高质量的科学数据加工和整编，是科学数据出版的重要基础，也是数据能够转化为数据资产，成为数字经济要素的必要途径。本书以农业科学数据可重复生产和可重复应用为目标，系统地介绍了在数据全生命周期及科学数据管理分析应用中，元数据、实体数据加工所涉及的农业科学数据整编加工的理论、技术体系和常用方法，包括元数据规范标准设计、数据资源编码、数据产品分类、数据安全等级划分标准制定、数据关联融合和数据集成等。
本书内容广泛且实用，可供科研工作者作为案头的必备参考用书，对于提高科研工作质量、提高工作效率、适应数据驱动的研究范式，有着很好的助力。本书也可以作为数据科学工作者和高等院校相关专业师生学习参考用书。

前言
1 数据加工基础
1.1 农业科学数据
1.1.1 农业科学数据概念
1.1.2 农业科学数据的特征
1.2 国内外数据加工研究进展
1.2.1 数据质量控制
1.2.2 数据清洗技术
1.3 数据加工
1.3.1 数据加工概念
1.3.2 元数据
1.3.3 数据-知识网络
1.3.4 数据加工业务流程
2 元数据加工
2.1 元数据标准
2.1.1 国际主要科学数据元数据标准
2.1.2 国内科学数据元数据标准建设
2.1.3 元数据建设主要问题
2.2 元数据表示方法
2.2.1 XML
2.2.2 RDF
2.3 元数据开放获取
2.3.1 开放获取倡议
2.3.2 元数据收割协议
2.3.3 开放学术资源获取方法
2.4 元数据检查与评价
2.4.1 元数据质量内涵
2.4.2 元数据质量评价
2.5 元数据加工
2.5.1 国家农业科学数据加工系统
2.5.2 农业长期定位观测数据共享元数据加工案例
3 实体数据加工
3.1 实体数据的组织与存储
3.1.1 实体数据的组织
3.1.2 实体数据的存储
3.2 实体数据的检查
3.2.1 实体数据的检查要求
3.2.2 实体数据检查实例
3.2.3 实体数据的检查内容
3.3 实体数据的加工
3.3.1 实体数据加工的内涵
3.3.2 实体数据加工的一般原则
3.3.3 农业科学数据加工流程
3.3.4 实体数据的分级加工
3.3.5 实体数据加工产品实例
4 数据关联融合
4.1 农业科学数据的关联
4.1.1 关联数据
4.1.2 实体识别
4.1.3 时空状态识别
4.1.4 实例：大豆加工贸易企业数据关联
4.2 农业科技资源标识
4.2.1 国际主流标识技术
4.2.2 农业科学数据CSTR标识
4.3 农业数据融合
4.3.1 数据融合的概念
4.3.2 数据融合方法
4.3.3 农业科学数据融合实例：多源异构作物组学数据融合
4.4 基于数据驱动的农业场景构建
4.4.1 农业科学数据场景构建现状
4.4.2 黄河流域生态保护和高质量发展的应用场景构建
5 农业科学数据集成
5.1 农业科学数据集成的实践探索
5.1.1 农业科学数据的分类目录
5.1.2 农业科学数据的集成体系
5.1.3 农业科学数据的出版发行
5.2 农业科学数据集成的理论与框架
5.2.1 基础理论分析
5.2.2 基本框架设计
5.3 农业科学数据集成的主要方法
5.3.1 基于元数据的数据集成
5.3.2 基于本体的数据集成
5.3.3 基于标准的数据集成
5.3.4 基于知识图谱的数据集成
6 数据质量管理
6.1 数据管理的全生命周期
6.1.1 数据生命周期理论内涵
6.1.2 数据管理生命周期模型
6.2 数据管理的业务流程
6.2.1 制定数据管理计划
6.2.2 数据收集
6.2.3 数据加工
6.2.4 数据长期保存
6.2.5 数据共享利用
6.3 数据质量控制
6.3.1 控制标准
6.3.2 控制过程
6.3.3 控制环节
6.3.4 控制方法
6.4 数据质量评价
6.4.1 评价原则
6.4.2 评价指标
6.4.3 评价方法
6.4.4 评价技术
6.5 数据可视化
6.5.1 数据可视化理论
6.5.2 数据可视化方法
6.5.3 农业科学数据可视化表达
6.5.4 农业科学数据质量可视化分析案例
7 农业科学数据探索
7.1 数据探索概念与方法
7.1.1 数据探索概念
7.1.2 数据探索方法
7.2 数据立方体
7.2.1 基本概念
7.2.2 概念模型及实例
7.2.3 多维分析操作
7.3 数据的网络世界
7.3.1 知识网络相关研究
7.3.2 知识网络实例：基于本体的育种数据网络
参考文献