CN111507832A - 数据处理方法及装置 - Google Patents
数据处理方法及装置 Download PDFInfo
- Publication number
- CN111507832A CN111507832A CN202010613764.3A CN202010613764A CN111507832A CN 111507832 A CN111507832 A CN 111507832A CN 202010613764 A CN202010613764 A CN 202010613764A CN 111507832 A CN111507832 A CN 111507832A
- Authority
- CN
- China
- Prior art keywords
- crop
- contract
- user
- plot
- period
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 41
- 238000012545 processing Methods 0.000 claims abstract description 74
- 238000000034 method Methods 0.000 claims description 58
- 230000007613 environmental effect Effects 0.000 claims description 27
- 230000009471 action Effects 0.000 claims description 18
- 230000006872 improvement Effects 0.000 claims description 16
- 238000003860 storage Methods 0.000 claims description 16
- 230000008014 freezing Effects 0.000 claims description 15
- 238000007710 freezing Methods 0.000 claims description 15
- 238000004364 calculation method Methods 0.000 claims description 14
- 230000006870 function Effects 0.000 claims description 11
- 238000012549 training Methods 0.000 claims description 11
- 230000003287 optical effect Effects 0.000 claims description 7
- 238000006243 chemical reaction Methods 0.000 claims description 5
- 241000894007 species Species 0.000 description 54
- 230000008569 process Effects 0.000 description 24
- 230000000694 effects Effects 0.000 description 16
- 238000004519 manufacturing process Methods 0.000 description 14
- 238000010586 diagram Methods 0.000 description 13
- 241000209140 Triticum Species 0.000 description 9
- 235000021307 Triticum Nutrition 0.000 description 9
- 235000013311 vegetables Nutrition 0.000 description 8
- 238000004590 computer program Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 7
- 238000005286 illumination Methods 0.000 description 6
- 238000011156 evaluation Methods 0.000 description 5
- 238000002372 labelling Methods 0.000 description 4
- 238000013507 mapping Methods 0.000 description 4
- 238000001556 precipitation Methods 0.000 description 4
- 241000196324 Embryophyta Species 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 230000008520 organization Effects 0.000 description 3
- 238000009360 aquaculture Methods 0.000 description 2
- 244000144974 aquaculture Species 0.000 description 2
- 230000006735 deficit Effects 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000011835 investigation Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000002994 raw material Substances 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 240000007594 Oryza sativa Species 0.000 description 1
- 235000007164 Oryza sativa Nutrition 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000001149 cognitive effect Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 229920001296 polysiloxane Polymers 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 235000009566 rice Nutrition 0.000 description 1
- 239000013535 sea water Substances 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
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
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/03—Credit; Loans; Processing thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/188—Vegetation
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Finance (AREA)
- Life Sciences & Earth Sciences (AREA)
- Data Mining & Analysis (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Multimedia (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Technology Law (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Agronomy & Crop Science (AREA)
- Animal Husbandry (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Human Resources & Organizations (AREA)
- Primary Health Care (AREA)
- Tourism & Hospitality (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Hardware Redundancy (AREA)
Abstract
本说明书实施例提供了数据处理方法及装置,其中,一种数据处理方法包括:获取用户基于授信额度签订的作物经营合约的合约信息,以及所述用户的作物地块在至少一个作物周期的遥感影像数据;基于所述遥感影像数据,确定所述作物地块在所述作物周期的目标作物的作物参数和作物种类;根据所述作物种类和所述作物参数,确定所述目标作物在所述作物周期的作物生长评级;基于所述合约信息和所述作物生长评级,确定对所述授信额度进行额度调整的调整策略并执行。
Description
技术领域
本文件涉及数据处理技术领域,尤其涉及一种数据处理方法及装置。
背景技术
随着通信技术和大数据在传统行业的推广和应用,在农业、林业、水产种植业等领域,已经出现了基于大数据进行数字化生产管理的服务,但对于传统种植大户而言,其收入来源则主要是依赖于生产种植活动,取决于其作物种植面积以及作物种类,这部分用户在进行资产评估、合同签署、征信分析等活动时受限于数据维度稀薄,往往处于较为不利的地位。
发明内容
本说明书一个或多个实施例提供了一种数据处理方法。所述数据处理方法包括:获取用户基于授信额度签订的作物经营合约的合约信息,以及所述用户的作物地块在至少一个作物周期的遥感影像数据。基于所述遥感影像数据,确定所述作物地块在所述作物周期的目标作物的作物参数和作物种类。根据所述作物种类和所述作物参数,确定所述目标作物在所述作物周期的作物生长评级。基于所述合约信息和所述作物生长评级,确定对所述授信额度进行额度调整的调整策略并执行。
本说明书一个或多个实施例提供了一种数据处理装置,包括:合约信息获取模块,被配置为获取用户基于授信额度签订的作物经营合约的合约信息,以及所述用户的作物地块在至少一个作物周期的遥感影像数据。作物参数确定模块,被配置为基于所述遥感影像数据,确定所述作物地块在所述作物周期的目标作物的作物参数和作物种类。作物生长评级确定模块,被配置为根据所述作物种类和所述作物参数,确定所述目标作物在所述作物周期的作物生长评级。调整策略执行模块,被配置为基于所述合约信息和所述作物生长评级,确定对所述授信额度进行额度调整的调整策略并执行。
本说明书一个或多个实施例提供了一种数据处理设备,包括:处理器;以及,被配置为存储计算机可执行指令的存储器,所述计算机可执行指令在被执行时使所述处理器:获取用户基于授信额度签订的作物经营合约的合约信息,以及所述用户的作物地块在至少一个作物周期的遥感影像数据。基于所述遥感影像数据,确定所述作物地块在所述作物周期的目标作物的作物参数和作物种类。根据所述作物种类和所述作物参数,确定所述目标作物在所述作物周期的作物生长评级。基于所述合约信息和所述作物生长评级,确定对所述授信额度进行额度调整的调整策略并执行。
本说明书一个或多个实施例提供了一种存储介质,用于存储计算机可执行指令,所述计算机可执行指令在被执行时实现以下流程:获取用户基于授信额度签订的作物经营合约的合约信息,以及所述用户的作物地块在至少一个作物周期的遥感影像数据。基于所述遥感影像数据,确定所述作物地块在所述作物周期的目标作物的作物参数和作物种类。根据所述作物种类和所述作物参数,确定所述目标作物在所述作物周期的作物生长评级。基于所述合约信息和所述作物生长评级,确定对所述授信额度进行额度调整的调整策略并执行。
附图说明
为了更清楚地说明本说明书一个或多个实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本说明书中记载的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本说明书一个或多个实施例提供的一种数据处理方法处理流程图;
图2为本说明书一个或多个实施例提供的一种应用于助农贷款项目场景的数据处理方法处理流程图;
图3为本说明书一个或多个实施例提供的一种应用于助农经营项目场景的数据处理方法处理流程图;
图4为本说明书一个或多个实施例提供的一种数据处理装置示意图;
图5为本说明书一个或多个实施例提供的一种数据处理设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本说明书一个或多个实施例中的技术方案,下面将结合本说明书一个或多个实施例中的附图,对本说明书一个或多个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说明书的一部分实施例,而不是全部的实施例。基于本说明书一个或多个实施例,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,都应当属于本文件的保护范围。
本说明书提供的一种数据处理方法实施例:
参见图1,本实施例提供的数据处理方法,包括步骤S102至步骤S108。
步骤S102,获取用户基于授信额度签订的作物经营合约的合约信息,以及所述用户的作物地块在至少一个作物周期的遥感影像数据。
实际应用中,对于农业领域、林业领域或者水产种植领域的传统种植大户,其收入主要依赖生产种植活动,取决于作物种植面积以及作物种类,同时,由于这部分用户(种植户)进行线上支付的活跃度本身也比较低,因此在进行经营贷款、资产评估、合同签署、征信分析等活动时,很难获得较大的额度;同时,对获得相应额度且使用额度的用户缺乏有效的管理手段。
本实施例提供的数据处理方法,针对签订作物经营合约的用户,从所述用户的作物地块的“多时相”遥感影像数据出发,通过确定所述用户的作物地块中目标作物在不同作物周期的作物参数和作物种类,进而确定所述用户的作物地块中目标作物在不同作物周期的作物生长评级,以此作为对所述用户的授信额度进行调整的调整依据,在一定层面实现用户的作物地块的作物生长情况与授信额度的同步,从而在向用户提供作物经营合约签订的角度而言,降低了用户无法履约所产生的损失,同时,通过授信额度的调整促进了信用体系的完善。
本实施例所述用户,是指记录在预设用户清单(比如,种植户清单)中的用户,具体的,可将拥有或承包大额土地(如大于10亩)并以此为主要经济来源的种植户定义为种植大户列入种植户清单。该种植户清单可由第三方机构提供,也可在对种植户进行线下地调后确定该种植户清单,还可通过种植户申请,基于审核通过的申请对应的种植户生成该种植户清单,对此不做限定。所述作物地块,是指用于种植农作物、林业作物、水生作物等地表生长作物的土地、水田或者海水种植区域。
本实施例所述授信,是指银行、支付平台等机构向用户直接提供的资金,或对用户在有关活动中可能产生的赔偿、支付责任做出的保证,授信既可以针对贷款、票据抵押、透支、各项垫款等表内服务,还可以针对票据承兑、开信用证、保函等表外服务。授信额度,是指银行、支付平台等机构为用户核定的短期授信业务的存量管理指标。
在对用户进行授信并赋予用户相应授信额度的基础上,为了扶持或者帮助用户的种植生产经营活动,以用户的信用为担保或者抵押向用户提供相应的资源,以此来保障用户的种植生产经营活动能够维持,具体的,本实施例通过向用户提供信用担保或者抵押贷款的方式来使用户的种植生产经营活动能够正常进行,所述作物经营合约,即是指用户基于自身的授信额度与资源提供方签订的合约,并且签订该作物经营合约之后获得的资源被约定用于种植生产经营活动。
具体的,签订所述作物经营合约的用户可以从贷款提供机构获得相应资金,除此之外,签订所述作物经营合约的用户还可以从设备提供机构获得种植生产经营活动中所需种植生产设备,或者,签订所述作物经营合约的用户还可以从原料提供机构获得种植生产经营活动中所需种植原料,对此不做限定。
本实施例提供的一种可选实施方式中,所述作物经营合约具体采用如下方式进行签订:
获取所述用户通过触发目标应用的合约申请页面配置的申请控件提交的申请请求;
判断所述申请请求中包含的申请数额是否小于或者等于所述授信额度;
若是,基于所述申请数额和所述用户提交的所述作物地块的地块信息,以所述用户为合约参与方签订所述作物经营合约;
若否,表明所述用户申请的额度超出该用户的授信额度,向所述用户发送申请的额度超出所述授信额度的提醒即可。
例如,支付平台中的贷款应用向种植户A开放申请助农贷款功能,种植户A可通过该贷款应用申请进行种植生产经营活动的贷款,具体申请过程中,输入相应的贷款申请额度,并通过触发贷款应用的申请页面配置的申请控件来提交贷款请求,在获取到种植户A提交的贷款请求之后,基于贷款请求中携带的种植户A的贷款申请额度,判断种植户A提交的贷款申请额度是否大于种植户A的授信额度(假设为10000元);如果种植户A提交的贷款申请额度小于10000元,则以种植户A为借款方、资金提供方为借出方签订助农经营贷款合约,同时,在助农经营贷款合约中记录种植户A的作为地块的作物种类、作物地块所处的地块坐标信息以及时间信息等地块信息。
如上所述,所述用户在种植生产经营活动中获得资源扶持的前提,是以所述用户的信用为担保或者抵押,并在所述用户的授信额度中扣除或者冻结相应的额度部分;可选的,本实施例所述合约信息中包含所述作物经营合约的合约额度,所述用户在基于所述授信额度签订所述作物经营合约之后,签订所述作物经营合约所使用的所述授信额度中所述合约额度对应的已用子额度被冻结;相应的,所述已用子额度在所述用户履行所述作物经营合约中记录的履约条款之后被恢复。
例如,种植户A的授信额度为10000元,如果种植户A申请6000元以供种植使用,则在签订作物经营合约之后10000元授信额度中的6000元被冻结;相应的,如果种植户A偿还了6000元中的部分或者全部,则相应的会在被冻结的授信额度中解冻偿还的部分。
实际应用中,用户想要录入其自身的作物地块的地块信息,往往需要输入复杂的经纬度坐标或者位置描述信息,但很多情况下,用户无法获知其自身的作物地块的精确经纬度坐标,位置描述信息也往往很难清楚直观的表达一个确定的位置,为了方便用户输入其自身作物地块的位置信息,提升用户对作物经营合约的认知程度,同时也为了约束用户将获得的资源应用到种植生产经营活动中,本实施例提供的一种可选实施方式中,在所述用户在签订所述作物经营合约的过程中,通过地理信息页面引导所述用户进行作物地块的标注,具体实现如下:
向所述用户展示地理信息页面;
若检测到在所述地理信息页面输入的标注动作,确定所述标注动作对应的地块边界信息;
确定所述地块边界信息映射的经纬度坐标数据;
基于所述经纬度坐标数据,采用面积计算公式计算所述作物地块的地块面积;
其中,所述面积计算公式包括:计算经纬度坐标数据中与纬度坐标数值相邻的两个纬度坐标数值的差值与对应经度坐标数值的乘积,并对经纬度坐标数据中所有纬度坐标数值对应的乘积进行求和,将求和结果的二分之一与坐标转换常数的乘积作为所述地块面积。
例如,根据种植户A在地图页面输入的标注动作,确定种植户A输入的标注动作在地图页面对应的地图边界信息,并在地图页面显示该地图边界信息,以及,根据地图页面的地图边界信息与经纬度信息的映射关系,确定种植户A输入的标注动作对应的经纬度坐标数据为:(,)、(,)、···(,);然后根据如下公式计算种植户A的作物地块的地块面积S:
此外,为了便于用户更加直观的查看作物地块的添加过程,增强用户对作物地块添加过程的感知,本实施例提供的一种可选实施方式中,在向用户展示地图页面的基础上,获取用户的终端设备的定位数据,进一步确定所述定位数据在所述地图页面所属地图坐标中映射的坐标信息,并在所述地图页面中更新所述坐标信息对应的坐标标识,基于所述定位数据计算用户的作物地块的地块面积。
本实施例所述遥感影像数据,是指采用各种技术探测到地表物体发射或反射的电磁波信息,经传感器转换后的数据,比如各类商业卫星、民用卫星在太空中探测地表物体发射或反射的电磁波信息,经传感器转换后称作卫星遥感影像数据。此外,还有红外技术探测到的电磁波信息经传感器转换后的红外影像数据。本实施例中,所述遥感影像数据具体包括红外影像维度、卫星影像维度以及光学影像维度的遥感影像数据中一者或者多者。
具体实施时,在上述确定所述用户的作物地块的地块边界信息的基础上,首先确定所述地块边界信息所属的目标地理区域,获取所述目标地理区域在所述至少一个作物周期的遥感影像数据。
需要说明的是,所述授信额度是用户签订作物经营合约的前提,用户只有在获得授信额度的情况下,才能在授信额度的基础上通过签订作物经营合约来获得扶持,可见,为用户分配或者授予相应的授信额度的处理过程在用户签订所述作物经营合约之前进行,本实施例提供的一种可选实施方式中,为提升授信额度的准确性,从所述用户以往进行种植生产经营活动的实际数据出发,为所述用户授予与其实际种植生产经营活动相符合的授信额度,具体实现如下:
1)获取所述作物地块在至少一个历史作物周期的遥感影像数据;
2)基于所述历史作物周期的遥感影像数据,计算所述作物地块在至少一个历史作物周期的历史作物参数;
3)基于所述历史作物参数识别所述作物地块在所述历史作物周期的历史作物的历史作物种类;
4)基于所述地块面积、所述历史作物种类以及所述历史作物种类对应的作物属性,计算所述历史作物的历史作物价值;
5)基于所述历史作物价值和所述用户的信用数据,确定所述授信额度。
例如,以120天为作物的完整生长周期,将5天作为一个作物生长周期,则120天的完整生长周期被分为24个作物生长周期,如果种植户A在作物地块进行种植之前申请贷款,首先获取种植户A的作物地块以往种植过程中24个作物生长周期的卫星遥感影像数据;然后根据卫星遥感影像数据计算NDVI(Normalized Vegetation Index,归一化植被指数)和PVI(垂直植被指数),其中,NDVI=(NIR-R)/(NIR+R),NIR为近红外波段的反射值,R为红光波段的反射值;其次将这2个作物植被指数作为模型输入,输入预先训练好的作物识别模型进行作物识别,输出种植户A的作物地块上作物种类;再次,根据种植户A的作物地块的地块面积,作物地块所属的地理区域,作物地块的作物种类对应的亩产单价,以及作物地块的作物种类在该地理区域对应的价值波动,计算种植户A以往在作物地块所种植作物的作物价值;最后,结合作物价值和种植户A的信用情况,确定向种植户A授予的授信额度为10000元。
如果种植户A在作物地块中种植有作物的过程中申请贷款,则获取种植户A的作物地块当前种植的作物在多个作物生长周期的卫星遥感影像数据。
步骤S104,基于所述遥感影像数据,确定所述作物地块中目标作物在所述作物周期的作物参数和作物种类。
为了提升所述作物种类识别的准确性和有效性,本实施例提供的一种可选实施方式中,采用如下方式确定所述目标作物在所述作物周期的作物种类:
1)确定所述用户提交的地块边界信息映射的经纬度坐标数据,以及所述地块边界信息所属的作物周期的时间信息;
2)基于所述经纬度坐标数据和所述时间信息,确定所述经纬度坐标数据在所述遥感影像数据中映射的一个或者多个作物地块;
3)根据所述一个或者多个作物地块包含的影像单元的作物种类,确定所述经纬度坐标数据对应的作物地块的作物种类;其中,所述作物地块包含的影像单元的作物种类,由作物识别模型对输入的遥感影像数据进行作物种类识别后输出。
例如,种植户A通过在地图页面输入的标注动作的方式来提交地图边界信息,基于此,首先确定该地图边界信息在卫星遥感影像中映射的经纬度坐标数据,并确定该地图边界信息所属的作物周期的时间信息;然后在以时间为轴的一系列的卫星遥感影像中找出该时间信息对应的卫星遥感影像,并根据地图边界信息与卫星遥感影像二者的映射关系,确定地图边界信息在该时间信息对应的卫星遥感影像中映射的作物地块;最后将找出的卫星遥感影像和地图边界信息在找出的卫星遥感影像中映射的作物地块的地块信息输入预先训练好的作物识别模型进行作物识别,输出卫星遥感影像中映射的作物地块包含的每个遥感影像单元的作物种类,然后将作物种类相同且数目最多的遥感影像单元对应的作物种类作为种植户A标注的作物地块的作物种类。
实际应用中,作物的生长一方面由种植户参与的种植活动决定,另一方面还受到作物生长环境中的实际环境因素的影响,比如作物生长过程中的降水、气温、光照等因素,在考虑这一因素的基础上,为了提升后续对所述用户的作物地块中目标作物的作物生长评级的评估准确性,本实施例以作物指数和环境因子二者作为所述目标作物在所述作物周期的作物参数,所述作物指数,是指根据植物的光谱特性,采用卫星可见光波段(红、绿、蓝)及近红外波段组合,根据不同公式计算形成各类植被指数。比如归一化植被指数(NDVI),比值植被指数(RVI),绿度植被指数(GVI),垂直植被指数(PVI)等;所述环境因子,是指对作物长势有影响的气象因素,包括气温、降水、光照及其衍生出来的地表温度(TS)、温度植被旱情指数(TVDI)、作物水分亏缺指数(CWSI)等。
具体实施时,所述环境因子可从第三方数据机构获取或者预先收集;对所述作物指数而言,针对所述至少一个作物周期中任意一个作物周期,首先基于所述作物周期的遥感影像数据,读取所述目标作物的作物生长参数,然后基于所述作物生长参数计算所述目标作物在该作物周期的作物指数。
例如,从卫星遥感影像数据中读取计算NDVI(Normalized Vegetation Index,归一化植被指数)和PVI(垂直植被指数)所需的参数,然后根据读取的参数进一步计算出NDVI(Normalized Vegetation Index,归一化植被指数)和PVI(垂直植被指数),其中,NDVI=(NIR-R)/(NIR+R),NIR为近红外波段的反射值,R为红光波段的反射值。
步骤S106,根据所述作物种类和所述作物参数,确定所述目标作物在所述作物周期的作物生长评级。
如上所述,作物的生长一方面由种植户参与的种植活动决定,另一方面还受到作物生长环境中的实际环境因素的影响,比如作物生长过程中的降水、气温、光照等气象因子,本实施例提供的一种可选实施方式中,为了提升作物生长评级的准确性和有效性,以作物指数和环境因子二者为作物参数去预测所述用户的作物地块中目标作物在不同作物周期的作物生长评级,具体基于作物生长评级模型实现目标作物在不同作物周期的作物生长评级的预测,所述作物生长评级模型的输入为所述至少一个作物周期的作物指数和环境因子,输出为所述目标作物在所述至少一个作物周期的作物生长评级,本实施例作物生长评级分为第一生长评级(表示作物长势极好)、第二生长评级(表示作物长势正常)、第三生长评级(表示作物长势较差)和第四生长评级(表示作物长势极差)四个评级。
需要说明的是,同一作物在生长过程中的不同阶段下,其正常生长的各项指标将呈现不同情况,即指标相同但处于不同生长阶段时,其实际长势可能不同,针对于此,为了提升对作物生长评级的预测精度,本实施例提供的一种可选实施方式中,采用如下方式训练所述作物生长评级模型:
获取至少一个作物周期的遥感影像数据;
基于所述遥感影像数据计算所述作物周期的作物指数,并获取所述作物周期对应的环境因子;
获取所述遥感影像数据对应的样本作物在所述作物周期的生长评级标签;
以所述作物指数和所述环境因子为训练样本,以所述生长评级标签为样本标签进行模型训练,获得所述作物生长评级模型。
例如,从开源渠道下载或卫星公司采购指定时间周期内一系列的卫星遥感影像数据,然后根据卫星遥感影像数据计算各个作物周期的NDVI(Normalized VegetationIndex,归一化植被指数)和PVI(垂直植被指数),并且,从第三方机构获取气温、降水、光照及其衍生出来的地表温度(TS)、温度植被旱情指数(TVDI)、作物水分亏缺指数(CWSI)等环境因子;其次以专家知识对作物长势做出判断,并且是以模糊综合评价集{极差,较差,正常,极好}来表示作物长势,并以此为样本标签采用有监督学习进行建模,具体是以NDVI和PVI这两个作物指数和环境因子为输入,采用专家知识对作物进行判断的专家评价表示为样本标签,采用神经网络中的多层感知机算法作为分类器,拟合变量间的非线性关系,将作物长势识别作为分类问题进行处理,最终通过训练获得作物生长评级模型。
实际种植生产经营活动中,不同作物会产生不同的经济价值,这种经济价值在被认定为是用户资产组成部分的情况下,会一定程度影响用户的授信额度,而针对同一作物地块,用户在不同时期种植的作物种类也有可能是不同的,比如在同一作物地块春夏季种植小麦,秋冬季种植蔬菜,针对这种情况,为实现用户授信额度的精细化调整和管理,本实施例提供的一种可选实施方式中,在所述用户签订所述作物经营合约的过程中,在所述作物经营合约中约定所述用户的作物地块预期将种植的作物种类(即:目标作物种类),具体在确定所述目标作物在所述作物周期的作物生长评级之前,首先判断所述用户是否按照所述作物经营合约的约定种植了目标作物种类,具体实现如下:
根据所述目标作物在至少一个作物周期的作物种类,确定所述作物经营合约的合约期限内各个作物周期的作物种类;
判断所述合约期限内各个作物周期的作物种类中是否包含所述目标作物种类;
若是,执行根据所述作物种类和所述作物参数,确定所述目标作物在所述作物周期的作物生长评级;
若否,基于所述合约期限内各个作物周期的作物种类,所述作物地块的地块面积,所述作物种类对应的作物属性,计算所述合约期限内所述作物地块的作物总价值;
若所述作物总价值小于所述合约信息中包含的合约额度,对所述用户的授信额度进行降额处理。
例如,种植户B签订的助农经营贷款合约的合约期限为1年,并且在签订助农经营贷款合约时约定在种植户B的作物地块中种植某种药材,但种植户B在助农经营贷款合约签订之后,并未在该作物地块种植药材,而在该作物地块种植了两季蔬菜,则根据种植户B种植的两季蔬菜的蔬菜种类、地块面积、两种蔬菜对应的亩产单价以及种植户B所处地域的蔬菜价格波动,计算种植户B在该作物地块种植的两季蔬菜的作物总价值,如果作物总价值大于或者等于种植户B的授信额度(12000元),不作处理即可;如果作物总价值小于种植户B的授信额度(12000元),则将种植户B的授信额度从12000元降至7000元(假设种植户B在作物地块种植的两季蔬菜的作物总价值为7000元)。
步骤S108,基于所述合约信息和所述作物生长评级,确定对所述授信额度进行额度调整的调整策略并执行。
本实施例提供的一种可选实施方式中,所述调整策略,包括下述4种:
第一种:
若所述合约信息包含的合约期限内至少一个作物周期的作物生长评级为第四生长评级,则确定所述调整策略为对所述用户进行清退处理。
可选的,采用如下方式对所述用户进行清退处理:
对所述用户的授信额度在签订所述作物经营合约后的剩余子额度进行冻结处理和/或清零处理;
在检测到所述用户通过提交偿还申请并进行偿还处理履行所述作物经营合约中记录的履约条款的情况下,冻结所述用户进行额度偿还处理之后恢复的额度部分;
判断所述用户签订所述作物经营合约使用的已用子额度是否偿还完毕;
若是,关闭对所述用户的授信准入;
若否,则重复上述在检测到所述用户通过提交偿还申请并进行偿还处理履行所述作物经营合约中记录的履约条款的情况下,冻结所述用户进行额度偿还处理之后恢复的额度部分这一过程,直至所述已用子额度全部偿还完毕。
第二种:
若所述合约信息包含的合约期限内连续且满足第一数目的作物周期的作物生长评级为第三生长评级,或者所述合约期限内累计满足第二数目的作物周期的作物生长评级为第三生长评级,则确定所述调整策略为对所述用户的授信额度进行降额处理。
对所述用户的授信额度进行降额处理的具体实现过程,与对所述用户进行清退处理类类似:
对所述用户的授信额度在签订所述作物经营合约后的剩余子额度进行冻结处理和/或清零处理;
在检测到所述用户通过提交偿还申请并进行偿还处理履行所述作物经营合约中记录的履约条款的情况下,冻结所述用户进行额度偿还处理之后恢复的额度部分直至目标额度。
第三种:
若所述合约信息包含的合约期限内连续且满足第三数目的作物周期的作物生长评级为第一生长评级,或者所述合约期限内累计满足第四数目的作物周期的作物生长评级为第一生长评级,则确定所述调整策略为对所述用户的授信额度进行提额处理。
第四种:
除以上被确定为清退处理、降额处理和提额处理之外的其他情形,确定所述调整策略为保持所述用户的授信额度。
沿用上例,以120天为作物的完整生长周期,将5天作为一个作物生长周期,则120天的完整生长周期被分为24个作物生长周期;
若种植户B的作物地块中的作物在任意一个作物周期的作物生长评级被确定为第四生长评级,则对种植户B进行清退处理;
若种植户C的作物地块中的作物在连续5个作物周期或者累计10个作物周期的作物生长评级被确定为三生长评级,则对种植户C的授信额度进行降额处理;
若种植户D的作物地块中的作物在连续5个作物周期或者累计10个作物周期的作物生长评级被确定为第一生长评级,则对种植户D的授信额度进行提额处理。
需要说明的是,作物生长评级在一定程度体现用户作物地块的收益情况,进而反映用户的资产情况,从而影响用户的授信额度,从这一逻辑出发,为进一步提升对所述用户的授信额度调整的精确性,本实施例提供的一种可选实施方式中,通过预测所述用户的作物地块的预期收益来更加直观的反映用户资产情况,具体的,基于所述合约信息和所述作物生长评级,确定对所述授信额度进行额度调整的调整策略并执行,实现如下:
1)基于所述作物地块的地块面积、所述作物周期内的作物种类和所述作物生长评级,预测所述目标作物在所述作物经营合约的合约期限内的预期收益;
2)将所述预期收益与所述作物经营合约的合约额度和/或签订所述作物经营合约使用的已用子额度进行比对;所述合约额度和/或已用子额度记录在所述合约信息中;
3)根据比对结果确定对所述授信额度进行额度调整的调整策略并执行。
其中,根据比对结果确定对所述授信额度进行额度调整的调整策略,包括:
若比对结果为所述预期收益小于所述合约额度和/或所述已用子额度,且二者的额度差超出第一额度差阈值,则确定所述调整策略为对所述用户的授信额度进行降额处理;
若比对结果为所述预期收益小于所述合约额度和/或所述已用子额度,且二者的额度差未超出所述第一额度差阈值,或者,若比对结果为所述预期收益大于所述合约额度和/或所述已用子额度,且二者的额度差未超出第二额度差阈值,则确定所述调整策略为在所述合约期限内保持所述用户的授信额度;
若比对结果为所述预期收益大于所述合约额度和/或所述已用子额度,且二者的额度差超出所述第二额度差阈值,则确定所述调整策略为对所述用户的授信额度进行提额处理。
实际应用中,向用户授予授信额度的目的不仅是为用户的种植生产经营提供方便,同时也是为了促进信用体系的建立和完善,为进一步从用户的角度去完善信用体系,本实施例提供的一种可选实施方式中,在所述用户签订的所述作物经营合约中,约定所述用户的作物地块的目标地块面积以及预期将要种植的作物的目标作物种类,以此在信用维度对所述用户的信用进行维护,最终体现为对所述用户的授信额度进行调整,具体实现如下:
确定所述作物地块中作物种类与所述目标作物种类相同的子地块的子地块面积;
基于所述子地块面积和所述目标地块面积计算所述用户的置信度;
在所述置信度满足预设置信度阈值的情况下,更新所述用户的信用数据,并基于更新后的信用数据更新所述用户的授信额度。
例如,将卫星遥感影像数据输入预先训练的作物识别模型,对种植户A的作物地块的作物种类进行识别,输出种植户A的作物地块的作物种类分布,该作物种类分布由100个遥感影像单元各自对应的作物种类组成,其中80个遥感影像单元对应的作物种类被识别为小麦,20个遥感影像单元对应的作物种类被识别为水稻;如果种植户A在签订作物经营合约时约定在当前作物地块种植作物的目标作物种类为小麦,则确定上述80个遥感影像单元对应的子地块的子地块面积,然后计算子地块面积与种植户A在签订作物经营合约时约定的当前作物地块的目标地块面积的比值,作为种植户A的置信度,如果置信度大于75%,则提升种植户A的信用等级,并基于提升后的信用等级重新评估种植户A的授信额度。
此外,实际应用中,用户的种植生产经营活动中难免会遇到各种意外情况,为降低用户的作物地块遭受意外情况造成的损失,同时也为了提升用户在遭受意外情况下对已签订的作物经营合约的履约率,本实施例提供的一种可选实施方式中,根据所述用户在签订所述作物经营合约时约定的在作物地块种植作物的目标作物种类,结合该目标作物种类以往的作物生长情况,为所述用户推荐相应的作物保障项目,供所述用户加入,通过所述作物保障项目的保障来降低所述用户损失,以此来提升所述用户对签订的作物经营合约的履约率,具体实现如下:
获取所述作物地块在至少一个历史作物周期的历史作物种类和历史作物参数;
判断所述目标作物种类与所述历史作物种类是否相同;
若相同,基于所述历史作物种类和历史作物参数,确定所述作物地块在所述历史作物周期对应的历史作物生长评级;
基于所述历史作物生长评级,向所述用户推荐所述目标作物种类对应的作物保障项目。
例如,获取种植户A的作物地块在过去一年内各个历史作物周期的历史作物种类和历史作物参数,如果种植户A签订助农经营贷款合约时约定在作物地块种植的作物为小麦(目标作物种类),与过去一年在该作物地块种植作物的历史作物种类(小麦)相同,则根据历史作物种类和历史作物参数,确定过去一年内各个历史作物周期对应的作物生长评级,然后根据作物生长评级向种植户A推荐与小麦这一作物相适配的农业保险或者助农补助项目;具体的,如果过去一年内各个历史作物周期对应的作物长势表明种植小麦因减产严重,则向种植户A推荐小麦种植保险;如果过去一年内各个历史作物周期对应的作物长势表明种植小麦受到水灾或者旱灾,则向种植户A推荐自然灾害损失保险或者申请助农补助项目的补助。
下述以本实施例提供的一种数据处理方法在助农贷款项目场景的应用为例,对本实施例提供的数据处理方法进行进一步说明,参见图2,应用于助农贷款项目场景的数据处理方法,具体包括步骤S202至步骤S224。
步骤S202,获取种植户的作物地块在至少一个历史作物周期的遥感影像数据。
步骤S204,基于历史作物周期的遥感影像数据,计算作物地块在至少一个历史作物周期的历史作物参数。
步骤S206,基于历史作物参数识别作物地块在历史作物周期的历史作物的历史作物种类。
步骤S208,基于作物地块的地块面积、历史作物种类以及历史作物种类对应的作物属性,计算历史作物的历史作物价值。
具体的,种植户通过在地图页面输入的标注动作的方式来提交地图边界信息,并在地图页面显示该地图边界信息,以及,根据地图页面的地图边界信息与经纬度信息的映射关系,确定种植户A输入的标注动作对应的经纬度坐标数据为:(,)、(,)、···(,);然后根据如下公式计算种植户A的作物地块的地块面积S:
步骤S210,基于历史作物价值和种植户的信用数据,确定种植户的授信额度。
步骤S212,获取种植户通过触发贷款应用的合约申请页面配置的申请控件提交的申请请求。
步骤S214,判断申请请求中包含的申请数额是否小于或者等于授信额度;若是,执行步骤S216;若否,向种植户发出提醒即可。
步骤S216,基于申请数额和授信额度,以种植户为合约参与方签订作助农经营贷款合约。
步骤S218,获取种植户签订的助农经营贷款合约的合约信息,以及作物地块在至少一个作物周期的遥感影像数据。
步骤S220,基于至少一个作物周期的遥感影像数据,确定作物地块在作物周期的目标作物的作物参数和作物种类。
如上所述,种植户通过在地图页面输入的标注动作的方式来提交地图边界信息,首先确定该地图边界信息在卫星遥感影像中映射的经纬度坐标数据,并确定该地图边界信息所属的作物周期的时间信息;然后在以时间为轴的一系列的卫星遥感影像中找出该时间信息对应的卫星遥感影像,并根据地图边界信息与卫星遥感影像二者的映射关系,确定地图边界信息在找出的卫星遥感影像中映射的作物地块;最后将找出的卫星遥感影像和地图边界信息在找出的卫星遥感影像中映射的作物地块的地块信息输入预先训练好的作物识别模型进行作物识别,输出卫星遥感影像中映射的作物地块包含的每个遥感影像单元的作物种类,然后将作物种类相同的遥感影像单元对应的作物种类作为种植户标注的作物地块的作物种类。
步骤S222,根据作物种类和作物参数,确定目标作物在作物周期的作物生长评级。
步骤S224,基于合约信息和作物生长评级,确定对授信额度进行额度调整的调整策略并执行。
具体的,调整策略采用如下方式确定:
若合约信息包含的合约期限内至少一个作物周期的作物生长评级为第四生长评级,则确定调整策略为对种植户进行清退处理;
若合约信息包含的合约期限内连续且满足第一数目的作物周期的作物生长评级为第三生长评级,或者合约期限内累计满足第二数目的作物周期的作物生长评级为第三生长评级,则确定调整策略为对种植户的授信额度进行降额处理;
若合约信息包含的合约期限内连续且满足第三数目的作物周期的作物生长评级为第一生长评级,或合约期限内累计满足第四数目的作物周期的作物生长评级为第一生长评级,则确定调整策略为对种植户的授信额度进行提额处理。
其中,对种植户进行清退处理,包括:对种植户的授信额度在签订作物经营合约后的剩余子额度进行冻结处理和/或清零处理;在检测到种植户通过提交偿还申请并进行偿还处理履行作物经营合约中记录的履约条款的情况下,冻结种植户的授信额度中进行额度偿还处理之后恢复的额度部分;判断种植户签订作物经营合约使用的已用子额度是否偿还完毕;若是,关闭对种植户的授信准入;若否,重复执行上述在检测到种植户通过提交偿还申请并进行偿还处理履行作物经营合约中记录的履约条款的情况下,冻结种植户的授信额度中进行额度偿还处理之后恢复的额度部分这一过程。
下述以本实施例提供的一种数据处理方法在助农经营项目场景的应用为例,对本实施例提供的数据处理方法进行进一步说明,参见图3,应用于助农经营项目场景的数据处理方法,具体包括步骤S302至步骤S318。
步骤S302,获取种植户通过触发助农经营应用的合约申请页面配置的申请控件提交的申请请求。
步骤S304,判断申请请求中包含的申请数额是否小于或者等于授信额度;若是,执行步骤S306;若否,向种植户发出提醒即可。
步骤S306,基于申请数额和授信额度,以种植户为合约参与方签订助农经营合约。
步骤S308,获取种植户签订的助农经营合约的合约信息,以及作物地块在至少一个作物周期的遥感影像数据。
步骤S310,基于至少一个作物周期的遥感影像数据,确定作物地块在作物周期的目标作物的作物参数和作物种类。
步骤S312,根据作物种类和作物参数,确定目标作物在作物周期的作物生长评级。
步骤S314,基于作物地块的地块面积、作物周期内的作物种类和作物生长评级,预测目标作物在助农经营合约的合约期限内的预期收益。
步骤S316,将预期收益与助农经营合约的合约信息中记录的合约额度进行比对。
步骤S318,根据比对结果确定对授信额度进行额度调整的调整策略并执行。
具体的,若比对结果为预期收益小于合约额度,且二者的额度差超出第一额度差阈值,则确定调整策略为对种植户的授信额度进行降额处理;
若比对结果为预期收益小于合约额度,且二者的额度差未超出第一额度差阈值,或者,若比对结果为预期收益大于合约额度,且二者的额度差未超出第二额度差阈值,则确定调整策略为在合约期限内保持种植户的授信额度;
若比对结果为预期收益大于合约额度,且二者的额度差超出第二额度差阈值,则确定调整策略为种植户的授信额度进行提额处理。
综上所述,本实施例提供的数据处理方法,针对签订作物经营合约的用户,从所述作物经营合约的合约信息和所述用户的作物地块的遥感影像数据出发,通过确定所述用户的作物地块中目标作物在不同作物周期的作物参数和作物种类,进而确定所述用户的作物地块中目标作物在不同作物周期的作物生长评级,从而根据用户的作物地块的作物生长情况对授信额度进行适应性调整,在向用户提供作物经营合约签订的角度而言,降低了用户无法履约所产生的损失,同时,通过授信额度的调整更好的促进了信用体系的完善。
本说明书提供的一种数据处理装置实施例如下:
在上述的实施例中,提供了一种数据处理方法,与之相对应的,还提供了一种数据处理装置,下面结合附图进行说明。
参照图4,其示出了本实施例提供的一种数据处理装置的示意图。
由于装置实施例对应于方法实施例,所以描述得比较简单,相关的部分请参见上述提供的方法实施例的对应说明即可。下述描述的装置实施例仅仅是示意性的。
本实施例提供一种数据处理装置,包括:
合约信息获取模块402,被配置为获取用户基于授信额度签订的作物经营合约的合约信息,以及所述用户的作物地块在至少一个作物周期的遥感影像数据;
作物参数确定模块404,被配置为基于所述遥感影像数据,确定所述作物地块在所述作物周期的目标作物的作物参数和作物种类;
作物生长评级确定模块406,被配置为根据所述作物种类和所述作物参数,确定所述目标作物在所述作物周期的作物生长评级;
调整策略执行模块408,被配置为基于所述合约信息和所述作物生长评级,确定对所述授信额度进行额度调整的调整策略并执行。
可选的,所述合约信息中包含所述作物经营合约的合约额度,所述用户在基于所述授信额度签订所述作物经营合约之后,签订所述作物经营合约所使用的所述授信额度中所述合约额度对应的已用子额度被冻结;
并且,所述已用子额度在所述用户履行所述作物经营合约中记录的履约条款之后被恢复。
可选的,所述数据处理装置,还包括:
申请请求获取模块,被配置为获取所述用户通过触发目标应用的合约申请页面配置的申请控件提交的申请请求;
授信额度判断模块,被配置为判断所述申请请求中包含的申请数额是否小于或者等于所述授信额度;
若是,运行作物经营合约签订模块;所述作物经营合约签订模块,被配置为基于所述申请数额和所述用户提交的所述作物地块的地块信息,以所述用户为合约参与方签订所述作物经营合约。
可选的,所述数据处理装置,还包括:
地理信息页面展示模块,被配置为向所述用户展示地理信息页面;
地块边界信息确定模块,被配置为若检测到在所述地理信息页面输入的标注动作,确定所述标注动作对应的地块边界信息;
经纬度坐标数据确定模块,被配置为确定所述地块边界信息映射的经纬度坐标数据;
地块面积计算模块,被配置为基于所述经纬度坐标数据,采用面积计算公式计算所述作物地块的地块面积;
其中,所述面积计算公式包括:计算经纬度坐标数据中与纬度坐标数值相邻的两个纬度坐标数值的差值与对应经度坐标数值的乘积,并对经纬度坐标数据中所有纬度坐标数值对应的乘积进行求和,将求和结果的二分之一与坐标转换常数的乘积作为所述地块面积。
可选的,所述授信额度,采用如下方式确定:
获取所述作物地块在至少一个历史作物周期的遥感影像数据;
基于所述历史作物周期的遥感影像数据,计算所述作物地块在至少一个历史作物周期的历史作物参数;
基于所述历史作物参数识别所述作物地块在所述历史作物周期的历史作物的历史作物种类;
基于所述地块面积、所述历史作物种类以及所述历史作物种类对应的作物属性,计算所述历史作物的历史作物价值;
基于所述历史作物价值和所述用户的信用数据,确定所述授信额度。
可选的,所述遥感影像数据,采用如下方式获取:
确定所述地块边界信息所属的目标地理区域;
获取所述目标地理区域在所述至少一个作物周期的遥感影像数据;
其中,所述遥感影像数据,包括红外影像维度、卫星影像维度和/或光学影像维度的遥感影像数据。
可选的,所述目标作物在所述作物周期的作物种类,采用如下方式确定:
确定所述用户提交的地块边界信息映射的经纬度坐标数据,以及所述地块边界信息所属的作物周期的时间信息;
基于所述经纬度坐标数据和所述时间信息,确定所述经纬度坐标数据在所述遥感影像数据中映射的一个或者多个作物地块;
根据所述一个或者多个作物地块包含的影像单元的作物种类,确定所述经纬度坐标数据对应的作物地块的作物种类;
其中,所述作物地块包含的影像单元的作物种类,由作物识别模型对输入的遥感影像数据进行作物种类识别后输出。
可选的,所述目标作物在所述作物周期的作物参数,包括:作物指数和环境因子;
针对所述至少一个作物周期中任意一个作物周期,该作物周期的作物指数采用如下方式计算:
基于所述作物周期的遥感影像数据,读取所述目标作物的作物生长参数;
基于所述作物生长参数计算所述目标作物在该作物周期的作物指数;
相应的,所述作物生长评级确定模块406,基于作物生长评级模型实现;
所述作物生长评级模型的输入为所述至少一个作物周期的作物指数和环境因子,输出为所述目标作物在所述至少一个作物周期的作物生长评级。
可选的,所述作物生长评级模型,采用如下方式训练:
获取至少一个作物周期的遥感影像数据;
基于所述遥感影像数据计算所述作物周期的作物指数,并获取所述作物周期对应的环境因子;
获取所述遥感影像数据对应的样本作物在所述作物周期的生长评级标签;
以所述作物指数和所述环境因子为训练样本,以所述生长评级标签为样本标签进行模型训练,获得所述作物生长评级模型。
可选的,所述调整策略,采用如下方式确定:
若所述合约信息包含的合约期限内至少一个作物周期的作物生长评级为第四生长评级,则确定所述调整策略为对所述用户进行清退处理;
若所述合约信息包含的合约期限内连续且满足第一数目的作物周期的作物生长评级为第三生长评级,或者所述合约期限内累计满足第二数目的作物周期的作物生长评级为第三生长评级,则确定所述调整策略为对所述用户的授信额度进行降额处理;
若所述合约信息包含的合约期限内连续且满足第三数目的作物周期的作物生长评级为第一生长评级,或者所述合约期限内累计满足第四数目的作物周期的作物生长评级为第一生长评级,则确定所述调整策略为对所述用户的授信额度进行提额处理。
可选的,所述对所述用户进行清退处理,包括:
对所述用户的授信额度在签订所述作物经营合约后的剩余子额度进行冻结处理和/或清零处理;
在检测到所述用户通过提交偿还申请并进行偿还处理履行所述作物经营合约中记录的履约条款的情况下,冻结所述用户的授信额度中进行额度偿还处理之后恢复的额度部分;
判断所述用户签订所述作物经营合约使用的已用子额度是否偿还完毕;
若是,关闭对所述用户的授信准入。
可选的,所述调整策略执行模块408,包括:
预期收益预测子模块,被配置为基于所述作物地块的地块面积、所述作物周期内的作物种类和所述作物生长评级,预测所述目标作物在所述作物经营合约的合约期限内的预期收益;
比对子模块,被配置为将所述预期收益与所述作物经营合约的合约额度和/或签订所述作物经营合约使用的已用子额度进行比对;所述合约额度和/或已用子额度记录在所述合约信息中;
调整策略确定子模块,被配置为根据比对结果确定对所述授信额度进行额度调整的调整策略并执行。
可选的,所述调整策略确定子模块,包括:
第一单元,被配置为若比对结果为所述预期收益小于所述合约额度和/或所述已用子额度,且二者的额度差超出第一额度差阈值,则确定所述调整策略为对所述用户的授信额度进行降额处理;
第二单元,被配置为若比对结果为所述预期收益小于所述合约额度和/或所述已用子额度,且二者的额度差未超出所述第一额度差阈值,或者,若比对结果为所述预期收益大于所述合约额度和/或所述已用子额度,且二者的额度差未超出第二额度差阈值,则确定所述调整策略为在所述合约期限内保持所述用户的授信额度;
第三单元,被配置为若比对结果为所述预期收益大于所述合约额度和/或所述已用子额度,且二者的额度差超出所述第二额度差阈值,则确定所述调整策略为对所述用户的授信额度进行提额处理。
可选的,所述合约信息中包含有所述作物地块的目标作物种类;相应的,所述数据处理装置,还包括:
作物种类确定模块,被配置为根据所述目标作物在至少一个作物周期的作物种类,确定所述作物经营合约的合约期限内各个作物周期的作物种类;
作物种类判断模块,被配置为判断所述合约期限内各个作物周期的作物种类中是否包含所述目标作物种类;
若是,运行所述作物生长评级确定模块406;
若否,运行作物总价值计算模块和降额处理模块;
所述作物总价值计算模块,被配置为基于所述合约期限内各个作物周期的作物种类,所述作物地块的地块面积,所述作物种类对应的作物属性,计算所述合约期限内所述作物地块的作物总价值;
所述降额处理模块,被配置为若所述作物总价值小于所述合约信息中包含的合约额度,对所述用户的授信额度进行降额处理。
可选的,所述合约信息中包含有所述作物地块的目标地块面积和目标作物种类,相应的,所述数据处理装置,还包括:
子地块面积确定模块,被配置为确定所述作物地块中作物种类与所述目标作物种类相同的子地块的子地块面积;
置信度计算模块,被配置为基于所述子地块面积和所述目标地块面积计算所述用户的置信度;
授信额度更新模块,被配置为在所述置信度满足预设置信度阈值的情况下,更新所述用户的信用数据,并基于更新后的信用数据更新所述用户的授信额度。
可选的,所述合约信息中包含有所述作物地块的目标作物种类,所述数据处理装置,还包括:
历史作物参数获取模块,被配置为获取所述作物地块在至少一个历史作物周期的历史作物种类和历史作物参数;
历史作物种类判断模块,被配置为判断所述目标作物种类与所述历史作物种类是否相同;
若相同,运行历史作物生长评级确定模块和作物保障项目推荐模块;
所述历史作物生长评级确定模块,被配置为基于所述历史作物种类和历史作物参数,确定所述作物地块在所述历史作物周期对应的历史作物生长评级;
所述作物保障项目推荐模块,被配置为基于所述历史作物生长评级,向所述用户推荐所述目标作物种类对应的作物保障项目。
本说明书提供的一种数据处理设备实施例如下:
对应上述描述的一种数据处理方法,基于相同的技术构思,本说明书一个或多个实施例还提供一种数据处理设备,该数据处理设备用于执行上述提供的数据处理方法,图5为本说明书一个或多个实施例提供的一种数据处理设备的结构示意图。
本实施例提供的一种数据处理设备,包括:
如图5所示,数据处理设备可因配置或性能不同而产生比较大的差异,可以包括一个或一个以上的处理器501和存储器502,存储器502中可以存储有一个或一个以上存储应用程序或数据。其中,存储器502可以是短暂存储或持久存储。存储在存储器502的应用程序可以包括一个或一个以上模块(图示未示出),每个模块可以包括数据处理设备中的一系列计算机可执行指令。更进一步地,处理器501可以设置为与存储器502通信,在数据处理设备上执行存储器502中的一系列计算机可执行指令。数据处理设备还可以包括一个或一个以上电源503,一个或一个以上有线或无线网络接口504,一个或一个以上输入输出接口505,一个或一个以上键盘506等。
在一个具体的实施例中,数据处理设备包括有存储器,以及一个或一个以上的程序,其中一个或者一个以上程序存储于存储器中,且一个或者一个以上程序可以包括一个或一个以上模块,且每个模块可以包括对数据处理设备中的一系列计算机可执行指令,且经配置以由一个或者一个以上处理器执行该一个或者一个以上程序包含用于进行以下计算机可执行指令:
获取用户基于授信额度签订的作物经营合约的合约信息,以及所述用户的作物地块在至少一个作物周期的遥感影像数据;
基于所述遥感影像数据,确定所述作物地块在所述作物周期的目标作物的作物参数和作物种类;
根据所述作物种类和所述作物参数,确定所述目标作物在所述作物周期的作物生长评级;
基于所述合约信息和所述作物生长评级,确定对所述授信额度进行额度调整的调整策略并执行。
可选的,所述合约信息中包含所述作物经营合约的合约额度,所述用户在基于所述授信额度签订所述作物经营合约之后,签订所述作物经营合约所使用的所述授信额度中所述合约额度对应的已用子额度被冻结;并且,所述已用子额度在所述用户履行所述作物经营合约中记录的履约条款之后被恢复。
可选的,所述获取用户基于授信额度签订的作物经营合约的合约信息,以及所述用户的作物地块在至少一个作物周期的遥感影像数据执行执行之前,还包括:
获取所述用户通过触发目标应用的合约申请页面配置的申请控件提交的申请请求;
判断所述申请请求中包含的申请数额是否小于或者等于所述授信额度;
若是,基于所述申请数额和所述用户提交的所述作物地块的地块信息,以所述用户为合约参与方签订所述作物经营合约。
可选的,所述获取所述用户通过触发目标应用的合约申请页面配置的申请控件提交的申请请求指令执行之后,且所述判断所述申请请求中包含的申请数额是否小于或者等于所述授信额度指令执行之前,还包括:
向所述用户展示地理信息页面;
若检测到在所述地理信息页面输入的标注动作,确定所述标注动作对应的地块边界信息;
确定所述地块边界信息映射的经纬度坐标数据;
基于所述经纬度坐标数据,采用面积计算公式计算所述作物地块的地块面积;
其中,所述面积计算公式包括:计算经纬度坐标数据中与纬度坐标数值相邻的两个纬度坐标数值的差值与对应经度坐标数值的乘积,并对经纬度坐标数据中所有纬度坐标数值对应的乘积进行求和,将求和结果的二分之一与坐标转换常数的乘积作为所述地块面积。
可选的,所述授信额度,采用如下方式确定:
获取所述作物地块在至少一个历史作物周期的遥感影像数据;
基于所述历史作物周期的遥感影像数据,计算所述作物地块在至少一个历史作物周期的历史作物参数;
基于所述历史作物参数识别所述作物地块在所述历史作物周期的历史作物的历史作物种类;
基于所述地块面积、所述历史作物种类以及所述历史作物种类对应的作物属性,计算所述历史作物的历史作物价值;
基于所述历史作物价值和所述用户的信用数据,确定所述授信额度。
可选的,所述遥感影像数据,采用如下方式获取:
确定所述地块边界信息所属的目标地理区域;
获取所述目标地理区域在所述至少一个作物周期的遥感影像数据;
其中,所述遥感影像数据,包括红外影像维度、卫星影像维度和/或光学影像维度的遥感影像数据。
可选的,所述目标作物在所述作物周期的作物种类,采用如下方式确定:
确定所述用户提交的地块边界信息映射的经纬度坐标数据,以及所述地块边界信息所属的作物周期的时间信息;
基于所述经纬度坐标数据和所述时间信息,确定所述经纬度坐标数据在所述遥感影像数据中映射的一个或者多个作物地块;
根据所述一个或者多个作物地块包含的影像单元的作物种类,确定所述经纬度坐标数据对应的作物地块的作物种类;
其中,所述作物地块包含的影像单元的作物种类,由作物识别模型对输入的遥感影像数据进行作物种类识别后输出。
可选的,所述目标作物在所述作物周期的作物参数,包括:作物指数和环境因子;
针对所述至少一个作物周期中任意一个作物周期,该作物周期的作物指数采用如下方式计算:
基于所述作物周期的遥感影像数据,读取所述目标作物的作物生长参数;
基于所述作物生长参数计算所述目标作物在该作物周期的作物指数;
相应的,所述根据所述作物种类和所述作物参数,确定所述目标作物在所述作物周期的作物生长评级指令,基于作物生长评级模型实现;
所述作物生长评级模型的输入为所述至少一个作物周期的作物指数和环境因子,输出为所述目标作物在所述至少一个作物周期的作物生长评级。
可选的,所述作物生长评级模型,采用如下方式训练:
获取至少一个作物周期的遥感影像数据;
基于所述遥感影像数据计算所述作物周期的作物指数,并获取所述作物周期对应的环境因子;
获取所述遥感影像数据对应的样本作物在所述作物周期的生长评级标签;
以所述作物指数和所述环境因子为训练样本,以所述生长评级标签为样本标签进行模型训练,获得所述作物生长评级模型。
可选的,所述调整策略,采用如下方式确定:
若所述合约信息包含的合约期限内至少一个作物周期的作物生长评级为第四生长评级,则确定所述调整策略为对所述用户进行清退处理;
若所述合约信息包含的合约期限内连续且满足第一数目的作物周期的作物生长评级为第三生长评级,或者所述合约期限内累计满足第二数目的作物周期的作物生长评级为第三生长评级,则确定所述调整策略为对所述用户的授信额度进行降额处理;
若所述合约信息包含的合约期限内连续且满足第三数目的作物周期的作物生长评级为第一生长评级,或者所述合约期限内累计满足第四数目的作物周期的作物生长评级为第一生长评级,则确定所述调整策略为对所述用户的授信额度进行提额处理。
可选的,所述对所述用户进行清退处理,包括:
对所述用户的授信额度在签订所述作物经营合约后的剩余子额度进行冻结处理和/或清零处理;
在检测到所述用户通过提交偿还申请并进行偿还处理履行所述作物经营合约中记录的履约条款的情况下,冻结所述用户的授信额度中进行额度偿还处理之后恢复的额度部分;
判断所述用户签订所述作物经营合约使用的已用子额度是否偿还完毕;
若是,关闭对所述用户的授信准入。
可选的,所述基于所述合约信息和所述作物生长评级,确定对所述授信额度进行额度调整的调整策略并执行,包括:
基于所述作物地块的地块面积、所述作物周期内的作物种类和所述作物生长评级,预测所述目标作物在所述作物经营合约的合约期限内的预期收益;
将所述预期收益与所述作物经营合约的合约额度和/或签订所述作物经营合约使用的已用子额度进行比对;所述合约额度和/或已用子额度记录在所述合约信息中;
根据比对结果确定对所述授信额度进行额度调整的调整策略并执行。
可选的,所述根据比对结果确定对所述授信额度进行额度调整的调整策略,包括:
若比对结果为所述预期收益小于所述合约额度和/或所述已用子额度,且二者的额度差超出第一额度差阈值,则确定所述调整策略为对所述用户的授信额度进行降额处理;
若比对结果为所述预期收益小于所述合约额度和/或所述已用子额度,且二者的额度差未超出所述第一额度差阈值,或者,若比对结果为所述预期收益大于所述合约额度和/或所述已用子额度,且二者的额度差未超出第二额度差阈值,则确定所述调整策略为在所述合约期限内保持所述用户的授信额度;
若比对结果为所述预期收益大于所述合约额度和/或所述已用子额度,且二者的额度差超出所述第二额度差阈值,则确定所述调整策略为对所述用户的授信额度进行提额处理。
可选的,所述合约信息中包含有所述作物地块的目标作物种类;
相应的,所述基于所述遥感影像数据,确定所述作物地块中目标作物在所述作物周期的作物参数和作物种类指令执行之后,且所述根据所述作物种类和所述作物参数,确定所述目标作物在所述作物周期的作物生长评级指令执行之前,包括:
根据所述目标作物在至少一个作物周期的作物种类,确定所述作物经营合约的合约期限内各个作物周期的作物种类;
判断所述合约期限内各个作物周期的作物种类中是否包含所述目标作物种类;
若是,执行所述根据所述作物种类和所述作物参数,确定所述目标作物在所述作物周期的作物生长评级指令;
若否,基于所述合约期限内各个作物周期的作物种类,所述作物地块的地块面积,所述作物种类对应的作物属性,计算所述合约期限内所述作物地块的作物总价值;
若所述作物总价值小于所述合约信息中包含的合约额度,对所述用户的授信额度进行降额处理。
可选的,所述合约信息中包含有所述作物地块的目标地块面积和目标作物种类,相应的,计算机可执行指令执行时,还包括:
确定所述作物地块中作物种类与所述目标作物种类相同的子地块的子地块面积;
基于所述子地块面积和所述目标地块面积计算所述用户的置信度;
在所述置信度满足预设置信度阈值的情况下,更新所述用户的信用数据,并基于更新后的信用数据更新所述用户的授信额度。
可选的,所述合约信息中包含有所述作物地块的目标作物种类,计算机可执行指令执行时,还包括:
获取所述作物地块在至少一个历史作物周期的历史作物种类和历史作物参数;
判断所述目标作物种类与所述历史作物种类是否相同;
若相同,基于所述历史作物种类和历史作物参数,确定所述作物地块在所述历史作物周期对应的历史作物生长评级;
基于所述历史作物生长评级,向所述用户推荐所述目标作物种类对应的作物保障项目。
本说明书提供的一种存储介质实施例如下:
对应上述描述的一种数据处理方法,基于相同的技术构思,本说明书一个或多个实施例还提供一种存储介质。
本实施例提供的存储介质,用于存储计算机可执行指令,所述计算机可执行指令在被执行时实现以下流程:
获取用户基于授信额度签订的作物经营合约的合约信息,以及所述用户的作物地块在至少一个作物周期的遥感影像数据;
基于所述遥感影像数据,确定所述作物地块在所述作物周期的目标作物的作物参数和作物种类;
根据所述作物种类和所述作物参数,确定所述目标作物在所述作物周期的作物生长评级;
基于所述合约信息和所述作物生长评级,确定对所述授信额度进行额度调整的调整策略并执行。
可选的,所述合约信息中包含所述作物经营合约的合约额度,所述用户在基于所述授信额度签订所述作物经营合约之后,签订所述作物经营合约所使用的所述授信额度中所述合约额度对应的已用子额度被冻结;并且,所述已用子额度在所述用户履行所述作物经营合约中记录的履约条款之后被恢复。
可选的,所述获取用户基于授信额度签订的作物经营合约的合约信息,以及所述用户的作物地块在至少一个作物周期的遥感影像数据指令执行之前,所述计算机可执行指令在被执行时还实现以下流程:
获取所述用户通过触发目标应用的合约申请页面配置的申请控件提交的申请请求;
判断所述申请请求中包含的申请数额是否小于或者等于所述授信额度;
若是,基于所述申请数额和所述用户提交的所述作物地块的地块信息,以所述用户为合约参与方签订所述作物经营合约。
可选的,所述获取所述用户通过触发目标应用的合约申请页面配置的申请控件提交的申请请求指令执行之后,且所述判断所述申请请求中包含的申请数额是否小于或者等于所述授信额度指令执行之前,所述计算机可执行指令在被执行时还实现以下流程:
向所述用户展示地理信息页面;
若检测到在所述地理信息页面输入的标注动作,确定所述标注动作对应的地块边界信息;
确定所述地块边界信息映射的经纬度坐标数据;
基于所述经纬度坐标数据,采用面积计算公式计算所述作物地块的地块面积;
其中,所述面积计算公式包括:计算经纬度坐标数据中与纬度坐标数值相邻的两个纬度坐标数值的差值与对应经度坐标数值的乘积,并对经纬度坐标数据中所有纬度坐标数值对应的乘积进行求和,将求和结果的二分之一与坐标转换常数的乘积作为所述地块面积。
可选的,所述授信额度,采用如下方式确定:
获取所述作物地块在至少一个历史作物周期的遥感影像数据;
基于所述历史作物周期的遥感影像数据,计算所述作物地块在至少一个历史作物周期的历史作物参数;
基于所述历史作物参数识别所述作物地块在所述历史作物周期的历史作物的历史作物种类;
基于所述地块面积、所述历史作物种类以及所述历史作物种类对应的作物属性,计算所述历史作物的历史作物价值;
基于所述历史作物价值和所述用户的信用数据,确定所述授信额度。
可选的,所述遥感影像数据,采用如下方式获取:
确定所述地块边界信息所属的目标地理区域;
获取所述目标地理区域在所述至少一个作物周期的遥感影像数据;
其中,所述遥感影像数据,包括红外影像维度、卫星影像维度和/或光学影像维度的遥感影像数据。
可选的,所述目标作物在所述作物周期的作物种类,采用如下方式确定:
确定所述用户提交的地块边界信息映射的经纬度坐标数据,以及所述地块边界信息所属的作物周期的时间信息;
基于所述经纬度坐标数据和所述时间信息,确定所述经纬度坐标数据在所述遥感影像数据中映射的一个或者多个作物地块;
根据所述一个或者多个作物地块包含的影像单元的作物种类,确定所述经纬度坐标数据对应的作物地块的作物种类;
其中,所述作物地块包含的影像单元的作物种类,由作物识别模型对输入的遥感影像数据进行作物种类识别后输出。
可选的,所述目标作物在所述作物周期的作物参数,包括:作物指数和环境因子;
针对所述至少一个作物周期中任意一个作物周期,该作物周期的作物指数采用如下方式计算:
基于所述作物周期的遥感影像数据,读取所述目标作物的作物生长参数;
基于所述作物生长参数计算所述目标作物在该作物周期的作物指数;
相应的,所述根据所述作物种类和所述作物参数,确定所述目标作物在所述作物周期的作物生长评级指令,基于作物生长评级模型实现;
所述作物生长评级模型的输入为所述至少一个作物周期的作物指数和环境因子,输出为所述目标作物在所述至少一个作物周期的作物生长评级。
可选的,所述作物生长评级模型,采用如下方式训练:
获取至少一个作物周期的遥感影像数据;
基于所述遥感影像数据计算所述作物周期的作物指数,并获取所述作物周期对应的环境因子;
获取所述遥感影像数据对应的样本作物在所述作物周期的生长评级标签;
以所述作物指数和所述环境因子为训练样本,以所述生长评级标签为样本标签进行模型训练,获得所述作物生长评级模型。
可选的,所述调整策略,采用如下方式确定:
若所述合约信息包含的合约期限内至少一个作物周期的作物生长评级为第四生长评级,则确定所述调整策略为对所述用户进行清退处理;
若所述合约信息包含的合约期限内连续且满足第一数目的作物周期的作物生长评级为第三生长评级,或者所述合约期限内累计满足第二数目的作物周期的作物生长评级为第三生长评级,则确定所述调整策略为对所述用户的授信额度进行降额处理;
若所述合约信息包含的合约期限内连续且满足第三数目的作物周期的作物生长评级为第一生长评级,或者所述合约期限内累计满足第四数目的作物周期的作物生长评级为第一生长评级,则确定所述调整策略为对所述用户的授信额度进行提额处理。
可选的,所述对所述用户进行清退处理,包括:
对所述用户的授信额度在签订所述作物经营合约后的剩余子额度进行冻结处理和/或清零处理;
在检测到所述用户通过提交偿还申请并进行偿还处理履行所述作物经营合约中记录的履约条款的情况下,冻结所述用户的授信额度中进行额度偿还处理之后恢复的额度部分;
判断所述用户签订所述作物经营合约使用的已用子额度是否偿还完毕;
若是,关闭对所述用户的授信准入。
可选的,所述基于所述合约信息和所述作物生长评级,确定对所述授信额度进行额度调整的调整策略并执行,包括:
基于所述作物地块的地块面积、所述作物周期内的作物种类和所述作物生长评级,预测所述目标作物在所述作物经营合约的合约期限内的预期收益;
将所述预期收益与所述作物经营合约的合约额度和/或签订所述作物经营合约使用的已用子额度进行比对;所述合约额度和/或已用子额度记录在所述合约信息中;
根据比对结果确定对所述授信额度进行额度调整的调整策略并执行。
可选的,所述根据比对结果确定对所述授信额度进行额度调整的调整策略,包括:
若比对结果为所述预期收益小于所述合约额度和/或所述已用子额度,且二者的额度差超出第一额度差阈值,则确定所述调整策略为对所述用户的授信额度进行降额处理;
若比对结果为所述预期收益小于所述合约额度和/或所述已用子额度,且二者的额度差未超出所述第一额度差阈值,或者,若比对结果为所述预期收益大于所述合约额度和/或所述已用子额度,且二者的额度差未超出第二额度差阈值,则确定所述调整策略为在所述合约期限内保持所述用户的授信额度;
若比对结果为所述预期收益大于所述合约额度和/或所述已用子额度,且二者的额度差超出所述第二额度差阈值,则确定所述调整策略为对所述用户的授信额度进行提额处理。
可选的,所述合约信息中包含有所述作物地块的目标作物种类;相应的,所述基于所述遥感影像数据,确定所述作物地块中目标作物在所述作物周期的作物参数和作物种类指令执行之后,且所述根据所述作物种类和所述作物参数,确定所述目标作物在所述作物周期的作物生长评级指令执行之前,所述计算机可执行指令在被执行时还实现以下流程:
根据所述目标作物在至少一个作物周期的作物种类,确定所述作物经营合约的合约期限内各个作物周期的作物种类;
判断所述合约期限内各个作物周期的作物种类中是否包含所述目标作物种类;
若是,执行所述根据所述作物种类和所述作物参数,确定所述目标作物在所述作物周期的作物生长评级指令;
若否,基于所述合约期限内各个作物周期的作物种类,所述作物地块的地块面积,所述作物种类对应的作物属性,计算所述合约期限内所述作物地块的作物总价值;
若所述作物总价值小于所述合约信息中包含的合约额度,对所述用户的授信额度进行降额处理。
可选的,所述合约信息中包含有所述作物地块的目标地块面积和目标作物种类,相应的,所述计算机可执行指令在被执行时还实现以下流程:
确定所述作物地块中作物种类与所述目标作物种类相同的子地块的子地块面积;
基于所述子地块面积和所述目标地块面积计算所述用户的置信度;
在所述置信度满足预设置信度阈值的情况下,更新所述用户的信用数据,并基于更新后的信用数据更新所述用户的授信额度。
可选的,所述合约信息中包含有所述作物地块的目标作物种类,所述计算机可执行指令在被执行时还实现以下流程:
获取所述作物地块在至少一个历史作物周期的历史作物种类和历史作物参数;
判断所述目标作物种类与所述历史作物种类是否相同;
若相同,基于所述历史作物种类和历史作物参数,确定所述作物地块在所述历史作物周期对应的历史作物生长评级;
基于所述历史作物生长评级,向所述用户推荐所述目标作物种类对应的作物保障项目。
需要说明的是,本说明书中关于存储介质的实施例与本说明书中关于数据处理提供方法的实施例基于同一发明构思,因此该实施例的具体实施可以参见前述对应方法的实施,重复之处不再赘述。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
在20世纪30年代,对于一个技术的改进可以很明显地区分是硬件上的改进(例如,对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而,随着技术的发展,当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此,不能说一个方法流程的改进就不能用硬件实体模块来实现。例如,可编程逻辑器件(Programmable Logic Device,PLD)(例如现场可编程门阵列(Field Programmable GateArray,FPGA))就是这样一种集成电路,其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上,而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且,如今,取代手工地制作集成电路芯片,这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现,它与程序开发撰写时所用的软件编译器相类似,而要编译之前的原始代码也得用特定的编程语言来撰写,此称之为硬件描述语言(Hardware Description Language,HDL),而HDL也并非仅有一种,而是有许多种,如ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware DescriptionLanguage)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(RubyHardware Description Language)等,目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚,只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中,就可以很容易得到实现该逻辑方法流程的硬件电路。
控制器可以按任何适当的方式实现,例如,控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit,ASIC)、可编程逻辑控制器和嵌入微控制器的形式,控制器的例子包括但不限于以下微控制器:ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20 以及Silicone Labs C8051F320,存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道,除了以纯计算机可读程序代码方式实现控制器以外,完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件,而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至,可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
上述实施例阐明的系统、装置、模块或单元,具体可以由计算机芯片或实体实现,或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的,计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
为了描述的方便,描述以上装置时以功能分为各种单元分别描述。当然,在实施本说明书实施例时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
本领域内的技术人员应明白,本说明书一个或多个实施例可提供为方法、系统或计算机程序产品。因此,本说明书一个或多个实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本说明书可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本说明书是参照根据本说明书实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本说明书一个或多个实施例可以在由计算机执行的计算机可执行指令的一般上下文中描述,例如程序模块。一般地,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书的一个或多个实施例,在这些分布式计算环境中,由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中,程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于系统实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上所述仅为本文件的实施例而已,并不用于限制本文件。对于本领域技术人员来说,本文件可以有各种更改和变化。凡在本文件的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本文件的权利要求范围之内。
Claims (19)
1.一种数据处理方法,包括:
获取用户基于授信额度签订的作物经营合约的合约信息,以及所述用户的作物地块在至少一个作物周期的遥感影像数据;
基于所述遥感影像数据,确定所述作物地块在所述作物周期的目标作物的作物参数和作物种类;
根据所述作物种类和所述作物参数,确定所述目标作物在所述作物周期的作物生长评级;
基于所述合约信息和所述作物生长评级,确定对所述授信额度进行额度调整的调整策略并执行。
2.根据权利要求1所述的数据处理方法,所述合约信息中包含所述作物经营合约的合约额度,所述用户在基于所述授信额度签订所述作物经营合约之后,签订所述作物经营合约所使用的所述授信额度中所述合约额度对应的已用子额度被冻结;
并且,所述已用子额度在所述用户履行所述作物经营合约中记录的履约条款之后被恢复。
3.根据权利要求2所述的数据处理方法,所述获取用户基于授信额度签订的作物经营合约的合约信息,以及所述用户的作物地块在至少一个作物周期的遥感影像数据步骤执行之前,还包括:
获取所述用户通过触发目标应用的合约申请页面配置的申请控件提交的申请请求;
判断所述申请请求中包含的申请数额是否小于或者等于所述授信额度;
若是,基于所述申请数额和所述用户提交的所述作物地块的地块信息,以所述用户为合约参与方签订所述作物经营合约。
4.根据权利要求3所述的数据处理方法,所述获取所述用户通过触发目标应用的合约申请页面配置的申请控件提交的申请请求步骤执行之后,且所述判断所述申请请求中包含的申请数额是否小于或者等于所述授信额度步骤执行之前,还包括:
向所述用户展示地理信息页面;
若检测到在所述地理信息页面输入的标注动作,确定所述标注动作对应的地块边界信息;
确定所述地块边界信息映射的经纬度坐标数据;
基于所述经纬度坐标数据,采用面积计算公式计算所述作物地块的地块面积;
其中,所述面积计算公式包括:计算经纬度坐标数据中与纬度坐标数值相邻的两个纬度坐标数值的差值与对应经度坐标数值的乘积,并对经纬度坐标数据中所有纬度坐标数值对应的乘积进行求和,将求和结果的二分之一与坐标转换常数的乘积作为所述地块面积。
5.根据权利要求4述的数据处理方法,所述授信额度,采用如下方式确定:
获取所述作物地块在至少一个历史作物周期的遥感影像数据;
基于所述历史作物周期的遥感影像数据,计算所述作物地块在至少一个历史作物周期的历史作物参数;
基于所述历史作物参数识别所述作物地块在所述历史作物周期的历史作物的历史作物种类;
基于所述地块面积、所述历史作物种类以及所述历史作物种类对应的作物属性,计算所述历史作物的历史作物价值;
基于所述历史作物价值和所述用户的信用数据,确定所述授信额度。
6.根据权利要求4所述的数据处理方法,所述遥感影像数据,采用如下方式获取:
确定所述地块边界信息所属的目标地理区域;
获取所述目标地理区域在所述至少一个作物周期的遥感影像数据;
其中,所述遥感影像数据,包括红外影像维度、卫星影像维度和/或光学影像维度的遥感影像数据。
7.根据权利要求1所述的数据处理方法,所述目标作物在所述作物周期的作物种类,采用如下方式确定:
确定所述用户提交的地块边界信息映射的经纬度坐标数据,以及所述地块边界信息所属的作物周期的时间信息;
基于所述经纬度坐标数据和所述时间信息,确定所述经纬度坐标数据在所述遥感影像数据中映射的一个或者多个作物地块;
根据所述一个或者多个作物地块包含的影像单元的作物种类,确定所述经纬度坐标数据对应的作物地块的作物种类;
其中,所述作物地块包含的影像单元的作物种类,由作物识别模型对输入的遥感影像数据进行作物种类识别后输出。
8.根据权利要求1所述的数据处理方法,所述目标作物在所述作物周期的作物参数,包括:作物指数和环境因子;
针对所述至少一个作物周期中任意一个作物周期,该作物周期的作物指数采用如下方式计算:
基于所述作物周期的遥感影像数据,读取所述目标作物的作物生长参数;
基于所述作物生长参数计算所述目标作物在该作物周期的作物指数;
相应的,所述根据所述作物种类和所述作物参数,确定所述目标作物在所述作物周期的作物生长评级步骤,基于作物生长评级模型实现;
所述作物生长评级模型的输入为所述至少一个作物周期的作物指数和环境因子,输出为所述目标作物在所述至少一个作物周期的作物生长评级。
9.根据权利要求8所述的数据处理方法,所述作物生长评级模型,采用如下方式训练:
获取至少一个作物周期的遥感影像数据;
基于所述遥感影像数据计算所述作物周期的作物指数,并获取所述作物周期对应的环境因子;
获取所述遥感影像数据对应的样本作物在所述作物周期的生长评级标签;
以所述作物指数和所述环境因子为训练样本,以所述生长评级标签为样本标签进行模型训练,获得所述作物生长评级模型。
10.根据权利要求1所述的数据处理方法,所述调整策略,采用如下方式确定:
若所述合约信息包含的合约期限内至少一个作物周期的作物生长评级为第四生长评级,则确定所述调整策略为对所述用户进行清退处理;
若所述合约期限内连续且满足第一数目的作物周期的作物生长评级为第三生长评级,或者所述合约期限内累计满足第二数目的作物周期的作物生长评级为第三生长评级,则确定所述调整策略为对所述用户的授信额度进行降额处理;
若所述合约期限内连续且满足第三数目的作物周期的作物生长评级为第一生长评级,或者所述合约期限内累计满足第四数目的作物周期的作物生长评级为第一生长评级,则确定所述调整策略为对所述用户的授信额度进行提额处理。
11.根据权利要求10所述的数据处理方法,所述对所述用户进行清退处理,包括:
对所述用户的授信额度在签订所述作物经营合约后的剩余子额度进行冻结处理和/或清零处理;
在检测到所述用户通过提交偿还申请并进行偿还处理履行所述作物经营合约中记录的履约条款的情况下,冻结所述用户的授信额度中进行额度偿还处理之后恢复的额度部分;
判断所述用户签订所述作物经营合约使用的已用子额度是否偿还完毕;
若是,关闭对所述用户的授信准入。
12.根据权利要求1所述的数据处理方法,所述基于所述合约信息和所述作物生长评级,确定对所述授信额度进行额度调整的调整策略并执行,包括:
基于所述作物地块的地块面积、所述作物周期内的作物种类和所述作物生长评级,预测所述目标作物在所述作物经营合约的合约期限内的预期收益;
将所述预期收益与所述作物经营合约的合约额度和/或签订所述作物经营合约使用的已用子额度进行比对;所述合约额度和/或已用子额度记录在所述合约信息中;
根据比对结果确定对所述授信额度进行额度调整的调整策略并执行。
13.根据权利要求12所述的数据处理方法,所述根据比对结果确定对所述授信额度进行额度调整的调整策略,包括:
若比对结果为所述预期收益小于所述合约额度和/或所述已用子额度,且二者的额度差超出第一额度差阈值,则确定所述调整策略为对所述用户的授信额度进行降额处理;
若比对结果为所述预期收益小于所述合约额度和/或所述已用子额度,且二者的额度差未超出所述第一额度差阈值,或者,若比对结果为所述预期收益大于所述合约额度和/或所述已用子额度,且二者的额度差未超出第二额度差阈值,则确定所述调整策略为在所述合约期限内保持所述用户的授信额度;
若比对结果为所述预期收益大于所述合约额度和/或所述已用子额度,且二者的额度差超出所述第二额度差阈值,则确定所述调整策略为对所述用户的授信额度进行提额处理。
14.根据权利要求1所述的数据处理方法,所述合约信息中包含有所述作物地块的目标作物种类;
相应的,所述基于所述遥感影像数据,确定所述作物地块中目标作物在所述作物周期的作物参数和作物种类步骤执行之后,且所述根据所述作物种类和所述作物参数,确定所述目标作物在所述作物周期的作物生长评级步骤执行之前,包括:
根据所述目标作物在至少一个作物周期的作物种类,确定所述作物经营合约的合约期限内各个作物周期的作物种类;
判断所述合约期限内各个作物周期的作物种类中是否包含所述目标作物种类;
若是,执行所述根据所述作物种类和所述作物参数,确定所述目标作物在所述作物周期的作物生长评级步骤;
若否,基于所述合约期限内各个作物周期的作物种类,所述作物地块的地块面积,所述作物种类对应的作物属性,计算所述合约期限内所述作物地块的作物总价值;
若所述作物总价值小于所述合约信息中包含的合约额度,对所述用户的授信额度进行降额处理。
15.根据权利要求1所述的数据处理方法,所述合约信息中包含有所述作物地块的目标地块面积和目标作物种类,相应的,所述数据处理方法还包括:
确定所述作物地块中作物种类与所述目标作物种类相同的子地块的子地块面积;
基于所述子地块面积和所述目标地块面积计算所述用户的置信度;
在所述置信度满足预设置信度阈值的情况下,更新所述用户的信用数据,并基于更新后的信用数据更新所述用户的授信额度。
16.根据权利要求1所述的数据处理方法,所述合约信息中包含有所述作物地块的目标作物种类,所述数据处理方法还包括:
获取所述作物地块在至少一个历史作物周期的历史作物种类和历史作物参数;
判断所述目标作物种类与所述历史作物种类是否相同;
若相同,基于所述历史作物种类和历史作物参数,确定所述作物地块在所述历史作物周期对应的历史作物生长评级;
基于所述历史作物生长评级,向所述用户推荐所述目标作物种类对应的作物保障项目。
17.一种数据处理装置,包括:
合约信息获取模块,被配置为获取用户基于授信额度签订的作物经营合约的合约信息,以及所述用户的作物地块在至少一个作物周期的遥感影像数据;
作物参数确定模块,被配置为基于所述遥感影像数据,确定所述作物地块在所述作物周期的目标作物的作物参数和作物种类;
作物生长评级确定模块,被配置为根据所述作物种类和所述作物参数,确定所述目标作物在所述作物周期的作物生长评级;
调整策略执行模块,被配置为基于所述合约信息和所述作物生长评级,确定对所述授信额度进行额度调整的调整策略并执行。
18.一种数据处理设备,包括:
处理器;以及,
被配置为存储计算机可执行指令的存储器,所述计算机可执行指令在被执行时使所述处理器:
获取用户基于授信额度签订的作物经营合约的合约信息,以及所述用户的作物地块在至少一个作物周期的遥感影像数据;
基于所述遥感影像数据,确定所述作物地块在所述作物周期的目标作物的作物参数和作物种类;
根据所述作物种类和所述作物参数,确定所述目标作物在所述作物周期的作物生长评级;
基于所述合约信息和所述作物生长评级,确定对所述授信额度进行额度调整的调整策略并执行。
19.一种存储介质,用于存储计算机可执行指令,所述计算机可执行指令在被执行时实现以下流程:
获取用户基于授信额度签订的作物经营合约的合约信息,以及所述用户的作物地块在至少一个作物周期的遥感影像数据;
基于所述遥感影像数据,确定所述作物地块在所述作物周期的目标作物的作物参数和作物种类;
根据所述作物种类和所述作物参数,确定所述目标作物在所述作物周期的作物生长评级;
基于所述合约信息和所述作物生长评级,确定对所述授信额度进行额度调整的调整策略并执行。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010613764.3A CN111507832A (zh) | 2020-06-30 | 2020-06-30 | 数据处理方法及装置 |
TW110111124A TWI769763B (zh) | 2020-06-30 | 2021-03-26 | 資料處理方法及裝置 |
PCT/CN2021/102049 WO2022001817A1 (zh) | 2020-06-30 | 2021-06-24 | 数据处理方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010613764.3A CN111507832A (zh) | 2020-06-30 | 2020-06-30 | 数据处理方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111507832A true CN111507832A (zh) | 2020-08-07 |
Family
ID=71877138
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010613764.3A Pending CN111507832A (zh) | 2020-06-30 | 2020-06-30 | 数据处理方法及装置 |
Country Status (3)
Country | Link |
---|---|
CN (1) | CN111507832A (zh) |
TW (1) | TWI769763B (zh) |
WO (1) | WO2022001817A1 (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112328913A (zh) * | 2020-11-05 | 2021-02-05 | 浙江网商银行股份有限公司 | 任务处理方法以及装置 |
CN113256314A (zh) * | 2021-06-21 | 2021-08-13 | 浙江数秦科技有限公司 | 一种基于区块链的农产品溯源系统 |
CN113469830A (zh) * | 2021-06-29 | 2021-10-01 | 浙江数秦科技有限公司 | 基于区块链及生长模型的农产品竞价交易系统 |
CN113888309A (zh) * | 2021-10-09 | 2022-01-04 | 支付宝(杭州)信息技术有限公司 | 基于信用的数据处理方法及装置 |
WO2022001817A1 (zh) * | 2020-06-30 | 2022-01-06 | 浙江网商银行股份有限公司 | 数据处理方法及装置 |
CN114430536A (zh) * | 2022-04-06 | 2022-05-03 | 广东邦盛北斗科技股份公司 | 基于北斗定位模块的农业物联网方法、系统及云平台 |
CN115205695A (zh) * | 2022-04-06 | 2022-10-18 | 布瑞克(苏州)农业互联网股份有限公司 | 一种根据种植数据确定种植策略的方法和系统 |
WO2023037019A1 (en) * | 2021-09-13 | 2023-03-16 | University College Dublin | Intelligent decision-making system and method based on agricultural field variabilities |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108205783A (zh) * | 2017-12-13 | 2018-06-26 | 南京农纷期电子商务有限公司 | 一种农业信贷领域的自动化信用评分系统 |
CN108537657A (zh) * | 2018-04-03 | 2018-09-14 | 毛磊 | 一种基于大数据的助农贷款平台 |
US20190043142A1 (en) * | 2011-05-13 | 2019-02-07 | The Climate Corporation | Systems to prescribe and deliver fertilizer over agricultural fields and related methods |
WO2019130568A1 (ja) * | 2017-12-28 | 2019-07-04 | スカパーJsat株式会社 | 評価情報生成システム、評価情報生成方法、およびプログラム |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108876229A (zh) * | 2017-05-08 | 2018-11-23 | 华农(北京)电子商务有限公司 | 一种农资供应链管理与服务互联网平台 |
US20180330435A1 (en) * | 2017-05-11 | 2018-11-15 | Harvesting Inc. | Method for monitoring and supporting agricultural entities |
CN108615105A (zh) * | 2018-03-30 | 2018-10-02 | 中国科学院遥感与数字地球研究所 | 基于遥感数据的农作物旱灾损失评估系统及方法 |
CN109509083A (zh) * | 2018-11-01 | 2019-03-22 | 山西百得科技开发股份有限公司 | 农业信贷融资担保综合信息管理平台 |
TWM574289U (zh) * | 2018-11-08 | 2019-02-11 | 彰化商業銀行股份有限公司 | 客戶拜訪回饋系統 |
CN111507832A (zh) * | 2020-06-30 | 2020-08-07 | 浙江网商银行股份有限公司 | 数据处理方法及装置 |
-
2020
- 2020-06-30 CN CN202010613764.3A patent/CN111507832A/zh active Pending
-
2021
- 2021-03-26 TW TW110111124A patent/TWI769763B/zh active
- 2021-06-24 WO PCT/CN2021/102049 patent/WO2022001817A1/zh active Application Filing
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20190043142A1 (en) * | 2011-05-13 | 2019-02-07 | The Climate Corporation | Systems to prescribe and deliver fertilizer over agricultural fields and related methods |
CN108205783A (zh) * | 2017-12-13 | 2018-06-26 | 南京农纷期电子商务有限公司 | 一种农业信贷领域的自动化信用评分系统 |
WO2019130568A1 (ja) * | 2017-12-28 | 2019-07-04 | スカパーJsat株式会社 | 評価情報生成システム、評価情報生成方法、およびプログラム |
CN108537657A (zh) * | 2018-04-03 | 2018-09-14 | 毛磊 | 一种基于大数据的助农贷款平台 |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022001817A1 (zh) * | 2020-06-30 | 2022-01-06 | 浙江网商银行股份有限公司 | 数据处理方法及装置 |
CN112328913A (zh) * | 2020-11-05 | 2021-02-05 | 浙江网商银行股份有限公司 | 任务处理方法以及装置 |
CN113256314A (zh) * | 2021-06-21 | 2021-08-13 | 浙江数秦科技有限公司 | 一种基于区块链的农产品溯源系统 |
CN113256314B (zh) * | 2021-06-21 | 2021-10-19 | 浙江数秦科技有限公司 | 一种基于区块链的农产品溯源系统 |
CN113469830A (zh) * | 2021-06-29 | 2021-10-01 | 浙江数秦科技有限公司 | 基于区块链及生长模型的农产品竞价交易系统 |
WO2023037019A1 (en) * | 2021-09-13 | 2023-03-16 | University College Dublin | Intelligent decision-making system and method based on agricultural field variabilities |
CN113888309A (zh) * | 2021-10-09 | 2022-01-04 | 支付宝(杭州)信息技术有限公司 | 基于信用的数据处理方法及装置 |
CN114430536A (zh) * | 2022-04-06 | 2022-05-03 | 广东邦盛北斗科技股份公司 | 基于北斗定位模块的农业物联网方法、系统及云平台 |
CN115205695A (zh) * | 2022-04-06 | 2022-10-18 | 布瑞克(苏州)农业互联网股份有限公司 | 一种根据种植数据确定种植策略的方法和系统 |
CN115205695B (zh) * | 2022-04-06 | 2024-03-15 | 布瑞克(苏州)农业互联网股份有限公司 | 一种根据种植数据确定种植策略的方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
WO2022001817A1 (zh) | 2022-01-06 |
TWI769763B (zh) | 2022-07-01 |
TW202217713A (zh) | 2022-05-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111507832A (zh) | 数据处理方法及装置 | |
US11151379B2 (en) | Method and system for crop type identification using satellite observation and weather data | |
US20180330435A1 (en) | Method for monitoring and supporting agricultural entities | |
CN111507833A (zh) | 授信额度处理方法及装置、作物识别方法及装置 | |
CN111507834B (zh) | 授信额度处理方法及装置、用户资源处理方法及装置 | |
Niedbała et al. | Prediction of Blueberry (Vaccinium corymbosum L.) Yield Based on Artificial Intelligence Methods | |
von Negenborn et al. | Explaining weather-related credit risk with evapotranspiration and precipitation indices | |
Chen et al. | Managing weather risk with a neural network-based index insurance | |
WO2019239422A1 (en) | System and method for digital crop lifecycle modeling | |
Narita et al. | Integrating economic measures of adaptation effectiveness into climate change interventions: A case study of irrigation development in Mwea, Kenya | |
Tesfaye et al. | Climate change adaptation measures by farm households in Gedeo zone, Ethiopia: An application of multivariate analysis approach | |
Mwaura et al. | County level maize yield estimation using artificial neural network | |
Jahanifar et al. | Economic analysis of land use changes in forests and rangelands: Developing conservation strategies | |
Sundaram et al. | Disaster relief compensation computational framework | |
Sims et al. | Hurry up or wait: are private investments in climate change adaptation delayed? | |
CA3189316A1 (en) | A forestry method | |
Han et al. | Classifying cropping area of middle Heihe River Basin in China using multitemporal normalized difference vegetation index data | |
Ahmed et al. | Development of crop yield estimation model using soil and environmental parameters | |
Lavorato et al. | On the Risk Efficiency of a Weather Index Insurance Product for the Brazilian Semiarid Region | |
Gilbert et al. | Palmer's Z-Index as an Underlying Index for a Weather-based Crop Insurance Policy: Saskatchewan Study Case | |
Stepanov et al. | Forecasting Soybean Yield in Agricultural Regions of the Russian Far East Using Remote Sensing Data | |
She et al. | Identification of Cotton Using Random Forest Based on Wide-Band Imaging Spectrometer Data of Tiangong-2 | |
King et al. | Interactive land use strategic assessment: An assessment tool for irrigation profitability under climate uncertainty | |
Thakkar et al. | FarmWise: Crop Cultivation Analysis using Image Recognition and ArcGIS Mapping | |
Fontes | Pricing water: Land use and irrigation implications in Brazil |
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: 20200807 |