2021中国农业展望大会的大数据与监测预警专题报告会上，安徽农业大学信息与计算机学院教授李绍稳，布瑞克农业大数据科技集团执行总裁、首席产品官黄桂恒，北京佳格天地科技有限公司创始人兼CEO张弓，中国农业科学院农业信息研究所庄家煜博士作专题报告。以下为发言要点摘编。

　　李绍稳：区块链在未来农业场景的应用模式广泛

　　李绍稳认为，区块链在农业的应用处在初级阶段。区块链在农业方面的应用首先是实现农业数字化。其次是与其他技术结合，比如物联网、大数据、云计算、5G，可以打通可信的农产品流通链，解决农产品质量安全、产销以及信贷、保险、抵押的问题。

　　李绍稳表示，区块链在农业方面的应用有5个场景：一是区块链+农产品质量可信追溯。保证数据的真实可靠可信，比如五常大米跟阿里巴巴蚂蚁金服合作，实现了大米全部上链，保证信息的真实性。信息化、数字化程度的提高，降低了成本，提高了效益。二是区块链+农产品供应链。通过区块链可以解决信任问题，形成行业的共性模式，真正实现生产可记录、责任可追溯、动态可追踪、监管可共享的新管理模式。三是区块链+农业物联网。物联网数据传输到云端，通过区块链分布式节点存储，解决了流通成本高的问题。比如步步鸡，通过物联网可以计步，定位鸡的位置，这样一鸡一牌，保证生产环节生产的是土鸡蛋。四是区块链+农业保险。农业保险品种小、覆盖范围低，经常会出现骗保事件，有了区块链可以简化农业管理。像养鸭，保障了实时死亡数量的真实性和准确性，上链以后保证信息准确，这样可以自动批复。五是区块链+农村金融。农民的抵押物、合作社的抵押物毕竟有限，区块链可以通过信用来抵押。像农行的农银e管家，通过电商推出服务平台，打造信用网络。

　　黄桂恒：构建多方参与的大数据共赢体系支撑农业监测预警

　　黄桂恒认为，农业大数据的难点就在于数据定义模糊，结构化程度也低，在生产端和农时同频，在加工端和交易、物流同频。在空间上数据的密度非常低，有在空间上的稀疏，有在发生数据主体上的稀疏，有在价值链上的稀疏。一个产品各个层面的管理都会涉及在场景上不可控，最后导致数据的获取和维护成本非常高，整个数据应用的价值链比较模糊。包括作物模型、产销对接、溯源可靠性、价格指导等。并且农业试错成本极高，因为农业生产不可逆、周期长。因此一定要共建、共享、共用来整合数据信息。利用模式识别在成本可控的情况下把多元数据进行整合，提供可用可持续数据的应用场景。

　　黄桂恒表示，在供应端要做数字化，要把农产品供应的信息、生产的信息，利用尽可能多的手段下沉下去整理出来。做消费的数字化，不光要做信息的整合，更要做交易资源的整合。依托数据孵化产业，产业带动数据变现。数据变现以后带动整个循环。如果将农业数据资源织成一张网，线是横向的连接，产业是纵向的连接，空间上以线为目标，把线为单点的数据整合上来，把数据的治理标准、数据资源的支撑、智能的分析做起来，在产业上以重点产业为导向，把生产、加工流通到贸易，再到下游的消费组装起来，甚至上游的种质资源。

　　黄桂恒指出，需要通过打造数据的利益共同体来推动产业的信息化、数据化和智能化的升级，从订单的数字化到过程的数字化，也就是种、管、收过程的数字化，再到履约的数字化，包括中间的物流、结算等。

　　黄桂恒表示，将大数据定位在取之于民、用之于民，取之于第一线、用之于第一线，才能调动各方使用大数据工具的积极性，充分降低数据获取维护难度，最终推动大数据成为真正的要素。这个要素就像血液一样，会流动于各个要素之间，把它们串联起来，给农业供给养分。通过数字化的平台，能够搞清楚这个产品整个市场的波动，上下游的市场规模究竟如何，我们在各个环节的智能化工具进入到其中，才能够发挥我们的价值。所以我们要打造共建、共享、共用的农业大数据平台，助力乡村振兴的共赢。

　　张弓：推动中国农业从“看天吃饭”到“知天而作”

　　张弓表示，遥感技术的进步使得数据的频度与精度都得到了显著提高。现在国际上有30厘米到10米量级的特别适合农业的卫星数据源，基本可以实现对地表每天的扫描，这是农业相关的遥感数据建设坚实的基础。而且数据源也逐渐地从原来简单的光学遥感卫星为主进入到微波、激光、雷达多类型并行的时代。美国发布的SMAP卫星可以实现对地表水分的遥感监测，这对农业非常关键。萨尔卫星已经实现不受云的影响对地面作物进行监测。

　　张弓认为，构建农业能够直接用的标准化的遥感数据集非常重要。目前公开的数据已经很多，如何把计算过程费用降低变成核心问题。有了数据，还需要算法增强处理，这也是未来农业能够大规模应用的核心前提。深度学习的相关方法可用于遥感数据的自动化处理。

　　张弓认为，农业生产中最终产量如何是特别核心的问题。而通过高频的卫星遥感数据，结合作物模型，就可以做到以作物模型为核心，实现对作物产量精确的预估。这是建立在有每周有相关数据做调整的基础上。结合相应的人工智能算法，数据的应用也在更大程度上扩展。如有了遥感为的核心大数据体系，可以实现作物生长全过程的监测。包括返青或者出苗的监测、生长的监测、成熟度的监测、作物产量的评估、收获的监测等。

　　张弓表示，农业遥感大数据应用前景广泛。遥感和农机相结合可以实现农机具大范围的调配。还有农业和金融的结合，如农业保险，有非常大的扩展空间，也是实现农业大数据技术直接在服务农业、服务农业生产、服务农业金融、服务农业管理上的应用。通过数据在中国实现农业的电子或者数字层面的集约经营，根据数字的集约经营再结合保险信贷服务，真正做到看到天上的情况，知道未来的情况，结合数据做到更高效的生产。中国实际需要更高效的数据、更普遍的服务、更广泛的应用，来实现中国农业的现代化。

　　庄家煜：大数据是现代农业监测预警的助推器

　　庄家煜表示，农业监测预警模型最主要的特点是实时监测农业信息的变化，及时对分析的结果进行更新调整，这一特点与大数据不谋而合。模型是对现实的模拟和仿真，传统的理论驱动建模方式，在没有收集齐所有必需的数据之前无法驱动模型计算结果，这就造成分析问题条件化、分析结论片面化;大数据时代的来临，给人们建模方式提供了新的思路——数据驱动模型，这种分析方式更加接近人的认知过程，常常会有新的洞察。农业监测预警是对整个农业生产、流通和消费环节进行信息特征提取，并对农产品全息信息流进行揭示、模拟、调控、管理的过程。

　　农业展望是农业监测预警模型的重要应用场景。从宏观尺度来看，农业展望大会对每年的信息积累进行模型运算和专家会商，并对未来短中长期预测结果进行研判与更新。应用模型系统也是国际上开展农业展望的通用做法。

　　庄家煜介绍了中国农业监测预警模型(CAMES)建模原理。他表示，构建模型前需系统性考虑多种自然因素和社会因素的影响，模型通过外部信息输入和输出的方式进行联系，各个模型形成关联反馈，最终模型既可以体现外部因素对整个系统的影响，也可以体现内部相互的关联。他认为，未来中国农产品监测预警系统CAMES的监测预警模式可能会融合更多异构的信息，包括遥感、病虫害的图像等非结构化的数据，建立跨计算机语言的模型系统，同时集成农业上通用的模型，放到通用化的接口里来，提高整个模型系统的集成性和扩展性。