農業大數據生態圈

A. 農業農村大數據的重要性體現在哪些方面數字農業的意義是什麼

數字農業是農業現代化的普及化，是自主創新促進農牧業互聯網建設發展趨勢的合理方式，也是在我國由農業大國邁進農牧業大國的必由之路。在這里過程中，僅有積極融入時尚潮流，提高智能化生產效率，才可以加速農牧業智能化發展趨勢腳步，促進農牧業高質量發展。

物聯網的運用，可以使信息管理系統的數據信息由人力收集、鍵入，變成感應器收集、即時傳輸到系統軟體，那樣可以立即獲取信息，及其提升信息的精確性，防止人為性不正確。物聯網在現代化農業生產製造設備和機器設備行業中的運用極大地提高了現代化農業生產製造設備和機器設備的數據和自動化水準，真正完成全部農牧業生產過程的信息化操縱和智能化系統企業生產管理。

智能農業是可以擺脫傳統農業落後面貌的新型農業發展趨勢方式，是構建在工作經驗實體模型基本上的權威專家決策支持系統。智能農業注重智能化系統的決策支持系統，配之以技術專業的硬體設施。智能農業的決策模型和系統軟體可以在智慧農業和農業大數據行業獲得廣泛運用。智能農業藉助於現代科技為現代化農業給予一整套解決方法，同時可以依照某區塊鏈的進步必須開展分拆。

B. 大數據驅動農業發展新路徑

大數據驅動農業發展新路徑

農業大數據：從國內國際的發展來看，大數據正在驅動農業發展路徑發生變化，以提高農業效率，保障食品安全，實現農產品優質優價，農業大數據蘊含著巨大的商業價值。

以主要應用目的劃分，國內農業大數據應用分六種類型：1。重塑產業生態圈。代表性公司大北農，利用大數據再造養殖生態產業鏈。2。打造「新農人」運營服務平台。代表性公司智慧農業，通過集聚、分析「新農人」的生產經營數據，提高專業合作社運營效率。3。匯聚產業鏈大數據，降低交易成本，形成品牌溢價。

代表性公司新希望，搭建養殖服務雲平台，監控養殖全程，實現可追溯，匯聚產業鏈真實數據，實現消費者對廠家的信任，從而形成品牌溢價。4。轉型種植服務商，提高生產效率及產品品質。代表性公司芭田股份，集聚種植大數據，成為全面解決種植問題的服務提供商！5。升級農產品流通模式，提升農產品交易效率。代表性公司一畝田，積累大量的交易數據，提供價格指導、金融等多項服務。6。為企事業提供農業大數據分析服務。代表性公司龍信思源，以大數據分析挖掘技術為核心競爭力，幫助企事業單位實現高效管理，提升服務質量，推動行業發展。

國際上，利用大數據及互聯網提高農業效率的企業和案例也比比皆是，大數據及互聯網技術已開始在全球農業中得到廣泛運用，並成為資本與農業龍頭投資的下一風口！代表性公司有孟山都收購的精準種植服務商PrecisionPlantingInc，大數據意外天氣保險公司TheClimateCorporation等。

以上是小編為大家分享的關於大數據驅動農業發展新路徑的相關內容，更多信息可以關注環球青藤分享更多干貨

C. 一文看懂大數據的技術生態圈

一文看懂大數據的技術生態圈

大數據本身是個很寬泛的概念，Hadoop生態圈（或者泛生態圈）基本上都是為了處理超過單機尺度的數據處理而誕生的。你可以把它比作一個廚房所以需要的各種工具。鍋碗瓢盆，各有各的用處，互相之間又有重合。你可以用湯鍋直接當碗吃飯喝湯，你可以用小刀或者刨子去皮。但是每個工具有自己的特性，雖然奇怪的組合也能工作，但是未必是最佳選擇。

大數據，首先你要能存的下大數據。傳統的文件系統是單機的，不能橫跨不同的機器。HDFS（Hadoop Distributed FileSystem）的設計本質上是為了大量的數據能橫跨成百上千台機器，但是你看到的是一個文件系統而不是很多文件系統。比如你說我要獲取/hdfs/tmp/file1的數據，你引用的是一個文件路徑，但是實際的數據存放在很多不同的機器上。你作為用戶，不需要知道這些，就好比在單機上你不關心文件分散在什麼磁軌什麼扇區一樣。HDFS為你管理這些數據。存的下數據之後，你就開始考慮怎麼處理數據。雖然HDFS可以為你整體管理不同機器上的數據，但是這些數據太大了。一台機器讀取成T上P的數據（很大的數據哦，比如整個東京熱有史以來所有高清電影的大小甚至更大），一台機器慢慢跑也許需要好幾天甚至好幾周。對於很多公司來說，單機處理是不可忍受的，比如微博要更新24小時熱博，它必須在24小時之內跑完這些處理。那麼我如果要用很多台機器處理，我就面臨了如何分配工作，如果一台機器掛了如何重新啟動相應的任務，機器之間如何互相通信交換數據以完成復雜的計算等等。這就是MapRece / Tez / Spark的功能。MapRece是第一代計算引擎，Tez和Spark是第二代。MapRece的設計，採用了很簡化的計算模型，只有Map和Rece兩個計算過程（中間用Shuffle串聯），用這個模型，已經可以處理大數據領域很大一部分問題了。那什麼是Map什麼是Rece？考慮如果你要統計一個巨大的文本文件存儲在類似HDFS上，你想要知道這個文本里各個詞的出現頻率。你啟動了一個MapRece程序。Map階段，幾百台機器同時讀取這個文件的各個部分，分別把各自讀到的部分分別統計出詞頻，產生類似（hello, 12100次），（world，15214次）等等這樣的Pair（我這里把Map和Combine放在一起說以便簡化）；這幾百台機器各自都產生了如上的集合，然後又有幾百台機器啟動Rece處理。Recer機器A將從Mapper機器收到所有以A開頭的統計結果，機器B將收到B開頭的詞彙統計結果（當然實際上不會真的以字母開頭做依據，而是用函數產生Hash值以避免數據串化。因為類似X開頭的詞肯定比其他要少得多，而你不希望數據處理各個機器的工作量相差懸殊）。然後這些Recer將再次匯總，（hello，12100）＋（hello，12311）＋（hello，345881）= （hello，370292）。每個Recer都如上處理，你就得到了整個文件的詞頻結果。這看似是個很簡單的模型，但很多演算法都可以用這個模型描述了。Map＋Rece的簡單模型很黃很暴力，雖然好用，但是很笨重。第二代的Tez和Spark除了內存Cache之類的新feature，本質上來說，是讓Map/Rece模型更通用，讓Map和Rece之間的界限更模糊，數據交換更靈活，更少的磁碟讀寫，以便更方便地描述復雜演算法，取得更高的吞吐量。有了MapRece，Tez和Spark之後，程序員發現，MapRece的程序寫起來真麻煩。他們希望簡化這個過程。這就好比你有了匯編語言，雖然你幾乎什麼都能幹了，但是你還是覺得繁瑣。你希望有個更高層更抽象的語言層來描述演算法和數據處理流程。於是就有了Pig和Hive。Pig是接近腳本方式去描述MapRece，Hive則用的是SQL。它們把腳本和SQL語言翻譯成MapRece程序，丟給計算引擎去計算，而你就從繁瑣的MapRece程序中解脫出來，用更簡單更直觀的語言去寫程序了。有了Hive之後，人們發現SQL對比Java有巨大的優勢。一個是它太容易寫了。剛才詞頻的東西，用SQL描述就只有一兩行，MapRece寫起來大約要幾十上百行。而更重要的是，非計算機背景的用戶終於感受到了愛：我也會寫SQL！於是數據分析人員終於從乞求工程師幫忙的窘境解脫出來，工程師也從寫奇怪的一次性的處理程序中解脫出來。大家都開心了。Hive逐漸成長成了大數據倉庫的核心組件。甚至很多公司的流水線作業集完全是用SQL描述，因為易寫易改，一看就懂，容易維護。自從數據分析人員開始用Hive分析數據之後，它們發現，Hive在MapRece上跑，真雞巴慢！流水線作業集也許沒啥關系，比如24小時更新的推薦，反正24小時內跑完就算了。但是數據分析，人們總是希望能跑更快一些。比如我希望看過去一個小時內多少人在充氣娃娃頁面駐足，分別停留了多久，對於一個巨型網站海量數據下，這個處理過程也許要花幾十分鍾甚至很多小時。而這個分析也許只是你萬里長征的第一步，你還要看多少人瀏覽了跳蛋多少人看了拉赫曼尼諾夫的CD，以便跟老闆匯報，我們的用戶是猥瑣男悶騷女更多還是文藝青年／少女更多。你無法忍受等待的折磨，只能跟帥帥的工程師蟈蟈說，快，快，再快一點！於是Impala，Presto，Drill誕生了（當然還有無數非著名的交互SQL引擎，就不一一列舉了）。三個系統的核心理念是，MapRece引擎太慢，因為它太通用，太強壯，太保守，我們SQL需要更輕量，更激進地獲取資源，更專門地對SQL做優化，而且不需要那麼多容錯性保證（因為系統出錯了大不了重新啟動任務，如果整個處理時間更短的話，比如幾分鍾之內）。這些系統讓用戶更快速地處理SQL任務，犧牲了通用性穩定性等特性。如果說MapRece是大砍刀，砍啥都不怕，那上面三個就是剔骨刀，靈巧鋒利，但是不能搞太大太硬的東西。這些系統，說實話，一直沒有達到人們期望的流行度。因為這時候又兩個異類被造出來了。他們是Hive on Tez / Spark和SparkSQL。它們的設計理念是，MapRece慢，但是如果我用新一代通用計算引擎Tez或者Spark來跑SQL，那我就能跑的更快。而且用戶不需要維護兩套系統。這就好比如果你廚房小，人又懶，對吃的精細程度要求有限，那你可以買個電飯煲，能蒸能煲能燒，省了好多廚具。上面的介紹，基本就是一個數據倉庫的構架了。底層HDFS，上面跑MapRece／Tez／Spark，在上面跑Hive，Pig。或者HDFS上直接跑Impala，Drill，Presto。這解決了中低速數據處理的要求。那如果我要更高速的處理呢？如果我是一個類似微博的公司，我希望顯示不是24小時熱博，我想看一個不斷變化的熱播榜，更新延遲在一分鍾之內，上面的手段都將無法勝任。於是又一種計算模型被開發出來，這就是Streaming（流）計算。Storm是最流行的流計算平台。流計算的思路是，如果要達到更實時的更新，我何不在數據流進來的時候就處理了？比如還是詞頻統計的例子，我的數據流是一個一個的詞，我就讓他們一邊流過我就一邊開始統計了。流計算很牛逼，基本無延遲，但是它的短處是，不靈活，你想要統計的東西必須預先知道，畢竟數據流過就沒了，你沒算的東西就無法補算了。因此它是個很好的東西，但是無法替代上面數據倉庫和批處理系統。還有一個有些獨立的模塊是KV Store，比如Cassandra，HBase，MongoDB以及很多很多很多很多其他的（多到無法想像）。所以KV Store就是說，我有一堆鍵值，我能很快速滴獲取與這個Key綁定的數據。比如我用身份證號，能取到你的身份數據。這個動作用MapRece也能完成，但是很可能要掃描整個數據集。而KV Store專用來處理這個操作，所有存和取都專門為此優化了。從幾個P的數據中查找一個身份證號，也許只要零點幾秒。這讓大數據公司的一些專門操作被大大優化了。比如我網頁上有個根據訂單號查找訂單內容的頁面，而整個網站的訂單數量無法單機資料庫存儲，我就會考慮用KV Store來存。KV Store的理念是，基本無法處理復雜的計算，大多沒法JOIN，也許沒法聚合，沒有強一致性保證（不同數據分布在不同機器上，你每次讀取也許會讀到不同的結果，也無法處理類似銀行轉賬那樣的強一致性要求的操作）。但是丫就是快。極快。每個不同的KV Store設計都有不同取捨，有些更快，有些容量更高，有些可以支持更復雜的操作。必有一款適合你。除此之外，還有一些更特製的系統／組件，比如Mahout是分布式機器學習庫，Protobuf是數據交換的編碼和庫，ZooKeeper是高一致性的分布存取協同系統，等等。有了這么多亂七八糟的工具，都在同一個集群上運轉，大家需要互相尊重有序工作。所以另外一個重要組件是，調度系統。現在最流行的是Yarn。你可以把他看作中央管理，好比你媽在廚房監工，哎，你妹妹切菜切完了，你可以把刀拿去殺雞了。只要大家都服從你媽分配，那大家都能愉快滴燒菜。你可以認為，大數據生態圈就是一個廚房工具生態圈。為了做不同的菜，中國菜，日本菜，法國菜，你需要各種不同的工具。而且客人的需求正在復雜化，你的廚具不斷被發明，也沒有一個萬用的廚具可以處理所有情況，因此它會變的越來越復雜。

以上是小編為大家分享的關於一文看懂大數據的技術生態圈的相關內容，更多信息可以關注環球青藤分享更多干貨

D. 農業大數據能為農民做什麼應該如何應用

農業大數據平台就是利用氣候及土壤大數據，提供農戶最佳化的栽種管理決策，協助農民有內效管理其農容地，並讓農民從每一顆種子中提取最高的價值；
簡單來說，農夫可以透過移動裝置快速進行數據分析，並藉此分析結果優化資源及提高效益。除Climate FieldView平台外，MySmartFarm、FarmLogs等也都是大數據在農業應用中的實例。
農業大數據運用將會是解決未來人類對糧食需求的解葯，透過物聯網及雲端運算之應用，農業大數據下的精準農業，預期將能減少農業對環境生態的負面影響，並透過所建立的模型進行預測，提出最適的解決方案，一方面提高糧食的產量，另一方面則減少生產資源的錯置與浪費，進而在未來有效地回應人類對糧食的需求。

E. 多利農業產業生態圈是怎樣的

以有機種植技術和循環農業技術為支撐，遵照國際 IFOAM有機標准，建設形成集有機種植、農產品加工、 健康食材開發、有機肥生產等功能為一體的有機農業示 范園區；配套完善園區道路、水電、通訊和辦公服務等基礎設施、 開展高標准農田、設施農業建設，搭建有機生態農業雙 創平台和空間載體，引導返鄉下鄉等農業創客到示範園 區創業創新。

F. 農業大數據平台國內有嗎

探碼科技目前正在與四川農產品供銷社合作做農業大數據這一塊。

G. 托普雲農技術實力好嗎開發了哪些項目有沒有案例可以參考的

托普雲農的研發實力應該算是數字農業領域里的先行企業了。公司成立早，研發投入也大，在這個行業還是積累了很大的優勢，尤其是在硬體，物聯網方面。2017年，他們又全資收購了浙江省農業信息化的領軍企業浙江森特信息技術有限公司，豐富了信息化建設與大數據演算法能力，綜合能力得到了很大的提升，在國內也有著獨特的競爭力。他們還成立浙江省省級重點企業研究院，成為國家物理防治科技創新聯盟秘書長單位和全國蘋果大數據發展應用協作組副理事長單位，這些都是公司研發實力在行業內的體現。

H. 農業大數據怎麼玩

農業大數據怎麼玩？中國民企在行動
科技正在以大數據的形式向農業領域滲透，行業整合成為中國農業生產方式變革的重要力量。決策者多次提出的「讓農民成為令人羨慕職業」願景，在科技的武裝下正在接近實現。
在農業4.0時代前夜，中國農業生產的三要素已經悄然改變。農民面朝黃土背朝天的傳統形象已被拋棄，科技的力量已使農村勞動力成為「網路新農人」。他們手中的農業大數據平台新工具，已經可以隨時監測到土壤、天氣、農作物等數據；而越來越多的土地流轉，也賦予他們更大的規模效益。
中國農科院農發所研究員胡定寰曾向經濟觀察報記者描述了他對中國未來農業生產方式的構想。他認為未來中國的農業生產者應該是有技術的新農民，甚至是大學畢業生來經營適度規模的家庭農場。
市場主體已經開始意識到這一點。相對於國外，中國農業公司很多，但是依靠科技手段提供大數據的龍頭農業公司卻很少。這也是掣肘互聯網科技和傳統農業相結合的因素。曾是美國航空航天局（NASA）數據科學家的張弓試圖改變這一現狀，2015年他離開矽谷，帶回了科學技術和大數據解決方案，也帶回了在空間、氣象和農業領域十分活躍的多位中國科學家。
張弓現在的身份是北京佳格天地科技有限公司創始人兼CEO。在美國，他從事衛星和氣象大數據在農業和生態領域的應用，參與了美國農業部和美國森林局以及商業機構的重要項目，多項技術創新成果被應用於NASA地球信息共享系統。
張弓接受經濟觀察報采訪時說，隨著中國人口結構的變化以及農業的快速發展，農業正在發生深刻的變革，時下農業大數據的發展正當其時。
如果說留給大眾印象深刻的是50年代大批留美科學家回國，21世紀的海外人才回國潮正在影響著中國經濟結構變革。張弓就是這輪「現象級」中國留學人才迴流中的一員。
佳格開始對接中國的農業公司，為農業生產提供技術領先的農業大數據平台。作為中國為數不多的農業大數據公司之一，佳格已經獲得A輪融資6000萬元，其最近的動態是，順利與現代農業領先企業東方集團簽署戰略合作協議。
民企發力
當人們談論大數據時，或許首先想到的並不是農業。作為高風險行業，農業生產面臨天氣、種植等太多不確定性。而作為最古老的生產形態，農業生產更是遠落後於現代工業、服務業的社會產值。但是，隨著越來越多的科技被用到農業領域，農業生產的高附加值已經逐漸顯露。
城鎮化、農村勞動力外流，已經讓傳統意義上農民已經開始主動或被動離開土地。根據此前農業部統計，截至2016年底，二輪承包地經營權流轉面積達到4.7億畝，佔比約35.1%，現在2.3億農戶中有7000萬農戶已經不再直接經營其承包的全部或部分土地。
規模化和規范化的農業生產需要更多的技術支撐，大數據農業公司越來越有市場，走在前列的中國民營企業已經嗅到了這一商機。佳格此時開始登上時代的舞台。張弓告訴經濟觀察報記者，佳格的核心服務是通過提供作物大數據、氣象預測以及病蟲害預警服務，實現中國農業從傳統「看天吃飯」的經驗模式到「知天而作」的現代數據農業模式的轉變。
農業大數據公司是服務農業公司的公司。張弓介紹：「具體來說，佳格可以為農業企業解決的痛點包括以氣象、遙感和地面數據為基礎的農業信息系統，比如給用戶提供作物長勢監測，結合地塊級氣象服務和病蟲害預警、智能化灌溉植保，有效提升農作物的種植效率和精細化管理水平；另一類是農產品的評估需求，包括農業種植，農產品貿易和金融體系服務。」
這一次，佳格選中了以現代農業產業為主營業務的上市公司——東方集團，後者旗下的子公司東方糧倉已建立了從育種到餐桌的全產業鏈經營管理商業模式。2009年成立的東方糧倉先後在黑龍江省五常、方正、肇源這3個糧食主產區投資興建了3個年綜合加工能力為30萬噸的現代化稻穀精深加工園區，並在五常核心產區流轉13000畝優質水稻田。其與五常市政府合作建設的五常市農業高科技示範園區，已成為國內一流的現代農業示範園區。
與歐洲、美國大農業相比，中國人均耕地少、土地分散，這對農業數據收集造成很大困難。此外中國農業還存在大數據人才匱乏、大數據共享度低等困擾。農業部信息中心主任王小兵建議，中國應該加快構建數據資源體系，解決農業數據匱乏問題。
東方集團股份有限公司董事長孫明濤告訴經濟觀察報記者：「中國農業還缺乏一些大數據，農產品的市場行情每時每刻都在變化，在價格變化中吃虧的可能更多的是種地的人，他們從種植到收獲，包括最後相關的消費數據都是極其缺乏的，所以需要一種方式能夠快速收集和分析這些數據。」
孫明濤認為，不管是通過氣象、氣候數據，還是其他衛星得到的播種面積等相關數據，是能夠有效解決生產這端數據供給的。
事實上，即使正在走向規模化經營，中國農業生產一定程度上也面臨著「靠天吃飯」的困局。甚至在中國農業保險賠付率不高的現狀下，一旦遇到暴雪、強降水等天災，尤其是設施農業經營者很容易難以收回成本，更不用談當年盈利了。根據經濟觀察報記者采訪，2017年底安徽省雪災時，一家投資上千萬的合作社受災嚴重，而按照當地保險公司規定，僅依據其對合作社核定損失額的40%進行賠付。
從防範風險、降低損失的角度來講，大數據公司的出現解決了這兩點的矛盾。張弓的獨特經歷也使得公司能夠利用中、美、歐等數十顆衛星和無人機實時採集地面和氣象數據，整合土壤、地塊、作物、農資等全方位信息。
張弓介紹，這些信息通過擁有自主知識產權的圖像解析和數據分析演算法，為現代農業產業提供全產業鏈數據支持和管理服務，提高農業管理的科技化水平和精細化管理能力。此外，佳格已經可以做到進行產值預判，從金融和貿易的角度，服務場內場外期貨公司、貿易公司。
農業4.0前夜
毫無疑問，中國農業生產正處於巨大變革之中。正如信息化和工業化的融合帶來了工業4.0時代，這片土地上的互聯網數據和傳統農業生產碰撞，正將中國的農業帶向4.0時代。農業4.0從2015年開始備受關注，這一年11月，《農村深化改革實施方案》公布，明確提出到2020年農業科技創新體系更加健全的目標。
農業部課題組曾對六省1072農戶數據進行調研分析，結果表明，信息化對農戶農業經營收入有重要影響。查詢農業信息的農戶比不查詢信息的農戶家庭農業經營收入要提高45.8%；使用過農業信息技術的農戶比未使用的農戶收入高14.3%。
這些數據僅僅是針對分散農戶做的信息技術調查。對於規模化生產者運用大數據科技手段後增收額的變化，官方尚沒有相關的數據，但這一改變生產方式的手段，對於農業增收的影響可想而知。
政府層面推動的現代農業4.0項目的代表是北京市大興區的500畝西紅柿，其中一個重要溫室大棚根據需要自動調整光線，西紅柿需要快速生長時光線是直射的，而需要慢慢生長時則調整到斜射的角度。由於物聯網技術的運用，這些西紅柿的生長可以實現全程可追溯。
專業的農業公司所面對的生產規模遠非500畝。僅僅東方集團的子公司東方糧倉在黑龍江省五常市就有13000畝優質水稻田。
孫明濤告訴經濟觀察報：「與佳格合作，就是要把科技引入農業，提高農業產量，降本增效，提升產業化水平;同時，雙方共同探索出一套成功的模式，激發行業內更多創新力，共同促進農業產業升級。」
雖然與自帶話題的BAT等傳統互聯網公司相比，大數據公司顯得有些低調，但卻在悄無聲息中消融行業邊界。佳格就是這樣，作為一家通過衛星和氣象大數據服務於農業、環境、金融等行業的大數據應用公司，佳格已經開始將前沿互聯網大數據融入到傳統農業中來。從技術本身來看，這家公司也是中國第一家將目標智能識別技術和機器學習技術應用於高解析度遙感影像領域、並率先實現商業化應用的公司。
對於未來的發展，張弓告訴經濟觀察報，佳格首先是從農業相關領域切入，做好農業種植板塊，得到種植經驗積累之後再逐漸向上下游推進。佳格不僅是農業大數據，更是以空間數據為核心。佳格在基礎技術平台上最主要的應用除了農業，還有金融、生態環保，並以這幾個應用為核心逐步拓展其他相關行業。

I. 農業大數據展望 六大領域數據亟待推廣

農業大數據展望：六大領域數據亟待推廣

隨著農業的發展尤其是農村電商的發展，農業上下游的農資銷售、農業生產、農產品流通數據以及與農業關聯的土地流轉、氣象、土壤、水文等數據，均獲得大規模積累沉澱，這些大數據將成為農業決策的「大腦」。

繼農村電商後，農業大數據獲得決策層關注。

在近期國務院印發的《促進大數據發展行動綱要》中，要求推進各地區、各行業、各領域涉農數據資源的共享開放，加快農業大數據關鍵技術研發，推動農業資源要素數據共享。商務部等三部委印發的《推進農業電子商務發展行動計劃》則強調，將移動互聯網、雲計算、大數據、物聯網等新一代信息技術貫穿到農業電子商務的各領域各環節，切實增強自主創新能力。

21世紀宏觀研究院認為，隨著農業的發展尤其是農村電商的發展，農業上下游的農資銷售、農業生產、農產品流通數據以及與農業關聯的土地流轉、氣象、土壤、水文等數據，均獲得大規模積累沉澱，這些大數據將成為農業決策的「大腦」，紓解當前農業產業鏈因信息不對稱產生的痛點，從而驅動農業向精準化、網路化、智能化轉變。

六大領域農業大數據亟待推廣

當前，中國農業正處在以小農經營為主向規模化、機械化、集約化過渡的階段。由於粗放生產、分散經營和農業自身的季節性、地域性特徵，信息不對稱，成為貫通農業產業鏈的共性問題。當前農業產業鏈令人頭疼的四大痛點問題，根源之一往往在於信息的缺失：

一是種不好。種植、養殖的人力物力消耗大，農產品質量相對不高。這大多與農業經營者對種養技術和對病蟲害、疫情信息把握不足有關系，也跟人力成本上升、使用假冒偽劣的農資產品有關；

二是銷不出。農產品滯銷、賣難問題多地頻發，這往往由於農業經營者對同類產品生產數據估計不足，盲目生產而造成集中上市，另一方面則是消費者對農產品質量缺乏足夠的信心；

三是地難租。擴大生產規模租不到地，這既與地塊分散、資金短缺有關，又與缺少土地流轉信息渠道相關；

四是錢難借。除了抵押物，農業經營者難以提供充分的信用數據，因而往往難以借到錢，這也限制其更新生產設備、擴大生產規模。

上述四大痛點問題，涉及到農業經營者與政府、上游的農資企業、下游的消費者、金融機構等多個主體之間的信息對接。21世紀宏觀研究院注意到，在打破「數字鴻溝」方面，國內已有不少機構、企業進行了初步探索。依據目前的探索，至少六大領域的大數據將發揮作用：

其一，生態環境數據，包括氣象、水文、土壤和病蟲害、動物疫情數據。這些數據是農業日常經營調整農業用水、農業產品投入的主要依據，准確掌握這些數據將有助於做到精準種植、養殖，減少資源浪費和成本投入。

其二，農業技術及農資流通數據。掌握農業技術能保障農產品高效、豐產，而基於農資流通數據的分析，則為農業經營者選擇農資產品提供判斷依據。種子、種苗的流通數據，亦可判斷某個品類農產品的生產規模，為調整規模的依據。

其三，農產品價格與農產品流通數據。生產規模的調節、生產品類的調整，必須要事前獲知農產品價格和各主產區的產銷情況。另外，通過B2B、B2C電子商務平台促使農產品供求信息對接，能拓展銷售市場，提高農產品價格。

其四，土地流轉數據。通過土地流轉供求雙方信息的對接，促使流轉更高效率，減少一方撂荒、一方找地的情況出現。

其五，農產品質量可追溯數據。通過上述的農資使用數據、生產流通數據的整合，可構建出從農場到餐桌的可追溯數據，以消除消費者對農產品質量的疑慮，提高農產品的購買率。

其六，農業經營者徵信數據。前述數據可納入銀行、農村信用社以及保險機構的徵信系統，作為發放貸款、設置農業保險的信用依據，以此推動金融和農業的融合。

21世紀宏觀研究院認為，隨著上述六大領域農業大數據的推廣應用，將降低交易成本，提高生產效率及產品品質，提升農產品交易效率。從本質上看，則是促進粗放分散式經營和規模化、集約化經營向精準化、智能化經營的轉變。

涉農部門需多方合力

圍繞著大數據與農業的融合，農業鏈條上的不同產業或迎來生態的轉變。

以大數據驅動下的單一農場為例，經營者將更多使用綠色、高效的農資產品，早已水漲船高的簡單勞動力將被替換，而適應大數據的知識型、技術型「新農業經營者」將有更多的用武之地。如適應「水肥一體化」的發展，水溶性肥料、液體肥將獲得發展，而此前大行其道的普通化學肥料將因為顆粒不能完全溶解而堵塞滴灌設備，則可能遭到市場的淘汰。

不過，需要指出的是，農業大數據技術多數還處在起步階段，未能做到足夠的智能化；承載農業大數據的農業物聯網、智能監測設備等售價過高；另外，由於推廣力度尚不大，農業經營者尚未有足夠認識。

21世紀宏觀研究院認為，當前無論是「電商下鄉」還是大數據產業，都處於初級階段。依託大數據技術廣泛推動農業發展，在短時間內並不現實。農業大數據市場還是一個充滿機遇、有待開發的市場。為此，需要政府部門、涉農企業、大數據企業和農業生產經營主體多方合力，共同推進農業大數據的示範與推廣。

對政府而言，首先應當推動大數據的基礎設施建設。這包含兩個方面，一是要大力推動通信基站、電信寬頻的建設，為各類農業經營者「觸網」、聯通大數據提供基礎；二是要盡可能開發政府掌握的各類涉農大數據，包括天氣數據、農業用地的各類元素含量數據、病蟲害和動物疫情的監測數據，以供農資企業合理調配生產，並制定針對各區域各品種的農資解決方案。

其次，政府需要提供政策支持，引導涉農企業、大數據企業構建以品種或區域為中心的農業大數據平台。讓農業大數據服務成為企業的直接盈利項目或配套的增值服務。

此外，還需要引導農業經營者主動向大數據農業轉型，對優秀案例做示範推廣，引導農業經營者學習「雲上的示範田」。

以上是小編為大家分享的關於農業大數據展望 六大領域數據亟待推廣的相關內容，更多信息可以關注環球青藤分享更多干貨

J. 托普雲農的發展歷程是怎樣的求詳細介紹

托普雲農的發展歷程主要分為夯實基礎、互聯戰略、平台戰略、運營戰略四個階段：
夯實基礎（1、托普1.0 農業精密儀器2、農業快檢儀器供應商3、成立研發中心4、構建種子、土壤、氣象、植物生理、植保等7大類，130餘種產品）
互聯戰略（1、托普2.0 農業物聯網2、農業儀器&農業物聯網解決方案服務商3、推進農業物聯網關鍵技術攻關和軟硬體開發4、率先實現農業物聯網裝備的聯網，進入互聯時代）
平台戰略（1、托普3.0 智慧農業雲平台2、智慧農業綜合解決方案服務商3、導入產學研一體化新模式，打造院士+院校+企業為一體的研發團隊4、構建了部、省、市、縣四級聯動農業雲平台）
運營戰略（1、托普4.0 農業大數據2、數字農業綜合服務商3、構建數字農業生態圈4、為政府、事業單位、企業、農民提供數字農業綜合數據服務）