CN106097131A - 基于大数据的农业精准种植方法 - Google Patents
基于大数据的农业精准种植方法 Download PDFInfo
- Publication number
- CN106097131A CN106097131A CN201610464356.XA CN201610464356A CN106097131A CN 106097131 A CN106097131 A CN 106097131A CN 201610464356 A CN201610464356 A CN 201610464356A CN 106097131 A CN106097131 A CN 106097131A
- Authority
- CN
- China
- Prior art keywords
- big data
- crops
- soil
- data
- big
- 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
- 238000000034 method Methods 0.000 title claims abstract description 14
- 238000002513 implantation Methods 0.000 title claims abstract description 11
- 239000002689 soil Substances 0.000 claims abstract description 47
- 239000007788 liquid Substances 0.000 claims abstract description 26
- 239000010871 livestock manure Substances 0.000 claims abstract description 26
- 210000003608 fece Anatomy 0.000 claims abstract description 25
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 12
- 238000009313 farming Methods 0.000 claims abstract description 11
- 238000005286 illumination Methods 0.000 claims abstract description 7
- 238000009331 sowing Methods 0.000 claims abstract description 5
- 239000003643 water by type Substances 0.000 claims abstract description 5
- 238000003973 irrigation Methods 0.000 claims abstract description 4
- 230000002262 irrigation Effects 0.000 claims abstract description 4
- 230000009605 growth rhythm Effects 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012271 agricultural production Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000003337 fertilizer Substances 0.000 description 1
Classifications
-
- 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
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Agronomy & Crop Science (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Husbandry (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Cultivation Of Plants (AREA)
Abstract
本发明公开了基于大数据的农业精准种植方法。所述内容包括:农业精准种植系统使用的大数据包括土壤大数据、农作物生长规律大数据、水肥大数据、农产品市场大数据四个模块。首先,根据农产品的以往市场销售量和价格大数据选择适宜种植的农作物类别。然后,根据农作物生长阶段大数据安排农作物的播种时间,根据土壤温度和湿度数据、适合土壤生长的农作物大数据选择适宜种植农作物的土壤。最后,根据农作物各个生长阶段需要的光照、浇水和施肥数据得到农作物需要的浇水和施肥数据,根据水肥供应大数据给农作物安排水肥浇灌时间和浇灌量。本方法能利用农业大数据合理匹配土壤和农作物、高效利用水肥,适用于精准农业。
Description
技术领域
本发明涉及物联网技术,具体涉及基于大数据的农业精准种植方法。
背景技术
精准农业通过采用先进的信息通信技术,大大节约水、肥等农业生产资料,提高农业生产能力和土壤循环再生能力。例如,传感器被部署用来采集土壤的温度和湿度等数据,为自动浇灌提供参考依据。RFID标签被贴在农产品上,方便全程跟踪农产品的生产、流通、消费各个环节。将传感器、RFID标签和手机上的软件联网,农民可以远程、实时监控农作物的生长情况。精准种植就是要根据土壤的状况和农作物的生长规律,科学安排播种和浇灌时间,提高农作物产量。
随着海量终端设备互联和物联网技术的发展,它们产生的数据呈几何级数增长,现有的数据处理技术难以管理和控制这么大规模的数据。为此,人们提出大数据这个新概念,它的特征表现在大量、高速、多样、有价值。大数据由成千上万的终端设备采集,然后在云计算平台处理。大数据在股票行情预测、天气预测、球赛比分预测等方面已经产生积极效果,在精准农业、智慧城市、智慧医疗等领域也有潜在的应用价值。但是目前还很少有人提出基于大数据的农业精准种植方法。
发明内容
本发明目的是提供一种基于大数据的农业精准种植方法和农业精准种植系统,进一步提高农业种植的精度和农民收益,以解决上述背景技术中存在的问题。
本发明技术方案如下:
一种基于大数据的农业精准种植方法,包括如下步骤:
1.设置一个农业精准种植系统,
2.根据农业精准种植系统中农产品市场大数据模块记载的农产品的以往市场销售量和价格大数据选择适宜种植的农作物类别,用向量x=[x1,…,xN]表示,其中元素xn表示第n种农作物;然后
3.根据农作物生长规律大数据模块记载的农作物生长阶段大数据安排第n种农作物的播种时间,
根据土壤温度和湿度数据、适合土壤生长的农作物大数据选择适宜种植第n种农作物的土壤,记为yi;之后
4.根据第n种农作物各个生长阶段需要的光照、浇水和施肥数据得到在土壤yi上种植第n种农作物需要的浇水和施肥数据,根据水肥供应大数据给第n种农作物安排水肥浇灌时间和浇灌量。
用于实现上述基于大数据农业精准种植方法的装置为农业精准种植系统,该系统包括顺序连接的农产品市场大数据模块、农作物生长规律大数据模块、土壤大数据模块、水肥供应大数据模块;其中,农产品市场大数据模块分别与农作物生长规律大数据模块和土壤大数据模块连接,农作物生长规律大数据模块与水肥供应大数据模块连接,土壤大数据模块与农业作物生长规律大数据模块和水肥供应大数据模块顺序连接。
所述农产品市场大数据模块包括各种农产品的市场销售量和价格数据,都及时更新;
所述农作物生长规律大数据模块,包括各种农作物的生长阶段数据以及各个生长阶段需要的光照、浇水和施肥数据,其中农作物的生长阶段数据及时更新;
所述土壤大数据模块,包含土壤温度和湿度数据、适合土壤生长的农作物数据,其中土壤温度和湿度数据及时更新,适合土壤生长的农作物则根据历史数据和当前的土壤温度、湿度数据评估;
所述水肥供应大数据模块包括各种土壤和农作物组合需要的浇水和施肥数据、水肥供应数据,其中水肥供应数据及时更新;
本发明的有益效果为:本发明可用于精准农业,具有利用农业大数据合理匹配土壤和农作物、高效利用水肥等优点。
附图说明
图1为本发明基于大数据的农业精准种植系统示意图;
图2为本发明基于大数据的农业精准种植示意图。
具体实施方式
以下结合附图及实施例对本发明做进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
实施例1
如图1所示,本发明的农业精准种植系统使用的大数据模块包括顺序连接的农产品市场大数据模块、农作物生长规律大数据模块、土壤大数据模块、水肥供应大数据模块;其中,农产品市场大数据模块分别与农作物生长规律大数据模块和土壤大数据模块连接,农作物生长规律大数据模块与水肥供应大数据模块连接,土壤大数据模块与农业作物生长规律大数据模块和水肥供应大数据模块顺序连接。
所述农产品市场大数据模块包括各种农产品的市场销售量和价格数据,都及时更新;
所述农作物生长规律大数据模块,包括各种农作物的生长阶段数据以及各个生长阶段需要的光照、浇水和施肥数据,其中农作物的生长阶段数据及时更新;
所述土壤大数据模块,包含土壤温度和湿度数据、适合土壤生长的农作物数据,其中土壤温度和湿度数据及时更新,适合土壤生长的农作物则根据历史数据和当前的土壤温度、湿度数据评估;
所述水肥供应大数据模块包括各种土壤和农作物组合需要的浇水和施肥数据、水肥供应数据,其中水肥供应数据及时更新。
本实施例设有4种农作物,设为x1、x2、x3、x4。
参照图2,阐述本发明基于大数据的农业精准种植方法:
农产品市场大数据模块中包括农作物x1、x2、x3、x4对应农产品的市场销售量和价格数据,设农作物x1、x2对应农产品的市场销售量和利润较高,选择x1、x2作为适宜种植的农作物;设有3块土壤,记为y1、y2、y3;然后,根据农作物生长规律大数据模块中x1、x2的生长阶段大数据安排x1、x2的播种时间,根据土壤大数据模块中y1、y2、y3的温度和湿度数据以及适合土壤y1、y2、y3生长的农作物大数据选择适宜种植农作物x1、x2的土壤;设适合农作物x1生长的土壤为y1、y2,适合农作物x2生长的土壤为y1、y3;选择土壤y2种植农作物x1,土壤y3种植农作物x2;最后,根据农作物x1、x2各个生长阶段需要的光照、浇水和施肥数据分别得到在土壤y2、y3上种植农作物x1、x2需要的浇水和施肥数据,根据水肥供应大数据模块给农作物x1、x2安排水肥浇灌时间和浇灌量。
Claims (6)
1.一种基于大数据的农业精准种植方法,其特征在于:包括如下步骤:
(1)设置一个农业精准种植系统;
(2)根据农业精准种植系统中农产品市场大数据模块记载的农产品的以往市场销售量和价格大数据选择适宜种植的农作物类别,用向量x=[x1,…,xN]表示,其中元素xn表示第n种农作物;然后根据农作物生长规律大数据模块记载的农作物生长阶段大数据安排第n种农作物的播种时间;根据土壤温度和湿度数据、适合土壤生长的农作物大数据选择适宜种植第n种农作物的土壤,记为yi;之后根据第n种农作物各个生长阶段需要的光照、浇水和施肥数据得到在土壤yi上种植第n种农作物需要的浇水和施肥数据,根据水肥供应大数据给第n种农作物安排水肥浇灌时间和浇灌量。
2.用于实现权利要求1所述基于大数据农业精准种植方法的系统,其特征是:该系统为农业精准种植系统,包括农产品市场大数据模块、农作物生长规律大数据模块、土壤大数据模块、水肥供应大数据模块;农产品市场大数据模块分别与农作物生长规律大数据模块和土壤大数据模块连接,农作物生长规律大数据模块与水肥供应大数据模块连接,土壤大数据模块与农业作物生长规律大数据模块和水肥供应大数据模块顺序连接。
3.根据权利要求2所述的系统,其特征是:所述农产品市场大数据模块包括各种农产品的市场销售量和价格数据,都及时更新。
4.根据权利要求2所述的系统,其特征是:所述农作物生长规律大数据模块,包括各种农作物的生长阶段数据以及各个生长阶段需要的光照、浇水和施肥数据,其中农作物的生长阶段数据及时更新。
5.根据权利要求2所述的系统,其特征是:所述土壤大数据模块,包含土壤温度和湿度数据、适合土壤生长的农作物数据,其中土壤温度和湿度数据及时更新,适合土壤生长的农作物则根据历史数据和当前的土壤温度、湿度数据评估。
6.根据权利要求2所述的系统,其特征是:所述水肥供应大数据模块包括各种土壤和农作物组合需要的浇水和施肥数据、水肥供应数据,其中水肥供应数据及时更新。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610464356.XA CN106097131A (zh) | 2016-06-23 | 2016-06-23 | 基于大数据的农业精准种植方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610464356.XA CN106097131A (zh) | 2016-06-23 | 2016-06-23 | 基于大数据的农业精准种植方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106097131A true CN106097131A (zh) | 2016-11-09 |
Family
ID=57252301
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610464356.XA Pending CN106097131A (zh) | 2016-06-23 | 2016-06-23 | 基于大数据的农业精准种植方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106097131A (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106599136A (zh) * | 2016-11-30 | 2017-04-26 | 深圳前海弘稼科技有限公司 | 基于大数据指导农业生产的方法和装置 |
CN106779452A (zh) * | 2016-12-28 | 2017-05-31 | 贵州马科技有限公司 | 建立农作物数据生长模型的方法 |
CN107409582A (zh) * | 2017-05-25 | 2017-12-01 | 河南嘉禾智慧农业科技有限公司 | 一种农业大棚种植用物联网信息采集、控制系统 |
CN108563205A (zh) * | 2018-04-16 | 2018-09-21 | 大理依仁堂生物科技有限公司 | 一种基于大数据的农作物智慧种植方法 |
CN109191074A (zh) * | 2018-08-27 | 2019-01-11 | 宁夏大学 | 智慧果园种植管理系统 |
CN110579987A (zh) * | 2019-09-10 | 2019-12-17 | 西京学院 | 基于lora通讯的智慧果园信息控制系统及方法 |
CN110659860A (zh) * | 2019-09-21 | 2020-01-07 | 深圳市创新盈科技有限公司 | 智慧农业系统 |
WO2021156706A1 (en) * | 2020-02-03 | 2021-08-12 | International Business Machines Corporation | Estimation of crop type and/or sowing date |
CN113295208A (zh) * | 2021-05-19 | 2021-08-24 | 天津现代职业技术学院 | 一种智慧农业种植数据监测方法 |
CN117973701A (zh) * | 2024-03-29 | 2024-05-03 | 广东海洋大学 | 一种基于大数据的农业服务管理方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105260791A (zh) * | 2015-09-25 | 2016-01-20 | 苏州携优信息技术有限公司 | 基于农业物联网和大数据分析的种植计划优化系统和方法 |
CN105353739A (zh) * | 2015-11-17 | 2016-02-24 | 无锡十一绿色智能建筑系统工程有限公司 | 一种智能农业管理系统 |
CN105573277A (zh) * | 2015-12-31 | 2016-05-11 | 山东锋士自动化系统有限公司 | 一种基于云计算的物联网智能灌溉系统 |
CN105701615A (zh) * | 2016-01-13 | 2016-06-22 | 湖南盛鼎科技发展有限责任公司 | 一种基于环境信息的农作物适宜性评价方法 |
-
2016
- 2016-06-23 CN CN201610464356.XA patent/CN106097131A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105260791A (zh) * | 2015-09-25 | 2016-01-20 | 苏州携优信息技术有限公司 | 基于农业物联网和大数据分析的种植计划优化系统和方法 |
CN105353739A (zh) * | 2015-11-17 | 2016-02-24 | 无锡十一绿色智能建筑系统工程有限公司 | 一种智能农业管理系统 |
CN105573277A (zh) * | 2015-12-31 | 2016-05-11 | 山东锋士自动化系统有限公司 | 一种基于云计算的物联网智能灌溉系统 |
CN105701615A (zh) * | 2016-01-13 | 2016-06-22 | 湖南盛鼎科技发展有限责任公司 | 一种基于环境信息的农作物适宜性评价方法 |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106599136A (zh) * | 2016-11-30 | 2017-04-26 | 深圳前海弘稼科技有限公司 | 基于大数据指导农业生产的方法和装置 |
CN106779452A (zh) * | 2016-12-28 | 2017-05-31 | 贵州马科技有限公司 | 建立农作物数据生长模型的方法 |
CN107409582A (zh) * | 2017-05-25 | 2017-12-01 | 河南嘉禾智慧农业科技有限公司 | 一种农业大棚种植用物联网信息采集、控制系统 |
CN108563205A (zh) * | 2018-04-16 | 2018-09-21 | 大理依仁堂生物科技有限公司 | 一种基于大数据的农作物智慧种植方法 |
CN109191074A (zh) * | 2018-08-27 | 2019-01-11 | 宁夏大学 | 智慧果园种植管理系统 |
CN110579987A (zh) * | 2019-09-10 | 2019-12-17 | 西京学院 | 基于lora通讯的智慧果园信息控制系统及方法 |
CN110659860A (zh) * | 2019-09-21 | 2020-01-07 | 深圳市创新盈科技有限公司 | 智慧农业系统 |
WO2021156706A1 (en) * | 2020-02-03 | 2021-08-12 | International Business Machines Corporation | Estimation of crop type and/or sowing date |
US11382260B2 (en) | 2020-02-03 | 2022-07-12 | International Business Machines Corporation | Estimation of crop type and/or sowing date |
GB2608044A (en) * | 2020-02-03 | 2022-12-21 | Ibm | Estimation of crop type and/or sowing date |
CN113295208A (zh) * | 2021-05-19 | 2021-08-24 | 天津现代职业技术学院 | 一种智慧农业种植数据监测方法 |
CN117973701A (zh) * | 2024-03-29 | 2024-05-03 | 广东海洋大学 | 一种基于大数据的农业服务管理方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106097131A (zh) | 基于大数据的农业精准种植方法 | |
York et al. | Evolution of US maize (Zea mays L.) root architectural and anatomical phenes over the past 100 years corresponds to increased tolerance of nitrogen stress | |
CN105260894A (zh) | 农业物联网农产品质量安全溯源的方法及其物联网系统 | |
CN109874477A (zh) | 一种农业园区施肥机托管方法及系统 | |
CN101162384A (zh) | 人工智能植物生长环境调控专家决策系统 | |
Hedau et al. | Energy-use efficiency and economic analysis of vegetable cropping sequences under greenhouse condition | |
Hemathilake et al. | High-productive agricultural technologies to fulfill future food demands: Hydroponics, aquaponics, and precision/smart agriculture | |
Negrete et al. | Arduino board in the automation of agriculture in Mexico, a review | |
Kirci et al. | A novel approach for monitoring of smart greenhouse and flowerpot parameters and detection of plant growth with sensors | |
Sutardi et al. | The transformation of rice crop technology in indonesia: Innovation and sustainable food security | |
Vashishth et al. | Advanced Technologies and AI-Enabled IoT Applications in High-Tech Agriculture | |
Orishev et al. | Promising intelligent technologies for agricultural development | |
Das et al. | Agricultural technologies | |
Shashwathi et al. | Smart farming: A step towards techno-savvy agriculture | |
Zengeya et al. | The adoption of the Internet of Things for smart agriculture in Zimbabwe | |
Jain et al. | Performance prediction for crop irrigation using different machine learning approaches | |
Sharma | Precision Agriculture: Reviewing the Advancements Technologies and Applications in Precision Agriculture for Improved Crop Productivity and Resource Management | |
Medida et al. | Predictive Analytics for High-Tech Agriculture | |
Evan et al. | IoT Architectural Design for Microgreens Cultivation | |
Toso et al. | Nitrogen in plant growth and yield of common bean | |
Panigrahi et al. | The predictive model to maintain pH levels in hydroponic systems | |
Majeed et al. | Artificial intelligence-of-things (AIoT) in precision agriculture | |
Kolomiets | Innovations in Agriculture: Necessity, Problems and Opportunities | |
Nehvi | Forthcoming challenges for improving saffron farming systems in Kashmir | |
Soper | Globalization and the agrarian question: Divergent development of two export-oriented farming communities |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20161109 |
|
WD01 | Invention patent application deemed withdrawn after publication |