CN110276540A - 一种区域农业抗灾能力信息数据综合处理系统及方法 - Google Patents
一种区域农业抗灾能力信息数据综合处理系统及方法 Download PDFInfo
- Publication number
- CN110276540A CN110276540A CN201910513434.4A CN201910513434A CN110276540A CN 110276540 A CN110276540 A CN 110276540A CN 201910513434 A CN201910513434 A CN 201910513434A CN 110276540 A CN110276540 A CN 110276540A
- Authority
- CN
- China
- Prior art keywords
- data
- agriculture
- index
- ability
- disaster
- 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 49
- 238000013499 data model Methods 0.000 claims abstract description 26
- 238000004458 analytical method Methods 0.000 claims abstract description 21
- 238000013500 data storage Methods 0.000 claims abstract description 17
- 238000010276 construction Methods 0.000 claims abstract description 8
- 238000012545 processing Methods 0.000 claims abstract description 6
- 238000012546 transfer Methods 0.000 claims abstract description 4
- 238000011156 evaluation Methods 0.000 claims description 50
- 238000007689 inspection Methods 0.000 claims description 8
- 238000005457 optimization Methods 0.000 claims description 8
- 238000003646 Spearman's rank correlation coefficient Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000009826 distribution Methods 0.000 claims description 4
- 230000002776 aggregation Effects 0.000 claims description 3
- 238000004220 aggregation Methods 0.000 claims description 3
- 238000012512 characterization method Methods 0.000 claims description 3
- 235000013399 edible fruits Nutrition 0.000 claims description 2
- 238000003672 processing method Methods 0.000 claims description 2
- YBMRDBCBODYGJE-UHFFFAOYSA-N germanium dioxide Chemical compound O=[Ge]=O YBMRDBCBODYGJE-UHFFFAOYSA-N 0.000 claims 2
- 238000003860 storage Methods 0.000 description 24
- 230000008569 process Effects 0.000 description 5
- 238000011160 research Methods 0.000 description 5
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000011002 quantification Methods 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000013210 evaluation model Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000009897 systematic effect Effects 0.000 description 2
- 238000012271 agricultural production Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000010224 classification analysis Methods 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 238000012272 crop production Methods 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 230000009746 freeze damage Effects 0.000 description 1
- JEGUKCSWCFPDGT-UHFFFAOYSA-N h2o hydrate Chemical compound O.O JEGUKCSWCFPDGT-UHFFFAOYSA-N 0.000 description 1
- 238000003306 harvesting Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000003973 irrigation Methods 0.000 description 1
- 230000002262 irrigation Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000035800 maturation Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000010534 mechanism of action Effects 0.000 description 1
- 230000000116 mitigating effect Effects 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000000513 principal component analysis Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
- 230000003068 static effect 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
- 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] 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—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)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Agronomy & Crop Science (AREA)
- Animal Husbandry (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明属于农业抗灾能力数据处理技术领域，公开了一种区域农业抗灾能力信息数据综合处理系统及方法，数据模型建造器与数据统计分析器、指标权重分配器和数据存储器相连接，数据模型建造器将建造好的模型传递到数据统计分析器中，指标权重分配器将不合格的指标重新返回到数据模型建造器中重新建模。建模好的数据将存储进数据存储器中存储。数据统计分析器与指标权重分配器连接，指标权重分配器与运算控制器正向连接，并与数据一致性检验器负反馈连接。本发明使建立的模型更加真实有效地与当地区域农业抗灾能力的真实水平相吻合，真实的反映出当地农业的抗灾能力，为后续区域农业的抗灾防护工作提供了理论依据。
Description
技术领域
本发明属于农业抗灾能力数据处理技术领域，尤其涉及一种区域农业抗灾能力信息数据综合处理系统及方法。
背景技术
农作物生长发育需要一定的气象条件，当气象条件不能达到要求时，作物的生长和成熟就会受到影响。由于不利的气象条件造成的农作物减产歉收，称为农业气象灾害。例如寒潮、倒春寒等，在气象上是一种天气气候现象或过程，不一定造成灾害，但当它们威胁到农作物的生长成熟时，会造成冻害、霜冻、春季低温冷害等农业气象灾害。目前，区域农业缺少一套系统且完整的抗灾害评价方法，无法正确的评价出区域农业在面对灾害时所具有的抵抗能力，从而无法正确的开展对区域农业灾害防止与预警工作。
综上所述，现有技术存在的问题是：区域农业缺少一套正确的抗灾能力评价方法。
发明内容
针对现有技术存在的问题，本发明提供了一种区域农业抗灾能力信息数据综合处理系统及方法。
本发明是这样实现的，一种区域农业抗灾能力信息数据综合处理系统，所述区域农业抗灾能力信息数据综合处理系统设置有数据模型建造器；
数据模型建造器与数据统计分析器、指标权重分配器和数据存储器相连接，数据模型建造器将建造好的模型传递到数据统计分析器中，指标权重分配器将不合格的指标重新返回到数据模型建造器中重新建模；建模好的数据将存储进数据存储器中存储；
数据统计分析器与指标权重分配器连接，指标权重分配器与运算控制器正向连接，并与数据一致性检验器负反馈连接；数据一致性检验器与运算控制器、区域农业抗灾能力生成器连接和数据存储器连接；数据存储器和互联网服务器正向连接，将数据存储器中的数据存储至云端当中。
进一步，所述数据模型建造器，用于将采集到的数据根据真实场景进行数据模型建模。
进一步，所述指标权重分配器可将建模好的数据根据真实情况进行权重分配。
进一步，所述数据一致性检验器用于检验运算出来的指标数据是否符合真实的情况，如果与真实情况有偏差可将数据返回到指标权重分配器当中，重新分配指标。
本发明的另一目的在于提供一种基于所述的区域农业抗灾能力信息数据综合处理系统的区域农业抗灾能力信息数据综合处理方法，所述区域农业抗灾能力信息数据综合处理方法包括：
评价指标体系构建：
综合考虑农业抗灾能力的综合影响和农业抗灾能力的不同表征，依据抗旱指标的选取原则，建立农业抗灾能力评价指标体系；
数据的标准化和农业抗灾能力分类；
对于正向指标：
对于逆向指标：
式中xi为指标实际值，Xi为该项指标的评价值；
综合评价方法和模型构建：
选取斯皮尔曼等级相关系数检验单一评价方法的一致性和密切程度。原假设H0ab:a,b两种方法不相关；备择假设H1ab：a,b两种方法相关；斯皮尔曼计算公式如下：
式中di为两种评价结果排序的等级差，n为评价样本数；在给定的显著水平α，查出斯皮尔曼秩相关系数临界值Cα，当r＞Cα时，拒绝假设H0ab，即两种方法相关，评价结果具有一致性；选用平均值法、波特法和柯普兰法3种方法分别对单一评价结果进行组合评价，并对结果进行排序；如果两个地区的评价值相等，则标准差小的排序在前；对组合优化的结果再次进行斯皮尔曼检验，如果通过检验，则为最终结果；否则进行二次组合评价，循环组合优化直至评价结果收敛通过检验。
本发明的优点及积极效果为：该区域农业抗灾能力信息数据综合处理系统及方法，该方法通过数据的建模、分析处理及各种运算处理，并有负反馈进行数据对比，使建立的模型更加真实有效地与当地区域农业抗灾能力的真实水平相吻合，从而真实的反映出当地农业的抗灾能力，为后续区域农业的抗灾防护工作提供了理论依据。
附图说明
图1是本发明实施例提供的区域农业抗灾能力信息数据综合处理系统的结构示意图；
图中：1、数据模型建造器；2、数据统计分析器；3、指标权重分配器；4、运算控制器；5、数据一致性检验器；6、区域农业抗灾能力生成器；7、数据存储器；8、互联网服务器。
图2是本发明实施例提供的区域农业抗灾能力信息数据综合处理综合评价模型示意图。
具体实施方式
为能进一步了解本发明的发明内容、特点及功效，兹例举以下实施例，并配合附图详细说明如下。
下面结合附图对本发明的技术方案作详细的描述。
如图1所示，本发明实施例提供的区域农业抗灾能力信息数据综合处理系统设置有数据模型建造器1，数据模型建造器1与数据统计分析器2、指标权重分配器3和数据存储器7相连接，数据模型建造器1将建造好的模型传递到数据统计分析器2中，指标权重分配器3将不合格的指标重新返回到数据模型建造器1中重新建模。建模好的数据将存储进数据存储器7中存储。
数据统计分析器2与指标权重分配器3连接，指标权重分配器3与运算控制器4正向连接，并与数据一致性检验器5负反馈连接。数据一致性检验器5与运算控制器4、区域农业抗灾能力生成器6连接和数据存储器7连接。数据存储器7和互联网服务器8正向连接，可将数据存储器7中的数据存储至云端当中。
进一步，通过数据模型建造器1建立数据模型。建立数据模型包括建立存储信息表、存储标签表和存储合并表。
存储信息表的字段信息包括ID、存储名称、存储总容量、存储已用容量和存储状态；
存储标签表的字段信息包括ID、关联存储ID、标签名称和标签值；
存储合并表的字段信息包括存储ID、合并后存储ID、存储名称、存储总容量、存储已用容量和存储状态。
进一步，存储信息的ID和存储标签表的ID均采用32位的通用识别码；
存储信息表的存储总容量和存储已用容量的单位以及存储合并表的存储总容量和存储已用容量的单位均采用GB；
存储信息表和存储合并表中的存储状态均指的是存储设备的运行状态，包括可用或不可用两种状态。
本发明在对区域农业抗灾能力评价时，首先收集该区域内的农业灾害影响指标，根据实际情况选择出影响力最高的几个农业灾害指标。根据收集的几个最重要的农业灾害指标通过数据模型建造器1建立一个相对应的灾害指标模型，并将收集到的相关重要数据放入至该模型当中。这些灾害指标可能包含冷害、霜冻、干旱、洪涝、干热风、冰雹等。
当通过数据模型建造器1建立好模型之后，将该模型传送至数据统计分析器2当中进行数据统计分析，统计出该地区各种农业的灾害出现的频率及影响程度，根据不同的信息统计出各种信息重要指标。然后将这些指标传递给指标权重分配器3中，通过之前统计的灾害影响信息，本发明根据影响程度的不同通过指标权重分配器3给这些影响指标加以不同的权重，并传递到运算控制器4进行相关的线性及非线性控制运算。通过运算本发明将得到相关的函数关系及其影响因子，并发送至数据一致性检验器5中进行对比检验，通过对真实农业灾害风险评估对比，本发明将分析得出该批次经过运算控制器4运算得到的数据是否符合真实情况及数据。
如果符合真实情况及数据，将该数据传递到数据存储器7中进行存储记录，然后上传至互联网服务器8中进行云备份，并通过区域农业抗灾能力生成器6生成相关的灾害报告，如果不符合则将这组数据进行负反馈至指标权重分配器3中进行重新权重分配，如果经过多次分配还是不能满足真实情况，则将数据返回至数据模型建造器1中，并重新建模，然后重复执行上述步骤，直至完成对区域农业抗灾能力的评价。
下面结合具体分析对本发明的技术方案作进一步描述。
农业抗灾能力综合评价的核心问题是确定评价指标体系和选取评价方法。农业抗灾能力是一个复杂的系统，要建立一套科学合理的农业抗灾能力评价指标体系会面临许多难题，需要有一定的原则去分析和判断，明确评价的依据。评价指标体系是否能够多方面、多层次和多角度的对地区农业抗灾能力进行科学反映，直接关系到综合评价的质量。因此，指标体系必须科学、全面和客观合理，尽可能全面系统的反应农业抗灾能力各方面的影响因素。
1、评价指标选取原则
(1)科学性。评价指标应意义明确，具有较强代表性、可反映它所代表的那一方面人类防御和抗拒干旱灾害上所作的努力。综合运用灾害学、社会学、经济学、工程学及有关科学理论解释指标体系的内在联系，以保证评价指标的可信度。
(2)全面性与独立性。农业抗旱减灾受到多方面的因素影响，涉及到灾前、灾中和灾后一系列的过程，既包括工程性措施也包括非工程性措施，指标的选取全面地反映影响农业抗灾能力各因素的涵盖内容、主要特征和作用机制，同时要评价指标有独立性，避免相互交叉和重叠。
(3)可定量化。评价指标除了完整，还应该可定量化表示，可通过相关渠道获取资料，便于选取计算。同一层级，能够进行量化或者归一化处理，具有较强的可比性。
(4)动态性。评价指标的选取应尽可能反映抗旱能力影响因子系统与研究区域整个社会经济系统交互作用的动态变化过程，便于从动态的角度对区域抗旱能力的发展过程进行跟踪和评估。
2、评价指标体系构建
综合考虑农业抗灾能力的综合影响和农业抗灾能力的不同表征，依据抗旱指标的选取原则，建立农业抗灾能力评价指标体系。从水利工程建设、农业生产水平、社会经济支撑和应急抗旱能力四个方面来探讨，其中前三个方面侧重长期抗旱因素，最后一方面侧重应急抗旱因素。选取蓄水工程调蓄率、耕地有效灌溉率、旱涝保收率、每千克粮食耗水量、节水灌溉率、单位耕地面积灌水量、地均财政预算收入、农民人均纯收入、单位耕地面积农业从业人员和单位耕地面积机电井共计十个指标因子。农业抗灾能力指标体系和各指标涵义解释如表1所示。
表1农业抗灾能力综合评价指标体系
3、数据的标准化和农业抗灾能力分类
为了统一量纲必须对数据无量纲化，进行数据的标准化处理，还需要区分指标的正逆向。本文采用极差标准化法进行数据的标准化处理，处理的方法如下：
对于正向指标：
对于逆向指标：
式中xi为指标实际值，Xi为该项指标的评价值。聚类分析是为了对各地区农业抗灾能力进行相似性度量和分类分析，可采用基于标准化后的数据集对农业抗灾能力进行层次聚类分析，确定各类农业抗灾能力的异同，在分类的基础上对各地区农业抗灾能力进行评价，可使抗旱能力评价工作更加综合、客观和定量化。具体实现可在R软件中采用ward离差平方和法等方法。
4、综合评价方法和模型构建
农业抗灾能力评价，不仅涉及自然环境，还涉及到社会经济的很多方面，对其进行客观评价将面临很大的挑战。分析相关研究进展可知，尽管关于旱灾的研究较多，但是主要集中在围绕危险性和易损性两方面的研究，而农业抗灾能力是抵御旱灾的关键，通过分析评价农业抗灾能力，才能使各类资源在空间和时间上实现优化配置，提升抵御旱灾的可操作性；农业抗灾能力的区域表现与更大范围内的旱灾风险之间的跨层次联系和作用，以及积累效应和未来发展趋势研究则较少；社会经济系统对农业抗灾能力的影响早已被认识到，但是具体的评价研究还处于起步阶段；对农业抗灾能力有重大影响的农户、服务组织以及政府机构的应对，适应能力的评价也少有研究，需要进一步探讨分析。
农业抗灾能力模型构建和评价过程中，都希望能将定性和定量因素结合起来考虑，充分考虑其自然-社会双重属性、静态和动态两重性。农业抗灾能力综合评价的方法有很多，目前的研究基本只选用一种方法进行综合评价，由于各种方法在指标预处理、权重设置主客观性等方面不同，使得评价过程抓住的“信息源”和“信息量”不同，从而导致评价结果往往不全面，评价结论不一致和缺乏检验。本发明用组合优化方法]对主观赋权的层次分析法和客观赋权的熵值法、主成分分析法三种单一方法的综合评价结果进行组合优化，以求减少随机误差和系统误差，尽量科学、客观的刻画不同区域的农业抗灾能力。而采用不同的方法对同一个区域进行农业抗灾能力综合评价必然存在一定的差异，但是应该具有一定的一致性，否则评价结果不合理应该重新评价。本发明选取斯皮尔曼等级相关系数检验单一评价方法的一致性和密切程度。原假设H0ab:a,b两种方法不相关；备择假设H1ab：a,b两种方法相关。斯皮尔曼计算公式如下：
式中di为两种评价结果排序的等级差，n为评价样本数。在给定的显著水平α，可以查出斯皮尔曼秩相关系数临界值Cα，当r＞Cα时，拒绝假设H0ab，即两种方法相关，评价结果具有一致性。本发明选用平均值法、波特法和柯普兰法3种方法分别对单一评价结果进行组合评价，并对结果进行排序；如果两个地区的评价值相等，则标准差小的排序在前。对组合优化的结果再次进行斯皮尔曼检验，如果通过检验，则为最终结果；否则进行二次组合评价，循环组合优化直至评价结果收敛通过检验。综合评价模型如图2所示。
以上所述仅是对本发明的较佳实施例而已，并非对本发明作任何形式上的限制，凡是依据本发明的技术实质对以上实施例所做的任何简单修改，等同变化与修饰，均属于本发明技术方案的范围内。
Claims (5)
1.一种区域农业抗灾能力信息数据综合处理系统，其特征在于，所述区域农业抗灾能力信息数据综合处理系统设置有数据模型建造器；
数据模型建造器与数据统计分析器、指标权重分配器和数据存储器相连接，数据模型建造器将建造好的模型传递到数据统计分析器中，指标权重分配器将不合格的指标重新返回到数据模型建造器中重新建模；建模好的数据将存储进数据存储器中存储；
数据统计分析器与指标权重分配器连接，指标权重分配器与运算控制器正向连接，并与数据一致性检验器负反馈连接；数据一致性检验器与运算控制器、区域农业抗灾能力生成器连接和数据存储器连接；数据存储器和互联网服务器正向连接，将数据存储器中的数据存储至云端当中。
2.如权利要求1所述的区域农业抗灾能力信息数据综合处理系统，其特征在于，所述数据模型建造器，用于将采集到的数据根据真实场景进行数据模型建模。
3.如权利要求1所述的区域农业抗灾能力信息数据综合处理系统，其特征在于，所述指标权重分配器可将建模好的数据根据真实情况进行权重分配。
4.如权利要求1所述的区域农业抗灾能力信息数据综合处理系统，其特征在于，所述数据一致性检验器用于检验运算出来的指标数据是否符合真实的情况，如果与真实情况有偏差可将数据返回到指标权重分配器当中，重新分配指标。
5.一种基于权利要求1所述的区域农业抗灾能力信息数据综合处理系统的区域农业抗灾能力信息数据综合处理方法，其特征在于，所述区域农业抗灾能力信息数据综合处理方法包括：
评价指标体系构建：
综合考虑农业抗灾能力的综合影响和农业抗灾能力的不同表征，依据抗旱指标的选取原则，建立农业抗灾能力评价指标体系；
数据的标准化和农业抗灾能力分类；
对于正向指标：
对于逆向指标：
式中xi为指标实际值，Xi为该项指标的评价值；
综合评价方法和模型构建：
选取斯皮尔曼等级相关系数检验单一评价方法的一致性和密切程度；原假设H0ab:a,b两种方法不相关；备择假设H1ab：a,b两种方法相关；斯皮尔曼计算公式如下：
式中di为两种评价结果排序的等级差，n为评价样本数；在给定的显著水平α，查出斯皮尔曼秩相关系数临界值Cα，当r＞Cα时，拒绝假设H0ab，即两种方法相关，评价结果具有一致性；选用平均值法、波特法和柯普兰法3种方法分别对单一评价结果进行组合评价，并对结果进行排序；如果两个地区的评价值相等，则标准差小的排序在前；对组合优化的结果再次进行斯皮尔曼检验，如果通过检验，则为最终结果；否则进行二次组合评价，循环组合优化直至评价结果收敛通过检验。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910513434.4A CN110276540A (zh) | 2019-06-14 | 2019-06-14 | 一种区域农业抗灾能力信息数据综合处理系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910513434.4A CN110276540A (zh) | 2019-06-14 | 2019-06-14 | 一种区域农业抗灾能力信息数据综合处理系统及方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110276540A true CN110276540A (zh) | 2019-09-24 |
Family
ID=67960852
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910513434.4A Pending CN110276540A (zh) | 2019-06-14 | 2019-06-14 | 一种区域农业抗灾能力信息数据综合处理系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110276540A (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104156411A (zh) * | 2014-07-30 | 2014-11-19 | 中国科学院计算技术研究所 | 专利价值数据综合处理系统 |
| CN106570650A (zh) * | 2016-11-09 | 2017-04-19 | 新疆林科院园林绿化研究所 | 一种林果产业低温冻害风险获取方法 |
| CN107256451A (zh) * | 2017-05-23 | 2017-10-17 | 甘肃万维信息技术有限责任公司 | 农业大数据基于gis的农业适宜性评价分析方法 |
| CN108269016A (zh) * | 2018-01-18 | 2018-07-10 | 中山大学 | 一种基于信息扩散的小流域山洪灾害风险分析方法 |
| US20180364652A1 (en) * | 2017-06-19 | 2018-12-20 | Deere & Company | Combine harvester control and communication system |
-
2019
- 2019-06-14 CN CN201910513434.4A patent/CN110276540A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104156411A (zh) * | 2014-07-30 | 2014-11-19 | 中国科学院计算技术研究所 | 专利价值数据综合处理系统 |
| CN106570650A (zh) * | 2016-11-09 | 2017-04-19 | 新疆林科院园林绿化研究所 | 一种林果产业低温冻害风险获取方法 |
| CN107256451A (zh) * | 2017-05-23 | 2017-10-17 | 甘肃万维信息技术有限责任公司 | 农业大数据基于gis的农业适宜性评价分析方法 |
| US20180364652A1 (en) * | 2017-06-19 | 2018-12-20 | Deere & Company | Combine harvester control and communication system |
| CN108269016A (zh) * | 2018-01-18 | 2018-07-10 | 中山大学 | 一种基于信息扩散的小流域山洪灾害风险分析方法 |
Non-Patent Citations (1)
| Title |
|---|
| 吴延熊: "《区域森林资源预警系统的研究》", 31 March 1999, 昆明：云南科学技术出版社 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Ochieng et al. | Adapting to climate variability and change in rural K enya: f armer perceptions, strategies and climate trends | |
| Just et al. | Are crop yields normally distributed? | |
| Li et al. | Modelling the seasonal and geographical pattern of pasture production in New Zealand | |
| Reed et al. | Participatory selection process for indicators of rangeland condition in the Kalahari | |
| Stone et al. | Operational seasonal forecasting of crop performance | |
| Parra-Lopez et al. | A multi-criteria evaluation of the environmental performances of conventional, organic and integrated olive-growing systems in the south of Spain based on experts' knowledge | |
| Iglesias et al. | Measuring the risk of climate variability to cereal production at five sites in Spain | |
| Smith et al. | Assessing the historical frequency of drought events on grazing properties in Australian rangelands | |
| Krueger et al. | Grassland productivity estimates informed by soil moisture measurements: Statistical and mechanistic approaches | |
| Napier et al. | Adoption of precision farming within three Midwest watersheds | |
| Barasa et al. | Magnitude and transition potential of land-use/cover changes in the trans-boundary river Sio catchment using remote sensing and GIS | |
| Zinck et al. | Approaches to assessing sustainable agriculture | |
| Saleh et al. | Lysimetric evaluation of the APEX model to simulate daily ET for irrigated crops in the Texas High Plains | |
| Preisler et al. | Modeling and risk assessment for soil temperatures beneath prescribed forest fires | |
| Zangeneh et al. | Assessment of agricultural mechanization status of potato production by means of artificial neural network model | |
| CN110276540A (zh) | 一种区域农业抗灾能力信息数据综合处理系统及方法 | |
| Rowley et al. | Remote sensing and the rancher: Linking rancher perception and remote sensing | |
| Tesfahunegn | Soil erosion modeling and soil quality evaluation for catchment management strategies in northern Ethiopia | |
| Abbaspour | Bayesian risk methodology for crop insurance decisions | |
| Davis et al. | Reducing yield variation in peach orchards by geographic scattering | |
| Dixit et al. | Assessment of crop-drought relationship: a climate change perspective | |
| Watkins et al. | Stochastic dominance analysis of returns to stocker grazing on conservation tillage winter wheat forage in Arkansas | |
| Pattanayak et al. | Indexing soil conservation: farmer perceptions of agroforestry benefits | |
| Yeniay et al. | Spatial ecological risk analysis in peach farming in Manisa | |
| Izaurralde et al. | Application of EPIC within an integrated modelling system to evaluate soil erosion in the Canadian Prairies |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190924 |