馮思輝，魏霖靜，劉志祖

（1.甘肅農(nóng)業(yè)大學(xué) 信息科學(xué)技術(shù)學(xué)院，甘肅 蘭州 730000；2.臨夏州農(nóng)業(yè)技術(shù)推廣服務(wù)中心，甘肅 臨夏 731100）

一、引言

農(nóng)業(yè)大數(shù)據(jù)是一種基于農(nóng)業(yè)與大數(shù)據(jù)結(jié)合的智慧應(yīng)用系統(tǒng)，也是未來大數(shù)據(jù)應(yīng)用的一種趨勢，對于推動農(nóng)業(yè)生產(chǎn)發(fā)展，具有重要意義[1-3]。農(nóng)業(yè)大數(shù)據(jù)可以結(jié)合農(nóng)業(yè)生產(chǎn)的特點，比如周期性、季節(jié)性等，進(jìn)行相關(guān)的搜索、存儲、計算以及分析[4]。隨著社會的發(fā)展，農(nóng)業(yè)大數(shù)據(jù)應(yīng)用的形式也日漸多樣。其中，云計算、物聯(lián)網(wǎng)等都為其提供了足夠的技術(shù)支持，具有較強的價值[5]。

本文查閱與農(nóng)業(yè)大數(shù)據(jù)相關(guān)的文獻(xiàn)資料，對其觀點進(jìn)行總結(jié)，對于本文的研究，具有較強的現(xiàn)實意義。在現(xiàn)有的研究當(dāng)中，內(nèi)容十分豐富，具體如下：

1.農(nóng)業(yè)大數(shù)據(jù)應(yīng)用方面：何巖巍和李慧強（2021）[6]指出農(nóng)業(yè)大數(shù)據(jù)的發(fā)展，需要大量的科研人員，投入到數(shù)據(jù)采集、數(shù)據(jù)優(yōu)化當(dāng)中，避免數(shù)據(jù)異構(gòu)所造成的影響。謝楚鵬和溫孚江（2015）[7]從協(xié)同機制的角度出發(fā)，對農(nóng)業(yè)大數(shù)據(jù)的科學(xué)性進(jìn)行了論證，認(rèn)為農(nóng)業(yè)大數(shù)據(jù)的應(yīng)用需要建立多元的規(guī)范平臺，形成針對性的動態(tài)監(jiān)控，監(jiān)控的內(nèi)容包括：農(nóng)業(yè)生產(chǎn)、農(nóng)業(yè)投入、農(nóng)業(yè)產(chǎn)出等。李道亮等指出，農(nóng)業(yè)大數(shù)據(jù)未來需要與人工智能相結(jié)合，保證數(shù)據(jù)獲取的敏捷性。李秀峰等認(rèn)為農(nóng)業(yè)大數(shù)據(jù)需要充分的表達(dá)農(nóng)業(yè)生產(chǎn)的信息，建立數(shù)據(jù)綜合查詢系統(tǒng)。Tumpe 等（2021）[8]認(rèn)為農(nóng)業(yè)發(fā)展離不開大數(shù)據(jù)的應(yīng)用，其結(jié)合天氣預(yù)報等方面，給出了模型分析。Ji Luo 等（2021）[9]通過對季節(jié)性條件，基于云計算工具，分析了農(nóng)業(yè)大數(shù)據(jù)對農(nóng)業(yè)生產(chǎn)質(zhì)量的影響。認(rèn)為在農(nóng)產(chǎn)管理與決策當(dāng)中，通過大數(shù)據(jù)，可以提高生產(chǎn)勞作的效率和質(zhì)量。

2.農(nóng)業(yè)大數(shù)據(jù)平臺方面：王一歡指出，可以利用大數(shù)據(jù)，構(gòu)建專門的信息平臺，采集和上傳到云端的農(nóng)場土壤、氣象、生產(chǎn)等數(shù)據(jù)管理農(nóng)場，借助于大數(shù)據(jù)平臺和移動設(shè)備，提高了管理的精確性。李瑾等結(jié)合我國農(nóng)業(yè)發(fā)展的現(xiàn)狀，設(shè)計了通用型的農(nóng)業(yè)大數(shù)據(jù)平臺框架，包括：數(shù)據(jù)采集、數(shù)據(jù)分析、市場跟蹤等[10]。Srikanta 和Kamaljit（2021）[11]構(gòu)建了認(rèn)為，需要將農(nóng)業(yè)育種、畜牧業(yè)、農(nóng)機作業(yè)、智慧生產(chǎn)管理、農(nóng)產(chǎn)品質(zhì)量安全追溯等方面的內(nèi)容，融合到數(shù)據(jù)平臺當(dāng)中，形成統(tǒng)一管理，統(tǒng)一分析。

二、農(nóng)業(yè)大數(shù)據(jù)農(nóng)產(chǎn)品質(zhì)量監(jiān)測評估

（一）模型構(gòu)建

本文在構(gòu)建模型的過程中采用DEA 模型并按照三大原則來完成，第一大原則具體是實現(xiàn)分析目的，針對于對象的評價要展開具體詳細(xì)地分析研究，一定要做到全面且客觀，只要與此相關(guān)的全部對目標(biāo)產(chǎn)生影響的因素都一定要分析到；第二大原則就是精簡投入指標(biāo)，DEA 模型，基于理論層面而言，能夠有聯(lián)系性的產(chǎn)出指標(biāo)有數(shù)以千計，然而，指標(biāo)的增長程度和效果之間呈現(xiàn)出了反比的關(guān)聯(lián)性，所以，一般針對于投入產(chǎn)出指標(biāo)的數(shù)量選取問題而言，一定要控制在決策單元個數(shù)的3 倍范圍之內(nèi)；第三大原則具體是一定要盡可能將數(shù)據(jù)收集成本考慮其中，在績效評價內(nèi)存在著大量的指標(biāo)，所以相對應(yīng)的搜集成本不好估量，一般都十分巨大，因為現(xiàn)實種種因素帶來的限制性，所以只能在其中選擇一部分可行的關(guān)鍵指標(biāo)來開展并完成。在翻閱并借鑒大量資料，同時具體分析研究了技術(shù)難度，并基于DEA 模型選取確定的基本原則和調(diào)整公式基礎(chǔ)上，本文最終確定了表1 這部分指標(biāo)體系來展開具體分析。

表1 大數(shù)據(jù)農(nóng)業(yè)質(zhì)量監(jiān)測評價指標(biāo)體系

由于農(nóng)業(yè)大數(shù)據(jù)質(zhì)量監(jiān)測應(yīng)用系統(tǒng)仍然處于探索階段，相關(guān)的環(huán)節(jié)都不是十分的完善，因此，在指標(biāo)的評估當(dāng)中，可以選擇主要的投入量和產(chǎn)出量，以最優(yōu)選擇為標(biāo)準(zhǔn)，進(jìn)行設(shè)定。本文結(jié)合相關(guān)的文獻(xiàn)，經(jīng)過咨詢專家的意見，對表1 所構(gòu)建的指標(biāo)進(jìn)行取舍和綜合判定。選擇了最能夠直觀反映大數(shù)據(jù)農(nóng)產(chǎn)品質(zhì)量監(jiān)測效果的投入和產(chǎn)出指標(biāo)。分析投入指標(biāo)與產(chǎn)出二者存在的相聯(lián)系性，通過SPSS 19.0 進(jìn)一步來完成校驗過程。為了使得樣本更為嚴(yán)謹(jǐn)化，本文重點考慮了相關(guān)系數(shù)≠1 的這部分指標(biāo)。在一系列取舍考慮之后，最終，我們確定了投入和產(chǎn)出因素中分別三項指標(biāo)，如表2 所示。

表2 大數(shù)據(jù)農(nóng)業(yè)質(zhì)量監(jiān)測績效評價投入產(chǎn)出指標(biāo)

（二）數(shù)據(jù)獲取

針對2015—2020 年農(nóng)業(yè)部以及各省農(nóng)業(yè)大數(shù)據(jù)應(yīng)用中心、智慧農(nóng)業(yè)研究院等發(fā)布的相關(guān)報告，形成了由1 987 個數(shù)據(jù)組成的平衡面板進(jìn)行觀測。研究使用的數(shù)據(jù)，技術(shù)資金投入數(shù)據(jù)源于企業(yè)查數(shù)據(jù)庫，其余的相關(guān)指標(biāo)來自于農(nóng)業(yè)部以及農(nóng)業(yè)大數(shù)據(jù)研究院、各地區(qū)農(nóng)業(yè)生產(chǎn)企業(yè)、縣域?qū)用娼y(tǒng)計年鑒、各省商務(wù)廳、阿里研究院，個別缺失數(shù)據(jù)使用插值法補足。表3 是主要變量的描述性統(tǒng)計結(jié)果。

表3 變量描述性統(tǒng)計結(jié)果

（三）描述性檢驗

為了了解相關(guān)數(shù)據(jù)的準(zhǔn)確性，本文對所搜集的變量進(jìn)行了相關(guān)性檢驗，具體的結(jié)果如表4 所示。

表4 變量相關(guān)性分析結(jié)果

首先對于所有解釋變量進(jìn)行相關(guān)性分析，發(fā)現(xiàn)控制變量中經(jīng)濟效益和技術(shù)直接產(chǎn)出相關(guān)系數(shù)較大，可能存在自相關(guān)問題。為進(jìn)一步檢驗解釋變量間的相關(guān)性問題，下面進(jìn)行VIF 檢驗，經(jīng)檢驗表4 中所有VIF 值小于10，不存在多重共線性問題，可進(jìn)行下一步回歸。

表5 VIF 檢驗結(jié)果

（四）分析結(jié)果

1.績效變量分析。此處用到的工具是DEAP 2.1 軟件，利用此進(jìn)一步對上文中提到的指標(biāo)來展開具體的計算過程，能夠知道的是農(nóng)業(yè)大數(shù)據(jù)監(jiān)測對農(nóng)產(chǎn)品影響的績效統(tǒng)計結(jié)構(gòu)，將五個主要評價指標(biāo)納入主體部分，由專家提供子模塊，共計得到涉及到的子數(shù)據(jù)以及相關(guān)的模塊主要有15 個。分別用DMU（1～15）代替，具體如表6、表7 所示。

表6 大數(shù)據(jù)農(nóng)產(chǎn)品監(jiān)測投入產(chǎn)出子模塊

表7 大數(shù)據(jù)農(nóng)產(chǎn)品監(jiān)測投入產(chǎn)出績效表

結(jié)果能夠看得出：11 個單元的綜合效率具體是1，這也就意味著EDA 是有效的，結(jié)果能夠得知的是大數(shù)據(jù)監(jiān)測投入產(chǎn)出目前具體處于尚可的狀態(tài)。

純技術(shù)效率X 規(guī)模效率=綜合技術(shù)效率。綜合技術(shù)效率涵蓋了一系列內(nèi)容，具體內(nèi)容是分配優(yōu)化、資源的使用率等等。在綜合效率＝1 的情況下，就能夠得知的內(nèi)容是目前的狀態(tài)是最佳的。通過表6 能夠得知的是，現(xiàn)階段我國農(nóng)業(yè)大數(shù)據(jù)監(jiān)測的綜合效率均值具體是0.998，一共有11 個目前已經(jīng)能夠處于最優(yōu)狀態(tài)中，并沒有帕累托改進(jìn)。綜合效率=1 的時候，也就能夠直接說明技術(shù)創(chuàng)新投入管理方面已經(jīng)處于最優(yōu)情況下了，沒有再進(jìn)行改進(jìn)的必要性，但是如果發(fā)生了未達(dá)到1 的綜合效率有4 個且不達(dá)標(biāo)率已經(jīng)處于26%的狀態(tài)的話，那就能夠直接說明還是需要再改進(jìn)的。

2.松弛變量分析。就投入冗余值（S-）而言，能夠做到的是衡量既定產(chǎn)出水平。在這一模型中的話，冗余值（S-）以及產(chǎn)出不足值（S+）這兩個數(shù)值皆處于0 的狀態(tài)，那就能夠說明此時正是帕累托最優(yōu)狀態(tài)。針對投入量、產(chǎn)出量的不足與冗余這些方面來展開一系列具體的比對過程，進(jìn)一步可以獲取最終的研究結(jié)論。具體如表8 所示。

表8 大數(shù)據(jù)農(nóng)業(yè)監(jiān)測投入松弛變量值表

通過表8 能夠得知的是，在這部分的15 個評價單元內(nèi)，只有3 個評價單元需要進(jìn)入到進(jìn)一步改進(jìn)的過程中，針對具體的產(chǎn)出指標(biāo)不足值而言，有2 個需要改進(jìn)，其他有1 個。整體而言，農(nóng)業(yè)大數(shù)據(jù)對于農(nóng)產(chǎn)品監(jiān)測的功能得到有效的發(fā)揮，但是相關(guān)數(shù)據(jù)的統(tǒng)計均衡性以及具體原因，仍然需要進(jìn)一步結(jié)合單個模塊投影進(jìn)行隨機分析。

3.單個DMU 的投影分析。針對于DEA 不具備有效的導(dǎo)致性因素而言，投影能夠做到對此展開具體研究探討。所以，我們選取3、8、9 這3 個無效決策單元來進(jìn)行投影的過程，具體的最終結(jié)果如表9所示。

表9 部分?jǐn)?shù)據(jù)投影結(jié)果

DMU3 投入指標(biāo)中，相對值和實際值二者之間是一樣的，這就能夠直接體現(xiàn)出這一數(shù)值有效最優(yōu)數(shù)量差值，存在差異，說明該數(shù)據(jù)指標(biāo)需要進(jìn)一步的改良。結(jié)合數(shù)據(jù)可以看出，在所選擇的三個模塊當(dāng)中，目前農(nóng)業(yè)大數(shù)據(jù)技術(shù)監(jiān)測方面，除了絕對量指標(biāo)外，在相對量指標(biāo)、人力投入方面，都需要進(jìn)一步的改進(jìn)，這也是影響其作用發(fā)揮的主要原因。具體改進(jìn)方面，需要利用技術(shù)，加大人力資源投入，通過政策，建構(gòu)技術(shù)性平臺形成指導(dǎo)。

三、農(nóng)業(yè)大數(shù)據(jù)農(nóng)產(chǎn)品質(zhì)量監(jiān)測策略分析

（一）加大農(nóng)業(yè)技術(shù)人才和資金的投入，保持監(jiān)測的高質(zhì)量

第一，在人才的投入方面，各個地方需要結(jié)合地方經(jīng)濟和農(nóng)業(yè)發(fā)展的特色，引入大量的計算機專業(yè)人才、農(nóng)業(yè)生產(chǎn)人才、專家團隊，負(fù)責(zé)大數(shù)據(jù)農(nóng)業(yè)監(jiān)測網(wǎng)絡(luò)的建構(gòu)和指導(dǎo)，將與農(nóng)業(yè)生產(chǎn)相關(guān)的日常信息納入其中[12]。同時，要積極的培育新型農(nóng)民，增強其數(shù)據(jù)應(yīng)用意識。加強對現(xiàn)階段農(nóng)業(yè)生產(chǎn)大數(shù)據(jù)監(jiān)測的從業(yè)人員培訓(xùn)。

第二，在資金投入方面，需要通過計算投入產(chǎn)出的均衡數(shù)值，加大農(nóng)業(yè)大數(shù)據(jù)網(wǎng)絡(luò)建構(gòu)的財政資金支持力度，增強影響力。建立國家—省—市—縣—鄉(xiāng)四級財政支持模式[13]。同時，提高資金的利用效率，做到?？顚Ｓ?，增強影響力，從而進(jìn)一步提高思想認(rèn)識。

（二）搭建多元化的數(shù)據(jù)獲取平臺

根據(jù)IDC 相關(guān)的數(shù)據(jù)統(tǒng)計，目前可聯(lián)網(wǎng)的設(shè)備數(shù)量突破2 000 億臺，其中140 億臺能夠連接并實現(xiàn)數(shù)據(jù)通信。在農(nóng)產(chǎn)品質(zhì)量監(jiān)測的過程中，可以利用多種設(shè)備，通過不同的數(shù)據(jù)模型，獲取不同的數(shù)據(jù)，進(jìn)行統(tǒng)一的加工處理，實現(xiàn)24 小時常態(tài)化監(jiān)控。在農(nóng)產(chǎn)品的田頭市場、產(chǎn)地市場、銷售市場等，布設(shè)可以隨時捕捉、整合、拆分農(nóng)產(chǎn)品質(zhì)量監(jiān)測數(shù)據(jù)的移動設(shè)備，能夠有效地解決農(nóng)產(chǎn)品市場量多、數(shù)據(jù)分散的問題[14]。同時，還需要建立農(nóng)產(chǎn)品多元控制平臺，從化肥農(nóng)藥的使用、土壤情況、自然環(huán)境、生產(chǎn)情況、加工制造等環(huán)節(jié)出發(fā)，設(shè)置不同的模塊，每個模塊搜集不同的數(shù)據(jù)信息，使得質(zhì)量監(jiān)測的方式更加健全。比如化肥農(nóng)藥的使用，在農(nóng)產(chǎn)品生長周期內(nèi)，通過大數(shù)據(jù)模塊，記錄施肥的時間、地點、效果等基本數(shù)據(jù)，輸入到數(shù)據(jù)庫系統(tǒng)當(dāng)中，并有智能監(jiān)測設(shè)備作為參照，對農(nóng)產(chǎn)品質(zhì)量進(jìn)行預(yù)測評估，設(shè)計最優(yōu)方案，進(jìn)行系統(tǒng)化的調(diào)整[15]。

表10 多元數(shù)據(jù)平臺建構(gòu)的內(nèi)容

（三）構(gòu)建大型模型系統(tǒng)

本文建立大型智能模型系統(tǒng)過程具體如下：第一，從傳統(tǒng)的結(jié)構(gòu)化處理，逐漸轉(zhuǎn)向非結(jié)構(gòu)性數(shù)據(jù)，從單一數(shù)據(jù)采集逐漸轉(zhuǎn)向迭代數(shù)據(jù)采集，從批量處理逐漸轉(zhuǎn)向流動處理，進(jìn)而保證信息更新的及時、高效[16]。第二，制定更加符合實際的數(shù)據(jù)算法，根據(jù)農(nóng)業(yè)生產(chǎn)的特點以及質(zhì)量數(shù)據(jù)信息，制定個性化的推薦算法，將質(zhì)量監(jiān)測情況，及時反饋給農(nóng)業(yè)生產(chǎn)人員。第三，需要充分的利用云計算，挖掘數(shù)據(jù)的價值，對農(nóng)產(chǎn)品的各個環(huán)節(jié)，結(jié)合可移動設(shè)備、數(shù)據(jù)庫信息等，找到農(nóng)產(chǎn)品質(zhì)量控制體系的發(fā)展軌跡以及農(nóng)產(chǎn)品質(zhì)量變化的本質(zhì)規(guī)律[17]。建立質(zhì)量與人員、技術(shù)、環(huán)境、資源等方面的關(guān)聯(lián)，將大數(shù)據(jù)分解為小數(shù)據(jù)，逐一分析。具體的模型控制系統(tǒng)設(shè)計如圖1所示。

圖1 農(nóng)業(yè)質(zhì)量監(jiān)測模型系統(tǒng)構(gòu)成示意圖

（四）搭建完善的預(yù)警平臺，保證監(jiān)測的可視化

首先，在農(nóng)業(yè)生產(chǎn)的過程中，通過多維度可視化模擬、信息圖表技術(shù)、云智能聚類等在平臺當(dāng)中的集合，對農(nóng)產(chǎn)品的具體質(zhì)量情況，以動畫、視頻、數(shù)據(jù)等方式展示出來[18]。由專業(yè)的人員進(jìn)行預(yù)測，并找到可能存在的問題，并作出有效預(yù)警。其次，在農(nóng)產(chǎn)品生產(chǎn)加工的過程中，將數(shù)據(jù)信息，通過各種媒介，公開化、透明化，并且搜集生產(chǎn)過程中的農(nóng)產(chǎn)品篩選、運輸、加工、銷售等全流程數(shù)據(jù)信息，對每個環(huán)節(jié)通過數(shù)據(jù)標(biāo)簽歸類處理，并利用模糊評價，得出綜合結(jié)果，對可控風(fēng)險因素進(jìn)行預(yù)警并處理。第三，在市場銷售的過程中，及時的搜集消費者的信息和需求情況，根據(jù)消費者的反饋，建立數(shù)據(jù)集成處理網(wǎng)絡(luò)，將其生產(chǎn)、加工等環(huán)節(jié)銜接在一起，獲得立體化的數(shù)據(jù)[19]。并借助于更為直觀的形式，提交專業(yè)技術(shù)人員，進(jìn)一步完善優(yōu)化方案，具體如表11 所示。

表11 智慧化預(yù)警平臺建構(gòu)的內(nèi)容

四、總結(jié)

大數(shù)據(jù)的高容量、高效率、高速度為農(nóng)產(chǎn)品質(zhì)量監(jiān)測提供了更為有效的手段?；诖髷?shù)據(jù)，構(gòu)建大平臺，獲得大發(fā)展，已經(jīng)成為我國現(xiàn)階段農(nóng)業(yè)生產(chǎn)的共識。在農(nóng)產(chǎn)品質(zhì)量監(jiān)測的過程中，需要盡快轉(zhuǎn)換思維，以數(shù)據(jù)為驅(qū)動，做好動態(tài)控制和信息預(yù)警。強化合作，積極聯(lián)系各方面的技術(shù)專家，針對質(zhì)量監(jiān)測的關(guān)鍵問題進(jìn)行討論，合理的選擇數(shù)據(jù)分析工具。本文主要針對農(nóng)產(chǎn)品質(zhì)量監(jiān)測當(dāng)中所涉及到的大數(shù)據(jù)應(yīng)用模式進(jìn)行了探究，從構(gòu)建標(biāo)準(zhǔn)化的農(nóng)業(yè)基準(zhǔn)數(shù)據(jù)，保證監(jiān)測精準(zhǔn)性；搭建多元化的數(shù)據(jù)獲取平臺，保證監(jiān)測常態(tài)化；構(gòu)建大型模型系統(tǒng)，保證監(jiān)測的可靠性給出合理的方案。