王 进

(成都科学技术服务中心，四川 成都 610017)

1 传统农业发展模式

传统农业是在自然经济条件下，采用人力、畜力、手工工具、铁器等为主的手工劳动方式，靠世代积累下来的传统经验发展，以自给自足的自然经济居主导地位的农业。传统农业是一种生计农业,农产品有限,家庭成员参加生产劳动并进行家庭内部分工，农业生产多靠经验积累,生产方式较为稳定，但传统农业生产水平低、剩余少、积累慢,产量受自然环境条件影响大，农药化肥的使用不精准，造成大面积浪费和食品安全隐患。

2 设施农业发展现状

20世纪60年代以来，美国、荷兰、以色列、日本等一些发达国家开始研究设施农业工厂化，使传统农业逐步摆脱了自然资源的束缚，进一步满足了多元化、多层次消费需求。

荷兰是设施农业大国，是世界著名的设施园艺发达国家，地域虽小，但拥有世界上最先进的玻璃温室。同时，在计算机智能化、温室环境调控方面居世界领先地位。以色列的温室设备材料、滴灌技术、种植技术、气候监控技术、病虫害防治技术等均属世界一流，在设施灌溉技术方面处于世界领先地位。

日本的温室配套设施和综合环境调控技术居世界先进水平，几乎所有品种的蔬菜在很大程度上都依赖温室生产。美国开发的高压雾化降温、加湿系统及夏季降温用的湿帘降温系统处于世界领先水平。

自从20世纪80年代开始，我国从国外大量引进连栋温室技术,相关现代设施农业技术有了起步。我国的设施农业慢慢从设备单一、技术不成熟向生产集约化、机械化转变。设施农业规模不断扩大、层次逐渐提高，在农业资源利用、农业生态环境监测、农业生产、农产品安全监管等领域取得了一定的成果，同时推动了相关新兴产业及其标准化的发展。但我国设施化农业与发达国家相比目前还存在较大差距。

2.1 设施水平低，抗御自然灾害能力差

虽然我国设施栽培面积已达139．5万hm2，但90%以上的设施仍以简易型为主，有些仅具简单的防雨保温功能，抗御自然灾害能力差，根本谈不上对设施内温、光、水、肥、气等环境因子的调控，一旦受到恶劣气候条件的影响，蔬菜产量和品质即受严重冲击。

2.2 机械化程度低，劳动强度大

我国设施栽培的作业机具和配套设备尚不完善，生产仍以人力为主，劳动强度大，劳动生产率低，温室年均用时3600h/667m2以上，按人均管理面积计算仅相当于日本的1/5，西欧的1/50和美国的1/300。

2.3 设施栽培技术不配套，科技含量低

设施栽培技术不配套、不规范、缺乏量化指标，栽培管理主要靠经验，致使产品的产量和品质始终在一个低水平上徘徊。

2.4 研究应该更接地气

现在我国对于农业物联网的研究不怎么接“地气”，很多研究只是实验室的产物，设备应用以智能滴灌、环境监测为主，自然情况下的环境监测和土壤监测对作物生长并没有实质性的作用。

2.5 行业标准及时更新

缺乏专业的农业传感器、设备智能化水平低，作物的生产标准仍以世代积累的经验制定行业生产标准，未进入农业大数据分析应用阶段，导致生产标准不严谨和生产资料不必要的浪费。

3 农业生产标准制定方法

不同的土壤肥力和环境制约因素，对农作物各个生长阶段具有不同的影响，通过大数据分析作物在不同阶段最佳的外界环境，制定农作物全产业链生产标准，实施精准农业，不但可以减少农业生产资料的浪费、增加产量，同时对于农产品安全具有至关重要的作用。如：通过控制变量法和分治算法制定农作物生长某阶段的标准CO2浓度值。

控制变量法即针对多变量的问题，采用控制变量的方法，把多变量的问题变成多个单变量的问题。每一次只改变其中一个变量，而控制其余几个变量不变，从而研究被改变的这个变量对事物的影响，分别加以研究，最后再综合解决。

表1 实施方案

通过以上数据，得出影响柑橘幼苗发育的1000个CO2浓度值，对应1000个实验数据，通过分治算法—快速排序法，从而得出CO2的浓度对柑橘幼苗发育的线性变化，得出柑橘幼苗发育期间的CO2标准浓度或标准区间。

影响农作物生长的变量分别由：土壤成分、环境温度、空气湿度、CO2等物理参数构成，同时，土壤成分中影响作物生长也是由多变量构成，如：土壤湿度、pH值、NPK含量等一系列成分构成，研究农作物生长标准数据，需通过控制变量法，进行逐个变量研究，寻找作物在不同阶段对不同变量的最佳需求值，并制定相关标准，为设施农业提供数据参考。

分治算法—快速排序能将复杂的数组进行分解，对于n各元素的数组来说，分解的次数最多只需要r-1(1

通过控制变量法，依次得出作物不同生长阶段的环境温度、空气湿度、CO2浓度等的最佳物理参数，形成作物生长的标准数据，再根据相同的方法，依次求出作物不同时期对土壤中各项营养成分和土壤湿度，然后制定农业(种植)标准数据。

设施农业采用传感器，对设施内环境进行实时监控和数据采集，如通过CO2传感器，实时收集设施内CO2浓度数据，通过与作物生长最适宜的CO2浓度对比，设置一个浓度数据区间，在区间之外，将信号发送至控制中心，可以通过智能设备人工调节CO2浓度，也可以通过控制中心指令相关传感器或智能设备，通过增加或通过来调节CO2浓度，使CO2浓度保持在农作物生长最适宜的区间。

4 农业大数据存在的问题

(1)数据量化能力低，控制变量法需严格控制其他变量，通过一个变量的变化来测量变量的影响，需建立在高度设施化的基础上，不受人为控制带来误差的情况下进行测量。

(2)数据的精准性，实现精准农业，制定精准标准，需通过海量数据进行对比。因此，变量变化的精细程度对实验数据的结果影响巨大。

(3)数据的客观性，由于测量工具的误差、人为误差和经验标准，其解释的数据结构也必然带有主观性，造成一定误差。