扎实推进农业农村大数据落地生根

简介:

我国农业已步入推进供给侧结构性改革的关键时期,面临的形势更加复杂,各种制约因素相互交织,深层次矛盾亟待解决。在信息化快速发展的今天,大数据成为准确研判农业农村经济形势、破解发展难题的有效途径。加快发展农业大数据,特别是推进大数据与农业产业全面融合,深化大数据在农业生产、经营、管理和服务等方面的创新应用,将为我国农业现代化建设注入新的元素、提供新的动力。

去年底,农业部出台了推进农业农村大数据发展的实施意见,作为一个指导性、纲领性文件,对未来5-10年农业大数据发展和应用作了总体部署。近日正式发布的《“十三五”全国农业农村信息化发展规划》,又对农业大数据工作作出了明确规划。

发展农业大数据的总体思路  

总体思路是紧紧围绕推进农业现代化、持续增加农民收入的中心任务,以智慧农业为目标,以发挥大数据预测的核心功能为根本,以实践应用和实际成效作为检验标准,建立健全数据采集、传输、处理、分析、发布、服务体系,大幅提升农业生产智能化、经营网络化、管理高效化和服务便捷化的能力和水平。

发展农业大数据的路径选择 

市场主体是方向。大数据的理念是分布式、去中心化。发展大数据,一定要运用互联网思维,树立众筹共享理念,通过政府引导,最大程度调动市场主体积极性。一定意义上讲,在大数据产业上,企业比政府嗅觉更敏锐,思想更解放,行动更迅速,对产业发展脉搏把握得更准。

数据采集是基础。大数据不在大,关键是准,即能够准确预测未来,本质是要在线、实时和全貌。尽快形成农业农村海量数据,发挥大数据分析、预测等功能,是农业农村大数据发展和应用的关键,也是难点。要推进数据共享,促进农业农村数据资源有序流动。要拓宽数据采集渠道,在继续巩固和提升传统监测统计渠道的基础上,一是要开辟物联网数据采集渠道,利用遥感、传感器、智能终端等形成实时海量数据,推进农业在线化、数据化;二是要开辟互联网数据采集渠道,通过网络爬虫等互联网数据抓取和挖掘技术,采集海量的结构化和非结构化数据。

应用是关键。发展农业农村大数据,关键在解决农业生产经营中面临的突出问题。要加快形成综合农业各行业、各区域、各品种的多维数据,通过区域结构、行业结构、各品种收益比价等数据,为农业供给侧结构性改革精准发力提供支撑。要通过大数据促进产需精准对接,通过供应链、产业链、价值链倒逼标准化、规模化和品牌化生产。

科技攻关是难点。大数据与传统统计数据相比,具有数据量大、来源多元、结构复杂等特点,传统技术难以应对数据的采集、存储、管理和分析要求,必须加强共性关键技术的攻关,推动农业农村大数据获取技术、海量数据存储、数据清洗、挖掘、分析、数据可视化、信息安全等领域关键技术的研发,形成安全可靠的大数据技术体系。

发展农业大数据的主要措施  

一是夯实基础。要切实做好顶层设计,推动数据共享开放,摸清数据资源底数,健全数据指标和标准体系。积极争取国家大数据工程项目支持,在农业农村大数据基础设施建设和重大应用上推出一批重大工程。加快建立全球农业数据调查分析系统,形成布局合理、资源共享、上下合力、全国一盘棋的农业农村大数据平台。

二是推动应用。鼓励农业各行业从品种上突破,比如葱、姜、蒜、辣椒、土豆等,逐个品种建立起从生产到消费,包括科研、加工、餐饮等各方面的全产业链大数据,从单品种、小数据逐步形成全品种、大数据。探索联合地方从区域突破,选择有积极性的省份,联合产学研各方力量,结合本地优势特色产业开展大数据建设试点,探索大数据发展的有效模式。

为深入贯彻《中共中央国务院关于推进价格机制改革的若干意见》(中发〔2015〕28号)、《中共中央国务院关于落实发展新理念加快农业现代化实现全面小康目标的若干意见》(中发〔2016〕1号)、《国务院关于积极推进“互联网+”行动的指导意见》(国发〔2015〕40号)、《国务院关于印发促进大数据发展行动纲要的通知》(国发〔2015〕50号)的战略部署,遵照汪洋副总理的批示要求,农业部立足开放市场条件下全球配置农业资源的战略需求,统筹国际国内两种数据资源,突出重点国家、重点产品和重点环节,加快形成数据共享、渠道共建的农业数据监测体系,加快完善以供需平衡为核心的农业数据分析体系,加快构建权威、集中、有序的农业数据发布制度,加快培育农业数据信息服务市场,以共享促共建,加快推进全球农业数据调查分析系统建设,努力提升我国农业发展的国际影响力和国际市场话语权和定价权。

本文转自d1net(转载)

相关实践学习
基于MaxCompute的热门话题分析
Apsara Clouder大数据专项技能认证配套课程:基于MaxCompute的热门话题分析
相关文章
|
8月前
|
传感器 人工智能 监控
数据下田,庄稼不“瞎种”——聊聊大数据如何帮农业提效
数据下田,庄稼不“瞎种”——聊聊大数据如何帮农业提效
268 14
|
9月前
|
机器学习/深度学习 数据采集 Java
Java 大视界 --Java 大数据在智慧农业农产品市场价格预测与种植决策支持中的应用(212)
本篇文章探讨了 Java 大数据在智慧农业中的关键应用,聚焦农产品市场价格预测与种植决策支持。通过多源数据采集、机器学习模型构建及动态预测预警,Java 大数据助力农户科学决策,提升收益并降低风险。结合山东寿光与黑龙江北大荒的实践案例,展示了技术在实际农业中的显著成效。
|
10月前
|
传感器 机器学习/深度学习 算法
Java 大视界 -- Java 大数据在智能农业温室环境调控与作物生长模型构建中的应用(189)
本文探讨了Java大数据在智能农业温室环境调控与作物生长模型构建中的关键应用。通过高效采集、传输与处理温室环境数据,结合机器学习算法,实现温度、湿度、光照等参数的智能调控,提升作物产量与品质。同时,融合多源数据构建精准作物生长模型,助力农业智能化、精细化发展,推动农业现代化进程。
|
传感器 机器学习/深度学习 人工智能
数据让农业更聪明——用大数据激活田间地头
数据让农业更聪明——用大数据激活田间地头
238 2
|
传感器 人工智能 数据可视化
打造农业大数据平台,助力农业现代化高质量发展!
中安数码积极响应农业农村部《全国智慧农业行动计划(2024—2028年)》,推出智慧农业大数据平台解决方案。该方案涵盖驾驶舱、农业用地“一张图”、土壤环境监测、土地质量评价、作物生长状态监测评估及农业生产管理等功能模块,通过大数据、AI、GIS等技术实现农业智能化、精准化发展,助力提升农业生产效率与资源利用率,推动现代农业高质量发展。
|
存储 传感器 算法
农业+大数据=?看 TDengine 如何刷新智慧农业新速度
在智慧农业的发展过程中,高效的数据管理与智能分析至关重要。某农业研究所智慧农业团队在实验温室集成了温控、智能水肥一体化、环境控制等系统,以优化果蔬作物的智能化管理。
235 9
|
传感器 人工智能 安全
大数据与农业:精准农业的发展趋势
【10月更文挑战第31天】在数字化时代,大数据正推动农业的现代化转型。本文探讨了大数据在精准农业中的应用,包括精准决策支持、智能种植与养殖、市场预测与资源优化、质量追溯与安全保障、农业风险管理等方面,以及精准农业的发展趋势,如农业信息快速低成本实时采集、农业专家决策系统的普及、智能化农机设备的广泛应用等。大数据为农业的高效、可持续发展提供了新的机遇。
|
8月前
|
机器学习/深度学习 传感器 分布式计算
数据才是真救命的:聊聊如何用大数据提升灾难预警的精准度
数据才是真救命的:聊聊如何用大数据提升灾难预警的精准度
568 14
|
10月前
|
数据采集 分布式计算 DataWorks
ODPS在某公共数据项目上的实践
本项目基于公共数据定义及ODPS与DataWorks技术,构建一体化智能化数据平台,涵盖数据目录、归集、治理、共享与开放六大目标。通过十大子系统实现全流程管理,强化数据安全与流通,提升业务效率与决策能力,助力数字化改革。
352 4
|
9月前
|
机器学习/深度学习 运维 监控
运维不怕事多,就怕没数据——用大数据喂饱你的运维策略
运维不怕事多,就怕没数据——用大数据喂饱你的运维策略
830 0