经过多年的发展积累,覆盖多个层面和领域的农业信息化系统已经在我国初步构建,各级各类农业信息资源已经较为丰富。各级各类农业主管部门和机构设立的农业大数据研究及应用机构开始不断涌现,全国首家农业大数据研究中心已在山东农业大学成立。布瑞克、奥科美、佳格天地等专注于农业大数据研究应用的企业,充分发挥自身优势,结合大数据和物联网等技术,更好地服务于现代农业发展。同时,政府主管机构十分重视大数据技术在农业领域的作用,并在政策层面开展规划布局。
农业大数据跨越不同的行业和业务部门,人们可以对农业产业链条的生产、流通、消费、服务等所有环节产生的大量复杂数据进行分析及深度挖掘。从农业的产业链上来看,根据数据产生来源,农业大数据可以分为农业生产数据、农业生态环境数据、农产品流通及消费数据等领域。
农业生产数据主要分为种植业和养殖业数据两类,前者包括作物种植数据、化肥农药等农资大数据,还有农机大数据、育种大数据、播种和灌溉大数据、农情大数据等。后者主要包括禽畜育种数据、个体系谱数据、个体生长及行为数据、动物疫情数据等。农业生产端的大数据服务主要面向农业项目规划、农机调度、作物长势评估、禽畜及水产健康状况评估、生产决策优化、气象预报、病虫害防治等。
与传统农业相比,当前的农业生产大数据具有以下新特点:原本适用于小农经营的耕种经验已经不适合农业商业化经营,在此背景下,以物联网、AI、数据分析等角度切入,原先指导生产的主要是传统的种植经验,现在已经逐步被大数据取代;农业科技创新极大改变了农业科研方式,大数据在信息育种、种质资源基因测序等方面扮演的角色日益重要;大数据技术可以优化生产决策,帮助农户实现大面积种养殖基地的精细化管理。
农业生态环境大数据主要包括土地资源(如土地位置、地块面积、海拔高度)数据、水资源数据、空间地理信息数据、气象资源数据、生物资源数据和灾害数据。
农业流通及消费大数据主要包括农资、农产品的市场供求信息、价格信息等。
首先,大数据可以实现精细化生产。农业经营者利用现代信息技术手段实时收集种质信息、生长环境信息、作物品种、 施肥施药信息、农事信息等,通过对上述海量数据的核算和分析,帮助农户进行优化生产决策和资源投入。如应用大数据技术研发的农田扫描定位,可以对每个田块进行数据分析,依据田块的定位编号、现有的营养结构,自动给出相应的施肥建议。
通过长期大量气候条件、土壤自然灾害、病害等环境因素的收集,科学匹配农作物品种和土地类型;对造成地块产量差异的因素进行分析,因地制宜,针对不同地块采用不同的耕作方式,从而更有针对性地指导灌溉、施肥、灭虫,农业生产力和土地利用率得到极大提高。
其次,大数据技术有助于农业生态环境的改善。通过大数据技术的应用,可以实现按需给药、按需施肥、按需增温,因为减少了农药化肥等化学物质的滥用,实现了农产品的安全性,另一方面也有助于减少对自然环境 带来的损害,实现农业生态安全。
贵州“农业云”,实现了农业数据资源、农业生产管理的统一集成、管理、共享和服务。“农业云”整合 8 类数据,涵盖种植、畜牧、水产、市场等各类农业信息资源, 建成脱贫攻坚产业情况分析、蔬菜批发市场价格动态分析、农业园区分布情况分析、新 农村建设资金分析和农机补贴资金分析等 5 个应用专题(系统),推动全省 75 个农业园 区开展 146 个物联网建设项目,实现了对农田实况视频,农业气象、土壤墒情、农作物 生长状况、病虫害等进行实时监测,结合作物产量预估模型,为贵州省特色农产品的长 势和产量进行预测预警,提高了农业生产管理科学化水平。
(案例来源:贵州日报http://www.cac.gov.cn/2019-10/14/c_1572601065849277.htm)
第三,大数据可加速农业育种。传统的作物育种和家畜育种成本高、工作量大,常规育种需要耗时十年甚至更久,大数据在育种领域的应用大大加快了这一进程。过去的生物调查通常在温室和田地进行,借助计算机技术,再结合自动化的种子切片技术,在实验室即可对大量材料进行筛选,大大减少田间的工作和花费,也有助于实现更迅速的决策。
第四,农业大数据可以帮助解决农产品供需信息不匹配问题。就整个农产品市场信息体系而言,传统的农产品流通消费领域存在供求信息不匹配、不全面、信息流通不畅的问题,利用大数据技术可以很好地解决这些问题。通过全方位的感知和分析农产品产量信息、产品结构、流通及消费信息、病害及气 象信息,结合对历史数据的分析,利用智能分析技术判断整个信息流的流量与流向,并对农产品全产业链的过程进行模拟,可以建立数据模型,从而找出共性、把握规律,掌握趋势。农业大数据预警系统可以有效降低农业生产和销售中的不确定性,让农户在产前、产中、产后进行全程把握,从而优化生产布局,避免浪费,力争实现产销匹配、生产和运输的匹配、生产和消费的匹配。
近年来,农业农村部、商务部、发改委等部委和地方相关部门积极推动农产品管理 数据和监测预警系统的建设,并在实际运行过程中取得了一定成效,但目前的预警系统仍然面临信息不够准确、不实用和传递不到位等问题。
托普云农借助农业大数据汇总分析来识别害虫的种类、数量。农业大数据管理平台, 以 SAAS 为基础,通过遥感技术、GIS、物联网、互联网等技术整合区域农业种植的各类数据资源,建立体系化的数据挖掘分析机制,进行涉农数据的自动采集、统计分析、决策应用。在托普云农农业大数据管理平台中,借助智能虫情测报灯、害虫性诱测报系统等设备的数据传输、整合分析,实现对虫害的发生期、发生量、发生类别以及危害趋势 预测。同时,还能对病虫灾害发生后或发生期间向用户提供防治的方法和措施。
(案例来源:托普云农)
最后,大数据征信有助于完善农村金融体系。传统金融机构并未充分满足农业农村的金融需求,由于农业自身存在信息化程度低,农民的有效抵押物缺少,经营过于分散等多种问题,造成农业的经营风险交高,农民收入波动较大,上述情况导致整个农业金融服务远不如其他行业发达。大数据可以高效汇集并筛选有效信息,帮助金融机构全面了解用户的消息,并通过对其日常收支情况、经营能力、负债情况、借贷历史、消费情况、信用记录、社交情况等维度进行分析、论证与建模,评价农户的信用情况,上述数据可以作为发放贷款、设置农业保险的信用依据,可以有效减少金融风险,推动金融更好的为三农事业服务。
农业大数据存在的问题
当前,我国农业大数据的研究和应用取得了积极成效,但是在管理体制层面、技术层面、人才方面还存在着诸多问题亟待解决。
首先在大数据管理体制方面,我国农业大数据的突出问题是条块分割带来的结构性不合理。在当前的管理体制下,各农业主管部门的涉农大数据流动性差、难以共享;目前国家农业公共数据描述与表达标准尚未建立,各部门数据存储和表达格式不一,数据标准化、规范化严重不足;数据开放性不够,开放总量偏低,可机读性不强;目前,缺乏覆盖农业全产业链的,包含农业发展全要素、农业生产全过程、农产品销售全流程的国家级农业数据目录和标准体系。
其次,在大数据技术方面,我国大数据技术研发总体上水平不高。农业大数据的技术和应用,同国外发达国家都存在一些差距。大数据应用于农业生产时间也不长,技术积累和经验严重不足。我国农业大数据来源广泛,大量存在可用性差和异常数据过多的问题,无形中提高了数据挖掘技术的难度;农业大数据涉及环节众多,规模庞大,各环节协同性差;大量非结构化数据的存在给农业大数据的挖掘、存储和处理工作都带来了困难。
最后,农业大数据技术人才匮乏。大数据技术专业性很强,通常需要完整的专业培训才能很好地掌握。农业大数据技术的开发和应用,需要既熟悉农业生产技能、又掌握数据挖掘与处理等多方面知识的复合型人才。当前的条件下,很难让一个 IT 人才转去农田工作,而教会一个普通农民掌握大数据技术无疑是个相当困难的事情。其次,目前我国设置农业大数据专业课程的院校不多,造成农业大数据研究与应用人才严重不足。
田金强
清华大学互联网产业研究院研究员,主要从事数字农业、三农事业发展、传统产业数字化转型等领域研究。曾参与《2019年互联网+农业白皮书》等研究成果的编撰,主持数字福州、开江县数字农业、溧阳白茶产业升级等数字化转型项目,此外,曾参与北京市朝阳区科技创新集聚区研究、中信集团“信息化对推动央企高质量发展中的作用”等研究工作。2019年组织发起清华大学互联网产业研究院“地方特色农产品发展论坛”,在《中国战略新兴产业》、《中国测绘》等期刊发表数字农业类文章数篇。