中国网/中国发展门户网讯 农业现代化是实现中国式现代化的坚实基础。过去较长一段时间，我国农业生产主要依靠劳动力、土地、化肥农药等传统要素的高投入来支撑高产出，农业生产要素投入模式粗放、投入结构失衡。提高农业全要素生产率，实现农业生产要素创新性配置，积极培育农业新质生产力是发展现代农业必由之路。

2023年12月，我国国家数据局等部门发布了《“数据要素×”三年行动计划（2024—2026年）》，其中现代农业是重要场景之一。数据已成为与土地、劳动力、资本、技术等并列存在的基础性生产要素，深度融入政府治理、企业生产和居民生活等各种应用场景。农业大数据是指通过各种传感器、遥感技术、物联网等手段，收集、存储、分析和挖掘的与农业生产、经营、管理、服务等方面相关的海量数据。这些数据具有多样性、实时性、动态性等特点，不断积累能够形成覆盖农业生产、流通和消费的庞大数据集。大数据是先进技术的表现形式之一，通过大数据技术的应用可实现价值创造。当大数据从技术范畴转变到要素范畴，与其他传统农业生产要素协调联动将更加深入，大数据要素对农业生产影响的广度和深度也会进一步扩展，成为推动农业产业升级和模式创新的关键力量。

大数据的要素化为现代农业带来了全新机遇，其与土地、劳动力、资本、技术等生产要素之间交互，不仅赋能要素的高效利用，也颠覆要素的配置格局。大数据促进了要素禀赋结构的优化、实现了要素配置的再均衡，在改造传统农业、推动现代农业生产的高质高效转型中至关重要。然而，大数据作为新的生产要素参与现代农业生产的内在逻辑和具体路径尚不清晰，在一定程度上制约着数据要素参与现代农业生产潜力的发挥。为此，本文聚焦农业生产过程，揭示在要素化的背景下大数据支撑现代农业生产的基本逻辑和实现路径，从而充分发挥大数据在现代农业生产中的作用，为培育农业新质生产力、建设现代农业生产体系提供决策参考。

农业大数据内涵特征

表征农业生产特征、记录农业生产过程的数据信息自古代文明时期（如苏美尔文明、古埃及文明）就存在，在近代则逐渐被归纳为对农业生产投入的耕地、劳动力、化肥农药等农业生产要素的统计数据，以及基于统计数据形成的相关分析和判断。斯蒂格勒曾提出“踪迹工业”观点，指出大数据本质上是对活动痕迹的捕捉与应用。延伸到农业领域，大数据也同样表示了对农业生产过程中多维度信息的记录与应用。农业大数据融合了农业的区域性、季节性和周期性等特征，兼具显著的全面性和即时性。通过对大量不同类型、尺度数据的整合分析，既能够实现农业生产活动的全程追踪，也有助于从宏观上研判农业生产的总体趋势。相较于传统的农业统计数据，农业大数据呈现出4个典型特征。

单位时间数据获取的频次增加。农业大数据的获取频次受收集技术、收集成本，以及数据需求等多种因素的影响。当前，数据收集和传输技术水平不断提高、高质量精准农业的需求日益增长，农业数据获取的频次大幅增加。例如，农业生产领域所需的气象监测服务大数据超越了传统日常预报的范畴，追求更为精细化和专业化的气象信息。经由气象监测与数据的即时传输，农业生产中的气象预报系统从传统的每日更新模式，演进为每2小时甚至更频繁的实时更新，有助于及时调整农事计划以应对天气变化。又如，安装在田间的传感器网络有助于将对湿度的传统经验性估计，转变为每周至少1—2次的定期监测，甚至在部分更为先进的农业系统中能够实现每日多次监测，从而为农业灌溉系统的动态管理提供更为精确的数据支撑。

数据获取的范围和渠道扩大。在数据获取范围上，农业相关数据的获取突破了地域限制，数据共享范围已经从乡镇、县域扩展到全国甚至全球。劳动力、种子、化肥等中间投入品，以及农用机械等关键要素的大数据收集与信息共享，也包括土壤理化性质、气候环境变化等相关数据，初步实现从乡镇和县域范围向全国范围的扩展。在数据获取渠道上，除了传统的统计数据和人工观测数据，农业数据来源还包括通过传感器收集的数据、遥感数据、农业实验数据等。传感数据通过安装在农田中的传感器收集，包括温度、湿度、土壤成分等指标。遥感数据则来自卫星或无人机，用于监测作物生长、水资源分布和土地利用情况。实验数据来自农业试验田或农场中的实验设备，收集作物生长、产量和病虫害等专业化、定向化的基本信息。

数据类型与数据内容扩展。在数据类型上，农作物数据的收集不再局限于农业投入产出等生产数据，而是扩展到作物生长、病虫害预警等农业生物数据，空气质量、湿度、温度等农业生产环境数据，以及农时、作物生长周期等农事操作数据。在数据内容上，数据信息更加多维。耕地的数据信息从传统的面积、土壤类型、坡度等基本指标，扩展到土壤pH值、有机质含量等多维的土壤特性数据信息；粮食产出的数据信息从粮食产量统计，扩展到粮食的蛋白质、糖分等营养成分的数据信息，为产品细分和质量控制提供更为全面的数据支持；产后数据的开发运用在农业生产领域同样具有重要价值。例如，电子商务平台的农产品流通数据、农产品供应链管理数据等，有助于农户掌握农产品市场供需预期，进而实现以需促产，降低农业生产市场风险，增强农业生产参与主体的市场议价能力。

基于大数据的农业决策支持系统不断发展。依托农业大数据采集技术、存储技术、处理技术、分析挖掘技术、展示技术等，多维海量的农业决策支持平台逐步形成。随着农业生产相关算法不断完善、算力不断增强，农业经营主体可利用精准农业决策模型综合分析气象参数、土壤属性和作物生长周期等关键指标，并进一步结合专家系统提供的信息，以此形成定制化、适应性强的农业生产策略。农业大数据平台的建立推进了智慧农业的专家服务系统、远程智能控制系统、农机与农事服务系统的发展，提升了农业经营主体科学决策、规避农业气候风险、促进农业降本提质增效的能力。

大数据支撑现代农业生产的内在逻辑与实现形式

大数据在现代农业生产的应用覆盖了多个维度和不同阶段，为现代农业转型提供了强力支撑。从经济学角度来讲，农业大数据全面提升了农业生产的全要素生产率，包括改进管理和操作流程促进现有农业生产要素更有效利用带来的技术效率提高，和促进现有农业生产要素在更有效率的地区或生产主体中使用带来的配置效率的提高，从而提升了生产主体利用耕地、劳动力、水资源，以及中间投入品等农业生产要素的能力和水平。除了对农业全要素生产率的提升，农业数据类型和内容的扩展还增加了数据信息的维度，为传统生产要素赋能，促进创新性、颠覆性生产模式与产业形态的形成，推动现代农业向高质高效转型。整体逻辑结构如图1所示。

基于海量数据的精准化管理提高了现代农业的技术效率

在全要素生产率的语境下，技术效率关注如何通过改进管理和操作流程来实现现有资源更有效地利用，核心是提高现有要素的利用效率。单位时间获取数据的频次增加使农业生产状态控制更加精准。以新兴传感技术（如传感器、红外感应器和无人机等）、计算技术（如云计算等），以及网络通信技术（如5G通信等）共同构成的新型农业物联网系统，为农业生产提供了海量的精细监测数据。借助气候变化与农业空间优化模型、动植物生长优化模型等农业生产模型，有助于实现更精细的农业生产流程监测和更精准的农业要素投入控制，使农业生产要素的投入更趋近理想的投入状态，推动农业现代化技术的有效应用，并提高农业生产的技术效率。

通过调研发现，黑龙江北大荒锦河、逊克、军川等农场在玉米大田种植中，根据气象部门与传感设备提供的天气条件、土壤墒情感知数据进行2—3次中耕精准追肥；相较于传统的1次追肥，能够有效达到防止土壤板结、提高地温、促进玉米壮苗等效果。在内蒙古巴彦淖尔河套灌区的智能化精确控水灌溉系统试点工程中，对7级灌排体系取用水量进行精准在线计量、对水情信息进行实时监测，不仅能节约30%左右的水、20%左右的化肥，且产量至少增加10%，还能保证小麦植株健康、籽粒饱满，蛋白质、面筋质等综合指标保持在较高水平。调研案例均体现出了高频农业大数据对生产技术效率的提高作用。

基于多源数据的要素分配和使用优化了农业生产要素的配置

要素配置效率关注如何优化资源配置，确保资源在最有效率的部门或生产单元得到使用，核心是多种生产要素的合理分配和使用。数据获取范围的扩大降低了农业生产的不确定性，带来资源优势互补，信息的不对称被有效缩小，要素投入的匹配有助于生产效率的提升。随着农业数据获取渠道的增多，更多非结构化数据集成纳入农业数据系统。例如，作物生长的高光谱图像数据有助于精确评估作物的健康状况和营养需求，从而更精准地配置农用物资的种类和数量。

黑龙江省搭建的农机调度大数据平台是大数据优化要素配置的典型案例。该平台能够对农机的跨区域作业进行优化调度，平台依据作物生长周期及农事活动的具体需求，精确规划农机作业的时间安排和行进路线，显著降低设备的闲置率与重复购置成本。基于大数据的农机调度作业方式取得了显著成效，我国于2024年启动了“全国农机作业指挥调度平台”，农机每5秒自动上传一次数据，提供精确的位置定位、状态信息和作业进度反馈。该平台已成功接入91万台套农机设备，基于实时的数据信息跨区域调度空闲农机、送油到田，实现了“平急两用”。此外，大数据也推动了要素投入类型上的匹配，通过农业生产社会化分工和生产性服务的外包，有效助力农业规模经营，优化了农业生产的整体布局。

数据要素与传统要素组合推动农业产业深度转型升级

农业产业的转型升级需要挖掘新增长点，大数据与传统要素的组合支撑了多样化产业形态的形成。农业大数据维度与内容的快速扩展，使农业生产函数已经逐步由土地、劳动与资金的传统要素组合发生转变，实现传统生产要素与数据要素的新组合，改变了农业生产函数的要素禀赋结构，推动了前沿技术的进步和农业新业态的形成。农业生产需求由农产品生产不断向产品的功能价值开发拓展，生产不仅要提高农产品产量，也要能够精准满足更加细分的、多元的农产品需求。

江西吉安市的“硒农管家”富硒功能农业数字化平台是大数据赋能农业转型的典型案例。该平台能够推动富硒农产品的智慧管理、包装营销、可视溯源的全链条一体化管控，从而保障了功能农产品的价值实现。富硒农产品的生产需要大量的有关土壤、水质、施肥等有益成分和环境条件的数据，以及生物营养强化或生物技术培育过程的监测数据。这些数据成为农业生产不可或缺的要素，即数据要素。数据要素和传统生产要素构成新型的农业生产要素组合，改变了生产函数的禀赋结构，推动了农业生产函数结构和形式的跃迁。农产品作物生长环境、生长过程、品质标准等全生命周期的数据信息也提高了农产品生产的透明度和可追溯性，有助于建立高端农产品标识，加速了高端农业新业态的形成。

基于大数据的农业决策支持系统为现代农业产业提供支撑

现代农业产业体系是多目标、多要素、多主体的体系，是一个复杂巨系统。基于海量数据的农业决策支持系统是现代农业科学决策的基础。农业决策支持系统融合大数据、人工智能、自动化控制等技术，通过对大数据的深度挖掘，整合专家系统（Expert System，ES）、数据库管理系统（Database Management System、DBMS）等多类信息系统，衍生出了智能决策支持系统（Intelligent Decision Support System，IDSS）、群体决策支持系统（Group Decision Support System，GDSS）等新形式，将数据转化为精确、准确的农业生产建议。基于大数据的农业决策支持系统将农业生产决策从传统的技能经验驱动转变为知识技术驱动，实现决策能力的提升，形成大数据驱动的农业生产管理决策新范式。

在调研中了解到，黑龙江省农业农村厅构建了农业决策支持系统并已投入使用。该系统基于黑龙江省近10年生态功能区划、土壤类型分布、作物种植布局、历史施肥策略等35万余条不同类型数据，能够融合作物保产、生态保护、降低面源污染等多目标要求；并根据不同区域内土壤有机质合理范围，提出农业生产的测土配方技术方案。基于大数据的农业决策支持系统能够有效提升现代农业生产决策的科学性，实现多目标、复杂的现代农业决策优化。基于农业决策支持系统的综合决策能够实现对农业生产风险的前瞻性预判，识别并规避影响农作物产量和市场价格的风险因素，减轻极端天气、病虫害等对农业系统的潜在损害，增强农业抵御风险的能力。

推动大数据支撑农业生产的政策建议

基于农业大数据支撑现代农业生产的逻辑分析，围绕建立完善农业大数据体系、提高大数据要素的利用效率，以及建立农业大数据决策支撑系统等问题，立足于我国农业大数据的发展现状，本文提出推动大数据支撑现代农业发展的3条建议。

建立农业数据标准化体系，提高多源数据的兼容性

农业大数据呈现出多源异构的特点，缺乏数据采集和处理标准，不同来源的数据难以兼容，农业大数据冗余与不足并存。涉及农业环境、气候、土壤等方面的宏观数据在多个部门统计和监测，这些数据的统计时段不同，有年度数据、季度数据、月度数据等；数据覆盖区域划分不同，有以行政区划、地理区划的，还有以土地用途为区划的；数据获取方式方法也不同，有统计数据、监测数据、遥感数据，以及来自“天空地”等各种先进技术终端的数据。这造成了有些数据的重复采集和统计，但是有关现代农业生产的作物生长监测、病虫害防治、土壤有机质含量等细颗粒度的数据又严重不足，难以形成支撑现代农业生产的大数据体系。

建议加快农业数据采集、流通和管理的标准体系建设，以促进大数据之间的兼容与交互，切实提升高质量数据的供给能力。落实全国信息化标准建设战略决策部署。借鉴国际上IPSO（IP-base Smart Object）、OMA（Open Mobile Association）等通信协议标准的应用经验，加快我国通用型设施装备通信协议标准制定的进程，同时保证其兼容性和可扩展性。明确各类数据的特征，并据此进行数据标准设计的初步探索。重点针对农业资源、环境监测及基础农业等具有公共利益的数据，制定相应的数据采集、处理与监管规则。根据现代农业“绿色、生态、高效”的发展目标，对数据要求、技术要求、对接接口、运行及部署环境、安全保障等进行统一规范。应分阶段推进农机辅助驾驶、作物质量检测、设施环境调控等不同生产环节的数据采集标准的细则建设，以实现全面、系统的数据管理。

打通涉农数据流通的渠道，推进农业大数据的共享

我国涉农大数据的流通性较弱，有效的大数据共享生态尚未构建。在数据特征上，不同于其他产业数据，土壤、气象、遥感等农业生产相关的数据具有一定的涉密性，主体数据开放顾虑多、阻力大、动力小。在数据质量上，我国政府公开可共享的涉农数据类型有限、关联松散、时空连续性不足，企业、科研机构收集整理的农业数据一般仅供满足内部业务需求，数据开放动力小，在一定程度上造成了数据重复收集，以及社会资源的浪费。在数据共享平台建设上，我国农业相关主体的数据资源交换整合平台正处于起步发展阶段，优质数据获取门槛较高，难以实现多向和高效的数据共享。

建议立足我国农业农村大数据基础，推动数据中台等数据基础设施建设，打通涉农数据整合与流通的渠道。有计划地逐步推进数据平台发展。以整合现有平台资源功能和补充功能短板为主要手段，聚焦技术发展前沿推动重点品类数据的汇聚，支持面向重点核心品类的区域性农业环境基础数据库、数据中台建设，推动数据共享的基础支撑平台建设。全面深化公共数据的开放程度，推动数据管理部门与相关机构共同建设和共享高价值数据集。加快政府及科研机构涉农公共数据的脱密与脱敏处理，在确保信息安全的前提下，探索低成本或有条件免费的数据提供模式，以促进数据的广泛利用。 消除数据共享壁垒，避免重复建设。政府应发挥领导作用，推动明确不同主体的数据权属，督促涉农企业及相关平台积极参与农业数据共享机制的构建。完善农业数据采集标准的顶层设计，建立涉农数据资源共享协商机制，创建农业数据资源共享目录，并制定信息安全保密协议。同时，重点关注并完善数据共享激励机制，探索农户参与的数据采集网络建设的新模式，以增强数据的流动性和可用性。

提高农业大数据分析能力，建立现代农业决策支持系统

我国农业大数据算法模型相对薄弱，算力投入相对不足，这在一定程度上制约了前沿技术与颠覆性技术的发展，以及农业生产模式的创新转型。与其他农业强国，如美国和荷兰相比，我国在算法与模型开发方面起步较晚，这些国家的数据分析模型尽管已达到较高的成熟度，但在我国农业生产中并不完全适用。目前，国内现有的CropGrow等模型仍处于试验阶段，在极端气候效应模拟、区域生产力预测、管理方案设计，以及环境效应评估等方面，仍需进一步改进和完善。在算力投入方面，现代农业生产需要高频次、多维度和多源数据的采集，而大规模的土壤、气象和遥感数据处理则要求强大的计算资源。然而，由于农业产业链投资见效慢、效益低等特点，社会对农业领域的算力投入积极性较低。相关统计数据指出，2022年中国的算力网络应用主要集中在互联网、政务、电信、金融和制造等行业，农业领域的占比不足3%。这一现状亟须引起重视，以推动农业领域的数字化转型和技术创新。

建议推动农业智能算法模型的联合攻关，引导社会算力资源向农业领域适度倾斜，建立支撑农业产业转型升级的决策支撑系统。推动由农业科研院所、农机生产商、农业服务企业、网络服务商等相关主体组成创新联合体，协同开展重点作物生长模型、病害人工智能视觉诊断等急需前沿技术的研发攻关，力求形成强有力的技术突破。同时，探索农业智能模型算法软件的开源社区，鼓励各方共同参与，分享技术和数据，从而提高农业智能算法与我国农业生产的适配性。对农业服务性企业、科研院所提供公共算力并进行补贴，探索应用“算力券”等政策工具，鼓励中国移动、中国联通等算力供应商拓展农业产业业务，降低农业领域获取算力资源的门槛，推动数字经济与农业产业的有效融合。建立完善农业决策支持系统的“数据库系统”“模型库系统”“方法库系统”“知识库系统”子系统架构，探索开发经验驱动式决策与数据驱动式决策融合的现代农业决策支持系统。

（作者：李颖明、王子彤、刘释疑，中国科学院科技战略咨询研究院 中国科学院大学公共政策与管理学院；汪明月，中国科学院科技战略咨询研究院；编审：杨柳春；《中国科学院院刊》供稿）