渔业生产大数据助推渔业高质量发展建设研究

doi:10.11924/j.issn.1000-6850.casb2021-0312

中国农学通报 ›› 2022, Vol. 38 ›› Issue (7): 144-152.doi: 10.11924/j.issn.1000-6850.casb2021-0312

所属专题：生物技术；水产渔业；现代农业发展与乡村振兴

渔业生产大数据助推渔业高质量发展建设研究

徐硕¹^,²(), 鲁峰¹^,²(), 方辉²^,³, 王立华¹^,²

¹中国水产科学研究院渔业工程研究所,北京 100141
²青岛海洋科学与技术国家实验室,山东青岛 266237
³中国水产科学研究院,北京 100141

收稿日期:2021-03-25 修回日期:2021-09-17 出版日期:2022-03-05 发布日期:2022-04-13
通讯作者: 鲁峰
作者简介:徐硕,男,1985年出生,辽宁辽阳人,副研究员,硕士,主要从事渔业信息化及渔业管理政策研究。E-mail： xush@cafs.ac.cn。
基金资助:
中国水产科学研究院基本科研业务费专项“基于异质时空数据的渔船综合安全指数评价研究”(2021HY-ZC008);山东省支持青岛海洋科学与技术试点国家实验室重大科技专项“船联网关键技术研究”(2018SDKJ0103-2);渔业通信导航与大数据创新团队项目“渔船渔港大数据应用研究”(2020TD84)

High-quality Development of Fisheries Based on Big Data of Fishery Production

XU Shuo¹^,²(), LU Feng¹^,²(), FANG Hui²^,³, WANG Lihua¹^,²

¹Institute of Fisheries Engineering, Chinese Academy of Fishery Sciences, Beijing 100141
²Pilot National Laboratory for Marine Science and Technology, Qingdao, Shandong 266237
³Chinese Academy of Fishery Sciences, Beijing 100141

Received:2021-03-25 Revised:2021-09-17 Online:2022-03-05 Published:2022-04-13
Contact: LU Feng

摘要/Abstract

摘要：

渔业生产大数据是在养殖、捕捞、加工、流通、管理等活动中产生的原始性数据,对提升渔业科技创新能力、推动渔业转型升级、促进渔业绿色高质量发展具有重要的引导作用和使用价值。本研究以中国渔业高质量发展为根本出发点,分析渔业生产大数据中心的特点与应用需求,提出涵盖数据采集、传输、存储、应用全链条的渔业生产大数据中心体系架构,围绕渔业生产大数据采集监测网、资源调度分中心和数据主中心制定渔业生产大数据中心建设的总体方案,并基于大数据应用视角,明确渔业生产大数据中心建设的总体目标、标准体系、规划布局与实施路径。研究表明,建设由水产养殖监测网、海洋捕捞监测网、加工流通监测网、水产养殖分中心、海洋捕捞分中心、加工流通分中心、市场监测分中心、管理服务分中心及渔业生产大数据主中心构成的分布式工程体系,形成渔业生产过程动态监测与态势感知能力,对提升我国渔业生产与管理水平、加快数据融合应用、实现渔业创新高质量发展具有重要意义,可为进一步具体开展渔业生产大数据中心建设提供设计蓝图。

关键词: 高质量发展, 渔业生产, 大数据, 数据融合, 数据中心

Abstract:

Big data of fishery production is the original data generated in activities such as aquaculture, fishing, processing, circulation and management, which plays an important guiding role and has application value in enhancing the capacity of scientific and technological innovation of fishery, accelerating fishery transformation and upgrading, and promoting its green and high-quality development. Based on the high-quality development of Chinese fisheries, the characteristics and application requirements of fishery production big data center were analyzed, and the architecture of fishery production big data center covering the whole chain of data collection, transmission, storage and application was proposed. Focusing on data acquisition and monitoring network, resource dispatching sub-center and data master center of fishery production big data, the scheme for the construction of fishery production big data center was formulated. From the perspective of big data application, the overall objective, standard system, planning layout and implementation path of the construction of fishery production big data center was specified. The research results show that establishing a distributed engineering system composed of aquaculture monitoring network, ocean fishing monitoring network, aquatic product processing monitoring network, aquaculture sub-center, fishing sub-center, processing sub-center, market monitoring sub-center, fishery management sub-center and fishery production big data master center can realize the ability of dynamic monitoring and situational awareness of fishery production process, significantly improve the level of fishery production and management, accelerate the application of data fusion and carry out the high-quality development of fishery innovation in China. This study can provide a design blueprint for the construction of fishery production big data center.

Key words: high quality development, fishery production, big data, data fusion, data center

中图分类号:

TP391

徐硕, 鲁峰, 方辉, 王立华. 渔业生产大数据助推渔业高质量发展建设研究[J]. 中国农学通报, 2022, 38(7): 144-152.

XU Shuo, LU Feng, FANG Hui, WANG Lihua. High-quality Development of Fisheries Based on Big Data of Fishery Production[J]. Chinese Agricultural Science Bulletin, 2022, 38(7): 144-152.

图/表 5

图1. 渔业生产大数据中心体系架构图

图2. 渔业生产大数据采集监测网结构示意图

图3. 渔业政务资源整合与互联互通建设结构图

图4. 渔业生产大数据中心标准体系结构图

图5. 渔业生产大数据中心规划布局示意图

参考文献 30

[1]	许世卫, 王东杰, 李哲敏. 大数据推动农业现代化应用研究[J]. 中国农业科学, 2015,48(17):3429-3438.
[2]	王剑, 吴定峰. 大数据视角下农业科研信息资源共建共享模式探索[J]. 中国农学通报, 2017,33(11):147-152.
[3]	程锦祥, 孙英泽, 胡婧, 等. 我国渔业大数据应用进展综述[J]. 农业大数据学报, 2020,2(1):11-20.
[4]	李铜山, 盛阳阳, 董立星. 国内外质量兴农研究综述[J]. 创新科技, 2020,20(8):71-83.
[5]	赵冰, 毛克彪, 蔡玉林, 等. 农业大数据关键技术及应用进展[J]. 中国农业信息, 2018,30(6):25-34.
[6]	许世卫. 农业高质量发展与农业大数据建设探讨[J]. 农学学报, 2019,9(4):13-17.
[7]	RITTENSCHOBER D, STADLMAYR B, NOWAK V, et al. Report on the development of the FAO/INFOODS user database for Fish and Shellfish (uFiSh) - Challenges and possible solutions[J]. Food chemistry, 2016,193:112-120. doi: 10.1016/j.foodchem.2014.08.055 URL
[8]	NIWA H S. Exploitation dynamics of fish stocks[J]. Ecological informatics, 2006,1(1):87-99. doi: 10.1016/j.ecoinf.2005.10.002 URL
[9]	DESIERE S, HUNG Y, VERBEKE W, et al. Assessing current and future meat and fish consumption in Sub-Sahara Africa: Learnings from FAO food balance sheets and LSMS household survey data[J]. Global food security, 2018,16:116-126. doi: 10.1016/j.gfs.2017.12.004 URL
[10]	SIGLER M, DEMASTER D, BOVENG P, et al. Advances in methods for marine mammal and FIsh stock assessments: Thermal imagery and CamTrawl[J]. Marine technology society journal, 2015,49(2):99-106.
[11]	APETI D A, LAUENSTEIN G G, EVANS D W, et al. Recent status of total mercury and methyl mercury in the coastal waters of the northern gulf of Mexico using oysters and sediments from NOAA's Mussel Watch Program[J]. Marine pollution bulletin, 2012,64(11):2399-2408. doi: 10.1016/j.marpolbul.2012.08.006 URL
[12]	AMOROSO R O, PARMA A M, PITCHER C R, et al. Comment on “Tracking the global footprint of fisheries”[J]. Science, 2018,361.
[13]	鲁峰, 王立华, 徐硕. 渔业科学数据中心建设研究[J]. 农业大数据学报, 2019,1(3):57-70.
[14]	FUJIOKA E, SOLDEVILLA M S, READ A J, et al. Integration of passive acoustic monitoring data into OBIS-SEAMAP, a Global biogeographic database, to advance spatially-explicit ecological assessments[J]. Ecological informatics, 2014,21:59-73. doi: 10.1016/j.ecoinf.2013.12.004 URL
[15]	DE POOTER D, APPELTANS W, BAILLY N, et al. Toward a new data standard for combined marine biological and environmental datasets- Expanding OBIS beyond species occurrences[J]. Biodiversity data journal, 2017,5:e10989. doi: 10.3897/BDJ.5.e10989 URL
[16]	GRÜSS A, PALOMARES M L D, POELEN J H, et al. Building bridges between global information systems on marine organisms and ecosystem models[J]. Ecological modelling, 2019,398:1-19. doi: 10.1016/j.ecolmodel.2019.01.023 URL
[17]	王立华, 孙璐, 孙英泽, 等. 渔业科学数据共享平台建设研究[J]. 中国海洋大学学报, 2010,40(S1):201-206.
[18]	BROWN C J, BROADLEY A, ADAME M F, et al. The assessment of fishery status depends on fish habitats[J]. Fish and fisheries, 2019,20(1):1-14. doi: 10.1111/faf.2019.20.issue-1 URL
[19]	KROODSMA D A, MAYORGA J, HOCHBERG T, et al. Tracking the global footprint of fisheries[J]. Science, 2018,359:904-908. doi: 10.1126/science.aao5646 URL
[20]	COSTELLO C, OVANDO D. Status, institutions, and prospects for global capture fisheries[J]. Annual review of environment and resources, 2019,44:177-200. doi: 10.1146/energy.2019.44.issue-1 URL
[21]	王茂祥, 应志芳. 现代渔业产业转型发展路径与支撑体系分析[J]. 中国水产, 2020,3:29-32.
[22]	周洪霞, 陈洁. 我国渔业产业结构现状分析[J]. 中国渔业经济, 2017,35(5):25-31.
[23]	徐皓, 陈家勇, 方辉, 等. 中国海洋渔业转型与深蓝渔业战略性新兴产业[J]. 渔业现代化, 2020,47(3):1-9.
[24]	邹琰, 李翘, 楚张, 等. 天文乡村振兴战略下渔业绿色高质量发展路径研究[J]. 农业科技管理, 2020,39(5):18-20.
[25]	吴巧玲. 物联网在水产养殖中的应用与发展探析[J]. 农村经济与科技, 2021,32(11):58-60.
[26]	SHENG K, LIU Z, ZHOU D, et al. Research on ship classification based on trajectory features[J]. Journal of navigation, 2017,71(1):1-17. doi: 10.1017/S0373463317000509 URL
[27]	SNAPIR B, WAINE T W, BIERMANN L. Maritime vessel classification to monitor fisheries with SAR: Demonstration in the north sea[J]. Remote sensing, 2019,11(3):353. doi: 10.3390/rs11030353 URL
[28]	易加斌, 李霄, 杨小平, 等. 创新生态系统理论视角下的农业数字化转型:驱动因素、战略框架与实施路径[J]. 农业经济问题, 2021(7):101-116.
[29]	朱俊江, 孙宗勋, 练树民, 等. 全球有缆海底观测网概述[J]. 热带海洋学报, 2017,36(3):20-33.
[30]	李风华, 路艳国, 王海斌, 等. 海底观测网的研究进展与发展趋势[J]. 中国科学院院刊, 2017,32(3):321-330.

渔业生产大数据助推渔业高质量发展建设研究

High-quality Development of Fisheries Based on Big Data of Fishery Production

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 5

参考文献 30

相关文章 14

编辑推荐

Metrics

本文评价

关于本刊

作者中心

审者中心

在线期刊

联系我们

[1]	景丽, 张伟, 上官彩霞, 孙建军. 大别山区油茶产业高质量发展研究[J]. 中国农学通报, 2022, 38(7): 153-158.
[2]	李婷婷, 马娟娟, 张建华. 农业大数据信息采集平台建设研究[J]. 中国农学通报, 2022, 38(3): 158-164.
[3]	贾朕, 张怡. 山东省家庭农场高质量发展的现实困境与路径选择[J]. 中国农学通报, 2022, 38(21): 150-157.
[4]	许叶颖, 杨娟, 汪妍, 钱婷婷, 郑秀国. 美国农业收入保险对中国农业保险高质量发展的借鉴作用研究[J]. 中国农学通报, 2021, 37(34): 153-158.
[5]	黄国勤. 论长江经济带农业绿色发展[J]. 中国农学通报, 2021, 37(30): 154-164.
[6]	欧非凡, 张超群. 农业信息处理技术研究与应用进展[J]. 中国农学通报, 2021, 37(20): 113-118.
[7]	杨欣宇, 朱顺军, 段靖平, 陈劲松, 李树志. 青海省地理标志产业高质量发展路径与对策研究[J]. 中国农学通报, 2021, 37(15): 143-149.
[8]	李玉华, 褚希, 车军辉, 李文科, 李旭旭. “锄禾问天”智慧气象为农服务系统的设计与开发[J]. 中国农学通报, 2021, 37(10): 107-112.
[9]	徐硕, 鲁峰, 郭宇东, 王宇, 李奥. 渔业船联网工程体系应用现状分析[J]. 中国农学通报, 2020, 36(12): 139-151.
[10]	王剑,吴定峰. 大数据视角下农业科研信息资源共建共享模式探索[J]. 中国农学通报, 2017, 33(11): 147-152.
[11]	夏晓玲,杜正静,罗敬. 贵州省LAPS系统的本地化以及简单评估[J]. 中国农学通报, 2016, 32(29): 183-188.
[12]	侯瑞霞,孙伟,曹姗姗,唐小明. 大数据环境下林业资源信息云服务体系架构[J]. 中国农学通报, 2016, 32(2): 170-179.
[13]	王剑周国民丘耘王健. 国家农业科学数据中心站内搜索引擎技术研究[J]. 中国农学通报, 2011, 27(30): 270-274.
[14]	李大锋. 广东林业数据中心建设探讨[J]. 中国农学通报, 2008, 24(8): 182-184.