【未来农业】新一代智慧农业技术应用展望

智慧农业是指利用信息技术，对农业生产、经营、管理、服务全产业链进行智能化控制，实现农业生产的优质、高效、安全和可控。我国高度重视发展智慧农业，发展智慧农业是实现现代农业的必由之路。

在一、二、三产业的融合过程中，智慧农业可以打破信息瓶颈、促进信息流动和分享。

智慧农业的技术框架大体包括信息感知、智能决策和决策实施3个方面。

信息感知包括通过农业物联网等获得各种与农业生产经营相关的信息，如作物、土壤等环境以及从事农业生产的人乃至社会的信息；

智能决策如同大脑，对各类信息进行分析处理，提供管理或控制的方案，例如专家系统；

决策实施则根据分析结果进行，包括经营策略、种植方案、环境调控或农机（例如无人机、播种机）的操控。

信息感知和决策实施往往依托于硬件设备，智能决策则主要是数据和知识的处理和计算。当今大数据、云计算、物联网的时代背景，对智能决策提出了更高的要求。

大数据是智慧农业的基础，信息感知则是农业数据的源头。

狭义来说，农业数据是指人之外的农作物自身及环境的生物物理信息。然而，农业生产活动离不开人的活动，生产者自身的经验、消费者构成的市场均会对生产产生影响。因此，广义来说，农业数据还包括从事农业生产的人、社会环境、市场动态等社会信息。

生物物理信息感知包括空间信息感知和地面信息感知。

前者主要包括遥感技术、卫星定位技术、地理信息技术（“3S”技术）：基于遥感技术可获得种植面积、作物长势、洪涝、病虫害情况及土壤和作物营养等空间信息；基于卫星定位技术可获得装备的精准位置，可用于农业机械的移动定位；地理信息技术则给出了一个直观的管理数据的方式。

后者主要是农业物联网所涉及的传感技术，获得如土壤和空气的温湿度、光照强度、二氧化碳浓度、风速、土壤盐度等数据。除此之外，还有通过可见光/近红外光谱、近红外光谱速测植物养分、土壤肥力、农产品质量的传感器技术。

地面感知还包括在田间设置摄像机或红外监测仪等，用户可远程观测，用于提升种植透明度、增强消费者的信心。低功耗、低成本、性能稳定的传感器是长期获得可靠数据的关键，也正是目前推广应用农业物联网的瓶颈。

社会信息感知包括农产品市场需求、农产品价格、农业政策、种植者经验等方面。当前，在农业市场国际一体化的发展趋势下，农业企业、协会、合作社等经济合作组织对产前种什么效益高、产中何种农资优质优价、产后卖给谁等市场与技术信息有着更迫切的需求，这些信息对我国现代农业特别是规模化农业、订单农业以及地方特色农业的发展意义重大。

农产品需求信息是农业市场的灵魂，便捷、准确地捕捉市场信息，把握市场动向，及时调整生产及销售方向，是感知社会信息的主要目标。基于爬虫技术的自动采集是通过网络感知市场价格的重要方式，可用于每周的农产品价格预测等。而以投入占用产出技术为核心的粮食产量预测模型则考虑多种体现社会信息的农业投入。

数据传输基于通信网络，将分散的具有独立功能的设备或子系统连接起来，并按照规定的网络协议进行数据通信，实现分布式系统硬件和软件资源的共享及系统的综合管理与控制。

在技术层面，国内很多科研院所和公司均可实现不同的传输方式，实际应用采用哪种数据传输方式则需根据农田环境、方案需求、成本约束等因素综合确定。

农业大数据涵盖农业生产本身和产前、产后以及农产品加工、销售整个链条中所产生的大量数据。目前获取各种农业数据的成本还比较高，缺乏成熟的产品，而且不同的用户有不同的需求。如何融合生物物理和社会信息，为农户、政府、商家等不同的利益相关方提供相应的信息服务，仍是未来要应对的挑战。

智能决策是智慧农业的核心，是数据产生价值的过程，覆盖农业生产从产前规划、产中种植管理及环境控制到产后存储、加工、运输和销售等各个环节。

产前规划包括需求分析和种植方案推荐；

产中种植管理包括环境调控（对于设施农业）、施肥、打药、灌溉等方面的智能决策支持；

产后农产品的库存控制、运输车辆调配、流通加工与配送中心的选址等，均需要智能计算方法提供决策支持。

作物生产管理决策支持技术的研究，集中在作物生长模拟及各类专家系统方面。

作物管理专家系统是专家系统在农业领域的具体应用，一般包含一个由权威农业专家的经验、资料、数据与成果构成的知识库，并能利用其知识，模拟农业专家解决问题的思维方法进行判断、推理，以求得解决农业生产问题结论的智能程序系统。

随着农业进入大数据时代，农业智能决策转入以大数据驱动的方式，并且体现在农业生产的各个环节。农业智能决策支持系统的算法和呈现方式需随之迭代。随着数据获取的相对便捷和智能手机的普遍使用，过去只能在电脑上离线使用、被诟病为“电子词典”的农业专家系统迎来了新的发展时代。

智能农机和管理软件是信息感知、智能决策后的呈现形式。

随着我国农业从业人员的老龄化和数量减少，农业智能装备的应用是必然趋势。农业智能装备包括服务于施肥、打药、灌溉、修剪、采摘、播种、环境调控等各种操作的设备。

国外的智能农机装备较为先进，应用较广，主要有智能导航、自动驾驶、变量施肥、变量喷药等功能。随着国家对农业智能装备研发的重视和投入，国内的多个机构开展了相关研究，研究内容包括自动导航、变量施肥、精准喷药、播种、插秧、喷药、除草和收获等。

此外，我国的农业航空作业量逐年增加，作业领域逐渐扩大，除对粮食作物、园艺作物、经济作物施药外，还开展了植物生长授粉等作业。

农田作业装备精准控制技术是发达国家在大面积机械化条件下发展起来的，而我国的作物生产地域环境条件差异较大，因此技术和装备的选择不可千篇一律地套用。发展适应我国国情的精准农机化必须持续地、因地制宜地逐步完善。

随着智能技术的发展，类似于工业中数字双胞胎的虚拟农业系统预期会逐渐发展，由于中国的小农经济特征，产销信息不对称是农业发展中的一大瓶颈。

有别于传统的以记录为主的农业信息系统，基于智能排产以及农业投入精细计算、虚拟农业管理系统可与目前发展中的农业托管、共享农田等新型经营模式结合，既满足城市居民对田园生活的向往，又部分解决农村缺乏技术和销售渠道的问题，同时在农村创造新的工作岗位，带动新一代年轻人从事农业。

智慧农业是指利用信息技术，对农业生产、经营、管理、服务全产业链进行智能化控制，实现农业生产的优质、高效、安全和可控。我国高度重视发展智慧农业，发展智慧农业是实现现代农业的必由之路。

在一、二、三产业的融合过程中，智慧农业可以打破信息瓶颈、促进信息流动和分享。

智慧农业的技术框架大体包括信息感知、智能决策和决策实施3个方面。

信息感知包括通过农业物联网等获得各种与农业生产经营相关的信息，如作物、土壤等环境以及从事农业生产的人乃至社会的信息；

智能决策如同大脑，对各类信息进行分析处理，提供管理或控制的方案，例如专家系统；

决策实施则根据分析结果进行，包括经营策略、种植方案、环境调控或农机（例如无人机、播种机）的操控。

信息感知和决策实施往往依托于硬件设备，智能决策则主要是数据和知识的处理和计算。当今大数据、云计算、物联网的时代背景，对智能决策提出了更高的要求。

大数据是智慧农业的基础，信息感知则是农业数据的源头。

狭义来说，农业数据是指人之外的农作物自身及环境的生物物理信息。然而，农业生产活动离不开人的活动，生产者自身的经验、消费者构成的市场均会对生产产生影响。因此，广义来说，农业数据还包括从事农业生产的人、社会环境、市场动态等社会信息。

生物物理信息感知包括空间信息感知和地面信息感知。

前者主要包括遥感技术、卫星定位技术、地理信息技术（“3S”技术）：基于遥感技术可获得种植面积、作物长势、洪涝、病虫害情况及土壤和作物营养等空间信息；基于卫星定位技术可获得装备的精准位置，可用于农业机械的移动定位；地理信息技术则给出了一个直观的管理数据的方式。

后者主要是农业物联网所涉及的传感技术，获得如土壤和空气的温湿度、光照强度、二氧化碳浓度、风速、土壤盐度等数据。除此之外，还有通过可见光/近红外光谱、近红外光谱速测植物养分、土壤肥力、农产品质量的传感器技术。

地面感知还包括在田间设置摄像机或红外监测仪等，用户可远程观测，用于提升种植透明度、增强消费者的信心。低功耗、低成本、性能稳定的传感器是长期获得可靠数据的关键，也正是目前推广应用农业物联网的瓶颈。

社会信息感知包括农产品市场需求、农产品价格、农业政策、种植者经验等方面。当前，在农业市场国际一体化的发展趋势下，农业企业、协会、合作社等经济合作组织对产前种什么效益高、产中何种农资优质优价、产后卖给谁等市场与技术信息有着更迫切的需求，这些信息对我国现代农业特别是规模化农业、订单农业以及地方特色农业的发展意义重大。

农产品需求信息是农业市场的灵魂，便捷、准确地捕捉市场信息，把握市场动向，及时调整生产及销售方向，是感知社会信息的主要目标。基于爬虫技术的自动采集是通过网络感知市场价格的重要方式，可用于每周的农产品价格预测等。而以投入占用产出技术为核心的粮食产量预测模型则考虑多种体现社会信息的农业投入。

数据传输基于通信网络，将分散的具有独立功能的设备或子系统连接起来，并按照规定的网络协议进行数据通信，实现分布式系统硬件和软件资源的共享及系统的综合管理与控制。

在技术层面，国内很多科研院所和公司均可实现不同的传输方式，实际应用采用哪种数据传输方式则需根据农田环境、方案需求、成本约束等因素综合确定。

农业大数据涵盖农业生产本身和产前、产后以及农产品加工、销售整个链条中所产生的大量数据。目前获取各种农业数据的成本还比较高，缺乏成熟的产品，而且不同的用户有不同的需求。如何融合生物物理和社会信息，为农户、政府、商家等不同的利益相关方提供相应的信息服务，仍是未来要应对的挑战。

智能决策是智慧农业的核心，是数据产生价值的过程，覆盖农业生产从产前规划、产中种植管理及环境控制到产后存储、加工、运输和销售等各个环节。

产前规划包括需求分析和种植方案推荐；

产中种植管理包括环境调控（对于设施农业）、施肥、打药、灌溉等方面的智能决策支持；

产后农产品的库存控制、运输车辆调配、流通加工与配送中心的选址等，均需要智能计算方法提供决策支持。

作物生产管理决策支持技术的研究，集中在作物生长模拟及各类专家系统方面。

作物管理专家系统是专家系统在农业领域的具体应用，一般包含一个由权威农业专家的经验、资料、数据与成果构成的知识库，并能利用其知识，模拟农业专家解决问题的思维方法进行判断、推理，以求得解决农业生产问题结论的智能程序系统。

随着农业进入大数据时代，农业智能决策转入以大数据驱动的方式，并且体现在农业生产的各个环节。农业智能决策支持系统的算法和呈现方式需随之迭代。随着数据获取的相对便捷和智能手机的普遍使用，过去只能在电脑上离线使用、被诟病为“电子词典”的农业专家系统迎来了新的发展时代。

智能农机和管理软件是信息感知、智能决策后的呈现形式。

随着我国农业从业人员的老龄化和数量减少，农业智能装备的应用是必然趋势。农业智能装备包括服务于施肥、打药、灌溉、修剪、采摘、播种、环境调控等各种操作的设备。

国外的智能农机装备较为先进，应用较广，主要有智能导航、自动驾驶、变量施肥、变量喷药等功能。随着国家对农业智能装备研发的重视和投入，国内的多个机构开展了相关研究，研究内容包括自动导航、变量施肥、精准喷药、播种、插秧、喷药、除草和收获等。

此外，我国的农业航空作业量逐年增加，作业领域逐渐扩大，除对粮食作物、园艺作物、经济作物施药外，还开展了植物生长授粉等作业。

农田作业装备精准控制技术是发达国家在大面积机械化条件下发展起来的，而我国的作物生产地域环境条件差异较大，因此技术和装备的选择不可千篇一律地套用。发展适应我国国情的精准农机化必须持续地、因地制宜地逐步完善。

随着智能技术的发展，类似于工业中数字双胞胎的虚拟农业系统预期会逐渐发展，由于中国的小农经济特征，产销信息不对称是农业发展中的一大瓶颈。

有别于传统的以记录为主的农业信息系统，基于智能排产以及农业投入精细计算、虚拟农业管理系统可与目前发展中的农业托管、共享农田等新型经营模式结合，既满足城市居民对田园生活的向往，又部分解决农村缺乏技术和销售渠道的问题，同时在农村创造新的工作岗位，带动新一代年轻人从事农业。

　　版权及免责声明：凡本网所属版权作品，转载时须获得授权并注明来源“物联之家 - 物联观察新视角,国内领先科技门户”，违者本网将保留追究其相关法律责任的权力。凡转载文章，不代表本网观点和立场。

延伸阅读