CN107067014A - 农业田地聚类和生态预报所用的方法和系统 - Google Patents
农业田地聚类和生态预报所用的方法和系统 Download PDFInfo
- Publication number
- CN107067014A CN107067014A CN201610917487.9A CN201610917487A CN107067014A CN 107067014 A CN107067014 A CN 107067014A CN 201610917487 A CN201610917487 A CN 201610917487A CN 107067014 A CN107067014 A CN 107067014A
- Authority
- CN
- China
- Prior art keywords
- cluster
- feature
- feature set
- agriculture field
- agriculture
- 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 25
- 230000003044 adaptive effect Effects 0.000 claims abstract description 33
- 230000015654 memory Effects 0.000 claims description 11
- 230000000694 effects Effects 0.000 claims description 6
- 239000002689 soil Substances 0.000 claims description 5
- 238000005259 measurement Methods 0.000 claims description 4
- 230000000877 morphologic effect Effects 0.000 claims description 4
- 230000006870 function Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 238000003860 storage Methods 0.000 description 6
- 230000008859 change Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 241000196324 Embryophyta Species 0.000 description 2
- 241000238631 Hexapoda Species 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000003973 irrigation Methods 0.000 description 2
- 230000002262 irrigation Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000000575 pesticide Substances 0.000 description 2
- 230000001052 transient effect Effects 0.000 description 2
- 241000256844 Apis mellifera Species 0.000 description 1
- 241000208340 Araliaceae Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 239000003905 agrochemical Substances 0.000 description 1
- 230000003466 anti-cipated effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004138 cluster model Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 238000003306 harvesting Methods 0.000 description 1
- 230000009545 invasion Effects 0.000 description 1
- 230000002045 lasting effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000007639 printing Methods 0.000 description 1
- 238000009331 sowing Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000007704 transition Effects 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
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01G—HORTICULTURE; CULTIVATION OF VEGETABLES, FLOWERS, RICE, FRUIT, VINES, HOPS OR SEAWEED; FORESTRY; WATERING
- A01G22/00—Cultivation of specific crops or plants not otherwise provided for
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01G—HORTICULTURE; CULTIVATION OF VEGETABLES, FLOWERS, RICE, FRUIT, VINES, HOPS OR SEAWEED; FORESTRY; WATERING
- A01G7/00—Botany in general
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
Landscapes
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Botany (AREA)
- Environmental Sciences (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- General Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Strategic Management (AREA)
- Primary Health Care (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- Mining & Mineral Resources (AREA)
- Agronomy & Crop Science (AREA)
- Animal Husbandry (AREA)
- Marine Sciences & Fisheries (AREA)
- Forests & Forestry (AREA)
- Ecology (AREA)
- Computational Linguistics (AREA)
- Biodiversity & Conservation Biology (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Computing Systems (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
提供一种农业田地聚类和生态预报所用的方法和系统。本申请提供一种农业田地聚类和基于聚类的农业田地的生态预报所用的方法和系统,包括:捕获表示针对多个农业田地的多次田地测量的绝对地面数据;捕获农业田地的多个天气条件;生成包括农业田地的绝对地面数据和天气数据的特征集;基于特征集来自适应地使多个农业田地聚类,以生成簇;生成生态预报所用的通用预报模块,其中通用预报模块包括所述簇中的特征集的共通特征;从特征集中选择至少一个特征以生成生态预报所基于的多个自适应预报模型;以及向用户推荐多个控制措施。
Description
相关申请的交叉引用
本申请要求2016年2月9日提交的印度专利申请201621004643的优先权,通过引用将其全部内容包含与此。
技术领域
本申请通常涉及农业田地聚类和生态预报。特别地,本申请提供一种农业田地聚类和基于聚类的农业田地的生态预报所用的方法和系统。
背景技术
许多研究人员已针对诸如害虫或疾病侵扰的预报、产量预测、收获时间的预测、植物生长的预测等的应用而致力于农业领域的生态预报模型。最近一些研究人员已提出农业中的数据同化技术以改善所观察到的结果和模型结果之间的偏差的优化所用的模型参数的估计。但是,大多是整合远程感测数据,以改善模型模拟。然而,田地之间涉及许多异质性,这些异质性无法通过仅考虑天气和远程感测数据来克服。存在如下需求:以诸如田地、村庄、流域、在地区方面涵盖田地级异质性的地区等的各种级别来整合信息,并且可以针对各种农作物容易地采用该框架。
大部分可用的预报模型专门针对适用性具有特定的地理边界的地区。现有的模型并不考虑特定于田地的活动(如灌溉类型、药剂使用、不同的其它农场工作等)和特定于田地的天气参数(如田地级的土壤特性、湿度),这可能引起对预报模型的影响。因此,生态预报需要特定于田地的模型。
现有技术在开发预报模型时没有关注农作物的生长季节期间所遵循的农场工作的影响。
发明内容
在描述本方法、系统和硬件之前,应该理解,本发明不限于所描述的特定系统和方法论,这是由于可能存在未在本申请中明确说明的本发明的多个可能的实施例。还应该理解,说明书中所用的术语仅是为了描述特定的版本或实施例,并且并非意在限制仅由所附权利要求书所限制的本发明的范围。
本申请提供一种农业田地聚类和基于聚类的农业田地的生态预报所用的方法,所述方法包括由处理器实现的农业田地聚类和生态预报的步骤,所述方法从以下步骤开始:使用农村参与式感测模块(208)来捕获表示针对多个农业田地的多次田地测量的绝对地面数据;使用农场上感测模块(210)来捕获所述多个农业田地的多个天气条件;使用特征集生成模块(212)来生成包括所述多个农业田地的所述绝对地面数据和所述天气条件的特征集;使用聚类模块(214)基于所述特征集来自适应地使所述多个农业田地聚类,以生成簇,其中在所述簇的各农业田地中存在所述特征集中的至少一个特征;使用通用预报生成模块(216)来生成生态预报所用的通用预报模块,其中所述通用预报模块包括所述簇中的特征集的共通特征;使用自适应预报生成模块(218)从所述特征集中选择至少一个特征,以基于从所述特征集中选择的特征生成多个自适应预报模型以进行生态预报;以及使用推荐生成模块(220)基于所生成的所述自适应预报模型来向用户推荐多个控制措施。
本申请提供一种用于农业田地聚类和基于聚类的农业田地的生态预报的系统(200);所述系统(200)包括:处理器;连接至所述处理器的数据总线;以及计算机可用介质,用于实现计算机代码,所述计算机可用介质连接至所述数据总线,所述计算机程序代码包括能够通过所述处理器执行的指令,所述指令被配置为用于执行:农村参与式感测模块(208),用于捕获表示针对多个农业田地的多次田地测量的绝对地面数据;农场上感测模块(210),用于捕获所述多个农业田地的多个天气条件;特征集生成模块(212),用于生成包括所述多个农业田地的所述绝对地面数据和所述天气条件的特征集;聚类模块(214),用于基于所述特征集来自适应地使所述多个农业田地聚类,以生成簇;其中,在所述簇的各农业田地中,所述特征集中的至少一个特征必须是共通的;通用预报生成模块(216),用于生成生态预报所用的通用预报模块,其中所述通用预报模块包括所述簇中的特征集的共通特征;自适应预报生成模块(218),用于从所述特征集中选择至少一个特征,以基于从所述特征集中选择的特征生成多个自适应预报模型以进行生态预报;以及推荐生成模块(220),用于基于所生成的所述自适应预报模型来向用户推荐多个控制措施。
本申请提供一种农业田地聚类和基于聚类的农业田地的生态预报所用的系统,所述系统包括:a.农村参与式感测模块(208),用于捕获表示针对多个农业田地的多个田地测量的绝对地面数据;b.农场上感测模块(210),用于捕获所述多个农业田地的多个天气条件;c.特征集生成模块(212),用于生成包括所述多个农业田地的所述绝对地面数据和所述天气条件的特征集;d.聚类模块(214),用于基于所述特征集来自适应地使所述多个农业田地聚类以生成簇,其中所述特征集中的至少一个特征在所述簇的各农业田地中存在;e.通用预报生成模块(216),用于生成生态预报所用的通用预报模型,其中所述通用预报模型包括所述簇中的特征集的共通特征;f.自适应预报生成模块(218),用于从所述特征集中选择至少一个特征,以基于从所述特征集中选择的特征来生成多个自适应预报模型以进行生态预报;以及g.推荐生成模块(220),用于基于所生成的所述自适应预报模型来向用户推荐多个控制措施。
附图说明
在结合附图来阅读的情况下,上述的发明内容以及以下优选实施例的详细说明更好理解。为了说明本发明,在附图中示出本发明的示例性结构;然而,本发明不受所公开的特定方法和系统限制。在附图中:
图1示出根据本主题的实施例的实现农业田地聚类和基于聚类的农业田地进行生态预报的网络环境。
图2示出用于说明根据本主题的实施例的农业田地聚类和基于聚类的农业田地的生态预报的系统架构的框图。
图3示出根据本主题的另一实施例的农业田地聚类和基于聚类的农业田地的生态预报所用的方法。
本领域技术人员应当理解,这里的任意框图表示体现本主题的原理的说明性系统的概念图。类似地,应当理解,任何流程图、流图、状态转换图和伪代码等表示可以实质上在计算机可读介质中表示的、并且与是否明确示出了计算机或处理器无关地由这些计算机或处理器来执行的各种处理。
具体实施方式
参考附图来描述典型实施例。在图中,附图标记最左边的数位标识该附图标记首次出现的图。在方便的情况下,贯穿附图使用相同的附图标记来指代相同或者相似的部分。尽管这里描述了所公开的原理的示例和特征,但在没有背离所公开的实施例的精神和范围的情况下,修改、改变和其它实现都是可以的。意在仅将以下详细的描述视为示例性的,并且由所附权利要求书来表示真正的范围和精神。
本申请提供计算机实现的农业田地聚类和基于聚类的农业田地的生态预报所用的方法和系统。
图1示出根据本主题的示例的实现农业田地聚类和基于聚类的农业田地的生态预报系统102以用于农业田地聚类和生态预报的网络环境100。系统102可以被实现为但不限于台式计算机、手持装置、膝上型计算机或其它便携式计算机和平板电脑等。除农业田地聚类和基于聚类的农业田地的生态预报系统102之外,网络环境100还包括一个或多个计算装置104-1、104-2…104-N。为了说明和清楚,以下将计算装置104-1、104-2…104-N统称为计算装置104,并且计算装置104-1、104-2…104-N各自指计算装置104。在网络环境100中,农业田地聚类和基于聚类的农业田地的生态预报系统102通过网络106连接至计算装置104。
网络106可以是无线网络、有线网络、或者是它们的组合。网络106可以被实现为诸如内部网、电信网、电网、局域网(LAN)、广域网(WAN)、虚拟专用网络(VPN)、互联网络、全球局域网(GAN)、因特网等的不同类型的网络之一。网络106可以是专用网络或者共享网络,其中共享网络表示使用例如HTTP(超文本传输协议)、TCP/IP(传输控制协议/因特网协议)、WAP(无线应用协议)等的各种协议来彼此通信的不同类型的网络的联合。此外,网络106可以包括各种网络装置,包括路由器、网桥、服务器、计算装置和存储装置。
尽管示出农业聚类和基于聚类的农业田地的生态预报系统102与计算装置104是通过网络106来连接的,本领域技术人员将理解,系统102和计算装置104可以是本地分布或者跨一个或多个地理位置分布,并且可以彼此实体连接或逻辑连接。
在一种实现中,农业田地聚类和基于聚类的农业田地的生态预报系统102可以连接至数据库。尽管图中没有示出,应理解,数据库222也可以连接到网络106或网络环境100中的任何其它网络。在一个实现中,数据库222可以包括农业田地聚类和基于聚类的农业田地的生态预报系统102可使用的一个或多个数据集。在一个实现中,数据库222可以被设置为关系型数据库,并且可以以诸如关系表、面向对象的关系表、索引表等的各种格式来存储数据。然而,应该理解,数据库222可以被设置为诸如操作型数据库、分析型数据库、层级数据库、以及分布式或网络数据库等的其它类型的数据库。
为了各种目的,农业田地聚类和基于聚类的农业田地的生态预报系统102可以连接至计算装置104。例如,农业田地聚类和基于聚类的农业田地的生态预报系统102可以连接至计算装置104以提供针对诸如与企业有关的EDR等的信息资源库的访问。以下说明用以使田地聚类的农业田地聚类和基于聚类的农业田地的生态预报系统102的实现和功能。
在一个实现中,农业田地聚类和基于聚类的农业田地的生态预报系统102包括一个或多个处理器202、连接至处理器202的接口204和存储器206。处理器202可以是单个处理单元或者多个单元,其中所有单元均可以包括多个计算单元。处理器202可以被实现为一个或多个微处理器、微计算机、微控制器、数字信号处理器、中央处理单元、状态机、逻辑电路、和/或基于操作指令来操作信号的任何装置。除其它功能以外,处理器202被配置为获取和执行存储器206中所存储的计算机可读指令和数据。
接口204可以包括各种软件和硬件接口,例如,诸如键盘、鼠标、外部存储器和打印机等的外围装置所用的接口。接口204可以便于广泛多种网络和协议类型内的多个通信,这些网络和协议类型包括例如局域网(LAN)、电缆等的有线网络以及诸如无线LAN(WLAN)、蜂窝或卫星等的无线网络。为此目的,接口204可以包括用于将数据解释系统102连接至多个计算装置104的一个或多个端口。在以下论述的各种示例实现中,数据解释系统102经由接口204与计算装置104进行通信。
存储器206可以包括本领域已知的任何计算机可读介质,这些计算机可读介质例如包括:诸如SRAM(静态随机存取存储器)、DRAM(动态随机存取存储器)等的易失性存储器,以及/或者诸如ROM(只读存储器)、可擦除可编程ROM、闪速存储器、硬盘、光盘和磁带等的非易失性存储器。数据解释系统102还包括模块和数据222。
这些模块包括进行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等。这些模块包括农村参与式感测模块(208)、农场上感测模块(210)、特征集生成模块(212)、聚类模块(214)、通用预报生成模块(216)、自适应预报生成模块(218)、推荐生成模块(220),还可以包括其它模块。其它模块可以包括对农业田地聚类和基于聚类的农业田地的生态预报系统102的应用和功能进行补充的程序或已编码指令。
参考图2,图2是示出执行农业田地聚类和基于聚类的农业田地的生态预报的系统架构的框图。
在本发明的实施例中,提供农业田地聚类和基于聚类的农业田地的生态预报所用的系统(102)。该系统(102)包括农村参与式感测模块(208)、农场上感测模块(210)、特征集生成模块(212)、聚类模块(214)、通用预报生成模块(216)、自适应预报生成模块(218)、推荐生成模块(220),还可以包括其它模块。
在本发明的实施例中,系统(102)可以用于农业田地聚类和基于聚类的农业田地的生态预报。为了使田地聚类并提供生态预报,系统(102)首先捕获表示针对多个农业田地的多次田地测量的绝对地面数据。具体地,在本实现中,表示针对多个农业田地的多次田地测量的绝对地面数据是使用农村参与式感测模块(208)来捕获的。
在本发明的另一个实施例中,农场上感测模块(210)适用于捕获多个农业田地的多个天气条件。农场上感测可以是与具有感测、处理、通信和存储能力的手持装置相互连接的传感器。传感器也可以安装在无线传感器网络或天气站上,以及可以放置在农场上以监视当地的气象和土壤参数。
在本发明的另一实施例中,特征集生成模块(212)适用于生成包括多个农业田地的所述绝对地面数据和天气数据的特征集。特征集是从包括但不限于以下内容的组中选择的:农作物品种、气象参数、以及植被指数、特定于田地的活动、土壤参数、流域的形态参数、农作物上下文数据、气候参数以及它们的组合。
在本发明的另一个实施例中,聚类模块(214)用于基于特征集来自适应地使多个农业田地聚类,以生成簇;其中,在聚类的各农业田地中,特征集中的至少一个特征必须是共通的。特征集是从包括但不限于以下内容的组中选择的:农作物品种、气象参数、以及植被指数、特定于田地的活动、土壤参数、流域的形态参数、农作物上下文数据、气候参数以及它们的组合。
在本发明的另一实施例中,通用预报生成模块(216)适用于生成包括所述簇集合中的特征集的共通特征的生态预报所用的通用预报模型。该预报是基于来自该特征集的对于该簇而言共通的特征的选择。针对各簇的通用模型和各簇中的多个模型被配置为基于实际观察自适应地修改。
在本发明的另一个实施例中,自适应预报生成模块(218)适用于从特征集中选择至少一个特征以生成多个自适应预报模型,该多个自适应预报模型是基于从该特征集中选择的特征以进行生态预报。系统的架构如下。C={C1,C2,.....Cj,...Ck}是簇的集合,其中各簇包括不同的田地。这些田地可以属于或者可以不属于同一农业气候区。各簇将具有多个模型。因此,对于特定田地,能够使用可以超出该田地实际所属的地理边界的模型。在田地的集合可用的情况下,将基于特定于地区或者特定于田地的参数来进行簇形成。在各簇Ci的簇形成之后,将存在模型的集合Mi={Mi1,Mi2,….Mij,...MiN}。对于各簇,可以基于来自簇内的各田地的可用特征的组合来生成多个模型。在簇形成和模型生成后,模型和簇将随着时间的经过而适应于田地参数中的不确定性,并且还将基于来自未知田地的特征的新集合。将基于对于田地可用的参数/特征来决定针对未知田地的簇选择,并且所选择的簇所用的模型可以用于该未知田地。
在本发明的另一实施例中,推荐生成模块(220)适用于基于所生成的所述自适应预报模型来向用户推荐多个控制措施。该推荐可以从包括但不限于以下内容的组中选择出:如害虫或疾病发生率等的特定参数(拍摄受影响植物的图像),以及如农药施用、农药类型、农药的量、灌溉、种植、播种日期和用于捕获引起预报中的生态参数的空间和时间变动的参数的差异的任何其它活动等的田地中的不同活动。
在本发明的另一实施例中,系统基于经由如无线传感器网络、农村参与式感测、远程感测、流域的形态参数、农作物上下文数据和能够唯一标识田地的任何其它源的不同模式来报告的不同参数所定义的特性的相似性,来进行田地的聚类。各田地可以不具有所有的参数(例如,一些田地可以仅具有WSN数据,或者一些田地可以仅具有远程感测数据,或者一些田地可以具有所有这些参数的组合),因此,将基于可变长度特征(参数)但利用可以唯一表征田地的最少信息来进行田地的聚类。簇选择所用的该系统和方法将基于可用特征的数量和/或通过经由参与式感测收集所要求的特征来决定是否将未知田地包括在簇中。对于各簇,必须存在具有所有参数的至少一个田地,以将该至少一个田地与具有参数的缩小集合的给定田地进行比较,从而决定是否将该给定田地包括在簇中。
在本发明的另一个实施例中,系统提供特定于簇的自适应框架,其中该自适应框架使得模型随着时间的经过而适应于来自该簇的田地的更多可用信息。可以基于对使用参与式感测和经由无线传感器网络所感测到的天气参数所报告的预测结果的实际观察,从基本模型开始对这些预报模型进行自适应修改,以随着时间的经过而改进基本模型的性能。在这些小地区中的各地区内,模型结构及其状态变量根据不同的簇并且随着时间的经过而变动。因而,针对具有可用参数的给定田地,进行该给定田地与一个或多个簇的关联的确定。
参考图3,图3是示出农业田地聚类和基于聚类的农业田地的生态预报所用的方法的流程图。
处理从步骤302开始,其中使用农村参与式感测模块(208)来捕获表示针对多个农业田地的多次田地测量的绝对地面数据。在步骤304中,使用农场上传感模块(210)来捕获与多个农业田地的多个天气条件有关的数据。在步骤306中,使用特征集生成模块(212)来生成包括多个农业田地的所述绝对地面数据和天气数据的特征集。在步骤308中,使用聚类模块(214)来基于特征集使多个农业田地聚类;其中,特征集中的至少一个特征在簇的各农业田地中存在。在步骤310中,使用通用预报生成模块(216)来生成生态预报所用的通用预报模块,其中所述通用预报模块包括所述簇中的特征集的共通特征。在步骤312中,使用自适应预报生成模块(218)从特征集中选择至少一个特征以基于从特征集中选择的特征生成多个自适应预报模型,该多个自适应预报模型用于进行生态预报。处理在步骤314结束,其中,使用推荐生成模块(220)生成基于所生成的所述自适应预报模型的针对用户的多个控制措施的推荐。
鉴于以上,应当理解,本发明提供了一种农业田地聚类和基于聚类的农业田地的生态预报所用的方法和系统。尽管如此,应当理解,以上所述仅涉及本发明的典型实施例,并且在没有背离由所述权利要求书所限定的本发明的精神和范围的情况下,可以对本发明进行各种修改。
阐述所示的步骤以说明所示的典型实施例,并且应当预期,持续的技术发展将改变执行特定功能的方式。这里为了说明而非限制而呈现这些示例。此外,这里为了便于描述而任意地定义了功能构建块的边界。可以定义替代的边界,只要适当地执行指定的功能及其关系即可。基于这里所包含的教导,对于本领域技术人员来说,替代例(包括这里所描述的内容的等效物、扩展、变形、偏差等)将显而易见。这些替代例落入所公开的实施例的范围和精神内。此外,词语“包括”、“具有”、“包含”和“含有”以及其它类似形式意图在含义方面等效,并且意图为开放式的,其中跟随在这些词语中的任一词语后面的一项或多项并非意在排它地列出该一项或多项,也并非意在仅局限于所列出的一项或多项。还必须注意,如这里和所附权利要求中所使用的,除非上下文有明确规定,否则单数形式“一”、“一个”和“该”包含多个引用。
此外,在实现与本发明一致的实施例时可以利用一个或多个计算机可读存储介质。计算机可读存储介质是指任何类型的实体存储器,其中在这些实体存储器上可以存储可由处理器读取的信息或数据。因此,计算机可读存储介质可以存储利用一个或多个处理器来执行的指令,其中这些指令包括使得处理器执行与在此描述的实施例一致的步骤或阶段的指令。术语“计算机可读介质”应被理解为包括有形物品并且不包括载波和瞬态信号,即非瞬态。示例包括RAM(随机存取存储器)、ROM(只读存储器)、易失性存储器、非易失性存储器、硬盘、CD ROM、DVD、闪速存储器、盘以及任何其它已知的实体存储介质。
意图仅将本发明和示例视为示例性的,并且由所附权利要求书来表示所公开的实施例的真正的范围和精神。
Claims (10)
1.一种农业田地聚类和基于聚类的农业田地的生态预报所用的方法,所述方法包括由处理器实现的以下步骤:
a.使用农村参与式感测模块(208)来捕获表示针对多个农业田地的多个田地测量的绝对地面数据;
b.使用农场上感测模块(210)来捕获所述多个农业田地的多个天气条件;
c.使用特征集生成模块(212)来生成包括所述多个农业田地的所述绝对地面数据和所述天气条件的特征集;
d.使用聚类模块(214)基于所述特征集来自适应地使所述多个农业田地聚类,以生成簇,其中所述特征集中的至少一个特征在所述簇的各农业田地中存在;
e.使用通用预报生成模块(216)来生成生态预报所用的通用预报模型,其中所述通用预报模型包括所述簇中的特征集的共通特征;
f.使用自适应预报生成模块(218)从所述特征集中选择至少一个特征,以基于从所述特征集中选择的特征生成多个自适应预报模型以进行生态预报;以及
g.使用推荐生成模块(220)基于所生成的所述自适应预报模型来向用户推荐多个控制措施。
2.根据权利要求1所述的方法,其中,所述绝对地面数据和所述天气条件与多个其它耕作数据一起存储在数据库(222)中。
3.根据权利要求2所述的方法,其中,所述绝对地面数据还包括田地上的实际观察和事件。
4.根据权利要求1所述的方法,其中,包括针对各簇的通用模型和各簇内的多个模型的所有模型将与实际观察相适应。
5.根据权利要求1所述的方法,其中,所述特征集是从包括但不限于以下内容的组中选择的:农作物品种、气象参数、植被指数、特定于田地的活动、土壤参数、流域的形态参数、农作物上下文数据、气候参数和它们的组合。
6.一种用于农业田地聚类和自适应生态预报的系统,所述系统包括:
处理器;
连接至所述处理器的数据总线;以及
存储器,包括:
a.农村参与式感测模块(208),用于捕获表示针对多个农业田地的多个田地测量的绝对地面数据;
b.农场上感测模块(210),用于捕获所述多个农业田地的多个天气条件;
c.特征集生成模块(212),用于生成包括所述多个农业田地的所述绝对地面数据和所述天气条件的特征集;
d.聚类模块(214),用于基于所述特征集来自适应地使所述多个农业田地聚类,以生成簇;其中,所述特征集中的至少一个特征必须在所述簇的各农业田地中是共通的;
e.通用预报生成模块(216),用于生成生态预报所用的通用预报模型,其中所述通用预报模型包括所述簇中的特征集的共通特征;
f.自适应预报生成模块(218),用于从所述特征集中选择至少一个特征,以基于从所述特征集中选择的特征生成多个自适应预报模型以进行生态预报;以及
g.推荐生成模块(220),用于基于所生成的所述自适应预报模型来向用户推荐多个控制措施。
7.根据权利要求6所述的系统,其中,所述自适应预报模型被配置为基于包括了新田地而自适应地修改。
8.根据权利要求6所述的系统,其中,针对各簇的通用模型和各簇内的多个模型被配置为基于实际观察而自适应地修改。
9.根据权利要求6所述的系统,其中,所述系统用于将所述绝对地面数据与多个其它耕作数据(224)一起存储。
10.一种农业田地聚类和基于聚类的农业田地的生态预报所用的系统,所述系统包括:
a.农村参与式感测模块(208),用于捕获表示针对多个农业田地的多个田地测量的绝对地面数据;
b.农场上感测模块(210),用于捕获所述多个农业田地的多个天气条件;
c.特征集生成模块(212),用于生成包括所述多个农业田地的所述绝对地面数据和所述天气条件的特征集;
d.聚类模块(214),用于基于所述特征集来自适应地使所述多个农业田地聚类以生成簇,其中所述特征集中的至少一个特征在所述簇的各农业田地中存在;
e.通用预报生成模块(216),用于生成生态预报所用的通用预报模型,其中所述通用预报模型包括所述簇中的特征集的共通特征;
f.自适应预报生成模块(218),用于从所述特征集中选择至少一个特征,以基于从所述特征集中选择的特征来生成多个自适应预报模型以进行生态预报;以及
g.推荐生成模块(220),用于基于所生成的所述自适应预报模型来向用户推荐多个控制措施。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
IN201621004643 | 2016-02-09 | ||
IN201621004643 | 2016-02-09 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107067014A true CN107067014A (zh) | 2017-08-18 |
Family
ID=56464067
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610917487.9A Pending CN107067014A (zh) | 2016-02-09 | 2016-10-20 | 农业田地聚类和生态预报所用的方法和系统 |
Country Status (3)
Country | Link |
---|---|
US (1) | US10448582B2 (zh) |
EP (1) | EP3206179A1 (zh) |
CN (1) | CN107067014A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113821542A (zh) * | 2021-11-23 | 2021-12-21 | 四川新网银行股份有限公司 | 一种显著特征自动推荐系统及方法 |
Families Citing this family (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10586105B2 (en) * | 2016-12-30 | 2020-03-10 | International Business Machines Corporation | Method and system for crop type identification using satellite observation and weather data |
US10664702B2 (en) | 2016-12-30 | 2020-05-26 | International Business Machines Corporation | Method and system for crop recognition and boundary delineation |
US10445877B2 (en) | 2016-12-30 | 2019-10-15 | International Business Machines Corporation | Method and system for crop recognition and boundary delineation |
US10838936B2 (en) * | 2017-05-12 | 2020-11-17 | Harris Lee Cohen | Computer-implemented methods, computer readable medium and systems for generating an orchard data model for a precision agriculture platform |
US11222385B2 (en) * | 2018-01-22 | 2022-01-11 | Athenium Llc | Method and system for forecasting crop yield |
CN108376263B (zh) * | 2018-02-24 | 2020-09-29 | 福建中烟工业有限责任公司 | 工作场所环境温湿度预测方法和装置 |
CN109195130A (zh) * | 2018-09-04 | 2019-01-11 | 广州市花林景观工程有限公司 | 高精度低成本的农田环境监测系统 |
US11803172B2 (en) * | 2019-05-10 | 2023-10-31 | Mjnn Llc | Efficient selection of experiments for enhancing performance in controlled environment agriculture |
CN110287992A (zh) * | 2019-05-22 | 2019-09-27 | 广东精点数据科技股份有限公司 | 基于大数据的农业特征信息提取方法 |
CN111984702A (zh) * | 2020-08-17 | 2020-11-24 | 北京大学深圳研究生院 | 村镇聚落的空间演化分析方法、装置、设备及存储介质 |
US11321347B1 (en) | 2020-10-20 | 2022-05-03 | X Development Llc | Partitioning agricultural fields for annotation |
CN113626996A (zh) * | 2021-07-23 | 2021-11-09 | 北京百瑞弘霖有害生物防治科技有限责任公司 | 一种农药施药量的估算方法、系统、服务器和计算机可读存储介质 |
CN115166867B (zh) * | 2022-07-04 | 2024-03-12 | 安徽远航交通科技有限公司 | 一种基于作业区的全天候气象实时监控系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020038307A1 (en) * | 2000-01-03 | 2002-03-28 | Zoran Obradovic | Systems and methods for knowledge discovery in spatial data |
US20130174040A1 (en) * | 2011-12-30 | 2013-07-04 | Jerome Dale Johnson | Methods, apparatus and systems for generating, updating and executing a crop-planting plan |
US8620510B1 (en) * | 2007-04-26 | 2013-12-31 | The Boeing Company | Adaptive multi-vehicle area coverage optimization system and method |
US20140012732A1 (en) * | 2010-10-25 | 2014-01-09 | Trimble Navigation Limited | Generating a crop recommendation |
CN103827845A (zh) * | 2011-03-30 | 2014-05-28 | 韦尔豪泽Nr公司 | 使用如由叶面积指数测量的林分发育特性的森林管理系统和方法 |
US9140824B1 (en) * | 2015-01-23 | 2015-09-22 | Iteris, Inc. | Diagnosis and prediction of in-field dry-down of a mature small grain, coarse grain, or oilseed crop using field-level analysis and forecasting of weather conditions, crop characteristics, and observations and user input of harvest condition states |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5130925A (en) * | 1988-10-07 | 1992-07-14 | Rutgers, The State University | Apparatus and method for economical continuous, and predictable greenhouse crop production |
US6792399B1 (en) * | 1999-09-08 | 2004-09-14 | C4Cast.Com, Inc. | Combination forecasting using clusterization |
US20020016676A1 (en) * | 2000-07-26 | 2002-02-07 | Christopher Sann | Climatic conditions based pest control management |
US9058633B2 (en) * | 2010-10-25 | 2015-06-16 | Trimble Navigation Limited | Wide-area agricultural monitoring and prediction |
US10331931B2 (en) * | 2016-02-05 | 2019-06-25 | The Climate Corporation | Modeling trends in crop yields |
US10398096B2 (en) * | 2016-11-16 | 2019-09-03 | The Climate Corporation | Identifying management zones in agricultural fields and generating planting plans for the zones |
-
2016
- 2016-07-18 EP EP16179884.8A patent/EP3206179A1/en not_active Ceased
- 2016-07-19 US US15/213,831 patent/US10448582B2/en active Active
- 2016-10-20 CN CN201610917487.9A patent/CN107067014A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020038307A1 (en) * | 2000-01-03 | 2002-03-28 | Zoran Obradovic | Systems and methods for knowledge discovery in spatial data |
US8620510B1 (en) * | 2007-04-26 | 2013-12-31 | The Boeing Company | Adaptive multi-vehicle area coverage optimization system and method |
US20140012732A1 (en) * | 2010-10-25 | 2014-01-09 | Trimble Navigation Limited | Generating a crop recommendation |
CN103827845A (zh) * | 2011-03-30 | 2014-05-28 | 韦尔豪泽Nr公司 | 使用如由叶面积指数测量的林分发育特性的森林管理系统和方法 |
US20130174040A1 (en) * | 2011-12-30 | 2013-07-04 | Jerome Dale Johnson | Methods, apparatus and systems for generating, updating and executing a crop-planting plan |
US9140824B1 (en) * | 2015-01-23 | 2015-09-22 | Iteris, Inc. | Diagnosis and prediction of in-field dry-down of a mature small grain, coarse grain, or oilseed crop using field-level analysis and forecasting of weather conditions, crop characteristics, and observations and user input of harvest condition states |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113821542A (zh) * | 2021-11-23 | 2021-12-21 | 四川新网银行股份有限公司 | 一种显著特征自动推荐系统及方法 |
CN113821542B (zh) * | 2021-11-23 | 2022-02-11 | 四川新网银行股份有限公司 | 一种显著特征自动推荐系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
EP3206179A1 (en) | 2017-08-16 |
US10448582B2 (en) | 2019-10-22 |
US20170223900A1 (en) | 2017-08-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107067014A (zh) | 农业田地聚类和生态预报所用的方法和系统 | |
Channe et al. | Multidisciplinary model for smart agriculture using internet-of-things (IoT), sensors, cloud-computing, mobile-computing & big-data analysis | |
Sharma et al. | Technological revolutions in smart farming: Current trends, challenges & future directions | |
Bendre et al. | Big data in precision agriculture: Weather forecasting for future farming | |
Sarker et al. | Promoting digital agriculture through big data for sustainable farm management | |
Priya et al. | Crop prediction on the region belts of India: a Naïve Bayes MapReduce precision agricultural model | |
Saeed et al. | Forecasting wheat yield from weather data and MODIS NDVI using Random Forests for Punjab province, Pakistan | |
Ortega Álvarez et al. | MOPECO: an economic optimization model for irrigation water management | |
Lee et al. | Agricultural production system based on IoT | |
WO2018217170A1 (en) | System, method and apparatus for management of agricultural resource | |
US20200005166A1 (en) | Automatically assigning hybrids or seeds to fields for planting | |
Akazue et al. | Improved services traceability and management of a food value chain using block-chain network: a case of Nigeria | |
Liopa-Tsakalidi et al. | Application of mobile technologies through an integrated management system for agricultural production | |
Brajović et al. | An overview of smart irrigation software | |
KR20210059561A (ko) | 상생형 병해충 관리 시스템 및 그 방법 | |
Sharma et al. | Broadening the research pathways in smart agriculture: predictive analysis using semiautomatic information modeling | |
Vikranth | An implementation of iot and data analytics in smart agricultural system–a systematic literature review | |
Acosta-Michlik et al. | An agent-based framework for assessing vulnerability futures | |
Li et al. | A farm-level precision land management framework based on integer programming | |
Shankhdhar et al. | SAGRO-lite: a light weight agent based semantic model for the internet of things for smart agriculture in developing countries | |
Shams et al. | Information and communication technology for small-scale farmers: Challenges and opportunities | |
Bhupal Naik et al. | Smart farming using IoT | |
CN114066061A (zh) | 基于神经网络模型的资源优化配置方法、装置以及设备 | |
Premkumar et al. | Functional framework for edge-based agricultural system | |
Pandya et al. | Precision agriculture: methodologies, practices and applications |
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 |