CN116384743B - 一种基于生态数据分析的植物生长风险评估系统 - Google Patents
一种基于生态数据分析的植物生长风险评估系统 Download PDFInfo
- Publication number
- CN116384743B CN116384743B CN202310319748.7A CN202310319748A CN116384743B CN 116384743 B CN116384743 B CN 116384743B CN 202310319748 A CN202310319748 A CN 202310319748A CN 116384743 B CN116384743 B CN 116384743B
- Authority
- CN
- China
- Prior art keywords
- value
- growth
- preset
- soil
- coefficient
- 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
- 238000012502 risk assessment Methods 0.000 title claims abstract description 43
- 238000007405 data analysis Methods 0.000 title claims abstract description 18
- 230000008635 plant growth Effects 0.000 title claims abstract description 12
- 239000002689 soil Substances 0.000 claims abstract description 129
- 230000012010 growth Effects 0.000 claims abstract description 127
- 238000004458 analytical method Methods 0.000 claims abstract description 50
- 238000012795 verification Methods 0.000 claims abstract description 13
- 238000012544 monitoring process Methods 0.000 claims abstract description 5
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 31
- 229910052760 oxygen Inorganic materials 0.000 claims description 31
- 239000001301 oxygen Substances 0.000 claims description 31
- 241001237160 Kallima inachus Species 0.000 claims description 24
- 230000002159 abnormal effect Effects 0.000 claims description 20
- 229910001385 heavy metal Inorganic materials 0.000 claims description 18
- 230000010354 integration Effects 0.000 claims description 18
- 238000011156 evaluation Methods 0.000 claims description 17
- 230000005856 abnormality Effects 0.000 claims description 15
- 238000000034 method Methods 0.000 claims description 15
- 230000008569 process Effects 0.000 claims description 14
- 230000034655 secondary growth Effects 0.000 claims description 9
- 230000008859 change Effects 0.000 claims description 6
- 229910052751 metal Inorganic materials 0.000 claims description 5
- 239000002184 metal Substances 0.000 claims description 5
- 238000012937 correction Methods 0.000 claims description 4
- 230000004083 survival effect Effects 0.000 abstract description 12
- 230000009286 beneficial effect Effects 0.000 description 4
- 230000006854 communication Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 238000009472 formulation Methods 0.000 description 3
- 239000000203 mixture Substances 0.000 description 3
- 230000000750 progressive effect Effects 0.000 description 3
- 230000007175 bidirectional communication Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000013480 data collection Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012271 agricultural production Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000035764 nutrition Effects 0.000 description 1
- 235000016709 nutrition Nutrition 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/18—Status alarms
- G08B21/182—Level alarms, e.g. alarms responsive to variables exceeding a threshold
-
- 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
- G01N33/246—Earth materials for water content
-
- 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
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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
- G06Q10/20—Administration of product repair or maintenance
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Mining
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B31/00—Predictive alarm systems characterised by extrapolation or other computation using updated historic data
Abstract
本发明涉及植物生长风险评估技术领域,尤其涉及一种基于生态数据分析的植物生长风险评估系统,包括生长评估平台,土质监管反馈单元、生长状态监管单元、验证校准分析单元、评估分析单元、预警单元以及管理单元;本发明通过从土质和苗木自身生成状态两个角度进行深入式分析,判断土壤对苗木生长的影响等级,进而及时的对土壤进行治理,有助于苗木的正常生长,提高苗木的成活率,并判断苗木种植区苗木整体生成情况是否正常,以提高对苗木的监管力度,同时根据外部土壤影响系数和自身生长状态系数两个维度综合评估户外苗木种植区内苗木整体的生长风险等级,进而合理、有效的对苗木的生长进行管理,提高户外苗木种植区内苗木的成活率。
Description
技术领域
本发明涉及植物生长风险评估技术领域,尤其涉及一种基于生态数据分析的植物生长风险评估系统。
背景技术
随着人们生活水平的不断提高,苗木种植行业的发展速度逐渐提升,而随着科技的发展和劳动人口的逐渐减少,我国的苗木产业由传统的老苗木园模式逐渐向规模化、标准化、现代化苗木园的方向发展,在农业中添加了现代化元素能大大提高农业生产能力;
但是,现代化户外种植苗木的方式,存在监管力度低和精准性差的问题,无法精准判断土壤对苗木生长的影响等级,极易造成土壤治理效果差,因而造成苗木成活率低的现象,不利于苗木的正常生长,且无法对采集的数据准确性进行验证,极易出现分析结果异常的问题,进而无法合理、精准的根据土壤因素综合评估苗木生长风险情况,极易造成管理不当的问题,降低苗木的成活率;
针对上述的技术缺陷,现提出一种解决方案。
发明内容
本发明的目的在于提供一种基于生态数据分析的植物生长风险评估系统,去解决上述提出的技术缺陷,本发明通过从土质和苗木自身生成状态两个角度进行深入式分析,且通过深入式、符号的标定以及公式化的方式进行全面、递进式分析,判断土壤对苗木生长的影响等级,进而及时的对土壤进行治理,有助于苗木的正常生长,提高苗木的成活率,并判断苗木种植区苗木整体生成情况是否正常,以提高对苗木的监管力度,同时根据外部土壤影响系数和自身生长状态系数两个维度综合评估户外苗木种植区内苗木整体的生长风险等级,进而合理、有效的对苗木的生长进行管理,提高户外苗木种植区内苗木的成活率。
本发明的目的可以通过以下技术方案实现:一种基于生态数据分析的植物生长风险评估系统,包括生长评估平台,土质监管反馈单元、生长状态监管单元、验证校准分析单元、评估分析单元、预警单元以及管理单元;
当生长评估平台生成运行指令时,并将运行指令发送至土质监管反馈单元和生长状态监管单元,土质监管反馈单元在接收到运行指令时,立即采集苗木种植区的土壤数据,土壤数据包括土壤的湿度值、含氧值以及重金属含量值,并对土壤数据进行分析,将得到的风险信号发送至验证校准分析单元,土壤影响系数TW经生长评估平台发送至评估分析单元,并将得到的一级影响信号、二级影响信号以及三级影响信号发送至预警单元;
验证校准分析单元在接收到风险信号后,立即采集风险区域内各个湿度传感器的运行温度值,并对运行温度值进行分析,将得到的异常信号发送至土质监管反馈单元;
生长状态监管单元在接收到运行指令时,采集苗木的状态数据,状态数据包括苗木的生成高度和苗木的枯叶值,并对状态数据进行分析,并将得到的治理信号和正常信号经生长评估平台发送至管理单元;
评估分析单元在接收到土壤影响系数TW时,立即对土壤影响系数TW进行深入式分析,并将得到的一级生长风险信号、二级生长风险信号以及三级生长风险信号发送至预警单元,预警单元在接收到一级生长风险信号、二级生长风险信号以及三级风险信号后,立即做出一级生长风险信号、二级生长风险信号以及三级风险信号所对应的预设预警方案。
优选的,所述土质监管反馈单元的土壤数据分析过程如下:
步骤一:采集到户外苗木种植区苗木种植后一段时间的时长,并将其标记为时间阈值,将苗木种植区域划分为k个子区域块,k为大于零的自然数,在各个子区域块内设置湿度采集点,获取到时间阈值内各个子区域块湿度采集点所采集的湿度值,并将湿度值与预设湿度值区间进行比对分析,将湿度值位于预设湿度值区间之外所对应的区域标记为风险区域,同时生成风险信号,将湿度值位于预设湿度值阈值之内所对应的区域标记为正常区域,获取到风险区域和正常区域的个数,以此获取到风险区域的个数与正常区域的个数的比值,并将其标记为土壤湿度比TS;
步骤二:获取到时间阈值内各个子区域块中土壤的含氧值,获取到含氧值小于预设含氧值阈值所对应的子区域块,并将其标记为缺氧区域块,获取到时间阈值内缺氧区域块的平均含氧值,并将平均含氧值与预设达标平均含氧值阈值进行比对分析,进而获取到平均含氧值少于预设达标平均含氧值阈值的部分,并将其标记为风险缺氧值,同时获取到缺氧区域块的总个数,并将缺氧区域块的总个数与风险缺氧值的积标记为风险含氧系数FO;
步骤三:获取到时间阈值内各个子区域块中土壤的重金属含量值,获取到重金属含量值超出预设重金属含量值阈值所对应的部分,并将其标记为重金属污染值,构建重金属污染值的集合B,获取到集合B中的最大子集和最小子集,并将最大子集和最小子集之间的差值标记为最大金属污染跨度值ZW。
优选的,所述土质监管反馈单元的土壤数据比对分析过程如下:
并经过公式得到土壤影响系数TW,并将土壤影响系数TW与其内部录入存储的预设土壤影响系数区间进行比对分析:
若土壤影响系数TW大于预设土壤影响系数区间中的最大值,则生成一级影响信号;
若土壤影响系数TW位于预设土壤影响系数区间之内,则生成二级影响信号;
若土壤影响系数TW小于预设土壤影响系数区间中的最小值,则生成三级影响信号。
优选的,所述验证校准分析单元的运行温度值分析过程如下:
获取到时间阈值内风险区域内各个湿度传感器的运行温度值,并将运行温度值与其内部录入存储的预设运行温度值阈值进行比对分析,若运行温度值大于等于预设运行温度值阈值,则获取到运行温度值超出预设运行温度值阈值所对应的湿度传感器在时间阈值内的工作电流变化曲线图,并从工作电流变化曲线图中获取到湿度传感器的最大工作电流值,并将最大工作电流值与其内部录入存储的预设安全工作电流值进行比对分析:
若最大工作电流值小于等于预设安全工作电流值,则不生成任何信号;
若最大工作电流值大于预设安全工作电流值,则生成异常信号。
优选的,所述生长状态监管单元的状态数据分析过程如下:
第一步:获取到时间阈值内各个子区域块内各个苗木的生成高度,进而获取到各个子区域块内各个苗木去除最大生成高度和最小生成高度后的均值,并将其标记为整合生成高度值,标号为GDi,构建整合生成高度值GDi的集合A{GD1,GD2,GD3,...,GDi},进而获取到时间阈值内集合A中的最大子集和最小子集,并将最大子集和最小子集之间的差值标记为最大整合高度值ZG;
第二步:获取到时间阈值内各个子区域块内各个苗木的枯叶值,枯叶值指的是苗木树叶颜色带有黄色的叶子,进而获取到各个子区域块内苗木的平均枯叶值,构建平均枯叶值的集合B,获取到集合B中平均枯叶值大于预设平均枯叶值阈值所对应子集的个数,以此获取到大于预设平均枯叶值阈值所对应子集的总个数与所有子集的比值,并将其标记为异常比YB,并将最大整合高度值ZG和异常比YB与其内部录入存储的预设最大整合高度值阈值和预设异常比阈值进行比对分析:
若最大整合高度值ZG小于预设最大整合高度值阈值,且异常比YB小于预设异常比阈值,则生成正常信号;
若最大整合高度值ZG大于等于预设最大整合高度值阈值,或异常比YB大于等于预设异常比阈值,则生成治理信号。
优选的,所述评估分析单元的土壤影响系数TW深入式分析过程如下:
S1:获取到时间阈值内土壤影响系数TW,同时从生长状态监管单元调取最大整合高度值ZG和异常比YB,并经过公式得到生长状态系数SZ;
S2:并经过公式得到生长风险评估系数,其中,c1和c2分别为生长状态系数和土壤影响系数的预设比例因子系数,c1和c2均为大于零的正数,c3为预设偏差补偿系数,取值为1.968,P为生长风险评估系数,并将生长风险评估系数P与其内部录入存储的预设生长风险评估系数区间进行比对分析:
若生长风险评估系数P大于预设生长风险评估系数区间中的最大值,则生成一级生长风险信号;若生长风险评估系数P位于预设生长风险评估系数区间之内,则生成二级生长风险信号;若生长风险评估系数P小于预设生长风险评估系数区间中的最小值,则生成三级生长风险信号。
本发明的有益效果如下:
(1)本发明通过从土质和苗木自身生成状态两个角度进行深入式分析,且通过深入式、符号的标定以及公式化的方式进行全面、递进式分析,判断土壤对苗木生长的影响等级,进而及时的对土壤进行治理,有助于苗木的正常生长,提高苗木的成活率,并判断苗木种植区苗木整体生成情况是否正常,以提高对苗木的监管力度,同时根据外部土壤影响系数和自身生长状态系数两个维度综合评估户外苗木种植区内苗木整体的生长风险等级,进而合理、有效的对苗木的生长进行管理,提高户外苗木种植区内苗木的成活率;
(2)且通过数据反馈、比对式的分析方式对数据进行验证校准,判断土壤湿度采集的湿度传感器是否存在故障,有助于及时的对异常湿度传感器进行维护,同时将存在故障的湿度传感器所对应的湿度值删除,并对异常信号所对应的风险区域重新进行数据采集,以保证数据分析的准确性和有效性。
附图说明
下面结合附图对本发明作进一步的说明;
图1是本发明系统流程框图;
图2是本发明局部分析示意图;
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。
实施例1:
请参阅图1-2所示,本发明为一种基于生态数据分析的植物生长风险评估系统,包括生长评估平台,土质监管反馈单元、生长状态监管单元、验证校准分析单元、评估分析单元、预警单元以及管理单元,生长评估平台与土质监管反馈单元和生长状态监管单元均呈双向通讯连接,生长评估平台与管理单元和评估分析单元均呈单向通讯连接,生长状态监管单元与评估分析单元呈单向通讯连接,评估分析单元与预警单元呈单向通讯连接,土质监管反馈单元与验证校准分析单元呈双向通讯连接,土质监管反馈单元与预警单元呈单向通讯连接;
当生长评估平台生成运行指令时,并将运行指令发送至土质监管反馈单元和生长状态监管单元,土质监管反馈单元在接收到运行指令时,立即采集苗木种植区的土壤数据,土壤数据包括土壤的湿度值、含氧值以及重金属含量值,并对土壤数据进行分析,判断土壤对苗木生长的影响等级,进而及时的对土壤进行治理,有助于苗木的正常生长,提高苗木的成活率,具体的土壤数据分析过程如下:
采集到户外苗木种植区苗木种植后一段时间的时长,并将其标记为时间阈值,将苗木种植区域划分为k个子区域块,k为大于零的自然数,在各个子区域块内设置湿度采集点,获取到时间阈值内各个子区域块湿度采集点所采集的湿度值,并将湿度值与预设湿度值区间进行比对分析,将湿度值位于预设湿度值区间之外所对应的区域标记为风险区域,同时生成风险信号,并将风险信号发送至验证校准分析单元,将湿度值位于预设湿度值阈值之内所对应的区域标记为正常区域,获取到风险区域和正常区域的个数,以此获取到风险区域的个数与正常区域的个数的比值,并将其标记为土壤湿度比,标号为TS,需要说明的是,土壤湿度比TS的数值越大,则苗木种植异常风险越大;
获取到时间阈值内各个子区域块中土壤的含氧值,获取到含氧值小于预设含氧值阈值所对应的子区域块,并将其标记为缺氧区域块,获取到时间阈值内缺氧区域块的平均含氧值,并将平均含氧值与预设达标平均含氧值阈值进行比对分析,进而获取到平均含氧值少于预设达标平均含氧值阈值的部分,并将其标记为风险缺氧值,同时获取到缺氧区域块的总个数,并将缺氧区域块的总个数与风险缺氧值的积标记为风险含氧系数,标号为FO,需要说明的是,风险含氧系数FO的数值越大,苗木种植缺氧风险越大,土壤对苗木的生长影响越大;
获取到时间阈值内各个子区域块中土壤的重金属含量值,获取到重金属含量值超出预设重金属含量值阈值所对应的部分,并将其标记为重金属污染值,构建重金属污染值的集合B,获取到集合B中的最大子集和最小子集,并将最大子集和最小子集之间的差值标记为最大金属污染跨度值,标号为ZW;
并经过公式得到土壤影响系数,其中,a1、a2以及a3分别为土壤湿度比、风险含氧系数以及最大金属污染跨度值的预设比例系数,a4为预设修正因子,取值为1.392,a1、a2以及a3均为大于零的正数,TW为土壤影响系数,并将土壤影响系数TW与其内部录入存储的预设土壤影响系数区间进行比对分析:
若土壤影响系数TW大于预设土壤影响系数区间中的最大值,则生成一级影响信号;
若土壤影响系数TW位于预设土壤影响系数区间之内,则生成二级影响信号;
若土壤影响系数TW小于预设土壤影响系数区间中的最小值,则生成三级影响信号,其中,一级影响信号、二级影响信号以及三级影响信号所对应的影响程度依次降低,并将一级影响信号、二级影响信号以及三级影响信号发送至预警单元,将土壤影响系数TW经生长评估平台发送至评估分析单元,预警单元在接收到一级影响信号、二级影响信号以及三级影响信号后,立即做出一级影响信号、二级影响信号以及三级影响信号所对应的预设预警方案,进而及时的对土壤进行管理,以降低土壤对苗木种植的影响,同时降低土壤受污染的程度;
验证校准分析单元在接收到风险信号后,立即采集风险区域内各个湿度传感器的运行温度值,并对运行温度值进行分析,判断土壤湿度采集的湿度传感器是否存在故障,则将存在故障的湿度传感器所对应的湿度值删除,以保证数据分析的准确性和有效性,具体的运行温度值分析过程如下:
获取到时间阈值内风险区域内各个湿度传感器的运行温度值,并将运行温度值与其内部录入存储的预设运行温度值阈值进行比对分析,若运行温度值大于等于预设运行温度值阈值,则获取到运行温度值超出预设运行温度值阈值所对应的湿度传感器在时间阈值内的工作电流变化曲线图,并从工作电流变化曲线图中获取到湿度传感器的最大工作电流值,并将最大工作电流值与其内部录入存储的预设安全工作电流值进行比对分析:
若最大工作电流值小于等于预设安全工作电流值,则不生成任何信号;
若最大工作电流值大于预设安全工作电流值,则判断该风险区域内湿度传感器所采集数据异常,生成异常信号,并发送至土质监管反馈单元,土质监管反馈单元在接收到异常信号后,立即将存在故障的湿度传感器所对应的湿度值删除,并对异常信号所对应的风险区域重新进行数据采集,以保证数据分析的准确性和有效性。
实施例2:
生长状态监管单元在接收到运行指令时,采集苗木的状态数据,状态数据包括苗木的生成高度和苗木的枯叶值,并对状态数据进行分析,判断苗木种植区苗木整体生成情况是否正常,以提高对苗木的监管力度,同时根据土壤因素综合评估苗木生长风险,进而合理、有效的对苗木的生长进行管理,具体的状态数据分析过程如下:
获取到时间阈值内各个子区域块内各个苗木的生成高度,进而获取到各个子区域块内各个苗木去除最大生成高度和最小生成高度后的均值,并将其标记为整合生成高度值,标号为GDi,构建整合生成高度值GDi的集合A{GD1,GD2,GD3,...,GDi},进而获取到时间阈值内集合A中的最大子集和最小子集,并将最大子集和最小子集之间的差值标记为最大整合高度值,标号为ZG,需要说明的是,最大整合高度值ZG的数值越大,则户外苗木种植区内苗木生长越差,生长越不正常;
获取到时间阈值内各个子区域块内各个苗木的枯叶值,枯叶值指的是苗木树叶颜色带有黄色的叶子,进而获取到各个子区域块内苗木的平均枯叶值,构建平均枯叶值的集合B,获取到集合B中平均枯叶值大于预设平均枯叶值阈值所对应子集的个数,以此获取到大于预设平均枯叶值阈值所对应子集的总个数与所有子集的比值,并将其标记为异常比,标号为YB,需要说明的是,异常比YB的数值越大,则户外苗木种植区内苗木生长越差,营养越低;
并将最大整合高度值ZG和异常比YB与其内部录入存储的预设最大整合高度值阈值和预设异常比阈值进行比对分析:
若最大整合高度值ZG小于预设最大整合高度值阈值,且异常比YB小于预设异常比阈值,则生成正常信号;
若最大整合高度值ZG大于等于预设最大整合高度值阈值,或异常比YB大于等于预设异常比阈值,则生成治理信号,并将治理信号和正常信号经生长评估平台发送至管理单元,管理单元在接收到治理信号后,立即以文字“园区治理”的方式进行展会,管理单元在接收到正常信号后,立即以文字“园区整体正常”的方式进行展会,进而提高对园区内苗木的管理效果;
评估分析单元在接收到土壤影响系数TW时,立即对土壤影响系数TW进行深入式分析,具体的分析过程如下:
获取到时间阈值内土壤影响系数TW,同时从生长状态监管单元调取最大整合高度值ZG和异常比YB;
并经过公式得到生长状态系数,其中,b1和b2分别为最大整合高度值和异常比预设权重因子系数,b3为预设补偿修正系数,取值为1.682,b1和b2均为大于零的正数,SZ为生长状态系数,需要说明的是,生长状态系数SZ的数值越大,则户外苗木种植区内苗木生长越好,而土壤影响系数TW的数值越大,则户外苗木种植区内苗木生长越差;
并经过公式得到生长风险评估系数,其中,c1和c2分别为生长状态系数和土壤影响系数的预设比例因子系数,c1和c2均为大于零的正数,c3为预设偏差补偿系数,取值为1.968,偏差补偿系数用于修正各项参数在公式计算过程中出现的偏差,从而使得计算更加准确和参数数据,P为生长风险评估系数,并将生长风险评估系数P与其内部录入存储的预设生长风险评估系数区间进行比对分析:
若生长风险评估系数P大于预设生长风险评估系数区间中的最大值,则生成一级生长风险信号;
若生长风险评估系数P位于预设生长风险评估系数区间之内,则生成二级生长风险信号;
若生长风险评估系数P小于预设生长风险评估系数区间中的最小值,则生成三级生长风险信号,其中一级生长风险信号、二级生长风险信号以及三级生长风险信号所对应的生长风险程度依次降低,并将一级生长风险信号、二级生长风险信号以及三级生长风险信号发送至预警单元,预警单元在接收到一级生长风险信号、二级生长风险信号以及三级风险信号后,立即做出一级生长风险信号、二级生长风险信号以及三级风险信号所对应的预设预警方案,根据外部土壤影响系数和自身生长状态系数两个维度综合评估户外苗木种植区内苗木整体的生长风险等级,进而合理、有效的对苗木的生长进行管理,提高户外苗木种植区内苗木的成活率;
综上所述,本发明通过从土质和苗木自身生成状态两个角度进行深入式分析,且通过深入式、符号的标定以及公式化的方式进行全面、递进式分析,判断土壤对苗木生长的影响等级,进而及时的对土壤进行治理,有助于苗木的正常生长,提高苗木的成活率,并判断苗木种植区苗木整体生成情况是否正常,以提高对苗木的监管力度,同时根据外部土壤影响系数和自身生长状态系数两个维度综合评估户外苗木种植区内苗木整体的生长风险等级,进而合理、有效的对苗木的生长进行管理,提高户外苗木种植区内苗木的成活率;且通过数据反馈、比对式的分析方式对数据进行验证校准,判断土壤湿度采集的湿度传感器是否存在故障,有助于及时的对异常湿度传感器进行维护,同时将存在故障的湿度传感器所对应的湿度值删除,并对异常信号所对应的风险区域重新进行数据采集,以保证数据分析的准确性和有效性。
系数的大小是为了将各个参数进行量化得到的一个具体的数值,便于后续比较,关于系数的大小,取决于样本数据的多少及本领域技术人员对每一组样本数据初步设定对应的权重因子系数;只要不影响参数与量化后数值的比例关系即可。
上述公式均是采集大量数据进行软件模拟得出且选取与真实值接近的一个公式,公式中的系数是由本领域技术人员根据实际情况进行设置,以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,根据本发明的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明的保护范围之内。
Claims (1)
1.一种基于生态数据分析的植物生长风险评估系统,其特征在于,包括生长评估平台,土质监管反馈单元、生长状态监管单元、验证校准分析单元、评估分析单元、预警单元以及管理单元;
当生长评估平台生成运行指令时,并将运行指令发送至土质监管反馈单元和生长状态监管单元,土质监管反馈单元在接收到运行指令时,立即采集苗木种植区的土壤数据,土壤数据包括土壤的湿度值、含氧值以及重金属含量值,并对土壤数据进行分析,将得到的风险信号发送至验证校准分析单元,土壤影响系数TW经生长评估平台发送至评估分析单元,并将得到的一级影响信号、二级影响信号以及三级影响信号发送至预警单元;
验证校准分析单元在接收到风险信号后,立即采集风险区域内各个湿度传感器的运行温度值,并对运行温度值进行分析,将得到的异常信号发送至土质监管反馈单元;
生长状态监管单元在接收到运行指令时,采集苗木的状态数据,状态数据包括苗木的生成高度和苗木的枯叶值,并对状态数据进行分析,并将得到的治理信号和正常信号经生长评估平台发送至管理单元;
评估分析单元在接收到土壤影响系数TW时,立即对土壤影响系数TW进行深入式分析,并将得到的一级生长风险信号、二级生长风险信号以及三级生长风险信号发送至预警单元,预警单元在接收到一级生长风险信号、二级生长风险信号以及三级风险信号后,立即做出一级生长风险信号、二级生长风险信号以及三级风险信号所对应的预设预警方案;
所述土质监管反馈单元的土壤数据分析过程如下:
步骤一:采集到户外苗木种植区苗木种植后一段时间的时长,并将其标记为时间阈值,将苗木种植区域划分为k个子区域块,k为大于零的自然数,在各个子区域块内设置湿度采集点,获取到时间阈值内各个子区域块湿度采集点所采集的湿度值,并将湿度值与预设湿度值区间进行比对分析,将湿度值位于预设湿度值区间之外所对应的区域标记为风险区域,同时生成风险信号,将湿度值位于预设湿度值阈值之内所对应的区域标记为正常区域,获取到风险区域和正常区域的个数,以此获取到风险区域的个数与正常区域的个数的比值,并将其标记为土壤湿度比TS;
步骤二:获取到时间阈值内各个子区域块中土壤的含氧值,获取到含氧值小于预设含氧值阈值所对应的子区域块,并将其标记为缺氧区域块,获取到时间阈值内缺氧区域块的平均含氧值,并将平均含氧值与预设达标平均含氧值阈值进行比对分析,进而获取到平均含氧值少于预设达标平均含氧值阈值的部分,并将其标记为风险缺氧值,同时获取到缺氧区域块的总个数,并将缺氧区域块的总个数与风险缺氧值的积标记为风险含氧系数FO;
步骤三:获取到时间阈值内各个子区域块中土壤的重金属含量值,获取到重金属含量值超出预设重金属含量值阈值所对应的部分,并将其标记为重金属污染值,构建重金属污染值的集合B,获取到集合B中的最大子集和最小子集,并将最大子集和最小子集之间的差值标记为最大金属污染跨度值ZW;
所述土质监管反馈单元的土壤数据比对分析过程如下:
并经过公式得到土壤影响系数TW,其中,a1、a2以及a3分别为土壤湿度比、风险含氧系数以及最大金属污染跨度值的预设比例系数,a4为预设修正因子,取值为1.392,a1、a2以及a3均为大于零的正数,并将土壤影响系数TW与其内部录入存储的预设土壤影响系数区间进行比对分析:
若土壤影响系数TW大于预设土壤影响系数区间中的最大值,则生成一级影响信号;
若土壤影响系数TW位于预设土壤影响系数区间之内,则生成二级影响信号;
若土壤影响系数TW小于预设土壤影响系数区间中的最小值,则生成三级影响信号;
所述验证校准分析单元的运行温度值分析过程如下:
获取到时间阈值内风险区域内各个湿度传感器的运行温度值,并将运行温度值与其内部录入存储的预设运行温度值阈值进行比对分析,若运行温度值大于等于预设运行温度值阈值,则获取到运行温度值超出预设运行温度值阈值所对应的湿度传感器在时间阈值内的工作电流变化曲线图,并从工作电流变化曲线图中获取到湿度传感器的最大工作电流值,并将最大工作电流值与其内部录入存储的预设安全工作电流值进行比对分析:
若最大工作电流值小于等于预设安全工作电流值,则不生成任何信号;
若最大工作电流值大于预设安全工作电流值,则生成异常信号;
所述生长状态监管单元的状态数据分析过程如下:
第一步:获取到时间阈值内各个子区域块内各个苗木的生成高度,进而获取到各个子区域块内各个苗木去除最大生成高度和最小生成高度后的均值,并将其标记为整合生成高度值,标号为GDi,构建整合生成高度值GDi的集合A{GD1,GD2,GD3,…,GDi},进而获取到时间阈值内集合A中的最大子集和最小子集,并将最大子集和最小子集之间的差值标记为最大整合高度值ZG;
第二步:获取到时间阈值内各个子区域块内各个苗木的枯叶值,枯叶值指的是苗木树叶颜色带有黄色的叶子,进而获取到各个子区域块内苗木的平均枯叶值,构建平均枯叶值的集合B,获取到集合B中平均枯叶值大于预设平均枯叶值阈值所对应子集的个数,以此获取到大于预设平均枯叶值阈值所对应子集的总个数与所有子集的比值,并将其标记为异常比YB,并将最大整合高度值ZG和异常比YB与其内部录入存储的预设最大整合高度值阈值和预设异常比阈值进行比对分析:
若最大整合高度值ZG小于预设最大整合高度值阈值,且异常比YB小于预设异常比阈值,则生成正常信号;
若最大整合高度值ZG大于等于预设最大整合高度值阈值,或异常比YB大于等于预设异常比阈值,则生成治理信号;
所述评估分析单元的土壤影响系数TW深入式分析过程如下:
S1:获取到时间阈值内土壤影响系数TW,同时从生长状态监管单元调取最大整合高度值ZG和异常比YB,并经过公式得到生长状态系数SZ,其中,b1和b2分别为最大整合高度值和异常比预设权重因子系数,b3为预设补偿修正系数,取值为1.682,b1和b2均为大于零的正数;
S2:并经过公式得到生长风险评估系数,其中,c1和c2分别为生长状态系数和土壤影响系数的预设比例因子系数,c1和c2均为大于零的正数,c3为预设偏差补偿系数,取值为1.968,P为生长风险评估系数,并将生长风险评估系数P与其内部录入存储的预设生长风险评估系数区间进行比对分析:
若生长风险评估系数P大于预设生长风险评估系数区间中的最大值,则生成一级生长风险信号;若生长风险评估系数P位于预设生长风险评估系数区间之内,则生成二级生长风险信号;若生长风险评估系数P小于预设生长风险评估系数区间中的最小值,则生成三级生长风险信号。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310319748.7A CN116384743B (zh) | 2023-03-29 | 2023-03-29 | 一种基于生态数据分析的植物生长风险评估系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310319748.7A CN116384743B (zh) | 2023-03-29 | 2023-03-29 | 一种基于生态数据分析的植物生长风险评估系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116384743A CN116384743A (zh) | 2023-07-04 |
CN116384743B true CN116384743B (zh) | 2024-01-19 |
Family
ID=86974386
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310319748.7A Active CN116384743B (zh) | 2023-03-29 | 2023-03-29 | 一种基于生态数据分析的植物生长风险评估系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116384743B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116776129B (zh) * | 2023-08-22 | 2023-10-31 | 贵州中昂科技有限公司 | 一种多源农业数据的采集管理方法 |
CN117155703B (zh) * | 2023-10-26 | 2024-04-02 | 西安长盛信安信息技术有限公司 | 一种网络安全测试评估系统及方法 |
CN117540934B (zh) * | 2024-01-08 | 2024-04-05 | 山东科翔智能科技有限公司 | 基于数据分析的小麦生长周期智能监管系统 |
CN117787567A (zh) * | 2024-02-23 | 2024-03-29 | 山东省国土空间生态修复中心(山东省地质灾害防治技术指导中心、山东省土地储备中心) | 一种耕地土壤质量分析评价方法、设备及存储介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109427178A (zh) * | 2017-08-30 | 2019-03-05 | 丁立伟 | 一种用于植物养殖的温湿度预警方法和系统 |
CN109425386A (zh) * | 2017-08-30 | 2019-03-05 | 丁立伟 | 一种用于植物养殖的疾病预警方法和系统 |
RU2704100C1 (ru) * | 2018-07-06 | 2019-10-23 | Федеральное государственное бюджетное образовательное учреждение высшего образования "Московский государственный университет имени М.В. Ломоносова" (МГУ) | Способ оценки аллелопатического почвоутомления для конкретных культур |
CN112581083A (zh) * | 2020-12-14 | 2021-03-30 | 浙江弄潮儿智慧科技有限公司 | 一种基于卫星技术的林木生长监测系统 |
CN115067243A (zh) * | 2022-07-07 | 2022-09-20 | 武汉很多鱼钓具有限公司 | 一种基于物联网技术的渔业监测分析方法、系统及存储介质 |
CN115311828A (zh) * | 2022-10-12 | 2022-11-08 | 江苏筑升土木工程科技有限公司 | 基于数字孪生的水下工程结构智能检测方法及系统 |
CN115825393A (zh) * | 2022-12-13 | 2023-03-21 | 云南大学 | 一种重金属污染土壤生态风险评估方法 |
CN115828518A (zh) * | 2022-11-02 | 2023-03-21 | 海南省林业科学研究院(海南省红树林研究院) | 一种基于气候和土壤模拟植被生产力空间格局的系统 |
CN115864658A (zh) * | 2023-02-27 | 2023-03-28 | 山东泰顺电气有限责任公司 | 一种基于数据分析的电力远动智能监控系统 |
-
2023
- 2023-03-29 CN CN202310319748.7A patent/CN116384743B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109427178A (zh) * | 2017-08-30 | 2019-03-05 | 丁立伟 | 一种用于植物养殖的温湿度预警方法和系统 |
CN109425386A (zh) * | 2017-08-30 | 2019-03-05 | 丁立伟 | 一种用于植物养殖的疾病预警方法和系统 |
RU2704100C1 (ru) * | 2018-07-06 | 2019-10-23 | Федеральное государственное бюджетное образовательное учреждение высшего образования "Московский государственный университет имени М.В. Ломоносова" (МГУ) | Способ оценки аллелопатического почвоутомления для конкретных культур |
CN112581083A (zh) * | 2020-12-14 | 2021-03-30 | 浙江弄潮儿智慧科技有限公司 | 一种基于卫星技术的林木生长监测系统 |
CN115067243A (zh) * | 2022-07-07 | 2022-09-20 | 武汉很多鱼钓具有限公司 | 一种基于物联网技术的渔业监测分析方法、系统及存储介质 |
CN115311828A (zh) * | 2022-10-12 | 2022-11-08 | 江苏筑升土木工程科技有限公司 | 基于数字孪生的水下工程结构智能检测方法及系统 |
CN115828518A (zh) * | 2022-11-02 | 2023-03-21 | 海南省林业科学研究院(海南省红树林研究院) | 一种基于气候和土壤模拟植被生产力空间格局的系统 |
CN115825393A (zh) * | 2022-12-13 | 2023-03-21 | 云南大学 | 一种重金属污染土壤生态风险评估方法 |
CN115864658A (zh) * | 2023-02-27 | 2023-03-28 | 山东泰顺电气有限责任公司 | 一种基于数据分析的电力远动智能监控系统 |
Also Published As
Publication number | Publication date |
---|---|
CN116384743A (zh) | 2023-07-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116384743B (zh) | 一种基于生态数据分析的植物生长风险评估系统 | |
CN111624037A (zh) | 一种基于大数据的水产养殖业水体环境智能监测系统 | |
CN110109193B (zh) | 一种基于drnn神经网络的茄子温室温度智能化检测装置 | |
CN104200113A (zh) | 基于高斯过程的物联网数据不确定性度量、预测与野值剔除方法 | |
CN115456479B (zh) | 一种基于物联网的智慧农业大棚环境监测系统 | |
Clawson et al. | Growth analysis of soybean isolines differing in pubescence density 1 | |
CN107103395B (zh) | 一种农作物虫害短期预警方法 | |
CN112923727B (zh) | 一种基于温度趋势特征提取的焙烧炉实时炉况评估方法 | |
CN112288698A (zh) | 一种基于大数据的水稻种植水稻生长监测分析管理系统 | |
CN114169242A (zh) | 一种基于参数不确定性分析河道生态增氧的智能控制算法 | |
CN116452358A (zh) | 基于物联网的智慧农业管理系统 | |
CN116579615A (zh) | 一种基于无人机遥感的植被覆盖监测系统 | |
CN116562623A (zh) | 一种适用于鹿茸菇种植的实时种植风险评估系统 | |
CN115034617A (zh) | 一种面向农业信息一体化的云计算系统 | |
CN116523174A (zh) | 基于自组织神经网络的污水处理厂工况评估方法及系统 | |
CN113112147A (zh) | 一种基于地面实测与遥感协同的柑橘黄龙病风险评估方法 | |
CN114295162A (zh) | 一种基于数据采集的环境监测系统 | |
CN111768044B (zh) | 一种棉花苗期棉蚜数量监测方法及系统 | |
CN117540934B (zh) | 基于数据分析的小麦生长周期智能监管系统 | |
CN117436710B (zh) | 一种基于作物模型的干旱评估方法 | |
CN109948535A (zh) | 一种作物种子生产主要生育期肥水条件的智慧监控方法 | |
CN117807549B (zh) | 一种农田土壤肥力评价方法及系统 | |
CN115997645B (zh) | 一种农业智能灌溉闸门 | |
CN113821895B (zh) | 输电线路覆冰厚度预测模型的构建方法、装置及存储介质 | |
CN113159605B (zh) | 基于逻辑回归的化工装置智能化报警方法及系统 |
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 |