引言

在农业中应用大数据可以提供多样化、精准化、智能化的服务，能够帮助农民减少投入，提高收益，优化生产方式，实现农业可持续发展。近年来，大数据在农业生产中的应用日益丰富，相关文献资料层出不穷，但目前对现有研究成果进行梳理总结的文献相对较少，或者年代久远不再具有代表价值。

1农田基本建设中大数据技术的应用

1.1土地利用规划中的应用

农田土地资源与建设用地利用规划是农田建设的重要基础。针对如何做好土地资源规划的问题，提出引入ArcGIS软件技术，通过总结农村土地资源的使用情况与使用特征，明确树立农村土地利用规划相对指标结构，并针对其结果设置匹配度较高的农村土地利用规划指标。针对土地合理利用的问题，通过构建多目标线性规划模型对土地进行利用优化分析，并进一步考虑了经济效益与生态效益2个因素，在此基础上不仅建立了土地利用的经济效益和生态效益目标函数，而且采用制约条件反映了社会效益目标。针对土地监控的问题，利用“慧眼守土”监测监管平台，通过“互联网＋”、大数据、人工智能识别和GPS定位等技术实时监测监控土地的情况，切实加强了自然资源的保护和土地的合理开发利用。同样针对土地监控的问题，廖玉佳等通过融合GIS空间位置信息，同时集成多种基础地理数据，融入倾斜摄影模型、DEM等三维数据，编写专业定制化算法，能够让系统具有对传感器数据进行自动传输、智能识别、综合分析和处理以及预警报警的功能，实现储备土地智能化动态监管。

1.2水利设施建设规划中的应用

农业离不开水利灌溉，大数据技术在水利设施建设规划方面也有所成就。将三维激光扫描技术与无人机摄影测量技术融合的方法，该方法能够分析定性和定量分析融合后的模型精度，从而判定某灌溉系统是否适合运用于农田。运用BIM技术建立的三维空间模型对具体的农田灌溉进行模拟，可以清晰反映出设计中存在的不足，从而进行调整和优化，提高农田灌溉与农作物生长的质量。

2大数据技术在田间管理中的应用研究

2.1在土壤耕作中的应用研究

农作物生长好与坏，决定于生长环境——土壤。针对土壤质量判定，应用气相色谱测定样品中的DDTs和BHCs的含量，采用熵权属性识别模型对4种不同土地利用方式下的土壤环境质量进行了评价，以此来判定土壤的质量好坏。针对土壤含水量监测，基于Sentinel-1ASAR数据，利用C波段雷达遥感和BPNN模型实现了对裸露地表土壤含水量的准确、高效反演。针对土壤参数监测，将Air724UG微控制器设置为系统核心，各类传感器分别能够采集到土壤温湿度等参数，并利用GPRS网络进行远程无线通信，利用监测中心进行远程室外土壤参数监测。针对精准施肥，设计并且实现了基于LoRa的农业大田土壤多测点多参数监测系统，在实时监测土壤温湿度以及养分变化的基础上，实现按需测土配方精准施肥。针对耕作后土壤表面沟形特征参数测量困难的问题，设计基于激光三角法的耕作土壤沟形测量系统，能够很好地降低测量误差，满足农田土壤耕作后沟形自动化测量的需要。

2.2播种及栽植中的应用

农田播种是农业生产的关键一环，播种质量的好坏直接决定着农民来年是否可以结收累累硕果。在传统的农业生产中，播种时机是依靠农民自身经验以及天干地支推演出来的，存在一定的不确定性，容易出现错失良机甚至播种不适实际气候等情况。大数据时代的到来为传统农业在播种方式上的改革创新注入了新活力。针对农耕前的播种准备，提出农民可以在互联网上借助大数据搜寻农业种植相关的知识，学习了解农作物的生长特性、培育周期和种植条件，通过电商平台选购农作物种子。针对播种作业，可以使用Scrapy爬虫框架搭建农产品信息网络爬虫，运用相应农作物种植模型，结合农作物信息、土壤水肥信息及土壤环境等信息，选用标准Shapefile格式作为标准决策处方图的文件格式，构建基于阿里云服务器的精准播种在线决策云平台，辅助农业工作者更好地进行播种作业。同样针对播种作业，针对不同地区的土壤类型、养分和地形存在差异，为了能在同一块耕地种出的整齐幼苗，就需要农机根据由大数据技术推演得到的处方图随时调整农作物下种量、下种深度以及下种时机。

2.3生长发育中的应用

大数据技术也可以用于协调农作物的生长发育。在农业生产中应用无人机实时动态载波相位差分（Real-timekinemat- ic，RTK）测绘技术，该技术可以实现对农作物生长的智能化、自动化监测，提高监测的准确性。

2.4收割中的应用

农作物的收割是农业发展中不可或缺的一部分，结合大数据技术在农业收割方面进行应用与研究，可以帮助农民提高农业生产效率和质量，促进农业现代化和可持续发展。针对全国范围农机操作进行动态监控与量化统计的要求，提出了在农机上加装“北斗”终端，并制定了相应的数据传输标准，最终实现了以“北斗”为基础的农机操作大数据平台的构建。从联合收割机的智能控制、喂入量检测、脱粒清选系统的智能控制、损失率在线检测、产量检测、故障诊断、无人驾驶与自主导航等多个角度出发，对该智能控制技术的应用进行了深入探讨，推进自走式小麦联合收割机实现转型升级，探寻出符合我国国情的小麦联合收割方式，进而推动农业机械化向智能化方向发展。为了实现农业无人收割机对农作物的精确收割，利用稀疏化算法对原始航迹中的聚合点进行筛选并提出了一种基于多项式曲线的局部航迹拟合方法，并采用迭代法求出航迹点的曲率，排除异常点，并设定一个合适的阈值，再次采用稀疏化算法获得航迹节点，最终找到了一种较为准确地还原播种轨迹并生成收获作业目标导航路径的方法。针对农机自动驾驶收割的生产效率的问题，运用人工智能技术，通过与大数据、云计算等相关技术相结合，提出将目标检测算法、车道线检测算法、目标跟踪算法等人工智能技术中的基于视觉的感知算法运用到无人农业机械中，进行了涉及机器视觉的农机收割研究，指出人工智能算法在农机收割中的应用，有效地提升了无人农机的工作效率。

3农产品流通中大数据技术的应用

农产品流通中,基于大数据的农产品冷链物流平台，并以此为基础分为数据基础层、信息管理层、应用层3个层次，运用大数据技术对冷链基础设施建设进行顶层设计，从而对冷链物流的关键环节进行物流运输与仓储管理优化，最终达到优化农产品物流运输与仓储管理、强化质量安全管控、提高精准销售与配送、提升信息交流与共享的目的。通过建立基于大数据技术的农产品物流管理系统总体架构和物流管理流程来分析目前我国农产品物流流程，再制定订单管理流程、仓储管理流程和配送管理流程3个管理流程来对关键流程进行分析，最后用关系数据库MySQL来设计农产品物流管理系统，最终确定最优、最合理的配送计划，充分整合物流资源，保证农产品物流运输的高效性以及准确性，降低在运输过程中的损耗率和变质率，从而优化物流管理流程。

4结束语

综上所述，现如今在大数据等信息技术的加持下，农业生产的方方面面都得到了质的提升。本文探讨了大数据在农业生产中的应用研究综述与展望，以供参考。

参考文献

[1]陈颖博.大数据在智慧农业中的应用研究[J].湖北农业科学,2020,59(01):17-22.

[2]赵宇晨,卜晓波,王堃,景超.大数据环境下的农业生产现状[J].电子技术与软件工程,2019,(15):164-165.

[3]程彤彤,魏海燕.农业生产消费中的大数据分析运用[J].山西青年,2019,(15):12-13.

[4]王雄,叶安胜.大数据在农业应用中的问题与思考[J].现代信息科技,2019,3(07):151-153.

[5]董玮.大数据为智慧农业发展开辟新径分析[J].南方农机,2018,49(22):121.