摘要:精準農業是農業現代化的必由之路，現代急劇膨脹的農業數據和大數據技術的發展為精準農業的發展提供了一種新的方法，成為引領精準農業發展的一支重要力量。首先介紹了大數據的定義及獲取方式，同時針對當前農業領域存在的一些問題，引入了精準農業的概念，并介紹了其來源與發展條件，將農業產業鏈與大數據應用結合起來，解析大數據實現精準農業的過程，并剖析了農業大數據應用方面所存在的問題。

　　關鍵詞:農業;大數據;生產;管理;市場

　　大數據是結構復雜、內容多樣的海量數據，其在數據分析、處理、存儲等方面的要求遠遠高于其他傳統的數據庫，具有volume(規模巨大)、veolcity(流轉快速)、variety(數據類型多樣)和value(價值大密度低)的4V特征［1，2］。以新的大數據技術為手段，從不同格式、來源和領域的海量數據中分析、挖掘、提取出有效信息并加以利用，可以為各行各業的發展提供必要知識［3］。

　　農業大數據的分類及獲取方式依產業鏈條劃分，農業可以分為生產、管理、市場等領域，精準農業相比傳統農業，無論在生產、管理還是市場化過程，其效率都得到很大提升，大數據在這些過程中扮演著重要的角色。

　　1．1農業生產

　　農業生產過程會產生許多數據，包括動植物生長狀況信息、環境氣象信息，植物生長所需的土壤信息、農藥化肥信息及動物生長所需的飼料信息等，這些數據的獲取和分析有助于了解農業生產的一般規律，并指導之后的生產活動，提高農業管理效率，降低農業生產成本。常見的數據獲取方式有遙感圖像獲取和傳感器獲取。

　　1．1．1遙感大數據

　　農業遙感以其信息獲取容易、信息量大、獲取信息范圍廣、平臺多等特點而成為快速獲取農作物長勢信息、病蟲害信息、大田環境等信息的重要手段，為及時精準調整大田生產活動提供數據支持，是實現精準農業的一大利器，近年來備受關注。如圖1所示，通過對大田作物的精細監測和真實探測以及對農情的全面監測和動態分析，達到精準監測的目的，為農民提供精確種植建議及管理指導。

　　1．1．2多源傳感器大數據

　　隨著農業物聯網技術的發展，傳感器作為信息獲取源，為高效獲取動植物生長信息提供了一種解決辦法，常見的參數有溫度、濕度、pH、風速、圖像等，以此為基礎，可以通過農業信息技術獲取畜禽生長過程的生長發育數據、行為數據，植物生長過程的營養狀況數據等，且獲取的數據精度也越來越高，傳輸數據的頻率、精度、密度、綜合度也越來越高。利用大數據技術融合多源傳感器數據，實現對動植物生長過程的動態監視與預警，是精準農業的一個方向。利用多源傳感器數據實現農業精準生產流程，如圖2所示。

　　1．2農業管理

　　農業管理過程信息包含畜禽、作物等的生產信息、貿易信息、國際農產品動態信息等，通過大數據手段對各農產品產地氣候、各地貿易信息、農產品產量信息進行匯總分析，可以達到精準預測農業整體走向、未來環境趨勢、病害趨勢等，從而在宏觀上精確把握農產品的生產和需求，如圖3所示。

　　2農業大數據研究應用現狀

　　2．1農業生產大數據研究應用現狀

　　2．1．1農業遙感大數據研究應用現狀

　　農業遙感監測系統(ChinaAgriculturalＲemoteMonitoringSystem，CHAＲMS)是由農業農村部遙感應用中心基于國內和國外相關研究發展起來的，主要由數據庫子系統、作物覆蓋度變化監測模塊、作物產量估算模塊、作物生長監測模塊、土壤水分監測模塊、災害監測模塊、信息服務模塊構成，監測的作物主要有小麥、水稻、玉米、大豆、棉花、油菜、甘蔗，于1999年投入運行。它按照我國農業農村部農業信息傳播日程為農業相關管理部門提供特定的監測信息［10］，目前，隨著“高分辨率地球監測系統”的啟動和發展，所需的遙感數據從剛開始的依賴國外到現在逐漸自給，發展逐漸成熟而且操作性能也較高［11］。

　　美國的DescartesLab和北京佳格天地有限公司是遙感大數據商用化的重要體現，也是精準農業應用的重要體現［13］。DescartesLab公司在2017年6月份推出了一個具有人工智能分析技術的超級云計算平臺，該平臺能將某個地區最近采集到的衛星圖像與過去的衛星圖像作對比分析，得出該地區的森林砍伐率、作物產量預測以及作出哪些地區適合種植哪些作物的結論。此外，還能根據某個地區的紅外光譜推斷作物健康狀況。它對美國300萬km2的玉米田產量預測準確率高達99%［12］。

　　2．1．2傳感器

　　大數據2013年，美國孟山都(Monsanto)公司以9．3億美元收購了舊金山一個創業型氣候公司(TheClimateCorporation)，通過2500萬個遠程傳感器能夠獲取當地的天氣及農藝數據，此外，孟山都公司也從海洋和大氣管理部門收集水資源數據，并跟蹤氣象服務的溫度。通過獲取的數據，孟山都可以告訴農民最適的澆水、施藥、施肥以及收獲時間，降低生產成本。Libelium是一家傳感器公司，通過大數據的方法將當地氣象數據與以前的氣象數據匹配，選擇最佳的作物來種植，用此方法種植，化肥使用量減少了20%，生產力提高了15%［18］。SilentHerdsman是一家專注于牧場信息采集的公司，其服務于牛肉及牛乳的生產，通過給牛戴上裝有傳感器的項圈，可以獲知牛的發情、生病、產崽等信息。當發生異常時，相關系統就會將情況告知工作人員，從而簡化農場管理工作，提高工作效率，據統計，該公司可以同時管理超過1000頭牛［19］。

　　2．2農業管理大數據研究應用現狀

　　WOFOST(WorldFoodStudies)模型由荷蘭瓦根寧農業大學和世界糧食研究中心共同研發而成，能根據特定土壤和氣候條件對下一年農作物生長作出預測，是一個動態和解釋性的模型。該模型可以用來分析土壤類型和氣候變化對產量的影響，評估作物產量風險，對產量不足的作物進行預警［30］。隨后，這一模型也得到科研工作者們的熱愛，Huang等［31，32］利用從Landsat主題成像儀(thematicmapper，TM)與中分辨率成像光譜儀(moderateresolutionimagingspectroradiometer，MODIS)得到的葉面積指數數據優化WOFOST模型并實驗驗證;并發現在WOFOST模型占用加入Kalman濾波算法處理的系列圖片的葉面積指數(leafareaindex，LAI)能提高對冬小麥產量的估計準確度。何亮等［33］結合參數全局敏感性分析方法以及貝葉斯后驗估計理論的馬爾科夫門特卡洛方法，對WOFOST模型的55個品種進行了分析及優化。

　　3我國精準農業大數據發展存在問題及發展建議

　　3．1數據采集工作存在的問題

　　要將大數據應用于精準農業之中，最重要的不是各種模型的開發與研究，而是做好數據的采集。采集是大數據研究與應用中最重要的一環，采集工作做得好，大數據的集成、分析與管理工作才能有序開展［45］。因此，要實現大數據精準農業就必需先解決農村地區寬帶覆蓋問題，在此基礎上才能匯總和分析并共享各種準確的信息。據統計，2016年底，城市寬帶普及率77%，而農村的寬帶普及率只有30%［46］。農村地區環境復雜，基礎設施落后，政府投入不足，這對發展大數據是一個短板，極大的限制了我國農業大數據的發展。同時，由于我國各部門之間缺少交流平臺，在參加數據采集工作時，容易造成數據重復采集，格式不一，并很難做到共享。而且，我國也缺乏共享標準及監測統計制度，導致各監測部門的數據很難整合。此外，由于在數據共享方面的制度和法規不是很完善，相關數據的安全問題和所有權問題層出不窮，在這方面，我國可以參考國外的一些成功經驗，如美國2010年的［13556號］總統令規定:“為敏感但非涉密信息創建開放、標準的體系系統，減少對公眾的過度隱瞞”;英國2012年的《開放數據白皮書》規定政府各部門均需制定更詳細的兩年期數據開放策略［47，48］。

　　3．2大數據技術方面的問題

　　近年來，隨著信息技術的發展，數據量迅猛增加，大數據技術種類多樣(表1)，如何針對所有數據選擇合適的大數據存儲及分析方案也是一個問題。針對同一數據，用不同的分析方案可能會得到不同的結果，大量的分析成果會隨著新技術的出現而產生或得到優化，也有部分成果會因為舊技術的淘汰而淘汰。同時由圖1可以看出，大數據新技術出現的高峰在2004－2015年，從一方面來說大數據已經比較成熟，但是從另一方面來說，隨著云計算與超級計算機的不斷發展，人們對大數據的分析精確度要求會越來越高，許多耗時但是擁有最佳分析效果的方案會因計算速度的提高而成為將來數據分析方案的最佳選擇，而且目前受成本和計算速度的限制，很多大數據方法并不能很好地實現實時性與準確性，因此大數據技術仍有很大的發展空間。

　　4結語及展望

　　近年來，隨著物聯網、互聯網及云存儲計算等先進技術的發展并向農業領域的滲透，農業領域的數據呈爆發式增長，這為精準農業的發展開辟出一條新的道路，也是近年來研究的熱點。但是，一方面，數據所有權問題、倫理問題、基礎設施落后問題，及目標區域數據搜集和政府計劃項目之間存在的矛盾等都制約著農業大數據的發展［33，59］，發展精準農業首先要改善農業數據收集條件，另一方面，由于我國農業大數據技術的應用處于起步階段，各類農業信息采集及存儲系統、數據實時處理技術、多源數據融合技術、面向農業大數據的機器學習方法以及基于知識驅動的農業大數據挖掘技術仍然比較落后，也是今后研究的重點和方向。利用大數據精準預測農業市場，農藥化肥精準噴施，對動植物生長的精準把控在不久的將來必能實現。但這只是初級階段，大數據在知識發現、模型創造、農情預測等方面有著巨大的潛力，是未來將人類從繁重的農業體力勞動中解放出來的關鍵之一。精準農業的發展離不開大數據及其技術的發展，隨著農業數據的不斷增長以及大數據技術和數據收集方法的不斷進步，精準農業必能得到健康高速發展。

　　參考文獻

　　［1］馬建光，姜巍．大數據的概念，特征及其應用［J］．國防科技，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］蔡書凱．大數據與農業:現實挑戰與對策［J］．電子商務，2014(1):3－4．

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

　　［4］劉萬才，劉振東，黃沖，等．近10年農作物主要病蟲害發生危害情況的統計和分析［J］．植物保護，2016，42(5):1－9，46．

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

　　［5］武軍，謝英麗，安丙儉．我國精準農業的研究現狀與發展對策［J］．山東農業科學，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，蘭玉彬1，2*