CN106777683A - 一种作物苗情监测系统和方法 - Google Patents
一种作物苗情监测系统和方法 Download PDFInfo
- Publication number
- CN106777683A CN106777683A CN201611154009.3A CN201611154009A CN106777683A CN 106777683 A CN106777683 A CN 106777683A CN 201611154009 A CN201611154009 A CN 201611154009A CN 106777683 A CN106777683 A CN 106777683A
- Authority
- CN
- China
- Prior art keywords
- crop
- module
- dynamic development
- growth
- development
- 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
- 230000012010 growth Effects 0.000 title claims abstract description 103
- 235000013339 cereals Nutrition 0.000 title claims abstract description 75
- 238000012544 monitoring process Methods 0.000 title claims abstract description 64
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000011161 development Methods 0.000 claims abstract description 174
- 230000018109 developmental process Effects 0.000 claims abstract description 174
- 230000003698 anagen phase Effects 0.000 claims abstract description 22
- 238000009826 distribution Methods 0.000 claims description 40
- 238000004458 analytical method Methods 0.000 claims description 21
- 238000005516 engineering process Methods 0.000 claims description 19
- 238000012545 processing Methods 0.000 claims description 18
- 238000004519 manufacturing process Methods 0.000 claims description 13
- 230000007613 environmental effect Effects 0.000 claims description 11
- 235000016709 nutrition Nutrition 0.000 claims description 10
- 238000005286 illumination Methods 0.000 claims description 7
- 230000035764 nutrition Effects 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 6
- 229930002875 chlorophyll Natural products 0.000 claims description 4
- 235000019804 chlorophyll Nutrition 0.000 claims description 4
- ATNHDLDRLWWWCB-AENOIHSZSA-M chlorophyll a Chemical compound C1([C@@H](C(=O)OC)C(=O)C2=C3C)=C2N2C3=CC(C(CC)=C3C)=[N+]4C3=CC3=C(C=C)C(C)=C5N3[Mg-2]42[N+]2=C1[C@@H](CCC(=O)OC\C=C(/C)CCC[C@H](C)CCC[C@H](C)CCCC(C)C)[C@H](C)C2=C5 ATNHDLDRLWWWCB-AENOIHSZSA-M 0.000 claims description 4
- 230000009027 insemination Effects 0.000 claims description 4
- 239000002028 Biomass Substances 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000000877 morphologic effect Effects 0.000 claims description 3
- 230000001939 inductive effect Effects 0.000 claims description 2
- 230000008635 plant growth Effects 0.000 abstract description 6
- 241000209140 Triticum Species 0.000 description 17
- 235000021307 Triticum Nutrition 0.000 description 17
- 241000196324 Embryophyta Species 0.000 description 11
- 238000007726 management method Methods 0.000 description 11
- 239000002689 soil Substances 0.000 description 9
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 6
- 230000008859 change Effects 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 238000012272 crop production Methods 0.000 description 4
- 238000012271 agricultural production Methods 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 3
- 238000009313 farming Methods 0.000 description 3
- 238000012800 visualization Methods 0.000 description 3
- 241000607479 Yersinia pestis Species 0.000 description 2
- 240000008042 Zea mays Species 0.000 description 2
- 235000005824 Zea mays ssp. parviglumis Nutrition 0.000 description 2
- 235000002017 Zea mays subsp mays Nutrition 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 235000005822 corn Nutrition 0.000 description 2
- 230000006378 damage Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000009746 freeze damage Effects 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 244000025254 Cannabis sativa Species 0.000 description 1
- 241001269238 Data Species 0.000 description 1
- 241000238631 Hexapoda Species 0.000 description 1
- 240000007594 Oryza sativa Species 0.000 description 1
- 235000007164 Oryza sativa Nutrition 0.000 description 1
- 201000002451 Overnutrition Diseases 0.000 description 1
- 244000062793 Sorghum vulgare Species 0.000 description 1
- 230000009418 agronomic effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007850 degeneration Effects 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 210000003608 fece Anatomy 0.000 description 1
- 239000003337 fertilizer Substances 0.000 description 1
- 235000021393 food security Nutrition 0.000 description 1
- 238000003306 harvesting Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000003973 irrigation Methods 0.000 description 1
- 230000002262 irrigation Effects 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 239000010871 livestock manure Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000008267 milk Substances 0.000 description 1
- 210000004080 milk Anatomy 0.000 description 1
- 235000013336 milk Nutrition 0.000 description 1
- 235000019713 millet Nutrition 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 235000020823 overnutrition Nutrition 0.000 description 1
- 230000008121 plant development Effects 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 235000009566 rice Nutrition 0.000 description 1
- 239000007921 spray Substances 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 239000003643 water by type Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Mining & Mineral Resources (AREA)
- Health & Medical Sciences (AREA)
- Geometry (AREA)
- Life Sciences & Earth Sciences (AREA)
- Agronomy & Crop Science (AREA)
- Animal Husbandry (AREA)
- Marine Sciences & Fisheries (AREA)
- Evolutionary Computation (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种作物苗情监测系统和方法,该系统包括位于农田现场的作物本体生长发育采集模块和时间采集模块,还包括位于远程并相互连接的作物动态发育计算建模模块和显示模块,作物本体生长发育采集模块和时间采集模块均通过物联网连接作物动态发育计算建模模块,作物动态发育计算建模模块建立作物动态发育计算模型并根据采集的作物本体生长发育数据信息和确定的作物的实际生长阶段进行作物动态发育计算,并将作物动态发育计算的结果输入至显示模块进行显示。该系统使得无论农户还是农业部门均可以随时随地精确地并有针对性地掌握作物生长情况,使作物苗情监测达到数字化、精确化、可视化和标准化。
Description
技术领域
本发明涉及一种农业信息技术领域,特别是一种基于作物动态发育模型的作物苗情监测系统和方法。
背景技术
我国是农业生产大国,近年来冬季低温冷害、夏季高温沥涝,干热风频发,都对农业生产带来极大威胁。因此,开展作物农情数据监测及管理,促进农业生产转化升级极为必要。同时农情信息在国家粮食安全保障、农业结构调整、农业资源开发和保护、农产品市场拓展、农业防灾减灾、农业可持续发展等方面发挥着积极的科技支撑作用,开展农情监测意义十分重大。而苗情是农情之首,是墒情、病情、虫情、灾情监测的综合反应,是农业精确化、标准化生产的基础,是科学管理的重要依据,必须坚持长期监测、业务化运行。
当前我国大部分地区的农业科技推广工作特别是作物苗情监测工作,还停留在传统的手工调查阶段,监测控制能力低,即主要依靠人工调查获取数据,使得人工管理支出费用较大,而且人为误差也很大,尚未达到管理部门和技术部门指导农业生产所要求的苗情监测工作实、快、细、准的基本要求。无论是农户还是农业部门都无法随时随地精确地并有针对性地给出某作物苗情信息以及其综合生长情况智能决策。
发明内容
本发明针对现有技术存在的问题,为农户和农业部门提供一种操作简单、直观方便的作物苗情监测系统,无论农户还是农业部门均可以随时随地精确地并有针对性地掌握作物生长情况,建立作物动态发育模型,使作物苗情监测达到数字化、精确化、可视化和标准化。本发明还涉及一种作物苗情监测方法。
本发明的技术方案如下:
一种作物苗情监测系统,其特征在于,包括位于农田现场的作物本体生长发育采集模块和时间采集模块,还包括位于远程并相互连接的作物动态发育计算建模模块和显示模块,所述作物本体生长发育采集模块和时间采集模块均通过物联网连接作物动态发育计算建模模块,
所述作物本体生长发育采集模块采集作物本体生长发育数据信息并输入至作物动态发育计算建模模块,所述时间采集模块通过日期时间的采集确定作物的实际生长阶段并输入至作物动态发育计算建模模块,所述作物动态发育计算建模模块根据不同作物在各生长周期内的生长发育情况进行作物动态发育计算建模,建立作物动态发育计算模型,所述作物动态发育计算模型根据作物本体生长发育采集模块采集的作物本体生长发育数据信息和时间采集模块确定的作物的实际生长阶段进行作物动态发育计算,并将作物动态发育计算的结果输入至显示模块进行显示。
所述作物本体生长发育采集模块通过专用设备采集作物本体生长发育数据信息包括作物本体单株或群体的株高、叶片数、叶夹角、叶面积、叶色、叶绿素含量、群体株数、直立角、生物量,所述作物动态发育计算模型进行作物动态发育计算得到的作物动态发育计算的结果包括作物单株或群体长势、形态和/或营养状况结果。
还包括位于远程的智能决策模块,所述智能决策模块分别与作物动态发育计算建模模块和显示模块相连,用于根据作物动态发育计算的结果并结合作物生长周期特性对作物发育状况进行诊断分析并提出包括生产要素的优化配置和栽培措施的决策,并将所述决策输入至显示模块进行显示。
还包括位于远程的空间分布处理模块,所述作物动态发育计算建模模块和智能决策模块均通过空间分布处理模块与显示模块相连,所述作物动态发育计算的结果和决策均通过空间分布处理模块进行空间分布处理后由显示模块进行界面显示。
还包括位于农田现场的环境数据采集模块,所述环境数据采集模块通过相应传感器采集农田环境数据信息,采集的农田环境信息包括空气温度和/或空气湿度和/或光照强度和/或风速和/或降雨量,所述环境数据采集模块通过物联网连接作物动态发育计算建模模块,所述作物动态发育计算模型根据采集的作物本体生长发育数据信息、作物的实际生长阶段和农田环境数据信息进行作物动态发育计算。
所述作物动态发育计算建模模块针对作物分别在播种出苗期、苗期、返青分蘖期、拔节期、孕穗期、灌浆期和成熟期的生长发育数据范围进行动态发育计算建模,建立作物动态发育计算模型,所述作物动态发育计算的结果划分为若干个长势发育等级、形态发育等级和营养发育等级。
所述空间分布处理模块包括相互连接的引擎模块和GIS模块,所述GIS模块分别连接作物动态发育计算建模模块和智能决策模块,所述引擎模块连接显示模块;所述GIS模块采用GIS技术对不同农田的地理位置进行不同空间分布处理,对相同农田得到的作物动态发育计算的结果和决策进行相同的空间分布处理,再由引擎模块发送至显示模块显示。
一种作物苗情监测方法,其特征在于,该方法根据不同作物在各生长周期内的生长发育情况进行作物动态发育计算建模,建立作物动态发育计算模型,再将采集的作物本体生长发育数据信息以及通过日期时间的采集确定作物的实际生长阶段共同输入至作物动态发育计算模型,由作物动态发育计算模型根据采集的作物本体生长发育数据信息和确定的作物的实际生长阶段进行作物动态发育计算,并将作物动态发育计算的结果进行界面显示。
该方法还根据作物动态发育计算的结果并结合作物生长周期特性对作物发育状况进行诊断分析并提出包括生产要素的优化配置和栽培措施的决策,并将所述决策进行界面显示。
该方法还通过相应传感器采集农田环境信息,采集的农田环境信息包括空气温度和/或空气湿度和/或光照强度和/或风速和/或降雨量,采集的农田环境信息进行空间分布处理后进行界面显示。
本发明的技术效果如下:
本发明提供的作物苗情监测系统,包括位于农田现场的作物本体生长发育采集模块和时间采集模块,还包括位于远程的作物动态发育计算建模模块和显示模块,作物本体生长发育采集模块和时间采集模块通过物联网连接作物动态发育计算建模模块,作物动态发育计算建模模块根据不同作物在各生长周期内的生长发育情况进行作物动态发育计算建模,从而建立作物动态发育计算模型,将作物本体生长发育采集模块采集的作物本体生长发育数据信息以及时间采集模块确定的作物的实际生长阶段均作为输入数据输入作物动态发育计算模型,由作物动态发育计算模型进行作物动态发育计算也就是将输入数据与模型内部数据进行比对分析,得到作物动态发育计算的结果即作物苗情动态生长发育情况,输入至显示模块进行显示,使得远程的用户如农户或农业部门均能够随时随地精确掌握作物苗情动态生长发育情况,而不必亲临各地的农田现场,用物联网技术提高作物苗情监测和预警水平,监测农田实时气象、墒情、苗情、病虫情和灾情的动态变化特征,为实现节水灌溉、实时苗情管理、防灾减灾等精细管理决策提供数据支持。利用物联网智能终端采集技术改变传统人工苗情监测的方式,实现小麦苗情信息的自动采集、管理、分析等功能,为农户和农业部门提供的作物苗情监测系统操作简单、直观方便,使作物苗情监测达到数字化、精确化、可视化和标准化,实现作物生产苗情全程监测,降低监测体系的人力、物力和财力消耗。
该作物苗情监测系统还优选设置位于远程的智能决策模块,用于根据作物动态发育计算的结果并结合作物生长周期特性对作物发育状况进行诊断分析并提出包括生产要素的优化配置和栽培措施的决策,并将所述决策输入至显示模块进行显示,这样农户能够直接查询自家作物生长发育情况并能够直观得到智能栽培决策,农业部门可以查看各农田的作物苗情动态生长发育情况和智能栽培决策,以便开展作物生产的宏观或者微观的大规模智能分析和预警研究,农户能够得到精确栽培专业化指导,为科学种田提供了保证。
优选设置位于远程的空间分布处理模块,作物动态发育计算的结果和决策均通过空间分布处理模块进行空间分布处理后由显示模块进行界面显示,这样用户可以查看分布在不同地域不同基地不同农田的作物苗情动态生长发育情况和智能栽培决策,解决了现有技术无法随时随地查看不同地域不同基地不同农田的作物苗情动态生长发育情况和智能栽培决策所导致的问题,结合建模技术,实时展示作物苗情动态生长发育情况和智能栽培决策,既能由农业部门使用,也能够推广到基层的农户使用,而且操作简单,直观方便,避免了现有技术依靠人工调查获取数据导致的人工成本高以及人为误差大的问题,同时由于能够直接获取到智能栽培策略,使得农户得到了精确栽培专业化指导,避免了随意栽培影响农田丰收问题,为科学种田提供了关键因素。
设置位于农田现场的环境数据采集模块,通过相应传感器采集农田环境数据信息,采集的农田环境信息包括空气温度和/或空气湿度和/或光照强度和/或风速和/或降雨量,如采用空气温度传感器、空气湿度传感器、光照传感器、风速传感器和降雨量传感器这些部件进行农田环境信息的采集,各传感器的设置能够得到作物生长的多方位环境参数信息,使得农户或农业部门能够对该农田环境进行较全面的掌握,并作为作物动态发育计算模型的输入配合采集的作物本体生长发育数据信息、作物的实际生长阶段和农田环境数据信息进行作物动态发育计算,更加精细化的进行分析比对,得到全面准确的作物苗情发育情况以及作物生长的多方位环境参数信息,使得农户或农业部门实时监控作物的详细环境信息,对该农田环境进行较全面的掌握。
本发明还涉及一种作物苗情监测方法,该方法根据不同作物在各生长周期内的生长发育情况进行作物动态发育计算建模,从而建立作物动态发育计算模型,同时采集的作物本体生长发育数据信息以及作物的实际生长阶段共同输入至作物动态发育计算模型,由作物动态发育计算模型根据采集的作物本体生长发育数据信息和确定的作物的实际生长阶段进行作物动态发育计算,并将作物动态发育计算的结果进行界面显示,还可以进一步根据作物动态发育计算的结果并结合作物生长周期特性对作物发育状况进行诊断分析,通过人工智能和决策支持相结合的方式得到包括生产要素的优化配置和栽培措施的决策;将作物动态发育计算的结果以及做出的决策进行空间分布处理后进行界面显示,无论农户还是农业部门均可以随时随地精确地并有针对性地掌握某地域下某基地下某农田的作物动态发育情况和智能栽培决策,解决了现有技术的弊端,实现了基于物联网的作物苗情的远程监测和预警以及科学指导智能栽培决策。
附图说明
图1为本发明作物苗情监测系统的结构示意图。
图2为本发明作物苗情监测系统的优选结构示意图。
图3a——3f均为作物苗情监测系统的工作状态图。
图4为本发明作物苗情监测方法的优选流程图。
具体实施方式
下面结合附图对本发明进行说明。
本发明涉及一种作物苗情监测系统,其结构示意图如图1所示,包括位于农田现场的作物本体生长发育采集模块和时间采集模块,还包括位于远程并相互连接的作物动态发育计算建模模块和显示模块,作物本体生长发育采集模块和时间采集模块均通过物联网连接作物动态发育计算建模模块。作物本体生长发育采集模块采集作物本体生长发育数据信息并输入至作物动态发育计算建模模块,时间采集模块通过日期时间的采集确定作物的实际生长阶段并输入至作物动态发育计算建模模块,作物动态发育计算建模模块根据不同作物在各生长周期内的生长发育情况进行作物动态发育计算建模,建立作物动态发育计算模型,作物动态发育计算模型根据作物本体生长发育采集模块采集的作物本体生长发育数据信息和时间采集模块确定的作物的实际生长阶段进行作物动态发育计算,并将作物动态发育计算的结果输入至显示模块进行显示。
下面对本发明的作物苗情监测系统的各模块进行详细说明。作物本体生长发育采集模块位于农田现场,采集作物本体生长发育数据信息,可通过一些专用设备如高清摄像头、植株茎粗测量设备、叶色监测设备等等,采集作物本体单株或群体的株高、叶片数、叶夹角、叶面积、叶色、叶绿素含量、群体株数、直立角、生物量等获取到作物本体生长发育数据信息,这些是用于监测作物单株或群体的长势、形态、营养的情况。作物本体生长发育采集模块也可结合人工采集全面获取作物本体生长发育数据信息:1、叶蘖动态主要监测作物主茎叶龄和亩茎蘖数;2、个体生长情况及群体状况主要监测主茎叶龄、单株;根据作物个体生长情况及群体状况监测结果;3、冻害和倒伏主要监测冻害和倒伏发生时间、品种;4、灌浆速率测定灌浆速率是指每天每千粒作物干物质;5、预产和测产主要监测亩穗数、穗粒。等等,获取的作物本体生长发育数据信息作为输入数据输入至作物动态发育计算建模模块建立的作物动态发育计算模型。时间采集模块位于农田现场,是一种实时日期时间的硬件采集设备,通过日期时间的采集确定作物的实际生长阶段,并作为输入数据输入至作物动态发育计算建模模块建立的作物动态发育计算模型。
作物动态发育计算建模模块位于远程,可设置于远端服务器中,作物本体生长发育采集模块和时间采集模块均通过物联网与作物动态发育计算建模模块进行通信。作物动态发育计算建模模块根据不同作物在各生长周期内的生长发育情况进行作物动态发育计算建模,建立作物动态发育计算模型,该作物动态发育计算模型可理解为是设定了各作物苗情在各生长阶段的动态生长发育的标准,或者说是理想值。作物本体生长发育采集模块采集的作物本体生长发育数据信息和时间采集模块确定的作物的实际生长阶段均输入至作物动态发育计算模型,作物动态发育计算模型进行作物动态发育计算,也就是将采集到的生长发育的实际值与理想值比对,得到作物动态发育计算的结果,包括作物单株或群体长势、形态和/或营养状况结果,等等,该结果输入至显示模块进行显示。如作物为小麦时,将其生长周期划分为播种出苗期、苗期、返青分蘖期、拔节期、孕穗期、灌浆期和成熟期,作物动态发育计算建模模块针对小麦分别在播种出苗期、苗期、返青分蘖期、拔节期、孕穗期、灌浆期和成熟期的本体生长发育数据范围进行动态发育计算建模,建立作物动态发育计算模型,建立的作物动态发育计算模型包含了在各生长周期理想的叶面积范围、叶绿素含量范围等,将采集的实际值比对后,得到的作物动态发育计算的结果可以划分为若干个长势发育等级、形态发育等级和营养发育等级,例如营养发育等级包括营养过剩、营养适中、营养不良、营养严重不良等。
图2为本发明作物苗情监测系统的优选结构示意图,该实施例的系统优选还设置了位于农田现场的环境数据采集模块以及均位于远程的智能决策模块和空间分布处理模块,环境数据采集模块通过物联网连接作物动态发育计算建模模块,作物动态发育计算建模模块与智能决策模块相连,作物动态发育计算建模模块和智能决策模块均通过空间分布处理模块与显示模块相连。环境数据采集模块通过相应传感器采集农田环境数据信息,采集的农田环境数据信息可以包括空气温度、空气湿度、光照强度、风速、降雨量等,具体可以采用空气温度传感器、空气湿度传感器、光照传感器、风速传感器和降雨量传感器这些部件进行农田环境数据信息的采集,环境数据采集模块通过物联网将数据输入至作物动态发育计算模型,此时作物动态发育计算模型具有三路输入,根据采集的作物本体生长发育数据信息、作物的实际生长阶段和农田环境数据信息进行作物动态发育计算。智能决策模块用于根据作物动态发育计算的结果并结合作物生长周期特性对作物发育状况进行诊断分析并提出包括生产要素的优化配置和栽培措施的决策;可以通过人工智能和决策支持相结合的方式完成对数据的存储、分析和转换以进行栽培决策建模,建立栽培决策模型,通过对栽培决策模型数据的对比、分析,形成得到栽培决策,该栽培策略通过空间分布处理模块进行空间分布处理后由显示模块进行界面显示。本发明作物苗情监测系统以数据采集为依托,综合运用生长分析,生理生态测试以及数理统计分析等手段,同时依托和相关群体动态发育计算模型进行定量化、精细化的分析、比对,实现对作物苗情群体进行设计、监测、控制和可视化表达,并对植株发育状况进行诊断分析,最后提出生产要素(土、肥、水、种等)优化配置和栽培措施的决策服务。
空间分布处理模块包括相互连接的引擎模块和GIS模块,如图2所示,GIS模块分别连接作物动态发育计算建模模块和智能决策模块,引擎模块连接显示模块,作物动态发育计算的结果和决策均通过空间分布处理模块进行空间分布处理后由显示模块进行界面显示,具体是GIS模块提供地图服务信息,采用GIS技术对不同农田的地理位置进行不同空间分布处理,对相同农田得到的作物动态发育计算的结果和决策进行相同的空间分布处理,再由引擎模块发送至显示模块显示。作物动态发育计算模型和空间分布处理模块具有农业基础地理信息数据库,可包括地理、土壤、气象三大类资源49个图层的空间数据,其中基础地理包括15个图层,土壤资源信息包括8个图层,气象信息包括26个图层,总数据量20余万个。显示模块作为终端设备,可通过IIS服务提供浏览器界面实现系统模块的交互以及人机交互,显示模块可以为触摸式或者是按键式,并可组建多层级的模块目录结构,使用户操作界面具有表现形式丰富、配置灵活、风格统一的特点,从而保证了整个系统用户操作界面的多样性、一致性,友好的客户化界面,条理清晰,树态逻辑列示的条目一目了然,为用户提供良好的操作体验。
针对系统移动化的需求,可将空间分布处理模块(或者是只将其引擎模块)和显示模块集成到终端设备如便携式智能移动终端(手机、PAD、PDA等)上,图3a、图3b和图3c为采用便携式智能移动终端时的工作状态图,当然也可以集成到上位机中,图3d、图3e和图3f为采用上位机时的工作状态图,本发明的该系统建立了C/S结构或B/S结构,且终端设备与远端服务器(作物动态发育计算建模模块和智能决策模块均可置于远端服务器)直接通过物联网交互,使得不同地域不同基地的各农田中的作物生长发育数据信息能通过物联网技术获得相关数据内容,实现终端设备与相关采集模块的动态链接,也可以在终端实时展示作物苗青生长发育信息以及环境数据信息等,此时可理解为是各采集的数据通过空间分布处理后由显示模块进行显示,可以是作物动态发育计算建模模块将接收到的采集数据依次传输至空间分布处理模块和显示模块,也可以是经智能决策模块依次传输至空间分布处理模块和显示模块,如图3a所示,在显示模块进行采集模板选择作物,如玉米、小麦等,还可以在显示模块显示采集详情,如图3b所示,显示了在某时间某基地位置下某作物品种的株高、叶绿素等采集数据信息,通过终端设备(如智能移动终端或上位机)随时随地显示给农户或农业部门看,可以对农田的作物本体生长发育状态、环境、土质、空气湿度、温度等进行实时监控,可进一步对作物给予恰当的灌溉方案,故通过建立本发明智能栽培决策系统可以增加作物的产量,提高农户的收入。作物动态发育计算的结果可以通过空间分布处理模块进行空间分布处理后由显示模块进行界面显示,如图3c所示实施例为某市2015年小麦拔节期长势遥感监测图,也即为作物动态发育计算模型在小麦拔节期时将采集的数据与理想值比对分析后得到的作物动态发育计算的结果,结合空间分布处理后进行界面显示,通过显示模块由不同颜色显示,如图3c将各基地各农田的小麦拔节期长势计算结果反应到整体的数字地图中,划分为长势差、长势中和长势好三个等级,还可标识各地域各基地的各农田的地理位置。举例来说,可以在小麦出苗、分蘖、越冬、返青、拔节等关键生长发育阶段,通过定点、定期(特殊自然灾害除外)地对各地区、各种代表性的品种及地块的小麦叶蘖动态、个体素质、群体质量、产量结构及气候灾害进行监测、调查和分析,提出管理意见,开展分类管理的方法,重点实现小麦苗情信息的管理、监测、分析等功能,并通过视频信息远程、宏观、实时的查看小麦生长情况,及时掌控小麦苗情动态。如图3d显示了对某基地(基地一、基地二、基地三、基地四)的某地块(地块一、地块二、地块三、地块四)进行苗情监控,作物苗情长势可以包括文字、图片、视频等,为决策提供依据,图3e和图3f为对某种作物(水稻、小麦、谷子、玉米)进行的防治指导,包含苗情评价和农事指导等,即为智能栽培模块的输出结果。在应用时,比如说通过监测发现作物叶片中午大面积出现打卷萎蔫现象,可初步判断为干旱。同时结合土壤水分监测设备数据应证的确土壤水分含量偏低。而通过发育周期判断而此时又正是处于该作物的水分临界期,那么智能栽培模块马上给出结论,现在需要浇水以及浇多少水,同时会配套给出农艺措施比如中耕,喷施抗逆药剂等。通过基于智能终端监测各种作物苗情信息,并对其进行传送、转换和存储,以及作物动态发育计算模型和智能决策模块对存储数据进行分析、预警和管理,实现对作物苗情的监测、预警,指导作物安全生产工作。
本发明作物苗情监测系统建立多种不同应用目标的高可靠、低成本的农业资源环境、作物生长动态信息获取传感器等专用采集设备,构建低成本、全覆盖、实时监控的农业物联网传输网络,建立与国家物联网基础标准相衔接的农业物联网感知、传输和应用层技术标准,实现农业多源信息的智能采集、传输和应用,促进农业信息资源整合,强化农产品质量安全监管,探索农业物联网应用运行机制和模式,带动农业物联网技术产业发展。确定以提升农业生产能力,确保农产品质量安全为目标,集成示范物联网感知、传输、决策及应用相关技术和设备,形成农业物联网应用技术体系,在全国探索推广具有各地特色的农业物联网建设模式和高效试验机制。
本发明还涉及一种作物苗情监测方法,该方法与本发明的作物苗情监测系统相对应,可理解为是实现本发明作物苗情监测系统的方法。该方法先根据不同作物在各生长周期内的生长发育情况进行作物动态发育计算建模,从而建立作物动态发育计算模型,再将农田现场采集的作物本体生长发育数据信息以及通过日期时间的采集确定作物的实际生长阶段通过物联网共同输入至作物动态发育计算模型,由作物动态发育计算模型根据采集的作物本体生长发育数据信息和确定的作物的实际生长阶段进行作物动态发育计算,并将作物动态发育计算的结果进行界面显示。
图4为本发明作物苗情监测方法的优选流程图,该实施例农田现场采集的数据除了包括作物本体生长发育数据信息以及作物的实际生长阶段外,还包括农田环境信息,可在农田现场通过相应传感器采集农田环境信息,采集的农田环境信息包括空气温度和/或空气湿度和/或光照强度和/或风速和/或降雨量,农田现场采集的各类信息均可以进行空间分布处理后再界面显示。农田现场采集的作物本体生长发育数据信息、通过日期时间的采集确定作物的实际生长阶段以及采集的农田环境信息均通过物联网输入至作物动态发育计算模型,进行作物动态生长发育计算,将实际值和模型内的理想值的数据库进行比对分析,得到作物动态发育计算的结果,该作物动态发育计算的结果可空间分布处理后进行界面显示。该实施例还根据作物动态发育计算的结果并结合作物生长周期特性对作物发育状况进行诊断分析,通过人工智能和决策支持相结合的方式,提出包括生产要素的优化配置和栽培措施的决策,并将所述决策进行界面显示。
本发明作物苗情监测系统或监测方法针对的作物可以是小麦或者其它作物,所述监测系统或监测方法以物联网技术、智能技术、地理信息系统技术和建模技术为手段,结合作物生长发育自动采集技术、自动传输技术以及远程控制技术,开发作物动态发育计算模型及预警。利用物联网技术可有效改革传统人工苗情监测的方式,实现小麦苗情信息的自动采集、管理、分析等功能,通过终端设备远程、宏观、实时的监控作物生长情况,及时掌握作物如麦田气象、墒情及苗情动态,做到苗情监测实时化,数字化、动态化、精准化、可视化和标准化。制定基于上述引进技术的作物苗情评价标准,监测作物苗情生长发育的动态变化特征,实现小麦生产苗情全程监测,降低监测体系的人力、物力和财力消耗,使农技人员快速摸清家底,及时掌握第一手资料。通过作物动态发育计算模型和智能决策协同工作,建立起从苗情监测到信息服务的快速通道,实现对小麦等作物生产的全程的精准管理和精准作业服务,将显著提高农技部门的苗情分析、水肥决策、农业灾害监测及预警的信息化水平,实现干旱与沥涝灾害的防灾减灾。降低能源消耗,优化资源配置,实现作物生产的高产高效。
应当指出,以上所述具体实施方式可以使本领域的技术人员更全面地理解本发明创造,但不以任何方式限制本发明创造。因此,尽管本说明书参照附图和实施例对本发明创造已进行了详细的说明,但是,本领域技术人员应当理解,仍然可以对本发明创造进行修改或者等同替换,总之,一切不脱离本发明创造的精神和范围的技术方案及其改进,其均应涵盖在本发明创造专利的保护范围当中。
Claims (10)
1.一种作物苗情监测系统,其特征在于,包括位于农田现场的作物本体生长发育采集模块和时间采集模块,还包括位于远程并相互连接的作物动态发育计算建模模块和显示模块,所述作物本体生长发育采集模块和时间采集模块均通过物联网连接作物动态发育计算建模模块,
所述作物本体生长发育采集模块采集作物本体生长发育数据信息并输入至作物动态发育计算建模模块,所述时间采集模块通过日期时间的采集确定作物的实际生长阶段并输入至作物动态发育计算建模模块,所述作物动态发育计算建模模块根据不同作物在各生长周期内的生长发育情况进行作物动态发育计算建模,建立作物动态发育计算模型,所述作物动态发育计算模型根据作物本体生长发育采集模块采集的作物本体生长发育数据信息和时间采集模块确定的作物的实际生长阶段进行作物动态发育计算,并将作物动态发育计算的结果输入至显示模块进行显示。
2.根据权利要求1所述的作物苗情监测系统,其特征在于,作物本体生长发育采集模块通过专用设备采集作物本体生长发育数据信息包括作物本体单株或群体的株高、叶片数、叶夹角、叶面积、叶色、叶绿素含量、群体株数、直立角、生物量,所述作物动态发育计算模型进行作物动态发育计算得到的作物动态发育计算的结果包括作物单株或群体长势、形态和/或营养状况结果。
3.根据权利要求1或2所述的作物苗情监测系统,其特征在于,还包括位于远程的智能决策模块,所述智能决策模块分别与作物动态发育计算建模模块和显示模块相连,用于根据作物动态发育计算的结果并结合作物生长周期特性对作物发育状况进行诊断分析并提出包括生产要素的优化配置和栽培措施的决策,并将所述决策输入至显示模块进行显示。
4.根据权利要求3所述的作物苗情监测系统,其特征在于,还包括位于远程的空间分布处理模块,所述作物动态发育计算建模模块和智能决策模块均通过空间分布处理模块与显示模块相连,所述作物动态发育计算的结果和决策均通过空间分布处理模块进行空间分布处理后由显示模块进行界面显示。
5.根据权利要求3所述的作物苗情监测系统,其特征在于,还包括位于农田现场的环境数据采集模块,所述环境数据采集模块通过相应传感器采集农田环境数据信息,采集的农田环境信息包括空气温度和/或空气湿度和/或光照强度和/或风速和/或降雨量,所述环境数据采集模块通过物联网连接作物动态发育计算建模模块,所述作物动态发育计算模型根据采集的作物本体生长发育数据信息、作物的实际生长阶段和农田环境数据信息进行作物动态发育计算。
6.根据权利要求3所述的作物苗情监测系统,其特征在于,所述作物动态发育计算建模模块针对作物分别在播种出苗期、苗期、返青分蘖期、拔节期、孕穗期、灌浆期和成熟期的生长发育数据范围进行动态发育计算建模,建立作物动态发育计算模型,所述作物动态发育计算的结果划分为若干个长势发育等级、形态发育等级和营养发育等级。
7.根据权利要求4所述的作物苗情监测系统,其特征在于,所述空间分布处理模块包括相互连接的引擎模块和GIS模块,所述GIS模块分别连接作物动态发育计算建模模块和智能决策模块,所述引擎模块连接显示模块;所述GIS模块采用GIS技术对不同农田的地理位置进行不同空间分布处理,对相同农田得到的作物动态发育计算的结果和决策进行相同的空间分布处理,再由引擎模块发送至显示模块显示。
8.一种作物苗情监测方法,其特征在于,该方法根据不同作物在各生长周期内的生长发育情况进行作物动态发育计算建模,建立作物动态发育计算模型,再将采集的作物本体生长发育数据信息以及通过日期时间的采集确定作物的实际生长阶段共同输入至作物动态发育计算模型,由作物动态发育计算模型根据采集的作物本体生长发育数据信息和确定的作物的实际生长阶段进行作物动态发育计算,并将作物动态发育计算的结果进行界面显示。
9.根据权利要求8所述的作物苗情监测方法,其特征在于,该方法还根据作物动态发育计算的结果并结合作物生长周期特性对作物发育状况进行诊断分析并提出包括生产要素的优化配置和栽培措施的决策,并将所述决策进行界面显示。
10.根据权利要求8或9所述的作物苗情监测方法,其特征在于,该方法还通过相应传感器采集农田环境信息,采集的农田环境信息包括空气温度和/或空气湿度和/或光照强度和/或风速和/或降雨量,采集的农田环境信息进行空间分布处理后进行界面显示。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611154009.3A CN106777683A (zh) | 2016-12-14 | 2016-12-14 | 一种作物苗情监测系统和方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611154009.3A CN106777683A (zh) | 2016-12-14 | 2016-12-14 | 一种作物苗情监测系统和方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106777683A true CN106777683A (zh) | 2017-05-31 |
Family
ID=58888118
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611154009.3A Pending CN106777683A (zh) | 2016-12-14 | 2016-12-14 | 一种作物苗情监测系统和方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106777683A (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107908689A (zh) * | 2017-10-31 | 2018-04-13 | 江西省农业科学院农业经济与信息研究所 | 一种烟叶生长环境数据采集装置及其方法 |
CN109191074A (zh) * | 2018-08-27 | 2019-01-11 | 宁夏大学 | 智慧果园种植管理系统 |
CN109754172A (zh) * | 2018-12-27 | 2019-05-14 | 固安京蓝云科技有限公司 | 农作物长势优良水平分析方法及装置 |
CN109766957A (zh) * | 2019-03-19 | 2019-05-17 | 广东省农业科学院农业生物基因研究中心 | 一种智慧高效监控农作物种质资源生育期的方法 |
CN109784685A (zh) * | 2018-12-27 | 2019-05-21 | 固安京蓝云科技有限公司 | 作物长势分析方法及装置 |
CN109948535A (zh) * | 2019-03-19 | 2019-06-28 | 广东省农业科学院农业生物基因研究中心 | 一种作物种子生产主要生育期肥水条件的智慧监控方法 |
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 |
CN110766929A (zh) * | 2019-11-07 | 2020-02-07 | 贵州省烟草公司安顺市公司 | 一种辅助烟田管理的智能数据采集器及其使用方法 |
CN112215717A (zh) * | 2020-10-13 | 2021-01-12 | 江西省农业科学院农业经济与信息研究所 | 一种基于电子地图和航拍信息的农业信息管理系统 |
CN112506111A (zh) * | 2020-12-23 | 2021-03-16 | 黑龙江省网络空间研究中心 | 一种基于大数据和云计算的农作物长势监控方法与系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105045321A (zh) * | 2015-08-12 | 2015-11-11 | 成都易思科科技有限公司 | 基于物联网应用设计的云平台综合管理方法 |
CN105137932A (zh) * | 2015-08-12 | 2015-12-09 | 成都易思科科技有限公司 | 基于物联网应用的监测信息服务云平台综合管理系统 |
CN105389663A (zh) * | 2015-11-20 | 2016-03-09 | 天津市农业技术推广站 | 一种农田灌溉智能决策系统和方法 |
-
2016
- 2016-12-14 CN CN201611154009.3A patent/CN106777683A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105045321A (zh) * | 2015-08-12 | 2015-11-11 | 成都易思科科技有限公司 | 基于物联网应用设计的云平台综合管理方法 |
CN105137932A (zh) * | 2015-08-12 | 2015-12-09 | 成都易思科科技有限公司 | 基于物联网应用的监测信息服务云平台综合管理系统 |
CN105389663A (zh) * | 2015-11-20 | 2016-03-09 | 天津市农业技术推广站 | 一种农田灌溉智能决策系统和方法 |
Non-Patent Citations (2)
Title |
---|
于海洋等: "基于空间信息的农作物苗情监测系统", 《农业现代化研究》 * |
夏于等: "基于物联网的小麦苗情诊断管理系统设计与实现", 《农业工程学报》 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107908689A (zh) * | 2017-10-31 | 2018-04-13 | 江西省农业科学院农业经济与信息研究所 | 一种烟叶生长环境数据采集装置及其方法 |
CN109191074A (zh) * | 2018-08-27 | 2019-01-11 | 宁夏大学 | 智慧果园种植管理系统 |
CN109754172A (zh) * | 2018-12-27 | 2019-05-14 | 固安京蓝云科技有限公司 | 农作物长势优良水平分析方法及装置 |
CN109784685A (zh) * | 2018-12-27 | 2019-05-21 | 固安京蓝云科技有限公司 | 作物长势分析方法及装置 |
CN109784685B (zh) * | 2018-12-27 | 2021-10-08 | 固安京蓝云科技有限公司 | 作物长势分析方法及装置 |
CN109766957A (zh) * | 2019-03-19 | 2019-05-17 | 广东省农业科学院农业生物基因研究中心 | 一种智慧高效监控农作物种质资源生育期的方法 |
CN109948535A (zh) * | 2019-03-19 | 2019-06-28 | 广东省农业科学院农业生物基因研究中心 | 一种作物种子生产主要生育期肥水条件的智慧监控方法 |
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 |
CN110766929A (zh) * | 2019-11-07 | 2020-02-07 | 贵州省烟草公司安顺市公司 | 一种辅助烟田管理的智能数据采集器及其使用方法 |
CN112215717A (zh) * | 2020-10-13 | 2021-01-12 | 江西省农业科学院农业经济与信息研究所 | 一种基于电子地图和航拍信息的农业信息管理系统 |
CN112506111A (zh) * | 2020-12-23 | 2021-03-16 | 黑龙江省网络空间研究中心 | 一种基于大数据和云计算的农作物长势监控方法与系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106777683A (zh) | 一种作物苗情监测系统和方法 | |
Jones et al. | Toward a new generation of agricultural system data, models, and knowledge products: State of agricultural systems science | |
US10028426B2 (en) | Agronomic systems, methods and apparatuses | |
CN110347127A (zh) | 基于云服务的农作物种植托管系统及方法 | |
CN104460582B (zh) | 一种基于模糊控制的物联网智能灌溉施肥控制方法及系统 | |
Bouman et al. | The ‘School of de Wit’crop growth simulation models: a pedigree and historical overview | |
Taghvaeian et al. | Irrigation scheduling for agriculture in the United States: The progress made and the path forward | |
US20170270446A1 (en) | Agronomic systems, methods and apparatuses for determining yield limits | |
Smith et al. | Review of precision irrigation technologies and their application | |
US20180014452A1 (en) | Agronomic systems, methods and apparatuses | |
CN110545531A (zh) | 一种基于大数据和云计算的农作物长势监控方法与系统 | |
CN112450056A (zh) | 一种基于机器学习算法的水肥药一体化智能灌溉系统 | |
US20220075344A1 (en) | A method of finding a target environment suitable for growth of a plant variety | |
CN103886409A (zh) | 农业种植辅助决策系统 | |
CN105389663B (zh) | 一种农田灌溉智能决策系统和方法 | |
CN107950324A (zh) | 基于玉米分阶段灌溉需水量计算的灌溉管理系统及灌溉方法 | |
CN102954816A (zh) | 作物长势的监测方法 | |
CN108781926A (zh) | 基于神经网络预测的大棚灌溉系统及方法 | |
CN102626026A (zh) | 基于gps、gis和传感网技术的茶园精确管理系统 | |
CN113657751A (zh) | 一种智慧农业产融综合服务平台 | |
Mamatha et al. | Machine learning based crop growth management in greenhouse environment using hydroponics farming techniques | |
CN202617169U (zh) | 基于gps、gis和传感器网络的茶园管理装置 | |
Ambildhuke et al. | IoT based Portable Weather Station for Irrigation Management using Real-Time Parameters | |
Zhang et al. | Artificial intelligence in soil management: The new frontier of smart agriculture | |
AlKameli et al. | Automatic learning in agriculture: a survey |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170531 |