|
0引言
大數據是結構復雜、內容多樣的海量數據，具有數據規模大、數據種類多、處理速度要求高、數據價值密度低等特征，對其處理遠遠超出了現有傳統的計算技術和信息系統的能力，因此，尋求有效的大數據處理技術、方法和手段已經成為當前的迫切需求。大數據技術是以新數據處理技術為手段，將不同格式、不同領域的大數據整合成標準統一的數據源，經研究、分析、挖掘后，為各行業提供有用的數據和知識。在2012年3月，美國政府正式啟動“大數據發展計劃”，旨在利用大數據技術在科學研究、環境、生物醫學等領域進行技術突破⑷。2013年，Mike Gautlieri提出了存儲過程訪問（SPA)框架，指出大數據是可用于支撐行業的高效運營、決策選擇、風險規避和服務用戶，具備高性能存儲、解析和使用所有數據的前沿領域技術。Aaron McKenna應用大數據分析技術，利用MapReduce架構嵌人基因分析工具集GATK來處理和分析DNA序列海量數據，取得了較好成效。2013年末，中國計算機學會(CCF)發布了《2013年中國大數據技術與產業發展白皮書》，介紹了大數據應用現狀并探討了大數據技術研究面臨的科學問題，針對大數據技術產業的發展提供了政策指導和研究建議。
隨著大數據相關技術的不斷突破、發展以及公眾對大數據的認識加深，大數據技術分析和處理現已成為各個領域的研究熱點，諸如商業、醫療行業、金融行業等，都取得了相當的研究成果，大數據的應用也在不斷的延伸。農業大數據技術已應用于農業信息領域，使用多粒度、多層次、多渠道的分析模型對龐大的數據總體進行挖掘分析，為農業信息技術帶來了革命性進展，促進了農業產業的整體進步。我國在農業信息化發展上需要統一規范數據標準，迫切需要解決科學施肥、水肥調控以及品種選擇、優化產業結構布局，并給出可靠專業的決策結果[8]。然而，農業生產周期長，影響因子復雜，而且在農業生產過程中涉及到育種、種植、培育、管理、收獲、儲藏、運輸以及農產品加工和銷售等各環節，其中蘊藏著大量農業信息動向及市場變化、農業科技發展等重要數據。采用大數據技術的手段與方法，可對采集到的影響農業生產過程的溫度、濕度、光照、水質狀況、氣象狀況、市場動態等信息進行挖掘、分析、應用，也包括跨行業、跨專業的數據分析與挖掘，從而有望縮短農業研究的周期，加速科研成果轉化推廣的進程，同時為農業生產在各個階段的精準管理和預測預警提供信息支持。例如，2012年，土壤抽樣分析服務商Solum通過使用大數據分析技術來確定化肥的投入量問題，幫助農民提高生產、降低成本。跨國農業生物技術公司Monsanto通過分析海量天氣數據來預測未來可能對農業生產造成破壞的各種天氣，農民可以根據這種預測來選擇相應的農業保險，以降低惡劣天氣對農業生產造成的影響。
農業是我國的基礎產業，為了實現精準農業、智慧農業、現代化農業，國內專家將大數據分析技術與農業緊密結合，取得了不錯的成效。楊鋒等人為解決海量農業數據在傳統分布式數據庫架構中資源效率不高及存儲能力不足的問題，提出基于Hadoop的大文件分塊存儲方法和海量農業數據資源檢索方法。該方法可為構建海量農業數據資源管理平臺提供支持，實現海量農業數據資源高效的組織和管理。而且，為了全面、及時地采集到農業數據，量子數聚(北京）科技有限公司搭建了一個農業大數據應用云平臺，對獲取到的復雜的多源化的農業數據進行處理，該平臺可整合國家權威機構發布的農業相關數據、共享數據，匯集政府、企業、社會三方數據，打破信息孤島，實現資源互聯互通，采集的涉農企業數據，可幫助用戶準確定位企業以及群體的地理分布。該平臺為科研機構、政府等農業管理者提供技術和決策支持，為農業從業者提供個性化的生產指導。
大數據技術擁有出色的數據分析挖掘能力，在各個領域都有廣泛的應用前景。目前能夠進行大數據挖掘、分析的工具和軟件很多，功能與使用方法也各有不同。本文分析了國內外大數據應用軟件，同時重點分析了大數據技術在農業領域的應用，并對大數據技術在農業領域的應用進行了展望。 |