数字农业现状及其工程技术发展方向

　　摘 要：通过分析国内外数字农业发展现状，阐述了数字农业、精准农业和智慧农业相互关系。智慧农业包括数字农业、精准农业和农业物联网。数字农业是精准农业和智慧农业的基础，是形成决策的数据之源。精准农业是实现智慧农业的手段，智慧农业是现代农业发展的高级阶段。三者相辅相成，互相推动进步，最后，提出了数字农业工程技术发展方向。

　　关键词：数字农业;工程技术;发展方向

　　《粮食问题研究》(双月刊)创刊于1984年，由四川省粮食学会主办。是宣传粮经政策、聚焦粮经热点的，探讨粮经改革、研究农村、农业、农民“三农”问题和农业(粮食)结构调整、交流粮食经济工作经验总结历史和国内外的有益探索，吸取曾经或别人正在犯过的错误教训。

　　自进入信息时代以来，以大数据、云计算、物联网、人工智能等为代表的新理念、新技术正改变着全球的一切领域，包括农业。数字农业技术已成为农业跨越式发展的基础平台，使农业从业者通过可视化表达、数字化展现和信息化管理更精准地掌握农业全产业链中各环节的状况。再经过智能农业专家决策软件系统，实现自动化、智能化和远程控制等功能。数字农业可使农业更智能、更高效和可持续发展，通过提高生产效率和降低成本来增强行业竞争力的同时，还关注环境保护，有力促进了传统农业向现代农业的转变。

　　1 数字农业

　　1997年，数字农业由美国科学院、工程院院士正式提出。1998年，美国副总统阿尔·戈尔在加利福尼亚科学中心发表《数字地球：认识21世纪我们这颗星球》的演讲，率先提出数字地球(Digital Earth)概念。指出我们需要一个数字地球，一个多分辨率，三维的数字地球，在数字地球可以集成大量的地理數据。1998年时任国家主席江泽民同志在中国科学院和中国工程院院士大会上提出了发展“数字中国”的战略。随后，“数字农业”与“数字社会”、“数字城市”、“数字水利”、“数字林业”、“数字地质”等同样在我国展开了积极探索与研究。

　　1.1 数字农业的概念

　　数字农业(Digital Agriculture)是指将遥感、地理信息系统、卫星定位系统、计算机技术、通讯和网络技术、自动化技术等高新技术与地理学、农学、生态学、植物生理学、土壤学等基础学科有机地结合起来，实现在农业生产过程中对农作物、土壤从宏观到微观的实时监测，即对农作物生长、发育状况、病虫害、水肥状况以及相应的环境进行定期信息获取，生成动态空间信息系统，对农业生产中的现象、过程进行模拟，达到合理利用农业资源，降低生产成本，改善生态环境，提高农作物产品和质量的目的。数字农业彻底改变过去依靠经验或人工管理农业生产的落后模式，使农业生产决策更具精准性、经济性和环保性，决策依据更科学，决策落实更快捷、有效。

　　1.2 数字农业、精准农业和智慧农业的关系

　　目前农业领域，除了数字农业外，备受关注的还有精准农业和智慧农业。精准农业(Precision Agriculture)是在信息技术支持下，根据空间变异，定位、定时、定量地实施的一整套现代化农事操作技术与管理的系统。智慧农业(Smart Agriculture/Farming)是以信息和知识为核心要素，利用互联网、大数据、云计算、物联网、人工智能等现代信息技术与农业深度融合，实现农业生产全过程的信息感知、定量决策、智能控制、精准投入、个性化服务的全新农业生产方式。智慧农业包括数字农业、精准农业和农业物联网。数字农业是精准农业和智慧农业的基础，是形成决策的数据之源。精准农业是实现智慧农业的手段，智慧农业是现代农业发展的高级阶段。三者相辅相成，互相推动进步。

　　广义数字农业不仅包括大田种植、设施种植、畜禽养殖、水产养殖4类，还包括农业电子商务、农副产品安全及溯源防伪、农业休闲旅游、农业信息服务等方面的内容。

　　2 数字农业的发展现状

　　2.1 国外数字农业的发展现状

　　美国、欧洲和日本在数字农业研究领域起步早、优势大，已经形成完善的理论和技术体系。20世纪80年代起，美国已经通过计算机技术自动调节温室的光照、温湿度、空气、土壤含水率和养分等因素，实现对花卉、果蔬的生长状况的控制。美国LACIE计划和AGRISTARS计划利用遥感、地理信息系统等技术对美国以及全球主要粮食作物进行种植面积、生长状态、病虫草害监测和产量预测，为农业从业者提供作物生产和农产品贸易的信息。欧盟MARS计划利用遥感卫星监测作物种植的数据，作为农业补贴发放的依据。孟山都子公司(The Climate Corporation)研发的数字农业Climate FieldViewTM平台借助高分辨率成像技术及与植物生长相关的多种数据图像，整合各类数据制定的农田管理建议，通过精准播种、施肥、无人喷药和收获机测产，使农民清楚了解到不同农艺措施在不同田块的效果，挖掘每一寸土地的产量潜能。

　　2017年，该数字农业平台在美国、加拿大和巴西的应用面积达048亿hm2，其中有014亿hm2由农民付费。拜耳在中国推出WeedScout杂草识别应用程序，通过数字化平台帮助农民高效、准确地识别田间杂草，精准精量“下药”，有效除草。以色列安道麦(Adama)立足增产高效，精准施肥喷药，土壤、作物、环境监测，疾病预防等，公司推出了系列数字农业解决方案，如：Adama Wings甘蔗增产解决方案、与SwarmFarm 合作研发世界上第一个“蜂群”式机器人、FieldIn精准植保应用、CropView农业信息系统、Tierra Digital手机软件等等。日本的植物工厂应用国际领先，全球有400多座植物工厂，日本占50%。2014年，日本启动“战略性创新、创造计划”，2015年又启动了基于“智能机械+现代信息”技术的“下一代农林水产业创造技术”工作。2017年，欧洲农机协会(European Agriculture Machinery Association，CEMA)召开峰会，提出在信息化背景下，数字农业技术革命正在到来，未来欧洲农业的发展方向是以现代信息技术与先进农业装备应用为特征的农业40(Farming 40)。

　　2.2 国内数字农业的发展现状

　　我国数字农业由于缺乏必要基础研究和工程技术配套，整体水平仍落后发达国家15～20年，提升空间巨大。首先，各类涉农的文献数据、科技成果、经济数据等数据库建设比较完善。其次，20世纪90年代，中国农业信息网和中国农业科技信息网开通，各省农业信息网和农副产品加工、农业装备等相关网站也陆续建立。再次，基于各类载体的传感器、遥感(RS)、地理信息系统(GIS)、卫星定位系统(GPS或北斗)等技术手段采集的关于土地资源、水资源、气候资源、作物生长状况等数据也日臻完善。2018年我国发射了高分五号、六号卫星，光谱分辨率高，时间分辨率短。有效提升了作物类型的识别能力，可对叶绿素等作物养分含量监测，对玉米、水稻、大豆、棉花、花生等作物估产、农业资源调查和农业灾害进行监测。2019年底预计发射高分七号卫星，完成天基系统建设。

　　由于数字农业获取数据的多来源、多维度、时态性和海量性等特点，利用大数据技术，厘清、诊断、挖掘和决策，形成农业全程管理实施计划，即“处方”。“十三五”期间，农业农村部在全国9个省市开展农业物联网工程区域试点，形成了426项节本增效农业物联网产品技术和应用模式。2017年农业农村部正式启动大田种植、设施园艺、畜禽养殖、水产养殖四类数字农业项目建设，连续两年6个省(区)的10个项目试点，投资总额323亿元。基于北斗自动导航与测控技术的农业机械，在新疆棉花精准种植中发挥了重要的作用，实现拖拉机自动驾驶、精准播种覆膜、水肥一体化、变量喷药等作业。基于北斗深松作业监测、卫星遥感秸秆焚烧监测系统的推广使用成为了数字农业在农业综合管理中的有力手段。

　　3 数字农业工程技术的发展方向

　　3.1 数字农业工程技术体系

　　数字农业工程技术体系对农业生产全过程中作业对象从宏观到微观的实时监测和控制，是对农业生产全过程数字化的工程技术。数字农业工程技术体系含基础层、决策层、应用层三个层面(如图所示)。

　　3.2 数字农业工程技术体系发展方向

　　3.2.1 遥感技术

　　按与地面距离遥感分为近地遥感、航空遥感和航天遥感。目前，农业广泛使用的电磁波段多为可见光、近红外、中红外、微波以及x射线等。太赫兹(THz)由于缺乏稳定的产生源和探测设备，对其研究相对滞后。到2004年，美国将太赫兹科技评为“改变未来世界的十大技术”之一，而日本于2005年更是将太赫兹技术列为“国家支柱十大重点战略目标”之首。我国在2005年11月召开了“香山科技会议”，邀请国内多位研究太赫兹的院士专门讨论我国太赫兹事业的发展方向，并制定了我国太赫兹技术的发展规划。太赫兹因具有低能无害性、水敏感性、相干性、宽带和高分辨率等特性，在农业领域生物大分子检测、农产品品质安全检测、动植物生理检测、农业环境监测等方面仍需要深入探索，实现提高精度、快速、小型化、可移动工程化需求。

　　无人机搭载微型成像光谱仪，属于航天遥感，具有针对性强、便利性好、一机多用成本低、高时间分辨率、高空间分辨率的特点。需要攻克农用飞控技术、气流对遥感影像的影响、重量受限等难题。

　　3.2.2 农业传感器

　　数字农业基础数据多源于各类传感器，作物养分、生理信息多采用光谱、多光谱、高光谱成像技术。作物生长过程中光照、叶温、水势、径流、干鲜物重、叶片形状、叶密度等生态信息采用三维模拟虚拟技术。病害、草害采用光谱、多光谱、高光谱成像技术。土壤含水率可采用直接干燥法，或选用电阻法、介电法、光谱分析法等间接方法获得。土壤PH值、土地面积、有机质等理化指标采用光谱分析法、电流-电压四端法、3S等技术。农药、重金属残留还不能实现在线检测。动物生命体征传感器包括运动量、取食量、体温和疾病传感器。国际上基于新材料、新纹理、新工艺的研发的先进传感器已得到广泛应用。据匡算，国内外农业传感器约35 000种左右，而我国只有约500种，传感器技术存在差距大、创新空间大的特点。

　　3.2.3 智能农业专家决策软件系统

　　前文列举了国外智能农业专家决策软件系统或技术平台的应用情况，我国自主知识产权的动植物模型与农业智能决策软件不多，有的决策准确度不高。利用大数据技术，厘清、诊断、挖掘前端大量数据能力和建模技术需要突破。

　　3.2.4 智能化精准农业装备

　　基于数字农业获取的农作物、土壤和环境状况的实时数据，在保护环境的前提下同时确保收益和可持续性，实现在精准的时间、位置点获得最适宜的投放量，需要将可变速率技术(VRT)与传统农机融合。

　　农业机器人研发水平欧美以荷兰、美国等为代表，亚洲以日本、韩国为代表处于领先地位。实际应用领域仅在畜牧、花卉和种苗培育方面，其他领域有待发展。

　　3.2.5 计算机视觉与图像识别技术

　　目前全球关于机器视觉与图像识别，特别是随着人工智能的发展日趋成熟，由平面到立体，由简单到复杂。如基于点云的果树三维冠层重建及可视化计算，实现树冠层快速、精确、自动的重建及光分布计算模拟。基于图像和视频对动物个体识别与行为分析，其视频数据获取的综合成本低廉，视频非结构化大数据整合物联网结构化数据可进一步提高分析精度与准确度。

　　3.2.6 虚拟农业技术

　　虚拟农业技术就是利用虚拟现实技术(Virtual Technology)在计算机、手机等终端上以三维可视化的方式对农业信息进行组织、管理和表达，形象再现农业系统状况或农业系统行为随着相关影响因素变化而变化的过程。有利于可预见性的决策形成，形成尽早采取科学合理的行动措施，使农业全程生产更加智慧的效果。

　　3.2.7 其他

　　综合地区耕地面积、人口数量、地形等因素，确定不同农业生产模式，如类似美国、欧洲、日本模式，有针对性推进数字农业的协同发展。积极推进农业电子商务、农业信息服务等建设。

　　参考文献：

　　[1] 俞菊生.上海“数字农业”框架构筑与发展对策——都市型农业要抢占高科技制高点[J].上海农业学报，2002，18(2)：1-5.

　　[2] 秦斌.数字农业与精准农业[J].山西农业大学学报，2007，27(6)：152-154.

　　[3] 周清波，吴文斌，宋茜.数字农业研究现状和发展趋势分析[J].中国农业信息，2018，30(1)：1-9.

　　[4] 郑可锋，祝利莉，胡为群，等.数字农业技术研究进展[J].浙江农业学报，2005(17)：170-176.

　　[5] 赵春江. 农业信息技术进展(英文版)[M].北京：中国农业出版社，2004.

　　[6] 王一鸣.数字农业与数字农业工程技术的现状与发展[J].农业工程学报，2003(19)：9-10.

　　[7] 赵春江. 数字农业信息标准研究(作物卷)[M].北京：中国农业出版社，2004.

　　[8] 史舟，梁宗正，杨媛媛，等.农业遥感研究现状与展望[J].农业机械学报，2015，46(2)：247-260.

　　[9] 唐華俊.农业遥感研究进展与展望[J].农学学报，2018，8(1)：167-171.

　　[10] 李斌，龙园，刘欢，等.太赫兹技术及其农业领域的应用研究进展[J].农业工程学报，2018(2)：1-9.