CN105843862A - 一种构建作物病虫害遥感测报系统的方法及遥感测报系统 - Google Patents
一种构建作物病虫害遥感测报系统的方法及遥感测报系统 Download PDFInfo
- Publication number
- CN105843862A CN105843862A CN201610154069.9A CN201610154069A CN105843862A CN 105843862 A CN105843862 A CN 105843862A CN 201610154069 A CN201610154069 A CN 201610154069A CN 105843862 A CN105843862 A CN 105843862A
- Authority
- CN
- China
- Prior art keywords
- data
- remote sensing
- layer
- pest
- idl
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 201000010099 disease Diseases 0.000 title claims abstract description 89
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 title claims abstract description 89
- 241000607479 Yersinia pestis Species 0.000 title claims abstract description 46
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000012544 monitoring process Methods 0.000 claims abstract description 30
- 241000238631 Hexapoda Species 0.000 claims description 52
- 238000004458 analytical method Methods 0.000 claims description 26
- 238000003860 storage Methods 0.000 claims description 18
- 238000005516 engineering process Methods 0.000 claims description 16
- 238000013461 design Methods 0.000 claims description 14
- 230000006870 function Effects 0.000 claims description 12
- 238000011161 development Methods 0.000 claims description 11
- 238000007726 management method Methods 0.000 claims description 11
- 238000012732 spatial analysis Methods 0.000 claims description 9
- 230000002452 interceptive effect Effects 0.000 claims description 8
- 230000000007 visual effect Effects 0.000 claims description 8
- 238000013523 data management Methods 0.000 claims description 7
- 230000008676 import Effects 0.000 claims description 6
- 230000003993 interaction Effects 0.000 claims description 6
- 238000011835 investigation Methods 0.000 claims description 6
- 238000000547 structure data Methods 0.000 claims description 4
- 238000010276 construction Methods 0.000 claims description 3
- 238000013480 data collection Methods 0.000 claims description 3
- 238000013499 data model Methods 0.000 abstract description 5
- 238000004364 calculation method Methods 0.000 abstract 1
- 238000013500 data storage Methods 0.000 abstract 1
- 235000021393 food security Nutrition 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 10
- 230000018109 developmental process Effects 0.000 description 9
- 235000013305 food Nutrition 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 3
- 230000004807 localization Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 241001123583 Puccinia striiformis Species 0.000 description 2
- 241000415582 Puccinia striiformis f. sp. tritici Species 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000009795 derivation Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- JEIPFZHSYJVQDO-UHFFFAOYSA-N iron(III) oxide Inorganic materials O=[Fe]O[Fe]=O JEIPFZHSYJVQDO-UHFFFAOYSA-N 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000002310 reflectometry Methods 0.000 description 2
- 235000006719 Cassia obtusifolia Nutrition 0.000 description 1
- 235000014552 Cassia tora Nutrition 0.000 description 1
- 244000201986 Cassia tora Species 0.000 description 1
- 241000258937 Hemiptera Species 0.000 description 1
- 206010035148 Plague Diseases 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 238000012271 agricultural production Methods 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 238000001556 precipitation Methods 0.000 description 1
- 238000007639 printing Methods 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 210000000582 semen Anatomy 0.000 description 1
- 238000004804 winding Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- Catching Or Destruction (AREA)
- Life Sciences & Earth Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Tourism & Hospitality (AREA)
- Marine Sciences & Fisheries (AREA)
- Animal Husbandry (AREA)
- Marketing (AREA)
- Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- Mining & Mineral Resources (AREA)
- Agronomy & Crop Science (AREA)
- Primary Health Care (AREA)
- Remote Sensing (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Strategic Management (AREA)
Abstract
本发明涉及空间遥感技术领域,其公开了一种构建作物病虫害遥感测报系统的方法及遥感测报系统,本发明构建作物病虫害遥感定量测报系统,可以高效、大范围对作物病虫害进行实时监测和预测,高效管理遥感数据和病虫害测报模型,实现作物病虫害遥感监测与预测业务化运作,且可以灵活地调用存放在网络服务器中的模型进行网络在线计算,大大提高运算速度和效率,同时减少数据存储数量,更好地为用户提供数据模型的支持,从而降低了病虫测报系统成本。另外,面向农业信息化推广部门、大型农场等用户,及时提供高精度的病虫害测报信息与信息服务产品,为提高作物品质与产量提供数据基础和技术支撑,也为保障粮食安全提供有效的科学依据。
Description
技术领域
本发明涉及空间遥感技术领域,更具体的说,是涉及一种构建作物病虫害遥感测报系统的方法及遥感测报系统。
背景技术
作物病虫害一直以来是制约农业生产的重要因素,对作物的产量和品质造成较大的影响,在作物病虫害发生日益严峻的形势下,对病虫害进行大范围、快速、高精度的监测和预警是提高作物品质与产量的关键。之前作物病虫害是通过传统的目测手查法,无法及时、快速获取大面积作物病虫害发生发展信息,近年来随着空间遥感技术迅猛发展,为大面积作物病虫害遥感测报提供了数据基础和技术支撑,为高效管理遥感数据和病虫害测报模型,将遥感数据、地理信息资源、网络共享技术融合在一起,构建网络系统,及时提供高精度病虫害监测和预测科学报告与信息服务产品。
目前作物病虫害遥感测报系统主要包括两大类:本地化病虫害遥感测报系统和Web版病虫害遥感测报系统,其中,本地化病虫害遥感测报系统能够在无网络资源的情况下实现作物病虫害的遥感监测与预测,但数据、模型、信息等资源共享均受限;Web版病虫害遥感测报系统能够基于网络实现多元数据、病虫害遥感测报模型及测报信息产品的资源集成与共享,在精准农业病虫害大范围、快速、高精度遥感监测和预警方面得到了广泛应用。
但对于现有的作物病虫害遥感测报系统,不管是本地化病虫害遥感测报系统还是Web版病虫害遥感测报系统,都需要通过调用存放在数据库中的大量的遥感数据和复杂的模型数据,进行作物病虫害监测和预测,因此,现有的作物病虫害遥感测报系统的运算时间较长且人为参与过多,同时此类系统费时且无法实现作物病虫害遥感监测与预测业务化,且要求本地磁盘具备足够大的空间存储数据,从而导致病虫测报系统成本高。
发明内容
有鉴于此,本发明提供了一种构建作物病虫害遥感测报系统的方法及遥感测报系统,以解决现有技术中的作物病虫害遥感测报系统的运算时间较长且人为参与过多,同时需要大量的遥感数据和复杂的模型数据,此类系统费时且无法实现作物病虫害遥感监测与预测业务化,且要求本地磁盘具备足够大的空间存储数据,而导致病虫测报系统成本高的问题。
为实现上述目的,本发明提供如下技术方案:
本发明提供了一种构建作物病虫害遥感测报系统的方法,所述遥感测报系统采用浏览器/服务器三层网络体系结构,所述三层网络体系结构包括:客户层、应用层和数据层,具体的,该方法包括:
接收构建数据库的指令进行数据库的构建,建设所述数据层,存储相关数据,所述数据库包括:属性数据库和空间数据库,所述空间数据库包含用于GIS空间分析、可视化分析应用的带有明显空间位置信息的地理信息库,所述属性数据库用于存储和管理与监测、预测作物病虫害发生相关的描述性数据;
获取客户需求的指令进行WEB浏览器的设计,构建所述客户层,提供人机交互界面;
构建WEB服务器进行所述应用层的开发,搭建Spring MVC框架,生成测报模型;
所述WEB服务器接收所述WEB浏览器发出的测报HTTP请求,将所述测报模型导入到所述Spring MVC框架处理器,并调用所述数据库中的数据进行数据处理分析,再将处理分析结果反馈至所述WEB浏览器进行显示。
优选的,还包括:根据客户需求将在所述WEB浏览器显示的处理分析结果生成评估报告。
其中,所述数据库还包括系统数据库,所述系统数据库使用SQL Server数据库,包括空间数据和表格数据、文档数据和模型数据。
其中,所述空间数据采用空间引擎技术进行集成,其数据源包括矢量数据集和栅格数据集,主要数据包括作物病虫害相关数据、地面调查数据、气象数据、遥感数据。
优选的,所述测报模型生成具体为:
根据IDL交互式数据语言规则,进行IDL测报模型的代码编写,生成IDL代码;
将所述IDL代码以_define.pro的文件格式保存;
通过IDL转出助手功能将所述IDL代码生成java和class文件;
利用所述java文件以及预设的java代码编写生成测报模型。
本发明在上述公开的一种构建作物病虫害遥感测报系统的方法基础上,还公开了一种遥感测报系统,用于对作物病虫害进行监测和预测,该系统采用浏览器/服务器三层网络体系结构,所述三层网络体系结构包括:客户层、应用层和数据层,具体的,该系统包括:
数据层构建单元,用于接收构建数据库的指令进行数据库的构建,建设所述数据层,存储相关数据,所述数据库包括:属性数据库和空间数据库,所述空间数据库包含用于GIS空间分析、可视化分析应用的带有明显空间位置信息的地理信息库,所述属性数据库用于存储和管理与监测、预测作物病虫害发生相关的描述性数据;
客户层设计单元,用于获取客户需求的指令进行WEB浏览器的设计,构建所述客户层,提供人机交互界面;
应用层开发单元,用于构建WEB服务器进行所述应用层的开发,搭建Spring MVC框架,生成测报模型;
所述WEB服务器接收所述WEB浏览器发出的测报HTTP请求,将所述测报模型导入到所述Spring MVC框架处理器,并调用所述数据库中的数据进行数据处理分析,再将处理分析结果反馈至所述WEB浏览器进行显示。
优选的,所述遥感测报系统还包括:
输出单元,用于根据客户需求将在所述WEB浏览器显示的处理分析结果生成评估报告。
其中,所述数据库还包括系统数据库,所述系统数据库使用SQL Server数据库,包括空间数据和表格数据、文档数据和模型数据。
其中,所述空间数据采用空间引擎技术进行集成,其数据源包括矢量数据集和栅格数据集,主要数据包括作物病虫害相关数据、地面调查数据、气象数据、遥感数据。
优选的,所述应用层开发单元包括:
代码生成单元,用于根据IDL交互式数据语言规则,进行IDL测报模型的代码编写,生成IDL代码;
保存单元,用于将所述IDL代码以_define.pro的文件格式进行保存;
文件生成单元,用于通过IDL转出助手功能将所述IDL代码生成java和class文件;
模型生成单元,用于利用所述java文件以及预设的java代码编写生成测报模型。
经由上述的技术方案可知,与现有技术相比,本发明公开了一种构建作物病虫害遥感测报系统的方法及遥感测报系统,该发明通过构建作物病虫害遥感测报系统,充分利用空间遥感技术、地理信息资源、网络共享技术等优势,实现作物参数反演、病虫害监测、病虫害预测等模型的网络实时运算,可以灵活地调用存放在网络服务器中的模型进行网络在线计算,减少了数据库的负担,大大提高运算速度和效率,同时减少数据存储数量,更好地为用户提供数据模型的支持,降低了病虫测报系统成本。另外,面向农业信息化推广部门、大型农场等用户,及时提供高精度的病虫害测报信息与信息服务产品,为提高作物品质与产量提供数据基础和技术支撑,也为保障粮食安全提供有效的科学依据。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1为本发明实施例一公开的一种构建作物病虫害遥感测报系统的方法流程图;
图2为本发明实施例一中测报模型生成方法流程图;
图3为本发明实施例二公开的一种构建作物病虫害遥感测报系统的方法流程图;
图4为本发明实施例三公开的一种遥感测报系统结构示意图;
图5为本发明实施例三中提供的应用层开发单元的结构示意图;
图6为本发明提供的具体实施例中的第一级菜单示意图;
图7为本发明提供的具体实施例中的第二级菜单示意图;
图8为本发明提供的具体实施例中的第三级菜单示意图;
图9为本发明实施例提供的生成的预测结果专题图示意图;
图10为本发明实施例生成的科学评估报告示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例一
请参阅附图1,图1为本发明实施例一公开的一种构建作物病虫害遥感测报系统的方法流程图,本发明公开了一种构建作物病虫害遥感测报系统的方法,所述遥感测报系统采用浏览器/服务器三层网络体系结构,所述三层网络体系结构包括:客户层、应用层和数据层,具体的,该方法步骤包括:
步骤101:接收构建数据库的指令进行数据库的构建,建设所述数据层,存储相关数据,所述数据库包括:属性数据库和空间数据库,所述空间数据库包含用于GIS空间分析、可视化分析应用的带有明显空间位置信息的地理信息库,所述属性数据库用于存储和管理与监测、预测作物病虫害发生相关的描述性数据。
数据层采用SQL Server 2005建立数据库,用来存储研究区信息、航空或航天遥感影像数据、研究区野外调查样点数据、气象数据、模型数据等数据。
作物病虫害监测与预测数据类型复杂,时效性强、需要大量存储空间,目前一般数据库软件很难满足该数据的高效存储和管理,空间数据库引擎技术很好地解决了这个问题。系统数据库使用SQL Server数据库,系统数据包括空间数据和表格数据、文档数据、模型数据等,合理地把多种数据集成整合才能使整个系统正常运转。空间数据采用空间引擎技术进行集成。数据源包含有矢量数据集和栅格数据集。主要数据包括作物病虫害相关数据、地面调查数据、气象数据、遥感数据等,为便于数据库中信息的管理和分析,在总体上将数据库分为空间数据库和属性数据库。空间数据库主要包含用于GIS空间分析、可视化分析应用的带有明显空间位置信息的地理信息库。属性数据库主要用于存储和管理与监测、预测作物病虫害发生相关的描述性数据。
步骤102:获取客户需求的指令进行WEB浏览器的设计,构建所述客户层,提供人机交互界面。
客户层即Web浏览器,提供系统人机交互界面,包括处理界面控件的响应和显示、监测和预测结果显示以及评估报告和专题图等信息的显示。
系统客户层设计首先从需求分析入手,最终我们要向用户提供作物病虫害专题图和加入建议的科学评估报告;这些专题图以及评估报告中的结果需要用到监测与预测模型,并且实现快速处理、实时网络线上运算;模型计算过程中需要用到研究区域地表反射率、气象数据等数据信息。
根据上述分析,系统基于Web和GIS进行开发,将GIS技术、遥感技术、网络技术相结合,利用了GIS的强大的空间分析功能和各种空间插值方法,遥感监测功能可以使系统具有快速、实时、大面积监测的优点,Web技术和GIS技术相结合,具有数据共享、平台独立性、强大扩展性。
用户界面设计采用Dreamweaver页面编辑器,可以实现内容与设计分开显示,这样就可方便快捷设计需要的界面样式。界面中地图的显示采用ArcGISfor Server技术,更好地将网络与地理信息的结合,实现天地图、缓存图的显示。界面从上到下分为标题栏、菜单栏、显示区域三个部分,标题栏显示系统和单位中英文名称以及单位标志;菜单栏显示功能按钮;显示区域用于显示地图及各种信息。系统功能分为基本功能和应用功能。基本功能是指视图的放大、缩小、漫游、信息查询、操作帮助的基本地图操作。系统应用功能主要有:研究区选择、参数反演、病虫害监测、病虫害预测、属性查询、产品导出。
步骤103:构建WEB服务器进行所述应用层的开发,搭建Spring MVC框架,生成测报模型。
应用层即Web服务器,是系统运行的枢纽部分,主要是指后台数据处理,包括处理浏览器(客户层)发出的病虫害监测与预测结果的HTTP请求,进行遥感影像参数反演等计算、气象数据的空间插值及监测与预测模型的分析运算。
为了能够实现系统功能,需要技术、模型和数据的支持,其中模型生成和调用是关键。模型的调用需要客户层与数据层之间交互,系统选用SpringMVC框架来实现页面与模型数据之间的链接。采用Java语言搭建Spring MVC框架,主要是其处理器的编写,编写植被定量反演模型、病虫害测报模型。将之前编译完成的预报模型放置在Spring MVC框架处理器位置,通过处理器适配器执行处理器,即使用模型计算数据并进行处理分析,再将结果返回到前端控制器,经过视图解析器解析成真正试图名,这样就可以使得监测预测图像、预测专题图等可以在页面中显示,完成模型调用。
具体的,请参阅附图2为本实施例测报模型生成方法流程图,即所述测报模型生成具体为:
步骤201:根据IDL交互式数据语言规则,进行IDL测报模型的代码编写,生成IDL代码;
步骤202:将所述IDL代码以_define.pro的文件格式保存;
步骤203:通过IDL转出助手功能将所述IDL代码生成java和class文件;
步骤204:利用所述java文件以及预设的java代码编写生成测报模型。
具体的,所述WEB服务器接收所述WEB浏览器发出的测报HTTP请求,将所述测报模型导入到所述Spring MVC框架处理器,并调用所述数据库中的数据进行数据处理分析,再将处理分析结果反馈至所述WEB浏览器进行显示。
本发明构建作物病虫害遥感定量测报系统,可以高效、大范围对作物病虫害进行实时监测和预测,高效管理遥感数据和病虫害测报模型,实现作物病虫害遥感监测与预测业务化运作,且可以灵活地调用存放在网络服务器中的模型进行网络在线计算,大大提高运算速度和效率,同时减少数据存储数量,更好地为用户提供数据模型的支持。
实施例二
具体的,请参阅附图3,图3为本发明实施例二公开的一种构建作物病虫害遥感测报系统的方法流程图。在实施例一的基础上,该构建作物病虫害遥感测报系统的方法,该方法包括步骤:
步骤301:接收构建数据库的指令进行数据库的构建,建设所述数据层,存储相关数据,所述数据库包括:属性数据库和空间数据库,所述空间数据库包含用于GIS空间分析、可视化分析应用的带有明显空间位置信息的地理信息库,所述属性数据库用于存储和管理与监测、预测作物病虫害发生相关的描述性数据。
此部分与实施例一相同,具体请参阅实施例一部分的具体描述。
步骤302:获取客户需求的指令进行WEB浏览器的设计,构建所述客户层,提供人机交互界面。
此部分与实施例一相同,具体请参阅实施例一部分的具体描述。
步骤303:构建WEB服务器进行所述应用层的开发,搭建Spring MVC框架,生成测报模型。
此部分与实施例一相同,具体请参阅实施例一部分的具体描述。
所述WEB服务器接收所述WEB浏览器发出的测报HTTP请求,将所述测报模型导入到所述Spring MVC框架处理器,并调用所述数据库中的数据进行数据处理分析,再将处理分析结果反馈至所述WEB浏览器进行显示。
步骤304:根据客户需求将在所述WEB浏览器显示的处理分析结果生成评估报告。
上述文中所描述的Spring MVC框架,Spring框架是一个开源框架,它是为了解决企业应用开发的复杂性而创建的。Spring框架是一个分层架构,由7个定义良好的模块组成。Spring MVC框架是Spring框架其中一个模块,MVC(Model View Controller,模型、视图、控制器)框架由Model(模型)、View(视图)及Controller(控制器)三部分组成,模型由javabean构成,存放于Map;视图是一个接口,负责显示模型;控制器表示逻辑代码,是Controller的实现。Spring MVC框架主要组成:前端控制器(接收页面请求,响应结果,相当于转发器、中央处理器)、处理器映射器(根据url地址查找处理器)、处理器适配器(按照特定规则执行处理器)、处理器(根据功能要求编写)和视图解析器(进行视图解析,根据逻辑视图名解析成真正的视图)。
本发明公开了一种构建作物病虫害遥感测报系统的方法,本发明构建作物病虫害遥感定量测报系统,可以高效、大范围对作物病虫害进行实时监测和预测,高效管理遥感数据和病虫害测报模型,实现作物病虫害遥感监测与预测业务化运作,且可以灵活地调用存放在网络服务器中的模型进行网络在线计算,大大提高运算速度和效率,同时减少数据存储数量,更好地为用户提供数据模型的支持。另外,面向农业信息化推广部门、大型农场、大型相关企业等用户,及时提供高精度的病虫害测报信息与信息服务产品,是获取作物病虫害现状有效途径,为提高作物品质与产量提供数据基础和技术支撑,也为保障粮食安全提供有效的科学依据。
实施例三
在上述实施例公开的一种构建作物病虫害遥感测报系统的方法的基础上,请参阅附图4,图4为本发明实施例公开的一种遥感测报系统结构示意图。
本发明实施例公开了一种遥感测报系统,其用于对作物病虫害进行监测和预测,该系统采用浏览器/服务器三层网络体系结构,所述三层网络体系结构包括:客户层、应用层和数据层,具体的,该系统包括:
数据层构建单元401,用于接收构建数据库的指令进行数据库的构建,建设所述数据层,存储相关数据,所述数据库包括:属性数据库和空间数据库,所述空间数据库包含用于GIS空间分析、可视化分析应用的带有明显空间位置信息的地理信息库,所述属性数据库用于存储和管理与监测、预测作物病虫害发生相关的描述性数据;
客户层设计单元402,用于获取客户需求的指令进行WEB浏览器的设计,构建所述客户层,提供人机交互界面;
应用层开发单元403,用于构建WEB服务器进行所述应用层的开发,搭建Spring MVC框架,生成测报模型;
所述WEB服务器接收所述WEB浏览器发出的测报HTTP请求,将所述测报模型导入到所述Spring MVC框架处理器,并调用所述数据库中的数据进行数据处理分析,再将处理分析结果反馈至所述WEB浏览器进行显示。
本实施例还可以包括:输出单元404,用于根据客户需求将在所述WEB浏览器显示的处理分析结果生成评估报告。
具体的,请参阅附图5,图5为本发明实施例提供的应用层开发单元的结构示意图,上述应用层开发单元403具体包括:
代码生成单元501,用于根据IDL交互式数据语言规则,进行IDL测报模型的代码编写,生成IDL代码;
保存单元502,用于将所述IDL代码以_define.pro的文件格式进行保存;
文件生成单元503,用于通过IDL转出助手功能将所述IDL代码生成java和class文件;
模型生成单元504,用于利用所述java文件以及预设的java代码编写生成测报模型。
本发明公开了一种遥感测报系统,该发明通过构建作物病虫害遥感测报系统,充分利用空间遥感技术、地理信息资源、网络共享技术等优势,实现作物参数反演、病虫害监测、病虫害预测等模型的网络实时运算,可以灵活地调用存放在网络服务器中的模型进行网络在线计算,减少了数据库的负担,大大提高运算速度和效率,同时减少数据存储数量,更好地为用户提供数据模型的支持,降低了病虫测报系统成本。另外,面向农业信息化推广部门、大型农场等用户,及时提供高精度的病虫害测报信息与信息服务产品,为提高作物品质与产量提供数据基础和技术支撑,也为保障粮食安全提供有效的科学依据。
以全国地区小麦条锈病预测为例,用户通过系统主界面上的菜单栏,点击“研究区选择”→“全国地区”,显示区域出现经过渲染的全国地区2015年八天合成地表反射率MODIS数据地图。紧接着点击菜单栏中“病虫害预测”→“小麦”→“条锈病”,依次出现第一级菜单(如图6)、第二级菜单(如图7)中、第三级菜单(如图8),在第三级菜单中选取相关的气候参数,这里我们选择气象数据中日平均气温、降水量,遥感数据中归一化植被指数、地表温度,地面调查数据中病虫害发生与否以及发生等级,选用基于相关向量机的小麦条锈病遥感预测模型,最后点击确认按钮,即可出现全国地区小麦条锈病预测图。点击“产品导出”→“专题图”→“条锈病”即可保存小麦条锈病预测结果专题图(如图9);科学评估报告的生成需要综合了全国地区主要农作物病虫害预测结果以及对结果的分析与建议,点击“产品导出”→“评估报告”,对报告进行缩放、保存、打印等操作,如图10所示,专题图与评估报告均会在另一个页面中显示。
综上所述,本发明公开了一种构建作物病虫害遥感测报系统的方法及遥感测报系统,本发明构建作物病虫害遥感定量测报系统,可以高效、大范围对作物病虫害进行实时监测和预测,高效管理遥感数据和病虫害测报模型,实现作物病虫害遥感监测与预测业务化运作,且可以灵活地调用存放在网络服务器中的模型进行网络在线计算,大大提高运算速度和效率,同时减少数据存储数量,更好地为用户提供数据模型的支持。另外,面向农业信息化推广部门、大型农场、大型相关企业等用户,及时提供高精度的病虫害测报信息与信息服务产品,是获取作物病虫害现状有效途径,为提高作物品质与产量提供数据基础和技术支撑,也为保障粮食安全提供有效的科学依据。
需要说明的是,本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种构建作物病虫害遥感测报系统的方法,其特征在于,所述遥感测报系统采用浏览器/服务器三层网络体系结构,所述三层网络体系结构包括:客户层、应用层和数据层,具体的,该方法包括:
接收构建数据库的指令进行数据库的构建,建设所述数据层,存储相关数据,所述数据库包括:属性数据库和空间数据库,所述空间数据库包含用于GIS空间分析、可视化分析应用的带有明显空间位置信息的地理信息库,所述属性数据库用于存储和管理与监测、预测作物病虫害发生相关的描述性数据;
获取客户需求的指令进行WEB浏览器的设计,构建所述客户层,提供人机交互界面;
构建WEB服务器进行所述应用层的开发,搭建Spring MVC框架,生成测报模型;
所述WEB服务器接收所述WEB浏览器发出的测报HTTP请求,将所述测报模型导入到所述Spring MVC框架处理器,并调用所述数据库中的数据进行数据处理分析,再将处理分析结果反馈至所述WEB浏览器进行显示。
2.根据权利要求1所述的方法,其特征在于,还包括:根据客户需求将在所述WEB浏览器显示的处理分析结果生成评估报告。
3.根据权利要求1所述的方法,其特征在于,所述数据库还包括系统数据库,所述系统数据库使用SQL Server数据库,包括空间数据和表格数据、文档数据和模型数据。
4.根据权利要求3所述的方法,其特征在于,所述空间数据采用空间引擎技术进行集成,其数据源包括矢量数据集和栅格数据集,主要数据包括作物病虫害相关数据、地面调查数据、气象数据、遥感数据。
5.根据权利要求1所述的方法,其特征在于,所述测报模型生成具体为:
根据IDL交互式数据语言规则,进行IDL测报模型的代码编写,生成IDL代码;
将所述IDL代码以_define.pro的文件格式保存;
通过IDL转出助手功能将所述IDL代码生成java和class文件;
利用所述java文件以及预设的java代码编写生成测报模型。
6.一种遥感测报系统,其特征在于,用于对作物病虫害进行监测和预测,该系统采用浏览器/服务器三层网络体系结构,所述三层网络体系结构包括:客户层、应用层和数据层,具体的,该系统包括:
数据层构建单元,用于接收构建数据库的指令进行数据库的构建,建设所述数据层,存储相关数据,所述数据库包括:属性数据库和空间数据库,所述空间数据库包含用于GIS空间分析、可视化分析应用的带有明显空间位置信息的地理信息库,所述属性数据库用于存储和管理与监测、预测作物病虫害发生相关的描述性数据;
客户层设计单元,用于获取客户需求的指令进行WEB浏览器的设计,构建所述客户层,提供人机交互界面;
应用层开发单元,用于构建WEB服务器进行所述应用层的开发,搭建Spring MVC框架,生成测报模型;
所述WEB服务器接收所述WEB浏览器发出的测报HTTP请求,将所述测报模型导入到所述Spring MVC框架处理器,并调用所述数据库中的数据进行数据处理分析,再将处理分析结果反馈至所述WEB浏览器进行显示。
7.根据权利要求6所述的系统,其特征在于,还包括:
输出单元,用于根据客户需求将在所述WEB浏览器显示的处理分析结果生成评估报告。
8.根据权利要求6所述的系统,其特征在于,所述数据库还包括系统数据库,所述系统数据库使用SQL Server数据库,包括空间数据和表格数据、文档数据和模型数据。
9.根据权利要求8所述的系统,其特征在于,所述空间数据采用空间引擎技术进行集成,其数据源包括矢量数据集和栅格数据集,主要数据包括作物病虫害相关数据、地面调查数据、气象数据、遥感数据。
10.根据权利要求6所述的方法,其特征在于,所述应用层开发单元包括:
代码生成单元,用于根据IDL交互式数据语言规则,进行IDL测报模型的代码编写,生成IDL代码;
保存单元,用于将所述IDL代码以_define.pro的文件格式进行保存;
文件生成单元,用于通过IDL转出助手功能将所述IDL代码生成java和class文件;
模型生成单元,用于利用所述java文件以及预设的java代码编写生成测报模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610154069.9A CN105843862A (zh) | 2016-03-17 | 2016-03-17 | 一种构建作物病虫害遥感测报系统的方法及遥感测报系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610154069.9A CN105843862A (zh) | 2016-03-17 | 2016-03-17 | 一种构建作物病虫害遥感测报系统的方法及遥感测报系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105843862A true CN105843862A (zh) | 2016-08-10 |
Family
ID=56587182
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610154069.9A Pending CN105843862A (zh) | 2016-03-17 | 2016-03-17 | 一种构建作物病虫害遥感测报系统的方法及遥感测报系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105843862A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106645563A (zh) * | 2016-09-30 | 2017-05-10 | 深圳前海弘稼科技有限公司 | 一种基于种植设备的病虫害预测方法及装置 |
CN107506393A (zh) * | 2017-07-28 | 2017-12-22 | 农业部农药检定所 | 一种农业大数据模型及其在农业上的应用 |
CN108596907A (zh) * | 2018-05-10 | 2018-09-28 | 安徽农业大学 | 一种小麦条锈病演化规律可视化表现方法 |
CN108804616A (zh) * | 2018-05-30 | 2018-11-13 | 中国科学院空间应用工程与技术中心 | 一种空间有效载荷在轨图像数据挖掘的装置和方法 |
CN110940636A (zh) * | 2019-12-05 | 2020-03-31 | 华南农业大学 | 柑橘林病虫害智能识别与林间信息监测系统 |
CN113744074A (zh) * | 2021-09-06 | 2021-12-03 | 北京超图软件股份有限公司 | 确定农业作物的减灾保产措施的方法和装置 |
TWI831034B (zh) * | 2021-07-30 | 2024-02-01 | 國立中興大學 | 稻熱病預警系統及方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2009048963A1 (en) * | 2007-10-11 | 2009-04-16 | Edsa Micro Corporation | Electrical power system modeling, design, analysis, and reporting via a client-server application framework |
CN101609148A (zh) * | 2009-07-08 | 2009-12-23 | 北京农业信息技术研究中心 | 遥感影像数据处理和发布的方法 |
CN103345707A (zh) * | 2013-06-04 | 2013-10-09 | 中国科学院遥感与数字地球研究所 | 一种基于多源遥感数据的农作物成熟期遥感预测方法 |
CN103458022A (zh) * | 2013-08-30 | 2013-12-18 | 国家电网公司 | 一种多人异地并行协同系统 |
-
2016
- 2016-03-17 CN CN201610154069.9A patent/CN105843862A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2009048963A1 (en) * | 2007-10-11 | 2009-04-16 | Edsa Micro Corporation | Electrical power system modeling, design, analysis, and reporting via a client-server application framework |
CN101609148A (zh) * | 2009-07-08 | 2009-12-23 | 北京农业信息技术研究中心 | 遥感影像数据处理和发布的方法 |
CN103345707A (zh) * | 2013-06-04 | 2013-10-09 | 中国科学院遥感与数字地球研究所 | 一种基于多源遥感数据的农作物成熟期遥感预测方法 |
CN103458022A (zh) * | 2013-08-30 | 2013-12-18 | 国家电网公司 | 一种多人异地并行协同系统 |
Non-Patent Citations (3)
Title |
---|
宫彦萍 等: ""基于WebGIS的作物病虫害监测预报系统构建"", 《自然灾害学报》 * |
戎舟 等: ""网络化测控系统的实现技术"", 《测控技术》 * |
黄文培 等: ""WebGIS开发技术及SpringMVC安防系统构建"", 《计算机技术与发展》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106645563A (zh) * | 2016-09-30 | 2017-05-10 | 深圳前海弘稼科技有限公司 | 一种基于种植设备的病虫害预测方法及装置 |
CN107506393A (zh) * | 2017-07-28 | 2017-12-22 | 农业部农药检定所 | 一种农业大数据模型及其在农业上的应用 |
CN107506393B (zh) * | 2017-07-28 | 2023-11-24 | 农业农村部农药检定所(国际食品法典农药残留委员会秘书处) | 一种农业大数据模型及其在农业上的应用 |
CN108596907A (zh) * | 2018-05-10 | 2018-09-28 | 安徽农业大学 | 一种小麦条锈病演化规律可视化表现方法 |
CN108804616A (zh) * | 2018-05-30 | 2018-11-13 | 中国科学院空间应用工程与技术中心 | 一种空间有效载荷在轨图像数据挖掘的装置和方法 |
CN108804616B (zh) * | 2018-05-30 | 2020-12-08 | 中国科学院空间应用工程与技术中心 | 一种空间有效载荷在轨图像数据挖掘的装置和方法 |
CN110940636A (zh) * | 2019-12-05 | 2020-03-31 | 华南农业大学 | 柑橘林病虫害智能识别与林间信息监测系统 |
CN110940636B (zh) * | 2019-12-05 | 2020-12-08 | 华南农业大学 | 柑橘林病虫害智能识别与林间信息监测系统 |
TWI831034B (zh) * | 2021-07-30 | 2024-02-01 | 國立中興大學 | 稻熱病預警系統及方法 |
CN113744074A (zh) * | 2021-09-06 | 2021-12-03 | 北京超图软件股份有限公司 | 确定农业作物的减灾保产措施的方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105843862A (zh) | 一种构建作物病虫害遥感测报系统的方法及遥感测报系统 | |
Eskelson et al. | The roles of nearest neighbor methods in imputing missing data in forest inventory and monitoring databases | |
CN103959279B (zh) | 基于移动设备生成的事件分析的地图瓦片数据预取 | |
Yao et al. | A WebGIS-based decision support system for locust prevention and control in China | |
Pindozzi et al. | Using historical maps to analyze two hundred years of land cover changes: case study of Sorrento peninsula (south Italy) | |
DE202008018624U1 (de) | Karten-Gadgets | |
DE202008018625U1 (de) | Kommunikation zwischen Domänen | |
Kharel et al. | Spatially and temporally disparate data in systems agriculture: Issues and prospective solutions | |
Aitkenhead et al. | E-smart: environmental sensing for monitoring and advising in real-time | |
Khan et al. | Cotton crop cultivation oriented semantic framework based on IoT smart farming application | |
Yang et al. | Advanced Geoinformation Science: An Overview‖ | |
Fegraus et al. | Interdisciplinary decision support dashboard: A new framework for a tanzanian agricultural and ecosystem service monitoring system pilot | |
Kijewski-Correa et al. | CyberEye: Development of integrated cyber-infrastructure to support rapid hurricane risk assessment | |
US9262550B2 (en) | Processing semi-structured data | |
Zhang et al. | Crop-CASMA: A web geoprocessing and map service based architecture and implementation for serving soil moisture and crop vegetation condition data over US Cropland | |
Stasch et al. | Coupling sensor observation services and web processing services for online geoprocessing in water dam monitoring | |
Sun et al. | Advanced cyberinfrastructure for intercomparison and validation of climate models | |
McLean et al. | Building a portal for climate data—Mapping automation, visualization, and dissemination | |
Balti et al. | Multidimensional architecture using a massive and heterogeneous data: Application to drought monitoring | |
Saad et al. | Estimating stem diameter distributions from airborne laser scanning data and their effects on long term forest management planning | |
National Research Council et al. | IT roadmap to a geospatial future | |
US11023465B2 (en) | Cross-asset data modeling in multi-asset databases | |
Khalsa et al. | The GEOSS interoperability process pilot project (IP3) | |
Llanes et al. | From sensor data streams to linked streaming data: a survey of main approaches | |
Haklay | Map Calculus in GIS: a proposal and demonstration |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20160810 |
|
RJ01 | Rejection of invention patent application after publication |