农业论文

大数据与DEA模型农业生产探讨

2021-03-08 09:27:26 xueshulunwen 0

关键词:论文发表,期刊论文,职称论文,农业论文发表


本站在期刊投稿行业10余年,200000稿件作者放心的选择,1000多家省级、国家级、核心杂志社长期合作。省级、国家级、核心杂志社长期合作。24小时服务电话:400-811-9516


[提要]为响应国家脱贫攻坚实现全面小康的号召,针对农业发展问题,通过研究目前农产品产销模式存在的弊端,利用大数据技术分析气象信息、市场行情、病虫害数据、游客轨迹、农业政策等,并进一步结合DEA对农业产销效率进行评估调整。旨在以科学的方法提供精准决策建议,帮助农民调整农产品生产种类与规模,改善农产品滞销亏损的情况。


关键词:脱贫攻坚;大数据;DEA;精准决策


一、引言


脱贫攻坚是实现全面建成小康社会的必要因素,农业脱贫更是脱贫攻坚战中的重中之重。目前我国很多地区的农业生产销售仍然遵循传统的模式,生产效率低、农产品滞销、农民不了解市场行情、农民看天气吃饭等现象依旧普遍存在。大数据时代各行各业都在经历变革并取得了一些可观成效。利用大数据技术对农产品的生产、销售等一系列环节进行分析、评价及预测是农业产销模式创新的重要驱动力,将数据科学作为农业生产销售的决策来源是农业变革的重要途径之一。


二、基于大数据技术的农产品产销新模式


(一)农产品产销现状。随着信息化技术的发展,我国农业现代化发展进程不断加快,农产品的消费也呈现迅猛式的发展。社会进步的同时,问题也随着产生:1、农产品产业发展问题。农业自古以来就是一个看天吃饭的行业,目前各地区农产品的生产还存在着以下问题,例如:农产品种植种类单一、种植规模设置不合理、农药残留及自然环境污染等引起的质量问题、销售渠道单一、精深加工程度不足、高质量产品比例低等。2、农产品滞销问题。在当前的社会背景下,农产品资源增加和农产品生产能力的快速提升,随之而来的是农产品产销矛盾问题的越发突出,从而制约着产业抵御市场风险能力的提高和农民的增产增收能力。总体上看,一边是农民有着旧观念而守着大量农产品低价难以销售,另一边是消费者抱怨吃不上廉价的农产品,农产品“滞销、卖难、买贵”的问题一次又一次的出现在人们眼中。3、农产品种植问题。由于农民的信息闭塞,没有未来的规划,只能依据市场的走向,根据市场的需求来决定自己的种植品种,当种子入土进行培育,产出的时间较长,从而无法更改,导致农作物种植结构的不合理性。4、农业生产成本控制不合理。农村改革的开端是家庭联产承包责任制,随着改革的深入和社会的不断发展,责任制所带来农户土地的小规模经营的局限性问题也逐渐显露。家庭联产承包责任制分配到家庭、到户、过小的经营规模造成了农业固定资产的重复购置和低效率使用。又如化肥的使用增加但利用率不高更加导致成本的不合理性。(二)大数据技术概述。大数据是当今科学技术发展下的信息产物,指在一定时间内通过全新高效的数据处理模式并具有更有效优化能力的规模大和多样化的数据信息资产。大数据技术指通过新型手段对大数据的处理技术、存储技术及应用技术等,可以实现对海量数据的高速处理及信息价值挖掘。与传统的数据处理方式相比,大数据技术还可以爬取、采集、存储、分析类型复杂的非结构数据,进而提取数据的潜在价值。利用大数据所带来的时代红利———数据科学,有利于企业基于大量数据特征及分析结果更好地决策,大数据分析可以为业务决策者提供他们所需数据驱动的洞察力和筛选所涉及到的大量信息,以帮助企业开展竞争和业务发展。同时,大数据技术可以通过合理的分析进行成本结构化处理,提高了企业的运行效率,降低了成本,进而提高了利润。(三)大数据技术在农业生产销售中的应用1、天气预报。构建大数据天气平台,爬取气象站或气象网所监测的空气温度、风速风向、空气湿度、雨量等气象数据进行大数据技术综合分析。利用得到的结果给农业生产者实时反馈精准的天气状况,让农民提前采取措施,减少因为天气带来的农业损失。2、作物选择与作物产量预测。收集各种农作物生长的气候条件和环境需求数据,实地考察当地土壤环境状况,对二氧化碳、土壤中的水分、环境的温度和湿度等环境要素进行大数据回归分析,进行农作物精准选择、农业多样化发展。记录农作物每个生长阶段的情况,利用大数据挖掘技术,对监测数据进行分析,根据各时期的生长情况分析预测农作物的产量。3、灌溉系统。利用大数据平台长期对农田收集的数据、农作物生长状况以及气象数据进行计算分析,建立一套符合当地农作物的水量需求量模型,由控制终端控制水量,根据农作物的水量需求情况以及气象情况分阶段地进行灌溉,生成一种智能灌溉方式,做到既可以让农作物健康生长,又可以节约水资源。4、作物病虫害预测。目前,可以应用大数据农业物联网技术来进行作物病虫害预测,通过传感器、监视器等设备大面积检测农作物的非正常生长情况,例如农作物泛黄、叶片稀少等。将检测的情况转换成可视化数据,用大数据分析技术根据以往的病虫害情况分析农作物病虫害可能爆发的地区、范围、病虫种类以及恶劣程度。让农民提前进行针对性的病虫防治、打农药、农作物贴膜等。5、农业政策与市场行情。分析国家农业政策。农业政策包括农业价格、农业投入物、农业服务内容等。通过政策数据让农民了解农产品价格的增减趋势以及当前需求量大的农作物,进行农作物针对性选择,让农民获得更多收益。收集近几年已种植农作物的市场价格,绘制农产品价格的变动曲线以分析农作物的市场需求情况。农民进行反馈性调整使农业结构更加合理化。6、游客轨迹预测。在节假期、大型活动等人口密集期间,利用3S空间技术监测地区状况。利用GPS定位系统和热成像技术定位生成游客的移动轨迹图像,使用大数据图像处理技术,根据人在不同地点停留时间的长短和密集程度,生成“游客密集点”。通过RS技术生成密集点的遥感影像图,分析地形、地貌和人文等各种信息,条件适宜的情况下,可以将这些地点作为农产品和土特产的销售地点,以此来推广特色产品,增加销量。


三、基于DEA模型与大数据技术的农作物生产调整策略


(一)DEA模型概述。DEA模型,又称为数据包络分析方法,是1978年由美国运筹学家A.Charnes和W.W.Cooper提出的一种定量分析方法,常用的有CCR、BCC等。DEA通过使用线性规划的方法得出有效前沿面,基于多指标的投入与多指标的产出,在作出决策之前采集统计每个决策单元DMU的数据及其属性,计算其规模效率(scaleefficiency)、技术效率(technolo-gyefficiency)和纯技术效率(puretechnologyefficiency)评估其投入规模、技术有效性等。相比于其他的资源效率评估模型,它省去了计算每种服务标准成本的步骤。因此,用DEA可以更加清楚地评价投入产出的效率。(二)DEA原理。设当前有n个决策单元DMUj(j=1,2,…,n),投入向量与产出向量分别为Xj、Yj(j=1,2,…,n),投入与产出的权重向量分别为v、u。定义hj(j=1,2,…,n)为第j个决策单元DMUj的效率评价指数,其中效率评估过程中,理想目标为用最少的投入得到最多的产出,从而实现效益最大化,因此可以得到第j0个决策单元的效率评价模型为:而解决问题的基本步骤可以概述为:(1)确定同类型的决策单元DMUj;(2)根据被评估对象的实际情况,选择合理的投入产出指标;(3)根据需求选择评估模型(如CCR模型、BCC模型)等;(4)通过选择的评估模型对每个决策单元进行效率值求解(如利用DEAP、DEASolver等);(5)决策者比较分析不同决策单元的效率值进而科学调整运营策略。(三)作物生产调整策略。在农业生产过程中,生产和产出均存在着多样性。生产的多样性体现在农作物的种植种类及其面积、水电费、化肥费、加工费、场地费等;产出多样性体现在农产品最终呈现的商品形式及其所实现的利润。大数据技术通过分析大量数据,挖掘相关数据之间的关联规则,只能从宏观上给出决策的参考建议,决策者只能根据可视化分析结果等进行自主化调整。这一点虽然比传统农业生产更具有科学性,但是由于个体经验、认知程度存在的差异性和局限性,调整的方向也各不相同,因此智慧性仍需提高。而通过机器学习等方法进行预测也会存在模型过拟合、训练数据泛化性不够等风险。DEA模型处理多投入多产出效果评价中具有绝对优势,而这一点上正与农业生产的特点不谋而合,因此基于DEA模型与大数据的融合机制会大大改善上述问题。主要调整思路为:(1)相关部门及农户在生产过程中专门统计每种农作物的生产成本、种植种类、面积、产量及所得利润等;(2)将统计数据进行标准化处理,清理脏数据并将所得结果存入数据库中;(3)根据实际需要选择DEA指标;(4)利用软件代入DEA模型中计算,选择适合模型,计算规模效率、技术效率等;(5)根据模型计算结果,可以从数值上精确到每一种对应的农作物的生产效率,进而作出相应调整。同时,结合大数据技术在存储生产数据的数据库中进行数据挖掘提供辅助决策。实现技术思路如图1所示。(图1)


四、大数据助推脱贫攻坚存在的问题与对策


(一)农村部分地区网络覆盖率不高。国务院办公厅印发的《数字乡村发展战略纲要》提出:“到2020年,数字乡村建设取得初步进展。全国行政村4G覆盖率超过98%,农村互联网普及率明显提升。”乡村网络建设仍需加紧,网络覆盖是数字化农业实现的基础条件。没有网络就不存在大数据技术。把数字乡村建设好,大数据的技术才能在助力脱贫攻坚的事业上全面应用。(二)生产数据的多样化不够。在大数据时代,数据是决策的关键。有价值的数据信息没有被有效的收集整理发布,缺少完善的信息管理体系。当地政府应该制定相关的信息收集体制和管理政策,运用大数据技术将数据清洗分类,合理地在政府平台上公布。(三)专业人才稀少。大数据学科作为近年来的热门学科,在国内高校的发展不过五年时间,人才储备严重不足。许多数据分析的精英不愿意投身到农业的数据分析中,政府在制定人才政策时可以考虑给予农业数据分析岗位更优厚的待遇,为农村引进更多数据分析人才。同时,可以举办互联网创新创业大赛等将大数据扶贫的项目带到大学生的视野中,激发他们对农业数据分析的兴趣。(四)精准扶贫中贫困户的隐私问题。贫困从古至今一直是一个较为敏感的词,公开贫困户的信息无疑是对他们自尊心的打击。但是只有精准的收集贫困户的信息才能运用大数据技术分析出贫困的原因并生成决策给予帮助。这就要求政府在公开信息时合理地保护村民的隐私,保护每个人的自尊。


主要参考文献:


[1]袁冰.大数据行业应用现状与发展趋势[J].中国新通信2014(24).


[2]陈兴,马朋,刘芳,陈浩.大数据分析在物联网环境下大田农作物精准灌溉的研究与应[J].农业科技与信息,2020(11).


[3]贵霞.农业现代化的发展路径与方向[J].农业科技与信息,2020(19).


[4]李强,庞钰凡,汪玥.基于DEA模型和Malmquist指数的农业生产效率评价研究———以吉林省为例[J].技术经济,2020.39(09).


[5]晓军.《数字乡村发展战略纲要》内容摘要[J].新农业,2019(16).


[6]茶洪旺,罗廷锦.大数据助力精准扶贫中的贫困户隐私保护问题研究[J].理论探讨,2020(03).


作者:陈柏年 徐渊 杨继雨 刘磊 徐志博 单位:南京审计大学


本文章来源于知网、维普、万方、龙源、中国期刊网等检索数据库。本文献已经发表见刊,版权属于原作者和检索平台,如需删除请联系本站站长。

首页
学术期刊
学术论文
投稿咨询