[toc]

前言

传统种养殖业的育种、灌溉、施肥、饲养、疾病防治、运输和销售等环节，均是以“人”为核心，主要依靠过去积累的经验或手艺来进行判断决策和执行，导致整体生产环节效率低、波动性大、农作物或农产品质量无法控制等问题。依靠传统生产要素的投入已经很难解决农业面临的挑战，必须将决策因素从“人”转换为“数据”，以数据为核心实现生产决策的管控和精准实施，即采用数字农业技术促进农业发展。

数字农业是数字经济的重要组成部分，站在5G和人工智能下的新一代信息技术关口，国际国内普遍认为数字农业农村将迎来发展机遇期。美国在《大数据研究和发展计划》，英国在《农业技术战略》，德国在《农业发展4.0框架》，均把数字农业作为战略重点和优先发展方向。我国也在《数字乡村发展战略纲要》、《新一代人工智能发展规划》、《数字农业农村发展规划》等文件中提出要大力发展数字农业，并对未来一段时间数字农业发展提出了量化指标。

指标	2018年	2025年	年均增速（%）	属性
1.农业数字经济占农业增加值比重（%）	7.3	15	10.8	预期性
2.农产品网络零售额占农产品总交易额比重（%）	9.8	15	5.5	预期性
3.农村互联网普及率（%）	38.4	70	10.5	预期性

来源：农业农村部，《数字农业农村发展规划（2019—2025年）

数字经济及产业结构

数字经济最早出现于1994年尼葛庞帝的《数字化生存》一书中。在2016年在中国杭州举行的 G20 峰会上发布的《二十国集团数字经济发展与倡议合作》中，我国正式提出了数字经济数字概念。

经济是以数字化的知识和信息为关键要素，以数字技术创新为核心驱动力，以现代信息网络为主要载体，通过数字技术与实体经济深度融合，不断提高传统产业数字化、智能化水平，加速重构经济发展与政府治理模式的新兴经济形态¹。

数字经济的产业结构由不同行业中各类产业组织所组成，从产业结构的技术和生产的递进关系来看，产业结构可分为基础层、核心层、应用层²。

**基础层：**由基础体系和基础设施组成的。

• 基础体系包括科研立项，科研院所，孵化器，投资机构等。
• 基础设施包括网络通信基础设施（宽带、窄带、4G、5G等）、集成电路基础设施（EDA 软件）、软件开发基础设施（操作系统、编程语言、数据库管理软件等）

**核心层：**有数字技术和数字产品自身形成的产业体系。包括六大门类。

• 信息软件行业：包括软件产业、大数据产业、网络安全产业、云计算产业、电子商务产业、人工智能等。
• 集成电路行业：包括芯片设计、芯片制造等。
• 网络通讯行业：包括互联网、物联网、移动互联网、无线通讯、 卫星通讯、卫星导航等。
• 电子制造行业：包括计算机、手机、智能家电、智能设备、汽车电子、 可穿戴设备等。
• 数字内容行业：包括影视、动漫、网络小说、游戏等。
• 自动化行业：包括传感器、仪器仪表、控制系统、机器人、工业软件等。

**应用层：**主要指数字技术、数字产品和数字化方法在农业、工业和服务业中的应用。

数字经济驱动经济发展

数字经济发展以信息与通信技术产业为基础，通过互联网连接所有产品和服务，运用现代信息技术实现对社会全领域的数字化管理，应用于数字家庭、数字城市、数字国家，深刻改变全球经济发展格局。2018 年，美国数字产业化规模达到1.5万亿美元，我国数字经济总规模已超过31万亿人民币。

中国2015-2018年的数字经济规模及占 GDP 比重

年份	数字经济规模（万亿元）	占 GPD 的比重（%）
2018	31	33
2017	27.2	32
2016	22.6	30
2015	18.6	10

来源：农业农村部，中国数字乡村发展报告

据埃森哲公司分析,数字化程度每提高 10%，人均 GDP 增长0.5%至0.62% 。到 2025年,数字经济对全球经济贡献将超 50% 。

什么是数字农业

针对农业人工智能，近年来，学术界相继提出了智慧农业、精准农业、设施农业、数据农业等一系列概念，但其本质都具有以下共同特点。

首先，基于农业实验数据和历史生产经验，充分运用知识表示、推理等技术，借鉴农业专家宝贵经验，构建农业智能模型系统；其次，利用农业传感器件实时收集生产环境的基础运行参数信息；再次，利用农业智能模型系统 对农业资源所产生的海量数据信息进行分析、挖掘、预测、呈现等，为农业管理者决策提供更加精准的服务，提升决策质量。

在众多观点中，数字农业最易理解和被普遍接受，数字农业是按照绿色发展理念，将数字化信息作为新的农业生产要素，将互联网、物联网、云计算、 大数据、人工智能、智能设备与现代农业深度融合，实现农业生产全过程的信息感知、定量决策、智能控制、精准投入、个性化服务的新兴农业发展形态，能够大幅提升农业产业链运营效率并优化资源配置效率，是数字经济范畴下用数字化重组方式对传统产业进行变革和升级的典型应用之一。

未来农民可以预测和预防农作物疾病；近乎实时地查看土壤和作物状况的相关数据；机械工具可以实现自动灌溉和饲养农作物。传感器传输的关键数据可存储在云中，便于农场主随时获取。这些传感器的体积越来越小，但智能程度越来越高，而且成本也越来越低。 此外，网络的智能程度和安全性也在不断提高。农业的未来在于连接，在于大数据的收集和分析，以最大限度地提高效率和生产力。

数字经济在农村

**基础设施：**实施宽带中国战略，加快推进宽带乡村工程建设和电信普遍服务补偿试点，农村互联网基础设施快速发展，达到世界领先水平。 截至 2018 年底,我国行政村通光纤比例已从电信普遍服务试点前的不到 70% 提升至目前的 96% ，行政村 4G 网络覆盖率达95% 。

**农村网民：**农村网民数量逐年增加，2018年，我国农村网民规模达2.22亿人，农村互联网普及率 达 38.4%，较 2017 年提升 3 个百分点。

数字化需求旺盛： 截至2019年8月全国建成村级益农信息社29万个，累计培训村级信息员 62.5 万人次，为农民和新型农业经营，主体提供公益服务 7112 万人次，开展便民服务2.22亿人次，实现电子商务交易额 178 亿元。农村智能手机上普遍安装微信、快手、淘宝等APP。

公用农业数字资源库建设： 陆续建设完善了农业经营主体系统、农业自然资源系统、重要农业生物资源大数据系统。推进重点农产品全产业链系统建设。

种植业数字化应用： 建立全国统一的农情信息调度平台，丰富种植业技术指导服务，上线种植业行政管理服务平台，覆盖种植信息采集，种植技术发布查询，农业投入品生产流通监控。

畜禽养殖数字化应用： 建设“畜禽规模养殖信息云平台”和“数字奶业信息服务云平台”，推进兽药二维码追溯管理，完善动物标识及疫病追溯系统。

渔业数字化： 实施渔业资源环境动态监测，探索渔业数字化装备应用，完善国家水产种质资源平台。

种业资源数字化应用： 建设完善“中国种业大数据平台**，建成世界第二大作物种质资源数据库和信息系统，建成商业化作物育种信息化管理平台”金种子育种平台“。

农业装备数字化应用： 建设以“北斗”定位为基础的农机精准作业系统、“天空地”一体化大田农情监测系统、农业生产精准管理决策系统和农业高效生产公共服务系统。开发“农机直通车·全国农机化生产信息服务平台”及手机 APP，推行“嘀嘀农机” APP，促进农机作业服务供需对接。在拖拉机和深松机上安装传感器，运用信息化方式开展农机作业补助监管，信息化监测率达 90% 。在全国 推广补贴机具信息化自主投档平台(软件)应用，与农机购置补贴平台数据互联互通。 推广农机使用维修技能学习平台，开辟 100多个学习专题，发布维修技能教学视频。

农产品加工数字化应用： 建立了大宗农产品加工品质与专用品质基础数据库，建立农产品加工监测分析与预警信息平台。

新兴农业经营主体服务数字化： 家庭农场名录系统于 2017 年在全国推广使用，目前系统已收 录全国 59 万多个家庭农场信息。全国农民合作社示范社监测系统采集了 6800 余家农民合作 社示范社数据。

农村电子商务快速发展： 2019年，《电子商务法》实施，明确“国家促进农业生产、加工、流通等环节的互联网技术应用，鼓励各类社会资源加强合作，促进农村电子商务发展，发挥电子商务在精准扶贫中的作用”。2018 年，全国农村电商超过 980 万家全国农村网络零售额达 1.37 万亿元，同比增长 30.4%，农产品电子商务蓬勃发展，2018 年全国农产品网络零售额 5542 亿元，占农产品交易总额的9.8%。

农村电子政府持续创新： 主要在农村人居环境整治，基层党建，农村电子政务，农村治理，农村资产、集体资产和宅基地数字化方面利用数字化提升效率，实现数据公开透明。

数字服务繁荣发展： 利用数字化手段记录保存非物质文化遗产，开展网络教育，开展远程医疗，发展普惠金融。

机遇与挑战

农业数字化是生物体及环境等农业要素、生产经营管理等农业过程及乡村治理的数字化，是一场深刻革命。IOT、AI、BigData、云计算等新一代信息技术加快应用，深刻改变了生产生活方式，引发经济格局和产业形态带来深度变革，形成发展数字经济的普遍共识。过去几年，数字农业特别是农产品电商有了一定发展，但是与其他产业相比，数字经济对农业增加值的贡献率还很低。

驱动因素

环境挑战： 受全球变暖，水资源日益短缺影响，据估计，到 2050 年，全球大豆和玉米主产区的产量将缩水18% 至 23%。到 2080-2100 年期间，气候变化对非洲农业产量的总体负面影响可能高达 15%至 30%

消费需求： 联合国发布的一项报告预测³，到 2050 年，世界人口将达 91 亿。要为数量更多、城市化程度更高和更为富裕的人口保障粮食供应，粮食产量（不含用于生物燃料的粮食）必须提高 70%。谷物年产量需要增至约 30 亿吨，肉类年产量需要增至 4.7 亿吨。未来增产量的 80%将来自单产和复种指数的提高，只有 20%来自扩大耕地。

生物燃料需求： 各种政策措施推动了液体生物燃料的热潮，预计今后十年甚至更长时期内液体生物燃料对原料农产品（食糖、玉米、油 籽）的需求量将继续增长，从而对粮食价格施加上行压力。

效率提升： 数字农业技术帮助农场主有效降低成本、减少体力投入， 同时优化种子、肥料、杀虫剂、人力等农业资源配置。先进的技术有助于降低能耗和燃料用量。数字技术引导农场主巧妙平衡时间与资源投入，以获得最大产量。

限制因素

分化的农业市场： 农业市场是由针对农业价值链不同环节提供解决方案的小型公司构成的。通过部署仅适用于单一生产环节的解决方案，规模经济难以实现。特别是在发展中国家，提供整体农业生产解决方案的农业社会化服务机构缺乏，种植者只能从厂家或经销商处获得单一产品或技术。

数字化技术不成熟： 尽管多项研究显示³，对农业科研和开发的投资能创造极高的回报率。但在许多发展中国家，农业研发投资不足的状况仍在继续。一方面，数字农业化和农业数字化是世界性难题，有技术和应用上的瓶颈等待突破。另一方面，科研创新能力不足，关键核心技术研发滞后，农业专用传感器缺乏，农业机器人、智能农机装备适应性较差。

大额投资需求： 要想彻底转变农场现有基础架构与布局，部署高效、可持续的数字农业生态系统，农场主需要投入大量启动资金。然而，对于中国、巴西、印度等发展中国家的农场主来说，部署上述智能方案的巨大成本实为一大挑战。特别是在中国，家庭联产承包责任制的土地制度下，农场主长期投资的意愿更低。

基础数据资源体系缺失： 数据是数字技术的基础，当前，农业自然资源、生产等数据缺失，必须由政府推动，就数据采集和应用标准形成共识，以确保操作标准被广泛采纳并遵守。

终端用户挑战： 60％以上的农场主认为低覆盖范围和高投资成本是数字农业必须解决的主要难题。其次，还需要解决部署周期长和带宽问题。

机遇

智能手机扩张与互联网渗透 ： 越来越多的农场主依靠智能手机等智能媒介获取农业发展的最新资讯。他们利用无线网络了解农业发展的新动向，参与以产业为导向的知识共享计划。 多语种资源的开放获取路径则促进了行业共识的有效传播。此外，农业机构网站开始受到农场主群体的广泛青睐。如中国最权威、最受欢迎的农业农村部网站，日均点击量超300 万次。 政企合作： 许多政府、农业部门与国有企业都在寻求与农产品加工企业、金融机构、餐饮生产商、电商平台和科技公司深入合作，以支持并促进可持续农业计划的发展。这些计划的制定以提高产量、强化食品安全、扩大农业生产效率、拓展市场为目的。政企合作所提供的先进技术及卓越管理流程可成为农业发展的重要赋能因素， 并开拓新的收益来源。该模式的广泛建立将推动数字农业解决方案的全球应用。

倚重科技： 在日常生产劳作中，农场主对科技的依赖日益增强。 联网技术（如低功耗广覆盖 LPWA、Zigbee、Wi-Fi 等）和 无线传感科技使能农场主高效规划并执行农作各环节，包括采购、存货控制、种植、收割等。

数字农业价值链

数字农业价值链⁴当中的利益相关方主要包括：装置与设备制造商、联网供应商、应用供应商、托管和分析业务供应商、无线连接供应商、移动运营商和系统集成商，大家合力推动数字农业的发展。

农场数据由部署在农田里的传感器收集，联网供应商（LPWA和移动运营商）则负责传输。收到数据后，系统集成商和农业解决方案供应商会对其进行处理，并将处理结果通过移动或网页应用发送至终端用户。

数字农业商业化应用及案例

精准农业

精准农业利用物联网技术 及信息和通信技术，实现优化产量、保存资源的效果。精准农 业需要获取有关农田、土壤和空气状况的实时数据，在保护环 境的同时确保收益和可持续性。

可变速率技术（VRT)

VRT 是一种能够帮助生产者改变作物投入速率的技术。它将变速控制系统与应用设备相结合，在精准的时间、地点投放输入，因地制宜，确保每块农田获得最适宜的投放量。

智能灌溉

提升灌溉效率、减少水源浪费的需求日益扩大。通过部署可持续高效灌溉系统以保护水资源的这种方式愈来愈受到重视。基于物联网的智能灌溉对空气湿度、土壤湿度、温度、 光照度等参数进行测量，由此精确计算出灌溉用水需求量。经验证，该机制可有效提高灌溉效率。

农用无人机

无人机有着丰富的农业应用，可用于监测作物健康、面积测量、可变速率应用、 牲畜管理等。无人机可以低成本监视大面积区域，搭载传感器可轻易采集大量数据。

智能温室

智能温室可持续监测气温、空气湿度、光照、土壤湿度等气候状况，将作物种植过程中的人工干预降到最低。上述气候状况的改变会触发自动反应。在对气候变化进行分析评估后，温室会自动执行纠错功能，使各气候状况维持在最适宜作物生长的水平。

收成监测

收成监测机制可对影响农业收成的各方面因素进行监测，包括谷物质量流量、水量、收成总量等，监测得到的实时数据可帮助农场主形成决策。该机制有助于缩减成本、提高 产量。

农业管理系统（FMS）

FMS借助传感器及跟踪装置为农场主及其他利益相关方提供数据收集与管理服务。收集到的数据经过存储与分析，为复杂决策提供支撑。此外，FMS还可用于辨识农业数据分析最佳实践与软件交付模型。它的优点还包括：提供可靠的金融数据和生产数据管理、提升与天气或突发事件相关的风险缓释能力。

杭州云合智联科技有限公司建立以种植者为中心的服务体系，融合农业科技和数字技术，打造种植“工具箱”。为种植者提供基于作物和商业洞察的种植方案，引导农场主平衡时间与资源投入，有效地降低生产成本、增强综合生产能力。

在种植环节，为帮助农场摆脱人力依赖，构建集环境生理监控、作物模型分析和精准调节为一体的智能农业系统，依靠物联网和人工智能实现智能排产、智能监测、智能作业，进行农产品的差异化生产。

在生产管理环节，通过大数据与人工智能进行经营决策的“数字化”制定，提高效能，实现可预测可调整、产量和质量并重的种植。

土壤监测系统

土壤监测系统协助农场主跟踪并改善土壤质量， 防止土壤恶化。系统可对一系列物理、化学、生物指标（如土 质、持水力、吸收率等）进行监测，降低土壤侵蚀、密化、盐化、酸化、以及受危害土壤质量的有毒物质污染等风险。

精准牲畜饲养

精准牲畜饲养可对牲畜的繁殖、健康、精神等状况进行实时监测，确保收益最大化。农场主可利用先进科技实施持续监测，并根据监测结果做出利于提高牲畜健康状况的决策。

病虫害检测

农作物重大病虫害的实时监测和早期预测是及时、有效地控制其暴发成灾的先决条件之一。传统的病虫害采用肉眼观察或者直接田间定点捕捉的方法，依靠个人经验来预测，有时间滞后性、主观性和极大的不准确性等一系列缺点，不能满足宏观病虫害预测。

病虫害预测有很长的时间跨度，一般来说要经历经验预测、试验预测、统计预测3 个阶段。传统的病虫害预测不仅在信息采集上依赖主观观察，在进行病虫害的预测时往往也是通过经验，导致病虫害预测精确度低下，信息十分滞后，严重阻碍了对病虫害的准确预测，限制了我国农业的发展。

我国作为21 世纪的农业大国，对世界农业有着举足轻重的影响。病虫害的治理和预防是我国提高粮食产量的重要途径，因此病虫害的早期预测，采取及时有效的防治措施，减少农业损失，成为目前关注的重要问题。从信息的采集到信息的传递再到信息的处理进行预测，现代技术正在病虫害预测中起着至关重要的作用。

技术描述

人工神经( back propagation，简称 BP) 网络采用误差反向传播算法，适用于非线性模式识别和类型预测的问题。典型的人工神经网络包括输入层、隐含层和输出层3 个部分，模仿生物神经网络构造。

人工神经网络层与层之间相互连接，各层之间神经元节点互不联系，相邻层之间通过权连接，进行分布式信息处理。

影响病虫害的因子包括物理因子和环境因子，各个因子之间相互作用，对害虫的影响不是线性关系，因此传统的数理统计方法对模型的训练十分困难。而人工神经网络模拟人脑 思维结构，具有很强的自学习、自组织、自适应和容错性等特点，适合非线性问题的处理。

靳然等以运城市苪城县1980—2006年麦蚜最大虫株率和气象因子为基础，建立 BP 神经网络来预测2007—2011 年麦蚜最大虫株率，平均预测精 度为96.09%; Klem 等以气象参数和土壤温度建造了基于神经网络的白菜茎象鼻虫的病虫害发生预测，准确率达到 97%；李波等通过使用主成分分析法获得的主分量光谱，结合概率神经网络实现了稻干尖线虫和稻纵卷叶螟的识别，准确率达到95.65%。

缺点

虽然人工神经网络在农业病虫害方面起到了一定的作 用，但人工神经网络也有一些缺点。例如，在学习过程中该算法收敛速度慢; 人工神经网络中隐含层节点数没有明确的方法来确定; 采用梯度下降法，人工神经网络易陷入局部最小值，不能找到真正最优解，因此神经网络往往都须要优化，结合其他一些算法来进行。

例如，张芳群等以陕西地区1988— 2013年玉米螟虫危害为例，利用基于偏最小二乘法回归 ( PLS) －遗传算法( GA) －神经网络( elman) 的组合神经网络算法对病虫害进行预测，5年的预测结果相对误差在 0.066 1% ～ 0.122 2%之间，证明该神经网络精度较高，具有较好的泛化能力；曹志勇等建立了基于粒子群算法对神经网络参数优化的混合智能算法的病虫害预警模型，以 1980— 2007 年的稻瘟病为数据建立模型，最大允许误差小于0. 001。

神经网络还可以结合一些数学模型来进行应用。例如杨淑香等通过 SPSS 逐步回归法，建立内蒙古东部地区落叶松毛虫的分布面积、密度与环境的人工 BP 神经网络模型。温芝元等将模糊逻辑与神经网络相结合，建立补偿模糊神经网络脐橙病虫害识别模型; 谭文学等通过深度学习神经网络并以弹性动量对神经网络进行参数优化，建立了实时预警果树病害和辅助诊断果蔬系统。多通道人工神经网络来检测黄瓜花叶病毒; Kouakou 等通过光学指纹结合多通道人工神经网络来检测黄瓜花叶病毒。

美国孟山都公司与DataRobot机器人公司合作研发出一种能够准确检测和分类植物害虫与疾病的图像识别算法，准确率高达95.7%，无论速度还是准确率，都远远超过农业专家。

美国数据农业技术公司Resson利用AI开发出一种智能图像识别算法，准确地监测和分类植物害虫与疾病。分析虫情趋势，发出虫情预警。

中国杭州云合智联科技有限公司利用利用UAV携带多光谱成像传感器采集植被信息，经图像识别算法准确监测和分类植物病虫和健康程度，30分钟可完成300亩农作物检测，精确度高达95%。

设计育种

种业是国际农业竞争的战略高地，设计育种是融合农业育种与生物信息、大数据、人工智能等前沿学科领域，分子设计育种是未来竞争的主阵地。

通过基因测试整合遗传变异数据实现作物性状调控基因的快速挖掘与表型精准预测；通过基因编辑改造基因合成回路，使作物具备新的抗逆、高产等生物学性状；通过人工智能设计育种方案创建智能组合优良等位基因数量性状位点的育种设计方案。

农业机器人

嫁接机器人： 对于西瓜、番茄等一些具有重茬病害的作物来说，种苗嫁接是实现低成本持续种植的重要方法，但是种苗嫁接面临用工难，成活率难保证的问题。

日本的TGR 嫁接技术研究院研发的一款专门用于葫芦科作物执行嫁接工作的智能机器人。可以自动检测出合适嫁接幼苗以及有缺陷的幼苗并跳过这些有缺陷的幼苗。这种嫁接机器人的接枝成功率在98%。

除草机器人： 农田杂草与农作物竞争空间养分，有些杂草还是农作物病虫害的宿主。长时间使用除草剂已经对农田造成了土壤板结，杂草抗逆性等问题，用人工除草也不现实。

除草机器人利用机器视觉识别土壤和植物，经过去除土壤背景、苗草分离、定位目标，铲除杂草等步骤可以实现不间断除草作业。

采摘机器人： 人工采摘水果成本太高，集中成熟期还面临人工短缺等问题。采摘机器人一直是机器人领域的重点。比利时OCTINION开发的草莓采摘机器人采用Dribble自主平台，无需要对种植设施改造即可实现温室内导航，利用计算机视觉系统可精准判断草莓成熟度，3秒完成一次采摘，采摘和分拣质量与熟练工人相媲美。

无人驾驶拖拉机： 2016年凯斯把Magnum T8大马力拖拉机升级改装为自动驾驶拖拉机，可自主作业或与传统农机协同作业，可以通过雷达、测距激光和视频摄像头，侦测并避开障碍物，自主或手动规划路径，远程控制监测拖拉机和农具作业燃油或种子耗尽前，可自主回到基地进行补给。

播种机器人： 美国爱荷华州的发明家David Dorhout研发的智能播种机器人Prospero，通过探测装置获取土壤信息，通过内置算法得出最优化的播种密度，完成自动播种。不同Prospero机器人还可以编队作业，大大提高效率。

**农产品无损检测： ** 利用图像处理技术在不损坏检测对象的前提下，利用水果外部特征和内部结构所引起的物化反应变化，探测其性质和数量变化进行无损检测，获取农产品表面尺寸、形状、颜色等物理参数，对农产品进行质量评估和分级。

植物工厂: 植物工厂通过物联网采集温室内实时环境数据，利用大数据分析和人工智能进行智能化调控、精细化施肥，可达到提高产量、改善品质、 节省人力、提高经济效益的目的。

未来，人类长期驻扎火星，同样需要智能植物工厂提供食物。

**畜牧养殖: ** 加拿大的Cainthus机器视觉公司通过农场的摄像装置获得牛脸以及身体状况的图像信息，通过深度学习对牛的情绪和健康状况进行分析，帮助养殖场判断牛的身体状况。

荷兰的Connecterra通过奶牛身上的可穿戴设备，结合固定探测器收集数据，可以实现健康分析、发情期探测等功能。

数字农业创新企业图谱

Nano Ganesh

坐标：印度

Water Pump Control 23 是一种基于蜂窝网络的无线遥控和报警系统，用于远程控制水泵，抵抗不利的灌溉条件。

该应用可以解决关于水泵的诸多常见问题，例如电力供应波动、贫瘠荒凉的地形、对当地野生动物损坏水泵的担忧、危险场所、明线布线、电击危险和雨水侵蚀等。农村供水系统还面临另一个问题，即水箱和水源缺乏充分的协调。

效益

• 每年节约水资源 18 万立方米，电力 1080 兆瓦，燃料 180 立方米和土地 18 立方米
• 节约劳动力成本 720000 美元

哥伦比亚电信公司

坐标：哥伦比亚

哥伦比亚电信公司、Movistar、Claro 和 Tigo 等运营商支持多家农场监测香蕉作物。哥伦比亚农场面临重重阻碍，包括洪水、土壤氧气含量下降、湿度高和低温等。

效益

• 增加15%的产量

• 提高环境和农业的可持续性

• 增强作物的可追溯性

VinaFone

坐标：越南

Viettel Mobile、MobiFone 和 VinaFone 等运营商在支持数据传输方面更进一步：从无线传感器到传感器平台，最终再到云服务器。 越南一家大型水产养殖场在应用实施监测技术前的统计数据如下：

• 商用养殖水箱中的幼鱼：2,000千克
• 六个月后的实际收获：30,000千克
• 每千克鱼的价格：1.5美元 - 营业额：45,000美元

效益

• 应用实时监测后鱼类死亡率降低40%至50%

• 应用实时监测后六个月的实际收获达 42,000 至 45,000 千克

• 营业总额高达 63,000 至 67,500 美元

• 节约费用高达 18,000 至 22,500 美元

Telefonica

坐标：西班牙

在西班牙，运营商 Telefonica 推出自动灌溉系统，使用 GPRS 业务连接十多个农场的液压阀门、仪表和液位计。单个农场的总面积高达 21,000 公顷，难以手动操作灌溉阀门。 Telefonica 和ABB推出远程灌溉系统，帮助农场主融合计算机和手机，以制定合适的灌溉计划。具体的解决方案以选定 GPRS 通信业务的移动电话网络和远程读取寄存器为基础。 效益

• 每年节约水量高达 47 立方百米

• 农场利润增加25%

• 电力费用节约30%

参考文献

Footnotes

1. 中国信通院：数字经济白皮书，2017 ↩

2. 数字经济联合会：数字经济蓝皮书蓝皮书，2019 ↩

3. 世界粮农组织：2050如何养活世界，2009 ↩ ↩²

4. 华为：联网农场，2017 ↩