大数据技术在农业生态环境监测中的应用

李慧姝

关键词：大数据技术；农业；生态环境；监测应用

1概述

1.1大数据

在新的时代环境下，数据已經成为一种重要的资产，对于企业发展和社会发展而言有着重要意义和影响。而大数据时代下的数据规模持续扩大，呈现出海量增长的趋势，应当对庞大的数据信息进行分析，探索数据背后的价值和规律，以对数据进行合理利用。大数据具有容量大、种类多样、获取速度快、来源复杂的特点，需要对数据的来源与类型进行整理，通过合理利用分布式数据挖掘模式对海量数据进行提取，大数据时代的到来为我国社会发展提供了新的动力，充分发挥了数据在社会发展中的作用。

1.2农业生态大数据

在农业生产活动中会产生不同类型的数据，以土壤环境为例，墒情、温度、土地植被比例都是影响农作物生产效益的重要因素[1]。农业生态大数据是指针对和生态环境相关的数据进行探讨和分析，了解各个数据之间的具体联系，并将其应用到生态环境治理和修复活动中，以确保为农业发展提供重要的基础保障。表1为农业生态大数据监测类型。

随着信息化技术的应用，农业生态环境数据的监测模式出现了变化，改变了以往人工监测模式，开始利用各类信息技术传输数据，这也使得农业生态环境数据向着多样化的方向发展。大数据技术可以结合收集到的生态环境数据进行分析，筛选有价值的信息，为农业生产活动的开展提供数据支持，有利于提高农业生产决策的合理性。大数据技术具有独特的应用优势，如耕地污染问题是农业生产最为常见的污染问题，也是影响农作物生长发育的关键，由于耕地污染的影响元素较多，大数据技术具有多元数据同化和多尺度数据耦合等各种功能，可以分析污染物的演变过程，为污染治理工作的开展提供扎实的数据支持。同时，使用分布式数据库、云计算等技术可以将数据和模型进行深度融合，及时挖掘数据背后的价值。所以，农业生态大数据在未来农业发展过程中将会有更加广阔的应用前景，相关人员需要正确认识其应用价值和意义。

2农业生态环境监测的意义

农业生态环境监测已经成为农业发展过程中的重点，具有极强的应用意义，具体表现在以下4点。

（1）了解农业生态环境质量水平，及时发现存在污染的区域，明确污染物的分布及污染途径，以此为基础评估未来农业环境的变化情况，完善环保计划，为开展生态环境监测活动提供合理规划[2]。

（2）根据监测数据分析污染物带来的具体影响，明确不同类型污染物、不同浓度范围给生态环境及农产品造成的危害。在分析污染物危害后，对生态环境质量标准及农产品安全要求进行优化和调整，真正做到因地制宜，及时调整农业生产模式。

（3）监测农业污染问题，了解农药、化肥、污泥、粉煤灰等废弃物的分布情况，根据当地农作物的分布特点和农业污染问题对有关物质的使用方式进行调整，制定科学的施肥策略，控制化学农药浓度，将有害资源转变为有利用价值的资源，为开展农业生产活动提供助力。

（4）对污染事故问题进行监测，结合大量的生态数据及时发现农业生产活动中出现的生态问题，有关部门再针对以生态问题为基础产生的纠纷进行仲裁，保证农民的合法权益不会受到侵害。

3大数据技术在农业生态环境监测中的应用

大数据技术是当前各行各业均较为常用的一种技术，改变了以往数据收集、整理的方式，有利于提高数据应用价值。在农业生产活动中也开始重视构建标准化、科学化的农业生产体系，而大数据技术则是不可或缺的关键技术。当前，在农业生态环境监测中已经开始应用大数据技术，在数据收集和数据分析评价方面应用效果明显。

3.1高效收集生态环境数据

在农业生产过程中，需要重点收集农业生态环境数据，并提高数据收集效率，为开展监测活动提供重要支持。以往在数据收集的过程中，需要由不同部门将相关数据整合在一起，并且需要相关人员利用实际调查的方式收集数据，数据收集效率较低、难度较大[3]。但应用大数据技术，能够在短时间内完成数据收集，并且形成区域生态环境数据互联互通模式，为数据的传输提供便利和支持，从而构建网格化的环境监控机制。例如，在对大气数据进行收集时，可以利用数据处理算法以及分析系统针对大气数据的各项指标及时进行测定，让相关人员能够更好地了解大气数据出现的变化。大数据技术可以针对准确度较低的传感器进行及时报警，减轻校准工作人员的工作压力，为特殊区域开展生态环境监测活动提供了重要保障。部分农业生产区域较为偏远，在野外长期进行监测作业所需成本较高，大数据技术则可以在野外形成长期的动态化监测模式，将数据实时传输给后台系统，快速读取复杂的环境情况，包括气候参数、水文水质参数、生态参数以及景观数据等。

3.2数据分析评价应用

数据分析处理功能是大数据技术的重要优势功能，能够自动针对数据类型进行精准划分，通过分类整合后分析其内部所蕴含的规律和价值，从而结合数据分析评价结果对农业生态环境治理或者管理策略进行优化[4]。比如，大数据技术可以针对农业生态环境中的污染数据进行收集和整合，明确不同污染源的分布特征，分析污染源的严重程度，并预估未来污染源的发展趋势，以针对农业生态污染问题进行预警和诊断。大数据技术和其他现代化技术的融合应用能够进一步提高数据分析评价的准确性与合理性，如将大数据技术和人工智能技术进行融合，可以完善大数据处理架构，形成实时数据诊断评价模式，以人的思维模式为基础智能化制定污染处理方案。除了对收集到的数据进行评价外，大数据技术还可以对生态环境质量水平进行跟踪性评价，了解不同地区农业生态环境所出现的变化。跟踪性评价可以收集农业生产过程中生态环境数据的变化情况，并将其以可视化的方式展示出来，让相关人员能够更加直观地了解生态环境出现的改变，为农业生态环境管理提供数据支持。

4农业生态环境监测中大数据技术应用问题

农业生态环境监测是当前农业发展关注的重点，但是由于我国长期沿用传统的农业生产理念，对于生态环境监测的研究尚不深入，大数据技术应用仍然面临较多的问题和挑战，影响了大数据技术应用效果，难以充分发挥大数据技术的应用优势。因此，相关部门需要正确认识大数据技术应用问题，能够结合大数据技术应用现状制定合适的发展策略，深化农业生态大数据的应用。

4.1数据共享难度大

若要挖掘大数据背后的潜在价值，实现数据共享是前提和关键，可以对收集到的多样化数据进行资源共享，为各个部门开展相关生态环境决策活动提供全面的数据支持，然而，农业生态环境大数据的类型和格式具有复杂性和多样性，会通过图片、文字、视频等多种不同形式展示出来。并且，农业生态环境监测数据分别来自农业气象、农田水利、国土资源等不同部门。每个部门在生态环境监测活动中提出的要求和规范是不同的，监测指标也会有所差异，缺少统一的标准规范和数据平台，因此会给后续数据的整合和统一带来一定的难度。当前，虽然各个部门在生态环境监测过程中均开始使用信息化技术，但是其数据管理系统之间存在严重的壁垒问题，不同部门之间的同类数据形成“数据孤岛”，很难整合，共享难度增加，影响了数据的有效利用。可见，“数据孤岛”问题已经成为生态环境监测过程中需要重点解决的问题之一，如果不能将各个部门之间的数据进行有效共享，就难以发挥各个部门在农业生态环境治理过程中的作用，影响环境治理效果。

4.2技术创新程度不足

如何将多源异构的农业生态环境大数据转换成合适的格式和类型，并在存储和处理前对采集的数据进行“清洗”，是我国目前面临的一大技术挑战[6]。虽然大数据技术的应用已经得到了创新，但是我国农业发展速度较快，农业生产面积持续扩大，在生态环境监测中收集的数据规模也有所增加，因此提高了对于大数据技术应用的要求。如果数据技术创新度不够，就会影响大数据技术应用的效果，给农业生态环境监测活动的开展带来制约和影响。同时，专门研发适合多种计算模型的通用架构，是农业生态环境大数据建设和发展的迫切需求。在当前的大数据计算过程中，计算只是停留在数据简单核算层面，或者部分计算模型无法适合多种形式数据的计算需求，这也会影响计算效率。

4.3缺少专业大数据人才

人才在21世纪是一种极其重要的优质资源，对于各行各业的发展而言，都有着重要意义和影响，而且农业生态环境监测也需要专业性人才的支持才能够持续推进。因此，在大数据技术广泛应用的环境下，需要重点培育专业的大数据人才，才能符合未来的农业生态环境监测工作需求。但农业生态环境大数据涉及的学科众多，既包括环境、气象、水文、土壤等自然学科，也包括数学、统计、人工智能等工程技术，因此需要大量复合型专业人才。然而，目前我国的农业高校和科研院所鲜有设置大数据相关专业和课程，也缺少对当前急需的农业生态大数据人才的针对性培养机制，难以源源不断地提供优质人才资源。目前，负责农业生态环境监测工作的人才通常只是对农业领域的知识有详细了解，缺少良好的大数据意识，不能主动利用大数据技术对农业生态环境监测工作模式进行创新[7]。

5农业生态环境监测中大数据应用优化策略

农业生态环境监测面临严重的制约和影响，由于各种污染问题频发，影响的范围也持续扩大，降低了农业生产效益。上文针对大数据技术的应用问题进行了分析，为了能够解决农业生态环境问题，促进农业持续发展，需要对大数据技术的应用方式进行优化，将大数据技术和农业生态环境监测紧密融合。下文提出了大数据技术的应用优化方式，力求为今后大数据技术在生态环境监测中的应用提供参考。

5.1集成多领域生态监测数据

在农业生态环境监测过程中需要重视对多个领域的数据进行集成处理，将其汇总到一起，这才能对农业生态环境指标进行细化[8]。在监测工作中涉及的部门包括气象部门、水利部门、国土部门、农业部门、交通部门等，部门和部门之间应当针对生态环境监测指标进行统一规范和要求，保证格式与计算方法的统一性，为后续的使用提供便利。污染问题的产生会受到各种因素的影响，是生态环境要素在共同作用下产生的。通过集成监测数据能够打通数据互通机制，真正形成大数据体系，为后续大数据分析、模拟计算以及污染问题溯源提供便利。

5.2强化大数据技术处理能力

处理能力是大数据技术的优势之一，需要重视对其进行强化，充分发挥大数据技术在农业生态环境监测过程中的功能和作用[9]。特别是现阶段气候环境出现了较多的变化，经常会产生各种灾害天气，生态环境因素处于波动状态，只有重视大数据技术的创新，才能够对生态环境问题进行精准预测，及时对农业生产过程中的风险问题进行预报，为农业生产活动的有序开展提供质量保障。因此，相关人员需要结合地区的自然环境变化规律来开发软件，对大数据技术平台的功能模块进行合理拓展，以提高大数据技术的处理能力，形成全流程精准预测模式。同时，将机器学习技术、人工智能技术和大数据技术进行融合，对大数据技术的应用模式进行创新，充分发挥大数据技术的功能和优势。

5.3培养专业优质人才

相关部门需要重视培养优质人才，要求其在掌握农业专业知识的同时了解大数据技术，并形成大数据思维模式，合理利用大数据技术完成生态环境监测工作。对生态环境监测工作人员进行培训，为其讲解大数据技术在农业生态环境监测中的具体应用，并提出未来大数据技术应用的发展趋势，使其能够改变传统的工作理念。同时，重视招聘复合型人才，可以和高校进行合作，利用在学校举行招聘会的方式和人才进行一对一沟通，要求人才了解生态环境监测相关知识，并且能够熟练使用大數据技术。高校也应当对人才培养体系进行优化和完善，结合当前社会对于人才的需求特点制定合适的培养策略，将复合型人才作为主要的人才培养目标[10]。

6结束语

农业是我国社会发展的重要基础，只有农业持续稳定发展，才能够为社会发展提供源源不断的动力。在农业生产过程中，生态环境是影响农作物质量的主要因素，通过对生态环境进行调查和监测可以了解农业生产给生态环境带来的变化，及时采取有效措施进行治理。传统生态环境数据存在无序性和孤立性的特点，难以进行有效整合，在大数据技术的推动下构建信息化的生态环境监测体系，提高了环境监测工作效率和质量。但是，农业生态环境监测中大数据技术的应用仍然面临较多问题，包括数据共享难度大、技术创新不足、缺少专业大数据人才等。因此，相关部门应集成多领域生态监测数据，强化大数据技术处理能力，培养专业优质人才，为合理应用大数据技术提供支持和帮助。