数字经济视角下智慧农业关键核心技术突破路径

□ 陈一飞 田见晖 赵要凤 张树川

发展数字经济已经成为不可阻挡的世界潮流。2021 年10 月18 日，中共中央政治局就推动我国数字经济健康发展进行第三十四次集体学习。中共中央总书记习近平在主持学习时强调，互联网、大数据、云计算、人工智能、区块链等技术加速创新，日益融入经济社会发展各领域全过程，数字经济发展速度之快、辐射范围之广、影响程度之深前所未有，正在成为重组全球要素资源、重塑全球经济结构、改变全球竞争格局的关键力量。要站在统筹中华民族伟大复兴战略全局和世界百年未有之大变局的高度，统筹国内国际两个大局、发展安全两件大事，充分发挥海量数据和丰富应用场景优势，促进数字技术与实体经济深度融合，赋能传统产业转型升级，催生新产业新业态新模式，不断做强做优做大我国数字经济。习近平同时指出，要推动数字经济和实体经济融合发展，把握数字化、网络化、智能化方向，推动制造业、服务业、农业等产业数字化，利用互联网新技术对传统产业进行全方位、全链条的改造，提高全要素生产率，发挥数字技术对经济发展的放大、叠加、倍增作用。

数字经济视角下的农业数字化，也就是在农业大系统或农业全产业链中全面推广数字技术应用的体现，而发展智慧农业在农业数字化系统中占有举足轻重的地位。

在我国，针对农业现代化先后提出众多以科技冠名的概念，如20 世纪80 年代的电脑农业、精准农业，到20 世纪90 年代的智慧农业、智能农业、网络农业、数字农业，再到面向未来农业4.0技术的无人农业等，层出不穷。但不可否认，在我国农业现代化发展进程中，它们或多或少都体现了应有的价值，也取得了一定的应用效果。数字经济视角下，笔者认为以上这些概念都可以归为农业数字化系统范畴。

一、相关概念辨析

在本文的开篇有必要先对几个名称背后的基本概念、内涵进行探究和厘清。

（一）数字农业≠农业数字化

世界范围内，农业经济体和社会经济体是相互关联的，农业是国民经济的基础，农业经济体为社会经济体提供食物、原材料、劳动力等，而社会经济体为农业经济体提供生产资料、科技、财政等[1]，这是一种相互耦合关系。但就农业的发展来说，一般总是滞后于社会经济的发展，每一次科技浪潮的到来都是在社会经济体的成熟应用后，再传导到农业经济体，因此农业现代化发展最终离不开科技的支撑，也离不开社会经济体系对农业经济体系的反哺。

数字经济视角下，农业经济应该如何与数字经济结合，其实是一个水到渠成的结果，这种结合体现在社会经济体对农业经济体的反哺，即对农业全产业链中某些环节进行数字化改造和数字技术应用推广。一句话，自有了计算机技术在农业系统中的应用开始，其实也就引发了数字化农业技术的应用，但数字农业和农业数字化不是一回事。

数字农业一词是1997 年由美国科学院、工程院的院士们正式提出的，核心内容是将信息作为农业生产要素，用现代信息技术，如遥感、地理信息、全球定位、计算机、通讯及网络、传感、仿真等技术对农业对象、环境和全过程进行可视化表达、数字化设计、信息化管理的现代农业。数字农业使信息技术与农业各个环节实现有效融合，来改造传统农业的种植、养殖生产及管理方式。因此，数字农业更加侧重用成熟的数字和信息技术对农业本体的描述与分析，也即在农业产业链中的某些环节，如农业系统运行的数字化模拟、分子育种的虚拟数字化仿真、种植养殖中的图像分析与诊断、农业种植中的空、天、地信息融合与预测、农业专家决策系统等。一句话，数字农业可以解释为农业某些环节的数字化表达。

而农业数字化是基于农业的本质属性，针对农业全产业链中甚至农业经济体中可以进行数字化改造或数字化技术赋能的泛指。农业体系包括农业生物、农业环境和人类的干预作用等，是一个客观存在的复杂系统，农业生产的本质属性是以动、植物为对象的包括产前、产中、产后三个环节在内的动态系统，而动植物的生长繁育是有其自身规律和对环境及能量需求互作的连续过程，即存在内在的生理生化活动。因此，从农业系统的本质角度看，有些环节或者规律是不能简单用数字化做本质描述或引用简单的数字技术的。从科技赋能角度看，农业的数字化应该是泛指超越动植物生长的本质生理、生化活动以外的对动植物从生长到收获、加工等环节可以施加“人为管控”的数字技术层面。以动植物养殖和种植来看，与工业化系统不同的是，农业系统中动植物不是直接被“管控”的对象，而是各种养殖、种植技术施加后的间接的“受益”对象。故而农业的数字化应该描述成农业系统的不完全型的对动植物生长“环境”和“条件”施加管控技术的数字化表达及应用。因此，严格意义上讲，农业数字化技术不是农业的数字化表达。

总之，笔者认为，数字农业应该是指数字化背景下、用数字来表达的农业，包括把农业做成虚拟化农业来研究的仿真技术，而农业数字化则是泛指对传统农业系统施加的各种技术（包括管理技术）的数字化描述及对应的数字技术改造和应用进程。因此，农业数字化应该是我国目前乃至长远的农业现代化发展目标。农业数字化系统可以包含很多内容，笔者认为农业数字化范畴中最具代表性的是智慧农业和智能农业。因此，应当对在我国大力发展智慧农业和智能农业给予足够的重视。

（二）智慧农业和智能农业侧重点不同

智慧农业（Smart Agriculture）侧重体现在农业系统中对农业大数据加工、分析、仿真等研究，进而生成对农业知识的理解和生成决策判断及对信息的管理，是以基于信息化技术的农业管理系统是否更加“聪慧”来描述的。其技术体现在：以信息、知识为核心，充分利用计算机、大数据、物联网、云计算等技术，侧重在农业全产业链中的大数据分析、识别诊断、数据利用与决策等方面的应用及研究。故而智慧农业研究及应用归属农业信息化层面[2]。

智能农业（Intelligent Agriculture）侧重体现在获取有效的农业信息和装备（系统）及网络支持下，使得农业生产系统不仅“聪明”而且有实现最优产出的能动力，以是否带来“产能”来判别。其技术体现在：为达到“产能”目标，以装备（传感器、机器人）及自动控制为核心，辅以农业模型技术，在智能控制技术、智能感知技术、网络技术、数据处理等技术支撑下侧重在农业全产业链中实现“自主无人化”管控和高效生产等方面的技术集成应用及研究[3]，故而智能农业研究及应用归属面向生产现场级的农业感知、智能装备及各类自动控制系统应用层面。

智慧农业与智能农业的关系，犹如人体的大脑和四肢的关系，所以是相互交融的集成关系，如图1 所示。作为面向生产层应用的智能农业技术其实更加重要和关键。因此，在农业现代化发展过程中，随着农业数学化进程的深入推进，智能农业技术的发展最终支撑着智慧农业的实现，也即智慧农业的建设需要智能的信息采集、智能的信息传输、智能的信息处理、智能的信息服务及智能的设施装备与调控来支撑。所以，在发展过程中，二者的并行推进将是实现未来“无人农业”的保障。

图1 智慧农业与智能农业关系结构示意图

二、我国发展智慧农业的关键核心技术分析

基于上述阐述，笔者认为智慧农业不仅仅是一个概念、一个发展目标，还应该是一个系统工程。数字经济视角下，智慧农业的发展应该是在农业全产业链中有效地推广数字技术应用。由于农业系统是一个复杂系统，因此在数字技术对农业的反哺应用中绝不是在农业系统中几个环节做孤立的数字化改造或数字化技术应用那么简单，而应该是一个系统工程，即用系统的理论和方法首先研究农业系统，进而指导、实施数字技术应用及工作推进，除此之外，还要从顶层高度推进智慧农业+智能农业的全覆盖。

图2 所示为在由产前、产中、产后环节组成的农业生产系统中，数字技术的应用及支撑可以看成是与农业生产系统平行的子系统，而这个子系统不是孤立存在的，一定是基于农业生产各个环节需求的、与农业融合、有目的实施的系统化的应用。具体要求是，既注重局部，又要关注局部之间的协调，以获得整体最优为目标的技术的系统性应用。因此，两个系统有效融合才可以为真正实现智慧农业提供保障。

图2 数字技术系统与农业生产系统的关系示意图

基于系统观和大系统控制论[4]，笔者梳理了数字经济视角下发展智慧农业的两个关键核心问题。

（一）农业模型及技术

如何将数字技术有效地应用到农业系统中并使数字技术发挥最大作用，进而使农业系统实现提质增效、节能减排、环境友好、可持续发展的效果，其实就要认识和理解农业系统，并在理论层面来研究农业系统内在机理和耦合作用。理论层面上，如果把农业系统看成被调控的“对象”，那么毫无疑问，就一定要对农业系统做建模研究[5][6]。故此，农业模型是理论研究的一个基本的关键核心问题，也是各种数字技术系统应用、瞄准以农业系统实现最优运行为目标的方法及支持技术。

图3 展示了农业模型所处的位置。从大系统角度看，要农业系统高效产出并对农业系统“附加”合理要求（约束）下，在实际应用层面其实就是要构造面向农业的管控系统，并要求这个系统按照既定目标来有效运行。如何实现有效运行？就是要开展对农业系统的认知研究和有效的调控研究，在理论层面就是要做“被控对象”建模和“控制方法”建模研究。有了建模研究后，才能很好地对整个农业管控系统开展理论研究，进而以理论指导实践。

图3 农业管控系统架构及农业模型位置

农业模型又分很多种。其中主要分为三大类：一类是动植物生理生化的分子（基因）层面的模型，如各种表型模型、繁育及遗传模型、代谢模型、疾病模型等。第二类是动植物与环境互做的模型，如植物生长模型、环境胁迫模型、温室微气候模型、动物饲喂模型、发育及抗逆模型等。第三类模型就是围绕农业系统的宏观模型，如产量预测模型、气候预测模型、农田碳收支模型、土壤侵蚀预报模型等。而农业模型的表达有数学公式、关系型数据库、知识表达、图谱及解释语言等形式[7][8][9][10][11]。

以种植领域中的植物模型为例，其模型的构建就是瞄准两个方向来研究植物生长：一是在给定的环境（泛指动植物生长的物理空间环境和营养、饲喂等微观环境）因子条件下，研究植物如何生长，即关注植物生理生化方面的研究，或称植物表型表达的研究，此模型简称为植物机理模型；二是研究在不同环境因子和能耗条件下，植物生长过程是否对最大产量（干物质输出）有影响，即以经济效益为目标的植物生长模型。以上的研究都是植物与环境互作的研究，但模型构建不用，研究目标和方法也不同。对植物机理模型的研究可以为探究植物生理生化变化及为育种改良等提供理论支撑；而对不同植物的生长模型的理论研究，其意义在于构建及研究出可以应用于管控系统的“植物生长感知模型”和“管控模型”。这个感知模型的运行结果就是用植物生长过程中对环境需求的数字化表达，以此替代人工种植经验，为生产管控系统提供管控反馈信息，故植物生长感知模型是实现自动化精准种植、无人化种植的关键核心技术。20 世纪60 年代，美国、荷兰、以色列等国就已经开展这方面的理论研究和实践，有较为坚实的基础，取得很多理论成果以及非常好的实践应用效果。以建造超级温室生产系统（一般指投影面积大于3 万平米以上的半封闭玻璃联栋温室，也称工厂化蔬菜生产系统）为例，全部的硬件及材料，如温室建造结构和材料、温室内设施设备，如通风、补光、保温、水肥滴灌、CO2补充、植保设备等，我国都已经国产化，但是嵌入温室生产管控系统电脑中的植物生长感知模型及管控模型，国外厂商是不会轻易提供的，这也成为一个“卡脖子”技术。如果说种子是农业的“芯片”，那么植物生长模型就是农业种植系统的“芯片”。图4 展示了植物生长感知模型和管控模型在温室生产管控系统中的地位，由此可看出其作用的重要性。

植物生长模型以及感知模型、管控模型的数字化表达就是模型技术。但在数字化表达的研究过程中，基于植物生长模型，通过大量数据分析和反复实验，找到植物生长与关键环境因子耦合模式和植物关键表型特征，进而既为检测手段和技术提供依据，又解析出可以作为反馈的植物生长需求量，这些内容则是模型技术的关键核心。至于模型是关系型数据库的表达形式还是数学公式的表达形式等，在计算机中用数字技术都容易实现。

（二）动植物感知技术

农业生产系统是以动植物为对象的包含生命本质的生理生化过程的动态系统。因此，要有效地管控农业生产系统，就必须知道动植物的“需求”和动植物在这个动态过程中的“表现”，故对动植物生长状态的感知是又一个关键问题。除此之外，从动植物遗传育种角度看，对相关表型参量的在线检测及获取各种生理生化数据也是非常重要的技术环节。

那么，动植物的哪些生长状态需要感知呢？这里可分两方面看：一是为动植物遗传育种分析生理生化服务的动植物相关状态的感知，另一个是为管控动植物有效生长服务的动植物相关状态的感知（包括动植物“情感”的感知）。特别是后一种，在实际生产应用中，对有关动植物生长的所有状态都应该感知到，这样才能有助于对动植物健康生长的全面管控。

感知是属于理论及方法研究层面的，而检测则是技术实现层面的。在对动植物生长状态感知研究时，一般是根据感知的需求反向拆分出对核心表型参量的检测。检测到的信息一般先输入到动植物感知模型中，然后通过感知模型的运算，解析出动植物生长成什么程度以及发生了什么状况的相关量，进而提供给管控系统的“大脑”，为进一步改善（校正）调控策略提供参考依据，这个过程可以从图4 看出。因此，对动植物的生长状态感知要做建模研究，即找出与感知状态需求最密切相关的参量来，进而研究这些相关参量的检测手段和技术实现。但是，动植物的生长状态往往跟许多表型参量相互关联，即存在非线性的耦合机理。如何解耦和归一化，进而找出几个核心代表的表型参量，则是一个核心问题，这一解释见图5 所示。

图4 温室生产管控系统中植物生长感知模型的地位及作用示意图

图5 感知的建模研究及实现过程示意图

在核心代表的表型参量中，有的参量是无法直接依靠检测手段在线实时获取的，如动物的血液、体液参量、背膘厚度、排泄参量等，植物的营养参量、根系参量、叶面孔隙参量等。目前常用的办法是基于图像识别来得到几个表观特征，如动物体尺、外观、植物的叶面积、纹理和色彩等有关信息，进而利用人工智能算法（如机器学习、深度学习等）近似解析出动植物的生长状态、行为状态和营养状态等。显然，这些信息反馈时是不“真实”的，因此单纯依靠这种方法还无法实现真正意义上的动植物生长的精准管控，也无法真正实现高效、高质的产出。所以，突破单纯依靠图像采集与处理的检测方式，开发能够实时在线、无伤害、有效的动植物生长关键参量接触式（植入式）芯片和检测技术以及高效的信息融合技术（算法），则是摆在广大科研工作者面前要攻关的关键核心技术。

三、智慧农业关键核心技术破解之策

综上所述，无论是农业模型还是动植物感知与检测技术，这两个关键问题是实现智慧农业必须要考虑和研究的内容。在植物生长模型及动植物感知与检测的核心算法（包括仿真研究的算法）与芯片研发方面，国外对我国形成了“卡脖子”态势。笔者尝试提出以下对策建议：

一是将智慧农业拓展为一个开放的大系统，鼓励开展针对智慧农业体系的理论研究，包括梳理和开展基于复杂大系统理论的系统架构顶层设计、优化目标下的农业系统模型及调控理论和方法支撑的研究。这其实关乎系统动力学研究、农业经济研究、生态学研究、生物与环境互作研究、国民经济运行研究等交叉的复杂综合体系研究。早在20 世纪80 年代，以钱学森先生为代表的我国科学家就已经开展了面向开放的复杂巨系统的理论研究[10]，所以，我国应该在这方面有所建树，并有可能在智慧农业这一领域有重大理论突破，形成国际领跑态势。在数字经济背景下，研究结果的表达和应用要瞄准数字技术应用特点，并符合我国乡村振兴及农业现代化发展的要求。

二是建立跨学科的智慧农业国家战略团队和国家工程中心，并按照理论和技术两个方向，发挥国家队实力和优势，开展并行的探究、研发、技术推广与落地。其中要鼓励和联合社会科研力量向农业领域倾斜，联合攻克关键核心技术，在各种农业模型构建与建模方法研究[11]、动植物感知方法及动植物生理生化检测核心芯片、农用特种传感器、农业网络等方面提出中国方案和标准，强化“中国本土基因”。聚焦智慧农业战略前沿和制高点，立足智慧农业重大技术突破和发展需求，在智慧农业技术领域实现从跟跑到领跑。

三是建立国家级“智慧农业×数字乡村”综合技术落地示范区，开展智慧农业的系统化示范。在数字经济背景下，深挖智慧农业系统性潜力的应用推广及技术培训工作，而不只是孤立地开展几个技术集成的应用和常规的信息数字化展示。坚决摒弃“2G 模式”的重数字化展示而忽略“内核+实效”的做法，要以最终农业生产系统的“固碳、减排、稳粮、增收”最优输出为目标，开展对智慧农业的标准化研究、制定和建设。对这个系统的关键指标，如有效产量、生产资料供给量、能耗、减排和固碳量、土地产出效率、劳动生产效率、生态友好评价、数字技术支撑度、农业科技进步贡献率评定等可量化的指标开展研究、设计和评价。探索同一清单评价体系和推广新模式，全面推进数字化视角下智慧农业技术在农村一二三产业融合发展中的支持作用和规模化应用，进而依靠智慧农业技术为增强农业产业链关键环节的竞争力、促进农业作为国民经济供应链体系的高质量发展提供支撑。

四是瞄准攻克智慧农业“卡脖子”难题，统筹规划国家战略型农业大学和农业职业院校的人才差异化建设，强化我国智慧农业人才的阶梯化培养，在智慧农业理论及技术集成应用两个层面，开展跨学科交叉培养，建立中国特色的智慧农业人才培养模式。此外，要引导非涉农院校的相关专业开设针对农业关键核心技术的课程，拓展大学生的跨学科研究视野，鼓励大学生参加涉农领域的创新创业竞赛，激发大学生投身智慧农业和乡村振兴的兴趣和动力，为培养我国智慧农业高端人才提供源头活水。

四、结语

智慧农业是我国数字经济与农业经济融合发展的一个重要方向，要按照系统设计、顶层构建整体推进，既包括关键核心技术的自立自强，更要重视理论层面的研究和创新。没有系统化理论的支撑，技术推广是不可持续的，特别是没有系统研究农业经济的模型支撑，则难以找到农业经济系统的最优目标以及需要优化的多目标，对农业系统的调控及各种技术的应用来讲，将会是盲目的、孤立的微小层面的应用，而不会实现系统性的整体最优效果。各类农业模型的研究是理论研究的关键和基础，对技术应用有很强的指导意义，是实现智慧农业的方法支撑。在实践过程中，各种农业数据的采集特别是动植物生长的数据感知及检测技术则是技术层面的关键。没有这个关键技术的支持，农业模型和管控系统也无法很好地应用与运行，所以二者是相辅相成的关系，也是数字经济下发展智慧农业的两大基石。目前，国家已经在这方面加大了技术投入，模式动物表型与遗传重大科学基础设施的建设，将为动物模型构建、动物遗传育种等基础研究提供重大保障，因此，我们有理由坚信中国的智慧农业将会实现跨越式发展。