農業大數據應用體系架構和平臺目錄TOC\o"1-5"\h\z第一部分、項目概況11.1、建設背景11.2、平臺定位81.3、建設意義101.4、國內外同類產品分析13第二部分、項目方案142.1、行業應用平臺142.2、大數據分析平臺332.3、網絡拓撲圖462.4、研發技術路徑512.5、解決關鍵問題64第三部分、項目建設進度67第四部分、投資估算684.1、資金使用預算684.2、項目資金籌措方案684.3、項目資金使用計劃69第五部分、效益分析705.1、經濟效益分析705.2、社會效益分析71第六部分、項目風險分析及控制756.1、項目發展市場機遇756.2、項目的風險性及不確定性分析766.3、項目風險防范對策796.4、項目綜合風險評價82農業大數據應用體系架構和平臺建設方案v3.0農業大數據應用體系架構和平臺建設方案v3.0#各方面設施齊全，已在很早之前就搭建了云計算平臺，本次項目建設使用的云平臺為我司自有利舊平臺系統和設備，所以本系統建設投入方面不涉及硬件部分。網絡系統主要滿足的是信息共享和交換的需求。在本系統平臺里，主要存在以下幾方面的需求：對植保數據的信息采集與傳輸，大數據處理及處理后的信息建模分析，以及應用層數據交互等方面。針對農業大數據應用體系架構和平臺對所需采集數據的說明及介紹，并根據我公司以往大數據處理方面的經驗核算，本平臺各部分所產生的數據需要存儲空間預計在500TB。為了實現這些信息的共享和交換，需要在IDC內部建立高速的局域網；要實現用戶與數據倉庫之間的信息交換，則需要使用足夠的帶寬進行對外的數據傳輸，同時為了保證系統的安全，需要增加安全防御設備（如防火墻等）。綜合以上各方面因素的考慮，農業大數據應用體系架構和平臺的網絡拓撲如下圖所示：

用戶用路由器防火墻機主接接纖交換機GE?升級服務器互聯網發布服務器操作維護服務器負載均衡交換機報表服務器防火墻10/100/1000FE網管服務器光纖交換機圖例:數據庫集群局域網核心交換機負載均衡交換機云存儲中心用戶用路由器防火墻機主接接纖交換機GE?升級服務器互聯網發布服務器操作維護服務器負載均衡交換機報表服務器防火墻10/100/1000FE網管服務器光纖交換機圖例:數據庫集群局域網核心交換機負載均衡交換機云存儲中心網絡拓撲圖根據需求的規模及特點，建議采用2層架構設計，即核心層和接入層，同時為便于設計的描述，在網絡設計時細化成如下幾個部份：核心層網絡、接入層網絡、服務器區網絡、Internet接入、系統安全監控。介紹如下：2.3.1、核心層網絡設計核心交換機配置2臺高性能交換機，兩臺核心交換機均配置2個電源。每臺配置一個萬兆第六代管理引擎，每個引擎上配置兩個萬兆接口作為核心萬兆互聯使用,兩臺高性能設備形成整個平臺的核心交換平臺。利用兩條萬兆鏈路把兩臺核心交換連接起來，在這兩條高速千兆光纖鏈路上通過10GEC（萬兆以太網通道）技術，把物理上的兩條光纖線路邏輯上成為一個速度高達40Gbps的數據通道。在兩臺交換機之間采用業界著名的HSRP技術，其中1臺為轉發狀態，另1臺備份狀態,當轉發狀態交換機發生問題，備份交換機會接管進行數據轉發，實現兩臺核心高端交換機的雙機熱備，從而充分地保證網絡地穩定性和可靠性。這種設計不僅徹底消除單一交換機硬件故障的影響，利用Spanning-Tree（生成樹）、Backbone-fast（快速主干恢復）、Uplink-Fast（快速上聯恢復）、Port-Fast（快速端口恢復）和HSRP（熱備份路由協議）等技術實現主、從交換機間的自動故障切換。2.3.2、接入層網絡設計外網接入交換機我們采用具有智能功能的千兆接入交換作為外聯專線的匯聚接入，外聯專線光纖入戶后通過光電轉換器轉換成千兆電接口直接連到該交換機上，該交換機的背板帶寬32Gbps以上，二/三層轉發率在30Mpps以上，提供4個1000千兆光電復用以太網端口和20個10/100/1000Base-T以太網2.3.3、服務器區網絡設計對于服務器區也可以稱為數據中心區，是整個業務的中心樞紐，對該區域的性能、安全應重要考慮，并作資源最大化利用及節省整體投資，因此服務器區直接連接到2臺核心交換機交換機，實現鏈路冗余接入。2.3.4、Internet接入設計對于對外提供公共服務的服務器，如WEB服務器等，如果將這些服務器直接放置在Internet上，則很容易受到攻擊。為此我們將這些提供公共服務的服務器全部放置在防火墻的DMZ區域。我們在出口防火墻上各設置一個DMZ端口，在DMZ區域放置1接入交換機，該交換機通過千兆端口與出口防火墻的DMZ端口聯接，而所有的公共服務器則全部接入到DMZ區交換機上。2.3.5、系統安全監控信息安全已從互聯網、周邊防護發展為深度防御模式，在基礎設施中部署了多項措施來抵御安全漏洞和攻擊。鑒于攻擊頻率日益增加、攻擊復雜度各不相同，以及攻擊非常迅速，網絡內部和周邊間的界線逐漸模糊，因此這些措施是非常必要的。為試圖利用漏洞發動攻擊，每天攻擊者都會對網絡接入點和系統進行數千次探測。先進的混合攻擊使用多種欺騙式攻擊方法，以便從機構內外獲得未授權系統訪問和控制。蠕蟲、零日攻擊、病毒、特洛伊木馬、間諜軟件和攻擊工具的普及可對最為堅固的基礎設施構成挑戰——導致防御作用時間縮短、出現停運和昂貴的修復措施。除服務器和網絡設備數量較多外，每個安全組件都提供獨立的事件記錄和報警功能，以用于異常流量檢測、威脅響應和分析。此外，法規也要求嚴格數據保密、更高運營安全性和進行持續審查。因此在網絡中部署防火墻對網絡安全進行管理和監控2.4、研發技術路徑2.4.1、平臺技術特點本系統采用國際先進的開發技術，并采用最新的行業標準作為指導，用以保證整個平臺的開放性、兼容性、可擴展性等，具體如下：1）用戶前臺界面采用了B/S結構，以Apach+Tomcat集群作為WEB發布服務器，數據庫采用oracle11G；Apach主要用來解析靜態文本，如html，tomcat雖然也有此功能，但Apach能大大提高效率，對于并發數較大的企業級應用，能更好的顯示Apach的高效率Tomcat用來解析JSP,servlet等，所有的客戶請求首先會發送到Apach，如果請求是靜態文本則由Apach解析，并把結果返回給客戶端，如果是動態的請求，如JSP,Apach會把解析工作交給tomcat，由tomcat進行解析（這首先要兩者現實整合），tomcat解析完成后，結果仍是通過Apach返回給客戶端，這樣就可以達到分工合作,實現負載均衡，提高系統的性能！而且因為JSP是服務器端解釋代碼的，這樣整合可以減少Tomcat的服務開銷。使用oracle11G主要有以下一些優勢：?支持測試環境的快照備用系統、物理和邏輯備用的性能都有提高。?邏輯備用現在支持可擴展標記語言（XML）類型字符大型對象（CLOB）數據類型和透明的數據加密。現在支持自動的、快速啟動的故障切換以支持異步傳輸、支持滾動升級、自動壞塊檢測和修復、快速鏡像重新同步，該功能可以有效地重新同步存儲網絡連接性暫時丟失時自動存儲管理鏡像的存儲陣列自動存儲管理的性能增強使得大型數據庫可以更快地打開并減少SGA內存消耗。這些增強還允許DBA增加存儲分配單元大小以加快大型序列輸入/輸出（I/O）,顯著增加正常運行時間Oracle11G使您可以應用很多一次性數據庫補丁（包括診斷補丁），而沒有停機時間。新的數據恢復advisor通過快速識別故障根本原因?為DBA提供可用的恢復選項，?極大地減少了停機時間，在某些情況下，還通過“自我恢復”機制自動糾正問題。自動編譯數據庫中的PL/SQL和Java更快的觸發器，包括更加有效地調用每行觸發器更快的簡單SQL操作更快的OracleDataGuard和OracleStreams復制與網絡文件系統（NFS）存儲設備更快、更可靠的直接連接、更快的升級大型文件更快的備份/還原更快的備份壓縮2）客戶端采用目前比較流行的兩種形式，包括IOS客戶端和安卓客戶端，通過客戶端為飛手和管理者提供簡單快捷的植保流程的確認和查閱，并可通過客戶端進行數據的采集上傳。3）數據采集通過數據導入，傳感器直接對接等方式，進行數據傳輸和對接。從傳感器和其它待測設備等模擬和數字被測單元中自動采集非電量或者電量信號,送到上位機中進行分析，處理轉換成數字信號。通過平臺提供的數據采集算法，結合基于計算機及專用測量軟硬件的產品來實現靈活的、自定義的測量和采集系統4）系統采用SpringMVC的輕量級架構，即可保證系統的運行穩定性，也可保證運行java的穩定性。該框架優點主要?有清晰的角色劃分：控制器(controller)、驗證器(validator)、命令對象(commandobect)、表單對象(formobject)、模型對象(modelobject)、Servlet分發器(DispatcherServlet)、處理器映射(handlermapping)、試圖解析器(viewresoler)等等。每一個角色都可以由一個專門的對象來實現。強大而直接的配置方式：將框架類和應用程序累都能作為JavaBean配置，支持跨多個context的引用，例如，在web控制器中對業務對象和驗證器validator)的引用。可適配、非侵入：可以根據不同的應用場景，選擇何事的控制器子類(simple型、command型、from型、wizard型、multi-action型或者自定義)，而不是一個單一控制器(比女口Action/ActionForm)繼承。可重用的業務代碼：可以使用現有的業務對象作為命令或表單對象，而不需要去擴展某個特定框架的基類。?可定制的綁定(binding)和驗證(validation):比如將類型不匹配作為應用級的驗證錯誤，這可以保證錯誤的值。再比如本地化的日期和數字綁定等等。在其他某些框架中，你只能使用字符串表單對象，需要手動解析它并轉換到業務對象。?可定制的handlermapping和viewresolution：spring提供從最簡單的URL映射，到復雜的、專用的定制策略。與某些webMVC框架強制開發人員使用單一特定技術相比，Spring顯得更加靈活。?靈活的model轉換：在Springweb框架中，使用基于Map的鍵/值對來達到輕易的與各種視圖技術集成。?可定制的本地化和主題（theme）解析：支持在JSP中可選擇地使用Spring標簽庫、支持JSTL、支持Velocity（不需要額外的中間層）等等。?簡單而強大的JSP標簽庫（SpringTagLibrary）:支持包括諸如數據綁定和主題（theme）之類的許多功能。他提供在標記方面的最大靈活性。JSP表單標簽庫：在Spring2.0中引入的表單標簽庫，使用在JSP編寫表單更加容易。SpringBean的生命周期可以被限制在當前的HTTpRequest或者HTTpSession。準確的說，這并非SpringMVC框架本身特性，而應歸屬于SpringMVC使用的WebApplicationContext容器。5）采用AJAX作為前后臺異步通訊的接口，能夠很好的滿足用戶對系統的體驗度。?無刷新更新數據。AJAX最大優點就是能在不刷新整個頁面的前提下與服務器通信維護數據。這使得Web應用程序更為迅捷地響應用戶交互，并避免了在網絡上發送那些沒有改變的信息，減少用戶等待時間，帶來非常好的用戶體驗。AJAX使用異步方式與服務器通信，不需要打斷用戶的操作，具有更加迅速的響應能力。優化了Browser和Server之間的溝通，減少不必要的數據傳輸、時間及降低網絡上數據流量。AJAX可以把以前一些服務器負擔的工作轉嫁到客戶端，利用客戶端閑置的能力來處理，減輕服務器和帶寬的負擔，節約空間和寬帶租用成本。并且減輕服務器的負擔，AJAX的原則是“按需取數據”，可以最大程度的減少冗余請求和響應對服務器造成的負擔，提升站點性能。AJAX基于標準化的并被廣泛支持的技術，不需要下載瀏覽器插件或者小程序，但需要客戶允許JavaScript在瀏覽器上執行。隨著Ajax的成熟，一些簡化Ajax使用方法的程序庫也相繼問世。同樣，也出現了另一種輔助程序設計的技術，為那些不支持JavaScript的用戶提供替代功能。Ajax使WEB中的界面與應用分離（也可以說是數據與呈現分離），有利于分工合作、減少非技術人員對頁面的修改造成的WEB應用程序錯誤、提高效率、也更加適用于現在的發布系統。6）分析層：采用云存儲+HADOOP技術，實現數據的高速度運算，為用戶的精準營銷提供依據。HADOOP具有高可擴展性，因為他可以存儲和分發橫跨數百個并行操作的服務器數據集群。不同于傳統的關系型數據庫系統不能擴展到處理大量的數據，Hadoop是能給企業提供涉及成百上千TB的數據節點上運行的應用程序。Hadoop提供了極具成本效益的存儲解決方案。傳統的關系型數據庫管理系統的問題是，他并不符合海量數據的處理器，不能夠符合企業的成本效益。許多公司過去不得不假設那些數據最優價值，然后根據這些有價值的數據設定分類，如果保存所有的數據，那么成本就會過高。雖然這種方法可以短期內實現工作，但是隨著數據量的增大，這種方式并不能很好的解決問題。Hadoop被設計為一個向外擴展的架構，提供數百TB的存儲和計算能力，節約了成本開銷。Hadoop能夠輕松訪問到新的數據源，并可以分析不同類型的數據，從這些數據中產生價值，使系統可以利用Hadoop的靈活性從多數據源中獲得寶貴的分析結果和發掘商業價值。Hadoop處理更快得益于其擁有的獨特的存儲方式，用于數據處理的工具通常在與數據相同的服務器上，從而導致能夠更快的處理器數據，如果你正在處理大量的非結構化數據，Hadoop能夠有效的在幾分鐘內處理TB級的數據，而不是像以前PB級數據都要以小時為單位。Hadoop容錯能力更強，當數據被發送到一個單獨的節點,該數據也被復制到集群的其它節點上，這意味著在故障情況下，存在另一個副本可供使用。7）數據層：采用數據庫緩沖池技術，對數據的鏈接數采用管道化管理，既有長期駐留鏈接，又有機動靈活使用的鏈接，方便調動。數據庫連接池保證了資源的重用性，由于數據庫連接得到重用，避免了頻繁創建、釋放連接引起的大量性能開銷。在減少系統消耗的基礎上，另一方面也增進了系統運行環境的平穩性（減少內存碎片以及數據庫臨時進程/線程的數量）。更快的系統響應速度，數據庫連接池在初始化過程中，往往已經創建了若干數據庫連接置于池中備用。此時連接的初始化工作均已完成。對于業務請求處理而言，直接利用現有可用連接，避免了數據庫連接初始化和釋放過程的時間開銷，從而縮減了系統整體響應時間。新的資源分配手段對于多應用共享同一數據庫的系統而言，可在應用層通過數據庫連接的配置，實現數據庫連接池技術某一應用最大可用數據庫連接數的限制，避免某一應用獨占所有數據庫資源。統一的連接管理，避免數據庫連接泄漏，在較為完備的數據庫連接池實現中，可根據預先的連接占用超時設定，強制收回被占用連接。從而避免了常規數據庫連接操作中可能出現的資源泄漏。WEB服務器集群：采用負載均衡的方式，將多臺服務器關聯在一起，是每個服務器在提供相應服務時，不會出現因為某臺服務器因為請求量過載造成的服務器響應速度慢，用戶等待時間長，甚至服務器卡死的問題。數據庫集群：數據庫通過對oracle數據文件共享的方式，完成數據庫的集群和對數據的在線熱備。并通過分布式部署數據庫的方式，提高數據庫的訪問效能，增加系統的訪問速度，保證系統的穩定運行。緩存技術：系統通過大數據在底層的支持，將常用分析結果通過以往的使用歷史進行提煉，并將其通過MemoryCache的方式進行內存的緩存，使農業植保模型能夠快速準確的為平臺提供統計、分析以及預測的相應數據，增加平臺的流暢性。2.4.2、大數據底層分析技術特點HADOOPHadoop是Apach軟件基金會所開發的并行計算框架與分布式文件系統。最核心的模塊包括HadoopCommon、HDFS與MapReduce。系統采用Hadoop對采集到的數據進行處理。HDFSHDFS是Hadoop分布式文件系統(HadoopDistributedFileSystem)的縮寫，為分布式計算存儲提供了底層支持。采用Java語言開發，可以部署在多種服務器上，以集群處理數量積達到大型主機處理性能。HDFS架構原理HDFS采用master/slave架構。一個HDFS集群包含一個單獨的NameNode和多個DataNode。NameNode作為master服務，它負責管理文件系統的命名空間和客戶端對文件的訪問。NameNode會保存文件系統的具體信息，包括文件信息、文件被分割成具體block塊的信息、以及每一個block塊歸屬的DataNode的信息。對于整個集群來說，HDFS通過NameNode對用戶提供了一個單一的命名空間。DataNode作為slave服務，在集群中可以存在多個。通常每一個DataNode都對應于一個物理節點。DataNode負責管理節點上它們擁有的存儲，它將存儲劃分為多個block塊,管理block塊信息，同時周期性的將其所有的block塊信息發送給NameNode。

HDFS^fh式交忤至班住惓辭實時釵HDFS^fh式交忤至班-iE^.j、Int&met-UidjiJiLri.J業Mi

ilirUidjiJiLri.J業Mi

ilirililrilMd4K<1*140011sift■UEflri-SdKJ-JMih"diidillrW~j■'#■1ilr.iArirljri:■■■4lUrtf-iJtlOiXUwn皿口7Mtllfli*1AJU?MA藥品鼬率:S愷息岸二壤揩息庫■嘉史醫信啟.—?無人機伯恩庫:質褲持制信息系統采用hado&p技術送活數挪址理，相比傳統的的處理效暮hadoop的處理如率是ona*處理效率的105萬倍。云分析技術平臺采用云端分析技術，進行數據的分析和建模，主要采用了以下的算法進行數據的處理。K-Means算法k-meansalgorithm算法是一個聚類算法，把n的對象根據他們的屬性分為k個分割(k<n)o它與處理混合正態分布的最大期望算法很相似，因為他們都試圖找到數據中自然聚類的中心。它假設對象屬性來自于空間向量，并且目標是使各個群組內部的均方誤差總和最小。在該系統中主要使用該算法對植保需求和植保方式，藥

劑配合方面進行分析和預測。最大期望(EM)算法在統計計算中，最大期望(EM,Expectation-Maximization)算法是在概率(probabilistic)模型中尋找參數最大近似值估計的算法，其中概率模型依賴于無法觀測的隱藏變量(LatentVariabl)。最大期望經常用在機器學習和計算機視覺的數據集聚(DataClustering)領域。在本系統中，該算法主要用在藥劑的配比和使用上。植保需求建模技術在以上兩種算法計算結果的支持下，系統對歷史植保過程進行數據建模，供對新的植保過程預測和分析時使用。建模時主要采用了關聯規則分析的方式，用簡單的if-then規則描述數據之間的完備關系，使其能處理連續和離散的數據。并通過決策樹方式作為支持方式，當求解基于多個復雜屬性的特定目標值時其性能較佳，可以產生相互獨立的規則。在對植保過程進行建模時還采用了貝葉斯算法對植保噴灑服務進行數據畫像，它是一類利用概率統計知識進行分類的算法。算法共分七個步驟：收集大量的植保歷史數據，建立這些數據的數據集以備后續使用。提取數據集中較獨立數據特點，例如作物品種，藥劑類型等作為TOKEN串并統計提取出的TOKEN串出現的次數即數據頻次。按照上述的方法分別處理常規數據和特殊數據形成相應的數據集。每一個數據集對應一個哈希表，hashtable_good對應規律數據集而hashtable_bad對應非規律集。表中存儲TOKEN串到數據頻次的映射關系。計算每個哈希表中TOKEN串出現的概率P=(某TOKEN串的數據頻次)/(對應哈希表的長度)。綜合考慮hashtable_good和hashtable_bad，推斷出當新來的數據中出現某個TOKEN串時，該數據為規律數據的概率。建立新的哈希表hashtable_probability存儲TOKEN串ti到P(A|ti)的映射。至此，規律數據集和非規律數據集的學習過程結束。根據建立的哈希表hashtable_probability可以估計一個新的植保任務是規律的任務還是非規律任務，從而給出相應的植保噴灑意見。經過建模后的植保歷史記錄、農作物植保數據庫、藥劑使用規則等信息通過聚類(K-MEANS)將這些數據中的離散數據，分不同向量進行關聯，并通過不同維度進行提煉和加工，使數據在使用時，能夠準確進行定位，提升數據定位速度，避免了以往簡單查詢數據庫所帶來的性能差，運算慢，用戶體驗不好的問題。2.5、解決關鍵問題2.5.1、解決農業植保經驗不足問題以往植保噴灑過程中都是通過技術人員的歷史經驗，對所要噴灑的作物，使用的藥劑劑量，噴灑速度等等做出認為的預估和判斷，這就造成噴灑過程不可重現或模擬，一旦出現問題不知道從哪個環節入手去查找問題。而平臺通過采集多種數據，如氣象數據、土壤數據、農作物數據，蟲害數據等數據，通過對歷史數據樣本的比對，能夠精準從多個維度給出噴灑建議，使植保能夠有效的完成，保證其高效準確，殘次任務能夠得到有效控制和跟蹤。植保產業鏈條包括植保需求，飛手管理和培訓，藥劑生產，藥劑運輸，藥劑調配，藥劑噴灑，事后監督等環節。

農業植保無人機全產業鏈一覽圖空管鎰筑研制無人機駕駛證尢人弔L適航吐__行一i嘖灑犬藪據分析結果ifLtt結客前力機袍飛行攔割數傳唱信噴灑模型?乜訪人臥農業植保無人機全產業鏈一覽圖空管鎰筑研制無人機駕駛證尢人弔L適航吐__行一i嘖灑犬藪據分析結果ifLtt結客前力機袍飛行攔割數傳唱信噴灑模型?乜訪人臥運載車輛飛防職業培51駕頤培訓航空施用辰藥農業種植用戶空曽系統低障現階段各個環節的供需信息主要以自行發布，客戶主動尋找為主，都是獨立在各自小圈子中，彼此之間信息共享和使用不是很及時，造成植保過程延遲等問題。而農業大數據應用體系架構和平臺解決了全產業鏈的對接問題。從需求，到藥劑采購，再到無人機調配、藥劑運輸配比、農作物質保的各種需求信息，通過平臺進行整合，使信息能夠準確高效的進行互通。使得產業鏈中的各個環節不再是信息孤島，而是一個統一的整體，從而解決供需的瓶頸問題。2.5.3、植保飛手就業問題隨著無人機行業的發展，越來越多的人考取了職業飛手的飛行資格證，除個人喜好外，大部分人希望以此為職業來實現自己的價值。但是飛手在了解就業信息時，途徑相對匱乏。本平臺建設后作為國內農業植保的龍頭平臺，可以很容易讓飛手能夠找到飛手的用人缺口，及時培訓、就業。2.5.4、農業植保過程跟蹤監督問題在現階段所有的植保過程，都靠人工去進行記錄和提交，難免會有遺漏的內容和人為進行修改調整的內容，造成數據不夠清晰準確。農業大數據應用體系架構和平臺上線后，所有一切數據均來自于系統內部對植保任務的支持數據，數據格式化、標準化，同時減少了人為的干預，保證了數據的準確性和有效性，使得植保的全周期可追溯可復現，從而達到跟蹤和監督的效果。第三部分、項目建設進度2016年9月項目開始籌備2017年3月植保服務管理平臺上線運營2018年3月植保大數據運營管理平臺正式上線使用第四部分、投資估算4.1、資金使用預算平臺建設從2016年9月開始籌備，2016年共投入資金550萬元人民幣，2017年預計投入資金800萬元。2018年預計投入資金350萬元具體如下表所示：序號費用類別投資估算（萬元）2016年資金使用（550萬元）1可行性分析502技術研發4503研發設備502017年資金使用（800萬元）1技術研發5302數據采集2003研發設備702018年資金使用（350萬元）1技術研發2902研發設備60總計17004.2、項目資金籌措方案公眾公司自籌以及補助資金申請4.3、項目資金使用計劃農業大數據應用體系架構和平臺的建設作為公司的重中之重，公司為了保證項目的研發進度及重點技術問題的公關，采用了專款專用的模式，成立了資金使用管理委員會，公司總經理為管委會主任，財務總監為副主任，資金的每一步使用都需要經過管委會的審批，為項目研發及發展保駕護航。第五部分、效益分析5.1、經濟效益分析目前，無人機植保正處于爆發式發展的前夜，未來無人機植保的發展將是巨大的，因此無人機植保具有相當大的經濟和社會價值。通過對無人機植保過程的跟蹤及海量的數據匯總分析，能夠看出無人機植保在噴灑的精準度、減施程度、作業效率、抵抗環境不良因素等等都有具有非常大的優勢。對于大型農業基地、農場主、大型山地丘陵等等各類型全方位農業從業者來說都具有顛覆性的技術更新，無人機超高的工作效率和精準噴灑，大大降低了勞動力和農業成本的投入，從而提高了各自的收益，達到了總書記在農業植保方面的要求：減施增效。對于我公司來說，隨著無人機植保的爆發式發展，未來的經濟收益是非常可觀的，也是可以預見的。首先我公司已與國內領先無人機企業簽訂了合作協議，按照噴灑面積采用階梯價格模式進行植保費用合作分成，每畝1元（隨著耕種范圍增多分成遞減）。序號時間耕種范圍（萬畝）每畝收益（元）每年服務次數總收益（萬元）12018年50012100022019年10000.82160032020年20000.7228002018-2020年總收益對照表）其次，經過2~3年的發展，農作物的農藥噴灑將有80%采用無人機植保噴灑，將逐步取代人工機械噴灑。同時，農業植保電商平臺的應用將會積累大量的訂單及噴灑數據，通過微信、網站等多渠道大范圍的宣傳成功案例，將會吸引更多的大型農業基地、農場主來合作。再次，除了與現有合作企業合作外，我公司還會尋求新的合作伙伴，將合作范圍拓展至全國。最后，全國土地耕種面積達18億畝，無人機植保大數據平臺應用的發展空間和潛力巨大，我公司將力爭在未來3~5年內全國市場占有率達到10%，相信未來的經濟收益將會達到1個億。5.2、社會效益分析5.2.1、降低植保成本，提高農民收入在成本控制方面植保無人機也取得優勢，以電動植保無人機為例，每組電池6塊鋰電池成本12000元，每次作業面積15畝，充放電壽命200次，每畝分攤成本4元；飛手兩名，人工費用2元/畝；能源（電）費用2元/畝；無人機費用10萬計，折舊3年，每年作業20000畝，每畝成本不到2元。農藥成本相對人工節省50%，約5元/畝，相關維護費用1元/畝，每次共計16元/畝。人工植保方面，每小時作業面積2畝，每天8小時計16畝，人工成本160元，每畝10元；農藥10元，每次植保費用共20元/畝。再考慮植保無人機的政府補貼、電池費用下降、技術升級，成本優勢會越來越大。以每年噴灑5次，每畝作業價格10-20元為例，如采用無人機作業，一年的理論作業收入接近千億元，較人工開展農藥噴灑作業、施肥作業，每畝地單次可為農民節省2-5元的開銷。5.2.2、科學合理噴灑，減施增效無人機植保采用噴霧噴灑方式，具有作業高度低，飄移少，可空中懸停等特點，噴灑農藥時旋翼產生的向下氣流有助于增加物流對農作物的穿透性，防治效果好，也可以節約50%的農藥使用量，90%的用水量，大大降低了資源成本，能夠大幅度提高農藥有效利用率，使農藥噴灑均勻，減少農藥使用量，有效控制并逐步降低農業生態環境污染，提高農產品的安全質量水平，保證老百姓吃到放心糧食。人工植保下農藥的利用率只有30%，大量農藥進入土壤和河流，造成環境污染，糧食中大量農藥殘留。無人機可以實現噴灑路徑規劃，有效避免了人工方式下的重噴和漏噴現象，防治效果更加得到保證。并且實現了人和藥的分離，通過地面遙控或GPS飛控操作，噴灑作業人員遠距離操作避免暴露于農藥下的危險，而且在加注農藥方面，現在也已經開發出來自動加注機，植保無人機的應用推廣將會大幅度減少農藥中毒現象，避免造成不必要的損失，從而提高農藥噴灑的安全性。植保無人機在效率、安全、環保、防治效果、成本等方面大幅領先于傳統的人工植保方式。無人機每分鐘可以完成1-2畝的農藥噴灑作業，而人工噴灑農藥的效率大約每3-4小時1-2畝，拖拉機噴灑效率大約每10-20分鐘完成1-2畝無人機的效率目前是人工的200倍，是拖拉機效率的10-20倍，考慮無人機技術的提升，土地的平整和規模化，無人機效率上的領先優勢會越來越大。5.2.3、提供植保從業崗位，提升就業率我國可用耕地面積超18億畝，但山地丘陵面積較大，尤其以南方為甚，地塊面積分布零散，非常適合采用無人機開展農藥噴灑及施肥作業，據不完全統計，截至2014年底，我國投入使用的農用無人機已超過750臺，飛控手人數達1100多人；預計到2020年名中國對植保無人機的需求量是10萬架，從業人員需求量達到40萬人。通過對從業人員的定期培訓，可以讓其學習到更多的農業植保知識，提高從業人員的科學文化素質，開闊眼界，學習現代化思想觀念，為更多的勞動人員提供了新的就業機會。5.2.4、提高農業植保智能化水平，增強國際市場競爭力無人機植保大數據平臺依托數據挖掘分析處理、電子商務、精準營銷等手段，打造無人機農業植保服務電子商務推廣平臺。在市場經濟體制下，自然資源已不是競爭的優勢，擁有先進的科學技術和超前的國際市場信息，才是競爭力的真正體現。以美國為例，農場主足不出戶就可以了解諸如農產品期貨價格、市場供求信息、最新農業科技、氣象資料等，還可以進行網上交易和各種咨詢。農業大數據應用體系架構和平臺項目，利用互聯網在生產和市場需求之間構筑一條信息通道；實現信息資源共享，提高信息利用率，給予農民足夠的市場信息，促進農業產業構調整的順利進行。搭建農業電子商務服務平臺將使中國農業大步走向世界；也會使世界各國的農業和農業科技公司更好地進入中國市場，促進中國農業對外開放，發展外向型農業經濟。第六部分、項目風險分析及控制6.1、項目發展市場機遇在國家政策利好的大環境下，“互聯網+”在各行各業掀起一陣旋風，為傳統產業注入了新的力量，未來隨著互聯網和非互聯網融合的進一步加深，可能沒有必要再區分互聯網和非互聯網了，所有行業最終都可以統稱為“互聯網+”行業，為此，農業大數據應用體系架構和平臺項目需要緊緊抓住互聯網+、大數據、云計算、智慧農業、無人機、精準扶貧、智慧旅游帶所帶來的市場機會，對項目發展策略、產品策略及營銷策略進行全方位改造，明確在‘互聯網+'環境下的發展目標及模式，給農業大數據應用體系架構和平臺項目帶來更大的商業發展空間。智慧農業、無人機黑龍江省委省政府制定的“互聯網+農業”三年行動計劃開始了深入發展的階段，我省現代農業的發展迫切需要真正服務到農業“田間地頭”的實效產品，切實提升農業精細化、自動化水平，提高農業勞動生產率。當前“互聯網+農業”三年行動計劃各項工作已全面開展，下一步公眾公司可將高新互聯網技術與農業科技發展有效融合于一體，在智慧農業領域多點布局、軟硬件結合，推動移動互聯網、大數據、云計算、物聯網、無人機、電商平臺等新一代信息技術與農業生產、銷售和管理服務的全方位融合，實現傳統農業向智慧農業的“華麗轉身”。綜上所述，當前我們要充分分析、策劃制定現階段的應對風險的機遇和措施，明確了環境分析的職責，相應的準則，通過適宜的方法對這些內部和外部因素的相關信息，進行監視和評審，確保充分識別風險，消除風險，降低或減緩風險，充分利用可能的發展機遇，保證實現企業效益和質量管理體系預期結果。6.2、項目的風險性及不確定性分析任何系統開發都會在不同方面存在一定的風險，而系統開發項目由于其本身的創造性，注定了其風險的復雜性，在具體的風險識別過程中，此項目可能存在風險分析：6.2.1、市場化風險分析市場風險是由于產品目標市場及客戶的個性化需求而引發的，在項目面向市場后才開始逐漸顯現，并隨著項目進程的不斷推進而增大，主要表現在以下3個方面：（1）難以確定市場接受能力：研發項目開發出來的是全新的產品，顧客在產品推出后，不易及時了解其性能，難以確定產品市場潛力。（2）難以確定市場接受時間：項目產品從推入市場，到市場對齊產生大量需求，需要一段時間的積累，這一時間的長短不易確定，在這個過程中，不僅需要有大量的資金支持，還可能會導致企業研發新產品的研發資金在較長一段時間內難以回收。（3）難以確定市場競爭能力：公司的項目產品，在推向市場后，往往面臨激烈的市場競爭，如產品成本過高，或其他方面存在缺陷或不能滿足客戶的個性化需求，都可能影響產品在市場上的競爭能力。農業大數據應用體系架構和平臺項目的市場風險主要是指需求不確定性及業務發展帶來的風險，比如：由于系統使用者對系統將要實現的目標是模糊的、籠統的，而對于具體的需求不能準確描述等。目前正處于互聯網+現代農業的高速發展期，農業植保大數據產品的發展也呈現了這種趨勢，隨著業務的迅速發展，其產品方向也將逐步發展，但產品的核心功能比較穩定，業務發展帶來的需求變化風險較小，同時農業大數據應用體系架構和平臺是一個需求很明確的產品，其業務需求上不會有大的方向上的變化，在功能上將逐步有所創新。總體上來看其需求變化的風險較小。但是農業大數據應用體系架構和平臺產品的特點是其持續的優化改進，這個特點是必須的也是必然的，要規避這種風險需要有一定的開發、運營團隊，持續對產品的研發，規避業務需求變化的風險。6.2.2、技術方案實現風險由于技術更新換代快，容易被淘汰，并且由于技術上的不確定性，可能會導致公司各類研發項目失敗的可能性，主要原因有以下3點：（1）技術成功的不確定性：項目所采用的技術方案，是否能實現項目的預期目標，在項目研發之前和研發過程中是不能確定的，因技術原因而終止的項目在行業中也有較多案例。（2）技術效果的不確定性：項目在研發過程中，在項目未完成前，其最終的實現效果難以預先評估，因此可能會由于一些新技術的應用，而引發項目結果的一些不確定性，如功能bug、系統穩定性及執行效率等，導致即使項目成功開發完成，最終還是由于一些原因無法投入使用。（3）技術壽命的不確定性：由于研發類項目變化迅速壽命周期段，因此極易被更新的技術方案代替，被代替的時間難以確定，如果更新的技術比預期提前出現，采用原有技術方案研發的項目，將蒙受提前被淘汰的損失。農業大數據應用體系架構和平臺所采用的技術是非常成熟的技術，目前公眾公司具有強大的產品設計、研發、測試、質檢、運營等綜合型團隊配備及運營經驗，能夠為平臺的建設提供成熟產品以及技術支持，所以從技術方案實現的角度來看本期工程實現的風險較低。6.2.3、政策和法律風險本工程推出產品主要是針對傳統營銷業務的革新，作為老資格的電信業務服務提供商開展此類業務無法律風險。本工程無明顯的政策和法律風險。6.2.4、資金風險本工程從平臺可研開始到項目整體結束