粮食生产大数据平台系统总体架构分为资源层、服务层、应用层和用户层。其中：

资源层主要构建数据基础和存储计算资源；

服务层提供数据和算法基础服务，隔离后端复杂性；

应用层对接生产决策业务，与用户直接交互；

用户层提升用户触达和易用性。

如图所示，大数据获取与治理涵盖三个环节，在大数据获取技术与知识挖掘方面，构建“星-空-地-网”多尺度多模态数据的标准化获取技术，综合采用数据挖掘、属性抽取、知识合并等方法建立高效数据挖掘及高质量知识抽取方法；在大数据治理技术方面，建立以数据智能清洗、配准融合、元数据自动提取、全生命周期管理和质量管理等关键技术为基础的粮食生产大数据治理技术；在大数据安全共享技术方面，构建具有分布式数据高效接入、数据加密与脱敏、链上链下协同存储和高频服务的区块链安全共享技术。在大数据存储方面，通常的关系数据库不足以支持大数据应用程序。

针对多源异构数据特点，需要根据不同的数据类型匹配不同的存储方案。结构化数据，如业务运行数据和元数据采用MySQL、Oracle等关系数据库存储，物联网设备数据采用InfluxDB等时序数据库存储，图像视频等非结构化数据采用HDFS（Hadoop Distributed File System, Hadoop分布式文件系统）或NoSQL数据库存储。数据在管理单元尺度上进行逻辑或物理重构，通过部分冗余存储提高后续计算效率。以此为基础，制定适合中国农业生产特征的粮食生产大数据标准与规范，构建涵盖多源异构粮食生产大数据的采集方法、样本标准、治理方法、分类管理、质量管理等大数据获取和管理标准体系，制定数据开放、交换和访问机制、安全保密等大数据安全和共享标准体系，为粮食生产大数据平台研发和应用提供技术和标准支撑。

从粮食生产本地构建、农业知识抽取、跨媒体知识补全、农业知识推理等方面开展粮食生产知识图谱构建全过程、全生命周期的关键技术研究。

在粮食生产本体构建方面，研究半自动的粮食生产本体构建方法，确保本体库能够随着知识领域的扩展而演化，探索能够实现不同本体库融合的映射方法。

在农业知识抽取方面，针对农业数据结构零散、模态多样的问题，利用多源知识融合与网页正文抽取等技术，实现互联网、物联网等环境下多源异构农业大数据的自动挖掘及知识图谱三元组自动抽取相关的核心算法。

在跨媒体知识补全方面，针对现有单一特征空间的农业知识图谱无法应对跨媒体数据环境下的知识推理问题，采用图像理解、视觉摘要等前沿跨媒体智能计算技术挖掘跨媒体农业数据中的细粒度知识。

在农业知识推理方面，构建融合数据驱动与知识引导的农业知识推理、演化与生成框架。研究使用生成式大语言模型与知识图谱融合实现农业知识的双向驱动与推理，打造数据驱动与知识引导融合的农业知识推理与生成技术体系，为更高智能水平的农业应用服务研发提供开放式的环境支撑。

粮食生产全程大数据智能决策算法是利用粮食生产大数据对粮食生产全过程进行精准化管理和智能化控制的纽带。面向大农场的粮食生产决策方法难以适应中国复杂的农业环境与多样化的粮食生产场景，亟需发展自主可控的粮食生产全程智能决策技术体系。

在产前种植规划算法方面，构建统筹供需平衡、耕地产能、作物生产力和综合效益多目标协同优化的三大粮食作物种植格局时空规划算法，生成主产区、省域、县域和规模农场等多尺度种植规划“一张图”。

在产中生产决策算法方面，创新大数据与机理模型协同的作物生长全程遥感监测模型、信息与农艺融合的种肥水药投入优化决策算法、农机与信息融合的农机路径规划与多机协同调度作业算法，实现“监测-决策-作业”一体化联动管控。

在产后评估算法方面，建立多模型集群学习的粮食面积、产量趋势预测模型，并研发粮食作物供需致险因子识别及风险预警算法；构建基于多指标/多模型和荟萃分析的区域和农场尺度粮食生产，以及智慧农业技术的生态社会经济综合效益评价算法。

研发基于数字孪生技术的粮食生产场景快速搭建模型，对生产全程全要素的数据进行数字世界映射，并对算法模型驱动和仿真分析过程进行封装，可大大降低生产场景数字化构建的成本和难度，满足粮食生产中典型场景构建和场景化服务的需求。

如图所示，在粮食生产大数据平台应用层构建数字孪生农场，以数据和模型驱动数字孪生系统，实现农场孪生场景的自动数据同步、预测仿真和干预反馈。利用作物监测数据进行孪生场景渲染，提供直观、高精度、可测量的数据展示；利用农情预测数据进行场景变化模拟，及早发现作物生长问题；模拟管理干预措施（灌溉、施肥），对预期效果进行可视化表示，优化对策。搭建数字孪生应急管理系统（干旱、洪涝等），将物理世界的数据，如天气、地形、降雨、土壤类型，以及模拟土壤和作物行为的模型信息作为数字孪生的输入数据。数字孪生概念框架包括土壤代理（包括水文模型和土壤数据）、作物代理（包括作物模型和蒸发数据）和农田化身（农田的数字表达，如地质模型和天气数据），土壤代理和作物代理的信息输入到农田化身，并以物联网系统或遥感监测系统作为物理世界与虚拟世界的数据转换和连接。利用数字孪生系统的水文模型和作物模型集成模拟、空间分析与动态仿真能力，模拟区域内洪涝或干旱等不同灾害条件下对农田和作物的影响，分析防灾减灾措施及其效果，评估灾害风险，优化应急预案，增强灾害应对能力。

农场孪生场景构建

来源：杨贵军, 赵春江, 杨小冬, 杨浩, 胡海棠, 龙慧灵, 裘正军, 李娴, 江冲亚, 孙亮, 陈雷, 周清波, 郝星耀, 郭威, 王培, 高美玲. 粮食生产大数据平台研究进展与展望[J]. 智慧农业(中英文), doi: 10.12133/j.smartag.SA202409014.