大田种植园区数字化平台初探与设计

刘德余 仲宝才 郭茗月 夏磊 张翀 唐梁尧

基金项目：四川省社会科学重点研究基地——系统科学与企业发展研究中心（Xq23C02）；四川省哲学社会科学重点研究基地——川菜发展研究中心（CC23W31）

第一作者简介：刘德余（1994-），男，硕士，助教。研究方向为数字农业、大数据。

*通信作者：仲宝才（1983-），男，硕士，副教授。研究方向为移动互联网、数字信息化。

摘  要：大田种植园区是实现乡村振兴的路径之一，但因其种植规模大，存在需大量劳动力完成园区管理、农事活动、资源滥用等问题。在农业现代化建设进程中，现代化信息技术正逐步应用于农业生产中。因此，该文根据大田种植园区实际发展需求将物联网、5G、大数据和遥感等数字化技术与大田种植园区管理需求、农业生产全流程深度融合，以园区数字化，数字赋能服务于园区为理念，以数据为中心，构建大田种植园区数字平台。同时，通过建设数据采集系统、园区数字大脑系统、园区一张图系统、农情监测系统和智能决策系统五大业务系统，实现数据采集、传输、汇聚、治理、存储和应用；在线远程查看园区情况及农作物生长状况；精准化、智能化进行农事活动。通过该平台的建设与应用，将盘活园区资源，进一步激发生产活力，助力农业数字化转型升级。

关键词：农业现代化；大田种植园区；数字化技术；数字平台；农业数字化

中图分类号：TP399      文献标志码：A          文章编号：2096-9902（2024）01-0001-05

Abstract： The large-scale agricultural plantation area is one of the paths to achieve rural revitalization. However， due to its size， it requires a significant amount of labor for plantation management and agricultural activities， leading to issues such as resource misuse. In the process of modernizing agriculture， modern information technology is gradually being applied to agricultural production. Therefore， based on the actual development needs of the large-scale agricultural plantation area， this article proposes the deep integration of digital technologies such as the Internet of Things， 5G， big data， and remote sensing with the management requirements and the entire process of agricultural production in the plantation area. The goal is to digitize the plantation area and empower it with data as the core， constructing a digital platform for the large-scale agricultural plantation area. Simultaneously， through the construction of five major business systems， including a data collection system， a digital brain system for the plantation area， a unified mapping system， an agricultural monitoring system， and an intelligent decision-making system， the goal is to realize data collection， transmission， aggregation， governance， storage， and application. The platform enables remote viewing of the plantation area and crop growth conditions， as well as precise and smart agricultural activities. By implementing and utilizing this platform， the resources of the plantation area can be effectively employed， further stimulating production vitality， and supporting the digital transformation and upgrading of agriculture.

Keywords： agricultural modernization; large-scale agricultural plantation areas; digital technology; digital platform; agricultural digitization

我國是一个农业大国，发展农业是国之根本，是保障粮食安全的关键抓手，是实现乡村振兴的必经之路。“十四五”规划中明确提出建设现代农业产业园区，大田种植园区是其一种表现形式，也是建设农业强国和实现农业现代化的重要探索[1]。

大田种植园区通常具有种植区域面积广、地势平坦且区域气候多变等特点，由此，存在园区管理难、生产监管难、病虫害防治难和资源使用不科学等各种问题。随着农业现代化的深入推进，农业信息化已成为农业园区建设的重要内容和创新领域[2]。在《数字农业农村发展规划（2019—2025年）》文件中提出建设数字田园，加快发展数字农情，提升种植业生产经营智能管理水平。将数字化技术应用于大田种植园区建设中，实现科技与农业生产深度融合，推动粗放式的传统农业向集约化、规模化、精细化高效式农业转变[3]，以提高生产效率，助力我国农业园区数字化转型升级，加快实现农业现代化。

因此，本文从大田种植园区发展现状出发，深剖园区数字化建设需求，探索数字化技术在園区管理、农业生产中的应用，进而提出并设计大田种植园区数字化平台，以数字化引领农业农村现代化，助力乡村振兴[4]。

1  大田种植园区发展现状

大田种植园区在建设发展过程中，面临着种植区域广、地势平坦、气候多变所带来的各种综合性问题。

1.1  种植规模大管理难

随着我国农业发展和土地改革的持续推进，现已施行土地所有权、使用权、收益权三权分立的土地流转政策，将传统的小地块模式整合为集中连片的大田模式[5]，解决土地承包“碎片化”问题，实现“小田”变“大田”，规模化种植。但随之而来的便是如何行之有效地管理园区，掌握农作物生长状况，减少管理成本的问题。

1.2  农作物生产监管难

现阶段我国大田种植生产仍以人工巡检及人工经验判断为主[6]，不能及时察觉农作物植株体的生长需求，也不能实时感知环境因子的变化。当园区环境不能满足农作物生长需求时，就会使植株处于“逆境”中，导致植株生长缓慢、长势衰弱、抗病虫害能力下降，造成农产品产量低、质量差。在面对大规模种植时，更无法及时有效地判别出病虫害，提前预知气象状况，从而对农作物产生致命威胁，影响农作物产量和品质[7]。因此，园区面临着农作物生长环境监测、病虫害识别预警、农业自然灾害监管等各种生产管理问题。

1.3  水肥农药滥施问题

农作物需使用化肥增肥，农药防治病虫害，以获得高产高收。但因大田种植园区面积广阔，工作者缺乏专业的农业知识和科学的技术指导，就会洋洒式施用化肥，喷洒大量农药，无法做到按需施肥用药。大田土壤中的水分含量会对植物的生长产生直接影响[8]，通过灌溉可以保障农作物生长所需的基本水分。但当面对大面积种植时多采用漫灌，无法根据农作物的生长阶段、土壤特性及气候条件实现精确灌溉。不科学地施用化肥、农药及灌溉会造成土壤板结、耕地肥力下降，浪费大量水资源[9]。

2  大田种植园区数字化建设需求

为解决大田种植园区存在的问题，急需实现园区数字化转型升级。充分运用物联网、遥感、大数据等现代化信息技术，结合先进的农业生产管理理念，建设数字化大田种植园区[10]，以满足园区数字化管理、农情实时在线查看、灌溉施肥用药科学指导和农机管理智能化的需求。

2.1  园区数字化管理需求

采用现代化信息技术对园区及设施设备、地块、人员和农资等进行数字化，从农作物种植生长、田间管理、农产品收获各环节出发，实现对园区从面到点的全流程数字化管理[11]，实时、直观地掌握园区设备运行状态、资源使用情况、农作物生长情况。

2.2  精准灌溉施肥用药需求

灌溉、施肥、用药是农事活动中最为关键的环节，是保障农作物正常生长的重要手段[12]。因此，需应用各种传感器、视频监控设备、遥感等对农作物生长环境、生长过程进行精确监测和管理。通过实时分析采集的数据，实现农作物生长态势、病虫害识别预警，进行精确灌溉、施肥、用药。

2.3  实时在线监管农情需求

农作物长势决定农产品产量高低及质量，因此需要对农情进行监测，以实现稳产增产。对于大规模种植园区，采用传统的农情监测方式需依赖较大的人力，调查的准确率和一致性也难以达到统一标准[13]。借助园区数字化构建一套农情监测系统实现对苗情、农作物生长状态、病虫害及农业灾害等农情进行实时监管。

2.4  农机智能管理需求

目前，大规模的大田种植均开始使用农机完成耕、种、管、收全流程农事活动[14]，以降低人力成本，提高农事效率，且越大型的园区农机也越多，对农机的管理调度、作业安排、监管就越复杂。因此，在园区数字化过程中，需将先进的信息技术融入农机管理中，提升农机作业调度、管理水平[15]，大大降低工作者的劳动强度[16]。

3  大田种植园区数字化平台设计

3.1  平台设计思路

大田种植园区数字化平台从园区规模大、气候多变的实际情况出发，遵循“顶层规划、统一标准、需求牵引、技术领先”的设计原则，坚持业务、数据、技术三者融合，以园区高效管理、资源科学调配、农作物及环境在线查看和农事活动智能决策为目标，设计出具有先进性、实用性的数字化应用平台。

3.2  平台系统架构

在传统农业向现代农业的转型期，本文以大田种植园区为研究对象，以数字化为基础，以数据为中心，以业务为指导，服务于“耕种管收”全流程农事，应用物联网、5G、大数据、云计算和GPS/北斗等现代化信息技术构建大田种植园区数字化平台，架构如图1所示。

本平台从数据感知采集、存储、汇聚、应用和服务展示全生命周期出发，自底向顶共计8层。

数据感知：大田种植园区的数据采集对象主要为土壤、气象、农作物和农机等，因此，需要各种传感器、监控设备、遥感等主动去感知并采集数据。

数据传输：通过物联网设备所采集的数据，可以使用ZigBee、LoRa、Wi-Fi等无线技术进行传输[9]。并利用智能网关与5G、有线网络进行网络互融，将信息实时、准确地传输至数据中心。

基础设施：借助云计算技术，对平台运行所需硬件和软件进行虚拟化，划分计算、存储、网络等资源池[17]，按需提供服务，保证系统稳定、可靠运行。

数据来源：对园区事物、业务进行分析、梳理，确定平台运行所需数据，包括园区基础信息、土壤、气象等结构化数据，视频、虫情等非结构化数据。

数据汇聚：平台数据主要来自各种传感器、视频监控设备、遥感等，数据内容和格式各不相同，需对数据进行ETL操作，输出标准统一、准确完整的数据资源[18]，然后进行统一集中存储，为上层应用提供数据支持。

数据应用：借助大数据、机器学习技术，结合业务需求，分析挖掘数据潜在价值，实现数字赋能。

业务系统：以服务园区为宗旨，横向连纵建设数据采集、农情监测、园区数字大脑、园区一张图和智能决策五大业务系统。

平台展示：用户可以通过浏览器、移动终端使用本平台，也可以通过大屏监管园区状况。

3.3  平台业务系统

3.3.1  数据采集系统

数据是建设本平台的基础，也是支撑上层服务运行的底座，因此，在大田种植园区数字化转型时，应根据园区种植范围广、监测点多、布线复杂等特征[19]，采用高精度土壤传感器、智能气象站、高清视频监控等地面物联网设备建设先进的信息技术基础设施，并以遥感、GPS/北斗为辅，构建天空地一体化数据采集系统。

本系统主要功能包括设备、地块、农机、物联网数据和网络管理等[20]，实现设施设备、基础配置管理和土壤、气象等环境及生长数据实时采集。支持物联网各种通信协议，能接入无线、有线网络，适应各种异构网络和协议，以保证所采集的海量数据准确、及时地传输至数据中心。

3.3.2  农情监测系统

依托部署的视频监控设备、小型气象站及遥感构建农情监测系统，具有监测报警、实时数据展示、作物生长情况监控等功能[19]，实现大田苗情实时查看、作物长势实时监测、病虫害照片现场抓拍和自然灾害及作物受灾情况在线查看，为园区管理者提供及时准确的参考信息，以保证农作物良好的生长态势，以增强农业灾害抗灾救灾工作的预见性、主动性[21]，助力农业生产。

3.3.3  园区数字大脑系统

园区经营管理涉及人、事、物，农业生产活动，涵盖耕地、播种、灌溉、施肥、杀虫、巡查和收获等各环节，通过数据采集系统将获得海量的多源异构数据。因此，平台以数据为中心，建设园区数字大脑系统，提供数据汇聚、治理、存储和分析应用能力，以便更好地进行数据协同和支持，实现数字赋能。

园区数字大脑系统采用ETL技術，基于数理统计、清洗规则对数据抽取转换、清洗处理、关联统计、挖掘提炼和归集存储[22]，将多源异构数据进行融合重构，实现数据信息的跨时空互通；以Hadoop平台为基础，应用HDFS、Hive技术创建专题数据库，对数据进行集成管理；借助Spark、Flink搭建计算引擎，并对土壤、气象、资源和农机作业数据进行分析，依托机器学习算法构建病虫害识别预警、农业气象预测预警、农机智能调度等模型。

3.3.4  园区一张图系统

平台以GIS技术为基础，三维建模技术为辅，建设园区一张图系统，集业务应用、信息展示于一体，实现园区全面、全方位监管。

该系统通过创建园区三维图，并对园区数据进行全要素查询、多图层叠加，实现园区时空数据高效展示，实现“以图管园区”，推动园区在线数字化全程动态管理。根据园区管理需求，制定地理空间、物联网设备、农事操作、农业资源和农机作业等相关专题图表实现数据快速高效统计及分析，以图表形式或曲线图形式，形成统计报表[23]，为园区管理者决策提供支撑服务，建立以数据驱动的园区管理新模式。

3.3.5  智能决策系统

依托园区数字大脑系统，以农作物生长最佳数据为指标，结合农业专家知识和经验，利用大数据分析和机器学习算法建设智能决策系统。通过分析大量数据，计算出播种和施肥最佳时间，预测与防治农作物病虫害，提供农药和肥料使用建议，预测作物产量，智能调度农机作业。

播种和施肥最佳时间：通过分析气象、土壤等数据，提供精确的播种、施肥时间建议。

病虫害预测和防治：通过分析农作物病虫害发生规律、历史数据和当前监测的各类气象因子数据，预测病虫害发生区域、面积、程度和时间等信息[6]，提供有效的防治措施建议。

灌溉精确指导：根据土壤、气象数据及农作物需水量，计算土壤墒情和需水量，确定灌溉时间和灌溉次数，提高水资源利用率[24]。

肥料和农药精准使用：通过分析农作物生长和土壤土质状况，结合农作物需肥规律、土壤供肥性能，估算肥料的施用数量、时期[25]，提供精确的农药和肥料使用建议，以减少农资损耗。

农作物产量预测：通过分析农作物长势、气象、土壤数据，预测农作物产量，以帮助园区管理者制订收获计划。

农机智能调度与作业：利用5G、GPS/北斗、大数据技术，通过对农作物生命周期阶段、生长状况、农机作业数据分析，实现农机无人化智能指挥调度，满足作业需求对接，全面服务于“耕、种、管、收”全过程[26-27]。

4  结论与展望

4.1  结论

本文以解决由大田种植区域面积广、地势平坦、气候多变的特征导致的园区监管难、农作物种植生产管理难、人力劳动量大和生产效率低的问题为目标，科学合理地采用物联网、5G、大数据、遥感和GPS/北斗等现代信息技术与园区管理需求、农作物“耕种管收”全流程深度结合，以数字服务为基础，设计大田种植园区数字化平台。

通过田间网格化部署物联网设备采集数据，应用ZigBee、NB-IoT、5G等网络传输技术实现生产数据网络传输、信息化汇总[28]，使用大数据技术进行清洗、整合、融合关联数据，借助机器学习算法构建农业智能模型，基于可视化技术创建园区一张图，实现园区全面、全方位管理。通过本平台，园区管理者可以在线远程监控土壤墒情、气象、作物长势和病虫害等农情，可以实现精准灌溉、施肥、用药，另外农机智能调度能为园区工作者提供如农作物长势分析、产量预测、农事建议等决策支持，从而降低劳动力成本投入，同时提高园区工作效率，对传统大田种植园区数字化改造升级起到积极推动作用[19]。

4.2  展望

在数字化时代，现代化信息技术不断应用于农业，并推进种植业向现代化迈进[28]。在现代化农业建设背景下，建设大田种植园区数字化平台，将进一步加强物联网、5G、大数据、GIS和遥感等新技术创新应用，更深入挖掘释放人工智能技术在农业领域的优势效能，必将提高农药、肥料、水等资源的利用率，提高园区自动化、智能化、无人化程度；也为大田种植园区管理者提供多种类、多层次、多维度和多时态的服务，提升园区数字化管理水平。

参考文献：

[1] 尹彦鑫，孟志军，赵春江，等.大田无人农场关键技术研究现状与展望[J].智慧农业（中英文），2022，4（4）：1-25.

[2] 张骞，淮贺举，孙宁，等.信息化引领现代农业园区发展现状与对策研究[J].中国农业科技导报，2019，21（12）：8-13.

[3] 肖忠毅.农业生产数字化转型的协同策略研究[J].农业与技术，2022，42（10）：168-171.

[4] 王聪，裴莉，徐勇，等.大田农业信息监测管理系统设计开发[J].农业与技术，2021，41（1）：58-60.

[5] 古浪.西北地区大田灌溉智慧农业发展前景[J].农机市场，2022（11）：37-39.

[6] 张倩，赵立强，刁志国.我国大田种植信息化建设发展研究[J].农民致富之友，2014（14）：68-69.

[7] 周吉，赵富琦，唐瑞欣，等.大田病虫害图像识别算法的联系与应用[J].工业控制计算机，2023，36（4）：99-100，103.

[8] 陈文凭.大田农业节水物联网技术运用探析[J].现代农业科技，2019（10）：132.

[9] 冀汶莉，王佳豪，王新伟.基于LoRa的农业大田土壤多参数监测系统设计[J].无线电工程，2023，53（2）：456-464.

[10] 王元胜，李瑜玲，吴华瑞，等.农业园区全景GIS数字化系統设计与应用[J].农业工程学报，2018，34（11）：143-149.

[11] 邹洪艳，张建军，刘韬.农业园区智能数字化管理系统设计与实现[J].软件导刊，2017，16（12）：116-117，121.

[12] 全兵，庄卫东.浅埋滴灌在农业发展过程中的应用现状[J].现代化农业，2023（7）：82-84.

[13] 张伟.玉田县小麦农情信息监管初探[J].河北农业，2022（7）：66-68.

[14] 秦传俭，刘统池，李凯.大数据时代智慧农机的推广与应用[J].河北农机，2023（6）：55-57.

[15] 刘海涛，李朝霞.基于互联网的智慧农机大数据平台发展对策[J].智慧农业导刊，2022，2（12）：7-9.

[16] 戴宏杰.数字化赋能社会化服务体系建设——宁波市海曙区古林镇实施发展大田种植数字农业纪实[J].中国农民合作社，2023（4）：49-51.

[17] 孟祥龙.基于云计算的虚拟化技术应用设计研究[J].科技资讯，2023，21（14）：28-31.

[18] 陶超，周俊晖，侯祥意.自然资源数据治理体系构建和应用[J].城市勘测，2021（2）：46-51.

[19] 李冬睿，邱尚明，杨善友.基于NB-IOT的大田管理精准农业系统的设计与实现[J].软件工程，2022，25（3）：53-58.

[20] 蔡正武.大田农业数字化生产营销系统应用研究[D].武汉：武汉轻工大学，2022.

[21] 梁启章，齐清文，张岸，等.大田种植数字农业信息流与技术体系[J].中国农业信息，2018，30（4）：17-31.

[22] 罗成，顾杨，周乐峰.福建农业大数据资源中心建设与思考[J].农业科研经济管理，2023（2）：41-45.

[23] 商量.智慧农业可视化监测系统应用研究[J].智慧农业导刊，2023，3（14）：17-20.

[24] 徐鑫.农业信息化技术在大田玉米高产栽培中的应用[J].种子科技，2023，41（6）：72-74.

[25] 许多，鲁旺平，许瑞清，等.基于农业时空多模态知识图谱的水稻精准施肥决策方法[J].华中农业大学学报，2023，42（3）：281-292.

[26] 刘立.基于物联网和AI技术的农机管理调度优化研究[D].扬州：扬州大学，2023.

[27] 段贤强.水稻直播机无人驾驶与智能作业系统研究[D].上海：上海交通大学，2020.

[28] 顾生浩，卢宪菊，王勇健，等.数字孪生系统在农业生产中的应用探讨[J].中国农业科技导报，2021，23（10）：82-89.