CN110457422A - 土壤样品采集自动布点系统及方法 - Google Patents
土壤样品采集自动布点系统及方法 Download PDFInfo
- Publication number
- CN110457422A CN110457422A CN201910770669.1A CN201910770669A CN110457422A CN 110457422 A CN110457422 A CN 110457422A CN 201910770669 A CN201910770669 A CN 201910770669A CN 110457422 A CN110457422 A CN 110457422A
- Authority
- CN
- China
- Prior art keywords
- layouting
- division
- region
- condition
- soil
- 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.)
- Granted
Links
- 239000002689 soil Substances 0.000 title claims abstract description 155
- 238000009826 distribution Methods 0.000 title claims abstract description 42
- 238000000034 method Methods 0.000 title claims abstract description 20
- 238000005070 sampling Methods 0.000 claims description 72
- 239000004744 fabric Substances 0.000 claims description 34
- 238000005527 soil sampling Methods 0.000 abstract description 2
- 239000011159 matrix material Substances 0.000 description 10
- 238000004458 analytical method Methods 0.000 description 9
- 230000008901 benefit Effects 0.000 description 9
- 230000012010 growth Effects 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 7
- 241000894007 species Species 0.000 description 7
- 230000005540 biological transmission Effects 0.000 description 6
- 239000000463 material Substances 0.000 description 6
- 238000011156 evaluation Methods 0.000 description 5
- 238000002513 implantation Methods 0.000 description 4
- 239000004615 ingredient Substances 0.000 description 4
- 230000010198 maturation time Effects 0.000 description 4
- 239000000203 mixture Substances 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000013481 data capture Methods 0.000 description 3
- 230000007774 longterm Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000005192 partition Methods 0.000 description 2
- 230000008635 plant growth Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- VMXUWOKSQNHOCA-UKTHLTGXSA-N ranitidine Chemical compound [O-][N+](=O)\C=C(/NC)NCCSCC1=CC=C(CN(C)C)O1 VMXUWOKSQNHOCA-UKTHLTGXSA-N 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 238000007794 visualization technique Methods 0.000 description 2
- BVPWJMCABCPUQY-UHFFFAOYSA-N 4-amino-5-chloro-2-methoxy-N-[1-(phenylmethyl)-4-piperidinyl]benzamide Chemical compound COC1=CC(N)=C(Cl)C=C1C(=O)NC1CCN(CC=2C=CC=CC=2)CC1 BVPWJMCABCPUQY-UHFFFAOYSA-N 0.000 description 1
- 241001269238 Data Species 0.000 description 1
- 238000012271 agricultural production Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000008021 deposition Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000035558 fertility Effects 0.000 description 1
- 230000004720 fertilization Effects 0.000 description 1
- 230000035784 germination Effects 0.000 description 1
- 229910052500 inorganic mineral Inorganic materials 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 239000010410 layer Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000011707 mineral Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000000474 nursing effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 238000001303 quality assessment method Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000011435 rock Substances 0.000 description 1
- 230000002786 root growth Effects 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 239000002344 surface layer Substances 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000003325 tomography Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/951—Indexing; Web crawling techniques
-
- 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
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Mining & Mineral Resources (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- Marine Sciences & Fisheries (AREA)
- Animal Husbandry (AREA)
- Agronomy & Crop Science (AREA)
- Remote Sensing (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及土壤采样测量技术领域,具体为一种土壤样品采集自动布点系统及方法,该系统包括:区域划分子系统,用于获取划分条件,并根据划分条件对土壤三维矢量模型进行划分,生成若干划分区域;布点数量设定子系统,用于获取设定条件,并根据设定条件和划分区域生成该划分区域的布点量;布点设定子系统,用于获取布点规则,根据布点规则和布点量生成划分区域的点位图。采用本方案能够获得选定更为准确的土壤样品的采样点。
Description
技术领域
本发明涉及土壤采样测量技术领域,具体为一种土壤样品采集自动布点系统及方法。
背景技术
土壤样品的采集工作对专业理论和技术具有很高的要求,由于采样人员对土壤分类体系不熟悉、采样技术水平缺乏、工作责任心差等导致采样选点不准确、布点不科学,造成了土壤样品数据缺乏有效性、实用性和规范性,进而给后续区域农业生产服务和农业产业科学决策带来误导性影响。在现有缺乏有效的土壤图和土地种植作物信息的条件下,土壤样品布点工作即使由多年涉农经历的技术人员根据相关行业规范也无法达到有效、合理的目的。
发明内容
本发明意在提供一种土壤样品采集自动布点系统,能够获得选定更为准确的土壤样品的采样点。
本发明提供基础方案:土壤样品采集自动布点系统,包括:
区域划分子系统,用于获取划分条件,并根据划分条件对土壤三维矢量模型进行划分生成若干划分区域;
布点数量设定子系统,用于获取设定条件,并根据设定条件和划分区域生成该划分区域的布点量;
布点设定子系统,用于获取布点规则,根据布点规则和布点量生成划分区域的点位图。
基础方案的工作原理及有益效果:土壤三维矢量模型可使用现有的模型,也可由用户设置构建,划分条件根据用户需求,可根据土壤属性进行划分,也可根据土壤种植的作物进行划分。根据划分条件对土壤三维矢量模型进行划分生成若干划分区域,使得区域划分更为合理。设定条件也可根据用户需求,根据设点条件与划分区域的面积生成该划分区域的布点量,面积较大的划分区域其布点量会多于面积较小的划分区域,使得土壤样品的布点更为合理。
布点规则可采用现有的对角线布点或S型布点等,也可采用用户设定的规则。根据布点量和布点规则对每个划分区域进行布点,全部划分区域的布点即为点位图,可根据布点量选择不同的布点规则进行布点,使得采样点选定的更为准确。
进一步,所述划分条件包括土壤属性。有益效果:土壤属性为土壤的基本划分情况,以土壤属性作为划分条件,相同土壤属性的地块作为一个采样区域,便于进行采样,土壤属性包括土属、土种等。
进一步,所述划分条件还包括耕地质量等级。有益效果:耕地质量等级为根据土壤肥力等进行土壤质量评价的等级,通过等级进行划分,土壤属性的优先级高于耕地质量等级即为在根据土壤属性进行划分后,再根据耕地质量等级进行划分,使得划分区域划分的更加细,更准确的进行采样点的布点。
进一步,所述划分条件还包括土壤种植作物现状。有益效果:土壤种植作物现状为根据当前土壤种植的作物情况,不同作物对于土壤的作用不同,有些作物会吸收土壤中的某种成分,使得土壤中缺乏该成分,而有些作物会在土壤中产生某种成分,从而提升土壤中该成分的含量。因此根据土壤种植作物现状再次细分划分区域,更准确的进行采样点的布点。
进一步,所述设定条件包括最低布点单元,当划分区域的面积小于最低布点单元的面积时,所述划分区域的布点量为零。有益效果:当某些划分区域的面积过小时,不存在布点的必要性,因此最低布点单元的设置,排除面积过小的划分区域。
进一步,所述设定条件包括布点梯度,根据划分区域的面积和布点梯度生成所述划分区域的布点量。有益效果:划分区域的面积不同,对于面积过大的划分区域需要设置多个采样点,布点梯度为一个采样点的采样结果的辐射范围,根据布点梯度和划分区域的面积生成布点量。例如布点梯度为50亩,某一划分区域的面积为110亩,则其布点量为2个。
进一步,所述布点规则包括对角线布点、S型布点、棋盘布点中的一种或多种。有益效果:进行布点时,需要布点规则才能确定将采样点设置在哪个位置,对角线布点、S型布点、棋盘布点为常规的布点方式,可将其中一种布点方式作为布点规则,也可将多种布点方式组合作为布点规则,例如根据布点量的不同选择不同的布点方式,使得布点更为合理。
进一步,还包括:采样设定子系统,用于获取采样条件,根据采样条件生成采样时间。有益效果:采样条件可为作物情况,不同作物在种植前、中、后其土壤都会有所不同,根据作物情况设定采样时间,使得采样结果更为合理,更为全面。
进一步,所述采样条件包括作物生长周期特性。有益效果:采样条件为作物生长周期特性,从而使采样结果更为全面,对土壤进行更为准确的分析。
土壤样品采集自动布点方法,使用权利要求1-9任一项土壤样品采集自动布点系统。有益效果:通过使用上述系统,使得采样点的选定更为准确,使得土壤样品的布点更为合理。
附图说明
图1为本发明土壤样品采集自动布点系统实施例一的逻辑框图;
图2为本发明土壤样品采集自动布点方法实施例一的流程图。
具体实施方式
下面通过具体实施方式进一步详细说明:
实施例一
土壤样品采集自动布点系统,如附图1所示,包括区域划分子系统、布点数量设定子系统、布点设定子系统和数据库。
数据库预存有土壤三维矢量模型、耕地质量等级评价图、产业分布图、历年布点数据。土壤三维矢量模型可直接从官网上获取,也可由用户设计的南方土壤图三维矢量模型系统生成,南方土壤图三维矢量模型系统,包括数据采集终端、数据获取子系统、模型建立子系统和数据库。
采集终端,可用于采集南方土壤母质图、土壤学发生系统、土壤诊断分类系统规则、土地利用现状数据、高程数据,并传输给数据获取子系统(也可直接传输给模型建立子系统)。当然,土地利用现状数据、高程数据也可通过现有设备获取,例如利用无人机或卫星通过遥感遥测技术获取。
数据获取子系统包括数据抓取模块、数据转换模块。
数据抓取模块,用于从权威网站中抓取最新数据,或根据用户的需求抓取用户所需的数据,此时的数据可为南方土壤母质图、土壤学发生系统、土壤诊断分类系统规则、土地利用现状数据、高程数据。
数据转换模块,用于接收采集终端或现有设备传输的数据或数据抓取模块抓取的数据,并对数据的格式进行统一化处理,避免后续模型建立中出现因数据格式差异造成模型建立失败。将处理后数据传输给模型建立子系统。
模型建立子系统包括数据传输模块、土壤图建立模块、模型建立模块。
数据传输模块,用于接收采集终端或现有设备传输的数据或数据获取子系统传输的数据。
土壤图建立模块,用于根据南方土壤母质图、土地利用现状数据、土壤学发生系统、土壤诊断分类系统规则生成南方土壤图。南方土壤母质图根据土壤母质进行划分区域,土地利用现状数据根据当前土壤的利用方式进行划分区域。南方土壤图根据土壤属性进行划分区域。
南方土壤图的生成方式包括利用地理信息技术进行划分,也可采用用户自己设计的划分系统,根据南方土壤母质图进行土壤母质的划分,再利用土地利用现状数据进行利用方式的划分,当以两者划分的边界形状新的区域划分,例如进行土壤母质的划分得到标号分别为1、2、3、4的区域,进行利用方式的划分得到标号分别为A、B的区域,其中A、B区域边界经过1、3区域,2、4区域为B区域内,则新的区域划分为标号分别为1A、1B、2B、3A、3B、4B的区域。
模型建立模块,用于根据高程数据、南方土壤图生成三维矢量模型。南方土壤图结合高程数据将二维结构变为三维结构,使得三维矢量模型更加精准、逼真的还原土壤实际情况,便于用户通过观察模型直观的掌握土壤实际情况。三维矢量模型即为土壤三维矢量模型,将生成的三维矢量模型存储在数据库中。
耕地质量等级评价图、产业分布图、历年布点数据直接从权威网站或官网中获取,并存储在数据库中,其中产业分布图还可通过无人机检测进行绘制而成,同样耕地质量等级评价图、产业分布图、历年布点数据也可由用户自己设定的系统中获得。历年布点数据为往年采样点的布点位置和采样时间。
区域划分子系统包括划分条件获取模块、区域划分模块。
划分条件获取模块,用于从数据库中获取划分条件和划分优先级,划分条件包括土壤属性、耕地质量等级、土壤种植作物现状,土壤种植作物现状为当前土地的种植情况,例如当前土地种植的作物种类。划分优先级为土壤属性的优先级高于耕地质量等级,耕地质量等级的优先级高于土壤种植作物现状。
区域划分模块,用于根据土壤三维矢量模型以土壤属性为划分条件对土壤进行划分得到若干一级划分区域,根据耕地质量等级评价图以耕地质量等级为划分条件对一级划分区域进行划分得到若干二级划分区域,根据产业分布图以土壤种植作物现状为划分条件对二级划分区域进行划分得到若干三级划分区域,即为最终得到的划分区域。也可不考虑划分优先级,直接以划分条件进行划分,生成最终的划分区域。
布点数量设定子系统包括面积获取模块、设定条件获取模块、数量计算模块。
面积获取模块,用于根据划分区域获取其对应的区域面积,可通过全球定位系统(GPS)等技术手段进行获取。
设定条件获取模块,用于从数据库中获取设定条件,设定条件包括最低布点单元和布点梯度,最低布点单元为布点的最小面积,当区域面积小于最低布点单元时,不在该划分区域内进行布点,即该划分区域的布点量会为零。布点梯度为一个采样点的辐射面积,与后续计算划分区域内的布点量相关。最低布点单元和布点梯度可由用户通过采集终端上传至数据库中进行存储,也可固设在软件内,即不能进行修改。
数量计算模块,用于依次获取区域面积,并根据区域面积、最低布点单元、布点梯度计算出布点量。当区域面积低于最低布点单元时,布点量为零,当区域面积等于或大于最低布点单元,则其布点量大于零,此时根据区域面积和布点梯度计算布点量,最简单的是区域面积除以布点梯度取整数位作为其布点量,当其整数位为零时,其布点量为1,建立布点量与划分区域的联系,或直接以布点量标记划分区域。
布点设定子系统,包括布点规则获取模块、自动布点模块、布点量修正模块。
布点量修正模块,用于获取历年布点数据,并根据历年布点数据的布点位置和采样时间对布点量进行修正,当布点位置位于划分区域内时,判断该布点位置的采样时间,若采样时间在有效时间内,则该划分区域的布点量减1,有效时间为采样数据的有效时间,一般为3年。
布点规则获取模块,用于从数据库中获取布点规则,布点方式包括对角线布点、S型布点、棋盘布点等,对角线布点为在划分区域内作一对角线,在对角线上根据布点量等距设置,完成布点。
布点规则可为布点方式中的一种或多种,当布点规则为一种布点方式时,自动布点模块,用于根据布点规则和布点量对划分区域进行布点,完成全部划分区域的布点,根据全部布点组成点位图。当布点规则为多种布点方式时,布点量与布点方式存在多种联系,可以根据布点量选择不同的布点方式进行布点,也可直接将不同布点方式进行结合生成混合布点方式,以混合布点方式作为布点规则进行布点。
通过专业的土壤学、土壤发生学体系与实际生产结合,利用有效的土壤图和作物数据,以及现有的耕地质量水平和采样时间进行科学、合理布点,修正并补充优化了原来的布点规则,避免了数据错误或缺失造成的无效布点,同时系统自动布点也大大提高了工作效率,节约人力与资金成本。
土壤样品采集自动布点方法,如附图2所示,包括以下步骤:
获取土壤三维矢量模型、耕地质量等级评价图、产业分布图、历年布点数据,获取方式包括从网络中获取、通过用户设计的系统生成,一是可通过网络爬虫、搜索引擎等从官方网络或权威网络中获取,二是通过现有设备获取,例如利用无人机或卫星采集相关数据,再通过现有技术对相关数据进行处理生成,三是通过用户设计的南方土壤图三维矢量模型系统生成,其获取步骤如下:获取南方土壤母质图、土地利用现状数据、土壤发生现状数据、土壤分类现状数据。土壤母质指岩石风化后形成的疏松碎屑物,是土壤矿物质的来源,其矿物组成、化学组成及机械组成(颗粒大小),影响了土壤的形成和性质。顾名思义南方土壤母质图是南方的土壤母质的分布图。土地利用现状数据即当前各区域土壤的利用方式,例如水田、旱地。土壤发生现状数据为根据土壤学发生系统获取的数据,土壤分类现状数据为根据土壤诊断分类系统获取的数据。土壤学发生系统和土壤诊断分类系统可采用现有的,也可以根据其发展选择优化后的。
南方土壤母质图、土地利用现状数据、土壤发生现状数据、土壤分类现状数据的获取方式包括人工获取和自动获取:人工获取为通过用户上传指定要求的资料,资料可以是用户通过书籍或网络上获取的,也可以是用户通过自己设计的系统获取的,也可以是用户采用现有设备获取的,例如土地利用现状数据,用户可通过自己设计系统,采集土地利用现状并进行分析得到土地利用现状数据,也可以采用卫星或无人机遥感遥测遥测获取。自动获取为通过网络爬虫、搜索引擎等方式从官网中检索出相关资料或从任何权威网站获取相关资料,由用户从相关资料中指定所需的资料。其中南方土壤母质图、土壤发生现状数据、土壤分类现状数据从现有的权威官网中获取,土地利用现状数据通过卫星遥感遥测技术获取。
遥感遥测是以航空摄影技术为基础,利用遥感遥测器从空中来探测地面物体性质的,它根据不同物体对波谱产生不同响应的原理,识别地面上各类地物,具有遥远感知事物的意思。也就是利用地面上空的飞机、飞船、卫星等飞行物上的遥感遥测器收集地面数据资料,并从中获取信息,经记录、传送、分析和判读来识别地物。而卫星遥感遥测技术集中了空间、电子、光学、计算机通信和地学等学科的成就,是3S(RS、GIS、GPS)技术的主要组成成分。由各种高、中、低轨道相结合,大、中、小卫星相协同,高、中、低分辨率相弥补而组成的全球对地观测系统,能够准确有效、快速及时地提供多种空间分辨率、时间分辨率和光谱分辨率的对地观测数据。
根据南方土壤母质图、土地利用现状数据、土壤发生现状数据、土壤分类现状数据通过地理信息技术生成南方土壤图,南方土壤图指根据土壤类型进行区域划分的土壤图,例如水稻田,与南方土壤母质图和土地利用现状数据相比,其划分更细。
地理信息技术即"3S"技术,包括地理信息系统(GIS)、遥感遥测(RS)、全球定位系统(GPS)。其中地理信息系统(Geographic Information System或Geo-Informationsystem,GIS)是在计算机硬、软件系统支持下,对整个或部分地球表层(包括大气层)空间中的有关地理分布数据进行采集、储存、管理、运算、分析、显示和描述的技术系统。地理信息系统处理、管理的对象是多种地理空间实体数据及其关系,包括空间定位数据、图形数据、遥感遥测图像数据、属性数据等,用于分析和处理在一定地理区域内分布的各种现象和过程,解决复杂的规划、决策和管理问题。
获取高程数据,同样高程数据的获取方式也包括人工获取和自动获取,当然也可以利用卫星遥感遥测获得土地利用现状数据的同时,获取高程数据。根据南方土壤图和高程数据通过三维可视化技术生成三维矢量模型。通过三维矢量模型,使用户能够直观的观察各种土壤类型的分布区域及分布情况等。
三维可视化技术既是一种解释工具,也是一种成果表达工具。与传统剖面解释方法完全不同,常规的三维解释是通过对每一条地震剖面上的每个层位、每条断层拾取后,再通过三维空间的组合来完成的。三维体可视化可解释为通过对来自于地下界面的地震反射率数据体采用各种不同的透明度参数在三维空间内直接解释地层的构造、岩性及沉积特点。可使工作人员快速选定目标,可帮助工作人员准确快速的描述各种复杂的地质现象。
获取划分条件,划分条件包括土壤属性、耕地质量等级、土壤种植作物现状,土壤种植作物现状为当前土地的种植情况,例如当前土地种植的作物种类。划分条件可由系统开发者预设在程序中,也可由用户提前上传预存在数据库中,也可根据需求不同,在每次进行划分的时候上传划分条件。
获取划分优先级,划分优先级为土壤属性的优先级高于耕地质量等级,耕地质量等级的优先级高于土壤种植作物现状,划分优先级同样也可由系统开发者预设在程序中,也可在用户提前上传划分条件的同时,上传划分优先级预存在数据库中,也可根据需求不同,在每次进行划分的时候上传划分条件,同时上传划分优先级,划分优先级可与划分条件相同。当然也可将所有可能涉及的划分条件全部列出其优先级关系,即划分优先级为全部可能出现的划分条件的优先级关系,而划分条件仅为本次所需的划分条件。例如划分优先级为A优先级高于B,B优先级高于C,C优先级高于D,而划分条件可仅为A、B、D或A、D,即为A、B、C、D的任意组合。
根据划分条件和划分优先级对土壤依次进行划分,直至依照划分条件全部划分完成,从而获得最终的划分区域。当划分条件包括土壤属性、耕地质量等级、土壤种植作物现状,划分优先级为土壤属性的优先级高于耕地质量等级,耕地质量等级的优先级高于土壤种植作物现状时,根据土壤三维矢量模型以土壤属性为划分条件对土壤进行划分得到若干一级划分区域,根据耕地质量等级评价图以耕地质量等级为划分条件对一级划分区域进行划分得到若干二级划分区域,根据产业分布图以土壤种植作物现状为划分条件对二级划分区域进行划分得到若干三级划分区域,即为最终得到的若干划分区域。也可不考虑划分优先级,直接以划分条件进行划分,根据划分条件依次进行划分,从而生成最终的划分区域。
根据划分区域获取其对应的区域面积,每个划分区域都有对应的划分区域,通过全球定位系统等技术手段获取划分区域的边界,从而进行计算得出其区域面积,计算方式可采用不规则图形面积的计算方式,也可通过电子技术直接获取其区域面积。
获取设定条件,设定条件包括最低布点单元和布点梯度,最低布点单元为布点的最小面积,当区域面积小于最低布点单元时,不在该划分区域内进行布点,即该划分区域的布点量会为零。布点梯度为一个采样点的辐射面积,与后续计算划分区域内的布点量相关。最低布点单元和布点梯度可由用户通过采集终端上传至数据库中进行存储,也可固设在软件内,即不能进行修改。
根据区域面积、最低布点单元、布点梯度依次计算出每个划分区域的布点量,当区域面积低于最低布点单元时,布点量为零,当区域面积等于或大于最低布点单元,则其布点量大于零,此时根据区域面积和布点梯度计算布点量,最简单的是区域面积除以布点梯度取整数位作为其布点量,当其整数位为零时,其布点量为1,建立布点量与划分区域的联系,或直接以布点量标记划分区域。当然也可以参考其他条件计算布点量,例如划分区域的高程数据等,参考多种条件,使得最终布点更为合理。
获取历年布点数据,根据历年布点数据的布点位置和采样时间对布点量进行修正,当布点位置位于划分区域内时,判断该布点位置的采样时间,若采样时间在有效时间内,则该划分区域的布点量减1,有效时间为采样数据的有效时间,一般为3年。
获取布点规则,布点方式包括对角线布点、S型布点、棋盘布点等,布点规则可为布点方式中的一种或多种,当布点规则为一种布点方式时,根据布点规则和布点量对划分区域进行布点,完成全部划分区域的布点,全部布点组成点位图。当布点规则为多种布点方式时,布点量与布点方式存在多种联系,可以根据布点量选择不同的布点方式进行布点,也可直接将不同布点方式进行结合生成混合布点方式,以混合布点方式作为布点规则进行布点。
通过点位图形成有效、科学的布点方案,为测土配方施肥、耕地质量等级评价、耕地利用、产业规划布局、耕地保护、面源污染评价及土壤发育变化研究等土壤生产与研究工作奠定基础。
实施例二
本实施例与实施例一的不同之处在于:土壤样品采集自动布点系统,还包括采样设定子系统,采样设定子系统包括采样条件获取模块、采样时间生成模块。
采样条件获取模块,用于从数据库获取采样条件,采样条件包括作物生长周期特性,采样条件可通过采集终端由用户上传设定,也可通过网络爬虫或搜索引擎从网络中获取,例如根据产业分布图可获取种植的作物种类,根据作物种类从网络中获取其作物生长周期特性存储在数据库中。作物生长周期特性包括种植时间、生长时长、成熟时间、植株长度等。
采样时间生成模块,用于根据作物生长周期特性生成采样时间,种植时间前作为第一采样时间,生长时长中作为第二采样时间,成熟时间后作为第三采样时间,从而实现在种前、种中、种后进行采样,充分了解土壤情况。当生长时长过长时,可在生长过程中设置多个采样时间,第二采样时间也可根据植株长度进行设定,根据植株的总长度,在植株生长在预设长度时作为第二采样时间,也可根据作物的不同生长时期确定采样时间,发芽期、幼苗期、生长期等,在不同生长时期分别进行采样。
土壤样品采集自动布点方法,还包括以下步骤:
获取采样条件,采样条件包括作物生长周期特性,采样条件可通过采集终端由用户上传设定,也可通过网络爬虫或搜索引擎从网络中获取,例如根据产业分布图可获取种植的作物种类,根据作物种类从网络中获取其作物生长周期特性存储在数据库中。作物生长周期特性包括种植时间、生长时长、成熟时间、植株长度等。
根据采样条件生成采样时间,即根据作物生长周期特性生成采样时间,种植时间前作为第一采样时间,生长时长中作为第二采样时间,成熟时间后作为第三采样时间,从而实现在种前、种中、种后进行采样,充分了解土壤情况。当生长时长过长时,可在生长过程中设置多个采样时间,第二采样时间也可根据植株长度进行设定,根据植株的总长度,在植株生长在预设长度时作为第二采样时间,也可根据作物的不同生长时期确定采样时间,发芽期、幼苗期、生长期等,在不同生长时期分别进行采样。进行采样时,还可根据划分区域的天气作为采样条件,进而生成采样时间。根据采样条件生成采样信息,采样信息可包括采样时间、采样深度,其采样深度可与作物生长周期特性相关,也与作物根系生长有关。
实施例三
本实施例与实施例二的不同之处在于:土壤样品采集自动布点系统,还包括特殊区域子系统,特殊区域子系统包括特殊区域获取模块、特殊区域标记模块、特殊区域划分模块、特殊区域采样模块。
特殊区域获取模块,用于获取地质灾害分析模型,并根据地质灾害分析模型筛选出地质灾害高发区域。地质灾害分析模型可采用现有技术中模型建立方式进行建立,例如公开号为CN107204098A的基于雨量的地质灾害监测方法及系统中记载的地质灾害分析模型的构建。
特殊区域标记模块,用于根据地质灾害高发区域在土壤三维矢量模型进行标记,即标记区域为地质灾害高发区域。
当出现天气恶劣或出现易触发地质灾害条件时,自动布点模块根据地质灾害高发区域更新点位图,将位于地质灾害高发区域的采样点进行标记,从而排除地质灾害高发区域内的采样布点,避免采样对造成采样人员造成伤害。
当地质灾害结束时,特殊区域划分模块,用于获取高程数据,并根据高程数据将地质灾害高发区域划分为原发地和次生地。
特殊区域采样模块,用于对原发地进行布点,并调整原发地的采样时间,缩短相邻采样时间的间隔,并用于对次生地进行布点,并调整次生地的布点数量,调整次生地的采样深度。
土壤样品采集自动布点方法,还包括以下步骤:
获取地质灾害分析模型,并根据地质灾害分析模型筛选出地质灾害高发区域,对比地质灾害分析模型和土壤三维矢量模型,土壤三维矢量模型中标记出地质灾害高发区域。
当出现天气恶劣或出现易触发地质灾害条件时,根据地质灾害高发区域进行警示,暂时不对地质灾害高发区域进行采样,即布点时排除地质灾害高发区域,布点方式可采用现有的布点方式。
当地质灾害结束时,根据地质灾害高发区域进行布点,将地质灾害发生的地方称之为原发地,受地质灾害影响的地方称之为次生地,将地质灾害高发区域划分为原发地和次生地。根据现有的布点方式对原发地进行布点,对采样点进行采样时,调整采样时间,短时间内进行多次采样。根据现有的布点方式对次生地进行布点,布点时在现有布点数量上进行增加,即增加采样点的数量,对采样点进行采样时,调整采样时间,短时间内进行多次采样,同时调整采样深度,以获取更为准确的土壤信息。
以上所述的仅是本发明的实施例,方案中公知的具体结构及特性等常识在此未作过多描述,所属领域普通技术人员知晓申请日或者优先权日之前发明所属技术领域所有的普通技术知识,能够获知该领域中所有的现有技术,并且具有应用该日期之前常规实验手段的能力,所属领域普通技术人员可以在本申请给出的启示下,结合自身能力完善并实施本方案,一些典型的公知结构或者公知方法不应当成为所属领域普通技术人员实施本申请的障碍。应当指出,对于本领域的技术人员来说,在不脱离本发明结构的前提下,还可以作出若干变形和改进,这些也应该视为本发明的保护范围,这些都不会影响本发明实施的效果和专利的实用性。本申请要求的保护范围应当以其权利要求的内容为准,说明书中的具体实施方式等记载可以用于解释权利要求的内容。
Claims (10)
1.土壤样品采集自动布点系统,其特征在于,包括:
区域划分子系统,用于获取划分条件,并根据划分条件对土壤三维矢量模型进行划分生成若干划分区域;
布点数量设定子系统,用于获取设定条件,并根据设定条件和划分区域生成该划分区域的布点量;
布点设定子系统,用于获取布点规则,根据布点规则和布点量生成划分区域的点位图。
2.根据权利要求1所述的土壤样品采集自动布点系统,其特征在于:所述划分条件包括土壤属性。
3.根据权利要求2所述的土壤样品采集自动布点系统,其特征在于:所述划分条件还包括耕地质量等级。
4.根据权利要求3所述的土壤样品采集自动布点系统,其特征在于:所述划分条件还包括土壤种植作物现状。
5.根据权利要求1所述的土壤样品采集自动布点系统,其特征在于:所述设定条件包括最低布点单元,当划分区域的面积小于最低布点单元的面积时,所述划分区域的布点量为零。
6.根据权利要求1或5所述的土壤样品采集自动布点系统,其特征在于:所述设定条件包括布点梯度,根据划分区域的面积和布点梯度生成所述划分区域的布点量。
7.根据权利要求1所述的土壤样品采集自动布点系统,其特征在于:所述布点规则包括对角线布点、S型布点、棋盘布点中的一种或多种。
8.根据权利要求7所述的土壤样品采集自动布点系统,其特征在于,还包括:
采样设定子系统,用于获取采样条件,根据采样条件生成采样时间。
9.根据权利要求8所述的土壤样品采集自动布点系统,其特征在于:所述采样条件包括作物生长周期特性。
10.土壤样品采集自动布点方法,其特征在于:使用权利要求1-9任一项土壤样品采集自动布点系统。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910770669.1A CN110457422B (zh) | 2019-08-20 | 2019-08-20 | 土壤样品采集自动布点系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910770669.1A CN110457422B (zh) | 2019-08-20 | 2019-08-20 | 土壤样品采集自动布点系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110457422A true CN110457422A (zh) | 2019-11-15 |
CN110457422B CN110457422B (zh) | 2023-06-06 |
Family
ID=68488014
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910770669.1A Active CN110457422B (zh) | 2019-08-20 | 2019-08-20 | 土壤样品采集自动布点系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110457422B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112631337A (zh) * | 2020-12-31 | 2021-04-09 | 重庆壤科农业数据服务有限公司 | 无人机土壤定点自动采样系统 |
CN112798325A (zh) * | 2020-12-31 | 2021-05-14 | 重庆壤科农业数据服务有限公司 | 无人机土壤定点自动采样联动控制方法及系统 |
CN113955093A (zh) * | 2021-12-02 | 2022-01-21 | 中国石油大学胜利学院 | 一种户外样品采集装置及其工作方法 |
CN114324824A (zh) * | 2022-01-04 | 2022-04-12 | 上海市地矿工程勘察(集团)有限公司 | 一种监测点位设置系统及方法 |
CN116882638A (zh) * | 2023-09-07 | 2023-10-13 | 北京建工环境修复股份有限公司 | 一种全氟化合物污染监测设备的管理方法及系统 |
CN117158173A (zh) * | 2023-10-10 | 2023-12-05 | 常熟市农业科技发展有限公司 | 一种基于神经网络模型的农业高效率施肥系统及施肥方法 |
Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101239853A (zh) * | 2008-03-10 | 2008-08-13 | 朱光敏 | 环保节能肥料 |
CN102411799A (zh) * | 2011-08-18 | 2012-04-11 | 南京广义软件有限公司 | 一种多媒体智能集群触控门禁终端 |
CN102565150A (zh) * | 2012-01-13 | 2012-07-11 | 北京盈胜泰科技术有限公司 | 一种土壤相对湿度和土壤肥力变化的检测装置及监测系统 |
CN102645350A (zh) * | 2012-03-08 | 2012-08-22 | 浙江大学 | 基于高分卫星遥感数据的土壤采样方法 |
CN103344954A (zh) * | 2013-07-08 | 2013-10-09 | 国家海洋局第二海洋研究所 | 一种基于多来源水深数据融合的海底地形地貌构建方法 |
CN103390932A (zh) * | 2013-07-09 | 2013-11-13 | 国家电网公司 | 一种分布自治容灾备用式地县一体化系统 |
CN104486435A (zh) * | 2014-12-22 | 2015-04-01 | 厦门大学 | 基于传感器网络的低能耗生态环境监控节点部署方法 |
CN104820887A (zh) * | 2015-04-23 | 2015-08-05 | 中国环境监测总站 | 一种土壤环境质量监测方法 |
CN105045321A (zh) * | 2015-08-12 | 2015-11-11 | 成都易思科科技有限公司 | 基于物联网应用设计的云平台综合管理方法 |
CN106323670A (zh) * | 2016-09-18 | 2017-01-11 | 北京市土肥工作站 | 土壤采样点确定方法及装置 |
CN106404448A (zh) * | 2016-10-27 | 2017-02-15 | 辽宁石油化工大学 | 一种石油烃污染场地土壤的系统化采样方法 |
CN106407682A (zh) * | 2016-09-18 | 2017-02-15 | 北京市土肥工作站 | 土壤采样点确定方法及装置 |
CN106682668A (zh) * | 2016-11-18 | 2017-05-17 | 云南电网有限责任公司电力科学研究院 | 一种使用无人机标记影像的输电线路地质灾害监测方法 |
CN206987892U (zh) * | 2017-07-21 | 2018-02-09 | 中交二公局东萌工程有限公司 | 一种用于监测隧道地质灾害的预警装置 |
CN108847000A (zh) * | 2018-08-03 | 2018-11-20 | 青海大学 | 一种滑坡地质灾害预警推送方法 |
CN109471615A (zh) * | 2018-10-22 | 2019-03-15 | 美丽国土(北京)生态环境工程技术研究院有限公司 | 坐标数据提取方法及装置 |
-
2019
- 2019-08-20 CN CN201910770669.1A patent/CN110457422B/zh active Active
Patent Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101239853A (zh) * | 2008-03-10 | 2008-08-13 | 朱光敏 | 环保节能肥料 |
CN102411799A (zh) * | 2011-08-18 | 2012-04-11 | 南京广义软件有限公司 | 一种多媒体智能集群触控门禁终端 |
CN102565150A (zh) * | 2012-01-13 | 2012-07-11 | 北京盈胜泰科技术有限公司 | 一种土壤相对湿度和土壤肥力变化的检测装置及监测系统 |
CN102645350A (zh) * | 2012-03-08 | 2012-08-22 | 浙江大学 | 基于高分卫星遥感数据的土壤采样方法 |
CN103344954A (zh) * | 2013-07-08 | 2013-10-09 | 国家海洋局第二海洋研究所 | 一种基于多来源水深数据融合的海底地形地貌构建方法 |
CN103390932A (zh) * | 2013-07-09 | 2013-11-13 | 国家电网公司 | 一种分布自治容灾备用式地县一体化系统 |
CN104486435A (zh) * | 2014-12-22 | 2015-04-01 | 厦门大学 | 基于传感器网络的低能耗生态环境监控节点部署方法 |
CN104820887A (zh) * | 2015-04-23 | 2015-08-05 | 中国环境监测总站 | 一种土壤环境质量监测方法 |
CN105045321A (zh) * | 2015-08-12 | 2015-11-11 | 成都易思科科技有限公司 | 基于物联网应用设计的云平台综合管理方法 |
CN106323670A (zh) * | 2016-09-18 | 2017-01-11 | 北京市土肥工作站 | 土壤采样点确定方法及装置 |
CN106407682A (zh) * | 2016-09-18 | 2017-02-15 | 北京市土肥工作站 | 土壤采样点确定方法及装置 |
CN106404448A (zh) * | 2016-10-27 | 2017-02-15 | 辽宁石油化工大学 | 一种石油烃污染场地土壤的系统化采样方法 |
CN106682668A (zh) * | 2016-11-18 | 2017-05-17 | 云南电网有限责任公司电力科学研究院 | 一种使用无人机标记影像的输电线路地质灾害监测方法 |
CN206987892U (zh) * | 2017-07-21 | 2018-02-09 | 中交二公局东萌工程有限公司 | 一种用于监测隧道地质灾害的预警装置 |
CN108847000A (zh) * | 2018-08-03 | 2018-11-20 | 青海大学 | 一种滑坡地质灾害预警推送方法 |
CN109471615A (zh) * | 2018-10-22 | 2019-03-15 | 美丽国土(北京)生态环境工程技术研究院有限公司 | 坐标数据提取方法及装置 |
Non-Patent Citations (6)
Title |
---|
MUKESH KUMAR 等: "Evaluation of distributed hydrologic impacts of temperature-index and energy-based snow models", 《ADVANCES IN WATER RESOURCES》 * |
N. SMITH 等: "A revised historical light curve of Eta Carinae and the timing of close periastron encounters", 《IN MONTHLY NOTICES OF THE ROYAL ASTRONOMICAL SOCIETY》 * |
刘千钧 等: "城市土壤环境监测点位布设应用述评", 《广东工业大学学报》 * |
李淑华: "农田土壤墒情监测与智能灌溉云服务平台构建关键技术研究", 《中国博士学位论文全文数据库农业科技辑》 * |
杨凯 等: "不同林龄落叶松人工林土壤微生物生物量碳氮的季节变化", 《生态学报》 * |
辜翔 等: "中亚热带植被恢复对土壤有机碳含量, 碳密度的影响", 《植物生态学报》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112631337A (zh) * | 2020-12-31 | 2021-04-09 | 重庆壤科农业数据服务有限公司 | 无人机土壤定点自动采样系统 |
CN112798325A (zh) * | 2020-12-31 | 2021-05-14 | 重庆壤科农业数据服务有限公司 | 无人机土壤定点自动采样联动控制方法及系统 |
CN112631337B (zh) * | 2020-12-31 | 2024-05-28 | 重庆壤科农业数据服务有限公司 | 无人机土壤定点自动采样系统 |
CN113955093A (zh) * | 2021-12-02 | 2022-01-21 | 中国石油大学胜利学院 | 一种户外样品采集装置及其工作方法 |
CN114324824A (zh) * | 2022-01-04 | 2022-04-12 | 上海市地矿工程勘察(集团)有限公司 | 一种监测点位设置系统及方法 |
CN116882638A (zh) * | 2023-09-07 | 2023-10-13 | 北京建工环境修复股份有限公司 | 一种全氟化合物污染监测设备的管理方法及系统 |
CN116882638B (zh) * | 2023-09-07 | 2023-12-01 | 北京建工环境修复股份有限公司 | 一种全氟化合物污染监测设备的管理方法及系统 |
CN117158173A (zh) * | 2023-10-10 | 2023-12-05 | 常熟市农业科技发展有限公司 | 一种基于神经网络模型的农业高效率施肥系统及施肥方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110457422B (zh) | 2023-06-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110457422A (zh) | 土壤样品采集自动布点系统及方法 | |
Senay et al. | Manipulation of high spatial resolution aircraft remote sensing data for use in site-specific farming | |
Cunliffe et al. | Ultra-fine grain landscape-scale quantification of dryland vegetation structure with drone-acquired structure-from-motion photogrammetry | |
Leroux et al. | Crop monitoring using vegetation and thermal indices for yield estimates: case study of a rainfed cereal in semi-arid West Africa | |
JP7423631B2 (ja) | デジタル画像および機械学習モデルを使用した圃場異常の地図作成 | |
Nyeko | Hydrologic modelling of data scarce basin with SWAT model: capabilities and limitations | |
CN113038823B (zh) | 自动化样本采集和跟踪系统 | |
CA3023513A1 (en) | Statistical blending of weather data sets | |
UA126553C2 (uk) | Спосіб контролю застосування азоту на полі | |
CN107527014A (zh) | 县级作物种植面积遥感统计抽样调查方案设计方法 | |
CN102288954A (zh) | 一种草地植被覆盖度遥感估测方法 | |
CN112287892A (zh) | 基于无人机高光谱和机器学习算法的乔木生物量测算方法 | |
CN110658011A (zh) | 一种县域尺度果园土壤质量的取样方法 | |
CN104834971A (zh) | 基于gis和rs的耕地养分管理分区方法 | |
CN113570273A (zh) | 一种灌溉耕地统计数据的空间化方法及系统 | |
Liu et al. | Vegetation mapping for regional ecological research and management: a case of the Loess Plateau in China | |
Zhang et al. | Enhanced Feature Extraction From Assimilated VTCI and LAI With a Particle Filter for Wheat Yield Estimation Using Cross-Wavelet Transform | |
Jurišić et al. | Methodology of development of purpose maps in GIS environment–resource management | |
CN110490972B (zh) | 南方土壤图三维矢量模型系统及生成方法 | |
Buri et al. | Land surface modeling informed by earth observation data: toward understanding blue–green–white water fluxes in High Mountain Asia | |
Mkaya | Evaluation of the impact of land use change on catchment hydrology: The case of Wundanyi River catchment in Taita Hills, Kenya | |
Thirumeninathan et al. | Integrating Synthetic Aperture Radar (SAR) Sentinel 1A and CROPGRO Peanut Simulation Model for Spatial Yield Gap Analysis | |
Subramanian et al. | Integrating Synthetic Aperture Radar (SAR) Sentinel 1A and CROPGRO Peanut Simulation Model for Spatial Yield Gap Analysis | |
Hernández et al. | Geostatistical Estimation of Biomass Stock in Chilean Native Forests and Plantations | |
Panagos | A comparative classification of the sourish-mixed bushveld on the farm Roodeplaat (293 JR) using quadrat and point methods. |
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 |