摘 要：通過分析國內外數字農業發展現狀，闡述了數字農業、精準農業和智慧農業相互關系。智慧農業包括數字農業、精準農業和農業物聯網。數字農業是精準農業和智慧農業的基礎，是形成決策的數據之源。精準農業是實現智慧農業的手段，智慧農業是現代農業發展的高級階段。三者相輔相成，互相推動進步，最后，提出了數字農業工程技術發展方向。
關鍵詞：數字農業;工程技術;發展方向
《糧食問題研究》(雙月刊)創刊于1984年，由四川省糧食學會主辦。是宣傳糧經政策、聚焦糧經熱點的，探討糧經改革、研究農村、農業、農民“三農”問題和農業(糧食)結構調整、交流糧食經濟工作經驗總結歷史和國內外的有益探索，吸取曾經或別人正在犯過的錯誤教訓。
自進入信息時代以來，以大數據、云計算、物聯網、人工智能等為代表的新理念、新技術正改變著全球的一切領域，包括農業。數字農業技術已成為農業跨越式發展的基礎平臺，使農業從業者通過可視化表達、數字化展現和信息化管理更精準地掌握農業全產業鏈中各環節的狀況。再經過智能農業專家決策軟件系統，實現自動化、智能化和遠程控制等功能。數字農業可使農業更智能、更高效和可持續發展，通過提高生產效率和降低成本來增強行業競爭力的同時，還關注環境保護，有力促進了傳統農業向現代農業的轉變。
1 數字農業
1997年，數字農業由美國科學院、工程院院士正式提出。1998年，美國副總統阿爾·戈爾在加利福尼亞科學中心發表《數字地球：認識21世紀我們這顆星球》的演講，率先提出數字地球(Digital Earth)概念。指出我們需要一個數字地球，一個多分辨率，三維的數字地球，在數字地球可以集成大量的地理數據。1998年時任國家主席江澤民同志在中國科學院和中國工程院院士大會上提出了發展“數字中國”的戰略。隨后，“數字農業”與“數字社會”、“數字城市”、“數字水利”、“數字林業”、“數字地質”等同樣在我國展開了積極探索與研究。
1.1 數字農業的概念
數字農業(Digital Agriculture)是指將遙感、地理信息系統、衛星定位系統、計算機技術、通訊和網絡技術、自動化技術等高新技術與地理學、農學、生態學、植物生理學、土壤學等基礎學科有機地結合起來，實現在農業生產過程中對農作物、土壤從宏觀到微觀的實時監測，即對農作物生長、發育狀況、病蟲害、水肥狀況以及相應的環境進行定期信息獲取，生成動態空間信息系統，對農業生產中的現象、過程進行模擬，達到合理利用農業資源，降低生產成本，改善生態環境，提高農作物產品和質量的目的。數字農業徹底改變過去依靠經驗或人工管理農業生產的落后模式，使農業生產決策更具精準性、經濟性和環保性，決策依據更科學，決策落實更快捷、有效。
1.2 數字農業、精準農業和智慧農業的關系
目前農業領域，除了數字農業外，備受關注的還有精準農業和智慧農業。精準農業(Precision Agriculture)是在信息技術支持下，根據空間變異，定位、定時、定量地實施的一整套現代化農事操作技術與管理的系統。智慧農業(Smart Agriculture/Farming)是以信息和知識為核心要素，利用互聯網、大數據、云計算、物聯網、人工智能等現代信息技術與農業深度融合，實現農業生產全過程的信息感知、定量決策、智能控制、精準投入、個性化服務的全新農業生產方式。智慧農業包括數字農業、精準農業和農業物聯網。數字農業是精準農業和智慧農業的基礎，是形成決策的數據之源。精準農業是實現智慧農業的手段，智慧農業是現代農業發展的高級階段。三者相輔相成，互相推動進步。
廣義數字農業不僅包括大田種植、設施種植、畜禽養殖、水產養殖4類，還包括農業電子商務、農副產品安全及溯源防偽、農業休閑旅游、農業信息服務等方面的內容。
2 數字農業的發展現狀
2.1 國外數字農業的發展現狀
美國、歐洲和日本在數字農業研究領域起步早、優勢大，已經形成完善的理論和技術體系。20世紀80年代起，美國已經通過計算機技術自動調節溫室的光照、溫濕度、空氣、土壤含水率和養分等因素，實現對花卉、果蔬的生長狀況的控制。美國LACIE計劃和AGRISTARS計劃利用遙感、地理信息系統等技術對美國以及全球主要糧食作物進行種植面積、生長狀態、病蟲草害監測和產量預測，為農業從業者提供作物生產和農產品貿易的信息。歐盟MARS計劃利用遙感衛星監測作物種植的數據，作為農業補貼發放的依據。孟山都子公司(The Climate Corporation)研發的數字農業Climate FieldViewTM平臺借助高分辨率成像技術及與植物生長相關的多種數據圖像，整合各類數據制定的農田管理建議，通過精準播種、施肥、無人噴藥和收獲機測產，使農民清楚了解到不同農藝措施在不同田塊的效果，挖掘每一寸土地的產量潛能。
2017年，該數字農業平臺在美國、加拿大和巴西的應用面積達048億hm2，其中有014億hm2由農民付費。拜耳在中國推出WeedScout雜草識別應用程序，通過數字化平臺幫助農民高效、準確地識別田間雜草，精準精量“下藥”，有效除草。以色列安道麥(Adama)立足增產高效，精準施肥噴藥，土壤、作物、環境監測，疾病預防等，公司推出了系列數字農業解決方案，如：Adama Wings甘蔗增產解決方案、與SwarmFarm 合作研發世界上第一個“蜂群”式機器人、FieldIn精準植保應用、CropView農業信息系統、Tierra Digital手機軟件等等。日本的植物工廠應用國際領先，全球有400多座植物工廠，日本占50%。2014年，日本啟動“戰略性創新、創造計劃”，2015年又啟動了基于“智能機械+現代信息”技術的“下一代農林水產業創造技術”工作。2017年，歐洲農機協會(European Agriculture Machinery Association，CEMA)召開峰會，提出在信息化背景下，數字農業技術革命正在到來，未來歐洲農業的發展方向是以現代信息技術與先進農業裝備應用為特征的農業40(Farming 40)。
2.2 國內數字農業的發展現狀
我國數字農業由于缺乏必要基礎研究和工程技術配套，整體水平仍落后發達國家15～20年，提升空間巨大。首先，各類涉農的文獻數據、科技成果、經濟數據等數據庫建設比較完善。其次，20世紀90年代，中國農業信息網和中國農業科技信息網開通，各省農業信息網和農副產品加工、農業裝備等相關網站也陸續建立。再次，基于各類載體的傳感器、遙感(RS)、地理信息系統(GIS)、衛星定位系統(GPS或北斗)等技術手段采集的關于土地資源、水資源、氣候資源、作物生長狀況等數據也日臻完善。2018年我國發射了高分五號、六號衛星，光譜分辨率高，時間分辨率短。有效提升了作物類型的識別能力，可對葉綠素等作物養分含量監測，對玉米、水稻、大豆、棉花、花生等作物估產、農業資源調查和農業災害進行監測。2019年底預計發射高分七號衛星，完成天基系統建設。
由于數字農業獲取數據的多來源、多維度、時態性和海量性等特點，利用大數據技術，厘清、診斷、挖掘和決策，形成農業全程管理實施計劃，即“處方”。“十三五”期間，農業農村部在全國9個省市開展農業物聯網工程區域試點，形成了426項節本增效農業物聯網產品技術和應用模式。2017年農業農村部正式啟動大田種植、設施園藝、畜禽養殖、水產養殖四類數字農業項目建設，連續兩年6個省(區)的10個項目試點，投資總額323億元。基于北斗自動導航與測控技術的農業機械，在新疆棉花精準種植中發揮了重要的作用，實現拖拉機自動駕駛、精準播種覆膜、水肥一體化、變量噴藥等作業。基于北斗深松作業監測、衛星遙感秸稈焚燒監測系統的推廣使用成為了數字農業在農業綜合管理中的有力手段。
3 數字農業工程技術的發展方向
3.1 數字農業工程技術體系
數字農業工程技術體系對農業生產全過程中作業對象從宏觀到微觀的實時監測和控制，是對農業生產全過程數字化的工程技術。數字農業工程技術體系含基礎層、決策層、應用層三個層面(如圖所示)。
3.2 數字農業工程技術體系發展方向
3.2.1 遙感技術
按與地面距離遙感分為近地遙感、航空遙感和航天遙感。目前，農業廣泛使用的電磁波段多為可見光、近紅外、中紅外、微波以及x射線等。太赫茲(THz)由于缺乏穩定的產生源和探測設備，對其研究相對滯后。到2004年，美國將太赫茲科技評為“改變未來世界的十大技術”之一，而日本于2005年更是將太赫茲技術列為“國家支柱十大重點戰略目標”之首。我國在2005年11月召開了“香山科技會議”，邀請國內多位研究太赫茲的院士專門討論我國太赫茲事業的發展方向，并制定了我國太赫茲技術的發展規劃。太赫茲因具有低能無害性、水敏感性、相干性、寬帶和高分辨率等特性，在農業領域生物大分子檢測、農產品品質安全檢測、動植物生理檢測、農業環境監測等方面仍需要深入探索，實現提高精度、快速、小型化、可移動工程化需求。
無人機搭載微型成像光譜儀，屬于航天遙感，具有針對性強、便利性好、一機多用成本低、高時間分辨率、高空間分辨率的特點。需要攻克農用飛控技術、氣流對遙感影像的影響、重量受限等難題。
3.2.2 農業傳感器
數字農業基礎數據多源于各類傳感器，作物養分、生理信息多采用光譜、多光譜、高光譜成像技術。作物生長過程中光照、葉溫、水勢、徑流、干鮮物重、葉片形狀、葉密度等生態信息采用三維模擬虛擬技術。病害、草害采用光譜、多光譜、高光譜成像技術。土壤含水率可采用直接干燥法，或選用電阻法、介電法、光譜分析法等間接方法獲得。土壤PH值、土地面積、有機質等理化指標采用光譜分析法、電流-電壓四端法、3S等技術。農藥、重金屬殘留還不能實現在線檢測。動物生命體征傳感器包括運動量、取食量、體溫和疾病傳感器。國際上基于新材料、新紋理、新工藝的研發的先進傳感器已得到廣泛應用。據匡算，國內外農業傳感器約35 000種左右，而我國只有約500種，傳感器技術存在差距大、創新空間大的特點。
3.2.3 智能農業專家決策軟件系統
前文列舉了國外智能農業專家決策軟件系統或技術平臺的應用情況，我國自主知識產權的動植物模型與農業智能決策軟件不多，有的決策準確度不高。利用大數據技術，厘清、診斷、挖掘前端大量數據能力和建模技術需要突破。
3.2.4 智能化精準農業裝備
基于數字農業獲取的農作物、土壤和環境狀況的實時數據，在保護環境的前提下同時確保收益和可持續性，實現在精準的時間、位置點獲得最適宜的投放量，需要將可變速率技術(VRT)與傳統農機融合。
農業機器人研發水平歐美以荷蘭、美國等為代表，亞洲以日本、韓國為代表處于領先地位。實際應用領域僅在畜牧、花卉和種苗培育方面，其他領域有待發展。
3.2.5 計算機視覺與圖像識別技術
目前全球關于機器視覺與圖像識別，特別是隨著人工智能的發展日趨成熟，由平面到立體，由簡單到復雜。如基于點云的果樹三維冠層重建及可視化計算，實現樹冠層快速、精確、自動的重建及光分布計算模擬。基于圖像和視頻對動物個體識別與行為分析，其視頻數據獲取的綜合成本低廉，視頻非結構化大數據整合物聯網結構化數據可進一步提高分析精度與準確度。
3.2.6 虛擬農業技術
虛擬農業技術就是利用虛擬現實技術(Virtual Technology)在計算機、手機等終端上以三維可視化的方式對農業信息進行組織、管理和表達，形象再現農業系統狀況或農業系統行為隨著相關影響因素變化而變化的過程。有利于可預見性的決策形成，形成盡早采取科學合理的行動措施，使農業全程生產更加智慧的效果。
3.2.7 其他
綜合地區耕地面積、人口數量、地形等因素，確定不同農業生產模式，如類似美國、歐洲、日本模式，有針對性推進數字農業的協同發展。積極推進農業電子商務、農業信息服務等建設。
參考文獻：
[1] 俞菊生.上海“數字農業”框架構筑與發展對策——都市型農業要搶占高科技制高點[J].上海農業學報，2002，18(2)：1-5.
[2] 秦斌.數字農業與精準農業[J].山西農業大學學報，2007，27(6)：152-154.
[3] 周清波，吳文斌，宋茜.數字農業研究現狀和發展趨勢分析[J].中國農業信息，2018，30(1)：1-9.
[4] 鄭可鋒，祝利莉，胡為群，等.數字農業技術研究進展[J].浙江農業學報，2005(17)：170-176.
[5] 趙春江. 農業信息技術進展(英文版)[M].北京：中國農業出版社，2004.
[6] 王一鳴.數字農業與數字農業工程技術的現狀與發展[J].農業工程學報，2003(19)：9-10.
[7] 趙春江. 數字農業信息標準研究(作物卷)[M].北京：中國農業出版社，2004.
[8] 史舟，梁宗正，楊媛媛，等.農業遙感研究現狀與展望[J].農業機械學報，2015，46(2)：247-260.
[9] 唐華俊.農業遙感研究進展與展望[J].農學學報，2018，8(1)：167-171.
[10] 李斌，龍園，劉歡，等.太赫茲技術及其農業領域的應用研究進展[J].農業工程學報，2018(2)：1-9.
論文指導 >
SCI期刊推薦 >
論文常見問題 >
SCI常見問題 >
