糧食生產(chǎn)大數(shù)據(jù)平臺(tái)系統(tǒng)總體架構(gòu)分為資源層、服務(wù)層、應(yīng)用層和用戶層。其中：

資源層主要構(gòu)建數(shù)據(jù)基礎(chǔ)和存儲(chǔ)計(jì)算資源；

服務(wù)層提供數(shù)據(jù)和算法基礎(chǔ)服務(wù)，隔離后端復(fù)雜性；

應(yīng)用層對(duì)接生產(chǎn)決策業(yè)務(wù)，與用戶直接交互；

用戶層提升用戶觸達(dá)和易用性。

如圖所示，大數(shù)據(jù)獲取與治理涵蓋三個(gè)環(huán)節(jié)，在大數(shù)據(jù)獲取技術(shù)與知識(shí)挖掘方面，構(gòu)建“星-空-地-網(wǎng)”多尺度多模態(tài)數(shù)據(jù)的標(biāo)準(zhǔn)化獲取技術(shù)，綜合采用數(shù)據(jù)挖掘、屬性抽取、知識(shí)合并等方法建立高效數(shù)據(jù)挖掘及高質(zhì)量知識(shí)抽取方法；在大數(shù)據(jù)治理技術(shù)方面，建立以數(shù)據(jù)智能清洗、配準(zhǔn)融合、元數(shù)據(jù)自動(dòng)提取、全生命周期管理和質(zhì)量管理等關(guān)鍵技術(shù)為基礎(chǔ)的糧食生產(chǎn)大數(shù)據(jù)治理技術(shù)；在大數(shù)據(jù)安全共享技術(shù)方面，構(gòu)建具有分布式數(shù)據(jù)高效接入、數(shù)據(jù)加密與脫敏、鏈上鏈下協(xié)同存儲(chǔ)和高頻服務(wù)的區(qū)塊鏈安全共享技術(shù)。在大數(shù)據(jù)存儲(chǔ)方面，通常的關(guān)系數(shù)據(jù)庫(kù)不足以支持大數(shù)據(jù)應(yīng)用程序。

針對(duì)多源異構(gòu)數(shù)據(jù)特點(diǎn)，需要根據(jù)不同的數(shù)據(jù)類型匹配不同的存儲(chǔ)方案。結(jié)構(gòu)化數(shù)據(jù)，如業(yè)務(wù)運(yùn)行數(shù)據(jù)和元數(shù)據(jù)采用MySQL、Oracle等關(guān)系數(shù)據(jù)庫(kù)存儲(chǔ)，物聯(lián)網(wǎng)設(shè)備數(shù)據(jù)采用InfluxDB等時(shí)序數(shù)據(jù)庫(kù)存儲(chǔ)，圖像視頻等非結(jié)構(gòu)化數(shù)據(jù)采用HDFS（Hadoop Distributed File System, Hadoop分布式文件系統(tǒng)）或NoSQL數(shù)據(jù)庫(kù)存儲(chǔ)。數(shù)據(jù)在管理單元尺度上進(jìn)行邏輯或物理重構(gòu)，通過部分冗余存儲(chǔ)提高后續(xù)計(jì)算效率。以此為基礎(chǔ)，制定適合中國(guó)農(nóng)業(yè)生產(chǎn)特征的糧食生產(chǎn)大數(shù)據(jù)標(biāo)準(zhǔn)與規(guī)范，構(gòu)建涵蓋多源異構(gòu)糧食生產(chǎn)大數(shù)據(jù)的采集方法、樣本標(biāo)準(zhǔn)、治理方法、分類管理、質(zhì)量管理等大數(shù)據(jù)獲取和管理標(biāo)準(zhǔn)體系，制定數(shù)據(jù)開放、交換和訪問機(jī)制、安全保密等大數(shù)據(jù)安全和共享標(biāo)準(zhǔn)體系，為糧食生產(chǎn)大數(shù)據(jù)平臺(tái)研發(fā)和應(yīng)用提供技術(shù)和標(biāo)準(zhǔn)支撐。

從糧食生產(chǎn)本地構(gòu)建、農(nóng)業(yè)知識(shí)抽取、跨媒體知識(shí)補(bǔ)全、農(nóng)業(yè)知識(shí)推理等方面開展糧食生產(chǎn)知識(shí)圖譜構(gòu)建全過程、全生命周期的關(guān)鍵技術(shù)研究。

在糧食生產(chǎn)本體構(gòu)建方面，研究半自動(dòng)的糧食生產(chǎn)本體構(gòu)建方法，確保本體庫(kù)能夠隨著知識(shí)領(lǐng)域的擴(kuò)展而演化，探索能夠?qū)崿F(xiàn)不同本體庫(kù)融合的映射方法。

在農(nóng)業(yè)知識(shí)抽取方面，針對(duì)農(nóng)業(yè)數(shù)據(jù)結(jié)構(gòu)零散、模態(tài)多樣的問題，利用多源知識(shí)融合與網(wǎng)頁正文抽取等技術(shù)，實(shí)現(xiàn)互聯(lián)網(wǎng)、物聯(lián)網(wǎng)等環(huán)境下多源異構(gòu)農(nóng)業(yè)大數(shù)據(jù)的自動(dòng)挖掘及知識(shí)圖譜三元組自動(dòng)抽取相關(guān)的核心算法。

在跨媒體知識(shí)補(bǔ)全方面，針對(duì)現(xiàn)有單一特征空間的農(nóng)業(yè)知識(shí)圖譜無法應(yīng)對(duì)跨媒體數(shù)據(jù)環(huán)境下的知識(shí)推理問題，采用圖像理解、視覺摘要等前沿跨媒體智能計(jì)算技術(shù)挖掘跨媒體農(nóng)業(yè)數(shù)據(jù)中的細(xì)粒度知識(shí)。

在農(nóng)業(yè)知識(shí)推理方面，構(gòu)建融合數(shù)據(jù)驅(qū)動(dòng)與知識(shí)引導(dǎo)的農(nóng)業(yè)知識(shí)推理、演化與生成框架。研究使用生成式大語言模型與知識(shí)圖譜融合實(shí)現(xiàn)農(nóng)業(yè)知識(shí)的雙向驅(qū)動(dòng)與推理，打造數(shù)據(jù)驅(qū)動(dòng)與知識(shí)引導(dǎo)融合的農(nóng)業(yè)知識(shí)推理與生成技術(shù)體系，為更高智能水平的農(nóng)業(yè)應(yīng)用服務(wù)研發(fā)提供開放式的環(huán)境支撐。

糧食生產(chǎn)全程大數(shù)據(jù)智能決策算法是利用糧食生產(chǎn)大數(shù)據(jù)對(duì)糧食生產(chǎn)全過程進(jìn)行精準(zhǔn)化管理和智能化控制的紐帶。面向大農(nóng)場(chǎng)的糧食生產(chǎn)決策方法難以適應(yīng)中國(guó)復(fù)雜的農(nóng)業(yè)環(huán)境與多樣化的糧食生產(chǎn)場(chǎng)景，亟需發(fā)展自主可控的糧食生產(chǎn)全程智能決策技術(shù)體系。

在產(chǎn)前種植規(guī)劃算法方面，構(gòu)建統(tǒng)籌供需平衡、耕地產(chǎn)能、作物生產(chǎn)力和綜合效益多目標(biāo)協(xié)同優(yōu)化的三大糧食作物種植格局時(shí)空規(guī)劃算法，生成主產(chǎn)區(qū)、省域、縣域和規(guī)模農(nóng)場(chǎng)等多尺度種植規(guī)劃“一張圖”。

在產(chǎn)中生產(chǎn)決策算法方面，創(chuàng)新大數(shù)據(jù)與機(jī)理模型協(xié)同的作物生長(zhǎng)全程遙感監(jiān)測(cè)模型、信息與農(nóng)藝融合的種肥水藥投入優(yōu)化決策算法、農(nóng)機(jī)與信息融合的農(nóng)機(jī)路徑規(guī)劃與多機(jī)協(xié)同調(diào)度作業(yè)算法，實(shí)現(xiàn)“監(jiān)測(cè)-決策-作業(yè)”一體化聯(lián)動(dòng)管控。

在產(chǎn)后評(píng)估算法方面，建立多模型集群學(xué)習(xí)的糧食面積、產(chǎn)量趨勢(shì)預(yù)測(cè)模型，并研發(fā)糧食作物供需致險(xiǎn)因子識(shí)別及風(fēng)險(xiǎn)預(yù)警算法；構(gòu)建基于多指標(biāo)/多模型和薈萃分析的區(qū)域和農(nóng)場(chǎng)尺度糧食生產(chǎn)，以及智慧農(nóng)業(yè)技術(shù)的生態(tài)社會(huì)經(jīng)濟(jì)綜合效益評(píng)價(jià)算法。

研發(fā)基于數(shù)字孿生技術(shù)的糧食生產(chǎn)場(chǎng)景快速搭建模型，對(duì)生產(chǎn)全程全要素的數(shù)據(jù)進(jìn)行數(shù)字世界映射，并對(duì)算法模型驅(qū)動(dòng)和仿真分析過程進(jìn)行封裝，可大大降低生產(chǎn)場(chǎng)景數(shù)字化構(gòu)建的成本和難度，滿足糧食生產(chǎn)中典型場(chǎng)景構(gòu)建和場(chǎng)景化服務(wù)的需求。

如圖所示，在糧食生產(chǎn)大數(shù)據(jù)平臺(tái)應(yīng)用層構(gòu)建數(shù)字孿生農(nóng)場(chǎng)，以數(shù)據(jù)和模型驅(qū)動(dòng)數(shù)字孿生系統(tǒng)，實(shí)現(xiàn)農(nóng)場(chǎng)孿生場(chǎng)景的自動(dòng)數(shù)據(jù)同步、預(yù)測(cè)仿真和干預(yù)反饋。利用作物監(jiān)測(cè)數(shù)據(jù)進(jìn)行孿生場(chǎng)景渲染，提供直觀、高精度、可測(cè)量的數(shù)據(jù)展示；利用農(nóng)情預(yù)測(cè)數(shù)據(jù)進(jìn)行場(chǎng)景變化模擬，及早發(fā)現(xiàn)作物生長(zhǎng)問題；模擬管理干預(yù)措施（灌溉、施肥），對(duì)預(yù)期效果進(jìn)行可視化表示，優(yōu)化對(duì)策。搭建數(shù)字孿生應(yīng)急管理系統(tǒng)（干旱、洪澇等），將物理世界的數(shù)據(jù)，如天氣、地形、降雨、土壤類型，以及模擬土壤和作物行為的模型信息作為數(shù)字孿生的輸入數(shù)據(jù)。數(shù)字孿生概念框架包括土壤代理（包括水文模型和土壤數(shù)據(jù)）、作物代理（包括作物模型和蒸發(fā)數(shù)據(jù)）和農(nóng)田化身（農(nóng)田的數(shù)字表達(dá)，如地質(zhì)模型和天氣數(shù)據(jù)），土壤代理和作物代理的信息輸入到農(nóng)田化身，并以物聯(lián)網(wǎng)系統(tǒng)或遙感監(jiān)測(cè)系統(tǒng)作為物理世界與虛擬世界的數(shù)據(jù)轉(zhuǎn)換和連接。利用數(shù)字孿生系統(tǒng)的水文模型和作物模型集成模擬、空間分析與動(dòng)態(tài)仿真能力，模擬區(qū)域內(nèi)洪澇或干旱等不同災(zāi)害條件下對(duì)農(nóng)田和作物的影響，分析防災(zāi)減災(zāi)措施及其效果，評(píng)估災(zāi)害風(fēng)險(xiǎn)，優(yōu)化應(yīng)急預(yù)案，增強(qiáng)災(zāi)害應(yīng)對(duì)能力。

農(nóng)場(chǎng)孿生場(chǎng)景構(gòu)建

來源：楊貴軍, 趙春江, 楊小冬, 楊浩, 胡海棠, 龍慧靈, 裘正軍, 李嫻, 江沖亞, 孫亮, 陳雷, 周清波, 郝星耀, 郭威, 王培, 高美玲. 糧食生產(chǎn)大數(shù)據(jù)平臺(tái)研究進(jìn)展與展望[J]. 智慧農(nóng)業(yè)(中英文), doi: 10.12133/j.smartag.SA202409014.