CN114510528A - 农作物产量展示方法、装置电子设备及存储介质 - Google Patents
农作物产量展示方法、装置电子设备及存储介质 Download PDFInfo
- Publication number
- CN114510528A CN114510528A CN202210138587.7A CN202210138587A CN114510528A CN 114510528 A CN114510528 A CN 114510528A CN 202210138587 A CN202210138587 A CN 202210138587A CN 114510528 A CN114510528 A CN 114510528A
- Authority
- CN
- China
- Prior art keywords
- yield
- data
- crop
- relation
- counted
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 68
- 238000003860 storage Methods 0.000 title claims description 16
- 238000013507 mapping Methods 0.000 claims abstract description 65
- 230000008569 process Effects 0.000 claims description 31
- 238000004590 computer program Methods 0.000 claims description 15
- 238000013500 data storage Methods 0.000 claims description 5
- 230000036962 time dependent Effects 0.000 claims description 3
- 238000009826 distribution Methods 0.000 abstract description 12
- 238000012545 processing Methods 0.000 abstract description 10
- 230000006870 function Effects 0.000 description 11
- 238000010586 diagram Methods 0.000 description 8
- 230000008859 change Effects 0.000 description 7
- 239000012634 fragment Substances 0.000 description 7
- 238000003306 harvesting Methods 0.000 description 7
- 238000004422 calculation algorithm Methods 0.000 description 6
- 238000007726 management method Methods 0.000 description 6
- 241000196324 Embryophyta Species 0.000 description 5
- 235000013339 cereals Nutrition 0.000 description 5
- 229920000742 Cotton Polymers 0.000 description 4
- 241001465754 Metazoa Species 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 241000894007 species Species 0.000 description 3
- 235000017060 Arachis glabrata Nutrition 0.000 description 2
- 244000105624 Arachis hypogaea Species 0.000 description 2
- 235000010777 Arachis hypogaea Nutrition 0.000 description 2
- 235000018262 Arachis monticola Nutrition 0.000 description 2
- 244000046052 Phaseolus vulgaris Species 0.000 description 2
- 235000010627 Phaseolus vulgaris Nutrition 0.000 description 2
- 238000012271 agricultural production Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 235000020232 peanut Nutrition 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000013515 script Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 241000238631 Hexapoda Species 0.000 description 1
- 244000017020 Ipomoea batatas Species 0.000 description 1
- 235000002678 Ipomoea batatas Nutrition 0.000 description 1
- 244000061456 Solanum tuberosum Species 0.000 description 1
- 235000002595 Solanum tuberosum Nutrition 0.000 description 1
- 235000021307 Triticum Nutrition 0.000 description 1
- 244000098338 Triticum aestivum Species 0.000 description 1
- 240000008042 Zea mays Species 0.000 description 1
- 235000005824 Zea mays ssp. parviglumis Nutrition 0.000 description 1
- 235000002017 Zea mays subsp mays Nutrition 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 235000005822 corn Nutrition 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010899 nucleation Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 235000012015 potatoes Nutrition 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 239000010453 quartz Substances 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 239000010979 ruby Substances 0.000 description 1
- 229910001750 ruby Inorganic materials 0.000 description 1
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N silicon dioxide Inorganic materials O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/26—Visual data mining; Browsing structured data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2462—Approximate or statistical queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- 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)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Probability & Statistics with Applications (AREA)
- Entrepreneurship & Innovation (AREA)
- Quality & Reliability (AREA)
- Life Sciences & Earth Sciences (AREA)
- Fuzzy Systems (AREA)
- Operations Research (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Computational Linguistics (AREA)
- Game Theory and Decision Science (AREA)
- Agronomy & Crop Science (AREA)
- Animal Husbandry (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及数据处理技术领域，提供一种农作物产量展示方法和电子设备，其中的方法包括：确定待统计地区的待统计时长的农作物种类，并统计所述待统计地区的产量数据；其中，产量数据包括种类关系产量、地域关系产量以及时间关系产量；确定各产量数据的映射关系，并基于所述映射关系将各产量数据存入预设产量数据库；其中，映射关系包括种类产量关系、地域产量关系以及时间产量关系；基于展示需求自所述预设产量数据库获取待展示的产量数据，将所述待展示的产量数据输入至预设的产量等级图，并通过所述产量等级图对所述待展示的产量数据及其映射关系进行展示。本发明提供的技术方案能够解决现有的农作物产量的展示方法不能够定位灾害分布的问题。
Description
技术领域
本发明涉及农业技术领域，尤其涉及一种农作物产量展示方法、装置、电子设备及存储介质。
背景技术
在农业领域，农作物总产量亦称“总收获量”，即一定时期内在农作物播种面积上收获的农产品总量，包括国家、省、市城乡等各种经济成分在耕地上和非耕地上生产的全部产量。农作物产量有预计总产量和实际总产量之分，前者是在农作物收获前根据作物生长情况对收成的估计产量，先后可以有多次预计产量；后者是实际入库的产量，只能在年末核定。农作物总产量是农业生产的最终成果，是评价农业生产成绩的重要指标，也是编制和检查计划的依据。
然而，由于农作物的种类繁多(例如包括粮食、油料、棉花等)，且不同种类的农作物由于产物性质不同(如含水量不同)，因此，在统计某一地区的农作物总产量时，各类农作物的产量均需要按照国家统一规定的产品形态和晒干扬净的重量进行计算，最后将所有种类的农作物的产量进行加和，才能得到该区域的农作物总产量。显然，这种统计方式不仅工作效率低且会存在各类误差。
此外，现有的展示农作物产量的方式，大多都是通过能够展示农作物产量的数字图表或柱状图来实现的，然而，对于某一地区中的某一区域在某段时间内出现灾害(自然灾害，如洪灾、虫灾等)的情况，这种通过数字图表或柱状图进行农作物产量展示的方式，则无法快速直观的定位灾害的时间分布和地域分布，因此，很难实现后期的定损计算以及止损方法的设定。
基于上述问题，基于一种能够精准统计农作物产量并能够快速直观地定位灾害分布的农作物产量展示方式。
发明内容
本发明提供一种农作物产量展示方法、装置、电子设备以及存储介质，其主要目的在于解决现有的农作物产量的展示方法不能够定位灾害分布的问题。
为实现上述目的，本发明提供一种农作物产量展示方法，该方法包括如下步骤：
确定待统计地区的待统计时长的农作物种类，并统计所述待统计地区的产量数据；其中，所述产量数据包括种类关系产量、地域关系产量以及时间关系产量；
确定各产量数据的映射关系，并基于所述映射关系将各产量数据存入预设产量数据库；其中，映射关系包括种类产量关系、地域产量关系以及时间产量关系；
基于展示需求自所述预设产量数据库获取待展示的产量数据，将所述待展示的产量数据输入至预设的产量等级图，并通过所述产量等级图对所述待展示的产量数据及其映射进行展示。
优选地，统计所述待统计地区的产量数据的过程包括：种类关系产量统计、地域关系产量统计以及时间关系产量统计；其中，
种类关系产量统计的过程包括：分别对各类农作物的产量进行统计；
地域关系产量统计包括：对所述待统计地区进行内部等级区域划分，并分别对各等级区域进行农作物产量统计；
时间关系产量统计的过程包括：对所述待统计时长进行单位时段划分，并分别对各单位时段进行农作物产量统计。
优选地，分别对各单位时段进行农作物产量统计的过程包括：
通过所述单位时段为预设的分布式作业调度平台设定调度时间；
基于所述分布式作业调度平台依次统计各单位时段内的农作物产量。
优选地，所述对各单位时段进行农作物产量统计包括：
获取各类农作物在待统计时长内的农作物总产量；
基于各类农作物的成熟物候期计算各类农作物在各单位时段内的农作物产量；其中，
属于成熟物候期的各单位时段内的农作物产量相等，不属于成熟物候期的各单位时段内的农作物产量均为零。
优选地，各类农作物的成熟物候期的获取过程包括：
基于预设遥感卫星获取所述待统计地区的各农作物的波段长势数据；
基于所述波段长势数据确定各农作物的成熟物候期。
优选地，所述产量等级图包含至少一个图层；并且，所述将所述待展示的产量数据输入至预设的产量等级图，并通过所述产量等级图对所述待展示的产量数据及其映射进行展示包括：
确定所述待展示的产量数据的所有映射关系；
将所述待展示的产量数据的各映射关系输入至相应的图层，通过相应的图层展示所述待展示的产量数据的相应的映射关系。
优选地，各关系产量均包括总产量、均值产量以及最值产量。
另一方面，本发明还提供一种农作物产量展示装置，包括：
数据统计单元，用于确定待统计地区的待统计时长的农作物种类，并统计所述待统计地区的产量数据；其中，所述产量数据包括种类关系产量、地域关系产量以及时间关系产量；
数据存储单元，用于确定各产量数据的映射关系，并基于所述映射关系将各产量数据存入预设产量数据库；其中，映射关系包括种类产量关系、地域产量关系以及时间产量关系；
数据展示单元，用于基于展示需求自所述预设产量数据库获取待展示的产量数据，将所述待展示的产量数据输入至预设的产量等级图，并通过所述产量等级图对所述待展示的产量数据及其映射关系进行展示。
另一方面，本发明还提供一种电子设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现前述农作物产量展示方法的步骤。
另一方面，本发明还提供一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如前述的农作物产量展示方法中的步骤。
本发明提出的农作物产量展示方法、装置、电子设备以及可读存储介质，通过对待统计地区进行内部等级区域划分、对待统计时长进行单位时段划分。并基于遥感波段长势数据能够实现待统计地区的各等级区域的各单位时段的农作物产量展示，能够快速区分各地区各时间段的产量情况，并实现灾害分布辅助查勘，提升查勘效率。
附图说明
图1为根据本发明实施例的农作物产量展示方法的较佳实施例流程图；
图2为根据本发明实施例的农作物产量展示装置的模块示意图；
图3为根据本发明实施例的提供的实现农作物产量展示方法的电子设备的内部结构示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
在下面的描述中，出于说明的目的，为了提供对一个或多个实施例的全面理解，阐述了许多具体细节。然而，很明显，也可以在没有这些具体细节的情况下实现这些实施例。
以下将结合附图对本申请的具体实施例进行详细描述。
实施例1
为了说明本发明提供的农作物产量展示方法，图1示出了根据本发明提供的农作物产量展示方法的流程。
如图1所示，本发明提供的农作物产量展示方法，包括：
S110：确定待统计地区的待统计时长的农作物种类，并统计所述待统计地区的产量数据；其中，所述产量数据包括种类关系产量、地域关系产量以及时间关系产量。
具体地，种类关系产量即指不同种类的农作物在待统计地区的产量，地域关系产量指待统计地区内的不同区域的农作物的产量，时间关系产量指待统计时长内的不同单位时段的产量。
需要说明的是，上述所提到的产量(或者关系产量，如种类关系产量、地域关系产量以及时间关系产量)为一个产量统称，可以包含总产量、均值产量以及最值产量等等，例如，种类关系产量可以包括不同种类的农作物在待统计地区的总产量、产品平均值、产量最大值、产量最小值。
此外，还需要说明的是，种类、地域、时间均为产量统计的自变量，在统计产量与某一自变量之间的关系时，可以默认为其余自变量不变，例如，在统计不同种类的农作物的产量(即种类关系产量)时，不同种类的农作物的其他自变量应该统一，如地域和时间，地域可以设定为待统计地区，也可以设定为某一等级区域，但需要统一，时间可以设定为待统计时长，也可以设定为某一单位时段，但需要统一。
具体地，统计所述待统计地区的产量数据的过程包括：种类关系产量统计、地域关系产量统计以及时间关系产量统计；其中，
种类关系产量统计的过程包括：分别对各类农作物的产量进行统计；
地域关系产量统计包括：对所述待统计地区进行内部等级区域划分，并分别对各等级区域进行农作物产量统计；
时间关系产量统计的过程包括：对所述待统计时长进行单位时段划分，并分别对各单位时段进行农作物产量统计。
此处需要说明的是，对所述待统计地区进行内部等级区域划分的过程，并不是一个将待统计地区进行简化划分的过程，等级区域有大小之分，各等级区域之间可以有交集，例如，以待统计地区为中国为例，则等级区域可以对应相应的省、市、县、镇四级行政区划，省级区域包括多个市级区域，市级区域包括多个县级区域，县级区域包括多个镇级区域。
对于待统计时长进行单位时段划分的过程，则为一个简单的时段划分过程，各单位时段之间不允许有交集，且各时段共同构成了整个待统计时长；例如，以待统计时长为一年为例，则各单位时段可以用各月份表示。
另外，此处还需要说明的是，对于不同的农作物，其物候期不同，因此，其成熟收获所在的单位时段(月份)不同，并且，对于不同种类的农作物，其成熟物候期(成熟器)最多仅为几个月，其余月份则基本不收获，因此，为便于展示农作物的产量特性，各农作的产量还可以包括当期(即成熟期)产量最大值、当期产量最小值以及当期产量平均值。
需要说明的是，物候期是指动植物的生长、发育、活动等规律与生物的变化对节候的反应，正在产生这种反应的时候叫物候期。通过观测和记录一年中植物的生长荣枯，动物的迁徙繁殖和环境的变化等，比较其时空分布的差异，探索动植物发育和活动过程的周期性规律，及其对周围环境条件的依赖关系，进而了解气候的变化规律，及其对动植物的影响。因此，通过统计各类农作物的物候期，能够准确的确定各类农作物的实际收获时间段(实际收获月份，即农作物的成熟期)。并且，由于不同的农作物收获的月份不同，因此，可以设定各类农作物与其物候期的映射关系，基于这种映射关系确定各类农作物在单位时段内的产量。
此外，还需要说明的是，在统计各单位时段的农作物的产量(通常为历史产量)的过程中，需要先统计整个待统计地区(包含多个等级区域)在待统计时长内的所有农作物的总产量，然后再分别确定各单位时段内的农作物的产量，最后基于不同农作物的物候期的分布情况确定各农作物在各个等级区域各单位时段内的产量。
具体地，所述对各单位时段进行农作物产量统计包括：
获取各类农作物在待统计时长内的农作物总产量；
基于各类农作物的成熟物候期计算各类农作物在各单位时段内的农作物产量；其中，属于成熟物候期的各单位时段内的农作物产量相等，不属于成熟物候期的各单位时段内的农作物产量基本为零。
具体地，需要先统计各类农作物的物候期，然后设定各类农作物与其物候期的映射关系，最后根据各类农作物与其物候期的映射关系以及预设分区域内的预设单位时长内的所有农作物的历史产量均值，确定各类农作物在预设分区域内的预设单位时长内的历史产量均值。
例如，以整个待统计地区为中国为例，则需要先通过统计出整个中国在近一年内的农作物的历史总产量，然后确定整个中国在各个月内的历史产量，再根据省、市、县、镇四级行政区划，并分别统计出各四级行政区划的各月份的历史产量，最后根据不同农作物的物候期的分布情况，确定各农作物在四级行政区划的各月份的产量。
具体地，在确定了所有农作物在省、市、县、镇四级行政区划近三年来的历史产量均值以及每个月的实际产量值后，又由于各类农作的物候期通常不同(即各类农作物的收获具体时间不同)，因此，可以基于农作物与其物候期的映射关系，确定各类农作物在省、市、县、镇四级行政区划的产量值。
在实际统计过程中，可以先根据各类农作物与其物候期的映射关系新建hql数据库,然后通过sqoop统计各类农作在各预设分区域内的预设单位时长内的农作物的历史产量均值。需要说明的是，Sqoop是一款开源的工具，主要用于在Hadoop(Hive)与传统的数据库(mysql、postgresql...)间进行数据的传递，可以将一个关系型数据库(例如：MySQL,Oracle,Postgres等)中的数据导进到Hadoop的HDFS中，也可以将HDFS的数据导进到关系型数据库中，并进行相应的数据计算
具体地，在整个待统计地区的农作物的产量计算过程中，粮食产量按原粮计算，薯类按五斤折粮食一斤计算；豆类按去荚后的干豆粒计算；棉花按去籽后的皮棉计算；花生按带壳的干花生计算。
需要说明的是，在对各单位时段进行农作物产量统计的过程中，可以通过通过所述单位时段为预设的Saturn(分布式作业调度平台)设置调度时间(如一个月，为单位时段)，然后于所述分布式作业调度平台依次统计各单位时段内的农作物产量。具体地，通过执行器executor在每个单位时段内执行一次的方式(每一个月执行一次)，实时统计整个预设总时长(近一年)中各单位时段(每个月)的历史产量，然后将各单位时段(每个月)的历史产量进行加和，则得到整个待统计时长(近三年)的历史总产量。
此外，还需要说明的是，Saturn是一个开源的分布式任务调度平台，取代传统的Linux Cron/Spring Batch Job的方式，做到全域统一配置，统一监控，任务高可用以及分片并发处理，更重要的是其还支持容器化技术，同时Saturn中的任务不仅支持Java，还支持Shell脚本，目前Saturn已经在Github上开源。
Saturn定时任务调度的最小单位是分片，即任务的一个并行执行单元。Saturn的基本任务就是将任务分成多个分片，并将每个分片通过算法调度到对应的Executor上去执行，如下图所示。
Saturn的基本原理是将作业在逻辑上划分为若干个作业分片，通过作业分片调度器将作业分片指派给特定的执行结点。执行结点通过quartz触发执行作业的具体实现(以shell为例，则为shell脚本)，在执行的时候，会将分片序号和参数作为参数传入(见图1)。作业的实现逻辑需分析分片序号和分片参数，并以此为依据来调用具体的实现(比如一个批量处理数据库的作业，可以划分0号分片处理1-10号数据库，1号分片处理11-20号数据库)。Saturn包括两大部分，Saturn Console和Saturn Executor。Saturn Console是一个GUI，用于作业/Executor管理，统计报表展现，系统配置等功能。它是整个调度系统的大脑：将作业任务分配到各Executor。为了实现Console的高可用性。希望Console有多台服务器所组成，只需要在多台不同的服务器的环境变量中指定相同的VIP_SATURN_CONSOLE_CLUSTER即可，至于VIP_SATURN_CONSOLE_CLUSTER的值可以自行指定，只是一个集群标识而已。
Saturn支持多种语言作业，语言无关(Java/Go/C++/PHP/Python/Ruby/shell)；支持秒级调度；支持作业分片并行执行；支持依赖作业串行执行；支持作业高可用和智能负载均衡；支持异常检测和自动失败转移；支持多个集群部署；支持弹性动态扩容；支持优先级和权重设置；支持docker容器，容器化友好；支持cron时间表达式；支持多个时间段暂停执行控制；支持超时告警和超时强杀控制；支持灰度发布；支持异常、超时和无法高可用作业监控告警和简易的故障排除；支持失败率最高、最活跃和负荷最重的各域各节点TOP10的作业统计。因此，通过设置Saturn布式作业调度平台，能够精准的实现整个区域在预设总时长内的农作物的历史总产量的统计。
此外，在统计各等级区域内的单位时段内的农作物的历史产量均值的过程中(即统计省、市、县、镇四级行政区划近三年来的历史产量均值的过程中)，可以通过pg数据库(postgresql)的postgis算法进行统计。需要说的是，postgresql是一个开源的对空间数据支持比较好的关系型数据库，postgis由OSGeo(开放地理信息联盟)维护，它的数据结构和算法设计，完全符合OGC的规范，postgis由C语言编写，它直接移植了C语言编写的GEOS空间算法库和GDAL数据处理库，因为它也包含Proj.4，所以它可以进行坐标系转换和空间投影，它还可以解析XML和JSON。Postgis是关系型数据库postgresql的空间拓展程序，它支持空间运算，因此，可以通过pg数据库(postgresql)的postgis算法实现对各预设分区域内的预设单位时长内的农作物的历史产量均值的统计。
此外，各类农作物的成熟物候期的获取过程包括：
基于预设遥感卫星获取所述待统计地区的各农作物的波段长势数据；
基于所述波段长势数据确定各农作物的成熟物候期。
需要说明的是，当期即为某类农作物的收获时期(即成熟物候期)由于农作物的种类不同，因此，其具体地的当期时长也不同，例如，玉米、小麦等，当期较短，通常在一个月左右，红薯、棉花等农作物的当期则较长，通常在2至3个月左右，因此，需要分别获取各农作物的当期。
具体地，需要先获取各农作物的地面长势数据，然后根据各农作物的地面长势数据确定各农作物的当期。
进一步地，可以基于航空航天局卫星遥感数据，通过GEE sampleRegions函数提取红绿波段的方式确定地面上各农作物的长势数据，然后基于各农作物的长势数据确定各类农作物的实际当期，最后新建saturn调度任务，根据四级行政区划的当期的作物产量值和对应的长势数据获得当期作物的当期产量值(或者产量区间值)。
具体地，通过GEE sampleRegions函数提取红绿波段的方式确定地面上各农作物的长势数据的过程包括：
制作一个包含多波段的影像，每个波段作为随机森林分类器的一个feature输入，提升feature的丰富度以保证分类精度；
然后确定GEE sampleRegions函数的指数，如植被指数(NDWI)和建筑指数(NDBI)。
最后基于GEE sampleRegions函数及其指数进行影像合成，形成各农作物的长势数据的影像图。
S120：确定各产量数据的映射关系，并基于所述映射关系将各产量数据存入预设产量数据库；其中，映射关系包括种类产量关系、地域产量关系以及时间产量关系。
需要说明的是，在上述步骤中，已经统计出了待统计地区内的所有的可以展示的产量数据，这些产量数据作为因变量与自变量(如农作物种类、等级区域、单位时段)之间本身存在相应的映射关系，例如，不同农作物的产量会随着农作物种类的变化而变化，相同农作物产量会随着不同的单位时段的变化而变化，相同农作物的产量会随着不同等级区域的变化而变化等等。因此，后期可以基于这种映射关系对种类产量关系、地域产量关系以及时间产量关系进行展示，以便于快速区分各地区各时间段的产量情况，并实现灾害分布辅助查勘，提升查勘效率。
具体地，由于这些数据之间的映射关系较多，因此，可以预先设定一个数据库(如预设产量数据库)，然后将这些产量数据基于所述映射关系存入预设产量数据库中，后期可以基于相应的映射关系只获取需要的数据，从而提升系统的数据传输速度。
S130：基于展示需求自所述预设产量数据库获取待展示的产量数据，将所述待展示的产量数据输入至预设的产量等级图，并通过所述产量等级图对所述待展示的产量数据及其映射关系进行展示。
具体地，所述产量等级图包含至少一个图层；并且，所述将所述待展示的产量数据输入至预设的产量等级图，并通过所述产量等级图对所述待展示的产量数据及其映射进行展示包括：
确定所述待展示的产量数据的所有映射关系；
将所述待展示的产量数据的各映射关系输入至相应的图层，通过相应的图层展示所述待展示的产量数据的相应的映射关系。
需要说明的是，为详细的展示各农作物的产量关系，以便能够达到快速直观的定位灾害的分布等效果，需要基于各待展示数据之间的映射关系进行一一展示，例如，各类农作物的产量与时间线的关系、各类农作物的产量与地域(对应省、市、县、镇四级行政区划编码)的关系，各类农作物均值与最大值最小值的关系，等等。
具体地，需要先确定出不同农作物的所有待展示数据之间的映射关系，基于映射关系数，确定农作物产量等级图的图层数，该农作物产量等级图包含多个图层，每个图层用于展示一种映射关系。
具体地，可以在预设电子设备前端发布农作物产量等级图，以实现各类农作物的各待展示数据的展示。
在实际使用过程中，可以通过点击电子设备的鼠标的方式，进行图层切换，通过切换图层的方式来展示相应的不同的映射关系，以实现各待展示数据的展示。
此外，为了更加直观地通过农作物产量等级图展示各类农作物的各待展示数据，可以为每一个图层建立相应的图例等级颜色值表，不同的待展示数据的数值对应不同的图例等级颜色值。
在实际的农作物产量等级图展示过程中，可以通过GeoServer发布农作物产量等级图，然后，电子设备的前端通过openlayers地图框架动态展示各图层的数据。
需要说明的是，GeoServer是OpenGIS Web服务器规范的J2EE实现，利用GeoServer可以方便的发布地图数据，允许用户对特征数据进行更新、删除、插入操作，通过GeoServer可以比较容易的在用户之间迅速共享空间地理信息。因此，可以通过GeoServer实现农作物产量等级图的发布。
此外，OpenLayers是一个用于开发WebGIS客户端的JavaScript包。OpenLayers支持的地图来源包括Google Maps、Yahoo、Map、微软Virtual Earth等，在实际使用过程中，还可以用简单的图片地图作为背景图(即底层图层)，与其他的图层在OpenLayers中进行叠加，从而实现各省、市、区县、镇的产量图层数据的动态展示。
另外，需要强调的是，为进一步保证上述农作物产量展示方法中所用到的数据的私密和安全性，预设产量数据库可以存储在区块链的节点中。
通过上述具体实施例可知，本发明提出的农作物产量展示方法，通过对待统计地区进行内部等级区域划分、对待统计时长进行单位时段划分。并基于遥感波段长势数据能够实现待统计地区的各等级区域的各单位时段的农作物产量展示，能够快速区分各地区各时间段的产量情况，并实现灾害分布辅助查勘，提升查勘效率。根据地方性差异和作物差异动态调整了图例颜色(如颜色图例在地图上会随着省市区县乡镇甚至是村的级别和地域不同展示不同的颜色值)，相较于其他底图展示，能够帮忙业务快速区分各地区的产量情况。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。
如图2所示，本发明还提供一种农作物产量展示装置100，该装置可以安装于电子设备中。根据实现的功能，该农作物产量展示装置100可以包括数据统计单元101、数据存储单元102、数据展示单元103。本发明提供的上述单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。
在本实施例中，关于各模块/单元的功能如下：
数据统计单元101，用于确定待统计地区的待统计时长的农作物种类，并统计所述待统计地区的产量数据；其中，所述产量数据包括种类关系产量、地域关系产量以及时间关系产量；
数据存储单元102，用于确定各产量数据的映射关系，并基于所述映射关系将各产量数据存入预设产量数据库；其中，映射关系包括种类产量关系、地域产量关系以及时间产量关系；
数据展示单元103，用于基于展示需求自所述预设产量数据库获取待展示的产量数据，将所述待展示的产量数据输入至预设的产量等级图，并通过所述产量等级图对所述待展示的产量数据及其映射关系进行展示。
其中，初步识别单元102进一步包括种类关系产量统计单元、地域关系产量统计单元以及时间关系产量统计单元，其中，种类关系产量统计单元用于分别对各类农作物的产量进行统计；地域关系产量统计单元用于对所述待统计地区进行内部等级区域划分，并分别对各等级区域进行农作物产量统计；时间关系产量统计单元用于对所述待统计时长进行单位时段划分，并分别对各单位时段进行农作物产量统计。
进一步地，分别对各单位时段进行农作物产量统计的过程包括：通过所述单位时段为预设的分布式作业调度平台设定调度时间；基于所述分布式作业调度平台依次统计各单位时段内的农作物产量。
时间关系产量统计单元还包括总量统计单元和分时段统计单元，其中，总量统计单元用于获取各类农作物在待统计时长内的农作物总产量，分时段统计单元用于基于各类农作物的成熟物候期计算各类农作物在各单位时段内的农作物产量；其中，
属于成熟物候期的各单位时段内的农作物产量相等，不属于成熟物候期的各单位时段内的农作物产量均为零。
还包括物候期获取单元，用于基于预设遥感卫星获取所述待统计地区的各农作物的波段长势数据；基于所述波段长势数据确定各农作物的成熟物候期。
数据展示单元还包括映射关系确定单元和展示单元，其中，映射关系确定单元用于确定所述待展示的产量数据的所有映射关系，展示单元用于将所述待展示的产量数据的各映射关系输入至相应的图层，通过相应的图层展示所述待展示的产量数据的相应的映射关系。
如图3所示，本发明还提供一种农作物产量展示方法的电子设备1。
该电子设备1可以包括处理器10、存储器11和总线，还可以包括存储在存储器11中并可在所述处理器10上运行的计算机程序，如农作物产量展示程序12。
其中，所述存储器11至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如：SD或DX存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备1的内部存储单元，例如该电子设备1的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备1的外部存储设备，例如电子设备1上配备的插接式移动硬盘、智能存储卡(Smart Media Card，SMC)、安全数字(SecureDigital，SD)卡、闪存卡(Flash Card)等。进一步地，所述存储器11还可以既包括电子设备1的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备1的应用软件及各类数据，例如农作物产量展示程序的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。
所述处理器10在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器(Central Processing unit，CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心(Control Unit)，利用各种接口和线路连接整个电子设备的各个部件，通过运行或执行存储在所述存储器11内的程序或者模块(例如农作物产量展示程序等)，以及调用存储在所述存储器11内的数据，以执行电子设备1的各种功能和处理数据。
所述总线可以是外设部件互连标准(peripheral component interconnect，简称PCI)总线或扩展工业标准结构(extended industry standard architecture，简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
图3仅示出了具有部件的电子设备，本领域技术人员可以理解的是，图3示出的结构并不构成对所述电子设备1的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
例如，尽管未示出，所述电子设备1还可以包括给各个部件供电的电源(比如电池)，优选地，电源可以通过电源管理装置与所述至少一个处理器10逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备1还可以包括多种传感器、蓝牙模块、Wi-Fi模块等，在此不再赘述。
进一步地，所述电子设备1还可以包括网络接口，可选地，所述网络接口可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等)，通常用于在该电子设备1与其他电子设备之间建立通信连接。
可选地，该电子设备1还可以包括用户接口，用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard))，可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备1中处理的信息以及用于显示可视化的用户界面。
应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。
所述电子设备1中的所述存储器11存储的农作物产量展示程序12是多个指令的组合，在所述处理器10中运行时，可以实现：
通过预设训练样本对预设的文本初步识别模型进行训练，以使所述文本初步识别模型达到预设精度；
获取待处理文本，并通过达到预设精度的所述文本初步识别模型初步判断所述待处理文本是否为与目标标准文本相关的文本；
若所述待处理文本初步判定为与所述目标标准文本相关的文本，则基于预设的文本最终识别模型对所述待处理文本的正文进行处理，以确定所述待处理文本的正文中是否存在与所述目标标准文本相关的关键段落以及关键词；
对于正文中存在与所述目标标准文本相关的关键段落以及关键词的所述待处理文本，最终判定为目标文本。
具体地，所述处理器10对上述指令的具体实现方法可参考图1对应实施例中相关步骤的描述，在此不赘述。需要强调的是，为进一步保证上述农作物产量展示的私密和安全性，上述农作物产量展示数据存储于本服务器集群所处区块链的节点中。
进一步地，所述电子设备1集成的模块/单元如果以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。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)。
本发明实施例还提供一种计算机可读存储介质，所述存储介质可以是非易失性的，也可以是易失性的，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现：
确定待统计地区的待统计时长的农作物种类，并统计所述待统计地区的产量数据；其中，所述产量数据包括种类关系产量、地域关系产量以及时间关系产量；
确定各产量数据的映射关系，并基于所述映射关系将各产量数据存入预设产量数据库；其中，映射关系包括种类产量关系、地域产量关系以及时间产量关系；
基于展示需求自所述预设产量数据库获取待展示的产量数据，将所述待展示的产量数据输入至预设的产量等级图，并通过所述产量等级图对所述待展示的产量数据及其映射关系进行展示。
具体地，所述计算机程序被处理器执行时具体实现方法可参考实施例农作物产量展示方法中相关步骤的描述，在此不赘述。
在本发明所提供的几个实施例中，应该理解到，所揭露的设备，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块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。
另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。
因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第二等词语用来表示名称，而并不表示任何特定的顺序。
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限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。
Claims (10)
1.一种农作物产量展示方法，其特征在于，所述方法包括：
确定待统计地区的待统计时长的农作物种类，并统计所述待统计地区的产量数据；其中，所述产量数据包括种类关系产量、地域关系产量以及时间关系产量；
确定各产量数据的映射关系，并基于所述映射关系将各产量数据存入预设产量数据库；其中，映射关系包括种类产量关系、地域产量关系以及时间产量关系；
基于展示需求自所述预设产量数据库获取待展示的产量数据，将所述待展示的产量数据输入至预设的产量等级图，并通过所述产量等级图对所述待展示的产量数据及其映射关系进行展示。
2.根据权利要求1所述的农作物产量展示方法，其特征在于，统计所述待统计地区的产量数据的过程包括：种类关系产量统计、地域关系产量统计以及时间关系产量统计；其中，
种类关系产量统计的过程包括：分别对各类农作物的产量进行统计；
地域关系产量统计包括：对所述待统计地区进行内部等级区域划分，并分别对各等级区域进行农作物产量统计；
时间关系产量统计的过程包括：对所述待统计时长进行单位时段划分，并分别对各单位时段进行农作物产量统计。
3.根据权利要求2所述的农作物产量展示方法，其特征在于，分别对各单位时段进行农作物产量统计的过程包括：
通过所述单位时段为预设的分布式作业调度平台设定调度时间；
基于所述分布式作业调度平台依次统计各单位时段内的农作物产量。
4.根据权利要求3所述的农作物产量展示方法，其特征在于，所述对各单位时段进行农作物产量统计包括：
获取各类农作物在待统计时长内的农作物总产量；
基于各类农作物的成熟物候期计算各类农作物在各单位时段内的农作物产量；其中，
属于成熟物候期的各单位时段内的农作物产量相等，不属于成熟物候期的各单位时段内的农作物产量均为零。
5.根据权利要求4所述的农作物产量展示方法，其特征在于，所述各类农作物的成熟物候期的获取过程包括：
基于预设遥感卫星获取所述待统计地区的各农作物的波段长势数据；
基于所述波段长势数据确定各农作物的成熟物候期。
6.根据权利要求5所述的农作物产量展示方法，其特征在于，所述产量等级图包含至少一个图层；所述将所述待展示的产量数据输入至预设的产量等级图，并通过所述产量等级图对所述待展示的产量数据及其映射进行展示包括：
确定所述待展示的产量数据的映射关系；
将所述待展示的产量数据的各映射关系输入至相应的图层，通过相应的图层展示所述待展示的产量数据的相应的映射关系。
7.根据权利要求6所述的农作物产量展示方法，其特征在于，
各关系产量均包括总产量、均值产量以及最值产量。
8.一种农作物产量展示装置，其特征在于，包括：
数据统计单元，用于确定待统计地区的待统计时长的农作物种类，并统计所述待统计地区的产量数据；其中，所述产量数据包括种类关系产量、地域关系产量以及时间关系产量；
数据存储单元，用于确定各产量数据的映射关系，并基于所述映射关系将各产量数据存入预设产量数据库；其中，映射关系包括种类产量关系、地域产量关系以及时间产量关系；
数据展示单元，用于基于展示需求自所述预设产量数据库获取待展示的产量数据，将所述待展示的产量数据输入至预设的产量等级图，并通过所述产量等级图对所述待展示的产量数据及其映射关系进行展示。
9.一种电子设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述农作物产量展示方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的农作物产量展示方法中的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210138587.7A CN114510528B (zh) | 2022-02-15 | 2022-02-15 | 农作物产量展示方法、装置电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210138587.7A CN114510528B (zh) | 2022-02-15 | 2022-02-15 | 农作物产量展示方法、装置电子设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114510528A true CN114510528A (zh) | 2022-05-17 |
| CN114510528B CN114510528B (zh) | 2023-11-17 |
Family
ID=81552175
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210138587.7A Active CN114510528B (zh) | 2022-02-15 | 2022-02-15 | 农作物产量展示方法、装置电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114510528B (zh) |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102162850A (zh) * | 2010-04-12 | 2011-08-24 | 江苏省农业科学院 | 基于模型的小麦产量遥感监测预报方法 |
| US20170061285A1 (en) * | 2015-08-28 | 2017-03-02 | Ubic, Inc. | Data analysis system, data analysis method, program, and storage medium |
| CN108133006A (zh) * | 2017-12-22 | 2018-06-08 | 北京卫星信息工程研究所 | 一种面向农业应用的卫星遥感产品系统 |
| CN110243406A (zh) * | 2019-06-21 | 2019-09-17 | 武汉思众空间信息科技有限公司 | 农作物估产方法、装置、电子设备及存储介质 |
| CN111556157A (zh) * | 2020-05-06 | 2020-08-18 | 中南民族大学 | 农作物分布的监测方法、设备、存储介质及装置 |
| CN111708776A (zh) * | 2020-05-27 | 2020-09-25 | 威海精讯畅通电子科技有限公司 | 一种基于gis技术开发的农业数据平台 |
| CN112016854A (zh) * | 2020-10-21 | 2020-12-01 | 南京数溪智能科技有限公司 | 基于作物特征与环境因子的农业决策与质量评价系统及方法 |
| WO2021007352A1 (en) * | 2019-07-08 | 2021-01-14 | Indigo Ag, Inc. | Crop yield forecasting models |
| CN112749627A (zh) * | 2020-12-09 | 2021-05-04 | 北京星衡科技有限公司 | 一种基于多源遥感影像的烟草动态监测的方法和装置 |
| CN112836575A (zh) * | 2020-12-30 | 2021-05-25 | 哈尔滨航天恒星数据系统科技有限公司 | 一种基于作物物候期的多时序影像水稻估产方法 |
| CN113269716A (zh) * | 2021-04-08 | 2021-08-17 | 塔里木大学 | 一种基于多源遥感数据的香梨成熟期遥感预测方法 |
| CN113743819A (zh) * | 2021-09-15 | 2021-12-03 | 二十一世纪空间技术应用股份有限公司 | 农作物估产的方法、装置、电子设备及存储介质 |
-
2022
- 2022-02-15 CN CN202210138587.7A patent/CN114510528B/zh active Active
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102162850A (zh) * | 2010-04-12 | 2011-08-24 | 江苏省农业科学院 | 基于模型的小麦产量遥感监测预报方法 |
| US20170061285A1 (en) * | 2015-08-28 | 2017-03-02 | Ubic, Inc. | Data analysis system, data analysis method, program, and storage medium |
| CN108133006A (zh) * | 2017-12-22 | 2018-06-08 | 北京卫星信息工程研究所 | 一种面向农业应用的卫星遥感产品系统 |
| CN110243406A (zh) * | 2019-06-21 | 2019-09-17 | 武汉思众空间信息科技有限公司 | 农作物估产方法、装置、电子设备及存储介质 |
| WO2021007352A1 (en) * | 2019-07-08 | 2021-01-14 | Indigo Ag, Inc. | Crop yield forecasting models |
| CN111556157A (zh) * | 2020-05-06 | 2020-08-18 | 中南民族大学 | 农作物分布的监测方法、设备、存储介质及装置 |
| CN111708776A (zh) * | 2020-05-27 | 2020-09-25 | 威海精讯畅通电子科技有限公司 | 一种基于gis技术开发的农业数据平台 |
| CN112016854A (zh) * | 2020-10-21 | 2020-12-01 | 南京数溪智能科技有限公司 | 基于作物特征与环境因子的农业决策与质量评价系统及方法 |
| CN112749627A (zh) * | 2020-12-09 | 2021-05-04 | 北京星衡科技有限公司 | 一种基于多源遥感影像的烟草动态监测的方法和装置 |
| CN112836575A (zh) * | 2020-12-30 | 2021-05-25 | 哈尔滨航天恒星数据系统科技有限公司 | 一种基于作物物候期的多时序影像水稻估产方法 |
| CN113269716A (zh) * | 2021-04-08 | 2021-08-17 | 塔里木大学 | 一种基于多源遥感数据的香梨成熟期遥感预测方法 |
| CN113743819A (zh) * | 2021-09-15 | 2021-12-03 | 二十一世纪空间技术应用股份有限公司 | 农作物估产的方法、装置、电子设备及存储介质 |
Non-Patent Citations (5)
| Title |
|---|
| TOBIAS B. HANK 等: "Using a Remote Sensing-Supported Hydro-Agroecological Model for Field-Scale Simulation of Heterogeneous Crop Growth and Yield:Application for Wheat in Central Europe", 《REMOTE SENSING》, vol. 7, no. 4, pages 3934 - 3965 * |
| 任婷婷 等: "内蒙古自治区农业遥感空间管理系统的开发与应用", 《畜牧与饲料科学》, vol. 39, no. 02, pages 70 - 74 * |
| 孙志朋: "基于物联网技术的水稻生长环境监测系统及关键技术研究", 《中国博士学位论文全文数据库 农业科技辑》, no. 01, pages 043 - 7 * |
| 李卫国 等: "利用HJ-1A卫星遥感影像进行水稻产量分级监测预报研究", 《中国水稻科学》, vol. 24, no. 4, pages 385 - 390 * |
| 李昂: "基于无人机数码影像的水稻产量估测研究", 《中国优秀硕士学位论文全文数据库 农业科技辑》, no. 03, pages 047 - 34 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114510528B (zh) | 2023-11-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Moro et al. | The role of edaphic environment and climate in structuring phylogenetic pattern in seasonally dry tropical plant communities | |
| Felpeto et al. | Automatic GIS-based system for volcanic hazard assessment | |
| Jones | Decision support systems for agricultural development | |
| CN106294887A (zh) | 基于四维空间的对客观世界存在的物体和事件的描述方法 | |
| CN106407469A (zh) | 一种描述事物时间属性并基于所述描述进行查找的方法 | |
| US20140188573A1 (en) | Agricultural input performance exploration system | |
| EP3903566A1 (en) | Information processing device, and information processing system | |
| Bebbington et al. | National-level long-term eruption forecasts by expert elicitation | |
| Dinku et al. | The climate data tool: enhancing climate services across Africa | |
| Harland | Microsimulation Model user guide (flexible modelling framework) | |
| US11682090B2 (en) | Method and apparatus for generation and employment of parcel production stability attributes for land parcel valuation | |
| CN113342939A (zh) | 数据质量监控方法、装置及相关设备 | |
| Wallentin et al. | A framework for uncertainty assessment in simulation models | |
| 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 | |
| CN114510528B (zh) | 农作物产量展示方法、装置电子设备及存储介质 | |
| CN112256681A (zh) | 一种空管数字化指标应用系统及方法 | |
| Purwandari et al. | Database management system design for automatic weather information with twitter data collection | |
| US11798043B2 (en) | Method and apparatus for generation and employment of agro-economic metrics for land parcel valuation | |
| US11720724B2 (en) | Method and apparatus for generation of land parcel valuation tailored for use | |
| US11727170B2 (en) | Method and apparatus for generation of land parcel valuation based on supplemented parcel productivity attributes | |
| CN115269744A (zh) | 农业地理数据可视化方法、装置、电子设备和存储介质 | |
| US20230121145A1 (en) | Method of introducing ecosystem and method of managing value information about land | |
| CN110738379A (zh) | 一种被子植物主要病虫害大数据预测平台 | |
| Manson et al. | Modelling predicts positive and negative interactions between three Australian tropical tree species in monoculture and binary mixture | |
| Markovski et al. | A global analysis reveals the dynamic relationship between sexual selection and population abundance in space and time |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |