CN106875283A - 一种基于农业大数据的农田种植保险评估的系统及方法 - Google Patents
一种基于农业大数据的农田种植保险评估的系统及方法 Download PDFInfo
- Publication number
- CN106875283A CN106875283A CN201710041012.2A CN201710041012A CN106875283A CN 106875283 A CN106875283 A CN 106875283A CN 201710041012 A CN201710041012 A CN 201710041012A CN 106875283 A CN106875283 A CN 106875283A
- Authority
- CN
- China
- Prior art keywords
- data
- insurance
- yield
- farmland
- user
- 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 29
- 239000002689 soil Substances 0.000 claims abstract description 37
- 238000004519 manufacturing process Methods 0.000 claims abstract description 17
- 238000004458 analytical method Methods 0.000 claims abstract description 13
- 238000007405 data analysis Methods 0.000 claims abstract description 12
- 230000008901 benefit Effects 0.000 claims abstract description 10
- 230000002123 temporal effect Effects 0.000 claims description 9
- 238000011156 evaluation Methods 0.000 claims description 8
- 238000003306 harvesting Methods 0.000 claims description 8
- 238000005065 mining Methods 0.000 claims description 4
- 238000005286 illumination Methods 0.000 claims description 3
- 235000013399 edible fruits Nutrition 0.000 claims 1
- 201000004569 Blindness Diseases 0.000 abstract description 2
- 241000196324 Embryophyta Species 0.000 description 16
- 238000007418 data mining Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000004393 prognosis Methods 0.000 description 2
- 229920000742 Cotton Polymers 0.000 description 1
- 241001269238 Data Species 0.000 description 1
- 241000219146 Gossypium Species 0.000 description 1
- 241000208125 Nicotiana Species 0.000 description 1
- 235000002637 Nicotiana tabacum Nutrition 0.000 description 1
- 241000209140 Triticum Species 0.000 description 1
- 235000021307 Triticum Nutrition 0.000 description 1
- 238000012271 agricultural production Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 235000013339 cereals Nutrition 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009313 farming Methods 0.000 description 1
- 230000012010 growth Effects 0.000 description 1
- 230000008635 plant growth Effects 0.000 description 1
- 238000003860 storage Methods 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
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/08—Insurance
-
- 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)
- Theoretical Computer Science (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Health & Medical Sciences (AREA)
- Agronomy & Crop Science (AREA)
- Technology Law (AREA)
- Animal Husbandry (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Development Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Primary Health Care (AREA)
- Tourism & Hospitality (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
- Life Sciences & Earth Sciences (AREA)
Abstract
一种基于农业大数据的农田种植保险评估的系统，包括数据分析挖掘单元106，所述数据分析挖掘单元106分别与历史气候数据单元101、历史农田土壤墒情数据单元102、农田历史种植记录及产量数据单元103、天气预报数据单元104、农作物市场行情数据单元105、分析结果数据单元107连接，本发明的优点是(1)基于大数据分析方法，给出农田最佳农作物种植品种，使得农民和涉农企业获得最佳收益，实现农田增产、农民/涉农企业增效；(2)解决了农民科学程度不高、信息不灵而造成的盲目种植问题。
Description
技术领域
本发明属于农业保险评估信息技术领域，具体涉及一种基于农业大数据的农田种植保险评估的系统及方法。
背景技术
传统农作物保险是以稻、麦等粮食作物和棉花、烟叶等经济作物为对象，以各种作物在生长期间因自然灾害或意外事故使收获量价值或生产费用遭受损失为承保责任的保险。在作物生长期间，其收获量有相当部分是取决于土壤环境和自然条件、作物品种、作物对自然灾害的抗御能力、生产者的培育管理等。
农业保险是保险事业的一个重要领域，也是提高整个农业生产水平的重要组成部分。我国的农业保险处在刚刚起步阶段，其保险费率、赔付率等决策过程基本上是靠经验和协商，缺乏定量的科学依据。
发明内容
随着大数据、数据挖掘、云计算等技术的发展，使得更为精确的客户风险评估成为可能。农业大数据包括历史种植记录、历史产量、历史气候、历史上壤墒情等，这些大数据为保险公司用于分析、评估风险因子、确定保险费率提供了依据。
本发明提供一种基于农业大数据的农业种植保险评估的系统方法，以农业大数据为基础，使用数据挖掘的方法，给予农民或者涉农企业一定的经营指导，既可以提高田地产量及产值，也可以降低种植风险，提高经济效益；保险公司也可以从保险收入中获得一定的收益，采用的采用如下：
一种基于农业大数据的农田种植保险评估的系统，包括数据分析挖掘单元，所述数据分析挖掘单元分别与历史气候数据单元、历史农田土壤墒情数据单元、农田历史种植记录及产量数据单元、天气预报数据单元、农作物市场行情数据单元、分析结果数据单元连接。
优选地，所述历史气候数据单元，主要用于获取保险申请用户种植田地所在区域的历年气候情况，比如评定地区干湿状况的湿润度，气温，日照度等。
优选地，历史农田土壤墒情数据单元，主要用于获取保险申请用户种植田地的历年土壤墒情数据，比如饱和含水量、田间持水量、萎蔫系数等。
优选地，农田历史种植记录及产量数据单元，主要用于获取保险申请用户种植地块的种植品种及产量等数据。这些数据与当年当地土壤墒情数据、气候数据配合进行分析，即可得出土壤气候条件与种植产量的对应关系，并且能分析出在特定土壤气候条件下的最佳农作物种植品种。
优选地，天气预报数据单元，主要用于获取保险申请用户种植田地所在区域的天气预测数据，比如对所述地区的干湿度、气温、日照等进行预测，并结合天气因素对农作物种植产量进行评估。
优选地，农作物市场行情数据单元、主要获取保险申请用户种植田地所在地区的农作物市场行情预测，从而对保险用户所种植的农作物的经济效益进行评估。
优选地，分析结果数据单元，以一定的方式比如文件、电脑显示屏、打印机等方式输出保险分析挖掘单元的评估结果等。
一种基于农业大数据的农田种植保险评估的方法，所述方法包括：
(1)在农作物种植之前，接收建立农田种植保险的请求；
(2)获取该地块农田历史种植记录及产量记录；
(3)依据记录中的时间信息及位置信息，向数据服务器获取对应时间及位置的历史气象信息：
(4)依据记录中的时间信息及位置信息，向数据服务器获取对应时间及位置的土壤墒情数据；
(5)依据时间信息及位置信息，向专业气象数据服务器获取对应时间及位置的未来气象预测；
(6)依据所述历史气象信息、产量信息、土壤墒情数据、未来气象预报数据，进行数据挖掘与分析，产生评估因子，并产生各种可能种植品种所对应的产量预测数据；
(7)根据所述预测产量，确定一个保险产量值，即保证用户种植该农作物品种的当年产量不会低于该保险产量值；
(8)与农户签订合同，如果所述产量低于所述保险产量值，将向用户进行保险赔偿；
(9)根据所述保险方式产生投保费用。
优选地，针对特定地块，特定种植品种，生成投保所需费用，具体包括：
(1)根据特定种植品种，预测产量数据；
(2)获取农产品历史行情数据及农产品行情预测数据；
(3)依据所述产量预测数据及农产品行情预测数据，建议用户最佳种植经济品种，为用户提供个性化的保险方案，确定保险收益值，并产生当前投保所需要的费用；
(4)与农户签订合同，如果农作物收成后，实际经济收益低于所述保险收益值，将向用户进行保险赔偿；
(5)根据所述保险方式产生投保费用。
优选地，根据用户种植记录、产量记录、历史天气，评估用户的种植习惯及能力；
根据所述评估结果及所述保险方式产生投保费用；
根据所述预测产量数据的情况下，与当地农业部门签订农业保险，根据所述评估结果及所述保险方式产生投保费用。
本发明的优点：(1)基于大数据分析方法，给出田间种植最佳农作物品种，使得农民和涉农企业获得最佳收益，实现农田增产、农民/涉农企业增效；(2)解决了农民科学程度不高、信息不灵而造成的盲目种植问题。
附图说明
图1是本发明一种基于农业大数据的农田种植保险评估的方法的系统框图；
图2是本发明一种基于农业大数据的农田种植保险评估的方法的流程图；
图3是本发明一种基于农业大数据的农田种植保险评估的方法的流程图；
图4是本发明一种基于农业大数据的农田种植保险评估的方法的流程图；
图5是本发明一种基于农业大数据的农田种植保险评估的方法的流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图，给出具体实施方案。应当理解，此处所描述的具体实施方法仅仅用于解释本发明，并不用于限定本发明。
如图1所示为本发明提供的一种基于农业大数据的农田种植保险评估的系统，包括数据分析挖掘单元106，所述数据分析挖掘单元106分别与历史气候数据单元101、历史农田土壤墒情数据单元102、农田历史种植记录及产量数据单元103、天气预报数据单元104、农作物市场行情数据单元105、分析结果数据单元107连接。
历史气候数据单元101，主要用于获取保险申请用户种植田地所在区域的历年气候情况，比如评定地区干湿状况的湿润度，气温，日照度等。
历史农田土壤墒情数据单元102，主要用于获取保险申请用户种植田地的历年土壤墒情数据，比如饱和含水量、田间持水量、萎蔫系数等。
农田历史种植记录及产量数据单元103，主要用于获取保险申请用户种植地块的种植品种及产量等数据。这些数据与当年当地土壤墒情数据、气候数据配合进行分析，即可得出土壤气候条件与种植产量的对应关系，并且能分析出在特定土壤气候条件下的最佳农作物种植品种。
天气预报数据单元104，主要用于获取保险申请用户种植田地所在区域的天气预测数据，比如对所述地区的干湿度、气温、日照等进行预测，并结合天气因素对农作物种植产量进行评估。
农作物市场行情数据单元105、主要获取保险申请用户种植田地所在地区的农作物市场行情预测，从而对保险用户所种植的农作物的经济效益进行评估。
数据分析挖掘单元106，主要根据保险用户的保险请求，对评价因子建立恰当的数学模型，并根据各类参数进行评估，得出产量预计、效益预计，给出保险产品定价等。
分析结果数据单元107，以一定的方式比如文件、电脑显示屏、打印机等方式输出保险分析挖掘单元的评估结果等。
上述单元的叙述中，有关数据的存放所在地，可以是保险公司的服务器、各类专业服务器、云服务器等，数据获取方式可以是各类有线、无线等通信方式，或者以U盘、光盘等数据存储介质为手段。
如图2所示，一种基于农业大数据的农田种植保险评估的方法，所述方法包括以下步骤：
在步骤202中，接收用户申请农田种植保险的请求；
在步骤204中，获取所保险地块的农田历史种植记录及产量记录等数据；
在步骤206中，依据记录中的时间信息及位置信息，向数据服务器获取对应时间及位置的历史气象信息；
在步骤208中，依据记录中的时间信息及位置信息，向数据服务器获取对应时间及位置的土壤墒情数据；
在步骤210中，依据时间信息及位置信息，向专业气象数据服务器获取对应时间及位置的未来气象预测；
在步骤212中，依据所述历史气象信息、产量信息、土壤墒情数据、未来气象预报数据，进行数据挖掘与分析，产生评估因子，并产生各种可能种植品种所对应的产量预测数据；
在步骤214中，依据所述产量预测数据，建议用户最佳种植品种，为用户提供个性化的保险方案，确定保险产量值，并产生当前投保所需要的费用。当农作物收成后，实际产量值低于保险产量值时，向保险用户按照保险条款进行赔偿。
如图3所示，一种基于农业大数据的农田种植保险评估的方法，结合农作物历史市场行情及预测市场行情，进一步挖掘保险业务，其中步骤202、204、206、208、210、212的描述和解释如实施例二所述，因此，在本实施例三中不再敖述。所述方法包括步骤实施例二的步骤202、204、206、208、210、212，并且包括
在步骤215中，获取农产品历史行情数据及农产品未来行情预测数据；
在步骤216中，依据所述产量预测数据及农产品行情预测数据，产生各种可能种植品种所对应的收益预测数据；
在步骤218中，依据所述收益预测数据，建议用户最佳种植品种，为用户提供个性化的保险方案，确定保险收益值，并产生当前投保所需要的费用。当农作物收成后，实际收益低于保险收益值时，向保险用户按照保险条款进行赔偿。
如图4所示，一种基于农业大数据的农田种植保险评估的方法，还可以通过分析具体保险用户的历史种植产量记录等信息，评估该用户的种植技能等，结合该保险申请用户的历史种植记录及产量记录等分析其种植能力，从而产生保险定价等；图4所示为本发明实施例四所提供的一种基于农业大数据的农田种植保险评估的方法的流程图，其中步骤202、204、206、208、210、212的描述和解释如图2所述，因此，在本实施例四中不再敖述。所述方法包括步骤实施例二的步骤202、204、206、208、210、212，并且包括
在步骤213中，获取该保险申请用户的历史种植记录及产量记录，并与该区域种植用户的平均产量记录进行比较，评估该保险申请用户的种植技能，给出保险用户评估因子；
在步骤217中，依据所述产量预测数据及保险用户评估因子，建议用户最佳种植品种，为用户提供个性化的保险方案，并产生当前投保所需要的费用。确定保险产量值，并产生当前投保所需要的费用。当农作物收成后，实际产量值低于保险产量值时，向保险用户按照保险条款进行赔偿。
如图5所示，上述实施例四通过对具体保险用户的种植历史产量记录等信息进行分析，评估该用户的种植技能等，给出保险产量值。结合农作物历史市场行情及预测市场行情，进一步挖掘保险业务。图5所示为本发明实施例五的一种基于农业大数据的农田种植保险评估的方法的流程图，其中步骤202、204、206、208、210、212、213的描述和解释如图2、图4所述，因此，在本方案中不再敖述。所述方法包括步骤见图2的步骤202、204、206、208、210、212和图4的步骤213，并且包括：
在步骤219中，获取农产品历史行情数据及农产品行情预测数据；
在步骤220中，依据所述产量预测数据、农产品行情预测数据、用户种植技能评估因子，为用户提供个性化的保险方案，并产生当前投保所需要的费用。
在步骤222中，依据所述收益预测数据，确定保险收益值，并产生当前投保所需要的费用。当农作物收成后，实际收益低于保险收益值时，向保险用户按照保险条款进行赔偿。
Claims (10)
1.一种基于农业大数据的农田种植保险评估的系统，包括数据分析挖掘单元(106)，其特征在于：所述数据分析挖掘单元(106)分别与历史气候数据单元(101)、历史农田土壤墒情数据单元(102)、农田历史种植记录及产量数据单元(103)、天气预报数据单元(104)、农作物市场行情数据单元(105)、分析结果数据单元(107)连接。
2.根据权利要求1所述的一种基于农业大数据的农田种植保险评估的系统，其特征在于：所述历史气候数据单元(101)，主要用于获取保险申请用户种植田地所在区域的历年气候情况，比如评定地区干湿状况的湿润度，气温，日照度等。
3.根据权利要求1所述的一种基于农业大数据的农田种植保险评估的系统，其特征在于：历史农田土壤墒情数据单元(102)，主要用于获取保险申请用户种植田地的历年土壤墒情数据，比如饱和含水量、田间持水量、萎蔫系数等。
4.根据权利要求1所述的一种基于农业大数据的农田种植保险评估的系统，其特征在于：农田历史种植记录及产量数据单元(103)，主要用于获取保险申请用户种植地块的种植品种及产量等数据。这些数据与当年当地土壤墒情数据、气候数据配合进行分析，即可得出土壤气候条件与种植产量的对应关系，并且能分析出在特定土壤气候条件下的最佳农作物种植品种。
5.根据权利要求1所述的一种基于农业大数据的农田种植保险评估的系统，其特征在于：天气预报数据单元(104)，主要用于获取保险申请用户种植田地所在区域的天气预测数据，比如对所述地区的干湿度、气温、日照等进行预测，并结合天气因素对农作物种植产量进行评估。
6.根据权利要求1所述的一种基于农业大数据的农田种植保险评估的系统，其特征在于：农作物市场行情数据单元(105)、主要获取保险申请用户种植田地所在地区的农作物市场行情预测，从而对保险用户所种植的农作物的经济效益进行评估。
7.根据权利要求1所述的一种基于农业大数据的农田种植保险评估的系统，其特征在于：分析结果数据单元(107)，以一定的方式比如文件、电脑显示屏、打印机等方式输出保险分析挖掘单元的评估结果等。
8.一种基于农业大数据的农田种植保险评估的方法，其特征在于所述方法包括：
(1)在农作物种植之前，接收建立农田种植保险的请求；
(2)获取该地块农田历史种植记录及产量记录；
(3)依据记录中的时间信息及位置信息，向数据服务器获取对应时间及位置的历史气象信息；
(4)依据记录中的时间信息及位置信息，向数据服务器获取对应时间及位置的土壤墒情数据；
(5)依据时间信息及位置信息，向专业气象数据服务器获取对应时间及位置的未来气象预测；
(6)依据所述历史气象信息、产量信息、土壤墒情数据、未来气象预报数据，进行数据挖掘与分析，产生评估因子，并产生各种可能种植品种所对应的产量预测数据；
(7)根据所述预测产量，确定一个保险产量值，即保证用户种植该农作物品种的当年产量不会低于该保险产量值；
(8)与农户签订合同，如果所述产量低于所述保险产量值，将向用户进行保险赔偿；
(9)根据所述保险方式产生投保费用。
9.根据权利要求8所述的一种基于农业大数据的农田种植保险评估的方法，其特征在于，针对特定地块，特定种植品种，生成投保所需费用，具体包括：
(1)根据特定种植品种，预测产量数据；
(2)获取农产品历史行情数据及农产品行情预测数据；
(3)依据所述产量预测数据及农产品行情预测数据，建议用户最佳种植经济品种，为用户提供个性化的保险方案，确定保险收益值，并产生当前投保所需要的费用；
(4)与农户签订合同，如果农作物收成后，实际经济收益低于所述保险收益值，将向用户进行保险赔偿；
(5)根据所述保险方式产生投保费用。
10.如权利要求8或9所述的一种基于农业大数据的农田种植保险评估的方法，其特征在于，在所述用户能够提供其历年种植记录、产量记录、种植习惯等数据的情况下，所述方法结合用户个人种植历史记录，生成当前投保所需费用，具体包括：
(1)根据用户种植记录、产量记录、历史天气，评估用户的种植习惯及能力；
(2)根据所述评估结果及所述保险方式产生投保费用；
(3)根据所述预测产量数据的情况下，与当地农业部门签订农业保险，根据所述评估结果及所述保险方式产生投保费用。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710041012.2A CN106875283A (zh) | 2017-01-11 | 2017-01-11 | 一种基于农业大数据的农田种植保险评估的系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710041012.2A CN106875283A (zh) | 2017-01-11 | 2017-01-11 | 一种基于农业大数据的农田种植保险评估的系统及方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN106875283A true CN106875283A (zh) | 2017-06-20 |
Family
ID=59158527
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710041012.2A Pending CN106875283A (zh) | 2017-01-11 | 2017-01-11 | 一种基于农业大数据的农田种植保险评估的系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106875283A (zh) |
Cited By (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107832892A (zh) * | 2017-11-17 | 2018-03-23 | 北京大学 | 一种基于组合优化的多块地选种决策优化方法 |
| CN107861133A (zh) * | 2017-10-23 | 2018-03-30 | 北斗卫星导航科技邢台有限公司 | 一种北斗农保智能信息系统 |
| CN107909491A (zh) * | 2017-11-30 | 2018-04-13 | 河南云保遥感科技有限公司 | 一种利用空间大数据的产量保险理赔方法 |
| CN108460691A (zh) * | 2018-01-31 | 2018-08-28 | 杞人气象科技服务（北京）有限公司 | 一种日光温室连阴寡照气象指数保险方法 |
| CN108510107A (zh) * | 2018-03-07 | 2018-09-07 | 深圳远佳智慧科技有限公司 | 一种农业种植指导方法、电子设备及存储介质 |
| CN108898277A (zh) * | 2018-05-31 | 2018-11-27 | 合肥赛为智能有限公司 | 一种农业大数据智能分析调控系统 |
| CN108960484A (zh) * | 2018-06-08 | 2018-12-07 | 天柱县白市镇双河村峰晶种植专业合作社 | 一种葡萄种植效益预测系统 |
| CN109087211A (zh) * | 2018-08-31 | 2018-12-25 | 靖西海越农业有限公司 | 一种沃柑智慧种植系统 |
| CN109191320A (zh) * | 2018-08-06 | 2019-01-11 | 四川优耀科技有限公司 | 一种农业生产管理指导方法及系统 |
| CN109816181A (zh) * | 2019-03-15 | 2019-05-28 | 合肥工业大学 | 基于土壤性状监测的农作物种植收成预测方法 |
| CN109829832A (zh) * | 2019-01-18 | 2019-05-31 | 河南奥菲斯电子科技有限公司 | 大数据维护农业保险投保数据的方法、系统及存储介质 |
| CN110689191A (zh) * | 2019-09-24 | 2020-01-14 | 深圳前海微众银行股份有限公司 | 农业保险赔偿额预测方法、装置、设备及可读存储介质 |
| CN111246729A (zh) * | 2017-08-21 | 2020-06-05 | 克莱米特公司 | 用于实施农田试验的农田数字建模和跟踪 |
| CN115619586A (zh) * | 2022-12-16 | 2023-01-17 | 山东硕冠生态农业发展有限公司 | 一种基于数据分析的生态农业种植风险评估系统 |
| CN117033810A (zh) * | 2023-05-23 | 2023-11-10 | 上海华维可控农业科技集团股份有限公司 | 一种基于大数据的农业数据分析管理系统及方法 |
-
2017
- 2017-01-11 CN CN201710041012.2A patent/CN106875283A/zh active Pending
Cited By (21)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111246729B (zh) * | 2017-08-21 | 2022-12-23 | 克莱米特有限责任公司 | 用于实施农田试验的农田数字建模和跟踪 |
| CN111246729A (zh) * | 2017-08-21 | 2020-06-05 | 克莱米特公司 | 用于实施农田试验的农田数字建模和跟踪 |
| CN107861133A (zh) * | 2017-10-23 | 2018-03-30 | 北斗卫星导航科技邢台有限公司 | 一种北斗农保智能信息系统 |
| CN107832892B (zh) * | 2017-11-17 | 2021-12-28 | 北京大学 | 一种基于组合优化的多块地选种决策优化方法 |
| CN107832892A (zh) * | 2017-11-17 | 2018-03-23 | 北京大学 | 一种基于组合优化的多块地选种决策优化方法 |
| CN107909491A (zh) * | 2017-11-30 | 2018-04-13 | 河南云保遥感科技有限公司 | 一种利用空间大数据的产量保险理赔方法 |
| CN108460691A (zh) * | 2018-01-31 | 2018-08-28 | 杞人气象科技服务（北京）有限公司 | 一种日光温室连阴寡照气象指数保险方法 |
| CN108510107B (zh) * | 2018-03-07 | 2022-04-15 | 深圳远佳智慧科技有限公司 | 一种农业种植指导方法、电子设备及存储介质 |
| CN108510107A (zh) * | 2018-03-07 | 2018-09-07 | 深圳远佳智慧科技有限公司 | 一种农业种植指导方法、电子设备及存储介质 |
| CN108898277A (zh) * | 2018-05-31 | 2018-11-27 | 合肥赛为智能有限公司 | 一种农业大数据智能分析调控系统 |
| CN108960484A (zh) * | 2018-06-08 | 2018-12-07 | 天柱县白市镇双河村峰晶种植专业合作社 | 一种葡萄种植效益预测系统 |
| CN109191320A (zh) * | 2018-08-06 | 2019-01-11 | 四川优耀科技有限公司 | 一种农业生产管理指导方法及系统 |
| CN109087211A (zh) * | 2018-08-31 | 2018-12-25 | 靖西海越农业有限公司 | 一种沃柑智慧种植系统 |
| CN109829832A (zh) * | 2019-01-18 | 2019-05-31 | 河南奥菲斯电子科技有限公司 | 大数据维护农业保险投保数据的方法、系统及存储介质 |
| CN109829832B (zh) * | 2019-01-18 | 2021-09-17 | 河南奥菲斯电子科技有限公司 | 大数据维护农业保险投保数据的方法、系统及存储介质 |
| CN109816181B (zh) * | 2019-03-15 | 2022-02-11 | 合肥工业大学 | 基于土壤性状监测的农作物种植收成预测方法 |
| CN109816181A (zh) * | 2019-03-15 | 2019-05-28 | 合肥工业大学 | 基于土壤性状监测的农作物种植收成预测方法 |
| CN110689191A (zh) * | 2019-09-24 | 2020-01-14 | 深圳前海微众银行股份有限公司 | 农业保险赔偿额预测方法、装置、设备及可读存储介质 |
| CN115619586A (zh) * | 2022-12-16 | 2023-01-17 | 山东硕冠生态农业发展有限公司 | 一种基于数据分析的生态农业种植风险评估系统 |
| CN117033810A (zh) * | 2023-05-23 | 2023-11-10 | 上海华维可控农业科技集团股份有限公司 | 一种基于大数据的农业数据分析管理系统及方法 |
| CN117033810B (zh) * | 2023-05-23 | 2024-04-23 | 上海华维可控农业科技集团股份有限公司 | 一种基于大数据的农业数据分析管理系统及方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106875283A (zh) | 一种基于农业大数据的农田种植保险评估的系统及方法 | |
| Deng et al. | Closing yield gaps for rice self-sufficiency in China | |
| Fischer et al. | Global agro-ecological zones (gaez v4)-model documentation | |
| Phillips et al. | ENSO, seasonal rainfall patterns and simulated maize yield variability in Zimbabwe | |
| Belcher et al. | Agroecosystem sustainability: a system simulation model approach | |
| Eitzinger et al. | Regional climate change impacts on agricultural crop production in Central and Eastern Europe–hotspots, regional differences and common trends | |
| Anderson | The economics of afforestation | |
| Daccache et al. | Climate change and land suitability for potato production in England and Wales: impacts and adaptation | |
| Cobuloglu et al. | A mixed-integer optimization model for the economic and environmental analysis of biomass production | |
| US20160309646A1 (en) | Agronomic systems, methods and apparatuses | |
| Coops et al. | Assessing the impact of current and projected climates on Douglas-Fir productivity in British Columbia, Canada, using a process-based model (3-PG) | |
| US20130332205A1 (en) | System and method for establishing an insurance policy based on various farming risks | |
| Yu et al. | Estimating the basis risk of rainfall index insurance for pasture, rangeland, and forage | |
| WO2020028546A1 (en) | Automatic prediction of yields and recommendation of seeding rates based on weather data | |
| Bradford et al. | The influence of climate, soils, weather, and land use on primary production and biomass seasonality in the US Great Plains | |
| Yousif et al. | Rainfall variability and its implications for agricultural production in Gedarif State, Eastern Sudan | |
| Kirby et al. | Review of water, crop production and system modelling approaches for food security studies in the Eastern Gangetic Plains | |
| Brunetti et al. | Improving the CROPGRO Perennial Forage Model for simulating growth and biomass partitioning of guineagrass | |
| Ali | Modelling of biomass production potential of poplar in short rotation plantations on agricultural lands of Saxony, Germany | |
| Tickle et al. | Comparison of a forest process model (3-PG) with growth and yield models to predict productivity at Bago State Forest, NSW | |
| Verdoodt et al. | Modelling crop production potentials for yield gap analysis under semiarid conditions in Guquka, South Africa | |
| Rachid-Casnati et al. | Using soil-based and physiographic variables to improve stand growth equations in Uruguayan forest plantations | |
| He et al. | Integrating the impacts of vegetation coverage on ecosystem services to determine ecological restoration targets for adaptive management on the Loess Plateau, China | |
| Chen et al. | Modelling the comparative growth, water use and productivity of the perennial legumes, tedera (Bituminaria bituminosa var. albomarginata) and lucerne (Medicago sativa) in dryland mixed farming systems | |
| Jung et al. | Predicting Changes in the Suitable Agro-climate Zone of Italian Ryegrass Cultivars with RCP 8.5 Climate Change Scenario |
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 | ||
| WD01 | Invention patent application deemed withdrawn after publication | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20170620 |