作者：劉石

農業產業化專家

全國工商聯農業產業商會副會長

進入21世紀之后，作為最古老的農業行業，在科技不斷升級換代的基礎上，又衍生出了全新新技術和概念。

他們從新的角度和更深的層面，正在改變著農業未來發展的面貌和內在邏輯。盡管這些技術還處在發展的早期，但是已經開始顯現了強大的生命力和未來巨大的產業價值。

數字農業就是其中之一。

如何理解和定義“數字農業”，中外的各路專家、學者和產業專家有許多不同的解釋，也存在著不少歧義和誤區。

目前被常常提到的概念有：互聯網+、智慧農業、精準農業、農業大數據、農業物聯網、農業數字化等等。

數字農業，這是一個寬泛的和集合的概念。

一切用數字信息技術應用于農業科研和生產領域的實踐，我們都可以稱之為數字農業。

更具體的講，數字農業就是將遙感技術、地理信息和定位技術、計算機技術、通訊和網絡技術、自動化技術和人工智能等各種信息技術，與地理學、農學、生態學、植物生理學、土壤學等各種基礎學科實現有機的結合，在農業生產全過程中，從宏觀到微觀，對農作物的生長發育狀況，對影響農作物的自然環境，以及對影響農產品銷售的市場環境，進行實時監測，定期獲取信息并生成動態信息系統，對農業生產和經營中的現象、過程進行模擬和推演，以達到提升農產品產量和質量，降低生產成本，優化資源利用和改善生態環境的目的，以便獲得更好收益，并促進農業可持續發展。

下面就數字農業不同內容的概念的內涵和外延，以及它們之間的相互關系做一個簡單的介紹。

它是一個封閉的數控系統。在封閉的系統內，以探頭、傳感器、攝像頭等設備為基礎的物物相聯。

它根據已經設定的模型和部分參數，監測環境的溫度、濕度、光照的變化以及農作物的生長狀況，自動地感知、識別和采集數據，并時時傳導到中央控制室進行數據處理，然后根據設定的模型輸出計算結果和操作指令，可以實現部分自動化和智能化操作。

農業物聯網主要用于設施農業和物流系統。

它是一個開放的數據系統。它是在開放系統內，通過收集、鑒別和標識數據，并建立數據庫，通過模型、參數和算法，組合和優化多維數據，為生產操作和經營決策提供依據，并實現部分自動化控制和操作。

主要用于大田大農業和全產業鏈的操作。

如何在開放、復雜和多變的環境中，通過各種設備和技術手段獲取有關氣象、土壤、環境、農業投入、農業生產過程、農作物生長狀況，農產品產出，倉儲物物流，市場變化、下游加工企業、消費者信息等的多方面的動態數據，并進行鑒別、標識、分析、處理和報告，為產業的所有參與者提供最有價值的信息、決策依據和操作建議，這是巨大的挑戰。

它是一個以硬件為基礎的農機單機操作系統。

它以農機單機硬件為基礎，配以智能化探測設備和控制軟件，根據對農機時空位置變換的感知和控制，根據對作物生長狀況的識別，在數據、技術和智能決策的基礎上，定位、定時、定量地實現精準的農事操作。

它是利用全球定位系統，地理信息系統，環境探測系統，作物自動成像和識別系統，自動控制系統等，實現不同環境中的場景配適，仿形能力，并實現高速運動中的無人駕駛，自動控制，精準操作以及變量控制（包括變量播種、變量施肥、變量噴藥等）。

它是建立在經驗模型基礎上的專家決策系統。

通過對已建立模型的不斷迭代和升級，并在“深度學習”等人工智能的幫助下，它將具有自我學習、糾錯和完善的能力，并在復雜和專業的領域，最終超越人類傳統經驗的綜合判斷和決策能力。

智慧農業是一個相對模糊的概念，因為“智慧”本身是形容詞，也是相對的概念。在數字農業的大范疇中，只有少量和高端的部分才可以稱之為“智能”或“智慧”。智慧農業可以和農業物聯網，農業大數據和精準農業等互相結合，靈活應用。

在未來的農業產業發展中，農業大數據將會產生巨大的作用。所以我們有必要就這一概念進行梳理。

在這里，我們首先有澄清關于大數據的兩個誤讀：

1.數據量大并不等于是大數據，雖然大數據的量確實非常大；

2.統計數據不是大數據，無論統計數據庫多么龐大，數據如何多。

二、大數據和大數據技術

我們要區分大數據獲得的技術和大數據應用技術，它們與大數據是不同的：

1.大數據獲取技術 包括：探頭、攝像頭、傳感器等探測技術，衛星、無人機等遙感技術，氣象技術，圖像識別技術，定位技術等；

2.大數據應用技術 包括：參數、算法、模型，小程序、APP、軟件，功能、模塊、系統、平臺，云計算、區塊鏈等；

3.大數據 不是什么數據都可以稱為大數據。再次強調，統計數據不是大數據。典型的大數據包括：環境大數據，產業大數據和消費大數據。

世界著名的國際機構對大數據分別給出了各自的定義。但是，這些著名機構的定義都不能準確描述和揭示大數據產生過程和作用的本質。

1.美國Gartner大數據研究所

“大數據”是需要新處理模式才能具有更強的決策力、洞察發現力和流程優化能力來適應海量、高增長率和多樣化的信息資產。

2.麥肯錫全球研究所

一種規模大到在獲取、存儲、管理、分析方面大大超出了傳統數據庫軟件工具能力范圍的數據集合，具有海量的數據規模、快速的數據流轉、多樣的數據類型和價值密度低四大特征。

3.IBM公司

“5V特點”(非定義性描述）：大量（Volume）、高速（Velocity）、多樣（Variety）、低價值密度（Value）、真實性（Veracity）

在定義大數據之前，我們先看看為什么統計數據不是大數據。

1.統計數據

在統計數據的分區、分級和定位的各個單項下，分別有不同的子項目，子項目下還有不同的子項目。

所有項目中的數據經過層層調查，歸類和匯總，最終成為統計數據中被嚴格拆分和歸類的單項數據。因而，在統計結構中，數據是被嚴格拆分的固化數值；

2.大數據

我們以產業大數據來舉例說明。

產業可以劃分為不同的生產環節，而每一個環節是由一個主要業務模型所主導和支配的。即在不同的生產環節中，生產者投入不同的原料（種子、化肥、農藥等），在不同的條件（地區、氣候、時間等）下，通過人為的干預和管理，會產生不同的結果（產量）。

大數據的目的不是客觀地記錄這些具體的數值，而是通過這些數值的記錄，去歸納、總結和最終推導出能夠產生不同變化和結果的邏輯關系和數據模型。

這些數據就是模型數據。

我們把所有的產業環節連在一起，就成為產業鏈數據。所以，在大數據結構中，數據是互相關聯的變量要素。

3.大數據的定義

在論述和澄清了以上的各點，我們就可以給大數據下一個更加明確和貼切的定義：

大數據是通過應用軟件或系統，自我產生和實時更新的，按一定邏輯關系關聯的多維變量要素。

學以致用是我們的目的。

我們常常能夠聽到一些專家學者，官員和媒體在談的所謂“數字農業”或“智慧農業”的時候，其實大多是農業數字化的內容。

因此，我們就要明確定義農業數字化與數字農業這兩個截然各自的內涵是什么？它們之間的區別又是什么呢？

是基于行政管理邏輯，利用數字技術，對農業的生產和管理環節進行數字化和可視化改造，以便可以獲取實時的橫向統計數據，為其決策提供依據。它的基本特點是：

數量化：從定性到定量

即時性：軟件系統自動獲取

可視化：直觀性和便捷性

全局性：宏觀和綜合，便于了解全局情況，及時規劃和指導工作

基于產業邏輯，以數據和模型為基礎的，科學化和智能化的生產和經營的縱向決策流程。其基本特點是：

典型化：生產和經營的典型場景選取

標準化：生產和交易流程規范化

操作性：生產和交易主體自我操作

智能化：通過數據反饋，不斷迭代升級；并具有學習、自適、改善和優化的決策能力

通過以上的不同特征我們可以了解到：

農業數字化 多是政府和科研機構主導的，對某些局部環節做的數字化改造，它是以管理和指導為目的設置的，是橫向和宏觀邏輯，它的操作主體也主要是由政府部門來主導的；

數字農業 主要是農業產業的從業者（生產者、交易者和企業），是以生產和經營為的具體過程為導向設計和實施的，是縱向和微觀邏輯，它的操作主體是生產者和企業。

總體上講，雖然“數字農業”目前還處于發展的早期和探索階段。但是，它是從更加宏觀和全面的角度，切入和滲透農業產業鏈的各個環節和末梢，使得以經驗為基礎的產業開始向數字化轉變的艱難過程，并從機體的每一個細胞去改變傳統的運行邏輯。

即便是面對蹣跚學步的新生巨人，我們應該保有足夠的發自內心的關注和敬畏。

內容來源：石時農業       作者：劉石