农业数字化是把数字化技术应用于农业的改造和提升，为此，本文简要介绍了农业数字化的特点，数据的获取、通信及处理，并介绍了农业数字化的几个应用场景。

农业数字化是信息技术在农业应用中的高级阶段，主要指在农业发展过程中进行农业要素、过程、管理的数字化。同时，农业具有自身特点，在利用数字化技术对农业的改造过程中要充分尊重农业自身规律对数字化技术择优而用，如此方能充分利用现代信息技术提升农业生产力。

01

农业数字化特点

1.农业数据获取

农业数据是农业数字化的基础，数据范围包括农业中的气候环境数据、生物信息（营养、水分、叶片、根系等）及农业社会信息数据。农业数据的获取主要指通过传感器技术、RFID技术、3S（GPS、RS、GIS）技术以及人工标注及网络抓取等方式获取数据，环境数据主要利用温度、湿度、光照等传感器进行监测。生物信息数据主要利用人工监测结合设备检测，随着计算机视觉技术的发展，进行作物形状、颜色、纹理等特征的非接触式监测将成为生物信息数据监测的方向。融合3S（GPS、RS、GIS）技术、航空监测技术及物联网技术的天空地监测系统在不远的未来将为获取更全面的农业数据提供牢固的技术支撑。

2.农业数据通信

3.农业数据处理

农业数据具有地域性、周期性、时效性、综合性等特点，非线性问题、不确定性问题在农业数据处理中显得尤为突出。利用数字化技术对农业数据的处理主要体现在数据挖掘、算法技术、视觉图像处理技术等方面。

在获取农业目标数据的基础上，利用大数据及算法选取适当的数学模型和信息学模型，对研究对象未来发展的可能性进行推测和估计，或采用智能控制手段和方法对农业生产过程进行干预，其中视觉图像处理技术、智能算法、智能控制技术是重点。

云计算能够实现数字农业所需的计算、存储等资源的按需获取，大数据为海量信息处理和利用提供支持。利用大数据、云计算等技术，由局部到整体、由经验型到机理型、由功能化到可视化地构建农作物决策与管理系统，辅助农业生产及管理的数字化。

02

农业数字化现状

1.国外情况

国外发达国家的数字农业研究在上世纪5、60年代开始起步，历经了农业数据定量化、农业数据的计算机处理、知识工程及专家系统、信息网络综合应用等阶段，现今在研究上已经达到比较高的水平，并已经进入实用阶段。体现在农业中应用计算机处理农业数据，建立数据库，开发农业知识工程及专家系统，应用标准化网络技术，开展农业信息服务网络的研究与开发。

比较典型的有：作物的生长发育模型与模拟，美国模拟玉米、小麦、水稻等作物生产的CERES模型系统，荷兰的SWAN5系统，在作物生长模拟模型和土壤水分、养分转移过程模型研究的基础上，完成了两类模型的初步整合；施肥机械和植保机械等利用GPS和GIS系统进行作业；在计算机视觉方面，美国研制了高速高频计算机视觉水果分级系统，应用于苹果、橘子、桃等的产品分级。

植物本体传感器图

2.国内情况

我国农业存在耕地高度分散、生产规模小、时空差异大、量化和规模化程度差、稳定性和可控程度低等问题。为改善农业生产状况，我国在上世纪90年代即出现了经验推理型专家系统，温室控制方面研制了使用工控机进行管理的植物工厂系统，可以视为农业数字化的发端。我国于2003年在国家863计划中启动实施了“数字农业技术研究与示范”的重大项目，时至今日已经初步形成了我国数字农业的技术框架。

《数字农业农村发展规划（2019-2025年）》指出，加快发展数字农情，利用卫星遥感、航空遥感、地面物联网等手段，动态监测重要农作物的种植类型、种植面积、土壤墒情、作物长势、灾情虫情，及时发布预警信息，提升种植业生产管理信息化水平