CN116307383B - 一种基于生态平衡的土地精细化保育改良方法及系统 - Google Patents
一种基于生态平衡的土地精细化保育改良方法及系统 Download PDFInfo
- Publication number
- CN116307383B CN116307383B CN202310250259.0A CN202310250259A CN116307383B CN 116307383 B CN116307383 B CN 116307383B CN 202310250259 A CN202310250259 A CN 202310250259A CN 116307383 B CN116307383 B CN 116307383B
- Authority
- CN
- China
- Prior art keywords
- soil
- improvement
- quality evaluation
- target
- index
- 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
Links
- 230000006872 improvement Effects 0.000 title claims abstract description 158
- 238000000034 method Methods 0.000 title claims abstract description 29
- 239000002689 soil Substances 0.000 claims abstract description 302
- 238000013441 quality evaluation Methods 0.000 claims abstract description 95
- 239000011159 matrix material Substances 0.000 claims abstract description 20
- 238000010586 diagram Methods 0.000 claims description 30
- 230000002159 abnormal effect Effects 0.000 claims description 15
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 15
- 238000010276 construction Methods 0.000 claims description 10
- 230000001419 dependent effect Effects 0.000 claims description 8
- 238000012549 training Methods 0.000 claims description 8
- 238000012216 screening Methods 0.000 claims description 6
- 239000000126 substance Substances 0.000 claims description 5
- 238000013527 convolutional neural network Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000011156 evaluation Methods 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 9
- 238000012795 verification Methods 0.000 description 9
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 2
- 238000013075 data extraction Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000035699 permeability Effects 0.000 description 2
- 238000011144 upstream manufacturing Methods 0.000 description 2
- 239000002028 Biomass Substances 0.000 description 1
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 102000004190 Enzymes Human genes 0.000 description 1
- 108090000790 Enzymes Proteins 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 239000002253 acid Substances 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000000813 microbial effect Effects 0.000 description 1
- 229910052757 nitrogen Inorganic materials 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
- 239000003516 soil conditioner Substances 0.000 description 1
- 238000004158 soil respiration Methods 0.000 description 1
- 235000013619 trace mineral Nutrition 0.000 description 1
- 239000011573 trace mineral Substances 0.000 description 1
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
- 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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/24—Earth materials
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/24—Earth materials
- G01N33/245—Earth materials for agricultural purposes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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)
- Life Sciences & Earth Sciences (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Chemical & Material Sciences (AREA)
- Theoretical Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Food Science & Technology (AREA)
- General Business, Economics & Management (AREA)
- Analytical Chemistry (AREA)
- Marketing (AREA)
- Biochemistry (AREA)
- Medicinal Chemistry (AREA)
- Software Systems (AREA)
- Entrepreneurship & Innovation (AREA)
- Remote Sensing (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Geology (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Environmental & Geological Engineering (AREA)
- Quality & Reliability (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Data Mining & Analysis (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Primary Health Care (AREA)
- Mining & Mineral Resources (AREA)
- Marine Sciences & Fisheries (AREA)
- Animal Husbandry (AREA)
Abstract
本发明公开了一种基于生态平衡的土地精细化保育改良方法及系统,涉及土壤改良技术领域,该方法包括:获取目标区域的土壤类型;根据土壤类型对目标区域进行网格划分,得到多个目标子区域;根据土壤质量评价指标矩阵对多个目标子区域进行土壤质量评价,得到多个土壤质量评价结果;输入土壤改良模型中,得到多个土壤改良方案;基于土壤位置标识对多个目标子区域改良关联程度进行分析,得到多个改良关联系数;根据多个改良关联系数和多个土壤改良方案,对目标区域进行土壤改良。本发明解决了现有技术存在土壤精细化改良的智能化程度较低,改良效果反馈周期长的技术问题,达到了提高生态平衡管理的精细化程度,提高管理效率和质量的技术效果。
Description
技术领域
本发明涉及土壤改良技术领域,具体涉及一种基于生态平衡的土地精细化保育改良方法及系统。
背景技术
随着经济的发展和科学技术水平的提高,我国农业取得了巨大的成就,但是由于资源的长期透支,导致生态环境的承载能力持续降低,同时由于严重的污染,生态系统不断退化,因此,研究以土地保育为基础的生态平衡改良技术,对于保证我国农业的可持续发展有着十分重要的意义。
目前,对于受到污染的土壤进行改良时,由于不同区域土壤受到污染的程度不同,设定不同的土壤改良方案,进行生态平衡改良。然而在进行改良的过程中,由于改良涉及的因素过多,依靠专业技术人员逐一进行分析,想要对各个因素对于土壤的影响进行全面分析,需要的反馈时间较长,分析的智能化程度较低,导致改良结果不能达到预期的后果。现有技术存在土壤精细化改良的智能化程度较低,改良效果反馈周期长的技术问题。
发明内容
本申请提供了一种基于生态平衡的土地精细化保育改良方法及系统,用于针对解决现有技术存在土壤精细化改良的智能化程度较低,改良效果反馈周期长的技术问题。
鉴于上述问题,本申请提供了一种基于生态平衡的土地精细化保育改良方法及系统。
本申请的第一个方面,提供了一种基于生态平衡的土地精细化保育改良方法,所述方法包括:
获取目标区域的土壤类型;
根据所述土壤类型对所述目标区域进行网格划分,得到多个目标子区域,其中,所述多个目标子区域具有土壤位置标识;
根据土壤质量评价指标矩阵对所述多个目标子区域进行土壤质量评价,得到多个土壤质量评价结果;
将所述多个土壤质量评价结果输入土壤改良模型中,得到多个土壤改良方案;
基于所述土壤位置标识对多个目标子区域改良关联程度进行分析,得到多个改良关联系数;
根据所述多个改良关联系数和所述多个土壤改良方案,对目标区域进行土壤改良。
本申请的第二个方面,提供了一种基于生态平衡的土地精细化保育改良系统,所述系统包括:
土壤类型获得模块,所述土壤类型获得模块用于获取目标区域的土壤类型;
目标子区域获得模块,所述目标子区域获得模块用于根据所述土壤类型对所述目标区域进行网格划分,得到多个目标子区域,其中,所述多个目标子区域具有土壤位置标识;
质量评价模块,所述质量评价模块用于根据土壤质量评价指标矩阵对所述多个目标子区域进行土壤质量评价,得到多个土壤质量评价结果;
土壤改良方案获得模块,所述土壤改良方案获得模块用于将所述多个土壤质量评价结果输入土壤改良模型中,得到多个土壤改良方案;
改良关联系数获得模块,所述改良关联系数获得模块用于基于所述土壤位置标识对多个目标子区域改良关联程度进行分析,得到多个改良关联系数;
土壤改良模块,所述土壤改良模块用于根据所述多个改良关联系数和所述多个土壤改良方案,对目标区域进行土壤改良。
本申请中提供的一个或多个技术方案,至少具有如下技术效果或优点:
本申请通过获取目标区域的土壤类型,然后根据土壤类型对目标区域进行网格划分,得到多个目标子区域,其中,多个目标子区域具有土壤位置标识,进而根据土壤质量评价指标矩阵对多个目标子区域进行土壤质量评价,得到多个土壤质量评价结果,通过将多个土壤质量评价结果输入土壤改良模型中,得到多个土壤改良方案,然后基于土壤位置标识对多个目标子区域改良关联程度进行分析,得到多个改良关联系数,根据多个改良关联系数和多个土壤改良方案,对目标区域进行土壤改良。达到了对土壤进行智能化改良,提高生态平衡管理质量的技术效果。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例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为本申请实施例提供的一种基于生态平衡的土地精细化保育改良方法流程示意图;
图2为本申请实施例提供的一种基于生态平衡的土地精细化保育改良方法中构建土壤质量评价指标矩阵的流程示意图;
图3为本申请实施例提供的一种基于生态平衡的土地精细化保育改良方法中获得土壤改良模型的流程示意图;
图4为本申请实施例提供的一种基于生态平衡的土地精细化保育改良系统结构示意图。
附图标记说明:目标子区域获得模块11,目标子区域获得模块12,质量评价模块13,土壤改良方案获得模块14,改良关联系数获得模块15,土壤改良模块16。
具体实施方式
本申请通过提供了一种基于生态平衡的土地精细化保育改良方法,用于针对解决现有技术存在土壤精细化改良的智能化程度较低,改良效果反馈周期长的技术问题。
下面将结合本申请实施例中的附图,对本申请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申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
需要说明的是,本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或服务器不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或模块。
实施例一
如图1所示,本申请提供了一种基于生态平衡的土地精细化保育改良方法,所述方法包括:
步骤S100:获取目标区域的土壤类型;
步骤S200:根据所述土壤类型对所述目标区域进行网格划分,得到多个目标子区域,其中,所述多个目标子区域具有土壤位置标识;
具体而言,所述目标区域是进行土壤保育的任意一个区域。所述土壤类型是区域内土地的类型信息,包括酸性土壤、酸化贫瘠红壤旱地、红壤耕地等。进而,根据所述土壤类型对目标区域进行划分,将相邻的属于不同类型的土地逐一划分为一个单独的网格,得到所述多个目标子区域。其中,所述土壤位置标识是对目标子区域在目标区域中所处的位置进行标记的标识。所述多个目标子区域是将目标区域按照类型进行划分,从而为后续进行精细化管理做铺垫。
步骤S300:根据土壤质量评价指标矩阵对所述多个目标子区域进行土壤质量评价,得到多个土壤质量评价结果;
进一步的,如图2所示,本申请实施例步骤S300还包括:
步骤S310:获取预设土壤质量评价指标,其中,所述预设土壤质量评价指标包括物理指标、化学指标和生物学指标;
步骤S320:利用最大信息系数对所述预设土壤质量评价指标进行指标筛选,得到目标土壤质量评价指标;
步骤S330:根据所述目标土壤质量评价指标构建所述土壤质量评价指标矩阵。
具体而言,所述土壤质量评价指标矩阵是对土壤的质量进行评价的指标组成的矩阵。所述物理指标是指土壤质地、土层和根系深度、容重、渗透率等,所述化学指标是指有机质、电导率、常量元素和微量元素等,所述生物学指标是指微生物生物量碳和氮、土壤呼吸量、酶、土壤动物丰度等。所述最大信息系数是指对两个因素之间的关联程度进行计算,从而筛选出最相关的指标,即所述目标土壤质量评价指标。其中,所述目标土壤质量评价指标是对目标区域内的土壤进行分析时进行评价的指标。所述预设土壤质量评价指标是预先设置的与土壤质量相关的多个指标。然后,根据所述目标土壤质量评价指标构建可以从物理、化学和生物学三个维度对土壤质量进行评价的所述土壤质量评价指标矩阵。
进一步的,本申请实施例步骤S320还包括:
步骤S321:获取所述目标区域的历史土壤数据,得到多个历史土壤数据;
步骤S322:遍历提取所述多个历史土壤数据中的多个异常土壤数据,将所述多个异常土壤数据作为因变量;
步骤S323:随机提取所述预设土壤质量评价指标中任意一个指标;
步骤S324:以所述任意一个指标为搜索因子,遍历所述多个异常土壤数据,得到多个指标参数值,并将所述多个指标参数值作为自变量。
进一步的,本申请实施例步骤S320还包括:
步骤S325:基于所述自变量与所述因变量之间的映射关系,绘制得到散点图;
步骤S326:获取所述预设土壤质量评价指标中各指标对应的散点图,构建预设散点图集合;
步骤S327:遍历所述预设散点图集合,得到多个预设最大信息系数;
步骤S328:根据所述多个预设最大信息系数得到所述目标土壤质量评价指标。
进一步的,本申请实施例步骤S327还包括:
步骤S3271:提取所述预设散点图集合中的任意一个预设散点图,并构建网格化方案集,其中,所述网格化方案集包括多个网格化方案;
步骤S3272:遍历所述多个网格化方案对所述任意一个预设散点图进行区域划分,得到多个划分结果;
步骤S3273:根据所述多个划分结果进行互信息值计算,得到多个最大互信息值;
步骤S3274:将所述多个最大互信息值进行匹配比对,得到预设最大信息系数。
具体而言,所述多个历史土壤数据是目标区域在历史时间段内的对土壤状态进行描述的数据信息,包括元素含量、元素类型、土壤温度、渗透率、土壤动物丰度等。对所述多个历史土壤数据逐一进行分析,得到异常数据,组成所述多个异常土壤数据。其中,所述多个异常土壤数据是土壤质量出现问题时的数据信息,将所述多个异常土壤数据作为因变量是指将土壤质量作为受到其他因素影响后的变量信息。以所述任意一个指标为搜索因子,遍历所述多个异常土壤数据,得到多个指标参数值,从而得到该指标在历史时间段内对应的多个指标参数值,从而将其作为引起土壤异常的变量,即所述自变量。
具体的,以所述自变量为横坐标,以因变量为纵坐标构建所述散点图。其中,所述散点图反映了变量的分布情况,以及因变量。进而,对预设土壤质量评价指标中各指标逐一进行散点图绘制,得到所述预设散点图集合。提取所述预设散点图集合中的任意一个预设散点图,并构建所述网格化方案集。其中,所述网格化方案集是对所述散点图进行网格划分的方案,包括划分的网格大小。遍历所述多个网格化方案对所述任意一个预设散点图进行区域划分,得到多个划分结果,其中,所述多个划分结果是对散点图按照网格化方案进行划分后得到的区域结果。然后对每一个划分结果的互信息值进行计算,即对每个划分结果中出现的概率进行计算,得到所述多个最大互信息值。其中,所述多个最大互信息值是对所述多个划分结果中的出现的概率计算后得到的值。通过将多个最大互信息值进行匹配比对,得到预设最大信息系数。其中,所述预设最大信息系数是自变量和因变量相关程度最大的系数。进而根据所述多个预设最大信息系数,将符合预设系数阈值的预设最大信息系数进行保留,不符合的剔除,从而将保留的预设最大信息系数对应的自变量作为评价指标,得到所述目标土壤质量评价指标。
步骤S400:将所述多个土壤质量评价结果输入土壤改良模型中,得到多个土壤改良方案;
进一步的,如图3所示,本申请实施例步骤S400还包括:
步骤S410:基于卷积神经网络,构建所述土壤改良模型的网络结构,所述土壤改良模型的输入数据为土壤质量评价结果,输出数据为土壤改良方案;
步骤S420:采用多个样本土壤质量评价结果和多个土壤改良方案作为构建数据,对所述土壤改良模型进行迭代监督训练,直到土壤改良模型收敛;
步骤S430:对所述土壤改良模型进行验证,若准确率仍符合预设要求,则获得所述土壤改良模型。
具体而言,所述土壤改良模型是根据土壤质量评价结果对处于不同状态的土壤进行改良方案输出的功能模型,模型的输入数据为土壤质量评价结果,输出数据为土壤改良方案。其中,所述土壤质量评价结果是根据土壤质量评价指标矩阵对多个目标子区域的土质状态进行评价够得到的,能够反映土壤受污染的状态。所述土壤改良方案是对受污染的土壤进行修复改良的措施,包括:直接还田、生化催腐熟还田、使用土壤改良剂的类型和剂量等。通过以土壤改良为索引,在大数据中进行数据提取,得到所述多个样本土壤质量评价结果和多个土壤改良方案。其中,所述多个样本土壤质量评价结果是获取的多个土地样本,包括多种土地类型的土壤质量。所述多个土壤改良方案是对所述多个样本土壤质量评价结果对应的土地进行土壤改良的实施方案。
具体的,通过以多个样本土壤质量评价结果和所述多个土壤改良方案作为构建数据,对以卷积神经网络为网络结构的所述土壤改良模型进行训练。将所述多个样本土壤质量评价结果和所述多个土壤改良方案作为样本数据集,按照一定的比例将所述样本数据集划分为训练集和验证集,划分比例可以为2:1。进而,利用所述训练集对所述土壤改良模型进行训练,直至训练至收敛,然后将验证集中的多个样本土壤质量评价结果输入收敛的土壤改良模型中,得到多个验证土壤改良方案,将所述多个验证土壤改良方案与所述多个土壤改良方案进行匹配,将匹配成功的数量比上多个土壤改良方案的数量,得到验证准确率,当验证准确率符合要求,则输出土壤改良模型,当验证准确率不符合要求时,将获取更多构建数据对所述土壤改良模型进行增量学习,直至验证准确率符合要求。
步骤S500:基于所述土壤位置标识对多个目标子区域改良关联程度进行分析,得到多个改良关联系数;
步骤S600:根据所述多个改良关联系数和所述多个土壤改良方案,对目标区域进行土壤改良。
进一步的,本申请实施例步骤S500还包括:
步骤S510:根据所述土壤位置标识确定所述多个目标子区域的水域流动方向;
步骤S520:基于所述水域流动方向构建区域关联集合;
步骤S530:基于所述区域关联集合的多个区域距离差值,得到所述多个改良关联系数。
具体而言,通过所述土壤位置标识从而对所述多个目标子区域的位置进行确定,进而,结合水域流向,确定所述目标区域内的多个目标子区域之间的水域中的水流流动方向。由于在进行土壤改良时,不仅会对目标子区域内的土壤产生影响,而且会对处于目标子区域下游的区域土壤产生作用,示例性的,水流在流动过程中,会带动上游的土质中的成分流到下游。因此,通过根据所述水域流动方向可以确定相关联的区域,得到所述区域关联集合。其中,所述区域关联集合反映了目标区域内的子区域两两关联情况。进而,通过根据所述区域关联集合中的两个区域之间的距离差值,确定影响的程度,进而得到所述多个改良关联系数。其中,所述多个改良关联系数是反映了目标区域中的子区域受到上游的影响程度。进而,根据所述多个土壤改良方案对目标区域内的多个目标子区域,按照流域流动方向以此进行土壤改良。在进行改良时根据所述多个改良关联系数对土壤改良方案进行优化。
综上所述,本申请实施例至少具有如下技术效果:
本申请实施例通过根据目标区域的土壤类型,对区域内不同类型的土地根据土壤类型进行网格划分,将相邻不同土壤类型的土地区分开,从而得到多个目标子区域,然后根据具有多个维度指标的土壤质量评价指标矩阵对多个目标子区域进行土壤质量评价,得到多个土壤质量评价结果,通过利用土壤改良模型,对土壤改良方案进行智能化分析后,输出多个土壤改良方案,然后以土壤位置标识为依据对多个目标子区域改良关联程度进行分析,得到多个改良关联系数,然后根据多个改良关联系数和多个土壤改良方案,对目标区域进行土壤改良。达到了提高土壤改良质量,缩短方案反馈时间,提高改良效率的技术效果。
实施例二
基于与前述实施例中一种基于生态平衡的土地精细化保育改良方法相同的发明构思,如图4所示,本申请提供了一种基于生态平衡的土地精细化保育改良系统,本申请实施例中的系统与方法实施例基于同样的发明构思。其中,所述系统包括:
土壤类型获得模块11,所述土壤类型获得模块11用于获取目标区域的土壤类型;
目标子区域获得模块12,所述目标子区域获得模块12用于根据所述土壤类型对所述目标区域进行网格划分,得到多个目标子区域,其中,所述多个目标子区域具有土壤位置标识;
质量评价模块13,所述质量评价模块13用于根据土壤质量评价指标矩阵对所述多个目标子区域进行土壤质量评价,得到多个土壤质量评价结果;
土壤改良方案获得模块14,所述土壤改良方案获得模块14用于将所述多个土壤质量评价结果输入土壤改良模型中,得到多个土壤改良方案;
改良关联系数获得模块15,所述改良关联系数获得模块15用于基于所述土壤位置标识对多个目标子区域改良关联程度进行分析,得到多个改良关联系数;
土壤改良模块16,所述土壤改良模块16用于根据所述多个改良关联系数和所述多个土壤改良方案,对目标区域进行土壤改良。
进一步的,所述系统还包括:
评价指标获得单元,所述评价指标获得单元用于获取预设土壤质量评价指标,其中,所述预设土壤质量评价指标包括物理指标、化学指标和生物学指标;
指标筛选单元,所述指标筛选单元用于利用最大信息系数对所述预设土壤质量评价指标进行指标筛选,得到目标土壤质量评价指标;
指标矩阵构建单元,所述指标矩阵构建单元用于根据所述目标土壤质量评价指标构建所述土壤质量评价指标矩阵。
进一步的,所述系统还包括:
历史土壤数据获得单元,所述历史土壤数据获得单元用于获取所述目标区域的历史土壤数据,得到多个历史土壤数据;
异常数据提取单元,所述异常数据提取单元用于遍历提取所述多个历史土壤数据中的多个异常土壤数据,将所述多个异常土壤数据作为因变量;
指标提取单元,所述指标提取单元用于随机提取所述预设土壤质量评价指标中任意一个指标;
自变量设定单元,所述自变量设定单元用于以所述任意一个指标为搜索因子,遍历所述多个异常土壤数据,得到多个指标参数值,并将所述多个指标参数值作为自变量。
进一步的,所述系统还包括:
散点图绘制单元,所述散点图绘制单元用于基于所述自变量与所述因变量之间的映射关系,绘制得到散点图;
散点图集合构建单元,所述散点图集合构建单元用于获取所述预设土壤质量评价指标中各指标对应的散点图,构建预设散点图集合;
预设最大信息系数获得单元,所述预设最大信息系数获得单元用于遍历所述预设散点图集合,得到多个预设最大信息系数;
目标质量评价指标获得单元,所述目标质量评价指标获得单元用于根据所述多个预设最大信息系数得到所述目标土壤质量评价指标。
进一步的,所述系统还包括:
网格化方案构建单元,所述网格化方案构建单元用于提取所述预设散点图集合中的任意一个预设散点图,并构建网格化方案集,其中,所述网格化方案集包括多个网格化方案;
区域划分单元,所述区域划分单元用于遍历所述多个网格化方案对所述任意一个预设散点图进行区域划分,得到多个划分结果;
最大互信息值计算单元,所述最大互信息值计算单元用于根据所述多个划分结果进行互信息值计算,得到多个最大互信息值;
匹配比对单元,所述匹配比对单元用于将所述多个最大互信息值进行匹配比对,得到预设最大信息系数。
进一步的,所述系统还包括:
模型构建单元,所述模型构建单元用于基于卷积神经网络,构建所述土壤改良模型的网络结构,所述土壤改良模型的输入数据为土壤质量评价结果,输出数据为土壤改良方案;
迭代训练单元,所述迭代训练单元用于采用多个样本土壤质量评价结果和多个土壤改良方案作为构建数据,对所述土壤改良模型进行迭代监督训练,直到土壤改良模型收敛;
模型验证单元,所述模型验证单元用于对所述土壤改良模型进行验证,若准确率仍符合预设要求,则获得所述土壤改良模型。
进一步的,所述系统还包括:
水域方向确定单元,所述水域方向确定单元用于根据所述土壤位置标识确定所述多个目标子区域的水域流动方向;
关联集合构建单元,所述关联集合构建单元用于基于所述水域流动方向构建区域关联集合;
改良系数获得单元,所述改良系数获得单元用于基于所述区域关联集合的多个区域距离差值,得到所述多个改良关联系数。
需要说明的是,上述本申请实施例先后顺序仅仅为了描述,不代表实施例的优劣。且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。
以上所述仅为本申请的较佳实施例,并不用以限制本申请,凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
本说明书和附图仅仅是本申请的示例性说明,且视为已覆盖本申请范围内的任意和所有修改、变化、组合或等同物。显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的范围。这样,倘若本申请的这些修改和变型属于本申请及其等同技术的范围之内,则本申请意图包括这些改动和变型在内。
Claims (6)
1.一种基于生态平衡的土地精细化保育改良方法,其特征在于,所述方法包括:
获取目标区域的土壤类型;
根据所述土壤类型对所述目标区域进行网格划分,得到多个目标子区域,其中,所述多个目标子区域具有土壤位置标识;
根据土壤质量评价指标矩阵对所述多个目标子区域进行土壤质量评价,得到多个土壤质量评价结果;
将所述多个土壤质量评价结果输入土壤改良模型中,得到多个土壤改良方案;
基于所述土壤位置标识对多个目标子区域改良关联程度进行分析,得到多个改良关联系数;
根据所述多个改良关联系数和所述多个土壤改良方案,对目标区域进行土壤改良;
获取预设土壤质量评价指标,其中,所述预设土壤质量评价指标包括物理指标、化学指标和生物学指标;
利用最大信息系数对所述预设土壤质量评价指标进行指标筛选,得到目标土壤质量评价指标;
根据所述目标土壤质量评价指标构建所述土壤质量评价指标矩阵;
基于所述土壤位置标识对多个目标子区域改良关联程度进行分析,得到多个改良关联系数,包括:
根据所述土壤位置标识确定所述多个目标子区域的水域流动方向;
基于所述水域流动方向构建区域关联集合;
基于所述区域关联集合的多个区域距离差值,得到所述多个改良关联系数。
2.如权利要求1所述的方法,其特征在于,包括:
获取所述目标区域的历史土壤数据,得到多个历史土壤数据;
遍历提取所述多个历史土壤数据中的多个异常土壤数据,将所述多个异常土壤数据作为因变量;
随机提取所述预设土壤质量评价指标中任意一个指标;
以所述任意一个指标为搜索因子,遍历所述多个异常土壤数据,得到多个指标参数值,并将所述多个指标参数值作为自变量。
3.如权利要求2所述的方法,其特征在于,包括:
基于所述自变量与所述因变量之间的映射关系,绘制得到散点图;
获取所述预设土壤质量评价指标中各指标对应的散点图,构建预设散点图集合;
遍历所述预设散点图集合,得到多个预设最大信息系数;
根据所述多个预设最大信息系数得到所述目标土壤质量评价指标。
4.如权利要求3所述的方法,其特征在于,包括:
提取所述预设散点图集合中的任意一个预设散点图,并构建网格化方案集,其中,所述网格化方案集包括多个网格化方案;
遍历所述多个网格化方案对所述任意一个预设散点图进行区域划分,得到多个划分结果;
根据所述多个划分结果进行互信息值计算,得到多个最大互信息值;
将所述多个最大互信息值进行匹配比对,得到预设最大信息系数。
5.如权利要求1所述的方法,其特征在于,包括:
基于卷积神经网络,构建所述土壤改良模型的网络结构,所述土壤改良模型的输入数据为土壤质量评价结果,输出数据为土壤改良方案;
采用多个样本土壤质量评价结果和多个土壤改良方案作为构建数据,对所述土壤改良模型进行迭代监督训练,直到土壤改良模型收敛;
对所述土壤改良模型进行验证,若准确率仍符合预设要求,则获得所述土壤改良模型。
6.一种基于生态平衡的土地精细化保育改良系统,其特征在于,所述系统包括:
土壤类型获得模块,所述土壤类型获得模块用于获取目标区域的土壤类型;
目标子区域获得模块,所述目标子区域获得模块用于根据所述土壤类型对所述目标区域进行网格划分,得到多个目标子区域,其中,所述多个目标子区域具有土壤位置标识;
质量评价模块,所述质量评价模块用于根据土壤质量评价指标矩阵对所述多个目标子区域进行土壤质量评价,得到多个土壤质量评价结果;
土壤改良方案获得模块,所述土壤改良方案获得模块用于将所述多个土壤质量评价结果输入土壤改良模型中,得到多个土壤改良方案;
改良关联系数获得模块,所述改良关联系数获得模块用于基于所述土壤位置标识对多个目标子区域改良关联程度进行分析,得到多个改良关联系数;
土壤改良模块,所述土壤改良模块用于根据所述多个改良关联系数和所述多个土壤改良方案,对目标区域进行土壤改良;
评价指标获得单元,所述评价指标获得单元用于获取预设土壤质量评价指标,其中,所述预设土壤质量评价指标包括物理指标、化学指标和生物学指标;
指标筛选单元,所述指标筛选单元用于利用最大信息系数对所述预设土壤质量评价指标进行指标筛选,得到目标土壤质量评价指标;
指标矩阵构建单元,所述指标矩阵构建单元用于根据所述目标土壤质量评价指标构建所述土壤质量评价指标矩阵;
所述改良关联系数获得模块,还包括:
水域方向确定单元,所述水域方向确定单元用于根据所述土壤位置标识确定所述多个目标子区域的水域流动方向;
关联集合构建单元,所述关联集合构建单元用于基于所述水域流动方向构建区域关联集合;
改良系数获得单元,所述改良系数获得单元用于基于所述区域关联集合的多个区域距离差值,得到所述多个改良关联系数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310250259.0A CN116307383B (zh) | 2023-03-15 | 2023-03-15 | 一种基于生态平衡的土地精细化保育改良方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310250259.0A CN116307383B (zh) | 2023-03-15 | 2023-03-15 | 一种基于生态平衡的土地精细化保育改良方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116307383A CN116307383A (zh) | 2023-06-23 |
CN116307383B true CN116307383B (zh) | 2023-11-07 |
Family
ID=86812742
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310250259.0A Active CN116307383B (zh) | 2023-03-15 | 2023-03-15 | 一种基于生态平衡的土地精细化保育改良方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116307383B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117808319A (zh) * | 2023-12-29 | 2024-04-02 | 中国农业科学院农业环境与可持续发展研究所 | 褐土旱地防蚀保墒培肥综合评价系统 |
Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106875032A (zh) * | 2016-12-23 | 2017-06-20 | 首都师范大学 | 一种流域农业非点源污染控制措施的优化配置方法 |
CN106934491A (zh) * | 2017-02-23 | 2017-07-07 | 北京农业信息技术研究中心 | 一种土壤修复技术筛选方法及装置 |
CN109872041A (zh) * | 2019-01-17 | 2019-06-11 | 北京师范大学 | 一种基于地质资源环境的评价指标筛选方法 |
CN110298596A (zh) * | 2019-07-04 | 2019-10-01 | 内蒙古农业大学 | 一种数据评估方法和系统 |
AU2020103423A4 (en) * | 2020-11-13 | 2021-01-28 | Nanjing Forestry University | Identification Method of Land Suitable for Afforestation in Karst Area Based on Neural Network System |
AU2020103570A4 (en) * | 2020-11-20 | 2021-02-04 | College of Grassland and Environmental Science, Xinjiang Agricultural University | Grassland soil degradation evaluation method |
CN113785676A (zh) * | 2021-09-15 | 2021-12-14 | 天津市地质研究和海洋地质中心 | 一种盐碱地土壤改良体系及其构建方法 |
CN113822592A (zh) * | 2021-09-29 | 2021-12-21 | 中国农业大学 | 一种农田土壤障碍因子诊断与土壤健康培育方法 |
CN113988688A (zh) * | 2021-11-08 | 2022-01-28 | 中国科学院地理科学与资源研究所 | 一种耕地生态可持续性评价方法和系统 |
CN114066854A (zh) * | 2021-11-16 | 2022-02-18 | 王春霞 | 一种新型环保土壤检测调控方法及系统 |
CN114386816A (zh) * | 2021-12-31 | 2022-04-22 | 四川农业大学 | 一种国土空间生态修复关键区识别系统 |
CN114611699A (zh) * | 2022-03-16 | 2022-06-10 | 中国农业大学 | 土壤水分降尺度方法、装置、电子设备及存储介质 |
CN114846942A (zh) * | 2022-06-01 | 2022-08-05 | 武汉市园林建筑规划设计研究院有限公司 | 一种改良土壤的方法 |
CN115099708A (zh) * | 2022-07-28 | 2022-09-23 | 中国水利水电科学研究院 | 一种面向旱涝减缓的土壤调节措施配置方法 |
CN115276006A (zh) * | 2022-09-26 | 2022-11-01 | 江苏永鼎股份有限公司 | 一种用于电力集成系统的负荷预测的方法及系统 |
CN115730852A (zh) * | 2022-11-28 | 2023-03-03 | 生态环境部南京环境科学研究所 | 一种化工企业土壤污染管控方法及系统 |
-
2023
- 2023-03-15 CN CN202310250259.0A patent/CN116307383B/zh active Active
Patent Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106875032A (zh) * | 2016-12-23 | 2017-06-20 | 首都师范大学 | 一种流域农业非点源污染控制措施的优化配置方法 |
CN106934491A (zh) * | 2017-02-23 | 2017-07-07 | 北京农业信息技术研究中心 | 一种土壤修复技术筛选方法及装置 |
CN109872041A (zh) * | 2019-01-17 | 2019-06-11 | 北京师范大学 | 一种基于地质资源环境的评价指标筛选方法 |
CN110298596A (zh) * | 2019-07-04 | 2019-10-01 | 内蒙古农业大学 | 一种数据评估方法和系统 |
AU2020103423A4 (en) * | 2020-11-13 | 2021-01-28 | Nanjing Forestry University | Identification Method of Land Suitable for Afforestation in Karst Area Based on Neural Network System |
AU2020103570A4 (en) * | 2020-11-20 | 2021-02-04 | College of Grassland and Environmental Science, Xinjiang Agricultural University | Grassland soil degradation evaluation method |
CN113785676A (zh) * | 2021-09-15 | 2021-12-14 | 天津市地质研究和海洋地质中心 | 一种盐碱地土壤改良体系及其构建方法 |
CN113822592A (zh) * | 2021-09-29 | 2021-12-21 | 中国农业大学 | 一种农田土壤障碍因子诊断与土壤健康培育方法 |
CN113988688A (zh) * | 2021-11-08 | 2022-01-28 | 中国科学院地理科学与资源研究所 | 一种耕地生态可持续性评价方法和系统 |
CN114066854A (zh) * | 2021-11-16 | 2022-02-18 | 王春霞 | 一种新型环保土壤检测调控方法及系统 |
CN114386816A (zh) * | 2021-12-31 | 2022-04-22 | 四川农业大学 | 一种国土空间生态修复关键区识别系统 |
CN114611699A (zh) * | 2022-03-16 | 2022-06-10 | 中国农业大学 | 土壤水分降尺度方法、装置、电子设备及存储介质 |
CN114846942A (zh) * | 2022-06-01 | 2022-08-05 | 武汉市园林建筑规划设计研究院有限公司 | 一种改良土壤的方法 |
CN115099708A (zh) * | 2022-07-28 | 2022-09-23 | 中国水利水电科学研究院 | 一种面向旱涝减缓的土壤调节措施配置方法 |
CN115276006A (zh) * | 2022-09-26 | 2022-11-01 | 江苏永鼎股份有限公司 | 一种用于电力集成系统的负荷预测的方法及系统 |
CN115730852A (zh) * | 2022-11-28 | 2023-03-03 | 生态环境部南京环境科学研究所 | 一种化工企业土壤污染管控方法及系统 |
Non-Patent Citations (2)
Title |
---|
基于 GIS 和多种土壤属性的烟田养分分区管理研究;江厚龙、刘国顺等;《土壤》;第43卷(第5期);全文 * |
环保加盟好项目有哪些?看看清之源环保怎么说;清之源环保;《BiliBili》;1-3 * |
Also Published As
Publication number | Publication date |
---|---|
CN116307383A (zh) | 2023-06-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Gibert et al. | Which method to use? An assessment of data mining methods in Environmental Data Science | |
Ehteram et al. | An improved model based on the support vector machine and cuckoo algorithm for simulating reference evapotranspiration | |
Vamanan et al. | Classification of agricultural land soils a data mining approach | |
Guven et al. | Genetic programming‐based empirical model for daily reference evapotranspiration estimation | |
CN117116382B (zh) | 引水工程影响下受水湖泊水质时空预测方法和系统 | |
Mentis | Hypothetico-deductive and inductive approaches in ecology | |
Sin et al. | Improving the Morris method for sensitivity analysis by scaling the elementary effects | |
CN116307383B (zh) | 一种基于生态平衡的土地精细化保育改良方法及系统 | |
CN116340723B (zh) | 基于大数据的乡村水污染快速溯源方法及系统 | |
CN108334943A (zh) | 基于主动学习神经网络模型的工业过程半监督软测量建模方法 | |
CN107274030A (zh) | 基于水文变量年际和月变化特性的径流预报方法和系统 | |
Samadianfard et al. | Determining flow friction factor in irrigation pipes using data mining and artificial intelligence approaches | |
CN117078114B (zh) | 引水工程影响下受水湖泊水质评价方法和系统 | |
CN115495991A (zh) | 一种基于时间卷积网络的降水区间预测方法 | |
CN117322214A (zh) | 一种基于神经网络的农作物肥料精准施用方法与系统 | |
CN115456245A (zh) | 一种感潮河网区溶解氧预测方法 | |
Hariri et al. | Tipburn disorder detection in strawberry leaves using convolutional neural networks and particle swarm optimization | |
CN115618720A (zh) | 一种基于海拔高度的土壤盐渍化预测方法及系统 | |
Ligmann-Zielinska | ‘Can You Fix It?’Using Variance-Based Sensitivity Analysis to Reduce the Input Space of an Agent-Based Model of Land Use Change | |
Siontorou et al. | Error identification/propagation/remediation in biomonitoring surveys—A knowledge-based approach towards standardization via fault tree analysis | |
CN112734119A (zh) | 一种基于空间养分聚类分析的玉米产量预测方法 | |
CN116822366A (zh) | 一种径流污染负荷计算模型构建和径流污染负荷计算方法 | |
CN115408859B (zh) | 基于全局敏感性分析的参数分析方法、装置、介质及设备 | |
Fredj et al. | CropWaterNeed: a machine learning approach for smart agriculture | |
CN115472233A (zh) | 基于热扩散标签传播的半监督集成工业过程软测量建模方法、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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |