BIG DATA IN AGRONOMY: TECHNOLOGIES, APPLICATIONS, BENEFITS AND CHALLENGES
Kodavali Aswini · Raju Marimuthu · Guru Gurusamy 等 5 人
综述农学大数据的技术、应用、效益与挑战，强调多源数据融合支撑精准农业决策。
整合遥感、无人机、物联网、GIS、云计算与AI/ML的多源农业数据分析。
大数据可提升资源效率与实时监测，但受成本、数据质量、隐私和农村数字基建制约。
可研究低成本边缘计算与数据互操作标准，破解小农户场景下大数据落地瓶颈。
系统综述农业大数据技术、应用与挑战，信息密度高，对智慧农业决策有参考价值，但属综述性论文，非突破性成果。
大数据正成为现代农学的重要组成部分，它能够整合、处理和分析大规模、多样化且持续生成的数据集，从而改进农业决策。农业大数据来源于多种渠道，包括遥感卫星、无人机（UAV）、物联网（IoT）传感器、气象站、农业机械、田间观测和历史数据库。将这些数据源与地理信息系统（GIS）、云计算、人工智能（AI）和机器学习（ML）相结合，能够识别传统方法难以发现的空间和时间模式。大数据在农学中的应用包括气候与天气预测、病虫害管理、土壤健康与养分管理、灌溉调度、作物产量预测、精准农业、作物保险和杂草管理。来自印度及其他地区的案例展示了卫星影像、基于无人机的遥感、物联网系统、作物生长模型和机器学习算法在田块尺度和区域农业决策中的应用。大数据分析可以提高资源利用效率，支持预测性和实时监测，加强农业风险评估，并促进因地制宜的管理。然而，有效实施受到诸多挑战的制约，如高昂的基础设施和运营成本、数据质量和互操作性问题、数据隐私和所有权担忧、农村数字基础设施有限、技术技能不足以及数据存储和计算需求不断增加。因此，将大数据与农学知识和决策支持系统有效整合，有助于实现更精准、高效和可持续的农业生产，同时应对气候变异性、资源稀缺和粮食安全等方面的新兴挑战。