農業生產(種植)標準數據解析

王 進

(成都科學技術服務中心，四川 成都 610017)

1 傳統農業發展模式

傳統農業是在自然經濟條件下，采用人力、畜力、手工工具、鐵器等為主的手工勞動方式，靠世代積累下來的傳統經驗發展，以自給自足的自然經濟居主導地位的農業。傳統農業是一種生計農業,農產品有限,家庭成員參加生產勞動并進行家庭內部分工，農業生產多靠經驗積累,生產方式較為穩定，但傳統農業生產水平低、剩余少、積累慢,產量受自然環境條件影響大，農藥化肥的使用不精準，造成大面積浪費和食品安全隱患。

2 設施農業發展現狀

20世紀60年代以來，美國、荷蘭、以色列、日本等一些發達國家開始研究設施農業工廠化，使傳統農業逐步擺脫了自然資源的束縛，進一步滿足了多元化、多層次消費需求。

荷蘭是設施農業大國，是世界著名的設施園藝發達國家，地域雖小，但擁有世界上最先進的玻璃溫室。同時，在計算機智能化、溫室環境調控方面居世界領先地位。以色列的溫室設備材料、滴灌技術、種植技術、氣候監控技術、病蟲害防治技術等均屬世界一流，在設施灌溉技術方面處于世界領先地位。

日本的溫室配套設施和綜合環境調控技術居世界先進水平，幾乎所有品種的蔬菜在很大程度上都依賴溫室生產。美國開發的高壓霧化降溫、加濕系統及夏季降溫用的濕簾降溫系統處于世界領先水平。

自從20世紀80年代開始，我國從國外大量引進連棟溫室技術,相關現代設施農業技術有了起步。我國的設施農業慢慢從設備單一、技術不成熟向生產集約化、機械化轉變。設施農業規模不斷擴大、層次逐漸提高，在農業資源利用、農業生態環境監測、農業生產、農產品安全監管等領域取得了一定的成果，同時推動了相關新興產業及其標準化的發展。但我國設施化農業與發達國家相比目前還存在較大差距。

2.1 設施水平低，抗御自然災害能力差

雖然我國設施栽培面積已達139．5萬hm2，但90%以上的設施仍以簡易型為主，有些僅具簡單的防雨保溫功能，抗御自然災害能力差，根本談不上對設施內溫、光、水、肥、氣等環境因子的調控，一旦受到惡劣氣候條件的影響，蔬菜產量和品質即受嚴重沖擊。

2.2 機械化程度低，勞動強度大

我國設施栽培的作業機具和配套設備尚不完善，生產仍以人力為主，勞動強度大，勞動生產率低，溫室年均用時3600h/667m2以上，按人均管理面積計算僅相當于日本的1/5，西歐的1/50和美國的1/300。

2.3 設施栽培技術不配套，科技含量低

設施栽培技術不配套、不規范、缺乏量化指標，栽培管理主要靠經驗，致使產品的產量和品質始終在一個低水平上徘徊。

2.4 研究應該更接地氣

現在我國對于農業物聯網的研究不怎么接“地氣”，很多研究只是實驗室的產物，設備應用以智能滴灌、環境監測為主，自然情況下的環境監測和土壤監測對作物生長并沒有實質性的作用。

2.5 行業標準及時更新

缺乏專業的農業傳感器、設備智能化水平低，作物的生產標準仍以世代積累的經驗制定行業生產標準，未進入農業大數據分析應用階段，導致生產標準不嚴謹和生產資料不必要的浪費。

3 農業生產標準制定方法

不同的土壤肥力和環境制約因素，對農作物各個生長階段具有不同的影響，通過大數據分析作物在不同階段最佳的外界環境，制定農作物全產業鏈生產標準，實施精準農業，不但可以減少農業生產資料的浪費、增加產量，同時對于農產品安全具有至關重要的作用。如：通過控制變量法和分治算法制定農作物生長某階段的標準CO2濃度值。

控制變量法即針對多變量的問題，采用控制變量的方法，把多變量的問題變成多個單變量的問題。每一次只改變其中一個變量，而控制其余幾個變量不變，從而研究被改變的這個變量對事物的影響，分別加以研究，最后再綜合解決。

表1 實施方案

通過以上數據，得出影響柑橘幼苗發育的1000個CO2濃度值，對應1000個實驗數據，通過分治算法—快速排序法，從而得出CO2的濃度對柑橘幼苗發育的線性變化，得出柑橘幼苗發育期間的CO2標準濃度或標準區間。

影響農作物生長的變量分別由：土壤成分、環境溫度、空氣濕度、CO2等物理參數構成，同時，土壤成分中影響作物生長也是由多變量構成，如：土壤濕度、pH值、NPK含量等一系列成分構成，研究農作物生長標準數據，需通過控制變量法，進行逐個變量研究，尋找作物在不同階段對不同變量的最佳需求值，并制定相關標準，為設施農業提供數據參考。

分治算法—快速排序能將復雜的數組進行分解，對于n各元素的數組來說，分解的次數最多只需要r-1(1

通過控制變量法，依次得出作物不同生長階段的環境溫度、空氣濕度、CO2濃度等的最佳物理參數，形成作物生長的標準數據，再根據相同的方法，依次求出作物不同時期對土壤中各項營養成分和土壤濕度，然后制定農業(種植)標準數據。

設施農業采用傳感器，對設施內環境進行實時監控和數據采集，如通過CO2傳感器，實時收集設施內CO2濃度數據，通過與作物生長最適宜的CO2濃度對比，設置一個濃度數據區間，在區間之外，將信號發送至控制中心，可以通過智能設備人工調節CO2濃度，也可以通過控制中心指令相關傳感器或智能設備，通過增加或通過來調節CO2濃度，使CO2濃度保持在農作物生長最適宜的區間。

4 農業大數據存在的問題

(1)數據量化能力低，控制變量法需嚴格控制其他變量，通過一個變量的變化來測量變量的影響，需建立在高度設施化的基礎上，不受人為控制帶來誤差的情況下進行測量。

(2)數據的精準性，實現精準農業，制定精準標準，需通過海量數據進行對比。因此，變量變化的精細程度對實驗數據的結果影響巨大。

(3)數據的客觀性，由于測量工具的誤差、人為誤差和經驗標準，其解釋的數據結構也必然帶有主觀性，造成一定誤差。