国际农业科学观测工作网络化发展的经验与启示

doi:10.19788/j.issn.2096-6369.200401

摘要/Abstract

摘要：

在第四范式视角下大数据科学飞速发展的今天，农业科学观测工作网络化发展对于推动区域乃至全球农业系统科学知识的发现和应用的作用正在日益凸显。因此，欧美发达国家乃至全球性国际组织纷纷建设或升级了一大批农业系统观测网络体系，实践证明，以多时间空间尺度、多农业科学观测实验站联合、跨观测专业领域集成为鲜明特征的农业科学观测网络有效建立了“决策—咨询—执行”运行制度体系，供给了一大批高质量的农业科学观测数据及产出，有力支撑了各类研究计划的实施，在服务农业管理科学决策、促进环境可持续发展等领域发挥了积极而富有成效的推动作用。本文阐述了农业科学观测工作网络化发展的历史进程，分析归纳了三类国际农业观测工作网络化发展典型模式、总结了网络化发展突出特征和趋势以及对我国农业科学观测网络化发展的启示。国际农业观测工作网络化近180年的发展历史显示：面对复杂因素驱动的农业系统变化，农业科学观测网络要把握好顶层设计、标准规范和数据开放三大关键举措，适应联网整合、领域融合、尺度拓展以及新技术体系融合的总体发展趋势，发展多学科交叉、国际合作的研究平台，加快我国农业科学观测工作网络化发展进程，拓展国内外合作研究，支撑国家乃至全球尺度观测研究科技需求。

关键词: 农业科学观测, 网络化发展, 机制创新, 科学观测, 科学数据

Abstract:

With the rapid proliferation of big data in the context of the fourth paradigm of science, the roles of agricultural observation networks have become increasingly prominent, especially in the discovery and application of scientific knowledge for regional or even global agriculture systems. A multitude of agricultural observation networks have been established or upgraded by developed countries in Europe and the USA or by international organizations. Multi-scale, multi-site, and interdisciplinary integrated agricultural observation networks at national or international scales have established an institutional system of ‘decision-making, consultation, and execution’. The networks have provided a large amount of agricultural observation data and outputs, strongly supported the implementation of diverse research programs, and thus aided decision-making for agricultural management and promoted realization of sustainable development goals. This paper outlines the development process for an agricultural observation network, analyzes three representative modes of international agricultural observation network, and summarizes their prominent features, trends in network development, and provides insight into the development of an agricultural system observation network in China. The 180 years of development of agricultural observation networks indicate that, in the face of agricultural system transformation driven by complex factors, agricultural observation research must strengthen the top-level design, standard specification, and open data portals to enable adaptation to the overall trends for integrated cooperation, coupling of research fields, scale expansion, and development of new technologies. Agricultural observation research also must develop a research platform that is multidisciplinary and internationally collaborative, to accelerate the development of China's agricultural scientific observation network, to expand research cooperation both at home and abroad, and to support the technological requirements of national- and global-scale observation research.

Key words: agricultural observation network, network development, institutional innovation, scientific observation, scientific data

中图分类号:

S126

杨帅, 周国民, 庄严. 国际农业科学观测工作网络化发展的经验与启示[J]. 农业大数据学报, 2020, 2(4): 5-13.

Shuai Yang, Guomin Zhou, Yan Zhuang. Experiences and Enlightenment into Development of an International Agricultural Scientific Observation Network[J]. Journal of Agricultural Big Data, 2020, 2(4): 5-13.

图/表 2

图1

表1

LTAR工作组架构及其职责功能"

类型	功能	名称	职责
观测类	为收集网络通用观测数据而开发与实现统一科学方法	生物学工作组（Biological）	负责创建一套测定LTAR各类生物变量的统一工具与程序
		碳氧通量测定工作组（Eddy Flux CO）	负责确定一套用于收集、处理测定的热量、水分、二氧化碳和动量等地表通量的适当传感器和程序，确保LTAR获取高质量数据
		水工作组（Water Quantity）	负责确定一套测量LTAR网络关键水文变量，能够支持农业和水文建模所需精度、规模并支持分析性能的统一仪器和数据处理程序
		土壤工作组（Soil）	负责支持LTAR土壤变量的统一仪器和数据处理程序
		气象工作组（Meteorology）	负责确定一套测定LTAR网络气象变量的统一仪器和数据处理程序
		非二氧化碳气体组（Non CO2 Gases）	负责支持对所有LTAR网络公共实验处理中土壤N2O排放量测定
信息管理类	为全网络研究提供必要的计算与数据管理基础设施	数据管理工作组（Data Management）	负责收集数据、整合信息和开展分析，以支撑科学决策和农业生态系统可持续发展
信息管理类	为全网络研究提供必要的计算与数据管理基础设施	资讯管理专责组（Information Management Task Force）	负责设计和建设联网观测基础设施，以满足ARS研究任务需求
协同观测类	坚持问题导向，组织开展区域乃至全网络范围观测研究	农田工作组（Cropland）	负责种植业农田方面共同实验创建
协同观测类	坚持问题导向，组织开展区域乃至全网络范围观测研究	牧场工作组（Rangeland）	负责畜牧业牧场方面共同实验创建
农业管理技术类	开发改进农业生产力和环境保护的新工具	遥感和地理信息工作组（Remote Sensing/GIS）	负责LTAR遥感和GIS信息共享、资源开发，并进行相关网络级研究
外联与沟通类	与生产者、决策者和利益相关者共同推动网络进展宣传的相关政策	风蚀工作组（wind erosion）	负责支持管理国家风蚀研究网络，增强风蚀监测和评估能力

表1

参考文献 16

1	FAO. The future of food and agriculture. Alternative pathways to 2050 [EB/OL].[2020-11-20] .
2	黄季焜.新时期的中国农业发展:机遇、挑战和战略选择[J].中国科学院院刊,2013,28(03):295-300.
	Huang J K. China’s Agricultural Development in the New Era: Opportunities, Challenges, and Strategies [J].Bulletin of the Chinese Academy of Sciences, 2013, 28(03):295-300.
3	熊明民. 加强我国农业科技基础性长期性数据监测工作的建议[J]. 农业科技管理, 2015, 034(005):39-42.
	Xiong M M. Suggestions for Strengthening the Monitoring on Fundamental and Long-Term Data of Agricultural Science and Technology in China[J].Management of Agricultural and Technology, 2015, 034(005):39-42.
4	方沩. 国家重点野外试验站网络信息共享系统研究[D]. 北京: 中国农业科学院, 2006.
	Fang W. A study of the Information Sharing System of the National Key Field Observation Stations[D].Beijing: Chinese Academy of Agricultural Sciences,2006.
5	傅伯杰, 牛栋, 于贵瑞. 生态系统观测研究网络在地球系统科学中的作用[J]. 地理科学进展, 2007(01):3-18.
	Fu B J, Niu D, Yu G R. The Roles of Ecosystem Observation and Research Network in Earth System Science[J].Progress In Geography, 2007(01):3-18.
6	潘宝君. 科学革命的技术实践阐释[D]. 上海: 华东师范大学, 2018.
	Pan B J. The Technical Practical Explanation of the Scientific Revolution[D]. East China Normal University,2018
7	郝天象. 土壤肥力监测站的功能与管理[D]. 陕西：西北农林科技大学, 2012.
	Hao T X. Function and Management of Soil Fertility Monitoring Stations.[D]Shaanxi: Northwest A&F University,2012.
8	Johnston, A.E., The Rothamsted classical experiments: in long-term experiments in agricultural and ecological sciences[M]. Wallingford,Oxon: CABI International.1994.
9	[1]朱丕荣.“二战”后全球农业发展的战略回顾[J].科技导报,1996(04):14-15+59. Zhu P R.Strategy of the World's Agricultural Development after the Second World War[J]. Science & Technology Review, 1996(04):14-15+59.
10	Sokolov A.V., Rozov N.N., Rudneva Y.N., 1966. USSR soil-agrochemical map. Agrokhimia1, 3-12(in Russian).
11	Naidin P.G., 1968. Field experiment as a method for study agricultural issues. In: Field Experiment.Kolos, Moscow, 5-27 (in Russian).
12	Shevtsova L.K., Romanenkov V.A., Blagoveshchenskiy G.V., Khaidukov K.P.,Kanzyvaa S.O., 2015. Structure of carbon balance and bioenergetics assessment of its components in agrocoenoses of long-term field experiments. Agrokhimia12,67-75(in Russian).
13	Sychev V.G., Yefremov E.N., Romanenkov V.A..Nonitoring of soil fertility (agroecological monitoring))[EB/OL].[2015-11-15]
14	Philip Robertson G., Allen Vivien G., Boody George, et al. Long-term Agricultural Research: A Research, Education, and Extension Imperative[J]. BioScience, 2008, 58(7):640-645.
15	M R. Walbridge and S R. Shafer. 2011.A Long-Term Agro-Ecosystem Research (LTAR) Network for Agriculture[A]. The Fourth Interagency Conference on Research in the Watersheds[C], Fairbanks, AK.2011.
16	Delgado J A, Vandenberg B, Kaplan N, et al. Agricultural Collaborative Research Outcomes System (AgCROS): A network of networks connecting food security, the environment, and human health[J]. Journal of Soil and Water Conservation, 2018, 73(6):158A-164A.

[1]	段博文, 王卷乐, 石蕾, 高孟绪. 前沿领域国内外典型数据库调研与启示[J]. 农业大数据学报, 2023, 5(1): 46-54.
[2]	孙雨潇, 李艳丽, 李峰, 陈谦. 国内外科学数据共享现状研究与发展建议[J]. 农业大数据学报, 2022, 4(2): 88-98.
[3]	薛沐涵, 徐硕, 刘慧媛, 鲁峰, 王宇, 李奥. 远洋渔业科学数据治理与应用服务研究[J]. 农业大数据学报, 2022, 4(2): 99-107.
[4]	王亚鹏, 张文革, 胡林, 刘婷婷, 曹姗姗, 王蕾, 孙伟. 2019年天山云杉背包式激光雷达三维参数测量数据集[J]. 农业大数据学报, 2022, 4(1): 119-124.
[5]	范亚慧, 朱亮, 赵华, 郑建华. 科学数据共享的知识产权保护研究[J]. 农业大数据学报, 2021, 3(4): 3-9.
[6]	冯小鼎, 王晓冬, 罗斌, 王成. 基于LabVIEW的植物离子吸收多参数检测系统软件研发[J]. 农业大数据学报, 2021, 3(2): 16-23.
[7]	李强, 高懋芳, 方莹. 农业大数据信息平台构建方法初探[J]. 农业大数据学报, 2021, 3(2): 24-30.
[8]	颜瑞, 王震, 李言浩, 李哲敏, 李娴. 中国农业智能传感器的应用、问题与发展[J]. 农业大数据学报, 2021, 3(2): 3-15.
[9]	王慧, 王海江, 高攀, 张泽, 侯彤瑜, 吕新. 新疆生产建设兵团农业资源数据采集与整合方法研究[J]. 农业大数据学报, 2021, 3(2): 31-41.
[10]	王晓丽, 胡乾浩, 满芮, 刘婷婷. 中国果树花期2016年近红外光谱和图像数据集[J]. 农业大数据学报, 2021, 3(1): 88-93.
[11]	庄严, 杨帅, 刘照坤, 樊景超, 周舒雅. 农业科学观测数据权属与保护路径研究[J]. 农业大数据学报, 2020, 2(4): 107-112.
[12]	王晓丽, 胡乾浩, 樊景超, 李壮. 辽北苹果叶片氮含量、近红外光谱与图像数据集[J]. 农业大数据学报, 2020, 2(4): 113-119.
[13]	高飞, 王晓丽, 刘婷婷, 李壮, 满芮. 中国苹果叶片病虫害2015年光谱和图像数据集[J]. 农业大数据学报, 2020, 2(4): 120-124.
[14]	樊景超, 满芮, 张翔鹤, 周国民. 国家农业观测数据共享元数据标准研究[J]. 农业大数据学报, 2020, 2(4): 14-19.
[15]	陈彦清, 曹永生, 林雨楠, 方沩. 国家作物种质资源观测鉴定站点体系布局方法研究[J]. 农业大数据学报, 2020, 2(4): 20-28.