浅谈农业大数据与WebGIS的应用

1

浅谈农业大数据

大数据发展到今天，已经不单纯是一种技术的演进，其具有独特的核心理念。最主要的是，大数据分析不依靠传统的随机抽样和较为单 一挖掘分析模型，改为使用多粒度、多层次、多渠道的分析模型对庞大的数据总体进行挖掘分析。例如，利用大数据进行干旱分析，可能不再单纯依赖于气象数据与遥感数据，在设定干旱分析模型时，研究地区的用电量、地下水使用量等统计数据都可以被引入，用以提高分析模型精度。因此，大数据分析所用的数据源被极大程度的扩充，分析挖掘所使用的数据量从原有的MB、GB级演变成了TB甚至PB级。而分析的重点也从静态的、结构化的数据逐渐 向动态的、非结构化的数据倾斜。

大数据为何备受推崇？

大数据可以从看似无序的、庞杂的、不相干的海量数据中挖掘到更完整、更真实的信息。而农业大数据既是将大数据的理念和技术应用到农业中来。通常所讲到的农业，实际上应涵盖农村、农业和农民3个层面，具有涵盖区域广、关联领域和内容宽泛、影响因素众多、数据采集复杂、决策管理困难等特点。具体而言，农业大数据应涉及到耕地、 育种、播种、施肥、植保、收获、储运、农产品加工、销售、畜牧业生产等各环节，也包括跨行业、跨专业的数据分析与挖掘。

大数据与农业的结合一方面改变了传统农业生产缺少量化数据支撑的问题，通过与互联网络和计算机信息技术的结合，改变我国农业高度分散、生产规模小、时空变异大、规模化程度差、稳定性和可控程度低等行业性弱点；另一方面丰富了大数据的应用功能，增强了农业与其他领域之间的联系。总的来说，将大数据应用到农业领域，需要一个完善的理论体系和应用框架的支撑。

02

农业大数据的系统框架

大数据与农业结合的系统框架（图1）。主要由４部分组成，即农业数据定义部分、传感器部分、数据收集部分和数据挖掘分析部分（包括数据转换、数据整合、数据建库的建立和挖掘分析）。连接这4个部分的是3个主要的数据流，即农业数据的组织表示、传感器数据和挖掘分析结果反馈。构建数据库和大数据挖掘分析的基础是分布式架构与云平台。

2.1 农业数据定义

农业数据定义主要对数据属性等相关信息进行定义，如传统农业数据、遥感数据、气象数据和GIS数据等，在传统农业数据中又分为种植业、畜牧业、林业、水产养殖业、园艺和食品加工等门类的数据，使用者可以通过等级和分类技术以及各类型数据间的关联性建立整体农业数据构架。从数据挖掘的观点来看，这种基于分类构架并为数据定义丰富属性的做法在建立数据库阶段是很有用处的。

2.2 传感器

传感器部分是外部环境与系统的接口。从大范围层面来看，它包括各地方气象站点和遥感平台等。 从小范围层面来看，它包括GPS、智能传感器、射频识别（RFID）、激光扫描仪、实地工作时的手持数据采集设备等。传感器部分也包括当前备受关注的农业物联网技术，物联网是一种短距无线自组织网络， 在上述传感器间建立物-物通信模式（M2M），按 照约定的协议，把任何物品与互联网连接起来，进行信息交换和通信，以实现智能化识别、定位、跟踪、监控和管理。并且基于农业物联网的功能，在传感器部分就可以进行对较为简单的决策，提高系统运行效率。可以说，物联网在农业各领域的渗透已经成为农业信息技术发展的必然趋势。

2.3 数据收集

数据收集是对传感器数据的整理和补充的部分，也是大数据挖掘分析流程中的核心部分，它运用各种模式来发掘算法和建立规则或模型。在农业大数据理念中，相关关系的分析十分重要，复杂的相关关系可以提升数据总体的价值，所以数据收集的对象不仅包含了农业数据，也包含了涉农领域和其他相关行业产生的数据。基于此类数据总体的农业大数据产品不但可以更好地解决农业问题，也可以解决跨领域的难题。

2.4数据挖掘分析

数据转化、整合与数据库建立

用来建立农业数据库的数据有两个来源，一是农业数据定义部分定义并通过传感器部分获取的数据，二是数据收集部分收集的涉农领域和其他相关领域的数据。前者直接用于数据库建立，后者则需要转化并与前者整合重组才能用于数据库建立。这些转化与整合重组一般包括增加新属性、建立完善的概念等级、共享或合并相关类型数据、聚合、过滤、 取样、删除属性等。数据整合重组是大数据体系中一个重要的理念，多类数据的整合重组，能够降低挖掘分析的成本，提高挖掘分析的效率。

挖掘分析结果表示与用户的交互

一般的数据挖掘模式在农业大数据系统中都可以进行，包括关联规则、分类、聚类等。具有农业领域特色的一些基本的统计信息也是数据挖掘的对象。比如，各地统计年鉴中包含的农村人口数量、各类农业用地面积、农产品产量、农业生产总值和农村经济收入与分配等。此外，应当让用户能够以一种方便的方式参与挖掘分析过程。比如，允许用户微调规则的条件，并可以观察由于规则改变之后产生的影响。这样需要用户具有一些数据挖掘知识，但却可以更好地解决用户面临的具体问题。

农业大数据的挖掘分析功能应用

农业大数据的主要功能包括预测、监测和指导规划与项目设计等。与原有农业建模分析功能不同的是，它拓宽了挖掘分析的数据来源、深化了分析功能、分析结果更为精确。从现阶段看来，大数据在农业中的应用包括但不仅限于：农业可视化监控系统、 更精确的近中远期灾害预测、与农业遥感的紧密结合、农产品流通体系、农业气象预测，以及农业环境 变化趋势预测。

03

WebGIS与农业大数据的结合

GIS对数据进行可视化分析

WebGIS是Web技术与地理信息系统的结合，完善和扩展了GIS的功能，它是一个分布式的系统并且有着极强的交互性与动态性，可以实现在不同的操作系统上提取地理空间技术性数据并提供空间分析工具。WebGIS在农业中的应用不仅表现为选择空间上的样本点，还包括在农业资源区划、智慧管 理和农产品的智慧流通方面。利用GIS可以直观地显示如农业地貌、农业气候、农业水文、农业土壤、土 地类型、土地资源、农业植被、农业人口、农业劳动力、水利工程、农业机械化、农村用电和水陆交通条件等。 这些信息在GIS里不会自动给予决策支持，然而借助大数据挖掘分析技术则可做到。因此，基于WebGIS的农业大数据挖掘分析是一个重要的研究方向。

大数据挖掘分析提供决策支持

预见性数据挖掘就是利用GIS分析技术，通过数据分析，将大量的数据精简为单个的预见或评分。WebGIS与农业大数据结合应用中，GIS能够联合上述农业数据与其他相关统计数据，并根据这些数据建立预见性模型，评价有潜力的农业区域、农业市场、农业规划项目以及其他相似农业应用（如图2）。数据挖掘所需的农业信息数据源主要分为3个部分。第一部分是历史数据。历史数据是一批按照时间序列收集记录的数据。 第二部分是GIS数 据，包括各类农业专题图、GPS数据、GIS在精准农业方面的应用以及数字高程模型数据等数据。第三部分是其他数据，主要包括社交网络上的视频、音频、图片、文字以及各种数据的元数据等数据。将上述数据导入数学模型挖掘分析后得出模拟结果。

基于WebGIS的农业大数据挖掘分析目标

可以分成数据分析与数据间关联规律分析两类。数据分析的目标是通过发现有价值的信息，使从事农业生产、管理、科研的人员能更深入地了解农业生产方式或者农业策略制定是否合理，并且给予决策支持。数据间关联规律分析的目标是，通过对农业或涉农领域中不同事物产生的数据间的时间和空间相关性分析，来得出事物间可靠的、量化的相关关系，以此建立新的农业数学模型，做出更精准的趋势预测与监控警报系统，而且基于对海量数据分析得到的新相关关系可以成为一个新的科研问题。

基于WebGIS的数据挖掘分析难点

将基于WebGIS的数据挖掘与农业大数据结合是一项复杂的系统工程，有许多问题需要考虑，主要包括数据挖掘分析方面的问题、大数据存储方面的问题以及农业大数据本身存在的问题。

数据挖掘分析问题

参与农业生产和农业项目规划中的数据类型复杂、属性繁多、涉及门类广泛，在跨领域研究中就更是如此，若要高效可靠地对数据进行挖掘分析，需要数据挖掘研究者和项目执行者具备多领域的知识储备，为避免挖掘分析精度的降低，就需要长期的积累与准备。

大数据存储方面的问题

在数据存储方面存在的问题主要是动态数据流与非结构化数据与传统关系数据库的矛盾。大数据可以说是针对大量的动态流数据和非结构化数据而产生的新技术，动态流数据和非结构化数据是当今大数据收集、存储、分析的重点，仅依靠静态的、结构化的数据难以支撑大数据的强大功能，传统关系数据库的扩展性难以满足大数据存储需求。大数据的云存储技术——计算资源虚拟化的发展时间较短，尚不完善，难以完全解决海量数据的存储，而且这些产品都较为复杂，大多数产品无法对已经存在的非结构化数据进行加工与管理，实现过程和使用方式较为复杂，所以大数据存储方面的技术仍有待提高。

农业大数据自身的问题

现阶段数据收集、分析的能力，以及相关人才的培养并没有跟上大数据技术发展的速度。在互联网行业与商业领域中，由于利益的刺激和其二者与大数据核心技术结合较为紧密，发展速度受限较少。但在农业中这个缺陷就体现的十分明显，可以说我国当前的农业数据收集存储能力、农业数学模型分析能力和相关人才的数量、质量，难以满足农业大数据的 发展需求。想解决这个问题，一方面需要政府支持和社会观念的转变，同时也需要农业领域研究人员借鉴其他行业和国外的先进理念，大胆设想并付诸实践。

农业是大数据技术应用的一个重要领域，其研究刚刚起步。目前的农业大数据体系框架相对简单和抽象，在实际应用时需根据不同的应用需求进行具体细化。构建农业大数据的最终目的是为农业服务，在数据采集、分析、发布等方面提供的技术和方法，应能良好地向农村基层推广、实现与农民的交互、满足农业研究的专业化和个性化需求，未来在农业大数据研究过程中需要对实施层面的问题给予更多的重视。

参考文献

[1]刘勍，毛克彪，马莹，韩家琪，夏浪. 农业大数据浅析及与Web GIS结合应用[J]. 遥感信息.2016(1):124-128.

粮油科技

粮食人专属社群媒体

爆料丨分享丨专访丨策划丨宣传丨推广