大数据是具有数据量大、类型复杂、价值密度低和实效高四大特性的庞大数据集合。大数据技术是一种非结构性的数据处理技术，可以将不同产业收集的大量数据进行专业化的处理。中药资源大数据是中药产业在漫长发展过程中所产生的大量具有实际意义的数据。内蒙古地区作为少数民族聚居地区，在长期历史发展的过程中，蒙医药同中医药一起，在防病治病方面起着重要的作用，积累了大量的中蒙医药数据。如何对这些数据进行收集整理是当前中医药资源相关产业发展重要的驱动力之一，也是中医药现代化进程中有利的推动力之一。随着现在科学技术的发展，中蒙药资源的应用与最前沿的大数据技术相结合，可以有力的促进中医中药与蒙医蒙药现代化发展进程。本文整理了内蒙古地区中蒙药资源数据库、中药资源动态监测站、中药产业大数据平台的建设情况并总结了关于内蒙古地区中药资源大数据的研究现状。最后，本文针对内蒙古地区中蒙药资源在发展中可能遇到的相关问题提出了对应的发展方案，为中蒙药资源的可持续利用和发展及解决不同地区中药及民族药野生资源匮乏的问题提供了一种研究方法，为内蒙古地区及全国其他各地区的中药资源大数据的研究提供方案，为今后中药资源的大数据应用建设与发展奠定了科学基础。

植物表型是指基因和环境因素决定或影响的作物物理、生理、生化特征和性状。准确和快速的获取植物在各种不同环境条件下的表型信息，从而挖掘其基因组的遗传和表现规律，可有效推动有关基因组与表型信息关联性研究。无人机高通量植物表型平台凭借无人机机动灵活的特点，适合于农作物田间环境中的植物表型数据获取，具有数据获取效率高和成本低等优势，借助于图像、高光谱、激光雷达等先进传感器技术，为高效获取各类植物表型数据提供了可行的途径；与此同时，快速发展的大数据技术和智能数据分析技术为无人机所获取的植物表型图像提供有效的分析处理方法和技术。在此背景下，基于无人机平台的高通量植物表型分析，为研究田间作物表型信息提供了重要的方法和工具。本文综述了国内外无人机高通量作物表型大数据分析的最新研究成果，就其研究原理、相关算法、过程、关键技术及应用等进行总结与分析，重点讨论了应用于无人机高通量植物表型大数据分析相关的大数据处理与智能分析技术，重点分析了植物株高获取、叶面积指数、植物病害等典型的表型分析需求，并就其应用前景进行了总结和展望。

农业智能传感器是智慧农业的关键核心技术之一。本文首先阐述了智能传感器的概念、特征和实现方法，从而引入了农业智能传感器的构成、发展与应用。根据检测对象的不同，将农业智能传感器分为生命信息、环境信息和品质安全三大类，其中，生命信息智能传感器分为植物和动物生命信息，环境信息智能传感器分为水体、土壤、畜禽和气象环境信息。从目前农业智能传感器的构成与应用现状可以发现，当前我国农业智能传感器存在集成化程度较低（模块化方式实现）、农业智能传感器的核心元件（传感器元器件和微控制器）严重依赖进口、智能化程度不高等问题，应用范围有限。针对上述问题，分别从农业智能传感器技术中的核心控制器、农业传感器、无线通信网络和配套算法四个方面进行了深入剖析，其根源在于我国缺乏农业专用的核心控制器、自主研发的高端农业传感器少、缺乏农业适用的无线通信网络协议及高精度的智能传感器算法。针对以上问题，分别从研发中国“农业芯”和高性能MEMS传感器、构建农业专用无线网络和开发高性能智能算法方面提出可行对策，将有助于推进农业智能传感器的中国智造进程。在智慧农业快速发展的当下，农业智能传感器的中国智造之举至关重要。

农业大数据信息平台是整合现代农业技术生产、经营管理经验，运用农业大数据、物联网等多项高新信息技术成果，以实现我国农业产业的信息化、数字化、智能化的综合系统。大数据是我国现代农业建设的重要驱动力量，在政策引导下使用高新技术实现智慧农业的发展是当今农业发展的主题。本文综述了数字农业应用大数据网在信息平台中的构建基本方法与具体实施对策建议，针对数字农业、农业大数据的基本特点，揭示其科学内涵，阐述农业大数据信息平台中的核心技术功能，探讨建立数字时代农业应用标准规范，提出多种数据采样管理策略，组合为农业信息网络中的分布式数据结构及一个模块化的数字农业动态数据采集管理平台，实施精确的数据变量采集管理控制措施，实现低成本投入、高效率、可持续的数字农业动态数据采集生产。结合我国数字农业发展特点构建大数据信息平台是当今世界农业发展的最新趋势，发展农业信息采集技术与方法对于推进我国农业高质量发展、建设数字农业、抢占全球农业制高点具有重要意义。

国家茶叶全产业链大数据项目是农业农村部批复建设的单品大数据平台之一，建设的目标是为涉茶政府部门、经营主体、科研机构、公众等提供专业权威的数据服务，致力于支撑茶产业科学决策，提高茶产业数字化水平，助推我国茶产业数字化转型，同时为数字农业项目建设提供试点经验。中心立足茶产业实际按照可用、能用、易用的原则进行设计和建设，开展茶产业数据的采集、存储、挖掘工作，在功能上按照一体化管理和模块化应用思路进行，并强化了数据采集和应用功能，开发了丰富多元的数据采集功能，同时根据具体的应用场景开发了相对独立的数据挖掘和模型系统。通过前期的建设和调试，目前已经具备数据采集、分析和发布能力，其中消费趋势数据、电商数据、舆情监测数据已经具有明显的辅助决策能力，对全面把握茶产业运行规律、产业政策制定、指导科学决策开始发挥作用。本文依据项目建设方案和实际进展，介绍了国家茶叶全产业链大数据试点项目建设的背景与意义、定位与建设目标；重点介绍了项目的技术路线、主要模块及其主要功能；对项目的主要特色进行了剖析，并对对后期建设计划进行了展望。

农产品全产业链大数据建设对于推动农业发展方式加快转变，促进农业转型升级、提质增效和可持续发展，加快农业现代化进程有着重要意义。我国重要农产品全产业链大数据建设刚刚起步，发展基础薄弱，，在乡村信息基础设施不健全，农产品加工链不完善、产业链数据资源分散，天空地一体化数据获取能力较弱、覆盖率低等多个问题。本文以油料（油菜、花生）为例，分析全产业链大数据建设现状，明确油料全产业链大数据平台建设思路与原则，提出平台建设的基本架构与主要功能，面向油料作物产量预测、价格预测、政策分析等主题开发集成气象产量预测模型、遥感产量预测模型、价格监测模型以及政策主题演化模型以及语义对比分析模型等，支持多场景数据挖掘与应用服务。本文探索形成需求为导向的，大数据、自然语言处理以及人工智能技术为依托的油料全产业链大数据平台建设方案，支持基础环境、资源投入、生产加工和流通消费等重要领域和关键环节数据资源汇聚与分析挖掘，可有效增强数字技术研发应用能力，打造全产业链单品种大数据治理与应用示范样板，为全面推进农产品全产业链大数据建设提供可复制、可借鉴、可推广的机制、模式和经验，示范引领农业农村大数据建设，从而促进提升农业生产经营和管理服务数字化水平，助推农业农村现代化。

【有关概念】：农业资源数据是用来描述农业资源的数字、字母、符号、图表、图形或其他模拟量。农业资源数据里包含着农业资源信息。【目前研究现状】：目前，新疆生产建设兵团正在大力开展农业大数据研究与应用建设工作，在此过程中，传统的农业资源数据采集与整合方式表现出采集标准不一致，数据质量不高，信息碎片化、流动性低等问题，迫切需要研究出一套经济、可行、高效的农业资源数据采集与整合方法。【本文的内容概括】：本研究综述了国内现阶段农业数据资源的研究进展情况，讨论了农业资源数据采集与整合方法研究的意义。在对新疆生产建设兵团现有农业资源数据进行系统观察、分析和梳理主要问题的基础上，将农业资源数据采集与整合方法拆分成技术指标规范模块、农业资源采集模块、数据质量检查模块、异构数据转换模块、数据分类编码模块、数据管理模块、决策支持模块、农业资源共享模块，建立了一套农业资源数据采集与整合方法模型，搭建了新疆兵团农业资源整合与共享平台。【展望】：农业资源数据的数量、质量和实效性关系到农业大数据的发展基础。本文已针对现阶段农业资源数据采集与整合情况，对分散、异域的农业资源数据进行初步采集与整合，后期将在实践中不断改进其中不必要和不合理的部分，寻求一种更经济、更合理、更有效的工作程序，为挖掘、揭示和再组织不同农业资源数据间的关联关系做好充分的数据准备。

无机离子是农作物植株生长环境中重要组成部分，具备调节生理活动的功能。在生长过程中获得植物与环境养分离子的吸收信息有助于揭示植物的养分吸收机理，辅助农业科研人员或生产者监测植物生长状态。本文以植物离子吸收动力学为依据，设计了一款在线、活体、多通道的植物离子吸收多参数检测软件系统。研究在水培环境下，基于液态离子选择性微电极和NI-9205采集卡获取的离子电信号，在软件中转换为离子浓度，再通过自动拟合出的离子浓度耗竭曲线实现离子吸收动力学特征参数的实时在线获取。该软件系统基于LabVIEW软件平台进行开发设计，结合Actor Framework（操作者框架）多线程并发式的设计模式和面向对象的设计思想，完成了用户交互界面、数据采集、数据处理与分析以及数据库应用等模块化设计。对多任务系统层级间的异步通信结构进行分析与搭建，并基于高内聚、低耦合的设计原则，构建抽象的数据消息接口隔离上下层模块，增强软件的可靠性和扩展性。在数据处理与分析模块的核心业务逻辑中，嵌入服从能斯特方程的电压-浓度标定转换算法，并完成植物离子吸收动力学特征参数提取的具体流程。经过实验测试，该系统能够实时准确的完成离子电压信号的采集、浓度的标定与转换、特征多参数的获取，可满足农业科研和生产中对植物离子吸收动力学特征参数自动在线监测的需求，为营养学研究和栽培管理措施制定提供依据。

【有关概念】区块链是一个去中心化的、开放共享的分布式数据库，具有去中心化、高度开放、匿名性、机器自治、信息不可篡改且可追溯等特点。【目前研究现状】目前，区块链技术已成为世界各国争相发展的前沿科技，被应用于金融、教育、医疗等诸多领域，应用成果层出不穷，我国也将其列入了国家战略。当前关于区块链的研究文献大多聚焦于区块链技术在金融领域的发展与应用，以系统性回顾区块链技术发展历程与特点为研究重心的文献相对较少，“区块链+农业”也才处于起步阶段。【本文的内容概括】系统的梳理了区块链的主要发展历程，将其划分为技术起源阶段、区块链1.0阶段、区块链2.0阶段和区块链3.0阶段四个阶段，归纳了各个阶段的主要特征和发展状况，深入探讨了农业领域有代表性的区块链应用案例。在梳理发展历程和分析应用案例的基础上，挖掘区块链技术的应用潜力，总结区块链在农业领域的新机遇，并对我国农业领域区块链技术的发展提出了思考。【展望】区块链技术的应用能有效减少信息不对称、提高信息的公开透明度、降低数据存储成本等，有助于现代农业的发展。为使区块链在农业领域得到更好的应用，未来需要更加深入地了解其面临的潜在问题与挑战，并采取针对性措施以推动农业领域区块链的发展。

呼伦贝尔草原植被地带性分布由东到西是草甸草原和典型草原，依次为线叶菊、贝加尔针茅、羊草、大针茅和克氏针茅5个群系，构成了呼伦贝尔不同草地类型与组合，是呼伦贝尔草地主体。该数据集通过开展野外呼伦贝尔贝温性羊草草甸草原长期固定样地植物群落变化研究，收集整理了2009–2015年植物群落特征，包括植物群落总盖度、植物群落自然高度、植物群落多度、植物群落地上绿色干重。用户可以按照调查年份对植物群落特征进行数据检索。呼伦贝尔羊草草甸草原植物群落长期监测数据集的建立与共享，可为全球气候变化和人类干扰背景下开展温性草甸草地生态监测工作、探索该草原类型植物群落特征的动态研究提供数据支持，为深入认识长期围封下草地生态系统响应规律和草地生态系统恢复演替提供理论依据。

【有关概念】GreenLab是器官尺度的植物功能结构模型（Functional-Structural Plant Model， FSPM），采用离散动态系统的形式来描述植物的生长和发育过程，包括植物生物量产生和分配，以及结构形成等，是融合植物学、数学、农业、计算机、自动化领域学科知识的通用模型。【目前研究现状】自1998年以来，基于中法合作，围绕GreenLab模型发展了包括双尺度自动机理论、分枝结构植物的参数反求方法、随机的植物功能结构模型以及理论计算、植物快速建模与可视化算法，开发了SciLab以及MatLab环境下的作物生长模拟与拟合软件，以及基于c++的面向复杂植物计算的软件。目前，GreenLab模型已应用于玉米、小麦、黄瓜、番茄、油菜、菊花、松树、枫树等具有不同特点的几十种植物，涵盖的植物类型从草本作物到复杂的树木。模型特色在于可通过观测植物的器官生物量和数量等数据，反求影响生物量产生和分配的模型内部源库参数；对于单枝或分枝结构、确定性或随机性结构，均能采用通用的器官尺度的数据进行模型校准。【本文的内容概括】本文回顾GreenLab模型的发展历程及其最新进展，介绍模型的基本概念和主要方法，包括双尺度自动机、器官序列，以及通用的植物拟合目标。详细介绍了GreenLab模型中所包含的结构模型（器官数量的计算、器官产生的随机性模拟等）、功能模型（植物和器官需求、生物量产生和分配、器官生长等），以及二者相结合进行参数反求的计算方法。【展望】随着植物表型技术的成熟和普及，GreenLab模型可用于平行农业种植系统的构建，服务植物与环境关系的深入理解，以及生产管理与控制中的智能决策支持。

随着现代信息技术在农业领域的广泛应用，海量农业数据得以收集、分析用于促进农业现代化发展。本文以大别山区连片特色农产品生产经营全产业链为研究背景，在系统分析该区域农产品生产加工销售等各产业链环节数据特征、有机整合农产品生产经营数据资源等需求的基础上，采用包含基础设施层、数据资源层、数据处理分析层、数据显示层等四层大数据平台总体架构的设计模式，搭建了基于Hadoop大数据技术的农产品全产业链数据资源库与大别山区云农场智慧服务大数据平台，面向产业区相关农业从业人员所需业务主题进行平台功能的开发，对农业数据资源库中数据实施数据清洗、数据挖掘、数据建模等技术处理，寻找农产品生产经营过程动态变化规律，实现了信息共享、智能预警与辅助决策等智慧服务功能。其中，信息共享功能用于提供大数据平台各子系统平台数据资源共享服务；智能预警功能用于提供农产品全产业链生产经营过程中农产品生产环境、价格等关键指标信息的预警服务；辅助决策功能用于提供农业从业者产业区农产品生产经营情况变化通知，辅助经营过程决策服务等。研发的云农场智慧服务大数据信息管理中心和数据可视化系统，可为促进大别山区特色农产品全产业链信息化与智能化水平提供参考。

渔船渔港数据是渔船渔港相关业务办理和运营维护中积累的基础性数据，对渔船动态监管、渔港运营管理、船员管理、渔业安全生产、渔获物追溯以及智慧渔港建设等方面具有广泛的应用价值。渔船渔港数据资源的整合、交换与共享，对推动渔船渔港综合管理改革以及提升渔船渔港信息化支撑能力具有重要意义。渔船渔港信息化系统的全面推广和成熟应用，为渔船渔港科学化管理与研究提供了丰富的数据来源和坚实的技术基础。针对渔船渔港现有信息系统建设部署分散，且系统间尚未实现业务协同和数据对接，导致渔船渔港数据资源无法共享，无法实现数据资源价值的最大化的问题，本文以渔船渔港信息资源整合配置与渔业安全生产联动指挥需求为背景，基于数据分类、共享标准、交互模式、模型构建等方法，对数据资源结构、共享元数据标准和信息交互模式展开研究，为渔船渔港综合管理中各个环节的数据特征描述和共享交换模式提供标准化依据，实现渔船渔港数据资源共享，形成安全稳定的信息传递方式，全面提升渔船渔港科学管理与信息化技术应用水平。本研究提出渔船渔港信息交互模型，充分挖掘渔船渔港数据资源的潜在价值，并对数据共享标准和信息交互模式等技术规范进行介绍，同时对该模型应用及推广进行了布局规划。

农业机器人是农业现代化发展中的一项重要组成部分，计算机视觉技术通过对作物和环境的感知与解析，有效促进其在农业领域的落地与应用。但由于农业场景的复杂性、多样性，当前先进计算机视觉方法所需要的详细且注释的大规模图像数据集在农业领域十分稀缺，这也是阻碍计算机视觉技术在农业领域发展的一个主要瓶颈。针对这一痛点，该文提供了一个可用于图像语义分割、图像实例分割、目标检测任务的大规模番茄图像数据集。该数据集由两部分组成，分别为合成部分和经验部分。其中合成部分使用Wageningen大学等人提出的数据合成方法，生成3250张合成番茄图像以及对应的像素级别语义分割标签图；经验部分由RGB相机拍摄的750张单目图像和400张双目图像构成，并人工对它们部分进行了包括实例分割、目标检测等在内的精细标注。研究旨在从多个角度丰富该数据集，包括数据集的大小、标注信息的多维度、场景的复杂性等方面，为今后利用计算机视觉技术解决农业领域问题提供数据基础。

品种参数调试是利用作物生长模型进行模拟前的重要步骤，其调试往往花费大量时间和精力，敏感性分析可以帮助识别敏感参数，提高调试效率。本研究针对水稻生长模型RiceGrow，运用SimLab和MATLAB软件，采用EFAST法对水稻品种参数进行敏感性分析，得出不同地区和不同气候情景下（1981-2015年的历史气象数据和全球未来增温2.0℃气候情景）该模型的参数敏感性，并通过TDCC（Top-Down-Coefficient of Concordance）系数计算敏感性排序一致性。结果表明，影响开花期和总干物质量的最敏感参数为最适温度（OT，Optimum Temperature），其次为温度敏感性（TS，Temperature Sensitivity）、光周期敏感性（PS，Photoperiod Sensitivity）、基本早熟性（IE，Intrinsic Earliness），对成熟期和全生育期的最敏感参数为OT，TS、IE、PS、基本灌浆因子（BFF，Basic Filling Factor）也是敏感参数，影响产量的敏感参数主要为最大光合速率（AMX，Maximum CO₂ assimilation rate）、比叶面积（SLA，Specific Leaf Area）、收获指数（HI，Harvest Index），其次包括IE、TS、BFF、OT、PS；各个地区和不同气候情景下敏感参数较为一致但敏感性排序差异较大，增温气候情景下的多数参数敏感指数略有增加，少数略有减小；不同气候情景下的参数敏感性变化较小，不同地区之间的变化较大。在对生育期和总干物质量输出变量进行调参时，需要重点调试OT；在低温高纬度的地区需重点调试和温度、光周期及光合有关的参数；在对产量进行调参时，需要重点关注AMX、HI、SLA。LAI相对生长速率和消光系数不敏感，可在参数调试中忽略，也可在模型中剔除进行模型简化。研究结果将为作物模型的本地化、提高参数估计效率提供支持。

作物生长模型是评估作物生产、资源利用及气候变化影响等的有效工具，准确地确定作物模型参数是应用模型的关键。WheatSM（Wheat Growth and Development Simulation Model）模型已在作物生产优化管理上得到一定的应用，并取得较好的效果，但由于该模型参数较多，模型参数调试复杂。为了快速、准确地确定WheatSM模型参数，简化该模型的调参工作，促进其在农业气象领域中广泛应用，本研究在国内外作物模型参数自动调节方法的基础上，基于PEST（Parameter Estimation）方法构建了WheatSM模型参数的自动调节耦合系统，并对WheatSM模型的发育期和产量参数进行了自动寻优。选择北京上庄作为代表性试验点，以试验点的气象数据、土壤数据和2014~2016年冬小麦不同播期试验数据为基础，应用PEST参数自动优化方法和试错法分别对小麦生长模型WheatSM发育期参数和产量参数进行调试，并将优化结果和试错法的模拟结果进行比较。研究结果表明，基于PEST方法的模型参数调节精准度较高，模拟发育期的误差不大于7天，模拟产量的误差不大于228.63kg·hm^-2。同时，与试错法相比，PEST方法具有耗时少、可同时批量处理数据、更高效快捷等优点，使用该自动调参系统可减少参数率定的工作量，节省模型的操作时间，简化工作的复杂度和获得较高的模拟精度。该研究为WheatSM模型参数的自动优化提供一种便捷方法，为提高作物模型参数调试的效率和准确性提供了理论参考和指导。

在国家政策支持的大背景下，快速发展的信息技术与农业深度融合，物联网、人工智能、云计算、大数据等新技术在农业生产领域均得到了大量应用。经过近十年的发展，形成了农业物联网监测为主、智能诊断为辅的各种农业信息化应平台。这些平台的示范应用促进了传统农业的现代化转变进程，但仍需将功能需求进一步整合完善，以促进农业生产全过程的智能化监控与精细化管理。为提升大田作物生产整体性信息化水平，本研究综合运用农业物联网、智能控制、决策模型、大数据挖掘等信息技术，集成大田作物的物联网环境感知、氮肥决策、农情遥感服务、水氮智能管理、虫害监测预警、产品溯源、农技推广、大数据平台八大业务系统，构建了大田作物智慧生产综合服务平台。该平台的应用示范表明，其信息服务内容丰富，满足了不同用户对农业生产相关数据服务的需求，提升了大田作物生产过程的精准化管理，推动了现代信息技术在大田作物智慧生产中的综合应用水平。

叶面积指数（leaf area index，LAI）是表征作物生长信息的重要参数，利用无人机遥感平台获取农作物光谱信息定量反演LAI对精确监测作物生长情况具有重要意义。本文以玉米为研究对象，利用无人机（unmanned aerial vehicle，UAV）搭载MicaSense RedEdge-M多光谱成像仪获取玉米拔节期、抽雄期、成熟期等关键生育期内低空遥感影像，同步采集地面LAI，基于多光谱信息构建植被指数并研究其与LAI的定量关系，进一步建立玉米LAI估算模型，对比分析筛选最优植被指数与最适监测时期。实验发现在拔节期、抽雄期、成熟期玉米LAI与NDVI、OSAVI、EVI、NDRE均具有较好的相关性；在不同时期分别基于OSAVI、NDRE、NDRE建立了LAI监测模型，模型监测精度分别为0.549、0.753、0.733；验证模型精度分别为0.907、0.932、0.926，模型估算值与田间实测值间相对误差分别为8.57、8.37、9.24，均方根误差分别为0.104、0.087、0.091；基于不同生育时期LAI估算模型进行田块尺度的LAI空间分布制图，估算值与实测值的决定系数分别为0.883、0.931、0.867；相对误差分别为：9.17、8.86、9.32。结果表明基于MicaSense RedEdge-M多光谱成像仪能有效估算玉米关键生育时期LAI，可为定量实时估算田块尺度的玉米LAI提供理论依据。

科学数据是信息时代最基本、最活跃的科技资源，科学数据共享是发展的必然趋势，实施科学数据共享可以节约社会资源，避免重复的劳动，还可以对现有的科学研究进行验证，具有重要的现实意义和迫切的社会需求。知识产权保护作为科学数据共享的前提，对促进科学数据的有序利用、为科技发展提供源源不断的创新发挥着十分重要的作用，是实现科学数据共享急切需要解决的根本问题。本文主要采用文献调研、对比分析等方法，对近年来国内外关于科学数据、知识产权主题相关文献进行分析，在总结我国科学数据共享的知识产权保护现状的基础上，挖掘科学数据共享和知识产权的关系，提炼出当前科学数据共享面临的知识产权保护存在的主要问题：数据产权以及归属的认定是科学数据共享应用权益分配的依据，目前，我国科学数据产权归属不清晰，缺乏公认的产权解决方案，缺少统一的政策引导、知识产权保护意识薄弱以及科学数据出版动力不足等。针对这些问题，提出了关于科学数据共享的知识产权保护对策：明晰科学数据产权归属、平衡各方主体利益；建立政府引导机制、全面发挥政府作用；推动科学数据出版、规范科学数据引用；创新科学数据共享的知识产权保护技术支持。以期构建良好的数据共享环境，保护数据生产者合法权益。

渔船转移是海洋渔船日常管理过程中的一项关键业务，也是所有渔船管理业务中涉及流程最多、数据传递量最大的业务，通过对大量渔船历史转移数据进行处理分析，可挖掘出与渔船转移活动相关的潜在决定性因子，对保障渔民经济利益和制定渔船管理政策等活动具有重要意义。本文基于中国渔政管理指挥系统中的渔船基础数据和渔船转移数据，并以浙江省为典型案例，选取2018年1月至2020年7月共计5641条渔船的历史转移业务数据进行数值化处理。采用梯度提升迭代决策树（GBDT）算法进行分类器逐级迭代，给出了特征分类结果与模型训练集，并最终构建了渔船被交易潜在可能性的单决策树和多决策树模型。通过模型中船龄、船长、船体材质、作业类型等渔船基本参数的权重，分析了渔民购置渔船的倾向性。结果表明：不同类型的渔船，被购置的可能性存在较大的差异，大船长、大吨位、高船龄、拖网及张网作业类型是渔船发生转移的重要决定因子。对比各项特征损失函数计算得到的损失值大小，20年船龄、大中型船长等特征的损失值比其他特征损失值小15%以上，意味着使用所选特征进行计算的分类识别率更高。本研究通过定量化分析渔民购置渔船的倾向性，可在渔船转移过程中最大化保障渔民的经济利益，同时可对渔船管理政策的制定起到辅助决策作用。

茶叶生产加工过程中具有危害物种类多、信息利用率低、数据多源异构等特点，而传统的茶叶质量监管追溯系统存在着茶叶品控数据易被篡改伪造、数据来源可信性难以保证、企业隐私无法保障等问题。为增强茶叶品控管理，提升茶叶品控信息可信度，基于区块链和边缘智能技术，设计了基于边缘智能的茶叶可信品控系统架构。此系统包括数据感知层、边缘层、存储层和应用层，首先使用智能装备和物联网技术进行机械化作业和自动化获取茶叶品控数据，接着利用边缘计算设备的网络、计算、存储资源，在靠近数据源的边缘端部署多种人工智能算法检测数据的真实性。以Hyperledger Fabric开源框架作为区块链平台构建可信存储服务，以MySQL作为链下数据库，对关键数据进行分级加密后存入区块链网络和链下数据库中，通过信息摘要上链存储的方式保证链下数据的不可篡改性，实现链上链下双模可信存储方式。最后，研发基于边缘智能的茶叶可信品控系统，采用Web端与移动端相结合的方式，为企业、监管部门、消费者提供信息智能化获取、全流程管理和可信溯源等服务。本系统可为监管部门提供茶叶品控信息实时验证服务，便于其开展监管工作。此外，同时兼顾了企业保护隐私数据的需要和消费者对于公开可信茶叶溯源数据的需求，保证了消费者的知情权，增加其对产品质量的信任度。

随着信息技术不断的普及，畜牧业信息化也得到了较快的发展。安徽是生猪养殖大省，生猪产业在本省畜牧产业中占到了很大的比重，从全国来看，安徽的生猪养殖也占据着不可估量的地位。安徽本地猪品种多、肉质鲜美、营养价值高，但是其生长周期长且安徽的生猪养殖大多以小规模和中规模养殖为主，这就导致了饲养安徽本地品种猪的人工成本较高，饲养数量较少，本地猪种的数量逐渐减少。针对安徽本地猪品种生长周期长、小规模养殖人工成本高等问题，开发了生猪养殖信息化管理平台，实现贯穿生猪养殖全过程的信息智慧管理。平台采用B/S的架构，分为视图层、逻辑业务层和数据层三个层面，具备公猪母猪事件、仔猪育肥猪事件、猪场兽医、统计分析等8个功能事件，融合了移动终端与web端，贴近生产要求设计了合理的数据库结构。便捷了小规模的用户使用，最大程度的降低了生猪饲养的人工成本，提升了生猪养殖的智能化、标准化、信息化程度。试用结果表明，该生猪养殖信息化管理平台可以为小规模的生猪养殖提供高效全面的信息化管理，降低生产成本，同时能够对生产数据进行动态监测并提供科学的决策。