作者/暨南大学经济与社会研究院助理教授 崔潇濛

       前不久，2019年中央一号文件中正式发布。从2004年开始，中央已经连续16年发布以“三农”为主题的中央一号文件。对我国的“三农”问题而言，每年的一号文件既是对现阶段工作所做的全面总结，也是对下一阶段工作所提出的全新要求。笔者注意到，今年一号文件在关于农业基础与农产品供给方面的讨论中提出要“建设现代气象为农服务体系”。

       回顾党的十八大以来历年的一号文件，中央每年都对气象工作提出过具体的要求。总体来看，文件中一方面是强调加强气象防灾减灾能力，另一方面是提出加大对先进科技的利用以更好地服务农业生产。“气象为农服务体系”这个概念实际上在2016年的中央一号文件中就已经提出了。当时“三农”领域新的政策焦点是“农业供给侧结构性改革”。2016年那份一号文件中还特别强调要“发展智慧气象和农业遥感技术应用”，把推进气象领域前沿技术的应用摆到了十分重要的位置。

       与2016年相比，今年的一号文件中在“气象为农服务体系”这个提法前面又加了“现代”两个字。如何理解现代气象为农服务体系？“现代”这个两个字在这里又有什么特别的含义？建设这样一个服务体系又需要开展哪些特殊的工作？

       气象为农服务的核心是提高产量

       从根本上来说，由于农业靠天吃饭的特点，建设气象为农服务体系是为了帮助农业生产者，尤其是种植业生产者提高“趋利避害”的能力，而能力的提升最终会反映在产量提高上。早期的气象工作部署对“避害”的强调更多一些，对“趋利”的重视则相对不足。“避害”具体体现在防灾减灾上，而“趋利”的具体体现则是通过有效利用气象信息和气象资源来提高农业生产中对水土、光照、热量等要素的综合利用效率。

       随着农学学科的不断发展，大量的作物模型已经非常完善。经过严谨的实验和精细的测算，这些作物模型能够刻画每种作物的生长与其所需环境资源之间的函数关系。它会告诉生产者白天气温和夜晚气温会分别以何种形式影响作物生长，一种作物在不同的生长阶段中对水、热需求和敏感程度有什么样的区别，如何通过调节灌溉的频率和水量以平衡作物的蒸腾蒸发损失……

       通过将气象信息和作物农学知识结合起来，生产者便可以通过动态优化种植行为来提高作物产量。当然，这同时也为生产者提出了更高的要求。从这个角度上来说，为以小农户为代表的基层生产者提供气象与农学知识和技术服务，是气象为农服务体系建设的关键环节之一。实现这一目标，需要地方气象部门与农业、民政、水利、国土等多部门开展合作，建立起气象为农直通服务的专门平台和网络。在此基础上，可以进一步以当地的农业大户、涉农企业和农业合作社为抓手，把气象信息指导下的优化种植方案传递给基层农民。

       从一个更宏观的角度来看，通过气象工作“趋利”还可以体现在动态优化作物优势生长区的规划上。已有研究指出，我国气候变化的形势导致东北积温带不断北移，在过去十几年间已使得冬小麦的种植北界由长城沿线向北扩展了一两百公里。在气候变化的大背景下，可以通过气象分析和研究工作，指导目前正在进行的粮食生产功能区和重要农产品生产保护区划定任务，并进一步形成“两区”划定的动态机制。科学地把重要的农产品布局到更适宜其生长的区域，也应该成为气象为农服务工作的重要组成部分。

       结合“机器学习”开展气象大数据分析

       现代气象为农服务体系中的“现代”二字主要体现在对前沿科技的应用方面。从前面的讨论不难看出，气象服务农业的基础是与农业生产直接相关的气象数据信息。然而，想获得真正有价值的气象数据并不是一件容易的事。

       美国气象公司（The Climate Corp.）是一家在2006年成立于旧金山的数字农业科技公司。该公司天气科学部门主管Brad Colman曾谈到，通过雷达虽然可以清晰地看到哪里在下雨，但雷达显示的云雨数据其实只能体现高空的雨量及湿度状况，而地表实际接受到的降水量及湿度变化情况可能是非常不同的。在2017年，这家公司基于“机器学习”开发了一个新的估计模型。这个模型可以结合有限的地表传感器数据和雷达数据，即时估计出地图每个点上地表的实际降水和湿度，且准确率较传统技术提高了超过45%。这些即时的地表降水信息无疑将对指导农业生产具有重要意义。

       以“机器学习”为代表的数据科学不仅能帮助数据分析者更好地还原关键数据本身，更能为准确预测未来的关键数据起到重要作用。斯坦福大学的研究人员在2016年的一篇论文中指出，传统的天气预测基于大气物理模型，这类模型通常会因气象扰动而造成预测准确性的下降，而基于“机器学习”的技术方法则有望更好地解决这一问题。一旦技术成熟，短期天气预测的准确率增加，农业领域防灾减灾的效率将大大提高。此外，长期气候预测能力的提升也能对农业生产区域规划的动态优化调整产生帮助。

       目前，“机器学习”在气象数据整合和预测方面的应用尚处在起步阶段。政府应加大力度推动与气象大数据分析有关的工作。一方面，政府可以通过设置激励机制，鼓励院校、科研院所及科技企业开展更多气象大数据方面的研究。另一方面，气象部门应该进一步加强我国各类气象数据开源分享的力度，为加快推动气象大数据研究工作创造条件。

       联系“精准扶贫”，开展“气象普查”，发展“精准农业”

       现代气象为农服务体系的建设是一个“上天下地”的过程。“上天”体现在对气象本身的认识上，而“下地”则体现在为利用气象资源所做的地面配套基础设施建设。这种地面配套又具体体现在两个方面。其一，是如美国气象公司的例子中，为校准还原地表降水、湿度信息而建设的地面数据收集系统。其二，是在气象及作物农学信息指导下，用来实现资源要素供给动态优化的设施设备，这当中最典型的例子是可以动态调节的灌溉系统。

       这两类地面配套建设本身都具有很强的公共品属性。不论是地面数据收集系统，还是农作优化辅助设施，建成之后，在一定的区域范围内，每个小农户都会因此受益，然而每个小农户自身又不具备足够的动力和能力去投入它们的建设。也正因为此，这两类地面配套建设需要由政府来推动，并且在很多地区可以很好地与当前“精准扶贫”的工作结合起来。“精准扶贫”强调根据扶贫对象的特点，因地制宜地制定帮扶方案。利用扶贫对象当地的气象资源特点，通过地面配套设施建设，使农户在生产环节逐步向“精准农业”的生产方式转变，理应成为现代气象为农服务体系建设的重要一环。

       在具体的实施层面，可以考虑以气象部门为主导，从开展“气象普查”入手。不同于基于卫星数据所开展的大区域尺度高空气象数据分析，气象普查强调收集小区域、局部环境内的地表气象信息。这个普查过程本身就会涉及到地面数据收集系统的建设。在基础设施建成、“高空-地面”数据融合之后，用于指导农业生产的气象数据基线便得以形成。在此基础上，长期获取、更新和维护精细化新数据的边际成本便会大大降低。以此为参照，利用气象资源特点为当地发展“精准农业”进行动态化的方案定制也将成为可能。