自“数字地球”概念提出以来，全球数字信息化发展迅猛，数据呈爆炸式增长和海量聚集。 现已进入大数据发展的新阶段。 世界各国把推进经济数字化作为创新发展的重要驱动力，在前沿技术研发、数据开放共享、人才培养等方面进行了前瞻性部署。 美国、欧洲、日本等国家和地区抓住数字革命的机遇，纷纷出台“大数据研发计划”、“农业科技战略”和“农业发展4.0框架”，广泛应用数字技术。将技术应用于整个农业生产活动和经济环境，加快发展数字农业，激活数字农业经济，快速成为数字农业强国。

当前，我国正处于传统农业向现代农业转型的关键时期。 数字技术为解决我国“三农”问题提供了新思路、新思路。 党中央、国务院历来高度重视数字农业发展。 党的十九大提出建设科技强国、网络强国、数字中国、智慧社会等发展目标，并对推动互联网、大数据、人工智能深度融合作出战略部署。情报和实体经济。 习近平总书记明确指出，要审时度势、周密谋划、未雨绸缪，努力主动作为，实施国家大数据战略，加快数字中国建设。 推进数字农业发展，是建设数字经济、数字中国的重要内容。 《中华人民共和国国民经济和社会发展第十三个五年规划纲要》、《国家信息化发展战略纲要》、《新一代人工智能发展规划》、《国家农业现代化计划（2016~2020年）”等数字化、信息化的发展使得

重要部署明确要求，推动数字信息技术和智能装备在农业生产经营中的应用，建立健全数字化、网络化、智能化的农业生产经营体系，加强耕地、草地、草地等重要资源的网络化。和水，以及主要的农业投入品。 监测，完善农业信息监测预警和服务体系，提高农业生产全过程信息服务和数字化管理能力。

数字农业涉及多部门、多领域、多学科的交叉融合新农村建设，具有独特的系统性和复杂性。 对其关键理论和技术创新的研究已成为数字农业建设的基础和优先任务，也是当前国际农业信息化学科。 的前沿和热点研究问题之一。 基于此，本文在阐述数字农业内涵的基础上，系统梳理和总结了国内外数字农业的研究进展，分析了数字农业未来的发展趋势，提出了数字农业的重点研究领域。以发展和丰富数字农业学科体系，为推动我国数字农业未来发展提供借鉴。

1 数字农业的内涵

“数字农业”概念于1997年由美国科学院和美国工程院正式提出。1998年，美国副总统戈尔在阐述“数字地球”概念时，界定了数字农业的内涵。农业。 简单来说，数字农业就是农业的数字化。 它是利用现代信息技术数字农业，对农业对象、环境和全过程进行可视化表达、数字化设计和信息化的现代农业。 具体来说，就是将遥感、地理信息系统、全球定位系统、物联网、智能装备等现代信息技术与地理学、农学、生态学、植物生理学、土壤学等基础学科有机结合起来。 将要素、过程和管理以二进制和模型的形式表示，构建以数字化、网络化、自动化为特征的计算机管理和应用系统，辅助农业生产的科学决策、调控和管理。 数字农业使数字技术与农业各方面深度有效融合，改造传统农业，转变农业生产方式，促进农业资源在空间上的优化配置和时间的合理利用，提高农业生产效率，降低生产成本，实现农业绿色化。 发展和可持续发展意义重大。

数字农业与信息农业、精准农业、智慧农业既有联系又有区别。 它们的共同点是以数字资源为基础，以信息技术为支撑，旨在促进农业生产力和经济发展。 数字农业是以农业信息化为内涵，强调数字特征的本质作用，强调信息技术在各个环节的应用。 信息农业是农业信息化、农村信息化等产业和社会范畴的概念。 精准农业是通过智能化农业机械对信息和数据进行精确分析、指令和控制，实施精准耕作措施的农业生产模式。 智慧农业是精准农业理念与智慧理念相结合，从种植业向规模化农业延伸，实现农业全要素、全链条、全行业、全产业链的数字化、网络化、智能化。整个地区。

2 数字农业研究与应用现状

2.1 国外数字农业研究与应用

国外对数字农业的研究较早，尤其是美国、德国、日本等发达国家在数字农业研究方面处于领先地位，形成了科学的理论和技术体系。 美国一直非常重视数字农业的研究。 早在20世纪80年代，雨鸟公司和摩托罗拉等公司就联合开发了智能中央计算机灌溉控制系统，将计算机应用于温室控制和管理。 20世纪90年代发展起来的温室计算机控制管理系统，可以根据温室作物的特点和要求，自动调节光、温、水、气、肥等多种因素，还可以利用温差管理技术实现花卉、水果和蔬菜的控制。 控制其他产品的开花和成熟阶段。 目前世界上最大的农业中心网络是内布拉斯加大学的 AGNET 在线网络。 在美国，41.6%的家庭农场、46.8%的奶牛场和52%的年轻农民使用电脑进行网络信息交流。 有专业的农业技术服务机构，为农民提供农业信息，服务于农业生产管理和精细化养殖。

美国LACIE计划和计划利用遥感、地理信息系统等技术估算美国和世界不同地区各种粮食作物的面积，评估其生长情况，监测和预测作物总量，为农业生产管理提供客观准确的信息，为农产品贸易提供指导。

欧盟实施的MARS计划利用卫星遥感监测农作物种植地块，为其农业补贴政策的实施提供了准确依据。 欧盟利用视觉传感器实时感知动物的摄食、运动、体重等重要信息，并通过声音传感器提取动物疾病信息。

德国在数字农业核心技术的研发上投入了大量资金，开发由大企业主导。 德国致力于农业智能机械装备的研发，为数字农业提供综合解决方案。 目前，德国农业生产领域的大部分操作都是由计算机完成的。 辅助决策系统为农户提供多种咨询服务。 适宜的小麦品种。

日本在物联网技术的研发方面取得了显着进步。 50%以上的农民使用物联网技术，92%的农业生产部门应用农业自动化技术。 已有77个蔬菜市场、23个畜产品市场接入农副产品信息中心，为农业协会提供农副产品产地、价格等信息，实现产销精准对接。 此外，英国和法国建立了农业大数据系统，推动精准农业的发展。 在美国和日本，农用航空植保精准作业面积达到50%以上，大大提高了农业生产效率。

2.2 国内数字农业研究与应用

2.2.1 农业数据信息资源建设

农业数据信息资源建设是数字农业的基础。 通过野外采样、GPS采样、智能农机作业、多平台遥感等技术手段，我国对土地资源、水资源、气候资源等进行了详细调查，建立了不同信息资源的数据库。 同时建立了中国农林文献数据库、中国农业文摘数据库、农牧渔业科技成果数据库、中国畜牧业综合数据库、农业合作经济数据库等具有代表性的农业数据库。 随着卫星遥感技术和地面物联网的发展，农业信息的获取需要对天空和地面进行多层次的监测，以获取更详细的农业数据信息，重点从海量数据中提取有用信息以减少数据库冗余。 建立合理有效的农业数据库和数据集。

2.2.2“3S”技术

RS（遥感）、GIS（地理信息系统）、GPS（全球定位系统）等“3S”技术是数字农业的核心技术。 20世纪80年代，开展农作物遥感测产研究与试验，在北方11个省市建立了冬小麦气象遥感测产操作系统。 农业部先后开展了北京、天津冬小麦、浙江嘉兴、杭州水稻、北方六省市小麦遥感测产试验。 国家“八五”期间，农作物遥感测产成为国家科技攻关的内容，开展了小麦、玉米、水稻等大尺度遥感测产试验，北方草原草畜平衡动态监测研究. 中国科学院“九五”重大专项支持项目“中国资源与环境遥感信息系统与农业快报”，实现了研究方法从常规方法与遥感技术相结合向资源卫星，建立了“北方冬小麦气象卫星遥感动态监测与测产系统”。 1990年代以来，农业部组织全国农业遥感科研力量，经过多年攻关，建立了全国主要农作物遥感测产操作系统，并于2002年正式投入业务运行。目前，我国水稻、玉米、小麦、大豆、棉花、油菜、甘蔗等七大主要农作物的种植面积、长势、产量和土壤水分监测持续开展，冬小麦遥感监测、美国的玉米、大豆，巴西和阿根廷的大豆已经开展。 印度冬小麦、加拿大春小麦和澳大利亚冬小麦的产量监测试验。 同时，组织完成了对国内主要水稻、小麦、玉米产区、东北大豆、新疆棉花的背景调查。 首次利用遥感技术实现对国内主要农作物种植面积和空间分布的基础调查。

2.2.3 农业仿真模型与专家系统

农业模型将农业科学从经验层面提升到更精确的层面。 农业模型包括农业生物模型、环境模型、技术模型和经济管理模型。 目前，对农业生物模型，尤其是农业植物模型的研究较多，而对动物模型的研究较少。 在农业植物模型方面，一般都是引进国外的模型。 通过修正和验证，建立了水稻、玉米等作物的形态虚拟和生长模拟模型。 闫定春等人应用组件化设计思想，采用标准化接口和模块化封装技术，建立了数字玉米生长模型。 于和龙等。 采用改进的BP神经网络积分方法建立作物精准施肥模型。 刘铁梅等对油菜各器官干物质分布动态的定量模拟。 柳岩等。 基于生物量的水稻叶片主要几何属性模型研究. 杨悦等。 对小麦生育期模拟模型进行了对比研究，利用不同地点、播期、密度和极端条件下的实验数据对三种引进模型进行了测试。 模拟更准确。随着3S技术的发展，作物模型与RS、GIS相结合

结合RS和GIS的应用，扩大了作物模型的应用范围。

专家系统利用智能计算机系统内部专家的知识水平和经验，模拟专家解决相关问题。 是我国数字农业研究最早的领域。 取得了很大的成效，被广泛应用于作物施肥、灌溉、病虫害防治、水土保持等领域。 如80年代开发的砂浆黑土小麦施肥专家咨询系统和农作物病虫害预测专家系统，90年代开发的土坝事故诊断专家系统等。 2003年，吉林大学开发了人参、玉米、水稻、蔬菜和畜牧业生产多媒体智能系统。 随后，国内多位学者相继开发了玉米精准施肥专家系统和测土配方施肥专家指导系统。 2012年，何平等人开发了作物养分管理专家系统，并在河北、山东、山西、河南4个省市的农民中进行了试验，取得了良好的效果。 孙敏等研究了蔬菜作物病害诊断与防治管理专家系统。

2.2.4 智能装备及自动控制

我国的智能化农机装备都是从国外引进，自主研发的。 黑龙江农垦是我国机械化程度最高的农场集团。 智能农机装备广泛应用。 先后从美国引进带GPS自动驾驶装置的变量喷药机、450马力拖拉机、带产量监控系统的收割机，为生产决策提供支持。 科学依据。 在自主研发方面，我国在装备数字化、智能监控设计制造等方面取得显着进步，整体水平接近国际先进水平。 例如，研制的大型精准施药设备、变量施肥设备和基于卫星定位的农机导航系统，已在新疆、黑龙江等地投入实际应用，取得了良好效果。 除机械自动控制外，我国在温室自动控制技术方面也取得了重要进展，完成了从引进吸收、简单应用阶段向自主创新、综合应用阶段的转变。 例如，中国农业科学院农业气象研究所与蔬菜花卉研究所联合开发了基于操作系统的温室控制管理系统； 中国农业大学开发了“WJG-1”分布式温室环境监测计算机管理系统； 植物工厂环境控制 该技术也处于国际先进水平。

2.2.5 数字农业成果推广应用

在无线传感技术、3S技术、云平台和大数据技术发展的基础上，在政府、科研机构、农业生产企业的共同推动下，我国数字农业在大田种植、设施园艺、畜禽养殖、水产养殖。 其他领域的应用已取得初步成果。 北京小汤山现代科技示范园通过卫星遥感技术监测农作物生长情况。 黄淮海、京津冀地区开展小麦、大豆遥感测产、农作物灾害监测和损失评估。 黑龙江友谊农场利用GPS定位进行田间调查取样，对大豆叶片中的叶绿素含量进行了分析。 吉林省通过地理信息系统等方法研究了黑土区土壤速效养分的空间变化特征，建立了养分空间变化图，实现了基于GIS和DGPS的田间精准定位，建立了空间分布图土壤含水量和土壤肥力状况变化图和玉米品种、产量、施肥量等属性数据库兰溪

该市利用数字农业技术，实时监测温室内的水分、温度、作物生长等数据，并通过自动控制系统进行喷灌。 该平台由数据库云平台、中央控制指挥中心、数字农业系统三部分组成。 平台可自动生成测土配方施肥建议卡。 目前，该区已开展配方3.2万公顷，减少化肥施用量550吨。 病虫害数字化诊断系统已收录病虫害防治方法5000余种，为1000余户农户提供咨询服务。

3 新时期我国数字农业的重点研究任务

3.1 天地一体化数字农业观测系统建设

我国地形多样，阴雨天气频繁，种植系统复杂，农业生产充满活力。 单一传感器或单一遥感平台对地观测在实际应用中存在诸多局限性，需要天基、天基、地基综合观测。 建立天地一体化数字农业观测系统。 “天空”是指卫星遥感观测，具有大面积、空间连续性的特点； 物联网与互联网相结合的地面传感器网络具有实时观测、快速传输的特点。 通过天地协同观测系统，解决数字农业监测数据时空不连续的关键难点，实现农业全天候、全天候、大范围、动态、立体的监测管理。信息可以实现。

3.2 数字农业关键技术装备开发

围绕数据感知与获取、处理与分析、决策与控制、管理与服务等关键环节，开展数字农业关键技术与装备研制。 重点攻克农业生产环境、动植物生理体征、智能感知与识别等关键技术，突破农业物联网、云计算等关键技术，开发系列化田间物联网测控、远程传感监测、智能精准作业，基于北斗系统的农机物联网等技术和产品。 深入开展遥感高光谱技术、作物参数反演、作物健康诊断、农业自然灾害监测评估等农业遥感关键技术研究。 探索开展多源数据采集与融合、智能诊断与分析，

智能决策与控制等关键算法技术推动农业大数据的发展与应用。 研制专用传感器和智能终端，突破生产环境和动植物体征行为信息采集、农业生产管理精准管控等智能装备核心器件、自主无人化装备。 构建和完善我国主要农作物和畜牧动物生物生长数字模型，实现高效数字模拟和设计； 研究开发不同层次、不同类型农业产业的农业系统数字化模型，实现农业生产、管理、经营、决策的数字化和数字化智能化。

3.3 数字农业技术系统集成与平台开发

大田种植方面，夯实以北斗导航系统为基础的精准时空服务基础平台，集成大田生产管理信息系统、农业资源管理系统、农业科技信息管理系统、作物产量测算系统等大田农业生产过程管理体系和精细化管理与公共服务体系。 设施园艺方面，建设温室环境监控体系和工厂化育苗体系，整合产品质量安全监测体系和采后商品化加工体系，为电商物流提供基础支撑。 畜禽养殖方面，重点建设自动化精准环境控制系统和数字化精准饲养管理系统，建设养殖机械化自动化产品采集平台，重点突破畜禽养殖无害化自动化处理系统，实现粪便无害化处理和资源化利用。水产养殖方面，建设水产养殖在线监控系统和现场无线传输自治网络，完善水产养殖管理体系，建设生产过程管理系统

建立统一完善的管理保障体系，搭建高效的水产养殖公共服务平台。

3.4 数字农业技术应用示范

根据区域经济条件和信息基础设施水平，结合当地农业特点和现代农业发展水平，以完善农业技术推广体系、提高科技信息意识、加快科技成果转化和推广为目标。富农数字农业，在农业部5区1园统筹布局，依托农业龙头企业、农民合作社、家庭农场等新型农业经营主体和公益性科研单位国家农业遥感应用等建设数字农业示范区（点），坚持走市场化、专业化、差异化、特色化道路，打造农业创新创业先行区、农业创新创业主阵地。 成果示范推广，使数字技术广泛应用于农业和农村经济发展，实现农业生产、科研、教育、推广、市场运营和农村社区。 信息服务数字化可以提高当地农业信息化水平，促进农村经济发展。

3.5 数字农业信息服务模式创新

如何稳定并逐步增加数字农业发展所需的投入，是数字农业发展的重要内容。 光靠政府的财政投入是远远不够的。 迫切需要引入市场和资本介入，多渠道加大投入力度，着力构建“政产学研融”相结合的新时代数字农业发展模式。 着力形成联合公关、协同创新、共同发展、共同推进改革的数字农业运营模式，形成功能互补、良性互动的协同创新格局。 高等数字农业基础设施和公共服务项目可采用PPP等商业模式； 对于市场化前景较好、投资回报较快的数字农业项目，可采用众筹模式、互联网+模式、私募债券等商业模式。

3.6 数字农业标准规范制定

标准化是数字农业发展的前提。 考虑到农业生产过程中涉及的数据具有数据量大、信息量大、覆盖面广、动态多维​​度等特点，迫切需要制定数字农业规范和标准。 加强数字农业标准和规范体系建设，制定一批数字农业国家和行业标准，包括农业数据采集、存储、分析、处理和服务标准，农业大数据平台和系统标准，数据接入和交换标准等，促进农业发展。 数据互联共享。

参考资料（略）