大数据在农业生产中的应用研究综述与展望

杨春朝，陈 莹，高国兴，丁永帅

（北京理工大学珠海学院，广东 珠海 519088）

农业是人类社会的衣食之源，是一切生产活动得以进行的首要条件，它为国民经济的其他部门提供粮食、原材料、资金和进出口物资[1]。在中国，农业是第一产业，其重要性在政治、经济、技术和国家安全等各方面都均有体现，筑牢了整个社会的发展根基[2]。随着信息技术和数据科学的高速发展，物联网、5G/6G、云计算、生物分子技术、新材料和大数据等新兴数字化技术的实地运用，农业数字化已成为了当下热门的研究课题。中国的农业发生于新石器时代，黄河、长江流域是世界农业起源地之一。我国农业的生产结构包括种植业、林业、畜牧业、渔业和副业，但数千年来一直以种植业为主。由于我国人口众多，耕地面积相对较少，粮食生产尤占主要地位[3]。2015 年12 月29 日，农业部印发了《关于推进农业农村大数据发展的实施意见》（农市发〔2015〕6 号），此文件深刻揭示了大数据在农业生产中发展和应用的重大意义，明确了大数据在农业生产中的总体要求，夯实了大数据在农业生产中应用的基础，确立了大数据在农业生产中发展的重点领域，规划了大数据推进农业生产实施的进度安排。传统的农业耕作生产模式劳动强度大，生产效率低，农民收入少，主要以小农生产模式为主。在不依靠科学技术的情况下，传统的农业耕作往往容易出现农作物成活率低、收获的果实卖不出去等情况。现如今在大数据等信息技术的加持下，农业生产的方方面面都得到了质的提升。

大数据在农业中的应用可提供多样化、精准化、智能化的服务，帮助农民减少投入，提高收益，优化生产方式，实现农业的可持续发展[4]。近年来，大数据在农业生产中的应用日益丰富，相关文献资料层出不穷，但目前对现有研究成果进行梳理总结的文献相对较少，或者年代久远不再具有代表价值。

综上所述，本文对大数据在农业生产中的应用研究进行了综述分析，参照农业生产建立的全过程，从农田基本建设到土地田间管理，再到农产品流通，全方位阐述了大数据在农业生产中的应用研究现状。并在大量文献参阅的基础上对大数据在农业生产领域的应用研究提出了未来展望，为以后的研究方向提供参考。

1 大数据技术在农田基本建设中的应用研究

1.1 在土地利用规划中的应用研究

农田土地资源与建设用地利用规划是农田建设的重要基础。针对如何做好土地资源规划的问题，李国钊[5]提出引入ArcGIS 软件技术，通过总结农村土地资源的使用情况与使用特征，明确树立农村土地利用规划相对指标结构，并针对其结果设置匹配度较高的农村土地利用规划指标。针对土地合理利用的问题，仝芮宁[6]通过构建多目标线性规划模型对土地进行利用优化分析，并进一步考虑了经济效益与生态效益2个因素，在此基础上不仅建立了土地利用的经济效益和生态效益目标函数，而且采用制约条件反映了社会效益目标。针对土地监控的问题，董洋洋等[7]利用了“慧眼守土”监测监管平台，通过“互联网＋”、大数据、人工智能识别和GPS 定位等技术实时监测监控土地的情况，切实加强了自然资源的保护和土地的合理开发利用。同样针对土地监控的问题，廖玉佳等[8]通过融合GIS 空间位置信息，同时集成多种基础地理数据，融入倾斜摄影模型、DEM 等三维数据，通过编写专业定制化算法，让系统具有对传感器数据进行自动传输、智能识别、综合分析和处理以及预警报警的功能，实现储备土地的智能化动态监管。

1.2 在水利设施建设规划中的应用研究

农业离不开水利灌溉，大数据技术在水利设施建设规划方面也有所成就。姜俊狄等[9]介绍了一种将三维激光扫描技术与无人机摄影测量技术融合的方法，该方法能够分析定性和定量分析融合后的模型精度，从而判定某灌溉系统是否适合运用于农田。孙宁等[10]运用BIM 技术建立的三维空间模型对具体的农田灌溉进行模拟，可以清晰反映出设计中存在的不足，从而进行调整和优化，提高农田灌溉与农作物生长的质量。党元初[11]构建了以STM32 作为控制器的农田智能灌溉控制系统，通过LoRa 和4G 进行无线传输达到农田信息实时采集和处理等功能，还应用VR 技术构建虚拟数字环境，实现了农业水价信息化平台建设。

2 大数据技术在田间管理中的应用研究

2.1 在土壤耕作中的应用研究

农作物生长好与坏，决定于生长环境——土壤。针对土壤质量判定，侯显达等[12]应用气相色谱测定样品中的DDTs 和BHCs 的含量，采用熵权属性识别模型对4 种不同土地利用方式下的土壤环境质量进行了评价，以此来判定土壤的质量好坏。针对土壤含水量监测，郭文等[13]基于Sentinel-1A SAR 数据，利用C波段雷达遥感和BPNN 模型实现了对裸露地表土壤含水量的准确、高效反演。针对土壤参数监测，钟佳荟等[14]将Air724UG 微控制器设置为系统核心，各类传感器分别能够采集到土壤温湿度等参数，并利用GPRS 网络进行远程无线通信，利用监测中心进行远程室外土壤参数监测。针对精准施肥，冀汶莉等[15]设计并实现了基于LoRa 的农业大田土壤多测点多参数监测系统，在实时监测土壤温湿度和养分变化的基础上，实现按需测土配方的精准施肥。针对耕作之后土壤表面沟形特征参数测量困难的问题，王韦韦等[16]设计了一种基于激光三角法的耕作土壤沟形测量系统，能够很好地降低测量误差，满足农田土壤耕作后沟形自动化测量的需要。

2.2 在播种及栽植中的应用研究

农田播种是农业生产的关键一环，播种质量的好坏直接决定着农民来年是否可以结收累累硕果。在传统的农业生产中，播种时机是依靠农民自身经验以及天干地支推演出来的，存在一定的不确定性，容易出现错失良机甚至播种不适实际气候等情况。大数据时代的到来为传统农业在播种方式上的改革创新注入了新活力。针对农耕前的播种准备，王淑芳[17]提出农民可以在互联网上借助大数据搜寻农业种植相关的知识，学习了解农作物的生长特性、培育周期和种植条件，通过电商平台选购农作物种子。针对播种作业，谢郁华[18]使用Scrapy 爬虫框架搭建了农产品信息网络爬虫，利用相应的农作物种植模型，结合农作物信息、土壤水肥信息以及土壤环境等信息，选用了标准Shapefile 格式作为标准决策处方图的文件格式，构建了基于阿里云服务器的精准播种在线决策云平台，辅助农业工作者更好地进行播种作业。同样针对播种作业，陶化冰[19]针对不同地区的土壤类型、养分和地形存在差异，为了能在同一块耕地种出的整齐幼苗，就需要农机根据由大数据技术推演得到的处方图随时调整农作物下种量、下种深度以及下种时机。

2.3 在生长发育中的应用研究

大数据技术也可以用于协调农作物的生长发育。张开京等[20]基于黄瓜基因组信息和转录组测序大数据，利用生物信息学手段，对黄瓜中DIR 基因家族进行鉴定，并分析其在不同组织器官和胁迫响应过程中的表达模式，可以让黄瓜更好地生长发育。陈成等[21]利用大疆P4 Multispectral 无人机来获取农作物的整个生长周期的光谱数据，并构建了玉米的归一化植被指数（Normalized difference vegetation index，NDVI），对农作物进行长势监测。张黔川[22]提出在农业生产中应用无人机实时动态载波相位差分（Real-time kinematic，RTK）测绘技术，该技术可以实现对农作物生长的智能化、自动化监测，提高监测的准确性。吕志群等[23]基于黑龙江省2000—2018 年MODIS 13A2 产品数据，获取每16 天的耕地范围内归一化植被指数（NDVI）数据，采用多年平均值法得到NDVI 的平均值，与原始数据做对比可作为衡量农作物长势好坏的标杆。

2.4 在收割中的应用研究

农作物的收割是农业发展中不可或缺的一部分，结合大数据技术在农业收割方面进行应用与研究，可以帮助农民提高农业生产效率和质量，促进农业现代化和可持续发展。吴才聪等[24]针对全国范围农机操作进行动态监控与量化统计的要求，提出了在农机上加装“北斗”终端，并制定了相应的数据传输标准，最终实现了以“北斗”为基础的农机操作大数据平台的构建。夏俊勇[25]从联合收割机的智能控制、喂入量检测、脱粒清选系统的智能控制、损失率在线检测、产量检测、故障诊断、无人驾驶与自主导航等多个角度出发，对该智能控制技术的应用进行了深入探讨，推进自走式小麦联合收割机实现转型升级，探寻出符合我国国情的小麦联合收割方式，进而推动农业机械化向智能化方向发展。周达[26]为了实现农业无人收割机对农作物的精确收割，利用稀疏化算法对原始航迹中的聚合点进行筛选并提出了一种基于多项式曲线的局部航迹拟合方法，并采用迭代法求出航迹点的曲率，排除异常点，并设定一个合适的阈值，再次采用稀疏化算法获得航迹节点，最终找到了一种较为准确地还原播种轨迹并生成收获作业目标导航路径的方法。刘靓葳[27]针对农机自动驾驶收割的生产效率的问题，运用人工智能技术，通过与大数据、云计算等相关技术相结合，提出将目标检测算法、车道线检测算法、目标跟踪算法等人工智能技术中的基于视觉的感知算法运用到无人农业机械中，进行了涉及机器视觉的农机收割研究，指出人工智能算法在农机收割中的应用，有效地提升了无人农机的工作效率。

3 大数据技术在农产品流通中的应用研究

3.1 在农业运输中的应用研究

农产品的运输是农产品流通环节当中的重要一环，其物流管理系统、运输路径、运输环境等因素都对于农产品的运输有着重要的影响。

3.1.1 物流管理系统

张茜等[28]提出了基于大数据的农产品冷链物流平台，并以此为基础分为数据基础层、信息管理层、应用层3 个层次，运用大数据技术对冷链基础设施建设进行顶层设计，从而对冷链物流的关键环节进行物流运输与仓储管理优化，最终达到优化农产品的物流运输与仓储管理、强化质量安全管控、提高精准销售与配送、提升信息交流与共享的目的。张建喜等[29]通过建立基于大数据技术的农产品物流管理系统总体架构和物流管理流程来分析目前我国农产品物流流程，再制定订单管理流程、仓储管理流程和配送管理流程3 个管理流程来对关键流程进行分析，最后用关系数据库MySQL 来设计农产品物流管理系统，最终确定最优的、最合理的配送计划，充分整合物流资源，保证农产品物流运输的高效性和准确性，降低在运输过程中的损耗率和变质率，从而优化了物流管理流程。

3.1.2 运输路径

梁瑞华等[30]对中国农村物流配送的现状与方式进行分析，发现农产品物流基础设施支持不足，传统物流管理流程和冷链物流技术等薄弱环节，利用大数据分析技术对农村物流配送路径进行了优化，运用大数据丰富的交通网络，利于现代技术进行全地域农业交通运输整合，并用大数据处理的技术感知和定位手段来获取和整合物流信息，有效解决其中存在的农产品浪费问题。为了能够最大程度地降低运输成本，周蓉蓉等[31]利用K-均值聚类，通过优化的遗传算法建立了一种城市生鲜农产品运输路线优化模型，最终实现了城市生鲜农产品配送中的车辆优化调度、路径自主优化功能。

3.1.3 运输环境

吴卓葵等[32]提出了一种基于大数据的生鲜农产品配送监测预警系统，利用保鲜需求进行大数据分析，对配送车辆温度、湿度、最大配送时间等指标进行智能预测，并根据不同生鲜农产品的保鲜需求及道路交通状况对配送时间进行预警。陈谦等[33]针对冷链运输温度预测问题，从挖掘历史数据时序信息角度出发，提出了一种基于门控循环单元网络的冷链运输温度时序预测方法，通过采用拉格朗日插值方法、GRU 神经网络模型，建立了适用于低温环境的GRU 时序预测模型。

3.2 在农产品销售中的应用研究

农产品的销售是农业领域的最后一个关键环节，结合大数据领域的知识对农产品销售进行研究能促进农产品的流通，推动农业现代化发展和现代农村经济的发展。武绍璋等[34]对借助电商平台促进偏远地区农产品销售进行了数据分析，在运用统计法的基础上，结合国内外电商平台的发展现状，提出了一种农业电商产销结合并结合互联网大数据销售的发展思路，最终实现对偏远地区农产品销售路径的规划。随着社会发展，直播带货成为当下最火的线上销售方法，刘倩等[35]针对目前直播带货网络化销售发展的问题，通过运用主成分分析法，对直播带货这类电商助农模式的影响因素展开分析检验，并据此分析设计出一套使用SSM 框架搭载TOMCAT 服务器的网站，构建了一个合理的政策建议体系，指出了电商助农有关政策建议的权重分配，有助于乡村农产品通过大数据网络化的销售模式走向全国。王芳等[36]针对荞麦产业的宣传推广难题，提出了利用新媒体视频的设想，设计了一套使用SSM 框架并搭载TOMCAT 服务器配有Oracle 数据库专门针对荞麦进行推广的视频网站，最终实现了荞麦推广短视频发布观看、管理等功能。张莉[37]运用SWOT 方法，对我国订单农业发展过程中存在的问题和成因进行了剖析。最终提出了“消费者+互联网+农户”产销对接模式中消费者和农户之间的契约稳定关系。

4 结束语

综上所述，可以发现现阶段已有的研究总体呈现全面多样的特征；既有从理论方法层面提出如何推行贯彻农业大数据的研究，也有从技术科技层面探讨如何实践大数据在农业中运用的研究，覆盖了农业生产全过程的方方面面。不少研究人员将高精设备运用到田间实地中，通过高端算法模拟推算最适合农作物的生长环境，结合时下新兴技术将农产品更好地运输销售。本文认为对于今后的研究可以从以下几个方面开展。

一是现有的农业数据资料库中，对农作物生长所需的土壤条件、环境参数所做出的统计数据并不全面。相关部门应利用大数据技术研究不同种类、不同生长发育阶段的农作物对土壤以及环境参数的需求，进一步完善现有的农业数据资料库，从而便于指导农作物的田间管理。

二是目前可供农业工作者自助使用的大数据平台相对较少，因此地方政府应主导建立当地的农业大数据平台。通过对接上述农业数据资料库，该平台可以实时发布农作物田间管理的指导信息；此外，该平台要能够自动统计并以可视化方式公开当地农产品的物流、销售等全方位的数据，使农业工作者能够更好地掌握当前状态下的农业发展机遇。

三是农产品的质量、食品安全和源头追溯等是消费者在购买时主要关心的问题。在现阶段的农业生产中，可采用大数据与区块链相结合的方式来实现对农产品产地、生产过程、运输过程及销售过程的精准监控和准确溯源，使得消费者吃得安心，吃得放心。

四是由于数字化农业基础设施建设不够全面，许多乡村地区通信网络技术盲点较多，互联网硬件设施、光迁宽带和信号基站没能真正走进千家万户，硬件设备不过关，大数据在农业生产中的应用难以实现。因此应加大力度推进科技助农，落实政府相关帮扶政策，加强农村田间数字化基础设施建设，让更多高精科技走入农村田间。

五是在现代的农业生产中，懂理论善运用、重实践会创新的大数据和农业双料复合型人才极度稀缺，再加之农民普遍科技素养不足，容易出现技术和设备都有了，但没人能够使用的局面。因此应积极推进农业生产基地、学校和研究团队三方在产学研方面开展深度合作，大力引进优秀人才。同时通过线上线下的方式，对农业生产人员开展专家指导，提升农业生产人员的技术能力。