设施农业全产业链大数据应用现状及建议

陈玉林 唐静

关键词：设施农业;全产业链;大数据;建议

1 昆山高新区设施农业产业链大数据发展现状

我国设施农业产业链大数据的建立和应用在近30年取得了巨大的成就，极大地推动了我国农业的发展。昆山市自2017年成立农业信息中心以来，不断加快农业信息化建设，在农业生产服务、农产品质量安全监管、农业地理信息等领域成效明显。重点建成了昆山智慧农业农村管理系统、农产品质量安全管理系统、农业农村地理资源“一张图”等一系列服务型信息系统，实现了共性数据和个性数据的共享互通、农业农村服务快速高效、农业地理资源及农业农村资源科学利用、农业农村生产经营智能管理。

1.1 設施农业信息化管理方式还需提升

我国农业信息技术已成功建起了一批农业综合数据库和各类应用系统。近年来，昆山紧紧围绕“数字化、智能化、云计算”总体建设要求，以重大项目实施为契机，加快农业农村信息化建设步伐，在农业农村信息化建设方面做了大量工作，多领域取得了工作成效。总体来说，在设施农业产业链大数据管理应用方面还在初级阶段。主要要实现生产者、经营者和管理者精准服务，实现农民科学种田、科学经营。还需要通过新手段对农作物的选种、灌溉和施肥等不同管理环节进行优化，以大数据大计算辅助农民科学调整生产结构;需要对农作物病虫害、产量丰欠、市场行情等进行预测预报，降低生产经营风险;需要对农业生产、运输、初加工、配送等环节实现智能化、轻省化，提升生产经营效益[1]。

1.2 生产经营主体信息化技术的应用不高

信息化技术应用于设施农业已较为成熟，昆山市主要蔬菜、渔业、稻米基地信息技术和大数据应用率逐年提升，收集和汇总出了多种作物的生长及环境参数指标。由于大量系统采集的暂存数据未能及时有效处理，达到对实际生产形成指导还有一定的差距。现有信息化管理系统平台中，系统管理主要体现在形式管理或面上供桌。比如环境调控系统能完成各参数的完整采集和实时监测，而对数据进行整理、分析，形成理论化数据再次应用指导生产还欠缺，还需要进一步扩展该项目功能。大部分功能均是靠经验、人工手动操作实现，系统故障时有发生，稳定性不强。操作系统且对生产人员以及适用对象的计算机水平要求较高，造成信息化技术更多用于生产示范。如何从信息化管理向信息化应用转变成为未来几年设施农业发展的重要突破瓶颈。

1.3 设施农业的专家模型有待加快建立

建立产业大数据、实施全产业链数据连通，构建农业专家模型是实现行业管理智能化、生产管理精准化、产品销售定制化的重要基础，是实施“机器换人”，解决“谁来种田”、延长产业链的重要方法。采用信息手段实现设施农业的智能监测、远程控制和智能化管理是发展趋势。目前我市还处于信息平台应用的初级阶段，各类平台应用和生产者需求还存在差距，当前利用农业大数据成果形成经验进行智能化管理的局限还比较明显[2]。设施管理系统也缺少针对性操控策略，缺少行业专家专业性决策支持。如何通过大数据分析结果，来辅助农业管理者编制农业规划和生产计划，实现生产经营效益的最大化是重点研究方向。尤其需要对生产面积大、生产规律性较强的作物品种有针对性地建立肥水、光照、湿度、病虫害和成熟度等生长模型。

2 国内外设施农业大数据应用情况及经验总结

2.1 国外设施农业大数据发展情况

在大数据应用方面，美国、荷兰、以色列等国外农业发达国家起步较早，在设施农业和大田生产方面均有一套成熟的全产业链管理模式，并因此建成行业的专家系统应用于产业链各个环节。美国在20世纪70年代就开始利用大数据研究农业专家决策系统，最初用于农作物的病虫害诊断。1986年美国农业部和全美棉花委员会研制出的棉花专家系统，给美国的棉花生产带来了巨大的经济效益。1996年以色列开发了用于花卉管理的专家系统。之后，日本、荷兰和以色列均开发了番茄、辣椒等作物栽培肥水管理专家系统、病虫害诊断专家系统等专家咨询系统。尤其在机械化和自动化方面已熟化应用，以大数据为支撑的系统，可有效调节设施内温、光、水、气、肥等环境因素，为作物提供最佳环境。迄今为止，全世界已经建立了近百个大数据农业专家系统，并被应用到生产实践中。如美国精准农业应用领域，基于大数据进行决策，通过数据的感知、传输和处理，分析各类农业数据规律，促进资源的高效利用、降低农业损耗、提升农业经济收入;并且通过第三方数据共享，以众包的方式进入社会生产，形成覆盖范围更广、实用性更强的数据应用服务，并在此基础上，将各类农业资源、生态环境、生产管理及市场信息等数据进行整合，实现大数据更为高级的管理功能[3]。

2.2 国内设施农业大数据发展情况

我国关于农业大数据建立和应用方面的研究起步较晚但发展较快，20世纪90年代，中国对农业数据库的建设已见成效，在水稻、小麦、棉花、玉米、水产等领域都有运用，也加速了农业向更精准、更智能方向发展。设施农业领域农业大数据在近些年得到快速发展，应用的领域和地区更加广泛。国内一些智慧农场，通过引进或集成国外专家栽培管理系统，部分通过大数据收集、整理和分析，建立了适应各地气候、品种和产业的管理模式。如天津市农科院针对设施蔬菜种植由传统粗放向数字化智能种植方式转变，构建了天津市设施蔬菜物联网管理系统。系统由感知层、传输层、数据存储层和应用层组成。对系统数据库结构、专家系统、物联网系统进行合理设计，实现蔬菜设施种植过程中各个生育时期专业参数的自动分析和调控。同步建立了专家决策系统，并能在此基础上二次开发，结合专家经验逐步丰富数据层，根据不同作物种类设置相应的参数，建立适用于不同品种的专家决策系统，使大数据运算在生产环节发挥更大的作用。此外，国内的如北京中粮智慧农场、长春农博园、陕西铜川草莓星球等园区针对番茄、黄瓜、草莓、辣椒等品种建立了生长模型，以数据为指导进行精准管理，都是成熟运用大数据进行管理的典型经验。

3 设施农业领域全产业大数据应用的建议

3.1 逐步完善智慧农业农村大数据平台

推动农业农村数据、资源有机整合，构建全市农业农村信息化管理“一张网”，将数据通道基本打通。目前昆山市在设施农业信息化监管系统方面积累了大量的数据、但各类系统普遍存在不兼容、数据不完整、信息分散、管理脱节、应用性不高等不可避免的现实问题，尤其在生产、加工和销售等环节的数据整合和利用也未能达成。通过研发平台标准体系，统一规范全市各级、各类农业农村信息化平台，推动数据共享、系统对接，打破数据孤岛、系统孤岛，实现农业农村数据互联互通、资源共建共享。重点在应用领域，解决设施生产环节数据链接，满足不同园艺作物、不同企业的运行需求，全市需要搭建一个通用的、基于大数据的、监管一体的智能管理应用平台。系统开发人员可以利用这个平台开发适合不同作物的生产管理系统和企业管理系统，面向产业链各个环节的特点研究开发，满足生产、仓储、物流和销售等领域使用，更有针对性、有效性和实用性。不仅可以实现数据的统一管理，为更多产品、管理提供数字化管理经验，丰富专家决策层数据，而且能降低开发和运行成本，还能更好地支持二次开发与研究，提高管理效率。更为实现农业生产种植、经营的跨越式发展提供了可能。

3.2 研討农业专家决策系统的开发标准

农业专家决策系统是具备大量农业专门知识与经验的计算机系统，将人工智能技术应用于农业领域，依据专家体统的专业领域知识和经验进行推理和判断，模拟农业专家就某项复杂农业问题进行决策，是智慧农业的重要组成部分[4]。随着信息技术发展越来越迅速，应用越来越广泛，对传统农业的数据采集也更丰富，农业专家系统也在不断地改进优化。同时，还将物联网、人工智能、云计算等应用于农业专家系统，来提升生产管理系统决策的准确性、规范性和实用性。同步需要构建农业数据指标、样本标准、采集方法、分析模型和发布指令等标准系统。这种精准农业的实现，系统开发人员只需要将本领域和本系统的知识经调试和研究后装入系统，形成知识数据库，使用者和操作者无需懂得计算机知识，甚至不需要懂专业生产，也能依托系统进行精准管理。表现为控制系统在实时监测温度、湿度、光照度、肥水量、病虫害发生等环境条件的同时，实时传感数据并存储，通过专家分析系统，对生产过程产生的问题进行定性诊断和定量分析，能够实现对作物的科学决策，更利于作物产量和品质的提升。

3.3 加大在农业产业链发展方面的运用

以大数据为依托的智慧农业不仅可以在农业生产阶段提供精准控制和智能管理，而且通过设施农业种植智能化管理系统、农产品质量安全追溯系统和产供销一体化实时销售终端等大数据平台，更实现在农业产业链上的供应规模化、投入精准化、生产机械化、管理信息化、产品标准化和销售可溯化。通过农业大数据管理实现对传统农业产业链实现全面升级。农业全产业链发展模式，贯通农产品价值链各环节，形成有效组织管理以及“研、产、销”一体化农业经营模式，击破了现阶段农业转型升级的痛点，减少农业经营风险。以“物联网+农业”监测传感系统获得大量农情、农事、物流和销售等数据，通过云计算和大数据技术对采集的数据信息进行分析，将有效数据关联整合、时空分析并智能决策，及时发现问题并自主迅速解决，以最小投入获得最大收益和最小环境危害。在大数据应用建设上，建议以农业产业园、农业龙头企业为引领，加快研发一批“操作简单、性能稳定、维护方便”基于精准管理的技术产品，推进设施农业向低成本、低能耗、高产出方向发展。

3.4 做好重点农业园区示范引领

根据农业园区整体规划，把农业智能化建设纳入整体规划之中。优化设计和功能架构，将数据作为重要的基础性资源，应用服务逐步展开。依托智慧农业农村大数据平台，加强数据采集和智能装备控制，完善农业农村数字“大脑”。比如，打通全市10个主要农业园区运用信息化管理信息系统，实现生产环节远程监控、环境实时监控、饵料精准投喂、病害监测预警等数字技术装备应用。在此基础上，通过大数据的支撑，高效运用信息传递技术实现生产环节的智能化管理和精准生产，达到市场需求端信息和农产品生产端信息的及时反馈，促进实现产业链动态产销良性循环。通过多渠道销售网络提升企业的品牌效应，最大限度地提高产业链的整体价值和市场竞争力，促进各主体之间的协同发展，带动各环节各主体走向全产业链新型农业道路。

3.5 加强专业人才培训和储备

农业全产业链大数据应用需要产业综合全面发展。在生产技术、专家系统和设施设备不断提升和完善的基础上，对领域人才也提出了更高的要求。现有农业企业生产者缺乏掌握基于物联网管理技术、农业技术等复合应用的专业人才。人才作为生产经营主体发展的关键要素之一，必须紧跟时代要求和农业发展步伐，努力改革创新、塑造新格局、促进新发展。一方面优化人才队伍结构。根据产业分工做好人才专项培养。梳理人才知识层次、技术职称、工作专长等，做到术业有专攻、经验能传承。另一方面加快人才引进培育力度。制定合理扶持政策，做好定向培育工作，让更多优秀人才能够留在农业农村发挥作强、文化层次高、业务能力精、工作热情高的农业技术推广人才队伍，打造一批适应现代农业发展的新型经营主体。努力在设施农业大数据全产业链应用工作方面争做示范、争当表率。

4 结论

综上所述，研究与开发农业全产业链大数据，是实施农业精准管理的重要组成，也是实施农业智能化管理的重要基础。实际生产应用上要掌握农业全产业链技术标准和生产经验，形成理论数据支撑，综合利用物联网技术、人工智能、云计算等促进发挥产业链各环节的巨大潜力，为设施种植产业的可持续发展提供科技支撑，从而为农业生产创造更大的经济价值以及发展空间，也为实现农业现代化和乡村产业振兴提供助力。

参考文献

[1] 刘波，郭鸿恩，李志鹏.农业专家决策系统及发展趋势研究[J].农业科技通讯，2018（5）：10-11.

[2] 王丽.智慧农业背景下农业全产业链发展路径探索[J].农业经济，2018（4）：6-8.

[3] 张宇泉，曹正伟，锡林图雅.美国精准农业技术推广经验及对我国启示[J].上海农业学报，2020，36（3）：119-125.

[4] 吴玺，谭宏，夏建国，等试论我国农业专家系统的应用及发展[J].计算机与农业，2000（8）：1-4.