农业科学数据在线分析挖掘平台设计与应用

doi:10.19788/j.issn.2096-6369.000045

农业大数据学报 ›› 2025, Vol. 7 ›› Issue (2): 183-192.doi: 10.19788/j.issn.2096-6369.000045

农业科学数据在线分析挖掘平台设计与应用

李佳乐¹^,²(), 林佳¹^,², 贺子康¹^,², 王健¹^,²^,³, 张建华¹^,²^,³^,^*(), 周国民²^,³^,⁴^,⁵^,^*()

1.中国农业科学院农业信息研究所，北京 100081
2.三亚中国农业科学院国家南繁研究院，海南三亚 572024
3.国家农业科学数据中心，北京 100081
4.农业农村部南京农业机械化研究所，南京 210014
5.中国农业科学院西部农业研究中心，新疆昌吉 831100

收稿日期:2024-03-29 接受日期:2024-05-16 出版日期:2025-06-26 发布日期:2025-06-23
通讯作者: 周国民，E-mail：zhouguomin@caas.cn；
张建华，E-mail：zhangjianhua@caas.cn。
作者简介:李佳乐，E-mail：252211923@qq.com。
基金资助:
国家重点研发计划(2022YFF0711805);国家重点研发计划(2022YFF0711801);国家自然科学基金(31971792);国家自然科学基金(32160421);中国农业科学院创新工程(CAAS-ASTIP-2023-AII);中国农业科学院创新工程(ZDXM23011);中国农业科学院创新工程(ZDXY23011);三亚中国农业科学院国家南繁研究院南繁专项(YBXM2312);三亚中国农业科学院国家南繁研究院南繁专项(YDLH01);三亚中国农业科学院国家南繁研究院南繁专项(YDLH07);三亚中国农业科学院国家南繁研究院南繁专项(YBXM10);中央级公益性科研院所基本科研业务费专项(JBYW-AII-2023-06);三亚崖州湾科技城科技专项(SCKJ-JYRC-2023-45)

Design and Application of Online Analysis and Mining Platform for Agricultural Science Data

LI JiaLe¹^,²(), LIN Jia¹^,², HE ZiKang¹^,², WANG Jian¹^,²^,³, ZHANG JianHua¹^,²^,³^,^*(), ZHOU GuoMin²^,³^,⁴^,⁵^,^*()

1. Institute of Agricultural Information, Chinese Academy of Agricultural Sciences, Beijing 100081, China
2. Nanfan Research Institute, Chinese Academy of Agricultural Sciences, Sanya 572024, Hainan, China
3. National Agriculture Science Data Center, Beijing 10081, China
4. Nanjing Institute of Agricultural Mechanization, Ministry of Agriculture and Rural Affairs, Nanjing 210014, China
5. Western Research Institute, CAAS, Changji 831100, Xinjiang, China

Received:2024-03-29 Accepted:2024-05-16 Published:2025-06-26 Online:2025-06-23

摘要/Abstract

摘要：

随着数据驱动科学研究范式的发展，农业科学数据在科技创新中的作用越来越突出，随之而来的是农业科学数据分析挖掘和应用方法与技术研究也不断发展。围绕农业科学数据分析挖掘存在数据语义孤岛严重，以及数据挖掘工具不全、不配套与场景适应性差等突出问题。本文设计了平台架构，构建了分析挖掘引擎，加载了典型和专业分析挖掘算子工具，形成了农业科学数据在线分析挖掘平台，包括数据层、领域数据分析工具层、自动化挖掘框架层、在线分析引擎，以及用户界面层5个层次，开发了数据管理、组件管理、场景管理、挖掘分析4大功能模块。平台具备应用场景管理、在线分析、自动化挖掘等功能，突破“数据资源—分析工具—应用场景”衔接不畅的问题，形成集数据资源、分析模型、组件工具、场景分析和标准流程于一体的在线分析挖掘应用环境，支撑从“数据聚合—挖掘分析链—在线分析—场景应用”的农业科学数据在线分析挖掘全过程，实现超大规模数据及不同场景分析应用的并发在线交互计算分析。

关键词: 农业科学数据, 在线分析挖掘, 平台设计, 场景应用

Abstract:

With the development of data-driven scientific research paradigm, the role of agricultural science data in science and technology innovation is becoming more and more prominent, and consequently the methodological and technological research on the analysis and mining and application of agricultural science data is also developing, around the analysis and mining of agricultural science data there are still data semantic silos serious, as well as the data mining tools are incomplete, mismatched and poor adaptability of the scenarios, such as the outstanding problems.In this paper, we designed the platform architecture, constructed the analysis and mining engine, loaded the typical and professional analysis and mining algorithm tools, formed the online analysis and mining platform for agricultural scientific data, including the data layer, the domain data analysis tool layer, the automated mining framework layer, the online analysis engine layer, and the user interface layer, and developed four functional modules, namely, the data management, the component management, the scenario management, and the mining analysis. The platform is equipped with application scenario management, online analysis, automated mining and other functions, breaking through the problem of poor connection of "data resources-analysis tools-application scenarios", forming an online analysis and mining application environment integrating data resources, analysis models, component tools, scenario analysis and standard processes, supporting the whole process of online analysis and mining of agricultural scientific data from "data aggregation - mining and analysis chain - online analysis - scenario application", and realizing the concurrent online interactive computation and analysis of ultra-large-scale data and different scenario analysis applications.

Key words: agricultural science data, online analysis mining, platform design, scenario applications

李佳乐, 林佳, 贺子康, 王健, 张建华, 周国民. 农业科学数据在线分析挖掘平台设计与应用[J]. 农业大数据学报, 2025, 7(2): 183-192.

LI JiaLe, LIN Jia, HE ZiKang, WANG Jian, ZHANG JianHua, ZHOU GuoMin. Design and Application of Online Analysis and Mining Platform for Agricultural Science Data[J]. Journal of Agricultural Big Data, 2025, 7(2): 183-192.

图/表 12

图1

图2

表1

图3

图4

图5

图6

图7

图8

图9

图10

图11

参考文献 16

[1]	温孚江. 农业大数据研究的战略意义与协同机制. 高等农业教育, 2013(11):3-6.
[2]	孙晓勇, 刘子玮, 孙涛, 等. 大数据在农业研究领域中的应用与发展. 中国蔬菜, 2015 (10): 1-5.
[3]	张浩然, 李中良, 邹腾飞, 等. 农业大数据综述. 计算机科学, 2014, 41(S2):387-392.
[4]	叶煜, 雷静, 任华. 数据挖掘在农业信息化中的应用. 工业控制计算机, 2020, 33(7):127-128.
[5]	王鹏. 基于数据挖掘的智慧农业平台设计. 农业工程, 2017, 7(6):40-42.
[6]	刘春玲, 崔凌云, 贾冬青, 等. 数据挖掘技术在农业领域的应用. 农机化研究, 2010, 32(7):201-204.
[7]	黎玲萍, 毛克彪, 付秀丽, 等. 国内外农业大数据应用研究分析. 高技术通讯, 2016, 26(4):414-422.
[8]	李笑岩. 大数据分析常用软件工具综述. 数字技术与应用, 2015(11):241.
[9]	张白艳. 数据挖掘在农业信息化中的应用进展. 山西农经, 2018(4):44.
[10]	SALI G, MONACO F, MAZZOCCHI C, et al. Exploring land use scenarios in metropolitan areas: Food balance in a local agricultural system by using a multi-objective optimization model. Agriculture and Agricultural Science Procedia, 2016(8): 211-212.
[11]	PAUL J K, VIVEK B. A tutorial on data mining for Bayesian networks, with a specific focus on IoT for agriculture. Internet of Things, 2023, 22.
[12]	ZHIWEI R, JIE Y. Data mining and statistics issues of precision and intelligent agriculture based on big data analysis. Acta Agriculturae Scandinavica, Section B — Soil Plant Science, 2021, 71(9): 870-883.
[13]	SELVI T M, JAISON B. Adaptive Lemuria: A progressive future crop prediction algorithm using data mining. Sustainable Computing: Informatics and Systems, 2021, 100577.
[14]	王儒敬. 我国农业信息化发展的瓶颈与应对策略思考. 中国科学院院刊, 2013, 28(3):337-343.
[15]	AISHWARYA K, JABBAR M A. Data mining analysis for precision agriculture: A comprehensive survey. Electrochemical Society Transactions, 2022, 107(1).
[16]	柴苗岭, 黄琳, 任运月. 重要开放农业科学数据资源建设现状综述. 农业图书情报学报, 2020, 32(10):25-34. doi: 10.13998/j.cnki.issn1002-1248.2020.10.20-0811

算子类型	具体算子
统计分析	Alpha信度系数检验、复本信度分析、正态分布检验、典型相关性分析、列联表分析、相关分析、描述统计分析、折半正态分布、最小二乘回归、线性判别分析、线性回归，逻辑回归、PCA主成分分析、因子分析、可靠性分析、单因素方差分析、多因素方差分析、
机器学习	K_Means聚类算法、DB-SCAN聚类算法、SVM_VECTOR机器学习算法、K近邻算法、朴素贝叶斯算法、BP-ANN算法、AGNES聚类算法、AdaBoost算法、bagging算法、决策树算法、模糊C均值聚类算法、随机森林算法、ROC算法、SOM算法、XGboost机器学习算法
深度学习	CNN_LSTM深度学习算法，Visiontransformer深度学习算法，Yolov7深度学习算法

农业科学数据在线分析挖掘平台设计与应用

Design and Application of Online Analysis and Mining Platform for Agricultural Science Data

RichHTML

PDF (PC)

赞

可视化

摘要/Abstract

引用本文

使用本文

图/表 12

参考文献 16

相关文章 6

Metrics

本文评价

推荐阅读 0

[1]	陈晓静, 赵晓燕, 贺子康, 林佳, 李佳乐, 申家炜, 樊景超, 闫燊, 王健, 张建华, 周国民. 农业科学数据本体网络系统研发[J]. 农业大数据学报, 2025, 7(2): 201-212.
[2]	张杰, 黄仲冬, 梁志杰, 李世娟, 刘升平. 智慧灌溉大数据管理平台设计与应用[J]. 农业大数据学报, 2024, 6(1): 82-93.
[3]	钱建平, 余强毅, 史云, 张保辉, 查燕, 吴文斌. 基于区块链的农业投入品智能管控平台设计[J]. 农业大数据学报, 2020, 2(2): 38-46.
[4]	周国民,樊景超. 农业科学观测数据汇聚管理平台设计与实现[J]. 农业大数据学报, 2019, 1(3): 38-45.
[5]	赵瑞雪, 赵华, 朱亮. 国内外农业科学大数据建设与共享进展[J]. 农业大数据学报, 2019, 1(1): 24-36.
[6]	周国民. 我国农业大数据应用进展综述[J]. 农业大数据学报, 2019, 1(1): 16-23.