⽇益膨胀的⼈⼝规模与⽇渐短缺的资源之间的⽭盾在全球各个产业中都呈现出持续加重的趋势，尤其是处在⼈⼝和资源中间、与两者相关性最⾼的农业。数字经济快速发展背景下，“数字农业”应运⽽⽣。数字农业是将数字化信息作为农业新的⽣产要素，⽤数字信息技术对农业对象、环境和全过程进⾏可视化表达、数字化设计、信息化管理的新兴农业发展形态，是数字经济范畴下⽤数字化重组⽅式对传统产业进⾏变⾰和升级的典型应⽤之⼀。
与数字农业相⽐，传统农业主要依靠过去积累的经验或⼿艺来进⾏判断决策和执⾏，以“⼈”为核⼼，这也导致了整体⽣产环节效率低、波动性⼤、农作物或农产品质量⽆法控制等问题。⽽在数字农业模式中，通过数字化设备⽐如⽥间摄像头、温度湿度监控、⼟壤监控、⽆⼈机航拍等，以实时“数据”为核⼼来帮助⽣产决策的管控和精准实施，并通过海量数据和⼈⼯智能对设备的预防性维护、智能物流、多样化风险管理⼿段进⾏数据和技术⽀持，进⽽⼤幅提升农业产业链运营效率并优化资源配置效率等。 现在普遍认为，数字农业是⼀个集合概念，主要包括4个⽅⾯：农业物联⽹、农业⼤数据、精准农业、智慧农业。
1、国内外数字农业的发展历程
国外计算机及信息技术在农业上的应⽤发展阶段
① 20世纪50～60年代，农业应⽤计算机技术的重点在农业数据的科学计算，促进农业科技的定量化；
② 70年代，农业应⽤计算机技术处理农业数据，重点发展农业数据库；
③ 80年代，以农业知识⼯程、专家系统的研究为重点；
④ 90年代，应⽤⽹络技术，开展农业信息服务⽹络的研究与开发；
⑤ 21世纪，采⽤标准化⽹络新技术，实施三维农业信息服务标准化⽹络连接新阶段。
发达国家通过计算机⽹络、遥感技术和地理信息系统技术来获取、处理和传递各类农业信息的应⽤技术已进⼊实⽤化阶段。相对于发达国家，中国数字农业较国外起步较晚，早期发展以政府政策引导和资⾦⽀持为主。
1990年，国家科技部推出“863”计划，⽀持计算机研究“农业智能应⽤系统”，包括“鱼病防治、苹果⽣产管理专家系统”在内的5个专家项⽬研究平台，研发了200多个实⽤专家系统，并在全国22个⽰范区应⽤。
1998年“七五”期间，国家领导⼈在中国科学院和中国⼯程院院⼠⼤会上提出了发展“数字中国”的战略。随后，“数字农业”“数字城市”、“数字⽔利”等的探索与研究在中国全⾯展开。
2003年国家“863”计划将“⼤规模现代化农业数字化技术应⽤研究与开发”列为重⼤科技专项进⾏研究，并取得阶段性成果。
从2013年开始，国家农业部在天津、上海、安徽三省市率先开展了物联⽹区域试验⼯程，对采集农业实时数据和物联⽹应⽤⽅⾯进⾏了探索。
拳击架2015年，随着⼤数据的战略地位提⾼，农业⼤数据也成为新焦点，年底，《农业部关于推进农业农村⼤数据发展的实施意见》发布，国家为农业＋⼤数据的发展应⽤指明了⽅向、重难点。
2017年，农业部正式设⽴“数字农业”专项，加快中国农业现代化、数字化进程发展。
随着政府对数字农业的⽀持与引导，中国企业在农业信息采集技术、动植物数字化虚拟设计技术、农业问题远程诊断、嵌⼊式⼿持农业信息技术产品、温室环境智能控制系统、数字化农业宏观监测系统等⽅⾯的研究应⽤上，都取得了重要的阶段性成果，通过不同类型地区应⽤⽰范，初步形成了中国数字农业技术框架和数字农业技术体系、应⽤体系和运⾏管理体系，促进了中国农业信息化和农业现代化进程。
2019年4⽉20⽇，《2019全国县域数字农业农村发展⽔平评价报告》在2019中国农业展望⼤会上发布。报告显
⽰，2018年全国县域数字农业农村发展总体⽔平达到33%，其中，农业⽣产数字化⽔平达到18.6%。中国农业⽣产数字化改造虽然快速起步，但和国际发达国家相⽐，还有很长⼀段路需要⾛。
报告从不同的⾏业分析，中国农作物种植数字化⽔平为16.2%，设施栽培信息化⽔平为27.2%，畜禽养殖信息化⽔平为19.3%，⽔产养殖信息化⽔平为15.3%。这些数字技术包括⽣产环境监测、体征监测、农作物病⾍害和动物疫情精准诊断及防控等⽅⾯，被率先应⽤在经济效益较⾼的⾏业。
2、数字技术助⼒传统农业转型升级
2.1 物联⽹
农业数据实时获取，奠定农业数字化基础。物联⽹在农业领域应⽤范围⼴泛，基于物联⽹的农业解决⽅案，通过实时收集并分析现场数据及部署指挥机制的⽅式，达到提升运营效率、扩⼤收益、降低损耗的⽬的。可变速率、精准农业、智能灌溉、智能温室等多种基于物联⽹的应⽤将推动农业流程改进。物联⽹科技可⽤于解决农业领域特有问题，打造基于物联⽹的智慧农场，实现作物质量和产量双丰收。
2.2 ⼤数据
决策“数字化”，全⾯提升⽣产效率。万物互联在推动海量设备接⼊的同时，也将在云端⽣成海量数据。
⽽挖掘这些由物联⽹产⽣的⼤数据中隐藏信息的⽅法就是利⽤⼈⼯智能。物联⽹最核⼼的商业价值就是将这些海量的数据进⾏智能化的分析、处理，从⽽⽣成基于不同商业模式的各类应⽤。
2.3 ⼈⼯智能
潜⼒巨⼤，激活农业⾼效发展在种植领域，⼈⼯智能有望提⾼粮⾷产量、减少资源浪费。在养殖领域中，利⽤⼈⼯智能可以有效降低疾病造成的损失。⼈⼯智能缩短农业研发进程。在实验室和研究中⼼，机器学习算法能够帮助培育更好的植物基因，创造更安全、更⾼效的农作物保护产品和化肥，并且开发更多的农产品。
3、中国数字农业⾯临的4⼤难题
枸杞采摘机
中国的数字农业依然处在相对早期的阶段，⼤量硬件投⼊实际上还未完全解决农业的根本问题。很多地⽅的数字农业建设，都存在“增量不增收”，“种，产，销”三个阶段脱节，或者数字概念脱离实际⽣产环境等问题。具体包括：
3.1 重硬件，轻软件
⽆论是政府还是农户容易把数字农业与农业机械化的概念相混淆。数字农业与农业机械化的根本区别在于，机械化是⽤机械来代替⼈⼯劳动，数字农业则是以数据来驱动机械实现⾃动化运转和智能化调
节。没有数据和软件来驱动的物联⽹，其实还是⼯具，与机械农业并⽆本质上的差别。打通软件平台才有打开⼤数据，智慧农业，数字经济⼤门的钥匙。
3.2 有数据，没智慧
数据是数字农业的基础资源，近年来政府与企业多在数据采集上投⼊重⾦。然⽽，由于缺乏明确的业务化⽅向和必要的数据运营技能，对获取数据的质量控制、分析加⼯和建模应⽤⽅⾯的⼯作相对滞后。数据的获取与应⽤是⼀个双向互动的过程，只有不断尝试利⽤数据产⽣业务价值，才能建⽴有价值的数据采集渠道。
纱窗角码3.3 数字经济薄弱
当前中国数字农业的绝⼤部分应⽤还停留在⽣产环节，严格来说处于现代农业3.0的初级阶段，产业链其他环节的信息化和经济化程度较低。虽然农业部提出了“全产业链”的农业⼤数据发展路径，尚未能充分激发产业链其他环节的潜⼒，农产品电商的经营⽅式也还未开始数据驱动的尝试。农业的数字经济和其他的数字农业关键因素有所不同，其实农业数字经济是以市场资本反向驱动的。农业电商的模式是以数字驱动市场经济，在市场推⼴营运、产品特性、物流等⽅⾯受到了⾮常多的阻⼒，如若当反向驱动形成现实，⼀切问题就变得简单起来。
3.4 产品化能⼒弱
近年来，农业数据服务企业层出不穷，但对农业⽣产经营主体的服务能⼒普遍不⾜，产品市场化困难。数据产品的服务能⼒严重依赖于数据质量，随着⾼价值数据的不断积累，有望提升产品实⽤性。只有持续打造有⽣命⼒的数据产品，才能撬动庞⼤的农业数字化市场。
4、未来数字农业的发展趋势
以“数字化”为特征的现代农业4.0是⽏庸置疑的未来，数字农业将带来更⾼的产业效率，更公平的价值分配，更可持续的发展⽅式。我们认为中国数字农业的发展将呈现以下六⼤趋势：
4.1 数据供应定制化
数据资源是发展数字农业的基⽯。⽬前中国数字农业⾯临数据采集成本较⾼的困境。随着数据思维深⼊⼈⼼，数据采集的组织成本将⼤幅下降；随着农业物联⽹的升级换代、公共数据的不断开源以及从业者信息化⽔平的提升，数据采集的显性成本将不断减少。未来所有的农业产业单元都将拥有定制化的数据供应系统。⽽且，数据仓库⾥的静态资源将随着拥有者的数字化能⼒提升⽽不断流⼊产业链，通过交换、融合或再⽣，去不断创造价值，实现业务的数字化驱动。
4.2 数据模型国产化
发现数据价值是数字农业发展的动⼒之源。以⾊列可以把硬件设备卖给我们，却绝不开放后台系统，
因为真正的核⼼技术是实现数据价值的模型。当下，随着⼤国科技竞争的加剧，引进科技成果的壁垒不断增⾼，⽽且由于国内外农业业态差异⼤，我们⽆法套⽤国外的模式与模型。另⼀⽅⾯，中国不断⿎励科研成果的产业转化，产业与学术、农业与数据科学的跨界合作正在逐步深⼊，因此实现产业核⼼数据模型的⾃主研发是⼤势所趋。
4.3 农业机械智能化
机械化与智能化之间只隔着⼀个“数据驱动”的距离。中国制造2025战略明确把“智能制造”作为主攻⽅向，顺应市场潮流，海尔、⾦风等⽼牌制造⼚商已经积极开展数字化转型，寻新的增长点。农机⼚商也必将不断利⽤数据为机械赋能，适应数字农场的场景需求，实现从制造商向服务商的转型升级。
4.4 产业链虚拟化
电磁屏蔽罩
点火随着农业产业各环节数字化程度的有效提升，当数字化的机器智能与商业智能⾛进⽣产与经营，产业链将不断⾛进⽹络，在⽹络世界逐步完成现实的数字化映射。产业链虚拟化将进⼀步推动消除信息不对称，提⾼产业效率，发现新的增长。
4.5 供应链⾦融普惠化
近年来供应链⾦融迅猛发展，据测算，到2020年，中国供应链⾦融的市场规模可达14.98万亿元。供
应链⾦融是产业优化的重要组成部分。它通过优化资⾦流来促进产业、特别是中⼩企业的健康发展。通过物联⽹、互联⽹和⼈⼯智能等新兴技术的应⽤，数字农业将有效推动中⼩企业有机的融⼊产业⽹络体系，为供应链⾦融普惠化提供坚实的产业基础；同时，农业产业虚拟化进程所带来的产业信息透明化和主体信⽤可追溯也将为⾦融风险的量化管理提供切实的保障。
4.6 数据安全增强化
⽆论是农⽥数据还是企业的经营数据都是反映从业者⽣产经营状况的关键信息。数据带给产业动能的同时，也存在被滥⽤的风险。因此，数据安全是产业数字化发展的基本保障。存储和应⽤数据的信息化系统安全性的诉求将不断增强，数据权属问题也将随着法律的完善⽽得到妥善解决，解除产业数字化的后顾之忧。
5、数字农业的发展领域
数字技术中物联⽹技术，能实时获取⼤量农业数据，是数字农业数据的主要来源，为农业数字化奠定了基础。农业物联⽹被列为欧洲物联⽹18个重要发展⽅向之⼀，也是中国物联⽹9个领域的重点⽰范项⽬之⼀。物联⽹技术可以⽤来解决
⽹被列为欧洲物联⽹18个重要发展⽅向之⼀，也是中国物联⽹9个领域的重点⽰范项⽬之⼀。物联⽹
技术可以⽤来解决农业领域的独特问题，各种基于物联⽹的应⽤，如精准农业、智能灌溉和智能温室将推动农业过程的改进。未来基于农业物联⽹技术，数字农业技术和模式将有望在以下⼏个典型的农业细分领域优先突破、⼤有作为。
5.1 智能农机装备
作为⼀种农业⽣产⼿段，智能农机装备利⽤物联⽹技术和信息通信技术实现最佳⽣产和精益化⽣产，从农业作业⼿段上，推动农产品增产，农民降本增效，从集约化运作⾓度，实现环境资源可持续发展，农业⽣态良性循环。
5.2 智能灌溉
提⾼灌溉效率和减少⽔资源浪费的需求正在增长。这种通过部署可持续和有效的灌溉系统来保护⽔资源的⽅法正在受到越来越多的关注。基于物联⽹的智能灌溉测量空⽓湿度，⼟壤湿度，温度和照度等参数，从⽽准确计算出对灌溉⽤⽔的需求。已经证明，这种机制可以有效地提⾼灌溉效率。
5.3 农业⽆⼈机
⽆⼈机拥有丰富的农业应⽤，⽤于监测作物健康，农业摄影（⽤于促进健康作物⽣长），可变速率应⽤，牲畜管理等。⽆⼈机可以低成本监测⼤⾯积区域，传感器可以轻松实现收集⼤量数据。
立柱桩5.4 智能温室
智能温室持续监测⽓候条件，如温度，空⽓湿度，光照，⼟壤湿度等，并最⼤限度地减少作物种植期间的⼈⼯⼲预。这些⽓候条件的变化会触发⾃动响应。在分析和评估⽓候变化后，温室将⾃动进⾏误差校正，以将⽓候条件保持在作物⽣长的最佳⽔平。
5.5 收获监测
收获监测机制可以监测影响农业收获的各种因素，包括粮⾷质量流量，⽔量和总收获量。从监测中获得的实时数据可以帮助农民做出决策。这种机制有助于降低成本和增加产量。
5.6 农业管理系统（FMS）
FMS通过传感器和跟踪设备为农民和其他利益相关者提供数据收集和管理服务。收集的数据被存储和分析以⽀持复杂的决策。此外，FMS可⽤于识别农业数据分析最佳实践和软件交付模型。其优势包括：提供可靠的财务数据和⽣产数据管理，以及改善与天⽓或紧急情况相关的风险缓解能⼒。
5.7 ⼟壤监测系统
⼟壤监测系统帮助农民跟踪和改善⼟壤质量，防⽌⼟壤退化。该系统可以监测⼀系列物理，化学和⽣
物指标（如⼟壤质量，持⽔能⼒，吸收率等），以减少⼟壤侵蚀，致密化，盐碱化，酸化和被有毒物质污染的风险。⼟壤的质量。
5.8 精准家畜饲养
精准家畜育种提供牲畜⽣殖，健康和⼼理状况的实时监测，以确保最⼤的回报。农民可以使⽤先进技术实施持续监测，并根据监测结果做出决策，从⽽改善牲畜的健康状况。
据华为技术数据预测，到2020年，世界数字农业的潜在市场规模预计将从2015年的137亿美元增长到268亿美元，复合年增长率为14.3%。未来农业发展对信息流通性、⾏业连通性要求极⾼，数字农业，顺势发展，将拥有巨⼤的市场潜⼒。
更多资讯可移步：
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议