實施現代農業大數據工程的理性思考

宋長青 柳平增 任萬明 李俊清 周 虎

1.山東農業大學 山東泰安 271018

2.山東省農業廳 山東濟南 250000

觀察與觀點

實施現代農業大數據工程的理性思考

宋長青1柳平增1任萬明2李俊清1周 虎1

1.山東農業大學 山東泰安 271018

2.山東省農業廳 山東濟南 250000

通過對農業大數據、農業大數據技術、農業大數據工程定義的描述，論述了三者之間的辯證關系。著重思考、研究與探討了實施農業大數據工程的技術路線、詳細內容，并提出了諸多建議。通過對實施現代農業大數據工程的思考，以期為政府決策、工程建設、研發方向、人才培養等提供有益借鑒。

現代農業；大數據；農業大數據；思考

2015年8月31日國務院發布了《促進大數據發展行動綱要》(以下簡稱《行動綱要》)，這是指導我國大數據發展的國家級頂層設計和部署。《行動綱要》指出：通過大數據分析，總結經驗、發現規律、預測趨勢、輔助決策，充分釋放和利用海量數據資源中蘊含的巨大價值，推動新一代信息技術與各行業的深度耦合、交叉創新。《行動綱要》同時具體明確了五大目標、七項措施、十大工程。其中，實施現代農業大數據工程是十大工程之一。如何利用農業大數據技術，通過實施農業大數據工程，實現農業資源要素數據共享，提高農業農村信息化綜合服務水平，為農業農民提質增效服務，為農村綜合治理服務，是政府、高校、企業必須長期為之奮斗并著力進行解決的重大科技問題。

1 概念描述

1.1 農業大數據的定義及特征

1.1.1 定義

農業大數據是指在農業以及涉農相關領域所產生(或發生)的全樣本(或多樣本)不同類型數據的集合。

從已有的資料上看，關于農業大數據的定義有多種，大都從應用層面進行闡述，還沒有形成被大家認可的綜合性定義。以上定義是筆者基于多年從事農業大數據研究與應用實踐得出的。

1.1.2 特征

農業大數據除了具有大數據的5個特征，即：數據量大、處理速度快、數據類型多、價值大、精確度高之外，還包含其獨有的特征。

一是數據涉及領域廣。農業大數據除涉及行業領域本身的數據，包括種植業、養殖業的數據以及擴展至產前產后的生產資料、深加工、價格數據等，還涉及影響農業生產、經營、管理、服務的其他行業的數據。例如：氣象、環境、土地資源、市場價格、農業投資等數據。同時，農業數據不僅包括全國層面上的數據，還包括省市縣鄉村的數據。因此，農業數據涉及的領域面廣量大是其基本特征。

二是數據跨越周期長。一方面，我國是一個農業大國，有著幾千年的農耕歷史和文化。自有文字記載以來，就留下許多寶貴的歷史數據。諸如二十四節氣，是祖先對農業歷史數據產生規律性最經典的認知與預測，一直指導著農業生產。自計算機技術和信息技術應用到農業領域之后，記錄和存儲的歷史數據也有三十多年歷史。另一方面，一個完整的農業生產周期經過時間是較長的，同一類數據在一種作物生長周期中變化是較大的。例如：冬小麥生長，從播種到收獲要經過7個多月時間，歷經秋、冬、春、夏4個季節。小麥生長的溫度、光照、積溫、水鹽動態等因子變化差異較大，直接影響冬小麥各個關鍵時期生長。因此無論從農業歷史數據，還是實時發生的數據，其周期是較長的。

三是數據采集難度大。我國農業受自然因素影響較大，大部分地區是靠天吃飯，加之土地集約化程度較低，這給數據收集工作造成較大困難。我國農業及其相關產業信息化水平低，加之農業基層人員信息化意識、信息化知識缺乏，農業數據采集手段較為原始。采集的與農業相關數據存放在不同的部門，缺乏統一的數據共享平臺，數據價值得不到充分利用，不能有效地指導農業生產經營活動。我國部分地區擁有大量的未開墾的鹽堿地和荒漠化土地，許多農業相關數據幾乎是空白，這些資源的開發依賴數據說話。對于這些地區而言，數據采集的困難是可想而知的。

四是數據處理較為繁雜。其一農業生產是自然、開放的，其數據也是相對分散的。其二農業生產制約因素較多(如氣象、水利、土壤、環境、病蟲害等)，其維度眾多；作物生長其關鍵期只有幾個重要時期。其三農業兩個界別(植物、動物界)分類較細，加之其它影響因素，數據標準制難以囊括全部。其四影響農業生產相關領域數據格式種類多、標準不統一等。這一切都會給數據處理造成諸多困難。

1.2 農業大數據技術定義

基于農業大數據概念及其特征，定義農業大數據技術。筆者認為，農業大數據技術是指利用全樣本(或多樣本)的農業數據為從事農業以及涉農相關領域不同類型群體提供服務的跨學科、跨領域眾多技術的集成。

農業大數據技術包含以下幾種技術。一是大數據采集預處理與存儲管理技術；二是大數據計算與挖掘分析技術；三是大數據可視化分析與呈現技術；四是大數據隱私與安全技術。

1.3 農業大數據工程定義

農業大數據工程是指在大數據理論指導下，運用農業大數據技術提升農業生產、經營、管理、服務水平的集成與應用。

農業大數據工程具有可操作、可復制、可推廣的特性，并且固化為一系列可遵循的程序、標準、規范。

農業大數據、農業大數據技術、農業大數據工程三者之間是辯證統一的關系。數據是基礎，技術是關鍵，工程是保障。一方面，沒有農業大數據，大數據技術是無米之炊；沒有大數據技術，大數據工程不可能實施與實現。另一方面，通過大數據工程實施，可以更有效地修正、提高大數據技術；為大數據技術研究和數據工程開展提供更多數據資源服務。因此，三者是一個閉合的、相互作用的、不斷提升的生態循環過程(如圖1所示)。

圖1 農業大數據生態關系

2 實施現代農業大數據工程的路徑及主要內容

2.1 實施路徑

實施農業大數據工程，必須圍繞兩條主線進行。第一條主線是：農業大數據共性技術這條主線；第二條主線是：農業大數據技術在農業農村具體領域應用這條主線。將農業大數據共性技術和農業農村具體領域需求相結合，通過實施農業大數據工程，充分發揮農業大數據在促進農業經濟和農村各項事業發展中的作用。

2.2 實施的主要內容

2.2.1 圍繞農業大數據共性技術實施的現代農業大數據工程

一是圍繞搭建大數據云平臺實施筑云工程。筑云工程是實施現代農業大數據共性技術基礎工程。云平臺建設在云管端3個層面形成云存儲、云計算、云服務整體解決方案。重點圍繞農業農村解決數據分析、挖掘、應用的個性化軟件需求和客戶端種糧大戶、農業合作社、農業龍頭企業的信息化需求問題。使云平臺發揮互聯互通、方便使用的作用。

本文從智能電網的特征和目的出發，給出如下定義：智能電網是傳統電力系統與先進傳感技術、現代信息技術深度融合，電源、電網、用戶間信息高度感知、雙向流動和自適應控制的新一代電力系統。是建立集中分散協同、多種能源融合、供需雙向互動和高效靈活配置的現代能源供應體系的重要基礎。有利于可再生能源安全消納，促進能源結構調整，提升能源大范圍優化配置能力。

二是圍繞數據存儲實施數據庫建設工程。數據庫是長期存儲在計算機內的、有組織的、可共享的大量數據的集合。因此，實施農業數據庫建設工程，主要是解決數據資源有序管理和共享問題。農業數據庫建設的重點是：農業數據的科學分類；農業數據的采集、入庫，管理的標準規范和數據庫相關技術。

三是圍繞數據標準化實施大數據共享工程。農業數據的標準化是農業大數據共享應用的基礎工程。只有建立農業大數據的標準化規范體系，才能構建全國統一的農業大數據共享應用平臺和數據資源中心。農業數據標準化工程的重點是：農業數據的科學分類和農業數據學科框架體系建設。

四是圍繞數據分析、挖掘、利用實施數據服務工程。采集農業數據的目的在于應用。從采集數據到應用數據，要經過數據清洗、入庫、挖掘、分析、呈現等若干技術環節。實施數據服務工程的重點是：農業數據相關分析軟件的自主開發、農業數據相關模型建立以及數據呈現技術的研發等。

2.2.2 圍繞農業農村具體領域應用實施現代農業大數據工程

推進農業現代化離不開農業大數據支撐。種什么？怎么種？農產品銷什么？如何銷？農業企業賺什么？怎么賺？都需要靠數據說話。因此圍繞生產、經營、管理、服務實施農業大數據工程，顯得尤為重要。

(1)生產：實施精準化農業生產工程

精準化農業生產是農業現代化的重要組成部分。對于農作物生產而言，精準播種、施肥、施藥、灌溉等，都需要數據支持。僅以氮肥為例，據統計，我國氮肥的全年利用率約為45%，意味著將有一半以上的氮肥被浪費掉。我國每年浪費的氮肥相當于歐盟27個成員國施用氮肥的總量，可見資源浪費問題的嚴重性。另外，氮肥是由煤炭、天然氣等轉化過來的，因此提高氮肥利用率，就意味著保護了我國的煤炭、天然氣等戰略資源。利用大數據手段、方法實施精準化農業生產工程，可有效降低生產成本、減少土地污染、節約能源、提高農業生產的精準性等。

實施天地空一體化數據采集工程。實施精準化農業生產，靠農業數據支撐。那么農業生產數據從何而來？這就必須實施一系列數據獲取工程。從土地自動獲取數據，必須借助于物聯網工程；從空中獲取數據必須借助于無人機、遙感衛星等。實施天地空一體化數據采集工程，結合各地的歷史數據，通過大數據手段，進行關聯分析，可以有效地指導精準化農業生產。

實施農業技術裝備智能化工程。實施農業技術裝備智能化工程，是農業規模化、精準化、設施化的需求。加強以信息化技術為先導的智能化、自動化農機技術與裝備研究，應主要圍繞傳感器技術、農業信息監測、智能農機裝備等重點，研究開發農業大數據協同、智能農業裝備、農業機器人等農業生產智能技術，提高農業智能化裝備水平。

實施農業環境監測工程。農業環境監測是運用物理、化學、生物手段獲取農業(牧、漁)環境質量信息數據，并據此提出防治污染、保護農業環境對策的過程。監測對象主要是污染農區和主要經濟農區的土壤、作物、大氣、農用水質和漁業水域。實施農業環境監測工程，就是建立有關數據檔案或數據庫，對農業環境現狀或影響進行評價，依據數據編報環境質量報告書，為防治污染、改善和保護農業環境提供服務。

(2)經營：實施轉型升級、提質增效工程

農產品經營策略是農業提質增效、轉型升級的重要環節。農產品既要產量高、質量好，又要銷路好、價格高，是困擾農村生產者、經營者的重大問題。從農產品經營角度而言，利用大數據技術，實施轉型升級、提質增效，催生新的農業經營主體是非常必要的。

實施大宗農產品市場價格預測預警工程。依據大宗農產品的市場供求及價格波動軌跡，實施主要農副產品如：糧食、畜牧、水果、蔬菜等市場價格預測預警工程。通過歷史數據、現實數據分析，對未來價格波動提供預測、預警。

實施新型農業經營體系建設工程。隨著“互聯網+農業”的廣泛應用，催生了許多新的農業經營主體。新型農業經營主體建設工程，就是充分利用農產品電子商務平臺、農業信息服務平臺產生的數據，通過分析、挖掘，支撐專業大戶、家庭農場、農民合作社、農業產業化龍頭企業等新型農業生產經營主體，加強產銷銜接，實現農業生產由生產導向向消費導向轉變，提高精準化營銷水平。提高農業生產經營的科技化、組織化和精細化水平，推進農業生產流通銷售方式變革和農業發展方式轉變，提升農業生產效率和增值空間。

(3)管理：實施農業農村綜合治理工程

我國是一個農業大國，80%的戶籍人口在農村，沒有農村的穩定，就沒有全國的穩定；沒有農村的小康，就沒有全社會的小康。因此，利用大數據手段，實施農業農村綜合治理工程，是維護農村社會穩定、推進農村經濟社會健康發展、促進城鎮化、農業現代化建設的必然要求。

實施農村綜合治理工程。利用大數據的手段與方法，實施農村綜合治理工程，就是將村務公開、群體事件、環境衛生、亂搭亂建、違規占地、勞動力轉移、土地利用等數據，通過數據平臺匯聚起來，進行相關分析。從安全穩定角度，做到早發現、早報告、早解決；從民生角度，引導農民進行集約化、規模化經營；從環境治理角度，找出臟亂差的根源，進行綜合治理等等。

實施農產品質量安全監管工程。實施農產品質量安全監管工程，就是強化農產品監管體系建設，建立工程示范基地，推進制度標準建設，建立產地準出與市場準入銜接機制；支持新型農業生產經營主體利用互聯網技術，對生產經營過程進行精細化信息化管理，加快推動移動互聯網、物聯網、二維碼、無線射頻識別等信息技術在生產加工和流通銷售各環節的推廣應用；強化上下游追溯體系對接和信息互通共享，不斷擴大追溯體系覆蓋面和監管體系覆蓋面；充分利用農產品數據資源和互聯網信息資源，構建農副產品質量安全追溯公共服務平臺。從而實現農副產品“從農田到餐桌”全過程可追溯，保障“舌尖上的安全”。

(4)服務：實施信息服務進村入戶工程

實施農民生產生活信息服務工程，就是推進信息化、大數據進村入戶，切實利用信息化手段提高農民生產生活水平。推進信息進村入戶試點，就是通過移動互聯網為農民提供農產品價格信息、勞動力市場信息、生產資料信息、農業機械作業信息、科技致富信息、保險信息等服務；推進互聯網企業與農業生產經營主體合作，綜合利用大數據、云計算等技術，建立農業信息監測體系，為災害預警、耕地質量監測、重大動植物疫情防控、市場波動預測、經營科學決策等提供服務。

3 實施農業大數據工程的幾點建議

3.1 解決數據來源問題

實施農業大數據工程，數據是基礎。數據來源應通過多種途徑解決，而且一定要保證數據的真實性、準確性、及時性。要解決農業數據來源問題，一是建立并實施數據統一標準。從所屬行業、數據名稱、數據類型、數據量、數據大小、數據格式、數據庫版本、產生時間、更新頻度、加密方法等進行描述等，形成農業大數據標準規范。二是對農業及其相關領域的歷史數據進行收集、整理。三是利用物聯網、遙感、無人機、光譜等技術，對農業及其相關數據進行實時采集。四是完善現有數據采集體系，建立相對固定的數據采集、報送站，暢通報送渠道，加大報送人員的培訓、補貼力度。

3.2 解決數據共享問題

實施農業大數據工程，數據共享是前提。在建立農業大數據標準規范的基礎之上，大力推進數據共享工程。從政策、機制、管理、安全等方面，建立農業及相關部門國家級數據資源中心，搭建數據共享平臺，使數據發揮其應有的價值。

3.3 建立試驗示范基地

實施農業大數據工程，試驗示范是途徑。建立示范基地，應選擇信息化條件較好、思想意識開放、產業基礎厚實、具有典型性的縣域進行。通過試驗示范，積累經驗、認知規律、鍛煉隊伍、產生效益，為今后全面推廣奠定基礎。

3.4 加強人才培養和培訓

實施農業大數據工程，人才是保障。高等農業院校、科研院所，應設立數據科學研究方向，著力培養跨界人才，尤其是計算機、經濟管理與農業相結合的復合型人才。高等職業院校應實施農業大數據工程落地人才培養，尤其是應用技術人才培養。高等農業院校還應加強農業信息員、農業基層人員等實用人員的專題培訓，使他們會用、能用、管用、用得便捷。

4 結束語

實施農業大數據工程，是實現農業現代化的重要手段。只有明確思路、確定重點、搞好試點、穩步推進，才能取得預期效果，才能為農業提質增效、轉型升級插上大數據的翅膀。

[1]E.Wes Bethel,Hank Childs,Charles Hansen.High Performance Visualization[M].CRE Press, 2012.

[2]Lee Rubao,Xu Zhiwei.Exploiting Stream Request Locality to Improve Query Throughput of aData I NTEGRATION Systrm [J]. IEEE Transactions on Computers,2009(10).

[3] 維克托·邁爾·舍恩伯格.大數據時代[M].杭州:浙江人民出版社,2013.

[4]溫孚江.大數據農業[M].北京:中國農業出版社,2015.

[5]趙國棟.大數據時代的歷史機遇[M].北京:清華大學出版社,2013.

[6]廸莉婭.我國大數據產業發展研究[J].科技進步與對策,2014(4):56-60.

[7]王峰.占領大數據產業鏈的價值高地[J].中國多媒體通信,2014(7):26-27.

[8]張玉香.關于加強農業信息體系建設的對策研究[J].農業經濟問題,2003(1):37-40.

[9]溫孚江.農業大數據與發展新機遇[J].中國農村科技,2013(10):14.

The Implementation of Modern Agricultural Big Data Project Rational Thinking

Song Changqing1, Liu Pingzeng1, Ren Wanming2, Li Junqing1, Hu Zhou1

1.Shandong Agricultural University,Tai'an, 271018, China
2.Agriculture Department of Shandong Province, Jinan, 250000, China

This article through to the agricultural big data, agricultural technology, agricultural project description of the definition of data, this paper discusses the dialectical relationship between the three. Thinking, research, and emphatically discusses the implementation of agricultural big data engineering technical route, detailed content, and put forward many Suggestions. Big data through the implementation of modern agriculture engineering thinking, for government decision making, project construction, research and development direction, to provide beneficial reference personnel training, etc.

modern agriculture; big data; agriculture big data; thinking

2016-01-15

宋長青，碩士，教授，農業大數據研究中心常務副主任。