國際視角下我國智慧農業科技創新發展的啟示

doi：10.15889/j.issn.1002-1302.2024.20.001

摘要：智慧農業是未來農業的發展方向，也是我國農業新質生產力的重要體現。對比分析發達國家智慧農業的發展特點和經驗，探索適合我國國情的智慧農業發展任務與對策建議，對我國智慧農業高質量可持續發展具有重要意義。從政策環境、產業現狀、科技創新發展等方面深入分析全球智慧農業發展現狀，并通過剖析美國、荷蘭、日本等國外發達國家的典型案例，研判出我國智慧農業科技創新發展存在的主要問題；在此基礎上，從高精度的農業環境感知設備、適應力強的農業智能機器人、以數據為核心的算法開發與利用、場景化應用的落地與推廣4個方面闡述了我國智慧農業科技創新發展的重點任務，并從科技成果推廣落地、標準建設和數據治理、資源共享共建共用和專業人才隊伍建設方面提出對策建議。

關鍵詞：智慧農業；科技創新；國際視角；重點任務；數字經濟

中圖分類號：F323.3" 文獻標志碼：A

文章編號：1002-1302（2024）20-0001-09

收稿日期：2024-10-08

基金項目：海南省熱帶作物信息技術應用研究重點實驗室2023年度開放基金（編號：ZDSYS-KFJJ-202309）。

作者簡介：郭" 婷（1992—），女，河南南陽人，碩士，助理研究員，從事農業科技情報研究。E-mail：guoting@jaas.ac.cn。

通信作者：符晴雅，研究實習員，從事熱帶農業科普與新媒體研究。E-mail：afuqingy@163.com。

“洪范八政，食為政首。”古往今來，糧食安全都是治國安邦的首要之務。我國人口眾多，如何利用有限的資源解決好吃飯問題是頭等大事。隨著我國農業生產水平的提升和“三農”改革工作的深化，農業領域的各種風險和結構性矛盾也在持續聚集。一方面，我國城鎮化進程持續推進，糧食安全進入一個新階段：居民食品與農產品消費趨于飽和，食品結構不斷豐富，農產品供需的結構性、時空性矛盾加大；另一方面，我國人多地少，人口老齡化趨勢明顯，且農業生產面臨著資源和環境的約束，生產方式亟需轉變。在未來，“誰來種地”“如何種地”“怎樣種好地”的問題日漸突出。當下，以數字化、智能化為特征的新一輪工業革命蓬勃興起，人工智能、物聯網、云計算、大數據、移動互聯網等新一代信息技術與農業農村加速融合，推動我國農業向智慧農業邁進。智慧農業是現代農業的高級形式，以數據、系統、智能裝備為特征要素，與傳統農業中的土地、動植物、生產工具等生產要素深度融合，實現生產作業精細化、管理決策自主化、產業提升鏈式化，促進農業進入生產便捷、管理高效、產業協調的現代農業新時代，是解決我國“三農”現實問題的重要方式。

近年來，我國積極部署智慧農業發展方向。2018年，中共中央、國務院印發《鄉村振興戰略規劃（2018—2022年）》，提出要“大力發展數字農業，實施智慧農業工程”。2019年，《數字鄉村發展戰略綱要》文件中作出“打造科技農業、智慧農業”的戰略部署。2022年，中央網信辦、農業農村部等10個部門聯合印發了《數字鄉村發展行動計劃（2022—2025年）》，明確提出“智慧農業創新發展行動”，以加快推動智慧農業發展。我國智慧農業的工作部署呈現多維度、全方位的特征，但發展水平距離歐美日韓等發達國家仍有較大差距。本研究立足全球，利用網絡調研、文獻計量、統計分析等方法，梳理國際智慧農業產業發展現狀、發展趨勢，剖析該領域的技術方向、成功經驗，分析我國智慧農業與發達國家之間的短板差距與存在的問題，提出“十五五”期間智慧農業科技創新的重點任務與對策建議。

1" 智慧農業發展現狀

1.1" 國內外智慧農業政策支持現狀

1.1.1" 國外政策逐漸豐富與細化" 20世紀80年代，“精準農業”構想被提出，這是美國等經濟發達國家在20世紀80年代末期繼LISA（低投入可持續農業）后，為適應信息化社會發展要求對農業發展提出的一個新的課題［1-2］。此后，全球范圍內，歐美日韓等發達國家與地區高度關注智慧農業的發展。近年來，歐美日韓等發達經濟體在智慧農業進行了多方面的部署，指導方向具體且明確。美國相關戰略、計劃將農業作為人工智能優先應用發展的領域，資助農業人工智能科技的中長期研發，并突出農業人工智能、自動化與遙感技術應用的重要性［3-5］；英國提出未來將支持農業中的智慧技術和精準方法［6］；歐洲的《農業4.0計劃》表示智慧農業是未來歐洲農業的發展方向，歐盟《共同農業政策》明確指出要適應數字時代，以數字化促進農村現代化，并啟動了系列智慧農業落地項目［7-9］；法國在《農業數字化路線計劃》提出數字技術是法國未來5年農業發展的重點，并且還關注到了農業機器人的開發與應用［10］；日韓期待用實際的信息化手段解決農業生產應用的問題，提升農業生產效率，如開發植物工廠、智能農場等［11-13］。

1.1.2" 我國政策紅利不斷釋放" 2005年，中央一號文件首次提出要加速農業信息化建設，自此之后，每年我國中央一號文件中均有涉及推動智慧農業發展的相關內容，提到“精準農業”“智慧農業”“農業信息化”等關鍵詞［14］。2012年，中央一號文件指出要全面推進農業農村信息化，著力提高農業生產經營、質量安全控制、市場流通的信息服務水平；2015年，文件將農業現代化列為首要議題，農業數字化是其中的重點領域；2021年，文件提出發展智慧農業，建立農業農村大數據體系，推動新一代信息技術與農業生產經營深度融合；2022年，政策明確指出要以大數據和互聯網為支撐，加速數字農村的發展，進一步推進智慧農業。近年來，除中央一號文件外，農業農村部、網信辦、發改委等國家級多部門都出臺了有關推進智慧農業的政策文件，地方政府也在國家政策的指導引領下對本地智慧農業開展了差異化的發展探索。從政策出臺的部門來看，智慧農業不僅僅是農業領域的關鍵議題，還事關產業改革發展和信息工程技術；從政策內容來看，智慧農業未來應該如何發展，國家和地方政府的頂層設計也逐步從模糊走向清晰。推進智慧農業發展，在未來需要關注農業大數據的應用；要大力推廣智能農機的應用、引導設施裝備改革升級；要打造數字農業工程，推動數字技術和農業產業深度融合，推進農業全產業鏈的數字化轉型。

1.2" 國內外智慧農業產業發展現狀

1.2.1" 全球市場規模不斷擴大，我國市場規模增長明顯

全球智慧農業行業發展態勢迅猛，呈現蓬勃發展的趨勢。根據北京研精畢智信息咨詢有限公司調研提供的數據顯示，截至2021年末，全球智慧農業市場規模接近150億美元，比上年同期增長約20%，到2022年，市場總規模達到了170億美元，較2021年末提升約13.3%。與全球市場相比，當前我國智慧農業行業處于發展的初級階段，在政策傾斜與技術發展的雙重驅動下，國內開始大力發展智慧農業，市場規模呈現逐年增長的態勢。根據中國情報網提供的數據（圖1）顯示，2022年，我國智慧農業市場規模約為743億元，同比增長8.5%，增長趨勢良好。在良好的市場發展前景下，京東、阿里、華為、騰訊、百度、美團等頭部科技公司逐步向智慧農業領域下沉。華為以海水稻為突破口，積極布局智慧農業，一是提供先進的智慧農業技術系統和應用；二是與其他農業大數據公司開展合作，形成具體的解決方案［15］。

1.2.2 "發達國家農業數字化水平高，我國農業數字化轉型初見成效

近年來，我國農業數字化轉型穩步推進，數字技術在農業領域的滲透率不斷提升。據中國通信院測算，近年來，我國第一產業數字經濟滲透率呈現逐步上升的趨勢（圖2），這意味著我國在農業產業的數字經濟發展呈現穩步增長態勢。隨著數字鄉村建設進一步推進，2020年國家相關部門在全國范圍內部署了121個數字鄉村試點，建設了11個農業物聯網示范省、102個數字農業試點項目，分4批認定全國農業農村信息化示范基地316個，在全國開展了蘋果、大豆等6個品種的全產業鏈大數據建設試點，數字農業建設試點深入推進。而經濟發展水平較高的國家農業數字化轉型起步早、技術應用強、發展改革成效顯著，與之相比，我國的農業數字化轉型仍然有較大差距。如圖3所示，以2020年數據為例，高收入國家的農業數字經濟占比已經達到12.5%，而我國僅8.9%，直至2022年也僅到達10.5%，存在明顯差距。

1.2.3" 國外優質高端產品多，我國關鍵核心技術自給不足

當前，我國智慧農業領域雖然有一定的研究基礎，但是關鍵核心技術仍然受制于人，領域內的優質核心產品仍然依賴進口。傳感器是農業信息之源，在農業傳感器領域，感知元器件、高端農業環境傳感器、動植物生命信息傳感器、農產品品質在線監測設備等相關技術被美國、德國和日本等國家壟斷。我國中高檔傳感器產品幾乎100%從國外進口，90%的芯片依賴國外，自主研發的傳感器數量不到世界的10%且性能普遍低于國外同類產品［16-17］。算法是智慧農業的決策大腦，在農業數字模型與模擬、農業認知計算與農業知識發現、農業可視交互服務引擎等技術、算法、模型方面，美國、荷蘭、以色列、日本等國家處于國際領先地位。國內自主研發的動植物模型與智能決策準確性低，且大多是時序控制，而非按需決策控制［17］。

1.3" 國內外智慧農業科技創新發展現狀

1.3.1" 全球及我國智慧農業均已進入快速發展階段，我國起步雖晚但發展迅速

作為一種現代化的農業生產模式，智慧農業發展方興未艾，其發展歷程可大致分為以下3個階段（圖4）：

第一階段：萌芽期（1970—1988年）。智慧農業起源于農業信息化，早期農業領域信息技術方面的研究是智慧農業研究的基礎［18］。在20世紀70年代至80年代末，各國政府通過推廣計算機和網絡技術等方式促進農業信息化的發展，以美國為代表的歐美國家率先開始了農業信息化的應用研究，相關技術主要是農業信息系統和專家系統，其中農業信息系統用于管理農業生產和市場信息，專家系統則用于支持農業決策和問題解決［19］。

第二階段：緩慢發展期（1989—2010年）。在20世紀80年代末至21世紀初，隨著信息技術和互聯網的迅速發展，美國率先將全球定位系統（GPS）應用于聯合收割機，農業機械發展自此進入智能化控制階段［8］；在此基礎上，集成3S（GPS、GIS與RS系統）技術的精準農業應運而生，相關技術主要是通過實時監測和分析農田、氣象、水分、作物等信息，實現農業生產的智能化與精準化，關鍵技術包括作物生長模型、農田環境監測、智能灌溉、精準施肥、精準植保等［19］。我國于20世紀80年代才開始啟動農業專家系統的研制，雖起步較晚，但萌芽期短、發展步伐快。

第三階段：快速發展期（2011—2023年）。21世紀10年代至今，隨著云計算、大數據、物聯網、人工智能、移動互聯網等新一代信息技術的發展，“智慧農業”這一概念被提出，并實現了從概念階段向實際應用階段轉變。智慧農業主要通過傳感器、監控設備等實時采集和處理大田作物、設施作物、畜禽、水產等生產數據，利用大數據分析和人工智能算法進行決策支持，實現農業生產的智慧化、智能化與精細化管理，關鍵技術包括環境與生物信息感知、信息移動互聯與農業物聯網、云計算與云服務、大數據分析與決策，以及智能農機裝備與農業機器人等［20］。該時期，我國智慧農業發展迅速，與全球同步進入快速發展期，并取得了顯著成效。

1.3.2" 全球智慧農業科技創新聚焦四大主題領域11個重點研究方向

全球智慧農業領域的研究分為四大類（圖5），分別為“以機器視覺為代表的影像分析與利用技術”“以物聯網為代表的智慧監測與管控技術”“以作物模型為代表的數據分析與生長調控技術”“以農業遙感為代表的作物識別與生長

監測技術”，其中“以機器視覺為代表的影像分析與利用技術”是研究重點。

（1）“以機器視覺為代表的影像分析與利用技術”重點圍繞高光譜、多光譜、紅外光譜、近紅外光譜等光譜圖像以及可見光圖像等影像信息，利用機器學習、深度學習、人工神經網絡、卷積神經網絡、機器視覺、支持向量機等技術開展農業生物及農產品的圖像采集、處理、分析與利用等研究（圖6-a）。主要分為基于機器視覺的農產品品質檢測技術、基于機器視覺的農業生物特征識別技術、表型組學與數字育種技術3個研究方向，其中基于機器視覺的農產品品質檢測技術是重點研究方向。

（2）“以物聯網為代表的智慧監測與管控技術”中大量聚集了人工智能、物聯網、大數據、機器人、神經網絡等信息技術（圖6-b），是現代信息技術在農業領域研究應用的充分體現，圍繞農業生產全過程，通過利用現代信息技術開展智慧監測、管理與控制技術研究與設備研發，從而提高農業生產的效率和品質。主要分為農業智能感知與監測技術、農業智能管理與控制技術、農業機器人技術3個研究方向，其中，農業智能感知與監測技術、農業智能管理與控制技術是重點研究方向。

（3）“以作物模型為代表的數據分析與生長調控技術”主要是利用系統分析方法和計算機模擬技術，對作物生長發育過程及其與氣候因子、土壤特性等環境與管理技術等之間的關系進行數據分析、預測與決策，從而實現精準化的農業生產管理（圖 6-c）。主要分為作物生長模擬與智能分析技術、環境監測與智能決策技術、精準化生長調控與管理技術3個研究方向，其中作物生長模擬與智能分析技術是重點研究方向。

（4）“以農業遙感為代表的作物識別與生長監測技術”主要通過遙感平臺（如衛星、無人機、雷達等）獲取農業目標的光譜、形態、結構等數據，重點利用人工智能技術、統計學方法開展農作物生長過程監測、種植面積和產量估測、作物識別與分類、農業災害監測與評估等研究［21］（圖6-d）。主要分為作物生長監測與評估技術、作物特征提取與分類技術2個研究方向，其中，作物生長監測與評估技術是重點研究方向。

1.3.3" 我國在智慧農業領域科技創新數量多但創新性不足，且具有明顯的技術短板

當前，我國智慧農業發展已駛入快車道，展現出廣闊前景。對比全球（圖7）發現，（1）中國、美國在全球智慧農業四大主題領域11個研究方向的發文量全部排在前2位，且遠遠超過其他國家，基礎研究優勢明顯；但中國相關成果的影響力和創新性遠不及美國、荷蘭、加拿大、比利時等發達國家。（2）我國的研究主要聚焦在“以機器視覺為代表的影像分析與利用技術”“以物聯網為代表的智慧監測與管控技術”“以農業遙感為代表的作物識別與生長監測技術”3個方向，在“以作物模型為代表的數據分析與生長調控技術”主題領域及表型組學與數字育種技術的研究方向上的發文量均低于美國。（3）除此之外，我國在農業傳感器、智能決策模型以及高端農業智能裝備等方面還存在明顯的技術短板。

2" 國外智慧農業發展的典型案例剖析

2.1" 美國：“大農業”背景下廣泛使用信息化技術，走智能化精準農業道路

美國農業的基本特征為“大農業”特征，人力成本高、人均耕地面積廣袤。這決定了美國農業需要采用機械化、自動化和智能化手段來降本增效。有數據顯示，美國農業生產高度發達，全美從事農業生產的人員不到總人口的2%，卻滿足了3億美國人的食物需求，并且出口大量谷類作物［22］。

從20世紀90年代開始，美國政府每年撥款10多億美元用于建設農業信息網絡，積極將大數據技術、物聯網技術、遙感技術和人工智能技術應用到農業領域，推進農業的智能化改造升級。在生產經營環節，美國中西部地區在玉米、大豆、甜菜等經濟作物和糧食作物的種植方面廣泛使用了物聯網技術，實現了從播種、肥水噴施、病蟲害防治到收獲的全生產流程決策的智能化。美國的大型農場（銷售額達到50萬美元以上）均配備了產量監控器，并結合GPS、耕種區域地圖、作物種類和植物種群等信息，這類信息被實時傳輸到系統平臺中，經過智能決策，進行實時判斷與調控［23］。隨著農業信息化體系建設的日漸完善，涌現了大量的智慧農業企業，反哺于農業生產實踐。例如FarmLogs（現被Bushel Farm收購）誕生于硅谷，它是一家基于云平臺的生產管理平臺類公司，通過大數據和機器學習技術幫助農民掌控農田的變化，最大程度地提升農作物的產量、減少浪費以及提升盈利能力；CropX也來自美國硅谷，其主要產品是探測土壤參數的硬件，建立土壤物聯網，該公司的硬件產品包含的重要傳感器有3個，分別收集地形信息、土壤結構和含水量［24-25］。

2.2" 荷蘭：“有限土地資源”下打造“小而精”的生產模式，走高科技農業發展之路

荷蘭位于歐洲西北部，國土面積僅有4萬多km2，人多地少，資源匱乏。資源稟賦的先天不足倒逼荷蘭從科技創新著手，積極發展高科技農業。據數據統計，荷蘭是世界農產品第二出口國，花卉、果蔬出口量排名世界第一，動植物油、肉類、乳制品出口也位居世界前列［26］。

光照不足、土地資源稀缺，促使荷蘭將信息化、工業化技術與農業生產相結合。其利用7%的耕地建立了面積近17萬畝（1畝=0.066 7 hm2）的現代化溫室，占全球溫室總面積的1/4。這類現代化溫室配備了先進的光照系統、加溫系統、液體肥料灌溉施肥系統、二氧化碳補充裝置、機械化采摘系統和監測系統等，保證從生產環節到收獲環節的全流程智能、高效、優質［27］。此外，荷蘭在智慧農業的基礎上，還先一步關注到了循環農業，注重綠色、生態、可持續，堅持投入減量化、生產清潔化、廢棄物資源化和產業模式生態化［28］。荷蘭高度重視土地資源的保護，在土壤耕種時農藥化肥使用合理，利用大數據技術、物理方法或生物防治技術保持土壤的有機化，生產綠色食品。并將牧草種植、畜禽養殖、能源生產、微生物培養和加工等有機結合，優化農業產業結構，提升本國農產品在市場上的競爭力，實現高質量現代化發展［26］。

2.3" 日本：“人老地少”條件下開展農業轉型，形成集約化精耕模式

在農業產業發展過程中，日本最為顯著的兩大現象是：農業從業人員平均年齡過高、農業人口持續減少；人均耕地面積極少，且大多是小型田塊和山地耕地。根據2022年的統計資料顯示，日本農業從業者僅剩116萬，且平均年齡達到68.4歲。為了解決上述現象帶來的勞動力短缺和農業勞作不便等問題，日本大力發展智慧農業［25，29］。

在農業基礎設施條件方面，日本自20世紀70年代起開展土地資源整合，平整農用土地，并且將農產品依照氣候、區域種植，推廣農業機械化，形成集約化耕種模式。在科技創新方面，日本致力于使用智慧農業相關技術實現高效精細化種植。在智能機器方面，日本工業優勢明顯，在人工智能技術的加持下，發展農業機器人，實現作業自動化。如北海道大學和YANMAR公司開發的自動行走拖拉機，于2018年應用到市場，在2020年實現了田間遠程監控無人作業，支持農忙季節的搶收搶種；在數據應用方面，日本農林水產省牽頭建設WAGRI平臺，統一收集、存儲和組織農業數據，包括氣象、土壤、肥料、農藥、市場、經營和產量的數據。以該平臺為依托，相關部門和機構整合分析無人機、衛星以及傳感器等數據，實現降本增效，形成農業生產的良性循環；在智慧農業推廣應用方面，日本政府支持產學研合作，搭建智慧農業信息交流平臺，致力于解決農業從業人員的生產、驗證和應用難題［29-30］。

3" 我國智慧農業科技創新發展存在的問題

3.1" 技術模式化套用多，基礎研究創新能力不足

我國智慧農業科技創新成果多，但多為利用成熟的平臺設備開展數據分析、模型構建、方法探索等模式化套用研究，在技術上仍存在基礎研究和應用模式創新不足、核心農業傳感器和高端農業智能裝備缺乏、智能算法模型和系統產品不足等問題。目前，感知元器件和應用系統軟件依然主要依賴進口，數據采集和處理技術還不成熟，終端遠程控制系統、動植物模型與智能決策、表型組學與數字育種存在明顯短板，缺乏專門針對我國農戶和小地塊生產場景及多樣化市場的技術產品，難以滿足現實需要。

3.2" 方法探索多，成果應用落地難

我國智慧農業的研究成果中多是方法技術的點突破，且技術方法停留在研究探索階段，研究與應用脫節，缺乏生產實踐的檢驗。同時，農業生產環境的復雜性和多變性為智慧農業技術的應用帶來了顯著挑戰；農民年齡普遍偏高，且對于新技術的接受程度和使用能力有限，缺乏必要的科技素養和操作技能，導致新技術難以得到有效推廣和應用；一些先進的智慧農業技術設備如傳感器、控制器、機器人等價格昂貴，購買及維護成本高，超出了普通農戶的承受能力，限制了智慧農業技術的推廣范圍。

3.3" 學科起步晚，人才隊伍建設不健全

人才建設是學科建設的核心。在我國，智慧農業學科起步較晚，且交叉學科眾多，橫跨理工農管藝。當前，農業人才培養層次較為單一，學科培養目標緩慢，難以跟上智慧農業快速發展的時代趨勢。懂農業的人不懂信息技術，懂信息技術的人不懂農事操作的現象十分常見。對于既掌握數字化應用技術，又懂得農業生產管理，還了解市場運營的復合型人才尤為缺乏。關于這個學科應該如何建設，培養什么樣的科技人才，隊伍建設如何開展等諸多問題都存在疑慮。

4" 我國智慧農業科技創新發展的重點任務建議

4.1" 高精度的農業環境感知設備

農業環境感知設備，如農業傳感器設備，是智慧農業發展的基礎，是獲取農業生產信息的重要渠道來源。根據檢測對象的不同，智能農機裝備傳感器可以分為農田土壤信息傳感器、作物生長信息及病蟲害監測傳感器、作業環境傳感器、農機裝備作業參數傳感器等［31］。當前，我國農業智能傳感器存在集成化程度低、農業智能傳感器的核心元件嚴重依賴進口和智能化程度不高等問題，應用范圍有限。究其根源是我國缺乏農業專用核心控制器、缺乏高端農業傳感器的自主研發且缺少農業專用的無線通信網絡協議及高精度的智能傳感器算法［32］。相關科研團隊需要從上述問題著手，推進高性能農業智能傳感器的研制，攻克高端農業傳感器難題。

4.2" 適應力強的農業智能機器人

美英德日等發達國家的農業智能機器人研發發展迅速，在作物栽培、嫁接、采摘、施藥，畜禽飼喂、清糞等環節正逐步實現機器人操作，大幅提高了生產效率［33］。根據數據顯示，我國農業機器人需求量在過去5年間一直保持近40%的增長［34］。在高需求背景下，國產農業機器人也開始活躍在稻田、果園、魚塘和動植物工廠。近年來，我國空中和地面遙控、自動導航農機產品發展良好，但是距離安全、高性能的田間作業目標還有一段距離。相比于發達國家，我國農業種植規格多、作物品類豐富、整體標準化程度低，歐美農業機器人的大型化、專業化和標準化的使用模式無法照搬照用。相關研發團隊需要根據我國國情，研發適用的農業智能機器人，提高農業智能機器人的作業性能，推廣落地應用。

4.3" 以數據為核心的算法開發與利用

在智慧農業領域，數據、算法和算力是核心要素，尤其在智能決策的背后是依靠數據和算法作為支撐。盡管我國大力發展智慧農業，在領域內也取得了一定的進展，但是算法研發起步晚，還存在諸多“痛點”和“堵點”。首先是算法數據支撐有限，農業生產數據收集與組織尚未常規化和標準化。各地均有建設農業產業大數據平臺，但是數據上傳不及時，數據標準化不規范。這對于算法開發而言，缺少一線真實數據，不利于模型訓練。其次是算法開發不優，美國、荷蘭、以色列等國家在農業數字模型與模擬等方面處于國際領先地位，我國距離發達國家差距較大。最后是算法的可復用性不強，盡管近年來國內研究團隊致力于開發支撐農業智能決策的模型和算法，但是在其他環節的硬件裝備方面還存在數據傳導準確性不高、穩定性不強、軟硬件不適配的情況，導致算法落地應用難度大。在未來，需要從數據組織、算法性能和算法應用落地等多方面提升農業智能決策能力［33，35］。

4.4" 場景化應用的落地與推廣

發展智慧農業的最終目的是推廣應用，但其落地應用除了精準、穩定、低成本的硬件設備以及智能、精準、實時的算法模型外，還需要一套集成度高、標準統一、擴展性強的智能管控與服務平臺，以及一套適用于集約化、規模化推廣應用的體系、機制和模式。目前國內的智慧農業應用中，有使用一些物聯網技術、水肥一體化技術或者生長模型調控算法，但是大多是點上的創新，未形成成熟的、可大面積復用推廣的場景式技術解決方案，致使有成果卻難推廣、難應用。相關科研團隊需要將創新成果與應用場景相結合，針對不同的氣候特點、設施類型、作物種類和市場定位等，將研發的核心技術與產品進行集成，形成成熟的整體解決方案，推進農業智能化轉型。

5" 加強智慧農業科技創新發展的對策建議

5.1" 以應用為導向，重視科技成果的推廣落地

從全球智慧農業的科技創新布局來看，整體而言，我國的科研產出與歐美發達國家相比差距不大，但是實際的產業發展差距卻不小。“十三五”以來，國家到地方財政在物聯網、大數據、無人農場等智慧農業研究和應用方面持續投入，但落地應用效果很有限，科技創新和應用推廣的扎口協同“兩張皮”現象屢見不鮮。在未來，建議可以在全國遴選一批綜合性示范基地或者示范縣區，由不同的科教單位牽頭、聯合優勢企業集中提供長期的技術支持，同時通過創新型項目和工程性項目等多種渠道加強持續性投入，以場景化應用為目標，長期集中力量打造“場景+鏈式”整體解決方案，讓智慧農業可落地、能復制、見收益。同時建立賽馬、淘汰、滾動等考核評價機制，推動研究應用的實用性和可持續性。

5.2" 加強標準建設和數據治理，推動資源共享共建共用

充分發揮聯盟、協會等行業組織的組織、協調、服務和監管作用，重視數據資源、技術產品、市場準入等相關標準規范建設。智慧農業涉及的數據來源廣泛，類型多樣，相關部門要從頂層謀劃設計入手，上下聯動，加強農業農村相關數據的收集和整合，建立健全數據共建共享機制，以共享促共建，實現農業數據的分散建設、集中管理和有條件共享利用。此外，智慧種養如何開展，基層一線也亟需領域專家規范行業標準。建議政府部門聯合科教單位和企業制定產業發展的技術標準、市場標準和產品標準文件，指導一線生產實踐，助力技術的推廣復用，及產品在市場的流通。

5.3" 加快培養專業人才隊伍，匯聚形成學科建設動力

全國絕大多數的智慧農業團隊起步只有4～5年的時間，且農業領域的信息技術人才極度缺乏，需要在人才、團隊培養中打破條條框框，著力打造一批特色與實力兼備的創新團隊，重視年輕的生力軍團隊培養，避免科技資源長期過度集中在少量團隊。人才隊伍建設不僅僅是要有科技成果，還要關注落地應用，例如智慧農業生產基地的改造升級、智能農機的使用和維護、系統平臺的升級和操作等，將科技成果寫在大地上。建議繼續深化人才管理和科研評價體制改革，探索應用導向的考核評價機制，加大考核科技創新在應用中的投入產出效益的評價比重。鼓勵科技人員深入基層、創新創業，推動科技成果轉移轉化。

參考文獻：

［1］李安寧，郭京華，劉小偉，等. 赴美國精準農業考察情況報告：中美科技合作交流計劃精準農業考察團［J］. 農業工程技術，2018，38（9）：112-117.

［2］李江南. 美國、德國和日本循環農業模式的實踐、經驗及其比較［J］. 世界農業，2017（6）：17-22，236.

［3］中國科學院科技戰略咨詢研究院. 美國科學院發布《至2030年推動食品與農業研究的科學突破》［EB/OL］. （2018-09-07）［2024-06-02］. http：//www.casisd.cn/zkcg/ydkb/kjqykb/2018/kjqykb201809/201809/t20180907_5065759.html.

［4］中國科學院科技戰略咨詢研究院. 美國農業部發布2018-2022財年戰略目標［EB/OL］. （2018-03-12）［2024-06-02］. http：//www.casisd.cn/zkcg/ydkb/kjzcyzxkb/2018/201803/201803/t20180312_4972130.html.

［5］美國國家科學技術委員會人工智能特別委員會. 美國國家人工智能研究和發展戰略計劃［EB/OL］. ［2024-06-02］. https：//aise.ac.cn/filesave/web/426038/426038.pdf.

［6］林" 巧，聶迎利，楊小薇，等. 英國現代農業發展特征及現行政策規劃綜述［J］. 世界農業，2018（12）：11-15.

［7］余福海，蕭子揚，彼得·韋恩斯. 脫歐與新冠肺炎疫情疊加沖擊后的英國農業政策：變革動力、政策調整與未來走向 ［J］. 世界農業，2021（5）：37-44.

［8］朱康睿，宋成校. 智慧農業發展的國際經驗及啟示［J］. 世界農業，2024（3）：43-53.

［9］中華人民共和國農業農村部. 歐洲發布未來十年農機產業戰略報告［EB/OL］. （2019-10-16）［2024-06-02］. http：//www.njhs.moa.gov.cn/qcjxhtjxd/201910/t20191016_6330076.htm.

［10］中國科學院科技戰略咨詢研究院. 法國提出增強農業競爭力的2025計劃［EB/OL］. （2015-12-07）［2024-06-02］. http：//www.casisd.cn/zkcg/ydkb/kjzcyzxkb/2015/201512/201703/t20170330_4768504.html.

［11］中國科學院科技戰略咨詢研究院. 日本“戰略性創新項目”計劃著力開辟新領域［EB/OL］. （2015-05-30）［2024-06-02］. http：//www.casisd.cn/zkcg/ydkb/kjzcyzxkb/2014/201401/201703/t20170330_4767553.html.

［12］趙春江. 智慧農業的發展現狀與未來展望［J］. 華南農業大學學報，2021，42（6）：1-7.

［13］中國科學院科技戰略咨詢研究院. 日本發布農林水產研究創新戰略2022［EB/OL］. （2022-09-27）［2024-06-02］. http：//www.casisd.cas.cn/zkcg/ydkb/kjzcyzxkb/2022/zczxkb202207/202209/t20220927_6517812.html.

［14］中國通信院. 中國智慧農業發展研究報告［R］. 2021.

［15］韓守振，柳洪芳，柳洪德. 智慧農業的發展現狀與研究［J］. 現代化農業，2022（2）：42-45.

［16］2016年中國智能傳感器市場分析［J］. 電子世界，2016（6）：5-6.

［17］趙春江. 智慧農業發展現狀及戰略目標研究［J］. 智慧農業，2019，1（1）：1-7.

［18］任" 妮，郭" 婷，孫藝偉，等. 全球智慧農業領域研究態勢分析［J］. 農業圖書情報學報，2021，33（9）：48-63.

［19］智慧農業的發展歷程［Z/OL］. ［2024-06-03］. http：//www.whjxiot.com/1891.html.

［20］聚英電子. 四大挑戰，五大關鍵技術，如何為大田作物智慧種植披荊斬棘［Z/OL］. （2023-10-24）［2024-06-03］. https：//baijiahao.baidu.com/s？id=1780612606598908129amp;wfr=spideramp;for=pc.

［21］任" 妮，郭" 婷，孫藝偉. 全球智慧農業發展對我國“十四五”學科布局的啟示［J］. 農業科技管理，2021，40（1）：1-4.

［22］農業行業觀察. 的確牛！美國大農場模式，這9大趨勢正改變世界農業［Z/OL］. （2023-11-17） ［2024-06-02］. https：//baijiahao.baidu.com/s？id=1782777650890454896.

［23］關金森. 外國“智慧農牧業”的做法與經驗［J］. 農業工程技術，2018，38（15）：59-75.

［24］智慧農業物聯網. 美國“智慧農業”帶動農業產業鏈實現全新變革［Z/OL］. （2022-01-25）［2024-06-02］. https：//www.iotworld.com.cn/html/News/202201/cc9352afef46ad1c.shtml.

［25］他山之石：國外智慧農業借鑒［J］. 中國農村科技，2018（1）：47-48.

［26］劉" 彥，張曉敏. 荷蘭怎樣發展高效生態農業［N］. 學習時報，2021-11-19（2）.

［27］云南農業農村廳市場與信息化處. 荷蘭農業五大經營模式［J］. 致富天地，2020（2）：20-21.

［28］畢松杰，陳" 耀. 全面推動農業農村現代化發展［N］. 江門日報，2022-05-19（A6）.

［29］張志友，賈國強. 日本智慧農業對中國的借鑒和參考［J］. 農業工程技術，2024，44（2）：9-11.

［30］胡鶴鳴，王應寬，李" 明，等. 日本以農協為主推進智慧農業發展經驗及對中國的啟示［J］. 農業工程學報，2024，40（8）：299-310.

［31］劉羽飛，何" 勇，劉" 飛，等. 農業傳感器技術在我國的應用和市場：現狀與未來展望［J］. 浙江大學學報（農業與生命科學版），2023，49（3）：293-304.

［32］顏" 瑞，王" 震，李言浩，等. 中國農業智能傳感器的應用、問題與發展［J］. 農業大數據學報，2021，3（2）：3-15.

［33］趙春江. 智慧農業的發展現狀與未來展望［J］. 科學大觀園，2024（9）：30-37.

［34］芥末堆. 趙春江院士：我國農業機器人需求量保持38.6%的增長［EB/OL］. （2023-08-31）［2024-06-02］. https：//news.qq.com/rain/a/20230831A08F2B00.

［35］袁" 威. 智慧農業為何需要算法創新［EB/OL］. （2023-07-28）［2024-06-02］. https：//theory.gmw.cn/2023-07/28/content_36728469.htm.