本文转载自石时农业评论

作者：刘石

农业产业化专家

全国工商联农业产业商会副会长

进入21世纪之后，作为最古老的农业行业，在科技不断升级换代的基础上，又衍生出了全新新技术和概念。

他们从新的角度和更深的层面，正在改变着农业未来发展的面貌和内在逻辑。尽管这些技术还处在发展的早期，但是已经开始显现了强大的生命力和未来巨大的产业价值。

数字农业就是其中之一。

如何理解和定义“数字农业”，中外的各路专家、学者和产业专家有许多不同的解释，也存在着不少歧义和误区。

目前被常常提到的概念有：互联网+、智慧农业、精准农业、农业大数据、农业物联网、农业数字化等等。

数字农业，这是一个宽泛的和集合的概念。

一切用数字信息技术应用于农业科研和生产领域的实践，我们都可以称之为数字农业。

更具体的讲，数字农业就是将遥感技术、地理信息和定位技术、计算机技术、通讯和网络技术、自动化技术和人工智能等各种信息技术，与地理学、农学、生态学、植物生理学、土壤学等各种基础学科实现有机的结合，在农业生产全过程中，从宏观到微观，对农作物的生长发育状况，对影响农作物的自然环境，以及对影响农产品销售的市场环境，进行实时监测，定期获取信息并生成动态信息系统，对农业生产和经营中的现象、过程进行模拟和推演，以达到提升农产品产量和质量，降低生产成本，优化资源利用和改善生态环境的目的，以便获得更好收益，并促进农业可持续发展。

下面就数字农业不同内容的概念的内涵和外延，以及它们之间的相互关系做一个简单的介绍。

它是一个封闭的数控系统。在封闭的系统内，以探头、传感器、摄像头等设备为基础的物物相联。

它根据已经设定的模型和部分参数，监测环境的温度、湿度、光照的变化以及农作物的生长状况，自动地感知、识别和采集数据，并时时传导到中央控制室进行数据处理，然后根据设定的模型输出计算结果和操作指令，可以实现部分自动化和智能化操作。

农业物联网主要用于设施农业和物流系统。

它是一个开放的数据系统。它是在开放系统内，通过收集、鉴别和标识数据，并建立数据库，通过模型、参数和算法，组合和优化多维数据，为生产操作和经营决策提供依据，并实现部分自动化控制和操作。

主要用于大田大农业和全产业链的操作。

如何在开放、复杂和多变的环境中，通过各种设备和技术手段获取有关气象、土壤、环境、农业投入、农业生产过程、农作物生长状况，农产品产出，仓储物物流，市场变化、下游加工企业、消费者信息等的多方面的动态数据，并进行鉴别、标识、分析、处理和报告，为产业的所有参与者提供最有价值的信息、决策依据和操作建议，这是巨大的挑战。

它是一个以硬件为基础的农机单机操作系统。

它以农机单机硬件为基础，配以智能化探测设备和控制软件，根据对农机时空位置变换的感知和控制，根据对作物生长状况的识别，在数据、技术和智能决策的基础上，定位、定时、定量地实现精准的农事操作。

它是利用全球定位系统，地理信息系统，环境探测系统，作物自动成像和识别系统，自动控制系统等，实现不同环境中的场景配适，仿形能力，并实现高速运动中的无人驾驶，自动控制，精准操作以及变量控制（包括变量播种、变量施肥、变量喷药等）。

 它是建立在经验模型基础上的专家决策系统。

通过对已建立模型的不断迭代和升级，并在“深度学习”等人工智能的帮助下，它将具有自我学习、纠错和完善的能力，并在复杂和专业的领域，最终超越人类传统经验的综合判断和决策能力。

智慧农业是一个相对模糊的概念，因为“智慧”本身是形容词，也是相对的概念。在数字农业的大范畴中，只有少量和高端的部分才可以称之为“智能”或“智慧”。智慧农业可以和农业物联网，农业大数据和精准农业等互相结合，灵活应用。

在未来的农业产业发展中，农业大数据将会产生巨大的作用。所以我们有必要就这一概念进行梳理。

在这里，我们首先有澄清关于大数据的两个误读：

1.数据量大并不等于是大数据，虽然大数据的量确实非常大；

2.统计数据不是大数据，无论统计数据库多么庞大，数据如何多。

我们要区分大数据获得的技术和大数据应用技术，它们与大数据是不同的：

1.大数据获取技术 包括：探头、摄像头、传感器等探测技术，卫星、无人机等遥感技术，气象技术，图像识别技术，定位技术等；

2.大数据应用技术 包括：参数、算法、模型，小程序、APP、软件，功能、模块、系统、平台，云计算、区块链等；

3.大数据 不是什么数据都可以称为大数据。再次强调，统计数据不是大数据。典型的大数据包括：环境大数据，产业大数据和消费大数据。

世界著名的国际机构对大数据分别给出了各自的定义。但是，这些著名机构的定义都不能准确描述和揭示大数据产生过程和作用的本质。

1.美国Gartner大数据研究所

“大数据”是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力来适应海量、高增长率和多样化的信息资产。

2.麦肯锡全球研究所

一种规模大到在获取、存储、管理、分析方面大大超出了传统数据库软件工具能力范围的数据集合，具有海量的数据规模、快速的数据流转、多样的数据类型和价值密度低四大特征。

3.IBM公司

“5V特点”(非定义性描述）：大量（Volume）、高速（Velocity）、多样（Variety）、低价值密度（Value）、真实性（Veracity）

在定义大数据之前，我们先看看为什么统计数据不是大数据。

1.统计数据

在统计数据的分区、分级和定位的各个单项下，分别有不同的子项目，子项目下还有不同的子项目。

所有项目中的数据经过层层调查，归类和汇总，最终成为统计数据中被严格拆分和归类的单项数据。因而，在统计结构中，数据是被严格拆分的固化数值；

2.大数据

我们以产业大数据来举例说明。

产业可以划分为不同的生产环节，而每一个环节是由一个主要业务模型所主导和支配的。即在不同的生产环节中，生产者投入不同的原料（种子、化肥、农药等），在不同的条件（地区、气候、时间等）下，通过人为的干预和管理，会产生不同的结果（产量）。

大数据的目的不是客观地记录这些具体的数值，而是通过这些数值的记录，去归纳、总结和最终推导出能够产生不同变化和结果的逻辑关系和数据模型。

这些数据就是模型数据。

我们把所有的产业环节连在一起，就成为产业链数据。所以，在大数据结构中，数据是互相关联的变量要素。

3.大数据的定义

在论述和澄清了以上的各点，我们就可以给大数据下一个更加明确和贴切的定义：

大数据是通过应用软件或系统，自我产生和实时更新的，按一定逻辑关系关联的多维变量要素。

学以致用是我们的目的。

我们常常能够听到一些专家学者，官员和媒体在谈的所谓“数字农业”或“智慧农业”的时候，其实大多是农业数字化的内容。

因此，我们就要明确定义农业数字化与数字农业这两个截然各自的内涵是什么？它们之间的区别又是什么呢？

是基于行政管理逻辑，利用数字技术，对农业的生产和管理环节进行数字化和可视化改造，以便可以获取实时的横向统计数据，为其决策提供依据。它的基本特点是：

数量化：从定性到定量

即时性：软件系统自动获取

可视化：直观性和便捷性

全局性：宏观和综合，便于了解全局情况，及时规划和指导工作

基于产业逻辑，以数据和模型为基础的，科学化和智能化的生产和经营的纵向决策流程。其基本特点是：

典型化：生产和经营的典型场景选取

标准化：生产和交易流程规范化

操作性：生产和交易主体自我操作

智能化：通过数据反馈，不断迭代升级；并具有学习、自适、改善和优化的决策能力

通过以上的不同特征我们可以了解到：

农业数字化 多是政府和科研机构主导的，对某些局部环节做的数字化改造，它是以管理和指导为目的设置的，是横向和宏观逻辑，它的操作主体也主要是由政府部门来主导的；

数字农业 主要是农业产业的从业者（生产者、交易者和企业），是以生产和经营为的具体过程为导向设计和实施的，是纵向和微观逻辑，它的操作主体是生产者和企业。

总体上讲，虽然“数字农业”目前还处于发展的早期和探索阶段。但是，它是从更加宏观和全面的角度，切入和渗透农业产业链的各个环节和末梢，使得以经验为基础的产业开始向数字化转变的艰难过程，并从机体的每一个细胞去改变传统的运行逻辑。

即便是面对蹒跚学步的新生巨人，我们应该保有足够的发自内心的关注和敬畏。