農業(yè)大數據應用發(fā)展現狀及其對策研究

李慧 馬德新

摘要：農業(yè)精準高效發(fā)展是我國現代化發(fā)展的重要戰(zhàn)略目標，是新時期進行農業(yè)新舊動能轉化及實施鄉(xiāng)村振興戰(zhàn)略的必然要求。農業(yè)領域具有較大的數據基礎，為農業(yè)大數據發(fā)展提供了無盡源泉，且隨著智能信息技術廣泛在農業(yè)上的應用，利用大數據在農業(yè)方面進行相關研究，具有重要的現實意義。為此，使用文獻調查法，闡述大數據的發(fā)展背景與研究現狀，及其關鍵技術，并分析大數據在農業(yè)上的需求、主要應用在哪些領域及其在農業(yè)方面發(fā)揮的重要作用。同時針對我國大數據在農業(yè)的應用發(fā)展中存在的問題，提出對策建議，以期能為農業(yè)大數據的發(fā)展提供參考依據。

關鍵詞：智慧農業(yè);大數據;應用領域;云計算;對策

中圖分類號：S126 文獻標志碼： A 文章編號：1002-1302（2021）16-0048-05

“三農”問題始終是民生大計，是我國經濟的基礎，中央一號文件提出鄉(xiāng)村振興戰(zhàn)略，將解決“三農”問題作為政府工作的重中之重。當前，我國農業(yè)正處于傳統(tǒng)農業(yè)向現代化農業(yè)轉型發(fā)展的關鍵期與過渡期，農業(yè)發(fā)展面臨著諸多挑戰(zhàn)，包括農產品價格與生產成本、農業(yè)產業(yè)結構、農業(yè)資源環(huán)境、農業(yè)發(fā)展質量等一系列問題制約著農業(yè)產業(yè)的進步。隨著每年用新的信息技術收集有關農作物和環(huán)境及其相互作用的信息，農業(yè)數據正在迅速增長并趨向于大數據的規(guī)模，迫切需要其他強大的工具來計算分析和處理[1]。所以須要將傳統(tǒng)農業(yè)與大數據、物聯(lián)網、云計算等相關網絡信息技術進行有機結合，促進傳統(tǒng)農業(yè)產業(yè)向現代化、智慧化、高效化轉型發(fā)展。

現代化信息科學技術代表著當前生產力的前進方向，隨著社會的發(fā)展，其在不斷的改良與更新，向著智能化發(fā)展并逐漸應用到各行各業(yè)[2]。大數據技術、農業(yè)物聯(lián)網技術、精細農作技術、信息服務技術等在農業(yè)中的應用范圍越來越大，組成了我國農業(yè)信息化技術[3]。大數據技術可以應用在農業(yè)物聯(lián)網、云計算等技術中，用來更全面地分析獲得有價值的農業(yè)數據信息。中美貿易戰(zhàn)的持續(xù)升級對我國農業(yè)具有較大的沖擊力，所以要充分發(fā)揮農業(yè)大數據的作用，加強大數據在農業(yè)各領域方面的應用，進一步推進農業(yè)向著穩(wěn)定化、智慧化、現代化的方向發(fā)展。

1 研究現狀分析

1.1 農業(yè)大數據

隨著大數據在商業(yè)及一些互聯(lián)網產業(yè)應用的成功，其他行業(yè)也紛紛采用大數據解決行業(yè)所存在的問題，大數據也隨之在農業(yè)領域進行應用。農業(yè)大數據是從大數據領域中延伸出來的一個分支，通常指的就是將大數據的技術、思想、相關理念應用在農業(yè)中[4]。所以說農業(yè)大數據通常也具有以下“5V”特性：數據量巨大（volume）、準確性高（veracity）、計算速度快（velocity）、數據類型多（variety）、價值量大（value）[4-5]。大數據可以應用在農業(yè)物聯(lián)網與智慧農業(yè)上，使農業(yè)更加智慧化、精準化、高效化、批量化，讓農業(yè)產生更高的經濟附加值，帶給農業(yè)智能型的業(yè)態(tài)新模式。更進一方面來說，在農業(yè)中應用大數據技術結合其他信息技術，能夠實現對農業(yè)海量基礎數據的查詢、處理、計算、存儲、共享等功能，全面獲得更多有價值的信息，為現代化農業(yè)的可持續(xù)發(fā)展提供重要指導依據[6]。因此，大數據在農業(yè)方面具有很大的利用價值，有必要加深其在農業(yè)發(fā)展中的理論研究與實踐探索。

1.2 農業(yè)大數據國外研究現狀

2009年奧巴馬政府將農業(yè)、商業(yè)、教育、財富、消費等一系列數據通過平臺進行公開，在此平臺上可利用這些數據進行科研研究、開發(fā)設計等操作[7]。2013年5月，八國集團（G8）領導人在國際論壇上進行了討論，提出了公布或共享農業(yè)數據庫的方案，這為農業(yè)數據的應用發(fā)展提供了平臺支持[8]。2013年英國政府頒發(fā)了《英國農業(yè)技術戰(zhàn)略》，其中特別提到了大數據，利用大數據和信息技術促進農業(yè)產業(yè)的創(chuàng)新發(fā)展，打造英國現代農業(yè)產業(yè)優(yōu)勢[9]。近年來，隨著經濟的快速發(fā)展，大數據也隨之不斷發(fā)展，一些國家將大數據的研究發(fā)展作為國家戰(zhàn)略，并且國外的一些學者在農業(yè)大數據方面取得了重要的研究成果，他們將農業(yè)大數據與精準農業(yè)結合使用，利用大數據高效發(fā)展智慧農業(yè)，已經有較多的成功案例，產生了更高的經濟效益[8]。美國公司The Climate Corporation收集了大量的氣象因子數據、作物生存環(huán)境因子數據及作物生長本質特征因素等，通過大數據等相關信息技術為農民提供農作物自然災害保險服務。

1.3 農業(yè)大數據國內研究現狀

我國是傳統(tǒng)的農業(yè)大國，人口眾多，農業(yè)現代化、信息化發(fā)展對我國具有較大的現實意義。從2013年開始至今，大數據被廣泛應用在農業(yè)、醫(yī)療、交通、旅游、軍事等諸多方面，并取得了一定成果。針對大數據在農業(yè)領域的應用，國內外相關學者進行了研究探索，并提出了相關創(chuàng)新技術，截至2019年6月4日，在中國知網上檢索關鍵詞“大數據 農業(yè)”，2013—2018年期刊、會議、報紙、博碩論文的相關文章數量逐漸增長，上升趨勢穩(wěn)定。

2 農業(yè)大數據技術

2.1 農業(yè)大數據技術應用體系架構

將大數據及其相關技術加入農業(yè)領域，實現對農業(yè)數據的收集、存儲、計算、應用，并提供信息挖掘是傳統(tǒng)農業(yè)向智慧農業(yè)轉型的關鍵，農業(yè)數據挖掘是指從龐大的農業(yè)基礎數據源中提取有用的信息，應用到農業(yè)生產發(fā)展服務的過程[10]。本研究通過分析大數據在農業(yè)方面的應用過程，并結合國內外相關專家的研究分析，將農業(yè)大數據技術應用體系分為以下4個部分：數據資源基礎層、數據技術處理層、用戶應用層、平臺管理層（圖1）。數據資源基礎層主要包括作物本身相關信息及環(huán)境因子數據，數據技術處理層主要是運用大數據、云計算等相關技術進行分析處理，它們都屬于農業(yè)大數據的基礎投入部分。用戶應用層屬于農業(yè)大數據技術的可視化產物，方便用戶使用操作，屬于大數據的產出部分。平臺管理層主要針對管理人員，通過設計、處理、優(yōu)化和建設各應用系統(tǒng)，使服務更加的智能化和智慧化[11]。

2.2 農業(yè)大數據關鍵處理技術

2.2.1 農業(yè)大數據采集 農業(yè)生產具有海量的數據，數據采集是農業(yè)大數據后續(xù)處理計算工作的前提，是一項關鍵的基礎技術[12]?；ヂ?lián)網、物聯(lián)網、大數據之間是層層遞進的關系，物聯(lián)網主要采用射頻識別（RFID）技術與傳感器網絡等進行數據收集，而大數據則在此基礎上通過移動網絡數據及社交網絡交互數據和政府部門所公開的數據平臺，具有更大的廣泛性[12-14]。農業(yè)大數據主要有原本已有數據接入、數據實時采集接入及農業(yè)相關文件、音頻、視頻、圖片、消息等常規(guī)數據接入等采集方式，以及Kafka、ActiveMQ、ZeroMQ、Flume、Sqoop、Socket（Mina、Netty）、ftp/sftp等常用技術[15-16]。所以農業(yè)大數據采集信息豐富且具有時效性，并且不受時空地域的影響。

2.2.2 農業(yè)大數據預處理 農業(yè)大數據的數據類型極其復雜，屬于結構化數據、半結構化數據和非結構化數據的集合， 所以須對數據進行預處理[11]。

預處理就是通過關聯(lián)與聚合進行數據結構整合，采用同一方式進行數據存儲處理。在對農業(yè)相關數據進行處理時首先要剔除一些沒有價值的數據信息，排除錯誤數據的干擾，通過去噪技術來獲取相關數據[17]。大數據處理技術在不斷發(fā)展，先后出現了基于XML技術、CORBA、P2P技術及Web Services技術的數據集成等[18-20]。

2.2.3 農業(yè)大數據管理與模型構造 農業(yè)大數據管理主要運用Hadoop、Map reduce、HBase技術構架技術處理平臺，研發(fā)大數據農業(yè)管理系統(tǒng)[21]。通過管理農業(yè)大數據平臺對大數據進行分析處理和展示，使其更好地應用在農業(yè)生產的各個方面。建設農業(yè)大數據相關模型是運用大數據解決農業(yè)問題的主要方法，國際標準化組織構建了網絡開放參考模型（open system interconnecton，OSI）[22]，工作流管理聯(lián)盟構建了工作流參考模型（work flow magement coalition，WFMC）[23]。結合實際農業(yè)生產的應用，楊波等結合大數據技術對山東省二代玉米螟發(fā)生程度構建了預測模型，通過試驗對比分析其預測結果明顯高于其他同類預測[24]。肖麗平等基于大數據對農業(yè)品牌信息數據集模型進行了研究，結果表明通過構建農業(yè)大數據模型可以有效解決大數據背景下農業(yè)品牌化的信息服務問題[25]。趙志明等通過借鑒國外大數據參考模型，結合我國農業(yè)生產實際情況提出了農業(yè)大數據參考模型[26]，為我國農業(yè)大數據發(fā)展提供了參考依據。

2.2.4 農業(yè)大數據計算分析 農業(yè)大數據計算分析主要與云計算技術相結合使用，云計算[27]可以調用虛擬化數據資源平臺，通過農業(yè)大數據計算對數據進行挖掘分析，使得農業(yè)基礎數據彰顯出巨大的使用價值，達到最優(yōu)化的利用。計算分析可實現農業(yè)精準化、智能化與可視化，并可與電腦端或手機端結合進行遠程操作。

3 農業(yè)大數據應用研究分析

由于時間和空間的差異，農業(yè)生產具有豐富多樣的類型，并且具有較大的農業(yè)基礎數據，適合大數據在農業(yè)領域方面的應用[12]。本研究在中國知網上檢索關鍵詞“大數據 農業(yè)”，對引載量排名前10的文章進行分析，結果見表1。由表1可知，在農業(yè)大數據相關文獻中綜述類文章較多，應當加強大數據在農業(yè)生產各個方面和環(huán)節(jié)的應用，提高農業(yè)大數據架構平臺的建設數量，增大其在農業(yè)方面發(fā)揮的作用。結合相關文獻進行整理，當前大數據在農業(yè)的主要應用見表2。

在大數據技術的帶動下，農產品市場監(jiān)測預警的工作模式和方式發(fā)生了巨大的改變，它所分析的研究對象及內容變得更加智能化和精準化[28，34]。精準農業(yè)生產決策的執(zhí)行離不開大數據技術的支持，有學者使用C4.5算法分別建立雨季和旱季的決策樹模型，并且在泰國進行試驗研究取得了成功的經驗[29]。國內學者齊魯根據壽光地區(qū)土壤環(huán)境狀況，使用企業(yè)級WebGIS構建ArcGIS Server平臺供農戶和企業(yè)使用，極大地提高了農業(yè)生產決策效果[30]。農業(yè)大數據結合栽培育種，通過監(jiān)測追蹤種子的種植、栽培、生長狀況、環(huán)境因子等因素為農民提供相關信息，有助于提高農業(yè)栽培效率和農作物產量[14]。農產品質量安全追溯對我們來說極為重要，通過大數據技術可以追溯農產品從生產到加工的過程，保證農產品的安全[31]。通過大數據技術進行農作物生長環(huán)境及自身因素分析，并且改進病蟲害診斷預警的數據挖掘方法，最終構建出農作物病蟲害預警系統(tǒng)，這主要運用決策樹算法在Hadoop中的并行化計算[32]。作為遙感科學的分支，農業(yè)大數據同遙感技術相結合，可以廣泛地應用在農業(yè)領域，如災害、資源環(huán)境、作物表型、農業(yè)定量等方面[33]。在農業(yè)綜合信息服務平臺方面，山東農業(yè)大學建立了農業(yè)大數據應用云平臺，可以發(fā)布多種共享數據，提供綜合農業(yè)服務[29]。

4 農業(yè)大數據應用存在的問題及解決對策

4.1 農業(yè)大數據應用存在的問題

4.1.1 異構數據源處理技術 在農業(yè)生產中數據的類型不僅包括文本、音頻等多媒體數據資源，同時還有許多種植經驗、農業(yè)生產經營模式等非客觀因素，這其中缺乏相應標準及數據結構，所以在數據查詢和存儲方面存在一定難度[35]。同時，農業(yè)生產受環(huán)境影響因素較大，數據存在短時的波動性和不穩(wěn)定性，且有效性偏低。

4.1.2 共享技術支撐存在不足 在數據格式、數據類型、存儲類型、存儲標準等方面存在較多的問題[36]。第一是缺乏相應共享標準，在農業(yè)生產的各個領域針對農業(yè)多源異構、結構化、半結構化數據的標準化技術和海量數據管理的模型技術相對較少。第二是農業(yè)大數據平臺較少，且存在的大數據平臺也存在技術良莠不齊、無法相互溝通共享等問題。

4.1.3 農業(yè)大數據流存在錯位問題 在實際生產過程中，由于主觀理念及客觀因素影響，農業(yè)大數據存在數據真實性、數據分類、數據共享和數據決策問題，可能會形成農業(yè)產業(yè)閉合回路[37]。如果存在人為操作失誤就可能會出現數據失真、錯位等問題。

4.1.4 農業(yè)大數據推廣難度大 首先，與農業(yè)大數據相關的手機應用不多，而且實現農業(yè)大數據的可視化操作技術較為復雜。其次，農民學習農業(yè)大數據技術的能力不足，知識儲備不多，須要進行一定的培訓與長時間的適應。再次，農業(yè)大數據相關設備成本較高。最后，相關農業(yè)推廣部門消極怠工，沒有充分發(fā)揮帶頭和表率作用。

4.2 解決對策

開放公共數據，加強數據共享頂層設計。應當增大數據的共享性和開放融合的特性，農業(yè)相關政府部門可建立統(tǒng)一的數據共性資源平臺。從思維層面來說，大數據非?？粗財祿r值，通過共享數據的互聯(lián)互通，實現對大量基礎數據的收集、存儲、分析、挖掘等，打造透明農業(yè)和智慧農業(yè)。

結合數學建立相關模型。農業(yè)生產過程存在農作物、環(huán)境、區(qū)域等因素的影響，以農業(yè)大數據作為實際應用場景，結合數學及農作物自身情況建立適合的模型。通過加強構建模型可以使其有效地應用在某種或某一類作物上，使得作物更好地生長。所以要加強數學建模在農業(yè)大數據上的應用。

加大農業(yè)大數據基礎設施建設，提升農業(yè)體系平臺應用。獲取農業(yè)基礎數據是農業(yè)大數據技術的關鍵基礎，加強大數據基礎設施建設可以更好地減少農業(yè)數據流錯位問題。

加大推廣力度，增強農民、企業(yè)參與度。應當理論聯(lián)系實際，通過當地農業(yè)推廣部門增強本身推廣人員的技術能力，引導企業(yè)做好大數據基礎建設的同時，增大在農業(yè)實際生產中的應用，幫助農民在種植過程中更好地享受大數據所帶來的好處。

5 結語

農業(yè)大數據是當前發(fā)展的熱點問題，同時也是農業(yè)發(fā)展的重要應用技術，正確利用大數據技術促進農業(yè)智慧發(fā)展具有重大的現實意義。雖然當前我國農業(yè)大數據迅速發(fā)展，但還存在著采集與處理數據難度大、周期長、涉及范圍廣等不足，結合本研究的研究成果與我國農業(yè)大數據發(fā)展現狀，應當加大對農業(yè)大數據關鍵技術的研究，要有效利用云計算、物聯(lián)網等新興技術，與大數據技術的融合發(fā)展，針對農業(yè)生產的實際，建立相應的大數據應用平臺與相關模型設計，有效解決大數據在我國農業(yè)發(fā)展應用中存在的問題。同時要充分發(fā)揮農業(yè)大數據在農業(yè)生產經營領域的作用，為智慧農業(yè)發(fā)展提供發(fā)展動力與支撐，以此助力推進傳統(tǒng)農業(yè)轉型升級，加快鄉(xiāng)村振興戰(zhàn)略的實施。

參考文獻：

[1]Shrivastava S，Marshall-Colon A.Big data in agriculture and their analyses[J].Encyclopedia of Food Security and Sustainability，2019，1：233-237.

[2]孫凌山. 智能化信號信息處理技術的發(fā)展與展望[J]. 數字通信世界，2019（2）：58.

[3]張 澤，呂 新，侯彤瑜. 淺析中國農業(yè)信息化技術發(fā)展現狀及存在的問題[J]. 教育教學論壇，2019（14）：267-268.

[4]Gandomi A，Haider M.Beyond the hype：big data concepts，methods，and analytics[J].International Journal of Information Management，2015，35，137-144.

[5]Kamilaris A，Kartakoullis A，Prenafeta-Boldú，et al. A review on the practice of big data analysis in agriculture[J]. Computers and Electronics in Agriculture，2017，143：23-37.

[6]梁桂福. 大數據在農業(yè)物聯(lián)網中的應用[J]. 電子技術與軟件工程，2019（9）：156.

[7]郭雷風. 面向農業(yè)領域的大數據關鍵技術研究[D]. 北京：中國農業(yè)科學院，2016.

[8]Mayer-Schnberger V，Cukier K. Big data：a revolution that will transform how we live，work，and think [M]. Boston：Houghton Mifflin Harcourt，2013.

[9]Government U K. A UK strategy for agricultural technologies[Z]. 2013.

[10]宋長青，溫孚江，李俊清，等. 農業(yè)大數據研究應用進展與展望[J]. 農業(yè)與技術，2018，38（22）：153-156.

[11]孟祥寶，謝秋波，劉海峰，等. 農業(yè)大數據應用體系架構和平臺建設[J]. 廣東農業(yè)科學，2014，41（14）：173-178.

[12]張浩然，李中良，鄒騰飛，等. 農業(yè)大數據綜述[J]. 計算機科學，2014，41（11A）：387-392.

[13]趙 冰，毛克彪，蔡玉林，等. 農業(yè)大數據關鍵技術及應用進展[J]. 中國農業(yè)信息，2018，30（6）：25-34.

[14]孫曉勇，劉子瑋，孫 濤，等. 大數據在農業(yè)研究領域中的 應用與發(fā)展[J]. 中國蔬菜，2015（10）：1-5.

[15]Romanowski A. Big data-driven contextual processing methods for electrical capacitance tomography[J]. IEEE Transactions on Industrial Informatics，2019，15（3）：1609-1618.

[16]Bendre M R，Thool R C，Thool V R. Big data in precision agriculture：weather forecasting for future farming[C]//2015 1st International Conference on Next Generation Computing Technologies （NGCT），2015：744-750.

[17]孫忠富，杜克明，鄭飛翔，等. 大數據在智慧農業(yè)中研究與應用展望[J]. 中國農業(yè)科技導報，2013，15（6）：63-71.

[18]Lehti P，Fankhauser P. XML data integration with OWL：experiences and challenges[C]//2004 International Symposium on Applications and the Internet，2004：160-167.

[19]Passi K，Lane L，Madria S，et al. A model for XML schema integration[J]. Lecture Notes in Computer Science，2002，2455：193-202.

[20]Ng W S，Ooi B C，Tan K L，et al. PeerDB：a P2P-based system for distributed data sharing[C]//Proceedings 19th International Conference on Data Engineering （Cat. No.03CH37405）.IEEE，2003.

[21]郭 平，劉 波，沈 岳. 農業(yè)云大數據自組織推送關鍵技術綜述[J]. 軟件，2013，34（3）：1-6.

[22]International Organization for Standardization，International Electrote chnical Commission. Information technology-open systems interconnection-basic reference model：ISO-IEC-7498-1[S].Geneva：ISO，1996.

[23]WFMC——工作流參考模型[Z/OL]. 張敬波，韓 偉，譯. https：//download.csdn.net/download/weixin_41718123/10581529？utm_source=iteye_new.

[24]楊 波，劉 勇，牟少敏，等. 大數據背景下山東省二代玉米螟發(fā)生程度預測模型的構建[J]. 計算機研究與發(fā)展，2014，51（增刊Ⅱ）：160-165.

[25]肖麗平，胡 春，王學東. 基于大數據的農業(yè)品牌信息數據集模型研究[J]. 情報科學，2019，37（5）：13-18.

[26]趙志明，廖曉鋒，王曉玲，等. 農業(yè)大數據基礎設施開發(fā)的參考模型方法[J]. 華東師范大學學報（自然科學版），2019（2）：77-96.

[27]Vaquero L M，Roderomerino L，Caceres J，et al. A break in the clouds：towards a cloud definition[J]. ACM Sigcomm Computer Communication Review，2008，39（1）：50-55.

[28]許世衛(wèi). 農業(yè)大數據與農產品監(jiān)測預警[J]. 中國農業(yè)科技導報，2014，16（5）：14-20.

[29]王麗娟，信麗媛，賈寶紅，等. 農業(yè)大數據平臺的研究進展與應用現狀[J]. 天津農業(yè)科學，2018，24（10）：10-12，21.

[30]齊 魯. 基于WebGIS 的壽光蔬菜安排生產決策支持系統(tǒng)的設計與實現[J]. 長江蔬菜，2008（10）：82-85.

[31]鄭開濤，劉世洪，胡海燕. 農產品質量安全溯源多邊平臺的追溯機制研究[J]. 江蘇農業(yè)科學，2018，46（10）：221-223.

[32]杜 濤. 面向柑橘病蟲害預警的Hadoop數據挖掘技術研究[D]. 南昌：華東交通大學，2018.

[33]唐華俊. 農業(yè)遙感研究進展與展望[J]. 農學學報，2018，8（1）：167-171.

[34]張保巖，趙麗華，辛北軍. 天津市“三農”大數據平臺構建[J]. 江蘇農業(yè)科學，2020，48（17）：245-249.

[35]王佳方. 大數據在現代化農業(yè)發(fā)展中的應用[J]. 開放導報，2018（4）：78-81.

[36]王東杰，李哲敏，張建華，等. 農業(yè)大數據共享現狀分析與對策研究[J]. 中國農業(yè)科技導報，2016，18（3）：1-6.

[37]唐光海，曾 慧. 農業(yè)大數據應用需求與數據來源錯位問題及其對策研究[J]. 安徽農業(yè)科學，2018，46（9）：174-176.