农业中的新发展不仅仅依赖于传统科技手段的的研发，在大数据时代，更多的成像技术与自动化科技可以获得更加全面的农业监测数据，可以辅助更好地进行预测。历年的农业监测数据，长远来看，可以用于优化农业生产条件，取得更好的产量与质量；短期的预测结果，可以促进金融衍生品在农业中的运用，在国际金融市场更具竞争力，而且更加有效的规划农产品的国家收储，稳定市场与金融秩序。这些智慧农业的应用更可以推动5G、卫星遥感技术、大数据科学分析等不同领域的研究，提高现代农业的国际竞争力。

在20世纪上半页的中国农业存在着一些问题，比如“在许多情况下，农民不得不在当地市场上出售产品，而没有别的选择。交通运输困难，而且运费太贵，加上信息不灵……市场价格的大幅波动，对农民往往不利。因为在收获季节，正是农民要出售其产品的时候，市场由于供应较多而过剩。”[1] 过去一家一户制度的农业生产，是稳定的吸收适龄就业人口的方式，但是难以吸收现代科技，进行规模化的生产与创新，或者采用金融工具等降低种植农作物的风险与成本。如今随着经济的发展，发达的交通与物流成本的降低，使得农产品可以销往全国各地；中大规模的农场化生产，使得农用机械被广泛的采用，减少了农民的重复性的体力劳动，随着的农产品的金融工具的开发，市场价格的风险对冲也变成了可能，农产品价格的波动幅度减小，降低了农民的收入的风险。农业在过去的几十年内获得了长足的进步，展望未来，如何更进一步让中国的农业变得在全球具有金整理，有哪些先进的科技进一步推动农业的现代化呢？

在和平的现代，金融的重要性就好比战争时期的国与国之间的军事实力的比较一样，决定着财富的分配，在农业领域亦是如此。电影《东邪西毒》里，被马贼烦扰的农民需要花钱雇佣最好的刀客来反击；而《狼图腾》一书中，牧羊人需要警醒的猎犬去保护羊群，这些大众文化中的例子，展示了弱小的群体对强有力的保护者的需求。发展中国家的农业的经济利益也很依赖于农产品金融衍生品从业者在国际市场上对华尔街的阻击。金融实力很大程度上取决于预测的准确性和水平。从个体的例子来看，如果你能预测未来的彩票号码，你就能中大奖；如果你十年前预测信息技术的蓬勃发展，大学选择了计算机专业，或者购买了腾讯的股票，那么现在吃穿不愁。预测彩票是困难的，因为它是完全随机的；而金融领域有很多内在规律可以发掘（比如违法的内幕交易，就是因为预知重大事件可能对股票价格的影响，而提前布局）。所以发展现代农业时，很重要的一环在于金融研究对于农产品产量质量等不同方面的预测，而大数据时代的监测与预测可以给金融提供强有力的武器，来积极保护农民的利益。

卫星的遥感图像广泛运用于不同的行业和领域，对于现代农业有巨大的助益。卫星遥感的图像辅以地质学与植物学的特征，过去曾用于探寻金银等矿藏的，如今在汽车电气化时代，将遥感技术应用于锂矿的搜索也是一种尝试[2]。美剧《亿万》中描述了一个桥段，金融分析师利用卫星图像研究关于一家公司的交通运输的情况，决定是否做空做多。前一段时间的新闻，苏伊士运河由于货轮搁浅，造成其他运输线拥堵，也对油价产生了短期的影响[3]，或许一些原油的交易员也能因为借用卫星图像，分析原油的供应链的稳健性，通过提前预测而获利。随着对先进农业技术的追求，卫星及遥感技术在监测、预测等不同方面的用途可以进一步开发和研究。陆地卫星计划（LANDSAT）是运行时间最长的地球观测计划，由美国国家航空航天局与美国地质调查局共同运营，将地面的卫星图像免费公开[4]。这些卫星图像数据甚至很早之前就已经和机器学习或者统计分析结合，比如通过分析获得的不同的热力图，进行土地用途的分类的预测[5]，或者这些光谱数据可以用于电子土壤地图绘制[6]。这些卫星的关于地球土壤的数据，可以给政策决定和执行者参考，从而更好地利用地球资源。

农作物产量的预测在金融上可以更好地获取国际市场的定价权，保护农业从业人员的利益；好的预测可以辅助决策者们做出更好的短期的计划，稳定市场的秩序，做好长期的规划，保证未来的粮食安全等问题。卫星的数据更是展现了在农作物产量预测的巨大前景。卫星不同光谱波段的图像数据（可见光、近红外、热与微波等）与其他气象和农作物产量的历史数据，可以用来估计美国玉米种植带的产量[7]。当然卫星由于特定运行轨迹以及空间分辨率的影响，不能完全预测其他区域的农作物产量。技术上、可以考虑微型化与低空的措施。

中国的无人机技术与5G技术的研发在全球具有竞争力，可以考虑与现代农业的有机结合，通过更加实际问题的解决，提升两方的科技水平。卫星的光谱图可以运用于大面积的产量预测，那么微型化以后的无人机，或许可以通过空间、时间的累积数据，用于预测小块种植面积的产量预估。而当这些数据集的基准建立以后，无人机的数据很有可能通过产量预测的相关性（correlation）与获取图像的相似性（similarity）可以对卫星数据进行修正，从而获取更加精确的农作物产量预测。全球性的粮食安全需要一个好的农作物疾病的监测系统，才能更好地预防或者抵御农作物疾病的扩散，才能通过比较好的准备（preparedness）来最小化可能的粮食供应的风险[8]。无人机与卫星的历年的监测数据可以用来建设更好的农作物疾病的监测系统。

无人机的机动性更是带来了现代农业的新的可能。在生物制药的角度，研究者们往往考虑靶向治疗（精准地攻击病灶），因为药物可能的副作用，以及作用在正常组织并不产生治疗效果。美国由于水资源丰富，居民房屋周围的草坪或者高尔夫球场都有大量的自动灌溉的喷水装置，但是这样的大水漫灌的效率或许并不高，如果可以通过无人机对草地成像的分析，找出更加精确地灌溉或洒水方式，那么可以有效地提高资源的利用效率。更进一步，这样的精准农业也可以通过物理的方式，减少农药与化肥的使用。现代农业机械可能会开发出除虫的物理机器人，由于世界范围内蜜蜂的减少而开发出授粉机器人等等自动装置。笔者大胆的猜测，未来可以有人工只能辅助的技术，寻找涨势不够好的作物，如果由于表面的虫害，或许物理激光的无人机可以除虫（或者其他农作物的除虫机器人），或者采取更加精准的无人机喷洒的农药与化肥的量，从而减少整体的农药与化肥的使用，获得更好地有机食物。

人工智能下的精准农业，也依赖于数据的获取，而有标签数据（labeled data）的来源一直是一个问题。农业的标签数据也可以采用类似路易斯·冯·安（Luis von Ahn）的策略：为了将验证非机器人的点击所使用的验证码（CAPTCHA），变得更加有用，他发明了再次验证码（ReCAPTCHA），把需要验证的文字变成了当时机器无法处理的光学扫描出来的单词，从而通过网络验证码集合的方式完成了光学扫描的书籍的数字化[9]。这种“一鱼两吃”的策略，也可以运用到现代农业中，将标记病变的叶子，虫患的图像等数据借助于图片验证码的方式而完成有标签数据的搜集。

过去有一些人觉得5G技术除了在尚未进入商用的自动驾驶以外，并没有多少应用场景；因为5G的速度的确够快，但是很大程度上与家用的无线网（WiFi）所重合，缺少在移动场景中使用大量数据的需求。在新型农业中，5G技术与无人机以及人工智能形成一个极佳的运用场景。使用无人机（或者作业自动机器人）时，如果加载大型计算单元，增加了无人机的成本与负重，但是如果通过高速的5G数据进行图像的快速传输到数据处理中心，获得机器指令，对农作物的某一区域进行处理，那么成本上具有巨大优势。这样大量的实时通讯的数据处理与无人机进行的图像搜集、自动指令执行进行了分隔，在降低成本的同时，提高系统整体的鲁棒性。

卫星的遥感成像技术、无人机成像、5G数据传输以及大数据下的人工智能，可以在21世纪的农业中有机地结合起来，形成更好的协同作用，增加农业生产的附加值。农业中广泛运用这些先进科技更可以降低成本，提高这些科技行业的全球竞争力。

引用文献：

[1] 费正清编，《剑桥中华民国史1912-1949年，上卷》，第二章，经济趋势，1912-1949年，p89-90，中国社会科学出版社，1998年。

[2]用卫星搜索锂的沉积物， 经济学人，2018年2月10日，Searching for lithium deposits with satellites, Economist, Feb 10, 2018

[3] 新华网，苏伊士运河堵塞致国际油价显著上涨，2021年3月27日，

http://www.xinhuanet.com/2021-03/27/c_1127262014.htm 

[4] 陆地卫星计划，美国航空航天管理局，https://landsat.gsfc.nasa.gov/

[5] 特拉佛·哈是提，罗伯特·提布西拉尼，杰罗姆·弗里德曼，统计学习基础：数据挖掘，推测与预测，斯普林格出版社，2009年。Hastie, Trevor, Robert Tibshirani, and Jerome Friedman. The elements of statistical learning: data mining, inference, and prediction. Springer 2009. p.470-471

[6] 博庭格等，可用于数据化土壤地图绘制的的陆地卫星光谱数据， 有限数据下的数字土壤地图绘制，斯普林格，多德勒克，2008年，193-202页，Boettinger, J. L., R. D. Ramsey, J. M. Bodily, N. J. Cole, S. Kienast-Brown, S. J. Nield, A. M. Saunders, and A. K. Stum. "Landsat spectral data for digital soil mapping." In Digital soil mapping with limited data, pp. 193-202. Springer, Dordrecht, 2008.

[7] 管开宇等，光学的、荧光、热与微波卫星数据在估计大规模农作物产量的共同与唯一性价值，环境的遥感，199卷，333页，2017年。Guan, Kaiyu, Jin Wu, John S. Kimball, Martha C. Anderson, Steve Frolking, Bo Li, Christopher R. Hain, and David B. Lobell. "The shared and unique values of optical, fluorescence, thermal and microwave satellite data for estimating large-scale crop yields." Remote sensing of environment 199 (2017): p.333.

[8] 莫妮卡•卡瓦贾-叶普斯等，全球的农作物疾病监测系统，科学，364卷，1237页，2019年，Carvajal-Yepes, Monica, K. Cardwell, A. Nelson, Karen A. Garrett, B. Giovani, D. G. O. Saunders, S. Kamoun et al. "A global surveillance system for crop diseases." Science vol. 364, no. 6447 (2019): p.1237.

[9]维克托•迈尔•舍恩伯格,肯尼思·库克耶, 大数据：生活、工作与思维的大变革，豪顿米福林哈阔特，2013年，第六章，价值，98-99页。Mayer-Schönberger, Viktor, and Kenneth Cukier. Big data: A revolution that will transform how we live, work, and think. Houghton Mifflin Harcourt, 2013.Chapter 6，value,p98-99