渔业科学观测数据的开放共享与应用研究

doi:10.19788/j.issn.2096-6369.200404

摘要/Abstract

摘要：

渔业科学观测数据是渔业日常观测工作中积累的基础性数据，它直接反映了渔业科学观测工作的整体水平，在渔业资源评估、捕捞生产、生态环境、加工养殖、病害防治和管理决策等方面具有重要的科学意义和广泛的保存、开发应用价值，渔业科学观测数据的分类、共享和应用对推动渔业产业的绿色发展和提高科学数据的管理能力具有重要意义。我国在渔业科学观测数据方面的应用研究起步较晚，研究进展与成果和发达国家相比还有一定的差距，存在数据资源各自孤立、信息缺乏共享、数据利用率低等问题，为提升渔业科学观测数据的开放共享能力和数据利用价值，本文以渔业科学观测数据的共享与应用需求为背景，基于数据分类、共享标准、体系建设、服务模式、大数据分析、典型应用等方法，对数据资源结构、共享体系构建和应用服务分析展开研究，梳理了渔业科学观测数据的标准化结构，提出了渔业科学观测数据的共享体系建设方案，设计了渔业科学观测数据共享服务平台的总体技术架构，加强了渔业科学观测数据的资源整合和汇聚处理。渔业科学观测数据是支撑渔业科技创新、发展现代渔业的战略性、基础性资源，本研究对共享服务内容和数据应用提出合理建议，为充分发挥渔业科学观测数据的应用价值，进一步开展渔业科学观测数据的研究工作提供参考。

关键词: 渔业科学观测数据, 科学数据管理, 数据汇聚, 数据共享, 标准体系

Abstract:

Fishery scientific observation data is the basic data accumulated in daily fishery observation work. It has wide application value in fishery resources assessment, fishing production, ecological environment, processing and breeding, disease control and management decision-making. The classification, sharing and application of fishery scientific observation data is of great significance to promote the green development of fishery industry and improve the ability of scientific data management. In order to enhance the open sharing ability and data utilization value of fishery scientific observation data, this paper studies data resource structure, sharing system construction and application service analysis, based on data classification, sharing standards, system construction, service mode, big data analysis, typical application and other methods. Sorted out the standardized structure of fishery scientific observation data, proposed the construction scheme of fishery scientific observation data sharing system, designed the overall technical framework of fishery scientific observation data sharing service platform, strengthened the resources integration and aggregation processing of fishery scientific observation data. This study provides reasonable suggestions for sharing service content and data application, provides reference for further researching on fishery scientific observation data.

Key words: fishery scientific observation data, scientific data management, data convergence, data sharing, standard system

中图分类号:

薛沐涵, 刘慧媛, 鲁峰, 蒋庆朝. 渔业科学观测数据的开放共享与应用研究[J]. 农业大数据学报, 2020, 2(4): 29-37.

Muhan Xue, Huiyuan Liu, Feng Lu, Qingzhao Jiang. Research on Opening sharing and Application of Fishery Scientific Observation Data[J]. Journal of Agricultural Big Data, 2020, 2(4): 29-37.

图/表 7

图1

表1

渔业科学观测数据资源结构"

数据集分类	数据集内容	数据属性	指标类型
渔业资源数据	物种描述数据	物种信息、凭证标本信息	常规指标
	个体及种群数据	种名、分类地位、全长、种群大小、生长速率、物种组成、物种总数等	常规指标
	个体及种群数据	年龄结构	选择指标
	遗传数据	染色体数目、核型、SSR、SNP等	常规指标
	非生物栖息环境数据	生境类型、位置和规模、理化环境等	常规指标
	生物环境数据	浮游植物、浮游动物、附着生物、底栖动物种类、潮间带生物、叶绿素a	常规指标
	生物环境数据	潮间带生物	选择指标
	食物组成数据	肠容物种类、肠容物结构	常规指标
	共生微生物组成数据	体表微生物种类、肠道微生物种类、水体微生物种类	选择指标
生态环境数据	水文气象数据	风速、风向、气温、天气状况	常规指标
	水文气象数据	流速、流量、水位	选择指标
	水质环境数据	水温、盐度、透明度、悬浮物、pH等	常规指标
	水质环境数据	汞、镉、铅、铬、铜、锌、砷、挥发性酚、石油类	选择指标
	底质环境数据	类型、汞、镉、铅、铬、铜、锌、砷、石油类	常规指标
	底质环境数据	粒度	选择指标
	生态指标数据	叶绿素a、浮游动物、浮游植物、底栖生物	常规指标
	遥感环境数据	海表荧光高度、透光层深度等	常规指标
种质资源数据	基本信息数据	种质库编号、物种名称、物种拉丁名、科名、属名、种名、引种号、系谱、种质类型、图像、选育单位、育成年份等	常规指标
	遗传要素数据	倍性、生殖方式、遗传多态性	常规指标
	生物学特征数据	性别、年龄、体长、体重等	常规指标
	品质要素数据	肌肉灰分比例、皂甙含量、鲜干比、脂肪酸含量等	常规指标
生产养殖数据	养殖环境数据	水环境、沉积环境、生物生态、生物体质量	选择指标
	养殖结构数据	养殖类型、养殖品种、养殖密度、养殖方式、养殖产量、生物生长、成活率等	选择指标
	养殖生产数据	苗种、饲料、渔药、投入产出比等	选择指标
	现场连续监测数据	流速、流向、水温、盐度、溶解氧、pH、叶绿素a浓度	选择指标
	遥感数据	表层水温、盐度、叶绿素a浓度、初级生产力、悬浮物、水体透明度	选择指标

表1

图2

图3

图4

图5

图6

参考文献 23

1	王立华,孙璐,孙英泽,等.渔业科学数据共享平台建设研究[J].中国海洋大学学报,2010, 40(S1): 201-206.
	Wang L H, Sun L,Sun Y Z, et al. Construction of Fishery Scientific Data Sharing Platform [J]. Periodical of Ocean University of China, 2010, 40(S1): 201-206.
2	鲁峰,王立华,徐硕.渔业科学数据中心建设研究.农业大数据学报[J], 2019, 1(3): 57-70.
	Lu F, Wang L H, Xu S. Research on Construction of Fisheries Science Data Center [J]. Journal of Agricultural Big Data, 2019, 1(3): 57-70.
3	蔡研聪,黄梓荣,孙铭帅,等.南海北部近海渔业资源密度概率分布特征[J].应用生态学报,2019, 30(07):2426-2436.
	Cai Y C, Huang Z R, Sun M S, et al. Probability distribution characteristics of fishery resources density in the northern South China Sea [J]. Journal of Applied Ecology, 2019, 30(07):2426-2436.
4	孙忠富,杜克明,郑飞翔,等. 大数据在智慧农业中的研究与应用展望[J]. 中国农业科技导报.2013, 15(6): 63-71.
	Sun Z F,Du K M,Zheng F X,et al. Perspectives of Research and Application of Big Data on Smart Agriculture[J].Journal of Agricultural Science and Technology, 2013,15(6):63-71.
5	程锦祥,孙英泽,胡婧,等.我国渔业大数据应用进展综述[J].农业大数据学报,2020,02(01):11-20.
	Cheng J X, Sun Y Z, Hu J,et al.Progress in the Application of Big Data in fishery in China[J].Journal of Agricultural Big Data,2020,02(01):11-20.
6	Niwa, H S. Exploitation Dynamics of Fish Stocks [J].Ecological Informatics, 2006, 1(1): 87-99.
7	Huang J, Meng X, Xie Q, et a1. Complete sets of aquaculture automation equipment and their monitoring cloud platform [J]. Advances in Intelligent Systems and Computing, 2017, 691:429-435.
8	Tacon A G J, Metian M, Turchini G M, et al. Responsible Aquaculture and Trophic Level Implications to Global Fish Supply [J]. Reviews in Fisheries Science, 2009, 18(1): 94-105.
9	林娜,黄硕琳.美国地区渔业管理委员会的决策机制探究[J].上海海洋大学学报,2017,26(3):465-472.
	Lin N, Huang S L.Study on the decision making mechanism of regional fishery management committee in the United States [J]. Journal of Shanghai Ocean University, 2017,26(3):465-472.
10	Sigler M, DeMaster D, Boveng P, et al. Advances in Methods for Marine Mammal and Fish Stock Assessments: Thermal Imagery and CamTrawl [J]. Marine Technology Society Journal, 2015, 49(2): 99-106.
11	Apeti D A, Lauenstein G G, Evans D W, et al. Recent Status of Total Mercury and Methyl Mercury in The Coastal Waters of The Northern Gulf of Mexico Using Oysters and Sediments From NOAA's Mussel Watch Program [J]. Marine Pollution Bulletin, 2012, 64(11): 2399-2408.
12	Froese Rainer, Winker Henning, Coro Gianpaolo, et al. Status and rebuilding of European fisheries [J]. Marine Policy, 2018, 93:159-170.
13	Man Liu，Guilin Han, Qian Zhang. Effects of agricultural abandonment on soil aggregation, soil organic carbon storage and stabilization: Results from observation in a small karst catchment, Southwest China [J]. Agriculture, Ecosystems and Environment, 2020, 288.
14	Zhi Chen, Yan Liu, Chaojie Yang, et al. Analysis of Ways to Strengthen the Management of Marine Fishery Resources in China in the New Period [J]. Lifelong Education, 2020, 9(6).
15	Luoliang Xu, Mazur Mackenzie, Xinjun Chen, et al. Improving the robustness of fisheries stock assessment models to outliers in input data [J]. Fisheries Research, 2020, 230.
16	Li Si, Yueting Li, Xiaozhe Zhuang, et al. An empirical study on the performance evaluation of scientific data sharing platforms in China [J]. Library Hi Tech, 2015, 33(2):211-229.
17	Lokhande P. C., Shirdhankar M. M., Chaudhari K. J.. Digitization of Inland Water Resources for Fisheries through Remote Sensing and Geographical Information System - A Study in Ratnagiri District [J], Fishery Technology, 2017, 54(2):86-93.
18	Shamsuzzaman, Md. Mostafa, Xu Xiangmin,et al. Sustainable Marine Fisheries Resources of Bangladesh: A Strategic Response for Economic Security [J].Indian journal of marine sciences, 2017, 46(4):757-765.
19	王伟,焦飞翔,陈磊等.地质数据集成与共享服务模式研究与应用——以泰州市为例[J].国土资源信息化,2020(04):50-55.
	Wang W, Jiao F X, Chen L, et al. Research and application of geological data integration and shared service patterns-A case study of Taizhou city [J]. Land and Resources Informatization, 2020,(04):50-55.
20	Huiyan Gao, Hongquan Liu, Chunling Chai, et al. Research on the Service Mode of University Library based on Data Mining [J]. World Scientific Research Journal, 2020, 6(7).
21	Jagoda Walny, Christian Frisson, Mieka West, et al. Data Changes Everything: Challenges and Opportunities in Data Visualization Design Handoff [J]. IEEE transactions on visualization and computer graphics, 2020, 26(1):12-22.
22	Niida A, Hasegawa T, Miyano S (2019) Sensitivity analysis of agent-based simulation utilizing massively parallel computation and interactive data visualization[J/OL]. PLoS ONE14(3): e0210678.
23	张小琼,梁苑苑,邓力涌,等.运维数据可视化展示平台的设计与实现[J].气象研究与应用,2019,40(01):84-87.
	Zhang X Q, Liang Y Y, Deng L Y, et al. Design and implementation of operation and maintenance data visualization platform [J]. Meteorological research and Application, 2019, 40(01):84-87.

[1]	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.
[2]	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.
[3]	胡国铮, 干珠扎布, 余沛东, 杨振琳, 高清竹. 基于农业环境的农业科学观测数据融合研究[J]. 农业大数据学报, 2020, 2(4): 86-94.
[4]	尹国伟, 聂凤英, 杜绍明. 美国涉农数据在线开放共享情况[J]. 农业大数据学报, 2020, 2(3): 84-94.
[5]	孙忠富, 马浚诚, 郑飞翔, 杜克明. 区块链支撑农业大数据安全初探[J]. 农业大数据学报, 2020, 2(2): 25-37.
[6]	王姝, 孙善鹏, 樊景超, 刘佳, 郭志斌, 王丽娟, 李成赞, 周国民, 周园春. 基于区块链的农业科学数据溯源应用初探[J]. 农业大数据学报, 2020, 2(2): 47-54.
[7]	黄铭瑞, 李国庆, 李静, 范湘涛. 国家科学数据中心管理模式的国际对比研究[J]. 农业大数据学报, 2019, 1(4): 14-29.
[8]	熊森林, 邹自明, 胡晓彦, 纪珍. 空间科学数据产品组织模型[J]. 农业大数据学报, 2019, 1(4): 30-36.
[9]	米琳莹, 崔辰州, 樊东卫, 郝晋新, 薛艳杰, 李长华, 李珊珊, 何勃亮, 陶一寒, 韩军, 许允飞, 杨涵溪, 杨丝丝, 和兰, 马捷, 刘梁, 陈肖, 谌俊毅, 张海龙, 刘峰, 肖健, 于策, 袁海波. 国家天文科学数据中心发展思路浅析[J]. 农业大数据学报, 2019, 1(4): 37-45.
[10]	徐丽君, 姚艳敏, 张保辉, 杨桂霞, 闫瑞瑞, 阿斯娅, 柳小妮, 辛晓平. 中国草地和草业科学数据库研究与应用[J]. 农业大数据学报, 2019, 1(4): 46-57.
[11]	杨雅萍, 王祎, 白燕, 乐夏芳, 杜佳, 柏永青, 孙九林. 国家地球系统科学数据中心发展与实践[J]. 农业大数据学报, 2019, 1(4): 5-13.
[12]	刘海清, 卢琨, 刘晓珂, 梁伟红. 农业科学大数据资源平台在热区的实践思考[J]. 农业大数据学报, 2019, 1(4): 58-64.
[13]	赵瑞雪, 赵华, 郑建华, 朱亮, 寇远涛. 科研机构科学数据管理实践与展望[J]. 农业大数据学报, 2019, 1(4): 65-75.
[14]	姚艳敏, 白玉琪. 农业大数据标准体系框架研究[J]. 农业大数据学报, 2019, 1(4): 76-85.
[15]	李云婷, 温亮明, 张丽丽, 黎建辉. 科学数据共享系统的现状与趋势[J]. 农业大数据学报, 2019, 1(4): 86-97.