（来源：智慧农业期刊）
引用格式：杨晨雪, 李娴, 周清波. 知识图谱驱动下粮食生产大数据应用现状与展望[J]. 智慧农业(中英文), 2025, 7(2): 26-40.
DOI： 10.12133/j.smartag.SA202501004
YANG Chenxue, LI Xian, ZHOU Qingbo. Knowledge Graph Driven Grain Big Data Applications: Overview and Perspective[J]. Smart Agriculture, 2025, 7(2): 26-40.
DOI： 10.12133/j.smartag.SA202501004
知识图谱驱动下粮食生产大数据应用现状与展望
杨晨雪， 李娴， 周清波*
（中国农业科学院农业信息研究所，北京 100081，中国）
摘要：
［目的/意义］中国粮食生产全过程全要素大数据分散无序且结构复杂，服务粮食生产决策核心算法缺乏整合利用，导致数据的潜力未能得到充分发挥。知识图谱技术可整合多源异构粮食生产数据，提升数据关联性与语义挖掘效率，实现知识结构化表达与智能推理，并为粮食生产的可持续发展提供智能分析与信息支持。
［进展］本文综合分析了粮食生产大数据复杂“结构-关系-语义”的知识表示与关联解析方法，梳理总结了一套基于数据驱动与知识引导的知识图谱构建与知识推理框架，综合分析了粮食生产本体构建、多模态命名实体识别、多模态实体链接、时序推理等关键技术，构造产前调度规划、产中精准决策和产后定量评估等全过程多场景的智能化应用。
［结论/展望］面向粮食生产大数据应用的知识图谱技术可以在全国、省域、县域和规模化农场等多个应用尺度范围内，为粮食生产各个阶段提供可视化和智能化的决策支持，对实现“藏粮于地、藏粮于技”战略及保障国家粮食安全具有重大科学和应用价值。
关键词： 粮食生产大数据；知识表示；多模态知识图谱；命名实体识别；实体链接；时序推理
文章图片
图1 知识图谱驱动下粮食生产大数据应用技术框架Fig.1 Technology architecture of knowledge graph driven grain big data applications
图2 粮食生产本体构建架构示意图Fig.2 Schematic diagram of the construction framework of the grain production ontology
图3 粮食生产大数据知识图谱应用结构图Fig. 3 Architecture of knowledge graph application technologies for grain production big data
通信作者介绍
周清波 研究员
周清波，研究员，博士生导师。现任中国农业科学院农业信息研究所所长，农业农村部农业遥感创新团队首席科学家，农业遥感重点实验室主任，国家重大科技专项“高分”专项应用系统副总设计师。长期从事农业遥感与信息技术研究，入选全国农业科研杰出人才，国务院学科评议组成员，兼任中国农学会理事兼农业信息分会主任委员。主持国家“863”计划、科技支撑计划、国家自然科学基金等30余项国家和省部级科研项目，获得国家科技进步二等奖等科技奖励十余项。在国内外学术刊物发表论文百余篇，推动我国智慧农业和农业遥感领域的技术进步与工程应用。
