上个世纪中期，世界曾经爆发一次以农作物的矮杆化和化肥的广泛使用为基础的“绿色革命”，那场革命极大的推进了世界粮食产量的供给，比如水稻单产在80年代末比70年代初提高了63%；这场绿色革命解决了世界上19个发展中国家的粮食自给问题。现在，当地球步入到一个新的发展年代，人们迫切需要再来一场绿色革命，来解决全球人口的爆发带来的粮食安全以及日益提高的膳食营养（肉类蛋白质等）需求。但，路在哪里？
初，美国国家科学院、工程院和医学院联合发布了题为ScienceBreakthroughstoAdvanceFoodandAgriculturalResearchby的研究报告，描述了美国科学家眼中农业领域亟待突破的五大研究方向。即：第一，整体思维和系统认知分析技术是实现农业科技突破的首要前提。第二，新一代传感器技术将成为推动农业领域进步的底层驱动技术。第三，数据科学和信息技术是农业领域的战略性关键技术。第四，突破性的基因组学和精准育种技术应当鼓励并采用。第五，微生物组技术对认知和理解农业系统运行至关重要。其实这五个大的研究方向已经指明了下一代的绿色革命的组成：在以系统化的思维指导下，结合智慧农业和生物技术来进行农业新的变革。
在智慧农业和生物技术这两个大方向中，我们想就智慧农业的数字化工具进行一些阐述。智慧农业的数字化工具，经常会在提及农业4.0或者精准农业时被人讨论。在中国，有多达余家公司号称自己是智慧农业公司、农业4.0或者是中国版的Climate(TheClimateCorporation公司，年被孟山都收购，年并入拜耳集团，以数字化工具FieldView著称)。那么，它们是不是智慧农业？它们是不是中国版的Climate？智慧农业的数字化工具到底是什么？
数字化工具的核心形式
按照孟山都公司等对智慧农业的定义，智慧农业包括四个方面，第一部分是传感器系统，这里面包括田间传感器等物联网设备以及卫星和无人机的遥感监测系统等。这一部分主要是用来感知这个世界；第二部分是信息系统，这包括土壤数据、气象数据以及农田操作的数据等等，这部分有时候也被称为大数据系统，主要是系统的数据输入来源；第三部分是生长模型，这包括农作物的生长模型和病虫害生长预测模型等，主要是用来计算生物和环境之间的相互作用；第四部分是智慧农机，包括可变量播种和施肥的机械与智能化设备等，主要是用来将决策结果进行输出和实现。因此，所做的工作凡是与上述四个方面相关的，称为是智慧农业都没有问题。而智慧农业的数字化工具，则是指在这些过程中，采用了IT的手段对数据进行整合、分析、预测并作出决策的工程软件，其意义在于将碎片化的数据转化成有意义、可以进行执行的决策建议。Climate公司主要是在做数字化工具的开发与应用，从这个层面上来讲，99%的智慧农业公司根本不是中国版的Climate。
广义智慧农业的组成
对于智慧农业的数字化工具，其流程可概括为：种植前，通过人工智能算法获取未来生长季的气象数据，并采用气象插值计算方法将数据推算到每个地块，然后通过算法寻找到最佳可种植作物品种并推荐给用户；在种植过程中，通过物联网或者环境和作物数字化模型算法，实时监控光照、温度、降雨、土壤情况的变化并结合构建好的作物机理模型，指导客户在作物生长发育的关键节点进行水肥、病虫害管理，达到提升作物质量和种植产量的目的。在美国，农场主在每个种植季需要作出40余项决策，这些决策都可以用数字化工具来帮助实现最优化。在中国，相对来讲需要做的决策要少于美国（比如我们很少考虑轮作、庇护所策略、变量播种与施肥等），但每个生长季也要至少有20多项决策需要作出。这些需要做的决策都为数字化工具的推广带来了机遇。
数字化工具的运行逻辑图示
从美国的实践经验来看，Climate的数字化工具FieldView在降低施肥量的同时，还可以帮助农场主提高产量，平均每英亩增产9.1蒲式耳的粮食产量（年）。借助于此，其目前服务的土地已经占了美国所有耕地的1/3左右。
而众所周知，我国以全球7%的耕地养活了全球20%的人口，但在这个过程中，我国使用了全球约1/3的化肥和1/2的农药。这些数字表明，我国农业科技水平低，更需要用先进的科技工具来实现农业的变革，在可选的科技中，数字化工具是很好的一个选择。
从笔者所在的北京爱科农科技有限公司的经验来看，在未采用物联网设备的基础上，数字化工具“爱耕耘”可以帮助农民降低10-20%的肥料的投入量的同时，提高5-15%的产量。而未来如果有更多维度的数据进入到数字化工具的应用中，可以提升的空间则会更大。因此，数字化工具在我国玉米生产中的应用前景非常光明。
在育种和生产阶段，数字化工具应用前景也非常广阔。比如在育种的小区试验中，采用视觉识别的算法，采用无人机对于试验小区的保苗数、后期的收获株数以及各个小区中不同品种的株高和穗位，以及病虫害的发生情况等等进行表型数据的搜集和分析，目前已经是比较成熟的应用。
视觉识别系统在育种中的应用
数据算法也可以用于育种试验地的筛选。比如孟山都公司在年左右，采用大数据计算的方法，对于不同的土壤、气象以及病虫害发生的情况进行聚类分析和机器学习分析计算，筛选出那些最具有典型价值和意义的地点来进行育种测试，把育种测试地点的数目成功的减少了1/3以上，这大大的减少了测试的规模，而且搜集到的数据也减少了“被掺水”的可能，使得数据更加的精准有效。当然，这些数据也为未来这些新选育出的品种在市场上的适应区域和整个产品管理周期中销量的分析带来了很大的价值。
在自交系育种家构建新的自交系的时候，如果采用一些数字化的工具，可以为每一自交系从播种到出苗所需要的积温条件进行分析，然后把这些数据传给生产团队，并利用气象预测工具方法，可以有效的把父本的播种时期减少到1-2次，这会大大的降低播种和管理难度，而且在这个过程中，也可以有效的降低人工成本和额外的农资投入。
在玉米的制种过程中，可以通过数字化工具，对未来的气象条件进行判断分析，推荐最佳播期、作物最佳养分需求、病虫害发生预测等，通过这些方面的精准操作来降低成本，提升制种效益。此外，也可以用无人机结合数字化工具调查田间出苗率、监测玉米去雄、检查田间去杂、检查父本割除等工作。在西北地区制种成本日益增长的今天，这些数字化工具的价值和意义都非常重大。
另外，在玉米的大田生产之中，除了一般的推荐品种、农事操作等内容之外，也可以用数字化工具进行玉米灾害预警系统的搭建。这种系统是基于玉米灾害预测模型搭建的，该模型基于玉米品种特性、物候期、灾害实际发生数据、灾害发生特征、历史天气数据、未来天气数据、土壤数据等对气象灾害、病虫灾害的发生风险及其对作物的影响程度进行预测。模型利用灾害实际发生数据将环境影响因子作为灾害发生特征，同时采用时间序列分析法对灾害发生的关键因素进行筛选，确定灾害发生规律，进而通过多种机器学习方法训练、验证和测试来获取最佳模型。预警系统结合气象预测数据，可进行未来15天的地块级的灾害预警，每日更新结果，并以地块形式在地图中展示出不同程度的灾害结果。目前，爱科农公司已经为中种国际种子有限公司等搭建了多个品种的预警系统，为有效避免灾害带来的减产带来了很大的帮助。
玉米灾害预警系统
数字化工具在不同地区，因为田间的操作频率不同，导致可以介入的次数也有不同。通常来讲，雨养农业的地区，从播种到收获的田间操作次数只有5-8次；而在灌溉农业地区，则可以达到10-12次。根据田间操作频率的不同，数字化工具所发挥的空间也有很大不同。越是可以频繁介入的地区，其发挥的空间也就越大。而在诸如西北等地区，数字化工具结合水肥一体化等设备开发出来的智慧灌溉系统，可以帮助用户在作物生长发育最关键的时期进行适当的灌溉，从而提高水分的利用效率。而在这个过程中，由于采用了云计算的方法，农民甚至不必在手机上进行任何操作，就能利用人工智能的手段，自动进行水肥的施用。这将为减少经验种植带来的误差，以及帮助*府在关键区域减少漏斗地形的形成，起到很大的作用。
总之，数字化工具是一个新兴的工具，即便是美国，Feildview这款产品上市也不过6年的时间。这项技术在玉米育种、制种和生产上的应用目前还处于初级阶段。随着数据的积累和算法的精进，我们认为中国也能够诞生一家类似Climate公司出来，为我国玉米的生产带来更多助力。而在这个过程中，农业的数字化工具很可能成为我国实现农业弯道超车的重要位点。
作者：郭建明博士