米春橋， 彭小寧， 米允龍， 趙嫦花

(1.懷化學(xué)院，湖南懷化 418000；2.武陵山片區(qū)生態(tài)農(nóng)業(yè)智能控制技術(shù)湖南省重點(diǎn)實(shí)驗(yàn)室，湖南懷化 418000)

農(nóng)業(yè)大數(shù)據(jù)技術(shù)研究現(xiàn)狀與發(fā)展趨勢(shì)

米春橋1，2， 彭小寧1，2， 米允龍1，2， 趙嫦花1，2

(1.懷化學(xué)院，湖南懷化 418000；2.武陵山片區(qū)生態(tài)農(nóng)業(yè)智能控制技術(shù)湖南省重點(diǎn)實(shí)驗(yàn)室，湖南懷化 418000)

分析了農(nóng)業(yè)大數(shù)據(jù)清洗技術(shù)、尺度轉(zhuǎn)換技術(shù)、融合技術(shù)、關(guān)聯(lián)分析與預(yù)測(cè)技術(shù)、可視化技術(shù)及具體應(yīng)用等方面的研究現(xiàn)狀與發(fā)展動(dòng)態(tài)，從分布式并行算法、時(shí)空插值、本體理論、背景挖掘、時(shí)空制圖等方面對(duì)農(nóng)業(yè)大數(shù)據(jù)相關(guān)技術(shù)的發(fā)展趨勢(shì)進(jìn)行了分析與展望。研究結(jié)果對(duì)促進(jìn)大數(shù)據(jù)技術(shù)與農(nóng)業(yè)信息科學(xué)交叉發(fā)展及建立農(nóng)業(yè)大數(shù)據(jù)基礎(chǔ)技術(shù)體系具有參考價(jià)值。

農(nóng)業(yè)大數(shù)據(jù)技術(shù)；研究現(xiàn)狀；發(fā)展趨勢(shì)

農(nóng)業(yè)大數(shù)據(jù)是融合了農(nóng)業(yè)地域性、季節(jié)性、多樣性、周期性及作物本身特性等特征后產(chǎn)生的來(lái)源廣泛、類型多樣、結(jié)構(gòu)復(fù)雜、具有潛在價(jià)值并難以應(yīng)用傳統(tǒng)方法處理和分析的數(shù)據(jù)集合。當(dāng)前農(nóng)業(yè)生產(chǎn)各環(huán)節(jié)的數(shù)據(jù)量日益增多，基于數(shù)據(jù)分析的農(nóng)業(yè)業(yè)務(wù)需求也越來(lái)越多，但與農(nóng)業(yè)業(yè)務(wù)特點(diǎn)相結(jié)合的比較成熟的農(nóng)業(yè)大數(shù)據(jù)分析技術(shù)還很缺乏。因此，有必要對(duì)農(nóng)業(yè)大數(shù)據(jù)相關(guān)技術(shù)的發(fā)展?fàn)顩r進(jìn)行分析，以促進(jìn)農(nóng)業(yè)大數(shù)據(jù)基礎(chǔ)技術(shù)體系的建立與發(fā)展。

1 農(nóng)業(yè)大數(shù)據(jù)技術(shù)研究現(xiàn)狀與動(dòng)態(tài)分析

1.1 農(nóng)業(yè)大數(shù)據(jù)清洗技術(shù)研究分析 數(shù)據(jù)清洗指發(fā)現(xiàn)并糾正數(shù)據(jù)中可識(shí)別的錯(cuò)誤，是一個(gè)減少錯(cuò)誤和不一致性、解決對(duì)象識(shí)別的過(guò)程，主要利用有關(guān)技術(shù)如數(shù)理統(tǒng)計(jì)、數(shù)據(jù)挖掘或預(yù)定義的數(shù)據(jù)清洗規(guī)則將臟數(shù)據(jù)轉(zhuǎn)化成滿足數(shù)據(jù)質(zhì)量要求的數(shù)據(jù)。相關(guān)研究可以分為2大類：一是傳統(tǒng)的數(shù)據(jù)量較小的情況下數(shù)據(jù)清洗方法的研究[1]，按實(shí)現(xiàn)方式可分為4種：①手工實(shí)現(xiàn)方式，即用人工來(lái)檢測(cè)所有的錯(cuò)誤并改正；②程序?qū)崿F(xiàn)方式，通過(guò)編寫專門的應(yīng)用程序檢測(cè)、改正錯(cuò)誤；③某類特定應(yīng)用領(lǐng)域的問(wèn)題，如根據(jù)概率統(tǒng)計(jì)學(xué)原理查找數(shù)值異常的記錄；④與特定應(yīng)用領(lǐng)域無(wú)關(guān)的數(shù)據(jù)清洗，這一部分的研究主要集中于重復(fù)記錄的檢測(cè)、刪除。然而，當(dāng)面對(duì)大數(shù)據(jù)時(shí)，傳統(tǒng)的清洗方法需要作相應(yīng)的改變才能適應(yīng)。二是大數(shù)據(jù)環(huán)境下數(shù)據(jù)清洗方法的探索，如云計(jì)算環(huán)境下大數(shù)據(jù)重復(fù)記錄清洗算法研究[2]，大數(shù)據(jù)環(huán)境下缺失信息處理方法研究[3],大數(shù)據(jù)環(huán)境下數(shù)據(jù)清洗基本框架模型及其局限性分析[4]等，目前這部分的研究仍處于初期探索階段，尤其未見與農(nóng)業(yè)領(lǐng)域大數(shù)據(jù)清洗相關(guān)的研究報(bào)道。因此，針對(duì)特定農(nóng)業(yè)問(wèn)題而構(gòu)建一個(gè)快速獲取干凈、完備數(shù)據(jù)集的清洗方法流程已變得尤為重要與緊迫。

1.2 農(nóng)業(yè)大數(shù)據(jù)尺度轉(zhuǎn)換技術(shù)研究分析 農(nóng)業(yè)大數(shù)據(jù)的突出特點(diǎn)是時(shí)空特性顯著，當(dāng)前國(guó)內(nèi)外主要是利用時(shí)空插值方法進(jìn)行農(nóng)業(yè)點(diǎn)源數(shù)據(jù)的尺度轉(zhuǎn)換，相關(guān)研究可分為2類：一是將普通Kriging方法進(jìn)行改造與時(shí)空擴(kuò)展[5]，然后用于各類要素的時(shí)空插值實(shí)踐中，典型的研究如降雨量時(shí)空分析[6]、溫度時(shí)空預(yù)測(cè)[7]等，這類方法具有簡(jiǎn)單易用的特點(diǎn)，但難以勝任對(duì)特定領(lǐng)域業(yè)務(wù)特色的突顯，如對(duì)作物種植災(zāi)害脅迫的農(nóng)事物候性的有效描述就很難直接用此類方法做到。二是采用編程語(yǔ)言如R語(yǔ)言自主建立相關(guān)時(shí)空協(xié)方差函數(shù)模型進(jìn)行時(shí)空變異建模及插值分析[8]，目前主要有2種時(shí)空協(xié)方差函數(shù)建模方法：一種是可分離型的模型[9]，即通過(guò)將空間協(xié)方差函數(shù)與時(shí)間協(xié)方差函數(shù)相加或相乘得到，這類模型構(gòu)建簡(jiǎn)易，但卻分割了時(shí)空間的相關(guān)信息；另一種是不可分離型的模型[10]，這類模型善于有效描述時(shí)空變量的時(shí)空變異結(jié)構(gòu)信息，已成為時(shí)空插值研究的主要方向，但由于其構(gòu)建十分復(fù)雜，在高效實(shí)現(xiàn)方面仍然是一個(gè)難點(diǎn)，當(dāng)前還缺乏較成熟的研究成果，尤其是與具體業(yè)務(wù)領(lǐng)域的結(jié)合應(yīng)用成果更少。建立集成農(nóng)業(yè)地域性與物候性的時(shí)空一體化插值模型對(duì)大量的農(nóng)業(yè)點(diǎn)源數(shù)據(jù)進(jìn)行尺度轉(zhuǎn)換與提升是當(dāng)前急需解決的問(wèn)題。

1.3 多源農(nóng)業(yè)大數(shù)據(jù)融合技術(shù)研究分析 多源數(shù)據(jù)融合是將多種來(lái)源的多個(gè)觀測(cè)數(shù)據(jù)，在一定準(zhǔn)則下進(jìn)行自動(dòng)分析處理與綜合集成，獲得單個(gè)或單類數(shù)據(jù)無(wú)法獲得的有價(jià)值的綜合信息[11]。國(guó)內(nèi)外相關(guān)研究可分為2類：一是語(yǔ)法層次的數(shù)據(jù)集成研究，包括數(shù)據(jù)格式轉(zhuǎn)換方法、基于元數(shù)據(jù)的數(shù)據(jù)集成方法、基于網(wǎng)絡(luò)協(xié)議標(biāo)準(zhǔn)的數(shù)據(jù)互操作技術(shù)等[12]，但這類傳統(tǒng)的基于語(yǔ)法層次的數(shù)據(jù)集成技術(shù)難以適應(yīng)農(nóng)業(yè)時(shí)空數(shù)據(jù)的異構(gòu)性、分布性、增長(zhǎng)性、變化性等特點(diǎn)。二是語(yǔ)義層次的數(shù)據(jù)融合研究，它具有擴(kuò)展性好、適應(yīng)動(dòng)態(tài)信息源、支持語(yǔ)義級(jí)信息共享等優(yōu)點(diǎn)[13]，是當(dāng)前數(shù)據(jù)集成、共享及互操作的高級(jí)發(fā)展階段。本體是實(shí)現(xiàn)語(yǔ)義融合集成的良好途徑[14]，而目前國(guó)內(nèi)外關(guān)于農(nóng)業(yè)本體[15]的研究仍處于初級(jí)階段，相關(guān)的探索如聯(lián)合國(guó)糧食及農(nóng)業(yè)組織(FAO)已構(gòu)造了漁業(yè)本體、食品安全領(lǐng)域本體和食物、營(yíng)養(yǎng)與農(nóng)業(yè)的本體3個(gè)領(lǐng)域的原始本體[16]，也有學(xué)者對(duì)基于本體的農(nóng)業(yè)災(zāi)害應(yīng)急處置領(lǐng)域知識(shí)表示[17]與應(yīng)急信息資源目錄體系構(gòu)建[18]、基于本體的農(nóng)業(yè)知識(shí)建模[19]等進(jìn)行了相關(guān)的探索，但缺乏成熟的應(yīng)用成果，尤其缺少面向農(nóng)業(yè)時(shí)空大數(shù)據(jù)融合的本體建模探索與研究。

1.4 農(nóng)業(yè)大數(shù)據(jù)關(guān)聯(lián)分析與預(yù)測(cè)技術(shù)研究分析 農(nóng)業(yè)大數(shù)據(jù)來(lái)源廣泛、類型多樣、結(jié)構(gòu)復(fù)雜，應(yīng)用關(guān)聯(lián)分析可以很好地挖掘農(nóng)業(yè)大數(shù)據(jù)的潛在價(jià)值。關(guān)聯(lián)分析又稱關(guān)聯(lián)挖掘，是在大量數(shù)據(jù)集中發(fā)現(xiàn)頻繁模式、關(guān)聯(lián)性、相關(guān)性或因果結(jié)構(gòu)等特征的一種實(shí)用分析方法，從而描述某些現(xiàn)象同時(shí)出現(xiàn)的規(guī)律和模式。當(dāng)前相關(guān)的研究可分為2類：第一類是關(guān)于經(jīng)典關(guān)聯(lián)分析算法的研究，如有研究指出原Apriori 算法有2個(gè)致命的瓶頸[20]：其一，算法在執(zhí)行時(shí)將會(huì)多次不斷地掃描整個(gè)事務(wù)數(shù)據(jù)庫(kù)，對(duì)于規(guī)模較大的數(shù)據(jù)集來(lái)講，算法時(shí)間過(guò)長(zhǎng)；其二，原算法將會(huì)產(chǎn)生大規(guī)模的候選項(xiàng)集，隨著候選項(xiàng)集的不斷增大，對(duì)計(jì)算機(jī)的內(nèi)存空間要求不斷提高。因此，后續(xù)發(fā)展中許多研究者提出了很多對(duì)原算法的改進(jìn)算法。第二類是在云計(jì)算環(huán)境下，不少學(xué)者致力于把關(guān)聯(lián)規(guī)則與云計(jì)算結(jié)合起來(lái)，以促進(jìn)關(guān)聯(lián)分析在大數(shù)據(jù)時(shí)代的發(fā)展，相關(guān)的研究如基于Boolean 矩陣和Hadoop 的高效Apriori算法實(shí)現(xiàn)[21]，結(jié)合FP-tree與MapReduce提出MFIM 算法來(lái)挖掘頻繁項(xiàng)集的研究[22],大數(shù)據(jù)環(huán)境下否定關(guān)聯(lián)規(guī)則算法的研究[23]等。這些研究都在一定程度上改善了關(guān)聯(lián)分析的效率，但都未與具體的領(lǐng)域業(yè)務(wù)相結(jié)合，尤其少見關(guān)于農(nóng)業(yè)大數(shù)據(jù)關(guān)聯(lián)分析的研究報(bào)道。而如何在農(nóng)業(yè)大數(shù)據(jù)中立足農(nóng)業(yè)數(shù)據(jù)的時(shí)空特點(diǎn)，建立適合農(nóng)業(yè)實(shí)踐應(yīng)用需求的農(nóng)業(yè)大數(shù)據(jù)時(shí)空關(guān)聯(lián)分析與預(yù)測(cè)方法及技術(shù)，從而有效揭示農(nóng)業(yè)現(xiàn)象背后所隱藏的關(guān)聯(lián)因素與潛在規(guī)律，是當(dāng)前急需解決的重要難題。

1.5 農(nóng)業(yè)大數(shù)據(jù)時(shí)空可視化技術(shù)研究分析 在當(dāng)前大數(shù)據(jù)時(shí)代，時(shí)空可視化已經(jīng)成為時(shí)空分析和知識(shí)發(fā)現(xiàn)過(guò)程中不可缺少的重要環(huán)節(jié)，它是將相關(guān)時(shí)空現(xiàn)象在空間維和屬性維上的變化隨時(shí)間維以交互式的圖形圖像方式表達(dá)出來(lái)，便于用戶了解復(fù)雜時(shí)空現(xiàn)象的發(fā)展過(guò)程，分析其變化規(guī)律，把握其發(fā)展趨勢(shì)[24]。相關(guān)研究主要可以分為2類：一是靜態(tài)時(shí)空可視化方法研究，如時(shí)間符號(hào)法、時(shí)間注記法、對(duì)比地圖法、變化地圖法、運(yùn)動(dòng)線法、時(shí)間統(tǒng)計(jì)圖法和時(shí)間圖形地圖法[25]等，典型的研究如通過(guò)擴(kuò)張符號(hào)法和結(jié)構(gòu)符號(hào)法來(lái)表示不同時(shí)間數(shù)量和質(zhì)量屬性的變化，通過(guò)定位地圖表示法表示制圖區(qū)域呈周期性變化的地理現(xiàn)象，如溫度、降水和風(fēng)向的年變化[24]等。二是動(dòng)態(tài)時(shí)空可視化方法研究，如以時(shí)間為主線所有變化按時(shí)間先后順序作為事件序列存儲(chǔ)的時(shí)空數(shù)據(jù)表達(dá)方法[26]。借助動(dòng)畫技術(shù)展示地理數(shù)據(jù)時(shí)間維的動(dòng)態(tài)地圖表達(dá)方法[27]等。具體應(yīng)用方面，Yahoo Tracker、時(shí)間墻模型、主題河流模型(Theme River)等都是基于時(shí)間維度的可視化表達(dá)方法[28]。為提高動(dòng)態(tài)地圖的認(rèn)知效率，有學(xué)者還提出了交互式時(shí)間圖例、自定義動(dòng)畫內(nèi)容篩選、時(shí)空數(shù)掘聚合和時(shí)空插值漸變4種優(yōu)化方法[24]。當(dāng)前，直接應(yīng)用于農(nóng)業(yè)大數(shù)據(jù)時(shí)空可視化的技術(shù)研究還很缺乏，這些相關(guān)研究可為農(nóng)業(yè)大數(shù)據(jù)時(shí)空可視化分析奠定良好的基礎(chǔ)。

1.6 農(nóng)業(yè)大數(shù)據(jù)應(yīng)用研究分析 大數(shù)據(jù)在農(nóng)業(yè)中的應(yīng)用目前較多見的為基于大數(shù)據(jù)的農(nóng)業(yè)災(zāi)害時(shí)空分析，相關(guān)研究主要可以分為2類：一是基于空間和時(shí)間頻率統(tǒng)計(jì)分析的常見氣象災(zāi)害時(shí)空描述性分析，典型的研究如高溫日數(shù)時(shí)空變化分析[29]、霜凍時(shí)空分布特征分析[30]等。二是基于致災(zāi)因子指數(shù)的具體作物災(zāi)害空間分布與年際變化特征分析，典型的研究如基于相對(duì)濕潤(rùn)指數(shù)的季節(jié)性干旱時(shí)空分布特征分析[31]、基于農(nóng)業(yè)干旱參考指數(shù)的玉米干旱時(shí)空變化分析[32]等。這2類研究都在一定程度上揭示了相關(guān)災(zāi)害的空間分布特征和時(shí)間變化規(guī)律，但是其普遍思路都是把空間和時(shí)間分割開來(lái)分別統(tǒng)計(jì)建模分析，缺乏對(duì)空間和時(shí)間的統(tǒng)籌考慮及集成化的模型支撐，不利于揭示災(zāi)害的時(shí)空內(nèi)在規(guī)律性。另外，也有部分學(xué)者對(duì)農(nóng)業(yè)大數(shù)據(jù)的理論框架進(jìn)行了探索性的研究，如：孫忠富等[33]結(jié)合農(nóng)業(yè)特點(diǎn)，分析了大數(shù)據(jù)在農(nóng)業(yè)上的需求、主要應(yīng)用領(lǐng)域及其在智慧農(nóng)業(yè)中的關(guān)鍵地位；宋長(zhǎng)青等[34]對(duì)高等農(nóng)業(yè)院校農(nóng)業(yè)大數(shù)據(jù)研究現(xiàn)狀及發(fā)展思路進(jìn)行了分析，指出農(nóng)業(yè)大數(shù)據(jù)可促進(jìn)農(nóng)業(yè)生產(chǎn)環(huán)節(jié)更精準(zhǔn)、產(chǎn)品流通更有序、科技推廣更高效、管理決策更科學(xué)；李秀峰等[35]對(duì)大數(shù)據(jù)時(shí)代包括農(nóng)業(yè)大數(shù)據(jù)智能處理技術(shù)、農(nóng)業(yè)大數(shù)據(jù)決策本體技術(shù)、農(nóng)業(yè)信息化云服務(wù)人機(jī)交互技術(shù)的農(nóng)業(yè)信息服務(wù)技術(shù)創(chuàng)新進(jìn)行了論述。這些研究對(duì)加快大數(shù)據(jù)在農(nóng)業(yè)中的應(yīng)用具有很好的促進(jìn)作用。

2 發(fā)展趨勢(shì)與展望

未來(lái)，隨著IT技術(shù)本身的發(fā)展及農(nóng)業(yè)信息化水平的不斷提高，農(nóng)業(yè)大數(shù)據(jù)技術(shù)的發(fā)展呈現(xiàn)出多種需求趨勢(shì)。在數(shù)據(jù)處理方面，數(shù)據(jù)量越來(lái)越大，因此急需在關(guān)注農(nóng)業(yè)數(shù)據(jù)自身特點(diǎn)的前提下，針對(duì)農(nóng)業(yè)數(shù)據(jù)差異性設(shè)計(jì)高效率分布式并行計(jì)算的農(nóng)業(yè)大數(shù)據(jù)清洗技術(shù)；在數(shù)據(jù)尺度轉(zhuǎn)換方面，需要結(jié)合農(nóng)業(yè)大數(shù)據(jù)的地域特征(空間性)與物候特征(時(shí)間性)，研究建立結(jié)合農(nóng)業(yè)地域性與物候性的時(shí)空一體化插值模型，實(shí)現(xiàn)適合農(nóng)業(yè)領(lǐng)域的點(diǎn)源大數(shù)據(jù)的尺度提升；在數(shù)據(jù)融合方面，需要基于農(nóng)業(yè)行業(yè)標(biāo)準(zhǔn)、農(nóng)業(yè)信息處理規(guī)范、農(nóng)業(yè)專家知識(shí)等相關(guān)標(biāo)準(zhǔn)，研究建立基于本體的多源農(nóng)業(yè)大數(shù)據(jù)融合模型，實(shí)現(xiàn)多源異構(gòu)農(nóng)業(yè)大數(shù)據(jù)語(yǔ)義層次的融合集成；在關(guān)聯(lián)分析與預(yù)測(cè)方面，需要立足農(nóng)業(yè)大數(shù)據(jù)本身的特點(diǎn)，研究基于背景挖掘的農(nóng)業(yè)大數(shù)據(jù)關(guān)聯(lián)分析與預(yù)測(cè)技術(shù)，為充分全面理解不同時(shí)間、不同地區(qū)、不同要素農(nóng)業(yè)現(xiàn)象的共性及個(gè)性化特征提供技術(shù)手段；在可視化分析方面，需要研究建立農(nóng)業(yè)大數(shù)據(jù)時(shí)空制圖可視化技術(shù)，包括用于揭示特定階段農(nóng)業(yè)現(xiàn)象空間分布特征的對(duì)比地圖法、變化地圖法等靜態(tài)時(shí)空可視化技術(shù)，用于揭示長(zhǎng)時(shí)間農(nóng)業(yè)現(xiàn)象時(shí)空擴(kuò)散與變遷規(guī)律的時(shí)空數(shù)據(jù)聚合與漸變動(dòng)態(tài)可視化技術(shù)，從時(shí)空角度對(duì)農(nóng)業(yè)問(wèn)題進(jìn)行多角度靜、動(dòng)態(tài)可視化分析；在具體應(yīng)用方面，需要將農(nóng)業(yè)大數(shù)據(jù)基礎(chǔ)分析技術(shù)與農(nóng)業(yè)數(shù)據(jù)本身特征(如時(shí)空性較強(qiáng)等)及具體分析任務(wù)、目的相結(jié)合，形成農(nóng)業(yè)大數(shù)據(jù)基礎(chǔ)技術(shù)與農(nóng)業(yè)生產(chǎn)實(shí)踐相互促進(jìn)的良好發(fā)展局面。

3 結(jié)語(yǔ)

農(nóng)業(yè)相關(guān)業(yè)務(wù)的形成機(jī)理和時(shí)空演化過(guò)程十分復(fù)雜，農(nóng)業(yè)大數(shù)據(jù)具有顯著的多源、多類、多量、多維、多時(shí)態(tài)、多空間、多主題、多結(jié)構(gòu)等特征，因此，農(nóng)業(yè)大數(shù)據(jù)技術(shù)必須與農(nóng)業(yè)業(yè)務(wù)相結(jié)合才具有實(shí)用性，農(nóng)業(yè)大數(shù)據(jù)技術(shù)的發(fā)展必須體現(xiàn)農(nóng)業(yè)特色才具有生命力。該研究對(duì)農(nóng)業(yè)大數(shù)據(jù)清洗技術(shù)、尺度轉(zhuǎn)換技術(shù)、融合技術(shù)、關(guān)聯(lián)分析與預(yù)測(cè)技術(shù)、可視化技術(shù)及具體應(yīng)用等方面的研究現(xiàn)狀、動(dòng)態(tài)及趨勢(shì)進(jìn)行了分析與展望，對(duì)促進(jìn)農(nóng)業(yè)大數(shù)據(jù)技術(shù)發(fā)展及建立農(nóng)業(yè)大數(shù)據(jù)基礎(chǔ)技術(shù)體系具有較大的參考價(jià)值。

[1] 郭志懋,周傲英.數(shù)據(jù)質(zhì)量和數(shù)據(jù)清洗研究綜述[J].軟件學(xué)報(bào),2002,13(11):2076 -2082.

[2] ZHANG F,XUE H F,XU D S,et al.Big data cleaning algorithms in cloud computing[J].International journal of online engineering,2013,9(3):77-81.

[3] 姜麟,米允龍，王添.大數(shù)據(jù)下不完備信息系統(tǒng)近似空間的并行算法[J].計(jì)算機(jī)工程與應(yīng)用,2014,50(15):101-106.

[4] 蔣勛,劉喜文.大數(shù)據(jù)環(huán)境下面向知識(shí)服務(wù)的數(shù)據(jù)清洗研究[J].圖書與情報(bào),2013 (5):16-21.

[5] 徐愛萍,胡力,舒紅.空間克里金插值的時(shí)空擴(kuò)展與實(shí)現(xiàn)[J].計(jì)算機(jī)應(yīng)用,2011,31(1):273-276.

[6] COWPERTWAIT P S P.A spatial-temporal point process model of rainfall for the Thames catchment,UK[J].Journal of hydronautics,2006,330(3/4):586-595.

[7] IM H K,RATHOUZ P J,FREDERICK J E.Space-time modeling of 20 years of daily air temperature in the Chicago metropolitan region[J].Environmetrics,2009,20(5):494-511.

[8] 李莎,舒紅,徐正全.利用時(shí)空Kriging進(jìn)行氣溫插值研究[J].武漢大學(xué)學(xué)報(bào)(信息科學(xué)版),2012,37(2):237-241.

[9] 李莎,舒紅,董林.基于時(shí)空變異函數(shù)的Kriging插值及實(shí)現(xiàn)[J].計(jì)算機(jī)工程與應(yīng)用,2011,47(23):25-26,38.

[10] 李莎,舒紅,徐正全.東北三省月降水量的時(shí)空克里金插值研究[J].水文,2011,31(3):31-35.

[11] 顧穎,戚建國(guó),倪深海,等.多源信息同化融合技術(shù)在旱情評(píng)價(jià)中的應(yīng)用[J].人民黃河,2014,36(5):41-44.

[12] 曹彥波.基于本體的資源環(huán)境空間信息集成與共享技術(shù)研究[D].昆明：云南師范大學(xué),2006.

[13] 王艷妮,劉剛.地質(zhì)災(zāi)害領(lǐng)域本體的研究與應(yīng)用[J].地理與地理信息科學(xué),2011,27(6):36-40.

[14] 張曉祥.大數(shù)據(jù)時(shí)代的空間分析[J].武漢大學(xué)學(xué)報(bào)(信息科學(xué)版),2014,39(6):655-659.

[15] 錢平,鄭業(yè)魯.農(nóng)業(yè)本體論研究與應(yīng)用[M].北京:中國(guó)農(nóng)業(yè)科學(xué)技術(shù)出版社,2006.

[16] SINI M,SALOKHE G,PARDY C,et al.Ontology-based navigation of bibliographic metadata:Example from the food,nutrition and agriculture[C]//Proceedings of the international conference on the semantic web and digital libraries.Rome,Italy:[s.n],2007:64-76.

[17]肖花,劉春年.基于本體的農(nóng)業(yè)災(zāi)害應(yīng)急處置領(lǐng)域知識(shí)表示研究[J].安徽農(nóng)業(yè)科學(xué),2011,39(27):16612-16614.

[18] 肖花,劉春年.基于本體的農(nóng)業(yè)災(zāi)害應(yīng)急信息資源目錄體系構(gòu)建研究[J].安徽農(nóng)業(yè)科學(xué),2011,39(24):15147-15149.

[19] XIE N F.Research on agricultural ontology and fusion rules based knowledge fusion framework[J].Agri Sc Techno,2012,13(12):2638-2641.

[20] 陳文偉.數(shù)據(jù)倉(cāng)庫(kù)與數(shù)據(jù)挖掘教程[M].北京:清華大學(xué)出版社,2006.

[21] YU H L,WEN J,WANG H M,et al.An improved apriori algorithm based on the boolean matrix and hadoop[J].Procedia engineering,2011,15(1):1827-1831.

[22] HE B.The algorithm of mining frequent itemsets based on MapReduce[J]//Proceedings of international conference on soft computing techniques and engineering application,2014,250:529-534.

[23] 米允龍,姜麟,米春橋.MapReduce 環(huán)境下的否定粗糙關(guān)聯(lián)規(guī)則算法[J].計(jì)算機(jī)集成制造系統(tǒng),2014,20(11):2893-2903.

[24] 艾波.時(shí)空數(shù)據(jù)可視化方法研究[D].青島：山東科技大學(xué),2011.

[25] HORNSBY K，EGENHOFER M J.Qualitative representation of change[C]//HIRTLE S C,FRANK A U.Spatial information theory:A theoretical basis for GIS.Berlin:Springer,1997:15-33.

[26] 馬榮華.地理空間認(rèn)知與GIS空間數(shù)據(jù)組織研究[D].南京:南京大學(xué),2002.

[27] 李霖,苗蕾.時(shí)間動(dòng)態(tài)地圖模型[J].武漢大學(xué)學(xué)報(bào)(信息科學(xué)版),2004,29(6):484-487.

[28] 桑鵬,唐新明,艾波,等.RSS新聞事件的多維描述與時(shí)空可視化方法[J].地球信息科學(xué)學(xué)報(bào),2014,16(3):341-348.

[29] 雷楊娜,龔道溢,張自銀,等.中國(guó)夏季高溫日數(shù)時(shí)空變化及其環(huán)流背景[J].地理研究,2009,28(3):653-662.

[30] 張龍,尹憲志,付雙喜,等.甘肅省霜凍時(shí)空分布特征及防御措施[J].現(xiàn)代農(nóng)業(yè)科技,2015(1):248-250.

[31] 王明田,王翔,黃晚華,等.基于相對(duì)濕潤(rùn)度指數(shù)的西南地區(qū)季節(jié)性干旱時(shí)空分布特征[J].農(nóng)業(yè)工程學(xué)報(bào),2012,28(19):85-92.

[32] 劉宗元,張建平,羅紅霞,等.基于農(nóng)業(yè)干旱參考指數(shù)的西南地區(qū)玉米干旱時(shí)空變化分析[J].農(nóng)業(yè)工程學(xué)報(bào),2014,30(2):105-115.

[33] 孫忠富,杜克明,鄭飛翔,等.大數(shù)據(jù)在智慧農(nóng)業(yè)中研究與應(yīng)用展望[J].中國(guó)農(nóng)業(yè)科技導(dǎo)報(bào),2013,15(6):63-71.

[34] 宋長(zhǎng)青,高明秀,周虎.高等農(nóng)業(yè)院校農(nóng)業(yè)大數(shù)據(jù)研究現(xiàn)狀及發(fā)展思路[J].中國(guó)農(nóng)業(yè)教育,2014(5):16-20.

[35] 李秀峰,陳守合,郭雷風(fēng).大數(shù)據(jù)時(shí)代農(nóng)業(yè)信息服務(wù)的技術(shù)創(chuàng)新[J].中國(guó)農(nóng)業(yè)科技導(dǎo)報(bào),2014,16(4):10-15.

Research Status and Dvelopment Trend of Agriculture Big Data Technology

MI Chun-qiao1,2,PENG Xiao-ning1,2,MI Yun-long1,2et al

(1.Huaihua University,Huaihua,Hunan 418000; 2.Key Laboratory of Intelligent Control Technology for Wuling-Mountain Ecological Agriculture in Hunan Province,Huaihua,Hunan 418000)

The research status of agriculture big data cleaning technology,scale conversion technology,fusion technology,correlation analysis and prediction technology,visualization technology and concrete applications were analyzed.The development trends were also analyzed from the aspects of distributed parallel algorithm,spatial and temporal interpolation,ontology theory,background mining,spatial and temporal mapping.It has important reference significance in promoting the cross development of big data technology and agriculture information science and the establishment of agriculture big data basic analysis technology system.

Agriculture big data technology; Research status; Development trend

國(guó)家自然科學(xué)基金項(xiàng)目(41301084)。

米春橋(1983- )，男，湖南懷化人，副教授，博士，從事地理信息系統(tǒng)與農(nóng)業(yè)信息化技術(shù)研究。

2016-11-09

S 126

A

0517-6611(2016)34-0235-03