
用大数据改造农业:一个有趣的中国故事
传统农业正在遭遇着互联网的冲击,这个贯穿着整个人类文明发展的产业正在发生聚变,传感器、物联网、云计算、大数据不但颠覆了日出而作日落而息地手工劳作方式,也打破了粗放式的传统生产模式,转而迈向集约化、精准化、智能化、数据化,农业生产因此获得了“类工业”的产业属性。
大数据农业并非一两家企业就可以完成,需要各方协同才能搭建完毕,探索才刚刚上路。
传统农业正在遭遇着互联网的冲击,这个贯穿着整个人类文明发展的产业正在发生聚变,传感器、物联网、云计算、大数据不但颠覆了日出而作日落而息地手工劳作方式,也打破了粗放式的传统生产模式,转而迈向集约化、精准化、智能化、数据化,农业生产因此获得了“类工业”的产业属性。
目前的物联网、大数据等技术已经可以实现对作物种植、培育、成熟和销售等环节的管理。在整体解决方案中,底层应用主要采用物联网技术,通过对作物的信息收集,将数据反馈至云平台中,方便决策和后续提供帮助。
“大数据的应用以及物联网的成熟,将弥补很多传统农业的不足,让整个产业更加科学合理。”软通动力信息技术(集团)有限公司首席技术官方发和告诉记者。
然而,大数据农业并非一两家企业就可以完成的任务,需要各方协同才能搭建完毕,对于大数据农业以及智慧城市的探索才刚刚上路。
数据的裂变
不可否认,互联网的渗透开始颠覆传统的农业模式,农业云计算与大数据的集成和未来的挖掘应用对于现代农业的发展具有重要作用。在农业发展中,大数据不仅可以渗透到生产经营的各环节,而且能够帮助农业实现跨行业、跨专业、跨业务的发展。
农业大数据的收集在发达国家其实已经颇为成熟。Data.gov 是奥巴马政府在 2009 年推出的,该网站上有诸如植物基因组学和当地天气情况的详尽数据库,还有一些关于特定土壤条件下最佳种植作物的研究、降水量的变化、害虫和疾病的迹象,以及当地市场作物的期望价格等数据库。在此基础上,美国农业部宣布在 Data.gov 的基础上建立一个门户网站,该网站能链接到 348个农业数据集。除了美国外,一些国家也公布了关于农业数据库公开的政策方案,推动建设开放性的农业数据共享平台,以数据驱动农业的全新模式呼之欲出。
目前,中国也开始了自己的实践。在河北( 农用地、 商住地、 工业地)廊坊( 农用地、 商住地、 工业地)的郊区,软通动力的团队在做着基于大数据的“智慧农业”尝试。软通动力在农田里安装了内置摄像头的传感器,通过传感器、摄像头等终端应用收集、采集农产品(12.01, -0.04, -0.33%)的各项指标,并将数据汇聚到云端进行实时监测、分析和管理,比如每天的气温、湿度、雨量等信息,还向农民发放了智能手机和平板电脑,让大家随时记录工作成果和现场注意到的问题。
在整个智慧农业体系中,信息收集作为提供数据的基础,可以实现决策层信息反补,比如在食品安全问题上,信息的收集可以帮助相关部门实现追溯,更好地解决源头的监控难题。在源头的监管体系中,“智慧农业”主要采用条形码及RFID技术进行记录、监督,从而实现针对生产、收获、库存、流通和食品安全等的管理,再根据不同地区、不同作物类型进行相应的数据信息调整,以便监控管理软件能够很好地帮助农户种植和管理作物。
“我们现在提供给客户的是一套整体的解决方案,之前受制于整体环境发展不充分,现在条件已经成熟了。”方发和向记者坦言,如今微电子和计算机等新技术不断涌现并被采用,将进一步提高传感器的智能化程度和感知能力,在源头的数据采集上解决了此前的难题。这一切都源于市场对整个物联网设备的需求剧增,根据市场研究公司Gartner发表的报告预测,明年投入使用的物联网设备数量将由今年的38亿个增长30%至49亿个,到2020年预计增长至250亿个。
协同发展
随着互联网的渗透,催生出订单式农业已经成为业内共识——农户根据同农产品的购买者之间所签订的订单,组织安排农产品生产的一种农业产销模式。在技术层面已不存在太多障碍的情况下,大数据农业的操盘者开始将更多精力放在了社区开发、电商平台搭建等环节上。
“通过数据的反馈,会更为清晰地了解整个产业链的情况,避免传统农业的资源浪费。”方发和向记者解释道,在智慧城市和农业大数据没有兴起之前,传统农业的最大弊端是难以和市场及时接通,“供不应求”或者“菜贱伤农”的现象经常发生,传统的农业生产与市场需求时常脱节的,农民的种植完全根据经验。通过种植技术的升级也仅仅是针对生产效率的问题,从宏观上还是没有改善脱节问题。
软通动力按照工业生产方式“以销定产”,由公司搜集市场需求,继而指导农户种植。事实上,智慧社区就是一套智能信息系统,落实到具体就是引入了多个信息管理系统,如生产管理系统、销售管理系统、ERP管理系统、温室管家系统、二维码追溯系统、配送管理系统。
在管控农产品的物流配送方面,软通动力也试图利用智慧社区来促进智慧农业的一站式便捷服务的搭建工作。“智慧农业是一个需要各方一起努力协同才能做起来的领域。”方发和说,目前以阿里( 农用地、 商住地、 工业地)巴巴为首的众多电商平台也开始涉足农业领域,这对于基于大数据的智慧农业的推广来说是一件好事,毕竟阿里巴巴也是一家以大数据为核心竞争力的企业。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
SQL Server 中 CONVERT 函数的日期转换:从基础用法到实战优化 在 SQL Server 的数据处理中,日期格式转换是高频需求 —— 无论 ...
2025-09-18MySQL 大表拆分与关联查询效率:打破 “拆分必慢” 的认知误区 在 MySQL 数据库管理中,“大表” 始终是性能优化绕不开的话题。 ...
2025-09-18CDA 数据分析师:表结构数据 “获取 - 加工 - 使用” 全流程的赋能者 表结构数据(如数据库表、Excel 表、CSV 文件)是企业数字 ...
2025-09-18DSGE 模型中的 Et:理性预期算子的内涵、作用与应用解析 动态随机一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明确:TIF 中的地名有哪两种存在形式? 在开始提取前,需先判断 TIF 文件的类型 —— ...
2025-09-17CDA 数据分析师:解锁表结构数据特征价值的专业核心 表结构数据(以 “行 - 列” 规范存储的结构化数据,如数据库表、Excel 表、 ...
2025-09-17Excel 导入数据含缺失值?详解 dropna 函数的功能与实战应用 在用 Python(如 pandas 库)处理 Excel 数据时,“缺失值” 是高频 ...
2025-09-16深入解析卡方检验与 t 检验:差异、适用场景与实践应用 在数据分析与统计学领域,假设检验是验证研究假设、判断数据差异是否 “ ...
2025-09-16CDA 数据分析师:掌控表格结构数据全功能周期的专业操盘手 表格结构数据(以 “行 - 列” 存储的结构化数据,如 Excel 表、数据 ...
2025-09-16MySQL 执行计划中 rows 数量的准确性解析:原理、影响因素与优化 在 MySQL SQL 调优中,EXPLAIN执行计划是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 对象的 text 与 content:区别、场景与实践指南 在 Python 进行 HTTP 网络请求开发时(如使用requests ...
2025-09-15CDA 数据分析师:激活表格结构数据价值的核心操盘手 表格结构数据(如 Excel 表格、数据库表)是企业最基础、最核心的数据形态 ...
2025-09-15Python HTTP 请求工具对比:urllib.request 与 requests 的核心差异与选择指南 在 Python 处理 HTTP 请求(如接口调用、数据爬取 ...
2025-09-12解决 pd.read_csv 读取长浮点数据的科学计数法问题 为帮助 Python 数据从业者解决pd.read_csv读取长浮点数据时的科学计数法问题 ...
2025-09-12CDA 数据分析师:业务数据分析步骤的落地者与价值优化者 业务数据分析是企业解决日常运营问题、提升执行效率的核心手段,其价值 ...
2025-09-12用 SQL 验证业务逻辑:从规则拆解到数据把关的实战指南 在业务系统落地过程中,“业务逻辑” 是连接 “需求设计” 与 “用户体验 ...
2025-09-11塔吉特百货孕妇营销案例:数据驱动下的精准零售革命与启示 在零售行业 “流量红利见顶” 的当下,精准营销成为企业突围的核心方 ...
2025-09-11CDA 数据分析师与战略 / 业务数据分析:概念辨析与协同价值 在数据驱动决策的体系中,“战略数据分析”“业务数据分析” 是企业 ...
2025-09-11Excel 数据聚类分析:从操作实践到业务价值挖掘 在数据分析场景中,聚类分析作为 “无监督分组” 的核心工具,能从杂乱数据中挖 ...
2025-09-10统计模型的核心目的:从数据解读到决策支撑的价值导向 统计模型作为数据分析的核心工具,并非简单的 “公式堆砌”,而是围绕特定 ...
2025-09-10