數字農業是信息技術在農業領域的綜合和全面的應用。具體來講，數字農業是指將遙感、地理信息系統、全球定位系統、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、植物生理學和土壤學等基礎學科有機地結合起來，從而實現在農業生產的全過程中，對農作物從規劃、投入、生產，到農產品收獲、加工、營銷等全過程模擬、監測、判斷、預測和建議等，達到提高資源利用率，降低成本，提高生產效率和產品質量，改善生態環境的目的。

數字農業從概念的產生，到實踐中的探索、發展和應用，一直在不斷豐富和完善之中。對于數字農業的定義和理解也因人而異。綜合世界主要農業國家的科研和企業的實踐，筆者在這里給大家做一個階段性的總結。

數字農業是一個集合概念，它主要包含以下4個主要部分：

01

農業物聯網（Internet of Things）

農業物聯網從本質上講，是一套數控系統。在一個特定的封閉系統內，以探頭、傳感器、攝像頭等設備為基礎的物物相聯。它根據已經確定的參數和模型，進行自動化調控和操作。由于需要以硬件設備的投資和聯網為基礎，因此投資額較大，主要用于設施農業生產過程的管理和操作，也用于農產品的加工、倉儲和物流管理。

02

農業大數據 （Big Data）

農業大數據是與農業物聯網相對應的概念，它是一個數據系統，在開放系統中收集、鑒別、標識數據，并建立數據庫，通過參數、模型和算法來組合和優化多維和海量數據，為生產操作和經營決策提供依據，并實現部分自動化控制和操作。因為它是在完全開放的系統中運作，因此主要用于大田農業的生產和農業全產業鏈的操作和經營。

03

精準農業（Precision Farming ）

精準農業是建立在農機硬件基礎上的執行和操作系統。它主要是以農機的單機硬件為基礎，配以探測設備和智能化的控制軟件，以實現精準操作，變量控制（包括變量播種、變量施肥、變量噴藥等），無人駕駛，以及最佳的工作環境和場景適配。精準農業強調的是（單體）設備和設施操作的精準和智能化控制，是硬件+軟件。

04

智慧農業（Smart Agriculture）

智慧農業是建立在經驗模型基礎之上的專家決策系統，其核心是軟件系統。智慧農業強調的是智能化的決策系統，配之以多種多樣的硬件設施和設備，是系統+硬件。智慧農業的決策模型和系統可以在農業物聯網和農業大數據領域得到廣泛應用。

2016年，谷歌旗下Deep Mind的Alpha Go橫空出世，把人工智能為（AI）的決策水平提高到一個前所未有的高度，讓人們認識到人空智能發展的提速和廣闊的前景，也為數字農業的發展注入了強心針。

由于數字農業的發展還處于早期階段，對于其核心的組成部分以及各個部分的理解還有不少歧義，因此，概念被用錯和被混為一談的事情經常發生。

數字農業未來的發展前景雖然非常富有吸引力，但是由于農業的生產涉及的品類和品種繁多，生產過程漫長和復雜，不可控因素多，變量多，因此數字農業從單點突破到全面進步和應用還需要假以時日。

數字農業的發展還處于早期階段，對于其核心的組成部分以及各個部分的理解還有不少歧義。大數據（Big Data）是一個比較新的概念，它也很容易讓人望文生義。最簡單和最直接的反應就是認為大數據就是“大量的數據”。

一位統計局的領導就自豪地跟我說：“我們有各行各業多年來的統計數據，有公開發表的，也有沒有公開發表的。這些都是最好的大數據”。客觀地說，這是一個非常典型的誤讀。

關于大數據，不同的研究機構給出的定義是不同的：

美國專門研究大數據公司Gartner的定義是：無法在一定時間范圍內用常規軟件工具進行捕捉、管理和處理的數據集合，是需要新處理模式才能具有更強的決策力、洞察發現力和流程優化能力的海量、高增長率和多樣化的信息資產。

在維克托·邁爾-舍恩伯格及肯尼斯·庫克耶編寫的《大數據時代》中給出的定義是：不用隨機分析法（傳統的抽樣調查）的途徑，而采用所有數據進行分析處理。

IBM公司歸納了大數據的5V特點：Volume（大量），Velocity（高速），Variety（多樣），Value（低價值密度），Veracity（真實性）。

筆者認為，這些國外的機構和專家的總結和歸納，都在一些側面反映了大數據的特質和特性，但是還不夠全面和準確。那么我們應該怎樣理解和定義“大數據”呢？

01

大數據是動態數據

通過各種設備、設施、軟件和系統實時獲取的動態數據是大數據。比如生產過程中通過監控設備獲取的數據、氣象監測數據、作物生長數據和消費者的動態數據等等。但統計數據不是大數據，因為它是主要是通過行政管理機構或者市場調查機構，逐層調查和統計上來的靜態數據，比如說農業、農村和農民數據等。這些數據的獲得不僅耗時費力，還常常會出現人為的偏差和失誤。而且一旦統計結果匯總之后即成為歷史數據。動態的數據的收集、匯總和實時更新需要通過適當的設備、設施和技術手段來實現。所幸，社會活動的多樣化，信息技術的發展，特別是移動終端的普及，使得無限這一任務可以輕松達成，而且大數據的觸角也得到極大延展。

02

大數據是多維度的數據

我們以農業的產業大數據為例，影響生產過程的因素可以是投入的原材料的變化，技術的先進程度，生產的環境條件，人員的操作水平，市場的行情變化，物流的調控能力等等，總之是多維度的。這些維度的數據需要涵蓋能夠影響結果諸多原因，即必要的維度，否則就沒有價值。數據量大不代表“充分”，也不表示能夠包含必要的“維度”。只有一個或少量維度的數據，數量再大也不能夠稱之為大數據。

03

大數據是有邏輯關系的數據

現代社會生活豐富多彩，節奏快，每時每刻都產生大量的有價值和無價值的數據。我們根據需求，將這些大量、動態和碎片化的數據收集、標識和關聯，并按照一定的邏輯關系組合起來以后，這些數據就開始變得有意義和有價值了。以消費大數據為例，收入水平與消費支出，年齡段與產品類型，地域分布與產品偏好，職業與品牌選擇等等，都存在著極高和多重的邏輯關聯，我們通過關聯分析，可以產生大量和有價值的次生數據并從中得到結論。因此，沒有邏輯關系關聯的數據是沒有價值的，也不能稱之為大數據。

04

大數據之間可以形成多種函數關系

以產業大數據為例，從統計的角度可以統計工廠，產品，工人，原材料投入，消耗，生產效率等很多項目…，統計數據之間一般只有線性關系。從大數據的角度可以把整個生產分為不同的生產過程或生產單元，每個生產過程或單元的變量因素都可以有不同的原材料投入，生產條件，管理方式，控制節點等，其中任何一點或多點的變化及其變化的幅度，對生產結果會造成不同的和有規律可循的影響，這些數據之間具有非常清晰的數量關聯，人們可以通過參數，算法等總結出其中的數量關系。而且這些多種變量數據之間通常是可以被描述為模型下的函數關系。發現、構建和不斷完善各種數據之間邏輯和函數關系才是大數據的本質追求。

綜合以上各點，大數據的正確定義應該是：大數據是通過應用軟件或系統，自我產生和實時更新的，按一定邏輯關系關聯的多維數據。

我們首先要區分農業大數據和農業大數據技術。不幸的是，把兩樣不同的東西混為一談的人很多。

農業大數據技術核心在于技術，包括獲取技術和處理數據的技術，相比工業大數據技術，大數據處理技術類似，但是農業大數據獲取技術對于技術的多樣性和復雜程度要求更高，根本原因在于工業大數據技術面對的是非生命物質，農業大數據面對的是開放環境生長的動植物生命，農業大數據技術更為復雜。

那什么是農業大數據？首先理解什么是大數據？它是真實世界的一種映射，通過數據化把真實世界映射在另外一個虛擬世界，通過對數據的建模、運算和處理，讓我們對于真實世界的感知又深了一層，相比于傳統利用經驗的判斷，農業大數據其實是我們解構生命屬性的動植物全生命流程（產業鏈）的一種新的更接近真實的模式。

01

農業大數據技術

（1）農業大數據獲取的技術

• 遙感技術，它包括衛星遙感，無人機遙感，有人機遙感、定點攝像頭等；

• 氣象技術，它包括氣象衛星、氣象雷達、氣象基站、無人自動氣象站等；

• 探測技術，包括照相機，攝像頭，探測設備，傳輸設備；

• 定位技術，它包括GPS，北斗，伽利略，格羅納斯，RTK等；

• 各種有線和無線傳輸技術

（2）農業大數據的處理技術

• 數據庫

• 參數、算法、模型

• 小程序、APP、軟件

• 功能、模塊、系統、平臺、SAAS

• 云計算、區塊鏈

02

農業大數據

我們之前講過，農業大數據之“大”主要是體現在“多維度”上。那么，農業大數據的多維度主要都體現在哪些方面呢？

（1）它首先體現“涉農”的廣泛性和全面性，即它涵蓋農業生產過程的全要素

• 宏觀要素，社會因素、經濟因素、政策因素、成本要素、價格要素、供求關系、國際貿易因素等；

• 投入要素：如種子、化肥、農藥、農機、農膜等；

• 環境要素：氣候因素、氣象因素、地理環境、小區域氣候、土壤因素等；

• 操作要素：如農事規劃，農事操作，操作與農時/作物生長周期的配合，農機與農具的搭配，操作的時間、數量、質量、效果等；

• 管理要素：規模，效率、投入、產出、成本、效益、人均勞動生產率等。

（2）它體現“涉業”，即涉及產業鏈的全過程的各個方面的數據

• 金融大數據：融資、信貸、數量、比例、期限、利率、還款方式、保險、期貨、收入、效益等；

• 產業大數據：作物、品種、投入、生產、產出、銷售、加工、損耗、成本、效益、投入產出比，資金周轉率、倉儲、物流，庫存，損耗，開工率等；

• 消費大數據：消費群體、消費水平，地域、渠道、年齡、偏好、品類、數量、頻次、時段、價格敏感度、支付方式、重復購買率、品牌忠誠度等。

03

農業大數據的邏輯和架構

構建農業大數據系統有三大注意事項。

（1）業務邏輯優先技術邏輯

農業大數據因為涉及開放和多變環境，冗長的產業鏈，漫長的時間，多重的參與者，所以遠遠比一般產業的大數據來得復雜。正確理解產業鏈的基本構成和各自不同的內在邏輯，預見產業鏈的變化和發展的趨勢，厘清整體和各個組件結構關系，模型的構成以及要素的優先次序和權重等尤為重要。

業務邏輯優先于技術邏輯是農業大數據能夠得以正確實現的基本前提，萬萬不可由于“技術控”而被誤導。技術再先進，結構做的再漂亮，如果模型沒有能夠正確理解和按照業務邏輯建立起來的，其結果也只能是好看而不實用。

（2）底層芯片設計很重要

構建農業大數據系統如同設計“芯片”，是一層層通過疊加而搭建起來的。在清晰的產業邏輯基礎上建立的底層架構的合理性十分重要，它決定著“芯片”最后的成功與否以及是否具有實用價值。如果沒有合理的底層設計，許多先前看起來很有價值的應用和數據最后都可能形同雞肋。由于基礎沒有打好，后續的系統運行會低效率、高功耗，而且漏洞百出，最后不得不推倒重來。

（3）打通數據孤島是關鍵

農業大數據系統的建立要實現開放性設計，能夠與外源數據實現兼容和交換，以避免成為“數據孤島”。因為只有實現完整產業鏈基礎上的“數據鏈”的貫通，農業大數據才真正具有價值。

來源：數字農業周刊

更多干貨、市場分析、重磅案例、實戰課程歡迎訂閱 [農業行業觀察]公眾號：nyguancha

文章：8943 篇

瀏覽：55922 次

代表文章

從快遞到農業，且看順豐布局農村的變與不變

【鄉村振興案例】國家推行鄉村振興千萬工程的六大路徑和十大典型案例

中化化肥舉行2024“邁優伴”領航行動啟動會

AI賦能農業發展向“新”提“質”，中國移動助推鄉村振興智啟新章

【智慧農業】智慧農業創業：20+條創新商業模式推薦

農資行業商業模式揭秘：不靠賣農資產品，靠會員年入百萬

【政策解讀】玉米大豆是重點！新一輪千億斤糧食產能提升行動方案發布

【政策匯總】2023農業政策大匯編（建議收藏）

2024生態農業新質生產力產業發展大會暨茂盛生物成立十五周年慶典成功舉辦

【農業案例】農業創業中的5個坑，農民看過后，選種植或養殖項目一定要謹慎！