国内外发展数字农业情况及经验

国内外发展数字农业情况及经验

作者：严东伟

来源：《云南农业》 2019年第5期

严东伟

一、数字农业内涵及其特点

数字农业是于1997年由美国科学院工程院两院士正式提出，现在其较为官方的定义是指将全球定位系统、地理信息系统、遥感技术、计处机技术及网络通讯技术、自动化技术高新技术

与农业科学有机结合起来，实现在农业生产过程中对农作物及其生产环境从宏观到微观进行实

时监测，以实现对农作物生长发育过程中所需的光、热、水、土、气、肥以及相应的环境进行

定期信息采集，生成动态空间信息系统，对农业生产中的现象、过程进行模拟，以达到合理利

用农业资源，降低生产成本，改善生态环境，提高农作物产品和质量的目的。简单地讲，是指

数字地球技术以及信息技术共同支撑下的集约化、信息化的农业技术。

广义的讲数字农业包括农业物联网、农业大数据、精确农业和智慧农业四个维度，是一个

建立在数据化基础上的集合概念，四个部分相互交集，形成一个较为完整的数据采集、分类、

应用、挖掘体系，服务于农作物生长发育的全过程。

数字农业的特点是高度自动化、规模化和企业化，同时数据做为一个完整的链条几乎完全

涵盖农产品的产前、产中和产后所有过程，实现全程的数据自动化采集、分类、存贮、运用和

管理。

物联网是数字农业在生产实践中应用的基础, 本质上讲，物联网是一套封闭的数控系统，

是以传感器、摄像头、探头等设备为基础将物物相联。相联物根据已确定的参数和模型，进行

自动化的调控及运行。现在应用最多且最成熟的领域是在花卉或设施农业的生产操作和管理中。

农业大数据是一个数据系统，指在开放的系统中按一定的规则和编码收集、鉴别、标识和

分类数据，并建立数据库，再通过建模和算法来组合和优化所取得的海量数据，为生产操作和

经营决策提供依据，并联结云端与相关设备，实现部分的自动化控制和操作。由于其具有的开

放性特点，现在主要用于大田农业生产和农业全产业链的操作和经营。

精准农业作为数字农业的一个组成部分，核心是指农机硬件设备和设施在软件和探测设备

辅助作用下实现的农业生产精准操作，如精准施肥、变提喷药等。而智慧农业是建立在经验模

型基础之上的专家决策系统，其核心是软件系统。

值得注意的是数字农业尚处于早期发展阶段，对于其组成部分以及各个部分的理解仍有不

同意见，因此，概念被误用和混用时有发生，但随着数字农业的深入发展，相信会有更为准确

的定义和边界。

二、国外数字农业发展情况

数字农业是上世纪60年代至80年代欧美国家在将计算机规模化应用在农业生产的基础上

提出来的，进入90年代后，以网络为主的信息化在农业生产和服务方面的应用进一步深化这个概念，遥感（RS）技术、全球定位系统（GPS）、地理信息系统（GIS）、遥测技术（DCS）、作物生产管理与决策支持系统（DSS）等地学空间信息技术与农业生产管理技术的全面结合，使农业自动化、规模化、信息化的生物工程开发成为现实，全面提升了信息技术在农业生产、管理、服务、经营领域的应用。近年来，随着GPS技术的迅速发展，特别是与智能化农业机械配套的

差分全球定位系统（DGPS定位系统）的发展，使农业机械进入了一个智能化的阶段，DGPS具有12个通道，可以在动态条件下提供完整的3D定位数据，并具有与农机智能监控装置的通用标

准接口，使农业机械进行入一个智能化的阶段。遥感技术在农业生产中的应用，实现了农业生

产过程中相关信息的自动采集与动态监测，催生了物联网在农业生产领域的规模化应用，智能

农业机械和传感器在国外已经进行全面商品化应用阶段。目前美国41.6%的家庭农场、46.8%的

奶牛场和52%的年轻农场主通过计算机进行网络信息联络，有专业的农业技术服务组织将农业

信息提供给农场主，服务于农业生产管理和精细化操作。伊利诺州有67%的农户使用计算机，

其中27%农户运用网络技术。政府每年拨款15亿美元建设农业信息网络。美国已建成世界最大

的农业计算机网络系统AGNET，该系统覆盖了美国国内的46个州，加拿大的6个省和美加以外

的7个国家，连通美国农业部、15个州的农业署、36所大学和大量的农业企业。用户通过家中的电话、电视或计算机，便可共享网络中的信息资源。

欧盟则利用卫星遥感进行作物种植地块监测，为其农业补贴政策实施提供精准依据。德国

则由企业牵头进行开发，致力于研发农业智能机械和装备，提供数字农业综合解决方案。英国

也建立了覆盖全国的农业计算机网络AGRINET。意大利将无人机遥感与GPS定位跟踪、GIS空间分析、专家系统等有机结合，实现对农业生产过程的实时监测。日本早在1994年底就已开发农业网络400多个，计算机在农业生产部门的普及率已达93%，日本政府还在实施一项意在21世

纪使所有农民拥有微机的“绿色天国”计划。

农业数字模型的应用是数字农业发展的一个重要组成部分，这些基于专家经验开发主导的

模型结合迅速发展的信息技术，极大的推动了农业生产可预期或预感化的发展，目前作物模拟

模型是农业数字模型的主体著名模型有CERES、GOSSYM、SOYGRO、SUCROS、BACROS、MACROS等，特别是90年代中期以来，模型被视为启发式工具，在指导作物管理、育种、施肥、灌溉等方面获得了成功的实践，许多研究者利用作物模型来探索全球气候变化的影响及农业生产可持续发

展的策略等，还与其它信息技术如RS、GIS、全球定位系统GPS、网络技术等相结合，在信息农业中发挥出更大的作用。1997年，国际玉米小麦改良中心建立了基于数字模型的国际作物信息

系统，用于作物育种和产量潜力的研究。国外关于花生模拟模型的研究始于上世纪80年代中后期，最具代表性的是CERES-PENUT模型，在开展花生模拟模型研究的同时，将作物模型、数据

库管理系统和应用程序三者有机地结合起来，全面指导生产计划和经营计划。

2016年，谷歌旗下Deep Mind的Alpha Go横空出世，把人工智能为（AI）的决策水平提

高到一个前所未有的高度，让人们认识到人空智能发展的提速和广阔的前景，也为数字农业的

发展注入了强心针。

三、国内数字农业发展情况

我国数字农业起步较晚，但党和国家领导人以及相关部门高度重视，在多次会议中均强调

要利用互联网新技术、新应用对传统产业进行全方位、全角度、全链条的改造，提高全要素生

产率，释放数字对经济发展的放大、叠加、倍增作用，推动产业数字化。《中共中央国务院关

于实施乡村振兴战略的意见》（中发〔2018〕1号）指出，大力发展数字农业，实施智慧农业

林业水利工程，推进物联网试验示范和遥感技术应用，为加速发展数字农业指出了方向。

2018年以来我国数字农业技术得到快速发展，突破了一批数字农业关键技术，开发了一批

实用的数字农业技术产品，建立了网络化数字农业技术平台。目前我国已经建成的数据库有中

国农林文献数据库、农牧渔业科技成果数据库、中国畜牧业综合数据库、农业合作经济数据库等。同时在农业数字信息标准体系、农业信息采集技术、大比例尺的农业空间信息资源数据库、农作物生长模型、动植物数字化虚拟设计技术、农业问题远程诊断、农业专家系统与决策支持

系统、农业远程教育多媒体信息系统、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、农业生物信息学方面的研究应用上，中国企业都取得了重要的阶段