中國科學報2019年12月10日訊　作者　李晨

森林资源监测   中国林科院供图

　　“目前我國農林漁數據資源總量超過2.3億條，農林漁主題詞庫累計6.8萬條，農林漁術語詞庫累計10萬條。”近日舉行的“2019大數據智能與知識服務高端論壇——知領系列論壇”上，中國林業科學研究院林業科技信息研究所研究員王忠明告訴《中國科學報》，隨著“互聯網+”、大數據智能時代的到來，用數據創新、用數據決策已成爲科研創新和管理決策的新常態、新範式。“互聯網+”代表著現代農林發展的新方向、新趨勢，也爲轉變農林發展方式提供了新路徑、新方法。

　　如何用好我國農林漁大數據成爲當前亟須深入研究的重要問題。

　　大數據+人工智能：更有價值的知識服務

　　論壇主辦方中國工程科技知識中心（以下簡稱知識中心）由中國工程院負責實施，是經國家批准建設的首個國家工程科技領域公益性、開放式的資源集成和知識服務平台。王忠明介紹，目前，知識中心已建成由總中心、34個分中心組成的體系架構，積極開展工程科技領域知識資源集成和知識服務平台建設。農業、林業、漁業分中心是知識中心的重要組成部分。

　　“农林渔专业知识服务系统旨在全面整合国内外农林渔领域丰富的科学数据和信息资源，开展知识资源组织和数据挖掘分析，为国家工程科技思想库战略咨询、农林渔科技創新以及科技管理决策提供知识支撑。”王忠明介绍，目前，农林渔专业知识服务系统提供农林渔领域的科技文献、科学数据、统计数据、专家、机构、科研项目、成果、专利、标准、行业报告等10大类数据资源，资源总量超过2.3亿条。

　　知識中心重點打造了農林漁領域精品特色資源數據集120個，包括農業草地數據、作物科學數據、中國森林資源清查數據、荒漠化和沙化調查數據、漁業災害數據、漁業質量安全數據等；優化知識組織體系，構建了農林漁領域基礎詞典系統，農林漁主題詞庫累計6.8萬條，農林漁術語詞庫累計10萬條；開發了農林漁業知識的深度搜索、學科導航、知識鏈接、大數據分析、知識圖譜和可視化分析等服務功能。

　　據介紹，知識中心面向行業領域院士及其團隊、專家、重大項目等提供定向的深度知識服務，如國內外最新科技動態、精品文獻、産業報告、專利、科學數據等信息的動態跟蹤。“目前農林漁分中心已爲23位院士、14個重大咨詢項目、295位領域專家推送高質量信息，在決策咨詢和重大工程科技項目數據支撐中發揮了重要作用。”王忠明說。

　　王忠明强调，在大数据和人工智能技术的驱动下，知识服务将更加注重与用户潜在需求之间的智能响应，将以更智慧的方式进行知识传播和决策服务。特别是人工智能的深度学习能力，有望在知识服务领域引发巨大变革，构建起全新生态，创造出更有價值的知識服務。

　　森林資源大數據：從監測到實踐

　　林業大數據是林業産業、生態資源監管、科研實驗、生態修複和公衆健康等多種數據的集合。“它具有海量化、多樣化、價值化、快速化、空間特征明顯等特征。”中國工程院院士、中國林業科學研究院研究員張守攻如是說。

　　“我國在資源環境監測方面做了大量的研究和應用示範工作。”張守攻說，這主要體現在應用衛星遙感技術進行森林資源調查、碳循環研究、濕地資源動態變化監測、水土流失和荒漠化遙感監測與評價、基于遙感的重大工程生態效應評價等方面。

　　目前，大數據已經在我國森林資源管理中得到了應用。例如，以空天一體化對地觀測數據爲基礎，通過數據整合和數據挖掘技術，將林業基礎數據落實到山頭地塊，實現對林業資源基本情況全面了解，協助管理者“摸清家底”。

　　在林業資源領域，高分遙感技術用途廣泛。我國已建立森林資源遙感監測多階抽樣技術體系；規範了遙感技術應用的技術流程與標准；創建了遙感技術與傳統地面調查相結合的天—空—地一體化、點—線—面多尺度的綜合監測技術體系等。目前，我國約70%的林業衛星遙感分析數據來源于我國自己發射的衛星。

　　在智能林业物联网应用方面，基于下一代互联网、智能传感、宽带无线、卫星导航等构建先进技术和产品，构造天网、地网、人网和林网一体化感知体系，对接智慧林业平台，形成国际领先、性价比高、具有重大实用价值的“感知生态 智慧森林”四网一平台大系统。

　　此外，林業管理部門利用北鬥應用進行林業資源清查、林地管理與巡查等，大大降低了管理成本，提升了工作效率。特別是在國家森林資源普查中，北鬥衛星導航技術結合遙感等技術發揮了重要作用。

　　不過，張守攻仍然強調，目前森林資源監測全局工作缺乏有效的規劃，導致部分重複建設；各部門、各行業都在做監測，但數據共享困難，信息孤島現象嚴重，不能連接起來發揮綜合效應；缺乏科學、統一的森林資源監測體系，不同部門組織制定的檢測標准之間不協調；缺乏完善的考核體系，目標也不夠明確，導致監測效率低，數據不夠可靠。

　　張守攻希望，在開放共享的基礎上，推進森林資源數據整合；利用現代信息技術，制定森林資源一體化監測技術方案；推進我國森林資源監測研究與全球森林資源監測研究體系的融合。

　　“從森林資源監測數據到大數據分析，再到指導林業實踐，整個過程應實現實時、快速、無縫銜接，最終實現山、水、林、田、湖、草等海量數據的實時采集、傳輸、融合、分析、知識發現並能指導林業科學研究與生産實踐。”張守攻說。

　　漁業大數據：推動深度應用

　　目前，我國漁業專業知識數據資源中，有結構化數據約100G，非結構化數據約100T。中國水産科學研究院漁業機械儀器研究所研究員陳軍介紹，漁業數據包括漁業資源環境、漁業質量安全、漁業統計數據等。

　　在漁業資源數據平台中，有一部分被稱爲稀有資源，即高清圖片、水産品電商價格數據等。目前天貓、淘寶、京東等大型平台電商已新建水産品日度價格數據。

　　同時，我國漁政管理智慧系統已積累結構化數據約1.2T，每年數據總量增長約5%。“智慧漁技”水産養殖數據資源的結構化數據約有100G，每年數據增長30%；非結構化數據約有12T，每年數據增長約20%。

　　我國漁業大數據主要用于漁業物種資源分布評估、漁情及漁場預測預報、漁船動態監測與軌迹預測、水産養殖監測與評價、漁業經濟、情報與知識服務等。

　　最典型的應用是漁船船位管理。“100余萬艘漁船、30多萬艘海洋漁船，茫茫大海中到底怎麽管？”陳軍說，目前的主要手段有三個：基于北鬥/GPS來管，該系統已基本普及，北鬥有通信功能，GPS需要有通信系統支撐；基于AIS來管，該系統開始在大型漁船上普及，本身具備信息傳輸能力；基于遙感來管，主要還是用于宏觀信息獲取。

　　又如，在漁場漁情分析及預報中，我國已開發出北太平洋鱿魚場信息應用服務系統，成功地在小型漁船上建立了船基遙感接收系統，實現了大數據量傳輸、海況産品自動制作，研建了我國遠洋漁業綜合數據庫管理系統，實現了範例推理的北太平洋鱿魚漁場漁情分析預報，准確性超過60%。

　　而通過“智慧漁技”水産養殖管理平台可以實現疾病實時監控、技術成果熱力分析、水産品國際競爭力分析等。

　　陳軍指出，下一步，將以數據爲核心，以大數據分析和挖掘爲主線，著力推動漁業大數據中心建設和深度應用，如進一步完善漁業科學數據交彙與共享制度，加強動態實時監測與通信技術研究，深化大數據技術在漁業生態環境與資源保護中的應用，加快推進人工智能、數據挖掘等新技術的漁業應用，拓展大數據技術在漁業管理中的應用。