–充分利用大数据技术，建立新型的农业，提高产能和优化分配
建立农业大数据平台，采集并存储大量的历史数据，外部数据，最终是为了让农业生产更智能，更高效。因此，需要运用先进的数据挖掘技术和人工智能技术来实现农业智能化。例如，根据历史天气状况和农作物生长状况来分析指导最佳实践，来提示预警潜在病虫害的风险和气象病的风险等等。这些智能化应用的实现主要需要用到数据挖掘和人工智能技术。大数据平台提供了数据挖掘和人工智能的算法库，并且还提供了数据建模工具方便用户进行数据清洗，数据建模和数据模型的测试。 大数据平台数据挖掘引擎实现了机器学习算法库与统计算法库，支持常用机器学习算法并行化与统计算法并行化，并利用Spark在迭代计算和内存计算上的优势，将并行的机器学习算法与统计算法运行在Spark上。支持的机器学习算法包括逻辑回归、朴素贝叶斯、支持向量机、聚类、线性回归、推荐算法等，统计算法库包括均值、方差、中位数、直方图、箱线图等。可以支持后期在平台上搭建多种分析型应用，例如用户行为分析、精准营销，将对用户贴标签、进行分类，此类应用都会用到平台的数据挖掘功能。 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。
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、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。
建立平台编辑
为了不断推进农业经济的优化，实现可持续的产业发展和区域产业结构优化，进一步推动智慧农业的建设进程，需要全面及时掌握农业的发展动态，这需要依托农业大数据及相关大数据分析处理技术，建设一个农业大数据分析应用平台—农业大数据平台来支撑。
在技术上，该平台应该充分运用先进数据管理技术和数据仓库技术，建设具有高效性，先进性，开放性的商务智能项目。结构上，该平台应具有良好的可配置性，满足资源、业务流程的变化。同时随着业务的发展，业务量的增加，系统也应该具有良好的应用及性能的扩展。平台拟实现功能：
（1）实现数据库的交互；
（2）根据农业大数据研究的个性化需求，形成一系列相关公开发布数据的采集机制，将数据采集的相关程序设计并编写完善，部署此套机制在平台上周期运转；（3）数据的浏览，对数据进行查询、展现和基础统计分析等初步应用；
（4）实现农业大数据分析人员的交流平台
平台拟实现目标：
（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，社会公众等。
