◇王小兵

　　◇曹飞凤

　　◇李贵现

　　嘉宾

　　王小兵　农业农村部信息中心主任、党委书记

　　曹飞凤　浙江工业大学土木工程学院副教授

　　李贵现　北京数慧时空信息技术有限公司总经理

　　主持人

　　农民日报·中国农网记者　杨久栋　李浩

　　人工智能通过海量样本的深度学习，赋予计算机高效精准的感知能力，能够及时解析生物特征、精准预判灾害，推动农业防灾减灾实现从“事后救灾”向“事前防灾”的转变。

　　近年来，我国农业灾害多发重发，灾害种类多、分布广、频率高，对农业生产造成较重影响。2025年中央一号文件提出“加强农业防灾减灾能力建设”，凸显有效防范应对农业灾害风险、最大程度减轻灾害损失的重要性。改变农业“看天吃饭”的产业属性，必须坚持底线思维，依靠现代科技武装农业，有效管控各类农业灾害风险。当前，人工智能（AI）技术加速发展、智能装备快速普及，为农业防灾减灾从“被动应对”转向“主动预防”提供了可行路径。近日，国务院印发《关于深入实施“人工智能+”行动的意见》，提出加快农业数智化转型升级，加强人工智能在农业生产管理、风险防范等领域应用，帮助农民提升生产经营能力和水平。目前我国AI在农业防灾减灾中的应用情况如何？AI是如何加强灾害风险监测预警，帮助开展灾害防控和灾后生产恢复的？怎样能让小农户共享AI防灾减灾的红利？本期对话邀请业内专家王小兵、曹飞凤、李贵现展开交流探讨。

AI技术提升农业气象灾害的感知与预判能力

　　主持人：我国农业生产面临的灾害有哪些类型，呈现出什么特征？目前我国AI在农业防灾减灾中的应用情况如何，在全球属于什么水平？

　　王小兵：一定程度上讲，农业特别是粮食生产属于“看天吃饭”的产业。我国面临的农业灾害主要分为自然灾害和生物灾害两大类。自然灾害以气象灾害为主，破坏力强、影响范围广，涵盖干旱、洪涝、低温冻害、雪灾、台风等，其中旱灾是影响农业生产的首要灾害，呈现出“一旱一大片”的特征；此外，还包括地质灾害（如滑坡、泥石流）和水文灾害（如凌汛、海水倒灌）。生物灾害既包含种类繁多的病虫害，像蝗虫、小麦条锈病、草地贪夜蛾、禽流感等，也涉及草害与鼠害，生物灾害的突出问题是传染性强、蔓延速度快。从防控成效来看，当前我国小麦、水稻、玉米三大主粮的病虫害危害实际损失率已控制在5%以内。

　　从整体特征来看，我国农业灾害种类多、覆盖范围广，区域内多种灾害叠加的风险时常出现。近年来，极端天气发生频率高、突发性强，一旦出现，带来的危害巨大。农业自然灾害不仅会直接导致作物减产、畜禽死亡，还可能引发一系列连锁反应，威胁农业生产基础，甚至波及经济社会稳定。

　　曹飞凤：从行业实践来看，我国目前已经形成了一套覆盖动态监测、灾害预警、精准处置等环节的农业防灾减灾全链条技术体系，尤其是AI在气象灾害与病虫害的监测、预警、防控，及灾后损失评估、精准承保理赔中作用凸显，为农业防灾减灾装上了“智慧大脑”。

　　从全球视角看，我国人工智能在农业防灾减灾领域的技术应用已经位居世界前列。依托政策强力支持与技术、农业实践的深度融合，我国在AI助力农业防灾减灾的场景丰富度、落地效率上表现突出，不仅形成了可借鉴的实践模式，更为全球农业智能化防灾减灾贡献中国智慧，展现出广阔的发展前景。

　　但与发达国家相比，我国农业防灾减灾智慧化体系建设在原始创新、高端装备等方面仍存在差距，未来需进一步加强核心技术研发，培育自主可控的产业生态，同时积极参与相关领域国际标准制定，持续提升AI在农业防灾减灾领域的应用效能。

　　主持人：AI的核心运行逻辑是什么？AI介入农业防灾减灾领域有哪些技术优势？如何将其与农业灾害预警结合，提升对自然灾害的感知能力，有哪些可供借鉴的应用案例？

　　曹飞凤：AI的运行离不开三大核心支柱，分别是数据、算法和算力，三者协同构成其运行逻辑。形象地说就像盖房子，数据是砖瓦等原材料，算法好比设计图纸，算力则像施工团队与工程设备，三者相互支撑，共同驱动AI完成数据处理、规律学习与智能决策。

　　当前，AI在我国农业防灾减灾中的应用日益广泛，其核心优势在于贯通“预警—监测—决策”全链条，实现从被动应对到主动管理的转变。一是基于数据融合与预测算法的智能预警。AI通过机器学习与深度学习模型，融合气象、水文、遥感等多源数据，能显著提升对干旱、洪涝、霜冻等灾害的预测精度和时效性，为实现事前防灾争取关键窗口期。二是基于感知与识别技术的精准监测。AI驱动卫星、无人机和田间传感器组成“天空地”一体化观测网络，高效捕获作物长势、环境变化及灾害特征，为动态感知灾害提供实时、准确的依据。三是基于决策优化模型的科学决策。AI通过分析历史与实时数据，构建风险评估与优化模型，为灾害应对和灾后恢复提供量化、科学的解决方案，实现资源最优配置，最大限度减少损失。

　　王小兵：AI技术与气象灾害预警的深度融合正在重塑传统预警模式，显著提升农业气象灾害的感知与预判能力。目前，AI气象预警模型可提前14天预测倒春寒、霜冻等特殊天气，并联动灌溉系统采取防护措施，减少灾害损失，预测预警准确率达到95%以上。各地已涌现出一些实践案例，如中国气象局加快推动人工智能在农业气象服务领域的应用，利用风云卫星、精细化格点预报和机器学习技术，监测冬小麦干旱、夏玉米热害等10余类灾害的风险状况，灾害风险预警时效延长至30天；北大荒集团建设“天空地”一体化智能监测网络和指挥调度平台，综合利用农业气象预报模型和农业遥感模型，面向耕、种、管、收提供超过20种遥感服务产品，为灾害预警、防灾减灾和管理决策提供有力支持。

推动农业灾害应对从“被动救灾”转向“主动防灾”

　　主持人：AI能否助推农业防灾减灾实现从“事后救灾”到“事前防灾”模式的转变？尤其在生物灾害防治领域，其能否通过早期精准识别，将灾害损失降至更低？

　　李贵现：答案是肯定的。AI的核心价值，主要体现在其具备强大的预判感知力、计算处理力、精准控制力，这是推动农业灾害应对从“被动救灾”转向“主动防灾”的基本能力。传统模式下，灾害往往“发现即爆发”，而AI通过早期识别，能在病害感染面积仅为0.5%时发出预警，此时一剂药就能控制感染扩散，成本将大大降低。如我们在山东省淄博市玉米田的风险减量试验项目，通过农情遥感对夏玉米长势、病虫害和养分进行高效监测，结合历史气象与未来预测，在玉米抽雄期关键节点就给出水肥管理和灾害防御方案。项目实施后，玉米病虫害发生率和倒伏风险大幅降低，玉米单产大幅提升。案例表明，AI通过打通“监测—预警—决策”全链条，将灾害应对窗口前移至萌芽阶段，不仅大幅降低损失，更推动农业生产从“灾后补救”的被动模式，升级为“风险可控”的主动管理范式。

　　曹飞凤：人工智能通过海量样本的深度学习，赋予计算机高效精准的感知能力，能够及时解析生物特征、精准预判灾害，推动农业防灾减灾实现从“事后救灾”向“事前防灾”的转变。以病虫害防治为例，AI预测算法模型可整合虫源基数、气象条件、作物生育期等多维数据，精准生成病虫害迁飞路径，智能识别早期迹象并提前3天至15天预警发生区域、时间及严重程度。基于这一预测，既能制定精准防控方案，又可通过无人机飞防实现精准施药，使农药用量降低20%以上，真正达成病虫害“防早治小、关口前移、标本兼治”的目标。实践层面，中国电信依托自主研发的“星辰”大模型，融合DeepSeek（深度求索）能力构建农业行业大模型，整合遥感数据、气象信息、土壤墒情、病虫害等多源数据，打造覆盖农事指导、灾害预判、病虫害识别防治、农产品价格预测的全链条智能农业解决方案。该方案创新采用“大模型+垂直小模型”架构，通过气象、病虫害、苗情长势等专项模型协同分析实现灾情提前预判，目前已在河北雄安新区、四川彭州等地落地应用。

　　主持人：AI如何充当“大脑”，整合天、空、地一体化的数据，织就一张智慧农业观测网？当灾害来袭和灾害过后，AI能发挥哪些作用防御或减少灾害影响？

　　王小兵：AI通过有效整合多源数据，形成全面、立体、实时的农业灾害观测网络，将有力推进“天空地”一体化的观测网络及防范体系建设。

　　“天”基卫星遥感提供宏观视野，负责大范围、周期性的地表观测，在干旱监测、洪涝评估以及大面积病虫害早期发现和趋势判断方面发挥着关键作用。

　　“空”中无人机监测承担中观精细识别的任务，通过搭载多光谱相机和AI识别算法的无人机，能够快速响应、精准飞抵目标区域，实现对作物病虫害的精细识别与定点核查，有效填补了卫星与地面数据之间的精度空白。研究表明，AI对常见作物病害的识别准确率已达95%以上，比传统人工检查效率高20倍。

　　“地”面物联网传感器负责采集微观实时数据，部署在田间的各类传感器能够全天候不间断地采集作物生长微环境的实时数据，为预警模型提供最直接、最连续的数据支持。

　　AI作为整个观测网络的“数据大脑”，通过对多源、异构的海量数据进行全面采集、清洗、融合与深度分析，生成精准的灾害分布热力图，智能预测灾害发展趋势，从而将天、空、地三个层面的感知能力有机整合，形成一个运转高效的闭环管理体系，真正实现从监测到预警再到防治的一体化运作。

　　李贵现：作为深耕农业技术服务的企业，我们依托空间信息技术与人工智能的融合能力，聚焦耕地保护、农业生产精细化管理、农业风险控制等行业关键需求，提供适配的综合技术解决方案与落地支撑。在实际应用中，我们按照“宏观—中观—微观”的技术路径，利用自研的遥感大模型、结合微澜测天气象大模型进行宏观预判，该模型可实现1公里分辨率、6分钟快速更新气象数据预报，提升气象预测的精度与准确率；发现异常区域时，调度无人机集群进行中观核查，精准识别灾情并预警；最后联动地面的物联网设备回传微观数据，形成“从宏观到微观”的完整画像。

　　在抗灾运用中，AI能快速整合卫星遥感、无人机航拍、田间传感器数据，实时生成农田灾害态势图，精准识别作物受淹或干旱区域、病虫害扩散范围、设施农业损毁情况；同时通过风险模型预判次生灾害，辅助农户优先抢救高价值作物、调配应急设备，减少田间直接损失。

　　在灾后救济上，一是AI基于受灾的多源数据，量化测算农田受灾面积、作物减产率，为灾后重建规划提供科学依据；二是助力农业保险高效定损，通过图像识别比对灾前灾后农田状态、大数据核验种植信息，实现精准理赔；三是AI结合气象、土壤数据构建种植建议模型，推荐适配灾后环境的作物品种、调整种植密度与施肥方案，提升灾后补种成活率与后续产量。

　　主持人：当前AI在农业防灾减灾中还存在哪些技术短板，该如何破解？

　　王小兵：高质量的数据是推动AI发展的核心资源之一，当前农业数据存在精准度不足、覆盖面不全的问题，导致AI模型预测精度低、应用范围受限。为破解这类难题，应采取以下措施。一是建标准、通渠道。加快农业数据采集、流通、管理、应用的标准体系建设，优先制定农业环境、气候、土壤等公共数据标准，逐步延伸至农机作业、作物长势等生产环节，实现全流程数据规范；同时构建数据中台，深化公共数据开放共享，建立涉农数据激励机制并明确权属，引导涉农主体参与共享。二是扩覆盖、聚碎片。联合各地构建数据联邦，保障数据安全的同时实现跨区域共享；以“终端+服务”联动小农户，定制适配服务降低采集门槛，推动分散地块数据共建共享，将碎片化田间信息转化为系统化防灾数据资产。三是筑基底、建生态。构建农业高质量数据集，用标准化体系统一采集与校验规范，为AI模型提供可靠训练基底；构建全要素、全周期数据网络，整合多维度数据形成适配AI的“数据生态”，助力模型突破小样本、碎片化数据下的性能瓶颈。

　　曹飞凤：从算法角度看，当前AI在农业防灾减灾中存在三方面问题。一是模型泛化能力不足，基于特定区域训练的灾害预测模型，受微气候、土壤异质性影响，应用到其他地区时预测准确度会明显下降，需反复调整参数才能提升适用性。二是对复杂环境的感知与推演有局限，现有传感器在暴雨、沙尘等极端天气下故障率高，且对“旱涝急转诱发次生病害”等灾害链式反应，缺乏动态推演能力。三是存在“生成式错误”风险，即AI可能“一本正经地输出错误答案”，这需要在数据投喂环节确保语料真实，并通过持续人工校验与训练，避免其因输出错误指令影响防灾减灾决策。

　　李贵现：针对当前AI在农业防灾减灾中的短板，未来可围绕技术融合与系统重构开展工作。一是升级“通用模型”，构建基于大规模场景训练与区域化参数微调的通用灾害模型，通过技术适配快速适应新环境，大大缩短开发时间。二是改良“耐用设备”，研制能在极端天气条件下正常工作的监测工具，整合多种传感功能并做好抗干扰设计，确保其在恶劣环境下也能稳定运行。三是打通“全流程”，通过区块链智能合约打通跨系统数据流，构建“风险识别—自动处置—损失核定”的一体化响应网络。算力方面，存在算力资源分散的普遍性问题，这需要通过构建一体化算力网，结合我国能源分布特点，依托“东数西算”工程等举措统筹解决。

构建价值共享生态，让小农户共享AI红利

　　主持人：未来AI在农业防灾减灾领域的发展趋势如何？结合《关于深入实施“人工智能+”行动的意见》，当前需要哪些重点部署，还需哪些政策与技术配套支持？

　　曹飞凤：从AI在农业防灾减灾领域的发展趋势看，一是决策智能化升级，“监测—预警—防治”闭环进一步加强；二是多学科技术融合深化，AI与气象、植保、生态、农药等多领域技术融合应用；三是融入全球化农业监测预警体系，比如检疫性有害生物、迁飞性害虫的全球化协同治理。

　　在技术层面，还需要做以下方面的努力。一是加强核心技术研发与攻关。加大对AI核心算法、模型、框架等基础技术的研发投入，突破关键核心技术瓶颈。二是建设农业大数据平台与资源库。建设国家级和区域性的农业大数据平台，打通不同部门之间的数据通道，整合多源、多尺度、多时相的农业数据资源。三是加强AI技术集成与示范应用。加强AI技术与物联网、卫星遥感、智能农机等技术的集成应用，建设一批具有示范引领作用的应用场景。

　　王小兵：从政策层面看，一是完善顶层设计与规划布局，按照国务院《关于深入实施“人工智能+”行动的意见》部署，研究制定国家层面的AI农业防灾减灾发展规划，明确发展目标、重点任务和保障措施。二是推动产学研深度融合，促进高校、科研院所、企业、农户等主体的协同创新，加强农民技能培训，形成产学研用深度融合的创新体系。三是加大财政投入与金融支持，通过设立专项资金、税收优惠、信贷支持等方式，加大基础设施投入，构建覆盖全国的农业感知网络，支持AI农业防灾减灾技术的研发和应用。四是完善法律法规与标准规范，建立健全AI在农业领域应用的数据隐私、知识产权、责任认定等方面的法律法规和数据标准化体系。

　　面对已经到来的人工智能时代，农业农村部已启动“AI+农业”战略布局。其中，农业农村部信息中心率先完成DeepSeek大模型本地化部署，将应用于农业领域公文写作与校对，实现智能精准处理，为农业政务管理工作提供支撑；助力构建农作物病虫害监测大模型，将为农业灾害的预测预警、病虫害精准识别提供技术保障；联合中央财经大学探索“AI+农业保险”模式，推动投保与理赔流程更精准，提高农户的投保积极性，增强农户抗风险能力，目前已在重庆、四川成都的生猪养殖及农作物种植领域开展试点。

　　主持人：小农户如何共享AI防灾减灾的红利，将来是否存在“用不起、不会用”的困境，如何进行破解？

　　王小兵：小农户可通过“平台+组织”承接AI红利，破解使用难题。一是依托农业综合服务平台获取精准服务，利用传感器和AI技术，为农户提供种植指导与灾害预警；二是加入农业合作社，通过集体出资租赁AI设备、共享数据经验，再经集中培训提升技术应用能力；三是借助企业搭建的AI设备共享平台，按需租用小型气象站、智能灌溉设备等，无需一次性投入，降低使用门槛。

　　曹飞凤：破解“用不起、不会用”需聚焦“成本分担+习惯适配”。成本端建立政府补贴、社会投入的多方分担机制，搭配灵活付费模式，减轻小农户经济压力；操作端优化AI工具设计，简化流程并配备直观提示，再结合本地化培训帮助农户快速上手；覆盖端兼顾传统习惯，将AI处理后的灾害预警通过传统媒介传递，确保农户能及时获取信息。

　　李贵现：破解“用不起”的关键在轻量化与成本普惠。可以通过整合遥感、气象大模型与土壤反演技术，打造“云端协同+边缘轻量”模式，大幅降低终端成本，让小农户低门槛获取高质量服务；开发语音交互、可视化界面的AI助农助手，以一键操作的直观提示，实时推送墒情、预警与种植建议，适配不同农户需求。让小农户共享AI红利，关键在技术下沉田间地头。而长远破局需构建价值共享生态，基于合规脱敏的农户农田数据开展分析，助力AI模型优化，实现收益反哺；推动AI与农机、农资深度融合，达成自动化响应，让小农户享受防灾效能提升的成果。

　　主持人：时至今日，人工智能技术正以前所未有的速度深度融入农业防灾减灾领域，为应对日益复杂多变的灾害风险提供了革命性的综合解决方案。从灾前的精准预警、智能研判，到灾中的实时监测、科学调度，再到灾后的快速评估、精准定损与生产恢复，AI赋能下的农业风险管理已经展现出高度的韧性与智慧。展望未来，随着AI技术与农业生产场景的进一步适配、多方协同生态的不断完善，其必将在守护农田安全、防范农业风险、减轻灾害损失中发挥更大作用，为农业现代化注入持久强劲的发展动力。感谢三位嘉宾做客《对话》栏目，分享精彩观点！