农民在实际的生产过程中每天都要做很多选择：播什么种、施什么肥、如何管理农田、病虫害如何防治等等。实际上，一套农事任务，从生产规划、种植前准备、种植期管理，到采收、销售等每一步都会极大的影响农民的生产和收益，而且它们大多数环环相扣，如果选错一步，可能会出现多米诺骨牌效应，接连导致的后果可能就是减产。而这其中所需所产生的数据与要决策的问题，就属于农业农村大数据。

　　当前，大数据正随着信息技术与服务业态快速发展，已成为国家基础性战略资源。农业农村是大数据生产和应用的重要领域之一，也是中国由传统农业向现代农业加快转变的关键技术手段与科学决策。

　　相对应的农业大数据，可以从“天时、地利、人和”三方面理解：“天时”可以指实时的气象数据，如降水、温度、风力、湿度等;“地利”可以指动静态的土壤数据，如土壤水分、土壤温度，作物品种信息、作物病虫害信息等;“人和”则是从人力资源给出信息，农资产品使用、农产品加工和流通渠道、农产品市场价格等等。下面笔者通过比较中国与美国农业大数据发展特点及发展趋势，结合相关政策及行业发展需求，给出思考与建议。

　　美国农业大数据发展-注重大数据的精准化、智能化

　　在美国，一些种业巨头公司已经意识到，面对大数据时代的来临，传统行业模式也亟待转型。孟山都在前后收购和并购了Precision Planting公司和Climate Corporation公司，作为世界头号种子供应商，孟山都拥有全球最大的资源和海量产量数据，这些数据与Climate公司的气象数据相结合，可以得到种植环境区划和精细划分的品种数据，农民可以得到自己农场属于哪个种植区、什么样的种子、在什么条件下长势最好，以及更多实用的信息。而另一位种业巨头杜邦先锋公司依托其优质种质资源与研发技术，也已先行结合农业大数据推进精准农业技术。其种子部门与农场机械制造商约翰迪尔联手，给农民提供种子和化肥方面的指导。目前，无论是迪尔(Deer)公司的FramSight、孟山都(Monsanto)公司的ClimatePro或Field Scripts、先锋(Pioneer)公司的Field360，都已经是广泛使用的农业大数据系统，这些系统都与气候云(Climate Cloud)相结合，整合农民机械化农场设备的种植和产量数据，以及气象、种植区划等多样数据，可以得到较为详尽的种植决策，精准化农事生产，帮助农民提高产量和利润。

　　农业大数据让农民开始使用移动设备管理农场，掌握实时的土壤、温度、作物状况等信息，提高了农场管理的精确性，然而，再好的决策，也需要硬件去实施。在农业生产的过程得到有效合理利用的前提下，农田信息的管理和分析也变的至关重要。试想在大田生产中，即使相隔两三米远的两块地，土壤水分、营养情况、农作物长势也可能完全不同，过去农民并不懂得区分这种差异，会把同样品种等间距种下去。如今，通过农业大数据分析，可以得到肥力高的地方密植、肥力低的地方稀植，还可以更换合适的种子品种，而这些作业都是随着播种进行、自动完成的。合理的种植分析，可以给玉米每亩带来百余公斤的增产。因此，农业智能化下的农业机械化由此提出。美国天宝(Trimble)公司提供了整套农机作业综合解决方案“网络农场系统”，该系统能够通过无线模块发射无线网络通信连接整个农场的软件和硬件设备，从而使信息在室内电脑、农机车辆、其他终端间进行传输和处理。这套管理系统基于地理信息系统(GIS)开发，提供了全面的农业解决方案，包括对农场地图的浏览与编辑、农业产业的收益计算与管理、精准农业数据的处理与分析等。

　　在美国，农业大数据与精准农业概念相结合，已经应用于大部分农场并产生理想收益。通过对农业生产全过程的精准化、智能化管理，可以极大程度的减少化肥、水资源、农药等投入，提高作业质量，农业经营变得有序化，从而为转向规模化经营打下良好基础。

　　中国大数据发展-结合地域性特征的精细化管理

　　中国是典型的小农经济，人口众多，地势辽阔，土地资源分配不均。在农业大数据的发展上，早在几年前，一些IT巨头纷纷试水，联想佳沃集团布局农业三年，旨在打造农业“三全”战略-全产业链、全球化以及可追溯大数据平台。相应而生，也有一些宏观农业农产品生产大数据平台层出不穷。但是，做精细化的农业大数据，却没有预想那么快，中国农业大数据由于中国地域特点与数据采集基础建设不完善等特点，面临着农业农村数据历史长、数量大、类型多、数据缺失、数据质量不高、开发利用不够等问题。，对中国大部分新型农业主体和农场主来说，由于农业数据信息采集与获取管理初始投入成本太高，中国地块分布不均、普遍偏小，数据管理技术和方法不够成熟等问题，并不能像美国农民一样利用农业大数据系统管理土地与收益。中国工程院汪懋华院士也曾就中国农业地域分布与技术发展问题提到“在新疆和黑龙江有大规模农业，比较适用;但其他省份以小农业为主，要推行精准农业技术，困难不小”。

　　在中国的新疆、东北、山东等地，大规模农业生产相对成熟，精准农业与智慧农业发展正微掀春风;但是在全国范围内，小规模的农业生产方式以及巨大的地域差距，加上农民在生产管理上的顽固性，推广精准农业、做大数据分析依然举步维艰。

　　在中国开展农业大数据，结合地域特征做精细化管理是关键。在一些农业大省如山东、新疆、黑龙江等部分地区，精准农业推广已取得一定效果。例如在新疆兵团，农业综合机械化水平已经到达93%以上，卫星导航技术、小型植保无人机、变量施肥技术、自动驾驶技术等已经得到了推进。农业大省特点是规模化种植与大品类农产品居多，农业数据资源整合与管理具备一定优势，可以借鉴美国精准农业向精准化、智能化方向发展。而相比较农业农产品品类多、地域分布零碎等农业省份，更需要农业数据的整合与共享，对不同品类农业数据建立标准，实现农业生产智能化管理。

　　农业大数据发展与相关建议

　　我国已进入传统农业向现代农业加快转变的关键阶段。突破资源和环境两道“紧箍咒”制约，需要运用大数据提高农业生产精准化、智能化水平，推进农业资源利用方式转变。破解成本“地板”和价格“天花板”双重挤压的制约，需要运用大数据推进农产品供给侧与需求侧的结构改革，提高农业全要素的利用效率。提升我国农业国际竞争力，需要运用大数据加强全球农业数据调查分析，增强在国际市场上的话语权、定价权和影响力。由此看来，农业大数据发展既是巨大机遇，也充满了挑战。

　　发展农业农村大数据，需要充分利用现有数据资源，完善数据采集共享功能，建设完善农业农村信息综合服务平台;实现农业资源要素的数据共享，如农业环境数据、农业设施设备数据、金融资本等资源要素，结合物联网、云计算、卫星遥感等技术挖掘数据资源，可开发测土配方服务、农业保险等服务;推进农产品质量安全信息服务，建立农产品生产环境、生产资料、生产过程、市场流通等数据，实现数据自动化采集、标准化处理、可视化运营，可实现农产品质量安全追溯，促进消费安全。

　　无论是农业大数据，还有精准农业的应用，都事关中国的每一寸土地，在中国其推广阶段还需经历日求寸进的过程，此期间还需理智认清中国农业发展现状，合作与共享永远会是新常态，最后引用中国工程院院士、中国农业大学教授汪懋华的一句话结尾：技术装备价格下降和机器是否容易安装和维护;保护性耕作是否得到广泛推广;机械燃料、肥料和服务价格所占的比重。可以效仿美国实施精准农业的经验，根据需要、经济、实用的原则进行，不必一次性有把所有的技术都全套应用。只选对的，不选贵的。