农业大数据技术研究现状与发展趋势

【前言】农业大数据技术研究现状与发展趋势由文秘帮小编整理而成，但愿对你的学习工作带来帮助。1.1关于农业大数据清洗技术的研究分析 数据清洗技术的工作内容是找出并且改正数据中可识别的问题，降低问题的出现和不一致性，完成对象识别的过程，该工作的关键是利用相关的技术手段，比如数据统计、数据挖掘、预定义的数据清洗要求把脏数据转变成符合数据质量标准的...

摘要：我国是农业大国，农业生产在我国占有着重要的地位，农业大数据技术的研究与发展是保障我国农业健康发展的保障，因此，我们必须重视农业大数据技术的发展方向。该文对农业大数据技术的现状与动态进行了研究分析，从农业大数据清洗技术、农业大数据尺度转换技术、多源农业大数据融合技术、农业大数据关联分析和预测技术、农业大数据时空可视化技术、农业大数据应用方面进行了论述，同时对于农业大数据技术的发展方向进行了简单的讨论，希望通过该文的论述，可以帮助农业大数据技术更近一步的发展，为促进我国农业的整体发展提供相关的信息。

关键词：农业大数据技术；研究；分析；现状

中图分类号：TP311 文献标识码：A 文章编号：1009-3044（2017）14-0001-02

随着我国农业领域各项事业的不断发展，农业大数据技术所涉及范围也越来越广，特别是目前农业活动的各个环节不断的增多，其产生的数据数量也越来越多，因此，关于农业数据分析的相关需求也越来越多。农业大数据技术是指在农业数据研究中结合了地域性、季节性、多样性、周期性、以及农作物本身特性的数据集合，其数据的来源广泛、类型多样、结构复杂、有潜在的价值也很难利用，虽然我国的农业大数据技术还不是很成熟，但是我们必须对农业大数据技术的发展状况进行及时分析，建立完善的农业大数据技术体系，进一步促进我国的农业大数据技g发展。只有农业大数据技术得到了发展，才能够更好的应用到我国的农业经济领域中，才能够促进我国农业的整体发展，进一步促进我国其他相关领域的经济发展。

1农业大数据技术研究现状与动态分析

1.1关于农业大数据清洗技术的研究分析

数据清洗技术的工作内容是找出并且改正数据中可识别的问题，降低问题的出现和不一致性，完成对象识别的过程，该工作的关键是利用相关的技术手段，比如数据统计、数据挖掘、预定义的数据清洗要求把脏数据转变成符合数据质量标准的数据。数据清洗技术的研究分析主要有两个方面：第一，当传统的数据量比较少时，该种状况下的数据清洗方式的研究分析，这时完成任务的方式主要有四种，人为完成方式、程序完成方式、某类特殊领域的特定方法、与特殊领域无关的数据清洗，这几种方式主要应用于数据中重复信息的筛选和删除。第二，数据较多的情况下的数据清洗方法，比如在云计算环境中的相关处理方法；在数据数量庞大情况下的数据清洗技术基础结构模型和对其制约性的研究分析是我们的基础工作，不过现阶段该过程的相关研究仍处在研究的初期阶段，还没有更深一步的研究发展，与其相关的大数据清洗技术的报道也并没有出现。所以说，针对农业大数据清洗技术的研究分析特别的重要，我们需建立一个完整的大数据清洗技术体系，以便我们今后可以快速的得到干净、完整的数据集。

1.2关于农业大数据尺度转换技术的研究分析

农业大数据技术最为显著的一个特点就是它的时空特性，现阶段不论是在国内还是在国外，都采用的是时空插值法来完成与农业相关的电源数据的尺度转换工作，该部分的工作流程主要有两个环节：第一，采用普通Kriging方式完成改造和时空扩展，之后在具体实践中检测相关数据的具体数值，比较典型的例子如降雨量的时空分析、温度的时空预测，这种操作方式比较简单，但是当对某一特定领域的业务特色进行突显时，很难完成相关的工作，例如农作物所受灾害威胁的物候性，利用这一方法就很难对其进行准确的描述。第二，利用计算机程序语言，比如编程语言中的R语言构建与其有关的时空协方差函数模型完成时空变异建模的构建和相关插值的研究分析，根据我们目前的技术水平，主要有两种建模的方式，一是建立可以相互分离的建模模型，该种模型应用的是空间协方差函数、时间协方差函数，把它们两个进行相加或相乘；二是不能够分离的模型，该种模型的作用是完成对时空变量的变量信息的有效描述，已经成为工作的主要方向，但是，因为建模模型的构建十分复杂，全面的进行建模的应用还存在很长的路要走，我们必须等到有比较成熟的结果之后才能够应用到具体工作中。

1.3关于多源农业大数据融合技术的研究分析

农业大数据的数据融合技术是指把多个来源的不同观测数据在统一的要求标准下进行自动分析和继承处理的过程，最后得到某一个或者某一类的数据无法得到的有着重要意义价值的数据信息。该种技术在国际上的研究分析主要有两个方面：第一，语法层面的数据综合研究，该研究的内容主要包括数据格式转换的方式、在元数据上建立的数据集成方式、以往网络协议标准为基础的数据操作方式，这种技术比较传统，其缺点是其数据集成技术不能够适应农业时空数据的异构性、分布性、增长性、变化性等。第二，语义层面的数据综合研究，这一研究阶段的发展比较多成熟，它的延展性较好，对动态信息员也能够很好的适应，同时，它还支持语义级信息共享的特点，是对数据的集成、研究、分析的高效阶段。目前国内外对于农业本体的研究还处在发展的初级阶段，一些数据信息体系还不是很健全，相关的研究成果也并没有发现，因此，我们必须更深一步的研究农业时空大数据融合的本体建模，加快农业发展的脚步。

1.4关于农业大数据关联分析和预测技术研究分析

由于农业大数据的来源范围非常的广，数据的种类繁多、结构复杂，因此，采用数据关联分析和预测技术可以很好的分析农业大数据的内在价值，挖掘出对我们有用的信息。我们又把关联分析叫做关联挖掘，该过程是指在庞大的数据中找出其中的频率模式、关联性、相关性，以及其中存在的因果关系，我们通过对这些数据进行分析，发现某种现象出现时的规律和结构。目前，关于农业大数据关联分析和预测技术方面主要有两个方面：传统的关联分析算法的研究和云计算环境下数据的相关分析。传统的关联分析算法会多次反复的扫描全部的数据库信息，若数据库的信息数量较大，扫描时间和处理时间都会变长，同时，对计算机内存容量的要求也在逐渐提高，因此，在这种情况下，很多技术人员对算法进行了改进，提高了工作的效率和时间。而云计算环境下的数据计算方式，是为了促进数据时代的整体发展，比如我们对Boolean矩阵与Hadoop的高效Apriori算法的引用，结合Fp-tree和Mapreduce提出MFIM算法，对挖掘频繁项集进行相关研究。怎样利用农业数据的空间特点，构建出符合农业发展规律的预测方式和数据分析技术，真正的实现农业发展的需要，解决目前我国农业中所面临的难题。