經過多年的發展積累，覆蓋多個層面和領域的農業信息化系統已經在我國初步構建，各級各類農業信息資源已經較為豐富。各級各類農業主管部門和機構設立的農業大數據研究及應用機構開始不斷涌現，全國首家農業大數據研究中心已在山東農業大學成立。布瑞克、奧科美、佳格天地等專注于農業大數據研究應用的企業，充分發揮自身優勢，結合大數據和物聯網等技術，更好地服務于現代農業發展。同時，政府主管機構十分重視大數據技術在農業領域的作用，并在政策層面開展規劃布局。
農業大數據跨越不同的行業和業務部門，人們可以對農業產業鏈條的生產、流通、消費、服務等所有環節產生的大量復雜數據進行分析及深度挖掘。從農業的產業鏈上來看，根據數據產生來源，農業大數據可以分為農業生產數據、農業生態環境數據、農產品流通及消費數據等領域。
農業生產數據主要分為種植業和養殖業數據兩類，前者包括作物種植數據、化肥農藥等農資大數據，還有農機大數據、育種大數據、播種和灌溉大數據、農情大數據等。后者主要包括禽畜育種數據、個體系譜數據、個體生長及行為數據、動物疫情數據等。農業生產端的大數據服務主要面向農業項目規劃、農機調度、作物長勢評估、禽畜及水產健康狀況評估、生產決策優化、氣象預報、病蟲害防治等。
與傳統農業相比，當前的農業生產大數據具有以下新特點：原本適用于小農經營的耕種經驗已經不適合農業商業化經營，在此背景下，以物聯網、AI、數據分析等角度切入，原先指導生產的主要是傳統的種植經驗，現在已經逐步被大數據取代；農業科技創新極大改變了農業科研方式，大數據在信息育種、種質資源基因測序等方面扮演的角色日益重要；大數據技術可以優化生產決策，幫助農戶實現大面積種養殖基地的精細化管理。
農業生態環境大數據主要包括土地資源(如土地位置、地塊面積、海拔高度)數據、水資源數據、空間地理信息數據、氣象資源數據、生物資源數據和災害數據。
農業流通及消費大數據主要包括農資、農產品的市場供求信息、價格信息等。
首先，大數據可以實現精細化生產。農業經營者利用現代信息技術手段實時收集種質信息、生長環境信息、作物品種、 施肥施藥信息、農事信息等，通過對上述海量數據的核算和分析，幫助農戶進行優化生產決策和資源投入。如應用大數據技術研發的農田掃描定位，可以對每個田塊進行數據分析，依據田塊的定位編號、現有的營養結構，自動給出相應的施肥建議。
通過長期大量氣候條件、土壤自然災害、病害等環境因素的收集，科學匹配農作物品種和土地類型；對造成地塊產量差異的因素進行分析，因地制宜，針對不同地塊采用不同的耕作方式，從而更有針對性地指導灌溉、施肥、滅蟲，農業生產力和土地利用率得到極大提高。
其次，大數據技術有助于農業生態環境的改善。通過大數據技術的應用，可以實現按需給藥、按需施肥、按需增溫，因為減少了農藥化肥等化學物質的濫用，實現了農產品的安全性，另一方面也有助于減少對自然環境 帶來的損害，實現農業生態安全。
貴州“農業云”，實現了農業數據資源、農業生產管理的統一集成、管理、共享和服務?！稗r業云”整合 8 類數據，涵蓋種植、畜牧、水產、市場等各類農業信息資源， 建成脫貧攻堅產業情況分析、蔬菜批發市場價格動態分析、農業園區分布情況分析、新 農村建設資金分析和農機補貼資金分析等 5 個應用專題(系統)，推動全省 75 個農業園 區開展 146 個物聯網建設項目，實現了對農田實況視頻，農業氣象、土壤墑情、農作物 生長狀況、病蟲害等進行實時監測，結合作物產量預估模型，為貴州省特色農產品的長 勢和產量進行預測預警，提高了農業生產管理科學化水平。
(案例來源:貴州日報http://www.cac.gov.cn/2019-10/14/c_1572601065849277.htm)
第三，大數據可加速農業育種。傳統的作物育種和家畜育種成本高、工作量大，常規育種需要耗時十年甚至更久，大數據在育種領域的應用大大加快了這一進程。過去的生物調查通常在溫室和田地進行，借助計算機技術，再結合自動化的種子切片技術，在實驗室即可對大量材料進行篩選，大大減少田間的工作和花費，也有助于實現更迅速的決策。
第四，農業大數據可以幫助解決農產品供需信息不匹配問題。就整個農產品市場信息體系而言，傳統的農產品流通消費領域存在供求信息不匹配、不全面、信息流通不暢的問題，利用大數據技術可以很好地解決這些問題。通過全方位的感知和分析農產品產量信息、產品結構、流通及消費信息、病害及氣 象信息，結合對歷史數據的分析，利用智能分析技術判斷整個信息流的流量與流向，并對農產品全產業鏈的過程進行模擬，可以建立數據模型，從而找出共性、把握規律，掌握趨勢。農業大數據預警系統可以有效降低農業生產和銷售中的不確定性，讓農戶在產前、產中、產后進行全程把握，從而優化生產布局，避免浪費，力爭實現產銷匹配、生產和運輸的匹配、生產和消費的匹配。
近年來，農業農村部、商務部、發改委等部委和地方相關部門積極推動農產品管理 數據和監測預警系統的建設，并在實際運行過程中取得了一定成效，但目前的預警系統仍然面臨信息不夠準確、不實用和傳遞不到位等問題。
托普云農借助農業大數據匯總分析來識別害蟲的種類、數量。農業大數據管理平臺， 以 SAAS 為基礎，通過遙感技術、GIS、物聯網、互聯網等技術整合區域農業種植的各類數據資源，建立體系化的數據挖掘分析機制，進行涉農數據的自動采集、統計分析、決策應用。在托普云農農業大數據管理平臺中，借助智能蟲情測報燈、害蟲性誘測報系統等設備的數據傳輸、整合分析，實現對蟲害的發生期、發生量、發生類別以及危害趨勢 預測。同時，還能對病蟲災害發生后或發生期間向用戶提供防治的方法和措施。
(案例來源:托普云農)
最后，大數據征信有助于完善農村金融體系。傳統金融機構并未充分滿足農業農村的金融需求，由于農業自身存在信息化程度低，農民的有效抵押物缺少，經營過于分散等多種問題，造成農業的經營風險交高，農民收入波動較大，上述情況導致整個農業金融服務遠不如其他行業發達。大數據可以高效匯集并篩選有效信息，幫助金融機構全面了解用戶的消息，并通過對其日常收支情況、經營能力、負債情況、借貸歷史、消費情況、信用記錄、社交情況等維度進行分析、論證與建模，評價農戶的信用情況，上述數據可以作為發放貸款、設置農業保險的信用依據，可以有效減少金融風險，推動金融更好的為三農事業服務。
農業大數據存在的問題
當前，我國農業大數據的研究和應用取得了積極成效，但是在管理體制層面、技術層面、人才方面還存在著諸多問題亟待解決。
首先在大數據管理體制方面，我國農業大數據的突出問題是條塊分割帶來的結構性不合理。在當前的管理體制下，各農業主管部門的涉農大數據流動性差、難以共享；目前國家農業公共數據描述與表達標準尚未建立，各部門數據存儲和表達格式不一，數據標準化、規范化嚴重不足；數據開放性不夠，開放總量偏低，可機讀性不強；目前，缺乏覆蓋農業全產業鏈的，包含農業發展全要素、農業生產全過程、農產品銷售全流程的國家級農業數據目錄和標準體系。
其次，在大數據技術方面，我國大數據技術研發總體上水平不高。農業大數據的技術和應用，同國外發達國家都存在一些差距。大數據應用于農業生產時間也不長，技術積累和經驗嚴重不足。我國農業大數據來源廣泛，大量存在可用性差和異常數據過多的問題，無形中提高了數據挖掘技術的難度；農業大數據涉及環節眾多，規模龐大，各環節協同性差；大量非結構化數據的存在給農業大數據的挖掘、存儲和處理工作都帶來了困難。
最后，農業大數據技術人才匱乏。大數據技術專業性很強，通常需要完整的專業培訓才能很好地掌握。農業大數據技術的開發和應用，需要既熟悉農業生產技能、又掌握數據挖掘與處理等多方面知識的復合型人才。當前的條件下，很難讓一個 IT 人才轉去農田工作，而教會一個普通農民掌握大數據技術無疑是個相當困難的事情。其次，目前我國設置農業大數據專業課程的院校不多，造成農業大數據研究與應用人才嚴重不足。
田金強
清華大學互聯網產業研究院研究員，主要從事數字農業、三農事業發展、傳統產業數字化轉型等領域研究。曾參與《2019年互聯網+農業白皮書》等研究成果的編撰，主持數字福州、開江縣數字農業、溧陽白茶產業升級等數字化轉型項目，此外，曾參與北京市朝陽區科技創新集聚區研究、中信集團“信息化對推動央企高質量發展中的作用”等研究工作。2019年組織發起清華大學互聯網產業研究院“地方特色農產品發展論壇”，在《中國戰略新興產業》、《中國測繪》等期刊發表數字農業類文章數篇。
