您好,欢迎来到第一枪!

如何建设一个落地的农业大数据体系?

2017-11-04 10:44:513

[导读]相对于工业经济和服务产业,农业总是被遗忘的领域,但是在大数据方面,反而凭借IoT和大数据的技术普惠性而获得了很好的机会,以略晚于工业经济的位置开始农业大数据的建设和普及,但这个道路上也充满了情怀和大坑。

       相对于工业经济和服务产业,农业总是被遗忘的领域,但是在大数据方面,反而凭借IoT和大数据的技术普惠性而获得了很好的机会,以略晚于工业经济的位置开始农业大数据的建设和普及,但这个道路上也充满了情怀和大坑。

       最初的农业大数据多是以卫星遥测入手,因为国外的卫星遥测数据是开放和标准化的,所以进入国内的时候,很多也是从卫星遥测和各地的气象数据入手,虽然建立起农业大数据的基础,但是由于国内农业的产业化程度不够,农业保险等产业服务还并没有商业基础,导致这种以卫星遥测切入的农业大数据,一直找不到价值实现和落地的场景,成为一种好看不好用的海外西洋镜。

       从数据源来看,国外的农业大数据依托于专业化和产业化的农场,数据源不仅仅限于卫星遥测,还增加了更多的数据源:卫星遥测的数据精读在5米左右,专业无人机的数据精度在1米左右,而小型的植保无人机拍摄数据的精度在3-10厘米。数据源越来越多精准和多样化。

       从实现上看,国外的农业大数据,基本上都会充分利用卫星数据、气象数据在谷歌地图或谷歌地球的基础上进行数据计算分析、可视化展现和深入开发,这些数据主要用于农作物产量监测预测、种植面积规划和分析、农产品保险精算定价等;国内有些机构做的农业大数据,则是依托于种植、现货交易等数据,进行产量、价格的动态行情分析和展示。

       从数据采集上看,农业大数据可以利用的工具越来越多,除了公开的卫星或者商用的卫星、geo数据采集之外,还有公共部门的无人机、植保无人机,用于农业生产的机器人,农机上的新型数据监测和采集设备,各种摄像头包括农田、大棚、农机和无人机上的各类不同精度和技术的摄像头,各类传感器尤其是智慧农业中无处不在的传感器,还有各类滴灌设备也可以用于数据采集。



       从农业的应用场景来看一下农业大数据的发展,从数据的背后来看农业大数据的核心路线:

       1、卫星遥感测绘

       卫星数据和气象数据,综合各个产地十几年的数据进行计算分析,是可以对农作物产量预测、病虫害预测等提供参考;

       2、土地数据

       除了卫星遥测的土地数据之外,再基于各地的土肥站数据、测土配肥和水肥的推广数据、土地平整和滴灌设备的数据,可以建立起相对完整的土地数据,再在生产和植保过程中通过无人机等工具采集补充;

       3、种植数据

       这个主要是通过农业生产全过程的田间管理服务、托管服务等采集种植数据,包括种植品种、生产工序、施肥施药和采收等数据;



       4、植保数据

       围绕植保的农技、农化、农机等数据;

       5、无人机数据

       通过农业无人机在授粉、施肥施药、植保、病虫害检测等过程中采集的农作物监测数据、植保数据,以及对病虫害的预测、产量预测分析;

       6、农产品数据

       通过智慧农业的摄像头对农产品成长过程的监测,在采收后的分拣检测(果型大小、甜酸度或淀粉度、农药残留检测、金属残留检测等),农产品箱垛物流跟踪,农产品的电子标签或RFID等数据;

       7、电子商务数据

       农产品电子商务的交易、销售数据;

       8、社交数据

       通过对社交媒体、互联网的农产品相关的大数据,以及吃货消费者的碎片化数据,还有大小农户、农机手、飞手等的众包数据,采集大量分散的碎片化的大数据;

       从产业化角度看,农业大数据的核心是能够抓住几个关键数据:资产和交易的数据。资产,主要是土地和农产品;交易,主要是农产品交易的商流(订单和资金)、物流(产品和库存)和信息流(品质、生产、标准)。

       只有抓住产业化的关键数据,才可能有价值变现的落地场景。

       那么,农业大数据有什么价值呢?

       或者有哪些价值变现的场景呢?

       从最初的出发点,农业大数据是可以利用卫星遥感、气象和土地等数据集成天气、病虫害、成长监测等到种植管理计划中,并能够进行作物产量和生长趋势预测;

       从标准化农场的规模化和自动化产业运营的角度,农业大数据是可以结合自动化农机、IoT的智慧农业等进行辅助决策分析;

       通过大数据分析和预测,可以进行农产业的产品创新和垂直市场的深入开发;

       通过大数据来支撑农产品的品质控制和种植生产等数据与农产品零售和食品零售的数据交换和追溯;

       基于大数据来进行农业的一二三产的价值链整合,谁先掌握更多的大数据谁更容易建立产业链的首发优势;

       通过丰富和全面的大数据来支撑农产品品牌的打造和IP化;

       但是,如果只是为了农业的大数据而大数据是没有用的,一定要结合农业的实际应用场景来采集、利用和算法分析,也就是要让“量”大的大数据变成“厚实”应用场景的大数据。

       现在的农业大数据大多是从数据源入手,比如天上的卫星遥感、地下的土地设备等,但缺少实际的农业应用场景,导致数据很难直接进行价值转化落地,农业的大数据不只是天上的、地下的能够解决,更关键是地面部队,地面推进。在国内,农业大数据不是一蹴而就的,它要结合农民和农业的实际情况来展开,可能要经历5-6个不同阶段:

       1、农业阶段

       当前相对比较粗放的小农经济;

       2、智能农业

       开始使用部分自动化的农业机械、局部的卫星气象大数据和物联网设备等实现的局部智能农业;

       3、在线的智能农业

       智慧农业已经可以将智能设备和数据相互连接并在线,可以互通和算法分析决策;

       4、智慧农业系统

       通过云端+智能设备+农机等实现了云端的智慧农业运营系统;

       5、开放型智慧平台

       通过开放接口将云、智能设备等开放给各个农业节点和厂家,实现云端或区块链的分布式智慧平台;

       6、大数据产融平台

       结合场景精炼的大数据和交易闭环、产业闭环以及金融服务平台,实现农业的大数据产融平台;

       通过这些不同的阶段,结合实际的农业生产和运营,最终农业大数据才可以实现三农产业链内的协同和数据交换。

       当然,国内的农村还没有完全实现智能手机和智能农机,也没有实现标准化和规模化的农场或者基地,而农场和农产品的交易平台也没有完全实现,这就意味着农业大数据的道路还很漫长。

       在这个漫长的过程中,还有一个更重要的因素:人!现在农村的农民大部分是中老年农民,对于新技术和大数据还没有概念,也很难改造或者教育他们来利用;而年轻人又因为人力投资成本和收入的巨大反差,离乡进城,不愿意回乡;所以最关键的还是如何建立农村新的人才体系,通过他们来落地和实践农业产业化和农业大数据。
第一枪返回第一枪首页>>

相关推荐:

百度统计代码: CNZZ统计代码: 谷歌统计代码: