
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
t 检验与 Wilcoxon 检验:数据差异比较的两大统计利器 在数据分析中,“比较差异” 是核心需求之一 —— 如新药疗效是否优于旧药 ...
2025-08-26季节性分解外推法:解锁时间序列预测的规律密码 在商业决策、资源调度、政策制定等领域,准确的预测是规避风险、提升效率的关键 ...
2025-08-26CDA 数据分析师:数据治理驱动下的企业数据价值守护者 在数字经济时代,数据已成为企业核心战略资产,其价值的释放离不开高 ...
2025-08-26基于 SPSS 的 ROC 曲线平滑调整方法与实践指南 摘要 受试者工作特征曲线(ROC 曲线)是评估诊断模型或预测指标效能的核心工具, ...
2025-08-25神经网络隐藏层神经元个数的确定方法与实践 摘要 在神经网络模型设计中,隐藏层神经元个数的确定是影响模型性能、训练效率与泛 ...
2025-08-25CDA 数据分析师与数据思维:驱动企业管理升级的核心力量 在数字化浪潮席卷全球的当下,数据已成为企业继人力、物力、财力之后的 ...
2025-08-25CDA数据分析师与数据指标:基础概念与协同逻辑 一、CDA 数据分析师:数据驱动时代的核心角色 1.1 定义与行业价值 CDA(Certified ...
2025-08-22Power Query 移动加权平均计算 Power Query 移动加权平均设置全解析:从原理到实战 一、移动加权平均法的核心逻辑 移动加权平均 ...
2025-08-22描述性统计:CDA数据分析师的基础核心与实践应用 一、描述性统计的定位:CDA 认证的 “入门基石” 在 CDA(Certified Data Analy ...
2025-08-22基于 Python response.text 的科技新闻数据清洗去噪实践 在通过 Python requests 库的 response.text 获取 API 数据后,原始数据 ...
2025-08-21基于 Python response.text 的科技新闻综述 在 Python 网络爬虫与 API 调用场景中,response.text 是 requests 库发起请求后获取 ...
2025-08-21数据治理新浪潮:CDA 数据分析师的战略价值与驱动逻辑 一、数据治理的多维驱动引擎 在数字经济与人工智能深度融合的时代,数据治 ...
2025-08-21Power BI 热力地图制作指南:从数据准备到实战分析 在数据可视化领域,热力地图凭借 “直观呈现数据密度与分布趋势” 的核心优势 ...
2025-08-20PyTorch 矩阵运算加速库:从原理到实践的全面解析 在深度学习领域,矩阵运算堪称 “计算基石”。无论是卷积神经网络(CNN)中的 ...
2025-08-20数据建模:CDA 数据分析师的核心驱动力 在数字经济浪潮中,数据已成为企业决策的核心资产。CDA(Certified Data Analyst)数据分 ...
2025-08-20KS 曲线不光滑:模型评估的隐形陷阱,从原因到破局的全指南 在分类模型(如风控违约预测、电商用户流失预警、医疗疾病诊断)的评 ...
2025-08-20偏态分布:揭开数据背后的非对称真相,赋能精准决策 在数据分析的世界里,“正态分布” 常被视为 “理想模型”—— 数据围绕均值 ...
2025-08-19CDA 数据分析师:数字化时代的价值创造者与决策智囊 在数据洪流席卷全球的今天,“数据驱动” 已从企业战略口号落地为核心 ...
2025-08-19CDA 数据分析师:善用 Power BI 索引列,提升数据处理与分析效率 在 Power BI 数据分析流程中,“数据准备” 是决定后续分析质量 ...
2025-08-18CDA 数据分析师:巧用 SQL 多个聚合函数,解锁数据多维洞察 在企业数据分析场景中,单一维度的统计(如 “总销售额”“用户总数 ...
2025-08-18