农业大数据应用体系架构和平台建设方案

农业大数据应用体系架构和平台目录TOC\o"1-5"\h\z第一部分、项目概况11.1、建设背景11.2、平台定位81.3、建设意义101.4、国内外同类产品分析13第二部分、项目方案142.1、行业应用平台142.2、大数据分析平台332.3、网络拓扑图462.4、研发技术路径512.5、解决关键问题64第三部分、项目建设进度67第四部分、投资估算684.1、资金使用预算684.2、项目资金筹措方案684.3、项目资金使用计划69第五部分、效益分析705.1、经济效益分析705.2、社会效益分析71第六部分、项目风险分析及控制756.1、项目发展市场机遇756.2、项目的风险性及不确定性分析766.3、项目风险防范对策796.4、项目综合风险评价82农业大数据应用体系架构和平台建设方案v3.0农业大数据应用体系架构和平台建设方案v3.0#各方面设施齐全，已在很早之前就搭建了云计算平台，本次项目建设使用的云平台为我司自有利旧平台系统和设备，所以本系统建设投入方面不涉及硬件部分。网络系统主要满足的是信息共享和交换的需求。在本系统平台里，主要存在以下几方面的需求：对植保数据的信息采集与传输，大数据处理及处理后的信息建模分析，以及应用层数据交互等方面。针对农业大数据应用体系架构和平台对所需采集数据的说明及介绍，并根据我公司以往大数据处理方面的经验核算，本平台各部分所产生的数据需要存储空间预计在500TB。为了实现这些信息的共享和交换，需要在IDC内部建立高速的局域网；要实现用户与数据仓库之间的信息交换，则需要使用足够的带宽进行对外的数据传输，同时为了保证系统的安全，需要增加安全防御设备（如防火墙等）。综合以上各方面因素的考虑，农业大数据应用体系架构和平台的网络拓扑如下图所示：

用户用路由器防火墙机主接接纤交换机GE•升级服务器互联网发布服务器操作维护服务器负载均衡交换机报表服务器防火墙10/100/1000FE网管服务器光纤交换机图例:数据库集群局域网核心交换机负载均衡交换机云存储中心用户用路由器防火墙机主接接纤交换机GE•升级服务器互联网发布服务器操作维护服务器负载均衡交换机报表服务器防火墙10/100/1000FE网管服务器光纤交换机图例:数据库集群局域网核心交换机负载均衡交换机云存储中心网络拓扑图根据需求的规模及特点，建议采用2层架构设计，即核心层和接入层，同时为便于设计的描述，在网络设计时细化成如下几个部份：核心层网络、接入层网络、服务器区网络、Internet接入、系统安全监控。介绍如下：2.3.1、核心层网络设计核心交换机配置2台高性能交换机，两台核心交换机均配置2个电源。每台配置一个万兆第六代管理引擎，每个引擎上配置两个万兆接口作为核心万兆互联使用,两台高性能设备形成整个平台的核心交换平台。利用两条万兆链路把两台核心交换连接起来，在这两条高速千兆光纤链路上通过10GEC（万兆以太网通道）技术，把物理上的两条光纤线路逻辑上成为一个速度高达40Gbps的数据通道。在两台交换机之间采用业界著名的HSRP技术，其中1台为转发状态，另1台备份状态,当转发状态交换机发生问题，备份交换机会接管进行数据转发，实现两台核心高端交换机的双机热备，从而充分地保证网络地稳定性和可靠性。这种设计不仅彻底消除单一交换机硬件故障的影响，利用Spanning-Tree（生成树）、Backbone-fast（快速主干恢复）、Uplink-Fast（快速上联恢复）、Port-Fast（快速端口恢复）和HSRP（热备份路由协议）等技术实现主、从交换机间的自动故障切换。2.3.2、接入层网络设计外网接入交换机我们采用具有智能功能的千兆接入交换作为外联专线的汇聚接入，外联专线光纤入户后通过光电转换器转换成千兆电接口直接连到该交换机上，该交换机的背板带宽32Gbps以上，二/三层转发率在30Mpps以上，提供4个1000千兆光电复用以太网端口和20个10/100/1000Base-T以太网2.3.3、服务器区网络设计对于服务器区也可以称为数据中心区，是整个业务的中心枢纽，对该区域的性能、安全应重要考虑，并作资源最大化利用及节省整体投资，因此服务器区直接连接到2台核心交换机交换机，实现链路冗余接入。2.3.4、Internet接入设计对于对外提供公共服务的服务器，如WEB服务器等，如果将这些服务器直接放置在Internet上，则很容易受到攻击。为此我们将这些提供公共服务的服务器全部放置在防火墙的DMZ区域。我们在出口防火墙上各设置一个DMZ端口，在DMZ区域放置1接入交换机，该交换机通过千兆端口与出口防火墙的DMZ端口联接，而所有的公共服务器则全部接入到DMZ区交换机上。2.3.5、系统安全监控信息安全已从互联网、周边防护发展为深度防御模式，在基础设施中部署了多项措施来抵御安全漏洞和攻击。鉴于攻击频率日益增加、攻击复杂度各不相同，以及攻击非常迅速，网络内部和周边间的界线逐渐模糊，因此这些措施是非常必要的。为试图利用漏洞发动攻击，每天攻击者都会对网络接入点和系统进行数千次探测。先进的混合攻击使用多种欺骗式攻击方法，以便从机构内外获得未授权系统访问和控制。蠕虫、零日攻击、病毒、特洛伊木马、间谍软件和攻击工具的普及可对最为坚固的基础设施构成挑战——导致防御作用时间缩短、出现停运和昂贵的修复措施。除服务器和网络设备数量较多外，每个安全组件都提供独立的事件记录和报警功能，以用于异常流量检测、威胁响应和分析。此外，法规也要求严格数据保密、更高运营安全性和进行持续审查。因此在网络中部署防火墙对网络安全进行管理和监控2.4、研发技术路径2.4.1、平台技术特点本系统采用国际先进的开发技术，并采用最新的行业标准作为指导，用以保证整个平台的开放性、兼容性、可扩展性等，具体如下：1）用户前台界面采用了B/S结构，以Apach+Tomcat集群作为WEB发布服务器，数据库采用oracle11G；Apach主要用来解析静态文本，如html，tomcat虽然也有此功能，但Apach能大大提高效率，对于并发数较大的企业级应用，能更好的显示Apach的高效率Tomcat用来解析JSP,servlet等，所有的客户请求首先会发送到Apach，如果请求是静态文本则由Apach解析，并把结果返回给客户端，如果是动态的请求，如JSP,Apach会把解析工作交给tomcat，由tomcat进行解析（这首先要两者现实整合），tomcat解析完成后，结果仍是通过Apach返回给客户端，这样就可以达到分工合作,实现负载均衡，提高系统的性能！而且因为JSP是服务器端解释代码的，这样整合可以减少Tomcat的服务开销。使用oracle11G主要有以下一些优势：•支持测试环境的快照备用系统、物理和逻辑备用的性能都有提高。•逻辑备用现在支持可扩展标记语言（XML）类型字符大型对象（CLOB）数据类型和透明的数据加密。现在支持自动的、快速启动的故障切换以支持异步传输、支持滚动升级、自动坏块检测和修复、快速镜像重新同步，该功能可以有效地重新同步存储网络连接性暂时丢失时自动存储管理镜像的存储阵列自动存储管理的性能增强使得大型数据库可以更快地打开并减少SGA内存消耗。这些增强还允许DBA增加存储分配单元大小以加快大型序列输入/输出（I/O）,显著增加正常运行时间Oracle11G使您可以应用很多一次性数据库补丁（包括诊断补丁），而没有停机时间。新的数据恢复advisor通过快速识别故障根本原因•为DBA提供可用的恢复选项，•极大地减少了停机时间，在某些情况下，还通过“自我恢复”机制自动纠正问题。自动编译数据库中的PL/SQL和Java更快的触发器，包括更加有效地调用每行触发器更快的简单SQL操作更快的OracleDataGuard和OracleStreams复制与网络文件系统（NFS）存储设备更快、更可靠的直接连接、更快的升级大型文件更快的备份/还原更快的备份压缩2）客户端采用目前比较流行的两种形式，包括IOS客户端和安卓客户端，通过客户端为飞手和管理者提供简单快捷的植保流程的确认和查阅，并可通过客户端进行数据的采集上传。3）数据采集通过数据导入，传感器直接对接等方式，进行数据传输和对接。从传感器和其它待测设备等模拟和数字被测单元中自动采集非电量或者电量信号,送到上位机中进行分析，处理转换成数字信号。通过平台提供的数据采集算法，结合基于计算机及专用测量软硬件的产品来实现灵活的、自定义的测量和采集系统4）系统采用SpringMVC的轻量级架构，即可保证系统的运行稳定性，也可保证运行java的稳定性。该框架优点主要•有清晰的角色划分：控制器(controller)、验证器(validator)、命令对象(commandobect)、表单对象(formobject)、模型对象(modelobject)、Servlet分发器(DispatcherServlet)、处理器映射(handlermapping)、试图解析器(viewresoler)等等。每一个角色都可以由一个专门的对象来实现。强大而直接的配置方式：将框架类和应用程序累都能作为JavaBean配置，支持跨多个context的引用，例如，在web控制器中对业务对象和验证器validator)的引用。可适配、非侵入：可以根据不同的应用场景，选择何事的控制器子类(simple型、command型、from型、wizard型、multi-action型或者自定义)，而不是一个单一控制器(比女口Action/ActionForm)继承。可重用的业务代码：可以使用现有的业务对象作为命令或表单对象，而不需要去扩展某个特定框架的基类。•可定制的绑定(binding)和验证(validation):比如将类型不匹配作为应用级的验证错误，这可以保证错误的值。再比如本地化的日期和数字绑定等等。在其他某些框架中，你只能使用字符串表单对象，需要手动解析它并转换到业务对象。•可定制的handlermapping和viewresolution：spring提供从最简单的URL映射，到复杂的、专用的定制策略。与某些webMVC框架强制开发人员使用单一特定技术相比，Spring显得更加灵活。•灵活的model转换：在Springweb框架中，使用基于Map的键/值对来达到轻易的与各种视图技术集成。•可定制的本地化和主题（theme）解析：支持在JSP中可选择地使用Spring标签库、支持JSTL、支持Velocity（不需要额外的中间层）等等。•简单而强大的JSP标签库（SpringTagLibrary）:支持包括诸如数据绑定和主题（theme）之类的许多功能。他提供在标记方面的最大灵活性。JSP表单标签库：在Spring2.0中引入的表单标签库，使用在JSP编写表单更加容易。SpringBean的生命周期可以被限制在当前的HTTpRequest或者HTTpSession。准确的说，这并非SpringMVC框架本身特性，而应归属于SpringMVC使用的WebApplicationContext容器。5）采用AJAX作为前后台异步通讯的接口，能够很好的满足用户对系统的体验度。•无刷新更新数据。AJAX最大优点就是能在不刷新整个页面的前提下与服务器通信维护数据。这使得Web应用程序更为迅捷地响应用户交互，并避免了在网络上发送那些没有改变的信息，减少用户等待时间，带来非常好的用户体验。AJAX使用异步方式与服务器通信，不需要打断用户的操作，具有更加迅速的响应能力。优化了Browser和Server之间的沟通，减少不必要的数据传输、时间及降低网络上数据流量。AJAX可以把以前一些服务器负担的工作转嫁到客户端，利用客户端闲置的能力来处理，减轻服务器和带宽的负担，节约空间和宽带租用成本。并且减轻服务器的负担，AJAX的原则是“按需取数据”，可以最大程度的减少冗余请求和响应对服务器造成的负担，提升站点性能。AJAX基于标准化的并被广泛支持的技术，不需要下载浏览器插件或者小程序，但需要客户允许JavaScript在浏览器上执行。随着Ajax的成熟，一些简化Ajax使用方法的程序库也相继问世。同样，也出现了另一种辅助程序设计的技术，为那些不支持JavaScript的用户提供替代功能。Ajax使WEB中的界面与应用分离（也可以说是数据与呈现分离），有利于分工合作、减少非技术人员对页面的修改造成的WEB应用程序错误、提高效率、也更加适用于现在的发布系统。6）分析层：采用云存储+HADOOP技术，实现数据的高速度运算，为用户的精准营销提供依据。HADOOP具有高可扩展性，因为他可以存储和分发横跨数百个并行操作的服务器数据集群。不同于传统的关系型数据库系统不能扩展到处理大量的数据，Hadoop是能给企业提供涉及成百上千TB的数据节点上运行的应用程序。Hadoop提供了极具成本效益的存储解决方案。传统的关系型数据库管理系统的问题是，他并不符合海量数据的处理器，不能够符合企业的成本效益。许多公司过去不得不假设那些数据最优价值，然后根据这些有价值的数据设定分类，如果保存所有的数据，那么成本就会过高。虽然这种方法可以短期内实现工作，但是随着数据量的增大，这种方式并不能很好的解决问题。Hadoop被设计为一个向外扩展的架构，提供数百TB的存储和计算能力，节约了成本开销。Hadoop能够轻松访问到新的数据源，并可以分析不同类型的数据，从这些数据中产生价值，使系统可以利用Hadoop的灵活性从多数据源中获得宝贵的分析结果和发掘商业价值。Hadoop处理更快得益于其拥有的独特的存储方式，用于数据处理的工具通常在与数据相同的服务器上，从而导致能够更快的处理器数据，如果你正在处理大量的非结构化数据，Hadoop能够有效的在几分钟内处理TB级的数据，而不是像以前PB级数据都要以小时为单位。Hadoop容错能力更强，当数据被发送到一个单独的节点,该数据也被复制到集群的其它节点上，这意味着在故障情况下，存在另一个副本可供使用。7）数据层：采用数据库缓冲池技术，对数据的链接数采用管道化管理，既有长期驻留链接，又有机动灵活使用的链接，方便调动。数据库连接池保证了资源的重用性，由于数据库连接得到重用，避免了频繁创建、释放连接引起的大量性能开销。在减少系统消耗的基础上，另一方面也增进了系统运行环境的平稳性（减少内存碎片以及数据库临时进程/线程的数量）。更快的系统响应速度，数据库连接池在初始化过程中，往往已经创建了若干数据库连接置于池中备用。此时连接的初始化工作均已完成。对于业务请求处理而言，直接利用现有可用连接，避免了数据库连接初始化和释放过程的时间开销，从而缩减了系统整体响应时间。新的资源分配手段对于多应用共享同一数据库的系统而言，可在应用层通过数据库连接的配置，实现数据库连接池技术某一应用最大可用数据库连接数的限制，避免某一应用独占所有数据库资源。统一的连接管理，避免数据库连接泄漏，在较为完备的数据库连接池实现中，可根据预先的连接占用超时设定，强制收回被占用连接。从而避免了常规数据库连接操作中可能出现的资源泄漏。WEB服务器集群：采用负载均衡的方式，将多台服务器关联在一起，是每个服务器在提供相应服务时，不会出现因为某台服务器因为请求量过载造成的服务器响应速度慢，用户等待时间长，甚至服务器卡死的问题。数据库集群：数据库通过对oracle数据文件共享的方式，完成数据库的集群和对数据的在线热备。并通过分布式部署数据库的方式，提高数据库的访问效能，增加系统的访问速度，保证系统的稳定运行。缓存技术：系统通过大数据在底层的支持，将常用分析结果通过以往的使用历史进行提炼，并将其通过MemoryCache的方式进行内存的缓存，使农业植保模型能够快速准确的为平台提供统计、分析以及预测的相应数据，增加平台的流畅性。2.4.2、大数据底层分析技术特点HADOOPHadoop是Apach软件基金会所开发的并行计算框架与分布式文件系统。最核心的模块包括HadoopCommon、HDFS与MapReduce。系统采用Hadoop对采集到的数据进行处理。HDFSHDFS是Hadoop分布式文件系统(HadoopDistributedFileSystem)的缩写，为分布式计算存储提供了底层支持。采用Java语言开发，可以部署在多种服务器上，以集群处理数量积达到大型主机处理性能。HDFS架构原理HDFS采用master/slave架构。一个HDFS集群包含一个单独的NameNode和多个DataNode。NameNode作为master服务，它负责管理文件系统的命名空间和客户端对文件的访问。NameNode会保存文件系统的具体信息，包括文件信息、文件被分割成具体block块的信息、以及每一个block块归属的DataNode的信息。对于整个集群来说，HDFS通过NameNode对用户提供了一个单一的命名空间。DataNode作为slave服务，在集群中可以存在多个。通常每一个DataNode都对应于一个物理节点。DataNode负责管理节点上它们拥有的存储，它将存储划分为多个block块,管理block块信息，同时周期性的将其所有的block块信息发送给NameNode。

HDFS^fh式交忤至班住惓辭实时釵HDFS^fh式交忤至班-iE^.j、Int&met-UidjiJiLri.J业Mi

ilirUidjiJiLri.J业Mi

ilirililrilMd4K<1*140011sift■UEflri-SdKJ-JMih"diidillrW~j■'#■1ilr.iArirljri:■■■4lUrtf-iJtlOiXUwn皿口7Mtllfli*1AJU?MA药品鼬率:S愷息岸二壤揩息库■嘉史醫信启.—►无人机伯恩库:质裤持制信息系统采用hado&p技术送活数挪址理，相比传统的的处理效暮hadoop的处理如率是ona*处理效率的105万倍。云分析技术平台采用云端分析技术，进行数据的分析和建模，主要采用了以下的算法进行数据的处理。K-Means算法k-meansalgorithm算法是一个聚类算法，把n的对象根据他们的属性分为k个分割(k<n)o它与处理混合正态分布的最大期望算法很相似，因为他们都试图找到数据中自然聚类的中心。它假设对象属性来自于空间向量，并且目标是使各个群组内部的均方误差总和最小。在该系统中主要使用该算法对植保需求和植保方式，药

剂配合方面进行分析和预测。最大期望(EM)算法在统计计算中，最大期望(EM,Expectation-Maximization)算法是在概率(probabilistic)模型中寻找参数最大近似值估计的算法，其中概率模型依赖于无法观测的隐藏变量(LatentVariabl)。最大期望经常用在机器学习和计算机视觉的数据集聚(DataClustering)领域。在本系统中，该算法主要用在药剂的配比和使用上。植保需求建模技术在以上两种算法计算结果的支持下，系统对历史植保过程进行数据建模，供对新的植保过程预测和分析时使用。建模时主要采用了关联规则分析的方式，用简单的if-then规则描述数据之间的完备关系，使其能处理连续和离散的数据。并通过决策树方式作为支持方式，当求解基于多个复杂属性的特定目标值时其性能较佳，可以产生相互独立的规则。在对植保过程进行建模时还采用了贝叶斯算法对植保喷洒服务进行数据画像，它是一类利用概率统计知识进行分类的算法。算法共分七个步骤：收集大量的植保历史数据，建立这些数据的数据集以备后续使用。提取数据集中较独立数据特点，例如作物品种，药剂类型等作为TOKEN串并统计提取出的TOKEN串出现的次数即数据频次。按照上述的方法分别处理常规数据和特殊数据形成相应的数据集。每一个数据集对应一个哈希表，hashtable_good对应规律数据集而hashtable_bad对应非规律集。表中存储TOKEN串到数据频次的映射关系。计算每个哈希表中TOKEN串出现的概率P=(某TOKEN串的数据频次)/(对应哈希表的长度)。综合考虑hashtable_good和hashtable_bad，推断出当新来的数据中出现某个TOKEN串时，该数据为规律数据的概率。建立新的哈希表hashtable_probability存储TOKEN串ti到P(A|ti)的映射。至此，规律数据集和非规律数据集的学习过程结束。根据建立的哈希表hashtable_probability可以估计一个新的植保任务是规律的任务还是非规律任务，从而给出相应的植保喷洒意见。经过建模后的植保历史记录、农作物植保数据库、药剂使用规则等信息通过聚类(K-MEANS)将这些数据中的离散数据，分不同向量进行关联，并通过不同维度进行提炼和加工，使数据在使用时，能够准确进行定位，提升数据定位速度，避免了以往简单查询数据库所带来的性能差，运算慢，用户体验不好的问题。2.5、解决关键问题2.5.1、解决农业植保经验不足问题以往植保喷洒过程中都是通过技术人员的历史经验，对所要喷洒的作物，使用的药剂剂量，喷洒速度等等做出认为的预估和判断，这就造成喷洒过程不可重现或模拟，一旦出现问题不知道从哪个环节入手去查找问题。而平台通过采集多种数据，如气象数据、土壤数据、农作物数据，虫害数据等数据，通过对历史数据样本的比对，能够精准从多个维度给出喷洒建议，使植保能够有效的完成，保证其高效准确，残次任务能够得到有效控制和跟踪。植保产业链条包括植保需求，飞手管理和培训，药剂生产，药剂运输，药剂调配，药剂喷洒，事后监督等环节。

农业植保无人机全产业链一览图空管镒筑研制无人机驾驶证尢人弔L适航吐__行一i啧洒犬藪据分析结果ifLtt结客前力机袍飞行拦割数传唱信喷洒模型♦乜访人臥农业植保无人机全产业链一览图空管镒筑研制无人机驾驶证尢人弔L适航吐__行一i啧洒犬藪据分析结果ifLtt结客前力机袍飞行拦割数传唱信喷洒模型♦乜访人臥运载车辆飞防职业培51驾頤培训航空施用辰药农业种植用户空曽系统低障现阶段各个环节的供需信息主要以自行发布，客户主动寻找为主，都是独立在各自小圈子中，彼此之间信息共享和使用不是很及时，造成植保过程延迟等问题。而农业大数据应用体系架构和平台解决了全产业链的对接问题。从需求，到药剂采购，再到无人机调配、药剂运输配比、农作物质保的各种需求信息，通过平台进行整合，使信息能够准确高效的进行互通。使得产业链中的各个环节不再是信息孤岛，而是一个统一的整体，从而解决供需的瓶颈问题。2.5.3、植保飞手就业问题随着无人机行业的发展，越来越多的人考取了职业飞手的飞行资格证，除个人喜好外，大部分人希望以此为职业来实现自己的价值。但是飞手在了解就业信息时，途径相对匮乏。本平台建设后作为国内农业植保的龙头平台，可以很容易让飞手能够找到飞手的用人缺口，及时培训、就业。2.5.4、农业植保过程跟踪监督问题在现阶段所有的植保过程，都靠人工去进行记录和提交，难免会有遗漏的内容和人为进行修改调整的内容，造成数据不够清晰准确。农业大数据应用体系架构和平台上线后，所有一切数据均来自于系统内部对植保任务的支持数据，数据格式化、标准化，同时减少了人为的干预，保证了数据的准确性和有效性，使得植保的全周期可追溯可复现，从而达到跟踪和监督的效果。第三部分、项目建设进度2016年9月项目开始筹备2017年3月植保服务管理平台上线运营2018年3月植保大数据运营管理平台正式上线使用第四部分、投资估算4.1、资金使用预算平台建设从2016年9月开始筹备，2016年共投入资金550万元人民币，2017年预计投入资金800万元。2018年预计投入资金350万元具体如下表所示：序号费用类别投资估算（万元）2016年资金使用（550万元）1可行性分析502技术研发4503研发设备502017年资金使用（800万元）1技术研发5302数据采集2003研发设备702018年资金使用（350万元）1技术研发2902研发设备60总计17004.2、项目资金筹措方案公众公司自筹以及补助资金申请4.3、项目资金使用计划农业大数据应用体系架构和平台的建设作为公司的重中之重，公司为了保证项目的研发进度及重点技术问题的公关，采用了专款专用的模式，成立了资金使用管理委员会，公司总经理为管委会主任，财务总监为副主任，资金的每一步使用都需要经过管委会的审批，为项目研发及发展保驾护航。第五部分、效益分析5.1、经济效益分析目前，无人机植保正处于爆发式发展的前夜，未来无人机植保的发展将是巨大的，因此无人机植保具有相当大的经济和社会价值。通过对无人机植保过程的跟踪及海量的数据汇总分析，能够看出无人机植保在喷洒的精准度、减施程度、作业效率、抵抗环境不良因素等等都有具有非常大的优势。对于大型农业基地、农场主、大型山地丘陵等等各类型全方位农业从业者来说都具有颠覆性的技术更新，无人机超高的工作效率和精准喷洒，大大降低了劳动力和农业成本的投入，从而提高了各自的收益，达到了总书记在农业植保方面的要求：减施增效。对于我公司来说，随着无人机植保的爆发式发展，未来的经济收益是非常可观的，也是可以预见的。首先我公司已与国内领先无人机企业签订了合作协议，按照喷洒面积采用阶梯价格模式进行植保费用合作分成，每亩1元（随着耕种范围增多分成递减）。序号时间耕种范围（万亩）每亩收益（元）每年服务次数总收益（万元）12018年50012100022019年10000.82160032020年20000.7228002018-2020年总收益对照表）其次，经过2~3年的发展，农作物的农药喷洒将有80%采用无人机植保喷洒，将逐步取代人工机械喷洒。同时，农业植保电商平台的应用将会积累大量的订单及喷洒数据，通过微信、网站等多渠道大范围的宣传成功案例，将会吸引更多的大型农业基地、农场主来合作。再次，除了与现有合作企业合作外，我公司还会寻求新的合作伙伴，将合作范围拓展至全国。最后，全国土地耕种面积达18亿亩，无人机植保大数据平台应用的发展空间和潜力巨大，我公司将力争在未来3~5年内全国市场占有率达到10%，相信未来的经济收益将会达到1个亿。5.2、社会效益分析5.2.1、降低植保成本，提高农民收入在成本控制方面植保无人机也取得优势，以电动植保无人机为例，每组电池6块锂电池成本12000元，每次作业面积15亩，充放电寿命200次，每亩分摊成本4元；飞手两名，人工费用2元/亩；能源（电）费用2元/亩；无人机费用10万计，折旧3年，每年作业20000亩，每亩成本不到2元。农药成本相对人工节省50%，约5元/亩，相关维护费用1元/亩，每次共计16元/亩。人工植保方面，每小时作业面积2亩，每天8小时计16亩，人工成本160元，每亩10元；农药10元，每次植保费用共20元/亩。再考虑植保无人机的政府补贴、电池费用下降、技术升级，成本优势会越来越大。以每年喷洒5次，每亩作业价格10-20元为例，如采用无人机作业，一年的理论作业收入接近千亿元，较人工开展农药喷洒作业、施肥作业，每亩地单次可为农民节省2-5元的开销。5.2.2、科学合理喷洒，减施增效无人机植保采用喷雾喷洒方式，具有作业高度低，飘移少，可空中悬停等特点，喷洒农药时旋翼产生的向下气流有助于增加物流对农作物的穿透性，防治效果好，也可以节约50%的农药使用量，90%的用水量，大大降低了资源成本，能够大幅度提高农药有效利用率，使农药喷洒均匀，减少农药使用量，有效控制并逐步降低农业生态环境污染，提高农产品的安全质量水平，保证老百姓吃到放心粮食。人工植保下农药的利用率只有30%，大量农药进入土壤和河流，造成环境污染，粮食中大量农药残留。无人机可以实现喷洒路径规划，有效避免了人工方式下的重喷和漏喷现象，防治效果更加得到保证。并且实现了人和药的分离，通过地面遥控或GPS飞控操作，喷洒作业人员远距离操作避免暴露于农药下的危险，而且在加注农药方面，现在也已经开发出来自动加注机，植保无人机的应用推广将会大幅度减少农药中毒现象，避免造成不必要的损失，从而提高农药喷洒的安全性。植保无人机在效率、安全、环保、防治效果、成本等方面大幅领先于传统的人工植保方式。无人机每分钟可以完成1-2亩的农药喷洒作业，而人工喷洒农药的效率大约每3-4小时1-2亩，拖拉机喷洒效率大约每10-20分钟完成1-2亩无人机的效率目前是人工的200倍，是拖拉机效率的10-20倍，考虑无人机技术的提升，土地的平整和规模化，无人机效率上的领先优势会越来越大。5.2.3、提供植保从业岗位，提升就业率我国可用耕地面积超18亿亩，但山地丘陵面积较大，尤其以南方为甚，地块面积分布零散，非常适合采用无人机开展农药喷洒及施肥作业，据不完全统计，截至2014年底，我国投入使用的农用无人机已超过750台，飞控手人数达1100多人；预计到2020年名中国对植保无人机的需求量是10万架，从业人员需求量达到40万人。通过对从业人员的定期培训，可以让其学习到更多的农业植保知识，提高从业人员的科学文化素质，开阔眼界，学习现代化思想观念，为更多的劳动人员提供了新的就业机会。5.2.4、提高农业植保智能化水平，增强国际市场竞争力无人机植保大数据平台依托数据挖掘分析处理、电子商务、精准营销等手段，打造无人机农业植保服务电子商务推广平台。在市场经济体制下，自然资源已不是竞争的优势，拥有先进的科学技术和超前的国际市场信息，才是竞争力的真正体现。以美国为例，农场主足不出户就可以了解诸如农产品期货价格、市场供求信息、最新农业科技、气象资料等，还可以进行网上交易和各种咨询。农业大数据应用体系架构和平台项目，利用互联网在生产和市场需求之间构筑一条信息通道；实现信息资源共享，提高信息利用率，给予农民足够的市场信息，促进农业产业构调整的顺利进行。搭建农业电子商务服务平台将使中国农业大步走向世界；也会使世界各国的农业和农业科技公司更好地进入中国市场，促进中国农业对外开放，发展外向型农业经济。第六部分、项目风险分析及控制6.1、项目发展市场机遇在国家政策利好的大环境下，“互联网+”在各行各业掀起一阵旋风，为传统产业注入了新的力量，未来随着互联网和非互联网融合的进一步加深，可能没有必要再区分互联网和非互联网了，所有行业最终都可以统称为“互联网+”行业，为此，农业大数据应用体系架构和平台项目需要紧紧抓住互联网+、大数据、云计算、智慧农业、无人机、精准扶贫、智慧旅游带所带来的市场机会，对项目发展策略、产品策略及营销策略进行全方位改造，明确在‘互联网+'环境下的发展目标及模式，给农业大数据应用体系架构和平台项目带来更大的商业发展空间。智慧农业、无人机黑龙江省委省政府制定的“互联网+农业”三年行动计划开始了深入发展的阶段，我省现代农业的发展迫切需要真正服务到农业“田间地头”的实效产品，切实提升农业精细化、自动化水平，提高农业劳动生产率。当前“互联网+农业”三年行动计划各项工作已全面开展，下一步公众公司可将高新互联网技术与农业科技发展有效融合于一体，在智慧农业领域多点布局、软硬件结合，推动移动互联网、大数据、云计算、物联网、无人机、电商平台等新一代信息技术与农业生产、销售和管理服务的全方位融合，实现传统农业向智慧农业的“华丽转身”。综上所述，当前我们要充分分析、策划制定现阶段的应对风险的机遇和措施，明确了环境分析的职责，相应的准则，通过适宜的方法对这些内部和外部因素的相关信息，进行监视和评审，确保充分识别风险，消除风险，降低或减缓风险，充分利用可能的发展机遇，保证实现企业效益和质量管理体系预期结果。6.2、项目的风险性及不确定性分析任何系统开发都会在不同方面存在一定的风险，而系统开发项目由于其本身的创造性，注定了其风险的复杂性，在具体的风险识别过程中，此项目可能存在风险分析：6.2.1、市场化风险分析市场风险是由于产品目标市场及客户的个性化需求而引发的，在项目面向市场后才开始逐渐显现，并随着项目进程的不断推进而增大，主要表现在以下3个方面：（1）难以确定市场接受能力：研发项目开发出来的是全新的产品，顾客在产品推出后，不易及时了解其性能，难以确定产品市场潜力。（2）难以确定市场接受时间：项目产品从推入市场，到市场对齐产生大量需求，需要一段时间的积累，这一时间的长短不易确定，在这个过程中，不仅需要有大量的资金支持，还可能会导致企业研发新产品的研发资金在较长一段时间内难以回收。（3）难以确定市场竞争能力：公司的项目产品，在推向市场后，往往面临激烈的市场竞争，如产品成本过高，或其他方面存在缺陷或不能满足客户的个性化需求，都可能影响产品在市场上的竞争能力。农业大数据应用体系架构和平台项目的市场风险主要是指需求不确定性及业务发展带来的风险，比如：由于系统使用者对系统将要实现的目标是模糊的、笼统的，而对于具体的需求不能准确描述等。目前正处于互联网+现代农业的高速发展期，农业植保大数据产品的发展也呈现了这种趋势，随着业务的迅速发展，其产品方向也将逐步发展，但产品的核心功能比较稳定，业务发展带来的需求变化风险较小，同时农业大数据应用体系架构和平台是一个需求很明确的产品，其业务需求上不会有大的方向上的变化，在功能上将逐步有所创新。总体上来看其需求变化的风险较小。但是农业大数据应用体系架构和平台产品的特点是其持续的优化改进，这个特点是必须的也是必然的，要规避这种风险需要有一定的开发、运营团队，持续对产品的研发，规避业务需求变化的风险。6.2.2、技术方案实现风险由于技术更新换代快，容易被淘汰，并且由于技术上的不确定性，可能会导致公司各类研发项目失败的可能性，主要原因有以下3点：（1）技术成功的不确定性：项目所采用的技术方案，是否能实现项目的预期目标，在项目研发之前和研发过程中是不能确定的，因技术原因而终止的项目在行业中也有较多案例。（2）技术效果的不确定性：项目在研发过程中，在项目未完成前，其最终的实现效果难以预先评估，因此可能会由于一些新技术的应用，而引发项目结果的一些不确定性，如功能bug、系统稳定性及执行效率等，导致即使项目成功开发完成，最终还是由于一些原因无法投入使用。（3）技术寿命的不确定性：由于研发类项目变化迅速寿命周期段，因此极易被更新的技术方案代替，被代替的时间难以确定，如果更新的技术比预期提前出现，采用原有技术方案研发的项目，将蒙受提前被淘汰的损失。农业大数据应用体系架构和平台所采用的技术是非常成熟的技术，目前公众公司具有强大的产品设计、研发、测试、质检、运营等综合型团队配备及运营经验，能够为平台的建设提供成熟产品以及技术支持，所以从技术方案实现的角度来看本期工程实现的风险较低。6.2.3、政策和法律风险本工程推出产品主要是针对传统营销业务的革新，作为老资格的电信业务服务提供商开展此类业务无法律风险。本工程无明显的政策和法律风险。6.2.4、资金风险本工程从平台可研开始到项目整体结束