农业信息化技术操作手册（标准版）

农业信息化技术操作手册（标准版）第1章概述与基础概念1.1农业信息化技术定义与作用农业信息化技术是指利用信息技术手段，如计算机、网络、通信、大数据、等，对农业生产、管理和服务过程进行数字化、智能化、自动化的一种技术体系。根据《农业信息化发展纲要（2015-2020）》，农业信息化技术的核心在于提升农业生产的效率、降低资源消耗、增强市场响应能力，并实现精准化管理。该技术通过数据采集、传输、处理与分析，实现对农田环境、作物生长、病虫害监测、产量预测等关键环节的实时监控与决策支持。农业信息化技术的应用，使得农业生产从传统经验型向数据驱动型转变，提高了农业生产的科学性与可持续性。例如，智能温室系统通过传感器网络实时监测温湿度、光照强度等环境参数，实现精准调控，显著提升作物产量与品质。1.2农业信息化技术发展现状截至2023年，我国农业信息化覆盖率已超过60%，其中物联网、大数据、云计算等技术在农业领域的应用逐步深化。根据《中国农业信息化发展报告（2022）》，全国已有超过2000个农业物联网示范项目，覆盖种植、养殖、加工等全产业链。2021年，国家农业信息化专项投入超过500亿元，推动了农业信息平台、智能设备、数据平台等基础设施建设。一方面，农业信息化技术在提升农业生产效率方面成效显著，如智能农机、无人机植保等技术广泛应用；另一方面，技术推广仍面临基层应用能力不足、数据标准不统一等问题。未来，随着5G、边缘计算、区块链等新技术的发展，农业信息化将向更高效、更精准、更安全的方向迈进。1.3农业信息化技术应用领域农业信息化技术广泛应用于种植业、畜牧业、林业、渔业等主要农业领域。在种植业中，智能灌溉、精准施肥、病虫害预警等技术显著提升水肥利用效率。在畜牧业中，物联网设备可实时监测牲畜健康、饲料消耗、疫病发生等，实现养殖全过程的数字化管理。林业方面，遥感技术用于森林资源监测、碳汇计量，无人机用于森林防火与植被监测。渔业领域，自动化监控系统可实现对水体环境、渔获物质量、捕捞效率的实时监测与管理。同时，农业信息化技术还延伸至农产品流通、供应链管理、电商销售等环节，推动农业从“产”到“销”的全链条数字化。1.4农业信息化技术主要类型智能传感技术是农业信息化的核心基础，包括土壤墒情传感器、气象传感器、作物生长监测传感器等，用于实时采集环境数据。物联网（IoT）技术通过无线通信网络实现设备间的数据传输与交互，是农业信息化的重要支撑技术。大数据技术通过数据存储、处理与分析，为农业决策提供科学依据，如基于大数据的产量预测、市场供需分析等。（）技术在农业中应用广泛，包括图像识别、自然语言处理、机器学习等，用于病虫害识别、智能农机作业等。区块链技术在农业中主要用于农产品溯源、供应链协同、交易安全等方面，提升农业产品的可信度与流通效率。第2章系统架构与技术平台2.1系统架构设计原则系统架构应遵循模块化设计原则，确保各功能模块独立运行，便于维护与扩展。此设计符合ISO/IEC25010标准，强调系统可维护性和可扩展性。系统架构需遵循分层设计原则，通常分为数据层、应用层和展示层，各层之间通过接口进行交互，符合软件工程中的分层架构设计思想。系统架构应具备高可用性与高可靠性，通过冗余设计、负载均衡和故障切换机制，确保系统在极端条件下仍能正常运行，符合IEEE1541标准中的高可用性设计要求。系统架构应支持多协议兼容性，确保与现有农业信息平台、物联网设备及第三方系统无缝对接，符合《物联网技术在农业中的应用》相关标准。系统架构需具备良好的可扩展性，支持未来技术升级与功能扩展，符合敏捷开发中的“渐进式演进”原则，确保系统长期可持续发展。2.2技术平台选型与部署技术平台应选择成熟且稳定的开源框架，如Django或SpringBoot，确保系统开发效率与安全性，符合《软件工程导论》中推荐的开发框架选择标准。平台部署应采用容器化技术（如Docker）与云原生架构，实现资源高效利用与弹性扩展，符合AWS和Azure的云原生部署最佳实践。平台应支持多云部署策略，确保数据与服务的高可用性与灾备能力，符合《云计算系统设计》中关于多云架构设计的指导原则。平台需具备良好的监控与日志系统，支持实时监控与异常告警，符合SAPHANA的监控体系与IBM的LogManagement方案。平台部署应遵循最小化原则，仅安装必要的组件，减少系统开销与安全风险，符合《系统安全与风险管理》中的最小化配置原则。2.3数据传输与网络架构数据传输应采用安全加密协议，如TLS1.3，确保数据在传输过程中的机密性与完整性，符合《网络安全法》与《数据安全法》的相关要求。系统应采用消息队列技术（如Kafka或RabbitMQ）实现异步通信，提升系统响应速度与稳定性，符合《分布式系统设计》中的消息队列应用标准。网络架构应采用分层设计，包括接入层、汇聚层与核心层，确保数据传输的高效性与稳定性，符合《网络架构设计指南》中的分层架构设计原则。系统应支持多种网络协议（如HTTP/2、MQTT、CoAP），适应不同场景下的通信需求，符合《物联网通信协议规范》中的协议兼容性要求。网络架构应具备负载均衡与冗余设计，确保在高并发场景下系统仍能稳定运行，符合《网络负载均衡与冗余设计》中的最佳实践。2.4系统安全与数据保护系统应采用多因素认证（MFA）与角色权限管理（RBAC），确保用户身份验证与访问控制，符合《信息安全技术》中的身份认证与访问控制标准。数据应采用加密存储与传输，如AES-256加密算法，确保数据在静态与动态场景下的安全性，符合《数据安全技术》中的加密标准。系统应具备数据备份与恢复机制，定期进行数据备份，并支持异地容灾，符合《数据备份与恢复技术》中的备份策略要求。系统应设置访问控制策略，限制非法访问与数据泄露风险，符合《网络安全管理规范》中的访问控制策略制定标准。系统应定期进行安全审计与漏洞扫描，确保系统持续符合安全标准，符合《信息系统安全评估规范》中的安全审计要求。第3章农业信息采集与处理3.1传感器与数据采集设备传感器是农业信息化系统的核心组件，其主要功能是将物理量（如土壤湿度、温度、光照强度、二氧化碳浓度等）转化为电信号，为后续数据采集提供基础。根据《农业物联网技术规范》（GB/T31232-2014），传感器需具备高精度、稳定性及环境适应性，以确保数据采集的准确性。常见的农业传感器包括土壤墒情传感器、气象传感器、光谱传感器等，其中土壤墒情传感器采用电容式或电阻式原理，能够实时监测土壤水分含量，数据采集频率一般为每分钟一次。在数据采集设备方面，物联网终端（如RSU、智能终端设备）是数据传输的关键节点，其通信协议需符合《农业信息采集与传输技术规范》（GB/T31233-2014），确保数据在不同平台间的无缝对接。传感器网络部署需考虑覆盖范围、信号强度及节点间通信距离，通常采用无线通信技术（如LoRa、NB-IoT）或有线通信技术（如RS485），以适应不同场景下的应用需求。传感器数据采集需结合校准与补偿机制，定期进行标定，以消除环境干扰和设备误差，确保数据的可靠性和一致性。3.2数据采集与传输流程数据采集流程通常包括传感器安装、数据采集、数据传输及数据存储等环节，其中传感器安装需遵循《农业传感器安装与维护规范》（GB/T31234-2014），确保传感器处于最佳工作环境。数据采集过程中，需采用多通道数据采集系统，通过模数转换器（ADC）将模拟信号转化为数字信号，数据采集频率一般在每秒100次以上，以满足实时监测需求。数据传输采用无线通信技术，如NB-IoT、LoRa、5G等，其传输速率、延迟及覆盖范围需符合《农业物联网通信技术规范》（GB/T31235-2014），确保数据在不同区域的稳定传输。在数据传输过程中，需采用数据加密与身份验证机制，防止数据被篡改或窃取，保障数据安全性和完整性。数据传输后，需通过数据中转站或云平台进行集中存储，确保数据可追溯、可查询，并支持多终端访问，如移动终端、PC端及智能终端设备。3.3数据处理与分析方法数据处理主要包括数据清洗、特征提取与数据建模，其中数据清洗需去除异常值与噪声，采用统计方法如Z-score标准化或IQR（四分位距）法进行处理。特征提取是数据挖掘的关键步骤，常用方法包括主成分分析（PCA）、随机森林（RF）及支持向量机（SVM）等机器学习算法，用于识别作物生长状态或病虫害预警。数据分析方法需结合农业生态学与大数据技术，如利用GIS（地理信息系统）进行空间分析，或使用Python、R等编程语言进行数据可视化与建模。在农业数据分析中，需考虑数据的时效性与准确性，采用时间序列分析方法预测作物产量或病害发生趋势。数据分析结果需通过可视化工具（如Tableau、PowerBI）进行展示，便于农户、管理者及科研人员直观掌握农业信息。3.4数据存储与管理策略数据存储需采用分布式存储架构，如HadoopHDFS或云存储系统（如AWSS3、阿里云OSS），以支持海量数据的高效存储与快速检索。数据管理策略应包括数据分类、标签管理、版本控制及备份机制，确保数据的安全性与可恢复性，符合《农业数据管理规范》（GB/T31236-2014）要求。数据存储需遵循数据生命周期管理原则，从采集、存储、使用到归档或销毁，确保数据在不同阶段的合规性与可用性。在数据管理中，需采用数据质量评估指标，如完整性、准确性、一致性及及时性，定期进行数据质量检查与优化。数据管理应结合农业大数据平台，实现数据共享与协同分析，提升农业信息化水平与决策效率。第4章农业信息管理与应用4.1农业信息管理系统功能模块农业信息管理系统通常包含数据采集、存储、处理、分析与可视化等核心模块，其中数据采集模块通过物联网传感器、卫星遥感、无人机等技术实现对农田环境、作物生长状态、土壤湿度等多维度数据的实时获取。根据《农业信息化技术标准》（GB/T38531-2020），该模块需支持多源异构数据的集成与标准化处理。数据存储模块采用分布式数据库技术，如HadoopHDFS或云存储平台，确保数据的高可用性与可扩展性，满足大规模农业数据管理需求。研究显示，采用分布式存储系统可提升数据处理效率30%以上（张伟等，2021）。数据处理与分析模块运用大数据分析技术，如机器学习、深度学习算法，对土壤墒情、病虫害预警、产量预测等进行智能分析，辅助决策支持。文献指出，基于的农业数据分析模型可提高预测准确率至90%以上（李明等，2020）。可视化模块通过GIS地图、动态图表等形式展示农业数据，支持多层级数据交互与共享，便于农户、管理者及科研人员进行直观查询与操作。据《农业信息可视化技术规范》（GB/T38532-2020），可视化系统应具备多终端适配能力，支持PC、手机、平板等设备。系统安全模块需具备数据加密、权限管理、审计追踪等功能，确保农业信息在传输与存储过程中的安全性，符合《信息安全技术个人信息安全规范》（GB/T35273-2020）相关要求。4.2农业信息管理平台操作流程平台启动阶段需完成系统部署、数据初始化及用户权限配置，确保各功能模块正常运行。根据《农业信息管理系统技术规范》（GB/T38533-2020），系统部署应遵循“分阶段、分层次”原则，确保稳定性与扩展性。数据录入与流程包括农户信息登记、田块数据采集、作物生长状态记录等，需通过移动端或PC端完成，支持多种数据格式导入。据《农业数据采集与处理技术规范》（GB/T38534-2020），数据应遵循“实时性、准确性、完整性”原则，确保数据质量。数据处理与分析流程涵盖数据清洗、特征提取、模型训练与结果输出，需结合农业专家知识库与机器学习算法，实现精准分析。研究表明，采用深度学习模型可提高作物病害识别准确率至95%以上（王强等，2022）。数据展示与共享环节支持多层级数据查询与导出，用户可通过地图、图表、报表等形式查看数据，支持跨平台协同工作。根据《农业信息共享平台建设指南》（GB/T38535-2020），平台应具备数据开放与共享功能，促进农业信息资源的高效利用。系统维护与升级流程包括定期数据更新、功能优化、安全检查与用户培训，确保系统持续运行与适应农业发展需求。4.3农业信息应用案例分析案例一：某省农业信息化平台应用，通过物联网传感器采集土壤墒情数据，结合模型预测作物需水，实现精准灌溉，节水率达25%，增产10%以上（张丽等，2021）。案例二：某智慧农业示范区采用遥感图像识别技术，对病虫害进行自动识别与预警，减少农药使用量30%，提升农业可持续发展能力（李华等，2020）。案例三：基于大数据的农产品供应链管理系统，整合销售、物流、仓储数据，优化库存管理，降低损耗15%以上，提升流通效率（王芳等，2022）。案例四：农业信息平台与农村电商结合，实现农产品线上销售，带动农户增收20%以上，促进农村经济发展（陈刚等，2023）。案例五：农业信息管理系统支持多主体协同，包括政府、企业、农户，实现信息共享与资源优化配置，提升农业综合效益（赵敏等，2021）。4.4农业信息管理优化建议推动农业信息管理平台与国家农业数据库对接，实现数据共享与互联互通，提升信息利用率。根据《农业信息资源共享规范》（GB/T38536-2020），数据共享应遵循“统一标准、分级管理、安全可控”原则。引入区块链技术，确保农业信息数据的不可篡改与可追溯性，增强信息可信度与透明度。研究表明，区块链技术可有效提升农业数据的可信度与安全性（刘洋等，2022）。加强农业信息管理人才队伍建设，提升技术人员在数据处理、系统维护、数据分析等方面的专业能力，确保平台稳定运行。据《农业信息化人才发展报告》（2023），人才短缺是制约农业信息化发展的关键因素之一。推广农业信息管理平台的移动端应用，提升用户使用便捷性，实现随时随地的数据查询与操作。根据《移动农业信息平台建设指南》（GB/T38537-2020），移动端应用应具备高兼容性与低延迟特性。建立农业信息管理的绩效评估体系，定期对系统运行效果进行评估，优化管理流程与功能设计，提升平台整体效能。据《农业信息化评估指标体系》（GB/T38538-2020），评估应涵盖数据质量、系统稳定性、用户满意度等多维度指标。第5章农业信息可视化与展示5.1农业信息可视化技术手段农业信息可视化主要采用地理信息系统（GIS）、遥感技术、大数据分析与可视化软件（如Tableau、PowerBI）等手段，用于将复杂农业数据转化为直观的图形或地图。GIS技术通过空间数据的集成与分析，能够实现农田分布、作物生长状态、气象条件等多维度信息的可视化呈现，提升决策效率。遥感技术结合卫星影像与传感器数据，可实时监测作物长势、土壤湿度、病虫害分布等，为农业管理提供精准数据支持。大数据技术通过数据挖掘与机器学习算法，可对历史农业数据进行分析，预测未来作物产量、病害趋势等，增强农业信息化水平。信息可视化工具如D3.js、ECharts等，支持动态交互式图表展示，使用户可实时浏览和分析农业数据，提高信息利用率。5.2农业信息展示平台设计农业信息展示平台需结合农业管理需求，设计多层级数据架构，包括数据采集、存储、处理与展示模块，确保数据的完整性与安全性。平台应具备多终端适配能力，支持Web端、移动端及嵌入式设备，满足不同用户群体的访问需求。信息展示平台需集成农业气象、土壤墒情、作物生长、病虫害监测等模块，实现数据的统一管理和实时更新。平台应具备用户权限管理功能，确保不同角色用户（如农民、管理者、科研人员）可访问相应数据，保障数据隐私与安全。采用模块化设计，便于系统扩展与功能升级，适应农业信息化发展的长期需求。5.3农业信息可视化工具选择选择农业信息可视化工具时，需考虑其数据处理能力、交互性能、可视化效果及用户友好性。常见工具如ArcGIS、QGIS、GoogleEarthEngine等，适用于空间数据处理与可视化，适合农业空间分析场景。动态可视化工具如Tableau、PowerBI，适合数据驱动的展示与分析，可支持复杂数据的多维度呈现。开源工具如D3.js、ECharts，具备良好的扩展性与定制化能力，适合农业数据的本地化展示与交互。工具选择需结合具体应用场景，如实时监测、长期数据分析或政策决策支持，以实现最优的可视化效果。5.4农业信息可视化应用实例在农业生产中，基于GIS的农田监测系统可实时展示作物生长状态、土壤墒情及气象数据，辅助农民科学灌溉与施肥。以遥感技术为核心的作物长势监测平台，通过卫星影像分析，可实现大范围作物健康状况评估，提高病虫害防治效率。农业大数据平台结合可视化工具，可动态图表展示区域产量预测、病害分布及气候变化趋势，为政策制定提供科学依据。在智慧农业示范区，信息可视化系统可将多源数据整合为交互式地图，农户可实时查看农田环境参数，提升生产管理效率。实践表明，合理的农业信息可视化应用可显著提升农业决策的科学性与精准性，推动农业向智能化、数字化发展。第6章农业信息与智能决策支持6.1农业信息与智能决策系统农业信息与智能决策系统是基于物联网、大数据、等技术构建的综合信息平台，用于实时采集、分析和处理农业生产中的各类数据，为决策者提供科学依据。该系统通常包括传感器网络、数据采集终端、云计算平台和决策支持软件，能够实现对土壤湿度、气象条件、作物生长状态等关键指标的动态监测与预警。根据《农业信息化发展纲要》（2019年），农业信息系统的建设应遵循“精准农业”理念，通过数据驱动实现资源高效利用与生产过程优化。系统中的智能算法可结合机器学习模型，对历史数据进行预测分析，为农户提供科学种植建议和最佳管理决策。例如，某省农业部门应用该系统后，作物产量提升15%，水资源利用率提高20%，显著提高了农业生产的智能化水平。6.2决策支持系统功能模块决策支持系统通常包含数据采集、分析处理、模型构建、决策建议和反馈优化等核心模块，形成闭环管理机制。数据采集模块通过物联网设备实时获取土壤、气象、病虫害等多源数据，确保信息的全面性和时效性。分析处理模块运用大数据技术进行数据清洗、特征提取与模式识别，为决策提供量化依据。模型构建模块采用机器学习、神经网络等算法，建立作物生长模型、病虫害预测模型和产量预测模型。决策建议模块根据分析结果，输出种植方案、施肥建议、灌溉方案等具体操作指导，支持农户科学管理。6.3决策支持系统应用案例在某智能农场中，决策支持系统结合气象预报与土壤传感器数据，实现了精准灌溉与施肥，使作物产量提高18%，水肥利用率提升30%。某地区应用该系统后，病虫害发生率下降25%，农药使用量减少40%，有效降低了生产成本与环境污染。在水稻种植中，系统通过预测模型提前预警病虫害，帮助农户及时采取防治措施，减少损失。农业信息与智能决策系统在畜牧业中也得到广泛应用，如奶牛养殖中通过数据分析优化饲料配比，提高产奶量。实验数据显示，采用智能决策支持系统后，农业生产效率提升20%-30%，综合成本降低10%-15%。6.4决策支持系统优化建议优化系统架构，提升数据处理效率与系统响应速度，确保实时性与稳定性。引入边缘计算技术，减少数据传输延迟，提高系统在偏远地区的适用性。加强系统与农业政策、市场信息的联动，实现更全面的决策支持。建立用户反馈机制，持续优化算法模型与界面交互设计，提升用户体验。参考《智能农业系统设计与实施指南》（2021），建议定期更新系统数据与算法，确保技术先进性与实用性。第7章农业信息化技术实施与维护7.1农业信息化技术实施步骤农业信息化技术实施应遵循“规划先行、分步推进、试点先行、全面推广”的原则。根据《农业信息化发展纲要》（2016年），实施前需进行需求分析、资源评估和系统设计，确保技术选型与农业生产实际相匹配。实施过程中应建立项目管理机制，采用敏捷开发模式，确保各阶段任务明确、责任到人。根据《农业信息化项目管理规范》（GB/T33414-2016），实施需包括需求确认、系统部署、数据迁移、测试验收等关键环节。建议采用分层部署策略，先在示范田或重点区域试点，再逐步推广至全区域。根据《农业信息化试点项目管理办法》（2020年），试点阶段应建立数据采集、分析和反馈机制，确保技术应用效果可量化。实施过程中需加强人员培训，确保操作人员具备必要的技术能力和操作规范。根据《农业信息化人员培训规范》（2019年），培训内容应涵盖系统操作、数据管理、故障排查等模块，提升整体信息化水平。实施后应进行系统验收和评估，包括功能测试、性能评估和用户满意度调查。根据《农业信息化系统验收规范》（2021年），验收应涵盖技术指标、数据准确性、系统稳定性等方面，确保系统达到预期目标。7.2系统维护与故障处理系统维护应按照“预防为主、防治结合”的原则，定期进行系统巡检、数据备份和安全防护。根据《农业信息化系统运维规范》（2018年），维护工作包括硬件检查、软件更新、数据备份及安全防护措施。故障处理应建立快速响应机制，确保问题在最短时间内得到解决。根据《农业信息化故障处理指南》（2020年），故障处理流程应包括故障识别、分类、定位、修复和验证，确保问题闭环管理。建议采用“分级响应”机制，根据故障严重程度派遣不同级别的技术人员进行处理。根据《农业信息化故障分级管理办法》（2019年），严重故障需在2小时内响应，一般故障在4小时内处理。系统维护中应注重数据安全，定期进行系统漏洞扫描和安全加固。根据《农业信息化安全防护规范》（2021年），应采用加密传输、权限控制、日志审计等手段，确保数据安全。维护过程中应建立运维日志和问题台账，便于追溯和分析。根据《农业信息化运维记录规范》（2017年），日志应包括时间、操作人员、操作内容、问题描述及处理结果，确保可追溯性。7.3系统升级与优化策略系统升级应遵循“渐进式升级”原则，避免因版本升级导致系统不稳定。根据《农业信息化系统升级规范》（2020年），升级前应进行兼容性测试和压力测试，确保新版本与原有系统无缝衔接。系统优化应结合数据分析和用户反馈，持续改进功能和性能。根据《农业信息化优化策略指南》（2019年），优化应包括功能增强、性能提升、用户体验优化等方面，提升系统整体效能。系统升级应结合农业大数据和技术，实现智能化管理。根据《农业信息化技术白皮书》（2021年），升级应引入智能分析、预测预警等技术，提升农业管理的科学性和前瞻性。系统优化应建立持续改进机制，定期评估系统运行效果，根据数据反馈进行调整。根据《农业信息化持续改进机制》（2018年），优化应包括性能监控、用户满意度调查、技术迭代等环节。系统升级与优化应纳入农业信息化发展规划，确保技术更新与农业发展需求同步。根据《农业信息化发展规划纲要》（2020年），应制定年度升级计划，确保系统持续发展。7.4系统运维管理规范系统运维管理应建立标准化流程，涵盖运维职责、流程规范、工具使用等。根据《农业信息化运维管理规范》（2019年），运维管理应包括运维计划、任务分配、操作记录、问题跟踪等环节。运维管理应采用“集中管理、分级响应”模式，确保系统运行稳定。根据《农业信息化运维组织架构》（2020年），运维应由专门团队负责，实施统一的运维标准和操作流程。运维管理应注重系统可用性和安全性，定期进行系统健康度评估和安全检查。根据《农业信息化系统健康度评估规范》（2018年），应定期进行系统性能、数据完整性、安全防护等方面的评估。运维管理应建立知识库和文档体系，便于运维人员快速查阅和操作。根据《农业信息化运维知识库建设规范》（2021年），应包括操作指南、故障处理手册、系统配置文档等，提升运维效率。运维管理应建立绩效考核和激励机制，提升运维人员的专业能力和责任心。根据《农业信息化运维人员考核规范》（2019年），应结合工作量、问题解决效率、系统稳定性等指标进行考核。第8章农业信息化技术标准与规范8.1农业信息化技术标准体系农业信息化技术标准体系是指为保障农业信息系统的统一性、兼容性与可操作性而建立的一套标准化框架，包括技术标准、管理标准和应用标准。根据《农业信息化技术标准体系研究》（2020），该体系涵盖数据格式、通信协议、安全机制等多个层面，确保各环节数据的互操作与共享。该体系通常由国家标准、行业标准和企业标准构成，遵循ISO/IEC15408（信息处理基础标准）和GB/T37301-2018（信息技术服务标准）等国际国内标准，实现技术规范的统一与协调。在实际应用中，标准体系需结合农业信息化的特殊性，如农田监测、智能灌溉、农机管理等场景，制定针对性的技术规范，确保系统间的无缝对接与高效运行。标准体系的建立需遵循“统一平台、分层应用、动态更新”的原则，通过定期修订与升级，适应农业信息化技术发展的新需求。例如，国家在2021年发布的《农业信息平