科技赋能农业变革：“大数据+农业”重新定义产业体系(数据可视化发展趋势,关键词优化)

大数据技术和农业相结合将赋予改变农业从田间到餐桌的整个链条，推动精细化农业、实现全程可追溯，“大数据+农业”将重新定义农业。本文从农业大数据定义、时代背景、制约因素、政策措施、应用方向等方面简要说明大数据技术在农业方面的应用。

大数据农业就是把各类农业数据进行采集、汇总、存储和关联分析，从中整合新要素、发掘新资源、发现新知识、创造新价值、培育新动能的一种农业新技术和新业态。

这是一场发生在农业领域里的技术革命和产业革命，同时也是一场要素革命——新知识新技术代替资本成为经济发展的主导，从而改变了资本主导的传统要素格局；

一场资源配置革命——大数据本身就是新资源，它同时又以精准量化、动态优化的方式重构各类资源的配置。

随着大数据与农业的融合发展，农业大数据分析应用平台的建设成为必然趋势。在土地规划、种质资源选用、病虫害防治、生产管理、采销存、精准营销、农产品的储存与渠道对接等各个环节，将不同格式、不同业务领域的海量数据整合成标准统一的数据源，实现数据分析、数据挖掘及数据可视化，及时全面掌握农业的发展动态。

其更大用途是，能够根据大数据分析的结果下，来建立的模型去预测某一事件的发生，并可据此进行人为干预，使农业向着理想的方向发展。

农业大数据定义

农业大数据顾名思义就是大数据理念、技术和方法在农业方面的实践。农业大数据涉及到农业生产过程中从产到销（种什么，怎么种，往哪销）全过程中的各个环节，是跨行业、跨专业、跨业务的数据分析与挖掘，以及数据可视化的具体展示。

农业大数据是融合了农业地域性、季节性、多样性、周期性等自身特征后产生的来源广泛、类型多样、结构复杂、具有潜在价值，并难以应用通常方法处理和分析的数据集合。

它保留了大数据自身具有的规模巨大（volume）、类型多样（variety）、价值密度低（value）、处理速度快（velocity）、精确度高（veracity）和复杂度高（complexity）等基本特征，并使农业内部的信息流得到了延展和深化。

农业大数据时代背景

当前信息革命已经从数字化、网络化进入到以数据深度挖掘与融合应用为特征的智慧化阶段。

大数据发展日新月异，引领社会生产新变革，创造人类生活新空间，拓展国家治理新领域，极大提高人类认识世界、改造世界的能力，深刻改变着全球经济格局、利益格局、安全格局，已经成为引领创新、驱动转型的先导力量，是世界主要大国的国家战略重点和优先发展方向。

大数据发展和应用已取得显著成效，与世界发达国家的差距明显缩小，成为全球第二大数字经济体。

据统计，2016年数字经济总量达到22.58万亿元，占GDP的比重达30.3%，成为经济增长的新动能。经过20多年的快速发展，互联网从无到有、从小到大、由弱到强。截至年6月，国内网民规模达到7.51亿，互联网普及率达54.3%，超过世界平均水平4.6个百分点。

在这一时代背景下，农业农村信息化发展取得显著进展。农业电子商务迅猛发展，农产品电子商务网络零售总额高速增长，2016年达到1589亿元；

信息进村入户工程经过3年试点，目前已进入整省推进的新阶段，到年底，或建成益农信息社超过8万个；

农业物联网区域试验示范扩大到9个省份，相继推出了426项农业物联网新产品、新技术和新模式；

农业部制定印发了推进农业农村大数据发展的实施意见，组织对8个农产品单品种大数据进行试点，遴选认定了38项农业农村大数据实践案例；

已经认定三批共210家全国农业农村信息化示范基地；

推进政务信息资源和网站整合的力度亦前所未有，一些互联网、大数据企业纷纷进军农业农村这片蓝海。这些都为农业大数据的发展应用探索路劲奠定基础。

农业大数据发展制约因素

国内农业大数据发展应用正面临诸多新形势、新问题，国内农业农村信息化与发达国家和其他行业相比，总体上仍相对落后，尤其是农业大数据发展应用还处于起步阶段。

目前“大数据”运用于农业产业发展面临的主要问题主要有农业数据建设滞后、内容不全，数据打架、标准不一，数据不准确、不及时，发布不规范、不集中等等，这些问题都成了农业发展的短板。

此外，农业农村数据底数不清、关键核心数据缺失、数据质量不高、数据共享开放不足、数据开发利用不够，以及整体数据意识不强等等都成为了“大数据”助力农业产业发展的制约因素。

具体来看，农业大数据科技创新尚处于“跟跑”阶段，自主创新能力还很薄弱，核心技术和关键设备主要依赖进口；

农业数据资源最为丰富，但目前远未得到充分挖掘和应用，数据资源体系亟待加快构建和完善；

在数据资源的共享开放和开发利用上，普遍存在不愿、不想、不敢共享开放的问题，主动开放让社会主体进行二次开发应用的体制机制还存在很多障碍；

大数据与现代农业发展、农村社会治理融合度不高，对优化配置资源要素、推进农业供给侧结构性改革的潜力还远未挖掘,对提升农村社会治理能力的作用还远未发挥；

对农业数据安全的认识有待深化，农业网络安全防护体系亟待强化和完善；

网络传播和信息服务在打破农民封闭意识、提升农民素质、增强农民信息化应用技能等方面的作用，还需进一步释放。

农业大数据政策措施

国内将构建农业大数据体系

目前国内农业电商发展迅速,但瓶颈和痛点日益凸显,未来要培育多种主体,利用好电商平台大数据,调节农产品生产和消费,构建农业大数据体系。

农业部力挺大数据

2016年1月份,农业部发布《关于推进农业农村大数据发展的实施意见》(以下简称《意见》),提出到年基本完成数据的共用共享,2020年实现政府数据集向社会开放,2025年建成全球农业数据调查分析系统。

农业部印发《农业农村大数据试点方案》

2016年10月份,农业部印发《农业农村大数据时代方案》决定自今年起在北京等21个省(区、市)开展农业农村大数据试点,建设生猪、柑橘等8类农产品单品种大数据。

鼓励基础较好的地方结合自身实际,积极探索发展农业农村大数据的机制和模式,带动不同地区、不同领域大数据发展和应用。

农业大数据应用方向

应用指的是农业大数据各应用系统、应用平台的开发，为上层管理和服务提供应用支撑。根据目前农业大数据的主要来源，可以将其应用领域归纳为以下几个方面：

农业生产过程管理

运用大数据的先进技术对农业各主要生产领域在生产过程中采集的大量数据进行分析处理，进而提供“精准化”的农资配方、“智慧化”的管理决策和设施控制，达到农业增产、农民增收的目的。

农业资源管理

农业资源除了土地、水等自然资源之外，还包括各种农业生物资源和农业生产资料。国内虽然地大物博，但可以进行农业生产的资源已越来越少。从目前农业基础实际状况来看，有必要运用物联网、大数据等先进技术对农业资源进一步优化配置、合理开发，从而实现农业的高产优质和节能高效。

农业生态环境管理

农业生态环境具体包括土壤、大气、水质、气象、污染、灾害等，需要对这些农业环境影响因子实现全而监测、精准化管理。

农产品和食品安全管理

农产品安全管理涉及产地环境、产前产中产后、产业链管理、储藏加工、市场流通、物流、供应链与溯源系统等食品链的各个环节，通过对农产品质量安全监管信息的分析处理，实现食品安全风险的预警及质量安全突发事件的应急管理。

农业装备与设施监控

可以提供农业装备和设施在工作运作情况下状态的监控、远程诊断以及服务调度等方面的智能化管理和应用。

农业科研活动

农业科研产生的大数据有包括空间与地面的遥感数据，还有如基因图谱、大规模测序、农业基因组数据、大分子与药物设计等大量的生物实验数据：利用科研试验大数据的分析，能够更好地指导农业生产和生活。

农业大数据数据类型分析

从领域来看，以农业领域为核心（涵盖种植业、林业、畜牧水产养殖业、产品加工业等子行业），逐步拓展到相关上下游产业（饲料、化肥、农药、农机，仓贮、屠宰业，肉类加工业等），并需整合宏观经济背景数据，包括统计数据、进出口数据、价格数据、生产数据、气象、灾害数据等；

从地域来看，以国内区域数据为核心，借鉴国际农业数据作为有效参考，不仅包括全国层面数据，还应涵盖省市数据，甚至地市级数据，为区域农业发展研究提供基础；

从广度来看，不仅包括统计数据，还包括涉农经济主体基本信息、投资信息、股东信息、专利信息、进出口信息、招聘信息、媒体信息、地理空间坐标信息等；

从专业性来看，应分步构建农业领域的专业数据资源，进而应逐步有序规划专业的子领域数据资源。

而根据农业的产业链条划分，农业大数据主要集中在农业环境与资源、农业生产、农业市场和农业管理等领域：

农业自然资源与环境数据。主要包括土地资源数据、水资源数据、气象资源数据、生物资源数据和灾害数据。

农业生产数据包括种植业生产数据和养殖业生产数据。其中，种植业生产数据包括良种信息、地块耕种历史信息、育苗信息、播种信息、农药信息、化肥信息农膜信息、灌溉信息、农机信息和农情信息；养殖生产数据主要包括个体系谱信息、个体特征信息、饲料结构信息、圈舍环境信息、疫情情况等。

农业市场数据包括市场供求信息、价格行情、生产资料市场信息、价格及利润、流通市场和国际市场信息等。

农业管理数据主要包括国民经济基本信息、国内生产信息、贸易信息、国际农产品动态信息和突发事件信息等。

农业大数据服务场景

作为高风险行业，农业生产面临天气、种植等太多不确定性。而作为最古老的生产形态，农业生产更是远落后于现代工业、服务业的社会产值。但是，随着越来越多的大数据科技被用到农业领域，农业生产的高附加值已经逐渐显露。

基于大数据的气象分析、建模与预测

自古以来，农业都是“看天吃饭”，气象是农业生产中最重要的因素之一，利用气象大数据技术可以对未来一定时间的天气进行分析、预测。

通过物联网、计算机记录气象数据，分析这些数据，建立当地的天气模型，使用模型产生的数据，与当前天气进行比较，再运用预测性分析进行天气预报。这种通过大数据预测未来的新方式，其预测时间更长、准确度更高，最长可提前40天生成冷热天气概率。

在干旱季节，就可以根据预测的结果，进行提前人工干预，减轻恶劣天气带来的损失。

支持全产业链服务的农业大数据服务平台

在农业生产和科研中会产生大量有价值的数据，这些数据的集成、挖掘和使用，对于现代农业的发展具备极其重要的作用。

对实践中产生的数据资料归纳分析，利用算法建立模型，可以形成在粮食安全、土壤污染防治、病虫害预警等诸多农业领域的风险防控机制;大数据的应用与农业领域的相关科学研究相结合，可以为农业科研、政府决策、涉农企业发展等提供新方法、新思路。

基于大数据的农产品价格走势、市场饱和量分析

对一定阶段内一类农产品的产销情况整合，结合市场行情的科学分析，就能更有效地预测农产品价格走势、市场饱和量预测，帮助农户做出生产安排，帮助政府制定引导措施，避免出现大量农产品滞销困境。

数据驱动精准农业操作

农业很复杂，作物、土壤、气候以及人类活动等各种要素相互影响。在近几年，种植者通过选取不同作物品种、生产投入量和环境，在上百个农田、土壤和气候条件下进行田间小区试验，就能将作物品种与地块进行精准匹配。

如何获得环境和农业数据?通过遥感卫星和无人机可以管理地块和规划作物种植适宜区，预测气候、自然灾害、病虫害、土壤墒情等环境因素，监测作物长势，指导灌溉和施肥，预估产量。

随着GPS导航能力和其他工业技术的提高，生产者们可以跟踪作物流动，引导和控制设备，监控农田环境，精细化管理整个土地的投入，大大提高了生产力和盈利能力。

数据快速积累的同时，如果没有大数据分析技术，数据将会变得十分庞大和复杂。数据本身并不能创造价值，只有通过有效分析，才能帮助种植者做出有效决策。

大数据分析的技术核心是机器学习，快速、智能化、定制化地帮助用户获取数据，获得分析结果，进而做出种植决策，提高设施和人员使用效率。机器学习的另一个好处是，随着数据不断积累，分析算法将更准确，帮助农场做出更准确的决策。

数据实现农产品可追溯