非常高興有這樣一個機會，和大家分享農業(yè)監(jiān)測預警方面的相關內容。這次會議開的非常好，對我個人來講，信息量很大，收獲了很多新的觀點。
    農業(yè)和其他行業(yè)有很多不同的地方，有它的特點。在互聯(lián)網時代、農業(yè)大數據時代，我們有很多工作可以做，今天以農業(yè)信息監(jiān)測預警技術與應用這個題目與大家分享。
 

一、監(jiān)測預警是現(xiàn)代農業(yè)管理的工具
    首先，什么是監(jiān)測預警，中央文件多次提到監(jiān)測預警這個名詞，相信大家并不陌生。
    現(xiàn)代農業(yè)發(fā)展之快，跟20年前、跟建國初期的農業(yè)相比，*是不一樣的時代?，F(xiàn)在每年的糧食總產量6.2億噸，是過去的3-4倍，蔬菜的產量7億多噸。目前農業(yè)仍存在很多的問題。比如，我們有大量的進口產品，但我們又有大量的庫存，為什么？我們要思索在農業(yè)產業(yè)鏈信息流的變化過程當中，究竟要看到什么？
    農業(yè)監(jiān)測預警源于兩個基本的變化。一是基于現(xiàn)代農業(yè)的高風險變化，二是基于互聯(lián)網時代，信息獲取手段的多樣化與便捷性。這兩個條件使得農業(yè)監(jiān)測預警成為一個新的研究內容，也成為我們現(xiàn)代農業(yè)管理的工具。
    現(xiàn)代農業(yè)監(jiān)測預警，需要做什么？
    *，是實時掌控這個產業(yè)。實時了解過去一年、過去一個月、過去一周、過去一天的氣象條件、市場價格變化等信息變化；
    第二，是要不間斷的來預判預警未來發(fā)生的事情；
    第三，監(jiān)測預警是實現(xiàn)現(xiàn)代農業(yè)zui基本的管理手段。

二、監(jiān)測預警開啟了現(xiàn)代農業(yè)管理新的篇章
    我們可以把農業(yè)簡單的分為，古代農業(yè)、傳統(tǒng)農業(yè)和現(xiàn)代農業(yè)?，F(xiàn)代農業(yè)的生產要素，所面對的重點問題，以及解決問題的方法都發(fā)生了很大的變化。
    把掉在地上的谷食撿起來就可以吃，那是古代農業(yè)。人畜動力的介入使我們進入到了傳統(tǒng)農業(yè)時代。到現(xiàn)在為止，我們國家仍有很多地方還處于傳統(tǒng)農業(yè)階段。農業(yè)難就難在，先進的科技成果應用與落后的傳統(tǒng)方式交織在一起。到了現(xiàn)代農業(yè)階段，管控農業(yè)的方式發(fā)生了很多的變化，未來的農業(yè)一定是產業(yè)功能時代。可能你從來沒有農業(yè)生產及管理經驗，但會有人提供給你儀器設備，提供給你管理方式，農業(yè)信息化發(fā)展就要在這些方面做些準備。
    什么是農業(yè)監(jiān)測預警？
    從技術能力的角度來看，監(jiān)測就是對農業(yè)的生產、消費、市場等農業(yè)的構成環(huán)節(jié)，進行線性的描述和行為的監(jiān)測追蹤的一個系統(tǒng)行為。說的通俗一點，我看的不只限于肉眼觀察的，還有儀器設備監(jiān)測到的實時數據，以及信息在系統(tǒng)后臺經過分析處理后，反饋到前臺的信息。預警就是對未來農業(yè)運行態(tài)勢進行分析和判斷，提前發(fā)布預告，采取應對措施，以防范未來風險。
    監(jiān)測預警，沒有監(jiān)測就沒有預警，預警一定是建立在監(jiān)測基礎之上的。
從信息流的角度來看，監(jiān)測預警就是在這個生產、流通、消費過程等諸多環(huán)節(jié)當中，信息特征值的提取和信息值的變化。下一階段的結果，一定是上一階段的因素影響造成的。
 

三、農業(yè)監(jiān)測預警的價值跟利益
    首先，我們這里有個發(fā)改委的簡單統(tǒng)計，稻谷每畝的用戶量的數據是6.25噸/畝，小麥4.65噸/畝，玉米5.95噸/畝、棉花6噸/畝......。我們目前一畝地的建設用工至少在120塊錢以上，這部分勞動力我們有沒有辦法減少？這就是監(jiān)測的意義了。預警的意義就更大了，我們是國土面積很大的一個國家，南面是旱災，北面是澇災，這種情況是每年每個季度都有，這是客觀存在，改變不了的。我們每年的受災面積是3億多畝，我們總共的面積是19億畝，那么我們應該怎么減少受災的面積呢？通過預測來減少產量的損失，減少經濟的損失。
    市場對中國來講的確是一個大問題，農產品市場的變化是非?？斓?，去年的1-10月份玉米的價格的日均波動率是0.6%，高于前年。玉米的問題特別的多，特別的大，特別的難以解決，但是現(xiàn)代農業(yè)要想辦法，要使庫存大大減少，那么預警對把握市場的形式是很重要的。
    那我們監(jiān)測的是什么呢？從生產率來講，我們看到在坐的很多公司產品，從植物生理的監(jiān)測、土壤的監(jiān)測、環(huán)境的監(jiān)測，還有病情、蟲情、墑情等等，是真正的高功效、低耗能的監(jiān)測產品，但我們要做的事情還是太多了。從信息層面來講，就是數據流、信息流，這個生產的數據zui后會變成收割的產量，變成了運輸的量，變成了銷售的量，我們農業(yè)問題也就出現(xiàn)在這個漫長的流動過程之中。
    那么預警是什么？首先是產量的預測，蔬菜的價格變化，5%到10%視為明顯波動，10%-15%顯著波動，15%以上劇烈波動，幾乎一半的時間都在均勻的波動。那么這些波動我們能不能預警呢？難點在三個方面，首先未來發(fā)生什么不知道，發(fā)生的程度我們也不清楚，預測的值是不是在預估的范圍之內也難以確定，所以監(jiān)測預警應該說是四化發(fā)展中zui的管理方式。在國家很多項目中，農業(yè)部也部署了很多農業(yè)監(jiān)測預警工作。
 

四、農業(yè)監(jiān)測預警關鍵技術
    農業(yè)監(jiān)測預警面對兩大挑戰(zhàn)，首先是數據采集，其次是數據分析。
    在數據監(jiān)測方面，數據的準確性、數據的連續(xù)性等問題仍待解決。
    在數據分析方面，統(tǒng)計局的方法（經典的），計量模型分析，大數據的關聯(lián)分析。
    農業(yè)預警三大核心技術，一個是數據采集技術，一個是數據分析技術，一個是數據推動技術。
    數據采集，目前調查統(tǒng)計方法依然在我國農業(yè)信息采集起到很重要的作用。300份表格，22道系統(tǒng)，幾萬個指標在管控農業(yè)。從國家農業(yè)部到省農業(yè)廳，到市、縣農業(yè)局，層層統(tǒng)計上來的，深入到源頭管理，但和前面提到的實時監(jiān)測還是有差距的。這里面突顯出儀器是很重要的，我們很多企業(yè)就是在干這個事。需要強調的是，大田的工作一定要和實驗相對應。
    這里我很贊同前面那些專家領導所講的，農業(yè)是很復雜的，看上去很簡單，稍微深入，就會發(fā)現(xiàn)是特別復雜的一個領域。一個品種的分析，關乎自然環(huán)境，生物環(huán)境，國家政策，勞動者素質，市場狀況等等，農業(yè)就難在這。但我們也不要畏懼農業(yè)，未來的農業(yè)一定是信息化農業(yè)，沒有別的道路。
    數據分析，涉及到產業(yè)結構、產品結構、資源要素配置等等，做這樣的系統(tǒng)需要很大的努力。我們現(xiàn)在在做中國農業(yè)監(jiān)測預測系統(tǒng)，已經做了很多年，到現(xiàn)在為止，依然在不斷的更新之中。它是靠實時數據的采集加大系統(tǒng)的模型、基準數據的，希望不久模型和數據是可以公開的，我覺得中國很多工作的公開很重要，你能公開就顯示你有力量。
    預警的過程是尋找警源，是什么引起的，是警告。要發(fā)現(xiàn)這個警告，形成警行。這里有數學的分析，經驗的判斷，應該是定性變量相結合的，預報的警度。還有zui終服務技術，能夠根據不同用戶不同信息進行的推送。
 

五、農業(yè)監(jiān)測預警的應用
    首先是政府對監(jiān)測預警尤為關注，很多投入都是國家的，希望企業(yè)單位除了關注生產用戶之外，能更多的關注政府在監(jiān)測預警的需要與需求，政府可以提供更好的服務。農業(yè)監(jiān)測預警數據的獲取、分析，除了政府部門、生產者、經營者、涉農部門外，做經融的、做銀行的、做保險的，他們也是需要借助這個信息。未來的監(jiān)測預警一定不是個人行為，一定是團隊的，這樣才能形成力量。

    那么農業(yè)監(jiān)測預警分析結果如何去使用，如何去表達？監(jiān)測預警被誰用？政府取用，企業(yè)取用，但用的路徑方法都需要區(qū)別開。一個企業(yè)做得好或一個產業(yè)做得好，要讓zui底層的人時刻感覺到企業(yè)的服務，感覺到這個產業(yè)有人在為你服務。
    例如我在做農業(yè)展望大會就是一個出口，所謂農業(yè)展望就是在監(jiān)測預警的基礎上，形成固定展望的品種，固定展望的周期，固定發(fā)布的時間，固定發(fā)布形式的一個工作制度。澳大利亞1977年開始做展望大會，開到3月8號到今年舉行了46屆。中國從2013年開始承辦世界農業(yè)展望大會， 2017年展望大會是4月20號-21號在北京會議中心開，預計規(guī)模800人。展望大會是中國的貿易權，中國數據獲取能力、數據分析能力的一次體現(xiàn)，歡迎大家來參加。
    由于時間關系，只能與大家分享到這里了，謝謝大家！