一、我国农产品质量安全风险监测现状与挑战
总体看，我国农产品质量安全风险监测整体上处于“监测网络推进快”与“监测数据处理慢”的矛盾之中。我国自2001年在北京、天津、上海、深圳启动例行监测制度以来，逐步建立起了部、省、市（县）3级质量安全风险监测网络。质量安全风险监测体系呈现“深”、“广”、“细”三大特点。一是风险监测体系深。全国参与农产品质量安全风险监测的各级检测机构2273家，从业人员2.3万人。仅四川省就在省直单位和21个市（州）、128个县建有检测机构157家，设备1万余台（套），检测参数7000余项。以有机磷高毒农药和“瘦肉精”残留为监控重点的快速监测站点已布及乡镇监管站和行政村。二是风险监测范围广。截至2015年，国家风险监测的范围达到31个省（区、市）152个大中城市。四川省风险监测范围已覆盖全省21个市（州）、183个区（县），采样位点达到14799个。三是风险监测内容细。风险监测类别已扩大至种植产品、畜禽产品、水产品、农药、兽药、饲料及饲料添加剂、转基因产品7大类，部级风险监测的产品品种包括蔬菜、茶叶、畜禽产品、水产品4大类96个品种，检测参数达到94项。四川省监测样品品种72个，而检测参数达到112个。随着全国风险监测网络的逐年扩大，风险监测数据呈“海量化”特点。2014年部级风险监测蔬菜和食用菌共2万个样品，茶叶1200个样品，畜产品1.2万个样品，水产品6400个样品。2015年上半年农业部组织检测样品量就达到20948个。四川省2011年以来累计抽检种植业产品5.43万个、水产品1.579万个、畜禽产品5万余批次、快速检测340多万批次，累计数据达500余万条。2014年开始，省级风险监测的产品、参数、范围进一步扩大，抽检蔬菜、水果、茶叶、食用菌、稻、麦、玉米、薯类及产地环境等样品1.9万余个，抽检肉（含动物内脏产品）、蛋、奶、蜂产品和动物尿液等样品量3600个，快检样品120万头（份），抽检草鱼等大宗养殖品种6360个样品，仅2014年新增监测数据就达170余万条。2010－2014年全省各类监测数据超过570万条，字段总数量超过1.71亿个。加上21个市（州）风险监测数据，数据总量将超过2500万条，字段总量将超过7.5亿。但与之不相适应的是，绝大多数地区还在采取原始的手工记录数据、手工统计分析方式，不仅效率不高，数据处理速度慢，而且很难对历史数据进行系统分析利用，国家历时十数年、动用数百家检测机构、投入巨资得到的监测数据长期“沉默”甚至被遗失。当前，农产品质量安全备受关注，安全问题极易传播，新常态下的风险监测工作关键在于“快”，不仅要能快速得出监测结果，更要能协助决策部门快速发现规律性、趋势性和苗头性问题，以便主管部门快速反应，提前部署。为充分利用好海量数据，并让全省21个市（州）、183个区（县）、4660个乡镇在统一的数据处理平台下组织开展本地区风险监测工作，四川探索将互联网思维、云计算技术、大数据商业智能分析与风险监测深度融合，建设了风险监测协作平台，建立了大数据分析模型，实现了由过去全流程人工处理向全流程商业智能的跨越式转变。
二、发达国家风险监测数据分析处理模式
依托互联网平台广泛开展质量安全监测，并为质量安全监管主管部门提供决策支撑是发达国家普遍做法。欧盟于2002年启用了食品和饲料快速预警系统（RASFF）。RASFF是一个连接欧盟成员国和欧盟委员会以及欧盟食品安全局（EFSA）的互联网络，主要目标是收集源自所有成员国的相关信息，为各成员食品安全主管机构提供有效的途径、交换有关信息，并采取措施确保食品安全，保护消费者免受不安全食品和饲料危害。RASFF网络覆盖了欧盟整个食品链，其信息交流是双向互动的。美国农业部（USDA）从1991年5月开始开展执行农药监测计划（PDP），并建立了专门的电子数据库，作为数据存储中心。其每年的监测结果存储在不同的数据库结构中，便于数据管理和上报。PDP利用了基于Web的远程数据录入系统进行监测数据的传输，各参与州和联邦的实验室可以通过该系统录入、传输电子数据。实验室的用户通过浏览器就能进入该系统，并通过用户名和密码控制实现不同权限的用户需求。PDP计划的工作人员可通过该系统在线浏览、审核数据，并确认需要上传至数据存储中心的数据。在收到政府部门的数据请求后，可利用该系统生成标准化的数据汇总，以图、表、附录的形式生成年度报告。基于风险监测大数据分析结果，监管部门能够优先选择重点内容进行监测，将有限的监测资源优先应用于风险级别高的食品或有毒有害物的监测，降低监测成本，提高监测效率。加拿大食品检验局下设的科学委员会根据风险危害发生的概率以及后果的严重程度，将食品分为高中低3个档次，并根据风险从高到低的顺序排名。食品检验局每一年度根据排名，选取排在最前面的20～25个项目作为当年监测的重点。此外，日、韩、澳大利亚等国也根据本国国情建立了类似平台。这些工作有效提高了各国质量安全风险监测数据获取分析效率和监管应变能力。
三、风险监测大数据分析模型建立中的关键点分析
大数据时代的核心是挖掘利用数据。要用“互联网+”来重构风险监测流程和模式，关键目标在于解决长期以来数据处理与数据分析“82”“倒挂”问题———80％的时间和精力用在加工处理数据上，仅有20％的时间精力用来分析数据。因此，要建立既能着眼长远又能兼顾历史的大数据分析模型，就需要把握以下关键点。
（一）顶层设计需要全流程
“互联网+”风险监测涉及抽样方案制定（确定抽样产品、检测项目、判定标准、检测方法、抽样地区、抽样环节、抽样比例、抽样频次等）、抽样任务下达（确定承检机构、下发抽样任务）、检测数据填报、监测数据分析4个核心环节。从个别地方和其他行业的做法上看，设计平台时均从检测数据填报环节进入，而且在方式上是逐项填写，解决的只是主管部门数据汇总的问题。而抽样方案制定、抽样任务下达仍经线下完成，大量承检机构数据计算和填报工作量不但没有减轻，反而大大增加。用户体验的好坏是决定一个平台能否有效实施运行的关键。设计平台时，只有从业务流程启动开始就介入，实现全流程“互联网+”，才能整体提升运行效率。
（二）数据处理需要结构化、标准化
按照普遍的观点，“大数据”是一个体量和数据类别庞大的数据集，并且这样的数据集无法用传统数据库工具对其内容进行抓取、管理和处理。具体包括数据体量（volumes）大，数据类别（variety）大，数据处理速度（Velocity）快，数据真实性（Veracity）高的“4V”特点。但从风险监测数据结构来看，均为半结构化甚至是结构化数据，数据复杂程度并不高。从数据管理和运算效果看，结构化的数据最易管理和运算。因此，在数据的处理上需要统一字段数量、统一字段类型，对于可以统一的字段内容也要规范统一。特别是对于历史数据，需要统一汇总后进行结构化处理，以便于与新运行数据无缝对接和统一计算。需要结构化处理的表单包括抽样品种、判定标准、检测方法、承检机构、抽样位点、运算规则、数据填报模板字段。
（三）数据采集要能大批量、实时化
如何快速采集检测数据是决定数据运算效率的关键。传统工作方式下，检测数据均通过EXCEL表单，经由光盘、U盘或者电子邮件方式发送至主管部门，再汇总至一个表单下进行处理。在一些地方的信息平台中，也均采取逐条选择、逐条填写的方式向系统平台上填报数据，效率极低。从四川实施经验看，由系统自动生成数据填报模板，将数据填报离线化，由承检机构限制性填写检测结果，将数据运算自动化、数据上传批量化，不仅能杜绝数据填报错误的问题，更能大大提高数据上传和运算效率。
（四）数据管理要能
“云存储”、“云计算”由于风险监测涉及多地区多用户同时执行运算且上传运行的数据量巨大，要提高数据的存储运算效率，在技术实现上首先就需要考虑当前比较流行的多服务器分布式存储和运算，可以解决数据的高增长需求、快速统计分析需求。
（五）数据分析要能模块化、智能化和多维度
风险监测数据由于均作了结构化处理，统计分析就可以做到模块化、智能化和多维度。根据农产品质量安全风险监测实际需要，统计分析应考虑“分类统计”和“比对分析”两个实际应用场景，从检出率、超标率、合格率3个核心维度，开发按样品统计分析、按项目参数统计分析、按环节统计分析、按抽样地统计分析、按产地统计分析5大统计分析模板，并可依风险监测类型、年度、批次、项目参数类别、样品类别、环节类别、抽样地类别、产地类别等统计条件组合分析。
四、风险监测大数据分析
模型应用实证四川省于2014年9月建立全省风险监测协作平台及大数据分析系统，目前已有21个市（州）、15个县纳入平台，有两个市（州）已经在该平台框架下组织部署本市（州）的风险监测任务。平台已存储运算种植产品风险监测数据146万条。2015年开始，四川种植产品、畜禽产品、水产品、农药、兽药、饲料及饲料添加剂、转基因产品的风险监测工作和监测数据都将逐步纳入此平台管理，各市（州）的风险监测任务也都将在此平台下组织实施。预计未来5年每年产生的风险监测数据将超过千万条。为验证基于云计算的大数据分析模型的可靠性，做好新常态下风险监测工作，本文选择基于GIS的抽样位点频度、检出率、超标率、合格率热力图，以验证GIS地图落图模型的准确性；以豇豆这个大宗农产品为研究对象，在52个分析维度中选择检出率作为样本，以柱状图为图表形式，验证按样品统计分析、按项目参数统计分析、按产地统计分析的动态技术，以及对规律性、趋势性、苗头性问题的发现能力和显示效果。
（一）GIS落图的可靠性实证GIS
（地理信息系统）法是直观表达数据与地理位置关联关系的信息技术。在风险监测中，抽样地、产地相关的统计分析模型都可用GIS技术来表现。图1、图2所示分别为2010－2014年四川各市（州）总体抽样频次、总体检出率的热力图（考虑到数据保密性，本文不配发相关统计数字）。用红、橙、黄、绿、青、蓝、紫不同颜色依次代表数据的由高到低。从图1可见，通过将各市（州）经纬度坐在百度地图落图，并关联超标率、合格率等相关统计结果，可以直观表现各市（州）的质量安全总体状况。
（二）统计动态图表的准确性实证
由图3可见，每年第1批次（1－3月），豇豆检出率呈现相对较高的规律性特点。由图4可见，在豇豆全部40项检测项目中，检出率较高的依次为毒死蜱（6.45％）、腐霉利（6.45％）、甲氰菊酯（6.45％）、氯氟氰菊酯和高效氯氟氰菊酯（6.45%）、氯氰菊酯和高效氯氰菊酯（3.23％）、三唑磷（3.23％）。而在其他地区检出较多的克百威和氧乐果在四川并未检出。在实际使用过程，样品、参数、抽样地、产地、监测类型、年份批次等均可以排列组合方式，对其检出率、超标率、合格率“三率”，进行按样品统计分析、按项目参数统计分析、按环节统计分析、按抽样地统计分析、按产地统计分析，不仅可以分类统计还可以同比环比，这些大数据统计结果可以通过GIS、动态图表等方式快速、准确、直观呈现其规律性、趋势性和苗头性问题，可以为农产品质量安全管理决策提供全景式数据支撑。
五、结论
“互联网+”将是经济社会发展新阶段的新常态。而“互联网+食品安全”，是个充满挑战，更充满想象的课题。“互联网+”的核心和关键在于深度融合，而不是简单结合。传统的信息化不是“互联网+”，“互联网+”有更高更深远的战略涵义———再造，去边界、去层级、去中心，使社会资源的配置效果达到最佳。构建风险监测大数据系统时，应建立“横”、“纵”二维模型构建，横向上要能按农产品、畜禽产品、水产品等类别扩展，纵向上要按扁平化原则统筹市、县、乡、村4个层级，特别是充分考虑市级政府风险监测需求，并将其纳入一个平台整体运行。在组织实施上，需要充分利用好各地政策、资金资源，使风险监测运转平台化、运算智能化、运行协同化、运用社会化。
作者：钟攀 葛荣 杨文 杨明升 单位：四川省农产品质量安全中心 四川省兽药监察所
