摘要：[目的]蛋鸡产业的高质量发展在我国建设现代化产业体系和全面实现乡村振兴的过程中发挥着重要作用,针对当前蛋鸡产业内部数据资源利用率低、信息化水平不高等问题,构建了蛋鸡产业综合监管大数据平台。[方法]以北京市良种蛋鸡产业集群为研究对象,设计了面向蛋鸡产业综合监管大数据平台的总体架构和逻辑功能,阐明了数据抓取与融合、产销智能推荐方法、产品溯源技术和粪污还田利用计算方法等关键技术,采用主流的服务框架和开源软件系统,设计基于MongoDB、PostgreSQL和PostGIS的混合存储模式,研发北京市蛋鸡产业综合监管大数据平台。[结果]典型应用场景分析表明,该平台能够满足产业动态监管、产业运行分析、产品质量溯源、产销对接匹配、粪污资源化利用等核心应用需求,完善贯通蛋鸡产业链信息化服务,强化产品追溯和产销服务,实现全产业链信息化闭环管理。[结论]该平台可有效提升北京蛋鸡产业集群的综合监管能力,为蛋鸡产业高质量发展提供便捷、高效、智能的信息技术工具。

摘要：【目的】作物组学研究是农业作物科学发展的未来研究趋势,在数据密集型科学研究背景下,作物组学数据存在数据量大、来源多、结构复杂的特点,对多源异构作物组学数据的融合有利于优质作物种质资源的挖掘,助力农业科技发展。【方法】运用文献调查和网络数据收集法,对当前作物组学数据的分布和数据组织结构进行了分析,得出了多组学数据资源的主要特征;以高粱为例通过语义分析和文献查询方法,优化设计得到新的高粱多组学数据标准元数据,并开发脚本实现了不同数据库元数据到标准元数据的映射和转换,基于元数据实现了对多源数据的融合;通过整合mapping、变异分析、DEG计算等多种生物信息学方法,实现了对异构组学数据的融合。【结果】形成了高粱多源异构组学数据融合方法,能够实现对NCBI、EMBL、PlantGDB、国家农业科学数据中心等数据库中基因组、转录组、代谢组、表型组数据的融合。【局限】需进行数据源、标准元数据的针对性开发,以满足在其它作物中推广的实际需求。【结论】本文基于元数据和生物信息学方法,开发得到了作物多源异构组学数据的融合方法,具有普适性,可在其它作物品种中推广应用。

摘要：针对植物病害识别模型结构复杂且依赖于人为设计网络结构等问题,通过神经网络结构搜索(NAS),提出一种基于队列分块的神经网络结构搜索方法(NNSS),可实现超轻量级高精度植物叶片图像识别模型的自动构建。首先将12种在经济和环境下有益的植物共计22类植物叶片图像作为训练样本,利用模糊c均值聚类(FCM)算法分割植物叶片的感染点,以获得叶片受关注的区域信息;通过图像像素的灰度空间相关性,采用快速灰度共生矩阵(FGLCM)算法提取6类受关注区域的纹理特征信息,获得的特征向量运用主成分变换选择重要特征;提出队列分块的局部搜索空间构造方法,将特征信息通过自动构建的模型进行分类。结果表明,NNSS方法取得了98.33%的准确率,特异性和灵敏性表现最优。相比于AlexNet、GoogLeNet、InceptionV3和VGGNet-16模型,改进VGG-INCEP16模型的性能得到进一步提升,但仍低于NNSS方法,这是由于该方法能结合数据集搜索合适的网络结构,对比次优VGG-INCEP16模型准确率至少提高了2.1%。研究结果显示,NNSS方法能够实现准确识别植物病害,对于神经网络模型结构自动搜索的未来具有较高的实际应用价值。

摘要：目前自然资源的监测问题基本上被视为工程问题,在具体实施过程中,由于缺乏坚实的科学理论指导,自然资源监测的效率和效果受到影响,因此为其提供理论指导和实施方法论具有十分重要的意义。自然资源监测的过程可以分为资源监测样地设置、监测指标体系设置和信息采集方案制定、测定监测指标分析、综合分析评价资源总体及其动态几个阶段。以数据科学视角审视自然资源的监测过程,实际上就是自然资源对象实体的确定、数据获取、特征选取、数据分析和数据决策的数据科学过程。因此,用数据科学理论分析和指导自然资源监测过程,可以提高自然资源监测的效率与效果。以数据科学理论为指导,以自然资源监测体系为研究对象,通过具体分析自然资源监测过程,剖析目前监测中存在的问题,提出了今后自然资源监测体系实践过程中应该注意的问题。最后,从资源监测体系的目标构建、技术路线设计到重点内容的确定等方面,给出了具体的建议。

摘要：建立我国农业的长期监测网络和观测数据汇聚管理平台具有重要的意义。本文结合近年来国家农业科学数据中心的建设实践,系统梳理了我国农业长期监测网络的观测数据汇聚过程,给出了数据汇聚管理所涉及的标准规范,设计并实现了农业科学观测数据汇聚管理平台,该平台由农业观测数据采集与加工系统、农业观测数据挖掘分析与预警系统、农业观测数据汇交系统、农业观测数据长期保存系统、农业观测数据共享服务系统组成,具有农业科学观测数据的长期保存、数据共享服务、数据分析挖掘应用等三个方面的功能,平台的初步应用实践表明,平台结构和功能设计合理,为农业科学研究、农业宏观管理决策提供了坚实的数据支撑,平台对同类研究和应用具有一定的借鉴意义和指导作用。

摘要：在第四范式视角下大数据科学飞速发展的今天,农业科学观测工作网络化发展对于推动区域乃至全球农业系统科学知识的发现和应用的作用正在日益凸显。因此,欧美发达国家乃至全球性国际组织纷纷建设或升级了一大批农业系统观测网络体系,实践证明,以多时间空间尺度、多农业科学观测实验站联合、跨观测专业领域集成为鲜明特征的农业科学观测网络有效建立了“决策—咨询—执行”运行制度体系,供给了一大批高质量的农业科学观测数据及产出,有力支撑了各类研究计划的实施,在服务农业管理科学决策、促进环境可持续发展等领域发挥了积极而富有成效的推动作用。本文阐述了农业科学观测工作网络化发展的历史进程,分析归纳了三类国际农业观测工作网络化发展典型模式、总结了网络化发展突出特征和趋势以及对我国农业科学观测网络化发展的启示。国际农业观测工作网络化近180年的发展历史显示:面对复杂因素驱动的农业系统变化,农业科学观测网络要把握好顶层设计、标准规范和数据开放三大关键举措,适应联网整合、领域融合、尺度拓展以及新技术体系融合的总体发展趋势,发展多学科交叉、国际合作的研究平台,加快我国农业科学观测工作网络化发展进程,拓展国内外合作研究,支撑国家乃至全球尺度观测研究科技需求。

摘要：南繁育种基地是我国农业育种的“加速器”,其战略地位十分重要。为了提高南繁育种基地农业数据采集效率、加强农田管理能力、满足大规模作物育种需求,亟需建设基于物联网的基地智慧管理平台。以海南省三亚市坡田洋基地为对象,开发了南繁育种基地物联网智慧管理平台。该平台部署传感器、视频监控、智慧灌溉等设备,开发了作物气象与土壤环境感知、视频监测、虫情监测等五大功能模块,可实时监测田间气象、土壤、虫情、孢子等环境信息以及作物生长状况,实现数据自动采集与智慧精准灌溉。平台的实时感知与智能预警功能,能够实现育种环境的远程监测与调控,为育种家提供智慧决策;通过智慧化获取作物表型信息,为育种家提供大量实验素材,显著提高育种工作的效率与精准度,为大规模田间作物育种提供技术支撑。在未来,依托人工智能、机器人和无人机等现代技术,以作物表型数据智慧化获取代替人工表型测量,以作物加代繁育智慧化管理代替人工管理,以优良品种的智慧化评估与筛选代替经验丰富的育种家,实现南繁育种基地的天空地一体化,助力大规模田间育种的智慧化数字化发展。

摘要：随着物联网、大数据等新一代信息技术和生态系统与生物多样性监测领域的深度融合,持续汇聚的海量、多源异构、多模态时空大数据资源的高效管理与智能应用具有重要意义。以南岭森林生态系统国家野外科学观测研究站(简称“南岭国家站”)积累的时空监测大数据为研究对象,设计了面向森林生态系统与生物多样性监测的时空信息微服务架构,阐明了微服务划分与封装、数据抽取方法等关键技术,研发了南岭国家站生态系统与生物多样性监测时空数据管理平台,有效管理和分析了南岭国家站的时空大数据资源。测试与应用分析表明,森林生态系统与生物多样性监测时空信息微服务架构能够满足生态监测大数据高效管理的核心应用需求,提升了生态监测时空数据资源的科学管理效率,可为森林生态系统与生物多样性监测时空大数据管理提供有力的新工具。

摘要：随着多模态基础模型(大模型)的发展,如何高效地将其迁移到特定领域或任务中成为目前的热点、难点问题。该研究以多模态大模型CLIP为基础模型,使用参数高效微调方法Prompt、Adapter将CLIP迁移到枸杞虫害识别任务中,提出了用于枸杞虫害识别的跨模态参数高效微调模型D-PAG。D-PAG模型首先在CLIP编码器的输入层或隐层中嵌入了可学习的Prompt与Adapter,用于训练,学习虫害特征;然后利用门控单元将Prompt、Adapter集成到CLIP编码器网络中,平衡两者对特征提取的影响大小,在Adapter中设计了GCS-Adapter注意力用以加强跨模态语义信息融合。为了验证方法的有效性,在枸杞虫害数据集和细粒度数据集IP102上进行了实验。验证实验结果表明,在枸杞数据集上仅用20%样本数量训练便可达到98.8%的准确率,使用40%样本数量训练准确率达到了99.5%;在IP102上验证,准确率达到75.6%,与ViT持平。该方案可在少样本条件下,通过引入极少额外参数,将多模态大模型基础知识高效迁移到特定虫害识别领域,为高效使用大模型解决农业图像处理问题提供了新的技术方案。