农业大数据（大数据理念、技术和方法在农业的实践）
农业大数据是融合了农业地域性、季节性、多样性、周期性等自身特征后产生的来源广泛、类型多样、结构复杂、具有潜在价值，并难以应用通常方法处理和分析的数据集合。它保留了大数据自身具有的规模巨大（volume）、类型多样（variety）、价值密度低（value）、处理速度快（velocity）、精确度高（veracity）和复杂度高（complexity）等基本特征，并使农业内部的信息流得到了延展和深化。
中文名农业大数据
不断推进农业经济的优化
是大数据理念、技术和方法在农业的实践
实现农业经济数据化数据库的交互
平台拟实现功能
（1）实现数据库的交互；
（2）根据农业大数据研究的个性化需求，形成一系列相关公开发布数据的采集机制，将数据采集的相关程序设计并编写完善，部署此套机制在平台上周期运转；
（3）数据的浏览，对数据进行查询、展现和基础统计分析等初步应用；
（4）实现农业大数据分析人员的交流平台
平台拟实现目标
（1）通过平台的建设，汇集各方资源，构建农业领域特色的大数据研究中心；
（2）通过数据整合，采集和加工处理，建设中国第一个专业的农业数据资源中心；
（3）依托农业大数据相关技术，包括数据采集技术、存储技术、处理技术、分析挖掘技术、展现技术等构建农业大数据应用平台；
（4）通过分析应用平台，进行成果发布，形成农业领域专业研究的权威成果发布平台，服务于高校和政府，涉农企业，社会公众等。
背景
国内第一个农业大数据的研究和应用推广机构“农业大数据产业技术创新战略联盟”于2013年6月18日在山东农业大学正式成立，标志着国内大数据技术在农业领域的应用又有了实质性突破。农业大数据的应用与农业领域的相关科学研究无缝结合，对从事农业教学科研的师生、社会公众、政府部门及涉农企业等提供了新方法、新思路。
突破发展困境
一是加强数据学科体系建设，丰富数据科学理论方法。
国内外实践表明，农业信息学科的新概念、新理论、新方法的创新，是引领农业信息技术重大变革、促使农业生产发生巨大飞跃的重要引擎。数据密集型科学将加速信息技术与现代农业相关学科的融合发展。但数据要形成一门科学还需要更加注重大数据基础理论研究、科学方法创新，更加注重大数据学科体系建设。
应在大数据生命周期、演化与传播规律，数据科学与农业相关学科之间的互动融合机制，及大数据计算模型、作物模型与模拟、智能控制理论与技术、农业监测预警技术，大数据可视化呈现与精准化推送等方面加强研究，形成系统、全面、深入的理论支撑。
二是要构建农业基准数据，夯实农业发展基础支撑。目前，我国尚存在农业基准数据资源薄弱、数据结构不合理、数据标准化水平差等问题。应结合农业部大田长期监测工作，建立现代农业自然资源、生产、市场、农业管理等基准数据，并对数据采集、传输、存储和汇交等制定标准和规范，为现代农业发展决策提供坚实的基础支撑。
三是加强智能模型系统研发，推动农业智能转型。数据的处理和分析能力是大数据技术的核心。
针对农业领域数据海量、分散、异构等现象而难以集成、不能挖掘其巨大潜在价值的现状，应重点开展农业大数据智能学习与分析模型系统关键技术研究，利用人工智能、数据挖掘、机器学习、数学建模等技术，针对农业领域所要解决的实际问题，建立有效的数学模型对数据进行处理，并利用最终形成的模型对海量数据进行处理分析，辅助农业决策，实现决策的智能化、精确化和科学化。
四是倡导数据开放，服务和引领农业发展。数据的应用是大数据的最终目的，数据的公开开放有助于我国农业的健康发展。为此，应加强数据立法，为农业信息公开提供法律保障;形成数据开发的体制和机制，保证在数据会商、开放标准、发布规范等方面的切实可行；以召开中国农业展望大会和发布中国农业展望报告为契机，形成具有中国特色的农产品监测预警和信息发布制度，最终为生产决策、市场监测、农业管理提供信息支撑，引领现代农业发展。[1]
参考资料
1.[瞭望]大数据助力现代农业转型升级·中国农业科学院
