基于農業環境的農業科學觀測數據融合研究

胡國錚 干珠扎布 余沛東 楊振琳 高清竹*

（1.中國農業科學院農業環境與可持續發展研究所，北京 100081；2.國家農業環境數據中心，北京 100081；3.農業農村部農業環境重點實驗室，北京 100081）

1 引言

農藥、地膜、除草劑、抗生素的過度使用及重金屬污染等農業環境問題受到社會各界的廣泛關注[1]?；陂L期定位觀測的農業環境數據是開展相關研究的關鍵基礎，也是地區或國家農業政策制定的有力依據。長期定位觀測是揭示全球環境結構與功能演變規律的重要研究手段，依托定位觀測實驗站，在固定地塊上，對大氣環境、水環境、土壤環境、生物群落等要素開展長期觀測[2]。隨著長期定位觀測研究向著大規模、長時間、跨學科、多因子聯合發展[3]，各類觀測網絡在諸如英國洛桑實驗站的長期定位觀測實驗站基礎上發展起來[4]，全球尺度的環境觀測網絡有全球環境監測系統(Global Environmental Monitoring System,GEMS)、全球陸地觀測系統(Global Terrestrial Observing System,GTOS)、國際長期生態研究網絡(International Long-Term Ecological Research,ILTER)、全球通量觀測網絡(FLUXNET)等[5]。

我國農業領域也形成了一些基礎較好的長期定位觀測網絡，其中最典型的是肥力網和種質資源圃網。國家土壤肥力與肥料效益監測站網于1987 年建立，在全國8 個主要土壤類型上開展長期定位監測試驗，積累了連續系統的土壤肥力觀測數據[6]。1979年—1989年，陸續建設起的32個國家種質資源圃，在保存延續種質資源材料的同時，長期積累下大量作物性狀科學觀測數據[7]。然而我國農業科學觀測數據的信息化程度仍然較低[8]，分散、間斷、各自為戰的農業科學觀測，在支撐國家農業重大決策中仍顯乏力。

隨著傳感器技術發展，各類自動觀測設備的應用，推動傳統的科學觀測工作進入大數據時代[3]。“大科學、大數據”已成為未來科學觀測的重要發展和應用方向，既要開展跨領域的數據融合，也要開展多尺度的數據融合，挖掘科學觀測大數據的價值[9]。大數據技術跨領域數據挖掘的能力，使得豐富多元化的跨界信息服務將成為大數據時代農情監測與預警的主流發展方向[10]。然而，多數據源、不同類型數據的跨領域融合，既是大數據應用的前傾，也是技術挑戰[11]。農業領域的大數據應用主要集中在生產端，支撐精準農業、智慧農業等方面[12-13]，而較少涉及支撐基礎研究和應用研究的農業科學觀測大數據融合。本文以農業環境科學觀測數據為出發點，重點關注農業科學觀測數據的跨領域融合問題，探討農業環境與農業各學科領域的交叉與聯系，研究農業環境對農業科學觀測大數據融合的紐帶作用，以及農業科學觀測大數據融合所需條件，以期對未來農業科學觀測大數據融和發展提供一些參考思路，促進農業科學觀測數據融合發展。

2 農業環境對農業科學觀測的影響

農業生產、管理活動離不開水、土壤、大氣等農業環境要素，因此，農業環境與農業各學科領域有著千絲萬縷的聯系，也就成為各領域科學觀測數據匯交融合的紐帶。

2.1 農業環境對作物種質資源收集與利用的影響

農業環境演變尤其是氣候變化，對作物種植資源的發掘、保存和利用都有重要影響[14]。隨著全球升溫，我國高緯度地區熱量資源改善，生育期延長，喜溫作物界限北移，如冬小麥的安全種植北界將由目前的長城一線北移到沈陽—張家口—包頭—烏魯木齊一線[15]。然而升溫導致熱帶和亞熱帶地區需求種質資源材料的支持，培育出適應未來氣候變化條件種植的新品種[16-17]。過去幾十年，我國絕大部分農業氣象災害危害加重,特別是極端氣候事件發生頻率加大[18-19]，其中干旱和洪澇災害是對我國農業生產影響最為嚴重的因素[20]。這就需要著力匯交資源抗逆性狀數據，支撐關鍵基因發掘和新品種培育改良以應對未來氣候變化的不利影響[21]。

2.2 農業環境對土壤質量影響

升溫、降水格局改變、CO2肥效引起土壤中碳氮元素周轉速率變化[22-23]，對發展中國家的研究結果顯示氣候變化對土壤肥力的負面影響遠高于有益效果[24]。而農田土壤中的碳氮循環過程對氣候變化具有顯著反饋作用。農田土壤碳匯潛力對減緩氣候變化具有重要意義[25]；然而農田土壤同樣是我國最主要的N2O 排放源，水田是CH4的重要排放源[26]，N2O和CH4兩種溫室氣體排則會加劇全球變暖。此外，農田中的氮素、磷素、農藥及其他污染物質通過地表徑流、農田排水和土壤淋溶等途徑進入周圍水體形成的面源污染[27]，已經成為當前最嚴重的農業環境污染問題[28]。

2.3 農業環境對蟲害影響

我國農業產值因病蟲害造成的損失約為農業總產值的20%～25%[29]。蟲害的發生或流行與氣候條件有著密切的關系，甚至一些蟲害的發生與否主要取決于氣候條件，而氣候變化還可能使新的蟲害類型出現，對害蟲的發生世代、越冬北界及分布范圍產生巨大的影響[30-31]。隨著全球升溫，遷飛性害蟲向高緯度和高海拔地區的遷移，使其與寄主植物、天敵昆蟲之間的同步性發生改變,進而整個農業生態系統的穩定性[32]。

2.4 農業環境對農業微生物影響

細菌、真菌及放線菌是土壤中枯落物和有機質最主要的分解者，微生物群落結構和活性受土壤環境（如土壤溫度、水分、透氣性及pH）變化影響[23]，參與有機質分解所需的胞外酶活性同樣受土壤環境調控，進而影響著土壤的碳氮循環過程[33]，對氣候變化產生反饋作用[34]。過去幾十年，我國農區氣候變化總體有利于農作物病害發生[35]。尤其是冬季氣溫升高將降低病原菌越冬死亡率,延長病菌冬前侵染時間,增加冬后菌源；而春季氣溫升高將使越冬病原提前萌發，造成病害發生期和危害期提前[36]。

2.5 農業環境對畜禽養殖影響

全球升溫有利于喜溫品種的養殖界限擴展；改變家畜新陳代謝速度與效率，氣溫的適當提高有利于家畜生長發育，延長生長期，也可使動物提前成熟期，長期影響可提高繁育效率；高寒地區冬季升溫有利于家畜越冬，提高幼畜的成活率[37]。然而家畜的生理周期與節律受氣候變化影響可能出現紊亂；由于家畜的呼吸系統和消化系統對氣候變化十分敏感，流感等動物疫病導致家畜患病幾率提高、傳播范圍擴大[38]；極端氣候事件頻發，尤其是在繁育期，可能導致繁殖率降低[39]。此外，畜禽養殖是我國最主要的CH4排放源[26]，而畜禽糞污也是重要的農業面源污染源[27]。

2.6 農業環境對漁業資源環境生產影響

全球升溫對漁業資源多樣性有積極作用，一方面高緯度和高海拔寒冷地區可養殖的水生生物種類增加，另一方面海洋中暖水性水生生物從低緯度海區向高緯度海區遷徙，改變海區生物群落和生物地理學的結構[40]。而極端氣候事件頻發則對我國水產養殖業造成嚴重影響，高溫熱害使魚塘池水蒸發過快、降低水質，導致水生動物進食困難、生長緩慢、病害增多，引起倒藻或單一藻類大量繁殖，造成泛塘[41]。暴雨、臺風的危害則更為直接而劇烈，還會引發水位上漲、洪澇等次生災害[42]。氣壓和洋流等變化的影響也不容忽視，2008 年拉尼娜導致的中國沿岸流沖擊澎湖群島，引起海水溫度降低，導致73 噸野生海魚和80%的養殖海魚死亡[43]。此外，農業面源污染不僅影響漁業養殖環境，而且對自然界水環境造成嚴重影響，威脅著漁業種質資源。

2.7 農業環境對農產品質量安全影響

作物品種的基因型決定了作物品質的可能性，而農業環境尤其是氣候條件影響著作物的表現型，即農產品品質[39]。CO2濃度、溫度、輻射、水分等農業環境要素變化，影響著農產品中糖、氨基酸和蛋白質含量、礦質養分濃度[44]，“氣候品質”在煙草、茶葉等經濟作物的種植生產中尤其受到重視，如茶多酚、咖啡堿、鹽堿、石油醚等影響其品質與風味的關鍵物質合成受環境調控[45-46]。此外，農藥、除草劑、抗生素等投入品的過度施用不僅造成了嚴重的農業面源污染，投入品殘留及富集效應也嚴重威脅著食品安全[47]。

3 以農業環境為紐帶的農業科學觀測數據融合

3.1 農業科學觀測數據融合框架

受氣候變暖為主要特征的全球變化影響，農業環境顯著影響著作物、畜禽、水生生物、微生物和病蟲害的生長節律和分布范圍，土壤環境與土壤質量密切聯系，土壤環境和水環境中的污染物影響農產品質量安全。此外，耕作和畜禽養殖產生的CO2、CH4和N2O等溫室氣體對氣候變暖有正反饋效應，而投入品和畜禽糞污形成的面源污染也影響著土壤環境和水環境。因此，應用機器學習、人工智能等方法，在傳統統計模型的基礎上，建立各農業觀測要素與農業環境要素的系統模型，以農業環境數據為紐帶，形成觀測數據融合框架。

3.2 農業科學觀測大數據融合的條件

（1）聯網觀測。我國農業野外科學觀測實驗站經過過去幾十年的發展，為聯網觀測打下了堅實的基礎[48]，農業基礎性長期性科技工作已建立起由100 個國家農業科學觀測實驗站組成的長期定位觀測網絡，依據我國農業生產區劃與農業學科發展特征，對農業生產要素及其動態變化進行系統地觀測、監測和記錄。但每個國家農業科學觀測實驗站有明確的領域劃分，只針對所屬數據中心的觀測任務開展工作，觀測網絡并未真正融合，呈現多個小型觀測網絡“組裝”的結構。這種工作架構無疑會成為農業科學觀測數據融合過程中的先天障礙。以農業環境數據為紐帶可以一定程度克服這種障礙，需各領域實驗站同步觀測農業環境數據。而聯系緊密的領域或為解決特定交叉學科問題，可通過多領域聯合觀測減少數據融合過程中的不確定性。因此，大數據融合要求科學觀測實驗站向綜合型發展，在保持自身原有學科特色的同事，也應具備開展多學科基本要素觀測的能力。

(2)數據標準化。數據的標準化是科學觀測數據共享和應用過程中的巨大障礙[49]。數據在標準化和清洗過程中會損失大量的數據以及數據所攜帶的信息，而標準化的科學觀測直接積累標準化數據，提高科學觀測數據的應用共享效率。地面觀測數據的時間和空間信息是準確把握數據之間的內在聯系和規律的關鍵[50]。全球氣候觀測系統(GCOS)通過地面觀測網絡、高空網絡、海洋和水下觀測網絡、衛星遙感觀測系統，開展多圈層的綜合觀測，提供群和系統的綜合信息[51]?？鐓^域的不同實驗站甚至不同觀測網絡進行聯合觀測與研究，從樣地到區域甚至到全球多尺度的、系統的觀測與研究，必須建立在觀測的標準化和規范化基礎之上[5]。

(3)數據采集。傳統的觀測手段人力成本高，觀測人員的專業門檻高，主觀因素帶來的不確定性高。而隨著各類型傳感器和數據采集器的發展，農業科學觀測將逐漸向全自動化、實時化、精準化與智能化的方向發展[10]。諸如作物生育期、作物表型等人力成本較高且不確定性難以控制的觀測內容，在智能感知技術的支持下，通過對傳感器獲取數據的分析、建模、圖譜識別等實現自動化觀測[52]。田間作物高通量表型信息獲取與分析技術已成為了當前植物表型領域的一個研究熱點[53]，基于無人機的高通量植物表型觀測技術更是有著靈活便捷的特點[54]。而農業物聯網技術實現了自動觀測數據的遠程傳輸、實時監控和直接入庫[52]，物聯網呈現百花齊放的狀態，以成為自動觀測儀器設備的重要參數，但也成為了學觀測數據匯交系統對數據自動訪問和傳輸的障礙。國家農業科學觀測實驗站在獲得農業科技創新能力條件建設過程中，應注意自動化、智能化觀測設備的引入。

(4)數據融合。農業科學觀測大數據融合的難點在跨學科數據融合和跨尺度數據融合[4]。聯網觀測和數據標準化是跨學科和跨尺度數據融合的基礎。而交叉學科研究是跨學科數據融合的路徑，基于農業環境與農業各學科的交互關系，引入信息學方法，如神經網絡、機器學習、人工智能等[6]，開展交叉學科研究，建立系統模型以實現農業科學觀測數據的跨學科融合。多尺度觀測技術的發展也為跨尺度數據融合奠定了基礎。衛星遙感技術在環境監測與管理中的應用越發廣泛，空間分辨率已從公里級發展到亞米級，觀測頻率從月周期發展到幾小時,光譜波段涵蓋了可見光、紅外到微波,光譜分辨率從多波段發展到超光譜[5]。地面農業環境觀測數據與遙感數據結合，應用尺度轉換方法，可以使地面觀測的眾多數據由點推向面，衍生出區域尺度空間數據，為解決區域乃至國家尺度的農業環境問題提供數據支撐。統一的標準規范在觀測數據跨區域對比分析中起到了至關重要的作用，特別是全球尺度的環境觀測網絡中數據的尺度轉換和跨尺度融合[5]。

4 結論與建議

農業基礎性長期性科技工作為我國農業科學觀測大數據融合建立了農業科學觀測網絡體系，為實現農業科學觀測大數據融合尚需在以下幾點突破。一是在聯網觀測的基礎上，著重發展學科交叉。通過在各實驗站開展各學科基本要素觀測，為多學科的數據融合打下基礎，使國家農業科學觀測實驗站網絡成為有機整體，而不是在網絡內各中心各自為戰。短期需明確農業環境共性觀測指標，各學科實驗站以統一標準進行觀測，充分發揮農業環境數據的紐帶作用，為農業科學觀測大數據的跨學科融合打下基礎。中期可引入聯合觀測機制，加強學科交叉，逐步建立一支跨領域觀測隊伍，將破碎化的觀測網絡編織完整，探索綜合實驗站觀測模式。長期發展全面實現綜合實驗站模式，真正實現全國農業科學觀測一張網，加強農業數據尺度轉化研究，支撐農業科學觀測大數據的多尺度融合；二是推動數據標準化。標準化的科學數據觀測是農業基礎性長期性科技工作的重要發展，但體系內部的標準缺乏約束力度和發展支撐。需推進觀測標準形成行業標準乃至國家標準，一方面體系內的實驗站需嚴格執行，另一方面體系外的實驗站可以參考實施，為跨網絡的農業科學觀測大數據融合奠定基礎；三是穩定經費支持，保障數據采集。當前農業科學觀測仍依靠大量一線觀測專家獲取數據，需要穩定的運行經費以維持農業科學觀測數據的持續積累。此外，隨著傳感器技術發展，實驗站引進自動化觀測設備需要能力條件建設經費的定期支持。人“財”支持是農業基礎性長期性科技工作持續穩定積累農業科學觀測大數據，實現數據融合，支撐農業原始創新，為農業農村綠色發展和管理決策提供科學依據的基礎保障；四是加強交叉學科研究，探索數據融合方法。農業科學觀測大數據融合是農學與信息科學交叉的必然選擇，也是多尺度觀測技術的發展方向。通過交叉學科研究，在跨學科和跨尺度數據融合方法上取得突破，才能真正實現農業科學觀測大數據融合，挖掘出觀測數據更大的價值，指導農業生產，為農業政策制定提供基礎支撐。