薛文龍+蘇萬(wàn)益

摘要：互聯(lián)網(wǎng)及移動(dòng)互聯(lián)網(wǎng)的快速發(fā)展為農(nóng)民提供了便捷，越來(lái)越多的農(nóng)民學(xué)會(huì)了上網(wǎng)，更學(xué)會(huì)了使用網(wǎng)絡(luò)為農(nóng)業(yè)生產(chǎn)提供服務(wù)，網(wǎng)絡(luò)搜索各種農(nóng)業(yè)次生災(zāi)害的解決方案成為農(nóng)民使用上網(wǎng)查詢的首選。民眾的搜索日志對(duì)于搜索引擎來(lái)說(shuō)只須要稍加處理，便能使用當(dāng)下流行的大數(shù)據(jù)技術(shù)為農(nóng)業(yè)生產(chǎn)提供服務(wù)，本試驗(yàn)提出基于用戶搜索行為的農(nóng)業(yè)安全預(yù)警模型，能夠比政府氣象部門提前3～15 d預(yù)報(bào)各區(qū)域即將發(fā)生的影響農(nóng)業(yè)生產(chǎn)的安全事件，既可以為農(nóng)民提供預(yù)警行為，又不需要政府投入巨額資金，為我國(guó)農(nóng)業(yè)發(fā)展作出貢獻(xiàn)。

關(guān)鍵詞：大數(shù)據(jù)；農(nóng)業(yè)安全；互聯(lián)網(wǎng)；網(wǎng)絡(luò)搜索；預(yù)警

中圖分類號(hào)： S126文獻(xiàn)標(biāo)志碼： A文章編號(hào)：1002-1302（2017）12-0188-04

隨著智能手機(jī)和“可穿戴”設(shè)備的出現(xiàn)，人類自身產(chǎn)生的一些數(shù)據(jù)逐漸能夠被記錄和分析。以此為基礎(chǔ)的大數(shù)據(jù)技術(shù)快速發(fā)展，由此人類社會(huì)邁進(jìn)了一個(gè)以數(shù)據(jù)為基礎(chǔ)的新時(shí)代[1]。目前，國(guó)內(nèi)外有眾多的大數(shù)據(jù)在公共衛(wèi)生、科學(xué)計(jì)算、商業(yè)服務(wù)等領(lǐng)域的成熟應(yīng)用，只要深度發(fā)掘數(shù)據(jù)價(jià)值，就能使用數(shù)據(jù)巧妙地激發(fā)新產(chǎn)品的設(shè)計(jì)和新型服務(wù)的誕生。因此，大數(shù)據(jù)與某一行業(yè)的結(jié)合必能顛覆該行業(yè)的傳統(tǒng)思維[2]，引來(lái)新思路，聯(lián)系到我國(guó)農(nóng)業(yè)安全預(yù)警方面與國(guó)外差距巨大，那么將大數(shù)據(jù)與農(nóng)業(yè)安全預(yù)警相結(jié)合，必能找到我國(guó)自主預(yù)警發(fā)展道路，能夠更加快速、高效、低成本地實(shí)現(xiàn)農(nóng)業(yè)安全預(yù)警[3]。

1我國(guó)農(nóng)業(yè)安全預(yù)警現(xiàn)狀

1.1國(guó)外現(xiàn)狀

國(guó)外在農(nóng)業(yè)安全預(yù)警方面發(fā)展較快，很多發(fā)達(dá)國(guó)家采用人工調(diào)查地面大面積樣方統(tǒng)計(jì)法，如美國(guó)國(guó)家農(nóng)業(yè)統(tǒng)計(jì)局（NASS）依靠收集到的人工觀測(cè)數(shù)據(jù)，對(duì)種植意向、實(shí)際種植面積、自然災(zāi)害、作物單產(chǎn)及總產(chǎn)進(jìn)行預(yù)報(bào)預(yù)警工作；在收獲將近結(jié)束時(shí)，給出其實(shí)際總產(chǎn)量的評(píng)估結(jié)果。歐洲國(guó)家采用的是作物產(chǎn)量和生產(chǎn)情況報(bào)告制度，由匯報(bào)員在作物的生長(zhǎng)期內(nèi)對(duì)作物的生長(zhǎng)進(jìn)行觀察，然后對(duì)可能的單產(chǎn)及可能產(chǎn)生的自然災(zāi)害作出預(yù)報(bào)預(yù)警，收獲后對(duì)作物單產(chǎn)作出最終的報(bào)告。日本在農(nóng)業(yè)預(yù)警方面研究較為深刻，其研究包括：（1）利用作物環(huán)境參數(shù)進(jìn)行統(tǒng)計(jì)的氣象統(tǒng)計(jì)模式；（2）利用作物生理生態(tài)要素進(jìn)行產(chǎn)量預(yù)報(bào)的生態(tài)統(tǒng)計(jì)模式；（3）作物生長(zhǎng)統(tǒng)計(jì)模式；（4）利用遙感技術(shù)大范圍獲取作物信息進(jìn)而進(jìn)行產(chǎn)量預(yù)報(bào)的模式。

1.2國(guó)內(nèi)現(xiàn)狀

中國(guó)人口眾多，糧食產(chǎn)量居于世界首位。糧食生產(chǎn)是國(guó)民經(jīng)濟(jì)的基礎(chǔ)，農(nóng)業(yè)生產(chǎn)力水平將影響國(guó)計(jì)民生。如果能把農(nóng)業(yè)問(wèn)題解決好，將極大地促進(jìn)中國(guó)的經(jīng)濟(jì)發(fā)展乃至社會(huì)穩(wěn)定。為了增加政府宏觀調(diào)控的可操作性，使農(nóng)業(yè)方面的宏觀調(diào)控與管理有規(guī)律可循，就須要對(duì)農(nóng)業(yè)安全發(fā)展趨勢(shì)進(jìn)行了解和判斷。因此，加強(qiáng)對(duì)農(nóng)業(yè)安全預(yù)警研究具有重要意義。

國(guó)內(nèi)也進(jìn)行了關(guān)于農(nóng)業(yè)安全預(yù)警系統(tǒng)的相關(guān)工作，取得了一些成績(jī)和成果。很多農(nóng)業(yè)安全預(yù)警系統(tǒng)的設(shè)計(jì)是將信息系統(tǒng)與預(yù)警系統(tǒng)進(jìn)行結(jié)合，偏重于農(nóng)業(yè)安全監(jiān)測(cè)和產(chǎn)量預(yù)報(bào)。與國(guó)際先進(jìn)水平相比，還有很大的距離。主要缺陷包括：過(guò)分注重信息系統(tǒng)的監(jiān)測(cè)應(yīng)用，基本上是一個(gè)監(jiān)測(cè)系統(tǒng)，而不是預(yù)警系統(tǒng)。另外，功能不全、數(shù)據(jù)不可靠、數(shù)據(jù)處理及分析不是很精確。在目前的國(guó)際國(guó)內(nèi)背景下，農(nóng)業(yè)安全預(yù)警系統(tǒng)也在逐漸演變，出現(xiàn)了逐漸與大數(shù)據(jù)相結(jié)合的趨勢(shì)，本研究旨在應(yīng)用大數(shù)據(jù)解決農(nóng)業(yè)安全預(yù)警的基礎(chǔ)理論工作。

2基于用戶搜索行為的農(nóng)業(yè)安全預(yù)警

大數(shù)據(jù)的到來(lái)讓大家完全有能力改造傳統(tǒng)的預(yù)警方法，傳統(tǒng)預(yù)警方法既費(fèi)時(shí)又費(fèi)力，而且成本巨大，收效甚微[4]。本研究采用百度引擎，從百度上獲取影響農(nóng)業(yè)安全的關(guān)鍵詞在某一地市的搜索量，然后將收集到的查詢數(shù)據(jù)進(jìn)行處理，從而形成新的可用數(shù)據(jù)。結(jié)合圖形化方法，使用現(xiàn)代信息技術(shù)進(jìn)行處理，能夠?qū)⒅醒霘庀笈_(tái)公布的農(nóng)業(yè)安全數(shù)據(jù)與查詢數(shù)據(jù)按時(shí)空分布顯示出來(lái)，以此為依據(jù)進(jìn)行判斷查詢數(shù)據(jù)是否可以模擬農(nóng)業(yè)安全數(shù)據(jù)，然后對(duì)數(shù)據(jù)進(jìn)行分析，找出與農(nóng)業(yè)安全有關(guān)的關(guān)鍵詞在百度上的搜索量在時(shí)空分布上的不同點(diǎn)。最后，利用搜索數(shù)據(jù)進(jìn)行農(nóng)業(yè)安全預(yù)警。使用這種預(yù)警方式可以預(yù)估影響農(nóng)業(yè)安全的作物傳染病、病蟲害等傳染情況和時(shí)空分布情況。為我國(guó)農(nóng)業(yè)安全預(yù)警工作提供大數(shù)據(jù)支持，為農(nóng)業(yè)發(fā)展作出應(yīng)有的貢獻(xiàn)。

2.1農(nóng)業(yè)安全預(yù)警可監(jiān)測(cè)數(shù)據(jù)分析

蝗蟲是一種食性復(fù)雜、易遷飛、暴發(fā)時(shí)會(huì)產(chǎn)生極其嚴(yán)重危害的害蟲。一旦發(fā)生蝗災(zāi)、蝗蟲大規(guī)模起飛，鋪天蓋地，發(fā)出如狂風(fēng)呼嘯和飛機(jī)轟鳴般的聲音，猶如雷霆萬(wàn)鈞之勢(shì)，所到之處，農(nóng)作物、雜草甚至樹葉、樹皮都可能被吃光。據(jù)記載，在我國(guó)2 600多年的歷史長(zhǎng)河中，暴發(fā)的重大蝗災(zāi)就有800多次，平均每2～3年就有1次區(qū)域性蝗災(zāi)發(fā)生，5～7年就有1次全國(guó)性的大規(guī)?；葹?zāi)發(fā)生，對(duì)我國(guó)農(nóng)業(yè)造成不可估量的損失[5]。由于蝗災(zāi)對(duì)我國(guó)農(nóng)業(yè)造成了巨大的災(zāi)害，且政府相關(guān)部門目前并無(wú)重大措施對(duì)蝗災(zāi)進(jìn)行預(yù)警和防治。因此，本研究擬選取蝗災(zāi)作為預(yù)警研究對(duì)象進(jìn)行大數(shù)據(jù)研究，以期為政府部門和廣大農(nóng)民提供先期預(yù)警，達(dá)到降低農(nóng)業(yè)次生災(zāi)害對(duì)農(nóng)業(yè)本身的傷害。

本研究以百度引擎搜索數(shù)據(jù)作為監(jiān)測(cè)數(shù)據(jù)參與分析，選取關(guān)鍵詞為“蝗蟲”。對(duì)“蝗蟲”“旱災(zāi)”2個(gè)詞在百度指數(shù)上的搜索量進(jìn)行可視化比對(duì)處理，觀察二者相關(guān)性，以對(duì)蝗蟲災(zāi)害在我國(guó)的發(fā)展趨勢(shì)和分布特征進(jìn)行分析，判斷是否會(huì)對(duì)我國(guó)農(nóng)業(yè)造成大面積減產(chǎn)并給出預(yù)警信息。

根據(jù)蝗蟲特點(diǎn)及以往的研究成果，影響蝗災(zāi)的主要天氣因素是降水量與干旱情況，且研究結(jié)果表明干旱與蝗蟲同年發(fā)生的概率或相關(guān)性最大，其次為上一年發(fā)生干旱或先澇后旱，蝗蟲成片；蝗蟲災(zāi)害與水、旱災(zāi)害常此起彼伏，交替發(fā)生，由圖1可知它們之間的相關(guān)性。而本試驗(yàn)選取的百度指數(shù)是以百度引擎搜索數(shù)據(jù)為基礎(chǔ)的一個(gè)大數(shù)據(jù)平臺(tái)，通過(guò)此平臺(tái)可以查詢每天某個(gè)詞在全國(guó)或者特定區(qū)域的搜索相對(duì)值，一段時(shí)期內(nèi)的走勢(shì)以及與其相關(guān)的新聞?shì)浨樽兓?，哪些人關(guān)注這些詞？這些人在哪里？同時(shí)這些人還搜索了哪些相關(guān)的詞？百度指數(shù)是網(wǎng)絡(luò)采樣的一種具體體現(xiàn)，這里把搜索引擎當(dāng)成是采樣方，這樣每個(gè)在網(wǎng)上搜索的民眾所輸入的關(guān)鍵詞就是采樣樣本。不同的人在網(wǎng)上搜索后都會(huì)留下相應(yīng)的搜索痕跡，而這些搜索痕跡的搜索次數(shù)被搜索引擎記錄下來(lái)，經(jīng)過(guò)計(jì)算最終形成百度指數(shù)蝗蟲災(zāi)害作為一種農(nóng)業(yè)病蟲災(zāi)害，自帶地域?qū)傩?，而從搜索引擎得到的?shù)據(jù)也具有地域?qū)傩?，從百度引擎獲取到的“蝗蟲”“降水量”“干旱”3個(gè)關(guān)鍵字?jǐn)?shù)據(jù)用可視化方法表達(dá)出來(lái)，進(jìn)而研究蝗災(zāi)的地域變化特征和聚集性。endprint

2.2蝗蟲災(zāi)害百度指數(shù)數(shù)據(jù)可視化

蝗蟲災(zāi)害作為一種農(nóng)業(yè)病蟲災(zāi)害，自帶地域?qū)傩裕鴱乃阉饕娴玫降臄?shù)據(jù)也具有地域?qū)傩?，從百度引擎獲取到的“蝗蟲”“降水量”“干旱”3個(gè)關(guān)鍵字?jǐn)?shù)據(jù)用可視化方法表達(dá)出來(lái)，進(jìn)而研究蝗災(zāi)的地域變化特征和聚集性。

2.3網(wǎng)絡(luò)搜索關(guān)鍵詞相關(guān)性分析

在蝗蟲災(zāi)害發(fā)生時(shí)，會(huì)運(yùn)用網(wǎng)絡(luò)的人往往希望從搜索引擎獲取信息來(lái)提高對(duì)蝗蟲的認(rèn)知。普通農(nóng)民會(huì)使用模糊查詢對(duì)該病蟲害進(jìn)行相應(yīng)的搜索，這時(shí)人們搜索的關(guān)鍵詞很多，但往往又會(huì)集中在一些比較常見的關(guān)鍵詞上，如蝗蟲、蝗蟲的防治，將此類關(guān)鍵詞稱為普通關(guān)鍵詞。另外，由于部分農(nóng)民和農(nóng)業(yè)知識(shí)比較豐富的人員也可能使用引擎查詢蝗蟲災(zāi)害防治，他們使用的關(guān)鍵詞可能跟“蝗災(zāi)”相關(guān)，如干旱、降水量等，將

此類關(guān)鍵詞稱為相關(guān)關(guān)鍵詞；最后，一些其他人員在網(wǎng)上搜索一些蝗蟲信息，如蝗蟲的習(xí)性等，將此類關(guān)鍵詞稱為其他關(guān)鍵詞。接下來(lái)對(duì)幾類關(guān)鍵詞按照公式（1）進(jìn)行求和計(jì)算。

type=∑ni=1Xim。（1）

式中：type表示關(guān)鍵詞類別；n表示關(guān)鍵詞數(shù)量；m表示周數(shù)，該周數(shù)是每一個(gè)關(guān)鍵詞經(jīng)錯(cuò)位調(diào)整達(dá)到最大時(shí)差相關(guān)性的周數(shù)。最后把這幾類關(guān)鍵詞加在一起，就得到了合成搜索指數(shù)，計(jì)算過(guò)程如下：

type=type1+type2+type3。（2）

通過(guò)圖4分析可知，不同類別的關(guān)鍵詞在搜索量的區(qū)域分布量上有著驚人的相似之處，說(shuō)明它們之間的相關(guān)性強(qiáng)。但是，關(guān)鍵詞的搜索量與蝗蟲災(zāi)害的嚴(yán)重程度之間的相關(guān)性不僅受到當(dāng)?shù)鼗葹?zāi)情況的影響，還會(huì)受到媒體、人員文化程度、經(jīng)濟(jì)發(fā)展水平等的影響，通過(guò)分析可以發(fā)現(xiàn)，發(fā)達(dá)地區(qū)相關(guān)關(guān)鍵詞的搜索量遠(yuǎn)遠(yuǎn)高于不發(fā)達(dá)的地區(qū)，但是在發(fā)達(dá)地區(qū)相關(guān)關(guān)鍵詞的搜索量同“蝗災(zāi)”之間的相關(guān)性卻不高、甚至遠(yuǎn)低于不發(fā)達(dá)地區(qū)。普通關(guān)鍵詞可以較好地描述發(fā)達(dá)地區(qū)的蝗災(zāi)發(fā)生情況，也適用于描述欠發(fā)達(dá)地區(qū)的蝗災(zāi)發(fā)生情況。其他關(guān)鍵詞在蝗災(zāi)發(fā)生區(qū)域周圍搜索的比率相對(duì)較高。3類關(guān)鍵詞的合成搜索指數(shù)與蝗災(zāi)發(fā)生區(qū)域有一定的相關(guān)性。

2.4利用用戶搜索數(shù)據(jù)進(jìn)行安全預(yù)警

2.4.1構(gòu)建預(yù)警模型本研究采用基于BP神經(jīng)網(wǎng)絡(luò)的搜索行為預(yù)警模型，模型圖如圖5所示，這是一個(gè)“輸入→處理→輸出”的過(guò)程。

輸入是3類搜索指數(shù)和1類合成指數(shù)，輸出就是需要的5種預(yù)警結(jié)果。本試驗(yàn)采用3層BP神經(jīng)網(wǎng)絡(luò)（輸入層、隱性層、輸出層）的網(wǎng)絡(luò)結(jié)構(gòu)，輸入節(jié)點(diǎn)數(shù)是4，輸出節(jié)點(diǎn)數(shù)是5。

2.4.2搜索與合成指數(shù)歸一化處理本研究涉及的搜索及合成指數(shù)均是負(fù)指數(shù)。負(fù)指數(shù)是指指數(shù)值越小，越好的指標(biāo)，在預(yù)警研究過(guò)程中，指數(shù)值越小代表越安全，危機(jī)等級(jí)就越小[6]。其若無(wú)量綱，則以最大值為基準(zhǔn)，無(wú)量綱化處理方式如下：

Y=Yi-YminYmax-Ymin。（3）

式中：Y表示量化后的指數(shù)值；Yi表示指數(shù)的實(shí)際值；Ymin表示指數(shù)的最小值；Ymax表示指數(shù)的最大值。

2.4.3輸出及隱性層處理安全預(yù)警共分5個(gè)等級(jí)，分別是無(wú)蝗災(zāi)、個(gè)別區(qū)域蝗災(zāi)、一般蝗災(zāi)、較大蝗災(zāi)、重大蝗災(zāi)。輸出5個(gè)節(jié)點(diǎn)，每個(gè)節(jié)點(diǎn)的輸出狀態(tài)分別為00 001、00 010、00 100、01 000、10 000，分別對(duì)應(yīng)5個(gè)安全預(yù)警級(jí)別。隱性層節(jié)點(diǎn)數(shù)量采用公式（4）來(lái)確定。

X=x+y+λ。（4）

式中：x表示輸入層節(jié)點(diǎn)個(gè)數(shù)；y表示輸出層節(jié)點(diǎn)個(gè)數(shù)；λ表示1～10之間的常數(shù)。

2.4.4數(shù)據(jù)處理搜索指數(shù)及合成指數(shù)選擇2011年1月至2016年10月的數(shù)據(jù)作為處理樣本，以搜索次數(shù)為單位，1周為最小時(shí)間段，總共304周，這樣各個(gè)時(shí)間點(diǎn)的數(shù)據(jù)就有了可比性，原始數(shù)據(jù)見表1。

2.4.6結(jié)果分析據(jù)Matlab仿真訓(xùn)練結(jié)果顯示，實(shí)際輸出結(jié)果與期望輸出（00 010） 一致，發(fā)出預(yù)想的預(yù)警信號(hào)（00 010），表明此時(shí)蝗蟲災(zāi)害的預(yù)警等級(jí)處于輕度預(yù)警狀態(tài)。經(jīng)實(shí)踐證明，本試驗(yàn)所研究的網(wǎng)基于用戶搜索行為的農(nóng)業(yè)安全預(yù)警設(shè)計(jì)是合理的、可行的。

3結(jié)束語(yǔ)

在建立用戶搜索數(shù)據(jù)的基礎(chǔ)上，構(gòu)建基于用戶搜索行為的預(yù)警模型，并通過(guò)蝗蟲災(zāi)害數(shù)據(jù)進(jìn)行仿真試驗(yàn)，驗(yàn)證此模型的有效性。試驗(yàn)結(jié)果表明，此模型不僅理論上可行，實(shí)踐上也是可行的。

參考文獻(xiàn)：

[1]孫忠富，杜克明，鄭飛翔，等. 大數(shù)據(jù)在智慧農(nóng)業(yè)中研究與應(yīng)用展望[J]. 中國(guó)農(nóng)業(yè)科技導(dǎo)報(bào)，2013，15（6）：63-71.

[2]汪洋談大數(shù)據(jù)[EB/OL]. [2016-05-06]. http：//miit.ccidnet.com/art/32661/ 20140114/5325641_1.html.

[3]許世衛(wèi). 農(nóng)業(yè)大數(shù)據(jù)與農(nóng)產(chǎn)品監(jiān)測(cè)預(yù)警[J]. 中國(guó)農(nóng)業(yè)科技導(dǎo)報(bào)，2014，16（5）：14-20.

[4]張浩然，李中良，鄒騰飛，等. 農(nóng)業(yè)大數(shù)據(jù)綜述[J]. 計(jì)算機(jī)科學(xué)，2014（增刊2）：387-392.

[5]趙瑞瑩，楊學(xué)成. 農(nóng)業(yè)預(yù)警系統(tǒng)研究[J]. 生產(chǎn)力研究，2004（1）：64-66.

[6]陳桂芬，曹麗英，王國(guó)偉. 加權(quán)空間模糊動(dòng)態(tài)聚類算法在土壤肥力評(píng)價(jià)中的應(yīng)用[J].endprint