中國飼料營養大數據分析平臺研制

摘要：飼料糧缺口的逐漸加大，導致中國飼料糧安全問題逐步轉化為糧食安全問題。因此，全面整合飼料營養基礎數據資源，提高一切可利用飼料資源的營養價值，成為中國今后長期保障國家糧食安全的技術措施之一。本研究依據16類中國飼料原料描述規范和屬性數據標準，全面用數字化模式收集整理了自“六五”至“十三五”期間累積的50萬條以上已有飼料資源的種類、空間分布、飼料成分含量及營養價值特性數據，利用 MySQL 網絡數據庫及 PHP程序語言，開發了新一代飼料營養大數據分析平臺（http：//www.chin? afeeddata.org.cn/）并提供 Web數據共享功能。首先，平臺提供所有入庫數據的可視化分析，可實現單個或多個飼料多種養分和多種圖形模式的直觀比對。通過二維碼技術提供所有飼料營養屬性數據及飼料實體樣本溯源數據的移動端實時分享與下載服務。其次，平臺構建了通過已知飼料概略養分在線預測其他有效養分的回歸模型，為飼料原料養分變異提供動態分析。最后，平臺基于地理信息系統技術，將飼料概略養分和主要礦物元素含量數據與其所處的地理位置分布相結合，實現了飼料營養數據地理信息圖譜的分布查詢及對比分析，同時提供各種數據的下載方式，為已有飼料數據的全面應用帶來便利。研究表明，拓展飼料資源數據并提供飼料養分的預測分析模型，可最大化利用已有飼料養分數據的價值，進一步嵌入各類飼料配方的網絡計算模塊，可以達到飼料營養數據的一站式服務及數據的最大化升值服務。

關鍵詞：飼料糧;飼料營養數據;大數據;數據挖掘;GIS;飼料安全

中圖分類號：S816;TP311""""" 文獻標志碼：A"""""""" 文章編號：SA202205003

引用格式：熊本海， 趙一廣， 羅清堯， 鄭姍姍， 高華杰.中國飼料營養大數據分析平臺研制[J].智慧農業（中英文）， 2022， 4（2）：110-120.

XIONG Benhai， ZHAO Yiguang， LUO Qingyao， ZHENG Shanshan， GAO Huajie. Development of China feed nu‐ trition big data analysis platform[J]. Smart Agriculture， 2022， 4（2）：110-120.（in Chinese with English abstract）

1引言

中國是世界第一飼料生產大國。2020年，中國是全球飼料產量占比最高的國家，達20.21%。其中工業飼料產量為2.53億噸，同比2019年增長10.4%[1]。但是，隨著中國規模化養殖業的發展，滿足工業飼料加工所需的飼料原料缺口正不斷擴大。以 2021年為例，中國進口糧食總量達1.65億噸，其中大豆進口總量達9652噸，玉米、小麥、大麥及高粱的進口亦增加到2835萬、977萬、1248萬及942萬噸，同比2020年分別增加152.3%、16.6%、54.5%及96%。同時，進口魚粉182.3萬噸[2]，進口各種蛋白雜粕包括葵花籽粕、菜籽粕、棕櫚仁粕、椰子仁粕及少量豆粕等達500萬噸以上。此外，還有油菜籽、芝麻、亞麻籽等。這些進口原料加工后的副產品都可作為飼料原料。能量飼料玉米自2020年以來缺口逐漸擴大，特別是2021年進口量上升到近3000萬噸[3]。中國飼料糧安全問題正逐步轉化為國家糧食安全問題。飼料用糧和工業用糧總量持續增長，占糧食總消費量的比重不斷提高，其中飼料用糧占糧食總產量的比重已由20世紀50年代的20%上升到當前的40%，預測到2030年這一比例將達到56.5%，超過糧食總消耗量的一半[1]，將更加凸顯中國糧食安全問題。

畜牧養殖業對糧食的硬性需求導致的缺口增加，全面推動了主要飼料原料玉米及大豆粕價格的快速上漲。面對世界能源問題及供應鏈不暢等挑戰，一方面從宏觀上布局調整中國“糧經飼”三元種植結構，將飼料作物的種植計劃靠前部署;另一方面從微觀上廣辟飼料資源，利用一切可以利用的飼料原料，并通過飼料營養價值的精準評定、養分的充分挖掘及飼料配方的優化設計，提高飼料資源的利用價值，最終從宏觀和微觀角度全面保障中國今后一段時期內飼料糧安全。

中國飼料營養大數據分析平臺始建于20世紀80年代，主要用于收集、整理并補測、補遺不斷出現的新的飼料原料類型及主要養分，不斷完善中國飼料營養數據資源。平臺主要為飼料科學數據的升值利用提供服務，尤其為飼料配方的優化計算和飼料新產品的研發提供科技支撐，為各類大宗飼料原料以及尚構不成商品的非常規飼料資源的科學合理利用提供基礎數據，緩解了中國飼料資源不斷出現的缺口，受到行業的一致認可。中國飼料營養大數據分析平臺的使命就是做好飼料營養數據的深層次挖掘和利用，可視化、多維度分析來自中國不同地域、不同類型的飼料原料及不同飼料養分的盈缺規律，為區域飼料資源的調度及飼料配方的優化設計提供大數據分析平臺。

2數據準備及來源

中國飼料營養大數據分析平臺以中國飼料數據庫情報網中心的門戶網站 www. chinafeeddata.org.cn舊版數據為基礎進行建設，數據來源包括國內飼料營養數據和國際飼料營養數據。其中國內飼料營養數據主要來源于從“六五”期間開始積累的飼料營養價值評定數據。以 1983年國務院“電子計算機和大規模集成電路領導小組”下達并由原中國農業科學院畜牧研究所與原北京農業大學畜牧系共同主持的《畜禽飼料數據庫及篩選豬、雞最佳飼料配方技術的研究》研究課題（65-3-13）為起點;“七五”期間，通過國家科技攻關項目“中國飼料數據庫軟件開發（75-05-05-05）”建立了“中國飼料數據庫”;1989年由當時農業部批準在中國農業科學院啟動中國飼料數據庫情報網中心工作后，每年收集、整理并補測、補遺典型飼料樣品數據，不斷完善已經發布的飼料成分表，包括最常用的畜禽飼料的概略養分及有效營養成分，以及針對不同畜禽的氨基酸消化率或經過校正的表觀回腸利用率等數據，從1990年至2021年已連續發布了32版《中國飼料成分及營養價值表》[4-6];“十三五”期間，又增加了國家科技基礎性項目——中國主要畜禽飼料資源分布調查及數據庫構建（2014FY111000）[7]相關研究成果，包括覆蓋中國31個省份的40種典型飼料原料，總共4047種（次）飼料樣品的空間屬性（所在縣市、經度、緯度等）數據、概略養分及主要礦物元素含量數據等共約5萬條記錄。國際飼料營養數據來源主要參考了美國、日本、巴西、法國、俄羅斯等國家及知名飼料營養公司，如 DEGUSSA 、CVB 等發布的飼料營養數據。

綜合以上，本研究涉及總的數據記錄達50萬條左右，數據項達600萬個以上。在數據制定標準和規范方面，突破了國際上8大類飼料原料分類的局限性，在每一類飼料原料單個營養成分特性或多個營養成分組合特性的基礎上，進一步細分出16個亞類，按國際都柏林核心元數據（ Dublin Core Element ）標準，制定了16類中國飼料原料描述規范，形成了獨具特色的中國飼料原料分類法，突破了因中國飼料種類和加工工藝復雜造成的飼料養分數字化描述與分類建庫管理的技術瓶頸。通過綜合考慮飼料原料的有效能值、可消化和可代謝蛋白質、氨基酸及礦物質的評價方法及評價指標的演進，制定了16類中國飼料原料屬性數據標準。

3平臺研發路線及關鍵技術

3.1平臺研發主要挑戰

一是在數據加工方面，飼料原料營養成分數據受到產地、品種、加工條件和儲存工藝等諸多因素的影響，在建設和使用中國飼料營養大數據分析平臺時均需要準確體現數據的來源和背景。除從作者研究團隊所主持項目獲得數據外，還需大量收集、數字化整理相關文獻中有關飼料資源的營養數據，增加相同品種及相同特性參數的樣本量，不斷擴充數據資源建設，拓展數據平臺的基礎數據量，使數據更有代表性與參考價值。

二是在技術開發方面，需要深度挖掘飼料原料營養成分之間的相關性。飼料原料營養價值存在變異，平臺中的數據是大量飼料原料樣品的算數平均值，因此需要建立飼料原料營養價值的動態模型，根據飼料原料的概略養分數據，推測出需要開展動物飼養試驗才能獲得的有效養分數據，并將這些模型嵌入到平臺建設中。

三是在數據安全維護方面，一方面用于平臺建設的海量數據存儲系統需能夠提供高級別的數據保護并支持容災功能。另一方面需研究飼料營養大數據平臺的安全管理與共享技術，嚴格制定網絡數據及檔案數據的保密目錄、期限、層級及解密的條件，確保數據的發布與共享符合國家相關要求。

3.2平臺研發技術路線

如圖1所示，飼料營養大數據分析平臺的研發是以飼料營養數據的數字化整理為切入點，按結構化數據庫的構建方法建立網絡數據庫，將不同營養屬性的數據項分別儲存在不同的數據表中。例如，飼料采樣描述數據表、飼料概略養分數據表、飼料蛋白質及氨基酸數據表、飼料氨基酸利用率數據庫表、飼料微量元素及維生素數據表等。此外，因飼用對象不同而交叉構成針對不同畜禽的飼料營養數據庫/表。每個數據庫由數量不等的數據表組成，以形成“輕便”型數據庫。

與飼料營養數據庫構建對應的是用于數據分析模型庫構建、可視化分析及地理信息系統（Geographic Information System ，GIS ）分析工具模塊開發，以及數據結構或中間件的設計。基于構建的數據庫/表及數據結構或中間件，可在線開展針對養分數據及其組合的可視化分析與輸出、飼料養分及其組合的 GIS圖譜分析等，從而構成中國飼料營養基礎數據的大數據分析平臺，更好地滿足數據用戶對數據深度分析的需求。

3.3平臺總體架構

如圖2所示，平臺總體架構包括飼料營養屬性數據數字化和飼料樣品空間數據數字化兩大部分。其中飼料營養屬性數據數字化架構包括屬性數據標引、屬性數據數字化、屬性數據入庫及屬性數據可視化。另一方面，飼料樣品空間數據數字化架構包括空間數據標引、空間數據數字化、空間數據過濾及空間數據入庫。平臺通過提供所有入庫數據的可視化分析和比對，利用 GIS分析技術將飼料養分查詢和空間分布查詢同步融合，最終可實現飼料種類或品種的全國地理信息專題圖分析，指定飼料全國地理信息專題圖分析，指定省份全飼料種類地理信息專題圖分析和指定省份指定飼料種類地理信息專題圖分析。

3.4平臺建設的關鍵技術

該大數據分析平臺主要管理具有可描述的以數字型數據為主的飼料養分數據。

（1） 數據管理方法。大數據分析平臺數據庫設計采用了 MySQL8.0.28中文版網絡數據庫。該數據庫中提供了多種數據庫存儲引擎，適用于不同的應用場合，用戶可以選擇合適的引擎以得到高性能服務體驗，且支持多種目前流行的程序設計語言，包括 C 、C++、Java 、Perl 、PHP等。平臺開發采用 PHP語言，該語言是一種通用開源腳本語言，吸收了 C語言、Java和 Perl的優點，利于學習，使用廣泛，主要適用于 Web數據庫開發領域，與數據庫的接入性能優越，管理高效。

（2） 數據分析方法。首先是原始數據的直接可視化對比法。例如，同一飼料不同類別下不同養分的對比，如飼料的概略養分圖譜、蛋白質及氨基酸圖譜、氨基酸利用率圖譜和礦物元素圖譜等，表現形式有曲線、直方圖和柱形圖等。通過可視化對比，可直觀地反應出同種飼料原料營養成分數據因產地、品種、加工條件和儲存工藝的不同而造成的影響。其次為模型分析法，主要是通過已知養分去預測未知養分。采用的典型模型有多元線性回歸模型、單因素正交多項式回歸模型等。這些方法是大樣本多元數據分析的主要方式。由此建立的動態模型，可有效預測飼料原料營養價值中存在的變異，尤其是可提供有效養分數據而不僅僅是屬性描述數據，推動了數據的升值化利用。

（3） 數據查詢方法。首先面向數據平臺全局查詢的方法是全文檢索法，可實現對檢索數據庫全記錄內容的全覆蓋檢索，包括字符、中文及數據等。其次是二維碼查詢技術，便于推送轉移查詢到的數據、文字及圖片;三是基于 GIS技術的查詢[8]，主要實現將指定飼料的屬性數據與對應的空間位置數據融合，實現數據特性的空間分布查詢，獲得各種不同類型的專題圖。例如，全國玉米、小麥、大豆等某指定養分盈缺特性空間分布圖等。

（4） GIS分析平臺支撐系統。該系統以“百度專網地圖（Du Geographic Information System，DUGIS ）”中的 WEB GIS 模塊為基礎[8]。該系統在時空數據服務、空間可視化分析服務、數據管理等方面具有明顯優勢，可滿足飼料營養大數據空間分析，尤其可為飼料樣本營養成分的空間分布屬性及特定養分的盈缺規律分析提供技術支撐。

（5） 數據的二維碼轉換技術。采用快速反應（Quick Response ， QR）碼技術，它除具有比一維條碼及其它二維條碼所具有的信息容量大、可靠性高、可表示漢字及圖象等多種文字、保密防偽性強等優點外，還具有超高速識讀及全方位識讀等特點[9]，可滿足飼料成分及圖譜的識別與溯源。在便利化數據共享及下載方式的同時，可分類、分級限定發布及分享的內容，為飼料營養大數據平臺的安全管理提供可靠技術保障。

4平臺主要功能

首先，平臺提供了所有入庫飼料養分數據的可視化分析，可實現單個或多個飼料多種養分、多種圖形模式的直觀比對。同時，通過二維碼提供了所有飼料營養屬性數據及飼料實體樣本溯源圖片的移動端實時分享與下載。其次，平臺構建了通過已知飼料概略養分在線預測其他有效養分的回歸模型，為飼料原料養分變異提供動態分析。最后，平臺基于 GIS技術，將飼料概略養分和主要礦物元素含量數據與其所處的地理位置分布相結合，實現了飼料營養數據地理信息的分布查詢及對比分析。

4.1飼料養分的在線可視化分析

4.1.1單個或多個飼料養分含量的圖譜分析

圖3所示為選取單個飼料——玉米的氨基酸組成圖譜在線分析，可一目了然地判斷單個氨基酸的盈缺規律，同時獲得的圖形既可以以文件方式下載，也可以掃描下方的二維碼將圖片轉移到手機上貯存，方便用戶分享圖譜。此外，也可以同時選取多個飼料并指定多個養分進行比較分析。如圖4所示，指定了4種飼料原料（玉米、膨化玉米、小麥及黑麥）6種氨基酸的豬表觀回腸消化率（Standardized Ileal Digestibility of Ami‐no Acids ， SIAA ）數據的對比，輸出的圖形模式可事先選擇折線圖、柱形圖等。依此類推，可開展其他養分的多個飼料的各類比較分析。

4.1.2基于二維碼的屬性數據及溯源查詢

基于飼料樣本的采集場景圖片與測試數據，本研究構建了基于二維碼的數據及圖片查詢系統，便于對樣品來源的養分數據查詢與溯源，方便隨時調用。系統為每個飼料樣本生成了對應的二維碼，通過二維碼與后臺數據庫互聯互通，一旦數據庫中數據修改或追加后，通過掃描如圖5所示的二維碼，即可調用包括圖片的飼料屬性數據進入手機移動端。

4.1.3主要飼料原料養分變異動態分析

圖6展示了飼料數據庫中163個大豆粕樣品中粗蛋白及粗纖維的動態變異分析。其中包括了美國國家研究委員會（ National Research Coun ‐cil ，NRC ）2012年發布的《豬營養需要量》[10]中的大豆粕數據及法國國家農業科學研究院（Institut" National" de" la" Recherche Agronomique，INRA ）2008年發布的“飼料成分及營養價值表”[11] 中的數據。圖6較好地反映了隨大豆品種及其加工浸提及去皮技術的提升，粗蛋白含量穩步提升，最高值達到48%左右。相對而言，粗纖維的含量波動較大，但主要集中在6.5%左右，按統計學分析處理后，營養成分表中的粗纖維數據以圖6中綠色圓點所代表的算數平均值發布[7]。

圖7為5種磷酸鹽（磷酸二鈣、磷酸氫鈣、脫氟磷酸三鈣、磷酸一鈣和磷酸三鈣）的鈣磷含量在不同批次間的差異分布。可見批次不同，鈣磷含量差異范圍較大。因此在確定使用相關數據時，必須以檢測數據為基礎，否則納入配方計算的誤差較大，將影響日糧中真實鈣磷含量及鈣磷比。

4.1.4通過已知養分在線獲得預測其他養分的回歸模型

基于數據庫中的大量樣本數據，以預測谷實類即飼料數據庫中以“407”編號打頭的飼料中賴氨酸 （Lys）為目標，選用樣品中的粗蛋白（ Crude Protein ， CP ）含量為唯一自變量，獲得的可用樣品數達481個，所有數據經回歸統計分析，結果如圖8所示。通過線性回歸獲得的模型如公式（1） 所示：

回歸分析表明，模型總體上收斂于線性關系（Plt;0.01），但相關系數不是很高（ R2 =0.58），究其原因是大樣本量選用所有谷實類飼料前提下，Lys含量的離散性較大。如果按谷實類飼料中的具體飼料類型分類處理，例如分別按玉米、小麥、大麥、高粱及以它們作為原料獲得的加工副產品，其離散程度可得到明顯的改善。在潘曉花等[12] 的研究中已證實，通過這樣分類處理后，分類預測飼料中的能值，模型的回歸效果得到顯著提高。

4.2飼料養分空間屬性數據的地理信息圖譜與分析

4.2.1飼料概略養分空間屬性數據分析

本研究納入可視化 GIS分析的飼料樣品及分布的區域如圖9所示，共涉及分布在31個省份的40種畜禽常用飼料。數據主要來源于科技部科技基礎性工作專項項目“我國主要畜禽飼料資源及其礦物元素含量與分布調查”（2014FY111000）研究成果。數據經數字化處理后，全部網絡化錄入中國飼料營養大數據分析平臺。

如圖9所示，選取全部飼料原料及省份，將獲得4003套飼料樣品的概略養分含量數據，主要包括干物質、粗蛋白、粗脂肪、粗纖維、粗灰分以及無氮浸出物，獲得全國的飼料概略養分空間屬性地理信息圖。如僅選擇一個省份，如四川省，勾選所有的飼料類型，即得到指定省份的飼料概略養分地理信息圖，以便在同一省份內進行不同飼料類型的養分規律比較與分析。如圖10所示，圖中所展示的豐富的圖譜信息是結構性數據庫所不能表達的。圖中用不同顏色及深淺顯示的圓圈代表不同的飼料樣本及采樣位置（以具體的經緯度為準），還可顯示相同位置及相同飼料類型但不同樣本數的情形。如圖10上方是以點選圖中四川省眉山市仁壽縣為例，平臺自動彈窗顯示的所在的新疆塔城市有2個玉米菜籽粕樣本的概略養分含量數據。此外，利用 GIS的空間屬性特征，可以方便查看不同區域不同飼料種類的數據，也可以通過“數據視圖”模塊快速瀏覽所有飼料樣本的所有概略養分數據，亦可以查詢平臺中40種典型飼料中的任意一種飼料原料的相關結果，從而給基于飼料空間分布的飼料屬性數據的快速查詢、比對及可視化宏觀分析帶來便利。

相反地，如果在圖9中僅選單個飼料，如玉米，選全部省份，即得到玉米全部1163個樣本的全國地理信息屬性圖，以便對玉米的養分特性在不同經緯度或地域的盈缺規律進行比較。因此，可通過選用不同的飼料類型及不同的采樣區域，進行不同組合的飼料養分與空間屬性（地理位置）的可視化分析，即可自由獲得不同的專題地理信息圖及不同飼料樣品養分特性的對比分析結果。

4.2.2飼料樣品中主要礦物元素的空間屬性數據地理信息圖譜與分析

與圖9所示類似，在飼料樣品主要礦物元素選項下，如果選取全部飼料原料及所有省份，將獲得4037套飼料樣品的主要礦物元素含量數據，并由此獲得全國飼料主要礦物元素含量與空間屬性地理信息圖。如僅選一個省份，如河南省，勾選所有的飼料，即得到指定省份，如河南省244個不同飼料樣本主要礦物元素含量的地理信息分析圖（圖11），便于在同一省份針對不同飼料類型的礦物元素含量規律進行比較。同樣地，圖中用不同顏色及深淺顯示的圓圈代表不同的飼料樣本及采樣位置（主要以縣市為基礎）。如圖11上方是以點選圖中河南省洛陽市嵩縣為例，平臺自動彈窗顯示的小麥樣本的主要礦物元素含量數據。相反地，在圖9中如果僅選單個飼料，如玉米，選全部省份，即得到玉米全部1163個樣本的主要礦物元素含量地理信息圖，便于對玉米的主要礦物元素含量在不同經緯度或地域的盈缺規律進行比較。此外，利用 GIS 的空間屬性特征，可以方便查看不同區域不同飼料種類的主要礦物元素數據。通過“數據視圖”模塊可快速瀏覽所有飼料樣本的所有主要礦物元素即鈣、磷、鈉、鎂、銅、鐵、錳、鋅、硒、鉻、鉛、砷等含量數據，亦可以查詢平臺中40種典型飼料中的任意一種飼料原料的相關結果，為基于飼料空間分布的飼料主要礦物元素數據的快速查詢、比對及可視化宏觀分析帶來便利。

上述基于網絡數據庫及 GIS技術的飼料養分快速查詢及數據分析對比，不僅給數據使用者帶來便利，也便于數據的下載與共享，但對數據深層次統計分析與挖掘，還需要開展專門的微觀研究。在此方面已有相關前期研究，例如，廖秀冬等[13]、陳志勇等[14]及張鐵鷹等[15]分別報道了基于飼料主要礦物元素或特定的某個礦物元素的區域含量特性的統計學分析規律。其中廖秀冬等[18]調查研究發現，中國不同種類和不同地區飼料原料中礦物元素鈣、銅、錳、鋅和硒含量差異較大，各地豬、雞常用基礎飼糧配方中的銅、錳、鋅和硒含量可部分或全部滿足豬、雞對這些營養元素的需要量。但是具體到畜禽日糧的配方設計中，因飼料原料的來源復雜，存在北糧南下及南糧北上等交叉使用問題。此外，植物飼料本底中某些礦物元素的利用率差異較大，例如，美國國家研究委員會發表的《奶牛營養需要量》[16] 的飼料成分表中，認為植物飼料中的鐵、銅、錳、鋅、碘及硒6種礦物元素的利用率分別為10%、4%、0.75%、15%、85%及100%，存在含量越多利用率越低的特征。此外，在具體飼料配方優化過程中的數據選取方面，應盡可能優先考慮飼料養分利用率數據。在作者團隊前期出版的《豬精細養殖綜合技術平臺》[17]《奶牛營養參數與典型日糧配方》[18]及《CNCPS 體系演變、模型及飼料成分表》[19] 的飼料數據表中，都匯總提供了飼料養分利用率數據，以確保計算配方選用數據的準確性。因此，合理利用飼料本底中的礦物元素養分是較為復雜而需謹慎考慮的技術問題。

5總結與展望

飼料營養基礎數據是飼料加工業的基礎科技支撐，是糧食加工業的重要組成部分。改革開放40余年來，中國的飼料加工業經歷了產生、發展和成熟的過程，已經成為一個理論基礎雄厚、技術門類齊全、產品種類豐富、市場發展穩定的大產業。目前制約中國飼料加工業發展最大的因素之一是飼料資源的存量嚴重不足，從蛋白質資源缺口呈逐漸加大的態勢逐步發展到能量飼料資源——玉米對國際的依存度的快速上升，導致飼料糧安全問題逐漸成為中國糧食安全問題的主要矛盾。因此，如何開發、挖掘中國一切可以利用的飼料原料資源，提高資源的利用效率，逐步緩解資源緊張的局面，對于中國飼料科學研究提出了嚴峻的挑戰，但也帶來了前所未有的機遇。

本研究創建的中國飼料營養大數據分析平臺，全面數字化收集、整理了已有飼料資源的種類、空間分布、飼料養分含量及營養價值特性數據，還包括畜禽營養需要量數據。提供了上述入庫數據的可視化分析、比對，以及基于 GIS技術的飼料養分空間屬性的分布查詢及盈缺規律分析，同時提供了各種數據的下載方式，包括 Ex‐ cel 電子表格、PDF 及二維碼數據轉移等模式，為已有飼料科技數據的查詢及共享提供了便捷的平臺和分析工具。

平臺目前提供的功能服務還需進一步拓展，主要包括以下3個方面：一是加強飼料營養數據資源建設，拓展數據平臺的基礎數據量;二是分類提供從已知基礎數據預測未知有效養分的經驗或機理模型，尤其要增加有效預測模型的計算工具模塊;三是全面嵌入在線網絡版飼料配方優化系統及配方全養分診斷系統，為開發飼料新產品，例如低蛋白日糧優化技術，提供計算工具。最終實現一站式飼料營養數據服務及數據最大化升值利用。

參考文獻：

[1] 黑龍江省大豆協會.我國飼料糧缺口有多大[EB/OL].[2021-02-09]. https：//finance. sina. com. cn/money/fu‐ ture/roll/2021-02-09/doc-ikftpnny5931771.shtml

[2] 閆文義.2021年我國進口主要農產品數量、價格和近5年進口數量變化分析[J].黑龍江糧食 ， 2022， 2：22-23.

YAN W. Analysis on the quantity and price of major agricultural products" imported by" China" in 2021 and the" changes" in recent 5 years[J]. Heilongjiang" Grain， 2022， 2：22-23.

[3] 中糧科技.2021年玉米行業發展分析報告[EB/OL].[2021-07-16]. https：//max. book 118. com/html/2021/0716/5001042010003312.shtm.

[4] 熊本海， 羅清堯， 趙峰， 等.中國飼料成分及營養價值表（2021年第32版）制訂說明[J].中國飼料 ， 2021（23）：97.

XIONG B， LUO Q， ZHAO F， et al. Introduction of ta‐bles of feed composition and nutritive values in China（2021 thirty-second" edition）[J]. China" Feed， 2021（23）：97.

[5] 熊本海， 羅清堯， 鄭姍姍， 等.中國飼料成分及營養價值表（2020年第31版）制訂說明[J].中國飼料 ， 2020（21）：87-97.

XIONG B， LUO Q， ZHENG S， et al. Introduction of ta‐bles of feed composition and nutritive values in China（2020 thirty-first" edition）[J]. China" Feed， 2020（21）：87-97.

[6] 中國農業科學院北京畜牧獸醫研究所 ， 中國飼料數據庫情報網中心 ， 動物營養學國家重點實驗室.中國飼料成分及營養價值表（2019年第30版）制訂說明[J].中國飼料， 2019（21）：97.

Institute" of Animal" Sciences" of Chinese Academy" ofAgricultural" Sciences，" China Feed Database" Informa‐tion Network Center， State Key Laboratory of AnimalNutrition. Introduction" of tables" of feed" compositionand" nutritive" values" in" China （2019， 30th" edition）[J].China Feed， 2019（21）：97.

[7] 中國飼料行業信息網.我國畜禽飼料資源數據庫建設啟動[EB/OL].[2014-07-08]. https：//www. feedtrade.com.cn/news/china/2014-07-08/2018211.html.

[8] 百度專網地圖[DB/OL].[2022-05-30]. https：//dugis.baidu.com/.

[9] 徐輝. QRCode二維條碼編解碼系統的應用研究[D].南京：南京郵電大學， 2011.

XU H. Applied research of QRCode two-dimensionalbar" code" coding" and" decoding" system[D]. Nanjing：Nanjing University of Posts and Telecommunications，2011.

[10]美國國家研究委員會.豬營養需要（第十一次修訂版， 2012）[M].印遇龍， 陽成波， 敖志剛主譯.北京：科學出版社， 2014.

[11]法國國家農業科學研究院.飼料成分與營養價值表[M].譙仕彥， 王旭， 王德輝主譯.北京：中國農業大學出版社， 2008.

[12]潘曉花， 楊亮， 龐之洪， 等.豬飼料有效能值預測模型的構建[J].動物營養學報， 2015， 27（5）：1450-1460.

PAN X， YANG L， PANG Z， et al. Construction of pre‐diction models of feedstuffs effective energy values forswine[J]. Chinese Journal" of Animal Nutrition， 2015，27（5）：1450-1460.

[13]廖秀冬， 張麗陽， 呂林， 等.我國畜禽飼料資源中礦物元素含量分布的調查[J].中國農業科學2019， 52（11）：1970-1972.

LIAO X， ZHANG L， LYU L， et al. Survey on distribu‐tion of mineral contents in feedstuffs for livestock" andpoultry in China[J]. Scientia Agricultura Sinica， 2019，52（11）：1970-1972.

[14]陳志勇， 張麗陽， 馬雪蓮， 等.我國畜禽飼料資源中常量元素鈣含量分布的調查[J].中國農業科學 ， 2019， 52（11）：1973-1981.

CHEN Z， ZHANG L， MA X， et al. A survey on distri‐ bution" of calcium" contents in" feedstuffs" for livestock and" poultry" in" China[J]. Scientia Agricultura" Sinica， 2019， 52（11）：1973-1981.

[15]張鐵鷹， 張麗陽， 劉俊麗， 等.我國畜禽飼料資源中微量元素砷含量分布的調查研究[J].中國農業科學2020， 53（21）：4507-4515.

ZHANG T， ZHANG L， LIU J， et al. A survey on distri‐ bution" of arsenic" contents" in" feedstuffs" for" livestockand" poultry" in" China[J]. Scientia Agricultura" Sinica，2020， 53（21）：4507-4515.

[16]美國國家研究委員會.奶牛營養需要量（第七次修訂版， 2001）[M].孟慶翔主譯.北京：中國農業大學出版社， 2002.

[17]熊本海 ， 楊亮.種豬精細養殖綜合技術平臺[M].北京：中國農業科技出版社， 2015.

[18]熊本海， 羅清堯， 龐之洪.奶牛營養參數與典型日糧配方[M].北京：中國農業科技出版社， 2003.

[19]熊本海 ， 蔣林樹. CNCPS 體系演變、模型及飼料成分表[M].北京：中國農業科技出版社， 2015.

Development of China Feed Nutrition Big DataAnalysis Platform

XIONG Benhai1* ， ZHAO Yiguang1 ， LUO Qingyao1 ， ZHENG Shanshan1 ， GAO Huajie2

（1. State Key Laboratory of Animal Nutrition， Institute of Animal Sciences/China Feed Database Information Net‐work Center， Chinese Academy of Agricultural Sciences， Beijing 100193， China;

2. Beijing DaBeiNong Technology Group Co. ， Ltd. ， Beijing 100080， China ）

Abstract： The shortage of feed grain is continually worsening in China， which leads to the transformation of feed grain security into national food security. Therefore， comprehensively integrating the basic data resources of feed nutrition and improving the nutritional value of all available feed resources will be one of the key technical strategies to ensure national food security in Chi‐ na. In this study， based on the description specification and attribute data standard of 16 categories of Chinese feed raw materi‐ als， more than 500，000 pieces of data on the types， spatial distribution， chemical composition and nutritional value characteris‐ tics of existing feed resources， which were accumulated through previous projects from the sixth Five-Year Plan to the thir‐ teenth Five-Year Plan period， were digitally collected， recorded， categorized and comprehensively analyzed. By using MySQL relational database technology and PHP program， a new generation of feed nutrition big data online platform （http：//www.chin‐ afeeddata.org.cn/） was developed and web data sharing service was provided as well. First of all， the online platform provided visual analysis of all warehousing data， which could realize the visual comparison of a single or multiple feed nutrients in vari‐ ous graphic forms such as scatter diagram， histogram， curve line and column chart. By using two-dimensional code technology， all feed nutrition attribute data and feed entity sample traceability data could be shared and downloaded remotely in real-time on mobile phones. Secondly， the online platform also incorporated various regression models for prediction of feed effective nutri‐ ent values using readily available feed chemical composition in the datasets， providing dynamic analysis for feed raw material nutrient variation. Finally， based on Geographic Information System technology， the online platform integrated the data of feed chemical composition and major mineral element concentrations with their geographical location information， which was able to provide the distribution query and comparative analysis of the geographic information map of the feed raw material nutrition data at both provincial and national level. Meanwhile， the online platform can also provide a download service of the various da‐ tasets， which brought convenience to the comprehensive application of existing feed nutrition data. This research also showed that expanding feed resource data and providing prediction and analysis models of feed effective nutrients could maximize the utilization of the existing feed nutrition data. After embedding online calculation modules of various feed formulation software， this platform would be able to provide a one-stop service and optimize the utilization of the feed nutrition data.

Key words： feed grain; feed nutrition data; big data; data mining; GIS; feed security