1. 业奇农业网 > 技术 >

在中国可以大范围推广农业物联网吗

我国虽是农业大国,但农业生产方式落后,生产力水平低下,科技含量不高,而且近年来又出现农田环境污染等新问题,已威胁到粮食安全。目前提倡的现代农业精细化生产与物联网技术结合有着巨大的市场需求空间,希望借助物联网技术,加快转变农业发展方式,推进农业科技进步和创新,提高土地产出率、资源利用率和劳动生产率。经过梳理,农业生产领域的物联网应用主要包括三个方面:

在中国可以大范围推广农业物联网吗

农业资源和生态环境监测。实现对资源与环境的实时监测、科学调配、统一管理。一是通过集成各种传感器技术,对农用地类型、等级质量指标以及农业水资源水文与水质等关键指标进行自动监测,实现农用地和水资源数量、等级、质量一体化的快速监测与管理。二是通过集成各类生态环境感知技术,对农业生态环境污染、农业面源污染和对危害农作物生长的空气污染指标实现动态监测,保护农业生态环境。

精细农业生产管理。一是实现粮食作物精耕细作,包括远程病虫害诊断、远程精准施肥、精准灌溉、精准施药、智能测产、农机智能指挥调度、农资物流智能配送等。二是实现畜禽水产健康养殖,包括自动饲喂、自动管理、自动监控,优化饲料转换率,完善良种繁育体系,提高养殖产品质量安全水平以及疾病防治能力。三是实现精细设施农业,实现设施环境精确监控,提高产量和品质、降低生产成本。四是实现果园精细化管理,实现水、肥、药的精量控制和病虫危害行为的预防,提高果品品质和产量。

农产品质量安全溯源。通过对农畜产品(如肉、禽、蔬菜、奶制品、海鲜等)进行标识,实现从生产、加工、运输到销售等全流程的可追溯、数据共享与透明管理,保障质量安全,扩大农产品销售。

除用于农业生产领域以外,物联网技术还与新农村建设的基础设施、生态环境、文化生活、社会保障各个方面的需求相结合,如通过加强对农村基础设施如道路、水电、广播、通信等配套设施的监控提高农民生活质量,通过加强对农民居住生态环境的监控,对山体滑坡、泥石流等自然灾害做到提前预警,保障农民生命财产安全,从而使广大农民群众和城市居民一样享受科技进步带来的生活便利。

应用推广遭遇三大障碍

近年来,农业生产领域物联网应用实践主要集中在设施农业生产环境监控、土壤墒情监测、农产品质量溯源以及粮食储运等环节,应用开展得有声有色,不过实施过程也暴露出农业领域物联网应用推广存在的三方面问题:

现有农业生产经营模式制约物联网应用规模化发展。目前,我国农业基本是包干到户、分散经营的小农经济,不适合物联网应用的大规模推广。个体农户要部署诸如土壤养分检测和配方施肥的应用只能自购设备,这样单体使用的方式,成本高,风险大,效益也不明显。目前,设施农业发展得较有起色,也是由于大棚或果园的小范围和可控性,易于管理,且能够在成本和效益之间找到平衡。然而真正的农业生产应用应该是面向大面积的室外田地而非大棚,而室外大田缺乏统一的大面积的规划和管理,这种生产经营方式是阻碍农业物联网应用大范围推广的根本问题。

物联网应用基础设施建设成本较高造成应用推广困难。物联网应用首先要部署传感器,农用传感器多为土壤监测、水质监测等化学类传感器,而传感器成本较高则是难以突破的瓶颈。如测温度、湿度、二氧化碳浓度的传感器价格昂贵,后期维护成本又高,而农作物利润率普遍较低,因此物联网应用部署投入产出比不高,使得农民部署意愿不强。所以物联网应用对普通农作物目前还不适用,只能用于对成本不敏感的农作物,如稀有花卉、水果、药材等的种植。

物联网技术产品尚不成熟,设备性能远远低于应用预期。和环保等其他行业应用领域一样,传感器的可靠性、稳定性、精准度等性能指标不能满足应用需求,产品总体质量水平亟待提升。如土壤墒情监测传感器、二氧化碳浓度的传感器、叶表面分析仪等技术和设备还不成熟,且设备需要长期暴露在农田自然环境之下,经受烈日狂风暴雨,经常出现故障,严重影响使用。部分用户的口碑显示,同类传感器设备,国外进口产品三年才需要进行维护,而国内产品三个月即需要维护,性能差距较大。虽然国内产品价格上占优势,但由于严重影响应用实施的效果,极大地挫伤了用户使用的积极性。用于生猪溯源的耳标掉标率高,且RFID受湿度影响识读距离不稳定,且经常误读。此外,产品(包括软件)在易操作性方面也有待提高。

云计算与大数据概述

云计算(cloud computing)是基于互联网的相关服务的增加、使用和交付模式,通常涉及通过互联网来提供动态易扩展且经常是虚拟化的资源。云是网络、互联网的一种比喻说法。过去在图中往往用云来表示电信网,后来也用来表示互联网和底层基础设施的抽象。狭义云计算指IT基础设施的交付和使用模式,指通过网络以按需、易扩展的方式获得所需资源;广义云计算指服务的交付和使用模式,指通过网络以按需、易扩展的方式获得所需服务。这种服务可以是IT和软件、互联网相关,也可是其他服务。它意味着计算能力也可作为一种商品通过互联网进行流通。

大数据(big data),或称海量数据,指的是所涉及的资料量规模巨大到无法透过目前主流软件工具,在合理时间内达到撷取、管理、处理、并整理成为帮助企业经营决策更积极目的的资讯。大数据的4V特点:Volume、Velocity、Variety、Veracity。

从技术上看,大数据与云计算的关系就像一枚硬币的正反面一样密不可分。大数据必然无法用单台的计算机进行处理,必须采用分布式计算架构。它的特色在于对海量数据的挖掘,但它必须依托云计算的分布式处理、分布式数据库、云存储和虚拟化技术。

大数据管理,分布式进行文件系统,如Hadoop、Mapreduce数据分割与访问执行;同时SQL支持,以Hive+HADOOP为代表的SQL界面支持,在大数据技术上用云计算构建下一代数据仓库成为热门话题。从系统需求来看,大数据的架构对系统提出了新的挑战:

1、集成度更高。一个标准机箱最大限度完成特定任务。

2、配置更合理、速度更快。存储、控制器、I/O通道、内存、CPU、网络均衡设计,针对数据仓库访问最优设计,比传统类似平台高出一个数量级以上。

3、整体能耗更低。同等计算任务,能耗最低。

4、系统更加稳定可靠。能够消除各种单点故障环节,统一一个部件、器件的品质和标准。

5、管理维护费用低。数据藏的常规管理全部集成。

6、可规划和预见的系统扩容、升级路线图。

云计算与大数据的关系

简单来说:云计算是硬件资源的虚拟化,而大数据是海量数据的高效处理。虽然从这个解释来看也不是完全贴切,但是却可以帮助对这两个名字不太明白的人很快理解其区别。当然,如果解释更形象一点的话,云计算相当于我们的计算机和操作系统,将大量的硬件资源虚拟化后在进行分配使用。

可以说,大数据相当于海量数据的“数据库”,通观大数据领域的发展我们也可以看出,当前的大数据发展一直在向着近似于传统数据库体验的方向发展,一句话就是,传统数据库给大数据的发展提供了足够大的空间。

大数据的总体架构包括三层:数据存储,数据处理和数据分析。数据先要通过存储层存储下来,然后根据数据需求和目标来建立相应的数据模型和数据分析指标体系对数据进行分析产生价值。

而中间的时效性又通过中间数据处理层提供的强大的并行计算和分布式计算能力来完成。三者相互配合,这让大数据产生最终价值。

不看现在云计算发展情况,未来的趋势是:云计算作为计算资源的底层,支撑着上层的大数据处理,而大数据的发展趋势是,实时交互式的查询效率和分析能力,借用Google一篇技术论文中的话:“动一下鼠标就可以在妙极操作PB级别的数据”,确实让人兴奋不能止。

本文由用户上传,如有侵权请联系删除!转转请注明出处:https://nongye.s666.cn/js/5_6571049999.html