
农业监测预警迈入大数据新时代
春天应该种什么?秋天卖什么能赚钱?买什么生产资料最实惠?市场价格如何变化?哪些农产品短缺和过剩了?这些都是农业生产者和经营者最关心的问题。
而政府和涉农部门则关注扶贫、管理、农业支持服务、风险预测与评估,以及贸易情况。
这些不同的农业主体想的问题都能在农业大数据和农业监测预警研究中找到答案。农业部市场司赵卓处长告诉《中国科学报》记者,近年来农业部建立了覆盖主要农产品的市场监测体系,以及18个主要农产品的供需分析机制,连续4年发布中国农业展望报告,中国农产品监测预警系统(CAMES)逐步建成,专家和分析师队伍逐步壮大,影响力不断提升。
但与发达国家相比还有不小差距,需要根据新时代要求进一步完善。近日,“全国农业大数据与监测预警学术研讨会”在江苏扬州举行,中国农学会科技情报分会理事长、农业部市场预警专家委员会秘书长许世卫希望,这次会议能进一步认识建设现代农业、实施乡村振兴战略对农业监测预警的重大需要,凝练科学技术问题,形成农业监测预警新的技术方向,为促进农业农村经济发展、质量提升、效率变革、动力转换发挥技术作用。
据悉,研讨会由中国农学会科技情报分会主办,扬州大学农学院承办。农业部市场司、农业部科教司、江苏省农委、扬州大学等领导和相关专家170多人参加会议。
农业大数据无处不在
“我是研究作物栽培出身,时刻与大面积生产、大数据稻麦诊断调控打交道、作研究、搞推广。作物种植面积与田块分布、水土资源状况、药肥使用情况、农机作业状况、粮食总产与单产、粮食物流加工与消费等,均有大数据的应用。”中国工程院院士、扬州大学教授张洪程说,准确的客观的农业大数据中,蕴含着潜在的有用的大信息,是党和政府科学决策的基础与重要参考,也是科技工作者坚持问题导向、需求导向开展科技创新研究的驱动因子。
在农业供给侧结构性改革这一新时代背景下,农业已从片面追求“量”的稳步增长逐步转向“质”的有效供给,为新时期大数据研究带来了新机遇与新挑战。张洪程认为,“质”的供给研究比“量”的供给研究要求更高。例如,为解决粮食安全,我国长期以来十分注重水稻高产品种选育与栽培,随着农业科技的发展,生产效率的追求与消费需求的转变,水稻优质品种选育,与绿色优质高效栽培已成为重大需求。基于农业大数据与监测预警,掌握国家、省、市等不同尺度的优质水稻种植区域、种植面积、种植比例、品质等级、清洁生产状况等大数据,于政府而言可明晰推进举措,于种子企业而言可明晓市场格局,于稻米企业而言可精准知晓主体产地,于消费者而言可精准下单订购。
此外,张洪程强调,在农民数量下降、新型农业经营主体快速崛起的今天,基于农业大数据与监测预警技术的创新突破,为众多的种粮大户、家庭农场主、农民专业合作社、农业企业提供更精准、更全面、更可靠的大数据服务,已成为新的重大需求。
“大数据到哪里,科技精准服务就有可能到哪里。农业大数据与监测预警,不仅可以催生农业发展新动能,创建农业技术推广新模式,而且可以提升农业供给质量,革新农业经济增长方式。”因此,张洪程认为,大数据及其应用是一个发展前景美好的新型学科,相对于发展成熟的工业服务业大数据而言,农业大数据崛起不久,方兴未艾,需要大家一起来鼓与呼。
“用好无时不在、无处不在的农业大数据,是国家的重大需求,是粮食产业转型升级发展的迫切需要。”张洪程说。
系统化、集成化、智能化
就在11月上旬,国务院副总理汪洋在首届新农民新技术创业创新大会上强调,培养新农民、推广新技术,推进农村创业创新,是促进乡村振兴的重要举措。其中的“新技术”就包括互联网、大数据、人工智能在内的信息技术,而农业监测预警,就是这些“新技术”应用的一个具体领域。
许世卫告诉记者,作为当今农业科技研究领域的重大课题之一,监测预警理论与技术的创新与应用有利于“三农”工作中实际问题的解决。在实施乡村振兴战略过程中,利用农业监测预警,可以提升调控农业生产、提高农产品品质、提升应对风险与突发事件能力,以及保障国家食物安全、提高农产品国际竞争力。
许世卫长期从事农业监测预警研究,他表示,我国的农业监测预警工作已经进行了几十年的深入研究和大量实践。
在农业部等部委的大力支持下,在一系列国家科研项目及国际合作项目的支撑下,以及多个科研单位监测预警团队的不懈努力下,中国农业监测预警工作取得显著进展,青年一代研究人才不断成长。近十年来,构建了农业监测预警理论基础,突破了信息分类关键技术和系统研发难题,促进了农业信息分析学学科的形成;围绕农业发展中的一系列重大问题和需求,如农业自然灾害、作物病虫害、自然资源监测和农产品市场监测等,取得了不少研究成果;对现代农业管理的应急调度及信息权威发布等发挥技术支撑作用,如农业部开展基本全覆盖的18个品种监测预警,成立由农业部市场预警专家委员会、农业部全产业链信息分析预警团队组成的分析力量,
2014~2017年连续召开4届中国农业展望大会等;优秀团队、青年人才不断涌现,全国形成了较大规模、较高质量的农业监测预警研究团队和研究力量。其中,以许世卫为首席科学家的中国农业科学院农业监测预警团队,作为全国农业信息监测预警研究的国家专业队伍,培养了一支年轻化、专业化的专业人才队伍,在理论与方法研究、技术与设备研发、分析预警与精准化服务创新应用等方面开展了长期研究,取得了良好成效。
而目前,我国的农业监测预警已进入到以信息感知与智能分析为特征的快速发展阶段。
“农业监测预警已经步入大数据时代,正向着系统化、集成化、智能化方向发展。这就需要我们构筑新的协作平台,不断创新理论和技术,突破重大关键问题,共同推动成果应用和学科发展。”许世卫说。
农业监测预警的未来
“信息化已经使很多不可能成为了可能,颠覆了人们已有的观念。而大数据有望成为驱动农业信息监测预警的创新力量,推动农业市场化、现代化在新时代实现质的飞跃。”赵卓指出。他建议,下一步,农业监测预警要运用大数据技术优化信息采集;提升信息分析预警的专业性,如粮食产量预测、土壤空间数据挖掘、作物病虫害预警、气象产量预报等;增强服务精准性,更多聚焦于把握消费趋势变化、消费者行为等,把消费需求准确传递给生产者。
那么,未来的农业监测预警究竟会是怎样?许世卫为大家描绘了一幅蓝图。
首先,大数据应用将贯穿农业监测预警过程始终。包括宏观与微观相结合;数据处理、挖掘、分析,变“大”为“小”;抽取出农业监测预警的最关键的数据指标;归纳提炼农业信息流变化特征、内在机制、演变规律与影响路径等。
其次,实时感知与个性服务成为研究与应用重点。各环节智能化程度提高,实现“环境可测、生产可控、质量可溯”的实时感知;发展农业物联网技术,完善农产品全产业链监测体系建设,推动传统农业管理方式变革,减少生产管理中的传统路径依赖,建立市场导向的现代农业管理制度;探索建立涉农信息共享机制,形成全行业、可比较的基础数据库;完善工作机制、模型和方法,继续开展中国农业展望活动,发布权威农业市场信息。
“最终以向2亿多农户和成千上万其他农业经营主体提供全流程、多层次、低成本、个性化信息服务为目标,实现农业信息服务‘进村入户’。”许世卫说。
其三,以问题为导向的数据智能处理将取得突破。人工智能、数据挖掘、机器学习、数学建模、深度学习等前沿技术将应用到农业监测预警中,尽最大可能解决模型空间与真实世界的值差难题,实现各应用领域上覆盖农业全产业链的全程监测预警,并最终形成多品种巨系统、模型集群巨系统、时空巨系统和功能巨系统。
其四,国内外技术融合将产生深刻变革,多部门合作发展完善中国特色农业监测预警体系。通过跨学科、跨领域合作,拓展全球农业监测预警研究与合作平台,加强农业信息监测预警人才队伍建设,尤其是青年人才的储备,并由政府引领发展完善小农经营模式下的中国特色农业监测预警体系,推动农业监测预警向更快、更准、更高的方向发展。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15