理。

中国工程院院士、国家农业信息化工程技术研究中心主任赵春江认为，智慧农业的特征包括现代信息技术与农业的深度融合，有先进的生产工具（智能化设备），高质量、高效率、高效能，方便快捷与人性化，安全与风险自主可控。

“农业信息的获取进入‘天空地海网’动态立体时代。”周成虎说，亿级互联的地面传感网，获取了海量的农情数据；高低轨、光学与微波组合的综合对地系统，组成全球覆盖的农情观测天网。

农业遥感传统上服务于农作物生长状态监测、农作物种植面积监测与估算、农作物单产监测、灾害监测及损失评估、农作物产量估算、粮食供需平衡与安全预警等。随着物联网、云计算、大数据、深度学习等技术的不断进步，国际上已经开始将农业遥感技术应用于生态农业、订单农业、绿色农业的快速发展；我国也将农业遥感的服务范围扩展到承包地确权登记、耕地质量监测与保育，以及农业补贴支撑等方面。

“高空间分辨率影像为农田地块的精确测量提供了可能。”周成虎说，借助于现代航天航空技术，可以精确划定地块边界、精确监测播种面积，了解每一地块的内部细节。

这样的精准农业航空技术，被华南农业大学教授兰玉彬视作实现智慧农业的重要组成部分，是智慧农业的直接体现。

兰玉彬认为，“智慧农业”与现代生物技术、农艺技术等高新技术的融合，对我国赶超发达国家，建设世界水平农业具有重要意义。

在我国，发展智慧农业被列入“十三五”国民经济社会发展规划纲要中，近三年的中央一号文件都提到了大力发展数字农业，实施智慧农业工程。

在联合国粮农组织（FAO）原副总干事何昌垂看来，智慧农业恰逢其时。“从中国特色的社会主义发展阶段看，智慧农业是数字中国、智慧社会的重要基础；智慧农业融合了农耕社会、工业社会和信息社会的特质而成为第六产业，是中国农业与乡村振兴战略的推手。”他说。

“数字土壤”粉墨登场

无人喷药机器人可实现智能喷药

“以后的农民不再是体力劳动者，而是新农民。一个人管理整个农场的目标将会成为现实。生态无人农场是农业产业变革的第一步。该领域的全球化竞争刚刚开始。”兰玉彬说。

那么，无人农场或者说一个人的农场究竟如何实现呢？

首先，需要做数字农业系统，完成农业本底资源的数字化才能为智慧农业提供基础支撑。

“数字土壤”就是农业本底资源中最重要的一个部分。资划所牵头联合12家专业科研院所共同完成的中国高精度数字土壤已经粉墨登场。

“数字土壤”就是数字化的土壤，它利用地理信息系统、全球定位系统、遥感技术等现代信息技术方法，模拟和重现土壤类型、土壤养分等土壤性状的空间分布特征。高精度数字土壤能直观、精细展现土壤资源与质量状况，为农业、环境和科学研究提供重要信息。

从上世纪80年代开始，我国完成了一系列土壤调查和大比例尺土壤调查图件及资料。但限于当时技术手段，各地完成的纸质手绘图件份数稀少，一个县也就是两三份，经过40年的存放，纸质图件和资料状况不佳。对它们的抢救性收集刻不容缓。

然而，受到方法制约，要想把不同地区、时期的调查资料“变成”数字化的土壤资料，还面临一系列科学问题和技术困难，世界各国的相关进展都很缓慢。

该项目负责人张维理说，他们首创的土壤大数据方法的核心是，将数据科学、自动控制与人工智能设计原理引入土壤学研究领域，即人工智能和人机互动，土壤科学家以科学层面的设计来带动数据分析规则的设计，让机器学会规则后，代替人工去完成大数据的处理工作，人工智能技术大大加快了将纸质图像资料转化为数字资料的速度。

在此基础上建成的中国高精度数字土壤与五万分之一土壤图籍，是我国迄今最完整和精细的土壤资源与质量科学记载。其数据量达到TB级别，覆盖我国全域；精度达到100米，而网格尺寸100米的土壤质量数据可直接供农民进行农田管理；涵盖九大图层多要素，全面反映土壤质量；时间跨度达到40年，可反映土壤质量变化。

他们利用“数字土壤”研究发现，“与上世纪80年代相比，我国30厘米以内农田土壤有机质含量增加了9.18%。”这得益于我国农作物产量大幅增加，土壤中的根系残留物随之增加，土壤生产力上升。未来20～30年，随着秸秆还田、退耕还林等措施的持续推进，土壤有机物含量还会继续增加。

此外，高精度数字土壤还能提供多项土壤资源与质量理化性状，可用于耕地保护与农田管理、农田培肥与修复、农业保险、流转土地的价值评估、适种作物评价、食品安全管理、农田氮磷流失控制、土壤污染防治与修复、水土流失防治与减灾等方面。

张维理介绍，采取边建设、边应用方式，该项成果自2003年向各行业共享和开放以来，已被我国60余家专业科研机构应用于耕地质量演变、流域氮磷流失量估算、环境容量测算、温室气体减排、医药、水利、林业、测绘等方面的科学研究。全国31个省份的农业、环境、自然资源管理部门将其用于实施耕地保护与地力提升、面源污染防治、土地整治、测土配方施肥、基本农田建设等国家工程，取得了巨大社会效益和经济效益。

张维理说，未来会有更多、更好的土壤大数据技术和相关产品进入农业、环境多个行业与人们的社会生活中。例如，将高精度数字土壤加载到耕地机械、施肥机械和灌溉机械芯片中，可实现精确施肥、耕作与灌溉；利用土壤时空大数据，对重点农区和流域实现分区、分类、量化管理，能在减少农用化学品投入量的同时，增加作物产量，保障食品安全。

移动式农业大数据挖掘与服务平台

此外，基于“数字土壤”设计的互动施肥技术也是他们的目标。如何利用数字土壤开发过硬的技术和产品，让农民既可增产、增收，又能有效减少农用化学品投入量？该研究团队已有具体想法和技术储备。

农业研究“表型时代”需要中国声音

近年来，植物基因组学研究已取得巨大进展。在获得海量作物基因组信息之后，全球科学家面临着一个全新的挑战：如何高分辨、高效率地解析基因功能、植物表型及环境响应三者的相互作用机理，以及植物表型与产量、品质和抗性之间的关系。

其实，大数据、人工智能等信息技术除了助力农业生产，还可以在农业基础科学研究中大显身手。

“对植物的系统研究来说，表型组学研究占据决定性地位。表型是第一性的，基因型是第二性的。研究植物首先从表型开始。”中国工程院院士盖钧镒认为，农作物表型和基因研究的深度和广度，直接影响着种质资源利用效率和现代种业的可持续发展。

植物表型是指能够反映植物细胞、组织、器官、植株和群体结构及功能特征的物理、生理和生化性状。

盖钧镒解释道，传统上，作物表型，特别是涉及作物的产量，要等“长出来”才能“看见”；而作物的抗病性，要等发病了才知道；作物的抗虫性也需要在田里观察。于是，如何快速、准确地测定多种作物的表型，就成为新的科研问题。

“表型研究可以在基因型和表型之间架起一座桥梁。”南京农业大学副校长丁艳锋教授表示，随着机器人技术、人工智能技术、传感器技术、高通量成像技术的不断发展，表型研究实现了以前靠人工无法实现的事情。

例如，通过将图像分析与深度学习相结合，利用无人机拍照，可以对作物器官，如穗、花序、果实等，进行精确检测和计数。

如果靠人工，想要数清楚一万株高粱上面有多少穗，不仅要砍掉高粱，而且要耗费一周时间。但用无人机拍摄图片加深度学习AI分析，只需要10分钟，而且无须破坏高粱。

这样，不用等到成熟期，育种学家就可以提前预测作物产量，筛选出表现好的品种，从而大大缩短选育时间。

“表型组学研究将推动高通量、大数据、精准生物信息的生命科学时代到来，成为发展现代种业、智慧农业、智能装备的重要利器。我们要加大力量促进作物表型研究。”丁艳锋说，现在测定基因序列的能力很强，但是获取表型的能力还很弱。

产量、穗粒结构、抗病性、株型、抗倒指标、根部形态等育种目标性状，叶面积、干物质、氮含量、生育期、光合效率等生理特征……表型是生命体可以观测的一切性状和特征，是基因型和环境互作的结果。表型研究需要高速、准确地获取田间作物的大数据信息。

因此，表型组学的支撑学科包括数学、生物学、系统科学、统计学等，其应用范畴也包括诸多学科。丁艳锋认为，表型组是推动学科交叉融合、培育新型学科增长点的“利刃”。

国内外表型组学已经呈现出五大发展趋势：由科学家个人兴趣转向规模化的合作研究，表型检测手段由单一转向综合化、智能化，由单一尺度转向多尺度联合分析，由关键时间点转向全生命周期连续观测，由组内关联分析转向组间关联分析。

目前，美、英、法等主要发达国家都在积极布局，相继出台国家级研究计划。

盖钧镒认为，南京农业大学正在筹建的作物表型组学重大科技基础设施项目，将在全球范围内组建跨学科研究团队，引领农业植物科学发展，保障国家粮食安全。据介绍，目前南京农业大学作物表型组学研究重大科技基础设施建设项目已列入《国家重大科技基础设施建设“十三五”规划》后备项目。

“作物表型研究对全球粮食安全而言意义重大，它是育种的基础，能够帮助科学家准确培育出人们需要的新品种。只有加速推进作物表型研究，才能不断推出新品种用于生产。”盖钧镒说。