中國網/中國發展門戶網訊 農業現代化是實現中國式現代化的堅實基礎。過去較長一段時間，我國農業生產主要依靠勞動力、土地、化肥農藥等傳統要素的高投入來支撐高產出，農業生產要素投入模式粗放、投入結構失衡。提高農業全要素生產率，實現農業生產要素創新性配置，積極培育農業新質生產力是發展現代農業必由之路。
2023年12月，我國國家數據局等部門發布了《“數據要素×”三年行動計劃（2024—2026年）》，其中現代農業是重要場景之一。數據已成為與土地、勞動力、資本、技術等并列存在的基礎性生產要素，深度融入政府治理、企業生產和居民生活等各種應用場景。農業大數據是指通過各種傳感器、遙感技術、物聯網等手段，收集、存儲、分析和挖掘的與農業生產、經營、管理、服務等方面相關的海量數據。這些數據具有多樣性、實時性、動態性等特點，不斷積累能夠形成覆蓋農業生產、流通和消費的龐大數據集。大數據是先進技術的表現形式之一，通過大數據技術的應用可實現價值創造。當大數據從技術范疇轉變到要素范疇，與其他傳統農業生產要素協調聯動將更加深入，大數據要素對農業生產影響的廣度和深度也會進一步擴展，成為推動農業產業升級和模式創新的關鍵力量。
大數據的要素化為現代農業帶來了全新機遇，其與土地、勞動力、資本、技術等生產要素之間交互，不僅賦能要素的高效利用，也顛覆要素的配置格局。大數據促進了要素稟賦結構的優化、實現了要素配置的再均衡，在改造傳統農業、推動現代農業生產的高質高效轉型中至關重要。然而，大數據作為新的生產要素參與現代農業生產的內在邏輯和具體路徑尚不清晰，在一定程度上制約著數據要素參與現代農業生產潛力的發揮。為此，本文聚焦農業生產過程，揭示在要素化的背景下大數據支撐現代農業生產的基本邏輯和實現路徑，從而充分發揮大數據在現代農業生產中的作用，為培育農業新質生產力、建設現代農業生產體系提供決策參考。
農業大數據內涵特征
表征農業生產特征、記錄農業生產過程的數據信息自古代文明時期（如蘇美爾文明、古埃及文明）就存在，在近代則逐漸被歸納為對農業生產投入的耕地、勞動力、化肥農藥等農業生產要素的統計數據，以及基于統計數據形成的相關分析和判斷。斯蒂格勒曾提出“蹤跡工業”觀點，指出大數據本質上是對活動痕跡的捕捉與應用。延伸到農業領域，大數據也同樣表示了對農業生產過程中多維度信息的記錄與應用。農業大數據融合了農業的區域性、季節性和周期性等特征，兼具顯著的全面性和即時性。通過對大量不同類型、尺度數據的整合分析，既能夠實現農業生產活動的全程追蹤，也有助于從宏觀上研判農業生產的總體趨勢。相較于傳統的農業統計數據，農業大數據呈現出4個典型特征。
單位時間數據獲取的頻次增加。農業大數據的獲取頻次受收集技術、收集成本，以及數據需求等多種因素的影響。當前，數據收集和傳輸技術水平不斷提高、高質量精準農業的需求日益增長，農業數據獲取的頻次大幅增加。例如，農業生產領域所需的氣象監測服務大數據超越了傳統日常預報的范疇，追求更為精細化和專業化的氣象信息。經由氣象監測與數據的即時傳輸，農業生產中的氣象預報系統從傳統的每日更新模式，演進為每2小時甚至更頻繁的實時更新，有助于及時調整農事計劃以應對天氣變化。又如，安裝在田間的傳感器網絡有助于將對濕度的傳統經驗性估計，轉變為每周至少1—2次的定期監測，甚至在部分更為先進的農業系統中能夠實現每日多次監測，從而為農業灌溉系統的動態管理提供更為精確的數據支撐。
數據獲取的范圍和渠道擴大。在數據獲取范圍上，農業相關數據的獲取突破了地域限制，數據共享范圍已經從鄉鎮、縣域擴展到全國甚至全球。勞動力、種子、化肥等中間投入品，以及農用機械等關鍵要素的大數據收集與信息共享，也包括土壤理化性質、氣候環境變化等相關數據，初步實現從鄉鎮和縣域范圍向全國范圍的擴展。在數據獲取渠道上，除了傳統的統計數據和人工觀測數據，農業數據來源還包括通過傳感器收集的數據、遙感數據、農業實驗數據等。傳感數據通過安裝在農田中的傳感器收集，包括溫度、濕度、土壤成分等指標。遙感數據則來自衛星或無人機，用于監測作物生長、水資源分布和土地利用情況。實驗數據來自農業試驗田或農場中的實驗設備，收集作物生長、產量和病蟲害等專業化、定向化的基本信息。
數據類型與數據內容擴展。在數據類型上，農作物數據的收集不再局限于農業投入產出等生產數據，而是擴展到作物生長、病蟲害預警等農業生物數據，空氣質量、濕度、溫度等農業生產環境數據，以及農時、作物生長周期等農事操作數據。在數據內容上，數據信息更加多維。耕地的數據信息從傳統的面積、土壤類型、坡度等基本指標，擴展到土壤pH值、有機質含量等多維的土壤特性數據信息；糧食產出的數據信息從糧食產量統計，擴展到糧食的蛋白質、糖分等營養成分的數據信息，為產品細分和質量控制提供更為全面的數據支持；產后數據的開發運用在農業生產領域同樣具有重要價值。例如，電子商務平臺的農產品流通數據、農產品供應鏈管理數據等，有助于農戶掌握農產品市場供需預期，進而實現以需促產，降低農業生產市場風險，增強農業生產參與主體的市場議價能力。
基于大數據的農業決策支持系統不斷發展。依托農業大數據采集技術、存儲技術、處理技術、分析挖掘技術、展示技術等，多維海量的農業決策支持平臺逐步形成。隨著農業生產相關算法不斷完善、算力不斷增強，農業經營主體可利用精準農業決策模型綜合分析氣象參數、土壤屬性和作物生長周期等關鍵指標，并進一步結合專家系統提供的信息，以此形成定制化、適應性強的農業生產策略。農業大數據平臺的建立推進了智慧農業的專家服務系統、遠程智能控制系統、農機與農事服務系統的發展，提升了農業經營主體科學決策、規避農業氣候風險、促進農業降本提質增效的能力。
大數據支撐現代農業生產的內在邏輯與實現形式
大數據在現代農業生產的應用覆蓋了多個維度和不同階段，為現代農業轉型提供了強力支撐。從經濟學角度來講，農業大數據全面提升了農業生產的全要素生產率，包括改進管理和操作流程促進現有農業生產要素更有效利用帶來的技術效率提高，和促進現有農業生產要素在更有效率的地區或生產主體中使用帶來的配置效率的提高，從而提升了生產主體利用耕地、勞動力、水資源，以及中間投入品等農業生產要素的能力和水平。除了對農業全要素生產率的提升，農業數據類型和內容的擴展還增加了數據信息的維度，為傳統生產要素賦能，促進創新性、顛覆性生產模式與產業形態的形成，推動現代農業向高質高效轉型。整體邏輯結構如圖1所示。
基于海量數據的精準化管理提高了現代農業的技術效率
在全要素生產率的語境下，技術效率關注如何通過改進管理和操作流程來實現現有資源更有效地利用，核心是提高現有要素的利用效率。單位時間獲取數據的頻次增加使農業生產狀態控制更加精準。以新興傳感技術（如傳感器、紅外感應器和無人機等）、計算技術（如云計算等），以及網絡通信技術（如5G通信等）共同構成的新型農業物聯網系統，為農業生產提供了海量的精細監測數據。借助氣候變化與農業空間優化模型、動植物生長優化模型等農業生產模型，有助于實現更精細的農業生產流程監測和更精準的農業要素投入控制，使農業生產要素的投入更趨近理想的投入狀態，推動農業現代化技術的有效應用，并提高農業生產的技術效率。
通過調研發現，黑龍江北大荒錦河、遜克、軍川等農場在玉米大田種植中，根據氣象部門與傳感設備提供的天氣條件、土壤墑情感知數據進行2—3次中耕精準追肥；相較于傳統的1次追肥，能夠有效達到防止土壤板結、提高地溫、促進玉米壯苗等效果。在內蒙古巴彥淖爾河套灌區的智能化精確控水灌溉系統試點工程中，對7級灌排體系取用水量進行精準在線計量、對水情信息進行實時監測，不僅能節約30%左右的水、20%左右的化肥，且產量至少增加10%，還能保證小麥植株健康、籽粒飽滿，蛋白質、面筋質等綜合指標保持在較高水平。調研案例均體現出了高頻農業大數據對生產技術效率的提高作用。
基于多源數據的要素分配和使用優化了農業生產要素的配置
要素配置效率關注如何優化資源配置，確保資源在最有效率的部門或生產單元得到使用，核心是多種生產要素的合理分配和使用。數據獲取范圍的擴大降低了農業生產的不確定性，帶來資源優勢互補，信息的不對稱被有效縮小，要素投入的匹配有助于生產效率的提升。隨著農業數據獲取渠道的增多，更多非結構化數據集成納入農業數據系統。例如，作物生長的高光譜圖像數據有助于精確評估作物的健康狀況和營養需求，從而更精準地配置農用物資的種類和數量。
黑龍江省搭建的農機調度大數據平臺是大數據優化要素配置的典型案例。該平臺能夠對農機的跨區域作業進行優化調度，平臺依據作物生長周期及農事活動的具體需求，精確規劃農機作業的時間安排和行進路線，顯著降低設備的閑置率與重復購置成本。基于大數據的農機調度作業方式取得了顯著成效，我國于2024年啟動了“全國農機作業指揮調度平臺”，農機每5秒自動上傳一次數據，提供精確的位置定位、狀態信息和作業進度反饋。該平臺已成功接入91萬臺套農機設備，基于實時的數據信息跨區域調度空閑農機、送油到田，實現了“平急兩用”。此外，大數據也推動了要素投入類型上的匹配，通過農業生產社會化分工和生產性服務的外包，有效助力農業規模經營，優化了農業生產的整體布局。
數據要素與傳統要素組合推動瑜伽教室農業產業深度轉型升級
農業產業的轉型升級需要挖掘新增長點，大數據與傳統要素的組合支撐了多樣化產業形態的形成。農業大數據維度與內容的快速擴展，使農業生產函數已經逐步由土地、勞動與資金的傳統要素組合發生轉變，實現傳統生產要素與數據要素的新組合，改變了農業生產函數的要素稟賦結構，推動了前沿技術的進步和農業新業態的形成。農業生產需求由農產品生產不斷向產品的功能價值開發拓展，生產不僅要提高農產品產量，也要能夠精準滿足更加細分的、多元的農產品需求。
江西吉安市的“硒農管家”富硒功能農業數字化平臺是大數據賦能農業轉型的典型案例。該平臺能夠推動富硒農產品的智慧管理、包裝營銷、可視溯源的全鏈條一體化管控，從而保障了功能農產品的價值實現。富硒農產品的生產需要大量的有關土壤、水質、施肥等有益成分和環境條件的數據，以及生物營養強化或生物技術培育過程的監測數據。這些數據成為農業生產不可或缺的要素，即數據要素。數據要素和傳統生產要素構成新型的農業生產要素組合，改變了生產函數的稟賦結構，推動了農業生產函數結構和形式的躍遷。農產品作物生長環境、生長過程、品質標準等全生命周期的數據信息也提高了農產品生產的透明度和可追溯性，有助于建立高端農產品標識，加速了高端農業新業態的形成。
基于大數據的農業決策支持系統為現代農業產業提供支撐
現代農業產業體系是多目標、多要素、多主體的體系，是一個復雜巨系統。基于海量數據的農業決策支持系統是現代農業科學決策的基礎。農業決策支持系統融合大數據、人工智能、自動化控制等技術，通過對大數據的深度挖掘，整合專家系統（Expert System，ES）、數據庫管理系統（Database Management System、DBMS）等多類信息系統，衍生出了智能決策支持系統（Intelligent Decision Support System，IDSS）、群體決策支持系統（Group Decision Support System，GDSS）等新形式，將數據轉化為精確、準確的農業生產建議。基于大數據的農業決策支持系統將農業生產決策從傳統的技能經驗驅動轉變為知識技術驅動，實現決策能力的提升，形成大數據驅動的農業生產管理決策新范式。
在調九宮格研中了解到，黑龍江省農業農村廳構建了農業決策支持系統并已投入使用。該系統基于黑龍江省近10年生態功能區劃、土壤類型分布、作物種植布局、歷史施肥策略等35萬余條不同類型數據，能夠融合作物保產、生態保護、降低面源污染等多目標要求；并根據不同區域內土壤有機質合理范圍，提出農業生產的測土配方技術方案。基于大數據的農業決策支持系統能夠有效提升現代農業生產決策的科學性，實現多目標、復雜的現代農業決策優化。基于農業決策支持系統的綜合決策能夠實現對農業生產風險的前瞻性預判，識別并規避影響農作物產量和市場價格的風險因素，減輕極端天氣、病蟲害等對農業系統的潛在損害，增強農業抵御風險的能力。
推動大數據支撐農業生產的政策建議
基于農業大數據支撐現代農業生產的邏輯分析，圍繞建立完善農業大數據體系、提高大數據要素的利用效率，以及建立農業大數據決策支撐系統等問題，立足于我國農業大數據的發展現狀，本文提出推動大數據支撐現代農業發展的3條建議。
建立農業數據標準化體系，提高多源數據的兼容性
農業大數據呈現出多源異構的特點，缺乏數據采集和處理標準，不同來源的數據難以兼容，農業大數聚會據冗余與不足并存。涉及農業環境、氣候、土壤等方面的宏觀數據在多個部門統計和監測，這些數據的統計時段不同，有年度數據、季度數據、月度數據等；數據覆蓋區域劃分不同，有以行政區劃、地理區劃的，還有以土地用途為區劃的；數據獲取方式方法也不同，有統計數據、監測數據、遙感數據，以及來自“天空地”等各種先進技術終端的數據。這造成了有些數據的重復采集和統計，但是有關現代農業生產的作物生長監測、病蟲害防治、土壤有機質含量等細顆粒度的數據又嚴重不足，難以形成支撐現代農業生產的大數據體系。
建議加快農業數據采集、流通和管理的標準體系建設，以促進大數據之間的兼容與交互，切實提升高質量數據的供給能力。落實全國信息化標準建設戰略決策部署。借鑒國際上IPSO九宮格（IP-base Smart Object）、OMA（Open Mobile Association）等通信協議標準的應用經驗，加快我國通用型設施裝備通信協議標準制定的進程，同時保證其兼容性和可擴展性。明確各類數據的特征，并據此進行數據標準設計的初步探索。重點針對農業資源、環境監測及基礎農業等具有公共利益的數據，制定相應的數據采集、處理與監管規則。根據現代農業“綠色、生態、高效”的發展目標，對數據要求、技術要求、對接接口、運行及部署環境、安全保障等進行統一規范。應分階段推進農機輔助駕駛、作物質量檢測、設施環境調控等不同生產環節的數據采集標準的細則建設，以實現全面、系統的數據管理。
打通涉農數據流通的渠道，推進農業大數據的共享
我國涉農大數據的流通性較弱，有效的大數據共享生態尚未構建。在數據特征上，不同于其他產業數據，土壤、氣象、遙感等農業生產相關的數據具有一定的涉密性，主體數據開放顧慮多、阻力大、動力小。在數據質量上，我國政府公開可共享的涉農數據類型有限、關聯松散、時空連續性不足，企業、科研機構收集整理的農業數據一般僅供滿足內部業務需求，數據開放動力小，在一定程度上造成了數據重復收集，以及社會資源的浪費。在數據共享平臺建設上，我國農業相關主體的數據資源交換整合平臺正處于起步發展階段，優質數據獲取門檻較高，難以實現多向和高效的數據共享。
建議立足我教學國農業農村大數據基礎，推動數據中臺等數據基礎設施建設，打通涉農數據整合與流通的渠道。有計劃地逐步推進數據平臺發展。以整合現有平臺資源功能和補充功能短板為主要手段，聚焦技術發展前沿推動重點品類數據的匯聚，支持面向重點核心品類的區域性農業環境基礎數據庫、數據中臺建設，推動數據共享的基礎支撐平臺建設。全面深化公共數據的開放程度，推動數據管理部門與相關機構共同建設和共享高價值數據集。加快政府及科研機構涉農公共數據的脫密與脫敏處理，在確保信息安全的前提下，探索低成本或有條件免費的數據提供模式，以促進數據的廣泛利用。 消除數據共享壁壘，避免重復建設。政府應發揮領導作用，推動明確不同主體的數據權屬，督促涉農企業及相關平臺積極參與農業數據共享機制的構建。完善農業數據采集標準的頂層設計，建立涉農數據資源共享協商機制，創建農業數據資源共享目錄，并制定信息安全保密協議。同時，重點關注并完善數據共享激勵機制，探索農戶參與的數據采集網絡建設的新模式，以增強數據的流動性和可用性。
提高農業大數據分析能力，建立現代農業決策支持系統
我國農業大數據算法模型相對薄弱，算聚會力投入相對不足，這在一定程度上制約了前沿技術與顛覆性技術的發展，以及農業生產模式的創新轉型。與其他農業強國，如美國和荷蘭相比，我國在算法與模型開發方面起步較晚，這些國家的數據分析模型盡管已達到較高的成熟度，但在我國農業生產中并不完全適用。目前，國內現有的CropGrow等模型仍處于試驗階段，在極端氣候效應模擬、區域生產力預測、管理方案設計，以及環境效應評估等方面，仍需進一步改進和完善。在算力投入方面小班教學，現代農業生產需要高頻次、多維度和多源數據的采集，而大規模的土壤、氣象和遙感數據處理則要求強大的計算資源。然而，由于農業產業鏈投資見效慢、效益低等特點，社會對農業領域的算力投入積極性較低。相關統計數據指出，2022年中國的算力網絡應用主要集中在互聯網、政務、電信、金融和制造等行業，農業領域的占比不足3%。這一現狀亟須引起重視，以推動農業領域的數字化轉型和技術創新。
建議推動農業智能算法模型的聯合攻關，引導社會算力資源向農業領域適度傾斜，建立支撐農業產業轉型升級的決策支撐系統。推動由農業科研院所、農機生產商、農業服務企業、網絡服務商等相關主體組成創新聯合體，協同開展重點作物生長模型、病害人工智能視覺診斷等急需前沿技術的研發攻關，力求形成強有力的技術突破。同時，探索農業智能模型算法軟件的開源社區，鼓勵各方共同參與，分享技術和數據，從而提高農業智能算法與我國農業生產的適配性。對農業服務性企業、科研院所提供公共算力并進行補貼，探索應用“算力券”等政策工具，鼓勵中國移動、中國聯通等算力供應商拓展農業產業業務，降低農業領域獲取算力資源的門檻，推動數字經濟與農業產業的有效融合。建立完善農業決策支持系統的“數據庫系統”“模型庫系統”“方法庫系統”“知識庫系統”子系統架構，探索開發經驗驅動式決策與數據驅動式決策融合的現代農業決策支持系統。
（作者：李穎明、王子彤、劉釋疑，中國科學院科技戰略咨詢研究院 中國科學院大學公共政策與管理學院；汪明月，中國科學院科技戰略咨詢研究院。《中國科學院院刊》供稿）
