設施農業全產業鏈大數據應用現狀及建議

陳玉林 唐靜

關鍵詞：設施農業;全產業鏈;大數據;建議

1 昆山高新區設施農業產業鏈大數據發展現狀

我國設施農業產業鏈大數據的建立和應用在近30年取得了巨大的成就，極大地推動了我國農業的發展。昆山市自2017年成立農業信息中心以來，不斷加快農業信息化建設，在農業生產服務、農產品質量安全監管、農業地理信息等領域成效明顯。重點建成了昆山智慧農業農村管理系統、農產品質量安全管理系統、農業農村地理資源“一張圖”等一系列服務型信息系統，實現了共性數據和個性數據的共享互通、農業農村服務快速高效、農業地理資源及農業農村資源科學利用、農業農村生產經營智能管理。

1.1 設施農業信息化管理方式還需提升

我國農業信息技術已成功建起了一批農業綜合數據庫和各類應用系統。近年來，昆山緊緊圍繞“數字化、智能化、云計算”總體建設要求，以重大項目實施為契機，加快農業農村信息化建設步伐，在農業農村信息化建設方面做了大量工作，多領域取得了工作成效?？傮w來說，在設施農業產業鏈大數據管理應用方面還在初級階段。主要要實現生產者、經營者和管理者精準服務，實現農民科學種田、科學經營。還需要通過新手段對農作物的選種、灌溉和施肥等不同管理環節進行優化，以大數據大計算輔助農民科學調整生產結構;需要對農作物病蟲害、產量豐欠、市場行情等進行預測預報，降低生產經營風險;需要對農業生產、運輸、初加工、配送等環節實現智能化、輕省化，提升生產經營效益[1]。

1.2 生產經營主體信息化技術的應用不高

信息化技術應用于設施農業已較為成熟，昆山市主要蔬菜、漁業、稻米基地信息技術和大數據應用率逐年提升，收集和匯總出了多種作物的生長及環境參數指標。由于大量系統采集的暫存數據未能及時有效處理，達到對實際生產形成指導還有一定的差距?，F有信息化管理系統平臺中，系統管理主要體現在形式管理或面上供桌。比如環境調控系統能完成各參數的完整采集和實時監測，而對數據進行整理、分析，形成理論化數據再次應用指導生產還欠缺，還需要進一步擴展該項目功能。大部分功能均是靠經驗、人工手動操作實現，系統故障時有發生，穩定性不強。操作系統且對生產人員以及適用對象的計算機水平要求較高，造成信息化技術更多用于生產示范。如何從信息化管理向信息化應用轉變成為未來幾年設施農業發展的重要突破瓶頸。

1.3 設施農業的專家模型有待加快建立

建立產業大數據、實施全產業鏈數據連通，構建農業專家模型是實現行業管理智能化、生產管理精準化、產品銷售定制化的重要基礎，是實施“機器換人”，解決“誰來種田”、延長產業鏈的重要方法。采用信息手段實現設施農業的智能監測、遠程控制和智能化管理是發展趨勢。目前我市還處于信息平臺應用的初級階段，各類平臺應用和生產者需求還存在差距，當前利用農業大數據成果形成經驗進行智能化管理的局限還比較明顯[2]。設施管理系統也缺少針對性操控策略，缺少行業專家專業性決策支持。如何通過大數據分析結果，來輔助農業管理者編制農業規劃和生產計劃，實現生產經營效益的最大化是重點研究方向。尤其需要對生產面積大、生產規律性較強的作物品種有針對性地建立肥水、光照、濕度、病蟲害和成熟度等生長模型。

2 國內外設施農業大數據應用情況及經驗總結

2.1 國外設施農業大數據發展情況

在大數據應用方面，美國、荷蘭、以色列等國外農業發達國家起步較早，在設施農業和大田生產方面均有一套成熟的全產業鏈管理模式，并因此建成行業的專家系統應用于產業鏈各個環節。美國在20世紀70年代就開始利用大數據研究農業專家決策系統，最初用于農作物的病蟲害診斷。1986年美國農業部和全美棉花委員會研制出的棉花專家系統，給美國的棉花生產帶來了巨大的經濟效益。1996年以色列開發了用于花卉管理的專家系統。之后，日本、荷蘭和以色列均開發了番茄、辣椒等作物栽培肥水管理專家系統、病蟲害診斷專家系統等專家咨詢系統。尤其在機械化和自動化方面已熟化應用，以大數據為支撐的系統，可有效調節設施內溫、光、水、氣、肥等環境因素，為作物提供最佳環境。迄今為止，全世界已經建立了近百個大數據農業專家系統，并被應用到生產實踐中。如美國精準農業應用領域，基于大數據進行決策，通過數據的感知、傳輸和處理，分析各類農業數據規律，促進資源的高效利用、降低農業損耗、提升農業經濟收入;并且通過第三方數據共享，以眾包的方式進入社會生產，形成覆蓋范圍更廣、實用性更強的數據應用服務，并在此基礎上，將各類農業資源、生態環境、生產管理及市場信息等數據進行整合，實現大數據更為高級的管理功能[3]。

2.2 國內設施農業大數據發展情況

我國關于農業大數據建立和應用方面的研究起步較晚但發展較快，20世紀90年代，中國對農業數據庫的建設已見成效，在水稻、小麥、棉花、玉米、水產等領域都有運用，也加速了農業向更精準、更智能方向發展。設施農業領域農業大數據在近些年得到快速發展，應用的領域和地區更加廣泛。國內一些智慧農場，通過引進或集成國外專家栽培管理系統，部分通過大數據收集、整理和分析，建立了適應各地氣候、品種和產業的管理模式。如天津市農科院針對設施蔬菜種植由傳統粗放向數字化智能種植方式轉變，構建了天津市設施蔬菜物聯網管理系統。系統由感知層、傳輸層、數據存儲層和應用層組成。對系統數據庫結構、專家系統、物聯網系統進行合理設計，實現蔬菜設施種植過程中各個生育時期專業參數的自動分析和調控。同步建立了專家決策系統，并能在此基礎上二次開發，結合專家經驗逐步豐富數據層，根據不同作物種類設置相應的參數，建立適用于不同品種的專家決策系統，使大數據運算在生產環節發揮更大的作用。此外，國內的如北京中糧智慧農場、長春農博園、陜西銅川草莓星球等園區針對番茄、黃瓜、草莓、辣椒等品種建立了生長模型，以數據為指導進行精準管理，都是成熟運用大數據進行管理的典型經驗。

3 設施農業領域全產業大數據應用的建議

3.1 逐步完善智慧農業農村大數據平臺

推動農業農村數據、資源有機整合，構建全市農業農村信息化管理“一張網”，將數據通道基本打通。目前昆山市在設施農業信息化監管系統方面積累了大量的數據、但各類系統普遍存在不兼容、數據不完整、信息分散、管理脫節、應用性不高等不可避免的現實問題，尤其在生產、加工和銷售等環節的數據整合和利用也未能達成。通過研發平臺標準體系，統一規范全市各級、各類農業農村信息化平臺，推動數據共享、系統對接，打破數據孤島、系統孤島，實現農業農村數據互聯互通、資源共建共享。重點在應用領域，解決設施生產環節數據鏈接，滿足不同園藝作物、不同企業的運行需求，全市需要搭建一個通用的、基于大數據的、監管一體的智能管理應用平臺。系統開發人員可以利用這個平臺開發適合不同作物的生產管理系統和企業管理系統，面向產業鏈各個環節的特點研究開發，滿足生產、倉儲、物流和銷售等領域使用，更有針對性、有效性和實用性。不僅可以實現數據的統一管理，為更多產品、管理提供數字化管理經驗，豐富專家決策層數據，而且能降低開發和運行成本，還能更好地支持二次開發與研究，提高管理效率。更為實現農業生產種植、經營的跨越式發展提供了可能。

3.2 研討農業專家決策系統的開發標準

農業專家決策系統是具備大量農業專門知識與經驗的計算機系統，將人工智能技術應用于農業領域，依據專家體統的專業領域知識和經驗進行推理和判斷，模擬農業專家就某項復雜農業問題進行決策，是智慧農業的重要組成部分[4]。隨著信息技術發展越來越迅速，應用越來越廣泛，對傳統農業的數據采集也更豐富，農業專家系統也在不斷地改進優化。同時，還將物聯網、人工智能、云計算等應用于農業專家系統，來提升生產管理系統決策的準確性、規范性和實用性。同步需要構建農業數據指標、樣本標準、采集方法、分析模型和發布指令等標準系統。這種精準農業的實現，系統開發人員只需要將本領域和本系統的知識經調試和研究后裝入系統，形成知識數據庫，使用者和操作者無需懂得計算機知識，甚至不需要懂專業生產，也能依托系統進行精準管理。表現為控制系統在實時監測溫度、濕度、光照度、肥水量、病蟲害發生等環境條件的同時，實時傳感數據并存儲，通過專家分析系統，對生產過程產生的問題進行定性診斷和定量分析，能夠實現對作物的科學決策，更利于作物產量和品質的提升。

3.3 加大在農業產業鏈發展方面的運用

以大數據為依托的智慧農業不僅可以在農業生產階段提供精準控制和智能管理，而且通過設施農業種植智能化管理系統、農產品質量安全追溯系統和產供銷一體化實時銷售終端等大數據平臺，更實現在農業產業鏈上的供應規?；?、投入精準化、生產機械化、管理信息化、產品標準化和銷售可溯化。通過農業大數據管理實現對傳統農業產業鏈實現全面升級。農業全產業鏈發展模式，貫通農產品價值鏈各環節，形成有效組織管理以及“研、產、銷”一體化農業經營模式，擊破了現階段農業轉型升級的痛點，減少農業經營風險。以“物聯網+農業”監測傳感系統獲得大量農情、農事、物流和銷售等數據，通過云計算和大數據技術對采集的數據信息進行分析，將有效數據關聯整合、時空分析并智能決策，及時發現問題并自主迅速解決，以最小投入獲得最大收益和最小環境危害。在大數據應用建設上，建議以農業產業園、農業龍頭企業為引領，加快研發一批“操作簡單、性能穩定、維護方便”基于精準管理的技術產品，推進設施農業向低成本、低能耗、高產出方向發展。

3.4 做好重點農業園區示范引領

根據農業園區整體規劃，把農業智能化建設納入整體規劃之中。優化設計和功能架構，將數據作為重要的基礎性資源，應用服務逐步展開。依托智慧農業農村大數據平臺，加強數據采集和智能裝備控制，完善農業農村數字“大腦”。比如，打通全市10個主要農業園區運用信息化管理信息系統，實現生產環節遠程監控、環境實時監控、餌料精準投喂、病害監測預警等數字技術裝備應用。在此基礎上，通過大數據的支撐，高效運用信息傳遞技術實現生產環節的智能化管理和精準生產，達到市場需求端信息和農產品生產端信息的及時反饋，促進實現產業鏈動態產銷良性循環。通過多渠道銷售網絡提升企業的品牌效應，最大限度地提高產業鏈的整體價值和市場競爭力，促進各主體之間的協同發展，帶動各環節各主體走向全產業鏈新型農業道路。

3.5 加強專業人才培訓和儲備

農業全產業鏈大數據應用需要產業綜合全面發展。在生產技術、專家系統和設施設備不斷提升和完善的基礎上，對領域人才也提出了更高的要求?，F有農業企業生產者缺乏掌握基于物聯網管理技術、農業技術等復合應用的專業人才。人才作為生產經營主體發展的關鍵要素之一，必須緊跟時代要求和農業發展步伐，努力改革創新、塑造新格局、促進新發展。一方面優化人才隊伍結構。根據產業分工做好人才專項培養。梳理人才知識層次、技術職稱、工作專長等，做到術業有專攻、經驗能傳承。另一方面加快人才引進培育力度。制定合理扶持政策，做好定向培育工作，讓更多優秀人才能夠留在農業農村發揮作強、文化層次高、業務能力精、工作熱情高的農業技術推廣人才隊伍，打造一批適應現代農業發展的新型經營主體。努力在設施農業大數據全產業鏈應用工作方面爭做示范、爭當表率。

4 結論

綜上所述，研究與開發農業全產業鏈大數據，是實施農業精準管理的重要組成，也是實施農業智能化管理的重要基礎。實際生產應用上要掌握農業全產業鏈技術標準和生產經驗，形成理論數據支撐，綜合利用物聯網技術、人工智能、云計算等促進發揮產業鏈各環節的巨大潛力，為設施種植產業的可持續發展提供科技支撐，從而為農業生產創造更大的經濟價值以及發展空間，也為實現農業現代化和鄉村產業振興提供助力。

參考文獻

[1] 劉波，郭鴻恩，李志鵬.農業專家決策系統及發展趨勢研究[J].農業科技通訊，2018（5）：10-11.

[2] 王麗.智慧農業背景下農業全產業鏈發展路徑探索[J].農業經濟，2018（4）：6-8.

[3] 張宇泉，曹正偉，錫林圖雅.美國精準農業技術推廣經驗及對我國啟示[J].上海農業學報，2020，36（3）：119-125.

[4] 吳璽，譚宏，夏建國，等試論我國農業專家系統的應用及發展[J].計算機與農業，2000（8）：1-4.