CN108510107B - 一种农业种植指导方法、电子设备及存储介质 - Google Patents
一种农业种植指导方法、电子设备及存储介质 Download PDFInfo
- Publication number
- CN108510107B CN108510107B CN201810186404.2A CN201810186404A CN108510107B CN 108510107 B CN108510107 B CN 108510107B CN 201810186404 A CN201810186404 A CN 201810186404A CN 108510107 B CN108510107 B CN 108510107B
- Authority
- CN
- China
- Prior art keywords
- planting
- plan
- generating
- original
- guidance
- 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.)
- Active
Links
Images
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
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Mining
Abstract
本发明公开了一种农业种植指导方法,包括:获取农田的区域划分信息以及每个区域的原始种植计划;根据各区域的历史种植数据生成预测种植计划;根据历史种植数据及原始种植计划生成种植指导计划;根据原始种植计划、预测种植计划及种植指导计划生成优化种植计划。本发明还公开了一种电子设备及存储介质,本发明实施例提供的农业种植指导方法、电子设备及存储介质通过获取农田的区域信息和原始种植计划,生成预测种植计划和种植指导计划,从而生成优化种植计划,指导农民合理化种植,提高土地利用率,减少投入成本,获取最大效益。
Description
技术领域
本发明涉及精准农业大数据领域,尤其涉及一种农业种植指导方法、电子设备及存储介质。
背景技术
目前,我国农业资源约束日益突出,农业生态环境退化加剧,化肥占农业生产成本25%以上,但利用率仅为30%~35%,远低于发达国家的50%~60%,不仅造成了经济上的巨大损失,更带来了严重的地下水污染和生态环境破坏。国内外研究表明,精准变量施肥可使多种作物平均增产8.2%~19.8%,降低总成本约15%,化肥施用量减少约20%~40%,土壤理化性质得到改善。造成化肥不能有效利用的其中一个原因就是农民不能及时了解种植大数据,不能有效利用土地资源进行合理种植和施肥。
随着云时代的来临,大数据已经逐步应用到各行各业,大数据预测是大数据最核心的应用,大数据预测将传统意义预测”拓展到“现测”。大数据预测的优势体现在它把一个非常困难的预测问题,转化为一个相对简单的描述问题,得到处理现实业务简单、客观的结论,如何利用大数据实现合理化种植是目前需要解决的问题。
发明内容
为了克服现有技术的不足,本发明的目的之一在于提供一种农业种植指导方法,以解决现有农业生产模式不能实现合理化种植的问题。
本发明的目的之二在于在于提供一种电子设备,以解决现有农业生产模式不能实现合理化种植的问题。
本发明的目的之一采用如下技术方案实现:
一种农业种植指导方法,包括:
获取农田的区域划分信息以及每个区域的原始种植计划;
根据各区域的历史种植数据生成预测种植计划;
根据所述历史种植数据及所述原始种植计划生成种植指导计划;
根据所述原始种植计划、所述预测种植计划及所述种植指导计划生成优化种植计划。
进一步地,所述根据所述原始种植计划、所述预测种植计划及所述种植指导计划生成优化种植计划之后还包括:
根据所述优化种植计划生成各区域的农资需求计划。
进一步地,所述获取农田的区域划分信息以及每个区域的原始种植计划之后还包括:
获取每个区域的土壤采样数据;
根据所述土壤采样数据生成每个区域的土壤肥力诊断报告。
进一步地,所述根据所述土壤采样数据生成该区域的土壤肥力诊断报告之后还包括:
根据所述土壤肥力诊断报告及所述预测种植计划生成该区域的推荐种植报告。
进一步地,所述根据所述土壤肥力诊断报告及所述预测种植计划生成该区域的推荐种植报告之后还包括:
根据所述土壤肥力诊断报告、所述原始种植计划及所述推荐种植报告标识出风险种植区域和适宜种植区域。
进一步地,所述根据所述历史种植数据及所述原始种植计划生成种植指导计划包括:
根据所述历史种植数据计算出原始种植计划所对应的产量和价格;
根据需求函数、供给函数、所述产量和所述价格生成所述种植指导计划。
进一步地,所述农业种植指导方法还包括:
获取地址信息;
根据所述地址信息计算出该地址信息所对应的网格;
根据所述网格对应的实体对象显示所述地址信息对应的种植指数。
进一步地,所述农业种植指导方法还包括:
获取农作物查询信息;
根据所述农作物查询信息以图层的方式显示对应农作物的农作物指数。
本发明的目的之二采用如下技术方案实现:
一种电子设备,包括:处理器;
存储器;以及程序,其中所述程序被存储在所述存储器中,并且被配置成由处理器执行,所述程序包括用于执行上述的农业种植指导方法。
本发明还涉及一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行上述的农业种植指导方法。
相比现有技术,本发明的有益效果在于:通过获取农田的区域信息和原始种植计划,生成预测种植计划和种植指导计划,从而生成优化种植计划,指导农民合理化种植,提高土地利用率,减少投入成本,获取最大效益。
附图说明
图1为本发明实施例提供的农业种植指导方法流程图;
图2为本发明实施例提供的蛛网理论的模型图;
图3为本发明实施例提供的的电子设备的示意图。
具体实施方式
下面,结合附图以及具体实施方式,对本发明做进一步描述,需要说明的是,在不相冲突的前提下,以下描述的各实施例之间或各技术特征之间可以任意组合形成新的实施例。
如图1所示,本发明实施例提供的农业种植指导方法,包括:
步骤S101:获取农田的区域划分信息以及每个区域的原始种植计划。
具体的,用户通过终端设备标识出地图上对应的用户管理的农田并上传到服务器,服务器根据用户标识的情况计算出每个用户管理的农田范围,并可以计算出每个用户管理的农田的面积。同时,用户通过终端设备将计划种植的农作物品种、数量和区域上传到服务器。
步骤S102:根据各区域的历史种植数据生成预测种植计划。
具体的,服务器收集全国各个地区往年的种植情况,根据种植趋势的规律预测出下一年将要种植的农作物和分布区域,即预测种植计划。
步骤S103:根据所述历史种植数据及所述原始种植计划生成种植指导计划。
具体的,该步骤包括:
步骤S201:根据所述历史种植数据计算出原始种植计划所对应的产量和价格。
具体的,由于农产品的价格由供给量决定,在历史种植数据中,第一时期的供给量决定第一时期的价格,农业生产者又会根据第一时期的价格来决定第二时期的种植情况,而第二时期的供给量决定第二时期的价格,第二时期的价格又决定第三时期的产量,依次类推。从而可以根据历史种植情况和历史价格的规律推算出原始种植计划所对应的产量和价格。
步骤S202:根据需求函数、供给函数、所述产量和所述价格生成所述种植指导计划。
具体的,由于需求弹性、供给弹性不同,价格和供给量的变化可分三种情况:当供给弹性小于需求弹性时,价格和产量的波动将逐渐减弱,经济状态趋于均衡;当供给弹性大于需求弹性,即价格对供给量的影响大于对需求量的影响时,波动逐步加剧,越来越远离均衡点,无法恢复均衡;当供给弹性等于需求弹性时,波动将一直循环下去,即不会远离均衡点,也不会恢复均衡。因此可以采用蛛网理论,如图2所示,根据农产品的预测价格P、产量Q、需求函数D和供给函数S自动生成未来市场上农产品供销均衡点的变动轨迹,平衡种植计划,生成种植指导计划。
同时,每个区域种植每种农作物对应不同的成本和利润,边际分析法中,种植利润为收入与成本之差,而边际利润亦即边际收入与边际成本之差,采用边际分析法,根据不同地区种植不同农作物所需投入边际成本、边际收入、边际产品和边际利润,根据利润最大化的点在边际利润等于0的点这一理论,可以进一步优化种植指导计划。
步骤S104:根据所述原始种植计划、所述预测种植计划及所述种植指导计划生成优化种植计划。
具体的,若f1(X)、f2(X)、f3(X)为原始种植计划、预测种植计划和种植指导计划,w1、w2和w3分别为f1(X)、f2(X)、f3(X)的权重,构建新函数再根据农业生产中需要满足其他计划和目标,构建多目标优化问题的可行域,对多个计划之间进行协调权衡和折衷处理,使多个计划均尽可能达到最优,根据多目标优化问题的可行域计算出优化种植计划,并通过地图显示。
通过采集每个区域的预测种植计划,生成不同区域的优化种植计划,有效地引导农民精准化生产、帮助农民克服个体理性与群体理性的困境,平衡地区种植计划,避免盲目种植而引起的“谷贱伤农”现象。
作为优选的实施方式,得到优化种植计划之后,还可以根据优化种植计划生成各区域的农资需求计划。
具体的,优化种植计划为优化后的种植计划,具体为在每个区域种植的农作物品种,由于不同的区域有不同的气候条件,每种农作物有不同的生长规律,对应不同的种子、施肥计划、农药计划及生长周期等,因此,根据各个区域种植的农作物品种和各个区域的气候条件,即可得出各个区域的种子计划、施肥计划、农药计划、农机使用计划等农资需求计划。从而可以引导农资生产者合理安排生产,提高农资利用率。
作为优选的实施方式,获取农田的区域划分信息以及每个区域的原始种植计划之后还包括:
获取每个区域的土壤采样数据;根据土壤采样数据生成每个区域的土壤肥力诊断报告。
具体的,用户标识出自己管理的农田区域后,在相应的区域的不同位置采集土壤,检测出采集的土壤中所含有的元素种类、元素含量、酸碱度、温湿度等采样数据,将采样数据和该采样数据对应的位置信息上传到服务器,服务器的大数据库中有大量的历史采样数据和标准土壤特性的对应关系,将采样数据导入大数据库中,采用K-means聚类算法,将采样数据和标准土壤特性之间的差值作为目标函数,利用函数求极值的方法进行迭代运算,直到采样数据和标准土壤特性之间的差值最小,即相似度最大,将该标准土壤特性作为该区域的土壤特性,土壤特性包含土壤中的氮、磷、钾等养分因素,还包括土壤的质地、结构状况、孔隙度、水分和温度状况等物流因素,还包括土壤的酸碱度、阳离子吸附及交换性能、土壤还原性物质、土壤含盐量,以及其他有毒物质的含量等化学因素。同时结合现有的微生物及其生理活性从多因素角度对土壤肥力进行大数据分析综合评价,生成每块农田的土壤肥力诊断报告。用户可以根据土壤肥力诊断报告在肥力高的地方密植,在肥力低的地方稀植。
作为优选的实施方式得出土壤肥力诊断报告后,根据土壤肥力诊断报告及预测种植计划生成该区域的推荐种植报告。具体的,根据土壤肥力诊断报告中的土壤特性,可得出每块农田需要补充多少的氮、磷、钾等养分,从而可以实现精准施肥、精准打药。结合土壤特性中的其他因素、预测种植计划、历史种植数据和气候因素等大数据,可得出每个区域适合种植的农作物,从而形成各个区域的推荐种植报告。
得出种植推荐报告后,根据土壤肥力诊断报告、原始种植计划及推荐种植报告标识出风险种植区域和适宜种植区域。具体的,根据土壤肥力诊断报告中当前区域的土壤特性、不同农作物生长所需要的土壤养分,并对比原始种植计划和推荐种植报告,可以得出原始种植计划中的不合理种植情况,将风险种植区域和适宜种植区域分别进行标识,提前预警,方便用户做出合理的种植计划。
作为优选的实施方式,本发明实施例提供的农业种植指导方法还包括:
步骤S301:获取地址信息。
具体的,用户通过终端设备在地图上标识出位置或者通过肥力传感器上传所在的位置信息到服务器。
步骤S302:根据所述地址信息计算出该地址信息所对应的网格。
具体的,服务器将全国的农田按照预设规则划分为大小相等或不等的网格,每个网格都记录有位于该网格的土地信息,当服务器接收到终端设备发送的位置信息时,根据位置信息即可计算出该位置信息所在的网格。
步骤S303:根据所述网格对应的实体对象显示所述地址信息对应的种植指数。
具体的,网格对应的实体对象即为该网格的土地信息,服务器将该网格对应的种植指数发送到终端设备并以地图的形式显示。种植指数包括土壤的肥力分析报告、预测种植计划分布图、原始种植计划分布图、种植指导计划分布图及每种种植计划对应的农资需求情况等。
作为优选的实施方式,本实施例提供的农业种植指导方法还包括:
获取农作物查询信息;根据所述农作物查询信息以图层的方式显示对应农作物的农作物指数。
具体的,用户通过终端设备选择农作物信息并发送到服务器,服务器接收农作物信息并将该农作物信息对应的农作物指数发送到终端设备并在地图上显示。农作物指数包括该农作物的预测种植计划、预测价格、农资供需指数、肥力需求情况、农机需求情况等。
根据用户的查询信息,将农户的位置信息对应的种植指数以及每种农作物对应的农作物指数以地图的形式呈现,从而达到可视化的目的,指导农户合理安排种植。
如图3所示,本发明实施例提供的电子设备,包括:处理器11、存储器12以及程序,其中程序被存储在存储器12中,并且被配置成由处理器11执行,程序包括用于执行上述的农业种植指导方法或农业种植指导方法。
本实施例中的电子设备与前述实施例中的方法是基于同一发明构思下的两个方面,在前面已经对方法实施过程作了详细的描述,所以本领域技术人员可根据前述描述清楚地了解本实施例中的电子设备的实施过程,为了说明书的简洁,在此就不再赘述。
通过以上的实施方式的描述可知,本领域的技术人员可以清楚地了解到本发明可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来。本发明还涉及一种计算机可读存储介质,如ROM/RAM、磁碟、光盘等,其上存储有计算机程序,计算机程序被处理器执行上述的农业种植指导方法或农业种植指导方法。
本发明实施例提供的农业种植指导方法、电子设备及存储介质通过获取农田的区域信息和原始种植计划,生成预测种植计划和种植指导计划,从而生成优化种植计划,指导农民合理化种植,提高土地利用率,减少投入成本,获取最大效益。
上述实施方式仅为本发明的优选实施方式,不能以此来限定本发明保护的范围,本领域的技术人员在本发明的基础上所做的任何非实质性的变化及替换均属于本发明所要求保护的范围。
Claims (7)
1.一种农业种植指导方法,其特征在于,包括:
获取农田的区域划分信息以及每个区域的原始种植计划;
根据各区域的历史种植数据生成预测种植计划;
根据所述历史种植数据及所述原始种植计划生成种植指导计划;
根据所述原始种植计划、所述预测种植计划及所述种植指导计划生成优化种植计划;
所述获取农田的区域划分信息以及每个区域的原始种植计划之后还包括:
获取每个区域的土壤采样数据;
根据所述土壤采样数据生成每个区域的土壤肥力诊断报告;
所述根据所述土壤采样数据生成该区域的土壤肥力诊断报告之后还包括:
根据所述土壤肥力诊断报告及所述预测种植计划生成该区域的推荐种植报告;
所述根据所述土壤肥力诊断报告及所述预测种植计划生成该区域的推荐种植报告之后还包括:
根据所述土壤肥力诊断报告、所述原始种植计划及所述推荐种植报告标识出风险种植区域和适宜种植区域。
2.根据权利要求1所述的农业种植指导方法,其特征在于,所述根据所述原始种植计划、所述预测种植计划及所述种植指导计划生成优化种植计划之后还包括:
根据所述优化种植计划生成各区域的农资需求计划。
3.根据权利要求1所述的农业种植指导方法,其特征在于,所述根据所述历史种植数据及所述原始种植计划生成种植指导计划包括:
根据所述历史种植数据计算出原始种植计划所对应的产量和价格;
根据需求函数、供给函数、所述产量和所述价格生成所述种植指导计划。
4.根据权利要求1所述的农业种植指导方法,其特征在于,所述农业种植指导方法还包括:
获取地址信息;
根据所述地址信息计算出该地址信息所对应的网格;
根据所述网格对应的实体对象显示所述地址信息对应的种植指数。
5.根据权利要求4所述的农业种植指导方法,其特征在于,所述农业种植指导方法还包括:
获取农作物查询信息;
根据所述农作物查询信息以图层的方式显示对应农作物的农作物指数。
6.一种电子设备,其特征在于,包括:处理器;
存储器;以及程序,其中所述程序被存储在所述存储器中,并且被配置成由处理器执行,所述程序包括用于执行如权利要求1-5任一项所述的农业种植指导方法。
7.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行如权利要求1-5任一项所述的农业种植指导方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810186404.2A CN108510107B (zh) | 2018-03-07 | 2018-03-07 | 一种农业种植指导方法、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810186404.2A CN108510107B (zh) | 2018-03-07 | 2018-03-07 | 一种农业种植指导方法、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108510107A CN108510107A (zh) | 2018-09-07 |
CN108510107B true CN108510107B (zh) | 2022-04-15 |
Family
ID=63376225
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810186404.2A Active CN108510107B (zh) | 2018-03-07 | 2018-03-07 | 一种农业种植指导方法、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108510107B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10993365B2 (en) * | 2018-09-11 | 2021-05-04 | The Climate Corporation | Risk-adjusted hybrid seed selection and crop yield optimization by field |
CN109829626A (zh) * | 2019-01-03 | 2019-05-31 | 固安京蓝云科技有限公司 | 一种农机作业分析模型生成方法、模型、分析方法及管理方法 |
CN110070456A (zh) * | 2019-04-19 | 2019-07-30 | 北方天途航空技术发展(北京)有限公司 | 农业植保作业的地块管理方法及系统 |
CN110675094A (zh) * | 2019-11-11 | 2020-01-10 | 深圳春沐源控股有限公司 | 种植计划的制定方法、农业信息化管理系统及存储介质 |
CN113763195A (zh) * | 2020-08-21 | 2021-12-07 | 北京京东振世信息技术有限公司 | 种植计划的控制方法、装置及计算机可读介质 |
CN113469831A (zh) * | 2021-07-01 | 2021-10-01 | 浙江数秦科技有限公司 | 基于区块链技术的农时导航系统 |
CN116090603A (zh) * | 2022-12-02 | 2023-05-09 | 浙江天演维真网络科技股份有限公司 | 一种多时期农作物种植预测方法、装置、设备和介质 |
CN116720668B (zh) * | 2023-08-11 | 2023-10-31 | 北京佳格天地科技有限公司 | 一种大数据农业管理方法、系统及存储介质 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102999787A (zh) * | 2012-11-02 | 2013-03-27 | 北京农业信息技术研究中心 | 一种蔬菜种植茬口安排的优化方法 |
CN103270531A (zh) * | 2010-12-24 | 2013-08-28 | 富士通株式会社 | 种植辅助方法以及种植辅助装置 |
CN103530361A (zh) * | 2013-10-13 | 2014-01-22 | 林兴志 | 基于北斗与gis的农务地块图形构建与精细管理中间件 |
CN104732435A (zh) * | 2015-04-03 | 2015-06-24 | 中国农业科学院农业信息研究所 | 一种农产品供需撮合系统与方法 |
CN104885760A (zh) * | 2015-06-08 | 2015-09-09 | 肖万里 | 一种自动选择种植蔬菜种类的方法及装置 |
CN105825451A (zh) * | 2016-03-16 | 2016-08-03 | 华侨大学 | 一种植栽旅游线路规划教学方法和系统 |
CN106461807A (zh) * | 2014-04-21 | 2017-02-22 | 克莱米特公司 | 生成农业处方 |
CN106600444A (zh) * | 2016-12-12 | 2017-04-26 | 北京大学 | 基于神经网络算法和投资组合理论的品种选择方法和装置 |
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 |
CN106875283A (zh) * | 2017-01-11 | 2017-06-20 | 江苏省海洋资源开发研究院(连云港) | 一种基于农业大数据的农田种植保险评估的系统及方法 |
CN107633404A (zh) * | 2016-07-15 | 2018-01-26 | 北京园禾方圆植物科技股份有限公司 | Gap智能管理可溯源系统 |
CN110771442A (zh) * | 2019-09-30 | 2020-02-11 | 大气候物联网科技(广州)有限公司 | 基于物联网的农业种植方法和系统 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060015374A1 (en) * | 2004-07-19 | 2006-01-19 | Yanhong Ochs | Risk management on the application of crop inputs |
WO2015136668A1 (ja) * | 2014-03-13 | 2015-09-17 | 富士通株式会社 | 収穫量分配方法、収穫量入力方法、収穫量分配プログラム、収穫量入力プログラムおよびシステム |
US11113649B2 (en) * | 2014-09-12 | 2021-09-07 | The Climate Corporation | Methods and systems for recommending agricultural activities |
WO2016090212A1 (en) * | 2014-12-05 | 2016-06-09 | Board Of Trustees Of Michigan State University | Methods and systems for precision crop management |
-
2018
- 2018-03-07 CN CN201810186404.2A patent/CN108510107B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103270531A (zh) * | 2010-12-24 | 2013-08-28 | 富士通株式会社 | 种植辅助方法以及种植辅助装置 |
CN102999787A (zh) * | 2012-11-02 | 2013-03-27 | 北京农业信息技术研究中心 | 一种蔬菜种植茬口安排的优化方法 |
CN103530361A (zh) * | 2013-10-13 | 2014-01-22 | 林兴志 | 基于北斗与gis的农务地块图形构建与精细管理中间件 |
CN106461807A (zh) * | 2014-04-21 | 2017-02-22 | 克莱米特公司 | 生成农业处方 |
CN104732435A (zh) * | 2015-04-03 | 2015-06-24 | 中国农业科学院农业信息研究所 | 一种农产品供需撮合系统与方法 |
CN104885760A (zh) * | 2015-06-08 | 2015-09-09 | 肖万里 | 一种自动选择种植蔬菜种类的方法及装置 |
CN105825451A (zh) * | 2016-03-16 | 2016-08-03 | 华侨大学 | 一种植栽旅游线路规划教学方法和系统 |
CN107633404A (zh) * | 2016-07-15 | 2018-01-26 | 北京园禾方圆植物科技股份有限公司 | Gap智能管理可溯源系统 |
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 |
CN106600444A (zh) * | 2016-12-12 | 2017-04-26 | 北京大学 | 基于神经网络算法和投资组合理论的品种选择方法和装置 |
CN106875283A (zh) * | 2017-01-11 | 2017-06-20 | 江苏省海洋资源开发研究院(连云港) | 一种基于农业大数据的农田种植保险评估的系统及方法 |
CN110771442A (zh) * | 2019-09-30 | 2020-02-11 | 大气候物联网科技(广州)有限公司 | 基于物联网的农业种植方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN108510107A (zh) | 2018-09-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108510107B (zh) | 一种农业种植指导方法、电子设备及存储介质 | |
Deng et al. | Closing yield gaps for rice self-sufficiency in China | |
US11726452B2 (en) | System and method for aggregating test plot results based on agronomic environments | |
Houshyar et al. | Energy input for tomato production what economy says, and what is good for the environment | |
Carberry et al. | Re-inventing model-based decision support with Australian dryland farmers. 3. Relevance of APSIM to commercial crops | |
CA2663917C (en) | Variable zone crop-specific inputs prescription method and systems therefor | |
US20160309646A1 (en) | Agronomic systems, methods and apparatuses | |
Cobuloglu et al. | A mixed-integer optimization model for the economic and environmental analysis of biomass production | |
Xiong et al. | Can climate-smart agriculture reverse the recent slowing of rice yield growth in China? | |
Barradas et al. | A decision support system-fertigation simulator (DSS-FS) for design and optimization of sprinkler and drip irrigation systems | |
Mandal et al. | Precision farming for small agricultural farm: Indian scenario. | |
Salazar et al. | Estimating irrigation water use for maize in the Southeastern USA: A modeling approach | |
Wang et al. | Rice yield potential, gaps and constraints during the past three decades in a climate-changing Northeast China | |
Lalou et al. | Does climate opportunity facilitate smallholder farmers’ adaptive capacity in the Sahel? | |
Conversa et al. | A decision support system (GesCoN) for managing fertigation in vegetable crops. Part II—model calibration and validation under different environmental growing conditions on field grown tomato | |
Dumont et al. | Systematic analysis of site-specific yield distributions resulting from nitrogen management and climatic variability interactions | |
Olajire et al. | Assessment of indigenous climate change adaptation strategies and its impacts on food crop yields in Osun State, Southwestern Nigeria | |
Li et al. | Comparison of the modeled potential yield versus the actual yield of maize in Northeast China and the implications for national food security | |
Abdul Karim et al. | FAO 56 model and remote sensing for the estimation of crop-water requirement in main branch canal of the Bhadra Command area, Karnataka State | |
Liverpool-Tasie et al. | Understanding fertilizer use and profitability of rice production across Nigeria’s diverse agroecological conditions | |
Zhang et al. | Effects of direct heat stress on summer maize and risk assessment | |
Hoang et al. | A robust parameter approach for estimating CERES-Rice model parameters for the Vietnam Mekong Delta | |
Sandaña et al. | Attainable CO 2 emission of ware potatoes under high yield conditions in southern Chile | |
Ahmed et al. | Investigating factors that influence rice yields of Bangladesh using data warehousing, machine learning, and visualization | |
CN105432205A (zh) | 一种土壤属性参数估算方法、配肥方案推荐方法及装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |