背景：
日益膨胀的人口规模与日渐短缺的资源之间的矛盾在全球各个产业中都呈现出持续加重的趋势，尤其是处在人口和资源中间、与两者相关性最高的农业。数字经济快速发展背景下，数字农业应运而生。数字农业是将数字化信息作为农业新的生产要素，用数字信息技术对农业对象、环境和全过程进行可视化表达、数字化设计、信息化管理的新兴农业发展形态，是数字经济范畴下用数字化重组方式对传统产业进行变革和升级的典型应用之一。与数字农业相比，传统农业主要依靠过去积累的经验或手艺来进行判断决策和执行，以人为核心，这也导致了整体生产环节效率低、波动性大、农作物或农产品质量无法控制等问题。而在数字农业模式中，通过数字化设备比如田间摄像头、温度湿度监控、土壤监控、无人机航拍等，以实时数据为核心来帮助生产决策的管控和精准实施，并通过海量数据和人工智能对设备的预防性维护、智能物流、多样化风险管理手段进行数据和技术支持，进而大幅提升农业产业链运营效率并优化资源配置效率等。
数字农业推动未来发展
传统农业与数字农业的核心因素对比现在普遍认为，数字农业是一个集合概念，主要包括4个方面：农业物联网、农业大数据、精准农业、智慧农业。1 国内外数字农业的发展历程国外计算机及信息技术在农业上的应用发展阶段① 20世纪50～60年代，农业应用计算机技术的重点在农业数据的科学计算，促进农业科技的定量化；② 70年代，农业应用计算机技术处理农业数据，重点发展农业数据库；③ 80年代，以农业知识工程、专家系统的研究为重点；④ 90年代，应用网络技术，开展农业信息服务网络的研究与开发；⑤ 21世纪，采用标准化网络新技术，实施三维农业信息服务标准化网络连接新阶段。发达国家通过计算机网络、遥感技术和地理信息系统技术来获取、处理和传递各类农业信息的应用技术已进入实用化阶段。相对于发达国家，中国数字农业较国外起步较晚，早期发展以政府政策引导和资金支持为主。1990年，国家科技部推出863计划，支持计算机研究农业智能应用系统，包括鱼病防治、苹果生产管理专家系统在内的5个专家项目研究平台，研发了200多个实用专家系统，并在全国22个示范区应用。1998年七五期间，国家领导人在中国科学院和中国工程院院士大会上提出了发展数字中国的战略。随后，数字农业数字城市、数字水利等的探索与研究在中国全面展开。2003年国家863计划将大规模现代化农业数字化技术应用研究与开发列为重大科技专项进行研究，并取得阶段性成果。从2013年开始，国家农业部在天津、上海、安徽三省市率先开展了物联网区域试验工程，对采集农业实时数据和物联网应用方面进行了探索。2015年，随着大数据的战略地位提高，农业大数据也成为新焦点，年底，《农业部关于推进农业农村大数据发展的实施意见》发布，国家为农业＋大数据的发展应用指明了方向、重难点。2017年，农业部正式设立数字农业专项，加快中国农业现代化、数字化进程发展。随着政府对数字农业的支持与引导，中国企业在农业信息采集技术、动植物数字化虚拟设计技术、农业问题远程诊断、嵌入式手持农业信息技术产品、温室环境智能控制系统、数字化农业宏观监测系统等方面的研究应用上，都取得了重要的阶段性成果，通过不同类型地区应用示范，初步形成了中国数字农业技术框架和数字农业技术体系、应用体系和运行管理体系，促进了中国农业信息化和农业现代化进程。2019年4月20日，《2019全国县域数字农业农村发展水平评价报告》在2019中国农业展望大会上发布。报告显示，2018年全国县域数字农业农村发展总体水平达到33%，其中，农业生产数字化水平达到18.6%。中国农业生产数字化改造虽然快速起步，但和国际发达国家相比，还有很长一段路需要走。报告从不同的行业分析，中国农作物种植数字化水平为16.2%，设施栽培信息化水平为27.2%，畜禽养殖信息化水平为19.3%，水产养殖信息化水平为15.3%。这些数字技术包括生产环境监测、体征监测、农作物病虫害和动物疫情精准诊断及防控等方面，被率先应用在经济效益较高的行业。
数字技术助力传统农业转型升级
2.1 物联网农业数据实时获取，奠定农业数字化基础。物联网在农业领域应用范围广泛，基于物联网的农业解决方案，通过实时收集并分析现场数据及部署指挥机制的方式，达到提升运营效率、扩大收益、降低损耗的目的。可变速率、精准农业、智能灌溉、智能温室等多种基于物联网的应用将推动农业流程改进。物联网科技可用于解决农业领域特有问题，打造基于物联网的智慧农场，实现作物质量和产量双丰收。
2.2 大数据决策数字化，全面提升生产效率。万物互联在推动海量设备接入的同时，也将在云端生成海量数据。而挖掘这些由物联网产生的大数据中隐藏信息的方法就是利用人工智能。物联网最核心的商业价值就是将这些海量的数据进行智能化的分析、处理，从而生成基于不同商业模式的各类应用。
2.3 人工智能潜力巨大，激活农业高效发展 在种植领域，人工智能有望提高粮食产量、减少资源浪费。在养殖领域中，利用人工智能可以有效降低疾病造成的损失。人工智能缩短农业研发进程。在实验室和研究中心，机器学习算法能够帮助培育更好的植物基因，创造更安全、更高效的农作物保护产品和化肥，并且开发更多的农产品。
（本文来自转载，若有侵权行为，麻烦尽快联系我们进行删除）
