种植业数据资源的分析介绍

4.1.1.1　种植业概述

种植业一直是农业最重要的组成部分，其特点是以土地为基本资源，结合农作物体内的生物化学反应转变，将太阳能源转化为农作物所需的能量，最终促成农产品的生成。

以植物产品作为食品的原材料都来源种植业，这同时也是人类生活所赖以生存的物质基础。种植业不仅是人类必不可缺的食物的最重要来源，同时还为各类工业，如纺织业、食品加工业等提供了基础原料，为渔业和畜牧业提供了动物所需的饲料。

在我国农业各部门中，种植业的占比最大，种植业中粮油作物的长期稳定发展决定着畜牧业、工业的发展和人民生活水平的提高，对整个国民经济的健康发展，国家的粮食安全，以及人民群众的生活改善都有重大意义。

当前，我国农业正逐步从传统农业转变到现代农业，在这个关键时期，推进种植业的现代化建设尤为重要，这需要种植业以信息化建设为基础，收集全国各地的种植业信息，通过大数据手段，了解种植业发展所需的条件、所要解决的问题，正确指引种植业的现代化发展，使种植业迈上新的高度，产生更大的效益。

4.1.1.2　种植业数据类型与特点

最近几年，种植业数据越来越受到重视，相应的数据采集也随之变得非常重要，这要依赖于种植业的信息化建设。通过收集我国种植业各方面的数据资源，汇集种植业的大数据，对我国的种植业进行全方位的诊断和分析。目前，种植业大数据的基本数据类型包括以下几类：

1）种植业类别及品种数据［1］

目前全国种植业按照种植区域和作物不同，划分为多个类别。地域方面主要包括东北地区、华北地区、长江中下游及华南地区等。

受到温度影响，东北地区四季分明，夏天光照时间长，但全年平均温度偏低，所以种植业多是一年一季，有代表性的农作物有玉米、大豆等。

受传统因素及居民习惯影响，华北地区全年温度偏高，特别是冬季温度比东北地区偏高，种植业也与东北地区具有一定差别，农作物多属一年两季或两年三季，比较有代表性的是小麦和棉花。

长江中下游及华南地区，全年温度比北方地区明显偏高，气候湿润，雨量充沛，种植业多是一年三季，比较有代表性的农作物是水稻、甘蔗。

种植业类别及品种数据主要包括区域气候特点（动态的温度、光照、湿度、风、降雨量等）数据，适宜种植的作物类型数据、品种类型数据以及病虫害发生信息数据等。

2）种植业生产环境数据

种植业数据还包括种植业的生产环境数据，如土地数据。土地信息包括农田环境信息，农田环境是一个复杂的生态系统，包含土壤、水分、温度、光照、空气等信息。同时，各地区气候、地理环境、气象条件都对种植业产生重要影响，是支持种植业品类生产的基础。生态系统的各个因素之间互相作用，形成相互关联的数据集。

种植业生产环境数据也有其固定的特点，相对其他行业来说，种植业对生态系统环境要求较高，而我国地域广阔，南北温差较大，土壤、水质、气候也是各具特色，各地区的环境对农作物的产量，品质都会产生重要影响。

除上述长期趋势外，由于各地区四季变化时间并不完全一致，所以对农作物的影响也不同，例如东北地区和华北地区的玉米成熟期就不同，季节变化导致种植业数据出现季节变化趋势。

此外，受到不定期的因素影响，如雨量变化、气候温度变化、季风气候变化等，也会影响农作物的产量。所以，种植业生产环境数据呈现出很明显的时间序列特点，各种因素综合影响农业发展。如果将这些影响作物生长发育的数据进行采集、挖掘，通过大数据分析，可对作物生产的中短期状况作出预判，从而指导农业生产。

3）种植业病虫害和自然灾害数据

自然灾害对种植业的影响重大，是种植业减产减收的最重要因素。自然灾害虽然是种植业所关联到的外部数据，但却是必不可少需要分析的数据，只有对历史自然灾害有全面深入的了解，分析自然灾害发生的周期规律和特点，才能在以后种植业生产中最大限度地减少因自然灾害对种植业造成的损失，提前对种植业的生产做出预警。

与病虫害做斗争一直是从事农业生产的主要任务之一，病虫害不仅影响农产品的产量，同时影响其质量。

自然灾害呈现出最明显的特点就是突发性，而且多是不可控的。干旱、洪涝、虫灾等对种植业的影响巨大，但面对上述灾害也并非全无良策。干旱、洪涝灾害多有一定周期性，而虫灾多是与上述灾害并期发生。将影响自然灾害的因素进行分析、汇集，利用大数据思维和方法对自然灾害进行中长期预测，可有效减轻或避免自然灾害对种植业的灾害影响。

4）生产灌溉数据(www.xing528.com)

种植业依赖于生产灌溉的实施。对生产灌溉数据的收集与分析，关系到种植业的健康生产，所以在种植业的信息化建设与数据收集时，要全面收集种植业相关的生产灌溉数据，如水库数量、分布、存水量、河流流量变化规律、地下水分布情况等，形成这方面特有的数据库。

受地域条件限制，我国各地区水量分布不均，种植业生产灌溉数据呈现很明显的地域特点，南方水量丰富，而北方水量偏少。同时，沿河和水库区域，灌溉量大，种植业发展较好，而偏远山区灌溉条件差，对种植业影响较大。通过对用水能力的分析，可改进种植模式或选择种植种类，普遍采用节水灌溉技术，特别是用水困难的山区。要围绕投入与产出比，用大数据思维来判断使用技术和种植模式，例如采用水肥一体化技术，多种植一些节水的经济作物或乔木经济树木等。

5）相关科技数据

科学技术是发展的动力与源泉，所以种植业的相关科技数据也非常值得收集和分析。种植业的相关科技数据包括种植业的品种研发信息、栽培技术改进信息、科技推广信息、病虫害流行规律以及防治信息、种植业的机械化智能化播种收割信息等。这些信息的优化程度直接影响种植业的经济效益，不仅科技是生产力，而且数据也是生产力。

4.1.1.3　种植业数据资源现状

目前，国外非常重视种植业数据的采集，很多国家都已经应用了数据库和相关数据技术来收集种植业数据，并进行科学分析，已经取得了比较明显的效果。近年来，我国也越来越重视种植业的数据采集工作，由农业部种植业管理司和农业部信息中心合作开发的农作物数据库，已经建设成功，农作物数据库中共收录了种植业相关的数十万条数据。

同时，种植业信息调度系统的建设也取得了显著成效。通过十几年的建设，种植业信息调度系统已实现了从部、到省、到市的三级种植业信息的网络报送及自动化处理功能。同时，该系统还继续延伸到有些省市的县市一级，建立了数百个种植业信息收集与网络。2012年，农业部通过该系统发布超过40多万条农情数据，这些数据也对各地方种植业的顺利发展提供了保障。

种植业中的全国植保信息也初步建成信息化网络体系。到2012年，国家建成了种植业相关的农作物重大虫害病情监控及指挥系统，建成了全国植物检疫计算器管理系统和全国病虫测报数据库，实现了对重大病虫害的监测数据、预警数据的智能化报送、智能化处理、可视化展示等，并进行及时发布。

肥料及相关管理数据的收集与完善。目前，测土、配方、施肥、水肥一体化等数据网络已经初步或正在建成。2012年底，国家已建成测土施肥平台，全国有2 000多个县建成土壤肥料实验室，覆盖全国的测土配方施肥，相关数据管理网络得到初步建立并投入使用，数据管理平台不断健全。为了对种植业相关的土壤、肥料等进行有效的管理，国家加强了土壤肥料监管及监测数据信息网点的建设。

4.1.1.4　种植业数据面临的问题

种植业的数据采集形成了种植业的大数据信息库，有了种植业信息化建设的基础，就可以全面分析和应用种植业的大数据。但在种植业信息化建设过程中，还存在一些急需解决的问题。

1）种植业数据信息化的规范建设

种植业数据的信息化建设工作是一项艰巨的工作，需要在信息化建设工作初始阶段，就要确定领导结构，明确工作分工，部署种植业数据信息化的全面建设工作。

同时要加强重视运用信息化应用的手段，不能仅强调计算机智能的作用而忽视以人为本的管理作用。信息化建设需要一个长期的过程，在此过程中，不能因种植业数据的不足而放弃分析管理工作。要发挥人的主观能动性和积极性，加强种植业数据信息系统的正常运行管理，做好种植业数据信息采集、数据存储、数据清理和数据应用工作，这样才能发挥种植业大数据的作用。

2）种植业数据的应用系统建设

近年来，以计算机技术和网络技术为基础，建立了种植业大数据的信息管理系统，在扩大信息化网络覆盖面的同时，还应根据实际需要，不断提升软硬件建设水平，信息系统安全管理水平，网络运行质量，同时提高信息化应用效率；加强信息化人才队伍建设，使种植业数据的应用能力不断提高。各地方要结合自身的实际情况，利用现代信息技术，改善传统的业务管理方式，为全面实现种植业的信息化建设及数据应用提供条件。

3）种植业数据的安全问题

在种植业数据信息化建设过程中，要加强种植业数据的安全保密措施，建立种植业信息网络的保密、数据密级分级及相关监督管理制度，实现种植业数据使用的保密审批制度，使审批程序规范化、法制化。同时要设置安全防范措施和备份措施，避免病毒侵扰和无法恢复。

种植业的数据需要严格的网络信息保密及审查制度，只有全面有效阻止了失密现象的存在，才能把种植业的大数据合理规划分析，防止内部存在的安全漏洞，造成数据的损失，为种植业大数据信息化系统的建设保驾护航。

4）种植业数据相关人员业务水平的提升问题

种植业数据相关人员的技术水平，是种植业数据能否得到充分利用的关键问题。要在不断强化信息化建设的同时，着力培养数据分析人员的业务能力。通过培养、培训、经验交流等方式提高业务人员的素质与能力，最终承担起提升种植业大数据的利用能力，为种植业的健康发展助力。

当前，种植业是以市场需求为导向，以数据支撑的信息技术为依托，这将极大改变我国传统种植业的个体化、经验化等问题。种植业大数据技术在种植业中的不断应用是实现我国种植业可持续健康发展的坚实基础。以种植业大数据应用为背景的信息技术被普遍推广应用于生产过程，这使得种植业生产越来越广泛的建立在种植业的数据应用基础上，实现由经验生产到精准生产，由不可控制到可控，由依赖自然到主动预测预警，这都会为种植业的良性发展注入数据的力量，真正实现种植业的现代化。