中國網/中國發展門戶網訊 洪范八政，食為政首。習近平總書記多次強調糧食安全問題，指出保障糧食安全始終是國計民生的頭等大事。縱觀人類歷史，糧食作為人類賴以生存的基本物質需求，受到全球各國的廣泛重視。2015 年，聯合國《變革我們的世界：2030 年可持續發展議程》（以下簡稱《2030 年可持續發展議程》）中，“消除饑餓汽車冷氣芯，實現糧食安全，改善營養狀況和促進可持續農業”被列為 17 個可持續發展目標（SDGs）中的第 2 個目標（SDG 2）。聯合國《2019 年全球可持續發展報告》，進一步將 17 個目標凝練成 6 個切入點，“食物系統和營養模式”就被列為其一。由此可見，保障糧食安全始終是國家乃至全球可持續發展的基礎及重要議題。
糧食安全包括四大基本支柱：可供應量、獲取渠道、充分利用汽車機油芯和穩定供應。其中，可供應量意指糧食生產，是糧食安全的基礎。當前，全球糧食生產取得了矚目成就——糧食總產量較 20 世紀中葉翻了 2 倍以上，全球營養不足人口比例由 1969 年的 36% 下降到 2018 年的 11%。然而，全球依然有約 1/9 的人口在忍饑挨餓；營養不足人口數量連續 4 年攀升。不同地區社會經濟發展水平差異顯著，使得糧食生產能力空間分布不均、糧食獲取能力各異，成為產生饑餓人口的重要原因。
與此同時，糧食需求增長與城市擴展導致的耕地流失，促使農用地異地擴展、集約化利用程度增加，給防止生態系統服務功能退化、減緩與適應氣候變化、防治土地退化等全球性挑戰帶來了巨大的壓力。全球糧食生產過程中，灌溉耗水占了全部淡水抽取的 70%；60% 的氮肥和 48% 的磷肥屬于過量施用；約 1/3 的人為溫室氣體排放與糧食生產有關。高效利用有限耕地資源，滿足人類食物需求的同時最大限度降低生態環境影響，是衡量糧食生產可持續性的標尺，已成為實現全球 SDGs 的重大挑戰之一。
促進糧食可持續生產的數據鴻溝有待突破
跟蹤監測和評估糧食生產可持續性及其時空變化過程，是明確進展、發現問題的重要手段，同時也是提升糧食生產可持續性、保障糧食安全的基本前提。反映糧食生產可持續性的各個方面，包括產出收益、水資源利用、化肥農藥風險、土壤養分變化、種植多樣性等，被列為 SDG 2（零饑餓）中德系車零件第 4 個具體目標相應指標 SDG 2.4.1（從事生產性及可持續農業的農業地區比例）的衡量要素。然而，目前這一指標仍被歸為 Tier II 級別（有方法無數據狀態）。
聯合國糧農組織（FAO）作為 SDG 2 的主要協調機構，負責了 SDG 2 所有 14 個指標中的 10 個，其中包括 SDG 2.4.1。當前，FAO 負責的所有指標監測評估主要以統計調查方式獲取。FAO 在監管工作總結中指出，目前大部分國家/Bentley零件組織的統計調查并非以 SDG 指標評估為目標開展，因此缺乏針對性；并且，各國統計調查能力相差較大，75% 的國家至少在 1 個指標上需要不同形式的幫助，這給開展統一的指標評估帶來了挑戰。
此外，推進 SDGs 實現對數據提出了更高要求，即開展數據年度更新或者 2—3 年較為頻繁的更新。奧迪零件特別是對于生產性和可持續農業這類指標，可以作為一種管理工具，為國家規劃和預算進程及全球后續行動提供信息，因此定期監測尤為重要。然而，監測頻次上的增加即意味著投入的增加。據估算，全球每年將需要增加約 1 億—2 億美元的財政投入來實現這一需求。尋求能夠相互整合且經濟的數據來源成為 FAO 提出的衡量 SDGs 進展綜合策略中 4 個著力點之一。
地球大數據方興未艾，助力糧食可持續生產研究
地球大數據具有宏觀、動態、快速監測能力，能夠為糧食生產及環境變化等的區域評估提供基礎，形成大尺度進展整體認知及區域差異細致掌握。將其與統計數據有效結合，能大幅改進當前 SDGs 中有方法無數據的指標評估現狀。當前，2 個重要因素正推動著地球大數據在支撐糧食可持續生產方面的實踐應用。
決策層面對空間信息的需求。充分、及時、快速地了解自然環境、社會經濟條件和相應的糧食生產狀況及其空間異質性，有利于發展糧食集約化和多樣化生產、發現糧食加工和糧食貿易機會，能夠為增加食物及營養供給和獲取能力，提高糧食生產可持續性，并最終實現糧食安全提供有力支撐。國家層面的糧食安全政策規范和農戶（或農場）層面的糧食生產投入決策均可據此而定，從而有效地水箱水促進農業生產發展、保障糧食安全、提升自然資源利用可持續性，以及改善農民收益。
地球大數汽車材料報價據可獲取性的提升。對地觀測技術的進步使得海量、多源、多時態、多尺度、高維度數據不斷涌現，模型驅動型科學正向數據驅動型科學轉變，數據密集型知識發現模式逐步形成。數據獲取的成本在降低，而管理和分享空間與地理數據的能力在迅速提升。地球大數據為充分、及時、快速地了解糧食生產狀況提供了基礎，使得在空間維度探索農業發展變得簡單易行。地球大數據成為幫助各利益攸關者在農業生產發展上開展決策的經濟而有效的手段，已在諸多方面得到應用與實踐。
基于對地觀測數據的糧食生產系統要素專題監測
基于對地觀測數據的糧食生產系統監測主要從耕地利用和作物長勢 2 個方面展開。
耕地利用方面的監測
耕地利用涉及耕地分布、種植結構、管理模式等方面。對于耕地分布信息提取，以往主要從不同時空分辨率的土地利藍寶堅尼零件用/土地覆蓋產品中獲得；而最近時空連續的專題耕地數據集生產已成為主流。種植結構和管理方式等信息的提取，在時間序列遙感數據可便利獲取的背景下得到了長足的發展。
種植結構方面的監測以復種指數和作物類型為主。復種主要分布在亞洲國家，相關研究也主要出現在這一區域。諾阿衛星（NOAA）高級甚高分辨率輻射儀（AVHRR）、泰拉衛星（Terra）中分辨率成像光譜儀（MODIS）、美國陸地衛星（Landsat）專題制圖儀/加強型專題制圖儀/陸地成像儀（TM/ETM+/OLI）、哨兵 2 號衛星（Senti汽車零件進口商nel-2）等獲取的不同空間分辨率的時間序列植被指數被普遍采用。相關研究主要通過主成分分析、Savitzky-Golay 濾波、小波變換、時間序列諧波等方法，結合作物物候特征對中國、印度等國家的耕地復種情況進行監測。
作物類型提取則用到了更為多源的對地觀測數據，包括光學、雷達等。目前，基于遙感的作物類型提取仍然更多地集中在少數幾種主要作物上，包括水稻、小麥、玉米、大豆等。大尺度全類型的遙感作物制圖主要集中在美國、加拿大Porsche零件和歐洲等區域。在中國，“全球農情遙感速報系統”（CropWatch）采用 GVG 農情采樣系統采集作物比例數據，同時結合高分系列衛星、MODIS 等遙感數據實現耕地面積、復種、作物分布面積比例等信息的提取。
管理方式方面以灌溉農田的提取為主。多采用灌溉前-后土壤含水量和地表溫度變化來識別，通過光譜匹配法、決策樹法和機器學習等方法在全球、國家 、區域等尺度形成相應產品。
作物長勢方面的監測
作物長勢信息反映作物生長的臺北汽車零件宏觀狀況和趨勢，主要包括作物生長狀況、肥水情況和病蟲汽車零件報價草害動態等信息，是農情信息的重要組成部分。及時、準確的作物長勢監測對于作物生產管理者或管理決策者及時采取各種措施，提高資源利用效率、確保糧食安全意義重大。對地觀測技術，特別是光學遙感技術能反應不同生長狀態或環境脅迫下的植物對不同波長光譜的反射、吸收和散射的特征，因而能直接計算反映作物生長狀況的植被指數或定量反演特定的與作物長勢相關的生理生化指標，如葉面積指數（LAI）、光合有效輻射分量（FPAR）和氮素濃度等被廣泛應用于小麥、玉米等主要作物的大面積、賓利零件長時序長勢監測。
近年來，隨著激光雷達、高光譜、日光誘導葉綠素熒光（SIF）和熱紅外成像儀等遙感傳感器及無人機、無人車、物聯網等遙感平臺的技術進步，多源、多尺度遙感與人工智能算法相結合的“空天地”一體化農業遙感信息獲取理論與技術方法飛速發展，其在營養診斷 、病害探測、地上生物量監測和產量預測等農作物長勢監測應用領域不斷擴展和深化。目前，大面積作物長勢監測和產量估算的常用數據仍為中低分辨率衛星多光譜數據；而針對小范圍或田塊尺度作物長勢監測評價，基于無人機和無人車的高分辨率的高光譜、激光雷達等遙感數據的應用越來越廣泛。
此外，SIF、合成孔徑雷達和熱紅外成像衛星遙感技術的發展和應用，以及遙感數據和作物生長模型的同化、深度學習算法的結合，也正在農作物長勢監測研究中得到應用。特別是針對遙感直接反演的作物單產、農業災害等指數機理性不足的問題，目前采用對地觀測數據反演參數與作物生長模型及其他多學科模型的結合越來越廣泛地應用到了糧食單產及潛力、農業災害監測（如病蟲害監測）等領域，并向著大尺度、精細化、精準化監測發展，以形成更為細致準確的監測結果，從而為區Skoda零件域及全球 SDG 2 實現進程評估提供基礎。
基于多源數據融合的糧食可持續生產綜合評估
對糧食生產可持續性的評價通常涵蓋社會、經濟、環境等多個維度，它需要將糧食生產各個要素進行系統性考慮BMW零件，包括多要素關聯及其區域差異，最終輻射出糧食可持續生產涉及的方方面面。綜合的糧食生產系統制圖是開展糧食生產可持續性研究的前提，而地球大數據為這一工作提供了重要支撐。
當前，綜合性的糧食生產系統制圖在全球尺度較為成熟，Leff 等、Monfreda 等、Portmann 等和 You 等均發展了全球作物系統制圖，后分別稱為LRF、M3、MIRCA、SPAM。這些系統制圖均包括整個種植系統的作物播種面積和產量，有的甚至包括產量潛力和灌溉等各要素范圍一致、空間可比的結果。
LRF 系統制圖綜合了基于對地觀測的土地覆蓋數據和全球農業普查數據，以18種主要作物在每個行政單元的總收獲面積比例來評估其在全球 5′ 網格（赤道上長度約 9 km）的分布。在非耕地區域進行掩膜并應用平滑算法糾正行政邊界的突然和任意變化后，LRF 系統制圖將得到的單個作物比例和全球耕地分布數據集融合，以獲得對耕地各像元中每種作物比例的評估。在這項工作之后，M3 系統制圖使用柵格尺度耕地面積比例作為權重，對德系車材料 2000 年全球 175汽車零件貿易商 種不同作物的收獲面積和產量進行分配。通過結合 M3、LRF 系統制圖和全球灌溉區地圖，MIRCA 系統制圖產生了一個全球數據集，其中包括 26 種灌溉作物每月的種植面積（5′ 網格）。
SPAM 系統制圖在涵蓋要素、制圖方法、覆蓋年份上較上述系統制圖更進一步。它不僅關注作物播種面積、產量的分布，還關注作物的管理方式（如灌溉和雨養）、投入強度（如商業導向型和水箱精自給型）及其可能導致的產量差異。在方法方面，不同于 M3 系統制圖采用最直接的方法將每種作物分配到每個網格單元中，以及 MIRCA 系統制圖僅考慮耕地面積和灌溉雨養對產量的影響，SPAM 系統制圖同時關注了斯柯達零件溫度、降雨量、土壤條件和作物價格等對作物及產量空間分布差異的影響。覆蓋年份方面，目前僅 SPAM 系統制圖進行了更新，涵蓋了 2000 年、2005 年、2010 年的全球作物系統情況。此外，SPAM 系統制圖更關注發展中國家。例如，目前已實現 2017 年非洲作物系統制圖。
在糧食生產系統空間制圖的基礎上，更多反映糧食可持續生產的要素，特別是在汽車空氣芯環境可持續性方面的要素，得以整合進而開展可持續性定量研究。Mueller 等在 MIRCA 數據集的基礎上，對涵蓋播種面積 76% 的主要作物施肥量開展全球制圖，并進行不同作物氣候區劃，發展作物單產潛力和施肥減量化評估模型等，形成對全球主要作物產量提升同時環境減量潛力及格局的解析。West 等則進一步對全球糧食生產過程中的灌溉耗水、化肥過施、溫室氣體排放進行定量評估，提出了未來不同區域應當關注的不同環境因素及重點作物等，為全球糧食可持續生產提供了建議。Zuo 等綜合評估了土地利用汽車零件變化和農田管理對糧食生產可持續性的影響。大部分的研究中，與糧食生產系統相關的水資源變化、養分循環、溫室氣體排放等，以及氣候變化和災害對糧食生產的影響，是受關注較多的可持續評估要素。社會、經濟、環境等多方面的交互作用通過糧食生產系統制圖成果也得以展開分析。
地球大數據支撐糧食可持續生產的未來展望
2015 年，聯合國可持續發展峰會通過《2030 年可持續發展議程》的同時，啟動了一項技術促進機制，旨在促進科學、技術與創新，汽車材料以實現 SDGs。在《2030 年可持續發展議程》通過 5 年之際，聯合國獨立科學家團隊提出實現 SDGs 的 4 個杠桿：政府治理、經濟與金融、個人和集體行動、科學技術。糧食生產作為自然與人類交互作用最為劇烈賓士零件的一種活動，其可持續保障需要通過將科技創新充分融入政府治理與個人和集體行動來實現。地球大數據作為地球科學的新動力，具有深度支撐糧食可持續生產的巨大潛力。
多學科模型凝聚地球大數據支撐可持續糧食生產政府治理
糧食生產受到社會、經濟、環境等多方面要素的影響，推動糧食生產向可持續方向發展應當綜合考慮各類要素的交互作用，特別是資源的制約。此外，糧食可持續生產對保障糧食安全、減緩及適應氣候變化、防治土地退化、防止生態退化等全球挑戰具有重要影響，是多個 SDGs 指標的紐帶。建立可持續的臺北汽車材料糧食生產系統，需要對多領域多學科進行綜合統籌思考。然而，目前對于推動糧食可持續生產，同時應對上述全球挑戰的策略尚不明朗。
地球大數據來源于但不限于空間對地觀測數據，還包括陸地、海洋、大氣，以及與人類活動相關的數據，是地球科學、信息科學、空間科技等交叉融合形成的大數據。依托地球大數據，開展多學科模型交叉融合凝聚多學科數據，是圍繞糧食可持續生產形成綜合解決方案的重要途徑，能夠為全球及各級政府提供決策支撐，以應對全球挑戰，因而是未來應當重點關注的方向。例如，結合氣候模式、作物生長模擬模型等將自然條件與農保時捷零件業生產過程關聯，采用土地利用變化模擬、智能優化技術等將農業Audi零件生產過程與社會經濟變化關聯，以可持續農業發展為支點，支撐生態環境保護與修復，同時服務社會經濟發展。
技術創VW零件新集成地球大數據搭建糧食可持續生產決策體系
提高糧食生產效率是解決糧食安全的主要措施。當前，農業生產正從農業機械化向農業精準化發展；與此同時，農業智能化趨勢悄然蔓延。不論是精準化生產還是油氣分離器改良版智能化生產，數據都是關鍵。地球大數據與物聯網、互聯網、人工智能、云計算等技術的融合與集成，無論是對農場主還是農戶，都能在精準播種、耕作、灌溉、施肥施藥和收獲的生產全過程提供有力支持，為提高灌溉效率、降低化肥農藥過施風險、減少農業氣象災害損失，進而實現糧食可持續生產提供技術路徑。例如，在美國、日本、歐盟等國家和地區，先后提出了以現代信息技術和智能技術為核心的智慧農業發展模式，其中主要技術就包含遙感與傳感器系統、農業大數據與云服務技術等。
與此同時，全球各國糧食生產能力的比較優勢與需求間的不平衡使得國際糧食貿易長期存在，并愈發顯著。全球及國內糧食生產形勢與市場化分析，對農戶或農場主作物選擇、生產資料的投入，以及由此引起的收益變化作用日漸強烈。加強全球范圍糧食生產形勢的監測，基于多源多尺度對地觀測數據，提升全球及區域糧食供應形勢的早期預期能力和精細化研判能力，并將其融入智慧農業，與實際生產緊密結合，將深刻影響糧食生產系統，推動其向可持續方向發展。（作者：左麗君、吳炳方、 黃文江、董瑩瑩，中國科學院空天信息創新研究院、可持續發展大數據國際研究中心；游良志，華中農Benz零件業大學、國際糧食政策研究所（美國）；孟冉，華中農業大學；潘天石、王亞非，中國科學院空天信息創新研究院 。《中國科學院院刊》供稿）。
發佈留言