大数据智慧农业前进的号角已经吹响

在众多学习中，文章也许不起眼，但是重要的下面我们就来讲解一下！！

据相关报告显示，世界人口到2050年将达到90亿。目前，农业生产力与50年前相比提高了三倍，但土地使用量仅比过去提高了12%。尽管如此，据联合国粮食及农业组织预测，粮食生产力必须提高60%才能应对人口快速增长带来的负担。
提高非洲及其他地区的粮食产量是使得数百万人脱贫，并满足未来90亿人口对粮食需求的关键所在。食品政策专家认为，让农民、科学家和企业家自由访问农业数据是提高粮食生产的关键一步。
Data.gov 是奥巴马**在 2009 年推出的，该网站上有关于诸如植物基因组学和当地天气情况的详尽数据库。还有一些比如特定土壤条件下最好的作物研究、降水量的变化、害虫和疾病的迹象，以及当地市场作物的期望价格等数据库。这些数据如果免费开放给农民、企业和科研机构的话，那么这些数据所产生的价值将是非常好巨大的。oracle教程
试想，如果农民能随时掌握天气变化数据、市场供需数据、农作物生长数据等等，农民朋友和农技专家足不出户就可观测到大田里的实景和相关数据，准确判断农作物是否该施肥、浇水或打药，不仅能避免因自然因素造成的产量下降，而且可以避免因市场供需失衡给农民带来经济损失。
农业从完全依靠人工完成，到半机械化农业，再到大规模机械化农业，生产力得到了飞速提升。但随着人口压力不断提高，可用耕地不断减少，农业需要另一场变革，来满足人类的粮食生产需求。传统的农业生产方式应向数据驱动的智慧化生产方式转变。而云计算、大数据、互联网等科学技术则将是这场变革的主要推动力。
各国**、社会组织、企业都意识到大数据这场旋风所带来的机遇，开始发力推动大数据在农业领域的跨界应用。
一、各国**积极推动农业数据开放
Data.gov 网站就是奥巴马实现“开放**”承诺的一部分。它的目的是使得私人领域的开发者，能够利用那些**采集但未经梳理的各类信息，开发应用来提供公共服务或者进行盈利。这样，很多的公司就可以利用 data.gov 上提供的气象信息来提供服务。还有一些公司则基于 data.gov 上的地理位置信息， 提供基于位置的服务来盈利。美国农业部还宣布在 Data.gov 上建立一个门户网站，该网站能链接到 348 个农业数据集。除此之外，在今年 5 月份召开的一次关于农业数据开放问题的国际论坛上，八国集团 (G8) 领导人集体讨论出了取消数据限制的最佳途径，而且这些数据也很容易被人和机器所分析，并且一些国家公布了关于农业数据库公开的政策方案。其中加拿大、印度、美国，正在推动建设一个开放性的数据共享平台。
二、企业瞄准农业大数据机遇
1.天气意外保险公司 (The Climate Corporation)

The Climate Corporation 为农业种植者提供名为 Total Weather Insurance (TWI)、涵盖全年各季节的天气保险项目。本项目利用公司特有的数据采集与分析平台，每天从 250 万个采集点获取天气数据，并结合大量的天气模拟、海量的植物根部构造和土质分析等信息对意外天气风险做出综合判断，以向农民提供农作物保险。公司声称该保险的特点是：当损失发生并需要赔付时，只依据天气数据库，而不需要繁琐的纸面工作和恼人的等待。 该公司总部位于美国加州，已经运营 6 年，从 Google Ventures、Founders Fund 等多家公司获得超过 5000 万美元的风险投资。
2.农场云端管理服务商 Farmeron

Farmeron 旨在为全世界的农民提供类似于 Google Analytics 的数据跟踪和分析服务。农民可在其网站上利用这款软件，记录和跟踪自己饲养畜牧的情况（饲料库存、消耗和花费，畜牧的出生、死亡、产奶等信息，还有农场的收支信息）。其可贵之处在于：Farmeron 帮着农场主将支离破碎的农业生产记录整理到一起，用先进的分析工具和报告有针对性地监测分析农场及生产状况，有利于农场主科学地制定农业生产计划。 Farmeron 创建于克罗地亚，自 2011 年 11 月成立至今，Farmeron 已在 14 个国家建立农业管理平台，为 450 个农场提供商业监控服务。公司在本年度获得 140 万美元种子轮融资。
3.土壤抽样分析服务商 Solum

Solum 致力于提供精细化农业服务，目标是帮助农民提高产出、降低成本。其开发的软、硬件系统能够实现高效、精准的土壤抽样分析，以帮助种植者在正确的时间、正确的地点进行精确施肥。你既可以通过公司开发的 No Wait Nitrate 系统在田间地头进行分析，即时获取数据；也可以把土壤样本寄给该公司的实验室，让他们帮助你进行分析。 Solum 成立于 2009 年，总部位于美国硅谷。继 2012 年获得 Andreessen Horowitz 领投的 1700 万美元投资后，已累计融资近 2000 万美元。
三、数据驱动的农业实践案例
1.社区生鲜超市 M6 的数据化管理

连锁型的社区生鲜超市 M6 于 8 年前就开始了数据化管理，物品一经收银员扫描，总部的服务器马上就能知道哪个门店，哪些消费者买了什么。M6 免费为顾客办理实名制会员卡，用户持卡结账可以享受优惠，但 M6 不找零，这样一来，既可以提高收银效率，又为数据分析提供基础。在一些细节上，M6 的收银模块甚至比一些大商超更细致，比如，信息被扫描进系统后，顾客突然要求退掉其中一件或几件，或者整单退掉，为什么要退掉，这些信息全都被写入了后台数据库。2012 年，M6 的服务器开始从互联网上采集天气数据，然后，从中国农历正月初一开始推算，分析不同节气和温度下，顾客的生鲜购买习惯会发生哪些变化。
2.日本“都城”市利用云和大数据进行农业生产

（图片来自维基百科，作者 Ray_go ，途中景观为高千穂牧场）
日本宫崎县西南部的“都城”市已经开始利用云和大数据进行农业生产。通过传感器、摄像头等各种终端和应用收集和采集农产品的各项指标，并将数据汇聚到云端进行实时监测、分析和管理。富士通和新福青果合作进行卷心菜的生产改革。两家公司在农田里安装了内置摄像头的传感器。把每天的气温、湿度、雨量、农田的图像储存到云端。还向农民发放了智能手机和平板电脑，让大家随时记录工作成果和现场注意到的问题，也都保存到云端。卷心菜增产三成，光合作用也实现 IT 管理。
3.告别手工挤奶时代，机器为你代劳oracle视频教程

经李克强总理签批，2015年9月，国务院印发《促进大数据发展行动纲要》（以下简称《纲要》），系统部署大数据发展工作。
《纲要》明确，推动大数据发展和应用，在未来5至10年打造精准治理、多方协作的社会治理新模式，建立运行平稳、安全高效的经济运行新机制，构建以人为本、惠及全民的民生服务新体系，开启大众创业、万众创新的创新驱动新格局，培育高端智能、新兴繁荣的产业发展新生态。
《纲要》部署三方面主要任务。一要加快政府数据开放共享，推动资源整合，提升治理能力。大力推动政府部门数据共享，稳步推动公共数据资源开放，统筹规划大数据基础设施建设，支持宏观调控科学化，推动政府治理精准化，推进商事服务便捷化，促进安全保障高效化，加快民生服务普惠化。二要推动产业创新发展，培育新兴业态，助力经济转型。发展大数据在工业、新兴产业、农业农村等行业领域应用，推动大数据发展与科研创新有机结合，推进基础研究和核心技术攻关，形成大数据产品体系，完善大数据产业链。三要强化安全保障，提高管理水平，促进健康发展。健全大数据安全保障体系，强化安全支撑。^[11] 
2015年9月18日贵州省启动我国首个大数据综合试验区的建设工作，力争通过3至5年的努力，将贵州大数据综合试验区建设成为全国数据汇聚应用新高地、综合治理示范区、产业发展聚集区、创业创新首选地、政策创新先行区。
围绕这一目标，贵州省将重点构建“三大体系”，重点打造“七大平台”，实施“十大工程”。
“三大体系”是指构建先行先试的政策法规体系、跨界融合的产业生态体系、防控一体的安全保障体系；“七大平台”则是指打造大数据示范平台、大数据集聚平台、大数据应用平台、大数据交易平台、大数据金融服务平台、大数据交流合作平台和大数据创业创新平台；“十大工程”即实施数据资源汇聚工程、政府数据共享开放工程、综合治理示范提升工程、大数据便民惠民工程、大数据三大业态培育工程、传统产业改造升级工程、信息基础设施提升工程、人才培养引进工程、大数据安全保障工程和大数据区域试点统筹发展工程。
此外，贵州省将计划通过综合试验区建设，探索大数据应用的创新模式，培育大数据交易新的做法，开展数据交易的市场试点，鼓励产业链上下游之间的数据交换，规范数据资源的交易行为，促进形成新的业态。
国家发展改革委有关专家表示，大数据综合试验区建设不是简单的建产业园、建数据中心、建云平台等，而是要充分依托已有的设施资源，把现有的利用好，把新建的规划好，避免造成空间资源的浪费和损失。探索大数据应用新的模式，围绕有数据、用数据、管数据，开展先行先试，更好地服务国家大数据发展战略。

oracle数据库教程

#p#分页标题#e#

在英国，大部分农场已告别了手工挤奶，自动挤奶设备普及率达 90% 以上。机器人的作用不仅仅是挤奶，还要在挤奶过程中对奶质进行检测，检测内容包括蛋白质、脂肪、含糖量、温度、颜色、电解质等，对不符合质量要求的牛奶，自动传输到废奶存储器；对合格的牛奶，机器人也要把每次最初挤出的一小部分奶弃掉，以确保品质和卫生。目前，英国大多数养牛和养猪、养鱼场都实现了从饲料配制、分发、饲喂到粪便清理、圈舍等不同程度的智能化、自动化管理。
oracle视频
在美国，挤奶同样变得简单。来自明尼苏达州 Astronaut A4 挤奶机，不仅帮农场主可以代替农场主喂牛，还会使用无线电或红外线来扫描牛的项圈，辨识牛的身份，在挤奶时对牛的几项数据进行跟踪：牛的重量和产奶量，以及挤奶所需的时间、需要喂多少饲料，甚至牛反刍需要多长时间。机器也会从牛产的奶中收集数据。每一个**里挤出的奶都需要查验颜色、脂肪和蛋白质含量、温度、传导率（用于判断是否存在感染的指标），以及体细胞读数。每头牛身上收集到的数据汇总后得出一份报告；一旦 A4 检测到问题，奶农的手机上会得到通知。
大数据在农业生产中的应用和案例还不远如此。随着大数据与农业的深度融合发展，以前依靠传统方法不能解决的诸多问题也会迎刃而解。当大数据在 IT 行业风生水起之时，传统行业的应用也许才是大数据的落地所

更多视频课程文章的课程，可到课课家官网查看。我在等你哟！！！