數字農業研究現狀和發展趨勢分析*

周清波，吳文斌，宋 茜

（中國農業科學院農業資源與農業區劃研究所/農業部農業遙感重點實驗室，北京100081）

0 引言

自“數字地球”概念提出以來，全球數字信息化迅猛發展，數據爆發增長、海量聚集，目前進入了新的大數據發展階段［1］。世界各國將推進經濟數字化作為實現創新發展的重要動能，在前沿技術研發、數據開放共享、人才培養等方面進行了前瞻性部署。美國、歐洲和日本等國家和地區抓住數字革命的機遇，紛紛出臺了“大數據研究和發展計劃”、“農業技術戰略”和“農業發展4.0框架”，將數字技術廣泛應用于整個農業生產活動和經濟環境，加快推進數字農業發展，激活數字農業經濟，迅速成為數字農業強國。

當前，我國正處于傳統農業向現代農業轉變的關鍵時期，數字技術為解決我國“三農問題”提供了新理念和新思維。黨中央、國務院始終高度重視數字農業發展。黨的“十九大”提出建設科技強國、網絡強國、數字中國、智慧社會等發展目標，做出推動互聯網、大數據、人工智能和實體經濟深度融合等戰略部署。習近平總書記明確指出，要審時度勢、精心謀劃、超前布局、力爭主動，實施國家大數據戰略，加快建設數字中國。推進數字農業發展是建設和數字經濟和數字中國的重要內容。《中華人民共和國國民經濟和社會發展第十三個五年規劃綱要》《國家信息化發展戰略綱要》《新一代人工智能發展規劃》《全國農業現代化規劃（2016～2020年）》等對我國農業數字化、信息化發展做出了重要部署，明確要求推動數字信息技術和智能裝備在農業生產經營中的應用，建立健全數字化、網絡化、智能化的農業生產經營體系，加強耕地、草原、水等重要資源和主要農業投入品聯網監測，健全農業信息監測預警和服務體系，提高農業生產全過程信息服務和數字化管理能力。

數字農業涉及多部門、多領域、多學科的交叉和集成，具有獨特的系統性和復雜性，其關鍵理論和技術創新研究成為數字農業建設的基礎和優先任務，也是目前農業信息技術學科的國際前沿和熱點研究問題之一。基于此，文章在數字農業的內涵基礎上，系統梳理和總結國內外數字農業研究進展，分析未來數字農業發展趨勢，并提出我國數字農業未來重點研究領域，以期為發展和豐富數字農業學科體系、推動我國未來數字農業發展提供參考。

1 數字農業內涵

“數字農業”的概念于1997年由美國科學院和美國工程院正式提出，1998年美國副總統戈爾在闡述“數字地球”的概念時，對數字農業內涵進行了定義。數字農業簡單說是農業數字化，是利用現代信息技術對農業對象、環境和全過程進行可視化表達、數字化設計、信息化管理的現代農業。具體來說，是將遙感、地理信息系統、全球定位系統、物聯網、智能裝備等現代信息技術與地理學、農學、生態學、植物生理學、土壤學等基礎學科有機結合，對農業的結構、要素、過程與管理進行二進制及模型化表達，構建以數字化、網絡化、自動化等為特征的計算機管理和應用系統，輔助農業生產科學決策、調控與管理。數字農業使得數字技術與農業各環節深度有效融合，對改造傳統農業、轉變農業生產方式，促進農業資源空間上的優化配置和時間上的合理利用，提高農業生產效率和降低生產成本，實現農業綠色發展和可持續發展具有重要意義［2］。

數字農業和信息農業、精準農業、智慧農業等既有聯系，又有區別。共同之處是以數字資源為基礎，以信息技術為支撐，以促進農業生產力和經濟發展為目標。數字農業是在農業信息化內涵基礎上，強調數字化特征和信息技術應用到各環節的本質作用［3］。信息農業是農業信息化、農村信息化等產業和社會范疇的概念［4］。精準農業是通過精準信息數據分析，指令和控制智能農機具實施精準耕作措施的農業生產模式［5］。智慧農業是精準農業思想結合智慧化思想，由種植業外延至大農業，實現農業全要素、全鏈條、全產業、全區域的數字化、網絡化和智能化［6］。

表1 信息農業、精準農業和智慧農業科學內涵Table 1 Scientific connotations of information-based agriculture，precision farming and smart agriculture

2 數字農業研究與應用現狀

2.1 國外數字農業研究與應用

國外數字農業研究較早，尤其美國、德國、日本等發達國家在數字農業研究方面處于領先地位，形成了科學的理論和技術體系［7-8］。美國一直高度重視數字農業的研究，早在20世紀80年代，雨鳥、摩托羅拉等公司合作開發了智能中央計算機灌溉控制系統，將計算機應用于溫室控制和管理。20世紀90年代，開發的溫室計算機控制與管理系統可以根據溫室作物的特點和要求，對光照、溫度、水、氣、肥等諸多因子進行自動調控，還可利用溫差管理技術實現對花卉、果蔬等產品的開花和成熟期進行控制。目前世界上最大的農業中心網絡是美國內布拉斯加大學的AGNET聯機網絡。美國41.6%的家庭農場、46.8%的奶牛場和52%的年輕農場主通過計算機進行網絡信息聯絡，有專業的農業技術服務組織將農業信息提供給農民，服務于農業生產管理和精細化耕作［9］。美國LACIE計劃和AGRISTARS計劃利用遙感、地理信息系統等技術進行美國和全球不同地區多種糧食作物面積估算、長勢評估、病蟲害監測和總量預報，為農業生產管理、指導農產品貿易提供客觀準確的信息［10］。歐盟實施的MARS計劃利用衛星遙感進行作物種植地塊監測，為其農業補貼政策實施提供精準依據［11］。歐盟利用視覺傳感器實時感知動物取食、運動、體重等重要信息［12-14］，通過聲音傳感器提取動物疾病信息［15］。德國在數字農業核心技術研發上投入大量資金，并由大型企業牽頭進行開發。德國致力于研發農業智能機械和裝備，提供數字農業綜合解決方案。目前德國農業生產領域大多數操作通過計算機完成，輔助決策系統為農民提供多種咨詢服務，如小麥品種選擇模型可以提供小麥品種的水肥條件、品種特性、產量品質、抗病蟲害能力信息，幫助農民選擇適宜小麥品種。日本在物聯網技術研發方面取得顯著進展，50%以上農戶使用物聯網技術，92%農業生產部門應用農業自動化技術。已經有77個蔬菜市場和23個畜產品市場與農副產品情報中心聯機，提供農副產品產地、價格等信息給農協，實現產銷精準對接。此外，英國和法國建立農業大數據體系，促進精準農業發展。美國、日本的農業航空植保精準作業面積達到50%以上，大幅度提升農業生產效率。

2.2 國內數字農業研究與應用

2.2.1 農業數據信息資源建設

農業數據信息資源建設是數字農業的基礎。通過田間采樣、GPS采樣、智能農機作業、多平臺遙感等技術手段，我國針對土地資源、水資源、氣候資源已經進行詳細的調查，建立了不同信息資源數據庫。同時，已經建成中國農林文獻數據庫、中國農業文摘數據庫、農牧漁業科技成果數據庫、中國畜牧業綜合數據庫、農業合作經濟數據庫等有代表性的農業數據庫。隨著衛星遙感技術與地面物聯網的發展，農業信息的獲取需要天空地多層次的監測，獲得更多詳細的農業數據信息，并重點從海量數據中提取有用的信息，減少數據庫的冗余，建立合理有效的農業數據庫和數據集［16］。

2.2.2 “3S”技術

RS（遙感）、GIS（地理信息系統）、GPS（全球定位系統）等“3S”技術是數字農業的核心技術。20世紀80年代開始開展作物遙感估產研究與試驗，建立了北方11省市冬小麥氣象遙感估產運行系統［16］。農業部先后在京津地區對冬小麥、在浙江杭州嘉興地區對水稻以及在北方6省市對小麥進行了遙感估產試驗。國家“八五”期間，農作物遙感估產成為國家科技攻關內容，開展了小麥、玉米和水稻大面積遙感估產試驗研究和北方草原草畜平衡動態監測研究。中國科學院“九五”重大和特別支持項目“中國資源環境遙感信息系統及農情速報”將研究手段從常規方法與遙感技術結合，過渡到以資源衛星為主，建立了“北方冬小麥氣象衛星遙感動態監測及估產系統”［18］。20世紀90年代以來，農業部組織全國農業遙感的科研力量進行多年研究，建立了全國主要大宗農作物遙感估產業務運行系統，于2002年開始正式進入業務化運行。目前，持續開展了國內水稻、玉米、小麥、大豆、棉花、油菜和甘蔗等七大作物的種植面積、長勢和產量以及土壤墑情監測，美國冬小麥、玉米、大豆，巴西、阿根廷大豆的遙感監測，印度冬小麥、加拿大春小麥和澳大利亞冬小麥單產監測試驗。同時，組織完成了國內水稻、小麥、玉米主產區和東北大豆、新疆棉花的本底調查工作，第一次利用遙感手段實現了對國內大宗農作物種植面積和空間分布的摸底調查［19］。

2.2.3 農業模擬模型與專家系統

農業模型使農業科學從經驗水平提高到更精確的水平。農業模型包括農業生物模型、環境模型、技術模型和經濟管理模型，目前農業生物模型研究較多，尤其是農業植物模型，而動物模型研究較少。在農業植物模型方面，總體上以引進國外模型為主，通過修訂和驗證，建立水稻、玉米等作物的形態虛擬和生長模擬模型。嚴定春等［20］通過應用組件化思想設計程序，采用標準化接口和模塊化封裝技術，建立數字化玉米生長模型。于合龍等［21］利用改進的BP神經網絡集成方法，建立作物精準施肥模型。劉鐵梅等［22］進行油菜器官間干物質分配動態的定量模擬。劉巖等［23］進行了基于生物量的水稻葉片主要幾何屬性模型研究。楊月等［24］進行小麥生育期模擬模型的比較研究，通過利用不同地點、播期、密度和極端條件下的試驗資料對引進的3個模型進行檢驗，在正常環境條件下3個模型對小麥生育期模擬均較為準確。隨著3S技術的發展，作物模型和RS、GIS相結合，由于RS和GIS的應用，擴展了作物模型的應用范圍。

專家系統運用智能計算機系統中內部專家的知識水平和經驗，模擬專家解決相關問題，是我國數字農業研究中起步最早的領域，目前已經取得較大成果并廣泛應用于作物施肥、灌溉、病蟲害管理、水土保持等領域。如20世紀80年代研發的砂漿黑土小麥施肥專家咨詢系統、作物病蟲預測專家系統，90年代研發的土壩事故診斷專家系統。2003年吉林大學研制了多媒體人參、玉米、水稻、蔬菜和畜牧業生產智能系統［25］。之后國內很多學者先后研制了玉米精確施肥專家系統［26］、測土配方施肥專家指導系統［27］。2012年，何萍等［28］研制作物養分管理專家系統，在河北、山東、山西、河南等4個省市農戶進行試驗，取得較好效果。孫敏等［29］研究設施蔬菜作物病害診斷與防治管理專家系統。

2.2.4 智能裝備與自動控制

我國智能農機裝備以國外引進和自主研發并進。黑龍江農墾是我國機械化最高的農場群，智能化農機裝備應用廣泛，先后從美國引進帶有GPS自動駕駛裝置的變量噴藥機、450馬力拖拉機、帶有產量監測系統的CaseIH2366收獲機，為生產決策提供了科學依據［29］。自主研發方面，我國裝備數字化、智能監控設計與制造取得了顯著進展，總體水平接近國際先進水平。如研制的大型精準噴藥設備、變量配肥施肥設備和基于衛星定位的農業機械導航系統等裝備在新疆、黑龍江等地開展實際應用，并取得了較好的效果。除機械自動控制外，我國在溫室自動控制技術方面也取得重要進展，完成從引進吸收、簡單應用階段到自主創新、綜合應用階段的過渡。如中國農業科學院農業氣象研究所和蔬菜花卉研究所聯合研制了基于Windows操作系統的溫室控制與管理系統；中國農業大學研制了“WJG-1”型分布式溫室環境監控計算機管理系統［31］；植物工廠環境調控技術也處于國際先進水平。

2.2.5 數字農業成果的普及與應用

在無線傳感器技術、3S技術、云平臺及大數據等技術發展的基礎上，及政府、科研機構、農業生產企業的共同推動下，我國數字農業在大田種植、設施園藝、畜禽養殖、水產養殖等領域應用取得初步成效［32］。北京的小湯山現代科技技術示范園區通過衛星遙感技術進行了作物長勢監測。黃淮海、京津冀地區進行了小麥、大豆進行遙感估產、作物災害監測和損失評估。黑龍江友誼農場利用GPS定位進行田間調查采樣，分析大豆葉片葉綠素等含量。吉林省通過地理信息系統等方法對黑土區土壤速效養分的空間變異特征進行研究，建立養分空間變異圖，并基于GIS和DGPS實現了田塊的精準定位，建立土壤含水量、土壤肥力狀況空間分布變異圖和玉米品種、產量、施肥量等屬性數據庫［33］。蘭溪市利用數字農業技術，進行大棚的水分、溫度、作物長勢等實時數據的監控，通過自動控制系統進行噴灌。該平臺由數據庫云平臺、中央控制指揮中心、數字農業系統3部分組成，通過該平臺可以自動生成測土配方施肥建議卡。目前在該地區已經進行配方面積3.2萬hm2，減少化肥施用量550t，病蟲害數字化診斷系統收錄5 000多種病蟲害防治辦法，為1 000多戶農民提供咨詢服務［34］。

3 新時代我國數字農業重點研究任務

3.1 天空地一體化的數字農業觀測系統構建

我國地形多樣、多云多雨天氣頻發、種植制度復雜和農業生產高度動態性，單一傳感器或單一遙感平臺的對地觀測在實際應用中存在較多局限，需要綜合天基、空基和地基觀測，建立天空地一體化的數字農業觀測系統。“天”是衛星遙感觀測，具有區域范圍大和空間連續性的特點；“空”是航空遙感觀測，包括有人機和無人機遙感平臺，具有高精度和時間連續性的特點；“地”是物聯網和互聯網結合的地面傳感網，具有實時觀測和快速傳輸的特點。通過天空地協同的觀測系統，可以解決數字農業監測數據時空不連續的關鍵難點，實現對農情信息全天時、全天候、大范圍、動態和立體監測與管理［35］。

3.2 數字農業關鍵技術與裝備研制

圍繞數據感知與獲取、處理與分析、決策與控制、管理與服務等關鍵環節，進行數字農業關鍵技術與裝備研制。重點攻克農業生產環境、動植物生理體征、智能感知與識別關鍵技術，突破農業物聯網、云計算關鍵技術，研發一系列具有自主知識產權的大田物聯網測控、遙感監測、智能化精準作業、基于北斗系統的農機物聯網等技術和產品。深入開展遙感高光譜技術、農作物參數反演、農作物健康診斷、農業自然災害監測評估等農業遙感關鍵技術攻關。探索開展以天空地多源數據采集與融合、智能診斷與分析、智能決策與控制等關鍵算法技術，推動農業大數據的開發應用。開發專用傳感器和智能終端，突破生產環境和動植物體征行為信息采集、農業生產管理精準控制等智能裝備核心裝置、自主無人裝備。構建和完善我國主要農作物和畜牧養殖動物的生物生長數字模型，實現高效的數字模擬和設計；研究開發不同層次、不同農業產業類型的農業系統數字模型，實現農業生產、管理、經營、決策的智能化和數字化。

3.3 數字農業技術系統集成與平臺研發

在大田種植方面，夯實基于北斗導航系統的精準時空服務基礎設施平臺，集成農田生產管理信息系統、農業資源管理系統、農業科技信息管理系統、農作物估產系統等大田農業生產過程管理系統和精細管理及公共服務系統。在設施園藝方面，建設溫室大棚環境監測控制系統和工廠化育苗系統，集成產品質量安全監控系統和采后商品化處理系統，為電商物流提供基礎支撐。在畜禽養殖方面，重點構建自動化精準環境控制系統和數字化精準飼喂管理系統，搭建養殖機械化自動產品收集平臺，重點突破畜禽養殖無害化糞污自動處理系統，實現糞污無害化處理和資源化利用。在水產養殖方面，建設養殖在線監測系統和現場無線傳輸自主網絡，完善水產養殖管理系統，構建生產過程管理系統和綜合管理保障系統，搭建高效的水產養殖公共服務平臺［36-37］。

3.4 數字農業技術應用示范

依據區域經濟條件和信息基礎設施水平，結合地方農業特色和現代農業發展水平，以完善農業技術推廣體系、提高科技信息意識、加速科技成果轉化和富裕農民為目標，在農業部5區1園的整體規劃布局下，依托農業龍頭企業、農民合作社、家庭農場等新型農業經營主體，以及國家農業遙感應用等公益性科研單位建立數字農業示范區（點），堅持走市場化、專業化、差異化和特色化之路，打造農業創新創業的先行區、成果示范推廣的主陣地，使數字化技術在農業和農村經濟發展中得到廣泛應用，實現農業生產、科研、教育、推廣、市場經營和農村社區信息服務的數字化，提高當地農業信息化水平，促進農村經濟的發展。

3.5 數字農業信息服務模式創新

如何穩定和逐步增加對數字農業發展所必需的各項投入，是數字農業發展的重要一環，僅僅靠政府的財政投入遠遠不夠，迫切需要大力引入市場和資本的介入，利用多種渠道增加投資，著力構建“政產學研用金服”相結合的新時代數字農業發展模式。努力形成聯合公關、協同創新、共謀發展、共推改革的數字農業運行模式，形成功能互補、良性互動的協同創新格局，對投資規模較大、需求長期穩定、價格調整機制靈活、市場化程度較高的數字農業基礎設施及公共服務類項目，可采用PPP等商業模式；對于市場化前景較好，投資收益回報較快的數字農業項目，可采用眾籌模式、互聯網+模式、發行私募債券等商業模式。

3.6 數字農業標準規范研制

標準化是數字農業發展的前提。針對農業生產過程涉及數據具有數據量大、涵蓋信息多、動態性、多維度等特點，迫切需要進行數字農業規范標準研制。加強數字農業標準和規范體系建設，制定一批數字農業國家標準和行業標準，包括農業數據采集、存儲、分析、處理和服務標準，農業大數據平臺和系統標準、數據訪問和交換標準，促進農業數據互聯共享。

參考文獻

［1］郭華東，王力哲，陳方，等. 科學大數據與數字地球. 科學通報，2014，59（12）：1047～1054.

［2］曹宏鑫，王家利，鄭宏偉. 發展“數字農業”推動農村信息化. 農業網絡信息，2004，（1）：17～20.

［3］葛佳琨，劉淑霞. 數字農業的發展現狀及展望. 東北農業科學，2017，42（3）：58～62.

［4］賈科利，常慶瑞，張俊華，等. 信息農業現狀與發展趨勢. 西北農林科技大學學報（社會科學版），2003，3（6）：13～17.

［5］趙春江. 對我國未來精準農業發展的思考. 農業網絡信息，2010，（4）：5～8.

［6］張繼梅. 我國智慧農業的發展路徑及保障. 改革與戰略，2017，33（7）：104～107.

［7］趙衛利，劉冠群，程俊力. 國外農業信息化發展現狀及啟示. 世界農業，2011，385（5）：71～73.

［8］范鳳翠，李志宏，王桂榮，等. 國外主要國家農業信息化發展現狀及特點的比較研究. 農業圖書情報學刊，2006，18（6）：175～177.

［9］鄭業魯，薛緒掌. 數字農業綜論. 北京：中國農業科學技術出版社，2016.

［10］劉海啟，金敏毓，龔維鵬. 美國農業遙感技術應用狀況概述. 中國農業資源與區劃，1999，20（2）：56～60.

［11］唐華俊，吳文斌，楊鵬，等. 農作物空間格局遙感監測研究進展. 中國農業科學，2010，43（14）：2879～2888.

［12］Yajuvendra S，Lathwal S S，Rajput N，et al. Effective and accurate discrimination of individual dairy cattle through acoustic sensing.Applied Animal Behaviour Science，2013，146（1-4）：11～18.

［13］Thorup V M，Munksgaard L，Robert P E，et al. Lameness detection via leg-mounted accelerometers on dairy cows on four commercial farms.Animal，2015，9（10）：1704～1712.

［14］Kaixuan Z，Dongjian H. Target detection method for moving cows based on background subtraction.International Journal of Agricultural and Biological Engineering，2015，8（1）：42～49.

［15］Kim H T，Choi H L，Lee D W，et al. Recognition of individual holstein cattle by imaging body patterns.Asian-Australasian Journal of Animal Sciences，2005，18（8）：1194～1198.

［16］唐華俊. 農業遙感研究進展與展望. 農學學報，2018，8（1）：175～179.

［17］孫九林. 中國農作物遙感動態監測與估產總論. 北京：中國科學出版社，1996.

［18］吳炳方. 中國農情遙感速報系統. 遙感學報，2005，8（6）：481～497.

［19］周清波，吳文斌，楊鵬，等. 基于“3S”技術的農情信息監測研究進展. 中國科技成果，2010（10）：33～38.

［20］嚴定春，諸葉平，李世娟，等. 數字化玉米種植管理系統研究. 農業網絡信息，2006（11）：10～12.

［21］于合龍. 精準農業生產中若干智能決策問題研究. 長春：吉林大學，2010.

［22］劉鐵梅，張瓊，邱楓，等. 油菜器官間干物質分配動態的定量模擬. 中國油料作物學報，2005，27（1）：55～59.

［23］劉巖，陸建飛，曹宏鑫，等. 基于生物量的水稻葉片主要幾何屬性模型研究. 中國農業科學，2009，42（11）：4093～4099.

［24］楊月，劉兵，劉小軍，等. 小麥生育期模擬模型的比較研究. 南京農業大學學報，2014，37（1）：6～14.

［25］陳桂芬，李志紅，王國偉，等. 吉林省“數字農業”研究的實踐與探討. 中國數字農業與農村信息化學術研究研討會文集. 北京：中國農業出版社，2003.

［26］陳桂芬，王越，王國偉. 玉米精確施肥系統的研究與應用. 吉林農業大學學報，2006，28（5）：586～590.

［27］張玉欣. 伊通縣《測土配方施肥專家指導系統》研發概述. 吉林農業，2011，256（6）：135～139.

［28］何萍，金繼運，Mirasol F. Pampolino，等. 基于作物產量反應和農學效率的推薦施肥方法. 植物營養與肥料學報，2012，18（2）：499～505.

［29］孫敏，羅衛紅，馮萬利，等. 基于Web的設施蔬菜作物病害診斷與防治管理專家系統. 南京農業大學學報，2014，37（2）：7～14.

［30］吳海華，方憲法，楊炳南. 國內外農業裝備技術發展趨勢及進展. 農業工程， 2013，3（6）：20～23.

［31］楊學坤，蔣曉，諸剛. 溫室環境控制技術的研究現狀與發展趨勢. 中國農機化學報， 2013，34（4）：16～18.

［32］賈敬敦. 實施數字農業行動加速農村小康社會建設步伐. 中國數字農業與農村信息化學術研究研討會文集. 北京：中國農業出版社，2003.

［33］趙月玲，王顏國，韓海燕，等. 吉林典型黑土區土壤中養分的空間變異研究. 中國農機化，2012，240（2）：72～75.

［34］李艷，孫夢婷. “數字農業”聯姻“生態農業”. 今日浙江，2015，24：45～46.

［35］Zhou Q，Yu Q，Liu J，et al. Perspective of Chinese GF-1 high-resolution satellite data in agricultural remote sensing monitoring.Journal of Integrative Agriculture. 2017，16（2）：242～251.

［36］鄒金秋，周清波，陳仲新，等. 農情遙感監測與服務系統集成研究. 中國農業資源與區劃，2010，31（15）：12～17.

［37］劉揚，周清波，劉佳，等. 基于遙感和WebGIS的冬小麥估產支持系統. 中國農業科學，2008，41（10）：3371～3375.