1. 网站地图
  2. 设为首页
  3. 关于我们


基于大数据技术甘肃苹果种植环节的 质量管理研究

发布时间:2023-03-09 14:33
目录
摘要 I
SUMMARY III
第一章 绪论 1
1研究背景与意义 1
1.1研究背景 1
1.2研究意义 2
2国内外研究现状 3
2.1国外研究综述 3
2.2国内研究综述 6
2.3研究述评 9
3概念界定和理论基础 10
3.1概念界定 10
3.2理论基础 11
4研究目的与研究内容 13
4.1研究目的 13
4.2研究内容 13
5研究方法与技术路线图 14
5.1研究方法 14
5.2技术路线图 14
6创新点及不足之处 15
6.1创新点 15
6.2不足之处 16
第二章 苹果种植环节质量管理标准 17
1HACCP 标准 17
2苹果种植质量标准 18
3苹果种植环节HACCP分析 18
3.1苹果种植环节潜在危害点(HA)分析 19
3.2关键控制点(CCP)的确定 20
3.3基于大数据技术建立苹果种植环节 HACCP 计划书 21
第三章 传统模式下甘肃苹果种植环节质量管理分析 23
1传统模式下苹果种植环节质量管理现状 23
1.1质量管理方法不断改进,质量管理效果显著 23
1.2质量管理技术不断提高 25
1.3质量管理标准逐渐完善 26
2传统模式下苹果种植环节质量管理存在的问题 27
2.1果园质量管理方法水平较低 27
2.2缺乏统一的质量管理体系 27
2.3对质量管理的理论知识认识不足 28
第四章 大数据技术下苹果种植环节质量管理分析 29
1大数据技术下苹果种植环节质量管理现状 29
2大数据技术下苹果种植环节质量管理的优势分析 30
2.1大数据技术下苹果种植环节的管理标准化程度高 30
2.2大数据技术下苹果种植环节的管理流程严格规范 36
2.3大数据技术苹果种植环节的质量管理效率高 38
2.4大数据技术下苹果种植环节的质量管理模式先进、数据处理精准 40
2.5结论 42
第五章 大数据技术下甘肃省苹果种植环节质量管理的制约因素及改进措施... 44
1 制约因素 44
1.1大数据技术应用于苹果种植环节质量管理初期投资成本高 44
1.2大数据质量监测预警系统不健全 44
1.3大数据技术与苹果种植业质量管理相结合的复合型人才稀缺 45
1.4果农理念落后,对大数据技术的应用重视程度不够 45
2 改进措施 47
2.1加大资金投入力度,搭建大数据应用平台 47
2.2建立健全大数据监测预警系统 48
2.3引进和培养大数据和农业技术相结合的复合型人才 48
2.4加强政府宣传,引导果农转变观念 49
参考文献 50
附录 A 苹果大数据标准体系 54
附录 B 调查问卷 58
致谢 66
作者简介 67
在读期间发表论文和研究成果 67
导师简介 68
原创性声明 69
学位论文版权认定和使用授权书 69
图目录
图 1-1 技术路线图 15
Fig. 1-1 Technical road map 15
图 3-1 苹果种植技术水平培训情况图 26
Fig. 3-1 Thetrainingsituationofappleplantingtechnologylevel 26
图 4-1 2015-2019 年陕西省苹果产量和同比增长率 30
Fig. 4-1 2015-2019 Apple production and year-on-year growth rate in Shanxi
Province 30
图 4-2 传统模式下苹果种植环节的管理流程 37
Fig. 4-2 The management process of apple planting under the traditional mode 37
图 4-3 大数据应用模式下苹果种植环节的管理流程 38
Fig. 4-3 The management process of apple cultivation under the big data application
model 38
图5-1 2015-2019 年甘肃省四大苹果主产区农村居民人均可支配收入. . . . . . . . . . . . . 47
Fig. 5-1 Per capita disposable income of rural residents in the four major apple
producing areas in Gansu Province from 2015 to 2019 47
表目录
表 2-1 苹果种植过程危害点分析 18
Tab. 2-1 Analysis of harmful points in apple planting process 18
表 2-2 基于大数据技术建立苹果种植环节 HACCP 计划书 22
Tab. 2-2 Establishing a HACCP plan for apple planting based on big data technology.. 22 表 3-1 苹果园质量管理措施 24
Tab. 3-1 Quality management measures for apple orchards 24
表 3-2 2010-2018 年甘肃省苹果种植情况统计 25
Tab. 3-2 Statistics of apple production in Gansu Province from 2010 to 2018 25
表 3-3 甘肃省四大苹果主产区果农采用质量标准状况 27
Tab. 3-3 Status of quality standards adopted by fruit farmers in the four major apple producing areas in Gansu Province 27
表 4-1 大数据技术在苹果种植环节质量管理的优势评价指标体系 31
Tab. 4-1 Advantage evaluation index system of big data technology in apple planting quality management 31
表 4-2 1-9 比例标度法定义 32
Tab. 4-2 Definition of 1-9 proportional scaling method 32
表 4-3 RI 取值 33
Tab. 4-3 RI value 33
表 4-4 总体优势判断矩阵 X-Yi 33
Tab. 4-4 Overall advantage judgment matrix X-Yi 33
表 4-5 管理方式的判断矩阵 Y1-Zi 34
Tab. 4-5 Judgment matrix Y1-Zi of management mode 34
表 4-6 管理标准的判断矩阵 Y2-Zi 34
Tab. 4-6 Judgment matrix Y2-Zi of management standards 34
表 4-7 管理成本的判断矩阵 Y3-Zi 34
Tab. 4-7 Judgment matrix Y3-Zi of management cost 34
表 4-8 大数据技术在苹果种植环节质量管理的优势评价指标体系权重值 34 Tab. 4-8 The weight value of the advantage evaluation index system of big data
technology in apple planting quality management 34
表 4-9 2011-2018 年甘肃和陕西成本收益情况 39
Tab. 4-9 2011-2018 Gansu and Shanxi cost-benefit situation 39
表 4-10 2011~2018 年甘肃和陕西技术效率和技术进步的变化 39
Tab. 4-10 Changes in technical efficiency and technological progress in Gansu and
Shanxi from 2011 to 2018 39
表 4-11 2011-2018 年苹果种植技术效率和技术进步的变化 40
Tab. 4-11 2011-2018 Apple planting technical efficiency and changes in technological
progress 40
表 4-12 苹果种植环节的质量管理模式对比 41
Tab. 4-12 Comparison of apple planting quality management models 41
表 4-13 苹果种植环节质量管理数据处理模式对比 41
Tab. 4-13 Comparison of data processing modes of quality management in apple
planting 41
表 5-1 果农文化程度及对大数据的认知情况 46
Tab. 5-1 Educational level of fruit growers and awareness of big data 46
表 5-2 2019 年甘肃省四大苹果主产区贫困县数量及占甘肃贫困县比重 47
Tab. 5-2 The number of poverty-stricken counties in the four major apple-producing areas in Gansu Province and their proportion in the poverty-stricken counties in Gansu in 2019 47
第一章 绪论
1研究背景与意义
1.1研究背景
十九大报告提出,解决“三农”问题,是实现乡村经济全面振兴的关键所在, 是实现农民知识化、农村城镇化、农业现代化的主要途径,在 2016-2020 大数据 产业发展规划中,着重强调“实施国家大数据战略”,全面推进大数据发展,打造 自主自产的产业生态文明体系,实现数据、技术、应用、基础与安全标准的协同 发展,加快建立数据强国[1]。“十三五”期间,通过智慧农业提高农业信息化创新 技术的应用能力成为加快推进农业现代化、实现产品质量升级、全面建成小康社 会的必然趋势[2]。当前,要发展特色农业产业优势,推动区域经济发展,实现农 业产业化,完成乡村振兴战略,建立质量强国、数字中国和智慧社会,互联网、 云计算、大数据、人工智能的发展成为至关重要的一步。现代科学信息技术的快 速更新和完善,推动了大数据技术的发展,随着苹果产业发展,为了提高苹果种 植的产出和效率,优化果品质量,大数据技术逐渐开始应用于苹果种植业中,中 国农业供给侧结构性改革在推进过程中,我国农业信息网络技术不断提升,应用 分析能力不断创新,不断致力于农业大数据信息系统服务质量体系的健全和完 善,加快推进农业生产管理大数据化、数字化、智能化、服务高效化、自动化、 网络化,全面推进农业农村大数据技术教育,不断提升农业农村大数据信息化认 知水平,增强广大农民在信息化时代取得的理论成果中的获得感,让越来越多的 农民在农业大数据建设的过程中发挥作用,助推农业快速加入信息化时代的步 伐,在全面建成小康社会的进程中取得显著进展,推动农业在生产过程中对信息 技术的使用迈出坚实步伐,在农业生产中加快应用大数据、云计算、物联网、空 间信息、移动互联网等新一代信息技术,能够实现在线监测和预警,数字化管理, 各种技术手段应用程度不同,确保都能充分发挥出自己的优势,为更好地实现农 业农村信息化提供重要的技术手段。农业大数据应用的发展已进行示范工程设 计,其试验管理平台已深入分析实施,农业大数据平台在全国范围内逐渐被建设 起来,技术应用和管理模式也逐渐得到广大农民的认可和赞赏,应用的广度和深 度逐渐得到拓展和延伸。近几年,在农业大数据技术的推动下,苹果种植业在大 数据技术的应用也越来越广泛,2018 年,陕西国家级苹果产业大数据中心建成, 目前已投入使用,基础管理平台已在数据采集、数据分析等环节应用成熟,同时, 我国主要苹果大省河南、山东等地也在着手筹建苹果产业大数据中心。农业信息 化和农业大数据的不断稳步发展,不断拓展苹果产业在生产过程中运用信息化管 理的广度和深度。
随着互联网的逐渐全覆盖,农业大数据技术逐渐被重视。甘肃省在“十三五” 农业农村信息化发展规划中,运用大数据、物联网、云计算、3S、5G等现代信 息技术来建设智慧果园、智慧农业和智慧甘肃,在农业生产全过程中,需充分发 挥这种新技术手段的优势,建立全面的、系统的、完善的安全管理标准体系,保 障产品质量问题,提升农业生产过程中管理的规范性和标准化,加快数字化在农 业生产中的应用,以实现精准农业,加快传统农业产业转型升级。甘肃省提出要 提升苹果的品质,提高果品优质率,以实现优质苹果的布局区域一体化、园区产 品特色化和品牌化、生产管理标准化、经营体系产业化、循环高效化为目标,建 设优质果园,从品种的培育着手,加快引进和培育优质品种,创建优质苹果标准 生产化示范基地,推广先进种植技术减少苹果产业病虫危害,加强果园改造等措 施助推甘肃省苹果产量位居全国前列,促进甘肃省成为全国重要苹果生产、加工 和供应基地,为甘肃省种植优质林果,发展林果产业提供了技术支撑。甘肃是我 国苹果主产大省之一,有着得天独厚的区域发展优势,目前,苹果产量已位居全 国第二,但一方面甘肃省受地理位置、资源环境等因素制约,农业科技化、信息 化发展较为缓慢,另一方面果农文化水平偏低,对农业科技化接受程度较低,导 致甘肃省苹果产业在大数据背景下的发展落后。因此,探究甘肃省基于大数据背 景的苹果种植环节质量管理问题,了解在大数据背景下苹果种植环节质量管理过 程中的现状,分析大数据技术下甘肃省苹果种植环节质量管理的制约因素,有利 于提高甘肃省苹果种植环节的质量管理效率,有利于大数据在苹果种植环节的应 用与升级。
1.2研究意义
1.2.1理论意义 甘肃省在苹果种植环节运用大数据技术进行质量管理,可以推动大数据理论、质 量管理理论、农业信息化理论、农业产业化理论、区域经济理论的发展和完善。 通过研究,将不同理论相结合运用在苹果种植环节,提高大数据技术下苹果种植 环节质量管理的规范性和标准程度,推进苹果种植业信息基础设施建设,加快苹 果种植业基础设施与信息化融合,完善苹果种植业信息服务体系,加快甘肃苹果 种植业信息化、产业化和现代化的进程,增强苹果主产区的经济发展动力,建立 推动甘肃区域经济增长的长效机制。
1.2.2实践意义 苹果产业是我国重要的农业产业,在农业经济发展中具有十分重要的作用[2],苹 果种植是整个产业链的源头,质量管理确保着全产业链的产品安全。如果能将大 数据技术成功引进到苹果种植环节的质量管理中,一方面可以从源头上提高和完 善苹果的质量管理,在大数据技术支持下推动苹果产业质量管理的发展和完善, 提高大数据技术下苹果产业质量管理的精确度,推动苹果产业高质量发展,进一 步增加果农的收入,对加强苹果产品质量安全有着重大的意义;另一方面,基于 大数据技术在苹果种植环节进行质量管理,能改进苹果种植环节的质量管理方 法,提高质量管理效率,创新质量管理标准,可以有效提高甘肃省苹果的质量和 品质,扩大产品的知名度,这对于增加果农收益、提升甘肃省苹果的经济价值具 有重要的意义。实现具有广阔应用前景的大数据技术在甘肃苹果种植环节应用的 重大突破,不仅能加快传统苹果产业融入现代信息化农业的发展步伐中,创新苹 果种植管理方式,提升甘肃苹果产业的经济效益、社会效益、生态效益而且还可 以通过推动甘肃林业现代化进程,催生新的经济增长点,巩固脱贫攻坚成果,实 现脱贫攻坚与乡村振兴有效衔接。
2国内外研究现状
2.1国外研究综述
2.1.1大数据的相关研究 从大数据的理论研究来看,美国最早开始研究大数据理念,1997 年,科学 家 Michael Cox 和 David Ellsworth 通过对大数据理论的研究,得出了大数据的概 念,这是人类史上第一次使用“大数据”这个词,他们认为超级计算机可以生成大 量不能被处理的信息,超出了内存、本地磁盘等各类储存器的承载空间,甚至是 远程磁盘[3]。后来,在 Mc Kinsey & Company 编写的《大数据时代》中指出大数 据是一种数据集合,具有数据容量大、数据运行速度快、数据形式多样、数据价 值高等四大特征,在数据采集、存储、处理、分析等环节应用广泛,规模巨大, 相较于传统的数据收集处理软件,其承载容量、空间和能力远在传统的数据库之 上,但这种数据集合不用抽样调查这种便捷的路径,而是将所有的数据进行捕捉 之后才进行处理和分析[4]。一家名为Gartner的大型数据研究性组织机构在2015 年国际经济、管理和教育技术会议上,对大数据做出了概念界定,大数据是一种 充分发挥自身正确的评估能力、精准的预测能力、准确的决断能力、细微的观察 能力和海量的数据处理完善能力,以此来处理高增长率、多样化信息资产的数据 处理新模式[5]。
从大数据的应用研究来看,国外在大数据应用的研究领域也是起步较早的, 2008年9月,Nature出版 紐ig Data》专刊,2011年2月Science出版《Dealing with Data》专刊,指出信息技术和全球化的发展,推动了大数据时代的诞生,2012 年 3月,美国政府发布计划“大数据研究和发展倡议”,并正式启动了该计划,认 为大数据是未来世界的“石油”,该计划的意义堪比20 世纪的信息高速公路计划 [6,7];紧随其后,欧盟、日本相继推进了大数据的应用,Orandi MinaFalsarella研 究发现,欧盟在大数据领域的应用主要包括数据的研究价值有哪些最大化利润的 战略因素;研究“大数据”和“开放数据”方面的创新型活动和科研项目;实施数据 共享措施;促进科研的公共资助的实验结果和数据的使用和重用等四个方面[8]。 欧盟也逐渐意识到大数据在现代社会的关键性作用,通过欧盟委员会的协商,建 立了数据开放平台(简称ODP),面向公众服务,2010年4月,欧盟委员会为 推动欧洲经济发展,扩大数字技术的应用,在欧洲发起了数字化议程; Malte C 研究发现英国建立了世界上首个“开放经济数据技术研究所”,数据库主要包括交 通安全运输、天气和健康教育方面的核心企业[9]; Mohamed Abdel-Aty研究发现, 法国政府为推动大数据的发展,发布了《数字化路线图》 ,指出“大数据技术” 是一种新型的信息技术,站在国家战略发展的角度,大数据技术将得到政府的鼎 力支持al; 2013年6月,日本政府公布了新IT战略——“创建最尖端IT国家宣 言”,该宣言的主要内容为促进公共数据的开放共享性,推动大数据的发展。 Casu,M 和 Manunta,P.S 指出提高国家战略的发展,要依靠大数据技术,大数据 研究和生产计划成为强化竞争力的主要因素[11]。
2.1.2农业大数据的相关研究
从农业大数据的理论研究来看,目前,大数据的发展引起了各行各业的重视, 在农业领域也不例外,农业大数据逐渐被各国专家和各国政府注意, 2013 年, 英国颁布《英国农业技术战略》,认为大数据对于未来农业的生产、加工、销售 等环节具有非常大的潜在作用,可以助推农业快速地融入信息化、数字化时代中, 2015 年,美国农场是规模化经营,管理比较系统,农民需要获得最及时、最有 效的数据,才能保障农场获得最大的收益,因此美国联邦农业部结合农业大数据 的发展启动实时土壤数据项目,对此,很多学者也提出了自己的研究观点[12], J Russo 认为现代农业需符合时代发展的需要,充分利用信息带来的福音,发展成 为精准化、智能化的农业时代,大数据将成为精准农业发展的关键性技术手段[13]; PSrinivasulu等认为面对现代信息技术的发展,农业在发展中产生了很多问题, 将大数据充分运用到农业种植生产中,可以有效解决农业生产中存在的问题,为 农民生活生产提供更为全面的服务[14]; MRBendre等提出大数据在天气预测、土 壤酸碱性检测方面起到关键性作用,可以提高农作物生产效率,提高作物产量。 对农作物的生产丰收起着重要的影响[15], Jharna Majumdar等提出利用大数据技 术和多元线性回归,对农业数据进行挖掘和分析[16]; Rafiqi M, Ellis JG, Ludowici VA, etal 认为农业大数据可以存储海量的数据,用来挖掘、采集有用的数据, 然后运用这些数据信息对农业病虫害的原理展开深入研究,以此来开发新的有效 的生物防控技术[17]。在生产上,法国政府充分利用大数据技术手段,对农场进行 数据采集和分析,然后将分析结果输送给农民,农民从而可以获取到及时、有效、 可靠的农业生产及市场营销信息;德国充分认识到大数据技术的优势,将大数据 技术运用到农业领域,推动实现了高水平的数字农业。
从农业大数据的应用研究来看,国外的农业大数据已形成了规范、精准、智 能的应用格局。2009年土壤抽样分析服务商Solum成立,2012年,利用大数据 技术采集农业生产过程中所需化肥、农药等投入品,然后通过分析每亩产地所需 的用量,最终确定在整个农业生产过程中的化肥、农药等投入品用量,帮助农民 提高生产、降低成本;2011年云端上的农场Farmeron成立;2012年,跨国农业 生物技术公司Monsanto通过大数据技术对农业生产地区的自然条件变化数据进 行采集,然后通过对采集的天气数据进行处理分析,得出结果,在农业生产过程 中遭遇的各种天气可能对农产品造成破坏而进行预测,最后根据分析出的预测结 果,农民制定各种预防措施,以降低因自然灾害等不可抗力风险对农民造成的损 失。美国天宝利用大数据技术对农场进行了数据采集、存储、处理、分析,为农 场管理提供了良好的农业数据, Climate Corporation 公司在气象行业充分应用大 数据,通过对自然灾害发生前出现的征兆进行数据采集、分析,运用分析结果来 预测灾害发生的时间、地点、强度等,以此为农民推荐合适的保险,尽可能减少 灾害造成的伤害和损失。同时,每个国家发展农业都与政府的大力支持密不可分。 宋长青认为对于农业大数据的应用,欧美等农业发达国家发展较为成熟,美国在 农业生产领域已经建立了规范化的流程和服务体系,主要是通过政府牵头建立标 准化的农业信息采集处理机制,企业自主建立农业大数据平台,农场自愿引进农 业大数据的运营模式,通过政府、企业和农场主联合打造农业大数据管理标准体 系,才能确保农业在信息化产业中优化产品质量,增加农场经济收益;精准农业 是农业大数据在发展过程中的重要表现,二者需要有效结合,才能推动农业大数 据的快速发展,加快实现农业生产的自动化、精准化智能化以及系统化管理,从 而提升农业生产中的质量管理效率,取得较好的经济效益[18]。
2.2国内研究综述
2.2.1大数据的相关研究
从大数据的理论研究来看,国内专家也对大数据的概念进行了大量的定义, 陈健通过对 2013 年在北京香山科学会议的分析,认为大数据的科学原理与发展 前景具有两层含义——技术型和非技术型,二者主要的区别在于是否能在期望时 间内对人类的生产和生活方式产生影响[19];钱学梁认为大数据是一个数据集,非 常复杂且庞大,传统的数据库管理系统缺乏较为完善的数据处理体系,而大数据 拥有一套完整的、系统的数据采集、处理和分析的管理体系,数据处理结果具有 可视化,传统数据库是难以比拟的[20]。朱扬勇、蒋磊、顾肃、陈夫真认为大数据 是一种运用软件数据进行捕捉、处理和分析的集合,是为了对决策问题提供服务 而形成的大数据集、技术和应用的总称,是一种充分发挥自身正确的评估能力、 精准的预测能力、准确的决断能力、细微的观察能力和海量的数据处理完善能力, 以此来处理高增长率、多样化信息资产的数据处理新模式,总体看来,对于大数 据的概念界定比较广泛,对其没有统一的定义,但其本质基本是统一的——“大” 和“多”,即数据存储容量大,数据处理分析形式多样化[21,22,23,24]。李跃勇认为大 数据技术是开发利用海量多元的数据,进一步实现数据的价值化,分析的数据越 多,得到的结果将会越准确,从而使大数据技术应用到各行各业,推动社会的进 步[25]。
从大数据的应用研究来看。随着大数据理论研究的不断深入,大数据在应用 领域的研究也逐渐被重视。大数据在质量管理中的应用,孟春蕾、陈光希、赵航、 王宏瑞、刘卫卫认为通过大数据技术进行质量管理,可以提高产品检测过程中数 据的有效性、可靠性、真实性和准确性,进一步提升质量管理的水平和效率,从 而带动产品质量工作的升级[26,27,28,29,30]。大数据在不同行业的应用,黄庆平认为 大数据应用已经深入到交通、医疗、政府、教育、工业、农业等领域,发展前景 非常可观[31];蒋磊认为大数据应用在人们生活的各个领域,比如影视、医疗、交 通、能源电力、金融、科教等,大数据技术的应用将推动社会的进步和发展,并 取得飞跃突破[22];张黎平研究发现在信息化时代中,社会各个方面都会输出大量 数据,影响着我们的生产、生活,引导我们的社会进步发展,政府、企业、个体 都需要这些数据来挖掘和发现市场管理的信息,大数据技术可以有效、及时地挖 掘这些数据信息,进一步制定科学、合理的营销方案,从而提高经济效益[32];胡 昱东,胡高权认为随着大数据时代的到来,高校的教育方式和手段也在发生着巨 大的变化,需要利用大数据技术的创新手段,转变传统的理念和思维,变革高校 教育的模式,完善其教学方式,运用大数据技术将理论与实践相结合,提高思想 政治教育的教学质量[33];张云山,吴昌生认为航空发动机的健康管理,需要对发 动机的进行实时的检查、维修,并且及时对呈现的状态进行预报,以免在飞行过 程中出现故障,造成严重的伤害,这就需要利用大数据技术充分采集发动机在不 同状态时的数据资源,通过分析发动机的健康指数,保障在飞行过程中安全可靠, 确保生命财产安全,可以有效降低发动机的维护成本,节约维修时间,提高维修 效率[34];司瑜提到铁路运输行业要得到长足、高效的发展,大数据运用是必然趋 势,大数据可以将零散的、分布的数据进行采集、整理、分析,然后将分析结果 传送给铁路工作和服务人员,这样可以为铁路工作提供准确可靠的信息,以便铁 路工作人员在执行任务时做出相应的措施,在一定程度上提高了工作效率,减轻 工作人员的工作量,推动铁路工作的信息化、数字化发展[35];杜国智提到环境治 理工作是实现绿色发展目标的首要任务,要充分利用大数据在现代信息中发展的 作用,利用大数据技术对环境破坏的程度、原因进行数据采集、整合、分析,根 据分析结果做出环境治理措施,这不仅是对传统环境治理方式的补充,还可以提 高治理效率和治理力度,为环境治理工作人员提供有价值的数据信息[36]。
2.2.2农业大数据的相关研究
从农业大数据的理论研究来看,农业大数据发展经历了稚嫩到成熟、由浅及 深的过程。在农业大数据理论研究的起步阶段,大多数专家认为大数据为农业大 数据的发展奠定了理论基础,农业大数据是大数据技术在农业领域的延伸和拓 展,是对农业数据进行采集、存储、处理和分析的过程。温孚江、付强强、陶化 冰、张浩然认为农业大数据是大数据理念的实践过程,是在农业生产全过程应用 大数据技术对农业数据进行捕捉和处理的过程,是大数据广度和深度的体现,而 且是一种不同行业、不同领域、不同学科和不同专业的数据集合,设计规模巨大、 范围广泛、形式多样、体系完善,并具有复杂性、分散性、获取难的特征[37,38,39,40]; 陈颖颖、陶忠良认为农业大数据是结合了不同区域、不同季节所生产的农作物数 据的集合,这种数据集合形式种类多样、处理过程复杂、隐形价值较高,运用传 统的数据处理方式,无法完成这种巨大的操作,需要充分利用农业大数据处理模 式,但是对于农业大数据的研究仍不够深入,不够系统[41,42];杨一丰认为农业大 数据是现代信息技术在农业领域的延续,是大数据技术持续发展的高级阶段,主 要是对海量的农业数据进行抽象描述,是收集农业在种植生产过程中数据信息的 有效工具,可以保障农业数据的准确性和时效性,使农业生产中获得的数据发挥 价值最大化,推动大数据在农业领域的发展[43];郭雷风认为农业大数据的含义可 以从四个维度解读:农业大数据是在农业领域应用大数据技术的数据集成,是一 种跨区域、跨专业、跨学科的农业综合数据采集共享平台,是农业数据存储和管 理的主要方法和形式,在农业生产的全过程被广泛应用,是大数据技术延伸的更 好体现[44]。
从农业大数据的应用研究来看,近年来,农业大数据已逐渐应用在农业领域 的各个环节。大数据在农业生产各个环节的应用情况,王一鹤、韩沙、李秀梅、 王晓楠认为我国在农业大数据的应用研究方面虽然起步较晚,但是发展速度较 快,目前已在农业生产过程中的育苗选种、栽种、土壤酸碱性检测、气候变化预 测等环节得到了充分的利用,对于农产品质量保障和产品安全追溯起到了至关重 要的作用,预测等但是发展十分迅速,目前在农业育种、种植与养殖、土壤检测、 农业气象预测、市场营销与农产品质量追等方面得到了充分的应用,大数据在农 业领域数据的采集、处理及应用平台也已投入使用[45,46,47,48];许世卫提出农业在 信息化发展的时代中,必然要寻找新的发展途径,将大数据技术理念和农业绿色 发展及高质量发展理念融合,势必为农业信息化、数字化、现代化开辟了新路径, [49];漆海霞、张垒、杨建香、李杨认为农业要实现高质量发展目标,需要充分应 用大数据技术,实现农业生产全过程中精准浇水、精准施肥、精准喷洒农药、精 准预测市场信息,但目前农业大数据还未将自身全部的能力发挥出来,将大数据 在农业领域的优势全部挖掘出来,对改变未来农业的发展现状和改善农民的生活 方式起到关键性作用[50,51,52,53];大数据在农产品质量管理方面的应用情况,王冕、 费志伟、蒋丛萃、杨茂、肖湘雄、谢晓伟、赵嘉承认为在农产品管理过程中充分 运用大数据技术,有助于优化农产品的运营管理体系,降低农产品在产销运营中 的成本, 保证农产品的新鲜度, 有效维护种植户与消费者等各方利益 [54,55,56,57,58,59,60];大数据在林果产品质量管理的应用情况,高羽佳、董朝菊认为林 果业产品要提升品质和质量,首要的是需要建立健全的产品质量安全追溯体系, 增强产品售后的追溯性,加强监管部门对于产品安全的监管,大数据在此过程中 起到了至关重要的作用,我国水果产业在大数据时代中要建立健全大数据采集系 统,组建产业分析团队,深度挖掘、分析已有的大量数据资源,从中发现隐藏的 信息,真正发挥大数据在水果产业中的作用[61,62]。
2.3研究述评
综上所述,国内外学者均对大数据的概念没有统一的界定,但相对国内研究 者而言,国外学者对大数据的理论及应用研究的时间较早。从大数据和农业大数 据的理论研究来看,国内学者更加倾向于理论探索和研究,比如对大数据和农业 大数据的概念界定,而国外学者在这方面虽然提出较早但是涉及较少;从大数据 和农业大数据的应用研究来看,国外学者更加注重大数据和农业大数据的专业应 用、技术发展,而国内学者在这方面的研究相对较少。总体而言,国内外研究者 在大数据、农业大数据理论和应用的研究结果,对于提升大数据在政务、电信、 工业、金融、医疗健康等各行各业的应用价值,具有较高的专业性和指导意义, 对于拓展和提升大数据及农业大数据理论的宽度和广度,有较好的参考价值。他 们在提出大数据概念的同时也将大数据在等各个行业的应用进行了理论研究。
3概念界定和理论基础
3.1概念界定
3.1.1大数据
大数据(big data)指的是一种巨大承载空间、增速高的多元化数据信息的 集合,在处理新的数据环境时,自身具有一种具有海量、增长率高的多样化信息 资产,在需要新处理模式时,大数据会发挥自身正确的评估能力、精准的预测能 力、准确的决断能力、细微的观察能力和海量的数据处理完善能力[63]。在维克 托•迈尔•舍恩伯格及肯尼斯•库克耶编写的《大数据时代》中大数据指的是需要采 集在生产中所运用到的一切数据,而不是简单通过抽样调查这种便捷的途径进行 数据采集分析。大数据主要有五个特征:Volume (大量)、Velocity (高速)、 Variety (多样)、Value (价值密度)、Veracity (真实性),这也被称为"5V"特 征[64]。总之,大数据是将单个独立的信息采集数据库、数据处理数据库和分析数 据库集合在一个大数据库中,通过这个大数据库统一进行数据的采集、处理、分 析,这种单个独立的小型数据库的集合就是大数据。
3.1.2农业大数据
农业大数据就是在大数据的基础上,加入有关农业领域的数据库,包括地理 环境、气候变化、水文特征等小型数据库,形成一个合集。官方定义农业大数据 是大数据理念的实践过程,是在农业生产全过程应用大数据技术对农业数据进行 捕捉和处理的过程,是大数据广度和深度的体现,而且是一种不同行业、不同领 域、不同学科和不同专业的数据融合,设计规模巨大、范围广泛、形式多样、体 系完善,并具有复杂性、分散性、获取难的特征,运用传统的常规化的数据处理 方法是难以比拟的[65]。总之,农业大数据是保留了大数据自身具有的特征,进一 步拓展和深化了农业内部的信息交流。
3.1.3质量管理
质量管理指的是在确定质量方针、目标和职责的过程中,通过质量体系中的 质量策划、控制、保证和改进来使其实现的全部活动,费根堡姆认为质量管理是 把企业内各部门的研制质量、维持质量和提高质量的活动进行合集,形成一个有 效的体系,主要是为了满足在最经济的水平下的顾客的要求,国际标准和国家标 准定义质量管理是“在质量方面指挥和控制组织的协调的活动”[66]。随着人们生活 质量的提高,人们对产品的质量要求也在不断上升,因此,在产品生产的全过程 都要进行质量管理,包括原材料、加工、销售、运输等各个环节。因此,质量管 理是在不同的领域和行业,通过标准和体系对本行业内部的产品生产进行控制和 改进,以满足产品需求者的要求。
3.1.4特色优势产业 特色优势产业是将有特有资源的产业发展成当地的优势产业。学术界认为特 色优势产业指的是在某一国或某一地区,运用当地资源、区域竞争、人文、技术、 管理等方面的优势形成具有本地特色的产业,从而成为区域经济发展的动力。特 色优势产业具有“特”“优”两大特点。“特”即资源特有、文化特有、技术特 有、人才特有、管理方法特有等;“优”即相对于其他国家或地区,在资源、市 场需求、环境等方面发展产业具有比较优势。特色优势产业可以推动区域产业发 展,为区域经济注入可持续发展的动力。
3.1.5产业经济 产业经济即是产业和经济学相融合形成的一门学科,首先要明确产业的概 念,产品由不同行业、不同企业生产、加工、物流、销售,最后组合成一个集合, 形成产品的产业链,也就是产业。产业经济可以分为三个层次,第一层次以同一 商品市场为单位,第二层次以技术和工艺的相似性为根据,第三层次以经济活动 的阶段为根据。通过三层次的划分,可以明确产业经济不同阶段、不同行业发展 的现状,及问题,最后以技术手段为产业经济制定发展的策略。
3.2理论基础
3.2.1大数据理论 大数据理论是将数据库中数据的采集、整理、分析形成一个系统、完整的理 论体系,在小型数据库形成集合的过程中可以更加快速、便捷的组合。大数据理 论有三个基本思想,一是全体样本,不是随机取样,大数据理论中选取的数据是 全体数据,不是某个具有代表性的数据,这样就可以更加全面、准确的分析问题; 二是混杂性,不是精确性,混杂性就是从各个不同方面得到相对独立性的信息, 混杂的信息越多,问题就容易分析清楚;三是相关关系,不是因果关系,大数据 理论是对数据之间较强的相关关系的分析,最终得到结果。
3.2.2农业信息化管理理论
随着科技水平和农业经济的发展,农业领域信息化、数字化应用逐渐被推广, 和普及,农业信息化管理已成为社会发展的趋势,信息化管理理论可以指导农民 科学种植生产,减少工作强度,提高生产过程中的管理效率[67]。农业信息化管理 理论以农业信息资源的数字化、生产工具和生产手段的智能化、农业管理信息系 统的网络化为主要标志[68],主要是在农业领域推广和应用现代化的信息技术手 段,现代信息技术包括物联网、大数据、云计算等一系列数据管理库,为农业生 产、加工、销售等提供一种新的技术手段,从而提高农业生产效率,扩大农业生 产规模,增加农产品产量和产值,提升农产品的质量,最终使农民获得高收益。
3.2.3农业产业化理论
农业产业化是以市场为导向,以经济效益为中心,以主导产业、产品为重点, 优化组合各种生产要素,实行区域化布局、专业化生产、规模化建设、系列化加 工、社会化服务、企业化管理,形成种养加工、产供销、贸工农、农工商、农科 教一体化经营体系,使农业走上自我发展、自我积累、自我约束、自我调节的良 性发展轨道的现代化经营方式和产业组织形式。它的实质上是指对传统农业进行 技术改造,推动农业科技进步的过程。这种经营模式从整体上推进传统农业向现 代农业的转变,是加速农业现代化的有效途径。
3.2.4质量管理理论
随着人们生活水平的提高和现代信息技术的发展,产品生产者越来越注重品 质,对于质量的把控越来越严格,消费者对产品质量的要求也越来越高,这就促 使质量管理逐渐发展到“卓越质量”的理念阶段,更倾向于满足顾客的需求,质量 管理概念也是随着现实生活在不断地延伸和改进,国际上,认为质量管理是“在 质量方面指挥和控制组织的协调的活动”,对于质量管理概念的发展历程大体上 可以从两个方面来分析。1940 年前,企业主要按照设计规定的质量标准,对产 品进行事后检验,质量管理处于质量检验控制阶段;1940 年后,为适应大规模 批量生产需要,科学家应用数理统计的原理,创立以预防为主的质量控制方法和 理论,质量管理进入到统计质量控制(SPC)阶段[69]。
3.2.5区域经济理论
区域经济学的发展与经济地理学是密不可分的,经济地理学是区域经济学的 理论基础。区域经济学理论是对不同空间的资源合理配置,是研究在不同的区域 资源的优化配置和组合,将有限的资源在不同的空间内优化组合,使最终的产出 最大化,区域经济学主要研究的是不同空间、不同资源的整合、优化,所以也形 成了不同流派的理论。主要包括平衡发展理论、不平衡发展理论、区域分工贸易 理论、梯度转移理论、增长极理论、点轴开发理论、网络开发理论、累积因果理 论、中心-外围理论、城市圈域经济理论、一般区位理论、中心地理论、市场区 位理论。
4研究目的与研究内容
4.1研究目的
大数据在苹果产业的应用已有部分研究成果。然而,甘肃省作为苹果种植大 省,对大数据的应用仍然处于探索阶段。本文首先对甘肃省在传统模式下苹果种 植环节质量管理的现状及存在的问题进行分析,然后对大数据应用下苹果种植环 节质量管理的现状及优势进行分析,并找出大数据技术下甘肃苹果种植环节质量 管理存在的制约因素,最后根据分析结果提出在大数据下提高甘肃省苹果种植环 节质量管理水平的改进措施。因此,通过在苹果种植环节运用大数据技术,促进 甘肃省四大苹果主产区的苹果增产,果农增收,提升苹果质量,增强甘肃苹果主 产区的区域经济发展的动力。
4.2研究内容
研究内容分为以下六个部分:
第一部分,绪论。本文首先阐明研究的背景及所产生的理论和实践意义,以 此来明确写作目的,理清写作思路;其次,梳理国内外专家对大数据和农业大数 据的理论和应用研究以及农业信息化管理理论、质量管理理论、区域经济理论、 农业产业化理论、大数据理论等理论基础,紧接着对大数据及农业大数据的概念 进行界定,为研究奠定理论基础。
第二部分,苹果种植环节的质量管理标准。首先梳理HACCP标准和苹果在 种植环节的国家标准、行业标准和地方标准,其次运用HACCP标准对苹果种植 过程中的危害点的和关键控制点进行分析,为下文运用大数据技术在苹果种植环 节质量管理奠定基础。
第三部分,传统模式下甘肃苹果种植环节质量管理分析。主要从质量管理方 法、质量管理效果、质量管理技术和治理管理标准等方面对传统模式下甘肃省苹 果种植环节质量管理的现状进行分析,并从种植环节质量管理水平、质量管理体 系、质量管理的知识储备等方面提出传统模式下苹果种植环节质量管理存在的问 题。
第四部分,大数据技术下苹果种植环节质量管理分析。主要从地方性电子平 台以及社会化电子服务体系等方面对大数据技术下苹果种植环节质量管理的现 状进行了分析,然后通过AHP层次分析法、比较法、DEA-Malmquist效率分析 法等方法得出大数据技术下苹果种植环节质量管理的比较优势。
第五部分。基于上文得到的结论,提出基于大数据技术甘肃省苹果种植环节 质量管理发展的制约因素,并提出在大数据背景下,提高甘肃省苹果种植环节质 量管理水平的改进措施和改进方法。
5研究方法与技术路线图
5.1研究方法
文献查阅法:通过阅读关于大数据、苹果种植及质量管理方面的文献和相关 政策文件,依次对大数据理论及应用研究、农业大数据理论及应用研究、苹果种 植环节的管理方式及质量管理理论进行整理分析,最终确定本文的写作框架,为 文章提供一定的理论基础。
定量分析和定性分析:运用层次分析法和DEA-Malmquist效率分析法对大 数据下苹果种植环节质量管理的方式、标准和效率进行分析,然后以应用大数据 技术进行苹果种植环节质量管理的主产省为案例,进行种植管理模式、数据处理 分析,得出大数据技术下苹果种植环节质量管理的优势。
调查法:采用问卷调查法、实地访谈法、专家访问来搜集资料,将大数据技 术在苹果种植环节质量管理中的优势以及甘肃省存在的制约因素进行整理、统计 和研究,最后找到大数据技术下提高甘肃省苹果种植环节质量管理水平的改进措 施。
5.2技术路线图
 
 
图 1-1 技术路线图
Fig. 1-1 Technical road map
 
6创新点及不足之处
6.1创新点
应用大数据技术能够提高苹果种植环节的管理效率和产品质量,增加果农收 入,降低种植成本提高苹果产业经济效益。目前运用大数据技术对苹果种植进行 质量管理的方式尚处于起步阶段,在甘肃省内还没有全面性推广应用,苹果种植 环节应用大数据技术的案例较少。提出在苹果种植环节质量管理过程中运用大数 据技术的管理模式,可以将信息技术与特色优势产业的管理方法有效结合,转变 甘肃省苹果产业的发展模式,增强苹果产业发展动力,推动甘肃苹果主产区经济 发展,巩固脱贫攻坚成果和乡村振兴战略有效衔接。
6.2不足之处
一是现阶段国内外在苹果种植环节质量管理方面应用大数据技术尚未形成 统一的体系,目前,国家级苹果产业大数据中心处于雏形,并未普及,因而本文 在构建大数据技术在质量管理的优势指标时难免会不够全面。二是由于本文研究 对象为甘肃省苹果种植区,由于大数据技术还未推广到甘肃省苹果主产区,关于 大数据技术在苹果种植环节质量管理的数据收集难度较大。三是本文采取专家访 问法进行选取指标,建立模型,主观意识较强,数据难免存在主观性,不能全面 反映大数据技术在苹果种植环节质量管理方面的优势。
第二章 苹果种植环节质量管理标准
随着我国社会主义进入新时代,广大群众对高品质的农产品消费需求不断上 升。乡村振兴战略提出要实现绿色发展、高质量发展目标,须采用国际同行的良 好农业规范(Good agricultural practice,GAP),需建立精准化的质量管理平台, 可追溯性的产品控制系统[70]。良好农业规范是一种在农产品生产、加工及销售过 程中保障其产品质量安全的国际通行体系,主要关注食品安全问题,利用危害分 析与关键控制点(HACCP)、良好卫生规范(GHP)、质量管理体系(QMS) 对农产品生产的产地选择和气候变化、技术手段,生产管理中出现的问题及采取 的措施,成熟后收割及采摘的方式、储藏地点和运输方式的选择等环节进行质量 监管,对于存在的安全风险进行分析,再根据危害产生的形式、产生的时间及产 生的损害程度采取相应措施加以控制[71,72]。
本章主要通过 HACCP 质量管理体系对苹果种植环节中潜在危害点进行分 析,找出影响苹果外观、色泽、口感等质量安全问题的潜在危害风险点,明确分 析了田间管理、品种选择、鲜果产地准出检测、果品采摘四个关键控制点;综合 大数据技术质量管理体系建立的要求,确定了苹果种植环节的控制限值、监管措 施及纠偏措施,建立了在大数据工具下的苹果种植环节质量管理的种植计划表, 严格执行大数据记录验证及大数据记录保持程序。应用于实践中一方面可以提高 种植环节中的质量管理,为大数据在农产品种植方面的应用建设了一条新的道 路;另一方面可以提高苹果质量,确保消费者的身体健康,增加消费者的安全感 和信任感,提高产品营销策略,提升市场竞争力,有利于提升果农经济效益。 1 HACCP 标准
HACCP (Hazard Analysis and Critical Control Point),即危害分析与关键控 制点,是一种在食品生产、加工、销售过程中采用的预防性安全控制措施,这套 体系从前期的危害点分析到后期对关键控制点采取措施涵盖的生产过程非常系 统完善,危害点的分析涉及化学、生物、物理等领域I73】。HACCP体系主要是运 用在加工环节的标准,苹果种植环节的案例较少,通过借鉴它在林果业种植环节 的危害点和关键控制点分析方法,建立苹果种植环节的危害点和关键控制点,可 以帮助果农在苹果种植过程中确定关键控制点,对会造成关键控制点的危害点进 行分析,之后果农可以根据危害点制定防护机制,确保在种植过程中关键控制点 的质量安全。若果农合理有效运用HACCP体系可以提升果品的质量,增加果农 收益,提高苹果知名度。其中HA表示危害分析,CCP为关键控制点。因此, HACCP体系应用在苹果种植环节质量管理中,不仅能够帮助提升苹果种植环节 的质量管理效率,而且对提高苹果种植区的果品质量、品牌知名度有着重要的意 义。
2 苹果种植质量标准
与苹果种植业相关的产品标准主要有国家标准GB/T37803-2019《植物用植 物有害生物综合管理措施》、GB/T37942-2019《生产过程质量控制、设备状态 监测》、行业标准NY/T328-1997《苹果无病毒苗木繁育规程》和甘肃地方标准 DB62/T2770-2017《果园开沟施肥机作业质量》、DB62/T634-2017《陇东苹果乔 化栽培技术规程》 、 DB62/T2171-2017 《陇东苹果矮化栽培技术规程》 、 DB62/T2849-2018《苹果园生草技术规程》、DB62/T635-2017《陇东苹果郁闭园 改造技术规程》 [74]。
3 苹果种植环节 HACCP 分析
根据 HACCP 质量管理体系的要求对苹果种植环节涉及的生物、化学、物 理潜在的危害风险点进行分析。苹果种植过程危害点分析见表 2-1。
表 2-1 苹果种植过程危害点分析
Tab. 2-1 Analysis of harmful points in apple planting process
种植环节 潜在危害 危害是
否重要 是否为关
键控制点 判定依据 控制措施
W.低温冻害 产地环境中有
毒物质直接影 选择符合苹果种植条
园区选址 S.致病菌、虫卵、虫 响苹果中的残 件的产地建园和嫁接
留。是否有霜冻
H.农药或重金属残留 等恶劣天气。
W.无 选择资质较高且声誉
S.果实的抗病性弱 在病害方面抗 较好的供应商,索取
病性较弱的果 种子生产许可证,合
品种选择 实品种,后期生 格证,经营许可证等
长过程中需施 三证以及种苗检疫证
H.农药残留 较多农药,种苗 明和安全声明,并调
存在农药残留 查了解抗果实病害的
抗病性
 
 
 
3.1苹果种植环节潜在危害点(HA)分析
3.1.1物理危害点分析
由于受种植基地环境、农药或化肥等投入品、水质或水源、土壤酸碱性、空 气湿度和温度不当等影响,苹果在生长过程中容易产生变形果、落果,在储藏环 节容易受物理危害较大。由此可见,在苹果种植环节,物理危害较小且容易辨别, 因此,需要侧重防控危害性较大的化学和生物领域。
3.1.2生物危害点分析
苹果种植环节生物领域的危害主要包括种植过程和采后两个环节的危害。种 植过程中主要危害点包括以下四点:一是种苗挑选不当,种苗供应商的声誉较差 或资料欠缺,致使种苗质量不高,含有各种病虫害等病原体,抗病虫害性较弱; 二是园区选址有误,所在园区的土壤、空气、水源、有机肥等会携带细菌进入苹 果种苗中,致使果品容易产生病虫害等有害物质;三是露天栽培的苹果会有鸟害 和鼠害;四是周围环境作物潜在的病虫草害。采后危害点主要分为以下两方面: 一方面是苹果在采摘之前未做好防护措施,使得各种病源入侵,但外观却未出现 明显破损、腐烂的症状,如苹果炭疽病、赤斑病携带的病原菌;另一方面是苹果 皮薄柔软多汁,有的带根或茎采摘后存储与销售,在苹果根部容易感染病菌,从 而使果实受到感染。
3.1.3化学危害点分析
化学领域苹果种植的危害点主要存在于种植过程中土壤、周围空气、灌溉水 源受污染,环境中的重金属、有机物等有毒有害物质容易在人体内富集,从而产 生慢性危害,长期食用影响人的身体健康;同时,在苹果种植过程中主要采用的 肥料就是农药和化肥,果农为了获取高产,对于农药和化肥的选择不当,致使农 药和化肥的滥用,最终导致各种有毒有害物质产生,影响苹果外观、口感及色泽。 采后处理环节,化学保鲜剂的使用也潜在化学污染。
3.2关键控制点(CCP)的确定
3.2.1田间管理(CCP1)
苹果种植过程中的农资产品是苹果生产的重要因素,需要有可靠的质量保 证。购入农资产品时需要选择正规的商家,首先需要对厂家进行提前调查,在每 次购买过程中要仔细核对,且妥善保管票据并定期进行核查。苹果种植过程中质 量管理主要包括果园的选址、种苗的选择、浇水施肥的量及频率、果树的修剪、 防爆网的搭建、病虫害的防治、果园的清洁等环节管理,根据前期调研可知,苹 果基地以有机肥优先,辅助化肥,应按照 NY/T 496-2010《肥料合理使用准则通 则》要求[75],种植时应施足底肥。幼苗期,以氮肥或者腐熟肥为宜,氮磷钾配合 使用,果树长大至结果时需施肥多次,以提高苹果树的树势与抗病性,且利于果 实膨大,口感好。苹果种植过程中病虫害的防治主要是通过喷洒化学农药来实现 的,然后结合物理和生物防治措施,在喷洒化学农药的过程中需要因地喷洒,科 学规划农药的使用量,使用农药时需符合GB/T 8321.1—2000《农药合理使用准 则》与GB/T8321.8—2007《农药合理使用准则》[76],田间管理关键因子为农药 与化肥。
3.2.2品种选择(CCP2)
苹果种植过程品种的选择是必不可少的环节,在这个环节种苗的挑选是至关 重要的,而种苗供应商则是选择优质种苗的关键,首先要确认种苗采购的供应商, 抽查供应商资料是否齐全。需要选择资质较高且声誉较好的供应商,索取种子生
产许可证,合格证,经营许可证等“三证”以及种苗检疫证明和安全声明,以便确 保种苗的优质性;其次要对选择的种苗品种进行检查,判断是否能够较强抵抗病 虫害的品种,如果检验出是抗病虫害较弱的品种,应提前制定好后期的应对措施, 比如在苹果后期需要施较多的农药和化肥,以此来提高苹果品质和安全性的概 率,应对抗病性较弱的种苗拒收,选择对果实病害具有较强抗性的苹果品种。
3.2.3鲜果产地准出检测(CCP3)
为了提前做好苹果上市质量监测工作,苹果基地在准备上市的批次中,应科 学地选取有代表性的苹果样品进行全面“体检”,主要涉及果品中的农药残留、重 金属含量及病虫害产生的有毒物质,根据 GB 2763—2019《食品安全国家标准 食品中农药最大残留限量》、GB2762—2017《食品安全国家标准食品中污染物 限量》及NY/T268-1995《绿色食品一苹果》农业行业标准执行,对于检查不达 标的果品需要推迟进入市场,等到再次检查合格之后才能进入销售市场。果实准 出关键因子为农药残留、重金属含量[77]。
3.2.4果品采摘(CPP4)
农药残留与重金属含量也是制约苹果质量的重要因素,对于农药的使用,要 严格把控实施的量和频率,特别是在苹果成熟期,采摘过程中严禁使用农药。采 摘苹果时不宜用手直接采摘,采用剪刀剪断果柄中间,留下一节果柄在树上,以 保护树体水分散失,防止病虫害发生。同时,在后期采摘过程中,要做好果品的 保护措施,采摘时将每个果品用柔软隔层或薄膜间隔存放,避免机械损伤或果品 之间碰撞破坏,还需及时将腐烂、变形、开裂的果实拣出,尽可能防止影响其他 品质好的果实,采摘后在获取市场价格信息之后直接进入销售市场,或储存在冷 藏室,避免果实腐烂、变坏。果实采收关键因子为农药残留、重金属含量与物理 损伤。
3.3基于大数据技术建立苹果种植环节HACCP计划书
根据HACCP体系建立的要求,利用大数据工具高速、大量、多样、真实性 和低密度的特点,严格遵从HACCP质量管理体系的7个步骤进行:(1)对苹 果种植技术进行危害点分析和提出预防措施;(2)在整个生产过程危害分析中, 确定关键控制点;(3)建立苹果种植技术关键限值;(4)利用大数据建立关键 控制点监控程序;(5)利用大数据建立纠偏与改正措施;(6)利用大数据建立
 
 
偏差的验证程序;(7)利用大数据建立有效的记录保持程序,从而确保 HACCP
质量管理系统运作正常I73】。利用大数据工具建立苹果种植环节HACCP计划书详
见表 2-2。
表 2-2 基于大数据技术建立苹果种植环节 HACCP 计划书
Tab. 2-2 Establishing a HACCP plan for apple planting based on big data technology
关键控制 关键控制限值 监控 监控办法 点
对象
监控 纠偏措施 记录
人员
验证
田间管理
《农药合理使
用准则》
NY/T496-201 0《肥料合理使 用准则通则》 规定,有毒有 害物质残留均 在最大残留限
量范围内
农药
肥料
查看质量合格 证书、抽样检 查,根据杨桃生 产技术标准进 行病虫草害防 治和肥料使用, 禁止滥用和乱 用
苹果
生产
管理
选购符合 质量标准 的苗木、农 药和肥料, 控制农药、 肥料种类、
施用频率 与浓度、安
全间隔期
销售方 提供质 量记录,
建立并 保存农 药、肥料
的使用 记录
每批次投入品抽
检 1 次。对生长
后期果树进行抽
样检测
品种选择
索取种子生产 许可证,合格 证,经营许可 证等三证以及 种苗检疫证明 和安全声明
种苗
供应
选择资质较高 且声誉较好的 供应商,索取种 子生产许可证, 合格证,经营许 可证等三证以 及种苗检疫证 明和安全声明
种苗
生产
基地
对不符合
标准的种
苗拒收
建立并
保存进
货验证
记录
确认种苗采购的
供应商,抽查供
应商资料是否齐
鲜果产地
准出检测
所有质量安全 指标均符合 GB2763-2019
GB2762-2017
基地
鲜果
对出基地鲜果
进行检测。
NY\T692-200
苹果
生产
管理
果品采收
3规定
收获期必须达
到农药使用安
全间隔期,防
止果品物理损
不合格不 得出基地,
确认超标
产品必须
立即处理
建立和
保存检
测记录
进行每批产品准
出检测
收获 时期 果品
按照各种农药 安全间隔期采 收,轻摘轻放
苹果
生产
管理
不到安全
期不得采
收。拣出损
伤果
建立和
保存采
收记录
收获期对应检查
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
第三章 传统模式下甘肃苹果种植环节质量管理分析 针对甘肃省四大苹果主产区——天水市秦安县;陇南市礼县;平凉市庄浪县、 平凉市静宁县草峰镇;庆阳庆城县、西峰区郭堡南庄进行了实地调查访问,首先 对当地农户进行发放调查问卷200 份进行记录,收回194份,全部有效,其次通 过互联网发放网络问卷300 份,收回300 份,其中 50 份问卷无效,因此,本次 调查问卷共发放500 份,收回494份,有效问卷444份。通过对调查数据的整理 和分析,从苹果种植过程中的质量管理效果、质量管理方法、质量管理技术和质 量管理标准来看,得到传统模式下甘肃省苹果种植环节质量管理在不断地完善和 进步,但从信息时代发展的角度来看,甘肃省苹果种植在苹果种植环节质量管理 方面还存在一定问题,果园质量管理方法水平较低、缺乏统一的质量管理体系、 对质量管理的理论知识认识不足,导致甘肃省苹果产量增速比较缓慢,果品质量 较低,这也为大数据技术在甘肃省苹果种植环节质量管理方面的发展提供了较大 的发展空间。
1 传统模式下苹果种植环节质量管理现状
1.1质量管理方法不断改进,质量管理效果显著
苹果在种植环节中质量管理的关键就是适时适量的浇水施肥、科学防控病虫 害和果树修剪,如表 3-1 所示,在前期调研中传统模式下水肥管控是果树生长和 管理的关键点,主要依靠的是人机结合,通过人来操作机械实现“水肥一体化” 控制,浇水施肥的时间虽是果农根据多年种植苹果的经验和苹果自身生长的自然 规律来确定,但其用法用量是果农根据园区规模和机械容量来合理规划浇施比 例;病虫害防控是提高果品外观口感的关键点,其防控最重要的三个阶段是果树 开花授粉期、幼果生长期和果实成熟期,特别是幼果生长期,主要通过人工经验 喷洒农药和杀虫剂防治病虫害;果树修剪防控是果树生长的重要节点,主要是果 农凭借常年种植经验,通过人工操作对果树进行疏干、修整、拉枝、套袋、涂白、 清理等一系列的果树保护措施。据此可以看出,苹果种植在传统模式下的质量管 理由以前的纯人工操作逐渐转变为人机结合,以机械为主,人工为辅的模式,种 植过程中质量管理方法不断改进。
果农在苹果种植环节质量管理方法的不断改进,质量管理理念的不断提升,
促进苹果产量的提高。如表3-2 所示,近9 年甘肃省苹果产量平稳上升,呈现先 升后降的趋势,从 2010 年的 132.78 万吨增加至20 1 7 年的 311.13万吨, 2018 年 降至 291.53 万吨,但其占全省水果产量的比重一直保持上升趋势,且趋势较为 显著,从 2010 年的 67%上升到2018 年的 79%。通过新的质量管理方式和技术, 由以前的零星分布到现在的小规模经营,种植面积不断延伸,种植面积占全省水 果的比重呈平稳上升的趋势,种植面积从 2010 年的 315.33万亩扩大至2018 年 的 351.54 万亩,基本稳定在 300 万亩左右,苹果种植面积占水果总面积比重基 本保持在 75%左右。总体来看,信息化的发展使得甘肃省苹果种植业发展呈不断 上升状态,质量管理技术手段明显提升,质量管理效果显著,苹果产业在甘肃省 水果产业中竞争优势明显,且发展潜力巨大。
表 3-1 苹果园质量管理措施
Tab. 3-1 Quality management measures for apple orchards
控制措施
全元素有机化合肥,比例为 1:2: 1 的尿素-过磷酸钙-硫酸钾复合肥、硅钙镁钾 肥。
3 月初至 3 月中旬,施全元素有机化合肥,施肥量为 50-70 公斤/亩,采用树穴 施肥方法;或施尿素-过磷酸钙-硫酸钾 1:2:1 的复合肥,施肥量为 70-80公斤/ 亩,采用条施方法。
11月初,施生物有机肥,施肥量为 2500-2750公斤/亩;施高氮-钾型复合肥,
3 月至 3 月中旬,施肥完成后给果树树穴立即浇水。 浇水时间
11 月初,第二次施肥完成后给果树大量浇水。
2 月中旬 -2 月末果树处于休眠阶段,需要防治树干腐烂病和越冬虫害等问题,主要工作在冬季修剪 掉病虫树干,以减少越冬病虫的生长数量。
3-4 月果树处于芽萌期、授粉期,重点防治果树腐烂、花腐病、白粉病、霉心病、蚜虫类和螨虫。
4-5 月幼果期,重点防治斑点落叶病、红蜘蛛病、蚜虫病、早期落叶病。
6-8 月春梢停长,幼果生长期,重点防治食心虫、潜心蛾、炭疽病。
9-10 月果实的着色成熟阶段,着重防治小食心虫病害、褐斑病、果实轮纹病。
1-2 月果树休眠期,冬季果树疏干、修整。
3 月-4 月中旬果树萌芽、授粉期,第一次施肥浇灌之后,对树盘进行修整,对部分果树的树枝进行 拉枝。
5 月中旬 -6 月春梢停滞生长,果树二次疏干,幼果套袋。
9-10月苹果成熟期,9月中下旬摘掉果实套袋, 4-6天后摘除内层套袋,铺设反光膜、梳叶,苹果 着色。
11 月对树体采取相应 的保护措施,果树根茎培土,树干涂白,清理枯枝、落叶、残次果、果袋。
数据来源:表中数据由调研数据整理所得
表 3-2 2010-2018 年甘肃省苹果种植情况统计
Tab. 3-2 Statistics of apple production in Gansu Province from 2010 to 2018
年份 产量 面积
产量(万吨) 占水果(%) 面积(万亩) 占水果(%)
2010 132.78 0.67 315.33 0.76
2011 149.86 0.69 322.57 0.76
2012 163.78 0.69 333.29 0.76
2013 177.51 0.69 340.66 0.76
2014 195.60 0.70 345.85 0.77
2015 216.35 0.71 345.98 0.76
2016 281.72 0.78 345.37 0.74
2017 311.13 0.78 345.42 0.76
2018 291.53 0.79 351.54 0.75
数据来源:《甘肃发展年鉴》(2011~2019)
1.2质量管理技术不断提高
根据查阅文献和实地调查显示,甘肃省苹果生产主要包括乔砧密植和矮砧密 植两种方式,其中,乔砧密植的种植方式被果农广泛应用,仅仅有 10%的果农采 用矮砧密植的方式种植,但是相较于传统的乔砧密植,矮砧密植的种植模式更加 符合现代苹果种植的要求,有很多乔砧密植达不到的优势,由于甘肃省苹果主产 区主要位于陇东黄土高原区和浅山丘陵区以及推广矮砧密植栽培模式的诸多制 约因素,这一模式的推广不尽人意。但随着农业机械化和信息化的发展,针对果 农种植技术问题展开了一系列的培训,使得甘肃省苹果种植技术水平不断地提 升。如图1 所示,从种植技术培训机会来看,近三年果农参加技术培训的机会增 长显著,参加 1-10 次技术培训的占 89.1%,没有参加过一次的仅占 6.7%;从种 植技术培训的方式和机构来看,参与机构多样,其中,区域乡镇推广站占比较大, 达到了 47.9%,其次是高校,占比 28.6%,培训方式多元化,既有课堂教学也有 实地教学,其中田间实地培训占比超过了 50%,说明培训还是偏向于实践教学, 同时也在不断适应课堂教学的模式;从培训的项目和果农的需求来看,培训的主 要是种植环节基本的质量管理方法,如果树栽培、修剪、施肥及病虫害防控等环 节,占比达到 80%以上,说明提高苹果种植技术水平最基本的是提升果园的管理 水平。
 
 
图 3-1 苹果种植技术水平培训情况图
Fig. 3-1 The training situation of apple planting technology level 数据来源:由调查问卷整理所得
1.3质量管理标准逐渐完善 完善质量标准体系是提高苹果种植过程中质量水平的必要环节,这也与苹果 质量安全息息相关。如表 3-3 所示,针对苹果质量的国家标准 GB/T37803-2019
《植物用植物有害生物综合管理措施》、GB/T37942-2019《生产过程质量控制、 设备状态监测》、行业标准NY/T328-1997《苹果无病毒苗木繁育规程》和甘肃 地方标准DB62/T2770-2017《果园开沟施肥机作业质量》深入甘肃省四大苹果主 产区进行实地调研。由于四大产区种植苹果的地理位置和自然条件相差不大,因 此三标准相结合实施的情况较为普遍,占比 22.38%,其中有国家法律限制和国 家政策支持的国家标准实施度最高,达到了 34.69%,地方标准最低,占 16.87%。 总体来看,不管是国家标准、行业标准还是地方标准,果农在苹果种植过程中应 用质量标准的体系在不断完善,果农对三大标准的认识也在不断地提升。
表 3-3 甘肃省四大苹果主产区果农采用质量标准状况
Tab. 3-3 Status of quality standards adopted by fruit farmers in the four major apple producing areas in Gansu Province
单位:%
天水 陇南 庆阳 平凉 合计
国家标准 33.43 36.05 32.08 37.19 34.69
行业标准 26.48 24.37 25.06 28.35 26.07
地方标准 16.67 17.73 19.42 13.65 16.87
三者皆有 23.42 21.85 23.44 20.81 22.38
合计 100 100 100 100 100
数据来源:由调查问卷整理所得
 
2 传统模式下苹果种植环节质量管理存在的问题
2.1果园质量管理方法水平较低
第一,缺乏新一代信息技术人员,果园管理方法的科学性较低。根据前期调 查,甘肃省苹果主产区大部分果农是单户经营,零星分布,果园管理组织分散, 缺乏科学合理的规划,随着甘肃省苹果种植面积不断扩大,传统经验管理果园的 路径已经行不通,加之缺乏具备专业知识的年轻技术人员和新一代信息技术管理 手段,致使果园检测土壤酸碱性、水肥管理、果枝修剪方面技术落后,进而影响 苹果品质。第二,信息不对称,管理自然风险能力弱。自然风险是由不可抗力因 素产生的,但随着新一代信息技术的发展,通过气象预测,可以及时地规避或降 低这种风险造成的损失,由于传统“靠天吃饭”的思想,致使果农在遇到自然风险 时,采取措施不及时造成了一定的非必要损失。通过问卷调查发现 53.78%的人 是通过自己购买预防灾害的设施来进行防控自然风险,但是由于缺乏现代信息技 术,无法准确监测到灾害的时间及力度,还是造成了少量的非必要损失,这种预 防措施时效低,力度小;而 28.57%的人则是顺其自然,不采取措施导致损失惨 重。这种传统的规避自然风险水平低,不及时且时效低,导致苹果外观易受损坏, 进而使得苹果容易腐烂,影响苹果口感。
2.2缺乏统一的质量管理体系
随着物联网、云计算、大数据等新一代信息技术的发展,甘肃省苹果种植产 区的质量管理标准逐渐完善,管理标准也在不断地提升,但是由于经济发展水平 落后,信息接收滞后,甘肃省在苹果种植过程中仍缺乏健全的质量管理标准体系。 第一,主产区果农单独经营,零散分布,没有形成规模化的种植模式,果农之间 没有统一的管理标准和管理体系,导致最后生成的产品品质、色泽、外观等不一 致。第二,由于果农种植苹果的时间长短不一,接受教育的程度不同,自身年龄 的不同,导致果农对苹果种植过程中果园管理的标准不一致,致使缺乏完整、健 全和统一的质量管理体系。
2.3对质量管理的理论知识认识不足
据实地调查可知,近年来,很多年轻人因进城务工、学习等原因,在城市买 房,农村劳动力大量转移,使得农村变“空心村”,留守农村的 80%是老年人和中 年妇女,劳动力老化和偏女性化严重,且这些果农文化程度低,多数为高中或初 中以下学历,接受并吸收新理论、新知识的能力较低,对于苹果种植环节质量管 理的理论知识认识不足,80%的果农对管理没有概念,只是凭经验在种植苹果, 不知如何运用质量管理的理论知识对果园进行质量控制;政府部门对果农理论知 识的培训较少,培训力度较小。总体来看,甘肃省在苹果种植环节质量管理方面 的理论知识整体掌握较为薄弱,因此,提高果农理论知识的储备量是有效管理苹 果种植质量的重要途径。
第四章 大数据技术下苹果种植环节质量管理分析
本章在大数据技术下苹果种植环节质量管理进行对比分析,得出大数据技术 下苹果种植环节质量管理的现状及优势。目前,由于甘肃省在苹果种植环节应用 大数据技术还没有较为成熟的案例,所以本章首先对大数据技术应用较为成熟的 其他行业进行现状分析,其次对在苹果行业应用大数据技术较为成熟的陕西省进 行现状分析,以此来研究大数据技术下苹果种植环节质量管理的现状。进而结合 层次分析法和 DEA 模型的 Malmquist 效率指数,以大数据技术在苹果种植方面 发展先进的陕西省为参考,和甘肃省进行对比,从而探究大数据技术在苹果种植 环节质量管理方面的优势。
1 大数据技术下苹果种植环节质量管理现状
新一代信息技术的发展,加快了大数据进入各行各业的速度,包括工业领域 的“岸海一体的智能船舶运行与维护系统”、“宁夏工业大数据综合管理与应用系 统”,能源电力行业的“电力大数据分析平台”,政务服务行业的“云上贵州系统平 台”,金融行业的“反欺诈大数据产品‘蚁盾'”、“国家税务大数据分析平台”等,但 在农业领域应用大数据的时间较晚。近几年,农业大数据应用的普及程度越来越 广泛,但在农业领域普及率较低,而农业大数据可以对土壤酸碱性、气候、水文 及病虫害进行监测与预警,有效提高农产品溯源质量。近年来国家开始重视大数 据在农业发展中的应用,建立了新疆棉花大数据中心、杨凌农业大数据中心、贵 阳现代农业大数据有限公司等平台。
陕西省在农业大数据的应用上也是走在各省的前列,2018 年苹果大数据中 心建成,基本的数据采集、整理、分析平台已完成并投入使用,同时,55 个智 慧果园已完成建设,后续将开展基础数据的采集试验点,与苹果研究专家合作挂 牌苹果数字化的试验站,此外,我国主要苹果大省河南、山东等地也在着手筹建 苹果产业大数据中心。如图 4-1 所示,陕西苹果产量基本保持上升趋势,2018 年受冻害产量有所下降,但是陕西省在建成苹果产业大数据中心之后,陕西省苹 果产量大幅提升,从 2018 年的 1008.7 万吨增加到 2019年的 1135.6 万吨,同比 增长了 12.58%。因此,在运用大数据技术对苹果种植业进行质量管理,可以增 加苹果产量,提高苹果质量。
 
 
数据来源:《陕西省统计年鉴》(2016~2020)
由于大多数农业种植区处于偏远山区,信息滞后,当地果农思想观念落后, 甘肃省农业大数据技术起步较晚,应用滞后。但是近年来,随着互联网覆盖率的 增加,加上政府的宣传推广,农业大数据在甘肃省逐渐开始发展,但是,目前大 数据技术在苹果产业中的应用还未大规模推广,包括酒泉农业大数据平台及新提 出的天水市智慧农业大数据平台,这就需要政府引导业内外人士高度重视大数据 在推动我国苹果产业健康发展、有序流通中的作用,树立大数据意识,提高利用 大数据的能力。
2 大数据技术下苹果种植环节质量管理的优势分析
2.1大数据技术下苹果种植环节的管理标准化程度高
2.1.1评价指标体系构建原则
本文在研究苹果种植环节质量管理大数据技术优势评价指标体系时,遵循以 下原则:(1)科学性与客观性相结合。以苹果生长的客观规律为基础,结合当 地苹果种植的自然环境,经济的发展水平,果农的文化程度,科学、客观地构建 大数据技术在苹果种植环节质量管理的优势评价指标体系。(2)合理性与可操 作性相结合。构建评价体系时选取的指标要合理有效,符合大数据技术在苹果种 植环节质量管理中发展的实际需求。在选取指标时,要考虑指标是否具有可操作 
性,即选择的指标是否简单明了、便于收集。(3)整体性原则。选取的指标要 全面系统,指标之间要具有一定的逻辑关系,即评价大数据技术在苹果种植环节 质量管理的优势中要全面分析每个指标的影响程度,不局限于某一个指标,评价 指标能够全面真实地反映大数据技术在苹果种植环节质量管理的优势。
2.1.2构建评价指标体系
本文在大数据理论、农业大数据理论和质量管理研究理论的基础上,结合国 内外的研究,针对苹果种植的特点征询专家意见,构建大数据技术在苹果种植环 节质量管理的优势评价指标体系。通过采用层次分析法,评估大数据技术在苹果 种植环节质量管理的优势,为大数据技术在苹果种植环节质量管理的应用提供理 论依据。如表 4-i 所示,本文通过查阅文献、问卷调查等方式,建立大数据技术 在苹果种植环节质量管理优势评价指标体系的总目标,管理方式、管理标准和管 理成本3个准则层,自动化、系统性、标准化、开放共享性等12个操作层。
表 4-i 大数据技术在苹果种植环节质量管理的优势评价指标体系
Tab. 4-i Advantage evaluation index system of big data technology in apple planting quality
management
总目标 准则层 指标层
 
2.1.3数据来源
本研究运用问卷调查法,通过实地走访政府部门(天水、陇南、庆阳、平凉 四地的区或乡镇农机推广站)、设有大数据技术专业的高校、企业(西安远景网 络科技有限公司、天水长城果汁集团有限公司)、果农、苹果种植合作社在大数 据和苹果种植环节质量管理方面有所研究的专家学者进行探讨,进一步对大数据 技术应用在苹果种植环节质量管理优势的评价指标进行打分,最后将整理的专家 
评分结果在 yaahpi0.i 层次分析法软件中来确定评价指标的权重。
2.1.4评价方法
(1) 层次分析法
层次分析法(Analytic Hierarchy Process,AHP)作为一种定性与定量分析 相结合的综合评价方法,主观性较强,涉及目标层、准则层、指标层等层次决策, 在现代农业发展决策方案和农业效益评价等方面应用较广泛,成熟案例也是较多 的[77,78,79]。本文基于AHP分析法对苹果种植环节中应用大数据技术进行质量管 理的优势进行评价,为普及大数据技术在苹果种植环节的质量管理应用提供理论 依据。
(2) 计算评价指标权重与层次单排序
在目标衡量中准则层和指标层的指标所占的比重是不同的,因此需要对准则 层中的指标进行两两比较,以此得出各个指标的相对重要性,如表4-2 所示,本 文采用 1-9 比例标度法进行定量描述[80,81,82,83]。
表 4-2 1-9 比例标度法定义
Tab. 4-2 Definition of 1-9 proportional scaling method
标度 含义
表示两个指标相比,同样重要
表示两个指标相比,前者比后者稍微重要 表示两个指标相比,前者比后者比较重要 表示两个指标相比,前者比后者十分重要 表示两个指标相比,前者比后者绝对重要
表示上述相邻标度的中间值
若因素i与因素j的重要性之比为砌,那么因素j与因素i重要
性之比为 aji=1/aij
通过整理专家打分表,得出得分的矩阵,进一步对矩阵中每一行的元素相乘 得出的结果进行判断,最后对构成矩阵的向量进行归一化处理,得出评价指标的 权重(X)见公式4.1。构建判断矩阵结束后,利用和积法计算最大特征向量Amax, 对矩阵层次进行层次单排序。
X =区工”..工『,X = X/工:=£ (4.1)
3)检验权重
 
由于判断矩阵中每个指标的标度是根据专家学者的意见确定的,因此得出的 结果具有一定的主观性,为保证最终结果的合理性,需要对结果进行一致性检验。
计算一致性指标CI[84,85],见公式4.2:
 
 
 
为确定判断矩阵是否可以接受,还需要计算出一致性比例CR,计算公式如 下:
CI
CR = C- (4.3)
RI
公式4.3中,RI为平均随机一致性指标,如表4-3所示,如果CR的值小于 0.1 或者等于0 时,则表明判断矩阵通过了一致性检验,反之则表明没有通过一 致性检验,需要进行适当的调整,直至达到一致性检验的标准。然后按照从上到 下的顺序对准则层和指标层的各个要素进行计算,得出要素的最终权重系数,进 行层次总排序。
表 4-3 RI 取值
Tab. 4-3 RI value
指标数 1 2 3 4 5 6 7 8 9
RI 0 0 0.58 0.9 1.12 1.24 1.32 1.41 1.45
2.1.5 评价过程
 
1)确定优势评价指标体系权重
在yahhp10.1层次分析法软件输入由专家意见形成的主观判断,利用1-9标 度法建立指标之间两两对应的判断矩阵,见表 4-4 至表 4-7。
表 4-4 总体优势判断矩阵 X-Yi
Tab. 4-4 Overall advantage judgment matrix X-Yi
 
Y3 1/6 1/3 1
表 4-5 管理方式的判断矩阵 Y1-Zi Tab. 4-5 Judgment matriX Y1-Zi of management mode
Y1 Z1 Z2 Z3 Z4 一致性检验
Z1 1 5 1/3 3
Z2 1/5 1 1/5 1/3 九max=4.1913
Z3 3 5 1 4 CR=0.0716
Z4 1/3 3 1 /4 1
表 4-6 管理标准的判断矩阵 Y2-Zi
Tab. 4-6 Judgment matriX Y2-Zi of management standards
 
Y2 Z5 Z6 Z7 一致性检验
 
表 4-7 管理成本的判断矩阵 Y3-Zi Tab. 4-7 Judgment matriX Y3-Zi of management cost
Y3 Z8 Z9 Z10 Z11 Z12 一致性检验
Z8 1 3 3 1/2 4
Z9 1/3 1 4 1/3 3 九max=5.3734
Z10 1/3 1/4 1 1/5 1/3 CR=0.0833
Z11 2 3 5 1 3
Z12 1/4 1/3 3 1 /3 1
数据来源:上述数据由访问专家数据整理所得
 
通过一步步测试调整,上述判断矩阵X-Yi、Y1-Zi、Y2-Zi和Ys-Z冲CR<0.1, 判断矩阵B4-Ci中CR=0,说明以上判断矩阵均满足一致性指标的条件,通过一 致性检验,表明优势评价指标权重值合理有效,最后计算出大数据技术在苹果种 植环节质量管理的优势评价指标的权重,结果如表 4-8所示。
表 4-8 大数据技术在苹果种植环节质量管理的优势评价指标体系权重值
Tab. 4-8 The weight value of the advantage evaluation indeX system of big data technology in
apple planting quality management
准则层 权重 操作层 层次单排序权重 综合权重
自动化(Z1) 0.1988 0.2812
管理方式(Y1) 0.7071 系统性(Z2) 0.0473 0.0669
标准化(Z3) 0.3641 0.5149
 
开放共享性(Z4) 前瞻性(Z5) 0.0969
0.0249 0.1370
0.2721
管理标准(丫2) 0.0915 规范性(Z6) 0.0556 0.6080
先进性(Z7) 0.0110 0.1199
建设成本(Z8) 0.0565 0.2805
运行成本(Z9) 0.0211 0.1049
管理成本(丫3) 0.2014 维护成本(Z10) 0.0351 0.1745
折旧成本(Z11) 0.0768 0.0589
人力成本(Z12) 0.0119 0.3812
数据来源:表中数据通过yahhp10.1层次分析法软件计算所得
( 2)结果分析
如表 4-8所示,通过层次分析法计算出指标权重,可以得出以下结果:
从优势评价指标体系的准则层中看,管理方式权重(0.7071)最大,管理标 准权重(0.0915)最小,说明大数据技术在苹果种植环节质量管理的应用中,管 理方式的重要性大于管理成本和管理标准。主要因为大数据技术在苹果种植环节 的应用改进了传统的种植管理方式,如果果农熟练掌握大数据管理的方法后,可 以提高管理效率,增加技术工,减少传统劳动力,从而降低了人工成本,进一步 降低管理成本,在改进管理方式和降低管理成本的基础上,可以通过大数据技术 在苹果种植环节质量管理中建立全新的、规范的管理标准。通过大数据技术对苹 果种植进行质量管理,使得管理方式改进,管理成本大幅降低,管理标准更新升 级,从而提高苹果种植的管理效率,提升了果品的质量,增加果农的收益。
从管理方式的指标层来看,管理方式的标准化权重(0.5149)最高,系统性 权重(0.0669)最低,其次为自动化(0.2812)和开放共享性(1370),说明大 数据技术在苹果种植环节质量管理的应用中,管理方式的标准化重要性高于自动 化、开放共享性和系统性。因为在苹果种植环节质量管理的过程中最主要的是严 格遵循国家、行业和各地方规定的原来的管理标准来进行育苗、栽种、浇水施肥、 病虫害控制;其次,要在管理方式标准化的基础上,充分发挥大数据技术在苹果 种植环节质量管理中的自动化优势,这样才能实现大数据技术对苹果种植的管理 模式;第三,对于这种大数据技术下的苹果种植环节质量管理模式要对外开放, 信息共享,这样才能使更多果农受益;最后,这种新的管理方式要涉及种植环节 中每个环节,要全面管控,不能局限在某一环节。
从管理标准的指标层来看,管理标准的规范性权重(0.6080)最高,其次分 别为前瞻性(0.2721)与先进性(0.1199),说明大数据技术在苹果种植环节质 量管理的应用中,管理标准规范性的重要性要大于前瞻性和先进性。主要因为规 范的管理标准是运用大数据技术在苹果种植环节质量管理的前提,在遵循国家标 准、行业标准和地方标准的基础上,应充分发挥管理标准的前瞻性优势,利用大 数据技术制定新的苹果种植环节质量管理标准,推动管理标准在国家标准体系中 发挥先进性的优势。
从管理成本的指标层来看,人力成本权重(0.3812)最高,折旧成本权重 (0.0589)最低,说明大数据技术应用下,苹果种植环节质量管理的人力成本的 重要性要高于其他成本。因为人力成本是苹果种植环节质量管理的主要成本支 出,大数据平台建设成本、运行成本和维护成本在平台建设初期投资支出较大。 首先运用大数据技术将会淘汰一部分劳动力,减少劳动力的使用,大幅降低了苹 果种植过程中的人力成本;其次,需要投入资金建设大数据平台,培养关于大数 据技术的技术人员,将会付出部分建设成本;第三,在大数据运行的前期需要投 入少量运行费、维护费,从而产生部分运行成本和管理成本;最后,在大数据技 术运行过程中会产生少部分的折旧费,形成折旧成本。因此,大数据技术在苹果 种植环节的质量管理过程中,人力成本大幅下降使得管理成本较低,从而增加果 农收益。
2.2大数据技术下苹果种植环节的管理流程严格规范
2.2.1传统模式下苹果种植环节的管理流程
苹果从育苗栽种到开花结果的生长周期一般比较长,通常从苹果树育苗、栽 种到开花结果需要2-3 年的时间,有的甚至需要5年左右的时间,但是随着科技 的进步,苹果的品种逐渐得到了改良,经过品种改良的苹果在当年就可以挂果。 如图4-2 所示,传统模式下,苹果种植需要经过育苗、栽种、施肥、灌溉、喷药、 修剪、套袋、采摘、储藏及出售等十个环节。根据在甘肃天水、平凉、庆阳、陇 南地区的实地调研, 50%以上的果农是同时采用化肥和有机肥,但主要以化肥为 主;最近三年来地区降水比较丰富,人工灌溉果树的频率非常低,一年浇水 1-2 次,甚至一部分果农没有进行灌溉。总之,传统模式下苹果品种选择、苹果种植、 土壤成分检测、天气预测、病虫害防治以及苹果储藏都是凭借果农的经验管理的, 这种管理模式缺乏一定的科学依据,导致苹果种植效率低,人工成本高,果品质
量差。
 
图 4-2 传统模式下苹果种植环节的管理流程
Fig. 4-2 The management process of apple planting under the traditional mode
2.2.2 大数据应用模式下苹果种植环节的管理流程
随着新一代信息技术的发展和应用,在苹果种植环节应用大数据物联网技术 已经成为一个趋势。如图4-2 所示,大数据应用模式下,首先,通过数据传感器 采集苹果种植环节中的降雨量、土壤温度和湿度、光照度、氧气浓度、土壤养分、 苹果生长图像及市场价格信息,并将采集结果上传到大数据平台;第二,由大数 据平台上传到苹果种植生产管理者,苹果种植生产管理者通过查询标准苹果数据 库、历史数据和专家数据库进行数据分析,然后将分析结果反馈到大数据平台; 第三,将分析结果上传到果农的手机终端,果农通过得到的数据分析结果发出控 制指令;最后,将控制指令上传到大数据平台,由大数据平台进行远程操控。这 种模式下,有助于提高苹果种植环节的质量管理效率,降低人工成本,增加果农 收益,优化果农质量,推动苹果种植业快速进入信息化管理进程。
 
 
图 4-3 大数据应用模式下苹果种植环节的管理流程
Fig. 4-3 The management process of apple cultivation under the big data application model
2.3大数据技术苹果种植环节的质量管理效率高
2.3.1研究方法及数据来源
(1 )研究方法
甘肃是我国苹果种植大省,目前苹果产量位于全国第五位,但是在种植方式、 果园管理模式上仍采用传统的技术手段,对大数据的应用还处于雏形阶段,完全 以苹果种植为主的大数据平台尚未建立。相比之下,陕西省在这方面的发展成果 较为显著,运用大数据技术在苹果种植业的应用已进入普及阶段, 2018 年建成 的国家级苹果产业大数据中心,实现了省、市、县三级数据的采集、标准化及数 据建模工作。因此本文采用 DEA 模型的 Malmquist 效率指数对甘肃和陕西苹果 种植的全要素生产效率进行对比分析,得出大数据技术在苹果种植环节的质量管 理效率优势。
DEA-Malmquist生产率指数是Caves在1982年将该指数用于全要素生产效 率变化的测算,见公式 4.4:
 
后来又在 Fare 等人的研究下,上述公式在规模报酬不变的情况下分解为技 术效率指数和技术进步指数,技术效率指数指的是决策单元从t到t+1技术效率 变动的幅度,反映的是相对效率的变化;而技术进步指数指的是从t到t+1生产 或管理技术的变化幅度,反映的是技术进步的变化,见公式 4.5:
D</+i(Xt+:i,yt+i)
Do^Xt.yt)
(4.5) 公式(4.5)中若M0>1,则表明全要素生产效率是增长的,反之是下降的[86,87]。
( 2)数据来源与样本选取 陕西省是最早将大数据技术应用于苹果种植的省份,本研究主要选取了甘肃
和陕西2011-2018 年苹果成本收益的数据,对比分析传统模式和大数据技术应用 下苹果种植环节的质量管理优势。
研究苹果种植环节的质量管理优势,首先要对苹果种植环节的生产效率进行
 
客观、全面、科学的评价,在选择评价指标时要全面反映苹果种植的过程管理状 态和过程管理效率,因此,本文选择每亩主产品产量(公斤)、每亩物质与服务 费用(元)、每亩人工成本(元)、每亩化肥金额(元)作为苹果种植的生产效 率评价指标(如表 4-9 所示)。
表 4-9 2011-2018 年甘肃和陕西成本收益情况 Tab. 4-9 2011-2018 Gansu and ShanXi cost-benefit situation
year provice y X1 X2 X3
2011 甘肃 2065.67 935.18 3000.17 257.33
陕西 1883.27 1122.29 1472.07 401.85
2012 甘肃 1963.28 983.22 4141.66 284.46
陕西 2059.34 1081.22 1920.00 333.17
2013 甘肃 2090.45 1450.75 5057.06 518.62
陕西 1914.10 1113.58 2255.38 348.98
2014 甘肃 1991.52 1485.24 5498.47 548.74
陕西 1857.74 1068.87 2468.85 302.84
2015 甘肃 2314.51 1754.56 5718.51 668.32
陕西 1779.59 1034.94 2598.41 301.41
2016 甘肃 1963.19 1713.80 5661.45 696.52
陕西 1881.41 1066.06 2756.49 305.66
2017 甘肃 2207.61 1842.42 5383.89 759.82
陕西 1836.06 1057.81 2903.83 305.41
2018 甘肃 1499.74 1704.74 5074.67 761.86
陕西 1595.84 1131.04 2957.83 367.45
注:y代表每亩主产品产量,X1代表每亩物质与服务费用,X2代表每亩人工成本,X3代表每亩化肥金额 数据来源:《全国农产品成本收益资料汇编》(2012~2019)
2.3.2模拟计算结果及管理效率对比分析
DEA-Malmquist计算结果如表4-10、表4-11所示,表中effch代表技术效率 的变化, techch 代表技术进步的变化, pech 代表净技术效率的变化, sech 代表规 模效率的变化, tfpch 代表生产率的变化。如果效率变化为 1,则表示最优;如果 效率变化大于 1,则表示效率变化增加,否则效率变化减小[88,89,90,91]。
表 4-10 2011~2018 年甘肃和陕西技术效率和技术进步的变化
Tab. 4-10 Changes in technical efficiency and technological progress in Gansu and ShanXi from 2011to 2018
province effch techch pech sech tfpch
甘肃 0.935 0.928 0.991 0.943 0.867
陕西 1.000 0.926 1.000 1.000 0.926
平均值 0.967 0.927 0.996 0.971 0.896
数据来源:表中数据通过 DEA-Malmquist 计算所得
 
表 4-11 2011-2018 年苹果种植技术效率和技术进步的变化
Tab. 4-11 2011-2018Apple planting technical efficiency and changes in technological progress
year effch techch pech sech tfpch
2011-2012 1.000 0.914 1.000 1.000 0.914
2012-2013 0.916 0.838 1.000 0.916 0.767
2013-2014 0.959 1.003 1.000 0.959 0.963
2014-2015 0.997 0.969 1.000 0.997 0.966
2015-2016 0.920 3.222 1.000 0.920 2.964
2016-2017 1.031 0.306 1.000 1.031 0.316
2017-2018 0.950 0.799 0.969 0.980 0.759
平均值 0.967 0.927 0.996 0.971 0.896
数据来源:表中数据通过 DEA-Malmquist 计算所得
从表 4-10 可以看出陕西的苹果种植技术的技术效率变化、纯技术效率变化、 规模效率变化均为 1,而甘肃省的以上三项指标分别为0.935、0.991、0.943,均 小于 1,说明陕西省苹果种植技术效率和技术进步变化比较稳定,甘肃省的苹果 种植技术效率和技术进步相对比较滞后。出现这种结果的主要原因是自2018 年 陕西已建成国家级苹果大数据中心以来,陕西已经进入大数据在苹果种植管理应 用的快速发展期,而甘肃尚处于起步阶段。虽然两省的生产率变化都小于 1,但 是陕西的生产效率要大于甘肃,说明大数据技术的应用对提高苹果种植的质量管 理效率影响巨大。
从表 4-11 可以看出 2015-2016年苹果种植的技术进步变化为 3.222,远大于 1,这是因为2015 年 12 月10日中国大数据技术大会在北京召开, 2016年开始 国内加快了大数据的行业应用。因此在 2016-2017年苹果的技术效率变化、纯技 术效率变化、规模效率变化均大于或等于 1。从表 4-10、表 4-11 及陕西苹果业 的发展可以看出,大数据应用是引领未来苹果产业发展的一个趋势,物联网大数 据在苹果种植业的应用可以解决以下五个问题:第一,建立果农信用大数据库和 信用评价体系并对果农信用状况进行评价;第二,建立苹果园天气预测大数据库, 进行果园的天气预测;第三,建立农药、水肥大数据库,可以对农药、水肥的喷 洒做到精准定量控制;第四,通过果园 APP 大数据管理,减少果农数量,降低 人工成本;第五,通过果园大数据精准管理,提高苹果质量。
2.4大数据技术下苹果种植环节的质量管理模式先进、数据处理精准
通过对甘肃苹果主产区天水、平凉、庆阳、陇南和陕西洛川国家级苹果大数 据中心的实地调研,主要从苹果种植环节的质量管理模式和数据处理方式两方面 进行传统模式和大数据模式的对比分析。
从管理的模式进行对比,甘肃省 98%的果农仍然采用传统的种植管理模式, 如表 4-12 所示,传统模式下,果农喷洒农药、施肥浇水都是果农凭借多年经验 直接喷洒,大水漫灌式的浇水,无法建立苹果种植过程质量状态追溯体系。陕西 省洛川县采用的是“云计算+物联网+区块链+大数据”质量监测模式,在大数据模 式下,首先果农通过云端或者手机APP进行数据分析,计算出每亩果园需要农 药量、水量、化肥量,得到这些信息之后果农在手机 APP 或云端远程遥控进行 施肥、灌溉、喷洒农药。所以将大数据应用到苹果种植的环节中,能更有效地控 制苹果种植的全过程,进一步提升苹果的质量。
表 4-12 苹果种植环节的质量管理模式对比
Tab. 4-12 Comparison of apple planting quality management models
甘肃传统模式 陕西大数据模式
喷洒农药 直接进行人工实地喷 通过大数据平台将数据分析之后再进行云端或
手机 APP 远程遥控进行喷洒
灌溉 大水漫灌 通过大数据平台将数据分析之后再进行云端或
手机 APP 远程遥控进行喷洒
施肥 人工凭感觉、经验施 通过大数据平台将数据分析之后再进行云端或
手机 APP 远程遥控进行喷洒
数据来源:表内数据由调研统计数据所得
从数据的处理方式进行对比,如表 4-13 所示,在传统苹果种植管理模式下, 有三种数据处理方式,一是果农凭借多年经验估计苹果种植需要的种苗、农药、 水肥;二是通过现代农业科技管理技术进行数据分析,但是这种数据处理方式缺 乏系统性、实时性和精准性;三是无数据记录,简单重复凭经验管理。在大数据 模式下,从果农的个人信息到苹果种植的全过程,都是通过各种传感器、物联网、 大数据平台的云端收集、处理过程数据。因此,在大数据的应用处理苹果种植环 节质量管理的数据更加的精准、完整、有效。
表 4-13 苹果种植环节质量管理数据处理模式对比
Tab. 4-13 Comparison of data processing modes of quality management in apple planting
甘肃传统模式 陕西大数据模式
喷洒农药 人工凭经验记录 云计算处理
灌溉 人工凭经验记录 云计算处理
施肥 云计算处理
病虫害防治 云计算处理
修剪枝叶 云计算处理
果品套袋 低端技术处理 云计算处理
 
 
采摘果品 储藏 种苗 人工凭经验记录 低端技术处理
人工凭经验购买 云计算处理
云计算处理
云计算处理
数据来源:表内数据由调研统计数据所得
 
2.5结论
本节运用层次分析法、比较法和 DEA-Malmquist 效率分析法,对大数据技 术下苹果种植质量的优势进行分析,得到以下结论:
第一,应用大数据技术在苹果种植环节可以改进传统的种植管理方式。从种 植园区的选择来看,传统模式下果农对于园区规划的专业性不高,但在大数据技 术应用模式下,在苹果种植前,会结合当地的土质、土壤肥力、水文水质、地形 地势和人文条件等各种因素,选择最适合种植苹果的区域;从苹果生长过程中果 园的管理方面来看,传统模式下,对于农药喷洒、水肥浇灌、病虫害防控、自然 风险规避都是凭借果农的经验来采取措施,在大数据技术应用模式下,通过大数 据平台对苹果生长的过程进行实时监控、实时采集数据、数据处理,最后由果农 发出控制措施,大数据平台进行远程精准操控;从苹果成熟后的采摘来看,传统 模式下,通过果农的经验来分辨苹果的成熟度、外观、色泽和大小,然后进行采 摘装箱,大数据技术应用模式下,在大数据平台提前录入苹果不同等级的成熟度、 外观、色泽和大小的标准,然后将不同等级的监测数据上传到果农的手机终端, 最后由果农采摘,直接分不同等级装箱。
第二,应用大数据技术在苹果种植环节可以提高苹果种植质量的管理效率。 对苹果种植户来讲,能够增加苹果种植户的经济收益,保证苹果种植户的经济基 础,提升了质量管理效率;对整个苹果种植行业来讲,大数据技术应用在苹果种 植环节的质量管理过程中,有利于推进大数据物联网和电子商务相结合,推动苹 果种植业快速进入信息化管理进程,加快促进苹果产量与质量共同增长,有利于 实现苹果更快更好的销售,实现种植销售过程全程可追溯,提高苹果种植环节的 质量管理效率,对加强苹果种植企业建设、提高苹果产值附加值具有重大意义。
第三,应用大数据技术在苹果种植环节可以降低苹果种植过程中的质量管 理成本。传统模式下,苹果在种植、除草、浇水施肥、套袋、采摘过程中需要雇 佣大量的劳动力,且劳动力成本过高,这成了果农最大的成本支出;大数据技术 应用下,在传统质量管理模式的基础上创新了管理模式,由大数据平台采集果园 信息,果农发出指令,大数据平台进行远程精准操作,极大程度地减少了劳动力, 也避免了人工实施过程中的资源浪费,缩减了一定的经济成本、人力资源成本, 降低了苹果种植环节的质量管理成本。
第四,应用大数据技术在苹果种植环节可以创新苹果种植过程中的管理标 准。通过在苹果种植业中应用大数据技术,可以在原有的苹果管理标准体系上拟 定苹果大数据管理标准体系,目前,苹果大数据管理标准体系有六项现行、三项 已报批、一项已立项研究的、四十六项拟研究的行业标准[92],见附录 A。
第五章 大数据技术下甘肃省苹果种植环节质量管理
的制约因素及改进措施
1 制约因素
1.1大数据技术应用于苹果种植环节质量管理初期投资成本高
大数据技术属于新一代信息技术,在苹果种植环节中的质量管理应用是将物 与物、物与数据连接起来并且进行更好的质量监测管理。由于大数据技术下苹果 种植环节质量管理过程需要预先安装传感器、测算器并且需要建立云数据库,建 设初期需投入大量资金,建设成本高,现阶段甘肃省大数据技术在苹果质量管理 的应用正处于推广初期,且果农自有资金不足,商业银行贷款难,政府的财政支 持力度小,三方合作不紧密,资金投入量少,因此该技术没有得到苹果种植户大 规模的应用。如何突破初期用户在成本方面的壁垒成了通过大数据应用提高质量 管理水平的首要问题,在大数据物联网传感器成本尚未降至能普及的前提下,苹 果种植环节大数据物联网的发展将受到限制。目前,苹果种植过程中所需要的对 气候变化、土壤酸碱性、水质水源检测、病虫害入侵等关键点限值进行监控的传 感器、测算器的投入数量始终没有达到质量监控标准。因此大数据技术应用在苹 果种植环节质量管理成本高成为甘肃省大数据技术应用在苹果种植环节质量管 理最重要的制约因素。
1.2大数据质量监测预警系统不健全
目前甘肃省苹果种植大多属于单户经营,零星分布,随意引种,缺乏组织, 果农为了获取最及时有效的信息和最大的收益,恶意抬高产品价格,导致市场价 格混乱,竞争环境恶劣。根据调查,目前针对苹果种植成立的合作社缺乏完善的 种植质量管理系统,没有健全的监测预警系统,很多果农都是获知市场价格波动 信息后盲目跟风,阻碍了大数据在苹果种植环节质量管理中的应用;另一方面, 在苹果种植环节中,目前所采用的监测预警系统只能快速地对种植质量管理中的 突发状况进行报警,并不能提前预测,这就导致了很多不必要的突发状况发生, 造成一些非必要损失,同时,在突发状况结束后,目前的监测预警系统不能完全 地将突发事件记录下来。因此,这种不完善的大数据质量监测预警系统阻碍了大 数据技术下甘肃省苹果种植环节质量管理的发展进程。
1.3大数据技术与苹果种植业质量管理相结合的复合型人才稀缺
甘肃省苹果种植业作为第一产业,属于劳动密集型产业,种植苹果的果农大 部分年龄偏大,文化水平偏低,没有专业的人员进行指导,对大数据技术在苹果 种植环节质量管理的应用缺乏认知度和探究意识,就算有相关大数据计算设备, 但核心基础理论和关键技术认识不深入,无法将大数据技术合理应用在苹果种植 环节质量管理过程中,因此,苹果种植主产区要多吸纳大数据与质量管理相结合 的复合型人才。目前,甘肃省关于大数据技术与质量管理相结合的研究人员很少, 专家学者研究的领域要么侧重于苹果在种植过程中质量管理理论,要么侧重于大 数据技术理论,将大数据技术理论与质量管理理论相结合的新方式应用在苹果种 植过程中的研究较少。因为专业的质量管理人员的素质和技术水平等都直接关系 着苹果种植环节质量管理的效率,他们对质量监管情况起着决定性的作用,也对 果农的经济效益产生很大的影响,因此大数据技术与质量管理相结合的复合型人 才缺乏成为甘肃省大数据技术应用在苹果种植环节质量管理的关键性制约因素。
1.4果农理念落后,对大数据技术的应用重视程度不够
苹果种植户缺乏将大数据引入苹果种植环节质量管理的意识,根据调查结果 显示,如表5-1 所示,大部分果农对大数据技术的概念不了解。第一,果农信息 接收滞后,理念落后,由于果农了解大数据技术的渠道有限,主要通过电视新闻、 网络等方式,对大数据技术的认识不足;第二是果农文化程度较低,由于从事苹 果种植的果农年龄集中在 45-55 岁,普遍较大,劳动力老化较为严重,且 90%以 上果农只有初中或高中文化,导致一部分果农不愿意接受这种新的种植管理模 式,还有一部分果农愿意接受并学习这种新的种植管理模式,但是由于年龄较大, 对于这种新事物的学习速度慢,学习记忆没有年轻人快,从而使得这部分果农也 不愿意学习大数据技术下的苹果种植管理模式或者是并没有达到预期的学习效 果;第三,果农自身重视程度不够,果农对大数据技术的应用缺乏信任,大部分 果农认为大数据是一种虚拟的网络软件,存在果农信息泄漏等安全问题,认为通 过大数据监测气候、浇水量、施肥量没有自己经验准确,还有少部分果农对这种 新技术有所了解,但认识比较浅薄,导致果农大数据技术的应用重视程度不够。
这些思想限制了甘肃省大数据技术在苹果种植环节质量管理的发展。
表 5-1 果农文化程度及对大数据的认知情况
Tab. 5-1 Educational level of fruit growers and awareness of big data
指标描述 百分比%
完全不了解 62.18
对大数据的了 解程度 有一点了解 33.61
十分了解 4.20
初等教育(小学) 41.18
果农文化程度 中等教育:初级中学,高级中学(普通高级中学,职业高中,中 等专业学校,技工学校) 52.35
高等教育:大学专科,大学本科,硕士研究生,博士研究生 6.47
数据来源:由调查问卷整理所得
 
1.5区域经济条件薄弱
甘肃苹果主产区位于黄土高原丘陵沟壑区,种植的苹果糖分较高,品质优良, 但是这种地理条件在一定程度上阻碍了当地交通、技术、文化等基础设施建设, 减弱了当地特色优势产业的发展效果,减缓了区域经济发展的速度和效率,农户 收入得不到保障。如表 5-2 所示,2019年甘肃天水、平凉、庆阳、陇南等四大苹 果主产区共计 20 个贫困县,占全省贫困县数量的46.51%,接近全省贫困县的 50%,说明四大苹果主产区经济发展的基础条件较弱,没有展现出当地的特色优 势产业的“特”和“优”,区域经济发展比较滞后,农村居民人均可支配收入较 低,如图 5-1 所示,2015-2019 年天水、平凉、庆阳、陇南的人均可支配收入增 幅较低,且均低于全省平均农村居民人均可支配收入。大数据技术的推广应用需 要投入大量的资金、人力等成本,甘肃省四大主产区尚不健全的基础设施,薄弱 的区域经济条件是制约大数据技术应用的基础性因素。
 
表 5-2 2019 年甘肃省四大苹果主产区贫困县数量及占甘肃贫困县比重
Tab. 5-2 The number of poverty-stricken counties in the four major apple-producing areas in
Gansu Province and their proportion in the poverty-stricken counties in Gansu in 2019
市州 贫困县 比重
 
天水 武山县、清水县、甘谷县、张家川县、秦安县、麦积区 13.95%
平凉 庄浪县、静宁县 4.65%
庆阳 华池县、环县、合水县、宁县、镇原县 11.63%
陇南 武都区、宕昌县、礼县、西和县、文县、康县、两当县 18.60%
合计 20 46.51%
图 5-1 2015-2019 年甘肃省四大苹果主产区农村居民人均可支配收入
Fig. 5-1 Per capita disposable income of rural residents in the four major apple producing areas in Gansu Province from 2015 to 2019 数据来源:由甘肃省统计年鉴(2016-2020)整理所得
2 改进措施
2.1加大资金投入力度,搭建大数据应用平台
现阶段,苹果种植业使用大数据物联网技术及其设备成本尚且比较高,投入 资金量大,但是这笔资金完全依靠果农自身是负担不起的,因此需要政府和企业 加盟,联合提供资金支持。政府对相关技术应用提供政策补贴和支持,鼓励其引 用新技术,同时,支持银行建立大数据平台专项贷款,对建立大数据平台的专项 贷款利息进行利率减免,减免部分给予财政补贴,还可以对建设大数据平台实行 自筹的果农提供惠农政策,政府通过一系列优惠政策提供资金支持,可以不断创 新研发大数据物联网设备;通过政府投资来建立大数据物联网平台,可以吸引部 分投资企业看到大数据技术在苹果种植环节质量管理中的前景,进而投入资金搭 建大数据平台。由政府和企业带头投资建设大数据平台,也可以提高果农对苹果 种植环节应用大数据技术进行质量管理的信心,进而拉动果农自愿筹资加入建设 大数据平台的项目中。通过政府、企业、果农多方合作,可以快速地建立大数据 应用平台,实现基于大数据技术下甘肃省苹果种植环节质量管理的应用。
2.2建立健全大数据监测预警系统
随着甘肃省苹果加工物流业的迅速发展,质量监管、检验机构和监管人员出 现明显不平衡。企业应当加大诚信宣传,鼓励各个企业和社会群众踊跃参与到苹 果加工物流质量安全体系建设中,强化加工物流企业质量生产管理和质量安全生 产的标准,严格把控各个环节,大力提升质量管理效率。对于苹果加工物流企业 还应建立产品质量安全大数据监测和监督机构,当某个产品在加工环节或出厂时 出现不合格品应当立即预警启动产品追溯系统,实施不合格产品的追回,提高苹 果产品的合格率和提升企业的质量管理效率。
2.3引进和培养大数据和农业技术相结合的复合型人才
我国是一个农业大国,随着科学技术经济的发展,农业要科学、长期的发展, 从政策的实施、品种的研发、农业生产管理方面都需要建立全面的、科学的质量 控制标准体系,而人才资源是科学发展的基础性资源,更是农业进入科学现代化 的必要资源。因此在大数据技术下提高甘肃省苹果种植管理质量,需要通过人才 引进和培养战略建立标准的质量管理体系。第一,在引进人才方面,需要深入了 解人才的真实需求,采取主动灵活的解决措施;第二,在人才培养方面,需加强 校农合作,建设高效的人才培训基地与学习交流平台,联合培养复合型技术人才, 提高人才的交流与合作;最后,在大数据技术应用到苹果种植环节质量管理的过 程中,需要专业人才进行指导监督,严格执行每一环节,进行数据采集与分析。 实施人才引进和培养战略,改变了传统的用人模式,提高质量管理效率,促进苹 果质量提高,从而改善苹果种植环节质量管理的发展。
2.4加强政府宣传,树立果农信息化管理的理念
质量管理是在苹果种植过程中保障果品安全的关键节点,运用大数据技术可 以有效提高苹果种植的质量管理效率,确保果品在发往市场之前的安全。在这个 过程中,建设并运用大数据平台对苹果种植的质量管理是一个比较困难的过程, 所以,需要政府和果农引起高度重视,三方合力采取相关措施。第一,政府需要 宣传、普及和推广大数据技术在苹果种植环节质量管理中的理念和优势,针对大 数据技术在苹果种植环节质量管理制定有效地宣传政策,逐级下发,逐级阅读, 逐级实施,逐级认识,与大数据技术发展先进省份积极沟通交流,借鉴好的发展 经验,定期为果农邀请大数据技术专业人员进行理论讲解和技术培训,对果农进 行大数据普及教育,集中宣传;第二,加强果农自主学习的意识,果农自身也是 宣传大数据工具的主体,果农要改变传统的思想观念,需要鼓励果农抛弃传统质 量管理模式,接受新事物,积极参加专业技术培训,提高果农认知度,这样会使 大数据技术应用在整个苹果种植环节的效果更好。通过政府牵头,宣传、普及和 推广大数据技术苹果种植环节质量管理的理论知识和优势,加快引进大数据技 术,果农逐步转变传统观念,加强自主学习,可以进一步加快甘肃省在苹果种植 环节中应用大数据技术进行质量管理的进程。
2.5全面推广农业信息化应用,转变苹果主产区经济发展动力
大数据技术是推动农业信息化发展的重要技术手段,也是农业信息化建设的 重要组成部分,要将大数据技术运用在甘肃省苹果种植环节,首先要加快农业信 息化进程,完善基层农业信息服务体系,建立农业信息服务平台,加强农业基础 设施建设,健全农业信息监测体系,使得农业信息化全面推广应用;其次,在脱 贫攻坚取得全面胜利的基础上,巩固脱贫攻坚成果,将脱贫攻坚与乡村振兴有效 衔接,继续保持并发展甘肃四大苹果主产区特色优势产业,增强区域经济发展动 力,转变苹果产业发展动力;最后,以大数据技术带动农业信息化的发展,以农 业信息化为目标促进大数据技术的推广应用,提升苹果品质,促进甘肃苹果主产 区果农增收,提高甘肃苹果优势产业的经济效益,带动苹果主产区经济发展,增 强区域经济发展驱动力。
参考文献
[1]解读《信息产业发展指南》之大数据J].中国高新科技,2017,1(01):8-9.
[2]“十三五”全国农业农村信息化发展规划J].休闲农业与美丽乡村,2016(10):6-14.
[3]白秀军.基于大数据的枣庄市智慧旅游服务平台构建研究[D].山东师范大学,2018.
[4]郭庆秋.浅析大数据背景下市场营销的机遇与挑战J].现代营销(下旬刊),2019(12):68-69.
[5]李龙胜.新时代大数据背景下的青年思政体系创设[J].区域治理,2019(33):147-149.
[6]Big Data, Nature, vol455, no.7209, pp.1-136, September 4,2008.
[7]Dealing with data, Science, vol.331, no,6018,pp.639-806,February 11,2011.
[8]Orandi Mina Falsarella.Celeste Aida Sirotheau Correa Jannuzzi.Cibele Roberta Sugahara.
Business strategic management: Proposal of a model of informational monitoring in the era of big data[J]. RDBCI: Revista Digital de Biblioteconomia e Ciencia da
Informacao,2017,15(2).
[9]Malte C. Ebach,Michaelis S. Michael,Wendy S. Shaw,James Goff,Daniel J. Murphy,Slade Matthews. Big data and the historical sciences: A critique[J]. Geoforum,2016,71.
[10]Mohamed Abdel-Aty. Big Data applications in real-time traffic operation and safety monitoring and improvement on urban expressways[J]. Transportation Research Part C,2015,58.
[11]Casu,M. Manunta,P.S. Agram,R.E. Crippen. Big Remotely Sensed Data: tools, applications and experiences[J]. Remote Sensing of Environment,2017,202.
[12]王文生,郭雷风.关于我国农业大数据中心建设的设想[J].大数据,2016,2(1):28-34.
[13]Russo J. Big Data & Precision Agriculture[M]. Precision Ag, 2013.
[14]Srinivasulu P, Babu MS, Venkat R, et al. Cloud service oriented architecture (CSo A) for agriculture through internet ofthings (Io T) and big data. IEEE International Conference on Electrical,Instrumentation and Communication Engineering[C]. IEEE, 2017: 1-6.
[15]Bendre MR, Thool RC, Thool VR. Big data in precision agriculture: Weather forecasting for future farming. International Conference on Next Generation Computing Technologies[C]. IEEE, 2016: 744-750.
[16]Majumdar J, Naraseeyappa S, Ankalaki S. Analysis of agriculture data using data mining techniques: application of bigdata[J]. Journal of Big Data, 2017, 4(1): 20.
[17]Rafiqi M, Ellis JG, Ludowici VA, et al. Challenges and progress towards understanding the role of Effectors in plant-fungal interactions[J]. Current Opinion in Plant Biology, 2012,15(4): 477-482.
[18]宋长青,温孚江,李俊清,柳平增,周虎.农业大数据研究应用进展与展望[J].农业与技 术,2018,38(22):153-156.
[19]陈健.我国大数据技术发展的政策体系研究[D].云南师范大学,2017.
[20]钱学梁.农业大数据清洗方法比较研究[D].中国农业科学院,2017.
[21]朱扬勇,熊赟.大数据是数据、技术,还是应用[J].大数据,2015,1(01):78-88.
[22]蒋磊.大数据的应用与发展中的利弊分析[J].计算机产品与流通,2019,(05):132.
[23]顾肃.大数据与认知、思维和决策方式的变革J].厦门大学学报(哲学社会科学版),1-10.
[24]陈夫真.区块链技术在大数据服务中的应用[J].中国科技信息,2021,(06):49-50.
[25]李跃勇.大数据技术理论及其应用实践探索[J].计算机产品与流通,2020,(11):211.
[26]孟春蕾,范广露,李家怡,吕素.产品质量管理中的大数据技术应用分析[J].电子质 量,2017,(07):66-70.
[27]陈光希,冯峰.大数据技术在质量信息管理中应用思路初探[J].信息技术与信息 化,2016,(07):97-98.
[28]赵航.大数据在质量管理中的应用[J].经贸实践,2015,(13):302.
[29]王宏瑞.浅析大数据在数据质量管理中的应用[J].经济师,2020,(06):137.
[30]刘卫卫.大数据在质量管理中的应用[J].上海质量,2021,(01):55-57.
[31]黄庆平.JC公司云计算业务战略研究[D].广西大学,2018.
[32]张黎平.大数据技术在精准营销中的应用[J].电子技术与软件工程,2019,(09):155.
[33]胡昱东,胡高权.大数据应用于高校思想政治教育的现状、困境与探索[J].重庆理工大学学 报(社会科学),2019,33(06):143-151.
[34]张云山,吴昌生.大数据在航空发动机上的一种应用 [J]. 电子技术与 软件工 程,2019(08):154.
[35]司瑜.大数据在铁路运输组织工作中的应用[J].科技创新与应用,2019(14):178-179.
[36]杜国智.大数据在环境执法与监测中的应用创新[J].电子技术与软件工程,2019(09):160.
[37]温孚江.农业大数据研究的战略意义与协同机制[J].高等农业教育,2013(11):3-6.
[38]付强强,徐恒军,沈振,沈彦辉.农业大数据推进农业发展新变革[J].山东化 工,2018,47(22):95-96.
[39]陶化冰.农业大数据技术的特点及应用[J].吉林农业,2017(10):40.
[40]张 浩 然 , 李 中 良 , 邹 腾 飞 , 魏 旭 阳 , 杨 国 才 . 农 业 大 数 据 综 述 [J]. 计 算 机 科 学,2014,41(S2):387-392.
[41]陈颖颖.促进农业大数据在现代农业中应用的途径分析[J].新农业,2019(02):34.
[42]陶忠良,管孝锋,刘彦妮.基于精细农业的大数据应用平台构建研究[J].科教导刊(上旬 刊),2018(06):145-147.
[43]杨一丰,蒋思凯,蒋雅茜,蒋猛,何培祥,唐章林.农业大数据的专属特征及应用现状探讨[J]. 南方农业,2019,13(22):90-94+96.
[44]郭雷风.面向农业领域的大数据关键技术研究[D].北京:中国农业科学院,2016.
[45]王一鹤,杨飞,王卷乐,刘丽峰,马娅.农业大数据研究与应用进展[J].中国农业信 息,2018,30(04):48-56.
[46]韩沙,马德新.农业大数据应用研究进展分析[J].湖北农业科学,2021,60(02):15-19.
[47]李 秀梅. 农 业大 数 据 在 农 业经 济 管 理 中 的 应用 分 析 [J]. 中 国 乡镇企业 会 计,2021,(01):160-161.
[48]王晓楠.大数据在智慧农业发展中的应用探析[J].现代农业科技,2020,(23):240-241.
[49]许世卫.农业高质量发展与农业大数据建设探讨[J].农学学报,2019,9(04):13-17.
[50]漆海霞,林圳鑫,兰玉彬. 大数据 在精 准农 业上的 应用 [J]. 中 国 农 业科技导 报,2019,21(01):1-10.
[51]张垒,时恩早.精准农业中大数据的应用[J].计算机产品与流通,2019(10):166.
[52]杨建香.大数据在精准农业上的应用[J].农民致富之友,2019(12):214.
[53]李杨,张海峰,刘克宝,王晓楠,张宇.大数据在精准农业上的应用[J].农家参谋,2020(05):5.
[54]王冕.大数据在农产品质量安全治理应用中的机遇、挑战及对策[J].广东蚕 业,2020,54(12):30-31.
[55]费志伟,赵立,李程,樊卫妹.基于大数据视角的农产品质量安全监管研究[J].现代化农 业,2020(12):43-44.
[56]蒋丛萃.基于大数据平台的农产品质量安全溯源体系的运行[J].广西农学
报,2020,35(04):56-58.
[57]杨茂,刘阳阳.大数据赋能农产品质量安全追溯系统创新的机理与对策研究[J].河南工业 大学学报(社会科学版),2020,36(03):1-7.
[58]肖湘雄,谢丹.基于大数据的食用农产品质量安全精准治理研究[J].桂海论 丛,2020,36(03):59-63.
[59]谢晓伟,姜赵.大数据背景下农产品质量安全监管系统的建设研究[J].山西农 经,2020(07):91+93.
[60]赵嘉承,郑新立,陈浩,陈亚辉.基于大数据挖掘的进口食用农产品质量安全数据开放共享 研究[J].信息通信,2020(04):13-15.
[61]高羽佳,王超,辜丽川.基于大数据的特色林果产品质量安全追溯体系的研究J].哈尔滨师 范大学自然科学学报,2017,33(01):87-90.
[62]董朝菊,张放,吴涛,饶述军.大数据在中国果业发展中的应用现状与前景展望——访中国 农业科学院农业信息研究所监测预警团队首席科学家许世卫博士 [J].中国果业信 息,2016,33(07):1-8.
[63]钟丹.大数据在蓝图工作中的初步应用[J].兰台世界,2015,(S3):45-46.
[64]蒋庆.互联网金融对传统商业银行贷款业务冲击及银行应对策略研究[D].电子科技大 学,2015.
[65]陈维洁.大蒜价格预测及大数据服务系统研发[D].山东农业大学,2018.
[66]郭萍.司法干校学生宿舍楼施工质量管理研究[D].吉林大学,2013.
[67]蔡绍益.信息化在农业经济管理中的应用探索[J].湖北农机化,2019(18):43-44.
[68]魏少峰.阎良区农业信息化研究[D].西北农林科技大学,2009.
[69]邢新.信息化技术在质量管理中的应用发展[J].时代金融,2019(20):121-122.
[70]侯宇阳.山东省G县Y镇农民宅基地换楼意愿研究[D].中国地质大学(北京),2019.
[71]黄晓德,赵伯涛,钱骅,杨荣.实施良好农业规范(GAP)蔬菜生产的病虫害关键点控制[J].江 西农业学报,2009,(02):48-51.
[72]刘拴梅.苹果GAP生产关键控制点[J].中国果菜,2008,(02):34-35.
[73]谢蓝华,陈佳,杨勇福,林茂森,杜冰.HACCP体系在植物蛋白饮料生产中的应用[J].饮料工 业,2019,22(04):47-50.
[74]中华人民共和国行业标准备案公告2018年第1号(总第217号)[J].中国标准 化,2018,(07):174-190.
[75]刘顺字,廖远东,郭淑贞,林双娣,陆俊辉,赖秀桃,余其峰.基于HACCP的黄皮基地产销过程 质量安全管控[J].浙江农业科学,2020,(07):1432-1435.
[76]郭桂义,王广铭,夏晓娟,张秀清.我国的茶叶产品和安全标准现状及建议[J].食品科 技,2011,(01):289-295.
[77]邓义才,王富华,骆冲,马锞,万凯,黄健祥,朱富伟.基于HACCP的荔枝生产流通过程质量安 全管控研究[J].农产品质量与安全,2018,(01):23-27+3 8.
[78]邓雪,李家铭,曾浩健,陈俊羊,赵俊峰.层次分析法权重计算方法分析及其应用研究J].数 学的实践与认识,2012,42(07):93-100.
[79]曹春玲,王俐敏,张超琦.基于层次分析法的卷烟零售商户信用评价研究[J/OL]. 信 ,2021(04):63-69[2021-03-19].http://kns.cnki.net/kcms/detail/41.1407.F.20210317.2154.02 0.html.
[80]柴敏,马彧.基于AHP和加权灰色关联分析的并条机设计评价研究[J/OL].包装 程:1-13[2021-03-19].http://kns.cnki.net/kcms/detail/50.1094.TB.20210305.1516.016.html.
[81]邬智江,戴伟,段晚晴.基于熵值-层次关联分析法的交直流充电桩测试仪综合评价方法研
究[J].电子测试,2021(05):57-59.
[82]唐怡,谭程亮.基于AHP和模糊综合评价模型的滇中地区节水评价[J].水资源开发与管 理,2021(02):26-30.
[83]罗昊天“一带一路”经济发展评价模型及建议一基于层次分析法和熵权法的分析[J].特 区经济,2021(02):64-68.
[84]杨硕,徐绳武,施仕胜,郑丽,夏文娟,余安安,瞿和平.基于层次分析法的笋用竹引种质量评 价体系研究[J].世界竹藤通讯,2019,17(05):34-39.
[85]张开智,柳平增,姜红花,刘鹏.蔬菜产业大数据平台评价指标体系探究[J].中国管理信息 化,2020,23(07):162-165.
[86]黄鹏.我国西部地区高技术产业R&D效率的差异性分析——基于DEA-Malmquist指数法 [J].特区经济,2014(07):181-183.
[87]李俊杰,景一佳.基于DEA-Malmquist-Tobit模型的环境效率测度及影响因素研究——以 河南省为例[J].生态经济,2021,37(02):132-137+145.
[88]李晋红,李晶晶,吕微.基于DEA-Malmquist模型的中国农产品物流效率评价研究[J].湖北 农业科学,2021,60(02):167-172.
[89]章德宾.不同蔬菜种植规模农户农业生产效率研究:主产区2009—2016年的调查[J].农业 技术经济,2018(07):41-50.
[90]张慧,周霞,周玉玺.山东省苹果种植产业投入产出效率的实证研究——基于 DEA-Malmquist 指数分析[J].新疆农垦经济,2013(09):27-31.
[91]贾筱文.黄土高原苹果生产效率及其影响因素分析[D].西北农林科技大学,2011.
杨硕.苹果大数据标准体系构建[J].甘肃农业科技,2019(10):83-89.
【本文地址:https://www.xueshulunwenwang.com//guanlilei/zhiliangguanli/7103.html

上一篇:VUCA环境下制造业质量管理体系有效性 评价研究

下一篇:医疗器械经营企业质量管理体系优化研究 -以YD医药为例

相关标签: