面向土地质量评价的省级农业地质大数据平台构建

徐佳，康桂玲，于林松*，赵玉岩，刘敬兵

研究论文

面向土地质量评价的省级农业地质大数据平台构建

徐佳1,2，康桂玲1,2，于林松1,2*，赵玉岩3，刘敬兵1

1. 山东省物化探勘查院，济南 250013；2. 山东省地质勘查工程技术研究中心，济南 250013；3. 吉林大学，长春 130012

农业地质是地质科学与现代农业生产发展相结合的边缘学科。面向土地质量评价的农业地质调查涵盖了各种调查比例尺、不同调查对象、多种评价方法，产生各类多源、异构、多尺度和海量基础数据，文章从土地质量评价视角出发，围绕农业地质大数据应用平台的开发进行探索实践。文章采用面向服务架构和B/S网络结构，基于ArcGIS软件平台和WebService形式的OLAP技术，借助C#和JavaScript开发地理信息共享系统，采用关系型数据库系统SQL Server和Geodatabase进行数据管理，构建省级农业地质大数据平台。该平台集成了以往基础地质、农业地质、区域化探资料，挂接“地质云”(全国地质资料馆)公开馆藏资料，以地图结合图表的形式，直观、动态地展示了农业地质大数据信息。实现山东省农业地质“一张图”、大数据可视化、土壤监测预警、名特优产地环境辅助决策等典型应用。本次大数据平台针对农业地质典型应用进行了探索的研发，实现农业施肥精准化指导，对名特优产品的实现动态监测；面对不同尺度、不同时间的同源异构数据进行可视化对比、网格化比较，对地球化学指标周期性变化的观测，实现对土壤质量现状监测、对土壤环境污染预警的作用。还通过分布式数据挖掘和多维数据分析，实现了省级多目标区域化探、中大比例尺土地质量调查及农业地质相关同源异构数据的叠加分析，即对格网数据时间变化走势的展现，构建了基于地学思维的农业地质检测应用接口，为今后的科技创新提供了决策依据。

农业地质；地质大数据；地质信息化；土地质量评价

1 引言

农业地质是地质科学与现代农业生产发展相结合的边缘学科[1]，核心应用目标是服务于农业经济和社会发展[2]。自1999年来，中国地质调查局实施农业地质调查计划，在服务农业发展、管控耕地土壤污染、管理国土资源、乡村振兴等方面做出了重大贡献[3]。面向土地质量评价的农业地质调查主要采用中、大比例尺土地质量地球化学调查方法[3-5]，调查对象涉及土壤、灌溉水、大气降尘及农作物等，以县域农业地质项目为例，不同类型点位采样密度从1点/km2至16点/km2不等，多目标区域地球化学调查涉及的分析元素与指标包括Ag、As、Au等共计87项，地球化学评价涉及的分析指标包括有效B、有效Cu、有效Fe等共计58项，县域面积按800 km2计算，则样品分析结果记录可达数万条之多。大数据已经成为农业地质工作的重要标志和本质特征，成为现代农业生产与经营离不开的工具[6]。基于这样的背景，中华人民共和国自然资源部(原国土资源部)于2013年下达了《全国地质环境信息化建设方案》，提出搭建国土资源数据中心框架，完善省级地质环境数据中心节点建设，为地质灾害、农业地质、城市地质等地学相关专业工作提供专业数据库支持[7-8]；2018年，“首届全国地质资料数据创新应用大赛”在京举办，此次大赛在“创新”的基础上，显著推进了地学数据资料的整合与共享[9]。此后，地质大数据的发展进入一个崭新的阶段，各类省级地质大数据平台应运而生。2019年3月，浙江省成立“地质云”，作为省内唯一分节点，依托地质大数据提供多元化、智能化综合信息服务[10]；同年10月，山东省“智慧地矿”工程上线试运行，在大数据等现代信息技术基础上，构建了地学大数据的综合应用平台[11-12]；同年12月，湖北省建成地学大数据平台并开发了内外业协同办公及“地质一张图”服务，并开设农业地质专题信息化服务[13-14]。

山东省大规模农业地质调查工作始于2002年。目前，1:25万尺度已实现陆域尺度全覆盖，1:5万调查尺度已覆盖近50余个县(市)，1:1万大比例尺农业地质调查在名特优产地有序推进[4-5,15-16]。尽管山东省农业地质工作程度较高，但目前尚未形成针对农业地质大数据信息化的有效技术探索，“智慧地矿”的农业地质信息化专题服务能力不足。

构建山东省农业地质大数据平台，既是对山东省“智慧地矿”的优势互补，又是新时期拓宽地质服务延伸的一次尝试。本文通过对以往地质大数据成果的梳理与总结，以服务土地质量调查评价为目标，提出了以5层数据平台开发体系、5项关键技术为支撑的多源、异构时空大数据平台构建模式，对基于不同尺度的多源地质大数据的多目标应用具有重要的借鉴意义。

2 农业地质大数据的内涵及研究意义

2.1 农业地质大数据的内涵

农业地质大数据属农业大数据中资源环境数据子类[17]，指通过区域地球化学勘查手段查明土壤及水体中化学元素含量的基础性调查工作取得的数据结果。农业地质大数据技术是利用大数据的理论和技术，将农业地质工作涉及到的地质背景、地球化学指标、土壤信息等数据进行融合分析，是大数据的理论和技术在农业地质上的应用与延伸。

2.2 农业地质大数据平台的搭建意义

党的二十大报告指出，要加强重点领域安全能力建设，确保粮食资源供应链安全。这为我们做好新时代农业地质工作指明了方向、提供了根本遵循。在整合前期基础地质资料的基础上，搭建农业地质大数据平台，从地学角度出发、用大数据的分析方法助力现代农业。

农业地质大数据除具备农业大数据的5个特点外，还具备客观性(对背景的规律性反映)、地域性和综合性(数据间相互联系，相互作用)的特点。农业地质大数据平台综合了农业大数据中自然资源与环境数据各类基础背景数据，在统一地理框架下进行空间叠加与展示，可以针对名优特、农业地质靶区筛选，分析农业地质背景值和农作物品质的关系，为特色农产品、地理标识产品和优势耕地分析提供辅助化决策支持。还可以综合多目标地球化学调查和中大比例尺土地质量调查的多源数据集，以空间叠加与聚合分析等形式综合分析农用地元素分级与含量走势，为农用地土壤环境监测、国土空间生态修复提供可视化辅助工具和精准科学决策依据。

3 平台总体架构及关键技术解析

3.1 软件平台体系

本系统是以计算机硬件和网络通讯为依托，以安全体系为保障，以数据库为基础，以农业地质调查数据服务为主线建立的互联互通、数据共享的信息平台。

大数据平台采用分层架构设计思路，按照系统开发思路和逻辑框架自下而上包括：软硬件设施、支撑体系、数据采集与管理、数据地图融合分析和应用层(见图1)。

图1 大数据应用平台架构

3.1.1 基础设施

基础设施层包含平台所需的硬件基础设施，比如各类专用存储、网络、内存、高性能计算GPU等物理设备或元件。通过云化方式集成实现平台所需的计算能力，支撑其它各层的稳定运行。

3.1.2 支撑体系

本层旨在实现农业地质数据的集成一体化管理，将多源、多元、异构、海量的大数据按照业务类型及空间尺度的不同，依据数据库逻辑分类设计要求，集成在统一地理框架、统一数据编码的算法之下，以支持其他各业务层。

3.1.3 数据采集与数据管理

农业地质大数据平台需构建包括基础地理、物化探数据、遥感影像、矿产地质等多个数据仓，数据涉及多个专业、多种类型。数据采集与管理主要服务于数据地图融合分析层，需要梳理、分析和整理各类数据源。

3.1.4 数据与地图服务的融合分析

融合分析层实现数据可视化，主要包括查询、图层叠加、分析浏览、数据分析和数据可视化，其中空间查询可实现通过框选的模糊查询，图层叠加实现了基于统一空间位置的多源、多专业、异构数据叠加和统计分析，可根据客户端给定的条件设计返回符合条件的数据。

3.1.5 应用服务

服务层包括农业地质“一张图”、系统平台可视化、土壤监测预警、名特优产地辅助决策等多个子系统，各子系统通过综合调用系统功能模块得以实现。

3.2 大数据平台关键技术解析

3.2.1 数据采集(多元异构数据集成技术)

农业地质数据具有多元、多源、异构、异质以及跨时空等特征，为了在不改变原有空间数据模型和表示方法的同时实现统一管理，本次平台选用空间数据引擎技术，管理各个数据仓库，使客户端分别调用不用空间数据库数据，实现不同类型数据的继承共享。

3.2.2 数据存储

面对海量非结构化的农业地质基础数据，针对农业地质行业的需求，为实现不同客户端、不用时间、不同地点的数据存取，本平台选用非关系型数据库。数据管理层一方面提供接口给客户端，许可客户端存取空间数据；另一方同时接受其他数据管理请求。

3.2.3 分布式数据挖掘

本次大数据平台选用分布式数据挖掘技术(DDM, Distributed Data Mining)，基于数据平台，综合了数据挖掘(DM, Data Mining)和分布式空间数据库，它既可以通过空间数据挖掘总结出空间关系与非空间数据之间的关系，又可以得出空间知识库的结构、空间数据查询与优化及其他有意义的信息提取结果，实现挖掘异构数据的特征规则、分类规则和数据聚类信息。借助DDM可以通过土地质量调查的海量数据，分析农产品产区各类土壤环境因素，包括有机质、pH、土壤养分元素、有益元素和有害元素，进一步实现农产品靶区推荐和元素补充推荐提供基础。

3.2.4 多维数据分析

基于农业地质大数据对于调用分析的灵活性、通用性和安全性要求，本平台选用基于Web Service的联机分析处理(OLAP, Online Analytical Processing)技术。一方面，这种技术工作在程序代码级，客户端无法查看系统源文件和底层数据库，保证了农业地质数据的安全性；另一方面，Web Service建立在统一的规范和标准之上，这就使平台可以通讯于不同软硬件环境，很好地满足了农业地质工作对数据调用的灵活性和通用性要求。

4 大数据平台典型应用

4.1 系统平台可视化

农业地质调查信息系统平台的实现方式是综合调用地图浏览模块、统计分析模块、操作结果显示模块，是农业地质调查信息系统展示的登陆界面，也是综合信息的集中展示平台(见图2)。大数据平台可视化技术综合运用GIS、大数据分析、数据可视化等信息集成手段，以地图结合图表的形式，通过可视化大屏幕直观动态地展示省级农业地质项目开展工作程度、项目数量、调查点数量和图件数量等数据的统计分析情况帮助客户端使用者进一步分析农业地质大数据特征。

4.2 农业地质“一张图”

本应用模块主要通过多屏对比看图功能实现，(见图3)，具体为：将各类基础背景图件(包括基础地理、物化遥、矿产地质、水文地质、环境地质、土地利用现状及农业地质图)与农业地质调查大数据(土壤样、水样、大气样和植物样等)在统一地理框架下进行空间叠加分析，综合利用多源空间数据可视化对比分析、地质成果的实时阅览等功能，实现各种元素指标、现象的空间分布和变化的可视化展示，实现农业地质调查成果、数据整合与共享。

图2 农业地质大数据可视化平台

图3 四屏对比看图

4.3 土壤监测预警

土壤监测预警应用的实现方式是综合调用地图浏览模块、空间查询模块和操作结果显示模块，具有叠加分析、时空分析以及元素分级展示与含量走势对比(见图4)3项功能模块，可以将不同地理框架下的不同比例尺数据综合分析，为农用地土壤环境监测、国土空间生态修复提供可视化辅助工具和精准科学决策依据。土壤监测预警应用开发是对不同尺度、不同时间形成的同源异构地球化学大数据的有效展示应用。通过数据的可视化对比、网格化比较，可以实现对地球化学指标周期性变化的观测，从而实现土壤监测应用。

图4 不同格网元素分级展示与含量走势

4.4 名特优产地环境辅助决策

名特优产地环境辅助决策应用的实现方式是综合调用地图浏览模块、空间分析模块、操作结果显示模块和数据导出模块，主要功能包括：①靶区推荐与风险区筛选功能(见图5)。该功能基于勘查地球化学异常筛选理论建立，即按照《土地质量调查规范》(DZ/T 0295-2016)中规定的元素指标范围进行定向筛选，土壤环境风险区筛选按照《土壤环境质量农用地污染风险管控标准》(GB 15618-2018)中规定的风险筛选值和风险管控值定向筛选。从而将元素指标所在点位代表的图斑区块进行推荐或者筛选。②元素补充推荐功能(见图6)。该功能以农业地质调查数据为基础，综合运用GIS空间分析技术，将产地肥力指标与土壤环境背景值进行统计比较，分析出各采样网格土壤肥力推荐值；补充推荐还可用于名特优或者地理标识农产品产地环境“诊断”。该功能可以对后期农业施肥进行精准指导，也可以实现对名特优产品的动态监测。

5 总结与展望

5.1 总结

本平台在整合以往典型农业地质资料的基础上，将各类多源、异构、多尺度和海量基础数据按照业务类型、空间尺度的不同，依据分库、子库和数据集的逻辑分类设计要求，在统一地理框架、统一数据编码下，实现了一体化集成管理与数据共享。研发了省级农业地质大数据的可视化平台，以地图结合图表的形式，直观、动态地展示了农业地质大数据信息。

图5 靶区推荐与风险区筛选

图6 元素补充推荐

基于地学和地球化学思维开发设计了面向土地质量的农业地质大数据平台，将已有的各类基础地质背景图件入库，并实现了：在线分级预览，分级调用全国地质资料馆可以公开访问的山东省地质基础图件、山东省天地图开放资源，农业地质“一张图”、土壤监测预警、名特优产地环境辅助决策等典型应用。同时，为“地质云•山东”预留了服务接口，提供了地球化学板块重要内容，实现了与多源地质数据叠加、数据挖掘等的多目标应用。

5.2 展望

5.2.1 进一步提高农业地质大平台与农业工作的贴合度

农业地质大数据平台在实际应用中，更多地在条件不同的区域进行试点工作，以便随时根据客户端反馈对系统进行优化设计。同时，根据实际应用反馈，充实其他基础地质资料信息，如水工环地质、地质灾害和重点行业企业、耕地质量分等。以此达到提高农业地质大数据平台在农业工作中的应用率，助力农业农村发展的目标。

5.2.2 探索了农业地质信息典型应用

本次大数据平台针对农业地质典型应用进行了探索研发，针对元素地球化学特征和土壤适宜性的地域性分析，为名优特农产品靶区的推荐提供了辅助化决策支持，对后期农业施肥进行精准指导，对名特优产品的实现动态监测；面对不同尺度、不同时间的同源异构数据进行可视化对比、网格化比较，对地球化学指标周期性变化的观测，实现对土壤质量现状监测、对土壤环境污染预警的作用。

5.2.3 为下一步农业地质大数据科技创新提供平台

数据大平台通过分布式数据挖掘和多维数据分析，实现了省级多目标区域化探、中大比例尺土地质量调查及农业地质相关同源异构数据的叠加分析，即对格网数据时间变化走势的展现，构建了基于地学思维的农业地质检测应用接口，为下一步的科技创新提供了决策依据。

[1] 陈海龙. 农业地质研究现状及未来发展方向的思考——以湖南农业地质为例[J]. 国土资源导刊, 2020, 17(4): 13-17.

Chen H L. Thoughts on the present situation and future de-velopment direction of agricultural geology research—Taking Hunan agricultural geology as an example[J]. Land and Resources Herald, 2020, 17(4): 13-17.

[2] 高琳, 龙怀玉, 刘鸣达, 等. 农业地质背景与特色农作物品质相关性研究进展[J]. 土壤通报, 2011, 42(5): 1263-1267.

Gao L, Long H Y, Liu M D, et al. Research progress on correlation between agricultural geological background and quality of characteristic crops[J]. Chinese Journal of Soil Science, 2011, 42(5): 1263-1267.

[3] 李括, 彭敏, 赵传冬, 等. 全国土地质量地球化学调查二十年[J]. 地学前缘, 2019, 26(6): 128-158.

Li K, Peng M, Zhao Ch D, et al, Twenty years of national land quality geochemical survey[J]. Earth Science Frontiers, 2019, 26(6): 128-158.

[4] 代杰瑞, 庞绪贵, 刘华峰, 等. 山东省东部地区农业生态地球化学调查及生态问题浅析[J]. 岩矿测试, 2012, 31(1): 189-197.

Dai J R, Pang X G, Liu H F, et al. Agroecological geochemical survey and analysis of ecological problems in eastern Shandong Province [J]. Rock and Mineral Analysis, 2012, 31 (1): 189-197.

[5] 庞绪贵, 崔元俊, 王晓梅, 等. 山东省生态地球化学调查与评价综述[J]. 山东国土资源, 2013, 29: 10-15.

Pang X G, Cui Y J, Wang X M, et al. Survey and evaluation on ecogeochemistry in Shandong Province [J]. Shandong Land and Resources, 2013, 29: 10-15.

[6] 万昊宇. 现代化农业的大数据分析状况与发展前景[J]. 山西农经, 2018(9): 31+36.

Wan H Y. Big data analysis status and development prospect of modern agriculture[J]. Shanxi Agricultural Economics, 2018(9): 31+36.

[7] 黄家凯, 樊旭东, 秦丽娟. 省级地质大数据建设的总体框架研究[J]. 资源环境与工程, 2019，33(1): 103-108.

Huang J K, Fan X D, Qin L J. Research on the overall frame-work of provincial geological big data construction[J]. Resources, environment and Engineering, 2019，33(1): 103-108.

[8] 黄少芳, 刘晓鸿. 地质大数据应用与地质信息化发展的思考[J]. 中国矿业, 2016, 25(8): 166-170.

Huang Sh F, Liu X H. Thoughts on the application of geological big data and the development of geological informatization[J]. China Mining Magazine, 2016, 25(8): 166-170.

[9] 杨舒. 首届全国地质资料数据创新应用大赛启动[N]. 光明日报，2018-04-22.

Yang S. The first national geological data innovation and application competition was launched[N]. Guangming Daily, 2018-04-22.

[10] 谭永杰. 地质大数据体系建设的总体框架研究[J]. 中国地质调查, 2016 (3): 1-6.

Tan Y J. Research on the overall framework of geological big data system construction[J]. Geological Survey of China, 2016 (3): 1-6.

[11] 潘宝玉, 于广婷, 刘同文. 智慧地矿建设框架研究[J]. 地矿测绘, 2016, 32(1): 5-7+ 15.

Pan B Y, Yu G T, Liu T W. Research on the framework of intelligent geological and mineral construction[J]. Surveying and Mapping of Geology and Mineral Resources, 2016, 32 (01): 5-7+ 15.

[12] 于广婷, 曹发伟, 刘同文, 等. 地质大数据支持下的智慧地矿业务支撑平台构建[J]. 测绘通报, 2020 (12): 128-131.

Yu G T, Cao F W, Liu T W, et al. Construction of intelligent geological and mineral business support platform supported by geological big data[J]. Bulletin of Surveying and Mapping, 2020(12): 128-131.

[13] 严光生, 薛群威, 肖克炎. 地质调查大数据研究的主要问题分析[J]. 地质通报, 2015, 34(7): 1273-1279.

Yan G S, Xue Q W, Xiao K Y. Analysis of main problems in geological survey big data research[J]. Geological Bulletin of China, 2015, 34(7): 1273-1279.

[14] 郑啸, 李景朝, 王翔, 等. 大数据背景下的国家地质信息服务系统建设[J]. 地质通报, 2015, 34(7): 1316-1322.

Zheng X, Li J M, Wang X, et al. Construction of national geological information service system under the back-ground of big data[J]. Geological Bulletin of China, 2015, 34(7): 1316-1322.

[15] 庞绪贵, 代杰瑞, 陈磊. 山东省17市土壤地球化学背景值 [J]. 山东国土资源, 2019, 35( 1): 46-56.

Pang X G, Dai J R, Chen L. Background values of soil geochemistry in 17 cities of Shandong Province[J]. Shandong Land and Resources, 2019, 35(1): 46-56.

[16] 庞绪贵, 陈钰, 刘汉栋. 山东半岛蓝色经济区土壤地球化学基准值与背景值[J]. 山东国土资源, 2014, 30(8): 21-26.

Pang X G, Chen Y, Liu H D. Soil geochemical reference values and background values in the blue economic zone of Shandong peninsula[J]. Shandong Land and Resources, 2014, 30(8): 21-26.

[17] 李强, 高懋芳, 方莹. 农业大数据信息平台搭建方法初探[J]. 农业大数据学报, 2021, 3(2): 24-30.

Li Q, Gao M F, Fang Y. Research on the construction of the agricultural big data information platform [J]. Journal of Agricultrual Big Data, 2021, 3(2): 24-30.

[18] 高琳, 龙怀玉, 刘鸣达, 等. 农业地质背景与特色农作物品质相关性研究进展[J]. 土壤通报, 2011, 42( 5): 1263-1267.

Gao L, Long H Y, Liu M D, et al. Review on the relationship between agrogeological background and crop quality [J]. Chinese Journal of Soil Science, 2011, 42( 5): 1263-1267.

[19] 王永志, 包晓栋, 缪谨励, 等. 基于大数据的地质云监控平台建设与应用[J]. 地球物理学进展, 2018, 33(2): 0850-0859.

Wang Y Z, Bao X D, Liao J L, et al. Construction and application of geological cloud monitoring platform based on big data[J]. Progress in Geophysics, 2018, 33(2): 0850-0859.

[19] 张学利, 马娜, 朱瑜馨. 基于云平台的农业综合信息应用系统的设计与开发[J]. 地理空间信息, 2019, 17(2): 27-30.

Zhang X L, Ma N, Zhu Y X. Design and development of agricultural comprehensive information application system based on cloud platform[J]. Geospatial Information, 2019, 17(2): 27-30.

[21] 于广婷, 刘同义, 曹发伟. 地质大数据轻量化集成展示与专题应用[J]. 测绘通报, 2021(11): 140-144.

Yu G T, Liu T Y, Cao F W. Lightweight integrated display and thematic application of geological big data[J]. Bulletin of Surveying and Mapping, 2021( 11): 140-144.

[22] 赵鹏大. 地质大数据特点及其合理开发利用[J]. 地学前缘, 2019, 26(4): 1-5.

Zhao P D. Characteristics of geological big data and its rational development and utilization[J]. Earth Science Frontiers, 2019, 26(4): 1-5.

[23] 吴冲龙, 刘刚, 张夏林. 地质科学大数据及其利用的若干问题探讨[J]. 科学通报, 2016, 61(16): 1797-1807.

Wu C L, Liu G, Zhang X L. Discussion on some problems of geological big data and its utilization[J]. Chinese Science Bulletin, 2016, 61(16): 1797-1807.

[24] 谭永杰, 屈红刚, 文敏. 论地质调查工作大数据[J]. 地理信息世界, 2018, 25(2): 7-11.

Tan Y J, Qu H G, Wen M. On big data of geological survey [J]. Geomatics World, 2018, 25(2): 7-11.

[25] 李超岭, 李健强, 张宏春. 智能地质调查大数据应用体系架构与关键技术[J]. 地质通报, 2015, 34 (7): 1288-1299.

Li C L, Li J Q, Zhang H C. Big data application architecture and key technologies of intelligent geological survey [J]. Geological Bulletin of China, 2015, 34 (7): 1288-1299.

[26] 贾瑞婷, 晋保红. 地矿智慧护航“未来之城”[N]. 中国自然资源报, 2022-01-12.

Jia R T, Jin B H. Geological and mineral wisdom escorts the “city of the future”[N]. China Natural Resources News, 2022-01-12.

[27] 刘世梁, 傅伯杰, 刘国华, 等. 我国土壤质量及其评价研究的进展[J]. 土壤通报, 2006(1): 137-143.

Liu S L, Fu B J, Liu G H, et al. Progress in soil quality and its evaluation in China[J]. Chinese Journal of Soil Science, 2006(1): 137-143.

[28] 邵岩. 大数据环境下高校智慧校园信息化模式探究[J]. 吉林大学学报(信息科学版), 2020, 38 (4): 502-508.

Shao Y. Research on the informatization mode of university smart campus in the big data environment[J]. Journal of JiLin University (Information Science Edition), 2020, 38 (4): 502-508.

[29] 李晓会, 陈潮阳, 伊华伟, 等. 基于云计算和大数据分析的大规模网络流量预测[J]. 吉林大学学报(工学版), 2021, 51(3): 1034-1039.

Li X H, Chen C Y, Yi H W, et al. Large scale network traffic prediction based on cloud computing and big data analysis [J]. Journal of JiLin University(Engineering Edition), 2021, 51 (3): 1034-1039.

[30] 于婧, 陈艳红, 彭婕, 等. 基于GIS和Fragstats的土地生态质量综合评价——以湖北省仙桃市为例[J]. 生态学报, 2020, 40 (9): 2932-2943.

Yu J, Chen Y H, Peng J, et al. Comprehensive evaluation of land ecological quality based on GIS and Fragstats—a case study of Xiantao city, Hubei Province[J]. Journal of ecology, 2020, 40 (9): 2932-2943.

Construction of Provincial Agricultural Geological Survey Information System Platform for Land Quality Evaluation

XU Jia1, 2, KANG Guiling1, 2, YU Linsong1,2*, ZHAO Yuyan3, LIU Jingbing1

1. Shandong Institute of Geophysical & Geochemical Exploration, Jinan 250013, China; 2. Shandong Geological Exploration Engineering Technology Research Center, Jinan 250013, China; 3. Jilin University, Changchun 130012, China

Agricultural geology is a new field of geological science serving the development strategy of modern agricultural production. The agricultural geological survey faced land quality evaluation covered various survey scales, different survey objects, and various evaluation methods, and has produced various multi-source, heterogeneous, multi-scale and massive basic data. This article, from the perspective of land quality evaluation, has explored and practiced the development of the application platform of agricultural geological big data. The article has adopted service-oriented architecture and B/S network structure, based on ArcGIS software platform and OLAP technology in the form of Web Service, has developed a geographic information sharing system with the help of C # and JavaScript, has used relational database systems SQL Server and Geodatabase for data management, and has constructed a provincial agricultural geology big data platform.The platform has integrated the previous basic geology, agricultural geology and regional geochemical exploration data, linked the "geological cloud" (National Geological Data Center) to open the collection data, and visually and dynamically displayed the agricultural geological big data information in the form of maps and charts. Realized typical applications such as "one map" of agricultural geology in Shandong Province, big data visualization, soil monitoring and early warning, and environmental aid decision-making for famous and excellent producing areas. This big data platform has carried out exploratory research and development on typical applications of agricultural geology to achieve precise guidance of agricultural fertilization and dynamic monitoring of famous, special and excellent products; Visual comparison and gridding comparison have been carried out for the homologous and heterogeneous data of different scales and different times, and the observation of the periodic changes of geochemical indicators has been carried out to realize the role of monitoring the status quo of soil quality and early warning of soil environmental pollution.Through distributed data mining and multi-dimensional data analysis, the provincial multi-target regional geochemical exploration,medium and large scale land quality survey, and the superposition analysis of homologous and heterogeneous data related to agricultural geology have also been realized, that is, the display of the time change trend of grid data, and the application interface of agricultural geological detection based on geoscience was constructed, which provides a decision-making basis for future scientific and technological innovation.

agricultural geology; geological big data; geological information; land quality evaluation

徐佳,康桂玲,于林松,等. 面向土地质量评价的省级农业地质大数据平台构建[J]. 农业大数据学报, 2023,5(1):116-125.

XU Jia, KANG Guiling, YU Linsong, et al. Construction of provincial agricultural geological survey information system platform for land quality evaluation[J].Journal of Agricultural Big Data,2023,5(1):116-125.

10.19788/j.issn.2096-6369.230120

2023-01-21

济南市历下区科技局科技发展计划(20191007)

第一作者徐佳，女，工程师，研究方向：地球化学制图学及信息化开发；E-mail: 155091405@qq.com。通信作者于林松，高级工程师，博士研究生，研究方向：地球化学技术研发及技术管理；E-mail: sean_yls@ 163.com。