义柏研究院丨农业数字化专题研究

农业作为经济的压舱石，其稳定器作用在新冠疫情影响下尤为明显。根据国家统计局公布数据，2020年和2021年第一产业对GDP的贡献率分别为10.4%和6.7%，远高于其他年份4%左右的贡献率；2022年一季度GDP为27万亿元，（实际）同比增长4.8%；其中第一产业增加值约1.1万亿元，同比增长6.0%，增速明显高于整体GDP增速。

而提到农业，人们往往会想到面朝黄土背朝天的劳作场景。随着物联网、大数据、云计算和人工智能等新技术的成熟，“看天吃饭”的传统农业生产模式正在被改变：

目前我国农业生产已基本实现机械化，在不断提升全程生产机械化率的同时，我国农业正在进入自动化、智能化时代。在转型过程中，物联网、大数据、人工智能算法、机器人、农业3S等技术对农业的产供销全产业链都带来了深刻的变化。

本专题研究主要针对农业生产环节，介绍农业数字化在感知、决策和执行三方面与农业生产各环节的融合应用，核心观点小结如下：

农业生产发展总体呈现从小农经济走向机械化、自动化和智能化三个阶段：

由于我国耕地资源有限，为实现粮食安全，严守18亿亩耕地红线，严格实施耕地利用优先序，即耕地主要用于粮食和棉、油、糖、蔬菜等农产品及饲草饲料生产；除了耕地红线这个关键数据，我国计划2020年底建成10亿亩高标准农田，原则上全部用于粮食生产。

随着土地流转政策的不断完善，我国农业种植规模化初步呈现。为促进土地经营模式从规模小、分散化向规模化、现代化发展，适应大市场需求，2016年10月，我国明确“落实集体所有权，稳定农户承包权，放活土地经营权”（即“三权分置”）改革；并于2019年1月1日在立法层面确定“三权分置”。2016年我国家庭农场约87.7万个，平均经营规模200亩，经营耕地面积1.76亿亩；截至2021年9月底，全国适度规模经营的家庭农场超380万个，平均经营规模134亩，经营耕地面积5亿亩；我国家庭农场培育计划成效明显，土地规模化经营趋势十分明显。但与部分北美、欧洲发达国家相比，如美国平均家庭农场面积超过200公顷（约3000亩），欧盟国家82%的农场面积大于20公顷（300亩）、52%大于100公顷（1500亩），我国家庭农场的平均经营规模仍较小。我国农业规模化要进一步提升，意味着农村剩余劳动需要转向非农产业就业，很大程度受到工业化和城镇化速度的制约。

伴随着土地经营规模化，我国主要粮食的生产已基本实现机械化，但离实现全面机械化还有一定距离。根据农业农村部数据，2020年我国农作物耕种收综合机械化率达71%，机耕率、机播率、机收率分别达85.49%、58.98%、64.56%；其中小麦、水稻、玉米等粮食作物的耕种收综合机械化率分别达97%、85%和90%，大豆、棉花的耕种收综合机械化率达87%和84%。对比国外发达国家，美国、德国、日本先后在20世纪40年代、70年代和80年代基本实现全面机械化，打造了世界五大农机制造企业，即美国约翰迪尔（John Deere）、美国凯斯纽荷兰（CNH）、美国爱科（AGCO）、日本久保田（Kubota）、德国克拉斯（CLAAS），这五大品牌几乎垄断了我国大型农机市场及全球高端农机市场。我国农业机械如拖拉机的保有量已接近饱和，但70%以上为小型拖拉机，中大型拖拉机占比不足30%；与美国中大型占65%以上的结构有较大差异。

近年来，设施农业规模化和机械化程度水平均在不断提高。粮食作物、棉花、油料作物大多种植在地势平坦的平原上，这类称为大田农业。与大田农业对应的是设施农业。传统设施农业包括塑料大棚、日光温室等，主要种植果蔬、花卉、菌类、药材等高价值经济作物。我国设施农业面积达4270万亩，占世界设施农业总面积的80%以上，其中设施蔬菜占比81%。在我国“中国蔬菜之乡”山东寿光，年蔬菜产量达400万吨，种植面积达84万亩，蔬菜大棚高达30万个，单个大棚面积最大16亩，最小2亩，新建大棚几乎均为16亩大棚；因此，传统个体种植户需要借助机械化来提升规模化生产能力。根据农业农村部数据显示，2016年我国设施农业的机械化率仅31.5%；到2020年已经提升至40.5%，较上年提升2.2个百分点，设施农业的机械化水平在加速提升。

垂直农场、植物工厂等作为设施农业发展到高级阶段的代表，由于前期投入高等原因，仍处于早期发展阶段。随着工业化发展和人类对突破农田自然条件、提升粮食安全保障的需求进一步提升，诞生了以垂直农场、植物工厂为代表的新型设施农业，旨在利用无土栽培技术，模拟和控制作物所需的阳光、空气、水等生长环境，实现农业种植的高度集成和自动化，最大化单亩效益。由于新型设施农业前期投入大、运营电力能耗大，整体发展处于早期阶段，海外有Plenty、Bowery Farming、Future Crops、AppHarvest、Infarm等企业，国内也有相关尝试。2016年，中国科学院植物研究所和福建三安集团的合资公司在福建泉州建成了世界上单体面积最大（10,000平方米）的全人工光型植物工厂中科三安植物工厂，是我国第一个商业化运营的大型植物工厂；但整体而言，我国新型设施农业仍处于起步阶段。

在消费升级、食品安全监管趋严、周期性波动的背景下，农业养殖也向规模化、机械化生产发展；但由于土地资源、技术、资金等客观因素，各畜种养殖的规模化、机械化程度有较大差异，奶牛和禽类养殖规模化、机械化程度较高。生猪、蛋鸡、肉鸡、奶牛、肉牛、肉羊是我国六大主要畜种，在我国不断优化畜产品结构的努力下，猪肉占肉类总产量的比重由2005年的65.6%下降至2020年的53.1%，禽肉占比由19.4%上升至30.5%。目前，禽类和奶牛养殖的规模化程度最高，生猪次之，肉牛和肉羊养殖规模化程度较低。根据农业农村部数据，2020年全国畜禽养殖规模化率达到67.5%，比2015年提高13.6个百分点；规模牧场100%实现机械化挤奶，山东省80%的肉鸡、90%的蛋鸡实现全程机械化养殖。2020年我国畜牧养殖机械化率达到35.8%，比2015年提高7.2个百分点。

根据农业农村部印发的《“十四五”全国农业机械化发展规划》，到2025年全国农作物农作物耕种收综合机械化率达到75%，粮棉油糖主产县（市、区）基本实现农业机械化，丘陵山区县（市、区）农作物耕种收综合机械化率达到55%，设施农业、畜牧养殖、水产养殖和农产品初加工机械化率总体达到50%以上。

整体来说，我国农业生产已呈现出规模化发展趋势，主粮生产已基本实现机械化，但经济作物种植和主要畜种养殖的全程机械化水平有待进一步提高。随着设施农业被写进2022年中央一号文件，设施农业的机械化也成为了重点领域。因此我们认为，农业种植全流程的机械化、设施农业的机械化、规模养殖户的全程机械化、农业生产加速自动化是农业生产下一阶段的重要发展趋势。

我国拥有悠久的农耕文明，我国农民基于敏锐的观察和充足的实践，将朴素的种植经验总结成各种俗语和口诀代代相传，如“寒露种菜、霜降种麦”“立秋萝卜赛人参”解释了作物种植时间与气温的关系，“缺肥黄、多肥倒”体现了施肥适量的重要性，“寸麦不怕尺水、尺麦却怕寸水”则体现了小麦刚冒苗时喜水、即将成熟时厌水的生长习性。

虽然俗语和口诀中蕴含着环境对作物生长的影响，但历史经验往往不足以应对不断变化的农业生产环境，如气候变化、土壤变质、新型虫害等；与此同时，农户很难准确掌握土壤微环境、局部微观气候等微观尺度的环境信息，因此很难发挥精准施肥、精准灌溉等精准种植技术的优越性，这也是造成我国农业资源利用率较低的根本原因。

以化肥和农药为例。我国是世界上化肥、农药用量最多的国家，在化肥投入方面，我国耕地面积占世界7%，而我国的氮肥和磷肥施用量分别占全球33%和36%，种植户常因作物产量不理想而过度施肥，造成土地板结和酸化，导致农作物品质下降；在农药投入方面，我国农药使用量占全球42%，农药过量使用不仅造成土地污染，农药残留也对食品安全造成隐患。自十三五以来，我国顶层设计持续关注化肥农药减量增效，2020年三大粮食作物的化肥、农药利用率分别达到40.2%和40.6%，预计到2025年主要农作物的化肥、农药利用率均达到43%；但横向对比欧美发达国家，其化肥利用率可达60%以上，农药利用率为50-60%，我国农用化学品利用率仍有极大提升空间。

因此，从经验农业到精准农业的转变迫在眉睫。

随着互联网、物联网、大数据、云计算、人工智能等技术不断成熟，传统农业与新技术的结合与协同，催生了以数据驱动为核心的农业新时代，推动农业从机械化向自动化、智能化的加速发展。物联网是实现农业生产数据获取和应用的关键技术和实现基础，人工智能结合大数据、云计算则将农艺农技、生物化学知识与农业生产具体工作深度融合并能提供实时预测、建议和评价。在数字化的助力下，农业将由经验型、定性化为主的传统粗放型农业转变为知识型、精细化管理的现代农业生产与经营方式，实现农业生产各环节的互联、互通和深度融合。具体来说，农业数字化技术架构可分为感知层、网络传输层、平台层和应用层（如下图所示），工作流程贯穿感知、决策和执行三个环节。

农业数字化的重要前提是理解农业生产标准规范，制定数据的采集和存储规则。过去农业生产数据主要通过人工采集、手动录入，存储介质主要纸质档案、本地表格表单等，由于缺乏通用统一的数据格式和维度，数据难以被应用于农业生产全流程。因此，基于农业生产的业务逻辑和行业规范规则，定义数据采集、存储、管理、可视化等规则，才能实现标准化的数据积累和沉淀。

我国农业数据最早从气象、土壤大数据开始，但大田中相隔两三米的两块地的土壤水分、营养及农作物长势可能完全不同，因此物联网技术在采集农业数据方面的重要性越发突出。通过各类物联网传感器和3S技术（卫星遥感系统、地理信息系统GIS、全球定位系统GPS）采集的常见农业生产数据可分为以下三类：

用于环境感知的传感器有待在稳定性、成本和功耗方面进一步提高。常规农田环境传感器技术已相对成熟，但由于农田环境较恶劣，许多工业元器件并不适宜农业工况，在高温、高湿度或低温环境下，传感器的稳定性与可靠性均会大幅降低，并且还需考虑农业作业和活体活动对传感器的干扰。另外，大田作物通常单位价格低、利润薄，种植户对传感器成本十分敏感。因此，稳定可靠、低成本、低功耗是大田环境传感器的主要发展趋势。除了物理层硬件外，针对最小化农户对传感器的后续维护保养成本等考量，往往还需要在操作系统层面进行自主研发，以保证架构可扩展、及时响应、安全可靠和低功耗。

用于感知作物本体的传感器相对较少，多处于研发阶段。用于作物本体比较常见的设备包括基于射频识别（Radio Frequency Identification, RFID）的身份识别设备，已在果蔬、畜禽、水产中广泛使用。用于检测植物内部生理状态的传感器较少，美国、以色列已研发出一些可监测作物内部生理状态的植物可穿戴设备，比如监测水稻叶片的叶绿素和水分含量的设备；我国高校和科研机构也在非侵入式穿戴设备有所突破，通过监测茎流来观测作物的水分、养分、信号分子运输；但此类传感器大多仍处于研发阶段，商业应用仍面临诸多挑战。

用于监测动物生理状态的传感器方面，通过机器视觉、声音分析和机器学习等技术，可以监测无侵入地感知动物生理指标和行为，但由于畜禽活体特征复杂多变，仍需进一步研发精准、智能、无害的生理信息感知技术。

通过传感器自动采集数据也存在客观困难，有时仍需要通过人工方式处理。以柑橘为例，衡量柑橘品质的因素包括重量、体积和糖度；其中糖度与干物质的积累有极强联系，而干物质累积与土壤、施肥及合理剪枝高度相关。实践中往往通过农民剪枝的重量来拟合剪枝比例，流程上先由人工收集剪落枝条，再进行统一称重和数据录入；但即便如此，由于缺乏剪枝位置等信息，剪枝技艺也难以形成标准化工艺。

在物联网的应用落地过程中，经济性是核心制约因素。根据核心传感器和布局规模不同，一套物联网设备的价格从几千到几十万元不等，在部分试点区域，政府补贴比例可高达60%，农户预计一年内能收回自筹投入，但部分农户仍觉前期投入成本太高。在我国“蔬菜之乡”山东寿光，重点蔬菜园区的物联网使用率超过80%，其蔬菜大棚平均单亩产值为6-10万元，单亩物联网设备投入约2-3千元，但“寿光模式”推向全国仍有诸多挑战。

随着标准化数据在覆盖面积和时间上的不断积累，“看见”规律成为了可能。土壤、光、温、水、肥、空气是植物生长的六大关键要素，各要素之间存在着微妙的相互影响，比如光照促进光合作用同时也加速水分蒸腾，适度灌溉能够促进肥料养分运送到植物各个细胞和组织。通过模拟作物生长过程与环境因素之间的动态关系，可以有效克服传统农业依赖经验种植的局限性，为不同条件下的作物生产预测预警与效益评估等提供量化工具。动态模拟需要依赖大量标准化数据，一方面数据采集覆盖面要足够大，即覆盖更大农田面积和更多设施大棚，另一方面数据采集时间要连续且长期，即历经作物的多个完整种植季，一般来说作物模型从研发到产品化需要3-4个完整的种植季。

作物生长模型是农业数字化最大的挑战之一，不仅体现在需要大量数据，还体现在作物生理机制的复杂性。作物生长模型通常从作物的生理机制解析开始，通过建立机理性与预测性兼备的作物生长模型，实现不同条件下作物生长发育形成过程的数字化；然后据此开发和迭代相应的算法模型，开展生产效益预测、生产管理决策、作物优化设计等功能模块设计。仅就光合作用模型单项，根据光合作用碳同化路径不同，植物可分为C3作物（如水稻、小麦、大豆等）和C4作物（如玉米、高粱、甘蔗等）。由于C4作物光合作用CO2补偿点低，更适合强光高温环境，往往分布在热带、亚热带；C3作物则往往分布在温带和寒带。但是，同一作物的碳同化路径在不同生理周期、不同组织器官也并不相同，比如C4植物高粱在开花后变转变为C3途径，C4植物甘蔗的茎秆叶只有C3途径；此外，不同碳同化路径的植物的光饱和点补偿点、CO2饱和点补偿点曲线、酶反应位置均不同。因此，作物生长模型通常包括多个子模型，比如作物机理模型（光合作用、呼吸作用、物质累积等）、环境调控模型（如太阳辐射、碳氮循环等）、水肥一体化模型、病虫害生长预测模型等。

由于不同作物的生理机理不尽相同，为提高服务能力，科技企业需要不断研发新算法模型，以扩充其覆盖品类。目前头部科技企业通常能够掌握几十甚至上千种作物品类的生长模型，覆盖主要粮食、果蔬、菌菇、花卉等各类粮食和经济作物。某领先的AI种植决策平台采用模块化方式构建作物生长模型，基于丰富的农业认知和经验，通过10多个子模型和400多个参数打造众多通用模块，提升数字化模型的优化效率和准确率。

通过智能的数据分析和决策系统，农户可以在“耕种管收”生产各环节实现降本增效。结合实时数据和专家系统，数据分析和决策系统可以根据当前作物生长发育状况、气候条件、水肥状况对产量进行预测，及时提出可行性建议，比如最佳栽种时间、最佳施肥时间和肥料配方等。以施肥为例，土壤中的氮肥对后续追加磷肥的效果有极大影响，过去农户不能动态掌握土壤的氮肥浓度，可能会错过最佳追肥时间或者过量追肥；通过系统提示，农户可以优化肥料配方、及时追肥，提高化肥利用率，达到节肥增产的效果。此外，数据分析和决策系统还可以根据实时数据对模型进行动态评估反馈和调整，以适应多变的田间环境，提供智能、精准、及时的农业生产指导。

种植过程中可干预的变量越多，能产生积极影响的措施也越多。作物从播种到收获的田间操作频率不同，接入次数也不同，比如灌溉农业地区的灌溉次数是雨养农业地区的2-3倍，但总的来说整个种植全流程涉及少则20项、多则40-50项决策。对大田农业来说，由于露天作业面，环境变量众多且难以控制，肥料和水分相对容易调整，但整体来说干预措施较少；而对设施农业来说，由于设施环境相对封闭，有效干预措施更多，除水分和肥料外，还可以对光、空气、土壤（或无土培养基）等环境因素实现更精准的控制。由于农业生产措施多种多样，有些措施让作物适应环境条件（如调节播种时间、合理密植、株型控制等），有些措施使环境满足作物生长要求（如施肥灌溉、保护地栽培等），各种措施共同影响农作物的生长发育，因此需要发挥综合技术措施，最大化发挥整体功能效应。

除环境因素外，作物本身的遗传特性对作物生长产生决定性作用，标准化数据可以帮助农户从作物和种子选择开始优化生产全流程作业。国外种业巨头孟山都早在2012年看到了农业大数据对精准农业的价值，通过一系列并购完成数字化转型，尤为重要是2013年以9.3亿美元收购了Climate Corporation，该公司拥有250万个地点的气象测量数据和各个主要气候模型的天气预报，综合1500亿个土壤观测记录生成了10万亿个天气模拟数据点。作为世界种业巨头，孟山都拥有全球资源和海量产量数据，与Climate Corporation的气象、土壤数据相结合，2017年推出了Climate Fieldview综合数字农业平台，农民可以根据农场所属种植区，选择合适的种子，按需定制有效的差异化田间管理措施，较大限度地挖掘产量潜能。

随着微纳技术和计算能力的提升，科学分析仪器呈现出微型化趋势，显著提高农产品在田间采摘、贸易流通、食品加工等环节的检测效率，促使种植户更加依赖精准农业、提升作物品质。传统检测设备主要是实验室的大型科学分析仪器，以粮食贸易为例，过去粮食收购商通常将作物样品送到县城检测，往往需要24小时才能出检测结果；由于科学分析仪器的微型化，成本和体积都有了大幅降低，粮食收购商可以将便携式设备带到采购现场，对农作物品质进行快速检测，加速决策周期。如迅杰光远等公司近年来推出的基于MEMS的微型光谱仪设备，可以适应农产品流通和食品加工、白酒酿造等工业产线等多场景检测检验。由于微型化设备的价格较传统检测仪器降幅超50%，具备支付能力的种植户和贸易商范围从5~10%拓宽到50%，使农产品品质在产地端的透明度大幅提升，精准农业带来的产量和质量的效果也更直观和突出。

农业养殖的智能决策也建立在标准化数据积累上，由于牛羊猪等动物的养殖周期较长，数据累积所需周期也更长，数据治理规范的重要性更为突出。养殖业具有强周期性，其本质在于养殖产业链代次繁育的固有特点。以生猪为例，完整的代次繁育流程包括曾祖代种猪、祖代种猪、父母代种猪、仔猪、商品代生猪到猪肉产品，各代种猪的生长周期约10个月，仔猪到商品代生猪出栏约6个月。养殖户得到生产决策反馈需要跨越一个或多个代际，完成一个完整代次繁育的数据积累的所需时间是植物的3-4倍。因此，为了高效积累动物全周期性状数据，熟悉动物养殖规律、制定数据治理规范在农业养殖中更加重要。

此外，由于养殖行业存在强周期性，当养殖户观察到需求变化或农资价格变化时做出生产决策，常常出现超调现象、加剧市场波动。假如有足够的历史数据和准确的供需预测模型，养殖户可以以需促产，提高供给与市场需求的匹配度，有效降低生产风险。

考虑到投入产出和养殖规模化水平，奶牛是我国主要畜种中最有可能率先进入数智化养殖阶段的畜种。肉鸡和蛋鸡的养殖规模化水平较高，但整体生长/生产周期较短、单位产值较低，在个体层面进行精细养殖的投入产出比较低：肉鸡的生长周期约2-3个月，2021年商品肉鸡养殖环节平均收益0.56元/只，全产业链平均收益1.16元/只；蛋鸡的产蛋周期约3个月，2021年鸡蛋出场价为8.6元/公斤，盈利仅0.73元/公斤。因此，针对禽类的智能化提升更多是通过提升温度控制、通风环境等改善环境的手段来提升生产效益。肉牛、肉羊的单价较高、市场存栏量也比较大，数字化赋能的增产空间大，但整体规模化养殖水平偏低，积累足够的规范数据源需要更长时间；而生猪养殖户目前大多处于深度亏损状态。由于对动物蛋白需求的提升、三聚氰胺事件后对奶品安全监管的趋严、奶牛养殖规模化水平已达70%以上、奶牛单位产值较高等原因，奶牛养殖户对物联网软硬件具有较强的支付能力，技术实现具备较好的机械化基础，因此科技落地进程也会较快。

通过智能的数据分析和决策系统，养殖户在分群管理、繁育管理、饲喂管理、健康管理等决策时能够有效平衡收益与动物福利，实现综合效益最大化。以奶牛为例，奶牛养殖成本中约70%是饲料成本。奶牛饲料分精饲料、青粗饲料和补充饲料。精饲料主要由玉米和豆粕构成，高蛋白、高能量摄入有利于提升牛奶乳脂率，由于玉米、豆粕等大宗商品价格近两年快速上涨，饲料价格也水涨船高。青粗饲料包括牧草、秸秆、青绿饲料、青贮饲料等，是物理性状比较粗糙的饲料，有利于奶牛瘤胃功能。目前优良的饲喂方式是TMR日粮，即将各种粗饲料、精饲料以及矿物质、维生素添加剂等补充饲料混合搅拌均匀喂养。奶牛一生通常有5-9胎次，每次产犊前后15天的围产期和产犊前60天的干奶期是影响奶牛健康和产奶量的关键饲养期，需要调整精饲料的比例，补充干物质或维生素摄入量，来提升原奶品质、确保奶牛健康。针对奶牛不同生长和生理阶段，调整饲料配比进行精准饲喂，不仅可以节省饲料成本，还可以提升奶牛的生产效益、提高生鲜乳的营养成分比例、改善动物福利。一牧科技以奶牛理想泌乳曲线为基础，首创牧场生产指数，打造出国内唯一能计算国际公认的、真正意义上21天怀孕率的系统，可以为奶牛养殖全周期提供精准决策依据。

数据是建立和优化环境-作物模型和算法的核心，持续覆盖更多作物、累积标准化数据是扩大规范数据源的关键；切实节能增产的农业生产决策是维系农户关系、稳定采集作物数据的前提，而生产决策的有效性、准确性高度依赖环境-作物模型的优化和迭代；至此，农业数字化实现了价值闭环。我们认为，数据和决策模型共同构成了精准农业的核心和主要壁垒，可以帮助农户提升农用化学品和饲料的资源利用率，实现降本增效。

精准农业还需要依赖终端农业机械设备得以精准实施。目前在大田场景下已实现自主导航耕地播种、无人机农药喷洒等作业方式，在设施农业中可以借助多种控制设备（如各种类型的电磁开关）对生产现场的机械设备进行控制；长期来看，随着决策系统可以兼容各种不同功能、尺寸的智能农机，决策系统可以直接对农机下达控制命令，农机接受到指令后自动执行指令，这也是农业从机械化走向自动化、智能化甚至无人化的必然发展道路。

农业有从田间和设施农业走向工厂化的趋势。十四五规划将“加快设施化工厂化农业关键技术应用”列入农业机械装备与智能化方向。设施农业的重要意义在于可以在局部范围改善甚至创造环境和气象条件，运用智能补光、补水和调温技术，自动喷淋、滴灌、通风，为动植物生长生长发育提供稳定、适应的外部环境，彻底改变传统农业的时空制约，实现田间变车间、黑夜变白天、光能变电能、空间换时间的系统性农业生产变革，使农业解决方案进一步靠近全局最优解。

我国农业生产已进入规模化生产，在与移动互联网、物联网、大数据、人工智能、机器人等技术的交融中，正在实现农业生产的全面机械化。农业数字化从感知、决策到执行三个环节加速了农业生产的自动化和智能化，部分作物的模型算法已相对成熟、商业模式也已得到了初步验证。我们坚定相信农业自动化、智能化是农业发展的必然趋势，将涌现出更多结合科技基因与农业禀赋的优秀企业。

参考文献