很高兴有这样一个机会，就《大数据支撑农业监测预警》这个问题，和大家分享一下我的一些经历和情况。第一讲农业监测预警中的技术问题，第二讲大数据的来源，第三讲我们大数据研究工作的实践。
首先是监测和预警。许多专家、学者甚至企业界已经熟悉监测和预警。监测预警是对生产、流通、市场、消费全产业链进行数据采集、信息分析、预测预警和信息发布的过程。应该说，监测预警是现代农业管理的高端工具，现代化、信息化需要有监测预警。
事实上，现代化管理的过程伴随着与监控相关的项目。现代农业的发展一直受到监控。经过监测，农业现代化就完成了。现代农业的管理正在从收获前向收获后转变，从整个产业链转变。决策可靠、准确、及时。
农业风险防范的过程就是不断预警的过程。在现代农业管理中，每个人都应该不断预测未来。现在农业发展最难的就是很难真正快速了解市场。很多时候，我们不知道现在发生了什么，更不知道未来会发生什么，这是一个难题。目前，农业的经营需要规避风险。接下来，现代农业的经营存在三个问题。首先要数字化发现问题，其次是建模分析问题，其次是预警系统。以后也很难对系统进行预警。
数字化很难发现问题，建模很难分析问题。以前建模都是理论驱动，先有理论再有数据搜索。现实情况是经常找不到想要的数据。现在是数据驱动，该造点合适的了。以前是理论驱动，现在是数据驱动。这是一种趋势。我们要从大量的数据中找出适合我们领域的。系统的预警很难，需要对未来进行持续的、不间断的、系统的预测。由于农产品的自然性、地域性和脆弱性，很难进行24小时的广域、系统性预警。
数据源问题。在大数据时代，我们需要新的处理模式，这样才能拥有更强的决策、洞察和流程优化能力，才能适应我们海量、高增长、多元化的数据资源的数量和价值。因此，我们建立了以分析对象为中心的农业监测预警大数据系统，包括所有因素和过程的专门数据库。这些数据库包括八个模型，目前有70多个条目。首先是基准数据，大部分是一级数据，是为模型的开发打基础。二是实时数据，三是利用网络爬虫技术生产数据。这些技术条件已经足够。这三种方式的数据来源各有特点，这些数据的结合将推动这方面的进展。
建立数据分析实践。对于复杂的农业自然和社会背景，常规的模型预测方法反应滞后，分析问题非常笼统或不够深入。实时监控可以通过分析、判别、归纳发现一些问题，大数据的问题将从多维度整合全面构建。我们农业监测预警中的大数据分析，目的是得到你想要的，你想要哪个区域的。该系统可以进行生产分析、消费分析和供需平衡分析。现在，农业部也在尝试每月发布资产负债表。这看似是一项非常简单的工作，实际上却是一项需要非常强大的科技支撑的工作。
徐世伟，中国农业科学院信息研究所研究员