“数字农业”应运而生的总结与思考

“数字化是科技赋能农业的最有力体现。

农业是国民经济发展的重要基础，是国家安全的重要保障。 自古以来，我国就非常重视农业的发展。 然而，近年来，农业资源与需求的矛盾日益突出。 如何利用有限的资源满足更多人的需求，已成为我国亟待解决的问题。

在数字经济快速发展的背景下，“数字农业”应运而生。 数字农业是以数字信息作为农业生产新要素，运用数字信息技术对农业对象、环境及全过程进行可视化表达、数字化设计和信息化的农业发展新形态。 是数字经济下的一种数字化重组方式。 传统产业改造升级的典型应用之一。

01

什么是数字农业？

数字农业是信息技术在农业领域的全面综合应用。 具体而言，数字农业是指遥感、地理信息系统、定位系统、计算机技术、通信与网络技术、自动化技术等高新技术与地理学、农学、生态学、植物生理学等基础学科的有机结合。和土壤科学。 结合，在农业生产全过程中，实现对农作物从计划、投入、生产，到农产品收获、加工、销售全过程的模拟、监测、判断、预测和建议，从而提高提高资源利用率和降低成本，提高生产效率和产品质量，改善生态环境。

数字农业从概念到实践的探索、开发和应用不断丰富和完善。 对数字农业的定义和理解也因人而异。 结合世界主要农业国家的科研和企业实践，笔者在此为大家做一个阶段性的总结。

数字农业是一个集体概念，主要包括以下四个主要部分：

1.农业物联网（）

本质上，农业物联网是一个数控系统。 在一个特定的封闭系统中，事物是基于探针、传感器和摄像头等设备连接起来的。 它根据既定的参数和模型自动调节和运行。 由于需要基于硬件设备的投资和联网，投资比较大，主要用于设施农业生产过程的管理和运营，也用于农产品的加工、仓储和物流管理。

2.农业大数据（）

农业大数据是与农业物联网相对应的一个概念。 是在开放系统中对数据进行采集、识别、识别，建立数据库，通过参数、模型、算法对多维、海量数据进行组合优化的数据系统。 为生产经营和经营决策提供依据，实现部分自动化控制和运行。 由于其运行在一个完全开放的系统中，主要用于大田农业的生产和整个农业产业链的运营和管理。

3. 精准农业 ( )

精准农业是基于农机硬件的实施和运行体系。 主要以农机单机硬件为基础，配备检测设备和智能控制软件，实现精准作业、变量控制（包括变量播种、变量施肥、变量喷洒等）、无人驾驶、理想作业环境和场景适应。 精准农业强调对（单台）设备设施作业的精准智能控制，是硬件+软件。

4.智慧农业（）

智慧农业是基于经验模型的专家决策系统，其核心是软件系统。 智慧农业强调的是一个智能化的决策系统，再加上各种硬件设施设备，是系统+硬件。 智慧农业决策模型和系统可广泛应用于农业物联网和农业大数据领域。

2016年，谷歌谷歌横空出世，将人工智能（AI）的决策水平提升到前所未有的高度，让人们意识到人工智能发展的加速和广阔前景，为数字农业的发展注入强劲动力。 心针。

由于数字农业的发展还处于早期阶段，对其核心组成部分和各个部分的认识还存在很多歧义。 因此，概念经常被误用和混淆。

尽管数字农业未来的发展前景十分诱人，但由于农业生产涉及的门类、品种繁多，生产过程漫长复杂，不可控因素多，变数多，数字农业已经从单点突破以全面进步和应用。 还需要时间。

02

数字农业有哪些优势

一、农业生产高度专业化、规模化、商品化

美国农业生产的专业化是多层次的，主要表现在区域专业化、农场专业化和生产过程专业化。 美国大陆分为几大作物带，每一个都比较适合一种作物的生长，比如著名的“玉米带”、“奶牛带”等； 大部分农场只生产一种作物，进行规模化种植； 而有些农场只生产一种作物的一种品种，或者只进行一种作物的育种。 这样，因地制宜，各有所长，实现了专业化和规模化的良好结合，形成了专业化生产、集约化经营、企业化经营的现代产业模式。

2、完善的农业生产体系

美国已经形成了发达的农业生产体系，产前、产中、产后紧密相连，包括农​​业生产资料的生产和供应，以及农产品收获后的储运、加工和销售。 他们分工明确，协作高效。 在相关农业法制的维护下，农业生产有序高效。

三、农业教育、科研、推广“三位一体”

美国的农业属于私人经营，但各级政府积极支持农业科技发展，建立了富有特色的“三位一体”的农业教育、科研和推广体系。 农学院同时承担农业教育、科研和推广三大职能。 ，使教学、科研、推广紧密结合，为农业发展提供强大的技术动力。

国内数字农业发展现状

近年来，我国数字农业技术发展迅速，突破了一批数字农业关键技术，开发了一批实用的数字农业技术产品，建立了网络化的数字农业技术平台。

例如，农业农村部在陕西省试点的“苹果产业大数据中心”，拓普云农为浙江省政府打造的智慧农业云平台，都是数字农业大数据应用案例。

目前，在农业数字信息标准体系、农业信息采集技术、大规模农业空间信息资源数据库、作物生长模型、动植物数字虚拟设计技术、农业问题远程诊断、农业专家系统和决策支持系统等方面、农业远程教育企业在多媒体信息系统、嵌入式手持农业信息技术产品、温室环境智能控制系统、数字农业宏观监测系统、农业生物信息学等方面的研究与应用取得了重要的阶段性成果。 ，初步形成了我国数字农业技术框架和数字农业技术体系、应用体系和运营管理体系，推动了我国农业信息化和农业现代化进程。

03

中国数字农业面临的四大问题

中国的数字农业还处于比较早期的阶段，大量的硬件投入还没有彻底解决农业的根本问题。 不少地方在数字农业建设中存在“增收不增收”、“种植、生产、销售”三个阶段脱节、数字理念与生产实际脱节等问题环境。 具体包括：

1.重硬件，轻软件

无论是政府还是农民，都容易将数字农业与农业机械化的概念混淆。 数字农业与农业机械化的根本区别在于，机械化是用机械代替人工，而数字农业是用数据驱动机械，实现自动化作业和智能调节。 没有数据和软件驱动的物联网，其实是一种工具，与机械化农业没有本质区别。 开放软件平台是打开大数据、智慧农业、数字经济之门的钥匙。

2. 有数据，没有智慧

数据是数字农业的基础资源。 近年来，政府和企业在数据收集方面投入了大量资金。 但由于缺乏明确的业务方向和必要的数据操作技能，在采集数据的质量控制、分析处理、建模应用等方面的工作相对滞后。 数据的获取和应用是一个双向交互的过程。 只有不断尝试用数据产生商业价值，才能建立有价值的数据收集渠道。

3、数字经济薄弱

目前，我国数字农业的大部分应用还停留在生产环节。 严格来说，它们处于现代农业3.0的初级阶段，产业链其他环节的信息化和经济化程度较低。 虽然农业部提出了“全产业链”的农业大数据发展路径，但尚未充分激发产业链其他环节的潜力，农产品电商的商业模式尚未开始数据化驱动的尝试。 农业数字经济不同于数字农业的其他关键要素。 事实上，农业数字经济是由市场资本反向驱动的。 农产品电商的模式是以数字驱动市场经济，在营销运作、产品特性、物流等方面遇到了很多阻力，如果逆向驱动成为现实，一切问题都会变得简单。

4、产品化能力弱

近年来，农业数据服务企业层出不穷，但其对农业生产经营主体的服务能力普遍不足，产品营销难度大。 数据产品的服务能力很大程度上取决于数据质量。 随着高价值数据的不断积累，有望提升产品实用性。 只有不断创造有生命力的数据产品，才能撬动庞大的农业数字市场。

04

未来数字农业的发展趋势

以“数字化”为特征的现代农业4.0是毋庸置疑的未来。 数字农业将带来更高的产业效率、更公平的价值分配、更可持续的发展方式。 我们认为，中国数字农业的发展将呈现以下六大趋势：

1. 数据供给定制

数据资源是发展数字农业的基石。 目前，我国数字农业面临数据采集成本高昂的困境。 随着数据思维深入人心，数据采集的组织成本将大幅下降； 随着农业物联网的升级、公共数据的不断开源和从业者信息化水平的提高，数据采集的显性成本将不断降低。 未来所有的农业产业单位都将拥有定制化的数据供应系统。 而且，数据仓库中的静态资源会随着所有者数字化能力的提升不断流入产业链，通过交换、融合或再生，不断创造价值，实现业务的数字化驱动。

2. 数据模型本地化

挖掘数据的价值是数字农业发展的动力源泉。 以色列可以把硬件设备卖给我们，但绝不开放后台系统，因为真正的核心技术是实现数据价值的模型。 当前，随着大国科技竞争的加剧，科技成果引进壁垒不断加大，且由于国内外农业业态差异较大，不能套用国外模式和模式. 另一方面，中国持续鼓励科研成果产业转化，产学研、农业与数据科学的跨界合作正在逐步深化。 因此，实现工业核心数据模型的自主研发是大势所趋。

3、农机智能化

机械化与智能化之间只有“数据驱动”的距离。 中国制造2025战略明确将“智能制造”作为主攻方向，顺应市场趋势。 海尔、金风科技等老牌厂商积极进行数字化转型，寻找新的增长点。 农机厂商也将继续用数据赋能机械，适应数字农场的场景需求，实现从制造商到服务商的转型升级。

4、产业链虚拟化

随着农业产业各环节数字化程度的有效提升，当数字机器智能、商业智能进入生产经营时，产业链将不断进入网络，逐步完成现实在网络世界的数字化映射。 产业链虚拟化将进一步推动消除信息不对称，提高产业效率，发现新的增长点。

5、供应链金融普惠化

近年来，供应链金融发展迅速。 据测算，到2020年，中国供应链金融市场规模将达到14.98万亿元。 供应链金融是产业优化的重要组成部分。 通过优化资金流动，促进产业特别是中小企业的健康发展。 通过物联网、互联网、人工智能等新兴技术的应用，数字农业将有效促进中小企业有机融入产业网络体系，为普惠融合提供坚实的产业基础。供应链金融； 未来行业信息的透明化、主体信用的可追溯性，也将为金融风险的量化管理提供切实保障。

6. 增强的数据安全性

无论是农田数据还是企业经营数据，都是反映从业人员生产经营状况的关键信息。 数据在为行业带来动力的同时，也存在被滥用的风险。 因此，数据安全是工业数字化发展的基本保障。 对数据存储和应用的信息系统的安全需求将不断提高，数据权属问题将随着法律的完善得到妥善解决，产业数字化后顾之忧将得到缓解。