【背景】为系统描绘2020至2024年全球农业大数据研究图景，揭示其核心趋势、热点前沿及主要参与国的差异化发展路径。【方法】本研究基于Web of Science与Scopus数据库的50,502篇文献，采用科学计量学方法，运用PhraseLDA模型聚类主题，构建复合指标遴选热点前沿，并引入四阶段成熟度框架对技术热点前沿进行系统性定位。【内容】研究发现，全球农业大数据研究正从L3（系统智能）向L4（生态协同）阶段加速演进，其核心驱动力源于技术融合的内生变革与可持续发展的外在目标升级。研究识别出三种国家级发展路径，即中国的应用驱动与全链整合模式，欧盟的政策驱动与规范引领模式，以及美国的市场驱动与前沿探索模式。【应用与价值】研究提出，全球农业大数据研究已进入以智能化、绿色化、协同化为特征的快速发展期。尽管各国路径不同，但技术融合与可持续发展已成全球共识。未来，AI大模型、气候智能型农业、开放创新生态及数字育种技术将是重塑农业大数据研究领域的关键。

人工智能理论与技术，特别是深度学习，展现出桥接宏观与微观认知的巨大潜力，为传统遥感范式中的跨尺度同构映射和高保真信息处理开辟了创新路径，从而推动经典物理遥感向量子遥感范式的深刻转型。本文提出一种基于深度学习的遥感参数反演新范式理论，其核心在于将深度学习的多层神经元结构视作微观世界的“量子积分传输单元”，从而有机耦合物理辐射传输过程与高维统计测度，实现量子级涨落与宏观观测的无缝桥接。逻辑分析显示，该范式以硅基计算的指数级信息粒度细化为基石，打破传统手工设计坐标系的约束，实现通用坐标系的自动生成，并逐步逼近自然界本征粒度水平，以最小化能量信息损失。进一步而言，深度学习实现了从量子相互作用到宏观理解的连续衔接，其信息处理分辨率随计算能力的提升而逐步逼近自然界本征水平，并在跨尺度映射中显著降低失真。计算能力和能源将成为核心生产要素，而深度学习作为“通用坐标系生成器”，在20世纪末至21世纪初经历了质变加速。这一范式理论标志着人类认知史与数学史中延续近三千年的“坐标系构建运动”的里程碑式突破，正式开启“量子”坐标系和量子遥感纪元。展望未来，软硬件的协同演进将促使深度学习孕育出多粒度新型“量子”语言，成为人类集体认知的新感官与新大脑，对遥感技术创新以及农业气象监测等领域产生深远影响。

近年来，基因编辑技术发展迅猛，已成为基础基因功能研究与生物育种的核心工具。并且随着计算机和大数据的增长推动了深度学习在基因编辑中的应用，深度学习技术在优化基因编辑过程，特别是在提升作物改良效率方面，正发挥着日益显著的作用。本文综述了深度学习在基因编辑优化方面的研究进展，重点介绍了深度学习在基因编辑效率和特异性增强方面的应用。此外，文章深入探讨了深度学习与基因编辑深度融合所面临的技术挑战，并展望了其未来发展前景。通过将先进的基因编辑技术与深度学习相结合，未来将进一步加快作物育种的进展。

粮食安全是“国之大者”，是国家安全的基础，是经济安全的底线。小麦是我国主要的粮食品种，面粉作为小麦的主要加工产品，其价格波动与小麦市场密切相关，是反映粮食市场供需变化的重要指标。准确预测面粉价格对稳定消费市场、保障国家粮食安全具有重要意义。本文基于农业农村部重点农产品市场信息平台中2023年11月至2025年11月的日度面粉价格数据，系统构建并比较了ARIMA、GM(1,1)、LSTM及Transformer四种时间序列预测模型。通过序列分析揭示价格波动的平稳性及非线性等复杂特征，为后续差异化模型的选择与构建提供依据。再基于误差倒数平方的加权融合策略，构建Ensemble融合模型。实证结果表明，单一模型在预测性能上各具优势：ARIMA与GM(1,1)在刻画整体趋势上表现稳健，而LSTM与Transformer在捕捉非线性波动方面作用显著。而集成各模型优点、弥补单一方法局限构建的Ensemble融合模型，综合评估平均绝对误差（MAE）、均方根误差（RMSE）和平均绝对百分比误差（MAPE）等关键指标均表现优异，其表现显著优于任一单一模型，展现出更高的预测精度与稳定性。多模型融合策略在面粉价格预测方面具有显著有效性与实用价值，可用于粮食及其加工品市场的价格预测研究。

为满足农业大灾监测识别、动态预警、产量预测、损失评估及保险理赔等全链条需求，有效支撑面向多应用场景、多用户的农业大灾风险分析与智能决策服务，设计并建设了农业大灾风险分析与集成智能决策平台。该平台以一体化、集成化、智能化、中台化为设计原则，基于数据层、平台层、应用层、表现层组成总体架构，采用基于气象大数据云平台的数据集成方法、基于云原生的多源异构算法集成、基于地理处理自动化的低代码构建、基于微前端和微服务的架构设计、基于人工智能生成内容的智能产品制作、基于人工智能大模型的农业大灾风险可视化等关键技术，通过构建数据中台、技术中台和业务中台，能够实现气象要素监测、农气灾害识别、灾害影响评估、风险决策服务等功能。初步应用显示，该平台具有良好的业务能力和发展前景，有助于提升跨部门、多角色间的全流程协同分析、智能推理和决策支持能力，有效应对气候变化、保障粮食安全，提高农业现代化治理水平。

农业灌溉的信息化管理是未来农业可持续发展的重要方向，但现有管控平台存在决策模型能力有限、管控时效不足等问题。为此，本研究构建了基于“云—边—端”协同架构的智能灌溉管控平台，采用Kubernetes容器化编排技术，实现模型与算法的灵活部署和弹性调度；面向不同种植场景，建立了基于深度学习预测的水量平衡大田灌溉决策模型与温室累计光合有效辐射灌溉决策模型；同时设计了覆盖“需水监测—灌溉决策—智能管控—灌后评价”的闭环调控模块，研制了灌溉全生命周期的动态管控平台。通过区域农田仿真与设施农业实测应用结果表明：在大田玉米仿真模拟验证中，平台决策生成的灌溉量较经验灌溉减少约18.3%，产量提高27.3%，灌溉水利用效率提升约56%；在设施生菜种植验证中，节水约10.02%、增产约9.38%，灌溉水利用效率提升约21.33%，本灌溉平台为多场景灌溉管理提供了技术与方法支撑。

数字乡村建设与农业绿色发展是深度融合与良性互动的有机整体，二者的协同演进是驱动农业现代化转型的关键。基于2011—2022年我国黄河流域九省（区）的面板数据，构建数字乡村建设与绿色农业耦合互动的作用机理与综合评价体系，对两者时空演变规律、耦合协调关系及障碍因子进行实证分析。结果表明，各省（区）农业绿色发展与数字乡村建设水平均呈上升趋势，但区域间差异显著。两者耦合协调度呈增长态势，空间分布呈现“下游>上游>中游”的格局，各省区距离优质协调仍有较大差距；主要障碍因子包括：农业机械化程度、耕地复种指数、水资源利用效率、农产品数字交易、移动电话普及率与互联网普及率。未来，应强化政策激励以促进科技创新，特别是聚焦关键障碍因子并实施差异化区域战略以促进数字乡村建设与农业绿色协调发展。

海南将于2025年12月18日正式启动全岛自贸港封关运作，"零关税"商品税目比例将从21%跃升至74%，这将对海南本地农产品市场形成强烈冲击。为应对这一挑战，本研究构建局部均衡模型，量化模拟封关对本地谷物与水果产业的影响。结果显示：封关后谷物市场价格预计下跌48.2%，本地供给量减少9.6%，进口量激增5倍；水果市场价格降低11.2%，本地供给量减少3.4%，进口量增加68.2%，表明封关将通过价格传导对本地农产品形成"双重挤压"：一方面抑制本地生产，另一方面加剧进口替代。针对这一冲击，本研究提出差异化产业扶持策略，包括对粮食产业实施目标价格保险制度以保障区域粮食安全底线，对水果产业强化品牌建设与产业链延伸以提升市场竞争力，同时建议建立全产业链大数据监测平台以实现精准风险防控，为海南农业应对封关挑战提供理论依据和实践参考。

随着测序技术和高通量表型采集手段的迅速发展，大豆研究进入多组学数据快速积累的阶段，涵盖基因组、转录组、表观遗传及表型组等多维度信息，并催生了SoyBase、SoyOD、SoyMD、SoyOmics等一系列专业数据库，为功能基因解析与分子育种应用提供了丰富的数据资源。本综述系统梳理现有大豆多组学数据资源与数据库平台，归纳其数据类型、组织逻辑与功能定位，分析各平台间的互补关系，并总结多组学整合应用的最新进展。本综述旨在为研究人员提供系统、清晰且具有可操作性的大豆数据资源指引，促进各类组学数据的高效整合与利用，助力精准育种及性状遗传机制的深入研究。

粮食安全是国家安定与经济发展的重要基石，而大田作物病虫害严重威胁粮食生产，亟须高效精准的监测和防控手段。近年来，基于深度学习的病虫害图像识别技术崭露头角，其发展高度依赖高质量的病虫害图像数据集。然而，目前公开数据集在规模、覆盖范围和质量等方面存在不足，限制了研究与实际应用的进一步突破。本文系统梳理了现有水稻、小麦、玉米、马铃薯等主要大田作物病虫害图像数据集的资源来源、典型特征和应用场景，分析其在数据量、多样性和标准化方面的主要挑战。研究发现，数据集在采集时间、地点和病虫害种类覆盖方面具有一定代表性，但仍需进一步提升类别均衡性、多样性和跨领域共享性。对相关数据集资源的归纳整理，可为推动精准农业发展和粮食安全保障提供技术支持和理论依据。

在作物育种科学研究中，蛋白质通过相互作用所形成的蛋白质复合体往往结合下游基因的启动子来调控基因转录，在生命体中发挥重要的生物学功能。因此，蛋白复合体的潜在发现有助于揭示蛋白质-蛋白质相互作用网络结构、挖掘下游调控基因，更好地阐明性状的分子调控机制，是助力优质、高产、多抗新品种培育的关键。然而，现有蛋白互作关系预测方法缺少多维度数据深层次语义关联，仅限于单一影响因素的考量，难以发现作物蛋白复合体结构。本研究基于数据的可靠性、实用性、易用性等原则，选取PlaPPISite数据库与Uniprot数据库作为数据获取来源，采用映射知识抽取方式实现蛋白相关数据集的关联融合。最终，形成了拟南芥互作蛋白知识图谱数据集，并以.csv格式存储为结构化数据。该数据集包含11个实体数据集和11个实体语义关系数据集。为了验证该数据集的有效性，本研究采用Neo4j图数据库进行数据集存储。最终，形成了涵盖约68 713个节点和109 496条语义关系的拟南芥互作蛋白知识图谱，可有效支撑以蛋白为中心实体的层级知识关联检索与发现。拟南芥互作蛋白知识图谱数据集可以为蛋白复合体发现提供关键的语义模型和重要的数据基础。相关科研和生产单位可基于本数据集构建拟南芥互作蛋白知识库，为作物育种知识发现服务平台的构建提供关键的知识资源底座。

数据摘要：

在全球粮食安全和营养不良问题依然十分严峻的背景下，践行大食物观，探索和推广替代蛋白食物对食品产业和人类社会可持续发展具有深远意义。本数据集旨在揭示我国消费者对替代蛋白食物的态度与消费意愿。数据集基于三次网络调研，涵盖了消费者对人造肉的态度与消费意愿，对可食用昆虫的消费行为、接受程度与偏好等多个维度的信息。通过对该数据集的分析，以期为替代蛋白食品生产企业提供市场洞察，为相关政策制定者提供经验证据与决策依据。

数据摘要：