大田作物智慧种植存在挑战与关键技术

大田作物智慧种植作为智慧农业的重要发展目标，也是未来农业发展方向，作为大田作物智慧种植目标。智慧种植业是信息经济时代基于新一代ICT与农业现代化深度融合发展的集成体系，其技术核心可以概括为“感、移、云、大、智”五个主要环节，在智慧农业领域发挥着核心作用分别是：

感：高效感知技术，包括农业信息先进感知技术和农业传感器;

移：移动通信和移动互联技术，实现农业信息的实时传递和农业生产的实时调控;

云：云计算和云服务，支撑农业生产数字化和信息化;

大：大数据技术，农业数据是大田智慧种植业的基础，农业大数据技术是智慧农业时代数据挖掘和大数据应用的工具;

智：包括智慧和智能，例如大田种植智慧管理决策、大田种植智能装备等等，是智慧农业的核心;

一、主要挑战

从发展大田作物智慧种植业的产业转型升级和高质量发展的需求出发，“感移云大智”还存在如下问题与挑战。

1、信息获取技术：缺乏原位精准测量技术与农业专用传感器。大田种植业由于其作业环境受到气象环境和地域差异性影响非常大，而且作业具有农时限制较大等因素，对原位精准测量技术有迫切需求。然而，大多科研成果仅适用于某些作物或者某些区域，缺乏普适性，导致智慧农业发展所依赖的获取信息源头出现偏差，影响到后期数据的分析和控制决策。

2、信息传输技术：实时性、可靠性、通用性和稳定性还有待改进。农业生产环境的特点和低功耗传感器的技术需求对农业物联网的数据传输提出了实时性、可靠性、通用性和稳定性等更高的要求。由于缺乏标准和规范，物联网在该领域的标准化应用受到限制。

3、信息处理与决策：模拟模型与实际生产差别较大。目前，在大田智慧种植中，农业知识模型、农业模式识别、农业知识表示、农业病虫害诊断机器学习等方面都取得了显著进展。但部分模型、算法还不足以全面反映客观现实，指导农业精细生产时还有局限。农业大数据技术目前面临的挑战是如何使大数据转化为便于农民接受和使用的智能数据，为精细农业和智慧农业的研究与实践提供知识支撑。

4、智能农业装备应用：需要进一步解决好农机/农艺相结合问题。农业的作业对象是土壤、动植物等有系统组织结构和生物活性的客体，智能农业装备只有与农业科学和生物与生命科学技术相互交叉、渗透、融合，才能满足现代农业生产工艺技术要求，农机与农艺的契合性仍需进一步挖掘。

二、关键技术

“感、移、云、大、智”是大田作物智慧种植业技术体系的关键环节，因此本文重点围绕这五个环节开展了智慧种植业关键技术的分析、遴选，最终确定了5个一级技术以及相应的18个二级技术。5个一级技术是环境与生物信息感知技术、信息移动互联与农业物联网技术、云计算与云服务技术、大数据分析与决策技术，以及智能农机装备与农业机器人技术。

1、环境与生物信息感知技术

该技术包含土壤肥力信息感知技术、作物生长信息感知技术、作物表型信息感知技术、作物病虫害信息感知等技术。

土壤是农业的基础，现有的现场快速检测设备在检测灵敏度、精密度和准确度方面无法满足对土壤多参数原位快速检测的需求，而且核心部件主要依赖进口。因此，急需研发和推广具有自主知识产权的土壤多参数快速检测核心硬件和集成技术。

大田作物生长发育实时监测技术可以监测和预测作物各方面的生长状况指标，对于作物的田间智慧管理、产量预测、品质检测和采收等具有切实的指导意义。

作物表型组学的测量目标多为常见的粮食和经济作物，如小麦、玉米、高粱、大麦和豆类等，通过表型测量技术对作物形态学参数和生理学参数的自动化高通量测量，为作物的智慧育种以及智慧管理提供关键信息。

作物病虫害是农业生产过程中影响粮食产量和质量的重要生物灾害，对病虫害进行早期预警和防控对减少农业化学药剂的使用量和残留量，促进生态环境和农产品安全，以及对于中国粮食贸易策略制定和社会经济发展均具有重要战略意义。

2、信息移动互联与农业物联网技术

该技术包含物联网技术、5G技术和智能手机农业应用。

目前中国已经发展了多项大田种植类农业物联网应用模式，包括水稻、小麦、玉米、棉花、果树和菌类等作物种类，形成的应用模式包括智能灌溉、土壤墒情监测和病虫害防控等单领域物联网系统，也包括涵盖育苗、种植、采收、仓储等全过程的复合物联网系统。

基于5G的新一代移动互联技术在大田种植中发挥着重要作用，利用5G大带宽、低时延特性，可实现农机的无人化作业，包括无人拖拉机、无人插秧机和无人收割机等。

智能手机正在逐渐成为重要的现代农业装备，通过APP完成农田信息获取、农业机械操控以及农产品电子商务等智慧农业生产相关的功能。

3、云计算与云服务技术

该技术包含大田作物与环境模拟模型技术和云计算与云服务平台技术。

作物生长模型是根据作物品种特性、气象条件、土壤条件以及作物管理措施，采用数学模型方法描述作物光合作用、呼吸作用、蒸腾作用，以及营养等机理过程，可以准确模拟作物在单点尺度上生长发育的时间演进以及产量的形成动态过程。

作物和环境模拟模型技术为大田作物智慧种植云计算与云服务平台提供了有力工具。以作物识别为例，把作物生长模型及各项参数输入云服务器，通过云平台强大的分析运算功能可以识别区分不同作物或者作物的不同生长阶段，区分杂草和作物以优化除草剂实施方案等。

4、大数据分析与决策技术

该技术数据挖掘与机器学习技术，无人机遥感应用与灾害防控技术。

农业大数据技术包括清洗、集成、融合和挖掘等，以发现隐藏其间的数据价值，为发展智慧农业提供指导和服务。机器学习是人工智能的核心研究领域之一，利用机器学习提供的技术进行数据挖掘来分析农业大数据，二者协同互补促进大田种植大数据分析与决策技术的发展。

在农作物种植前采用无人机对土壤进行监测分析，对农业种植的前期规划具有至关重要的作用。生长期的作物生长无人机检测可为农田的智慧管理提供可靠的基础数据。中国的无人机植保已成为发展最快的新兴领域，也是未来农业发展的主要方向之一。

5、智能农机装备与农业机器人技术

该技术包括农业机械自动导航技术、电动农业机械、精准灌溉装备、谷物自动测产技术、农田作业机器人技术、水肥药一体化技术，以及无人农场技术。

北斗系统的建成与应用保证了中国农业机械的自动导航技术的可靠性和健康发展。农机自动导航驾驶系统主要应用于播种、开沟、起垄、中耕、打药等对直线度及结合线精度要求较高的作业。

电机和电池技术的发展尤其是低速大扭矩电机技术的成熟，为电动农业装备的发展提供了基础条件。

灌溉、收获、水肥药一体化等精细作业技术和农业机器人是现代信息技术与现代农业深度融合的典范，推动农业生产向优质、高产、低污染、节水、节能、智能和现代化方向发展。

无人农场是在人不进入农场的情况下，综合采用物联网、大数据、人工智能、5G、智能农机装备和农业机器人等上述的所有关键技术，完成所有农场生产、管理任务的一种全天候、全过程、全空间的无人化生产作业模式。无人农场代表着最先进的农业生产力，将引领大田作物智慧种植业的发展。

审核编辑 黄宇