实施现代农业大数据工程的理性思考

宋长青 柳平增 任万明 李俊清 周 虎

1.山东农业大学 山东泰安 271018

2.山东省农业厅 山东济南 250000

观察与观点

实施现代农业大数据工程的理性思考

宋长青1柳平增1任万明2李俊清1周 虎1

1.山东农业大学 山东泰安 271018

2.山东省农业厅 山东济南 250000

通过对农业大数据、农业大数据技术、农业大数据工程定义的描述，论述了三者之间的辩证关系。着重思考、研究与探讨了实施农业大数据工程的技术路线、详细内容，并提出了诸多建议。通过对实施现代农业大数据工程的思考，以期为政府决策、工程建设、研发方向、人才培养等提供有益借鉴。

现代农业；大数据；农业大数据；思考

2015年8月31日国务院发布了《促进大数据发展行动纲要》(以下简称《行动纲要》)，这是指导我国大数据发展的国家级顶层设计和部署。《行动纲要》指出：通过大数据分析，总结经验、发现规律、预测趋势、辅助决策，充分释放和利用海量数据资源中蕴含的巨大价值，推动新一代信息技术与各行业的深度耦合、交叉创新。《行动纲要》同时具体明确了五大目标、七项措施、十大工程。其中，实施现代农业大数据工程是十大工程之一。如何利用农业大数据技术，通过实施农业大数据工程，实现农业资源要素数据共享，提高农业农村信息化综合服务水平，为农业农民提质增效服务，为农村综合治理服务，是政府、高校、企业必须长期为之奋斗并着力进行解决的重大科技问题。

1 概念描述

1.1 农业大数据的定义及特征

1.1.1 定义

农业大数据是指在农业以及涉农相关领域所产生(或发生)的全样本(或多样本)不同类型数据的集合。

从已有的资料上看，关于农业大数据的定义有多种，大都从应用层面进行阐述，还没有形成被大家认可的综合性定义。以上定义是笔者基于多年从事农业大数据研究与应用实践得出的。

1.1.2 特征

农业大数据除了具有大数据的5个特征，即：数据量大、处理速度快、数据类型多、价值大、精确度高之外，还包含其独有的特征。

一是数据涉及领域广。农业大数据除涉及行业领域本身的数据，包括种植业、养殖业的数据以及扩展至产前产后的生产资料、深加工、价格数据等，还涉及影响农业生产、经营、管理、服务的其他行业的数据。例如：气象、环境、土地资源、市场价格、农业投资等数据。同时，农业数据不仅包括全国层面上的数据，还包括省市县乡村的数据。因此，农业数据涉及的领域面广量大是其基本特征。

二是数据跨越周期长。一方面，我国是一个农业大国，有着几千年的农耕历史和文化。自有文字记载以来，就留下许多宝贵的历史数据。诸如二十四节气，是祖先对农业历史数据产生规律性最经典的认知与预测，一直指导着农业生产。自计算机技术和信息技术应用到农业领域之后，记录和存储的历史数据也有三十多年历史。另一方面，一个完整的农业生产周期经过时间是较长的，同一类数据在一种作物生长周期中变化是较大的。例如：冬小麦生长，从播种到收获要经过7个多月时间，历经秋、冬、春、夏4个季节。小麦生长的温度、光照、积温、水盐动态等因子变化差异较大，直接影响冬小麦各个关键时期生长。因此无论从农业历史数据，还是实时发生的数据，其周期是较长的。

三是数据采集难度大。我国农业受自然因素影响较大，大部分地区是靠天吃饭，加之土地集约化程度较低，这给数据收集工作造成较大困难。我国农业及其相关产业信息化水平低，加之农业基层人员信息化意识、信息化知识缺乏，农业数据采集手段较为原始。采集的与农业相关数据存放在不同的部门，缺乏统一的数据共享平台，数据价值得不到充分利用，不能有效地指导农业生产经营活动。我国部分地区拥有大量的未开垦的盐碱地和荒漠化土地，许多农业相关数据几乎是空白，这些资源的开发依赖数据说话。对于这些地区而言，数据采集的困难是可想而知的。

四是数据处理较为繁杂。其一农业生产是自然、开放的，其数据也是相对分散的。其二农业生产制约因素较多(如气象、水利、土壤、环境、病虫害等)，其维度众多；作物生长其关键期只有几个重要时期。其三农业两个界别(植物、动物界)分类较细，加之其它影响因素，数据标准制难以囊括全部。其四影响农业生产相关领域数据格式种类多、标准不统一等。这一切都会给数据处理造成诸多困难。

1.2 农业大数据技术定义

基于农业大数据概念及其特征，定义农业大数据技术。笔者认为，农业大数据技术是指利用全样本(或多样本)的农业数据为从事农业以及涉农相关领域不同类型群体提供服务的跨学科、跨领域众多技术的集成。

农业大数据技术包含以下几种技术。一是大数据采集预处理与存储管理技术；二是大数据计算与挖掘分析技术；三是大数据可视化分析与呈现技术；四是大数据隐私与安全技术。

1.3 农业大数据工程定义

农业大数据工程是指在大数据理论指导下，运用农业大数据技术提升农业生产、经营、管理、服务水平的集成与应用。

农业大数据工程具有可操作、可复制、可推广的特性，并且固化为一系列可遵循的程序、标准、规范。

农业大数据、农业大数据技术、农业大数据工程三者之间是辩证统一的关系。数据是基础，技术是关键，工程是保障。一方面，没有农业大数据，大数据技术是无米之炊；没有大数据技术，大数据工程不可能实施与实现。另一方面，通过大数据工程实施，可以更有效地修正、提高大数据技术；为大数据技术研究和数据工程开展提供更多数据资源服务。因此，三者是一个闭合的、相互作用的、不断提升的生态循环过程(如图1所示)。

图1 农业大数据生态关系

2 实施现代农业大数据工程的路径及主要内容

2.1 实施路径

实施农业大数据工程，必须围绕两条主线进行。第一条主线是：农业大数据共性技术这条主线；第二条主线是：农业大数据技术在农业农村具体领域应用这条主线。将农业大数据共性技术和农业农村具体领域需求相结合，通过实施农业大数据工程，充分发挥农业大数据在促进农业经济和农村各项事业发展中的作用。

2.2 实施的主要内容

2.2.1 围绕农业大数据共性技术实施的现代农业大数据工程

一是围绕搭建大数据云平台实施筑云工程。筑云工程是实施现代农业大数据共性技术基础工程。云平台建设在云管端3个层面形成云存储、云计算、云服务整体解决方案。重点围绕农业农村解决数据分析、挖掘、应用的个性化软件需求和客户端种粮大户、农业合作社、农业龙头企业的信息化需求问题。使云平台发挥互联互通、方便使用的作用。

本文从智能电网的特征和目的出发，给出如下定义：智能电网是传统电力系统与先进传感技术、现代信息技术深度融合，电源、电网、用户间信息高度感知、双向流动和自适应控制的新一代电力系统。是建立集中分散协同、多种能源融合、供需双向互动和高效灵活配置的现代能源供应体系的重要基础。有利于可再生能源安全消纳，促进能源结构调整，提升能源大范围优化配置能力。

二是围绕数据存储实施数据库建设工程。数据库是长期存储在计算机内的、有组织的、可共享的大量数据的集合。因此，实施农业数据库建设工程，主要是解决数据资源有序管理和共享问题。农业数据库建设的重点是：农业数据的科学分类；农业数据的采集、入库，管理的标准规范和数据库相关技术。

三是围绕数据标准化实施大数据共享工程。农业数据的标准化是农业大数据共享应用的基础工程。只有建立农业大数据的标准化规范体系，才能构建全国统一的农业大数据共享应用平台和数据资源中心。农业数据标准化工程的重点是：农业数据的科学分类和农业数据学科框架体系建设。

四是围绕数据分析、挖掘、利用实施数据服务工程。采集农业数据的目的在于应用。从采集数据到应用数据，要经过数据清洗、入库、挖掘、分析、呈现等若干技术环节。实施数据服务工程的重点是：农业数据相关分析软件的自主开发、农业数据相关模型建立以及数据呈现技术的研发等。

2.2.2 围绕农业农村具体领域应用实施现代农业大数据工程

推进农业现代化离不开农业大数据支撑。种什么？怎么种？农产品销什么？如何销？农业企业赚什么？怎么赚？都需要靠数据说话。因此围绕生产、经营、管理、服务实施农业大数据工程，显得尤为重要。

(1)生产：实施精准化农业生产工程

精准化农业生产是农业现代化的重要组成部分。对于农作物生产而言，精准播种、施肥、施药、灌溉等，都需要数据支持。仅以氮肥为例，据统计，我国氮肥的全年利用率约为45%，意味着将有一半以上的氮肥被浪费掉。我国每年浪费的氮肥相当于欧盟27个成员国施用氮肥的总量，可见资源浪费问题的严重性。另外，氮肥是由煤炭、天然气等转化过来的，因此提高氮肥利用率，就意味着保护了我国的煤炭、天然气等战略资源。利用大数据手段、方法实施精准化农业生产工程，可有效降低生产成本、减少土地污染、节约能源、提高农业生产的精准性等。

实施天地空一体化数据采集工程。实施精准化农业生产，靠农业数据支撑。那么农业生产数据从何而来？这就必须实施一系列数据获取工程。从土地自动获取数据，必须借助于物联网工程；从空中获取数据必须借助于无人机、遥感卫星等。实施天地空一体化数据采集工程，结合各地的历史数据，通过大数据手段，进行关联分析，可以有效地指导精准化农业生产。

实施农业技术装备智能化工程。实施农业技术装备智能化工程，是农业规模化、精准化、设施化的需求。加强以信息化技术为先导的智能化、自动化农机技术与装备研究，应主要围绕传感器技术、农业信息监测、智能农机装备等重点，研究开发农业大数据协同、智能农业装备、农业机器人等农业生产智能技术，提高农业智能化装备水平。

实施农业环境监测工程。农业环境监测是运用物理、化学、生物手段获取农业(牧、渔)环境质量信息数据，并据此提出防治污染、保护农业环境对策的过程。监测对象主要是污染农区和主要经济农区的土壤、作物、大气、农用水质和渔业水域。实施农业环境监测工程，就是建立有关数据档案或数据库，对农业环境现状或影响进行评价，依据数据编报环境质量报告书，为防治污染、改善和保护农业环境提供服务。

(2)经营：实施转型升级、提质增效工程

农产品经营策略是农业提质增效、转型升级的重要环节。农产品既要产量高、质量好，又要销路好、价格高，是困扰农村生产者、经营者的重大问题。从农产品经营角度而言，利用大数据技术，实施转型升级、提质增效，催生新的农业经营主体是非常必要的。

实施大宗农产品市场价格预测预警工程。依据大宗农产品的市场供求及价格波动轨迹，实施主要农副产品如：粮食、畜牧、水果、蔬菜等市场价格预测预警工程。通过历史数据、现实数据分析，对未来价格波动提供预测、预警。

实施新型农业经营体系建设工程。随着“互联网+农业”的广泛应用，催生了许多新的农业经营主体。新型农业经营主体建设工程，就是充分利用农产品电子商务平台、农业信息服务平台产生的数据，通过分析、挖掘，支撑专业大户、家庭农场、农民合作社、农业产业化龙头企业等新型农业生产经营主体，加强产销衔接，实现农业生产由生产导向向消费导向转变，提高精准化营销水平。提高农业生产经营的科技化、组织化和精细化水平，推进农业生产流通销售方式变革和农业发展方式转变，提升农业生产效率和增值空间。

(3)管理：实施农业农村综合治理工程

我国是一个农业大国，80%的户籍人口在农村，没有农村的稳定，就没有全国的稳定；没有农村的小康，就没有全社会的小康。因此，利用大数据手段，实施农业农村综合治理工程，是维护农村社会稳定、推进农村经济社会健康发展、促进城镇化、农业现代化建设的必然要求。

实施农村综合治理工程。利用大数据的手段与方法，实施农村综合治理工程，就是将村务公开、群体事件、环境卫生、乱搭乱建、违规占地、劳动力转移、土地利用等数据，通过数据平台汇聚起来，进行相关分析。从安全稳定角度，做到早发现、早报告、早解决；从民生角度，引导农民进行集约化、规模化经营；从环境治理角度，找出脏乱差的根源，进行综合治理等等。

实施农产品质量安全监管工程。实施农产品质量安全监管工程，就是强化农产品监管体系建设，建立工程示范基地，推进制度标准建设，建立产地准出与市场准入衔接机制；支持新型农业生产经营主体利用互联网技术，对生产经营过程进行精细化信息化管理，加快推动移动互联网、物联网、二维码、无线射频识别等信息技术在生产加工和流通销售各环节的推广应用；强化上下游追溯体系对接和信息互通共享，不断扩大追溯体系覆盖面和监管体系覆盖面；充分利用农产品数据资源和互联网信息资源，构建农副产品质量安全追溯公共服务平台。从而实现农副产品“从农田到餐桌”全过程可追溯，保障“舌尖上的安全”。

(4)服务：实施信息服务进村入户工程

实施农民生产生活信息服务工程，就是推进信息化、大数据进村入户，切实利用信息化手段提高农民生产生活水平。推进信息进村入户试点，就是通过移动互联网为农民提供农产品价格信息、劳动力市场信息、生产资料信息、农业机械作业信息、科技致富信息、保险信息等服务；推进互联网企业与农业生产经营主体合作，综合利用大数据、云计算等技术，建立农业信息监测体系，为灾害预警、耕地质量监测、重大动植物疫情防控、市场波动预测、经营科学决策等提供服务。

3 实施农业大数据工程的几点建议

3.1 解决数据来源问题

实施农业大数据工程，数据是基础。数据来源应通过多种途径解决，而且一定要保证数据的真实性、准确性、及时性。要解决农业数据来源问题，一是建立并实施数据统一标准。从所属行业、数据名称、数据类型、数据量、数据大小、数据格式、数据库版本、产生时间、更新频度、加密方法等进行描述等，形成农业大数据标准规范。二是对农业及其相关领域的历史数据进行收集、整理。三是利用物联网、遥感、无人机、光谱等技术，对农业及其相关数据进行实时采集。四是完善现有数据采集体系，建立相对固定的数据采集、报送站，畅通报送渠道，加大报送人员的培训、补贴力度。

3.2 解决数据共享问题

实施农业大数据工程，数据共享是前提。在建立农业大数据标准规范的基础之上，大力推进数据共享工程。从政策、机制、管理、安全等方面，建立农业及相关部门国家级数据资源中心，搭建数据共享平台，使数据发挥其应有的价值。

3.3 建立试验示范基地

实施农业大数据工程，试验示范是途径。建立示范基地，应选择信息化条件较好、思想意识开放、产业基础厚实、具有典型性的县域进行。通过试验示范，积累经验、认知规律、锻炼队伍、产生效益，为今后全面推广奠定基础。

3.4 加强人才培养和培训

实施农业大数据工程，人才是保障。高等农业院校、科研院所，应设立数据科学研究方向，着力培养跨界人才，尤其是计算机、经济管理与农业相结合的复合型人才。高等职业院校应实施农业大数据工程落地人才培养，尤其是应用技术人才培养。高等农业院校还应加强农业信息员、农业基层人员等实用人员的专题培训，使他们会用、能用、管用、用得便捷。

4 结束语

实施农业大数据工程，是实现农业现代化的重要手段。只有明确思路、确定重点、搞好试点、稳步推进，才能取得预期效果，才能为农业提质增效、转型升级插上大数据的翅膀。

[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] 维克托·迈尔·舍恩伯格.大数据时代[M].杭州:浙江人民出版社,2013.

[4]温孚江.大数据农业[M].北京:中国农业出版社,2015.

[5]赵国栋.大数据时代的历史机遇[M].北京:清华大学出版社,2013.

[6]廸莉娅.我国大数据产业发展研究[J].科技进步与对策,2014(4):56-60.

[7]王峰.占领大数据产业链的价值高地[J].中国多媒体通信,2014(7):26-27.

[8]张玉香.关于加强农业信息体系建设的对策研究[J].农业经济问题,2003(1):37-40.

[9]温孚江.农业大数据与发展新机遇[J].中国农村科技,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

宋长青，硕士，教授，农业大数据研究中心常务副主任。