大数据在精准农业上的应用

　　摘要:精准农业是农业现代化的必由之路，现代急剧膨胀的农业数据和大数据技术的发展为精准农业的发展提供了一种新的方法，成为引领精准农业发展的一支重要力量。首先介绍了大数据的定义及获取方式，同时针对当前农业领域存在的一些问题，引入了精准农业的概念，并介绍了其来源与发展条件，将农业产业链与大数据应用结合起来，解析大数据实现精准农业的过程，并剖析了农业大数据应用方面所存在的问题。

　　关键词:农业;大数据;生产;管理;市场

　　大数据是结构复杂、内容多样的海量数据，其在数据分析、处理、存储等方面的要求远远高于其他传统的数据库，具有volume(规模巨大)、veolcity(流转快速)、variety(数据类型多样)和value(价值大密度低)的4V特征［1，2］。以新的大数据技术为手段，从不同格式、来源和领域的海量数据中分析、挖掘、提取出有效信息并加以利用，可以为各行各业的发展提供必要知识［3］。

　　农业大数据的分类及获取方式依产业链条划分，农业可以分为生产、管理、市场等领域，精准农业相比传统农业，无论在生产、管理还是市场化过程，其效率都得到很大提升，大数据在这些过程中扮演着重要的角色。

　　1．1农业生产

　　农业生产过程会产生许多数据，包括动植物生长状况信息、环境气象信息，植物生长所需的土壤信息、农药化肥信息及动物生长所需的饲料信息等，这些数据的获取和分析有助于了解农业生产的一般规律，并指导之后的生产活动，提高农业管理效率，降低农业生产成本。常见的数据获取方式有遥感图像获取和传感器获取。

　　1．1．1遥感大数据

　　农业遥感以其信息获取容易、信息量大、获取信息范围广、平台多等特点而成为快速获取农作物长势信息、病虫害信息、大田环境等信息的重要手段，为及时精准调整大田生产活动提供数据支持，是实现精准农业的一大利器，近年来备受关注。如图1所示，通过对大田作物的精细监测和真实探测以及对农情的全面监测和动态分析，达到精准监测的目的，为农民提供精确种植建议及管理指导。

　　1．1．2多源传感器大数据

　　随着农业物联网技术的发展，传感器作为信息获取源，为高效获取动植物生长信息提供了一种解决办法，常见的参数有温度、湿度、pH、风速、图像等，以此为基础，可以通过农业信息技术获取畜禽生长过程的生长发育数据、行为数据，植物生长过程的营养状况数据等，且获取的数据精度也越来越高，传输数据的频率、精度、密度、综合度也越来越高。利用大数据技术融合多源传感器数据，实现对动植物生长过程的动态监视与预警，是精准农业的一个方向。利用多源传感器数据实现农业精准生产流程，如图2所示。

　　1．2农业管理

　　农业管理过程信息包含畜禽、作物等的生产信息、贸易信息、国际农产品动态信息等，通过大数据手段对各农产品产地气候、各地贸易信息、农产品产量信息进行汇总分析，可以达到精准预测农业整体走向、未来环境趋势、病害趋势等，从而在宏观上精确把握农产品的生产和需求，如图3所示。

　　2农业大数据研究应用现状

　　2．1农业生产大数据研究应用现状

　　2．1．1农业遥感大数据研究应用现状

　　农业遥感监测系统(ChinaAgriculturalＲemoteMonitoringSystem，CHAＲMS)是由农业农村部遥感应用中心基于国内和国外相关研究发展起来的，主要由数据库子系统、作物覆盖度变化监测模块、作物产量估算模块、作物生长监测模块、土壤水分监测模块、灾害监测模块、信息服务模块构成，监测的作物主要有小麦、水稻、玉米、大豆、棉花、油菜、甘蔗，于1999年投入运行。它按照我国农业农村部农业信息传播日程为农业相关管理部门提供特定的监测信息［10］，目前，随着“高分辨率地球监测系统”的启动和发展，所需的遥感数据从刚开始的依赖国外到现在逐渐自给，发展逐渐成熟而且操作性能也较高［11］。

　　美国的DescartesLab和北京佳格天地有限公司是遥感大数据商用化的重要体现，也是精准农业应用的重要体现［13］。DescartesLab公司在2017年6月份推出了一个具有人工智能分析技术的超级云计算平台，该平台能将某个地区最近采集到的卫星图像与过去的卫星图像作对比分析，得出该地区的森林砍伐率、作物产量预测以及作出哪些地区适合种植哪些作物的结论。此外，还能根据某个地区的红外光谱推断作物健康状况。它对美国300万km2的玉米田产量预测准确率高达99%［12］。

　　2．1．2传感器

　　大数据2013年，美国孟山都(Monsanto)公司以9．3亿美元收购了旧金山一个创业型气候公司(TheClimateCorporation)，通过2500万个远程传感器能够获取当地的天气及农艺数据，此外，孟山都公司也从海洋和大气管理部门收集水资源数据，并跟踪气象服务的温度。通过获取的数据，孟山都可以告诉农民最适的浇水、施药、施肥以及收获时间，降低生产成本。Libelium是一家传感器公司，通过大数据的方法将当地气象数据与以前的气象数据匹配，选择最佳的作物来种植，用此方法种植，化肥使用量减少了20%，生产力提高了15%［18］。SilentHerdsman是一家专注于牧场信息采集的公司，其服务于牛肉及牛乳的生产，通过给牛戴上装有传感器的项圈，可以获知牛的发情、生病、产崽等信息。当发生异常时，相关系统就会将情况告知工作人员，从而简化农场管理工作，提高工作效率，据统计，该公司可以同时管理超过1000头牛［19］。

　　2．2农业管理大数据研究应用现状

　　WOFOST(WorldFoodStudies)模型由荷兰瓦根宁农业大学和世界粮食研究中心共同研发而成，能根据特定土壤和气候条件对下一年农作物生长作出预测，是一个动态和解释性的模型。该模型可以用来分析土壤类型和气候变化对产量的影响，评估作物产量风险，对产量不足的作物进行预警［30］。随后，这一模型也得到科研工作者们的热爱，Huang等［31，32］利用从Landsat主题成像仪(thematicmapper，TM)与中分辨率成像光谱仪(moderateresolutionimagingspectroradiometer，MODIS)得到的叶面积指数数据优化WOFOST模型并实验验证;并发现在WOFOST模型占用加入Kalman滤波算法处理的系列图片的叶面积指数(leafareaindex，LAI)能提高对冬小麦产量的估计准确度。何亮等［33］结合参数全局敏感性分析方法以及贝叶斯后验估计理论的马尔科夫门特卡洛方法，对WOFOST模型的55个品种进行了分析及优化。

　　3我国精准农业大数据发展存在问题及发展建议

　　3．1数据采集工作存在的问题

　　要将大数据应用于精准农业之中，最重要的不是各种模型的开发与研究，而是做好数据的采集。采集是大数据研究与应用中最重要的一环，采集工作做得好，大数据的集成、分析与管理工作才能有序开展［45］。因此，要实现大数据精准农业就必需先解决农村地区宽带覆盖问题，在此基础上才能汇总和分析并共享各种准确的信息。据统计，2016年底，城市宽带普及率77%，而农村的宽带普及率只有30%［46］。农村地区环境复杂，基础设施落后，政府投入不足，这对发展大数据是一个短板，极大的限制了我国农业大数据的发展。同时，由于我国各部门之间缺少交流平台，在参加数据采集工作时，容易造成数据重复采集，格式不一，并很难做到共享。而且，我国也缺乏共享标准及监测统计制度，导致各监测部门的数据很难整合。此外，由于在数据共享方面的制度和法规不是很完善，相关数据的安全问题和所有权问题层出不穷，在这方面，我国可以参考国外的一些成功经验，如美国2010年的［13556号］总统令规定:“为敏感但非涉密信息创建开放、标准的体系系统，减少对公众的过度隐瞒”;英国2012年的《开放数据白皮书》规定政府各部门均需制定更详细的两年期数据开放策略［47，48］。

　　3．2大数据技术方面的问题

　　近年来，随着信息技术的发展，数据量迅猛增加，大数据技术种类多样(表1)，如何针对所有数据选择合适的大数据存储及分析方案也是一个问题。针对同一数据，用不同的分析方案可能会得到不同的结果，大量的分析成果会随着新技术的出现而产生或得到优化，也有部分成果会因为旧技术的淘汰而淘汰。同时由图1可以看出，大数据新技术出现的高峰在2004－2015年，从一方面来说大数据已经比较成熟，但是从另一方面来说，随着云计算与超级计算机的不断发展，人们对大数据的分析精确度要求会越来越高，许多耗时但是拥有最佳分析效果的方案会因计算速度的提高而成为将来数据分析方案的最佳选择，而且目前受成本和计算速度的限制，很多大数据方法并不能很好地实现实时性与准确性，因此大数据技术仍有很大的发展空间。

　　4结语及展望

　　近年来，随着物联网、互联网及云存储计算等先进技术的发展并向农业领域的渗透，农业领域的数据呈爆发式增长，这为精准农业的发展开辟出一条新的道路，也是近年来研究的热点。但是，一方面，数据所有权问题、伦理问题、基础设施落后问题，及目标区域数据搜集和政府计划项目之间存在的矛盾等都制约着农业大数据的发展［33，59］，发展精准农业首先要改善农业数据收集条件，另一方面，由于我国农业大数据技术的应用处于起步阶段，各类农业信息采集及存储系统、数据实时处理技术、多源数据融合技术、面向农业大数据的机器学习方法以及基于知识驱动的农业大数据挖掘技术仍然比较落后，也是今后研究的重点和方向。利用大数据精准预测农业市场，农药化肥精准喷施，对动植物生长的精准把控在不久的将来必能实现。但这只是初级阶段，大数据在知识发现、模型创造、农情预测等方面有着巨大的潜力，是未来将人类从繁重的农业体力劳动中解放出来的关键之一。精准农业的发展离不开大数据及其技术的发展，随着农业数据的不断增长以及大数据技术和数据收集方法的不断进步，精准农业必能得到健康高速发展。

　　参考文献

　　［1］马建光，姜巍．大数据的概念，特征及其应用［J］．国防科技，2013，34(2):10－17．

　　MaJG，JiangW．Theconcept，characteristicsandapplicationofbigdata［J］．Nat．DefenseSci．Technol．，2013，34(2):10－17．

　　［2］GantzJ，ＲeinselD．Extractingvaluefromchaos［J］．IDCIview，2011，1142(2011):1－12．

　　［3］蔡书凯．大数据与农业:现实挑战与对策［J］．电子商务，2014(1):3－4．

　　CaiSK．BigdataandAgriculture:Ｒealisticchallengesandcountermeasures［J］．E－BusinessJ．，2014(1):3－4．

　　［4］刘万才，刘振东，黄冲，等．近10年农作物主要病虫害发生危害情况的统计和分析［J］．植物保护，2016，42(5):1－9，46．

　　LiuWC，LiuZD，HuangC，etal．．Statisticsandanalysisofcropyieldlossescausedbymaindiseasesandinsectpestsinrecent10years［J］．PlantProtection，2016，42(5):1－9，46．

　　［5］武军，谢英丽，安丙俭．我国精准农业的研究现状与发展对策［J］．山东农业科学，2013，45(9):118－121．

　　WuJ，XieYL，AnBJ．ＲesearchstatusanddevelopmentcountermeasuresofprecisionagricultureinChina［J］．ShandongAgric．Sci．，2013，45(9):118－121

　　漆海霞1，2，林圳鑫1，2，兰玉彬1，2*

《大数据在精准农业上的应用》

上一篇：从“大国小农”到智慧农业：机会、挑战与对策

下一篇：精准农业领域专利竞争态势分析