標準化體系建設，是農業大數據的牛鼻子，是全面推動農業精準化、智能化的前提條件和關鍵所在
“中國是農業生產大國，也是世界上農產品消費量最大的國家。2.7億多農戶今年種什么，決定著下一步農業供需。其巨大的影響和引領能力還影響世界農產品的生產、消費趨勢。”農業部市場預警專家委員會主任、農業部副部長屈冬玉在近期召開的“中國農業展望大會”上強調說。
此間發布的《中國農業展望報告（2017-2026）》，也為今年的農作物種植選擇釋放出權威信息：2017年，稻谷、小麥價格穩中偏弱；玉米價格將觸底企穩；大豆價格有一定下行壓力；蔬菜價格水平低于上年。
“有了價格走勢，就能幫助農戶自主選擇今年種什么，不種什么。”中國農科院信息所農業監測預警團隊首席科學家許世衛告訴《瞭望》新聞周刊記者。
農業展望報告還對未來10年的農業生產提出預測。以玉米為例，該報告認為，未來10年，玉米種植面積持續調減后趨穩，產量先降后增，預計2026年面積穩定在5.2億畝，產量恢復到2.21億噸。國內外價格基本接軌，玉米進口將呈現下降趨勢。價格在2020年之后可能再度進入上升期。
基于中國農業監測預警系統（CAMES）的基準預測做出的展望報告，是預警專家在前三年展望工作的基礎上，根據近期各方面變化綜合分析，對未來10年中國農產品生產、消費、貿易、價格走勢的展望。
受訪專家認為，農產品監測預警是現代農業穩定發展的基礎性工作。如果能提前準確預警，將對我國糧食安全做出重要貢獻。
現代農業發展面臨多重不確定因素，農業生產風險增加，急需提前獲取分析預警。“現在我國每年有6億噸的糧食生產能力，但受旱災、澇災、臺風、龍卷風、冰雹等自然災害影響，大約會造成10%的損失。”許世衛向《瞭望》新聞周刊記者介紹說。
近年來，農產品市場波動加劇，“油（由）你漲”、“蒜（算）你狠”、“豆（逗）你玩”、“蘋（憑）什么”成為熱門詞語。據介紹，2016年全年監測的28種蔬菜，批發市場平均價格4.12元/千克，這是歷史少有的最高價。今年前期價格有較大降幅。
受訪專家認為，我國農業的主要矛盾已由總量不足轉變為結構性矛盾。階段性供過于求與供給不足并存、農產品供求結構失衡、要素配置不合理、資源環境壓力大、農民持續增收缺乏支撐、增加產量與提高品質難協調等問題突出。多重矛盾下的農業生產，亟須農業監測預警做農業生產的“天氣預報”，以減少投入品損失、減少因災受損面積、減少產后損失，并及時發現市場異常，穩定市場形勢。
受自然、社會等因素影響，農業生產的決定因素極為復雜。過去對農產品預測往往是專項預測，而且有很多嚴格的假設條件。但在實際環境中，預測的效果并不好。“中國農業監測預警模型系統是進行多條件下的預測分析。集成了自然類、社會類因素分析方法，是多種預測方法對同一目標進行的綜合評判。”許世衛介紹道。
CAMES可用于預測未來中國各地區主要農產品的生產、消費、價格等市場情況，模擬分析政策措施對農產品供需市場的影響，可為農產品生產、經營、市場、管理提供有效的技術支持。許世衛告訴《瞭望》新聞周刊記者，2017年，CAMES系統主要從數據、模型、系統3個方面加強了對中國農業展望的支撐能力建設。
數據方面，圍繞農產品分析需求，完善了8大類72個數據庫的建設。通過目標回溯法，對1949年以來主要農產品消費數據進行了模擬，“修長”了我國農業消費數據。
模型方面，應用大數據、人工智能等新技術對CAMES進行了完善。通過對品種替代、市場關聯、產品比價等關系的分析模擬，提高了基線預測結果的準確性。
據了解，CAMES由短期、長期預測模型組成。短期預測模型包括氣象模型產量預測，投入類、管理類模型預測，監測內容包括農產品面積、長勢長相、氣象條件狀況等；長期風險監測則包括人口經濟發展、資源環境等因素。例如從長期來看，隨著人們對畜產品需求量的增加，需要更多玉米產品作為飼料，從這個角度能分析玉米種植業前景。
系統方面，引入分布式計算提升系統運算快捷性。在存儲數據庫上，將傳統集中式數據庫升級為分布式數據庫，提升了數據庫的存儲容量和大規模并發訪問能力。在模型算法設計上，將傳統的統計分析與計算機技術融合，提升了模型優化求解速度。
CAMES將農產品供需平衡原理與大數據技術融合，通過擴充數據全面性，提升分析智能性和強化運算快捷性。“重要的是獲取相關帶有特征值的數據。”許世衛認為，監測應用的關鍵點是知道現在發生了什么，發生到了什么程度，這就需要用到基準數據，即現代農業中涉及的生產、經營、管理等各種活動監測所依賴的標準化、基礎性、系統性數據。
“從目前看，我國農業數據仍有較大缺失，開發利用不夠、數據質量不高、數據采集基礎不完善。”山東大學名譽校長、農業大數據聯盟理事長溫孚江告訴《瞭望》新聞周刊記者，我國農業大數據發展應用還存在“五多、五少”的情況，即平臺（系統）多、標準少——現在農業領域缺少數據標準，數據孤島嚴重，數據無法共享；數據多、挖掘少——相比而言，歷史數據較多，但開發利用不夠；頂天多、立地少——數據總體分析、白皮書發布等服務于宏觀層面多，服務于行業、民生少；技術多，集成少——單項技術研發比較成熟，全產業鏈信息貫通、集成的較少；論述多、應用少——從理論層面研究者多，形成的大數據系統應用者少。
“農業大數據發展，政府很著急，但是落地的實招少。企業如雨后春筍般涌現，但是大企業少。互聯網+現代農業等新業態發展態勢好，但產學研不夠，普遍缺乏人才。”溫孚江解釋說。
“數據積累時間越長，分析才能越準確。”許世衛強調，相對于國外農業預警分析，我國在基礎數據方面積累不足，絕大部分數據產生于1949年之后，很多農業數據是改革開放后才逐步開始采集的，積累的時間比較短。但國際上有的國家在20世紀二三十年代開始就有了較為豐富的數據積累。
“現在預警系統還是宏觀的，只能指導宏觀層面，難以針對微觀生產需求，難以解決小農經濟下市場信息不對稱問題。把大數據應用到生產當中去還有一系列難題待解。”溫孚江說，除了宏觀預測，農戶還需要微觀指導，如今年種多少面積才合適、怎樣才能賣個好價錢等。“目前缺乏大的龍頭企業做這件事。”
此外，實時數據獲取是農業短期預測非常重要的方面，但我國實時數據獲取成本高、手段不足。“我國農業生產組織方式與國外差距很大，我們是小農戶的生產方式，國外是幾十萬畝的大農場，這導致了我國農業數據獲取尤其艱難。”許世衛分析說。
目前，我國農業數據分析方法也需要改進，現在分析方法已經到了較高的水平，但是與多產品要求有差距，很多品種缺乏分析報告。“原始數據的應用要開展多方面的工作，比如把視頻、調查表等數據進行標準化格式入庫，才能統一使用。”溫孚江告訴記者，農產品品類多、產品分區零碎的農業省份，更需要農業數據的整合與共享，對不同品類農業數據建立標準，實現農業生產智能化管理。
“我國農業數據主要由統計、農業、科技、氣象、海關等部門提供。這些數據能夠因項目需要整合到一起，但不是長久之計。”溫孚江認為，農業數據的實時獲取要靠農業企業完成。企業在服務農戶的同時獲得數據，反過來更好服務農戶。
例如美國孟山都公司作為世界頭號種子供應商，擁有全球最大的資源和海量的產量數據。這些數據與氣象數據相結合，得到種植環境區劃和精細劃分的品種數據。農民可獲得自己農場屬于哪個種植區、需要什么樣的種子、在什么條件下長勢最好等信息。
“在山東農業大學的技術支持下，我們在一些設施農業大市，采用物聯網技術，獲取大量數據。采集不同地區種植方式下的土壤、光照、溫度、濕度、污染、病蟲害信息，并用上產品質量追溯體系，具體指導生產。”溫孚江說，企業自己積累和構建的自有數據庫是體現自身優勢和競爭力的關鍵。這些微觀數據國家有關部門往往不掌握。但企業做數據收集有一定困難，需要協調各方關系，需要到處找數據。有些數據國家開放程度不夠、整合力度不夠。
溫孚江建議，國家應盡快建立權威的宏觀數據平臺和區域數據平臺，將大數據盡快形成新興產業；企業應建立自己的經營服務數據庫，提高服務質量指導生產，進而提高效益，這是企業的內生動力。希望多一些PPP形式，政府花錢買服務措施，給企業市場和舞臺。
“標準化體系建設，是農業大數據的牛鼻子，是全面推動農業精準化、智能化的前提條件和關鍵所在。”溫孚江認為，應構建涵蓋涉農產品、資源要素、產品交易、農業技術、政府管理等內容的數據指標、樣本標準、采集方法、分析模型、發布制度等標準體系；開展農業部門數據開放、指標口徑、分類目錄、交換接口、訪問接口、數據交易、安全保密等關鍵共性標準的制定和實施；構建互聯網涉農數據開發利用的標準體系。
2015年，國務院辦公廳印發了《國家標準化體系建設發展規劃（2016-2020年）》，部署推動實施標準化戰略。該項規劃對農業農村標準化做了指導。如要求開展農資供應、農業生產、農技推廣、動植物疫病防控、農產品質量監管和質量追溯、農產品流通、農業信息化、農業金融、農業經營等領域的管理、運行、維護、服務及評價等標準的制訂修訂，增強農業社會化服務能力。今年，農業部將在遼寧、吉林、黑龍江、江蘇等10省市開展信息進村入戶工程整省推進示范。這將為農業數據獲取提供更多的便利，為全面推動農業精準化、智能化生產提供支撐。
