数字农业高质量发展的国际经验及其启示

张耀一

（南阳师范学院 经济与管理学院，河南 南阳 473061）

一、引言

数字农业既是数字经济的组成部分、提高农业质量效益和竞争力的现实需要，又是农业现代化的高级阶段和中国发展现代农业的国家重要战略（毛学伟等，2021；袁建霞等，2022）。2013 年，农业部在天津、上海、安徽等地率先探索农业实时数据采集和物联网应用。之后，随着《数字乡村发展战略纲要》《全国乡村产业发展规划（2020—2025 年）》等一系列规划和政策的出台，数字农业迎来快速发展时期。当前，中国数字农业呈现以下特点：第一，政策扶持力度逐步加大，农业农村信息化加速发展。自2013 年以来，中国及其各省推出了“互联网+”“农业农村信息化”等若干政策。2019 年全国县域数字农业农村发展水平达36%。2020 年，全国农业农村信息化示范基地超过210 个；第二，数字基础设施不断完善，数字化加速农业转型升级。2020 年以来，新型数字基础设施蓬勃发展，农村宽带网络覆盖率已达98%，农村网民规模为2.85 亿人，农村网络零售额、全国农产品零售规模分别为1.7 万亿元、4000 亿元。中国5G 终端连接数、5G 基站数分别已超6600 万个、70万个，覆盖全国地级以上城市。通过数字基础设施提供精准生产、加工、流通信息，全流程监管和追溯农产品，推动数字农业沿着市级市场→省级市场→买全国、卖全国的路径发展；第三，数字技术应用日渐成熟，平台化建设取得重大成效。数字技术加速渗透于农业各环节，全过程监测种植、畜禽养殖、水产养殖等领域的生产环境精准诊断、农作物病虫害。2020 年，已在全国建成多个全国农产品市场信息平台、质量追溯平台等大数据资源池。

同时，中国在数字农业发展过程中对其运作管理、互动机制、协同逻辑、生态体系关注不够，进而出现一系列问题：第一，数字农业基础有待夯实。农业数字经济显著滞后于二、三产业，生产环节尤其薄弱。数字技术的专业应用不足、整合力度有限，在生产信息化、精准化、智能化水平上与发达国家差距较大（许可等，2021）；第二，数字农业自主技术薄弱。中国的农业机器人和智能农机装备适应性、稳定性、经济性较差；自主知识产权的农业专用传感器缺乏，且传感器精确度、集成度、抗逆性差和技术标准、应用后台数据缺乏规范（许竹青，2020；黎彩眉，2021）；第三，数字农业体系发展滞后。农业产业链环节的信息化程度较低，生产、消费环节与农产品生产数据并未产生闭环的全流程数字化能力。农业大数据的分析应用单一、建模水平较低，且有关数字农业的标准化软件成熟度较低，“降本增效”功能较弱。国内数字农业平台重复开发多、软件成本高（孙文荆，2021）；第四，数据互联互通机制缺乏。与农业相关的各部门协同性较弱，致使数字农业项目的数据互联互通性较差、数据共享机制缺乏、数据支撑能力薄弱，进而限制了研发、生产、消费各环节创新（王薇等，2021）。市际、省际与农业农村部的涉农平台并未形成数据互通互联的发展格局，难以构建统一的“数据资源库”；第五，数字农业要素投入不足。2019 年，全国25.2%的县域每年对数字农业的专项投入少于10 万元，远不能满足数字农业的建设资金需求；第六，农产品服务化有待加强。农业社会化服务体系“断层”明显、部分农民专业合作社能力较弱、农业龙头企业与农户间的利益关系不稳定以及农业社会化服务主体间的职能定位模糊、农业社会化服务市场监管力度较弱（霍学喜，2021）。这些问题严重影响农业信息化、服务化的高质量发展。

国外数字农业研究较早，尤其是美国、德国、日本等发达国家已经形成科学的理论和技术体系。中国现行有关数字农业的政策措施和主要做法，很多源于发达国家的发展经验。发达国家的发展经验更为重要的是提供数字农业发展的基本方向和核心理念，即数字农业的高质量发展是以全方位体系化、设施化、信息化的运维管理为基础，以凸显高技术、强创新、高标准的互动机制和“层→重→化”正反馈的多元协同逻辑为重要依托，以“四重维度”推进的多层次、复合化要素生态体系为保障。数字农业既是数字中国的重要内容，又是由农业大国迈向农业强国进而实现乡村振兴战略的必经之路，因此有必要重新审视和充分挖掘发达国家数字农业高质量建设中的核心理念，进而为中国数字农业的高质量发展提供新的参考。

二、数字农业的“六化理念”和“双重效应”

数字农业的概念最早由美国科学院、工程院于1997 年正式提出。经过多年发展，数字农业依托于传统农业生产体系数字化，陆续延伸于农业管理、生产、加工、决策、服务等各领域。自2015 年以来，数字农业在全球范围内获得逐步推广(Rose，2020)。数字农业是指以“农业大数据”作为核心生产要素，以“3S”技术为核心，将数字技术运用于产业链环节之中，对其进行全方位和全过程模拟、监测、判断、预测等的现代农业。数字农业不仅能使农业生产凸显精准性、经济性、环保性、科学性，而且能极大优化农业资源的时间配置和空间配置，并提高农业资源利用效率，进而推进农业绿色发展（王利民等，2018；吴玉宇，2020）。数字农业，即农业4.0，其与农业1.0、农业2.0、农业3.0 具有明显不同：农业1.0 是基于“人力”和“畜力”为农业生产的主要力量，一般通过“经验”作为决策依据，基于“简单工具”和“畜力耕种”为生产工具，且生产方式体现为“一家一户为单位从事生产”；农业2.0 是基于“机械力量在农业中广泛应用”，通常依靠“经验”作为决策依据，基于“先进的农业机械”为生产工具，且生产方式表现为“大规模生产方式”；农业3.0 是基于“单一信息技术的广泛运用”，一般通过“经验+信息”作为决策依据，且生产方式体现为：现代信息技术嵌入农业生产、经营、管理、服务之中的现代农业生产方式；农业4.0 是主要依靠“大数据”作为决策依据，生产方式表现为：高效率利用不同类型的农业资源，进而推动农业生态环境、农业系统整体的可持续发展（胡青，2019）。此外，数字农业的运作机制也具有明显的异质性：农业1.0、农业2.0、农业3.0 以“人”为核心，种植（施肥、灌溉、育种）、养殖（种苗、饲养、疫病防治）、其他（金融、销售、观测、设备运维、运输等） 皆围绕“人”进行，而数字农业以“数据”为核心，种植（智能温室、智能灌溉、精准培育）、养殖（科学育种、精准饲养、疫病防治）、其他（专业金融产品、线上交易平台、设备预防性维护、智能运输跳读等）均围绕“数据”进行。

数字农业是促进乡村振兴的农业发展新模式，其运作凸显“六化”理念：第一，基础体系：新型物联网系统→农业基础设施数字化。由5G、传感器、物联网等通信技术组成的“新型农业物联网系统”推进农业的数字化、网络化以及智能化；第二，基本要素运作逻辑：农业数字资源→农业知识传承的显性化。经过农业要素和农业模型数字化产生的农业数字资源，不仅可被视为农业精准智能控制的前提，而且是数字农业可持续运作的对象；第三，重要核心：数据驱动模型与算法→农业决策支持系统智能化。数据驱动的模型与算法是推进农业决策系统智能化的关键，而且农业大数据贯穿于农产品产前、产中、产后各环节，并以此完成数据自动化采集、分类以及管理（阮俊虎等，2020）；第四，主要手段：精密数字设备与技术→农业投入产出控制精准化。推进传感器、制动器精密等数字控制设备的研发，高效创新农业全产业链管控技术，进而重塑农业全产业链，最终实现农业全链条的高质量发展；第五，市场机制：农产品优质优价→农业全产业链交易过程透明化。农业要素数据网和农业模型算法库保障农产品优质优价市场机制高效运作，进而推动农业全产业链交易期间陆续产生“开放式、分布式、协同式”的横向规模经济体系，最终减少农业生产成本；第六，发展目标：持续满足人类需求→农业对环境负面影响最小化。依靠农业物联网动态化、系统化、准确化地监测农业各种活动，进而设计和制定”最小化”环境负面影响的农业活动方案。

根据“六化”的运作逻辑，数字农业凸显数据效应和技术效应。其中，数字农业的数据效应体现为推动生产方式变革、拓展农业全产业链、加速农业生产经营与乡村振兴联动：就生产方式变革来看，充分依靠新一代信息技术，以种植、养殖等农业领域为中心，进一步促进信息技术与农业经济全产业链、供应链的密切互动和结合，实现农业全体系数据的收集整理、挖掘、应用；就拓展农业全产业链来看，数字农业拓展“产+销”服务体系的农业商品化、市场化转型。不仅涉及农业大数据获取与传输，还涉及农业产业链、供应链分析和资产优化、风险管理；就加速农业生产经营与农村振兴联动来看，积极依靠新增农业无人机、决策支撑技术体系等环节，推动农业生产提质增效与农村生态发展相互融合，高质量塑造农业生产、经营、管理、治理新平台。数字农业的技术效应体现为：数字技术作为数字农业的核心技术，能对农业产生经济效益、社会效益、环境效益（Gubbi 等，2013；江凤香等，2020）。就经济效益而言，其可促进农业生产过程的精准化、智能化和全方位锻造农业新业态、新模式，提升农业经济发展的创新力，逐步提高传统农业生产价值链一系列环节的工作效率，逐步形成农业经济发展的竞争力，最终提高农业经济收益；就社会效益而言，数字技术能重组农业生产、储运、流通等全农业产业链和产业集群，进而合理配置农业资源和促进农业产业结构转型升级；就环境效益而言，数字技术能动态化、准确化预报农业生产的资源环境、生产状况、生物性灾害等，进而降低甚至避免农作物病虫害造成的损失和提高农业资源的利用效率。

三、发达国家数字农业高质量发展的经验归纳

关于数字农业，以美国、德国、日本、英国为代表的发达国家，在理论研究和政策实践上均早于中国。鉴于此，系统化研究和科学化总结数字农业理论与实践的全球运作和发展经验，且以此为基础提出适合中国国情的农业高质量发展政策选择，是合理构建中国数字农业高质量发展研究的重要视角和重要切入点。通过系统梳理数字农业理论分析与实践探索的全球发展经验发现，发达国家数字农业的高质量发展实际上是以全方位体系化、设施化、信息化的运维管理为基础，以凸显高技术、强创新、高标准的互动机制和“层→重→化”正反馈的多元协同逻辑为重要依托，以“四重维度”推进的多层次、复合化要素生态体系为保障。

1. 全方位体系化、设施化、信息化的运维管理

（1） 法律保障体系化建设的系统工程

首先，积极完善农业信息化有关的法律和法规。在美国、德国、日本等发达国家，从信息资源采集到发布皆需立法管理，并逐步健全体系，以此保障农业信息化主体的权益和推进信息共享。德国的《合作社法》规定参加合作社的农民可享受良种供应、病虫害防治等社会化信息服务。其次，高度重视构建坚强、有序运转的领导体系，防止形成“信息孤岛”现象。美国形成以主体部门、相关农业机构为主的信息收集、分析、发布体系。日本则构建了“由中央到地方”体系完整的农业情报系统，对生产、储运、流通、营销等全农业产业链进行监测。

（2） 高度注重基础设施信息化建设

美国41.6%的家庭农场、46.8%的奶牛场、52%的年轻农场主依靠计算机进行网络信息联络，尤其是，美国的“空间遥感监测农业资源网络”利用遥感、地理信息系统等一系列技术管理粮食作物和检测农业病虫灾害，能够提供相对准确的农业生产管理、农产品贸易信息。日本积极推进基础信息资源的数字化、网络化、信息化，大力夯实农村信息通信基础设施，智能化管理农产品加工、储藏设施和农作物病虫防治设施，并通过建设发达的通信网络逐步提升农村地区的便利程度。

（3） 建设高质量全域地理信息系统

美国从20 世纪90 年代开始，利用遥感技术检测、预报服务生产过程以及依靠GPS 和GIS 分析农业大数据，全面检测和管理农作物的产前、产中、产后活动。实际上，依靠农业大数据、农业物联网、人工智能等智能技术，美国的数字农业技术已能全方位的对接农业全产业链。德国普及的数字农业解决方案全球出名，其能在电脑终端即时显示各种各样的农业生产信息。德国克拉斯农机公司很早就与德国电信开展合作，依靠传感器技术推进机器之间的信息交互，借助于云技术充分保障农业大数据的安全，且以此为基础保障科学生产。

（4） 完善网络设施和决策系统

AGNET 是美国建成的全球最大农业计算机网络系统，该系统覆盖美国46 个州，加拿大6 个省以及美加以外的7 个国家，并连通美国农业部、15 个州的农业署、36 所大学和大量的农业企业（严东伟，2019）。当前，美国的大量服务型企业和公益服务机构完全可为众多的经营主体提供相对健全的技术服务方案。在农业生产高度机械化的基础上，德国塑造了高质量、高效率的计算机支持和服务决策系统，进而提供动态化、立体式、多样性的咨询服务和系统决策方案。例如，在美国建立的“小麦品种选择模型”能提供产量、品质、抗病虫害能力等海量的数据信息，并以此为基础帮助农民选择合适的小麦品种。德国拜耳公司等大型企业已在全球上百个国家实行了数字化解决方案，以推广数字农业。

2. 凸显高技术、强创新、高标准的互动机制

（1） 建设“天空地一体化”的数字农业观测系统

英国大力推动数字技术在农业领域的全方位使用，最终建成集天基（卫星遥感观测）、空基（航空遥感观测）、地基（物联网和互联网相结合的地面传感网） 于一体的“天空地一体化数字农业观测系统”。依靠此观测系统，英国可对农作物实施相对准确的生产监测与产量预报、农业资源调查、农业灾害监测等。依靠“天空地一体化”协同的数字农业观测系统，能较好地解决数字农业监测数据“时空不连续”的问题，并以此为基础推进农情信息全天时、全天候、大范围、动态化、立体式监测和管理。

（2） 大力推进数字农业关键技术与装备研制

2013 年，英国依靠GateKeeper 专家系统、LELY 挤奶机器智能化设备、自动感知技术，不断提高农业劳动生产效率。日本的植物工厂发展水平处于全球领先地位，约占全球400 多座植物工厂的50%，且分别于2014 年、2015 年启动“战略性创新、创造计划”“智能机械+现代信息”技术（下一代农林水产业创造技术工作）。日本以数据感知与获取、处理与分析、决策与控制、管理与服务等关键环节为中心，大力推进数字农业关键技术与装备的研制，重点攻克智能感知、农业物联网等技术。

（3） 数字农业技术系统集成与平台研发

自1970 年以来，德国很多农业合作社加入各种类型的合作社联盟。这些“联盟”在互通信息、控制市场领域加强合作，是德国现代农业经济结构、技术管理水平的特色之一，更是德国合作社高质量发展的重要结果。德国通过精准时空服务的基础设施平台高效整合及提供农田生产管理、农业资源管理、农业科技信息管理等多元化信息服务。德国在水产养殖方面积极建设养殖在线监测系统和现场无线传输自主网络，不断健全水产养殖管理系统，全心塑造生产过程管理系统和综合管理保障系统，并以此为基础构建高质量的公共服务平台。德国的拜耳子公司和孟山都子公司研发了“数字农业Climate Field-ViewTM平台”，该平台依靠高分辨率成像技术和多种植物生长数据图像，全面、系统集成了一系列数据，且据此提炼相关的农田管理建议，并以此为基础依靠精准播种、无人机喷药和收获机测产，使农民充分把握农业决策的效果和深层次挖掘土地的发展潜能。

（4） 数字农业技术应用示范

美国的农业虽然是由私人经营，但州政府大力推动农业科技发展，进而构建凸显针对化、特色化的农业教育科研和推广体系。其中，农学院通常承担农业教育、科研、推广三重职能，密切联系教学科研，为农业的高质量发展提供技术支持。根据区域经济发展条件和信息基础设施的发展水平，充分把握各州农业特色和发展水平，走市场化、专业化、差异化、特色化之路，极大推进了美国农业生产、教育信息服务的数字化。

（5） 数字农业信息服务模式创新

美国构建了复合化、多层次的现代农业技术应用系统。一般表现为地区专业化、农场专业化、生产工艺专业化。这有助于在“因地制宜”“各有所专”的基础上实现专业化与规模化的充分结合，构建专业化生产、集约化经营、企业化管理的现代产业模式。美国依靠财政投入、引入资本、市场运作等多种方式增加投资，形成联合攻关、协同创新的数字农业信息运作模式。以色列安道麦(Adama)推出了高质量的“数字农业信息服务解决方案”，例如，“蜂群”式机器人解决方案、FieldIn 精准植保信息服务模式、CropView农业信息系统等（马君等，2019）。

（6） 数字农业标准规范与监管

数字农业标准体现为数字农业国家、行业标准、农业大数据平台和系统标准、数据访问和交换标准等，以此推进农业大数据的互联共享（周清波等，2018）。欧盟出台《欧盟并购条例》等法律规则，并于2013 年设立“高层论坛”，进而为优化绿色食品供应链和实现可自我监管的机制运行奠定了良好基础。2014 年，美国的农业数据技术提供商、政府、其他行业利益相关者联合制定了“数据隐私和安全原则”纲要，严格规范数据的所有权、收集、储存等，并出台了《2018 年美国农业数据法案》，其中涉及将数据收集和分析的结果交给学术机构和研究人员。2020 年，日本农林水产省出台了有关农田信息集中化管理的报告，强调要对信息进行科学规范，防止个体信息泄露。

3.“层→重→化”正反馈的多元协同逻辑

数字农业主要涉及基础层、技术层、应用层三个不同层面：一是基础层。网络芯片、传感器、光纤、电脑设备等硬件设施是发展数字农业所需的“基础”，亦是信息技术与农业发展相融合的“前提”。日本农业企业借助先进的传感技术、远程控制技术建设特色化和个性化的“网上农场”运营模式，进而使用户可立足于“远程控制系统”来精准把控农产品生产（张晓雯等，2017；宗义湘等，2011）。二是技术层。大数据和云平台是数字农业的重要依托，其可为数字农业提供数字计算、统计、模型基础。美国著名的生鲜电商“Local Harvest”，在采集有关农场信息的前提下，为消费者提供购买蔬菜、禽蛋等生鲜农产品的信息，同时将“地图检索系统”作为有效支撑，逐步提高农产品物流的效率(Young，2008)。三是应用层。数字技术不断渗透于农业各领域，尤其是数据存储分析、生产任务执行、展示操作系统等过程中都能远程监测、处理、分析农作物生长环境的各种信息，进行精准灌溉、灌肥指导等。依靠这三个层面，数字农业逐步完成农业生产全流程智能化、农产品流通电商化、农业多元化公共服务等。荷兰的“智能分秒系统”由育苗、移植、田间完全能实现“0 人工干预”，智能识别优质的病苗，同时自动剔除劣质的疫苗，而与之相适应的“智能灌溉系统”可针对作为种类、生长环节提供特色化的定制施肥和用水方案。总体上，荷兰农业生产效率高出欧洲平均水平5 倍（辜松等，2012）。

数字农业的基础层、技术层、应用层密切互动，能够实现农业生产期间的信息感知、定量决策、智能控制、个性化服务的新型农业生产方式，凸显“精准”“监测”“决策”三重逻辑：一是精准。与全球定位系统密切相关的地理定位服务能精确感测、识别、预测以及决策。英国的“农田之星”信息管理系统可按照差异化的地块位置和质量完成自动化、精准化的作业；二是监测。这体现为“端到端”“实时”“连续”的决策和行动。英国在全国范围内构建了“农业计算机网络AGRINET”，而意大利则充分结合无人机遥感与GPS 定位跟踪、GIS 空间分析，进而监测农业耕种全过程；三是决策。依靠先进的传感器精准化传输“模型”“预测算法”。欧盟充分借助于“卫星遥感”进行作物的种植监测，这为其推行的农业补贴政策提供全方位、多层次的依据，而德国则由大型企业牵头进行农业智能机械、装备的研发，进而为提供数字农业系统性解决方案奠定坚实的基础。

基础层、技术层、应用层的高质量发展能极大促进数字农业的经营网络化、管理高效化、服务便捷化的完善。美国于20世纪90 年代就开始高质量建设农业信息网络，每年用于农业技术推广、在线应用领域的投资超过10 亿美元，推动农村高速上网的普及（王俊周，2002）。此外，美国政府依靠吸纳社会力量，构建了全方位、多层次的涉农信息数据中心，进一步夯实了农业信息化发展的基础。此外，美国通过成立“农业信息资源监督机构”，逐步提升农业信息资源的共享能力，且依靠高质量的政府投入与资本市场运营模式，不断推进农业的信息化运用和网络建设的高效化普及。法国智能化的农业发展体系，涵盖商业市场咨询、法律政策保障、互联网数据应用，旨在不断提高农民信息共享度和便捷性，而农民依靠网络能快速、及时把握市场行情，且以此为基础调整产品类别和产量，最终推动效率最大化（Tapscott 等，2007）。

4.“四重维度”推进的多层次、复合化要素生态体系

数字农业涉及农业物联网、农业大数据、精确农业、智慧农业“四重维度”，形成一个相对完善的数据采集、分类、应用、挖掘体系，驱动农作物的高质量生长发育：一是农业物联网。农业物联网属于“封闭的数控系统”，其立足于硬件设备和联网，依据已经确定的参数和模型；二是农业大数据。农业大数据属于“数据系统”，为农业生产操作、经营决策提供依据，最终优化农业全产业链的操作和经营；三是精准农业。立足于农机硬件，并辅之于“探测设备”和智能化的“控制软件”，进而实现设施和设备的精准操作、无人驾驶、环境优化；四是智慧农业。注重智能化的决策系统，配以各种类型的硬件设施和设备，其决策模型和系统能普及到农业互联网、农业大数据之中，最终在农业全要素、全链条、全产业、全区域上实现数字化、网络化以及智能化。

为保证数字农业“四重维度”的良性运作，需要数字技术的蓬勃发展，为此，发达国家构建了多层次、复合化的数字农业要素生态体系：一是政策保障。数字农业的形成和发展需要数字技术的助力。美国、德国、日本等发达国家加大政策支持力度，依靠政策引导构建针对化的数字技术组织，以服务于数字农业，进一步在农业中普及数字技术，驱动农业转型升级。美国、德国也重视通过引入社会资本和中介组织助力数字农业发展，进而推动农业的精细化、精准化、智能化；二是资金保障。美国、德国、日本等发达国家充分基于政府资金、银行资金、自筹资金等方式，拓展资金来源途径，扩大金融投资支持数字农业的发展。英国政府成立的“产业战略挑战基金”把人工智能、大数据等信息技术作为重点发展的技术，以此支持传统农业转型升级为“精准农业”(Amit 等，2001；Rotz，2019)。欧盟成立“欧洲农业创新伙伴关系项目（EIP-AGRI）”，依靠“担保计划”来补贴从事数字农业活动的农民、研究人员；三是技术保障。美国、德国、日本、英国等发达国家通过各种方式提供遥感技术、全球定位系统、物联网、无人机等数字技术保障，进而驱动传统农业转型升级为“数字农业”；四是人才保障。德国向来注重培养现代化、复合型的农业科技人才，且依靠数字技术改造和提升企业发展能力，进一步强化农业数字技术人才的培养，同时注重培养现代化的职业农民，最终充分保障数字技术的农业可持续应用。2016 年，德国的AI 初创企业PEATGmbH 开发了一种应用程序—“Plantix”，帮助农业生产者管理农作物，到2020 年，该程序超过1000 万下载量和每天上传5 万张图片（18 种语言）。

四、完善中国数字农业高质量发展的对策

数字农业高质量的推进，需在依靠现代信息技术与农业产业深度融合的基础上，全方位、全角度、全链条改造农业生产，进而陆续释放数字要素的“放大”“叠加”“倍增”功能，最终实现质量变革、效率变革、动力变革。

1. 深度强化数字农业关键核心技术创新

关键核心技术是推进数字农业形成和高质量发展的重中之重。但中国数字农业的关键核心技术较弱、数字系统集成度较低，且关键核心设备主要依赖国外。鉴于此，应加快关键核心技术攻关，依托农科院、高校、科研机构等农业科学研发机构，积极促进农业“官产学研”合作，强化数字农业传感器、农用机器人、遥感卫星、大数据管理平台、资源资产一体化云架构和数据安全等前沿技术、核心技术、关键技术的攻关力度，不断强化智能感知、控制等装备的自主化水平。建设“天空地一体化”农业信息采集技术体系，积极进行数据采集、输入、管理等一系列技术的研究，增加原始数据获取、处理水平，进而实现农业资源生产、管理、服务等跨区域、全要素、多层次数据采集。强化数据挖掘和智能诊断技术创新。不断强化人工智能、虚拟现实、大数据认知分析等，并以此为基础积极研发动植物生产监测体系，实现农业生产期间的全方位“数字化诊断”。不断完善数据赋能农业智能化决策、管理技术体系，进一步推动行业管理、服务流程的智能化、数字化融合发展，逐步强化农业专有软件、信息系统的高效化和集成化研究。

2. 全方位培育与发展数字农业生态

政策引导、信息基础设施、技术体系、科技成果转化是数字农业发展的重要生态圈。较之于美国、日本、德国等发达国家，中国的数字农业生态还需不断完善。要深入调整数字农业领域的政策和机制，加强财政对农业科研、教育等领域的全方位支持，进而为数字农业的发展奠定坚实的环境基础。促进数字农业的智能管理和决策，快速推动一系列软硬件产品的高端化集成应用，建设数字农业技术标准和规范体系，进一步开发高质量智能装备，逐步健全数字农业技术体系。推进数字农业研究领域人才、成果、平台等一系列资源的集聚，积极给予农业传感器、智能装备等农机购置补贴，支持科技“供需对接、产研互动、院地合作”。强化农村通信网络基础设施建设及其升级改造，加快普及宽带通信网、数字电视网、5G 网络。充分利用农业大数据，实现对农业生产期间的监测、预警，且以此为基础逐步提升农业全产业链发展水平。

3. 积极推动数字农业的多维运转

一是建设农业大数据中心。进一步健全农业信息“云”服务，且以此为基础推进农业服务的高效化和便捷化。促进农业各要素的顺畅流动，深层次挖掘农业数据资源，构建高质量信息服务平台，建立健全农业发展机制和高质量建设农业大数据中心；二是积极实施农业物联网。有效依靠发展园艺业、畜牧业等方式，推进生态玉米、菌类、豆类等农业发展的“集群化、规模化、品牌化”。要彰显大数据和区块链“智能交互”“自动识别”“去中介化”的功能，尝试建设“政府（顶层设计） +企业（精准履责） +小农户（转型发展） +商家（服务至上）”的多主体参与电子商务模式；三是培育高水平人才队伍。高等院校、农业院校、职业院校应开设农业物联网、农业电商、农业大数据等专业和课程，精心培训新型职业农民、新型农业经营主体，借此提升数字农业技术的应用水平；四是实现农业生产智能化。基于龙头企业为引领构建覆盖全区域的农业信息网络，通过“物联采集仪器”自动收集农业各种信息，且以此为基础进行实时传输、智能分析、及时发布，提高现代农业生产设施装备的数字化、智能化。

4. 着力推进数字农业的多层机制整合

一是推进数据资源系统整合。不断强化大平台、大数据、大系统建设，从而构建“县—市—省域农业农村大数据平台”，并有效挖掘农业大数据应用的一系列模式，形成对农业高质量发展的示范效应。进一步促进农业大数据应用成果与智能农业、农业电子商务的密切融合；二是贯彻农业信息服务理念。全力打造集农业生产、信息服务、产品销售于一体的“农业信息平台”，充分依靠数字技术高效串联农业现代化发展的链条，准确联通高端化、高效化的农业信息技术服务资源，确保可快速、准确的共享信息服务；三是高效推进农业大数据融合。推进行政体制改革，突破农业相关部门职能界限，基于农业全产业链高效整合农业数字资源，构建立足于产品品类的条状数据分库和立足于行政区域的块状数据库，在强力破除“数据孤岛”现象的基础上凸显农业示范区、农业现代产业园区的重要地位；四是条块结合推进农业大数据建设。结合国家农业地理信息平台来建设“块数据”，然后将“条数据”与“块数据”进行密切融合，从而搭建较为完善的数据采集、分析、应用循环体系；五是完善农业信息资源数据库建设。不断健全数据资源共建共享的合作机制，逐步完善不同农业市场主体共享数据的相关制度机制，尝试建设“农业生产综合数据库”，构建相应的数据标准和开发相应的数据共享管理平台。