Đề án “Đẩy mạnh ứng dụng công nghệ thông tin trong việc thu thập thông tin, dự báo tình hình thị trường nông sản” cũng nêu cao vai trò của ứng dụng công nghệ để cung cấp thông tin đầy đủ, chính xác, kịp thời phục vụ công tác chỉ đạo, điều hành của các cơ quan quản lý nhà nước và hoạt động sản xuất, kinh doanh nông sản của các tổ chức, cá nhân, doanh nghiệp, hợp tác xã; góp phần tăng khả năng cạnh tranh, nâng cao giá trị gia tăng, phát triển bền vững cho nông sản Việt Nam.
Đặc biệt về phân tích và dự báo tình hình thị trường, xây dựng và tích hợp các tính năng, thuật toán thống kê, các mô hình kinh tế lượng phục vụ tính toán, phân tích và dự báo; ứng dụng công nghệ trí tuệ nhân tạo (AI), dữ liệu lớn (Big Data) trong dự báo biến động về cung, cầu, giá cả vật tư, sản phẩm nông nghiệp; ứng dụng công nghệ viễn thám trong dự báo năng suất, sản lượng đối với ngành hàng trồng trọt, lâm nghiệp; Phân loại, cung cấp thông tin phân tích, dự báo phù hợp tới các đối tượng sử dụng, đúng quy định của pháp luật; ứng dụng công nghệ số, đa nền tảng trong cung cấp, truyền tải thông tin, đảm bảo yêu cầu thống nhất, chính xác, kịp thời.
Việt Nam có thể học tập Pakistan trong việc xây dựng một cổng thông tin dự báo thị trường nông sản theo thời gian thực. Đầu năm nay, Bộ Nông nghiệp Pakistan lên kế hoạch phát triển cổng thông tin dự báo mùa vụ thời gian thực (RTCF) để tích hợp thông tin từ nhiều nguồn, sử dụng công nghệ kỹ thuật số tiên tiến.
Chuyển đổi số nông nghiệp là một trong các mục tiêu được Bộ Nông nghiệp nước này nhấn mạnh trong những năm qua. Bộ còn ký biên bản ghi nhớ với một số công ty để phục vụ cho nỗ lực số hóa. Ý tưởng về RTCF là nhằm hỗ trợ nông dân trong dự báo thị trường.
Theo một quan chức của Bộ, RTCF hoàn toàn khả thi nếu tích hợp nhiều bộ dữ liệu và phương pháp hoặc phối hợp các bộ phận/tổ chức khác nhau bằng các công nghệ kỹ thuật số hiện đại.
Một trong những bước tiến quan trọng sẽ là dự báo vụ mùa hàng tháng được đề xuất từ dữ liệu thu thập thông qua cổng thông tin. Hiện tại, Bộ Nông nghiệp thu thập tất cả các dữ liệu đó và phân tích chúng ở nhiều cấp độ. "Một khi điều này được thiết lập và vận hành, chúng tôi sẽ xem xét đánh giá và dự báo tình hình theo thời gian thực, gần như tự động", vị quan chức nói.
Bộ đã thành lập một Tổ công tác dưới sự đồng chủ trì của Cục Thống kê từ Bộ Nông nghiệp và Phúc lợi Nông dân và quan chức cấp cao từ Cục Kinh tế và Thống kê thuộc Bộ để phát triển hệ thống trong một thời gian nhất định.
Việc tiếp cận các thông tin nông nghiệp mới nhất là yêu cầu căn bản để một chính phủ xác định chính sách nông nghiệp thành công, hiện thực hóa và theo dõi kết quả; đánh giá và dự đoán sản xuất để dự báo bất kỳ nguy cơ thiếu hụt nào.
Tuy nhiên, tiếp cận các số liệu nông nghiệp hiện tại thuần túy dựa vào khảo sát thực địa nên không đầy đủ. Nguồn dữ liệu này về bản chất không toàn diện, tốn kém, tốn thời gian, mất nhiều thời gian hợp nhất dữ liệu và có thể bị sai lệch tùy theo nguyên tắc lấy mẫu.
Ngoài ra, dự báo sản lượng đặc biệt khó khăn vì dựa vào nhiều yếu tố ngoài tầm kiểm soát như điều kiện thời tiết, phương thức canh tác không đồng nhất. Các dự báo thiếu chính xác có thể dẫn đến các quyết định sai lầm, gây hậu quả nghiêm trọng cho người dân.
Đây là lý do việc liên kết cách tiếp cận thống kê địa lý với các quy trình truyền thống thường là một thách thức đối với các cơ quan thống kê và nông nghiệp.
Năm 2006, Suparco và Airbus thành lập dự án Agribak sử dụng viễn thám để cải thiện các số liệu thống kê. Dựa trên lịch trình của các loại cây trồng chính, hình ảnh độ phân giải cao được thu thập ở các giai đoạn phát triển quan trọng trên cả nước. Kết hợp với khảo sát thực địa, họ tạo ra một bản đồ bao phủ có ước tính diện tích.
Theo dự báo sản lượng, Bộ Nông nghiệp dùng sản lượng của vụ mùa chính trong vụ trước để tham khảo. Agripak sau đó thiết lập các phân tích khác nhau dựa trên chuỗi hình ảnh vệ tinh theo thời gian, rồi so sánh tất cả phân tích với số liệu tham khảo để xác định mối tương quan tốt nhất, tái sử dụng cho các dự báo tương lai.
Dự án giúp Bộ Nông nghiệp Pakistan đưa ra dự báo sản lượng hàng năm đối với các mùa vụ chính dựa trên các phân tích vệ tinh. Phương pháp được sử dụng từ năm 2005 tới nay.
