CN112258331B - 一种基于大数据的农作物种植生长及环境智能监测分析系统 - Google Patents

一种基于大数据的农作物种植生长及环境智能监测分析系统 Download PDF

Info

Publication number
CN112258331B
CN112258331B CN202011155726.4A CN202011155726A CN112258331B CN 112258331 B CN112258331 B CN 112258331B CN 202011155726 A CN202011155726 A CN 202011155726A CN 112258331 B CN112258331 B CN 112258331B
Authority
CN
China
Prior art keywords
gradient
area
humidity
average value
illumination intensity
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202011155726.4A
Other languages
English (en)
Other versions
CN112258331A (zh
Inventor
刘晓君
李�根
胡歆柯
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangdong xinzhinong Information Technology Co.,Ltd.
Original Assignee
Guangdong Xinzhinong Information Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guangdong Xinzhinong Information Technology Co ltd filed Critical Guangdong Xinzhinong Information Technology Co ltd
Priority to CN202011155726.4A priority Critical patent/CN112258331B/zh
Publication of CN112258331A publication Critical patent/CN112258331A/zh
Application granted granted Critical
Publication of CN112258331B publication Critical patent/CN112258331B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q50/00Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/02Agriculture; Fishing; Mining
    • AHUMAN NECESSITIES
    • A01AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01GHORTICULTURE; CULTIVATION OF VEGETABLES, FLOWERS, RICE, FRUIT, VINES, HOPS OR SEAWEED; FORESTRY; WATERING
    • A01G22/00Cultivation of specific crops or plants not otherwise provided for
    • A01G22/20Cereals
    • A01G22/22Rice
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29Geographical information databases
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q10/00Administration; Management
    • G06Q10/06Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063Operations research, analysis or management
    • G06Q10/0639Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393Score-carding, benchmarking or key performance indicator [KPI] analysis
    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02ATECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A40/00Adaptation technologies in agriculture, forestry, livestock or agroalimentary production
    • Y02A40/10Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in agriculture
    • Y02A40/28Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in agriculture specially adapted for farming

Abstract

本发明公开一种基于大数据的农作物种植生长及环境智能监测分析系统,包括梯度区域划分模块、梯度区域监测点布设模块、管理数据库、环境参数采集模块、参数预处理模块、分析云平台和显示终端,本发明通过对梯田水稻进行区域划分,并获取各梯度区域的阶梯高度,同时采集各梯度区域的环境参数,进而进行参数处理,结合分析云平台统计温度、湿度和光照强度影响评估系数,实现了对梯田水稻种植环境的智能监测,且根据获得的环境参数影响评估系数,相关人员能够直观了解在存在阶梯高度的情况下,各环境参数对水稻抽穗阶段生长的影响状况,有利于对梯田水稻种植环境的管理提供可靠的参考依据,提高梯田水稻种植管理技术水平。

Description

一种基于大数据的农作物种植生长及环境智能监测分析系统
技术领域
本发明属于农作物种植环境监测技术领域,具体涉及一种基于大数据的农作物种植生长及环境智能监测分析系统。
背景技术
梯田是在丘陵山坡上沿等高线方向修筑的条状台阶式或波浪式断面的田地,它是农业生产的重要组成部分,不仅可以有效地控制水土流失,同时还能改善土壤环境,提高土壤肥力,因此梯田在农业生产上的应用非常广泛。
对于梯田水稻的种植过程中,众所周知,种植环境对水稻的生长发育具有非常重要的影响,尤其是抽穗阶段,其对环境中的温度、湿度和光照强度有着特定的要求,一旦种植环境改变,进而会影响水稻抽穗的数量和质量,所以对梯田水稻种植环境的监测显得至关重要,但是由于梯田水稻相比于平原水稻,其具有阶梯性,人们无法获知在存在阶梯高度的情况下,各环境参数对水稻抽穗阶段生长的影响。
发明内容
针对上述问题,本发明提供一种基于大数据的农作物种植生长及环境智能监测分析系统,通过对梯田水稻种植区域划分为若干梯度区域,并获取各梯度区域的阶梯高度,同时采集各梯度区域的环境参数,进而与水稻抽穗阶段对应的标准环境参数进行对比,结合分析云平台根据各梯度区域的阶梯高度以及各梯度区域各环境参数与标准环境参数的对比值统计温度影响评估系数、湿度影响评估系数和光照强度影响评估系数,解决了背景技术提到的问题。
本发明的目的可以通过以下技术方案实现:
一种基于大数据的农作物种植生长及环境智能监测分析系统,包括梯度区域划分模块、梯度区域监测点布设模块、管理数据库、环境参数采集模块、参数预处理模块、分析云平台和显示终端,其中梯度区域划分模块分别与梯度区域监测点布设模块和分析云平台连接,梯度区域监测点布设模块与环境参数采集模块连接,环境参数采集模块与参数预处理模块连接,参数预处理模块和管理数据库分别与分析云平台连接,分析云平台与显示终端连接;
所述梯度区域划分模块用于将梯田水稻种植区域划分为若干梯度区域,并获取各梯度区域阶梯到水平面的垂直高度,划分的各梯度区域按照阶梯到水平地面的垂直高度从低到高的顺序进行编号,依次标记为1,2,...i,...,n,梯度区域划分模块分别对划分的各梯度区域测量其阶梯高度,同时将测量的各梯度区域对应的阶梯高度构成阶梯高度集合H(h1,h2,...,hi,...,hn),并将阶梯高度集合发送至分析云平台;
所述梯度区域监测点布设模块用于对划分的各梯度区域划分为若干面积相同的梯度子区域,在每个梯度子区域布设一个环境监测点,布设的各环境监测点按照预设的顺序进行编号,分别标记为i1,i2,...ij,...,im,其中ij表示为第i个梯度区域内第j个环境监测点,i表示为梯度区域编号,i=1,2,...,n;
所述环境参数采集模块包括若干环境检测设备,其安装在各环境监测点位置,用于检测各梯度区域内各环境监测点的环境参数,其中环境参数包括温度、湿度和光照强度,并将检测的各梯度区域内各环境监测点的环境参数发送至参数预处理模块;
所述参数预处理模块接收环境参数采集模块发送的各梯度区域内各环境监测点的环境参数,并将接收的各梯度区域内各环境监测点的环境参数构成监测点环境参数集合
Figure BDA0002742711900000031
qw ij表示为第i个梯度区域内第j个环境监测点监测的第w个环境参数对应的数值,w表示为环境参数,w=pt,pd,ps,pt,pd,ps分别表示为温度、湿度和光照强度,同时,参数预处理模块将监测点环境参数集合中按照梯度区域的编号顺序依次提取每个梯度区域内各环境监测点的环境参数,并对同一梯度区域内同种环境参数在不同环境监测点监测的数值进行均值计算,得到同一梯度区域对应的各环境参数平均值,进而得到各梯度区域对应的各环境参数平均值,且从得到的各梯度区域对应的各环境参数平均值中分别筛选各梯度区域对应的温度平均值、各梯度区域对应的湿度平均值,各梯度区域对应的光照强度平均值,筛选的各梯度区域对应的温度平均值构成梯度区域温度平均值集合
Figure BDA0002742711900000032
表示为第i个梯度区域对应的温度平均值,筛选的各梯度区域对应的湿度平均值构成梯度区域湿度平均值集合
Figure BDA0002742711900000033
表示为第i个梯度区域对应的湿度平均值,筛选的各梯度区域对应的光照强度平均值构成梯度区域光照强度平均值集合
Figure BDA0002742711900000034
表示为第i个梯度区域对应的光照强度平均值,参数预处理模块将梯度区域温度平均值集合、梯度区域湿度平均值集合和梯度区域光照强度平均值集合发送至分析云平台;
所述管理数据库用于存储水稻各种植阶段对应的标准温度、湿度和光照强度;
所述分析云平台分别接收梯度区域划分模块发送的各梯度区域对应的阶梯高度,接收参数预处理模块发送的梯度区域温度平均值集合、梯度区域湿度平均值集合和梯度区域光照强度平均值集合,并提取管理数据库中水稻各种植阶段对应的标准温度、湿度和光照强度,并从中筛选水稻抽穗阶段对应的标准温度、湿度和光照强度,同时将接收的梯度区域温度平均值集合、梯度区域湿度平均值集合和梯度区域光照强度平均值集合分别与水稻抽穗阶段对应的标准温度、湿度和光照强度进行对比,得到梯度区域温度平均值对比集合
Figure BDA0002742711900000041
梯度区域湿度平均值对比集合
Figure BDA0002742711900000042
和梯度区域光照强度平均值对比集合
Figure BDA0002742711900000043
分析云平台根据接收的各梯度区域对应的阶梯高度和得到的梯度区域温度平均值对比集合、梯度区域湿度平均值对比集合及梯度区域光照强度平均值对比集合分别统计温度、湿度和光照强度对梯田水稻抽穗阶段生长的影响评估系数,并分别记为温度影响评估系数、湿度影响评估系数和光照强度影响评估系数,且发送至显示终端;
所述显示终端接收分析云平台发送的温度影响评估系数、湿度影响评估系数和光照强度影响评估系数,并显示。
较优化地,所述梯度区域划分模块将梯田水稻种植区域划分为若干梯度区域的具体划分方法包括以下两个步骤:
S1:统计整个梯田水稻种植区域内阶梯个数;
S2:根据统计的整个梯田水稻种植区域内阶梯个数对整个梯田水稻种植区域进行划分,各阶梯所在水稻种植区域作为梯度区域。
较优化地,所述梯度区域监测点布设模块对划分的各梯度区域划分为若干面积相同的梯度子区域,其具体划分方法如下:
H1:采用GPS测亩仪获取各梯度区域对应的种植面积,其具体测量方法包括以下几个步骤:
H11:利用GPS测亩仪获取各梯度区域边界各端点的地理经纬度坐标,并将相邻边界端点之间用线段连接,构成的各线段作为各梯度区域对应的每条边;
H12:对获取的各梯度区域边界的地理经纬度坐标转换为平面坐标;
H13:将每个梯度区域边界各端点与坐标原点相连,则每个梯度区域对应的每条边与坐标原点构成一个三角形,计算每条边所对应三角形的面积;
H14:将各梯度区域中每个三角形面积进行求和,得到各梯度区域对应的种植面积;
H2:将获取的各梯度区域对应的种植面积进行均分为m等份,每等份种植面积所在区域作为梯度子区域。
较优化地,所述环境检测设备包括温度传感器、湿度传感器和光照传感器,其中温度传感器用于检测环境监测点的温度,湿度传感器用于检测环境监测点的湿度,光照传感器用于检测环境监测点的光照强度。
较优化地,所述各梯度区域对应的各环境参数平均值的计算公式如下:
(1)各梯度区域对应的温度平均值的计算公式为
Figure BDA0002742711900000051
式中
Figure BDA0002742711900000057
表示为第i个梯度区域对应的温度平均值,
Figure BDA0002742711900000052
表示为第i个梯度区域内第j个环境监测点监测的温度数值,m表示为第i个梯度区域的环境监测点个数;
(2)各梯度区域对应的湿度平均值的计算公式为
Figure BDA0002742711900000053
式中
Figure BDA0002742711900000054
表示为第i个梯度区域对应的湿度平均值,qpd ij表示为第i个梯度区域内第j个环境监测点监测的湿度数值;
(3)各梯度区域对应的光照强度平均值的计算公式为
Figure BDA0002742711900000055
式中
Figure BDA0002742711900000056
表示为第i个梯度区域对应的光照强度平均值,qps ij表示为第i个梯度区域内第j个环境监测点监测的光照强度数值。
较优化地,所述温度影响评估系数的计算公式为
Figure BDA0002742711900000061
式中
Figure BDA0002742711900000062
表示为温度影响评估系数,hi+1表示为第i+1个梯度区域对应的阶梯高度,hi表示为第i个梯度区域对应的阶梯高度,rpt标准表示为水稻抽穗阶段对应的标准温度,
Figure BDA0002742711900000063
表示为第i个梯度区域对应的温度平均值与水稻抽穗阶段对应的标准温度之间的差值。
较优化地,所述湿度影响评估系数的计算公式为
Figure BDA0002742711900000064
式中
Figure BDA0002742711900000065
表示为湿度影响评估系数,rpd标准表示为水稻抽穗阶段对应的标准湿度,
Figure BDA0002742711900000066
表示为第i个梯度区域对应的湿度平均值与水稻抽穗阶段对应的标准湿度之间的差值。
较优化地,所述光照强度影响评估系数的计算公式为
Figure BDA0002742711900000067
式中
Figure BDA0002742711900000068
表示为光照强度影响评估系数,rps标准表示为水稻抽穗阶段对应的标准光照强度,
Figure BDA0002742711900000069
表示为第i个梯度区域对应的光照强度平均值与水稻抽穗阶段对应的标准光照强度之间的差值。
本发明的有益效果如下:
1.本发明通过对梯田水稻种植区域划分为若干梯度区域,并获取各梯度区域的阶梯高度,同时在各梯度区域布设若干环境监测点,采集各梯度区域内各环境监测点的环境参数,进而获取各梯度区域对应的各环境参数平均值,结合分析云平台将各梯度区域对应的各环境参数平均值与水稻抽穗阶段对应的标准环境参数进行对比,以此统计温度影响评估系数、湿度影响评估系数和光照强度影响评估系数,实现了对梯田水稻种植环境的智能监测,具有操作性强和智能化程度高的特点,且根据获得的环境参数影响评估系数,梯田水稻种植人员能够直观了解在存在阶梯高度的情况下,各环境参数对水稻抽穗阶段生长的影响状况,有利于对梯田水稻种植环境的管理提供可靠的参考依据,提高梯田水稻种植管理技术水平,进而提高梯田水稻的产量。
2.本发明通过对各梯度区域根据种植面积布设若干环境监测点,避免单个环境监测点检测造成误差,使检测的环境参数数据更接近真实值,便于后面进行环境参数平均值计算,为后期统计温度影响评估系数、湿度影响评估系数和光照强度影响评估系数提供可靠的数据依据。
附图说明
利用附图对本发明作进一步说明,但附图中的实施例不构成对本发明的任何限制,对于本领域的普通技术人员,在不付出创造性劳动的前提下,还可以根据以下附图获得其它的附图。
图1为本发明的结构框图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
参照图1所示,一种基于大数据的农作物种植生长及环境智能监测分析系统,包括梯度区域划分模块、梯度区域监测点布设模块、管理数据库、环境参数采集模块、参数预处理模块、分析云平台和显示终端,其中梯度区域划分模块分别与梯度区域监测点布设模块和分析云平台连接,梯度区域监测点布设模块与环境参数采集模块连接,环境参数采集模块与参数预处理模块连接,参数预处理模块和管理数据库分别与分析云平台连接,分析云平台与显示终端连接。
梯度区域划分模块用于将梯田水稻种植区域划分为若干梯度区域,其具体划分方法包括以下两个步骤:
S1:统计整个梯田水稻种植区域内阶梯个数;
S2:根据统计的整个梯田水稻种植区域内阶梯个数对整个梯田水稻种植区域进行划分,各阶梯所在水稻种植区域作为梯度区域。
并获取各梯度区域阶梯到水平面的垂直高度,划分的各梯度区域按照阶梯到水平地面的垂直高度从低到高的顺序进行编号,依次标记为1,2,...i,...,n,梯度区域划分模块分别对划分的各梯度区域测量其阶梯高度,同时将测量的各梯度区域对应的阶梯高度构成阶梯高度集合H(h1,h2,...,hi,...,hn),并将阶梯高度集合发送至分析云平台。
本实施例根据整个梯田水稻种植区域内阶梯个数划分梯度区域,其划分的各梯度区域为后面进行环境监测点布设提供方便,且测量的各梯度区域对应的阶梯高度为后期进行温度影响评估系数、湿度影响评估系数和光照强度影响评估系数计算提供阶梯高度参数依据。
梯度区域监测点布设模块用于对划分的各梯度区域划分为若干面积相同的梯度子区域,其具体划分方法如下:
H1:采用GPS测亩仪获取各梯度区域对应的种植面积,其具体测量方法包括以下几个步骤:
H11:利用GPS测亩仪获取各梯度区域边界各端点的地理经纬度坐标,并将相邻边界端点之间用线段连接,构成的各线段作为各梯度区域对应的每条边;
H12:对获取的各梯度区域边界的地理经纬度坐标转换为平面坐标;
H13:将每个梯度区域边界各端点与坐标原点相连,则每个梯度区域对应的每条边与坐标原点构成一个三角形,计算每条边所对应三角形的面积;
H14:将各梯度区域中每个三角形面积进行求和,得到各梯度区域对应的种植面积;
H2:将获取的各梯度区域对应的种植面积进行均分为m等份,每等份种植面积所在区域作为梯度子区域。
在每个梯度子区域布设一个环境监测点,布设的各环境监测点按照预设的顺序进行编号,分别标记为i1,i2,...ij,...,im,其中ij表示为第i个梯度区域内第j个环境监测点,i表示为梯度区域编号,i=1,2,...,n。
本实施例采用GPS测亩仪对各梯度区域的种植面积的计算是对不规则形状梯度区域种植面积的计算,其得到的各梯度区域种植面积更加精确,更加方便为后面进行环境监测点布设。
本实施例通过对各梯度区域根据种植面积布设若干环境监测点,避免单个环境监测点检测造成误差,使检测的环境参数数据更接近真实值,便于后面进行环境参数平均值计算,为后期统计温度影响评估系数、湿度影响评估系数和光照强度影响评估系数提供可靠的数据依据。
环境参数采集模块包括若干环境检测设备,其安装在各环境监测点位置,用于检测各梯度区域内各环境监测点的环境参数,其中环境参数包括温度、湿度和光照强度,所述环境检测设备包括温度传感器、湿度传感器和光照传感器,其中温度传感器用于检测环境监测点的温度,湿度传感器用于检测环境监测点的湿度,光照传感器用于检测环境监测点的光照强度,环境参数采集模块将检测的各梯度区域内各环境监测点的环境参数发送至参数预处理模块。
参数预处理模块接收环境参数采集模块发送的各梯度区域内各环境监测点的环境参数,并将接收的各梯度区域内各环境监测点的环境参数构成监测点环境参数集合
Figure BDA0002742711900000101
qw ij表示为第i个梯度区域内第j个环境监测点监测的第w个环境参数对应的数值,w表示为环境参数,w=pt,pd,ps,pt,pd,ps分别表示为温度、湿度和光照强度,同时,参数预处理模块将监测点环境参数集合中按照梯度区域的编号顺序依次提取每个梯度区域内各环境监测点的环境参数,并对同一梯度区域内同种环境参数在不同环境监测点监测的数值进行均值计算,得到同一梯度区域对应的各环境参数平均值,进而得到各梯度区域对应的各环境参数平均值,其计算公式如下:
(1)各梯度区域对应的温度平均值的计算公式为
Figure BDA0002742711900000102
式中
Figure BDA0002742711900000103
表示为第i个梯度区域对应的温度平均值,qpt ij表示为第i个梯度区域内第j个环境监测点监测的温度数值,m表示为第i个梯度区域的环境监测点个数;
(2)各梯度区域对应的湿度平均值的计算公式为
Figure BDA0002742711900000104
式中
Figure BDA0002742711900000105
表示为第i个梯度区域对应的湿度平均值,qpd ij表示为第i个梯度区域内第j个环境监测点监测的湿度数值;
(3)各梯度区域对应的光照强度平均值的计算公式为
Figure BDA0002742711900000106
式中
Figure BDA0002742711900000107
表示为第i个梯度区域对应的光照强度平均值,qps ij表示为第i个梯度区域内第j个环境监测点监测的光照强度数值。
且从得到的各梯度区域对应的各环境参数平均值中分别筛选各梯度区域对应的温度平均值、各梯度区域对应的湿度平均值,各梯度区域对应的光照强度平均值,筛选的各梯度区域对应的温度平均值构成梯度区域温度平均值集合
Figure BDA0002742711900000111
表示为第i个梯度区域对应的温度平均值,筛选的各梯度区域对应的湿度平均值构成梯度区域湿度平均值集合
Figure BDA0002742711900000112
表示为第i个梯度区域对应的湿度平均值,筛选的各梯度区域对应的光照强度平均值构成梯度区域光照强度平均值集合
Figure BDA0002742711900000113
表示为第i个梯度区域对应的光照强度平均值,参数预处理模块将梯度区域温度平均值集合、梯度区域湿度平均值集合和梯度区域光照强度平均值集合发送至分析云平台。
管理数据库用于存储水稻各种植阶段对应的标准温度、湿度和光照强度。
分析云平台分别接收梯度区域划分模块发送的各梯度区域对应的阶梯高度,接收参数预处理模块发送的梯度区域温度平均值集合、梯度区域湿度平均值集合和梯度区域光照强度平均值集合,并提取管理数据库中水稻各种植阶段对应的标准温度、湿度和光照强度,并从中筛选水稻抽穗阶段对应的标准温度、湿度和光照强度,同时将接收的梯度区域温度平均值集合、梯度区域湿度平均值集合和梯度区域光照强度平均值集合分别与水稻抽穗阶段对应的标准温度、湿度和光照强度进行对比,得到梯度区域温度平均值对比集合
Figure BDA0002742711900000114
梯度区域湿度平均值对比集合
Figure BDA0002742711900000115
和梯度区域光照强度平均值对比集合
Figure BDA0002742711900000116
分析云平台根据接收的各梯度区域对应的阶梯高度和得到的梯度区域温度平均值对比集合、梯度区域湿度平均值对比集合及梯度区域光照强度平均值对比集合分别统计在温度、湿度和光照强度对梯田水稻抽穗阶段生长的影响评估系数,并分别记为温度影响评估系数
Figure BDA0002742711900000121
式中
Figure BDA0002742711900000122
表示为温度影响评估系数,hi+1表示为第i+1个梯度区域对应的阶梯高度,hi表示为第i个梯度区域对应的阶梯高度,rpt标准表示为水稻抽穗阶段对应的标准温度,
Figure BDA0002742711900000123
表示为第i个梯度区域对应的温度平均值与水稻抽穗阶段对应的标准温度之间的差值、湿度影响评估系数
Figure BDA0002742711900000124
式中
Figure BDA0002742711900000125
表示为湿度影响评估系数,rpd标准表示为水稻抽穗阶段对应的标准湿度,
Figure BDA0002742711900000126
表示为第i个梯度区域对应的湿度平均值与水稻抽穗阶段对应的标准湿度之间的差值和光照强度影响评估系数
Figure BDA0002742711900000127
式中
Figure BDA0002742711900000128
表示为光照强度影响评估系数,rps标准表示为水稻抽穗阶段对应的标准光照强度,
Figure BDA0002742711900000129
表示为第i个梯度区域对应的光照强度平均值与水稻抽穗阶段对应的标准光照强度之间的差值,分析云平台将统计的温度影响评估系数、湿度影响评估系数和光照强度影响评估系数发送至显示终端。
本实施例中统计的温度影响评估系数、湿度影响评估系数和光照强度影响评估系数实现了在存在阶梯高度情况下,温度、湿度和光照强度对梯田水稻抽穗阶段生长影响状况的量化展示,有利于对梯田水稻种植环境的管理提供可靠的参考依据,提高梯田水稻种植管理技术水平,进而提高梯田水稻的产量。
显示终端接收分析云平台发送的温度影响评估系数、湿度影响评估系数和光照强度影响评估系数,并显示,便于梯田水稻种植人员能够直观了解在存在阶梯高度的情况下,各环境参数对水稻抽穗阶段生长的影响状况。
以上内容仅仅是对本发明结构所作的举例和说明,所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,只要不偏离发明的结构或者超越本权利要求书所定义的范围,均应属于本发明的保护范围。

Claims (4)

1.一种基于大数据的农作物种植生长及环境智能监测分析系统,其特征在于:包括梯度区域划分模块、梯度区域监测点布设模块、管理数据库、环境参数采集模块、参数预处理模块、分析云平台和显示终端,其中梯度区域划分模块分别与梯度区域监测点布设模块和分析云平台连接,梯度区域监测点布设模块与环境参数采集模块连接,环境参数采集模块与参数预处理模块连接,参数预处理模块和管理数据库分别与分析云平台连接,分析云平台与显示终端连接;
所述梯度区域划分模块用于将梯田水稻种植区域划分为若干梯度区域,并获取各梯度区域阶梯到水平面的垂直高度,划分的各梯度区域按照阶梯到水平地面的垂直高度从低到高的顺序进行编号,依次标记为1,2,...i,...,n,梯度区域划分模块分别对划分的各梯度区域测量其阶梯高度,同时将测量的各梯度区域对应的阶梯高度构成阶梯高度集合H(h1,h2,...,hi,...,hn),并将阶梯高度集合发送至分析云平台;
所述梯度区域监测点布设模块用于对划分的各梯度区域划分为若干面积相同的梯度子区域,在每个梯度子区域布设一个环境监测点,布设的各环境监测点按照预设的顺序进行编号,分别标记为i1,i2,...ij,...,im,其中ij表示为第i个梯度区域内第j个环境监测点,i表示为梯度区域编号,i=1,2,...,n;
所述环境参数采集模块包括若干环境检测设备,其安装在各环境监测点位置,用于检测各梯度区域内各环境监测点的环境参数,其中环境参数包括温度、湿度和光照强度,并将检测的各梯度区域内各环境监测点的环境参数发送至参数预处理模块;
所述参数预处理模块接收环境参数采集模块发送的各梯度区域内各环境监测点的环境参数,并将接收的各梯度区域内各环境监测点的环境参数构成监测点环境参数集合
Figure FDA0002984220590000021
qw ij表示为第i个梯度区域内第j个环境监测点监测的第w个环境参数对应的数值,w表示为环境参数,w=pt,pd,ps,pt,pd,ps分别表示为温度、湿度和光照强度,同时,参数预处理模块将监测点环境参数集合中按照梯度区域的编号顺序依次提取每个梯度区域内各环境监测点的环境参数,并对同一梯度区域内同种环境参数在不同环境监测点监测的数值进行均值计算,得到同一梯度区域对应的各环境参数平均值,进而得到各梯度区域对应的各环境参数平均值,且从得到的各梯度区域对应的各环境参数平均值中分别筛选各梯度区域对应的温度平均值、各梯度区域对应的湿度平均值,各梯度区域对应的光照强度平均值,筛选的各梯度区域对应的温度平均值构成梯度区域温度平均值集合
Figure FDA0002984220590000022
Figure FDA0002984220590000023
表示为第i个梯度区域对应的温度平均值,筛选的各梯度区域对应的湿度平均值构成梯度区域湿度平均值集合
Figure FDA0002984220590000024
Figure FDA0002984220590000025
表示为第i个梯度区域对应的湿度平均值,筛选的各梯度区域对应的光照强度平均值构成梯度区域光照强度平均值集合
Figure FDA0002984220590000026
Figure FDA0002984220590000027
表示为第i个梯度区域对应的光照强度平均值,参数预处理模块将梯度区域温度平均值集合、梯度区域湿度平均值集合和梯度区域光照强度平均值集合发送至分析云平台;
所述管理数据库用于存储水稻各种植阶段对应的标准温度、湿度和光照强度;
所述分析云平台分别接收梯度区域划分模块发送的各梯度区域对应的阶梯高度,接收参数预处理模块发送的梯度区域温度平均值集合、梯度区域湿度平均值集合和梯度区域光照强度平均值集合,并提取管理数据库中水稻各种植阶段对应的标准温度、湿度和光照强度,并从中筛选水稻抽穗阶段对应的标准温度、湿度和光照强度,同时将接收的梯度区域温度平均值集合、梯度区域湿度平均值集合和梯度区域光照强度平均值集合分别与水稻抽穗阶段对应的标准温度、湿度和光照强度进行对比,得到梯度区域温度平均值对比集合
Figure FDA0002984220590000031
梯度区域湿度平均值对比集合
Figure FDA0002984220590000032
和梯度区域光照强度平均值对比集合
Figure FDA0002984220590000033
分析云平台根据接收的各梯度区域对应的阶梯高度和得到的梯度区域温度平均值对比集合、梯度区域湿度平均值对比集合及梯度区域光照强度平均值对比集合分别统计温度、湿度和光照强度对梯田水稻抽穗阶段生长的影响评估系数,并分别记为温度影响评估系数、湿度影响评估系数和光照强度影响评估系数,且发送至显示终端;
所述显示终端接收分析云平台发送的温度影响评估系数、湿度影响评估系数和光照强度影响评估系数,并显示;
所述梯度区域监测点布设模块对划分的各梯度区域划分为若干面积相同的梯度子区域,其具体划分方法如下:
H1:采用GPS测亩仪获取各梯度区域对应的种植面积,其具体测量方法包括以下几个步骤:
H11:利用GPS测亩仪获取各梯度区域边界各端点的地理经纬度坐标,并将相邻边界端点之间用线段连接,构成的各线段作为各梯度区域对应的每条边;
H12:对获取的各梯度区域边界的地理经纬度坐标转换为平面坐标;
H13:将每个梯度区域边界各端点与坐标原点相连,则每个梯度区域对应的每条边与坐标原点构成一个三角形,计算每条边所对应三角形的面积;
H14:将各梯度区域中每个三角形面积进行求和,得到各梯度区域对应的种植面积;
H2:将获取的各梯度区域对应的种植面积进行均分为m等份,每等份种植面积所在区域作为梯度子区域;
所述温度影响评估系数的计算公式为
Figure FDA0002984220590000041
式中
Figure FDA0002984220590000042
表示为温度影响评估系数,hi+1表示为第i+1个梯度区域对应的阶梯高度,hi表示为第i个梯度区域对应的阶梯高度,rpt标准表示为水稻抽穗阶段对应的标准温度,
Figure FDA0002984220590000043
表示为第i个梯度区域对应的温度平均值与水稻抽穗阶段对应的标准温度之间的差值。
所述湿度影响评估系数的计算公式为
Figure FDA0002984220590000044
式中
Figure FDA0002984220590000045
表示为湿度影响评估系数,rpd标准表示为水稻抽穗阶段对应的标准湿度,
Figure FDA0002984220590000046
表示为第i个梯度区域对应的湿度平均值与水稻抽穗阶段对应的标准湿度之间的差值。
所述光照强度影响评估系数的计算公式为
Figure FDA0002984220590000047
式中
Figure FDA0002984220590000048
表示为光照强度影响评估系数,rps标准表示为水稻抽穗阶段对应的标准光照强度,
Figure FDA0002984220590000049
表示为第i个梯度区域对应的光照强度平均值与水稻抽穗阶段对应的标准光照强度之间的差值。
2.根据权利要求1所述的一种基于大数据的农作物种植生长及环境智能监测分析系统,其特征在于:所述梯度区域划分模块将梯田水稻种植区域划分为若干梯度区域的具体划分方法包括以下两个步骤:
S1:统计整个梯田水稻种植区域内阶梯个数;
S2:根据统计的整个梯田水稻种植区域内阶梯个数对整个梯田水稻种植区域进行划分,各阶梯所在水稻种植区域作为梯度区域。
3.根据权利要求1所述的一种基于大数据的农作物种植生长及环境智能监测分析系统,其特征在于:所述环境检测设备包括温度传感器、湿度传感器和光照传感器,其中温度传感器用于检测环境监测点的温度,湿度传感器用于检测环境监测点的湿度,光照传感器用于检测环境监测点的光照强度。
4.根据权利要求1所述的一种基于大数据的农作物种植生长及环境智能监测分析系统,其特征在于:所述各梯度区域对应的各环境参数平均值的计算公式如下:
(1)各梯度区域对应的温度平均值的计算公式为
Figure FDA0002984220590000051
式中
Figure FDA0002984220590000052
表示为第i个梯度区域对应的温度平均值,qpt ij表示为第i个梯度区域内第j个环境监测点监测的温度数值,m表示为第i个梯度区域的环境监测点个数;
(2)各梯度区域对应的湿度平均值的计算公式为
Figure FDA0002984220590000053
式中
Figure FDA0002984220590000054
表示为第i个梯度区域对应的湿度平均值,qpd ij表示为第i个梯度区域内第j个环境监测点监测的湿度数值;
(3)各梯度区域对应的光照强度平均值的计算公式为
Figure FDA0002984220590000061
式中
Figure FDA0002984220590000062
表示为第i个梯度区域对应的光照强度平均值,qps ij表示为第i个梯度区域内第j个环境监测点监测的光照强度数值。
CN202011155726.4A 2020-10-26 2020-10-26 一种基于大数据的农作物种植生长及环境智能监测分析系统 Active CN112258331B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011155726.4A CN112258331B (zh) 2020-10-26 2020-10-26 一种基于大数据的农作物种植生长及环境智能监测分析系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011155726.4A CN112258331B (zh) 2020-10-26 2020-10-26 一种基于大数据的农作物种植生长及环境智能监测分析系统

Publications (2)

Publication Number Publication Date
CN112258331A CN112258331A (zh) 2021-01-22
CN112258331B true CN112258331B (zh) 2021-07-23

Family

ID=74262053

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011155726.4A Active CN112258331B (zh) 2020-10-26 2020-10-26 一种基于大数据的农作物种植生长及环境智能监测分析系统

Country Status (1)

Country Link
CN (1) CN112258331B (zh)

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113327003B (zh) * 2021-04-16 2022-05-20 蒲惠智造科技股份有限公司 一种基于工业大数据的产品质量评估预测系统
CN113884138B (zh) * 2021-10-14 2022-05-17 一鼎(福建)生态园林建设有限公司 基于大数据的种植智能监控系统
CN113984964B (zh) * 2021-10-15 2024-02-09 甘肃省农业科学院作物研究所 基于多源数据监测抗旱性分析的玉米品种筛选方法及系统
CN114819686B (zh) * 2022-05-10 2023-05-26 西安市城市规划设计研究院 基于可视化的景观园林绿化规划设计分析评价管理系统
CN114649086B (zh) * 2022-05-13 2022-08-05 山东润一智能科技有限公司 一种基于医疗卫生安全的微生物智能监测系统
CN114830979A (zh) * 2022-06-08 2022-08-02 新疆阿克猫农业开发有限公司 一种水稻智能种植方法
CN115099992B (zh) * 2022-08-22 2022-11-08 江苏慧岸信息科技有限公司 蘑菇种植房的数据处理方法及处理系统
CN115938083B (zh) * 2022-12-06 2023-08-15 云南大学 一种基于移动终端农业监测预警方法及系统
CN116171840B (zh) * 2023-01-18 2023-09-08 广州市林业和园林科学研究院 一种簕杜鹃花期调控方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109544047A (zh) * 2018-12-30 2019-03-29 云南瀚哲科技有限公司 基于海拔分区的玉米土壤养分丰缺指标体系的建立方法
CN111399508A (zh) * 2020-03-20 2020-07-10 安徽省现代农业装备产业技术研究院有限公司 智慧农业系统和智慧农业方法
CN111652756A (zh) * 2020-07-03 2020-09-11 张玉红 一种绿色智慧农业大棚种植环境监测管理系统
CN111713317A (zh) * 2020-07-24 2020-09-29 韶关市诚湃新能源科技有限公司 一种基于大数据的农作物监测系统及监测方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110363675A (zh) * 2019-07-12 2019-10-22 中科光启空间信息技术有限公司 一种基于卫星遥感的小麦赤霉病监测方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109544047A (zh) * 2018-12-30 2019-03-29 云南瀚哲科技有限公司 基于海拔分区的玉米土壤养分丰缺指标体系的建立方法
CN111399508A (zh) * 2020-03-20 2020-07-10 安徽省现代农业装备产业技术研究院有限公司 智慧农业系统和智慧农业方法
CN111652756A (zh) * 2020-07-03 2020-09-11 张玉红 一种绿色智慧农业大棚种植环境监测管理系统
CN111713317A (zh) * 2020-07-24 2020-09-29 韶关市诚湃新能源科技有限公司 一种基于大数据的农作物监测系统及监测方法

Also Published As

Publication number Publication date
CN112258331A (zh) 2021-01-22

Similar Documents

Publication Publication Date Title
CN112258331B (zh) 一种基于大数据的农作物种植生长及环境智能监测分析系统
CN108169138B (zh) 一种利用热红外图像的水稻倒伏监测方法
CN100394212C (zh) 一种大面积作物种植面积及其产量的遥感检测估算方法
CN105739575B (zh) 一种设施蔬菜环境参数的数据融合方法
CN107103378B (zh) 一种玉米种植环境测试站点布局方法及系统
CN109781963A (zh) 一种大田种植环境监测系统
CN111368736B (zh) 基于sar和光学遥感数据的水稻精细化估产方法
CN102636486B (zh) 一种棉花三真叶期的自动检测方法
CN112819846B (zh) 面向多云雨地区的基于多载荷遥感图像的水稻估产方法
CN113468964B (zh) 一种基于高光谱的农业病虫害监测方法及设备
CN104881727A (zh) 一种基于遥感抽样的农作物灾情损失评估方法
CN113177744A (zh) 一种城市绿地系统碳汇量估算方法及系统
AU2016273991A1 (en) Detection of environmental conditions
CN108896021B (zh) 基于航空摄影测量点云提取人工林林分结构参数的方法
CN113869173A (zh) 基于卫星遥感的棉花膜下滴灌旱情监测系统及方法
CN114897423B (zh) 基于作物水分指示线的农田灌溉概率指数计算方法
CN102592118B (zh) 一种玉米出苗期的自动检测方法
CN112819227A (zh) 一种县级尺度冬小麦单产预测方法及系统
CN115291541A (zh) 一种农作物病虫害监测系统与方法
CN113496348A (zh) 一种耕地质量管理系统及方法
CN114184179B (zh) 一种基于互联网的户外地理测绘管控系统
CN109960972A (zh) 一种基于中高分辨率时序遥感数据的农林作物识别方法
CN115226612B (zh) 一种水资源配置管理用智能分配系统
CN115100551A (zh) 一种基于遥感影像技术的土地利用属性的监测方法
CN108171615B (zh) 一种农作物倒伏灾害监测方法及其系统

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
CB03 Change of inventor or designer information

Inventor after: Liu Xiaojun

Inventor after: Li Gen

Inventor after: Hu Xinke

Inventor before: Request for anonymity

CB03 Change of inventor or designer information
TA01 Transfer of patent application right

Effective date of registration: 20210707

Address after: 510000 room 902, 9 / F, block B, energy conservation and environmental protection building, No.2 Nengyuan Road, Tianhe District, Guangzhou City, Guangdong Province

Applicant after: Guangdong xinzhinong Information Technology Co.,Ltd.

Address before: 246004 Longshan Road, Daguan District, Anqing City, Anhui Province

Applicant before: Anqing Zhongchun Automation Technology Co.,Ltd.

TA01 Transfer of patent application right
GR01 Patent grant
GR01 Patent grant