
未来农业将在田里处理大数据_数据分析师
基普·汤姆(Kip Tom)是第7代家庭农场主,他的农场种植的主要农作物是玉米和大豆,他同时也在进行玉米育种和数据处理方面的工作。“我正在琢磨信息与生产力之间的关系,”他坐在自己的办公室里,一边说着,一边在电脑屏幕上填写着什么,同时还在布满图表的白板上为自己农场中的计算机网络进行规划。
汤姆今年59岁,他扮演着农场主和首席技术官的双重身份。“我的曾曾祖父在农场中赶着一头驴干活,我们却有了各种传感器、来自卫星的GPS数据、在自动驾驶的拖拉机上配备的蜂窝式调制解调器、以及通过iPhone应用进行的灌溉作业”,他说道。小型家庭农场衰亡的趋势已经持续多年。但是,现代技术为汤姆这样的农场主提供了生机,让那些依靠土地为生的人们重见希望。这些技术有望帮助他们与农业巨头展开竞争。
一些人从中获益,而另一些人却由此遭受损失。这些应该归功(或归罪)于硅谷,他们的发明让一些用于完成工作的陈旧方式面临淘汰。在采用了最新技术之后,汤姆的农场不断扩张,从20世纪70年代的700英亩,变成了今天的20000英亩。但是,这是通过对邻近农场进行吞并带来的结果。
此外,在技术方面的投入也超过了很多小农场主的承受能力。像美国强鹿(John Deere)及AGCO这样的农机装备制造商正在为他们的播种机、拖拉机和收割机具配备各种传感器、计算机以及通讯装备。一个用于收割少数几种作物的农机在2000年的售价可能在6.5万美元左右,如今,在添加了各种信息技术之后,其售价增加到了50万美元。
“在颇具规模的农场里,我们看到生产力有了大幅提升,”农业部经济学家戴维·舒墨佛尼格(David Schimmelpfennig)说道。“并非由于那些小规模农场不能提升自己的生产力,而在于他们无法负担提升技术装备的投资。”
还有另一重风险。在尽可能大的范围内种植单一作物能够最大限度利用自己在技术方面的投资。而那些多样化种植农作物和养殖牲畜的农场主需要多种不同系统才能满足自己的需求。在没有技术辅助的情况下,小型农场主同样能够只种植单一作物,但是他们无法从规模经济中获益。
加州大学主导政策与技术方面研究工作的机构——伯克利食品研究所(Berkeley Food Institute)执行董事安·斯拉普(Ann Thrupp)表示,在科技的推动下,农场主更倾向于种植易于生长和销售的作物,而这些作物也更易于通过仪器进行监测。他们不再同时种植多种作物——这是以前人们用来抵御灾害天气和病虫害影响的策略。
上述情形让人隐约有些担心,但是技术的发展同样有望让农业种植变得更加简单易行。像汤姆的农场一样,其他采用技术手段的农场也同样具有良好发展势头。
在德州格兰德谷一处大规模家庭农场里,布瑞恩·布莱斯威尔(Brian Braswell)正在利用卫星连接的拖拉机犁地,沟与沟之间的间距精度可达1英寸。他对土地进行了电荷测定,随后便通过计算机控制的设备进行剂量精确的施肥作业。他同时也利用无人机进行灌溉预测。
“通过在无人机上配备红外摄像机,我可以很容易看到哪些区域的作物需要灌溉,”他说道。当然,他也很担心美国航空管理局(Federal Aviation Administration,FAA)对无人机使用方面所施加的管制。
在位于爱荷华州康拉德一处面积6000英亩的农场里,布伦特·席帕(Brent Schipper)正在从他的联合收割机里获取数据读数,这些读数以每3秒为周期进行更新。在风暴季,他每隔30分钟就通过智能手机的天气应用查看最新气象数据。过去,在完成收割作业后,他和其他农场主通常会在冬季休息,同时对农机进行维护;而现在,他们打算利用这段时间给自己的装备配备更多的传感器,并且仔细分析上一季的数据,力图在下一季取得更好的成绩。
在位于艾姆斯的爱荷华州立大学里,大学教授唐立(音译)希望来年春季可以对他的除草机器人进行现场试验。该机器人有望通过红外数据帮助识别和铲除杂草。
在过去,“拥有1000英亩土地的农场主能够过上不错的日子,”汤姆说道。“但是,我不知道这样的日子还能持续多久。”
汤姆的农场拥有转基因作物以及基于云端的系统,很可能在不久的将来配备无人机,汤姆先生可能暂时还没有使用低轨卫星激光技术的打算。所有这些装备都将自己收集到的数据传回云计算系统以供分析,该系统是汤姆农场从孟山都以及其他公司那里租借使用的。
“有些农场主仍旧认为技术意味着实际的事物,比如更强的马力或者更多的肥料,”汤姆先生说道。“他们没有意识到,今天的技术是指对信息的加工利用。”过去数年,农作物价格下跌接近5成,“而我的增长来自于其他没有采用技术手段的农场主让出的市场空间。”
通过一台自动驾驶的美国强鹿联合收割机,汤姆农场的员工厄尼·伯布利克(Ernie Burbrink)正通过他的iPad实时将每英亩作物的湿度、毛收获量以及净收获量数据进行处理,随后将其中的重要数据通过无线调制解调器传送到服务器,以便对来年的种植情况进行分析。
“过去,如果你对手工活很在行,你肯定能成为一个好的农夫,”伯布利克先生说道。“现在,你需要懂得屏幕导航操作,还需要将数据准确归位,这样人们才能够进行规划和预测。你同时还需要与其他人配合:种子顾问、农业经济师以及提供装备的人”
伯布利克今年34岁,他离开了自己的家庭农场。“我只是想为基普先生工作,他在技术方面可能领先我父亲5年时间。你需要拥有比我们家目前面积更大的土地才能负担得起在技术方面的投资,” 伯布利克说道,他拥有普杜大学农业经济学学位。
汤姆农场目前拥有25名员工,包括6名家庭成员,农忙时节可能拥有最多600名临时员工。“如果遇到好的年景,像这种规模的农场可能产生超过5千万美元的收入,”汤姆说道。他不愿透露利润率,但是他指出,与很多行业相比,农业的利润率偏低。
在20世纪80年代的农业危机中,他为获得利率高达21%的贷款四处乞求,当时的情形仍然历历在目。他将自己的农场能够存活下来进而得以发展的原因归功于对技术的应用,并且表示,这就是他在玉米价格仅仅为每蒲式耳4美元时仍然有利可图的原因。该价格相比2年前有近5成的跌幅。
回望过去的一年,他表示,得益于更好地对数据进行分析,他将自己的年投资回报率从之前的14%提高到了21.2%。而对于其他技术的利用,比如不同灌溉率以及自动化农机方面,则为他贡献了另外4%的回报。
许多像汤姆一样的农场主都对拥有他们数据的大公司心怀戒心。汤姆与孟山都这类大型企业共享了部分信息,但是他对公司在数据保存方面的政策仍然格外谨慎。他也对计算技术如何影响农场的未来忧心忡忡,他希望将农场留给自己的孩子们。
“我们和其他农场主可以实时汇集自己的产量数据,”他表示。“你认为大公司会在处理这些数据方面坚守自己的底线吗?你只好期望他们会。农场主并不会信任他们。而且,我们彼此独立,我们互为竞争对手。”
卡珊德拉·罗兰(Kassandra Rowland)是汤姆五个孩子中的一个,她负责人事以及与其他农场或公司合作方面的事务,同时也负责管理维护农场在Twitter、Facebook、Instagram以及Pinterest上的账号。她有一个9岁的女儿,正在上本地小学,同时加入了机器人俱乐部。
“这是另一个巨大的改变,”汤姆84岁的母亲玛丽·E·汤姆(Marie E. Tom)说道。“我们的女儿们参加农场会议,她们畅所欲言,她们也受到人们的尊重。在以前,事情不是这样。当时,农场的一切事务都在田间地头进行。”
汤姆的父亲在87岁高龄时仍然在照料牲畜。“许多人没有将农场当做一门生意来打理,”汤姆太太说道。“当我们结婚时,我告诉我的丈夫,‘你去城里时不要搞得很邋遢的样子,免得被他们瞧不起。’而现在,我们是在经营,如果你不努力跟上,就会落后。”
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02CDA 数据分析师:助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下,数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战:基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中,税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX:租房系统数据库性能优化实践 在租房管理系统中,rent表是核心业务表之一,通常存储租赁订单信 ...
2025-09-01