互联网思维下农业大数据的需求、现状与发展思考

互联网思维下农业大数据的需求、现状与发展思考摘要：目前农村农产品处于尴尬境遇，一方面的需求旺盛，寻找不到货源，一方面的市场意识薄弱，未能将之放入市场流通。本文通过互联网思维下农业大数据的需求和现状的研究分析，力求寻找解决农业问题的新方法。未来大数据的应用与管理将会是农产品未来竞争的主战场。应当加快无线领域市场营销提供构建，抢先实现与移动互联网新市场潜在客户的无缝对接。以手机APP客户端作为进入移动互联网新市场的突破口，构建无线领域市场营销体系，以个性化的营销服务提高消费群体的忠实度和满意度，是传统农企制胜未来移动互联网市场竞争的关键。关键词：互联网思维；农业大数据；市场；管理引言随着农业物联网的应用，大数据不可或缺，人们可从各种各样类型的数据中快速获取有价值的信息，对大数据的需求正在飙升。农业大数据涉及到耕地、播种、施肥、杀虫、收割、存储、育种等各环节，是跨行业、跨专业和跨业务的发展。农作物的监测数据、农业数据、下游数据、经济数据及其他相关数据等源源不断的注入农业大数据的服务平台。这些数据经过各种专业模型和算法，就能为现代农业提供全方位的精准农业决策服务。例如“智能施肥系统”根据作物生长温湿度、光照、雨量、二氧化碳及土壤EC/PH值等环境因素扭转目前盲目施肥带来的污染和浪费。“精准灌溉系统”根据不同地区和不同作物生理需水的特点实现精准节水。“病虫害监测预警系统”实时采集农作物现场的有害生物数据与地理数据库、病虫害知识库、气象数据库等融合决策，实现精准施药，避免过度施药，从而提高食品安全。“信息管理系统”根据互联网电子商务数据、政策法规、市场流通等信息实现生产与销售的合理分配，解决“供不应求”或者“菜贱伤农”的问题，培育新型农民和引领农民增收。1农业大数据的特点1.1数据量庞大大数据时代的数据量是以PB、EB、ZB为存储单位的，PB级别是常态。数据增长、变化速度快：大数据环境下，数据产生、存储和变化的速率十分惊人，目前因特网上1s产生的数据量比20年前整个因特网所存储的数据量还巨大。数据具有多样性：数据格式除了传统的格式化数据外，还包括半结构化或非结构化数据，并且半结构化、非结构化数据还呈现出逐渐增多的趋势。1.2数据多元复杂农业数据涉及的领域众多，类型复杂。例如仅仅和农作物生产有关的信息就包括气象指标、土壤指标、病虫害指标等；气象指标包括温度、湿度，风向、风力、降水量、蒸发量、日照强度等；土壤指标可分为物理指标、化学指标、生物学指标三大类，其中每一类都包含了多个指标；而病虫害防治指标种类繁多，且针对不同的农作物有很大的区别，而这些众多的指标也仅仅是农业数据源的一小部分。同时在数据采集时，由于不同的方法、不同的工具、不同的测量者等因素造成的采样误差和失真，进而造成了数据的不完整性和不确定性，也增加了后期数据分析处理时的复杂性。1.3业数据具有不平衡性农业数据的不平衡起因于农业区域发展的差异性、农业生产的季节性、周期性和多层次性.而造成这些差异的因素有很多，涉及自然条件、资源分布、产业形态、民族习俗、饮食结构、市场因素、机械化程度等等.2农业大数据的应用需求2.1精准农业可靠决策支持系统变量决策分析是精准农业技术体系中的核心，致力于根据农田小区作物产量和相关因素在农田内的空间差异性，实施分布式的处方农作。高密度的农田信息获取后，怎样根据这些不同角度的农田信息，推出一整套具有可实施性的精准管理措施，是需要多学科交叉的研究课题。专家系统、作物模拟模型、作物生产决策支持系统等传统的生产决策技术取得了一些成果，但效果并不理想。利用大数据处理分析技术，集成作物自身生长发育情况以及作物生长环境中的气候、土壤、生物、栽培措施因子等数据，综合考虑经济、环境、可持续发展的目标，突破专家系统、模拟模型在多结构、高密度数据处理方面的不足，可为农业生产决策者提供精准、实时、高效、可靠的辅助决策。2.2国家农村综合信息服务系统国家农村综合信息服务，按照“平台上移，服务下延”的思路，集成与整合各分散的信息资源与系统，在全国范围实现信息资源的共享，数据资源体量大、数据处理流程复杂、信息服务模式多样，需要实现海量农业信息化数据获取、传输、加工、服务一体化处理。利用大数据处理分析技术，研究复杂多样、动态时变用户需求的快速聚焦与大规模服务及用户动态需求组合的学习和进化机制模型，突破农户需求智能聚焦技术，实现信息服务按需分配以及云环境下大规模部署的智能系统服务与庞大“三农”用户群的多样性、地域性、时变性等个性化需求快速对接。2.3农业数据监测预警系统农业数据监测预警是指对农业生产、市场运行、消费需求、进出口贸易及供需平衡等情况进行的全产业链信息采集、数据分析、预测预警与信息发布，其主要任务包括感知市场异常波动、实时监控生产风险、及时应对突发事件、推动管理关口前移等。2002年以来农业部开始建立农产品市场监测预警系统，启动了稻谷、小麦等关系国计民生的7种重点农产品的市场监测预警工作。目前，监测预警技术已在农产品质量安全、农业病虫草害、农产品价格、农产品市场等领域进行了广泛应用。利用大数据智能分析和挖掘技术，可以实现农业信息流监测、农业数据关联预测、农业数据预警多维模拟等，大幅度提高农业监测预警的准确性。2.4天地网一体化农情监测系统农情信息遥感监测主要是指利用遥感等信息技术对农业生产情况信息，如作物面积、长势和产量信息、农业灾害信息、农业资源信息等进行远程监测和综合评价，辅助农业生产决策的过程。基于遥感地面无线传感网的一体化农情信息获取体系，在解决了数据时空不连续难点的同时，也带来了海量农情数据融合处理的问题。与此同时，遥感技术飞速发展，特别是传感器分辨率的提高、新型传感器的应用等，以及遥感影像的数据量急剧增加，海量数据的存储、快速产生、信息提取、融合应用等，为遥感数据分析带来了挑战。利用大数据分析处理技术，研究天地网一体化农业监测系统中的多源多类数据的智能融合与分析、定量化反演以及网络化集成与共享关键技术，实现全局数据发现与跨学科的数据集成和互操作，可为农业遥感信息的深入分析提供支撑。2.5农业生产环境监测与控制系统农业生产环境监测与控制系统属于复杂大系统，贯穿农业信息获取、数据传输与网络通信、数据融合与智能决策、专家系统、自动化控制等于一体，在大田粮食作物生产、设施农业、畜禽水产养殖等方面广泛应用。随着传感器技术的不断发展，农业信息获取的范围越来越广，从农作物生长过程中的营养数据、生理数据、生态数据、根系发育数据以及大气、土壤、水分、温度等农作物生产环境数据，到针对畜禽个体、群体的生长发育、环境和健康数据以及动物个体行为、群体行为、动物监控状况数据等，数据传输精度越来越高，数据传输频率越来越快，数据传输密度越来越大，数据综合程度越来越强。利用大数据技术，能够突破多源数据融合、数据高效实时处理等方面的瓶颈，实现农作物生长过程的动态、可视化分析与管理以及畜禽养殖的个性化、集约化、工厂化管理。3我国农业大数据的现状与困难3.1我国农业大数据的现状农业大数据重要性日益凸显。经过多年发展，农业数据库、农业信息系统、农业专家系统、农业遥感、农业物联网等现代信息技术在农业生产活动中应用取得了非常显著的成果。云存储、数据仓库等技术为数据海量存储提供了可能，传感器、遥感数据、移动终端、网络等都积累了大量的农业数据。伴随着大数据技术的飞速发展，农业信息化的发展必然从“技术驱动”向“数据驱动”转变。目前，农业领域都在积极部署农业大数据相关方面的研究，农业大数据重要性日益凸显。中国农业科学院农业信息研究所发起了信息联盟，旨在促进涉农信息资源与专家队伍的集成、共享，联合推进农业信息云服务；山东农业大学发起了农业大数据产业技术创新战略联盟，以期促进大数据在山东省农业领域研究及成果应用发展。2014年，中国科学数据大会举行，专门设立农业与农村信息化大数据技术与应用分论坛。农业大数据积累初具规模我国农业信息化研究长期以来一直非常重视农业数据的积累，目前农业大数据已具备了一定规模，数据的存储格式以结构化数据为主，视频、图片等数据量也在不断攀升。农业科学数据共享中心（试点）项目于2003年正式启动，重点采集作物科学、动物科学与动物医学类科学、农业科技基础数据等。截至2012年，农业科学数据中心数据总量达44.93GB。全国基层农技推广信息化平台，构建了粮食作物、经济作物、蔬菜、果树、畜牧等农业技术数据库，面向全国70万个农技员提供服务，总记录超过10万条，视频数据超过5000个。中国科学院计算机网络中心研发的地理空间数据云平台，现有地学遥感数据资源约280T，以中国区域为主，覆盖全球地理范围。中国作物种质资源信息网（CGRIS）拥有粮食、纤维、油料、蔬菜、果树、糖、烟、茶、桑、牧草、绿肥、热带作物等200种作物、41万份品种/种质/基因信息。农业大数据研究具备了一定基础。农业信息化研究工作一直与农业数据密切相关，相关方面的研究主要集中在监测与预警、数据挖掘、信息服务等方面，基于数据的农业信息处理分析具备了一定的基础条件。据不完全统计，目前全国与农业相关的主要监测、预警系统共有84个，其中食物保障预警系统12个，食品安全监测预警系统18个，市场分析与监测系统35个，作物分析与预警系统19个；中国搜农作为国内首款农业垂直搜索引擎，持续稳定运行6年，获取了海量的农业信息，信息总量超过100TB，信息更新周期平均为30min，目前每周平均信息增长量3GB，每天监控3万多个农业网站发布的超过2万多个农产品批发、集贸市场的2万多个农产品品种的价格、供求等信息。3.2我国农业大数据存在的困难：3.2.1数据采集农业领域大数据的采集，面临着工作量大、准确性低、重复劳动多等问题，原因有很多，有采集对象和设备的原因，也有人为的因素。农业生态环境形式多样，且复杂多变，生态系统的数据采集十分困难。其次，农业现场远离城市，位置分散，通讯基础薄弱，信息收集和传输的难度大，有线成本投入大，无线采集受室外天气等客观条件限制精度低，自动化采集困难较大。再者，随着传感器和高清摄像头等终端采集设备的使用，将面临故障排除、系统维护等诸多问题。3.2.2数据建模农业大数据的数据模型要求真实、准确、可信。农业领域的智能化数据模型受到地理、天气以及“人为”等因素的影响，准确性不高，代表性不强，限制了行业的发展。3.2.3应用平台农业大数据应用平台的建设是一项系统工程，数据量大、涉及面广、技术要求高。目前，国内有少部分地区已经开始了现代农业、精准农业的试点，可以在这些的基础上，整合资源，建立统一的数据应用平台，形成有效机制，发挥规模优势，规范科学管理。涉农的相关信息系统也要建立适应的数据平台，并且要强化日常的管理和维护。应用平台的建设还要进行人才队伍的建设，人的因素将会影响应用平台的发展方向。四发展农业大数据的思考我国农业大部分企业仍然保持个体户、小规模经营的模式，这种传统落后的经营模式不仅不利于行业规模的扩大，而且限制了行业发展，在很大程度上降低了农业产业的整体经济效益。出于行业自身发展的需要和行业未来发展趋势，农业在移动互联网思维下的大数据时代已经成为必然趋势。