CN111615901A - 一种果树施肥量预测方法及系统 - Google Patents
一种果树施肥量预测方法及系统 Download PDFInfo
- Publication number
- CN111615901A CN111615901A CN202010365583.3A CN202010365583A CN111615901A CN 111615901 A CN111615901 A CN 111615901A CN 202010365583 A CN202010365583 A CN 202010365583A CN 111615901 A CN111615901 A CN 111615901A
- Authority
- CN
- China
- Prior art keywords
- fertilizer
- yield
- amount
- effective
- data set
- 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 76
- 235000013399 edible fruits Nutrition 0.000 title claims abstract description 72
- 239000003337 fertilizer Substances 0.000 claims abstract description 248
- 230000000694 effects Effects 0.000 claims abstract description 50
- 230000006870 function Effects 0.000 claims description 50
- 238000010586 diagram Methods 0.000 claims description 21
- 230000002159 abnormal effect Effects 0.000 claims description 15
- 230000004720 fertilization Effects 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 8
- 238000010276 construction Methods 0.000 claims description 8
- 238000003860 storage Methods 0.000 claims description 7
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 238000001914 filtration Methods 0.000 claims description 4
- 238000009499 grossing Methods 0.000 claims description 4
- 230000008030 elimination Effects 0.000 claims description 3
- 238000003379 elimination reaction Methods 0.000 claims description 3
- 238000013277 forecasting method Methods 0.000 claims 2
- 241000220225 Malus Species 0.000 description 12
- 235000015097 nutrients Nutrition 0.000 description 6
- 239000002689 soil Substances 0.000 description 6
- 235000021016 apples Nutrition 0.000 description 5
- 238000004891 communication Methods 0.000 description 5
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 4
- 241000196324 Embryophyta Species 0.000 description 4
- 238000003306 harvesting Methods 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 238000009826 distribution Methods 0.000 description 3
- 238000003912 environmental pollution Methods 0.000 description 3
- 239000002420 orchard Substances 0.000 description 3
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 235000021022 fresh fruits Nutrition 0.000 description 2
- 229910052757 nitrogen Inorganic materials 0.000 description 2
- 239000000618 nitrogen fertilizer Substances 0.000 description 2
- 235000016709 nutrition Nutrition 0.000 description 2
- 230000035764 nutrition Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 229910052710 silicon Inorganic materials 0.000 description 2
- 239000010703 silicon Substances 0.000 description 2
- 238000010998 test method Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 241000132456 Haplocarpha Species 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000013213 extrapolation Methods 0.000 description 1
- 210000001503 joint Anatomy 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012067 mathematical method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 235000021049 nutrient content Nutrition 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01C—PLANTING; SOWING; FERTILISING
- A01C21/00—Methods of fertilising, sowing or planting
- A01C21/007—Determining fertilization requirements
-
- 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
- G06F16/901—Indexing; Data structures therefor; Storage structures
- G06F16/9017—Indexing; Data structures therefor; Storage structures using directory or table look-up
-
- 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
- G06F16/903—Querying
- G06F16/9038—Presentation of query results
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- 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)
- Business, Economics & Management (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Soil Sciences (AREA)
- Computational Linguistics (AREA)
- Primary Health Care (AREA)
- Software Systems (AREA)
- General Health & Medical Sciences (AREA)
- Mining & Mineral Resources (AREA)
- Environmental Sciences (AREA)
- Health & Medical Sciences (AREA)
- Animal Husbandry (AREA)
- Marine Sciences & Fisheries (AREA)
- Agronomy & Crop Science (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Fertilizers (AREA)
Abstract
本发明实施例提供的果树施肥量预测方法及系统，包括：收集施肥量与产量的历史数据集；获取与肥料的投入量相对应的肥料有效施用量，构建肥料有效施用量与产量的数据集；根据肥料有效施用量与产量的数据集，构建肥料效应函数；基于肥料效应函数，根据预期果树产量获取推荐的施肥量。本发明实施例提供的果树施肥量预测方法及系统，基于果农施肥习惯构建合理的肥料效应函数以及其曲线，并利用该曲线，仅需输入果树的预期产量即可获得对应的推荐施肥量，有效的减少了肥料的投入，提高了肥料利用率，降低了对环境的污染。
Description
技术领域
本发明实施例涉及人工智能技术领域，尤其涉及一种果树施肥量预测方法及系统。
背景技术
苹果作为重要的经济作物在世界各地消费广泛，中国作为苹果的主要产区，2017年鲜果年产量和种植面积分别占世界鲜果年产量和种植面积的54％和48％，在世界苹果生产体系中占据主导地位。苹果生产过程中的养分主要来源于肥料的施用，合理的肥料投入对于提高果农收入，减少资源浪费和环境污染具有重要的意义。
通过前期对苹果主产区果农的问卷调查，发现果园肥料投入采取经验施肥法为主，即以果农自身的经验来确定施肥量，过量施肥或施肥不足现象较为普遍。另外，当前国内外发展了多种农作物施肥推荐方法，主要包括：地力分区(级)配方法土壤养分平衡法、目标产量法、田间试验法以及营养诊断法。
其中，地力分区配方法土壤养分平衡法需要进行土壤养分测定，测试费用相对昂贵，并且需要专业技术人员完成；目标产量法由于涉及土壤养分测定，以及计算肥料利用效率等指标，也需要专业技术人员完成，从而难以普及；田间试验法试验周期长、专业技术含量高，并且外推性有待验证；营养诊断法由于需要植株样品的测试，测试周期长，具有延迟性。
由于上述各类模型农作物施肥推荐方法均具有各方面的缺陷，尤其是不便于普及，因此在果农实际管理应用的过程中，亟需提供一种便捷且适用的果树施肥量预测方法即系统进行农作物施肥推荐技术的推广。
发明内容
本发明实施例提供一种果树施肥量预测方法及系统，用于克服或部分解决现有技术在果树施肥量预测中存在的缺陷。
第一方面，本发明实施例提供一种果树施肥量预测方法，主要包括：收集施肥量与产量的历史数据集；获取与肥料的投入量相对应的肥料有效施用量，构建肥料有效施用量与产量的数据集；根据肥料有效施用量与产量的数据集，构建肥料效应函数；基于肥料效应函数，根据预期果树产量获取推荐施肥量。
作为可选地，上述根据肥料有效施用量与产量的数据集，构建肥料效应函数，主要包括：根据肥料有效施用量与产量的数据集，绘制肥料施用量与产量的散点图，散点图的横轴为肥料施用量，散点图的纵轴为产量；确定预设步长肥料施用量下的最高产量作为待拟合产量点；基于S-G滤波法，对由待拟合产量点构成的曲线进行平滑处理，获取肥料效应函数。
作为可选地，上述肥料效应函数的表达式为：
其中，a1＞a2且b2＞b1，x为肥料施用量，y为产量，k为拟合曲线中产量增加无显著差异的产量点所对应的肥料有效施用量，a1和a2分别为拟合曲线的斜率，b1和b2分别为拟合曲线的y轴截距
作为可选地，在上述根据肥料有效施用量与产量的数据集，绘制肥料施用量与产量的散点图之前，还包括采用箱线图的四分位法对肥料有效施用量与产量的数据集进行异常值的剔除。
作为可选地，上述采用箱线图的四分位法对肥料有效施用量与产量的数据集进行异常值的剔除，主要包括：确定肥料有效施用量与产量的数据集的下四分位数、上四分位数和中位数；根据下四分位数、上四分位数和中位数确定四分位距；根据四分位距并结合下四分位数，确定肥料有效施用量与产量的数据集的上边缘和下边缘；将产量小于上边缘且大于下边缘的点所对应的数据作为异常值进行剔除。
作为可选地，上述根据下四分位数、上四分位数和中位数确定四分位距，包括：以上四分位数与所述下分位数之差作为四分位距；根据所述四分位距并结合所述下四分位数，确定所述肥料有效施用量与产量的数据集的上边缘和下边缘，包括：确定肥料有效施用量与产量的数据集的上边缘为Q3+m1IQR；确定肥料有效施用量与产量的数据集的下边缘为Q1-m2IQR；其中，Q1为下四分位数，Q3为上四分位数，IQR为四分位距，m1和m2分别为预设倍率。
作为可选地，上述收集施肥量与产量的历史数据集，主要包括：设计调查问卷；利用调查问卷在水果收获后对果农进行逐个的问卷调查，获取问卷调查数据集；将问卷调查数据集进行数据汇总整理及电子化，获取施肥量与产量的历史数据集。
作为可选地，上述获取与肥料的投入量相对应的肥料有效施用量，可以包括：通过肥料介绍或文献查阅获得各类肥料的有效含量，构建肥料的投入量与肥料有效施用量的查找表；基于查找表获取与肥料的投入量相对应的肥料有效施用量。
第二方面，本发明实施例提供一种果树施肥量预测系统，主要包括数据获取单元、数据转化单元、函数构建单元和数据预测单元，其中：
数据获取单元主要用于收集施肥量与产量的历史数据集；数据转化单元主要用于获取与肥料的投入量相对应的肥料有效施用量，构建肥料有效施用量与产量的数据集；函数构建单元，用于根据肥料有效施用量与产量的数据集，构建肥料效应函数；数据预测单元主要用于基于肥料效应函数，根据预期果树产量获取推荐的施肥量。
第三方面，本发明实施例提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，处理器执行所述程序时实现如第一方面任一所述的果树施肥量预测方法的步骤。
第四方面，本发明实施例提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如第一方面任一所述的果树施肥量预测方法的步骤。
本发明实施例提供的果树施肥量预测方法及系统，基于果农施肥习惯构建合理的肥料效应函数以及其曲线，并利用该曲线，仅需输入果树的预期产量即可获得对应的推荐施肥量，有效的减少了肥料的投入，提高了肥料利用率，降低了对环境的污染。
附图说明
为了更清楚地说明本发明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一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种果树施肥量预测方法流程示意图；
图2为本发明实施例提供的一种肥料效应函数构建示意图；
图3为本发明实施例提供的基于Boxplot法的异常值去除示意图；
图4为本发明实施例提供的肥料效应函数相关的调查问卷示意图；
图5为本发明实施例提供的一种果树施肥量预测系统结构示意图；
图6为本发明实施例提供的另一种果树施肥量预测方法流程示意图；
图7为本发明实施例提供的一种电子设备的实体结构图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明实施例提供一种果树施肥量预测方法，如图1所示，包括但不限于以下步骤：
S1，收集施肥量与产量的历史数据集；
S2，获取与肥料的投入量相对应的肥料有效施用量，构建肥料有效施用量与产量的数据集；
S3，根据肥料有效施用量与产量的数据集，构建肥料效应函数；
S4，基于肥料效应函数，根据预期果树产量获取推荐施肥量。
其中，收集施肥量与产量的历史数据集的方法可以是基于网络数据库，采用爬虫程序等方式获取，也可以采用网络问卷调查或者利用纸质调查问卷在各产区内进行实地收集，对此本发明实施例不作具体的限定。
其中，施肥量与产量的历史数据集主要包括多组肥料的投入量以及与该投入量相对应的产量信息，每组肥料的投入量和产量信息可以是以年为计量周期，也可以以该种类水果的一个收获期为计量周期。以苹果为例，可以在苹果收获后(比如11月-12月)对多个用户展开问卷调查，获取每个用户在当年的肥料投入量和与之对应的产量。
进一步地，由于肥料的类型多样，甚至同一种肥料不同的品牌的养分含量也有差异，因此在获取到施肥量与产量的历史数据集之后，需要对其中的肥料的投入量(施肥量)进行肥料有效施用量。以其中一个用户施用氮肥为例，其采用的是硅谷牌的水溶肥，当年的肥料的投入量是500kg，则可以根据硅谷牌的水溶肥的氮含量百分比，计算出该用户在当年的肥料有效施用量为100kg(500kg*20.0％)。通过对施肥量与产量的历史数据集中的所有肥料的投入量转换成肥料有效施用量，获取到肥料有效施用量与产量的数据集，能够更真实的反应肥料的施用与产量的关联关系。
进一步地，通过建立坐标系，并将肥料有效施用量与产量的数据集中的每个数据点绘制在该坐标系，并利用数据点曲线拟合的方法，获取肥料效应曲线，进而构建肥料效应函数。
在用户需要对来年的施肥量进行预测时，仅需要根据历年的收获情况输入预计产量，则可以利用所建立的肥料效应函数，计算出推荐施肥量。
本发明实施例提供的果树施肥量预测方法，基于果农施肥习惯构建合理的肥料效应函数，并利用该函数，仅需输入果树的预期产量即可获得对应的推荐施肥量，有效的减少了肥料的投入，提高了肥料利用率，降低了对环境的污染。
基于上述实施例的内容，作为一种可选实施例，上述根据肥料有效施用量与产量的数据集，构建肥料效应函数，可以包括但不限于以下步骤：根据肥料有效施用量与产量的数据集，绘制肥料施用量与产量的散点图，散点图的横轴为肥料施用量，散点图的纵轴为产量；确定预设步长肥料施用量下的最高产量作为待拟合产量点；基于S-G滤波法，对由待拟合产量点构成的曲线进行平滑处理，获取肥料效应函数。
图2是本发明实施例提供的一种肥料效应函数构建示意图，如图2所示，是以氮肥的施用量和苹果产量为例进行说明(在不特殊说明的情况下，后续的实施例均以此为例，将不作赘述)。
本发明实施例提供的肥料效应函数是一种描述肥料有效施用量与产量之间关系的定量方法，能够更完整地反应不同的肥料有效施用量对产量的影响。
其构建方法具体可以为：
首先，构建以肥料施用量为横轴，以苹果产量为纵轴构建直角坐标系。根据获取的肥料有效施用量与产量的数据集(包含诸多农户的肥料有效施用量与产量数据)，绘制出肥料有效施用量与产量的散点图。
进一步地，根据预设步长(比如0.1kg/株)对横轴进行划分，并获取每个预设步长中的肥料施用量下的最高产量作为待拟合产量点，实现对肥料有效施用量与产量的散点图的初步拟合。
进一步地，采用S-G滤波法平滑所有待拟合产量点所构成的曲线，所得到曲线记为本发明实施例中所需要获取的肥料效应函数的曲线。其中，Savitzky-Golay滤波拟合法(简称S-G滤波法)，是一种在时域内基于局域多项式最小二乘法拟合的滤波方法，即根据NDVI时间序列曲线的平均趋势，确定合适的滤波参数，用多项式实现滑动窗内的最小二乘拟合，其能够在滤除噪声的同时可以确保信号的形状、宽度不变。
作为可选地，上述肥料效应函数的表达式可以为：
其中，a1＞a2且b2＞b1，x为肥料施用量，y为产量，k为拟合曲线中产量增加无显著差异的产量点所对应的肥料有效施用量，a1和a2分别为肥料效应曲线的斜率，b1和b2分别为肥料效应曲线的y轴截距。
需要说明的是，如图2所示，经过S-G滤波拟合后所获取的肥料效应函数由两段线性曲线组成；在x≤k时，为一段上升曲线，即斜率a1较大，表明在肥料施加的前期，肥料有效施用量对产量产生明显的促进作用，但随着施肥量的逐步增加至一个临界点后(即k所对应的有效施用量)，该肥料效应函数对应为一段近似于平行于横轴的曲线(即a2接近于0)，表明产量并不会产生显著提高。
采用本发明实施例提供的肥料效应函数构建方法，以图2为例，其函数表达式为：
其中，FerN为肥料施用量，Yield为产量，由该函数表示式，可以容易的获取：在肥料的有效施用量为0.96kg/株时，能够获取果树的最高产量71.75kg/株。
本发明实施例提供的果树施肥量预测方法，通过利用数学方法来解决实际的肥料施用量问题，能够减少肥料的投入，提高肥料利用率，减小环境污染。
基于上述实施例的内容，作为一种可选实施例，在上述根据肥料有效施用量与产量的数据集，绘制肥料施用量与产量的散点图之前，还可以包括：
采用箱线图的四分位法对肥料有效施用量与产量的数据集进行异常值的剔除。
本发明实施例提供的箱形图(Box-plot)四分位法是一种显示数据分散情况资料的统计图，主要用于反映肥料有效施用量与产量的数据集中数据分布的特征，以进行多组数据分布特征的比较。其中，箱线图的绘制方法是：先找出一组数据的上边缘、下边缘、中位数和两个四分位数；然后，连接两个四分位数画出箱体；再将上边缘和下边缘与箱体相连接，中位数在箱体中间。
作为可选地，本发明实施例中所提供的采用箱线图的四分位法对所述肥料有效施用量与产量的数据集进行异常值的剔除，可以包括：确定肥料有效施用量与产量的数据集的下四分位数、上四分位数和中位数；根据下四分位数、上四分位数和中位数确定四分位距；根据四分位距并结合所述下四分位数，确定所述肥料有效施用量与产量的数据集的上边缘和下边缘；将产量小于上边缘且大于下边缘的点所对应的数据作为异常值进行剔除。
其中，根据所述下四分位数、上四分位数和中位数确定四分位距，可以包括：以上四分位数与下分位数之差作为所述四分位距。
所述根据四分位距并结合所述下四分位数，确定肥料有效施用量与产量的数据集的上边缘和下边缘，可以包括：
确定肥料有效施用量与产量的数据集的上边缘为Q3+m1IQR；确定肥料有效施用量与产量的数据集的下边缘为Q1-m2IQR；其中，Q1为下四分位数，Q3为上四分位数，IQR为四分位距，m1和m2分别为预设倍率。
作为可选地，如图3所示，本发明实施例提供一种采用箱线图的四分位法对所述肥料有效施用量与产量的数据集进行异常值的剔除方法，其中箱型图的绘制方法为：
1)画直角坐标系，并确定横纵轴的度量单位，各坐标轴的起点比最小值稍小，长度比该数据集的全距稍长。
2)画一个矩形盒，两端边的位置分别对应数据集的上、下四分位数(Q3和Q1)，在矩形盒内部中位数(Xm)位置画一条线段为中位线。
3)在Q3+1.5IQR和Q1－1.5IQR(设m1和m2均设置为1.5)处画两条与中位线一样的线段，这两条线段为异常值截断点，分别为数据集的上边缘和下边缘(上边缘和下边缘之间构成内限)。则处于内限以外位置的点表示的数据都是异常值。其中，四分位距IQR＝Q3-Q1。.
4)从矩形盒两端边向外各画一条线段直到不是异常值的最远点，表示数据集中的数据正常值的分布区间。
5)用不同的符号分别标出正常值和异常值。相同值的数据点并列标出在同一数据线位置上，不同值的数据点标在不同数据线位置上，由此实现箱型图的绘制。
需要说明的是，m1和m2的设置可以根据预测精度的实际需要进行设置。
本发明实施例提供的果树施肥量预测方法，通过采用箱线图的四分位法对所述肥料有效施用量与产量的数据集进行异常值的剔除，有效的提供了预测的精度。
基于上述实施例的内容，作为一种可选实施例，本发明实施例提供一种收集施肥量与产量的历史数据集，主要包括：设计调查问卷；利用调查问卷在苹果收获后对果农进行逐个的问卷调查，获取问卷调查数据集；将所述问卷调查数据集进行数据汇总整理及电子化，获取施肥量与产量的历史数据集。
如图4所示，本发明实施例为构建肥料效应函数，先设计对应的调查问卷，主要包括肥料的投入(肥料类型、施肥时间、施肥量、施肥方式等)和当年的产量信息。另外，为了更好的理解和分析后期数据，同时记录果园的地理坐标、果农信息、土壤类型等。
进一步地，可以通过网络调查或实地走访的形式展开问卷调查，逐个果农进行咨询及记录各类信息，为了能够准确获取最终的产量信息，在苹果收获后(比如11月-12月)展开问卷调查。然后对获取的数据进行数据汇总整理及电子化，便于后期分析。
基于上述实施例的内容，作为一种可选实施例，上述获取与肥料的投入量相对应的肥料有效施用量，具体可以包括：
通过肥料介绍或文献查阅获得各类肥料的有效含量，构建肥料的投入量与肥料有效施用量的查找表；基于所述查找表获取与所述肥料的投入量相对应的肥料有效施用量。
表1
表1是本发明实施例提供的一种果园肥料投入类型及氮素含量列表，如表1所示，本发明实施例通过肥料介绍或文献查阅获得各类肥料的有效含量，构建肥料信息与肥料有效含量的查找表，方便后期在实际应用过程中，后台程序能够自动实现肥料的投入量与相对应的肥料有效施用量之间的转换，而无需人为的进行数据计算，有效的节约了人力、物力，提高了预测的效率和预测精度。
本发明实施例提供一种果树施肥量预测系统，如图5所示，主要包括数据获取单元1、数据转化单元2、函数构建单元3和数据预测单元4，其中：
数据获取单元1主要用于收集施肥量与产量的历史数据集；数据转化单元2主要用于获取与肥料的投入量相对应的肥料有效施用量，构建肥料有效施用量与产量的数据集；函数构建单元3主要用于根据肥料有效施用量与产量的数据集，构建肥料效应函数；数据预测单元4主要用于基于肥料效应函数，根据预期果树产量获取推荐的施肥量。
作为一种可选实施例，如图6所示，本发明实施例提供一种利用上述果树施肥量预测系统进行施肥量预测的方法。
首先，利用数据获取单元1设计合理的调查问卷，并利用该调查问卷展开问卷调查，逐个果农进行咨询及记录各类信息，构建施肥量与产量的历史数据集。将通过各种手段收集构建的施肥量与产量的历史数据集，进行数据整理以及电子化。
进一步地，利用数据转化单元2建立投入量与肥料有效施用量的查找表(肥料投入查找表)并进行存储，根据该肥料投入查找表，获取与每个肥料的投入量数据相对应的肥料有效施用量数据，从而将历史数据集转换成肥料有效施用量与产量的数据集。
进一步地，可以采用如采用箱线图的四分位法等方法，对肥料有效施用量与产量的数据集进行异常值的剔除，以提高预测的精度。
进一步地，利用函数构建单元3对剔除异常值后的肥料有效施用量与产量的数据集进行曲线拟合，构建肥料效应函数。
最后，利用数据预测单元4，基于上述肥料效应函数，根据预期果树产量获取推荐施肥量。
由于肥料推荐施肥的算法是有效合理施肥的关键，但目前的推荐施肥算法以经验施肥较多，而其它施肥方法，如土壤养分平衡法、目标产量法，都需要较高的试验检测条件，不便与果农直接对接。本发明实施例通过调研果农施肥习惯，基于果农施肥习惯构建合理的肥料效应函数，并提供便捷的果树施肥量预测系统，解决农户无法计算与应用的问题，指导果农科学合理施肥，根据发明实施例输出的推荐施肥量进行施肥，可以大大减少肥料的投入，提高肥料利用率，减小环境污染。
需要说明的是，本发明实施例提供的果树施肥量预测系统，在具体运行时，可用于执行上述任一实施例中所述的果树施肥量预测方法，在此不作一一赘述。
图7示例了一种电子设备的实体结构示意图，如图7所示，该电子设备可以包括：处理器(processor)310、通信接口(Communications Interface)320、存储器(memory)330和通信总线340，其中，处理器310，通信接口320，存储器330通过通信总线340完成相互间的通信。处理器310可以调用存储器330中的逻辑指令，以执行如下方法：收集施肥量与产量的历史数据集；获取与肥料的投入量相对应的肥料有效施用量，构建肥料有效施用量与产量的数据集；根据肥料有效施用量与产量的数据集，构建肥料效应函数；基于肥料效应函数，根据预期果树产量获取推荐施肥量。
此外，上述的存储器330中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面，本发明实施例还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各实施例提供的果树施肥量预测方法，例如包括：收集施肥量与产量的历史数据集；获取与肥料的投入量相对应的肥料有效施用量，构建肥料有效施用量与产量的数据集；根据肥料有效施用量与产量的数据集，构建肥料效应函数；基于肥料效应函数，根据预期果树产量获取推荐施肥量。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (11)
1.一种果树施肥量预测方法，其特征在于，包括：
收集施肥量与产量的历史数据集；
获取与所述肥料的投入量相对应的肥料有效施用量，构建肥料有效施用量与产量的数据集；
根据所述肥料有效施用量与产量的数据集，构建肥料效应函数；
基于所述肥料效应函数，根据预期果树产量获取推荐施肥量。
2.根据权利要求1所述的果树施肥量预测方法，其特征在于，所述根据所述肥料有效施用量与产量的数据集，构建肥料效应函数，包括：
根据所述肥料有效施用量与产量的数据集，绘制肥料施用量与产量的散点图，所述散点图的横轴为肥料施用量，所述散点图的纵轴为产量；
确定预设步长肥料施用量下的最高产量作为待拟合产量点；
基于S-G滤波法，对由所述待拟合产量点构成的曲线进行平滑处理，获取所述肥料效应函数。
3.根据权利要求2所述的果树施肥量预测方法，其特征在于，所述肥料效应函数的表达式为：
其中，a1＞a2且b2＞b1，x为肥料施用量，y为产量，k为拟合曲线中产量增加无显著差异的产量点所对应的肥料有效施用量，a1和a2分别为肥料效应曲线的斜率，b1和b2分别为肥料效应曲线的y轴截距。
4.根据权利要求2所述的果树施肥量预测方法，其特征在于，在所述根据所述肥料有效施用量与产量的数据集，绘制肥料施用量与产量的散点图之前，还包括采用箱线图的四分位法对所述肥料有效施用量与产量的数据集进行异常值的剔除。
5.根据权利要求4所述的果树施肥量预测方法，其特征在于，所述采用箱线图的四分位法对所述肥料有效施用量与产量的数据集进行异常值的剔除，包括：
确定所述肥料有效施用量与产量的数据集的下四分位数、上四分位数和中位数；
根据所述下四分位数、上四分位数和中位数确定四分位距；
根据所述四分位距并结合所述下四分位数，确定所述肥料有效施用量与产量的数据集的上边缘和下边缘；
将产量小于所述上边缘且大于所述下边缘的点所对应的数据作为异常值进行剔除。
6.根据权利要求5所述的果树施肥量预测方法，其特征在于，
所述根据所述下四分位数、上四分位数和中位数确定四分位距，包括：
以所述上四分位数与所述下分位数之差作为所述四分位距；
所述根据所述四分位距并结合所述下四分位数，确定所述肥料有效施用量与产量的数据集的上边缘和下边缘，包括：
确定所述肥料有效施用量与产量的数据集的上边缘为Q3+m1IQR；
确定所述肥料有效施用量与产量的数据集的下边缘为Q1-m2IQR；
其中，Q1为下四分位数，Q3为上四分位数，IQR为四分位距，m1和m2分别为预设倍率。
7.根据权利要求1所述的果树施肥量预测方法，其特征在于，所述收集施肥量与产量的历史数据集，包括：
设计调查问卷；
利用所述调查问卷在水果收获后对果农进行逐个的问卷调查，获取问卷调查数据集；
将所述问卷调查数据集进行数据汇总整理及电子化，获取所述施肥量与产量的历史数据集。
8.根据权利要求1所述的果树施肥量预测方法，其特征在于，所述获取与所述肥料的投入量相对应的肥料有效施用量，包括：
通过肥料介绍或文献查阅获得各类肥料的有效含量，构建肥料的投入量与肥料有效施用量的查找表；
基于所述查找表获取与所述肥料的投入量相对应的肥料有效施用量。
9.一种果树施肥量预测系统，其特征在于，包括：
数据获取单元，用于收集施肥量与产量的历史数据集；
数据转化单元，用于获取与所述肥料的投入量相对应的肥料有效施用量，构建肥料有效施用量与产量的数据集；
函数构建单元，用于根据所述肥料有效施用量与产量的数据集，构建肥料效应函数；
数据预测单元，用于基于所述肥料效应函数，根据预期果树产量获取推荐的施肥量。
10.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至8任一项所述果树施肥量预测方法的步骤。
11.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至8任一项所述果树施肥量预测方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010365583.3A CN111615901A (zh) | 2020-04-30 | 2020-04-30 | 一种果树施肥量预测方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010365583.3A CN111615901A (zh) | 2020-04-30 | 2020-04-30 | 一种果树施肥量预测方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111615901A true CN111615901A (zh) | 2020-09-04 |
Family
ID=72267176
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010365583.3A Pending CN111615901A (zh) | 2020-04-30 | 2020-04-30 | 一种果树施肥量预测方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111615901A (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2000214089A (ja) * | 1999-01-22 | 2000-08-04 | Hamamatsu Photonics Kk | 施肥量判定方法 |
| CN1489886A (zh) * | 2003-08-22 | 2004-04-21 | 中国农业科学院土壤肥料研究所 | 一种对作物施肥量进行推荐的方法 |
| CN108684278A (zh) * | 2017-04-06 | 2018-10-23 | 点豆（山东）网络技术有限公司 | 智能配肥方法、装置和系统 |
| CN108804037A (zh) * | 2018-05-29 | 2018-11-13 | 郑州云海信息技术有限公司 | 基于箱型图处理存储设备历史性能数据的方法及系统 |
| CN109588093A (zh) * | 2018-12-26 | 2019-04-09 | 河北省农林科学院旱作农业研究所 | 一种基于双曲线指标进行区域小麦施肥合理性的判断方法 |
-
2020
- 2020-04-30 CN CN202010365583.3A patent/CN111615901A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2000214089A (ja) * | 1999-01-22 | 2000-08-04 | Hamamatsu Photonics Kk | 施肥量判定方法 |
| CN1489886A (zh) * | 2003-08-22 | 2004-04-21 | 中国农业科学院土壤肥料研究所 | 一种对作物施肥量进行推荐的方法 |
| CN108684278A (zh) * | 2017-04-06 | 2018-10-23 | 点豆（山东）网络技术有限公司 | 智能配肥方法、装置和系统 |
| CN108804037A (zh) * | 2018-05-29 | 2018-11-13 | 郑州云海信息技术有限公司 | 基于箱型图处理存储设备历史性能数据的方法及系统 |
| CN109588093A (zh) * | 2018-12-26 | 2019-04-09 | 河北省农林科学院旱作农业研究所 | 一种基于双曲线指标进行区域小麦施肥合理性的判断方法 |
Non-Patent Citations (1)
| Title |
|---|
| 张福锁等: "《最佳养分管理技术列单》", 30 November 2010, 中国农业大学出版社 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Falcone et al. | Assessment of environmental and economic impacts of vine-growing combining life cycle assessment, life cycle costing and multicriterial analysis | |
| US20210209705A1 (en) | System and Method for Managing and Operating an Agricultural-Origin-Product Manufacturing Supply Chain | |
| CN110909679B (zh) | 冬小麦历史种植区的休耕轮作信息遥感识别方法及系统 | |
| US20150371161A1 (en) | System and methods for identifying, evaluating and predicting land use and agricultural production | |
| Rebolledo-Leiva et al. | Comparing two CF+ DEA methods for assessing eco-efficiency from theoretical and practical points of view | |
| CN115186519A (zh) | 一种基于可变系统边界情景的农业碳足迹计量方法及装置 | |
| Kyrgiakos et al. | A systematic literature review of data envelopment analysis implementation in agriculture under the prism of sustainability | |
| Wu et al. | Spatial-temporal dynamics of maize and soybean planted area, harvested area, gross primary production, and grain production in the Contiguous United States during 2008-2018 | |
| CN102156886A (zh) | 基于统计数据和遥感影像数据的区域化肥投入空间化方法 | |
| Pereira da Silva et al. | Accuracy of nutritional diagnostics for phosphorus considering five standards by the method of diagnosing nutritional composition in sugarcane | |
| Balbontín et al. | Irrigation performance assessment in table grape using the reflectance-based crop coefficient | |
| Sun et al. | Production efficiency and change characteristics of China’s apple industry in terms of planting scale | |
| Fadzim et al. | Determinants of technical efficiency of cocoa farmers in Malaysia | |
| Murphy et al. | Preliminary carbon sequestration modelling for the Australian macadamia industry | |
| Zagórda et al. | The application of various software programs for mapping yields in precision agriculture | |
| Domaas | The reconstruction of past patterns of tilled fields from historical cadastral maps using GIS | |
| CN116579521B (zh) | 产量预测时间窗口确定方法、装置、设备及可读存储介质 | |
| Chou et al. | Advanced seasonal predictions for vine management based on bioclimatic indicators tailored to the wine sector | |
| CN111615901A (zh) | 一种果树施肥量预测方法及系统 | |
| Stachowski et al. | Predictive capacity of rainfall data to estimate the water needs of fruit plants in water deficit areas | |
| Krell et al. | Using real-time mobile phone data to characterize the relationships between small-scale farmers’ planting dates and socio-environmental factors | |
| CN113963263B (zh) | 多年生植被生长属性的确定方法、装置以及存储介质 | |
| US20230121145A1 (en) | Method of introducing ecosystem and method of managing value information about land | |
| CN114862611A (zh) | 一种基于边缘计算的农业种植云诊断方法及系统 | |
| Nilsson et al. | Drivers of regional crop variability in Chad |
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: 20200904 |