数字时代的美国精准农业

农业正在进行数字化转型，精准农业属于转型中重要的一部分。目前美国农业面临诸多挑战：生产成本上升、气候变化、劳动力短缺、自然资源集约利用的不可持续性、杀虫剂抗药性等。自1996年以来，数字技术在美国农业中的应用占比逐步增大，但是不同技术与农作物使用数字技术的情况差异很大。

图1：数字农业主要技术（图片来源：USDA）

数字农业主要可以分解为三个部分：1、数据采集系统。包括产量和土壤监测设备、各种传感器数据及来自无人机/飞机/卫星的图像。2、决策支持（DS）系统。包含电子地图或地理参考数据的可视化工具，以及智能手机应用程序和其他带有管理建议的支持系统。3、数据驱动设备及输入调整功能。包括引导系统、自动部分控制及可变速率技术（variable rate technology）。

下面主要介绍基础精准农业技术的典型技术：

1、产量地图

产量空间和时间模式图对农业生产者具有重大的价值，可以提供关键信息供管理决策。这些图主要是分析影响田间产量的因素来确定其他要素投入（例如化肥和农药）的可变比率应用。产量数据主要是使用产量监视器采集的，通常安装在联合收割机或其他形式的自动引导器上，目前已经成为新设备的标准配置。产量监视器由三个组件构成：质量流感传感器，用于监测谷物流量以建立谷物产量测量；湿度传感器，用于捕获谷物中的水分含量，以帮助储存和干燥谷物；记录地理参考位置的差分全球定位系统（DGPS）接收器。

图2：1996-2019年产量地图应用比例（图片来源：USDA）

由上图可以看出来大豆种植面积采用产量监视器的比例从1996年的5.3%增加到2018年的43.8%；2016年玉米种植面积的采用率为43.7%，高于1997年的7.7%。

2、土壤地图

土壤地图的测绘用于识别土壤及其特性。用于土地利用管理的土壤地图通常由两个级别。第一级别包括制图时土壤特性或土壤状况的清单；第二级包括对土壤特性和场地环境的解释。在数字土壤测绘中，需要创建地理参考土壤数据库，用来促进多个空间尺度景观模式的快速可视化和量化。在美国，数字土壤测绘的数据库大部分是由美国农业部自然资源保护局（NRCS）维护的。

图3：1996-2019年土壤地图应用比例（图片来源：USDA）

土壤地图可以跟踪随时间变化的土壤特征。然后，这类地图也存在一点的缺陷：不能解释某些高度动态、局部且依赖于历史的土壤特征（例如压实）。上图可以看出土壤地图的应用率均较低，低于调查作物种植面积的25%。2016年土壤地图管理的土地面积比例仅占玉米种植面积的21.5%，2018年占大豆种植面积的14.3%，2019年占高粱种植面积的6.2%，2019年占冬小麦种植面积的5.6%。这些应用率与美国中部耕作物每隔3-4年对土壤采样的频次总体趋势一致。

3、可变速率技术（VRT）

农民可使用可变速率技术来执行各种农场任务，包括播种、施肥、播撒石灰或杀虫剂。VRT技术可以很好地控制重要的可变输入，从而导致更高效的应用且降低总生产成本。VRT还可以通过调整使用量来帮助减少肥料浸出或径流，从而促进更可持续的商品生产。

图4：1996-2019年可变速率技应用比例（图片来源：USDA）

尽管VRT技术有望降低成本，但其在美国农场的使用率远未普及。VRT一般大型农场采用率较高，而小型农场采用率较低。

4、无人机、飞机或卫星

虽然飞机在许多农业作业中已使用了数十年，但无人机（UAV）技术是数字农业的一个新功能，当配备卫星跟踪或GNSS（全球导航卫星系统）技术时可以帮助优化农田管理。可以用于农作物测绘、牲畜监测、土地测量、农作物喷洒和农作物喷粉。当配备全球导航卫星系统时，无人机可以对大片农田进行管理从而辅助决策。

图5：飞机、无人机或卫星应用比例（图片来源：USDA）

根据上图的数据，这些工具的应用比例非常有限，原因主要是其技术复杂性与使用过程中的巨额费用导致的。

从以上分析可以看到，由于精准农业技术的采用，美国农业持续数字化的比例近20年来一致稳步上升。但是也要看到数字农业技术在美国耕作物农场的应用比例远未达到普及的程度。由于许多数字工具都具有相当大的前期成本、维修成本、更换成本及年度使用费。如果农民不能在足够大的耕地基础上“平摊”这些成本，同时获得足够高的收入，那么这些技术使用成本可能会导致应用的障碍。对此，美国农业部的保护计划为农民提供技术或财政援助，以便他们在农业作业中采用数字农业技术。

参考文献：

1.     Jonathan McFadden, Eric Njuki, and Terry Griffin. February 2023. Precision Agriculture in the Digital Era: Recent Adoption on U.S. Farms, EIB-248, U.S. Department of Agriculture, Economic Research Service.

2.      Jayashankar, P., Nilakanta, S.,Johnston, W.J., Gill, P. and Burres, R. (2018), "IoT adoption in agriculture: the role of trust, perceived value and risk", Journal of Business & Industrial Marketing, Vol. 33 No. 6, pp. 804-821. https://doi.org/10.1108/JBIM-01-2018-0023