您当前的位置:首页 > 新闻资讯

农业展望:从大数据看“十年”

发表时间: 2022-02-12

农业展望:从大数据看“十年”

中国农业展望大会供图

展望报告使用宏观经济、资源环境、生产、库存、价格、消费、贸易等方面的数据;对于数据,分析人员分析了主要变量的集中度、分散度、分布和关系,采用各种统计方法对相关数据进行处理和验证。

■本报记者胡轩子

种什么吧?卖什么贵?对于农业生产者来说,这可能是决定一年收成的关键问题。与盲目跟风或忽视需求相比,近年来,每年春末发布的一份报告可能会为指导生产者的决策提供重要信息。

固定展望品种、固定展望期、固定发布时间、固定发布形式,自2014年起,每年召开中国农业展望大会,发布未来十年中国农业展望报告。4月20日至21日,2019年中国农业展望大会如期在北京召开,会上发布了《中国农业展望报告(2019-2028)》)。

这样的报告是农业大数据整合、挖掘、分析和应用的重要成果,也是农业信息分析不断发展、农业监测预警理论体系不断完善的重要体现。

报告的技术支持

针对粮、棉、油、肉、糖等18种重要农产品,展望未来10年的生产、消费、贸易、价格走势,《中国农业展望报告(2019-202< @8)"(以下简称报告))到底怎么办呢?

农业农村部市场预警专家委员会秘书长、中国农业科学院农业信息研究所农业监测预警组首席科学家徐伟波介绍,有必要设置分析框架、确定基期数据、更新模型参数、分析模型运行、咨询专家等。需要多个环节才能得出展望报告。

也就是说,要形成一份展望报告,首先需要数据,然后需要模型工具。分析师和专家也很重要。

“我们在大数据的支持下进行了基期分析,在模型的支持下进行了农产品供需预测分析,在系统的支持下进行了智能分析。” 徐伟博在接受《中国科学报》采访时说。

据悉,展望报告使用宏观经济、资源环境、生产、库存、价格、消费、贸易等方面的数据;对于数据,分析人员分析了集中程度、分散程度、分布情况以及主要变量之间的关系。,采用多种统计方法对相关数据进行处理和验证。

为了预测未来中国农产品市场的供需情况,分析师们基于徐教授团队研发的中国农产品监测预警系统(CAMES),构建了差异化消费等十几个模型。预测模型法、价格长时记忆智能分析预测法等。同时,CAMES系统支持的智能预测也解决了多模型管理、模型多参数调用、余额表编译等问题。

“农业监测预警技术支撑展望报告的发布,”徐伟说,“农业展望是农业监测预警的重要输出之一,是组织和加强农业信息化监测的重要工具。预警系统,完善信息发布制度。”

农业监测预警进入大数据时代

在徐世卫看来,农业监测预警是基于信息流的特点,提取信息特征,观察数据变化,跟踪农业生产过程中的环境因素和生物本体以及农业全产业链的信息流向。产品市场。分析形势、发布预测、采取对策、防范化解农业风险的过程。

事实上,随着我国农业发展信息化水平的不断提高,农业监测预警的内涵也发生了显着变化。

据了解,过去几十年,国内农业监测预警主要经历了以传统计数统计为基础的起步阶段、以计算机辅助为特征的成长期、以信息为特征的成熟阶段等不同阶段。感知和智能分析。

从新中国成立到1980年代后期,农业信息的收集、分析和管理主要靠人工完成农业大数据,依靠“一支笔几张纸”通过实地调查和访谈记录收集信息。

1980 年代中后期至 20 世纪末,随着计算机和现代农业信息技术的应用,农业监测预警研究进入信息分析阶段,创造了一系列数据采集和处理,逐步建立预警和信息发布。机制。

进入21世纪,互联网、物联网等信息技术为农业监测预警提供了更加有效的分析和管理工具,农业监测预警朝着系统化、集成化、智能化方向发展。

“农业监测预警已进入大数据时代。” 徐伟告诉《科学中国日报》,现阶段数据采集实现了实时感知和广泛采集,形成了动静结合的大数据采集;数据分析实现了定性与定量相结合;监测对象更加全面细致;信息发布方式更加多样化。

他表示,大数据的应用将贯穿农业监测预警过程。随着数据来源更广泛、类型更丰富、结构更复杂农业大数据,“监测信息将从样本延伸到整体,分析对象和研究内容将更加细化,监测过程将从单一的农业环节转变”到全产业链、全过程、全生命周期的拓展,预警周期也将从中长期向短期拓展,预警区域从全国、全省覆盖到市、县、镇,甚至是田间。”

农业大数据“七十二变”

农业大数据具有体量大、复杂度高、潜在价值丰富的特点。估计一棵苹果树至少可以产生1TB的数据,包括生物信息、植物类型信息、环境信息、管理信息、质量信息等。

“农业数据量呈爆炸式增长,这些数据的整合、挖掘和利用将对现代农业的发展起到极其重要的作用。” 国家农业信息工程技术研究中心主任、中国工程院院士赵春江告诉《科学中国报》。

监测预警只是农业大数据的典型应用之一。此外,农业大数据还可以应用于耕地数量和质量管理、服务农业生产环节、促进农产品产销对接、把握生产和消费变化趋势等诸多领域。

不过,赵春江也指出,大数据系统需要解决三大问题:数据从哪里来,数据如何使用,谁使用数据。

他表示,农业大数据的来源和获取相对复杂,难以对农业生产、生产资料供应、农产品流通、市场需求以及涉农气象、土壤、和水文数据。不共享和断开信息的问题。

同时,在大数据识别和筛选过程中,缺乏基点调查、信息人员、数据分析师等来保障大规模数据的采集、筛选和归纳分析。海量数据也可能产生各向异性信息,这与事实是一致的。完全相反的结论,数据挖掘和深度学习更难。

“信息采集、处理、分析和信息管理是农业监测预警的基本内涵,是任何一个发展时期要解决的核心问题。” 徐伟坦言,进入农业大数据时代,农业监测预警面临诸多新挑战。那么,如何充分利用大数据,化繁为简,去伪存真?

他表示,迫切需要建立以需求为导向的实时信息采集技术,形成标准化的农业基准数据库,构建多市场、多场景的智能模型分析系统,形成可视化预警服务表达与应用。 .

赵春江还建议,农业大数据的获取成本相对较高,大数据的采集和建设要坚持应用需求导向,不要求全面。农业大数据的分析和处理也要注意适应性问题。

《科学中国学报》(2019-04-23第5版农业科技)

联系我们

电话:0791-86572999 邮箱:sales@ctrlworks.cn 地址:江西省南昌市红谷滩新区凤凰中大道926号中洋大厦写字楼21楼
地址:江西省南昌市红谷滩新区凤凰中大道926号中洋大厦写字楼21楼 电话:0791-86572999 邮箱:sales@ctrlworks.cn
琼ICP备2021009423号-5 Copyright 2014 康沃思物联 版权所有