| 摘要 | 第4-7页 |
| Abstract | 第7-10页 |
| 第1章 绪论 | 第16-26页 |
| 1.1 选题背景及研究意义 | 第16-21页 |
| 1.1.1 选题背景 | 第16-19页 |
| 1.1.2 研究意义 | 第19-21页 |
| 1.2 研究内容和创新点 | 第21-23页 |
| 1.2.1 主要研究内容 | 第21-22页 |
| 1.2.2 论文创新点 | 第22-23页 |
| 1.3 研究方法和技术路线 | 第23-26页 |
| 1.3.1 研究方法 | 第23页 |
| 1.3.2 技术路线 | 第23-26页 |
| 第2章 国内外研究现状与理论基础 | 第26-72页 |
| 2.1 相关概念 | 第26-30页 |
| 2.1.1 概念界定 | 第26-27页 |
| 2.1.2 农业科学数据监管概念辨析 | 第27-30页 |
| 2.2 理论基础 | 第30-43页 |
| 2.2.1 数字农业理论 | 第30-32页 |
| 2.2.2 生命周期理论 | 第32页 |
| 2.2.3 数据科学理论 | 第32-34页 |
| 2.2.4 本体理论 | 第34-38页 |
| 2.2.5 机器学习理论 | 第38-43页 |
| 2.2.6 知识发现理论 | 第43页 |
| 2.3 国内外相关研究综述 | 第43-70页 |
| 2.3.1 科学数据监管研究现状 | 第43-50页 |
| 2.3.2 农业科学数据监管研究现状 | 第50-55页 |
| 2.3.3 科学数据监管模型研究现状 | 第55-63页 |
| 2.3.4 高水平农业大学科学数据监管对比 | 第63-69页 |
| 2.3.5 研究现状述评 | 第69-70页 |
| 2.4 本章小结 | 第70-72页 |
| 第3章 农业科学数据监管模型总体框架 | 第72-82页 |
| 3.1 农业科学数据监管模型目标与架构 | 第72-75页 |
| 3.1.1 目标和原则 | 第72-73页 |
| 3.1.2 农业科学数据监管需求分析 | 第73页 |
| 3.1.3 农业科学监管流程 | 第73-75页 |
| 3.1.4 农业科学数据监管方法和技术 | 第75页 |
| 3.2 农业科学数据监管要素框架 | 第75-79页 |
| 3.2.1 农业科学数据监管的要素分析 | 第75-77页 |
| 3.2.2 农业科学数据监管的要素关系 | 第77-78页 |
| 3.2.3 农业科学数据监管要素框架构建 | 第78-79页 |
| 3.3 农业科学数据监管维度框架 | 第79-80页 |
| 3.3.1 农业科学数据监管维度划分 | 第79页 |
| 3.3.2 农业科学数据监管维度关联 | 第79页 |
| 3.3.3 农业科学数据监管维度框架构建 | 第79-80页 |
| 3.4 本章小结 | 第80-82页 |
| 第4章 农业科学数据监管影响因素模型 | 第82-98页 |
| 4.1 研究设计与数据分析 | 第82-86页 |
| 4.1.1 研究方法 | 第82-85页 |
| 4.1.2 数据收集 | 第85-86页 |
| 4.2 数据分析与编码 | 第86-94页 |
| 4.2.1 开放式编码 | 第86-91页 |
| 4.2.2 主轴编码 | 第91-94页 |
| 4.2.3 选择性编码 | 第94页 |
| 4.2.4 理论饱和度验证 | 第94页 |
| 4.3 农业科学数据监管影响因素模型 | 第94-95页 |
| 4.4 农业科学数据监管影响因素模型阐释 | 第95-97页 |
| 4.4.1 需求驱动力 | 第95-96页 |
| 4.4.2 监管参与意愿 | 第96页 |
| 4.4.3 数据服务感知 | 第96页 |
| 4.4.4 科研用户分阶段的需求 | 第96页 |
| 4.4.5 农业科学数据资源 | 第96页 |
| 4.4.6 农业科学数据技术与方法 | 第96-97页 |
| 4.4.7 农业科学数据素养 | 第97页 |
| 4.5 本章小结 | 第97-98页 |
| 第5章 农业科学数据监管生命周期模型 | 第98-132页 |
| 5.1 基于机器学习理论的农业科学数据采集 | 第98-105页 |
| 5.1.1 机器学习理论在农业科学数据采集中的应用 | 第98-99页 |
| 5.1.2 基于深度学习构建植物样本分类数据集 | 第99-105页 |
| 5.2 农业科学数据组织 | 第105-116页 |
| 5.2.1 农业科学数据资源描述规范和数据标准 | 第105-106页 |
| 5.2.2 基于元数据的农业科学数据组织 | 第106-110页 |
| 5.2.3 基于本体的农业科学数据组织 | 第110-116页 |
| 5.3 农业科学数据存储 | 第116-120页 |
| 5.3.1 农业科学数据分布式存储 | 第116-118页 |
| 5.3.2 农业科学数据云存储 | 第118-120页 |
| 5.4 农业科学数据共享 | 第120-129页 |
| 5.4.1 农业科学数据共享现状分析 | 第121页 |
| 5.4.2 农业科学数据在共享过程中所存在的问题 | 第121-123页 |
| 5.4.3 农业科学数据共享对策 | 第123-124页 |
| 5.4.4 农业科学数据监管共享平台建设 | 第124-129页 |
| 5.5 农业科学数据监管生命周期模型构建 | 第129-130页 |
| 5.6 本章小结 | 第130-132页 |
| 第6章 农业科学数据监管服务模型 | 第132-148页 |
| 6.1 利益相关者理论及农业科学数据监管利益相关者分析 | 第132-134页 |
| 6.1.1 利益相关者理论 | 第132页 |
| 6.1.2 农业科学数据监管利益相关者分析 | 第132-134页 |
| 6.1.3 农业科学数据监管核心利益相关者分析 | 第134页 |
| 6.2 农业科学数据监管政策分析 | 第134-136页 |
| 6.2.1 农业科学数据保存政策 | 第134-135页 |
| 6.2.2 农业科学数据共享政策 | 第135-136页 |
| 6.3 农业科学数据监管用户需求分析 | 第136-143页 |
| 6.3.1 需求识别方法研究 | 第136-137页 |
| 6.3.2 问卷调查 | 第137-143页 |
| 6.3.3 以用户需求为导向的农业科学数据监管服务 | 第143页 |
| 6.4 农业科学数据监管服务模式选择与情景分析 | 第143-146页 |
| 6.4.1 科学数监管模式梳理 | 第143-146页 |
| 6.4.2 有效率的模式选择与治理 | 第146页 |
| 6.5 以用户需求为导向的农业科学数据协同监管服务模型 | 第146-147页 |
| 6.6 本章小结 | 第147-148页 |
| 第7章 农业科学数据监管实证研究 | 第148-164页 |
| 7.1 研究背景 | 第148-149页 |
| 7.2 建设目标 | 第149页 |
| 7.3 研究环境 | 第149-152页 |
| 7.3.1 硬件环境 | 第150页 |
| 7.3.2 软件环境 | 第150-151页 |
| 7.3.3 相关工具 | 第151-152页 |
| 7.4 生命周期内各阶段应用研究 | 第152-156页 |
| 7.4.1 数据采集阶段应用 | 第152-153页 |
| 7.4.2 数据组织阶段应用 | 第153-154页 |
| 7.4.3 数据存储阶段应用 | 第154-155页 |
| 7.4.4 数据共享阶段应用 | 第155-156页 |
| 7.5 应用分析与结论 | 第156-162页 |
| 7.5.1 “天空地一体化”数字农业监测系统结构 | 第156-157页 |
| 7.5.2 基于本体技术的农业物联网设备资源建模 | 第157-161页 |
| 7.5.3 农业科学数据监管质量提升的策略分析 | 第161-162页 |
| 7.6 本章小结 | 第162-164页 |
| 第8章 研究结论与展望 | 第164-168页 |
| 8.1 研究结论 | 第164-165页 |
| 8.2 研究展望 | 第165-168页 |
| 参考文献 | 第168-182页 |
| 攻读博士学位期间的主要科研成果 | 第182-184页 |
| 致谢 | 第184-185页 |
