
張弓表示,遙感技術的進步使得數據的頻度與精度都得到了顯著提高。現在國際上有30厘米到10米量級的特別適合農業的衛星數據源,基本可以實現對地表每天的掃描,這是農業相關的遙感數據建設堅實的基礎。而且數據源也逐漸地從原來簡單的光學遙感衛星為主進入到微波、激光、雷達多類型并行的時代。美國發布的SMAP衛星可以實現對地表水分的遙感監測,這對農業非常關鍵。薩爾衛星已經實現不受云的影響對地面作物進行監測。
張弓認為,構建農業能夠直接用的標準化的遙感數據集非常重要。目前公開的數據已經很多,如何把計算過程費用降低變成核心問題。有了數據,還需要算法增強處理,這也是未來農業能夠大規模應用的核心前提。深度學習的相關方法可用于遙感數據的自動化處理。
張弓認為,農業生產中最終產量如何是特別核心的問題。而通過高頻的衛星遙感數據,結合作物模型,就可以做到以作物模型為核心,實現對作物產量精確的預估。這是建立在有每周有相關數據做調整的基礎上。結合相應的人工智能算法,數據的應用也在更大程度上擴展。如有了遙感為的核心大數據體系,可以實現作物生長全過程的監測。包括返青或者出苗的監測、生長的監測、成熟度的監測、作物產量的評估、收獲的監測等。
張弓表示,農業遙感大數據應用前景廣泛。遙感和農機相結合可以實現農機具大范圍的調配。還有農業和金融的結合,如農業保險,有非常大的擴展空間,也是實現農業大數據技術直接在服務農業、服務農業生產、服務農業金融、服務農業管理上的應用。通過數據在中國實現農業的電子或者數字層面的集約經營,根據數字的集約經營再結合保險信貸服務,真正做到看到天上的情況,知道未來的情況,結合數據做到更高效的生產。中國實際需要更高效的數據、更普遍的服務、更廣泛的應用,來實現中國農業的現代化。