数字农业是农业现代化的核心，也是数字乡村建设和乡村振兴的重要内容。2020年农业农村部发布《数字农业农村发展规划（2019—2025）》，进一步明确数字农业是未来农业的发展方向。目前，中国数字农业发展虽然取得了明显成效，但也面临着诸多问题。具体表现为，农业设备投资重机械化、轻设备数字化；农业数据采集不足，农业智慧程度有待提高；数字经济薄弱，产品化能力弱；农产品流通数字化投入多，农业生产数字化投入少。这些现象制约了数字农业的进一步发展。本文旨在分析发达国家数字农业发展新趋势，并在此基础上为中国数字农业发展提出建议，以期借鉴国外发展经验加速中国农业数字化转型。
01
发达国家数字农业发展趋势
（一）设备数字化
美国依托GPS技术，将GPS用于农业机械管理，并结合美国农场规模大且机械化水平高的特点，在农业机械上安装GPS及地理地形地图，将农业生产中的机械路线、作业时间、耕作程序、农作物品种、生产资料识别与装载、机械油料补给等信息数字化，以便智能农机可以自动识别。农业生产者通过将电脑与既定农业机械相连接，对农作物进行生产前、中、后期全面监测与管理，保证不同地块、不同作物在各自生产周期内的药物、化肥自动都得到保障且不会有任何遗漏；同时，根据GPS信号和数字电子围栏锁定农业机械使用范围，避免随意的非生产性使用，并且具有农机防盗功能。
（二）生产智慧化
目前，发达国家开始在农场生产管理中引入遥感技术、智能机械系统、计算机网络、机器视觉技术等现代农业技术，使传统农业演化至农业智慧化阶段。通过地块光电感应器将农作物生长阶段、营养状态、健康水平以及光照、温湿度、空气、土壤含水率和养分等物理状态数字化，并传输到智能生长控制系统，让人工智能自动分析处理和制订生产管理措施，实现对农作物生长的智能控制。
例如，孟山都公司借助遥感卫星和无人机光电扫描技术，定期将耕地红外图像发送至智能生长控制系统，将农作物的播种、施肥、灌溉、喷药等生产环节智慧化、管控科学化，实现农地资源利用和生态环境保护之间的最优平衡。约翰迪尔公司推出的“绿色之星”智能精准农业系统，结合全球定位系统、地理信息系统、人工智能和物联网技术，将传统的精准农业进化成智慧农业，促进农作物优质高产。日本针对其资源短缺问题，发展“战略性创新创造计划”、“智能机械+现代信息”等次生代技术，将最科学的种植知识和经验转化成数字，再通过物联网和带有人工智能的机械来管理农业生产，从而催生了数智农业；将传统亲临生产现场并依赖经验和直觉判断农业生长状况、进而将管理农业生产的模式，转化为依赖机械设备之间的数字传递，控制机械运作方式、运作时间、生产模式来实现最优的水、农药和化肥施用。日本推出基于人工智能的数字作物优化平台XARVIO FIELD MANAGER，农民可以在平台上看到对作物各生长阶段以及病害和杂草风险的实况及其未来的模拟，并获得人工智能提供的管理措施建议。结合GPS导航、地理信息系统和传感器，通过平台与无人机、拖拉机、带摄像头和传感器的机器人连接，让机器人或智能机械负责繁重或有危险性的劳动，如农药喷洒、收割、卸货等，并根据传感器收集的大数据和智能机器的机器学习，不断改进农业生产管理方法，实现农业高质量增产。
（三）流通智能化
发达国家致力于利用人工智能和数字技术智慧化农产品流通，以削减成本和提高效率。美国制订LACIE计划和AGRESTARS计划，利用遥感、地理信息系统等技术对美国以及全球粮食作物的种植面积、种植品种、生长状况、病虫害、自然灾害进行监测和产量预测，并据此为农业生产者提供准确的市场供求预测，引导生产和国际贸易等信息，为美国农业提高流通效率、占领全球市场和避免市场风险抢占先机。欧盟提出智慧农产品流通研究计划，管理部门与生产企业共同利用数字技术、区块链技术标记蔬菜生产管理措施、地理位置信息和质量标准等相关信息，通过区块链不可篡改、可追溯优点和实体产品数字化等特点，使消费者可以获得自己所购买蔬菜的所有完备信息，克服农产品市场信息不对称问题，从而保障了食品安全，满足消费者的更高要求，提高了流通效率。荷兰的《数字化战略》明确提出大力推动数字化技术在农业生产链各环节的广泛应用。其2020年食品和农场互联网计划（IOF2020）及智能农业枢纽计划（SmartAgriHubs），利用物联网、大数据、人工智能和GPS定位等技术帮助200万个分布全欧洲的农场实现数字化，将欧洲16个国家的合作者和销售者联结起来，实现农场与市场智能化对接，节省了流通成本。
（四）管理精细化
数字农业生产摆脱了传统农业必须人工亲自操作的局限性，实现农业设备不间断、精细化的自动智能收集和处理数字信号，并将信号连续不断传输至人工智能系统以帮助农民进行科学判断和生产决策。精细化农业的基本特征是管理过程精细和资源投入精省。
美国将通过卫星获取的全国农业数据包括温度、湿度、风力、雨水、土壤成分等上传送至农业数据平台，农户通过输入地块坐标即可下载相关数据，并获得农业种植品种、种植密度、杂草消除、病虫防治、肥料施用等系统提供的精准建议，克服了传统的农业生产者凭经验生产的局限，实现了成本降低、资源节约。欧盟推出以数字化为特征的“农业4.0”，利用卫星定位系统、物联网和人工智能技术将农作物生产管理数字化，根据农作物生长阶段和环境变化，农业机械自动根据要求管理松土、施肥、修剪、除草、灌溉，传统农业生产中的细枝末节生产经营活动自动由机械根据人工智能和大数据经验来处理。同时，利用人工智能和大数据，制订最优农作物生长调节解决方案，并根据其地理位置和气候环境特点，实现差异化的自动化、精准化、变量化作业，确保农作物高效、优质生产和环境保护的实现。德国拜耳公司的数字农业支持系统及方案，通过田间监测与人工智能识别系统，高效识别和分析作物生长阶段和病虫害信息，帮助农民优化田块单独管理和农田统筹优化。法国Naio Technologies推出的农业机器人——Dino，结合人工智能、GPS和农田传感器，可以高精确度全天候除杂草杂物、缓解法国劳动力匮乏，符合日益严格的食品安全要求。
（五）推广阶段化
由于农业数字化需要完善的数字化农业公共基础设施作为支撑，除了要具备的GPS定位技术、地理信息系统外，还需要移动信息传输系统、智能公共服务平台，这需要巨量的前期投入，短期内没有一个国家可以实现。因此，发达国家数字化发展并不是全面铺开，而是重点在数字农业成本较低的农业重点地区实施，以便形成经济和社会效益高的数字农业示范区，分阶段分地区，由易到难，逐步带动周边地区推广数字农业。
由于日本多为丘陵地形，农场面积也小，农业机械以小型为主，所以日本数字农业实施初期没有考虑地理位置，而是选择在邻近市场、移动网络等基础设施完善且经济较发达的地区开始。这些地区农户收入较高，对数字农业机械的投资也有较高承受能力。同时，这些地区与市场距离近、农产品需求大和消费者也有较高价格承受能力，适合数字农业初始时期农产品质高价高的特点，保证数字农业较容易获得利润，从而对周边地区形成示范效应，带动周边地区实施数字农业，逐步扩大数字化农业的经营规模，最终确保数字农业实现高效率、高产出和在保证高质量的前提下大幅度降低农产品成本。美国数字化农业主要集中于中部、北部和南部，这些地区是美国的玉米带、棉花带、小麦带，当地农场多且规模大，同种农作物的播种面积大，农业机械多，农场主对数字农业机械设备承受能力也高，数字农业基础设施利用率和回报均较高，因此也具有较完善的数字化农业基础设施。法国有22个大农业区，但数字农业优先在巴黎盆地实施，主要是考虑到当地土地平整、农场规模大，主要农作物为小麦，其耕作机械化程度高；同时，当地农场主收入高，移动网络等基础设施完善，数字化农业基础设施农业投资相对较低，数字农业也容易获得良好的经济收益。
总的来说，发达国家都在加大力度推进数字技术与农业生产融合，也建设了许多数字农业示范区，体现出农业机械数字化、生产智慧化、流通智能化、种植精细化等特点。但是这些数字技术在农业中的应用离不开完善的基础设施，因此发达国家除了大力完善地理信息系统、农业遥感系统、气温气候监测和网络系统外，还致力于鼓励企业和机构将主要农作物各生长阶段、病虫害、化学品、土壤的特征数字化，使人工智能系统能够识别、分析、学习、管理，并向农业生产机械发出最优决策指令，这也是数字农业发展中最为关键的一环。
02
对中国的启示
（一）完善数字农业产权制度，激励农业数字创造与运用
智慧农业依赖人工智能处理数字化信息来管理农业生产。高端人工智能具有自我学习和自我完善能力，这需要运用大量的人工标签化的数据来进行机器学习和深度学习才能完成，因为数据也很难做到百分之百准确，所以样本量越大，得到准确结果的概率也越高。然而，目前数字的产权不清晰且涉及到个人隐私，业务关联的企业、农业生产者、消费者共同创造的数字也无法界定产权，企业使用这些数据也缺乏明确法律依据。农作物、病虫害、土壤等数字化需要信息科学和农业科学两个领域的专家共同协调开发，并且这些人工标签化的数字需要投入大量人力和物力，如果其权利得不到保障，就会打击农业数字化创新发展，最终制约数字农业发展。
因此，应完善数据安全保护制度，规定数据创造过程中的所有权分配机制，规定具有承继权、出让权的数据类型，明确受法律保护或不受法律保护的数据类型的界限，使数据创造的利益相关方的利益得到保障和彼此制约，在充分利用数字的经济利益时，避免恶意竞争和“杀熟”等非法使用数字的行为。同时也要建立合理的数据行业自律组织和数字司法体系，包括司法诉讼、违法违规举报等制度，以解决智慧农业和数字农业时代所带来的数据所有权矛盾，从而激励农业相关各方努力创造出更多更高质量的数据。
（二）加大主要农产品核心数字技术研发投入，扩展数字农业界限以推动生产经营数字化改造
目前使用最多的农业数据是销售数据，尤其是电子商务所带来的消费者浏览、购买农产品或商家销售农产品的数据，而缺乏农作物生长阶段、生长环境、病虫害状况、土壤成分、地块气候等生产管理各个环节的数据，从而严重制约了数字化设备应用和数字农业发展。目前这些生产环节的人工智能处于实践阶段，应用范围和智能程度有限，还无法有效实施精细化、智能化、数智化农业生产经营。因此说明，数字农业初期应加大主要农产品核心数字的生成，以推动农产品产前、产中、产后的数字化改造。
1. 建设农情数字。利用卫星遥感、航空遥感、地面物联网等手段，动态监测重要农作物的种植类型、种植面积、土壤墒情、作物长势、灾情虫情等，并对这些信息进行数字化处理，传输至数字平台，以便农户下载及智能农机设备可以识别、处理、应用这些数据，从而提升农业生产管理智慧化程度。
2. 创建病虫害和植保数字库。构建农业病虫害测报监测网络和植保防御体系，将监测信息数字化后传入数字平台，实现重大病虫害智能化识别和数字化防控。
3. 建设数字田园。架设田间光电感应设备，收集相关地块信息，将农业机械设备数字化和智能化，以推动智能感知、智能分析、智能控制技术与装备在大田种植和设施园艺上的集成应用；建设环境控制、水肥药精准施用、精准种植、农机智能作业与调度监控、智能分等分级决策系统，发展智能“车间农业”，推进种植业生产经营智能管理。
4. 构建产品数字标记。推进农场、农贸市场、超市、农业生产资料企业信息数字化，实现相关方的直连直报，实现农业生产资料购买和农产品生产、流通、销售各环节信息互联互通及可追溯性。
（三）以大城市周边数字农业示范区为突破点，逐步完善数字农业基础设施和服务体系
由于数字农业需要较多的数字设备投入，若相关数字平台、数字生产和流通设施不完善，就会导致先进的数字化技术不但没有实现农业成本节约，反而具有较高成本，以至于农产品市场售价也高于普通农产品。此时数字农业的竞争力就在于品质而非成本。而大城市居民收入较高，对农产品高品质具有较强偏好，且对其价格不敏感，这就为数字农业提供了较强的市场需求。因此，数字农业应该首先选择大城市周边或经济发达地区作为试点，以保证数字农业实现较高经济效益和示范效应，引导其他地区模仿数字农业生产模式，有效降低数字农业和智慧农业投资的边际成本，并获得规模经济效应，充分实现数字农业高品质和低成本的竞争优势，推动传统农业全面向数字农业转型。
完善数字农业基础设施和服务体系，完善和升级改造农村通信网络基础设施，大力降低农村居民网络使用费用，鼓励农村居民家庭普及手机和计算机等信息化终端。完善农业科技信息数字化服务平台，引导各类社会主体利用农业数字化技术开展市场信息、农资供应、废弃物资源化利用、农机作业、农产品初加工、农业气象“私人数字化定制”等领域的农业生产服务。结合卫星导航系统，鼓励相关企业有针对地完善农村耕地的地理信息，将相关的农业监测设备与传感器、农机设备、管理系统、物流设备、农产品加工设施接入移动网络、地理信息系统和卫星导航系统等实现物与物的对接，构建乡村物联网，支持传统农业向数字化、智慧化转变。
（四）推动人工智能与精准农业相融合，实现生产与需求的精准衔接
利用人工智能管理农业生产环节，把人工智能管理方式由传统的农业生产数据收集、自动模型处理升级为人工智能参与生产管理、决策判断以及完全自动化协作生产，既减轻劳动强度和劳动投入，又更加精准地管理控制生产过程，实现优质、高效、节约的农业生产。同时，农业产业链不断与物联网、海量大数据、云计算、区块链等新一代信息技术结合，结合市场端销售大数据的反馈和训练，使人工智能可以自动提前预知市场需求对产品品种、数量、特点、时间的准确要求，从而为生产者提出科学生产管理建议，并自动调节生产管理以适应市场需求。与智能供应链相连接，将农产品物流、销售信息相关关联，减少中间流程消耗成本，提高农产品新鲜程度。在主要农产品实施人工智能管理后，根据人工智能技术成本的下降情况，人工智能可以逐步提供更加丰富的应用场景和更加高效的解决方案，从而在育种、种植机械、病害害防治、采摘、农产品运输、销售、农业生产流通及消费的一切环节发挥不可替代的作用，完全实现市场需求与农业生产的精准衔接。
本文来源：经济研究导刊，2022年29期。
