农业大数据关键技术及应用进展

【目的】为了保障我国的粮食安全,促进农业大数据在农业领域的充分应用。【方法】通过对国内外大数据文献的调研和分析,对大数据理论的提出、发展和应用做了简单回顾。以此为背景,对农业大数据的关键技术和瓶颈问题进行分析,指出中国农业大数据发展中存在的主要问题,在此基础上,探索了农业大数据发展的理论、应用方法以及相关案例等,并对未来农业大数据发展进行了展望。【结果 /结论】我国农业现代化需要大数据技术提供决策支持,并结合人工智能技术、物联网技术、互联网技术在农业全产业链中的发挥合力,促进农业转型升级,实现我国农业全要素的现代化、信息化发展。     

农业大数据研究与应用进展

【目的】在全球快速发展和数据信息量迅猛增长背景下,大数据技术也成为各行业应对海量数据的重要助力。国内对于农业大数据的研究起步较晚,缺乏对相关研究的归纳总结。文章通过对目前农业大数据应用、技术等研究进行论述,对未来农业大数据的发展方向进行展望。【方法】文章采用文献综述法,概述了国内外农业大数据的研究进展,分析了农业大数据的应用方向与关键技术,简要介绍了部分农业大数据平台,指出了目前发展存在的问题并提出未来发展方向。【结果】我国农业大数据发展十分迅速,目前已应用在了农业育种、生产与养殖、农业气象预测、市场管理与农产品追溯等领域,相关的农业大数据平台也已投入使用,但目前仍存在数据缺乏统一标准、共享水平低、缺乏大数据人才、缺乏自主核心技术、已有大数据平台缺乏实用性、数据保护体系不完善等问题。【结论】未来要进一步完善农业大数据采集体系,提高数据共享水平,增强大数据尤其是农业大数据的人才培养力度,优化大数据分析技术,让数据挖掘变得更加高效,自主研发大数据处理框架减少对国外技术的依赖,此外要对原有的大数据平台进行升级,建设出包含农业旅游、文化等丰富的、能够为基层群众提供更加实用性服务的农业大数据平台以及针对大数据资源特点,完善大数据的安全保障工作。     

我国农业农村大数据发展应用研究

【目的】信息技术与经济社会的交汇融合引发了数据迅猛增长,数据已成为国家基础性战略资源。【方法】为深入了解我国农业农村大数据发展应用情况,文章详细介绍了我国农业农村大数据的发展现状,重点分析了存在的问题及挑战,以及应遵循的路径。【结果】提出了加强顶层设计、推动共享开放、强化应用、完善法律法规的政策建议。【结论】通过发展农业农村大数据,将有效推动我国农业农村信息化发展步伐,我国农业农村大数据发展前景广阔、大有可为。     

基于云计算的农业大数据共享服务平台研发

【目的】为了整合多源、异构、海量农业数据,基于云计算等技术设计并实现农业大数据开放共享平台,有利于农业数据资源的充分利用。【方法】文章依据科学合理的标准规范,以农业大数据资源编目元数据、大数据整合集成与建库、农业大数据共享服务为主线,利用Hadoop大数据技术,基于J2EE平台和构件化开发思路,构建农业大数据共享服务平台。【结果】该平台包括农业大数据集成管理、农业大数据共享服务管理和元数据管理,其中农业大数据集成管理实现了对各渠道所得农业数据进行整合集成、数据质量控制和更新管理,农业大数据共享服务子系统实现了对分散、多源、异构农业非空间数据的目录导航、查询检索与共享交换等服务,是用户查询访问和使用农业大数据的统一入口,元数据管理子系统实现了对多源大数据的统一描述、发布管理与权限控制。【结论】该平台在贵州省进行了开发应用,实现了贵州省农业数据资源的统一集成、统一管理、统一共享和统一服务,为贵州省农业云服务及其各类应用提供了数据基础。     

农业大数据的应用现状与发展策略

近年来，随着全球信息技术的发展，大数据技术受到了越来越多的关注，并在各个领域中彰显出巨大的潜力和优势。随着我国农业现代化的不断推进，农业大数据作为大数据技术与农业深度融合的产物，为农业生产效率和资源利用效益的提升发挥了显著的作用。本文首先介绍了大数据技术在精准农业、作物育种、农产品质量安全监控、市场预测与营销方面的应用，其次综述了农业大数据目前存在的问题及面临的挑战，最后对农业大数据未来的发展趋势和策略进行了探讨。     

果园大数据智能管理与服务平台探索与实践

【目的】 传统数字化果园管理中存在数据存储分散、数据处理效率低、服务能力弱和整个生命周期的农业生产数据缺乏等问题,开发集数据存储、管理、挖掘分析和决策支持等功能于一体的果园大数据智能管理与服务平台迫在眉睫。【方法】 文章通过结合“空－天－地”一体化、数字农业、智慧农业等理念,集成深度学习、概率图模型和知识图谱等人工智能方法,开发了果园大数据智能管理与服务平台。【结果】 平台实现了果树数量自动统计、地理环境感知、农机设备自动化精准感知、果园生产周期数据管理和智能化更新功能,同时平台还提供水、肥、药智能决策服务和智能农机生产作业管控服务。【结论】 该平台在成都市龙泉驿现代农业园区进行应用,实现了桃园生产大数据的智能管理和提供精准生产指导服务。该平台的实现为促进果园智能管理和精准生产指导服务提供技术参考,对实现果园智慧化管理具有重要意义。     

热红外遥感及其在农业旱情监测中的应用研究进展

【目的】梳理目前热红外遥感研究进展,探讨热红外遥感技术在农业旱情监测方面的应用现状,为热红外遥感技术在土壤水分反演和旱情监测方面的应用探明发展道路。【方法】文章通过系统梳理和总结国内外热红外遥感及其在农业旱情监测中的应用研究进展,分析了目前研究存在的问题,并对未来热红外遥感在农业旱灾监测中的应用进行了展望。【结果】热红外遥感已经形成多源遥感数据和多时空分辨率数据并存的局面,地表温度遥感定量反演和地表蒸散发遥感估算已经取得较大进展,但热红外遥感数据产品系统生产仍然面临许多问题,尤其是时空尺度、云影响、像元间可比性和反演精度等问题,仍然需要开展深入的研究;目前农业旱情遥感监测已经取得了较大进展,国内外学者提出了多种不同的表征指数监测方法,但由于热红外遥感存在的许多固有问题,农业旱情遥感监测仍面临许多挑战,尤其是从热红外遥感前沿问题出发开展农业旱情遥感监测模型研究。【结论】在对地观测大数据时代背景下,热红外遥感及其在农业旱情遥感监测中的应用,迫切需要进一步深入研究全天候高精度地表温度遥感反演、高精度农田蒸散遥感定量估算、时空尺度转换与多尺度监测、旱情监测机理模型构建等前沿学术问题,同时,这些问题也是农业旱情遥感监测获得突破性进展的重要方向。热红外遥感理论与方法的发展,将有力地推动我国农业旱情监测精度的提高,为现代精准农业发展保驾护航。     

我国绿色高效农业生产技术应用推广路径探讨

【目的】介绍我国目前推广绿色高效农业生产技术的模式并且分析其主要利弊,对我国目前推广绿色高效农业生产技术的主体与现状进行介绍和分析。对我国绿色高效农业生产技术应用推广存在的问题进行剖析,对优化我国绿色高效农业生产技术的途径提出相关建议。【方法】对绿色高效农业生产技术进行概述,结合案例分析绿色高效农业生产技术推广的优点和劣势,并总结相关问题,提出建议。【结果】随着经济与科技的不断发展以及乡村振兴政策的推广与实施,如何提高我国农业生产效率就成为了解决“三农”问题的首要任务。在农业生产技术推广的过程中,政府作为主体与其他公益服务机构发挥了重要作用。【结论】我国的绿色高效农业生产技术推广还存在着较大的不足。应该从建立合理的农业技术推广制度,建设一线农业推广队伍,建立产销结合的推广体系,提高农民文化水平入手加以提高。     

算法管理对智慧农业发展的促进作用

【目的 】探讨算法管理对智慧农业的促进作用,为智慧农业的发展提供新思路和方法。【方法 】文章系统分析物联网与传感器、遥感技术、多源数据融合在智慧农业中的应用,探讨版本控制、包管理、容器技术和云计算等算法管理技术对智慧农业发展,以揭示算法管理在智慧农业中的潜在优势。【结果 】农业中的算法管理可以降低软件开发、维护、应用过程的复杂性,促进算法和应用的有机结合,提高智慧农业的发展效率与准确性,为智慧农业领域的算法管理提供了有价值的参考【结论 】增强算法管理在智慧农业中的应用可以降低融合创新的成本,促进新应用的落地和推广。     

农业大数据在农业经济管理中的作用

伴随着大数据时代的到来,数据的重要性日益彰显。我国是一个农业大国,农业生产和农业经济管理活动无时无刻不产生着大量的数据,通过对农业大数据进行收集、分析,从中提取有价值的信息,做出科学的预测,将为农业生产管理、涉农企业发展以及政府制定政策提供有力的指导。然而,处于起步阶段的农业大数据在发展中存在着认识片面、技术缺乏以及数据安全隐患的问题。因此,针对农业大数据在应用过程中存在的问题,积极的寻求解决方法成为当务之急。     

中国开放政府农业数据分析与评价

[目的/意义]农业农村部和各省的农业行政主管部门是推动农业农村大数据发展的主要力量。本文通过调研全国31个省、自治区、直辖市的农业开放政府数据现状,了解、分析并评价全国开放政府数据中农业数据的发布、共享、标准化和应用情况,据此提出可行的建议。[方法/过程]通过调研、统计全国31个省市、自治区、直辖市的开放政府数据平台,对平台总体情况以及各省、自治区、直辖市农业行政主管部门所发布涉农数据的内容进行整理、规范和总结,从数据更新时间、数据应用许可、数据下载等几个方面进行分析。同时,结合FAIR规范,从数据的可发现性、可活动性、可互操作性以及可重用性4个方面进行评价。[结果/结论]目前中国农业数据的整理、发布和共享都还处于初级阶段。虽然各级政府制定了相应的法规、政策,但是从政策落地的效果来看并不理想。农业农村部应该与各省级农业行政主管部门联合起来共同推动政府农业数据的开放与应用。同时,积极与国际开放政府数据的建设模式接轨,提高数据发布、管理和服务的能力。     

大数据在智慧农业中研究与应用展望

“大数据”是继物联网、云计算之后信息技术产业又一次重要的技术变革,已成为数据挖掘和智慧应用的前沿技术,科技已经进入了“大数据”时代。阐述了大数据发展的背景、大数据与物联网等的关联、大数据基本内涵和关键技术等,并结合农业特点,分析了大数据在农业上的需求、主要应用领域及其在智慧农业中的关键地位。最后针对我国农业大数据和智慧农业未来发展,提出了的一些建议和思考。     

现代化大农业的关联定义及特征研究

基于对现代农业、大农业及现代化大农业的内涵分析,概括出大农业和现代化大农业的定义,揭示出现代化大农业同现代农业及一般意义的大农业之间的关联性,评价了国家定位在农垦区域发展现代化大农业并将"发展现代化大农业示范区"设立于黑龙江垦区的科学性,总结出我国现代化大农业应具备的大规模、大农机、大投入、大产业、大科技、大市场、大效...     

农业大数据共享现状分析与对策研究

农业大数据开放共享对于推进农业部门间的互连互通、协作协同和科学决策具有重要意义。梳理了当前我国农业大数据开放共享的现状,基础环境不断优化,一批信息共享和发布平台已经建立,但受体制约束、标准技术缺乏和法律法规滞后等影响,农业大数据的开放共享还存在总量偏低、可读性差、数据更新比例低等问题。鉴于此,在顶层设计、技术条件、内容标准、共享机制和法律规范等方面提出促进农业大数据共享的相关措施,以期加快农业数据的开放共享和资源整合,提升现代农业治理能力。     

基于空间数据仓库的农业大数据研究

农业大数据能从海量的农业数据中寻找和挖掘有价值的数据以及隐藏的信息,准确把握数据之间的内在联系和规律,是发展现代农业的重要推动力。空间性是农业数据的重要特征之一,将空间数据仓库的理论和技术运用到农业大数据中是发展农业大数据的关键。空间数据仓库是数据仓库技术在空间领域的延伸,它能有效地存储、组织和管理农业空间数据,实现农业异质数据转换、集成与调度,并为农业数据分析提供支撑环境。讨论分析了农业大数据的体系结构,并利用空间数据仓库在空间数据处理上的优势,结合空间数据挖掘的理论知识,从数据采集、数据集成处理、数据分析和数据应用4方面对农业大数据进行了全面的研究和分析,最后针对我国农业大数据的研究现状提出了一些建议和思考。     

农业大数据应用体系架构和平台建设

农业数据具有容量大、关联性强尧复杂多变等特点。大数据技术能从庞大的数据集合中寻找、挖掘有价值的数据和知识。推动大数据技术在农业领域的实践和应用,对把握农业信息内在联系和规律意义重大。首先阐述了大数据的基本内涵和农业大数据概念与特点;然后从服务、管理、应用、技术、资源5个关键环节分析设计了农业大数据SMART应用体系架构,重点分析了构建体系的关键技术、重点资源与主要应用领域;最后在此基础上,设计了一个农业大数据智能分析平台,并详细分析了平台的总体架构、功能设计及技术实现。     

智能化海量空间信息分析与地图制图软件包IMAT设计及构建

【目的】在农业与环境研究领域,受研究条件和手段限制,多数研究实际上只能集中于点过程、局部地区或某一时段问题,只能关注某些特定主题相关现象和机制。由此产生大量分散数据。通过坐标关联可以对原先在各自独立研究中获取的不同类型数据与证据进行关联,这种连接可能赋予原先所认知的过程以新的涵义。海量空间数据分析方法能够从多渠道、多角度获得对事物的认知,并能够利用新的数据与证据不断修订假设。大数据分析的主要难点是海量空间信息不仅体量大,还要根据数据异质类型进行差异化抽提、整合和表达,难以采用现有主流软件工具,针对这一问题,本研究旨在创建一个能够以自动化和人机交互方式对异源、异质海量空间信息进行抽提、整合与大尺度、大比例尺专题图表达的专用工具--智能制图工具（IMAT）。【方法】采用海量空间信息分析方法中的流程设计与软件设计原则构建IMAT。总设计由系统体系架构设计、系统数据支撑平台设计、模块与组件模型设计3部分组成。程序采用C#为编程语言,以NET Framework 4 Extended为软件开发环境,同时调用制图软件包ArcGIS、数据库软件包Access与界面制作软件包DotNet Bar控件。【结果】IMAT含38个独立功能模块,覆盖了对农业与环境领域产生的海量空间信息进行抽提与制图表达所需主要功能,各模块既可独立进行某项特定数据分析与处理,例如,海量信息调用、存贮、空间要素统计、分类码审核、赋码、要素筛选、数据整合、制图表达等,也可通过多模块组合,完成一项比较复杂的数据抽提与表达任务,弥补了国内外主流数据库软件包与专业制图软件包与在处理海量空间信息方面的功能缺失。IMAT数据分析对象为海量空间数据库。在进行数据分析时,IMAT能够根据研究目标设定对各异源、异质、异构库进行信息抽提的规则,并以自动化、批量化方式完成海量空间信息的逻辑结构与存储结构整合;在进行制图表达时,IMAT能在全图设定分幅图差异化要素抽提规则,并以智能化、自动化、人机交互方式完成由多图幅组成的大比例尺专题图全图的视图表达。【结论】在对农业与环境主题相关海量空间信息进行分析时,IMAT既适用于土壤类型、土壤质地等以多等级分类系统表示的专题要素,也适用于土壤养分含量、土壤污染物含量、面源污染排放指数等以量化分级指标表达的专题要素;既可用于对多专题要素与图层的综合性信息抽提与复合性制图表达,还能用于进行不同比例尺、不同分幅类型的可视化地图制图。IMAT设计中采用组建化模块与模型设计构筑系统体系架构,提高了设计与研制效率;利用函数化的海量空间数据集四元表达式作为IMAT系统中各空间数据库接口文件,使得IMAT各模块均能够接受和处理处于数据整合与表达进程不同阶段的异质、异构海量空间信息,从而实现了各功能模块的可装配性,分析人员能根据数据抽提、整合和表达目标选择并灵活组合适宜的功能模块。     

Agricultural remote sensing big data: Management and applications

Big data with its vast volume and complexity is increasingly concerned, developed and used for all professions and trades. Remote sensing, as one of the sources for big data, is generating earth-observation data and analysis results daily from the platforms of satellites, manned/unmanned aircrafts, and ground-based structures. Agricultural remote sensing is one of the backbone technologies for precision agriculture, which considers within-field variability for site-specific management instead of uniform management as in traditional agriculture. The key of agricultural remote sensing is, with global positioning data and geographic information, to produce spatially-varied data for subsequent precision agricultural operations. Agricultural remote sensing data, as general remote sensing data, have all characteristics of big data. The acquisition, processing, storage, analysis and visualization of agricultural remote sensing big data are critical to the success of precision agriculture. This paper overviews available remote sensing data resources, recent development of technologies for remote sensing big data management, and remote sensing data processing and management for precision agriculture. A five-layer-fifteen-level (FLFL) satellite remote sensing data management structure is described and adapted to create a more appropriate four-layer-twelve-level (FLTL) remote sensing data management structure for management and applications of agricultural remote sensing big data for precision agriculture where the sensors are typically on high-resolution satellites, manned aircrafts, unmanned aerial vehicles and ground-based structures. The FLTL structure is the management and application framework of agricultural remote sensing big data for precision agriculture and local farm studies, which outlooks the future coordination of remote sensing big data management and applications at local regional and farm scale.