经济参考报 2026-08-25·8月25日 · 周二报道精选阅读 3

第二十七届全国肥料信息交流暨产品交易会发布智慧肥水大模型 奇稷·肥水大模型同步上线

AI 评分
86重点推荐
影响力25
信息增量22
专业深度16
信源权威14
时效性9

全国性智慧肥水大模型发布,数据详实,影响深远,权威性高,时效性强。

摘要

日前在内蒙古呼和浩特举行的第二十七届全国肥料信息交流暨产品交易会上,全国农业技术推广服务中心正式发布智慧肥水大模型,集成20年全国测土配方施肥数据、每年30万户农户施肥调查数据与全国土壤墒情监测数据,构建土壤养分查询、墒情监测预警、农田气象感知、植株营养诊断、肥水智慧推荐等八大智能体。同会上国家农业信息化工程技术研究中心智慧水肥技术团队联合农芯科技(北京)发布国内首个农业水肥管理垂直大模型「奇稷·肥水大模型」,具备问土、探墒、知天、诊苗、巧算、识肥、智报、慧答八大核心功能,填补通用大模型在农田水肥精准管理方面的专业空白。截至2025年底全国水肥一体化技术应用面积达1.88亿亩,其中粮油作物8800万亩。会议搭建水肥科研、生产、推广、应用对接平台,吸引约320家企业参展、超120万人次观展。

文全文

在日前于内蒙古呼和浩特举行的第二十七届全国肥料信息交流暨产品交易会上,多名专家齐聚一堂,热议肥水精准高效利用,全面支撑大面积单产提升。

“我国化肥产能大,施肥量也大,一些化肥产品和农业生产需求的匹配度不够,限制了粮食产能的提升。未来通过精准施用肥料,进一步提升效率、促进增产是我们的努力方向。”中国工程院院士、中国农业大学教授张福锁说,当前我国农业生产已进入规模化、机械化、智能化的时代,要大力发展适配机械施肥、水肥一体化和无人机作业的专用肥料,同时充分挖掘有机养分潜力,推动肥料产业绿色低碳转型。

国家农业智能装备工程技术研究中心研究员郑文刚认为,肥水精准高效施用的核心是“测得准、配得准、施得准”,即土壤水分和养分检测快而准、灌溉制度和肥料配方生成精而准、作物水肥实施精而准。他表示,未来要更好地借助AI大模型实现不同场景下的水肥耦合调控,同时加强智慧水肥相关标准制定,加快智能水肥车、施肥无人机等智能装备的推广应用。

全国农业技术推广服务中心数据显示,截至2025年底,全国水肥一体化技术应用面积达到1.88亿亩,其中粮油作物8800万亩。内蒙古通辽、新疆伊犁等地建设玉米百万亩、千万亩水肥一体化“超吨粮田”等典型场景,实现水肥利用效率和粮食单产“双提升”。水肥一体化已经成为玉米、小麦、大豆等粮油作物大面积单产提升的关键举措。

大会上,全国农业技术推广服务中心正式发布了智慧肥水大模型。这个模型基于20年全国测土配方施肥数据、每年30万户农户施肥调查数据以及全国土壤墒情监测数据等构建,集成了土壤养分查询、墒情监测预警、农田气象感知、植株营养诊断、肥水智慧推荐等八大智能体,是水肥提单产的专业工具和智能助手。

据了解,第二十七届全国肥料信息交流暨产品交易会以“精准肥水 增粮增效”为主题,由全国农业技术推广服务中心、中国农业技术推广协会主办。交易会搭建水肥科研、生产、推广、应用等多方对接平台,吸引约320家肥料、节水、农机与智能装备等企业参展,超120万人次线上线下观展。

国家农业信息化工程技术研究中心 全国农技中心 水肥一体化 智慧肥水相关资讯

腾讯新闻·大众新闻·9月21日 · 周一76 分 报道肥料与水肥一体化阅读 6

指尖办农事,数字助粮安——齐鲁现代农事综合服务中心管理平台上线,水肥智慧大模型助力农户算好"浇水账 施肥账"

9-21 大众新闻报道:齐鲁现代农事综合服务中心管理平台上线首发选择在德州——全国首个百万亩大面积"吨半粮"引领区,2026年省委一号文件明确要求布局建设现代农事综合服务中心,全省新增水肥一体化推广面积300万亩;德州计划到2030年水肥一体化面积达到200万亩。省农业科学院作物研究所副所长李娜娜带来了水肥智慧大模型,这项汇聚土壤、墒情、气象、苗情等海量数据的技术,能针对不同地块、不同作物,智能输出个性化的灌溉施肥方案。齐鲁现代农事综合服务中心管理平台把政府政策、农户需求、金融资源、社会服务有效贯通,推动农业社会化服务从"碎片化供给"向"集成化服务"跃升。

IRJAEM Vol.04 Issue 07, July 2026·7月11日 · 周六56 分 论文农业AI与大模型阅读 10

Smart Agriculture Assistant: An Integrated AI-Driven Decision Support System for Crop Recommendation, Yield Prediction, Fertilizer Optimization and Market Price Forecasting

印度 Nagarjuna College of Engineering and Technology 的 Abeed K Attar 等提出 Smart Agriculture Assistant 综合 AI 驱动决策支持系统,集作物推荐、产量预测、肥料优化和市场价格预测于一体。系统利用 Random Forest、XGBoost、CatBoost、LSTM 和 SHAP 等多种机器学习算法分析 Kaggle 和 Agmarknet 收集的农业和市场数据集。框架处理土壤养分(N、P、K)、pH、温度、湿度、降雨量、作物特征和历史市场价格数据,为农民生成智能推荐和预测洞察。实验评估表明,所提出的混合框架达到 99% 的准确率,优于传统机器学习模型。