《省级智慧农业大数据平台项目规划建设方案.docx》由会员分享，可在线阅读，更多相关《省级智慧农业大数据平台项目规划建设方案.docx（189页珍藏版）》请在课桌文档上搜索。
1、省级智慧农业大数据平台项目规划建设方案1农业大数据平台项目概述1.1 建设背景农业部办公厅关于印发2018年农业部网络安全与信息化工作要点的通知，2018年，是贯彻党的十九大精神的开局之年，要坚决贯彻中央农村工作会议、全国农业工作会议及中央1号文件精神，深入实施乡村振兴战略，紧紧围绕农业质量年这个主题，制定和实施国家质量兴农战略规划，坚持质量第一，大力推进质量兴农、绿色兴农、品牌强农。随着信息技术和网络通信技术的飞速发展，尤其是互联网、移动互联网、物联网、云计算的快速兴起，引发数据爆炸式增长，各类型数据和信息量急剧膨胀，海量数据已经成为当今社会的基本特征。农业大数据作为大数据的重要分支，是大数
2、据理论、技术、方法在农业领域中的专业化实践和应用。农业涉及农资、育种、耕地、播种、灌溉、施肥、防治病虫害、收获、仓储、农产品加工、农产品物流、销售、畜牧业生产管理等内容，贯穿整个农业生产管理、消费过程中的各个环节都会产生大量的数据。农业大数据不仅涉及生产全过程中各个环节产生的数据，还涉及跨行业、跨专业、跨领域的数据。农业大数据应用，依托部署在农业生产现场的各种传感节点（环境温湿度、土壤水分、二氧化碳、图像等）和无线通信网络，完成农业大数据采集、传输、存储、处理等环节的数据管理，结合大数据分析挖掘技术，最终实现农业生产环境的智能感知、智能预警、智能决策、智能分析、专家在线指导，为农业生产提供精准
3、化种植、可视化管理、智能化决策。如今，国内外农业大数据快速发展，其典型应用体现在：A培育良种对人类营养状况数据、生物群体的基因组等数据进行分析,通过对农作物的基因组进行测序，培育一些营养价值较高的作物品种，有助于提升人们的健康水平。精准种植精准种植是基于3S技术（遥感技术、地理信息系统、全球定位系统），实施一整套现代化农事操作技术与管理的系统，主要用于土壤肥力的精准化监测、农田边界图智能管理、病虫害精准定位和防治、精准施肥和灌溉等。A农业生态环境监测生态环境监测主要是对农作物生长相关的土壤、水质、气候、气象和灾害等情况进行全面监测，并对它们之间复杂的关系进行分析，可以判断不同生态环境对农作物生
4、长的影响。A天气预测通过分析历史天气变化规律，建立天气识别模型，结合当前的气候特征和近期的天气情况，对某地未来一定时期的天气状况进行预测分析，对农业生产和日常生活具有重要指导作用。A农产品与食品安全监测通过对农产品与食品的产地环境、产业链管理、产前产中产后、仓储加工、物流等数据进行监测，并通过对影响农产品与食品安全的关键性指标设置警兆、分析数据、发布预警、寻找警源、消除警情等一系列操作，实现对农产品与食品的安全监控。农产品物流农产品物流涉及农产品的收购、储存、加工、包装、运输、卸载搬运、配送等环节，通过整合、分析各个环节的数据，不仅可以连接农业主体和消费需求主体，还能实现农产品保值增值,甚至可
5、以为整个物流管理提供有力的决策支持，如物流中心选址、最优化配送路线、合理管理库存等。A农产品市场追踪通过对农产品销售价格、销售量、销售需求、消费者购买行为数据进行分析，可以判断农产品的供需、价格变动以及消费者的购买习惯等。我国的农业大数据应用虽已取得阶段性成果，但在整个农业产业链推广过程中仍存在许多问题。而农业大数据作为农业信息化的发展趋势，是新一代信息技术的集中反映，是一个具有无穷潜力的新兴科技产业方向。1.2 农业大数据带了的新的挑战1.2.1 数据挖掘搜集复杂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
6、法处理和分析的数据集合。农业大数据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。大数据收集必须要明确业务所需，再对自已有价值的数据进行收集整合，才能合理收集运用大数据。1.2.2 经验与数据的结合有了数据还要做判断，把这种杂乱无章整理成我们能实际能应用的。通过我们以往的经验，再与数据结合，从而分析确定目标数据。（1）从领域来看，以农业领域为核心（涵盖种植业、林业、畜牧业等子行业），逐步拓展到相关
7、上下游产业（饲料生产，化肥生产，农机生产，屠宰业，肉类加工业等），并整合宏观经济背景的数据，包括统计数据、进出口数据、价格数据、生产数据、乃至气象数据等。（2）从地域来看，以国内区域数据为核心，借鉴国际农业数据作为有效参考；不仅包括全国层面数据，还应涵盖省市数据，甚至地市级数据，为精准区域研究提供基础；（3）从粒度来看，不仅应包括统计数据，还包括涉农经济主体的基本信息、投资信息、股东信息、专利信息、进出口信息、招聘信息、媒体信息、GlS坐标信息等。（4）从专业性来看，应分步实施，首先是构建农业领域的专业数据资源，其次应逐步有序规划专业的子领域数据资源，例如针对畜品种的生猪、肉鸡、蛋鸡、肉牛、奶
8、牛、肉羊等专业监测数据。1.2.3 分析与优化的结合分析的目的是优化，还要做决策上的改变和调整。优化则是会玩数据，科学的做好统计并加以分析。1.2.4 数据类型复杂根据农业的产业链条划分，目前农业大数据主要集中在农业环境与资源、农业生产、农业市场和农业管理等领域。（1）农业自然资源与环境数据。主要包括土地资源数据、水资源数据、气象资源数据、生物资源数据和灾害数据。(2)农业生产数据包括种植业生产数据和养殖业生产数据。其中，种植业生产数据包括良种信息、地块耕种历史信息、育苗信息、播种信息、农药信息、化肥信息、农膜信息、灌溉信息、农机信息和农情信息；养殖业生产数据主要包括个体系谱信息、个体特征信息
9、、饲料结构信息、圈舍环境信息、疫情情况等。(3)农业市场数据包括市场供求信息、价格行情、生产资料市场信息、价格及利润、流通市场和国际市场信息等。(4)农业管理数据主要包括国民经济基本信息、国内生产信息、贸易信息、国际农产品动态信息和突发事件信息等。1.3 农业大数据发展趋势大数据时代，农业大数据不仅充满了挑战和未知，也让我们充满了更多期待和憧憬。在新一轮农业现代化建设中，要将农业大数据纳入国家农业信息化发展战略，夯实智慧农业的基石，让大数据创造出真正的智慧，支撑农业大数据的稳健发展。要密切跟踪国际大数据前沿技术，积极抓住发展契机，基于政府的强有力推动和引导，做好顶层设计、实现有序发展。围绕国家
10、农业特点和重大需求，梳理农业大数据重点发展领域，创新农业大数据关键技术，重点培养和支持一批农业大数据的应用与示范项目。尤其是要通过大数据与农业的融合，不断加强基于农业物联网成果的示范应用，推进现代农业跨越式发展。1.4 建设目标(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
11、众等。1.5 建设原则结合本项目的实际应用和发展要求，在进行农业大数据平台方案设计过程中，应始终坚持以下原则：1）可扩展性原则为了保证不断增长的农业大数据需求，系统必须具有灵活的结构并留有合理的扩充余地，以便根据需要进行适当的变动和扩充；主要平台系统应采用开放的结构，符合农业标准，适应技术的发展和变化。我们把主要精力放在满足现有农业需求和对未来的系统扩展的支持性上，也就是需要设计成一个便于扩展的系统架构，系统应具备良好的扩展能力并能够便捷地进行扩展。2）合理性原则在一定的资金条件下，以适当的投入，建立性能价格比高的、先进的、完善的农业系统。所有软硬件的选型和配置要坚持性能价格比最优原则。在满足
12、系统性能、功能以及考虑到在可预见的未来不失去先进性的条件下，尽量取得整个系统的投入合理性,以构成一个性能价格比优化的应用系统。系统架构的设计应尽可能地运用虚拟化、云计算等新技术，以符合未来的技术发展方向。这种设计方法可以最大化地利用投资，并在利用率、管理、能源等各方面提高用户投资的效率，降低总体拥有成本，减少浪费的发生。结合新技术的运用，也可以让各应用系统更好地融入未来整体IT建设规划中，避免发生推到重建的现象，从而减少农业信息建设上的投入。3）可靠性原则系统要具有高可靠性及强大的容错能力。该系统必须保证7X24全天候不间断地工作，核心设备比如数据库服务器和存储设备具有全容错结构，并具有热插拔
13、功能，可带电修复有关故障而不影响整个系统的工作，设计应保持一定数量的冗余以保证整体系统的高可靠性和高可用性。即便是在系统建设初期也要着重考虑系统可用性、可靠性问题，防止出现系统停顿等问题造成信息系统的中断服务。通过结合云计算等新技术，可以更好地提高系统的可靠性和可用性。4）可管理性原则选择基于开放的技术，采用标准化、规范化设计；同时采用先进的设备，易于日后扩展，便于向更新技术的升级与衔接，实现系统较长的生命力；保证后期在系统上进行有效的开发和使用,并为今后的发展提供一个良好的环境；在设计、组建中心机房系统时，采用先进的、标准的设备；在选购服务器、存储和连接设备时，确保系统部件间的严密配合和无缝
14、联接，并获得良好的售后服务和技术支持；整个系统建成后按照整理一套完整的文档资料，以便提高整个系统的可管理性与可维护性。5）安全性原则严格按照关于信息安全的规定和要求，规划和部署中心机房的业务系统和备份系统；采用安全服务器、备份还原系统、来防止内外部的网络安全威协和数据丢失窃取威胁等；所有软硬件采用国产、自主研发的产品，从根本上保障系统的安全性。2农业大数据需求分析大数据技术能够将大规模数据中隐藏的信息和知识挖掘出来，为人类社会经济活动提供依据，提高各个领域的运行效率,甚至整个社会经济的集约化程度。目前，大数据每年都会涌现出了大量新的技术，成为大数据获取、存储、处理分析或者可视化的有效手段；相关
15、的平台和工具也越来越多，给业界提供了更多的选择，未来还会继续出现新的技术和工具。2.1 统一业务平台从国家的各项政策文件中，我们可以看出，“智慧农业”己经成为未来农业发展的关键词。而要实现智慧农业的目标，那么就势必要加快农业信息化水平建设，其中一个重要的举措就是建立农业大数据平台，让大数据这个现代工具”充分发挥在我国农业生产中的作用。智慧农业云平台案例基于目前农业信息技术主要应用领域和产生大数据的主要来源分析，大数据的主要应用领域包括以下几个方面：1 .生产过程管理数据管理：设施种植业、设施养殖业（畜禽和水产等）、精准农业等。提高整个生产过程的精准化监测、智能化决策、科学化管理和调控，是农业信
16、息化的紧迫任务。2 .农业资源管理数据管理：土地资源、水资源、农业生物资源、生产资料等。我国农业资源紧缺、生态环境与生物多样性退化，要在摸清家底的基础上，进一步优化配置、合理开发，实现农业高产优质、节能高效的可持续发展。3 .农业生态环境管理数据管理：土壤、大气、水质、气象、污染、灾害等。需要进行全面监测、精准管理。4 .农产品与食品安全管理：产地环境、产业链管理、产前产中产后、储藏加工、市场流通领域、物流、供应链与溯源系统等。5 .农业装备与设施监控管理：设备和实施工况监控、远程诊断、服务调度等，在上述应用中，关键是农业环境与资源、农业生产过程、农业产品安全、农业市场和消费的监测和预测等。6
17、 .科研活动产生的大数据管理，如大量的遥感数据，包括空间与地面数据；大量的生物实验数据，如基因图谱、大规模测序、农业基因组数据、大分子与药物设计等。2.1.1 农业监控预警近年来，规模种植为提高人们的生活水平带来极大的便利，得到了迅速的推广和应用。种植环境中的温度、湿度、光照度、C02浓度等环境因子对作物的生产有很大的影响。然而，在大面积种植中，定期检查、灌溉、排水、施肥等工作，没有一套指导标准，更多的是靠人为判断，判断的差异性严重影响种植产量和质量。针对上述问题，龙信思源（北京）科技有限公司提供的智能农业监控系统融入国际领先的“物联网-移动互联网-云计算”技术，借助个人电脑，智能手机等终端设
18、备，实现对农业生产现场气象、土壤、水源环境的实时监测，并对大棚，温室，灌溉等农业设施实现远程自动化控制。同时，结合视频直播、智能预警等强大功能，帮助广大农业工作者及时掌握农作物生长状况及环境变化趋势，为用户提供高效便捷、功能强大的农业监控解决方案Q物联网，云计算，移动互联jRW云计HttB心 iWIWWX智能农业监控技术背景该系统通过定制开发的智能终端设备监控农业生产过程中的各类指标（包括气象环境、土壤情况，设备状态等），通过高清摄像机或者照相机远程监控生产园区中一系列智能终端设备（降温、加湿、抽风、施肥等等）数据汇聚到云计算数据中心,实现农业信息检测和标准化生产监控，帮助用户精确了解农作物生
19、长、病虫害、土地灌溉及土壤空气变更情况等，并结合农产品的生产流程与标准指标设置预警反馈，最终实现该产品全程监控和预警机制。电脑m平板智能农业监控系统农业园区农业企业-科研机构，专业大尸2.1.1.1 象监测田间的一站式”气象站采用太阳能供电，集成了多种传感器，实时监测各种气象信息（风向、风速、光照、温度、降雨量等），并通过智能网关直接将数据信息传回云数据中心。全程采用全智能化设计，一旦设定监控条件，可完全自动化运行，无需人工干预。最大程度避免人工操作的随意性，同时明显降低现场劳动力，帮助用户实现对农业设施的精准控制。气象监测示例2.1.1.2 环境监测采用“一站式”监测站，实时监测各种环境信息
20、（空气湿度、土壤湿度、C02含量、土壤PH值等），并通过智能网关直接将数据信息传回云数据中心，提高监控效率，帮助用户实现生产流程的标准化管理。图2-42环境监测示例2.1.1.3 视频图像综合运用“传感器、控制器、智能相机、智能摄像头、RFID”等高端物联网设备，实现对农业生产活动中从物到人的360度全面监控，监控范围包括：现场视频、高清图片、环境质量、设备状态、人员定位等等，并根据设定条件，对各种异常情况进行自动预警、任务跟踪与远程控制。图2-43视频图像示例2.1.1.4 设备状态实时监测生产现场各种设备运行状态（灌溉记录、排风记录、流量、水压等），并通过智能网关直接将数据信息传回云数据中
21、心，及时为用户反馈设备运行情况，优化农作物生长环境。M HU图2-44设备状态监测示例2.L1.5自动控制融入国际领先的“物联网，移动互联网，云计算”技术，借助个人电脑、智能手机等终端设备，通过对农业生产现场气象、土壤、水源环境的实时监测，实现对大棚、温室、灌溉等农业设施实现远程自动化控制。图2-45自动控制示例-二.总之，信息作为现代农业基本要素，将很快向农业生产管理深层渗透，信息服务技术向着网络化、集成化、智能化、个性化、低成本方向的发展，海量信息低成本获取、传输、大数据建模技术的瓶颈突破，智能农业监控系统的应用，将使智慧农业逐步走进农家，为中国实现农业现代化助力的同时，也为广大农产品消费
22、者带来进一步的效率、便利和安全。2.1.2 农业精准种植随着科技的进步、生产力的提高，我国农业有了较大发展,粮食产量也有了大幅提高，但人们在农业生产管理过程中仍存在诸多的问题：不合理使用化肥、大量喷洒农药、大水漫灌等，不仅对农作物生长不利，而且还会造成土壤板结、盐碱化程度加重等后果，进而影响后续的农业生产和收成，陷入恶性循环。现如今，大数据处理技术以及农业生产过程中产生、积累的海量农业数据，为农业的发展带来了新的机遇。龙信思源（北京）科技有限公司作为协作单位参与了科技部“渤海粮仓增产增效项目中并承担了其中部分大数据支撑研究，下面以此研究的相关成果为内容进行阐述。2.1.2.1 数据现状与应用需
23、求分析目前，采集的农业数据主要包括土壤数据、作物（小麦）生长数据、气候数据、种植与生产数据、病虫害防治数据、气象数据等，数据的采集主要采用两种方式：人工采集和自动采集。人工采集主要是当地的科技人员按指定的采样标准并通过专门的数据采集网站对这些数据进行记录，如图2-47所示；自动采集主要是利用农田信息采集物联网设备对数据进行实时采集，如图2-48所示：莒支氏制土堆工室工常期冬茁期段行明开花期或黑期图2-46数据（人工）采集系统主菜单看渤海#1仓敷据采集系统*MmtM*IWHUUU* 竹三*UK (aR*IIOQOC4HImoi#QIl，6】Hnon03WVT4Hroot)09 I4WOOBt1*
24、4aMtrmHMOOOyHMM4U 4HSTtM00WmWgww图2-47数据（人工）采集系统统计列表彳林金科*丈承老工工上.&白=* * C *KMM1*vq ： an ms图2-48农田信息物联网自动采集系统基于对农田作物长势及生长环境数据的采集和积累，依托于大数据分析和挖掘技术，分析采集点的土壤养分含量、播种的品种、播种的日期、上茬农作物的种类及产量情况对小麦生长的影响，通过构建大田作物（小麦）生长因素分析模型，找出影响大田作物（小麦）生长的关键性指标，为改良作物生长提供决策依据及改良方向，进而为农作物的增产增效服务。2.1 22分析方法与过程通过对数据和业务问题的理解，由于作物（小麦）
25、品种多样、长势不一，如果不对麦苗的长势情况进行分类划分，会使得数据分析或挖掘的难度很大、效果较差，因此在对这些数据进行分析或挖掘前，需要对数据进行预处理，根据麦田划分标准，并结合麦苗长势数据，将麦田划分为三个等级：一类麦田、二类麦田、三类麦田。从宏观和微观层面对影响麦苗生长的指标进行了统计分析,并采用有效的可视化方式，对统计分析结果进行展现，其关键在于从单指标角度分析每个指标与麦苗长势之间的关系,如图2-49和图2-50所示。图2-49样本点苗情布局图图2-50样本点有机质（宏观）布局图苗情图2-51样本点苗情统计分析图在对影响麦苗生产的各个指标统计分析的基础上，结合数据预处理、数据挖掘等技术
26、，采用有效的挖掘算法一决策树C5.0和LogiStiC回归分析（目标变量即麦田等级为离散的分类变量，对麦苗影响因素的分析问题转化为对麦田等级划分的分类问题）,对影响麦苗生长的各个指标进行动态的、关联性的深层次分析和挖掘，通过构建大田作物（小麦）生长因素分析模型，分析出各种组合模式（作物品种、土壤养分含量、种植模式、施肥量、灌溉量）下对麦田等级划分的有效性，从而找出影响麦苗生长的关键性指标。模型构建流程如图2-53所示（模型构建使用IBMSPSSModeler数据挖掘软件）。模型构建完成，需要对建模结果进行分析和评估，确定一系列影响作物生长的分析指标体系（组合模式），对训练结果和验证结果进行比较
27、，最终找出影响作物生长的关键性指标。2.1.2.3应用成效通过构建大数据采集系统，对农作物苗情、土壤养分、含水量等数据进行收集，可有效解决田间数据的实时采集。通过宏观和微观分析，可以对影响作物生长的单指标（土壤养分、含水量、盐碱程度等）进行全面透析，有针对性地对土样代表的地块进行施肥、灌溉、控盐渍化等的综合指导，同时可以根据苗情布局情况，对不同等级的麦田进行分类指导，因地因苗制宜，科学运筹肥水，抗旱保苗，促弱转壮，控盐保墙，构建合理群体，加快转化升级，奠定丰收基础。通过构建大田作物（小麦）生长因素分析模型，初步发现对试验对象麦田等级有重要影响的指标，在农作物的生产管理过程中优先关注并改良这些指
28、标，并在示范工程中取得了良好的成效,为农作物的增产增效提供了有力的数据支撑。总体建设方案2.2 总体设计原则XX省智慧农业工程覆盖省、市、区（县）三级农业机关，涉及到农业机关内外的数据交换、信息安全、应用协同与运行维护等工作，在建设的过程中要必须遵循以下原则：1 .标准先行、安全可控原则标准先行。在系统建设方案设计时，需依托国家电子政务建设的各种信息技术标准（环境、技术、信息、安全、信息交换标准等），结合行业安全监管业务应用的特点，强化信息安全建设。安全可控。在系统设计和建设中既要考虑大量公共性信息的采集、储存、处理和发布，充分实现信息资源的共享，提高工作效率；也要充分考虑涉密信息的采集、储存
29、、处理和提供利用的安全问题，采取切实可行、稳妥可靠、符合相关标准的技术措施。2 .统筹建设、集约整合原则统筹建设。由建设领导小组牵头，统一制定项目规划、方案、计划、标准和相关制度，负责指导、监督各地市管局进行硬件设备购置、软件和数据库部署、运行维护等后续实施工作，并对对地市项目的具体建设进行检查、指导和验收。集约整合。在满足综合信息交换与网络安全传输要求的前提下，最大化充分利用既有信息化基础设施资源、装备设施，同时在架构上充分优化内外接口关系，尽可能避免重复建设和资源浪费。3 .技术引领、持续发展原则技术引领。适应社会发展和农业业务发展趋势，采用先进的、开放的信息技术，统筹建设、使用、维护、培
30、训、服务等各个环节，坚持合理的技术路线和先进的管理手段。持续发展。需要把控安全监管与行业发展的平衡，在行业安全监管的基础上，深入了解农业机关与广大社会群众的实际诉求,为农业业务的现代化、规范化、健康可持续发展提供有力支撑。2.3 总体目标2.3.1 宏观目标通过XX省智慧农业工程的建设，全面提高全省农业厅机关的信息化水平，实现对农业业务全过程的规范化、现代化管理，全面提升农业业务的工作效能，提高、综合协调能力和决策能力，打造全省农业厅机关网上农业、掌上农业、智慧农业的三位一体农业信息化创新发展模式，推动XX省农业厅信息化水平提升到全国标杆的领先水平。2.3.2 目标通过三年的建设时间，加快实现
31、农业业务工作的统一应用基础支撑平台、统一网络平台、统一安全体系、统一运维体系，构筑全省“业务高规范、应用高协同、网络高性能、信息高安全”的信息化统一架构体系。(1) 基础设施集约化：在三张网的基础上，探索云数据中心在XX省农业厅行业中的建设模式；(2) 农业管理精细化：对内实现农业队伍的科学管理、对外实现核心业务流程对科研院校、天气等单位跨部门信息化贯通;(3) 公开服务精准化：在整合网站群、两微一端等多种农业公开方式信息的基础上，提供多层次、个性化服务。2.321 中长期目标逐步实现信息化与业务发展深度融合的智慧农业，实现农业在农林工作中的高度协同，支撑全省农业厅服务实现快速发展。2.4 总
32、体建设任务构筑横向聚合、纵向贯通、高效安全的1932全省农业厅信息化体系：(1) 全省统一、多种接入方式、全局展现的1个综合门户平台:(2) 整合全省农业厅业务、农业保障、队伍管理等业务的9大应用:(3) 建设完善支撑上层农业应用的3张高性能、高安全通信网络；(4) 发展完善网络安全及运维保障2个管理体系。2.5 系统总体结构和逻辑结构XX市智慧农业项目数据中心是全省数据处理加工和数据分析应用的中心，总体上需实现上连省农业厅、下连各级农业、外连市级部门；构建资源整合、互联互通、资源共享的全省统一的数据中心资源库；构建完善的底层支撑平台，实现各类中间件、支撑系统、应用服务的统一管理；实现全省各部
33、门、各级农业不同口径业务之间的协同应用、分级管理；实现二张网络应用的分开部署；实现各级农业电子农业数据资源电子化、数据处理业务自动化、决策分析科学化的信息化体系。XX市智慧农业项目总体设计一个综合门户平台、十二个业务应用系统、一个大数据中心、二张通讯网络、二个保障体系。系统总体架构图如下。以温度、湿度、摄像头等设备构成传感器完成大数据平台的初始数据收集工作，采用移动互联网完成数据数据的传输，最终在大数据平台完成数据的清洗、归类、分析、挖掘工作，最终形成可视化的图标展示等功能。否8XS而控制I婚份析I自动报警:图表展示2.5.1.1综合门户平台建设综合门户平台，面向农民、农业机关、科研支撑单位以
34、及社会公众等各类用户，根据角色权限以及网络的不同，提供统一的电子农业应用系统入口，以及全方位的智慧、个性化、快捷的综合性服务平台。包括智能门户系统、移动农业平台系统、农业信息全局视图系统和数字审批系统。(1)智能门户系统智能门户作为XX市智慧农业项目系统的集中展现窗口，是以用户需求为导向、以服务为目标的，集展现、受理、交付、监管于一身的一站式服务平台。通过采集整合各应用系统的数据资源，将分散在各处的异构服务信息按照面向用户的公共服务体系结构方式进行梳理，重构扁平化的服务栏目结构，搭建一个为XX市各级农业、科研支撑单位、公众农民等多种身份的群体提供全方位的智慧、个性化、快捷的公共服务平台。（2）
35、移动农业平台系统移动农业平台系统提供了一套可在智能手机、平板电脑等移动终端设备上运行的客户端程序，采用与移动互联网通讯技术融合的方式，将移动终端变成XX市智慧农业项目的移动载体，使得XX市智慧农业项目的建设及应用模式变得更加灵活方便，满足XX市农业相关用户日常办公、审判的需求，满足农业各级领导开展业务处理、工作管理、决策支撑等需求，满足社会公众对农业办理、信息公开服务的需求等。（3）农业信息全局视图系统农业信息全局视图系统利用大数据分析技术形成各类管理全局视图，实现对全省农业厅工作整体的把控。同时能够自动生成相关汇报、对外交流、成果展示等数据，利用指挥中心大屏等设备的区域设计和展示优势进行多维
36、直观展示，实现全省电子农业数据的可视化。1.1.1 .2业务应用系统从满足多样化的应用需求出发，以科学、规范、高质量的各类电子农业数据资源为基础提供全面的应用系统。应用系统基于强大完备的数据资源体系，以对农业、队伍管理、农业保障支撑为目的，构建面向各类用户的多层次多形式的综合应用系统,实现对农业全过程的规范化、网络化和智能化管理，全面提升农业信息收集利用能力、综合审判能力、快速反应能力，提高农业工作的高效发展。主要包括统一业务应用系统、综合事务管理、农业信息共享管理等9个业务应用系统。2.5.13 应用支撑系统应用支撑平台是一个承上启下的、组件化的支撑中间件平台，提供业务支撑及业务协同相关的各
37、类组件服务。通过提供一个良好的可扩展平台，以降低信息化系统建设的复杂度、提高建设的可靠度。考虑到办公业务资源网的系统部署数量多、对外交互多的实际状况，应用支撑平台能够提供纵向贯通各类不同层级的信息资源与上层应用之间的垂直通道，构建高效、实时、共享、准确的信息流；横向通过各类业务组件组装，满足跨农业部门、跨行业领域的信息共享和协同应用，最终达成资源共享、协同管理、多元服务的总体目标。通过标准服务总线向上层应用平台提供粗粒度的应用基础服务接口，对应用开发者屏蔽下层信息细节和计算模型；另一方面对跨部门、跨领域应用流程提供管道，并进行管理与监控，实现各应用系统间的高效协同工作。应用支撑平台由三类组件构
38、成：基础组件、统一身份认证组件。251.4 大数据分析平台按照统一规划、统一标准、统一架构的指导思想，采用云计算、大数据等信息化前沿技术，打造高效、集约化、先进、稳定的智慧农业大数据平台。紧密切合政务大数据的发展契机，通过采集农业档案数据、海量的历史文书数据，汇总形成农业统一的大数据中心。通过大数据分析技术，挖掘数据价值，自动生成相关分析报告，文书内容，决策数据，预警数据等，以信息高效自动化手段提升农业的工作效率和决策分析水平。通过对农业历史数据、采集数据、科研数据等，对数据进行清洗、转换、集中存储，同时结合现有各类数据库，形成标准化的农业数据中心。并通过海量数据的综合分析，形成核心数据、指标
39、库、专项分析、业务监督、人员管理等多项数据应用服务功能，提供完善的信息检索功能，更好的为各级领导及机关人员服务。251.5 基础设施层2.5.1.5.1 农业云平台通过部署虚拟化软件、服务器、存储设备、网络设备，内部搭建虚拟化环境，通过虚拟化技术构建新一代的数据中心，形成统一的云计算信息系统平台。在数据中心，所有资源整合后在逻辑上以单一整体的形式呈现，这些资源根据需要进行动态扩展和配置，各单位最终信息系统业务按需使用资源。通过虚拟化技术，增强数据中心的可管理性，提高应用的兼容性和可用性，加速应用的部署，提升硬件资源的利用率，降低能源消耗。虚拟化是云计算的基础，在数据中心，通过虚拟化技术将物理服
40、务器进行虚拟化，具体为CPU虚拟化、内存虚拟化、设备I/O虚拟化等,实现在单一物理服务器上运行多个虚拟服务器（虚拟机），把应用程序对底层的系统和硬件的依赖抽象出来，从而解除应用与操作系统和硬件的耦合关系，使得物理设备的差异性与兼容性与上层应用透明，不同的虚拟机之间相互隔离、互不影响，可以运行不同的操作系统，并提供不同的应用服务。2.5.1.5.2 存储及备份系统随着农业信息系统的不断发展，信息化程度越来越高，信息化建设规模不断扩大，农业信息数据及各种业务应用系统被广泛依赖。数据是承载所有业务的基础和核心，业务系统是提供高效稳定服务的关键，它们已成为各级农业体系提供正常服务的灵魂和核心。信息系统
41、的数据丢失或业务系统中断，将带来严重后果。利用技术手段，确保重要数据安全和重要信息系统的连续稳定运行，对于农业来讲，至关重要。二套网络数据分别存储在各自的虚拟存储资源池，数据存储的安全性至关重要，目前以国产CPU为核心的分布式集群存储完全能满足农业云的数据存储需求，建议采用以国产CPU为核心的分布式集群存储，从底层硬件到上层软件完全自主研发，从根本上保障数据的安全性。2.5.1.5.3 三套基础网络(1)互联网主要提供农业的互联网访问及农业信息的公众发布，部署农业信息发布网站集群。市农业、各区县农业已建设完成。(2)办公业务资源网络办公业务资源网络为涉密业务专网，覆盖市县二级农业，主要处理涉密
42、敏感信息，连接全省各级农业局、省农业厅及农业部。内部办公网建设了边界防护、违规外联、安全准入、入侵检测等各类安全防御系统，实现市县二级农业的分级保护。(3)内部办公网2.5. 为本次新建设网络，覆盖省市县三级农业局，实现农业信息业务的部署，同时按照国家信息安全等级保护规范对机关内部办公网进行安全防御，确保机关内部办公网的稳定安全运行。2.6. 1.6二个保障体系（1）安全保障管理体系建设主要是依据信息系统安全等级保护基本要求中的管理要求，分别从安全管理机构、安全管理制度、人员安全管理、系统建设管理、安全运维管理、安全服务体系6个方面进行设计。安全管理体系基于安全基础设施、以安全策略为指导，提供
43、全面的安全服务内容，覆盖从物理、网络、系统、直至数据和应用平台各个层面，以及保护、检测、响应、恢复等各个环节，构建全面、完整、高效的信息安全体系，从而提高XX市农业的整体安全等级，为农业发展提供坚实的安全保障。（2）运维保障体系建设优化整合信息资源，在标准规范体系指导下，以智能运维管理平台为手段，建立直管、高效的IT服务管理，建设统一、规范的事件响应监督机制，实现统一管理、协调运转，主动预警、综合排查，量化评估、掌控全局的体系化、立体化的全面运行维护保障体系。3本期项目设计方案3.1 应用支撑平台设计3.1.1 设计目标应用支撑平台是一个承上启下的、组件化的支撑中间件平台,提供业务支撑及业务协
44、同相关的各类组件服务。通过提供一个良好的可扩展平台，以降低信息化系统建设的复杂度、提高建设的可靠度。考虑到农业信息网的系统部署数量多、对外交互多的实际状况，应用支撑平台能够提供纵向贯通各类不同层级的信息资源与上层应用之间的垂直通道，构建高效、实时、共享、准确的信息流；横向通过各类业务组件组装，满足跨农业部门、跨行业领域的信息共享和协同应用，最终达成资源共享、协同管理、多元服务的总体目标。通过标准服务总线向上层应用平台提供粗粒度的应用基础服务接口，对应用开发者屏蔽下层信息细节和计算模型；另一方面对跨部门、跨领域应用流程提供管道，并进行管理与监控，实现各应用系统间的高效协同工作。3.1.2 系统功
45、能设计应用支撑平台由两类组件构成：基础组件和统一身份认证组件。其中基础组件包括服务总线、消息队列、短信邮件及全文检索；统一身份认证包括身份管理、身份认证、授权管理和安全审计等。应用支撑平台基础组件统一身份认证图5.2.2应用支撑平台功能架构各组件遵循业界标准SOA架构。通过这种架构的实现机制,并采用开放标准和面向构件的设计，可很好地实现应用系统的平台支撑作用，使系统具有很好的灵动性和扩展性；同时能够使智慧农业数据中心在面对业务变化时能够快速做出反应，利用对现有的应用程序和应用基础结构投资来解决新出现的业务需求。3.2 大数据分析层规划设计3.2.1 大数据平台介绍3.2.1.1 平台功能框架大
46、数据平台必须是一个开放的体系，相关软件系统和硬件设备应是业界主流产品，遵循国家标准、行业标准，保证平台、设备、管理系统能够随时无障碍地进行更新和移植。大数据管理平台还应遵循统一的标准规范，充分考虑与外部系统（4A及其它网管系统、业务系统等）的接口。支撑数据挖掘、数据实时存储和访问、ETL计算平台这三类业务应用。3.2.1.2 分布式存储功能分布式存储为用户提供企业级大数据平台软件一体化解决方案；并支持特殊应用场景下的定制化硬件加速。面对结构复杂、需求多变的异构数据处理业务，分布式存储不仅提供统一、稳定、高效的存储子系统，还整合了先进的分布式集群资源管理和进程调度方案、高性能数据总线技术、全并行
47、架构分布式关系数据库、面向图计算的并行图数据库、分布式KV存数据库，以及面向用户业务的各类工具软件和库支持。基于分布式存储平台，用户可以以非常低的时间代价构建大规模企业大数据一体化解决方案。I文档数据库图片I音视频11邮件消息关系型数据Ii非关系型数据一Ii流式数据|多维数据HbaseHDFSDBDSQLGraphDB龙威集群存储（申威国产平台）存储组件的结构图上图是存储组件的结构图，主要包括如下功能组件:1)分布式集群存储：基于对象的高性能分布式文件存储系统。2) DFS:分布式文件系统。3) HBase：分布式Key-Value数据库。4) DSQL：分布式关系数据库。5) GraphDB:并行图数据库。6) DB:
