植物表型组学通过集成自动化平台装备和信息化技术手段,获取多尺度、多生境、多源异构植物表型海量数据,形成植物表型组学大数据,从组学高度系统深入地挖掘“基因型-表型-环境型”内在关系、全面揭示特定生物性状的形成机制,将极大地促进功能基因组学、作物分子育种与高效栽培的进程。本文概括了植物表型组学大数据的发展背景、含义、产生过程和特点,系统综述了植物表型组学大数据研究进展,包括植物表型数据获取与解析、植物表型组大数据管理及建库技术、表型性状预测和基于表型组的多重组学分析的进展;从植物表型数据采集标准、多样化表型配套设施和低成本表型设备研发、开放共享植物表型组大数据平台构建、表型大数据融合与挖掘理论方法、植物表型组学协同共享和互作机制五个方面探讨了当前植物表型组学大数据研究与应用中面临的问题和挑战;最后从加强植物表型组技术体系设计与标准研究、植物表型-环境感知机理研究和智能化设备研发、植物表型组大数据建设以及人才队伍和协作网络建设四个方面提出具体建议。

生鲜农产品主要包括蔬菜、水果、肉、蛋、奶以及水产品等具有易腐易损性的生鲜初级产品，这些产品的鲜活程度决定了其自身的价值。2020年，突如其来的新冠疫情给居民生活造成了巨大影响，进而影响到了我国生鲜农产品行业发展的进程，同时对现存生鲜农产品供应链体系提出了新的挑战。通过调查分析了解到疫情期间生鲜农产品出现供需矛盾、供应链信息传递缓慢、供应商进货渠道变窄等消极现象，但同时也从中发现新的机遇，例如冷链物流呈现复苏态势、生鲜农产品供应链迎来新发展等。为进一步了解疫情期间生鲜农产品的运转情况，本文以问卷调查的形式，通过调查华中、华南等七大区域的500名消费者，从疫情期间消费者果蔬购买情况、果蔬质量问题以及果蔬行业未来发展三方面了解疫情发生以来果蔬供应体系发生的变化。研究得出：疫情期间各地均存在果蔬供求失衡的现象；购买果蔬时出现的质量问题较多；反映出我国生鲜产品供应体系存在的不足。基于此，从开展线上线下相融合的供应链模式、智慧物流供应链模式、战略联盟型农产品供应链模式、基于消费需求的农产品供应链模式四个方面提出未来生鲜农产品供应链体系的发展方向，保证了生鲜农产品行业在疫情常态化防控背景下能够正常有序的发展。

区块链技术和比特币在2008年相伴而生，但随着各界对其研究与应用不断深入，区块链技术已经开始独立于加密数字货币，发展成为一个新的研究领域。区块链技术利用密码学原理、分布式数据存储技术、点对点网络及共识机制构建的分布式账本为解决多方合作过程中的信任、隐私、数据差异等问题带来了契机。诸多产业领域如金融、政务、医疗、城市建设等均开始应用区块链技术。当前，随着区块链技术的应用与推广，区块链技术也遇到了诸如扩展性、安全性、监管难等方面的挑战，催生了各界围绕区块链技术的各个方面及相关的密码学技术不断进行创新研究或引入新技术进行补充。本文结合当前学界及产业界的研究及应用情况，总结了区块链技术的五层基础体系架构，即数据层、网络层、共识层、合约层及应用层，并综述了该架构中各个层次的原理与技术。在此基础上，进一步介绍了针对区块链与传统网络结合、区块链技术自身以及相关密码学技术的各种典型的扩展技术，并讨论这些技术对区块链技术带来的影响。最后，结合区块链技术当前的发展现状，分析了其在研究应用中面临的挑战及其未来的发展方向，以期为未来的研究工作带来启发与借鉴。

农业大数据已成为现代农业新型资源要素,也是重要的农业科技创新方向,不仅促进现代农业的生产、经营、管理和服务,而且还耦合催化三产融合。欧美发达国家特别注重农业大数据在现代农业中的作用,我国农业大数据的研究与应用也发展较快,农业数据具有涉及领域广、跨越周期长、采集难度大、处理较为繁杂的特点,因此系统梳理农业大数据应用进展,进一步明确未来发展方向,对我国农业大数据的研究和应用具有重要意义。本文通过文献调研并结合相关科研实践,对比分析了不同学者对农业大数据的定义,阐述了农业大数据的概念和内涵,系统综述了近年来农业大数据在管理与政策、工程与应用、技术与架构等方面的应用进展。最后,根据我国农业大数据发展的现状,指出平台与数据、需求与应用、交易与共享等农业大数据未来发展需要特别关注的三个方面,为进一步促进我国农业大数据领域发展提供建议。

大数据技术已经成为农业向智能化发展的重要推动力。新疆生产建设兵团在农业集约化程度、规模化水平、农机装备发展、现代农业技术应用等方面一直处于全国领先水平，形成了具有地域特色的现代植棉体系。面对兵团棉花生产领域多年来积累的海量数据，如何应用大数据技术进一步提升棉花生产的智能化水平，实现棉花全产业链的健康高效可持续发展，是信息化时代加强和提升兵团屯垦戍边能力的关键问题。为了促进兵团棉花生产农业大数据产、学、研一体发展，针对兵团特有的现代化植棉体系，从农业资源、农情监测、生产管理、农机调度、市场预测五个维度出发，基于成熟的大数据存储和分析系统框架，构建了从下到上由数据层、模型层、系统层和应用层组成的我国首个覆盖棉花生产全产业链的单品大数据平台。建成后该平台拟向全疆参与棉花生产和管理的潜在用户提供棉花生产农业大数据综合管理和共享、棉花生产遥感监测、棉花生产农机作业监控与运维、棉花生产种业生产管理、棉花生产水、肥、药智能决策、棉花产品质量追溯及棉花市场预警预测服务。最后，本文针对平台研发和构建过程中在数据共享、模型升级和服务模式方面遇到的问题进行了分析，并提出了建议，以期为我国农业大数据资源共享和平台建设提供参考。

在国家推动乡村振兴战略背景下,农业大数据已成为农业研究与应用的热点。本论文结合大数据的基本内涵和特征,介绍了农业大数据发展的战略意义,分析了农业大数据的基本概念及其包容性的典型特征,概括了农业大数据的获取途径,阐述了农业大数据平台应用体系和关键技术,并从农业决策、智慧生产、市场匹配、农业气象、食品安全等维度对农业大数据的应用进行探讨;最后总结了当前农业大数据面临的困难,为农业大数据的创新发展奠定基础。

深度学习是本世纪出现的新一代机器学习技术,深度学习技术的发展与应用对现代自然语言处理技术产生了深远的影响。本文讨论了自然语言处理技术在深度学习技术的推动下所取得的主要进展,以及近几年自然语言处理领域出现的新的技术产品和经典案例,特别分析并阐述了深度学习在文本词向量构建、磁性标注与命名实体识别相结合用于词义消歧、卷及神经网络文本自动分类、主题提取及文本内容相关性计算等关键自然语言处理任务中所发挥的重要作用,并介绍了词向量技术在水稻知识领域的作用、农业领域专有命名实体识别以及农业文献内容相关性计算等实际应用案例,并剖析了了相关技术实现细节。最后本文展望了今后一个时期自然语言处理技术的发展方向,以及其在农业领域的应用前景,并阐明了自然语言处理技术对农业领域智能化应用不可或缺的意义。

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。

农业病虫害对农作物的产量和品质造成了严重的威胁，因此准确、高效地检测和识别病虫害是农业生产中的重要任务。本文介绍了一个综合的农业病虫害数据集，由农业虫害检测数据集、农业病害检测数据集、农业病害分类数据集和水稻表型分割数据集组成，包含55个类别、48576张，共4.14 GB的图像样本。从公开数据源和学术论文中收集和整理数据，保证了数据集的多样性和代表性。在数据的筛选、清洗和标注过程中，采用了严格的质量控制和验证措施，以确保数据集的准确性和可靠性。该数据集可用于农业病虫害识别和水稻表型鉴定等农业视觉任务，能够为农业病虫害研究提供有价值的资源，并促进农业生产的可持续发展。

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。

中国苹果种植面积和总产量居世界首位，但目前在果树光谱和图像数据采集研究中，多数集中在对受害苹果果实的光谱和图像数据采集，对苹果叶片病虫害数据采集的研究报道较少。本研究通过收集国家苹果资源圃中分别患有斑点落叶病、红蜘蛛虫害、白粉病3种不同病虫害的苹果叶片光谱反射率和图像数据，为苹果叶片在不同病虫害胁迫下进行有效识别提供数据基础，并为今后利用航空航天遥感进行大面积果树病虫害监测提供数据基础。

目的 研究不同品种甜樱桃需冷量，对比相同品种甜樱桃不同地区需冷量差异。 方法 2021—2022年应用犹他模型、7.2℃模型和0~7.2℃模型对辽宁省葫芦岛市地区栽培的佳红、红灯、明珠、美国大红、砂蜜豆和美早6个品种甜樱桃以及江西省抚州地区栽培的砂蜜豆、明珠、佳红和美早4个品种甜樱桃进行需冷量估算。 结果 葫芦岛地区供试的甜樱桃品种，犹他模型所估算需冷量范围介于469~564.5 C.U之间，0~7.2℃模型所估算需冷量范围介于334~442 h之间，7.2℃模型所估算需冷量范围介于710~1218 h之间；抚州地区供试的甜樱桃品种，犹他模型所估算需冷量范围介于261.5~525 C.U之间，0~7.2℃模型所估算需冷量范围介于98~301 h之间，7.2℃模型所估算需冷量范围介于105~328 h之间。 结论 两地区同品种甜樱桃需冷量存在较大的差异，犹他模型估算结果差值最小，初步判断较为适宜用于不同地区甜樱桃需冷量对比研究。

农业是我国的支柱产业，构建安全、可信、稳定、可溯源、信息共享、大吞吐量的农业供应链系统是实现我国农业信息化的必经之路。然而，我国农产品供应链中的信息通常存储在中心化的数据库和数据系统中，面临着管理能力弱、容易被窃取、篡改、删除和信息不一致等问题。基于上述问题，论文结合星际数据系统和智能合约技术，建立了面向农产品供应链中异构信息数据的高效抽取方法，实现含有农产品生产管理、运输记录、消费者信用管理、农户-消费者交易服务的大型异构信息事务日志的快速抽取，并将各类信息事务日志及交易记录分别存储至区块链和 IPFS 网络；提出了基于区块链智能合约的农产品供应链信息数据访问控制方法，结合基于IPFS 哈希寻址的访问方式，能够有效的保障不同的农业生产经营参与主体用户在各自的权限范围内访问数据；在此基础上，设计了一种基于区块链技术的农产品供应链数据管理系统，系统具备异构信息数据可信管理功能，可以确保整个供应链进行充分安全透明的可信任信息共享，促进农产品产销无缝衔接、推动农业转型升级、助力农民脱贫增收。

农产品全产业链管理需要大数据支撑。本文提出了一个全产业链大数据平台框架设计，包括数据指标体系、数据分析模型、模型对数据的安全和按需调用，实现了对农业单品全产业链数据的自动采集、动态更新、多源数据存储、数据治理，为产业链上相关主体提供及时的产业数据可视化分析、产业监测预警、产业智能分析报告，有效指导生产、加工、流通，促进生产和市场平稳运行，为促进产业平稳发展提供信息服务和数据支撑，也为同类农业全产业链大数据平台建设提供了经验借鉴。

随着农业生产、管理、经营和服务进入大数据时代，标准化工作的重要性日益体现。为了保障多种设备和仪器采集结果间的可比性、多源数据间的可兼容性、多类数据分析系统间的可集成性以及全球农业产品的质量、不同生产和经营过程之间的连贯性，都需要有相应的标准作为保障。本文综述了大数据科学领域和农业领域的国内外标准制定的现状，指出目前能够直接指导农业大数据发展的标准和规范较少，农业大数据领域标准缺乏，亟需开展标准体系框架研究，以保障和促进农业大数据应用的不断深入发展。本文借鉴了国际标准化组织/国际电工技术委员会提出的从部门视角、信息视角、计算视角、工程视角、技术视角等五个方面开展标准体系框架分析的方法，从信息视角和计算视角出发，分析了农业大数据标准化的需求，提出了农业大数据标准体系框架。该框架包含指导标准、通用标准和应用标准三个层次。其中，农业大数据指导标准是农业大数据标准制定和协调的依据，包括国家大数据相关法律、法规、政策，以及大数据相关国家标准；农业大数据通用标准包括4个类别的农业领域通用性的标准，即农业大数据基础标准、农业大数据采集处理标准、农业大数据管理标准和农业大数据共享服务标准；农业大数据应用标准是对农业要素和权属信息、农业生产过程、农业经营、农业管理等农业大数据全过程中的特定环节制定的标准规范。农业大数据标准体系顶层设计工作是一项复杂而庞大的系统工程，需要多部门、多学科人员参与，是农业大数据领域的未来工作重点。

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。

科学数据中心是科学数据管理的重要载体，是科学数据汇集、管理、开放共享和长期保存的重要基础设施。一个完善的国家科学数据中心体系将成为科技创新的重要动力源泉。目前，世界主要发达国家普遍将国家科学数据中心建设作为科学数据管理的重要手段，通过成立从事科学数据管理和共享服务的专门机构，将公共财政支持产生的科学数据通过统一渠道和规则进行汇交、管理和开放共享，支持在本领域形成世界知名科学数据中心，为本国科技、经济和社会发展等带来显著效益。本文分析了国外发达国家开展科学数据中心建设的先进经验和做法，对我国科学数据中心建设的发展状况、成效以及与发达国家相比存在的问题进行了研究分析，针对我国国家科学数据中心的建设与可持续发展，提出进一步加强科学数据资源向国家科学数据中心的汇聚整合，加强国家科学数据中心的科学数据管理和分析挖掘能力建设，以及加强国家科学数据中心的管理人员和人才队伍建设。同时提出进一步完善国家科学数据中心布局，提升国家科学数据中心影响力，以及加强国家科学数据中心的国内外交流与合作。

区块链由于其可信及不可篡改等技术特性天然适用于食品溯源系统，区块链技术在食品溯源领域的落地应用也越来越多。然而区块链在现有食品溯源系统的应用中，存在着食品溯源场景节点众多、区块链网络负载大、网络延时较长等问题。针对以上存在的问题，引入解释结构模型（Interpretative Structural Modeling， ISM）分层思想，对联盟区块链中常用的传统实用拜占庭容错（Practical Byzantine Fault Tolerance， PBFT）共识机制进行优化，以提升现有追溯系统性能。即通过区块链节点间的交易关系构建解释结构模型，对区块链共识节点进行分层，建立区块链共识节点分层体系，然后对分层后的区块链共识节点进一步进行分块，划分多个参与网络共识的子节点集群，再以多中心子节点集群分块进行PBFT共识。最后，共识中心节点将共识结果提交区块，实现总体共识。在来自于北京市农业农村局与北京市畜牧总站合作建立的智能禽舍及基于联盟区块链的智能鸡舍监控管理平台采集得到的食品追溯数据集上，经吞吐量和共识耗时实验验证，优化后的实用拜占庭容错共识算法实现了多中心子节点集群分层分块共识，解决了传统实用拜占庭容错算法中网络堵塞问题，减少了区块链网络广播资源浪费、降低了区块链共识通信成本，在保证了区块链共识安全的同时提升了食品溯源区块链网络通信和共识效率。

随着信息时代的快速发展,大数据成为推动人们生产和生活发生重大变革的关键技术,对于包括农业在内的各大领域的发展都起着非常重要的作用。而要想对大数据进行有效的分析和利用,并使其发挥最大价值,深度学习技术的研究和发展起着决定性的影响。在此背景下,本文对大数据深度学习系统领域的主要技术特征及其发展情况进行了详细介绍,包括深度学习模型（如CNN模型和RNN模型）、优化算法、大数据学习框架、硬件配置等方面。本文还对包括PyTorch在内的五种主流的深度学习框架的技术特征和发展历程分别进行了讲解,并对比了不同框架的长处和缺点。此外,本文还提到了大数据深度学习系统在农业领域的典型应用"基于大数据的葡萄叶片霜霉病预报系统",并以其关键步骤"葡萄叶片种类的分类识别过程"为例详细介绍了工作的原理,包括数据收集、样本特征提取、聚类算法、分类算法以及结果分析等过程。该系统运用大数据和深度学习技术,在检测和预防葡萄叶片霜霉病方面有着显著的效果。最后,本文还针对大数据深度学习系统目前的主要发展趋势,以及在农业领域的研究应用中所需注意的问题进行了介绍。到今天,大数据深度学习系统在包括农作物病虫害预测在内的农业数据分析领域发挥着日益重要的作用,并获得了广泛的应用。

农业供应链是我国现代农业市场体系建设中不可或缺的组成部分。建立现代化的农业供应链体系，对推进农村一二三产业融合发展、提高流通现代化水平、提升农业竞争力和国际话语权等具有重要意义。自加入WTO以来，我国农业高度开放，受到全球农业供应链的影响越来越大。加强农业供应链管理已成为学术界研究的热点，也是新冠肺炎疫情全球蔓延新形势下政府关切和管理调控的难点、农业生产经营者关注的焦点。我国在农业供应链管理研究方面起步晚，但近10年来发展较快。本文通过文献研究并结合相关科研实践，分析比较了不同方面对农业供应链的定义，阐述了农业供应链管理的概念和内涵，重点综述了农业供应链管理在理论研究、流通模式、风险管理和技术创新等方面的研究应用进展。最后，结合国内外新形势及我国实际，指出了突发事件下的农业供应链应急管理、经济全球化背景下农业供应链治理能力、绿色农业供应链体系构建及管理、智慧农业供应链的创新等有待继续深入研究的方向与热点问题，为促进我国农业供应链管理领域发展提供建议。

进入21世纪，数字农业成为未来农业的发展方向，促使传统农业的生产方式由粗放型向集约化、智能化、科学化发展。目前，世界各国将推进数字化作为实现农业创新发展的重要动能，在前沿技术研发、数据开放共享、人才培养等方面进行了前瞻性部署。美国、欧洲等世界发达国家都在大力发展大数据来推动现代农业变革，使其农业发展处于领先地位；我国政府高度重视大数据在经济社会发展中的作用，自2014年以来，在国家战略部署、863计划、国家自然基金等政策和项目支持下，农业基础数据、科研数据、单品种全产业链数据以及农产品监测预警平台建设方面均取得了较大的成绩。大数据作为数字农业的核心、关键要素和驱动力，是目前国内外研究的热点。黑龙江省是全国重要的商品粮基地，粮食产量和商品率均居全国首位，对国家粮食安全起到至关重要的作用，为更好发挥国家粮食“压舱石”和现代农业基地的优势，黑龙江省积极开展大数据在数字农业运用和示范，在大数据平台建设、农业监测预警、物联网建设、电商集群等方面取得了显著成效。本文结合数字农业和大数据的内涵，总结国内外大数据在数字农业中的应用现状，分析黑龙江省大数据在数字农业中应用存在的问题，并对大数据在数字农业中的应用进行展望，为大数据的在数字农业中的应用提供参考。

大数据指的是具有数据量大、实时性强、数据种类多、数据有价值4大特性的海量数据的集合。随着计算机科学和信息技术的快速发展，大数据在医疗健康领域已具有广泛应用。在国家大数据战略布局逐渐健全和“一带一路”的推广的背景下，中药资源产业亟待国际化发展的升级转型，将中药资源产业与大数据分析技术的融合可以有力的促使中医药相关产业的全面化发展和深入研究。中药资源大数据的全面发展越发成为中医药资源相关产业发展的重要驱动力之一。中药资源大数据主要包括中药资源种类数目、物种空间分布情况、资源蕴藏量、资源变化趋势、中药栽培与野生情况、收购量、需求量、供给量、中药材质量及中药传统应用知识等大量数据。这些数据的统筹分析对于中药资源产业的规划引导和整体布局具有重要影响。因此，及时掌握中药资源大数据的应用与发展现状，可以更好地为后续的研究和应用指引方向。本文从中药资源大数据的应用情况方面着手，综述了中药资源数据库、中药资源动态监测站的建设现状和中药资源大数据的研究进展。最后，本文针对在中药资源大数据发展中可能遇到的问题提出了建议，为中药资源产业可持续发展进行了科学的规划指导，为中医临床治疗中更加优质的疗效及中医药事业的发展奠定基础。

超短临精准的降水估计对农业生产、水文监测、洪涝减灾、大型活动、电力系统等方面具有重要意义。由于天气系统具有高度不确定性,传统基于物理模型和统计分析的气象方法在降水估计中难以满足高分辨率条件下的精度要求,如何提升超短临降水估计的精准性在研究和应用领域是极具挑战性的问题。本文提出了基于地形的加权随机森林(terrain-based weighted random forests, TWRF)方法用于雷达定量降水估计(quantitative precipitation estimation, QPE)。该方法可视为随机森林方法的推广,并在此基础上考虑了反射率垂直廓线(vertical profile of reflectivity, VPR)的特征重要性变化以及复杂地形区域降水的山岳抬升效应。对TWRF在中国杭州湾地区Z9571雷达45~100km覆盖范围内2014年6月份和7月份的降水过程上进行了实验验证,结果表明TWRF方法优于传统气象方法及随机森林方法,并表明利用整个VPR与基于地形的建模可以有效提升雷达QPE效果。

多尺度表型采集技术通过多种手段获取植物图像和光谱数据,进而基于各类计算机分析算法（如,计算机视觉和机器学习）进行表型分析,得到与产量、品质和抗逆等相关的性状信息,为作物遗传育种、栽培和农业生产提供高通量、大数据的技术支撑。小麦作为我国重要的粮食作物,其关键产量性状的全生育期量化分析有重要意义。本文详细介绍了部分重要的小麦产量相关性状,并通过使用经济型低空无人机对不同关键生育时期中的一些共同的产量性状进行了规模化采集。然后,基于无人机获取的可见光图像,通过第三方专业软件Pix4D完成了全试验田的拼接和三维点云重建,并通过自主开发的性状分析算法对一些重要产量性状和植被指数等完成了自动化分析。同时,针对18个不同的小麦基因型完成了关键生育时期的株高、植被指数、叶面积指数的提取。通过实例验证了基于经济型低空无人机开展小麦产量性状采集的有效方法和高通量分析技术。本研究对降低田间作物表型研究的门槛,促进我国各研究团队采用标准化表型数据采集,统一作物表型数据规范,以及推广使用开源软件自主开发自动化分析技术平台有重要意义。

数字经济是继农业经济、工业经济之后的一种新的经济社会发展形态，是当前引领全球经济增长的重要引擎之一。数字经济已经成为我国经济发展最为活跃的领域，是实现经济可持续发展的有效路径。农业是我国的基础性产业，数字农业是我国数字经济的重要组成部分，发展数字农业有利于实现农业生产的精准决策、精准指导，有利于提升农业产业竞争力，让全体农民共享数字经济发展红利。数字经济的关键生产要素是数字化的知识和信息，即数字资源。农业农村领域的数字资源，包括数据库数据、电子文件、图片、视频、网页、遥感影像等。目前我国农业农村信息化水平还不高，数字资源相对匮乏。农业农村数字资源存在着资源分散、标准不统一、缺乏覆盖全生命周期的数字资源管理体系等现实问题，有必要开展农业农村数字资源体系架构的研究与设计工作，从顶层视角建立相关标准和规范，对数字资源的组织形式进行改进和提升，构建农业农村数字资源的蓝图。本文分析了世界粮农组织及美国农业部关于农业农村数字资源主题分类情况，通过对覆盖农业农村数字资源的生命周期，包括规划、设计、采集、存储、处理、管理、服务和使用的全过程进行研究和设计，搭建起农业农村数字资源体系架构，重点对农业农村主题数据库架构进行了阐述，并提出了完善农业农村数字资源体系所要开展的重点建设任务和发展建议。

农业科学大数据指在农业科技活动中长期积累和整编的海量科学数据,它不仅直接反映一个国家的整体农业科技基础水平,而且影响着农业科技实力能否持续、稳定、长久地发展和提高,具有重要的保存和开发利用价值。在数据密集型科学研究形势下,农业科学大数据是支撑农业科技创新、发展现代农业的战略性、基础性资源,关系到国家的战略利益和国家安全。为推进农业科学大数据建设,促进数据共享与利用,本文通过文献调研法、网站调研法和对比分析法,综述了科学大数据发展战略和共享政策,对农业科学大数据建设与共享进展进行了总结分析,针对今后农业科学大数据的发展,从政策制定及执行、数据资源建设模式与资源整合、数据开放与出版等角度提出对策建议,以期为我国农业领域科学大数据的建设与共享提供借鉴。

渔业大数据已成为渔业绿色发展的重要资源要素,也是重要的渔业科技创新方向,不仅直接促进渔业的生产、经营、管理和服务,而且在渔业三产融合中发挥着举足轻重的作用。我国是世界第一水产养殖大国，我国也非常重视渔业大数据在现代渔业中的研究与应用发展。由于历史和现实原因，渔业数据具有资源途径多样、结构繁杂、质量参差不齐、应用范畴宽广，数据总体质量偏低的特点,因此系统梳理渔业大数据应用进展,进一步明确未来发展方向,对我国渔业大数据的研究和应用具有重要意义。本文通过文献调研并结合相关科研实践,对比分析了不同学者对渔业大数据的定义,阐述了渔业大数据的概念，介绍了其多种来源和主要特征,梳理了渔业大数据的管理与政策进展，重点关注了近年来渔业大数据在科学研究、养殖管理、资源调查、经济流通等方面的开发与应用，并结合工程实践，探索了渔业大数据的场景化应用。最后,根据我国渔业大数据发展的现状,指出问题与挑战,为进一步促进我国渔业大数据的发展提供建议。

科学数据是信息化时代重要的战略资源，高效管理和广泛流通是提升科学数据资源价值的关键途径。信息技术的快速发展和科技计划的大量投入促使科学数据资源数量日益激增，对信息时代的科学数据管理提出了更大的挑战。随着工业社会向信息社会的转变，国内外对科学数据管理的重视程度也在不断提高，各类数据管理机构和政府支撑部门通过建设数据集群、完善保障措施、优化发展理念、加大资助力度等方式，不断推动科学数据管理和共享走向成熟。本文通过综合调研国内外科学数据管理的理念、政策、实践及成果，分析总结了国际上科学数据管理的先进经验，对标我国同类研究中存在的问题与挑战，提出了未来一段时间内中国科学数据管理发展的方向和建议：(1)建议持续规范各类科学数据资源管理，完善保障机制，提升标准化程度；(2)建议加强对数据资源的深层次挖掘，实现从数据到信息、知识、智慧和决策的升华；(3)建议加强数据科学技术人才培养，从政府层面落实数据科学家计划，为科学数据管理提供人才支撑；(4)建议拓宽国际合作渠道，加强合作的力度和广度，提升现有国家科学数据中心的国际影响力，为我国数据科学发展建设提供战略指导，为信息化时代的综合国力提升凝聚核心竞争力。

科学数据是人类社会在科技活动中产生的数据、资料以及按照不同需求系统加工的数据产品和相关信息。科学数据在应用领域的综合性和数据本身的可复制性决定了数据资源的可共享特征，也证明要实现科学数据资源价值的最大化，就必须以数据的充分共享和综合运用为基本前提。随着社会的进步、时代的变迁和科技的发展，在畜牧业学科领域的研究成果也汇集了丰富的、系统的科学数据，精准的数据是科学研究的结晶与成就，也是新一轮科学研究的重要理论依据和基础。掌握大量权威的科学数据与经济数据就意味着掌控了科学发展与技术创新的资本，同时，作为科学数据的资源已不再局限于单一学科领域，而是显示了跨学科、跨领域交叉运用的综合性特征。新疆畜牧科技文献与经济数据资源共享平台的建设可为新疆实现畜产品安全、生态安全、资源安全与社会稳定提供重要的数据保障，同时也为畜牧业科技进步和科技创新提供科学的数据支撑，对促进新疆畜牧科技及交叉领域资源的高效配置与综合集成、提高新疆畜牧业自主创新能力、建设创新型畜牧业发展强区具有重要意义。本文对平台建设内容与创新部分进行了介绍，同时就平台下一步发展与努力方向进行说明。

在我国，蔬菜是除粮食作物外栽培面积最广、经济地位最重要的作物，已成为我国农业和农村经济发展的重要支柱型产业。其中，大白菜全年播种面积约4000万亩，约占全国蔬菜总播种面积的15%，是我国栽培面积最大的蔬菜作物。考虑到大白菜产量巨大、产地集中、规模化程度高、数据获取相对容易，本文以大白菜产业为研究对象，在分析产业链发展中市场信息不对称、规模化种植程度低、流通成本高、产业碎片化等系列现象和问题的基础上，规划了依托上下游数据资源，综合运用大数据、物联网、卫星遥感、人工智能等信息技术的蔬菜全产业链大数据平台总体架构，设计了基于生产、加工、消费、流通、监管和贸易等全产业链数据资源体系和大数据挖掘分析技术的监测预警、分析决策、公共服务和移动应用等功能和服务。其中，监测预警功能提供对面积、产量、价格、消费等关键指标信息的预警服务；分析决策功能提供品质评价和主题分析等决策服务；公共服务功能提供查询统计、监测报告、预警信息等数据增值服务；移动应用功能提供数据填报、信息查询、专家知识等基础服务。平台建设将打造蔬菜全产业链的数据、技术、应用和服务协同发展体系，全面提升蔬菜产业的数据资源掌控能力、技术应用支撑能力、产业价值发掘能力和宏观政策决策能力，推动蔬菜产业的科学、健康发展。

本文以柑橘产业链模型为基本框架，提出柑橘大数据的明确定义。针对柑橘产业链中，生产资料、种植运营、加工储运和市场营销四个主要环节，逐一分析其核心数据要素构成、数据获取途径和数据应用难点。系统阐释产品标准化、图像识别、气象预测、数据可视化和数字化溯源等典型数据科技在柑橘产业中的应用方法和现状。通过分析可口可乐、重庆柑橘大数据应用和赣南脐橙柑橘大数据综合应用的代表性案例，展示了大数据及其分析技术在当前柑橘产业的绿色生产、病虫害防治、丰产和提高果品商品率等方面发挥的重要作用。我国柑橘研究工作自2007年后进入快速发展阶段，在人才体系培养、基础研究和成果转化应用上都取得了长足进步，但对大数据和人工智能等新技术的应用研究尚处在萌芽阶段，南方重要产区也在积极探索柑橘数字化转型的可行性方案。作为产业升级和数字化转型的核心资源，柑橘大数据拥有广泛的应用场景和巨大的发展潜力，但也面临着科技普惠、数据共享、模型算法研发等诸多挑战，亟待丰富数据采集形式，拓宽数据流通渠道，创新数据价值变现。

论文提出了“新农产品”及其“拉式供应链”的理念，探讨了农产品供应链的四种主要模式，提出农产品供应链进入数字供应链时代；总结了数字农产品供应链的11个主要内容，将农产品供应链的数字化转型的本质概括为“一切业务数字化、一切数字业务化，一切业务用数字来说话”；对数字农产品供应链存在的问题进行了认真地剖析；探讨了数字农产品“拉式供应链”发展趋势，将其归纳为：“拉式供应链”趋势、规模化趋势、智能化趋势、社交化趋势、融合化趋势、国际化趋势、标准化趋势、绿色化趋势、特色化趋势、“网链化”趋势、品牌化趋势；提出了后疫情期数字农产品“拉式供应链”发展的政策建议，如：（1）确立“安全、健康、绿色、生态”理念；（2）继续为产区滞销农产品找市场；（3）继续为农产品消费提供新服务；（4）继续为贫困地区产业发展探索新路径；（5）继续为特色农产品跨境上行创新路径；（6）继续加快推进“拉式供应链”建设。并且精选出数字农合联的“平湖模式”、“数字农业基地建设”的阿里模式、“数字农场”的京东模式、拼多多分布式AI模式。

数据密集型科研已经成为大数据时代科学发展的新范式，科学数据开放共享已成科技界的普遍共识。在长期实践中，科学数据共享形成了以科学仪器、数据平台、数据出版、众包处理、数据交易等为典型代表的不同模式。与之对应，针对不同的领域和应用场景出现了种类繁多的解决方案，如仓储型、联邦服务型、数据分发型和按需计算与分析云服务型等。本文在对上述四类主流科学数据共享系统的服务内容、技术特征、应用场景与代表性系统分析比较的基础上，提出科学数据共享系统未来发展的的趋势，并以中国科学院战略性科技先导专项“地球大数据科学工程”研发的地球大数据云服务平台为典型案例，进行了深入的剖析。本文认为，未来的科学数据共享系统将围绕着科学数据全生命周期管理的需求，形成具备数据获取、存储、分发共享、计算分析、智能服务等功能于一体的融合型云服务系统，并将实现数据的FAIR化、智能关联和机器可理解，促进数据共享良性生态的形成。

随着生活水平的不断提高，生鲜农产品的质量安全已经成为人们密切关注的焦点问题。生鲜农产品追溯是食品质量安全保障中不可或缺的重要环节，同时也是提高消费者对产品信任度的有效措施。区块链以链式结构对数据信息进行分布式记录和分布式存储，通过利用加密算法、共识机制以及智能合约等技术为多方合作中出现的数据隐私与信任等问题提供了高效的解决方案。基于区块链技术的农产品追溯系统具有提高生产、加工、运输、销售过程的透明度和效率，增强数据可信度，体现数据可追溯性等优点，同时可以剔除农产品供应链中不必要的中间商，并且增强消费者对可追溯农产品的信心。本文介绍了区块链及其技术特点，分析了生鲜农产品从种植养殖、生产加工、物流运输和分销销售的整个供应链环节，提出了一种基于区块链和物联网设备的生鲜农产品可追溯性框架，并总结了区块链技术在果蔬追溯、畜禽肉类追溯和水产品追溯方面的应用进展，同时指出了现阶段区块链农产品溯源所存在的消费者对区块链接受度低、市场主体之间存在用户隐私与交易保密的顾虑和无法保证源头数据的真实性等关键性问题，最后结合区块链技术讨论了未来生鲜农产品追溯的发展方向，为促进生鲜农产品追溯的深入研究提供启发与借鉴。

【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。