京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据勾勒未来农业图景
未来十年,稻米、小麦总产量将保持稳定,生猪价格将稳中有降,国产奶消费有望突破低位徘徊的现状……4月20日,在北京举行的2017中国农业展望大会上,农业部市场预警专家委员会发布的《中国农业展望报告(2017—2026)》(以下简称报告),以大量农业日常监测数据为支撑,展望我国未来十年农产品市场供需形势,勾勒出未来十年的中国农业图景。
正如农业部市场预警专家委员会秘书长、中国农业科学院农业信息研究所农业监测预警创新团队首席科学家许世卫所言,自2014年首届中国农业展望大会召开以来,发布农业展望报告已成为创新现代农业管理的重要手段之一,“‘农业展望’不再陌生”。
粮食供需将走向基本平衡
对于拥有超过13亿人口的中国来说,吃饭是头等大事。当下,随着城镇化建设的推进,农村耕地减少、农业劳动力日益向城镇转移的趋势加剧。在农业供给侧结构性改革深化之际,我国的粮食安全是否还有保障?
“当前我国谷物总产量达到5.65亿吨,为历史次高水平,库存则处于历史最高水平。”许世卫表示,展望未来十年,中国稻米、小麦和玉米等谷物的总产量仍将在较高水平上保持基本稳定,2026年将达到5.73亿吨,消费总量将呈刚性增长态势,但出口将有所增加,进口总体将呈下降趋势。粮食供需形势由阶段性供大于求向基本平衡格局转变,能够实现“谷物基本自给、口粮绝对安全”的粮食生产目标。
《中国农业展望报告(2017—2026)》指出,经过产业调整与发展,未来十年我国肉类和原料奶产量大幅增加,稻谷、小麦、食用油和猪肉进口量下降,蔬菜、水果、禽蛋将继续保持净出口。
“数据预测显示,未来十年,中国农产品产量将继续稳中有升,中国人的饭碗仍将牢牢端在自己手里。”许世卫说。
用定量判断提供权威参考
近年来,某种蔬菜滞销、果贱伤农等新闻时常出现。随着我国农产品越来越市场化,若信息不对称,农民就容易盲目跟风生产。因此,通过召开农业展望大会等形式,建立信息监测预警体系,成为当下为农民提供科学信息服务的一个重要手段。
许世卫介绍,农业展望是应用已有基础信息与实时数据对未来做出的科学与权威的定量化判断,它通过大数据分析所释放出来的信息,是研究团队基于数据与模型运算出来的结果。“它的作用不同于‘未来规划’,也不同于行政文件,它是一种供生产者、经营者决策参考时的权威参考值。”
那么,农业展望报告是如何出炉的?
据了解,农业展望报告的撰写以农业信息监测预警体系为基础。从2016年底开始,中国农科院农业信息研究所在日常持续监测的中国农产品市场海量数据基础上,利用中国农产品监测预警模型系统进行数据分析处理,运算得出未来十年农产品基线预测结果。最后依据预测主要结论会同农业部农村经济研究中心,农业部信息中心等单位共计数十位专家进行会商研讨,审定形成未来十年的农业展望报告,具有高度共识性。这一展望成果,将成为引导市场预期和生产的“风向标”。
将市场信号变为产业力量
“能够做好农业展望工作,是一个国家农业数据能力的体现,是一个国家农业科技能力的反映,也是一个国家农业管理水平的表现。”中国农科院党组书记陈萌山说。
农业展望大会在我国尚属新鲜事物,但在欧美发达国家已是数十年惯例。
作为农业大国,美国早在1923年就举办了首届农业展望大会,建立了完善的农业信息监测预警工作机制,通过及时发布农产品市场信息,引导农产品生产、消费和贸易,拥有世界农产品贸易的绝对话语权。
澳大利亚也是十分重视农业展望和农产品市场监测预警工作的国家。自1971年以来,澳大利亚全国农业展望大会已连续举办了45届,形成了一套完整的信息采集、分析和发布工作机制。
联合国粮农组织和经合组织也每年定期发布世界农业展望报告。“农业展望已经成为世界农业强国管理服务农业、调控农产品市场、引导农产品国际贸易的通用工具,从这一点来看,我国召开农业展望大会,意义重大。”许世卫说。
陈萌山表示,创办三年多来,中国农业展望大会已经成为引导农产品市场预期和农业生产的大会。“相信通过展望大会发布农业信息,释放市场信号,变信号为产业力量,在驱动现代农业发展、提升我国农业在全球供给体系中地位的进程中,农业展望必将发挥越来越大的作用。”陈萌山说。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
近日,由 CDA 数据科学研究院重磅发布的《2026 全球数智化人才指数报告》,被中国教育科学研究院官方账号正式收录, ...
2026-04-22在数字化时代,客户每一次点击、浏览、下单、咨询等行为,都在传递其潜在需求与决策倾向——这些按时间顺序串联的行为轨迹,构成 ...
2026-04-22数据是数据分析、建模与业务决策的核心基石,而“数据清洗”作为数据预处理的核心环节,是打通数据从“原始杂乱”到“干净可用” ...
2026-04-22 很多数据分析师每天盯着GMV、转化率、DAU等数字看,但当被问到“什么是指标”“指标和维度有什么区别”“如何搭建一套完整的 ...
2026-04-22在数据分析与业务决策中,数据并非静止不变的数值,而是始终处于动态波动之中——股市收盘价的每日涨跌、企业月度销售额的起伏、 ...
2026-04-21在数据分析领域,当研究涉及多个自变量与多个因变量之间的复杂关联时,多变量一般线性分析(Multivariate General Linear Analys ...
2026-04-21很多数据分析师精通描述性统计,能熟练计算均值、中位数、标准差,但当被问到“用500个样本如何推断10万用户的真实满意度”“这 ...
2026-04-21在数据处理与分析的全流程中,日期数据是贯穿业务场景的核心维度之一——无论是业务报表统计、用户行为追踪,还是风控规则落地、 ...
2026-04-20在机器学习建模全流程中,特征工程是连接原始数据与模型效果的关键环节,而特征重要性分析则是特征工程的“灵魂”——它不仅能帮 ...
2026-04-20很多数据分析师沉迷于复杂的机器学习算法,却忽略了数据分析最基础也最核心的能力——描述性统计。事实上,80%的商业分析问题, ...
2026-04-20在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16在机器学习无监督学习领域,Kmeans聚类因其原理简洁、计算高效、可扩展性强的优势,成为数据聚类任务中的主流算法,广泛应用于用 ...
2026-04-16在机器学习建模实践中,特征工程是决定模型性能的核心环节之一。面对高维数据集,冗余特征、无关特征不仅会增加模型训练成本、延 ...
2026-04-16在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15在企业数字化转型、系统架构设计、数据治理与AI落地过程中,数据模型、本体模型、业务模型是三大核心基础模型,三者相互支撑、各 ...
2026-04-15数据分析师的一天,80%的时间花在表格数据上,但80%的坑也踩在表格数据上。 如果你分不清数值型和文本型的区别,不知道数据从哪 ...
2026-04-15在人工智能与机器学习落地过程中,模型质量直接决定了应用效果的优劣——无论是分类、回归、生成式模型,还是推荐、预测类模型, ...
2026-04-14