农业大数据下的智慧农业发展

2016-11-16 16:11 来源:今日头条
浏览量: 收藏:0 分享

  1、农业大数据对智慧农业的重要性

  随着云时代的来临,大数据也吸引了越来越多的关注。物联网的存在使这种基于大数据的采集以及分析变成了一种可能,2009年以来,在国家政策积极鼓励和财政资金大力支持下物联网发展掀起高潮,此后,物联网在工业、农业、交通、物流、城市管理、环境保护、公共安全、医疗、家居等各个领域都开展了应用示范,目前提倡的现代农业精细化生产与物联网技术结合有着巨大的市场需求空间,以感知为前提,人与人、人与物、物与物全面互联的网络平台构筑成功,现代农业悄然步入物联网时代,智慧农业大局初现。

  试想,如果农民能随时掌握天气变化数据、市场供需数据、农作物生长数据等等,农民朋友和农技专家足不出户就可观测到大田里的实景和相关数据,准确判断农作物是否该施肥、浇水或打药,不仅能避免因自然因素造成的产量下降,而且可以避免因市场供需失衡给农民带来经济损失。各国政府、社会组织、企业都意识到大数据这场旋风所带来的机遇,开始发力推动大数据在农业领域的跨界应用。

  大数据时代,不仅可以通过建立综合的数据平台,调控农业生产,还可以记录分析农业种植养殖过程、农产品流通过程中的动态变化,通过分析数据,同时结合经验,制定一系列调控和管理措施,使农业高效有序发展。

  2农业大数据平台建设

  在经历了多年的发展,研发了涵盖多层面、多领域的农业信息化系统,构建了很多不同级别、面向不同领域的数据资源,形成了庞大的信息资源财富。但是由于利益等原因,这些数据相互之前缺乏统一的标准和规范,信息缺乏共享,信息资源与业务脱节,这必然导致数据利用率低下、信息冗余散乱。构造虚拟化技术平台,规范数据标准,将在大规模数据中心管理和解决方案交付方面发挥巨大的作用。

  推进农业经济的优化,实现可持续的产业发展和区域产业结构优化调整,进一步推动智慧农业发展进程,需要全面及时掌握农业的发展动态,这需要依托农业大数据及相关大数据分析处理技术,建设一个农业大数据分析应用平台。

  在技术上,该平台应基于先进的大数据系统框架,充分融合物联网在数据获取以及云计算在数据处理方面的技术优势,建设具有高效性,先进性和开放性的业务化应用平台。

  结构上,该平台应具有良好的可配置性,满足资源扩展、业务流程的变化。平台应具有稳健的设计构架、良好的人机交互功能,便于一般技术人员开发使用。随着应用领域的拓宽、业务的发展、业务量的增加,系统也应该具有良好的扩展性和应用性。

  3、农业大数据的应用领域及解决猜想

  (一)农业大数据目前主要应用领域

  农业大数据类别复杂。

  从领域来看,以农业领域为核心(涵盖种植业、林业、畜牧水产养殖业、产品加工业等子行业),逐步拓展到相关上下游产业(饲料、化肥、农药、农机,仓贮、屠宰业,肉类加工业等),并需整合宏观经济背景数据,包括统计数据、进出口数据、价格数据、生产数据、气象、灾害数据等;

  从地域来看,以国内区域数据为核心,借鉴国际农业数据作为有效参考;不仅包括全国层面数据,还应涵盖省市数据,甚至地市级数据,为区域农业发展研究提供基础;

  从广度来看,不仅包括统计数据,还包括涉农经济主体基本信息、投资信息、股东信息、专利信息、进出口信息、招聘信息、媒体信息、地理空间坐标信息等;

  从专业性来看,应分步构建农业领域的专业数据资源,进而应逐步有序规划专业的子领域数据资源。

  (二)农业大数据解决猜想

  农业资源管理:基于3S技术,建立管理区域电子地图,对管理区域内农业种植用地进行科学决策、精细化管理。

  基于3S技术,建立管理区域电子地图

  以全球定位系统(GPS)提供的地理基本信息基于地理信息系统(GIS)建立农业用地的电子地图。运用遥感(RS)技术感知电子地图中的实地信息(土质、),全面掌握农业种植用地的范围,实时了解区域内土壤条件、大气环境等综合信息并通过对信息的差异性分析将种植区域划分为不同的管理区域,有针对性地进行规划。

  附加种植业专题数据,充分整合区域信息

  将包含实地遥感数据的电子地图与种植业相关实验数据相结合,实现种植业农业资源的实时查询、分析、决策功能。

  农作物生产管理:整合传统统计数据及农业资源管理信息,对不同管理区域内农作物进行有针对性的种植管理。

  对种植影响因素差异性较大的不同区域定量获取影响作物生长的环境因素(如土壤肥力、含水量、苗情、病虫害等)信息,分析影响区块产量差异的原因,采取技术上可行、经济上有效的耕作措施,区别对待,按需实施的"处方农业"。

  处方农业:

针对水稻的品种、叶绿素含量、氮含量等信息的遥感信息抽取示意图

针对水稻的品种、叶绿素含量、氮含量等信息的遥感信息抽取示意图

  农作物监测、估产:利用遥感(RS)技术监控农作物长势,根据需要及时采取有效措施,并根据各种数据的综合分析较准确地预估农作物产量。

  病虫害分析:利用 GIS 、遥感、高光谱分析等技术,对植物病虫害进行分析、预测、防治。

  农产品质量安全管理:整合产地环境、生产档案、检测数据形成农产品质量安全溯源数据。

  产地环境数据:运用遥感(RS)、传感器等技术手段全面掌握农产品产地环境数据,并形成历史记录。

  生产档案数据:农产品生产记录,记录农产品在生长过程中的各种农事操作信息。

  农产品检测数据:记录企业资质,检测报告,产品品质的认证证明等信息。

  农村政务服务管理:政务服务管理涵盖人口管理、计生管理、党群管理、公共咨询、社保管理、经营管理、资源管理,将这些数据整合,形成县、乡、村三级政府部门的信息管理系统。

  政务管理:政务管理内网承担各级政府部门的办公业务实现村、乡、县各级部门间的信息交流,政务管理外网处理各部门面向企业的业务及政府部门之间的业务。

  公共服务管理:人口、计生、社保等公共服务的信息化管理,实现公共服务的简便快捷

  农业资源管理:涵盖部分农业资源管理数据,为管理者提供辖区内的农业资源数据(土地使用情况、作物种植情况、产量预估等),为农业资源的科学决策提供可靠依据。

  4农业大数据引领智慧农业

  总的来讲,大数据作为新一代信息技术,在农业领域的应用任重道远。大数据不仅充满了挑战和未知,人们也充满了更多期待和憧憬。大数据涉及的内容十分浩瀚,可分成大数据科学、大数据工程、大数据技术、大数据应用等领域。目前在大数据技术和大数据应用方面关注的较多,而相比之下大数据科学和大数据工程问题尚缺乏足够的重视。农业大数据属于技术和应用层面,但同时也需要不断吸收大数据的科学思想、引进大数据的最新研究成果,才能保持农业大数据的生命力。

  农业作为中国的基础产业,面临着农产品需求不断增加、资源紧缺、气候变化导致灾害频发、生态安全脆弱、生物多样性持续下降等严峻挑战,夯实以农业物联网、云计算技术为核心的农业信息化基础,提升以大数据为支撑的农业信息化服务,开拓智慧农业新局面,实现农业现代化和信息化的跨越式发展。


标签:

责任编辑:admin
在线客服