以田小二為例基于手機端3S技術的智慧農業概述

王亞非雷盼(.湖北富邦科技股份有限公司， 湖北 應城 43400；.武漢禾大科技有限公司， 湖北 武漢 430000)

以田小二為例基于手機端3S技術的智慧農業概述

王亞非1雷盼2(1.湖北富邦科技股份有限公司， 湖北 應城 432400；2.武漢禾大科技有限公司， 湖北 武漢 430000)

智慧農業是智慧地球的重要組成部分，它將成為我國現代農業未來的發展趨勢，以遙感、地理信息系統、全球定位系統為一體的 3S 技術為智慧農業的實現提供了技術支撐。本文在對國內外相關文獻資料分析研究的基礎上，探討了3s技術在農業上的應用；其次，以農業APP軟件田小二為例，概述手機端智慧農業；最后，對我國智慧農業未來發展，提出了一些建議與思考。

智慧農業；3S技術；農業大數據；互聯網+農業

我國十分重視農業信息化的發展，中共十八屆五中全會提出實施“互聯網+”行動計劃，發展分享經濟，實施國家大數據戰略，“互聯網+”將成為經濟發展最大動力，要以發展“互聯網+農業”為契機，推動智慧農業、智慧農村建設。

隨著 3S(Remote Sensing，RS，遙感；Geography Information System，GIS，地理信息系統；Global Positioning System，GPS，全球定位系統)、物聯網、云計算等技術的在農業領域的應用，傳統農業正在加快向現代農業轉型，智慧農業成為現代農業未來發展的趨勢[1]。

1 3S技術在智慧農業中的應用

RS技術是指以飛機、人造地球衛星、航天飛機等為運載工具，通過其上安裝的探測儀器，獲取和記錄地球表面上物體或景觀的電磁輻射信息，并經過信息的傳輸及處理，識別出地物或景觀的屬性、分布及其發展演化的規律，進而對地球的資源、環境等進行研究分析的綜合技術[3]。農業信息全面感知是智慧農業的基礎，是整個智慧農業鏈條上最基礎的環節，RS 技術在智慧農業中利用高分辨率傳感器，采集地面空間分布的地物光譜反射或輻射信息，在不同的作物生長期，實施全面監測，根據光譜信息，進行空間定性、定位分析，為定位處方農作提供大量的田間時空變化信息[2]，RS 技術是智慧農業實現全面感知的核心技術之一。

GIS 是在計算機硬、軟件系統支持下，對整個或部分地球表層空間中的有關地理分布數據進行采集、儲存、管理、運算、分析、顯示和描述的技術系統。由于物聯網和遙感技術在智慧農業中的深化應用，農業信息具有了多種數據采集的手段和感知終端，所以智慧農業龐大的數據集有著比以往更大的容量、更高的多樣性和復雜性。要想使這些大數據更好的服務于農業，必須要從農業大數據產生、存儲、分析、管理等各個角度管理好這些大數據，因此農業信息的智能處理與分析是智慧農業建設中需要解決的重要問題。GIS 作為智慧農業的核心組件，將 RS、GPS、專家系統、決策支持系統等組合起來，可以實現農業信息的存儲、分析和智能處理[2]。

GPS 可以提供實時、全天候和全球性的導航、定位、定時服務。農業信息空間和時間變化量的采集是實現智慧農業的關鍵之一，GPS 在智慧農業中具有核心地位，其實時定位和精確定時功能可為智慧農業提供實時、高效、準確的點位信息，從而實時地對農田水分、肥力、雜草和病蟲害、作物苗情及產量等進行描述和跟蹤；為農機作業提供高效導航信息，使農業機械將作物需要的肥料送到準確的位置，將農藥噴灑到準確位置[2]。

在智慧農業中，單純地運用 RS、GIS 與 GPS 中的某一種技術往往不能滿足需要，不能提供智慧農業實施過程中所需要的對地測量、存儲管理、信息處理、分析模擬的綜合能力。將 RS、GIS、GPS有機結合，構成一個一體化信息獲取、處理、應用的技術系統，相互滲透相互補充，3S 技術才能真正將農業空間信息的精確采集和利用變成了現實。

2 田小二3s技術在手機端的應用

(1)私人訂制化肥料 在前人研究作物推薦施肥模型成果的基礎上，根據測土配方施肥土壤養分測試數據，采用GIS等技術研制開發Android智能手機田小二APP。田小二中的小二配肥通過不同的數據來源分為兩個類型：依據農業部推薦施肥數據，通過GIS區域劃分，手機GPS定位確定區域實現數據輸出，實現糧食作物大區配方施肥推薦；依據測土配方“3414”試驗數據為基礎，通過手機GPS定位，精確獲取到后臺GIS土壤養分圖中的數據，結合施肥模型、專家經驗，實現測土配方施肥方案推薦。也可依據農戶自身常年耕作經驗自行進行大配方小調整，通過田小二自助配肥獲得符合自身土壤特性的配方方案。讓農田作物吃飽吃好，不浪費。讓農田土壤實現可持續性耕作，避免肥料浪費造成的環境污染與土壤破壞。

同時，田小二APP軟件直接與比富得小型智能配肥機無縫連接，實現了手機下單，線下智能配肥站立刻就能生產。通過GPS定位，分配到最近的配肥站點，肥料生產就在村頭。工廠原料直接到農戶，縮短肥料流通路徑。讓便宜優質且具體針對性的肥料，在手機方寸間的操作就送到農戶地頭。

(2)以田塊為中心的農業管理 年復一年，農民都在經受各種變數和風險的折磨，而不可預知的天氣和多變的土壤條件是最大的挑戰，它們使農業變得更象是一場賭博。現在，田小二讓這些在發生改變。田小二后臺匯集了2006年到2016間的日值氣象數據和2005開始至今的國家測土配方基礎土壤數據。現在只需要通過田小二軟件圈定自己的農田，通過GPS定位，后臺GIS區域數據管理田小二能精準的給用戶推送土壤基礎數據情況和詳盡的天氣情況，根據土壤條件、降水量級別和其他一些田間現場測量數據，在智能手機上進行分析，可以幫助農民在任何給定的日期或時間調整資源。

通過設置作物和播種時間，田小二能自動判定作物生長周期，及其該周期內應該注意的病蟲害防治與農事操作，根據定位區域與種植作物的不同，精準推送災害天氣情報和病蟲害爆發情報，讓農田防治更簡單。田小二還能幫助農戶記錄每季作物農事操作過程，未來還能提供種植作物價格走勢信息，讓種植變的簡單。

(3)點對點的農化服務 斥巨資打造了一座以美國測土服務為標準的農化服務中心，以田小二APP為端口，定位農田為基礎，一方面實現測土配方，另一方面不斷完善土壤信息數據庫。廣泛開展配方肥試驗示范，農業專家下到田間地頭，指導農民科學的施肥。引進瑞士ebee農業無人飛機，對大農場進行航拍，幫助建立農場電子地圖，土壤屬性圖，根據航拍圖片分析，提供作物病蟲害預報，產量預估，氮肥施用量的等決策[8]。

將農業大數據應用到農業中，幫助農民通過使用它們來充分利用農場中的每一畝的土地。如同在金融服務、醫療保健、交通運輸、制造業和其他行業中一樣，將正確的數據帶到管理農業運作的決策，必將引領農業的一場革命！

(4)基于位置服務(LBS)的農業服務商業平臺 各地的農業生產條件千變萬化，土壤、氣候和作物的不同導致其種植、施肥、防治病蟲害等方案的千差萬別。考慮到這些因素，田小二也專門設置了根據地理位置推薦本地農業技術解決方案的功能。一些在當地實踐中形成的有效方案，可以由該農技專家上傳到我們的平臺。一旦有用戶采用，即形成了技術的變現，從而一方面更好地為種植戶服務，一方面也推廣了新技術，鼓勵了技術專家的熱情，也增加了其收入。

通過基于位置服務的技術下，田小二將進一步嘗試區域農業資源共享服務。農戶可將自家的農用機械或其它閑置資源在平臺上發布，充分地提高和發揮資源利用率，增加收入。

田小二也將匯集到數據完全展示在APP中，其他涉農企業可根據自身產品特征，通過APP提供的標準種植方案模板形成一套種植方案。田小二通過數據形成一個溝通農企與農戶的橋梁，讓好的產品，好的種植模式得到推廣。

3 田小二在精準農業上的展望

我國是一個農業大國，各地區農業資源條件差異顯著。隨著空間信息技術的日益發展和完善，3S 技術作為智慧農業的技術基礎和核心將得到迅速發展，一方面智慧農業的研究和建設為 3S 技術的發展創造了條件，另一方面 3S 技術的發展為實現智慧農業的全面感知和智能處理提供了技術支撐[7]。目前3S 技術在智慧農業的應用研究已經取得了一定的成績，但是由于受現有的農業經營體制限制，在農業領域的應用還不夠深入，具體應用方案和技術還需要進行不斷地探索和研究[10]。

化肥零增長的實現不僅僅在化肥技術進步，同時也體現在從種子篩選，種植管理，土壤改良，養分調控等一系列措施。田小二的目標將不局限于化肥，而是盡可能聯合種業、化肥業、遙感技術和物聯技術，打通不同行業間的隔閡，進行數據的匯總和分析，進而為不同地區不同作物提供最佳的種前和種中管理方案，為農民的增產節支而努力。

[1]施連敏,陳志峰,蓋之華.物聯網在智慧農業中的應用[J].農機化研究,2013(6):250-252

[2]李道亮.物聯網與智慧農業[J].農業工程,2012(1):1-7

[3]席慶云.SPOT5衛星遙感影像數據在農村土地利調查中的應用與分析[J].地球,2012(2):104-107

[4]邵 景 安 .RS-induced characteristics of land use change in Chongqing, China[J].農 業 工 程 學報,2008,24(8):58-62

[5] R Abd El-Kawy, R?d J K, Ismail H A, et al. Land use and land cover change detection in the western Nile delta of Egypt using remote sensing data[J]. Applied Geography. 2011,31(2):483-494

[6] 姚遠,丁建麗,阿爾達克·克里木,等.基于實測高光譜和電磁感應數據的區域土壤鹽漬化遙感監測研究[J].光譜學與光譜分析,2013(7):1917-1921

[7] Maeda EE, Wiberg DA, Pellikka PKE. Estimating reference evapotranspiration using remote sensing and empirical models in a region with limited ground data availability in Kenya[J]. Applied Geography, 2011,31(1):251-258

[8] Chen Pengfei, Yang Fei, Du Jia. Yield forecasting for winter wheat using time series NDVI from HJ satellite[J]. Transactions of the Chinese Society of Agricultural Engineering(Transactions of the CSAE), 2013,29(11):124-131

[9]何亞娟,潘學標,HeatherMcNirn,等.基于SPOT遙感數據的甘蔗葉面積指數反演和產量估算[J].農業機械學報,2013(5):226-231

[10]李強子,閆娜娜,張飛飛.2010年春季西南地區干旱遙感監測及其影響評估[J].地理學報,2010,65(7):771-780