农业信息化建设的实证研究——以山东省为例

【目的】信息化是当今世界发展的大趋势,是推动中国经济社会变革的重要力量。山东作为中国农业大省,农业发展受资源约束日益加剧,农业产业升级转型需求迫切。而作为中国第一个国家农村农业信息化示范省,山东省率先开展了信息化推进和提升现代农业发展的尝试。通过分析总结山东省农业信息化发展的实践与成效,进一步验证信息化在现代农业发展中的巨大作用,总结可借鉴的经验模式,以期为全国其他省份开展农业信息化建设提供参考。【方法】通过实地考察和座谈的方式了解山东省农业信息化发展的现状和问题,并以调研获取的数据为依据进行定量研究,不仅从宏观角度上把握山东省农业信息化建设的实践与成效,而且有针对性地提出农业信息化政策措施。【结果】山东省主要开展了省级农村农业信息化综合服务平台建设,“三网融合”信息服务高速通道建设,基层信息服务体系建设,示范工程建设,长效机制的探索工作。目前,省级农业信息化综合服务平台初步建成并试运行,建成了覆盖面广、快速便捷的农业信息服务高速通道,在全省范围内建设了2 000多个示范性基层信息服务站点,围绕蔬菜、果树、畜禽、水产等重点产业开展了科技信息服务、电子商务、农业物联网等示范工程,推广应用了一大批信息化成果,探索建立了农业信息化工作长效机制,有力推动了山东省现代农业发展和新农村建设,促进了信息化与农业现代化的融合发展。【结论】农业信息化是现代农业发展的重要支撑,是农业现代化水平的重要体现,是农业现代化建设的重要内容,也是实现农业增效、农民增收、农村发展的关键举措,以信息化推进现代农业发展,是山东省乃至全国发展农业信息化,实现“四化同步”的最佳路径。     

基层农业信息内容服务的优先序研究

研究基层农业信息服务内容的优先序列能够为提高农业信息服务质量提供重要依据。采用问卷调查法,系统地分析并得出了基层农户对目前农业信息服务需求内容的优先序列;并按家庭年收入、年龄、文化程度不同对农户分组进行信息需求的优先序研究。结果表明,农户最需要的农业信息服务内容首先是农产品市场信息,其次是气象环境、农业新闻、政策法规等。并对结果进行分析,为我国农业信息服务工作提出建议。     

基于改进深度信念网络的池塘养殖水体氨氮预测模型研究

水体氨氮是影响水产养殖质量和产量的关键参数之一。然而,池塘养殖环境复杂多变,氨氮含量影响因子众多,且各因子之间相互关联并呈现非线性变化,同时,获取的数据存在大量噪声。因此,采用数学方法及传统神经网络很难精准预测氨氮含量,且在进行数据训练时存在局部收敛和计算效率差的问题。针对上述问题,首先,通过主成分分析筛选影响氨氮含量变化的主要因子作为模型输入,利用小波阈值方法实现噪声消除;然后,提出一种基于粒子群优化算法(particle swarm optimization, PSO)并结合多变量深度信念网络(multi-variable deep belief network, MDBN)预测模型,对池塘养殖水体溶解氧预测,并与传统最小二乘支持向量机、BP神经网络、DBNs(deep belief networks)模型进行了比较分析。研究结果表明,该文所提方法其平均百分比误差(mean absolute percentage error,MAPE)为0.1172,与传统最小二乘支持向量机、BP神经网络、DBNs方法进行对比,其MAPE分别降低了0.285 9、0.214 6、0.013 9。除此之外,随着样本数量增加,其模型绝对误差不断降低。因此,该文所提方法具有高的预测精度及泛化性能,研究可为池塘水体氨氮含量精准预测提供理论依据和参数支持。     

基于集合经验模态分解和人工蜂群算法的工厂化养殖pH值预测

针对单一预测模型预测养殖pH值精度低等问题,提出集合经验模态分解(ensemble empirical mode decomposition,EEMD)和改进人工蜂群算法(improve artificial bee colony,IABC)相结合的南美白对虾工厂化养殖pH值组合预测模型。在建模过程中,利用EEMD算法对原始pH值时间序列进行多尺度分解,得到一组平稳、互不耦合的子序列;根据各子序列变化特征选择适宜的单项预测方法并建模,通过改进人工蜂群(IABC)算法优化复杂非线性组合预测模型目标函数权重系数,构建了工厂化养殖pH值非线性组合预测模型。利用该模型对广东省湛江市2014年9月8日-2014年9月15日期间工厂化养殖pH值进行预测,结果表明,该预测模型取得了较好的预测效果,与模拟退火优化BP神经网络(simulated Annealing-BP neural network,SA-BPNN)和遗传算法优化最小二乘支持向量回归机(genetic algorithm-least square support vector regression,GA-LSSVR)对比分析,模型评价指标平均绝对百分比误差MAPE、均方根误差、平均绝对误差MAE和相关系数R2分别为0.0035、0.0274、0.0224和0.9923,均表明该文提出的组合预测模型具有更高预测精度,能够满足实际南美白对虾工厂化养殖pH值精细化管理需要,也为其他领域pH值预测提供参考。     

溶解氧智能传感器补偿校正方法研究与应用

本文针对影响C lark溶氧电极输出信号的主要因素,采用IEEE1451.2智能传感器的设计思想,研制了具有温度补偿和自校准等功能的溶解氧智能传感器。该智能传感器温度补偿算法采用曲线拟合法,零点和斜率可以通过校准程序自动修改。系统设计采用低电压、低功耗芯片,适用于电池供电的无线传感网络。测试结果表明,采用该补偿校准方法可以明显改善C lark溶解氧传感器的测量精度、使用寿命和适用范围。     

我国农业信息化贡献率测算方法实证研究

研究了农业信息化贡献率的测算方法,首先采用层次分析法构建了适合我国国情的农业信息化水平评价指标体系,并运用综合指数法测算出2007—2016年各年度的农业信息化水平指数。在此基础上,运用经济增长理论构建了加入信息化要素的C-D生产函数,通过回归分析研究了农业信息化与农业经济增长之间的相关关系,计算出近年来我国农业信息化对农业经济增长的贡献率。     

农业物联网技术研究进展与发展趋势分析

以人力为主的现有生产模式与劳动力持续减少、人均农业资源匮乏与农业资源利用率低、新农民年轻化与一线劳动力老龄化是阻碍我国农业实现现代化的主要矛盾。依赖智能装备实现精准化、自动化和智能化的农业生产,提高农业生产率、资源利用率和土地产出率,是解决以上矛盾的重要途径。农业物联网是以挖掘农业生产力、提高农业装备精准化水平、实现农业生产智能化的新兴技术,集农业信息感知、数据传输、智能信息处理技术于一体,并根据大田种植、设施园艺、畜禽养殖、水产养殖以及农产品物流的重大需求,形成典型的产业应用。本文重点总结了近年来农业信息感知方向在农业个体标识研究与感知机理、工艺的最新发现、农业信息传输方向在低功耗广域网的最新成果、农业智能信息处理方向在农业大数据技术与农业人工智能技术的重大突破,提出以农业业务模型驱动农业业务控制、以设备管理设备的农业物联网架构,人的主要角色是实时数据与价值信息的消费者,农业物联网驱动的农机装备智能化作业是最主要的劳动力来源;进而对比国内外农业物联网技术应用与集成现状,分析农业物联网发展的制约因素,提出我国农业物联网发展策略,最终得出农业物联网技术的未来研究重点与发展方向。     

农业4.0——即将到来的智能农业时代

人均资源匮乏、劳动力短缺、环保形式紧迫是始终贯穿我国农业现代化发展的科学难题,农业4.0是农业现代化建设的深度发展阶段,以更高层次的集约度、精准度、协同度实现精准、智能的农业生产,从根本上解决上述三大难题。文章首先对农业4.0进行定义,简述了发展农业4.0的重大意义,总结了农业1.0到农业4.0各阶段的劳动手段与特征;通过生产条件、综合需求、发展瓶颈3个方面的分析,阐明农业代际演进的推力、引力及压力;以全国范围内的代际分布比例数据描述代际演进状态,预测全国范围农业1.0至4.0的代际演进趋势,并基于技术成熟度曲线图得出未来农业代际演进的主要驱动技术是大数据、云计算、物联网和人工智能等技术,得出农业各代际演进过程的动态跃迁特性,指出农业4.0的实现时间预计为2070年。随后从生产力、资源配置的角度,提出农业4.0的发展策略,明确发展目标,指出要重点围绕大田种植、设施园艺、畜禽养殖和水产养殖,针对局部农业特点、“三农”发展趋势、城乡一体化需求,遵循市场与产业发展规律,着力供给侧结构性改革的发展思路,依次完成农业2.0先导发展、农业3.0主体发展,最终攻坚关键难题,实现农业4.0的全覆盖。     

力推数字技术与农业农村的深度融合

近日,农业农村部、中央网信办正式发布《数字农业农村发展规划(2019—2025年)》。《规划》的实施必将开启我国数字农业农村建设的新篇章,有效促进农业生产精准化、农业经营网络化、乡村治理数字化。第一,大力推进农业生产精准化。从世界发达国家农业现代化进程看,都先后经历了从机械化到数字化再到智能化的发展过程。     

日光温室黄瓜叶片湿润传感器校准方法

叶片湿润时间是日光温室作物病害预警系统的关键输入因子,叶片湿润传感器可以实现对其实时、自动化监测,而由于叶片湿润时间受到环境和植物交互效应的影响,需要在日光温室实际环境中校准。以夏末秋初的日光温室盛果期迷你黄瓜为试材研究校准方法。叶片湿润传感器角度为45°,采用移液枪向传感器喷水和使传感器与实际湿润叶片接触两种方法来确定传感器的干湿阈值;比较了传感器与叶缘、叶尖、叶背面接触及位于叶片下方4种布置方法的监测效果;并考察了有无雨条件对传感器测量的影响。结果表明：叶片湿润传感器与实际湿润叶片接触的情况下得到干湿阈值6,此时传感器的监测效果较好,误差在1 h左右;传感器与叶缘、叶尖接触时的监测准确率较高,达到0.75～0.83;传感器在无雨条件下监测效果要好于有雨条件。总体来看,该叶片湿润传感器校准方法可以用于日光温室黄瓜叶片湿润时间监测,符合日光温室黄瓜病害预警系统的要求。