農業大數據及其應用展望

王文生++郭雷風

摘要：大數據擁有巨大的潛在價值，成為各行各業研究和關注的重點。針對大數據提供的機遇和挑戰，從農業視角對大數據技術農業的應用進行了探討。首先對大數據的發展背景、相關概念、特征進行介紹；然后，對農業大數據的內涵進行詮釋，并從農業生產環境數據獲取、農業生命信息感知等6個方面分析了農業大數據獲取的途徑，對農業大數據現狀進行了介紹；最后，結合當前農業信息技術體系，從精準農業可靠決策支持系統、國家農村綜合信息服務系統等5個方面對農業大數據的應用進行了展望。

關鍵詞：農業大數據；獲?。粦谜雇?/p>

中圖分類號：S126 文獻標志碼： A文章編號：1002-1302（2015）09-0001-04

主要從事農業信息服務、農業大數據等方面的研究。E-mail：guoleifeng@caas.cn。大數據主要來源于大聯網、大集中、大移動等信息技術的社會應用，不但是信息技術從單項應用到多項融合的結果，而且是信息技術從前端簡單處理向后端復雜分析演變的表現，更是社會高度信息化的必然產物。大數據的出現有其必然性：一方面，信息技術與網絡通信技術的融合，極大促進了移動互聯網、智能傳感網等快速興起，以及各種移動智能終端的快速普及和廣泛應用，人類社會產生數據、獲取數據、傳輸數據的能力得到了前所未有的提高；另一方面，云計算、集群計算等新一代信息基礎設施為海量數據聚集提供了可能，圖片、視頻、音頻、日志等非結構數據得以長久保存，數據處理、存儲能力從GB、TB級達到了PB、ZB甚至更高，突破了原有數據規模和范疇。國際數據公司（IDC）的研究結果[1]表明，2011年全球被創建和復制的數據總量為1.8 ZB，遠遠超過人類有史以來所有印刷材料的數據總量（200 PB）。大數據將給我們帶來更大的視野和更新的發現，進而改變我們的生活、工作和思維方式。許多科學家預言，在21世紀，無論是自然科學領域還是社會科學領域，大數據都將帶來無限的發展機遇。

計算機技術應用于農業已有30多年的歷史了，經歷了從起步、普及、提高、推進等一系列階段。進入21世紀以來，農業與農村信息技術的研究和應用進入高速發展階段，已成為現代農業的重要標志。進入“十二五”規劃以來，以農業物聯網技術和智能裝備技術為代表的農業信息技術正逐步融入到農業生產經營的全過程，農業形態和過程都發生了深刻變化，表現在以下幾個方面：一是“更透徹的感知”，通過智能傳感設備廣泛應用，實現農業生產全過程的數字化與可感知，包括作物長勢、作物營養、畜禽生長信息、土壤參數、環境信息、氣候變化等；二是“更全面的互聯互通”，物聯網、傳感網、因特網等在農業領域應用，實現了農民、生命體與資源環境的互聯互通，實現了消費者、農產品、市場的互聯互通；三是“更深入的智能化”，通過云計算和超級計算機等先進技術，對感知的海量數據進行分析處理，使農業生產決策、農產品市場管理等更加智能。從數據角度分析，可以歸結為：產生的數據多、傳輸的數據多、處理的數據多?？梢姡r業領域每一項技術的進步，都從某種程度上加深了農業大數據存在和研究的必要性。

我國是農業大國，一直非常重視全國性的農業科技信息數據資源建設[2-3]。農業領域是大數據產生的無盡源泉，具有浩大的數據基礎。隨著各種智能傳感終端在農業領域的應用，農業數據來源更加廣泛、新穎、迅速，類型更加多樣，農業數據體量大、結構復雜、模態多變、實時性強、關聯度高，利用大數據技術進行農業相關應用研究，其意義將非常明顯。我國在農業數據處理與分析等相關方面的研究已經具有一定基礎，然而面對大數據提供的種種機遇和挑戰，農業大數據具體的發展應用需要進一步提升和剖析。

1大數據

與云計算的橫空出世非常相似，大數據似乎也在一夜之間家喻戶曉。但略有不同的是，云計算發展早期主要由企業推動，而大數據則幾乎同時得到了政府、企業、學術界等各方面的共同青睞。大數據最早是由著名未來學家阿爾文·托夫勒在1980年提出的，他在《第三次浪潮》中，將大數據稱為“第三次浪潮的華彩樂章”。2001年，Gartner的分析員道格·萊尼在1份關于電子商務的報告[4]中，提出未來數據管理的挑戰主要來自于3個方面：量（volume）、速（velocity）、多變（variety），大數據“3V”描述即起源于此。然后，直到2008年以后，大數據的概念才逐步被認可，并被政府、企業以及學術界所廣泛傳播。2008 年《Nature》出版?？禕ig Data》，從互聯網技術、網絡經濟學、超級計算、環境科學、生物醫藥等多個方面介紹了海量數據帶來的挑戰。2011年《Science》推出關于數據處理的專刊《Dealing with Data》，討論了數據洪流（data deluge）所帶來的挑戰，特別指出，倘若能夠更有效地組織和使用這些數據，人們將得到更多的機會發揮科學技術對社會發展的巨大推動作用。2012 年，奧巴馬宣布美國政府投資2億美元啟動“大數據研究和發展計劃（big data research and development initiative）”。2013年，英國政府發布了《英國農業技術戰略》，表明英國今后對農業技術的投資將集中在大數據上。2013年，日本發布《信息通信白皮書》，計劃充分利用個人購物數據等龐大數據提供服務。

關于大數據的概念目前尚沒有非常統一的定義，表述方式也不盡相同。維基百科認為“大數據，或稱巨量數據、海量數據、大資料，指的是所涉及的數據量規模巨大到無法通過人工在合理時間內達到截取、管理、處理，并整理成為人類所能解讀的信息”。麥肯錫認為大數據是指“大小超出了典型數據庫軟件工具收集、存儲、管理和分析能力的數據集”[5]。高德納認為大數據是指“超出了常用軟件環境和軟件工具在可接受的時間內為其用戶收集、管理和處理數據的能力”[6]。IBM將大數據的特征相結合對大數據進行定義，認為大數據具備3個基本特征：體量浩大（volume）、模態繁多（variety）、生成快速（velocity），或者就是簡單的“3V”，即龐大容量、極快速度、種類豐富的數據[7]。

一般來講，大數據具有以下幾個特征。（1）數據量龐大：大數據時代的數據量是以PB、EB、ZB為存儲單位的，PB級別是常態。（2）數據增長、變化速度快：大數據環境下，數據產生、存儲和變化的速率十分驚人，目前因特網上1 s產生的數據量比20年前整個因特網所存儲的數據量還巨大。（3）數據具有多樣性：數據格式除了傳統的格式化數據外，還包括半結構化或非結構化數據，并且半結構化、非結構化數據還呈現出逐漸增多的趨勢。

2農業大數據

2.1農業大數據內涵

農業數據主要是對各種農業對象、關系、行為的客觀反映，一直以來都是農業研究和應用的重要內容，但是由于技術、理念、思維等原因，對農業數據的開發和利用程度不夠，一些深藏的價值關系不能被有效發現。隨著大數據技術在各行各業廣泛研究，農業大數據也逐漸成為當前研究的熱點。筆者認為農業大數據不是脫離現有農業信息技術體系的新技術，而是通過快速的數據處理、綜合的數據分析，發現數據之間潛在的價值關系，對現有農業信息化應用進行提升和完善的一種數據應用新模式。

簡單地講，農業大數據是指大數據技術、理念、思維在農業領域的應用[8]。從更深層次考慮，農業大數據是智慧化、協作化、智能化、精準化、網絡化、先覺泛在的現代信息技術不斷發展而衍生的一種計算機技術農業應用的高級階段，是結構化、半結構化、非結構化的多維度、多粒度、多模型、多形態的海量農業數據的抽象描述，是農業生產、加工、銷售、資源、環境、過程等全產業鏈的跨行業、跨專業、跨業務、跨地域的農業數據大集中有效工具，是汲取農業數據價值、促進農業信息消費、加快農業經濟轉型升級的重要手段，是加快農業現代化、實現農業走向更高級階段的必經過程。

農業大數據解決的問題不是存量數據激活的問題，而是實時數據的快速采集和利用的問題；農業大數據解決的問題不是關系型數據庫集成共享的問題，而是不同行業、不同結構的數據交叉分析的問題。農業大數據至少包括下述幾層含義：

（1）基于智能終端、移動終端、視頻終端、音頻終端等現代信息采集技術在農業生產、加工以及農產品流通、消費等過程中廣泛使用，文本、圖形、圖像、視頻、聲音、文檔等結構化、半結構化、非結構化數據被大量采集，農業數據的獲取方式、獲取時間、獲取空間、獲取范圍、獲取力度發生深刻變化，極大地提高農業數據的采集能力。

（2）跨領域、跨行業、跨學科、多結構的交叉、綜合、關聯的農業數據集成共享平臺取代了關系型數據庫成為數據存儲與管理的主要形式，基于數據流、批處理的大數據處理平臺在農業領域中的應用越來越頻繁，交互可視化、社會網絡分析、智能管理等技術在農業生態環境監測、農產品質量安全溯源、設施農業、精準農業等環節大量應用。

（3）農業產業鏈各個環節的政府、科研機構、高校、企業達成競爭與合作的平衡，農業大數據協同效應得到更好的體現。農業大數據形成一個可持續、可循環、高效、完整的生態圈，數據隔離的局面被打破，不同部門樂于將自己的數據共享出來，全局、整體的產業鏈得以形成，數據獲取的成本大大降低。

（4）大數據的理念、思維被政府、企業、農民等廣泛接受，海量的農業數據成為決策的依據和基礎，天氣信息、食品安全、消費需求、生產成本、市場價格等多源數據被用來預測農產品價格走勢，耕地數量、農田質量、氣候變化、作物品種、栽培技術、產業結構、農資配置、國際市場糧價等多種因素被用來分析糧食安全問題，政府決策更加精準，政府管理能力、企業服務水平、農民生產能力都得到大幅度提高。

2.2農業大數據獲取

農業大數據獲取是指利用信息技術將農業要素數字化并進行有效采集、傳輸的過程。目前，農業領域的數據積累還處于相對初級階段，達不到電信、金融、互聯網等領域的數據積累水平。然而隨著農業數據采集方式的變化，自動化、智能化、人工化信息終端的大量涌現，數據的實時、高清以及長久保存等需求使得農業大數據成為可能。農業大數據源來自農業生產、農業科技、農業經濟、農業流通等方方面面，不同的數據源，對應不同的數據獲取技術。從目前情況分析，農業大數據獲取主要包括以下幾個方面。

（1）農業生產環境數據獲取。農業生產環境數據獲取[9]是指對與動植物生長密切相關的空氣溫濕度、土壤溫濕度、營養元素、CO2含量、氣壓、光照等環境數據進行動態監測、采集，主要依靠農業智能傳感器技術、傳感網技術等。隨著多學科交叉技術的綜合應用，光纖傳感器、MEMS（micro-electro mechanical systems）微機電系統、仿生傳感器、電化學傳感器等新一代傳感器技術以及光譜、多光譜、高光譜、核磁共振等先進檢測方法[10]在植物、土壤、環境信息采集方面廣泛應用，農業生產環境數據的精度、廣度、頻度大幅度提高。與此同時，傳感器終端的成本逐漸降低，大范圍、分布式、多點部署成為現實，數據量呈級數增長。

（2）生命信息智能感知。生命信息智能感知[10-11]是指對動、植物生長過程中的生理、生長、發育、活動規律等生物生理數據進行感知、記錄，如檢測植物中的氮元素含量、植物生理信息指標，測量動物體溫、運動軌跡等。常用的生命信息感知技術包括光譜技術、機器視覺技術、人工嗅覺技術、熱紅外技術等。生命信息智能感知改變了原有的以經驗為主的人工檢測模式，使生命信號感知更加科學、智能，實時性、動態性、有效性得到大大提高。農業生命信息是對農業生產對象本身的數字化描述，是對生命個體進行監測管理的重要依據，具有典型的時效性。

（3）農田變量信息快速采集。農田變量信息快速采集[12]主要是對農田中的土壤含水量、肥力、土壤有機質、土壤壓實、耕作層深度和作物病、蟲、草害及作物苗情分布信息采集，一般分為接觸式傳感技術、非接觸式遙感技術。國內在農田空間信息快速采集技術領域已經積累了較豐富的理論基礎和實踐經驗，已設計出便攜式土壤養分測試儀、基于時域反射儀（TDR）原理的土壤水分及電導率測試儀、基于光纖傳感器土壤pH值測試儀，并在作物病蟲草害的識別、作物生長特性與生理參數的快速獲取等方面開展了有益的探索[11]。精準農業是農業信息化的重要方向，快速、有效采集和描述影響作物生長環境的空間變量信息，是精準農業的重要基礎。高密度、高速度、高準確度的農田信息具有數據量大、時效性強、關聯度高等特點。農田變量信息主要服務于精準農業生產，強調實時性、精準性等特點，屬于局部、微觀、持續的農業數據。

（4）農業遙感數據獲取。農業遙感數據獲取是指利用衛星、飛行器等對地面農業目標進行大范圍監測、遠程數據獲取，主要采用遙感技術。遙感技術是一種空間信息獲取技術，具有獲取數據范圍大、獲取信息速度快、周期短、獲取信息手段多、信息量大等特點。農業遙感技術[13]可以客觀、準確、及時地提供作物生態環境和作物生長的各種信息，主要應用在農用地資源的監測與保護、農作物大面積估產與長勢監測、農業氣象災害監測、作物模擬模型等幾個方面。隨著遙感技術的飛速發展，特別是高時-空分辨率的大覆蓋面積多光譜傳感器、高空間-高光譜傳感器的應用等[14]，農業遙感數據精度逐漸提高，數據量急劇增加，數據格式也越來越復雜，多源數據融合需求非常迫切。農業遙感數據能反映大面積、長時間的農業生產狀況，屬于宏觀、全局層面的農業數據。

（5）農產品市場經濟數據采集。農產品市場經濟數據采集是指對農產品生產、質量、需求、庫存、進出口、市場行情、生產成本等數據進行動態采集，涉及農業流通、農產品價格[15]、農產品市場[16]、農產品質量安全等，具有較強的突發性、動態性、實時性、變化性，一般由“智能終端+通信網絡+專業群體”組成。隨著科學技術的發展，移動終端諸如手機、筆記本電腦、平板電腦等隨處可見，加上網絡的寬帶化發展以及集成電路的升級，人類已經步入了真正的移動信息時代，基于智能終端的農產品市場經濟數據采集越來越頻繁，數據量越來越大，圖片、視頻等數據格式激增?；?G的基層農技推廣平臺等是農產品市場經濟數據采集的典型應用。

（6）農業網絡數據抓取。農業網絡數據抓取指利用爬蟲等網絡數據抓取技術對網站、論壇、微博、博客中涉農數據進行動態監測、定向采集的過程。網絡爬蟲（網頁蜘蛛），是一種按照一定的規則，自動地抓取萬維網信息的程序或者腳本，有廣度優先、深度優先2種策略。網絡爬蟲Nutch能夠實現每個月取幾十億網頁，數據量巨大；同時由于其與Hadoop內在關聯，很容易就能實現分布式部署，從而提高數據采集的能力；另外，Deep Web也包含著豐富的農業信息，面向Deep Web的深度搜索也越來越多[17]。農業網絡數據是在互聯網層面對農業各方面的客觀反映，具有規模大、實時動態變化、異構性、分布性、數據涌現等特點。搜農、農搜等搜索引擎都是基于主題爬蟲的農業數據獲取平臺，在農業網絡數據獲取方面具有一定基礎。

2.3農業大數據現狀

2.3.1農業大數據重要性日益凸顯經過多年發展，農業數據庫、農業信息系統、農業專家系統、農業遙感、農業物聯網等現代信息技術在農業生產活動中應用取得了非常顯著的成果。云存儲、數據倉庫等技術為數據海量存儲提供了可能，傳感器、遙感數據、移動終端、網絡等都積累了大量的農業數據。伴隨著大數據技術的飛速發展，農業信息化的發展必然從“技術驅動”向“數據驅動”轉變。目前，農業領域都在積極部署農業大數據相關方面的研究，農業大數據重要性日益凸顯。中國農業科學院農業信息研究所發起了信息聯盟，旨在促進涉農信息資源與專家隊伍的集成、共享，聯合推進農業信息云服務；山東農業大學發起了農業大數據產業技術創新戰略聯盟（http：//www.nydata.com.cn/），以期促進大數據在山東省農業領域研究及成果應用發展。2014年，中國科學數據大會舉行，專門設立農業與農村信息化大數據技術與應用分論壇。

2.3.2農業大數據積累初具規模我國農業信息化研究長期以來一直非常重視農業數據的積累，目前農業大數據已具備了一定規模，數據的存儲格式以結構化數據為主，視頻、圖片等數據量也在不斷攀升。農業科學數據共享中心[18]（試點）項目于2003年正式啟動，重點采集作物科學、動物科學與動物醫學類科學、農業科技基礎數據等。截至2012年，農業科學數據中心數據總量達448.93 GB。全國基層農技推廣信息化平臺[19]構建了糧食作物、經濟作物、蔬菜、果樹、畜牧等農業技術數據庫，面向全國70萬個農技員提供服務，總記錄超過10萬條，視頻數據超過5 000個。中國科學院計算機網絡中心研發的地理空間數據云平臺（http：//www.gscloud.cn/）現有地學遙感數據資源約280 T，以中國區域為主，覆蓋全球地理范圍。中國作物種質資源信息網（CGRIS）[20]擁有糧食、纖維、油料、 蔬菜、果樹、糖、煙、茶、桑、牧草、綠肥、熱帶作物等200種作物、41萬份品種/種質/基因信息。

2.3.3農業大數據研究具備了一定基礎農業信息化研究工作一直與農業數據密切相關，相關方面的研究主要集中在監測與預警、數據挖掘、信息服務等方面，基于數據的農業信息處理分析具備了一定的基礎條件。據不完全統計，目前全國與農業相關的主要監測、預警系統共有84個，其中食物保障預警系統12個，食品安全監測預警系統18個，市場分析與監測系統35個，作物分析與預警系統19個；中國搜農作為國內首款農業垂直搜索引擎[21]，持續穩定運行6年，獲取了海量的農業信息，信息總量超過100 TB，信息更新周期平均為30 min，目前每周平均信息增長量3 GB，每天監控3萬多個農業網站發布的超過2萬多個農產品批發、集貿市場的2萬多個農產品品種的價格、供求等信息。

3農業大數據應用展望

基于大數據的理論和技術，不斷推進傳統領域創新與應用實踐，為國家經濟社會發展提供了新的生長點。在農業信息化不斷發展的過程中，已有部分領域完成了大數據積累，具備了利用大數據理論與技術進行深入數據分析和價值發現的條件。根據當前農業信息化發展的現狀，筆者認為大數據在農業領域的應用主要集中在以下幾個方面。

3.1精準農業可靠決策支持系統

變量決策分析[22]是精準農業技術體系中的核心，致力于根據農田小區作物產量和相關因素在農田內的空間差異性，實施分布式的處方農作。高密度的農田信息獲取后，怎樣根據這些不同角度的農田信息，推出一整套具有可實施性的精準管理措施，是需要多學科交叉的研究課題。專家系統、作物模擬模型、作物生產決策支持系統等傳統的生產決策技術取得了一些成果，但效果并不理想。利用大數據處理分析技術，集成作物自身生長發育情況以及作物生長環境中的氣候、土壤、生物、栽培措施因子等數據，綜合考慮經濟、環境、可持續發展的目標，突破專家系統、模擬模型在多結構、高密度數據處理方面的不足，可為農業生產決策者提供精準、實時、高效、可靠的輔助決策。

3.2國家農村綜合信息服務系統

國家農村綜合信息服務，按照“平臺上移，服務下延”的思路，集成與整合各分散的信息資源與系統，在全國范圍實現信息資源的共享，數據資源體量大、數據處理流程復雜、信息服務模式多樣，需要實現海量農業信息化數據獲取、傳輸、加工、服務一體化處理。利用大數據處理分析技術，研究復雜多樣、動態時變用戶需求的快速聚焦與大規模服務及用戶動態需求組合的學習和進化機制模型，突破農戶需求智能聚焦技術，實現信息服務按需分配以及云環境下大規模部署的智能系統服務與龐大“三農”用戶群的多樣性、地域性、時變性等個性化需求快速對接[23]。

3.3農業數據監測預警系統

農業數據監測預警[24]是指對農業生產、市場運行、消費需求、進出口貿易及供需平衡等情況進行的全產業鏈信息采集、數據分析、預測預警與信息發布，其主要任務包括感知市場異常波動、實時監控生產風險、及時應對突發事件、推動管理關口前移等。2002年以來農業部開始建立農產品市場監測預警系統，啟動了稻谷、小麥等關系國計民生的7種重點農產品的市場監測預警工作。目前，監測預警技術已在農產品質量安全、農業病蟲草害、農產品價格[25]、農產品市場等領域進行了廣泛應用。利用大數據智能分析和挖掘技術[24]，可以實現農業信息流監測、農業數據關聯預測、農業數據預警多維模擬等，大幅度提高農業監測預警的準確性。

3.4天地網一體化農情監測系統

農情信息遙感監測[26]主要是指利用遙感等信息技術對農業生產情況信息，如作物面積、長勢和產量信息、農業災害信息、農業資源信息等進行遠程監測和綜合評價，輔助農業生產決策的過程?；谶b感-地面-無線傳感網的一體化農情信息獲取體系，在解決了數據時空不連續難點的同時，也帶來了海量農情數據融合處理的問題。與此同時，遙感技術飛速發展，特別是傳感器分辨率的提高、新型傳感器的應用等，以及遙感影像的數據量急劇增加，海量數據的存儲、快速產生、信息提取、融合應用等，為遙感數據分析帶來了挑戰。利用大數據分析處理技術，研究天地網一體化農業監測系統中的多源多類數據的智能融合與分析、定量化反演以及網絡化集成與共享關鍵技術，實現全局數據發現與跨學科的數據集成和互操作，可為農業遙感信息的深入分析提供支撐[14]。

3.5農業生產環境監測與控制系統

農業生產環境監測與控制系統屬于復雜大系統，貫穿農業信息獲取、數據傳輸與網絡通信、數據融合與智能決策、專家系統、自動化控制等于一體，在大田糧食作物生產、設施農業、畜禽水產養殖等方面廣泛應用。隨著傳感器技術的不斷發展，農業信息獲取的范圍越來越廣，從農作物生長過程中的營養數據、生理數據、生態數據、根系發育數據以及大氣、土壤、水分、溫度等農作物生產環境數據，到針對畜禽個體、群體的生長發育、環境和健康數據以及動物個體行為、群體行為、動物監控狀況數據等，數據傳輸精度越來越高，數據傳輸頻率越來越快，數據傳輸密度越來越大，數據綜合程度越來越強。利用大數據技術，能夠突破多源數據融合、數據高效實時處理等方面的瓶頸，實現農作物生長過程的動態、可視化分析與管理以及畜禽養殖的個性化、集約化、工廠化管理。

4結語

大數據對各行業的思維模式、產業鏈條、技術體系、服務流程等都產生了深遠的影響。大數據對于農業，既是機遇，也是挑戰，只有搶占大數據這一新時代信息化技術制高點，找準大數據技術在農業領域的發力點，才能充分發揮大數據優勢。

伴隨著農業信息化的深入推進，云計算、物聯網、移動互聯等信息技術在農業生產、經營、管理、服務各方面深入、廣泛應用，智慧農業不斷發展，大數據理論與技術農業應用已經具備了基礎。在農業現代化的建設中，應該高度重視農業大數據的作用，密切跟蹤國際大數據前沿技術，結合國家現代農業建設的基本情況，制定國家層面的農業大數據發展與應用戰略，梳理農業大數據重點發展領域，凝練農業大數據關鍵技術，推動大數據技術與理念在農業中的應用。

參考文獻：

[1]The 2011 digital universe study：extracting value from chaos[R]. International Data Corporation and EMC，2011.

[2]梅方權. 農業信息技術的發展與對策分析[J]. 中國農業科技導報，2003，5（1）：13-17.

[3]郭作玉. 農業信息技術在農業發展中的重要作用[J]. 天津農林科技，2006（2）：4-7.

[4]Laney D. 3D data management：controlling data volume，velocity，and variety[R]. Application Delivery Strategies，2001.

[5]Manyika J，Chui M，Brown B，et al. Big data：the next frontier for innovation，competition，and productivity[EB/OL]. [2014-07-10]. http：//www.mckinsey.com/insights/business_technology/big_data_the_next_frontier_for_innovation.

[6]Pattern-based strategy：getting value from big data[R]. Gartner Group Press Release，2011.

[7]IBM-全球企業咨詢服務部.分析：大數據在現實世界中的應用[EB/OL]. [2014-09-20]. http：//www-935.ibm.com/services/multimedia/use_of_big_data.pdf.

[8]孫忠富，杜克明，鄭飛翔，等. 大數據在智慧農業中研究與應用展望[J]. 中國農業科技導報，2013，15（6）：63-71.

[9]戴起偉，曹靜，凡燕，等. 面向現代設施農業應用的物聯網技術模式設計[J]. 江蘇農業學報，2012，28（5）：1173-1180.

[10]何勇，聶鵬程，劉飛，農業物聯網與傳感儀器研究進展[J]. 農業機械學報，2013，44（10）：216-226.

[11]陳威，郭書普，中國農業信息化技術發展現狀及存在的問題[J]. 農業工程學報，2013，29（22）：196-205.

[12]汪懋華. “精細農業”發展與工程技術創新[J]. 農業工程學報，1999，15（1）：7-14.

[13]邢素麗，張廣錄. 我國農業遙感的應用現狀與展望[J]. 農業工程學報，2003，19（6）：174-178.

[14]陳仲新. 農業遙感大數據處理應用[C]. 北京：科學數據大會，2014.

[15]張石銳，鄭文剛，申長軍，等. 嵌入式手持無線農產品價格信息采集終端[J]. 計算機工程與設計，2012，33（2）：514-518.

[16]尚明華，秦磊磊，王風云，等. 基于Android智能手機的小麥生產風險信息采集系統[J]. 農業工程學報，2011，27（5）：178-182.

[17]劉偉，孟小峰，孟衛一. Deep Web數據集成研究綜述[J]. 計算機學報，2007，30（9）：1475-1489.

[18]趙勝鋼. 國家農業科學數據共享服務平臺體系結構研究[J]. 安徽農業科學，2009，35（19）：9303-9305.

[19]盧文林，李秀峰.全國基層農技推廣信息化平臺農技咨詢數據庫的構建[J]. 中國科技成果，2013（2）：38-39.

[20]曹永生，方溈. 國家農作物種質資源平臺的建立和應用[J]. 生物多樣性，2010，18（5）：454-460.

[21]王儒敬，黃河. 中國搜農：一種基于復雜自適應搜索模型的農業垂直搜索引擎[C]. 麗江：第七屆兩岸三院信息技術與應用交流研討會，2009.

[22]趙春江，薛緒掌，王秀，等. 精準農業技術體系的研究進展與展望[J]. 農業工程學報，2003，19（4）：7-12.

[23]王儒敬. 我國農業信息化發展的瓶頸與應對策略思考[J]. 中國科學院院刊，2013，5（3）：337-343.

[24]許世衛. 農業信息智能分析關鍵技術與應用[J]. 中國科技論壇，2010（9）：128-135.

[25]田文君，申長軍，鄭文剛，等. 農產品價格信息采集與預警系統設計與實現[J]. 計算機工程與設計，2012，33（5）：1816-1821.

[26]周清波，吳文斌，楊鵬，等. 基于“3S”技術的農情信息監測研究進展[J]. 中國科技成果，2010（10）：33-38.