CN109522376B - 一种中国农业自然条件和资源地图可视化呈现方法及装置 - Google Patents
一种中国农业自然条件和资源地图可视化呈现方法及装置 Download PDFInfo
- Publication number
- CN109522376B CN109522376B CN201811165244.XA CN201811165244A CN109522376B CN 109522376 B CN109522376 B CN 109522376B CN 201811165244 A CN201811165244 A CN 201811165244A CN 109522376 B CN109522376 B CN 109522376B
- Authority
- CN
- China
- Prior art keywords
- agricultural
- data
- resource
- natural conditions
- index
- 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
- 238000000034 method Methods 0.000 title claims abstract description 33
- 230000000007 visual effect Effects 0.000 title claims abstract description 26
- 238000012545 processing Methods 0.000 claims abstract description 45
- 239000002689 soil Substances 0.000 claims description 23
- 241001465754 Metazoa Species 0.000 claims description 18
- 239000003337 fertilizer Substances 0.000 claims description 11
- 238000012876 topography Methods 0.000 claims description 11
- 241000238631 Hexapoda Species 0.000 claims description 9
- 230000005611 electricity Effects 0.000 claims description 9
- 238000010801 machine learning Methods 0.000 claims description 9
- 239000000575 pesticide Substances 0.000 claims description 9
- 238000011160 research Methods 0.000 claims description 9
- 239000000126 substance Substances 0.000 claims description 9
- 230000008676 import Effects 0.000 claims description 6
- 201000010099 disease Diseases 0.000 claims description 3
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 3
- 238000009395 breeding Methods 0.000 claims 2
- 230000001488 breeding effect Effects 0.000 claims 2
- 238000012800 visualization Methods 0.000 abstract description 8
- 238000013480 data collection Methods 0.000 abstract description 4
- 238000012271 agricultural production Methods 0.000 description 31
- 238000009826 distribution Methods 0.000 description 28
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 28
- 244000144972 livestock Species 0.000 description 12
- 238000011161 development Methods 0.000 description 11
- 238000009331 sowing Methods 0.000 description 10
- 241000607479 Yersinia pestis Species 0.000 description 8
- 238000013461 design Methods 0.000 description 8
- 235000013339 cereals Nutrition 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 238000009313 farming Methods 0.000 description 7
- 244000025254 Cannabis sativa Species 0.000 description 6
- 241000282414 Homo sapiens Species 0.000 description 6
- 239000004973 liquid crystal related substance Substances 0.000 description 6
- 239000002352 surface water Substances 0.000 description 6
- 241000209094 Oryza Species 0.000 description 5
- 235000007164 Oryza sativa Nutrition 0.000 description 5
- 235000009566 rice Nutrition 0.000 description 5
- 241000272517 Anseriformes Species 0.000 description 4
- 241000283690 Bos taurus Species 0.000 description 4
- 241000196324 Embryophyta Species 0.000 description 4
- 239000013505 freshwater Substances 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 239000003673 groundwater Substances 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 239000000463 material Substances 0.000 description 4
- 239000008267 milk Substances 0.000 description 4
- 235000013336 milk Nutrition 0.000 description 4
- 210000004080 milk Anatomy 0.000 description 4
- 238000001556 precipitation Methods 0.000 description 4
- 230000005855 radiation Effects 0.000 description 4
- 150000003839 salts Chemical class 0.000 description 4
- 235000013311 vegetables Nutrition 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- -1 lso Species 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 241000287828 Gallus gallus Species 0.000 description 2
- 240000000249 Morus alba Species 0.000 description 2
- 235000008708 Morus alba Nutrition 0.000 description 2
- 241001494479 Pecora Species 0.000 description 2
- 235000014676 Phragmites communis Nutrition 0.000 description 2
- 241000209504 Poaceae Species 0.000 description 2
- 241000282898 Sus scrofa Species 0.000 description 2
- 244000269722 Thea sinensis Species 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 2
- 238000009360 aquaculture Methods 0.000 description 2
- 244000144974 aquaculture Species 0.000 description 2
- 239000005442 atmospheric precipitation Substances 0.000 description 2
- 235000013330 chicken meat Nutrition 0.000 description 2
- 239000003653 coastal water Substances 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 235000013601 eggs Nutrition 0.000 description 2
- 238000009776 industrial production Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000002420 orchard Substances 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 238000009304 pastoral farming Methods 0.000 description 2
- 230000029553 photosynthesis Effects 0.000 description 2
- 238000010672 photosynthesis Methods 0.000 description 2
- 231100000614 poison Toxicity 0.000 description 2
- 239000011148 porous material Substances 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 239000011435 rock Substances 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 239000008400 supply water Substances 0.000 description 2
- 239000003440 toxic substance Substances 0.000 description 2
- 238000013519 translation Methods 0.000 description 2
- 241000239290 Araneae Species 0.000 description 1
- 239000000969 carrier Substances 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000003306 harvesting Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000004984 smart glass 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)
Abstract
本发明公开了一种中国农业自然条件和资源地图可视化呈现方法及装置,所述方法根据设定的数据采集原则和指标,采集全国范围的与农业及农业产业链相关的所有农业自然条件和资源数据;按照指标编码规则定义的指标,根据设定的数据处理规格对农业自然条件和资源数据进行结构化处理,得到结构化数据,并根据结构化数据建立基础数据库,以及实时更新基础数据库;基于AMC模块归类规则,根据基础数据库和全国范围的区域地图数据,设置相应的地理属性热键和时间属性热键,进而建立可视化的农业自然条件和资源地图。本发明采用规范的数据归类规则,能够将杂、散、乱的数据分别在农业自然条件和资源地图实现可视化的同时,也实现了信息之间的关联性。
Description
技术领域
本发明涉及数据处理技术领域,尤其涉及一种中国农业自然条件和资源地图可视化呈现方法及装置。
背景技术
目前,关于农业行业,线下线上的数据信息繁杂,如与农业相关的有宏观数据、作物数据、动物数据等。以作物为例,每种作物有各地区不同时期不同品种的种植/播种面积、收成面积、产量等,数据量庞大,维度多样化,从而导致数据整理起来难度比较大,将数量庞大维度多样的信息直观地展现出来难度更明显。对于数据、信息的可视化展现,现有技术往往会停留在柱状图、饼图、蛛网图等比较局限的图表上。这些图对数据的呈现通常局限在数据量比较少而且维度比较少的情况下。随着大数据时代的到来,这些传统的图片呈现方式已不能满足要求。
虽然当前市面上也有不少可视化工具也是以地图为载体的产品,但是由于这些地图背后缺乏规范的数据归类规则,而导致所呈现的信息比较散乱,也体现不出信息之间的关联性,不利于信息的挖掘。
发明内容
本发明实施例所要解决的技术问题在于,提供一种中国农业自然条件和资源地图可视化呈现方法及装置,采用规范的数据归类规则,能够将杂、散、乱的数据分别在农业自然条件和资源地图实现可视化的同时,也实现了信息之间的关联性。
为了解决上述技术问题,本发明的一个实施例提供了一种中国农业自然条件和资源地图可视化呈现方法,适于在计算设备中执行,至少包括如下步骤:
采集全国范围的与农业及农业产业链相关的所有农业自然条件和资源数据;
按照指标编码规则定义的指标,根据设定的数据处理规格对所述农业自然条件和资源数据进行结构化处理,得到结构化数据,并根据所述结构化数据建立基础数据库,以及实时更新所述基础数据库;
基于AMC模块归类规则,根据所述基础数据库和全国范围的区域地图数据,设置相应的地理属性热键和时间属性热键,进而建立可视化的农业自然条件和资源地图。
进一步地,地理属性热键和时间属性热键均为根据所述基础数据库和全国范围的区域地图数据之间的对应关系设计,作为控件,用于根据用户的操作指令显示农业自然条件和资源地图上对应目标区域的农业自然条件和资源数据和对应时间轴的农业自然条件和资源数据。
进一步地,所述按照指标编码规则定义的指标,根据设定的数据处理规格对所述农业自然条件和资源数据进行结构化处理,得到结构化数据,并根据所述结构化数据建立基础数据库,以及实时更新所述基础数据库,具体为:
按照指标编码规则定义的指标,根据设定的数据处理规格,首先利用机器学习将所述农业自然条件和资源数据中的文字和表格形式的原始数据按关键字进行拆分,得到各指标关键字,然后根据指标编码规则对各指标关键字进行翻译,以将所述关键字转换为机器代码,即将原始数据的所有限制条件转换为一个由各条件对应编码组合成的编码,该编码与汉字描述能够进行转换,从而得到所述农业自然条件和资源数据对应的结构化数据;
进一步地,根据所述结构化数据建立基础数据库,以及实时更新所述基础数据库。
进一步地,所述指标编码规则包括第一层的区域指标编码和第二层的自定义属性编码;其中,
所述区域指标编码包括地区属性、类和指标;所述地区属性分国家、省、市和县四级,对应N、P、Ci和Cy编码;
所述自定义属性编码包括统计项item,地区和统计时间;所述统计项item对应各种统计单元,所述地区对应具体的省、市和县。
进一步地,所述数据处理规格为,对国家级的农业自然条件和资源数据,按照《中国农业年鉴》的数据库架构设计具体的指标,对省、市和区级的农业自然条件和资源数据按各地的数据库结构设计具体的指标。
进一步地,所述农业自然条件和资源数据包括与农业有关的自然条件和自然资源,包括农业地貌、农业气候、农业水文、农业土壤、土地类型、土地资源、农业植被、农业病虫害;还包括农业劳动力资源、农业人口、农业劳动力、水利工程、农业机械化、农村用电、化肥、农药、水陆交通条件、农业院校以及科研机构。
进一步地,所述AMC模块归类规则包括农业环境资源信息模块、畜牧业模块、农作物资源模块和养殖业模块。
本发明的一个实施例还提供了一种中国农业自然条件和资源地图可视化呈现装置,包括:
数据采集模块,用于采集全国范围的与农业及农业产业链相关的所有农业自然条件和资源数据;
数据处理模块,用于按照指标编码规则定义的指标,根据设定的数据处理规格对所述农业自然条件和资源数据进行结构化处理,得到结构化数据,并根据所述结构化数据建立基础数据库,以及实时更新所述基础数据库;
数据呈现模块,用于基于AMC模块归类规则,根据所述基础数据库和全国范围的区域地图数据,设置相应的地理属性热键和时间属性热键,进而建立可视化的农业自然条件和资源地图。
进一步地,地理属性热键和时间属性热键均为根据所述基础数据库和全国范围的区域地图数据之间的对应关系设计,作为控件,用于根据用户的操作指令显示农业自然条件和资源地图上对应目标区域的农业自然条件和资源数据和对应时间轴的农业自然条件和资源数据。
实施本发明实施例,具有如下有益效果:
本发明实施例提供的一种中国农业自然条件和资源地图可视化呈现方法及装置,所述方法包括:采集全国范围的与农业及农业产业链相关的所有农业自然条件和资源数据;按照指标编码规则定义的指标,根据设定的数据处理规格对所述农业自然条件和资源数据进行结构化处理,得到结构化数据,并根据所述结构化数据建立基础数据库,以及实时更新所述基础数据库;基于AMC模块归类规则,根据所述基础数据库和全国范围的区域地图数据,设置相应的地理属性热键和时间属性热键,进而建立可视化的农业自然条件和资源地图。本发明提供一种中国农业自然条件和资源地图可视化呈现方法及装置,采用规范的数据归类规则,能够将杂、散、乱的数据分别在农业自然条件和资源地图实现可视化的同时,也实现了信息之间的关联性。
附图说明
图1是本发明第一实施例的提供的一种中国农业自然条件和资源地图可视化呈现方法的流程示意图;
图2是本发明第一实施例的提供的另一种一种中国农业自然条件和资源地图可视化呈现方法的流程示意图;
图3是本发明实施例的提供的指标定义及管理后台操作界面图;
图4是本发明实施例的提供的结构化数据后台批量导入操作界面及查询界面图;
图5是本发明实施例的提供的全国农业数据动态柱状图可视化效果图;
图6是本发明实施例的提供的点击地图地区热键后呈现的动态柱状图可视化效果图;
图7是本发明第二实施例提供的一种中国农业自然条件和资源地图可视化呈现装置的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
需要说明的是,以下实施例中提及的终端可以是移动终端以及非移动终端,非移动终端包括台式计算机,移动终端包括智能手机(Smart Phone,如Android手机、iOS手机等)、智能眼镜、智能手表、智能手环、平板电脑、笔记本电脑、个人数字助理等可以进行无线通信的移动互联网设备。
首先介绍本发明可以提供的应用场景,如中国农业自然条件和资源地图的可视化呈现。
本发明第一实施例,请参阅图 1-6。
如图1-2所示,本实施例提供的提供了一种中国农业自然条件和资源地图可视化呈现方法,适于在计算设备中执行,至少包括如下步骤:
S100、采集全国范围的与农业及农业产业链相关的所有农业自然条件和资源数据;
对于步骤S100,可以理解的是,根据设定的数据采集原则和指标,通过资讯收集装置和人工进行线上线下的数据采集,采集的数据主要来源《中国农业年鉴》数据库以及全国各省、市年鉴,其中《中国农业年鉴》数据库对应的结果是呈现中国农业的总体状况;数据库的架构可按年鉴呈现或根据在线呈现的需要来设计;处理的方法及标准是把《中国农业年鉴》里的“农业经济统计”章节里的“综合”,“种植业”,“畜牧业”3部分的数据全部抽取出来,形成数据库;具体指标包括地区名称、作物名称、播种面积、总产量以及单位产量(具体单位标准按年鉴上标注),原则是年鉴里的数据全部都必须抽取,凡是和农业及农业产业链有关的数据和资料都必须抽取出来放入项目数据库;全国各省、市年鉴对应的数据是各省、市统计年鉴的农业部分数据,根据具体情况以及每个省、市的不同指标抽取数据。
S200、按照指标编码规则定义的指标,根据设定的数据处理规格对所述农业自然条件和资源数据进行结构化处理,得到结构化数据,并根据所述结构化数据建立基础数据库,以及实时更新所述基础数据库;
对于步骤S200,可以理解的是,在获取原始数据后,按指标编码规则定义指标,使得非结构化的数据变为结构化,符合批量导入此系统的结构数据,并实行批量导入数据。一般地,原始数据包含:内容上包含最早可至1949年以来覆盖中国全国、省、市、区(县)各级的农业生产资料、从业人员、产出、贸易层面全方位数据。结构上以2015年中国稻谷产量20822.52236万吨为例,包含2015年这一时间、中国这一地区、稻谷这一统计项、产量这一指标、20822.52236这一数值、万吨这一单位
具体的,所述按照指标编码规则定义的指标,根据设定的数据处理规格对所述农业自然条件和资源数据进行结构化处理,得到结构化数据,并根据所述结构化数据建立基础数据库,以及实时更新所述基础数据库,具体为:
按照指标编码规则定义的指标,根据设定的数据处理规格,首先利用机器学习将所述农业自然条件和资源数据中的文字和表格形式的原始数据按关键字进行拆分,得到各指标关键字,然后根据指标编码规则对各指标关键字进行翻译,以将所述关键字转换为机器代码,即将原始数据的所有限制条件转换为一个由各条件对应编码组合成的编码,该编码与汉字描述能够进行转换,从而得到所述农业自然条件和资源数据对应的结构化数据;
具体的,根据所述结构化数据建立基础数据库,以及实时更新所述基础数据库。
可以理解的是,数据结构化的具体步骤如下:
机器学习拆分关键字;利用机器学习将文字、表格形式的原始数据按关键字拆分,根据这些原始数据的特点,该工具配套了指标定义及管理后台操作界面;
关键字根据指标编码规则进行翻译,将关键字变为机器代码;
各指标关键字对应的唯一编码进行关键字翻译,将原始数据的所有限制条件转换为一个由各条件对应编码组合成的编码,该编码与汉字描述能随意转换;例如国家级与中国对应N与86,稻谷对应123Rice,产量对应000,000自动归类到07F这一编码下,时间2015无需转换,所以2015年中国稻谷产量编码为 N 07F 000 123Rice 86 2015,对应数据20822.52236万吨,将复杂的文字转换结构化数据从而方便录入数据库。
将结构化数据在后台批量导入操作界面及查询界面进行批量导入;如图3-4所示,通常数据处理定义,无需操作者耗费时间学习指标编码规则再进行定义及管理。根据系统提示填列区域指标编码、年份、数据值、单位、来源的信息即可完成批量导入。
具体的,所述指标编码规则包括第一层的区域指标编码和第二层的自定义属性编码;其中,
所述区域指标编码包括地区属性、类和指标;所述地区属性分国家、省、市和县四级,对应N、P、Ci和Cy编码;
所述自定义属性编码包括统计项item,地区和统计时间;所述统计项item对应各种统计单元,所述地区对应具体的省、市和县。
具体的,所述数据处理规格为,对国家级的农业自然条件和资源数据,按照《中国农业年鉴》的数据库架构设计具体的指标,对省、市和区级的农业自然条件和资源数据按各地的数据库结构设计具体的指标。
可以理解的是,指标编码规则第一层为区域指标编码(下表第二列),是地区属性、类、指标的结合。之所以结合成区域指标,主要是方便DPS数据库后台界面的查询和目录设计。地区属性分国家/省/市/县四级,对应N/P/Ci/Cy编码(如下表是南宁等市的市级数据,编码Ci)。类class、指标index及下面的统计项item三个编码均由数字+英文缩写构成。加入数字字段是为了方便排序,在前台呈现时可以将重要的数据排在前面。下列数据中的06ID对应的就是第六个类——行业数据(industry data),相关指标包括行业产值等。10GOV对应的是产值(gross output value,缩写GOV)这一指标index。
指标编码规则第二层为区域编码之外的其他属性的编码,包括统计项item,地区和统计时间。统计项item对应牛、拖拉机、渔业等统计单元,比如下表中的中的113AH对应的统计项就是畜牧业Animal husbandry(缩写AH)。和地区属性不同,地区对应具体的省市县,比如河南省或者东莞市或者花都区,编码来自国家统计局的行政区划代码表,比如下表中的的450100就是南宁市的编码,而头两位45是南宁市所在的省份——广西壮族自治区的编码;时间编码不提。
另外,需要注意的是有些统计指标index本身就能代表完整的统计意义,后面就不会跟统计项item。比如“农民人均纯收入”这一指标。大部分指标index需要和统计项item合起来才能表示完整的统计意义,比如“牛奶产量”就是“牛奶/milk(属于统计项item)+ 产量/output(属于指标index)”。这两类指标在设计时用一个参数“0/1”区分。“0”表示后面不需要统计项item。
可以理解的是,所述处理规格具体为,对于国家级部分完全按按照《中国农业年鉴》里的“农业经济统计”章节里的“综合”,“种植业”,“畜牧业”3部分的数据库架构进行设计具体指标:地区名称、作物名称、播种面积、总产量、单位产量(具体单位标准按年鉴上标注);省、市、区(县)级则完全按各地的具体指标和数据库结构进行设计(每个省、市、区的都不一样,无法统一格式和具体指标)。
其中,对完全是数字字段的数据采取1%按随机抽查的方式进行检查(与原数据进行对比);文字性的资料采取人工质控的方式进行约5%左右的抽查,如发现错误率高时,需要提高抽查比例。
具体的,所述农业自然条件和资源数据包括与农业有关的自然条件和自然资源,包括农业地貌、农业气候、农业水文、农业土壤、土地类型、土地资源、农业植被、农业病虫害;还包括农业劳动力资源、农业人口、农业劳动力、水利工程、农业机械化、农村用电、化肥、农药、水陆交通条件、农业院校以及科研机构。
可以理解的是,所述农业自然条件和资源地图主要反映与农业有关的自然条件和自然资源,如农业地貌、农业气候、农业水文、农业土壤、土地类型、土地资源、农业植被、农业病虫害等;社会经济条件和技术水平地图主要反映农业劳动力资源、农业技术装备等内容,如农业人口、农业劳动力、水利工程、农业机械化、农村用电、化肥、农药、水陆交通条件、农业院校和科研机构等;所述农业生产分布和水平地图,又称部门农业地图,主要反映农业生产各部门的分布和特征,如农业部门结构(见图农作物结构图)、种植制度、各种作物(粮食作物、经济作物)播种面积、单位面积产量、总产量、作物或牲畜构成、森林分布、牲畜分布、渔业分布、农产品加工、农业劳动生产率等;所述中国可视化的农业自然条件和资源地图,主要反映农业总的情况,如农业地域类型、综合农业规划、农业发展规划、综合农业图等。
S300、基于AMC模块归类规则,根据所述基础数据库和全国范围的区域地图数据,设置相应的地理属性热键和时间属性热键,进而建立可视化的农业自然条件和资源地图。
具体的,地理属性热键和时间属性热键均为根据所述基础数据库和全国范围的区域地图数据之间的对应关系设计,作为控件,用于根据用户的操作指令显示农业自然条件和资源地图上对应目标区域的农业自然条件和资源数据和对应时间轴的农业自然条件和资源数据。
具体的,所述AMC模块归类规则包括农业环境资源信息模块、畜牧业模块、农作物资源模块和养殖业模块。可以理解的是,所述农业环境资源信息模块为农业资源与环境是自然界中能满足农业生产需要的各种要素的总称,是农业生产存在和发展的重要物质基础,农业自然资源指自然界可被利用于农业生产的物质和能量来源。含农业生产可以利用的自然环境要素,如土地资源、水资源、气候资源和生物资源等。查明不同地区农业自然资源的状况、特点和开发潜力,加以合理利用,不但对发展农业具有重要战略意义,而且有利于保护人类生存环境和发展国民经济;气候资源包括太阳辐射、热量、降水等气候因子的数量及其特定组合。气候资源是地球上生命赖以产生、存在和发展的基本条件。太阳辐射是农业自然再生产的能源,植物体的干物质有90~95%系利用太阳能通过光合作用合成。
农业气候资源通常是采用具有一定农业意义的气象(气候)要素值来表示。气候资源在相当大的程度上决定农业生产的布局、结构以及产量的高低和品质的优劣。水资源即可供工农业生产和人类生活开发利用的含较低可溶性盐类而不含有毒物质的水分来源。通常指逐年可以得到更新的那部分淡水量。这是一种动态资源,包括地浅层地下水、地表水和土壤水,而以大气降水为基本补给来源。地表水指河川、湖泊、塘库、沟渠中积聚或流动的水;土壤水指耕层土壤土粒的吸湿水和土壤毛管水;地下水指以各种形式存在于地壳岩石或土壤空隙(孔隙、裂隙、溶洞)中可供开发利用的水。自然降水和地表水、土壤水、地下水之间不断运动交替,互相转化,形成自然界的水循环。水资源对农业生产具有两重性:它既是农业生产的重要条件,又是洪、涝、盐、渍等农业灾害的根源。土地资源是地球表面的陆地区域,是由地貌、土壤、植被等多种因素构成的自然体,它是人类赖以生存的自然基础。
农业用地按其用途和利用状况,可以概分为:①耕地,指耕种农作物的土地,包括水田、水浇地、旱地和菜地等。②园地,指连片种植、集约经营的多年生作物用地,如果园、桑园、茶园、橡胶园等。③林地,指生长林木的土地,包括森林或有林地、灌木林地、疏林地和疏林草地等。④草地,指生长草类可供放牧或刈割饲养牲畜的土地,不包括草田轮作的耕地。⑤内陆水域,指可供水产养殖、捕捞的河流、湖泊、水库、坑塘等淡水水面以及苇地等。⑥沿海滩涂,又称海涂或滩涂,是海边潮涨潮落的地方,位于大潮高低潮位之间,海岸地貌学上称为潮间带,是沿海可供水产养殖、围海造田等的特殊自然资源。
所述畜牧业模块包括全国主要的畜产品:猪、牛、羊等及其附属产品。
所述农作物资源模块包括中国现有的农作物资源,涵盖所有有种植的经济作物,即农业上栽培的各种植物,包括粮食作物﹑经济作物(油料作物、蔬菜作物、花、草、树木)、工业原料作物、饲料作物,药材作物等。
所述养殖业模块包括全国主要的养殖产品,特别是大规模生产的,如鸡、鸭、鹅及其它们的附属产品(蛋等)。
对于步骤S300,可以理解的是,根据导入的所述结构化数据和全国范围的区域地图数据,建立可视化的农业自然条件和资源地图以反映农业总的情况,如农业地域类型、综合农业规划、农业发展规划、综合农业图等,实现以地图的形式动态呈现大量、多维数据的功能。地图分类按地区分有全国、省份以及市级地区等。按内容指标分有作物种植、林业、畜牧业、渔业、肥料、农机贸易等。对于全国数据而言,用柱状图的形式呈现。对于各省市地区数据的呈现用中国地图的形式呈现。
具体的,可视化的数据地图由以下三种图组成:农业自然条件和资源地图、社会经济条件和技术水平地图、农业生产分布和水平地图;所述农业自然条件和资源地图主要反映与农业有关的自然条件和自然资源,如农业地貌、农业气候、农业水文、农业土壤、土地类型、土地资源、农业植被、农业病虫害等;所述社会经济条件和技术水平地图,主要反映农业劳动力资源、农业技术装备等内容,如农业人口、农业劳动力、水利工程、农业机械化、农村用电、化肥、农药、水陆交通条件、农业院校和科研机构等;所述农业生产分布和水平地图,又称部门农业地图,主要反映农业生产各部门的分布和特征,如农业部门结构(见图农作物结构图)、种植制度、各种作物(粮食作物、经济作物)播种面积、单位面积产量、总产量、作物或牲畜构成、森林分布、牲畜分布、渔业分布、农产品加工、农业劳动生产率等。
本实施例提供一种中国农业自然条件和资源地图可视化呈现方法,所述方法包括:采集全国范围的与农业及农业产业链相关的所有农业自然条件和资源数据;按照指标编码规则定义的指标,根据设定的数据处理规格对所述农业自然条件和资源数据进行结构化处理,得到结构化数据,并根据所述结构化数据建立基础数据库,以及实时更新所述基础数据库;基于AMC模块归类规则,根据所述基础数据库和全国范围的区域地图数据,设置相应的地理属性热键和时间属性热键,进而建立可视化的农业自然条件和资源地图。本发明提供一种中国农业自然条件和资源地图可视化呈现方法及装置,采用规范的数据归类规则,能够将杂、散、乱的数据分别在农业自然条件和资源地图实现可视化的同时,也实现了信息之间的关联性。
本发明第二实施例,请参阅图3-7。
如图7所示,本实施例提供的一种中国农业自然条件和资源地图可视化呈现装置,包括数据采集模块100、数据处理模块200和数据呈现模块300;
数据采集模块100,用于采集全国范围的与农业及农业产业链相关的所有农业自然条件和资源数据;
对于数据采集模块100,可以理解的是,根据设定的数据采集原则和指标,通过资讯收集装置和人工进行线上线下的数据采集,采集的数据主要来源《中国农业年鉴》数据库以及全国各省、市年鉴,其中《中国农业年鉴》数据库对应的结果是呈现中国农业的总体状况;数据库的架构可按年鉴呈现或根据在线呈现的需要来设计;处理的方法及标准是把《中国农业年鉴》里的“农业经济统计”章节里的“综合”,“种植业”,“畜牧业”3部分的数据全部抽取出来,形成数据库;具体指标包括地区名称、作物名称、播种面积、总产量以及单位产量(具体单位标准按年鉴上标注),原则是年鉴里的数据全部都必须抽取,凡是和农业及农业产业链有关的数据和资料都必须抽取出来放入项目数据库;全国各省、市年鉴对应的数据是各省、市统计年鉴的农业部分数据,根据具体情况以及每个省、市的不同指标抽取数据。
具体的,所述农业自然条件和资源数据包括与农业有关的自然条件和自然资源,包括农业地貌、农业气候、农业水文、农业土壤、土地类型、土地资源、农业植被、农业病虫害;还包括农业劳动力资源、农业人口、农业劳动力、水利工程、农业机械化、农村用电、化肥、农药、水陆交通条件、农业院校以及科研机构。
可以理解的是,农业自然条件和资源地图,主要反映与农业有关的自然条件和自然资源,如农业地貌、农业气候、农业水文、农业土壤、土地类型、土地资源、农业植被、农业病虫害等;
社会经济条件和技术水平地图,主要反映农业劳动力资源、农业技术装备等内容,如农业人口、农业劳动力、水利工程、农业机械化、农村用电、化肥、农药、水陆交通条件、农业院校和科研机构等;
农业生产分布和水平地图,又称部门农业地图,主要反映农业生产各部门的分布和特征,如农业部门结构(见图农作物结构图)、种植制度、各种作物(粮食作物、经济作物)播种面积、单位面积产量、总产量、作物或牲畜构成、森林分布、牲畜分布、渔业分布、农产品加工、农业劳动生产率等;
中国农业地图总图,主要反映农业总的情况,如农业地域类型、综合农业规划、农业发展规划、综合农业图等。
数据处理模块200,用于按照指标编码规则定义的指标,根据设定的数据处理规格对所述农业自然条件和资源数据进行结构化处理,得到结构化数据,并根据所述结构化数据建立基础数据库,以及实时更新所述基础数据库;
对于数据处理模块200,可以理解的是,在所述数据采集模块100获取原始数据后,数据处理模块200根据数据处理规格处理数据,按指标编码规则定义指标,使得非结构化的数据变为结构化,符合批量导入此系统的结构数据,并实行批量导入数据。一般地,原始数据包含:内容上包含最早可至1949年以来覆盖中国全国、省、市、区(县)各级的农业生产资料、从业人员、产出、贸易层面全方位数据。结构上以2015年中国稻谷产量20822.52236万吨为例,包含2015年这一时间、中国这一地区、稻谷这一统计项、产量这一指标、20822.52236这一数值、万吨这一单位。
具体的,所述按照指标编码规则定义的指标,根据设定的数据处理规格对所述农业自然条件和资源数据进行结构化处理,得到结构化数据,并根据所述结构化数据建立基础数据库,以及实时更新所述基础数据库,具体为:
按照指标编码规则定义的指标,根据设定的数据处理规格,首先利用机器学习将所述农业自然条件和资源数据中的文字和表格形式的原始数据按关键字进行拆分,得到各指标关键字,然后根据指标编码规则对各指标关键字进行翻译,以将所述关键字转换为机器代码,即将原始数据的所有限制条件转换为一个由各条件对应编码组合成的编码,该编码与汉字描述能够进行转换,从而得到所述农业自然条件和资源数据对应的结构化数据;
具体的,根据所述结构化数据建立基础数据库,以及实时更新所述基础数据库。
可以理解的是,数据结构化的具体步骤如下:
机器学习拆分关键字;利用机器学习将文字、表格形式的原始数据按关键字拆分,根据这些原始数据的特点,该工具配套了指标定义及管理后台操作界面;
关键字根据指标编码规则进行翻译,将关键字变为机器代码;
各指标关键字对应的唯一编码进行关键字翻译,将原始数据的所有限制条件转换为一个由各条件对应编码组合成的编码,该编码与汉字描述能随意转换;例如国家级与中国对应N与86,稻谷对应123Rice,产量对应000,000自动归类到07F这一编码下,时间2015无需转换,所以2015年中国稻谷产量编码为 N 07F 000 123Rice 86 2015,对应数据20822.52236万吨,将复杂的文字转换结构化数据从而方便录入数据库。
将结构化数据在后台批量导入操作界面及查询界面进行批量导入;如图3-4所示,通常数据处理定义,无需操作者耗费时间学习指标编码规则再进行定义及管理。根据系统提示填列区域指标编码、年份、数据值、单位、来源的信息即可完成批量导入。
具体的,所述指标编码规则包括第一层的区域指标编码和第二层的自定义属性编码;其中,
所述区域指标编码包括地区属性、类和指标;所述地区属性分国家、省、市和县四级,对应N、P、Ci和Cy编码;
所述自定义属性编码包括统计项item,地区和统计时间;所述统计项item对应各种统计单元,所述地区对应具体的省、市和县。
可以理解的是,指标编码规则第一层为区域指标编码(下表第二列),是地区属性、类、指标的结合。之所以结合成区域指标,主要是方便DPS数据库后台界面的查询和目录设计。地区属性分国家/省/市/县四级,对应N/P/Ci/Cy编码(如下表是南宁等市的市级数据,编码Ci)。类class、指标index及下面的统计项item三个编码均由数字+英文缩写构成。加入数字字段是为了方便排序,在前台呈现时可以将重要的数据排在前面。下列数据中的06ID对应的就是第六个类——行业数据(industry data),相关指标包括行业产值等。10GOV对应的是产值(gross output value,缩写GOV)这一指标index。
指标编码规则第二层为区域编码之外的其他属性的编码,包括统计项item,地区和统计时间。统计项item对应牛、拖拉机、渔业等统计单元,比如下表中的中的113AH对应的统计项就是畜牧业Animal husbandry(缩写AH)。和地区属性不同,地区对应具体的省市县,比如河南省或者东莞市或者花都区,编码来自国家统计局的行政区划代码表,比如下表中的的450100就是南宁市的编码,而头两位45是南宁市所在的省份——广西壮族自治区的编码;时间编码不提。
另外,需要注意的是有些统计指标index本身就能代表完整的统计意义,后面就不会跟统计项item。比如“农民人均纯收入”这一指标。大部分指标index需要和统计项item合起来才能表示完整的统计意义,比如“牛奶产量”就是“牛奶/milk(属于统计项item)+ 产量/output(属于指标index)”。这两类指标在设计时用一个参数“0/1”区分。“0”表示后面不需要统计项item。
具体的,所述数据处理规格为,对国家级的农业自然条件和资源数据,按照《中国农业年鉴》的数据库架构设计具体的指标,对省、市和区级的农业自然条件和资源数据按各地的数据库结构设计具体的指标。
可以理解的是,所述处理规格具体为,对于国家级部分完全按按照《中国农业年鉴》里的“农业经济统计”章节里的“综合”,“种植业”,“畜牧业”3部分的数据库架构进行设计具体指标:地区名称、作物名称、播种面积、总产量、单位产量(具体单位标准按年鉴上标注);省、市、区(县)级则完全按各地的具体指标和数据库结构进行设计(每个省、市、区的都不一样,无法统一格式和具体指标)。
其中,对完全是数字字段的数据采取1%按随机抽查的方式进行检查(与原数据进行对比);文字性的资料采取人工质控的方式进行约5%左右的抽查,如发现错误率高时,需要提高抽查比例。
数据呈现模块300,用于基于AMC模块归类规则,根据所述基础数据库和全国范围的区域地图数据,设置相应的地理属性热键和时间属性热键,进而建立可视化的农业自然条件和资源地图。
具体的,所述AMC模块归类规则包括农业环境资源信息模块、畜牧业模块、农作物资源模块和养殖业模块。
可以理解的是,所述农业自然条件和资源地图主要反映与农业有关的自然条件和自然资源,如农业地貌、农业气候、农业水文、农业土壤、土地类型、土地资源、农业植被、农业病虫害等;社会经济条件和技术水平地图主要反映农业劳动力资源、农业技术装备等内容,如农业人口、农业劳动力、水利工程、农业机械化、农村用电、化肥、农药、水陆交通条件、农业院校和科研机构等;所述农业生产分布和水平地图,又称部门农业地图,主要反映农业生产各部门的分布和特征,如农业部门结构(见图农作物结构图)、种植制度、各种作物(粮食作物、经济作物)播种面积、单位面积产量、总产量、作物或牲畜构成、森林分布、牲畜分布、渔业分布、农产品加工、农业劳动生产率等;所述中国可视化的农业自然条件和资源地图,主要反映农业总的情况,如农业地域类型、综合农业规划、农业发展规划、综合农业图等。
可以理解的是,所述农业环境资源信息模块为农业资源与环境是自然界中能满足农业生产需要的各种要素的总称,是农业生产存在和发展的重要物质基础,农业自然资源指自然界可被利用于农业生产的物质和能量来源。含农业生产可以利用的自然环境要素,如土地资源、水资源、气候资源和生物资源等。查明不同地区农业自然资源的状况、特点和开发潜力,加以合理利用,不但对发展农业具有重要战略意义,而且有利于保护人类生存环境和发展国民经济;气候资源包括太阳辐射、热量、降水等气候因子的数量及其特定组合。气候资源是地球上生命赖以产生、存在和发展的基本条件。太阳辐射是农业自然再生产的能源,植物体的干物质有90~95%系利用太阳能通过光合作用合成。
农业气候资源通常是采用具有一定农业意义的气象(气候)要素值来表示。气候资源在相当大的程度上决定农业生产的布局、结构以及产量的高低和品质的优劣。水资源即可供工农业生产和人类生活开发利用的含较低可溶性盐类而不含有毒物质的水分来源。通常指逐年可以得到更新的那部分淡水量。这是一种动态资源,包括地浅层地下水、地表水和土壤水,而以大气降水为基本补给来源。地表水指河川、湖泊、塘库、沟渠中积聚或流动的水;土壤水指耕层土壤土粒的吸湿水和土壤毛管水;地下水指以各种形式存在于地壳岩石或土壤空隙(孔隙、裂隙、溶洞)中可供开发利用的水。自然降水和地表水、土壤水、地下水之间不断运动交替,互相转化,形成自然界的水循环。水资源对农业生产具有两重性:它既是农业生产的重要条件,又是洪、涝、盐、渍等农业灾害的根源。土地资源是地球表面的陆地区域,是由地貌、土壤、植被等多种因素构成的自然体,它是人类赖以生存的自然基础。
农业用地按其用途和利用状况,可以概分为:①耕地,指耕种农作物的土地,包括水田、水浇地、旱地和菜地等。②园地,指连片种植、集约经营的多年生作物用地,如果园、桑园、茶园、橡胶园等。③林地,指生长林木的土地,包括森林或有林地、灌木林地、疏林地和疏林草地等。④草地,指生长草类可供放牧或刈割饲养牲畜的土地,不包括草田轮作的耕地。⑤内陆水域,指可供水产养殖、捕捞的河流、湖泊、水库、坑塘等淡水水面以及苇地等。⑥沿海滩涂,又称海涂或滩涂,是海边潮涨潮落的地方,位于大潮高低潮位之间,海岸地貌学上称为潮间带,是沿海可供水产养殖、围海造田等的特殊自然资源。
所述畜牧业模块包括全国主要的畜产品:猪、牛、羊等及其附属产品。
所述农作物资源模块包括中国现有的农作物资源,涵盖所有有种植的经济作物,即农业上栽培的各种植物,包括粮食作物﹑经济作物(油料作物、蔬菜作物、花、草、树木)、工业原料作物、饲料作物,药材作物等。
所述养殖业模块包括全国主要的养殖产品,特别是大规模生产的,如鸡、鸭、鹅及其它们的附属产品(蛋等)。
具体的,地理属性热键和时间属性热键均为根据所述基础数据库和全国范围的区域地图数据之间的对应关系设计,作为控件,用于根据用户的操作指令显示农业自然条件和资源地图上对应目标区域的农业自然条件和资源数据和对应时间轴的农业自然条件和资源数据。
对于数据呈现模块300,如图5-6所示,可以理解的是,在所述数据处理模块200对原始数据进行处理后,根据所述基础数据库和全国范围的区域地图数据,设置相应的地理属性热键和时间属性热键,建立可视化的农业自然条件和资源地图以反映农业总的情况,如农业地域类型、综合农业规划、农业发展规划、综合农业图等,实现以地图的形式动态呈现大量、多维数据的功能。地图分类按地区分有全国、省份以及市级地区等。按内容指标分有作物种植、林业、畜牧业、渔业、肥料、农机贸易等。对于全国数据而言,用柱状图的形式呈现。对于各省市地区数据的呈现用中国地图的形式呈现。
具体的,可视化的农业自然条件和资源地图由以下三种图组成:农业自然条件和资源地图、社会经济条件和技术水平地图、农业生产分布和水平地图;所述农业自然条件和资源地图主要反映与农业有关的自然条件和自然资源,如农业地貌、农业气候、农业水文、农业土壤、土地类型、土地资源、农业植被、农业病虫害等;所述社会经济条件和技术水平地图,主要反映农业劳动力资源、农业技术装备等内容,如农业人口、农业劳动力、水利工程、农业机械化、农村用电、化肥、农药、水陆交通条件、农业院校和科研机构等;所述农业生产分布和水平地图,又称部门农业地图,主要反映农业生产各部门的分布和特征,如农业部门结构(见图农作物结构图)、种植制度、各种作物(粮食作物、经济作物)播种面积、单位面积产量、总产量、作物或牲畜构成、森林分布、牲畜分布、渔业分布、农产品加工、农业劳动生产率等。
本实施例提供的一种中国农业自然条件和资源地图可视化呈现装置,包括数据采集模块、数据处理模块和数据呈现模块;所述数据采集模块,用于采集全国范围的与农业及农业产业链相关的所有农业自然条件和资源数据;所述数据处理模块,用于按照指标编码规则定义的指标,根据设定的数据处理规格对所述农业自然条件和资源数据进行结构化处理,得到结构化数据,并根据所述结构化数据建立基础数据库,以及实时更新所述基础数据库;所述数据呈现模块,用于基于AMC模块归类规则,根据所述基础数据库和全国范围的区域地图数据,设置相应的地理属性热键和时间属性热键,进而建立可视化的农业自然条件和资源地图。本发明采用规范的数据归类规则,能够将杂、散、乱的数据分别在农业自然条件和资源地图和农业生产分布和水平地图实现可视化的同时,也实现了信息之间的关联性。
以上所述是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和变形,这些改进和变形也视为本发明的保护范围。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-OnlyMemory,ROM)或随机存储记忆体(RandomAccessMemory,RAM)等。
Claims (5)
1.一种中国农业自然条件和资源地图可视化呈现方法,适于在计算设备中执行,其特征在于,至少包括如下步骤:
采集全国范围的与农业及农业产业链相关的所有农业自然条件和资源数据;
按照指标编码规则定义的指标,根据设定的数据处理规格对所述农业自然条件和资源数据进行结构化处理,得到结构化数据,并根据所述结构化数据建立基础数据库,以及实时更新所述基础数据库;
基于AMC模块归类规则,根据所述基础数据库和全国范围的区域地图数据,设置相应的地理属性热键和时间属性热键,进而建立可视化的农业自然条件和资源地图;所述AMC模块归类规则包括农业环境资源信息模块、畜牧业模块、农作物资源模块和养殖业模块;
其中,所述按照指标编码规则定义的指标,根据设定的数据处理规格对所述农业自然条件和资源数据进行结构化处理,得到结构化数据,并根据所述结构化数据建立基础数据库,以及实时更新所述基础数据库,具体为:
按照指标编码规则定义的指标,根据设定的数据处理规格,首先利用机器学习将所述农业自然条件和资源数据中的文字和表格形式的原始数据按关键字进行拆分,得到各指标关键字,然后根据指标编码规则对各指标关键字进行翻译,以将所述关键字转换为机器代码,即将原始数据的所有限制条件转换为一个由各条件对应编码组合成的编码,该编码与汉字描述能够进行转换,从而得到所述农业自然条件和资源数据对应的结构化数据;根据区域指标编码、年份、数据值、单位、来源的信息,将所述结构化数据在后台批量导入操作界面及查询界面进行批量导入,以建立基础数据库,以及实时更新所述基础数据库;所述指标编码规则包括第一层的区域指标编码和第二层的自定义属性编码;所述自定义属性编码包括统计项item,地区和统计时间;
地理属性热键和时间属性热键均为根据所述基础数据库和全国范围的区域地图数据之间的对应关系设计,作为控件,用于根据用户的操作指令显示农业自然条件和资源地图上对应目标区域的农业自然条件和资源数据和对应时间轴的农业自然条件和资源数据。
2.根据权利要求1所述的中国农业自然条件和资源地图可视化呈现方法,其特征在于,所述区域指标编码包括地区属性、类和指标;所述地区属性分国家、省、市和县四级,对应N、P、Ci和Cy编码;
所述统计项item对应各种统计单元,所述地区对应具体的省、市和县。
3.根据权利要求1所述的中国农业自然条件和资源地图可视化呈现方法,其特征在于,所述数据处理规格为,对国家级的农业自然条件和资源数据,按照《中国农业年鉴》的数据库架构设计具体的指标,对省、市和区级的农业自然条件和资源数据按各地的数据库结构设计具体的指标。
4.根据权利要求1所述的中国农业自然条件和资源地图可视化呈现方法,其特征在于,所述农业自然条件和资源数据包括与农业有关的自然条件和自然资源,包括农业地貌、农业气候、农业水文、农业土壤、土地类型、土地资源、农业植被、农业病虫害;还包括农业劳动力资源、农业人口、农业劳动力、水利工程、农业机械化、农村用电、化肥、农药、水陆交通条件、农业院校以及科研机构。
5.一种中国农业自然条件和资源地图可视化呈现装置,其特征在于,包括:
数据采集模块,用于采集全国范围的与农业及农业产业链相关的所有农业自然条件和资源数据;
数据处理模块,用于按照指标编码规则定义的指标,根据设定的数据处理规格对所述农业自然条件和资源数据进行结构化处理,得到结构化数据,并根据所述结构化数据建立基础数据库,以及实时更新所述基础数据库;
数据呈现模块,用于基于AMC模块归类规则,根据所述基础数据库和全国范围的区域地图数据,设置相应的地理属性热键和时间属性热键,进而建立可视化的农业自然条件和资源地图;所述AMC模块归类规则包括农业环境资源信息模块、畜牧业模块、农作物资源模块和养殖业模块;
其中,所述按照指标编码规则定义的指标,根据设定的数据处理规格对所述农业自然条件和资源数据进行结构化处理,得到结构化数据,并根据所述结构化数据建立基础数据库,以及实时更新所述基础数据库,具体为:
按照指标编码规则定义的指标,根据设定的数据处理规格,首先利用机器学习将所述农业自然条件和资源数据中的文字和表格形式的原始数据按关键字进行拆分,得到各指标关键字,然后根据指标编码规则对各指标关键字进行翻译,以将所述关键字转换为机器代码,即将原始数据的所有限制条件转换为一个由各条件对应编码组合成的编码,该编码与汉字描述能够进行转换,从而得到所述农业自然条件和资源数据对应的结构化数据;根据区域指标编码、年份、数据值、单位、来源的信息,将所述结构化数据在后台批量导入操作界面及查询界面进行批量导入,以建立基础数据库,以及实时更新所述基础数据库;所述指标编码规则包括第一层的区域指标编码和第二层的自定义属性编码;所述自定义属性编码包括统计项item,地区和统计时间;
地理属性热键和时间属性热键均为根据所述基础数据库和全国范围的区域地图数据之间的对应关系设计,作为控件,用于根据用户的操作指令显示农业自然条件和资源地图上对应目标区域的农业自然条件和资源数据和对应时间轴的农业自然条件和资源数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811165244.XA CN109522376B (zh) | 2018-09-30 | 2018-09-30 | 一种中国农业自然条件和资源地图可视化呈现方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811165244.XA CN109522376B (zh) | 2018-09-30 | 2018-09-30 | 一种中国农业自然条件和资源地图可视化呈现方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109522376A CN109522376A (zh) | 2019-03-26 |
CN109522376B true CN109522376B (zh) | 2023-10-27 |
Family
ID=65772544
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811165244.XA Active CN109522376B (zh) | 2018-09-30 | 2018-09-30 | 一种中国农业自然条件和资源地图可视化呈现方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109522376B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113159698B (zh) * | 2020-12-14 | 2022-06-24 | 国家林业和草原局华东调查规划设计院 | 一种林业数据协同处理系统 |
CN112732670A (zh) * | 2020-12-31 | 2021-04-30 | 石河子大学 | 一种基于网络大数据的农业资源整合方法和系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6401041B1 (en) * | 2000-05-11 | 2002-06-04 | Clayton Petersen | Automated graphical representation of agricutural information |
CN101635041A (zh) * | 2009-04-01 | 2010-01-27 | 河北农业大学 | 一种耕地集约利用潜力评价方法 |
CN102542346A (zh) * | 2011-12-21 | 2012-07-04 | 中国农业科学院农业信息研究所 | 农产品市场监测预警系统 |
CN102591960A (zh) * | 2011-12-30 | 2012-07-18 | 中国农业科学院农业信息研究所 | 农业经济电子地图数据服务接口方法 |
CN107180076A (zh) * | 2017-04-18 | 2017-09-19 | 中国检验检疫科学研究院 | 基于高分辨质谱+互联网+地理信息的农药残留在线溯源与预警视频化方法 |
JP2018046787A (ja) * | 2016-09-23 | 2018-03-29 | ドローン・ジャパン株式会社 | 農業管理予測システム、農業管理予測方法、及びサーバ装置 |
CN107958085A (zh) * | 2017-12-18 | 2018-04-24 | 中国农业科学院农业资源与农业区划研究所 | 一种农业资源多源空间数据共享平台及其查询方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5878610B1 (ja) * | 2014-11-26 | 2016-03-08 | ウイングアーク1st株式会社 | 地理情報を利用したデータ処理システムおよびデータ処理用プログラム |
US9813512B2 (en) * | 2015-04-20 | 2017-11-07 | Agverdict, Inc. | Systems and methods for efficiently generating a geospatial data map for use in agricultural operations |
-
2018
- 2018-09-30 CN CN201811165244.XA patent/CN109522376B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6401041B1 (en) * | 2000-05-11 | 2002-06-04 | Clayton Petersen | Automated graphical representation of agricutural information |
CN101635041A (zh) * | 2009-04-01 | 2010-01-27 | 河北农业大学 | 一种耕地集约利用潜力评价方法 |
CN102542346A (zh) * | 2011-12-21 | 2012-07-04 | 中国农业科学院农业信息研究所 | 农产品市场监测预警系统 |
CN102591960A (zh) * | 2011-12-30 | 2012-07-18 | 中国农业科学院农业信息研究所 | 农业经济电子地图数据服务接口方法 |
JP2018046787A (ja) * | 2016-09-23 | 2018-03-29 | ドローン・ジャパン株式会社 | 農業管理予測システム、農業管理予測方法、及びサーバ装置 |
CN107180076A (zh) * | 2017-04-18 | 2017-09-19 | 中国检验检疫科学研究院 | 基于高分辨质谱+互联网+地理信息的农药残留在线溯源与预警视频化方法 |
CN107958085A (zh) * | 2017-12-18 | 2018-04-24 | 中国农业科学院农业资源与农业区划研究所 | 一种农业资源多源空间数据共享平台及其查询方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109522376A (zh) | 2019-03-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
de Bie | Comparative performance analysis of agro-ecosystems | |
Cesco et al. | Smart agriculture and digital twins: Applications and challenges in a vision of sustainability | |
CN103886409A (zh) | 农业种植辅助决策系统 | |
Cousins et al. | A methodological study for biotope and landscape mapping based on CIR aerial photographs | |
Chopin et al. | A novel approach for assessing the contribution of agricultural systems to the sustainable development of regions with multi-scale indicators: Application to Guadeloupe | |
Dong et al. | Digital mapping of soil available phosphorus supported by AI technology for precision agriculture | |
Justus et al. | Spatial distribution of greenhouse commercial horticulture in Kenya and the role of demographic, infrastructure and topo-edaphic factors | |
CN109522376B (zh) | 一种中国农业自然条件和资源地图可视化呈现方法及装置 | |
CN109522358B (zh) | 一种中国农业地图总图的可视化呈现系统 | |
De Benedetto et al. | Impacts of agro-ecological practices on soil losses and cash crop yield | |
Németh et al. | Long-term land use and landscape pattern changes in a marshland of Hungary | |
CN109522377B (zh) | 一种中国农业生产分布和水平地图可视化呈现方法及装置 | |
Swaminathan | Indian agriculture at the crossroads | |
Feizizadeh et al. | A scenario-based food security analysis and halophyte crop suitability assessment in dying lake environments impacted by climate change | |
Assefa | Experimental and Modeling Evaluation of Conservation Agriculture with Drip Irrigation for Small-Scale Agriculture in Sub-Saharan Africa | |
Chathuranika et al. | Investigation of Rain-Fed Horticulture Productivity in the Namangan Region, Uzbekistan | |
Lee et al. | Effect of climate change on field crop production in the Central Valley of California | |
Custovic et al. | Classification of Agricultural Areas According to 4-Level of CORINE Land Cover Nomenclature | |
Elbashir | Agricultural Mechanization and Food Security in Saudi Arabia | |
Jangid | Resource Use Efficiency and Optimum Cropping Pattern in Rajasthan | |
Marcar et al. | Tree-growing strategies for the productive use of saline land. | |
Nasir et al. | Representative agricultural pathways and socioeconomic benefits of groundwater management interventions in Punjab, Sindh and Balochistan Provinces, Pakistan | |
Rao et al. | Land resource utilization by different crops in India: Need for effective land use planning | |
Dobre et al. | Influence of pesticide using on the quality of sustainable agriculture | |
Tóth et al. | Development of an online soil valuation database |
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 |