CN117408430A - 一种基于大数据的农业种植用土壤改良评估系统 - Google Patents

一种基于大数据的农业种植用土壤改良评估系统 Download PDF

Info

Publication number
CN117408430A
CN117408430A CN202311485395.4A CN202311485395A CN117408430A CN 117408430 A CN117408430 A CN 117408430A CN 202311485395 A CN202311485395 A CN 202311485395A CN 117408430 A CN117408430 A CN 117408430A
Authority
CN
China
Prior art keywords
soil
improvement
sampling
area
module
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202311485395.4A
Other languages
English (en)
Inventor
宛蓉
王伟
许雯淇
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.)
Beijing Speed Spacetime Information Co ltd
Original Assignee
Beijing Speed Spacetime Information 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 Beijing Speed Spacetime Information Co ltd filed Critical Beijing Speed Spacetime Information Co ltd
Priority to CN202311485395.4A priority Critical patent/CN117408430A/zh
Publication of CN117408430A publication Critical patent/CN117408430A/zh
Pending legal-status Critical Current

Links

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
    • 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
    • G06Q10/10—Office automation; Time management
    • G06Q10/103—Workflow collaboration or project management
    • 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

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Data Mining & Analysis (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Game Theory and Decision Science (AREA)
  • Life Sciences & Earth Sciences (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

本发明公开了一种基于大数据的农业种植用土壤改良评估系统，属于土壤改良评估系统领域，包括土壤初次采集模块、土壤初次检测分析模块、改良方法确定模块、区域划分与改良模块、土壤二次采集模块、比对分析模块、评估结果生成模块、采样有效性评估模块、大数据平台与数据导入模块；所述土壤初次采集模块用于采集土地还未改良前的样本；所述土壤初次检测分析模块用于检测分析初次采集的土壤样本，确定土壤指标。本发明，能够先筛选出与待改良土壤指标相似的成功案例，再用这些成功案例的改良方案分区域对待改良土壤进行改良，最后评估出最适合种植的区域及其对应的改良方案，从而选取出最佳的土壤改良方案。

Description

一种基于大数据的农业种植用土壤改良评估系统
技术领域
本发明涉及一种土壤改良评估系统，具体是一种基于大数据的农业种植用土壤改良评估系统。
背景技术
土壤改良，就是要排除或防治影响农作物生育和引起土壤退化等不利因素，改善土壤性状，提高土壤肥力，为农作物创造良好土壤环境。土壤改良可以增加土壤中微生物和有机质的含量，提高地力，增产增收。近年来，人们为了增加产量，省时省力，种植农作物的时候都使用的是化肥，化肥短时间内效果显著，但是破坏了土壤的理化性质，不利于农业的长期发展，必须增施有机肥进行土壤改良，才能保证农业的持续发展。
土壤改良的方式有很多种，常见的是微生物法、植物法、上肥法、添加剂法、排土客土法，但不同的土壤指标需要采用不同的改良方案，若是采用的改良方案不恰当，容易导致土壤改良效果大幅度下降，严重影响后期的农业种植，为此，如何选取合适的土壤改良方案并在土壤改良后评估各个改良方案的效果，选取出最佳的土壤改良方案是目前急需解决的难题。
因此，本领域技术人员提供了一种基于大数据的农业种植用土壤改良评估系统，以解决上述背景技术中提出的问题。
发明内容
本发明的目的在于提供一种基于大数据的农业种植用土壤改良评估系统，能够先筛选出与待改良土壤指标相似的成功案例，再用这些成功案例的改良方案分区域对待改良土壤进行改良，最后评估出最适合种植的区域及其对应的改良方案，从而选取出最佳的土壤改良方案，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：
一种基于大数据的农业种植用土壤改良评估系统，包括土壤初次采集模块、土壤初次检测分析模块、改良方法确定模块、区域划分与改良模块、土壤二次采集模块、比对分析模块、评估结果生成模块、采样有效性评估模块、大数据平台与数据导入模块；所述土壤初次采集模块用于采集土地还未改良前的样本；所述土壤初次检测分析模块用于检测分析初次采集的土壤样本，确定土壤指标，其中，土壤指标包括PH值、营养元素含量、有机质含量、水分含量、土壤结构、微生物活性、土壤容重以及土壤饱和度；所述改良方法确定模块用于根据确定的土壤指标从大数据平台筛选出相应的土壤成功改良所采用的所有方案，各个方案标记为Ai，i＝1···n，n为正整数；所述区域划分与改良模块用于将待改良土地划分为n个区域，每个区域实施一种改良方案；所述土壤二次采集模块用于确定各个区域的采样点数量，再根据采样点数量采集各个区域土地改良后的样本并进行混合；所述土壤二次采集模块用于检测分析二次采集的土壤样本，确定土壤指标；所述比对分析模块用于接收数据导入模块传来的待种植作物需求土壤指标，并将待种植作物需求土壤指标与各个区域改良后的土壤指标进行比对分析，评估确定最适合种植的区域；所述评估结果生成模块用于生成最佳的土壤改良方案，即将确定的最适合种植的区域所采用的的改良方案作为最佳的土壤改良方案；所述采样有效性评估模块用于对土壤二次采集中的采样数据进行分析评估，若评估不合格则安排重新采样。
作为本发明进一步的方案：所述土壤二次采集模块确定各个区域的采样点数量的具体过程如下：
将对应Ai的各个区域标记为Bi，i＝1···n；
将Bi的面积标记为Ci，再将预设面积标记为C预设；
将Ci与C预设进行比对，若Ci＝C预设，则在该Ci对应的Bi区域设立X个取样点，否则进入下一步骤；
若Ci＜C预设，则计算C预设与Ci的差值大小，每相差一百平方米则减去一个采样点，即设立X-(C预设-Ci)/100个采样点；
若Ci＞C预设，则计算Ci与C预设的差值大小，每相差一百平方米则加上一个采样点，即设立X+(Ci-C预设)/100个采样点。
作为本发明再进一步的方案：所述采样有效性评估模块包括：
无人机单元，用于采集各个区域采样人员的采样数据，采样数据包括采样点图像与采样环境信息，其中，采样环境信息包括温度，气压，风速，湿度；
数据接收单元，用于接收采样点图像与采样环境信息；
数据分析单元，用于构建分析模型，输出分析结果；
结果输出单元，用于根据分析结果输出是否需要重新采样，若分析结果为合格则不需要重新采样，若分析结果为不合格则需要重新采样。
作为本发明再进一步的方案：所述分析模型的具体分析过程为：
构建采样点位置分析子模型，输出分析结果，其中，采样点位置分析子模型的具体分析过程为：
(1)、根据采集到的采样点图像将各个区域Bi的采样点位置标记为Pj，j＝1···m，m为正整数；
(2)、将每一个Pj与其余各个Pj进行连线，以最外围的连线轮廓作为采样区域边界线；
(3)、根据确定的采样区域边界线计算采样区域的面积，标记为C采样；
(4)、将C采样与对应的Ci进行比对，若Ci与C采样的差值大于预设值则输出采样点不合格，否则进入下一步骤；
(5)、将Pj与其余各个Pj之间的距离标记为Qj，j＝1···m-1；
(6)、将Qj与预设值进行比对，若Qj大于预设值则输出采样点不合格，若Qj小于等于预设值则输出采样点合格；
构建采样环境信息分析子模型，输出分析结果，其中，采样环境信息分析子模型的具体分析过程为：
1)、将采集的温度值与预设温度范围区间进行匹配，若采集的温度值未落入预设温度范围区间，则输出采样环境不合格，若采集的温度值落入预设温度范围区间则进入下一步骤；
2)、将采集的气压值与预设气压范围区间进行匹配，若采集的气压值未落入预设气压范围区间，则输出采样环境不合格，若采集的气压值落入预设气压范围区间则进入下一步骤；
3)、将采集的风速值与预设风速范围区间进行匹配，若采集的风速值未落入预设风速范围区间，则输出采样环境不合格，若采集的风速值落入预设风速范围区间则进入下一步骤；
4)、将采集的湿度值与预设湿度范围区间进行匹配，若采集的湿度值未落入预设湿度范围区间，则输出采样环境不合格，若采集的湿度值落入预设湿度范围区间则输出采样环境合格；
若采样点位置分析子模型与采样环境信息分析子模型的分析结果均为合格，则输出分析模型的分析结果为合格，否则，输出分析模型的分析结果为不合格。
作为本发明再进一步的方案：所述筛选改良方案的具体过程为：
将土壤初次检测分析确定的土壤指标标记为R实时；
将大数据平台中各个土壤改良案例未改良前的土壤指标标记为Ri，i＝1···k，k为正整数；
将R实时与Ri进行相似度比对，并将比对的相似度按照从高到低的顺序进行排列；
筛选出相似度最高的前n个土壤改良案例；
输出筛选出来的土壤改良案例所采用的改良方案。
作为本发明再进一步的方案：所述R实时与Ri进行相似度比对的过程中采用单独比对，即将R实时的PH值与Ri的PH值进行单独比对，得到相似度值Z1；将R实时的营养元素含量与Ri的营养元素含量进行单独比对，得到相似度值Z2；将R实时的有机质含量与Ri的有机质含量进行单独比对，得到相似度值Z3；将R实时的水分含量与Ri的水分含量进行单独比对，得到相似度值Z4；将R实时的土壤结构与Ri的土壤结构进行单独比对，得到相似度值Z5；将R实时的微生物活性与Ri的微生物活性进行单独比对，得到相似度值Z6；将R实时的土壤容重与Ri的土壤容重进行单独比对，得到相似度值Z7；将R实时的土壤饱和度与Ri的土壤饱和度进行单独比对，得到相似度值Z8；再计算平均相似度Z平均＝(Z1+Z2+Z3+Z4+Z5+Z6+Z7+Z8)/8，输出Z平均作为R实时与Ri比对的相似度。
作为本发明再进一步的方案：所述比对分析模块评估确定最适合种植的区域的具体过程为：
对待种植作物需求土壤指标进行标记，即将待种植作物需求土壤指标中的PH值标记为V1，将待种植作物需求土壤指标中的营养元素含量标记为V2，将待种植作物需求土壤指标中的有机质含量标记为V3，将待种植作物需求土壤指标中的水分含量标记为V4，将待种植作物需求土壤指标中的土壤结构标记为V5，将待种植作物需求土壤指标中的微生物活性标记为V6，将待种植作物需求土壤指标中的土壤容重标记为V7，将待种植作物需求土壤指标中的土壤饱和度标记为V8；
对各个区域改良后的土壤指标进行标记，即将各个区域改良后的土壤指标中的PH值标记为v1，将各个区域改良后的土壤指标中的营养元素含量标记为v2，将各个区域改良后的土壤指标中的有机质含量标记为v3，将各个区域改良后的土壤指标中的水分含量标记为v4，将各个区域改良后的土壤指标中的土壤结构标记为v5，将各个区域改良后的土壤指标中的微生物活性标记为v6，将各个区域改良后的土壤指标中的土壤容重标记为v7，将各个区域改良后的土壤指标中的土壤饱和度标记为v8；
将V1-V8分别与v1-v8进行相似度比对，得到相似度z1、z2、z3、z4、z5、z6、z7、z8；
计算平均相似度z平均＝(z1+z2+z3+z4+z5+z6+z7+z8)/8，将z平均最高的区域确定最适合种植的区域。
作为本发明再进一步的方案：所述数据导入模块导入的待种植作物需求土壤指标可根据工作人员需要自行设置。
与现有技术相比，本发明的有益效果是：
1、本申请能够先筛选出与待改良土壤指标相似的成功案例，再用这些成功案例的改良方案分区域对待改良土壤进行改良，最后评估出最适合种植的区域及其对应的改良方案，从而选取出最佳的土壤改良方案。
2、本申请可根据之前划分的采样区域的面积大小分配不同数量的采样点，从而避免面积过小的采样区域采样次数过多降低采样速度，也避免了面积过大的采样区域采样次数过少影响采样精度，提高采样数据的精准性与全面性。
3、现场采样在土壤评估中具有十分重要的地位，也是必须要完成的工作之一，对整个评估工作而言，是其重要的基础条件，现场采样的水平及质量也是起着举足轻重的作用，如果采样的土壤不具有代表性则会严重影响后期对土壤改良的检测与评估，本申请的采样有效性评估模块能够剔除无效的采样数据重新采样，从而避免影响后续土壤检测精度，其中，构建的采样点位置分析子模型能够有效判断采样人员对于采样点的确定是否合理，避免采样人员偷懒集中在某一片土壤进行检测，从而避免因采样点过于集中不具有代表性，而构建的采样环境信息分析子模型能够剔除掉恶劣环境下采集的土壤样本，避免因恶劣环境导致的土壤样本不具有代表性。
附图说明
图1为一种基于大数据的农业种植用土壤改良评估系统的结构框图。
具体实施方式
为了更好的理解上述技术方案，下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。
请参阅图1，本发明实施例中，一种基于大数据的农业种植用土壤改良评估系统，包括土壤初次采集模块、土壤初次检测分析模块、改良方法确定模块、区域划分与改良模块、土壤二次采集模块、比对分析模块、评估结果生成模块、采样有效性评估模块、大数据平台与数据导入模块；所述土壤初次采集模块用于采集土地还未改良前的样本；所述土壤初次检测分析模块用于检测分析初次采集的土壤样本，确定土壤指标，其中，土壤指标包括PH值、营养元素含量、有机质含量、水分含量、土壤结构、微生物活性、土壤容重以及土壤饱和度；所述改良方法确定模块用于根据确定的土壤指标从大数据平台筛选出相应的土壤成功改良所采用的所有方案，各个方案标记为Ai，i＝1···n，n为正整数；所述区域划分与改良模块用于将待改良土地划分为n个区域，每个区域实施一种改良方案；所述土壤二次采集模块用于确定各个区域的采样点数量，再根据采样点数量采集各个区域土地改良后的样本并进行混合；所述土壤二次采集模块用于检测分析二次采集的土壤样本，确定土壤指标；所述比对分析模块用于接收数据导入模块传来的待种植作物需求土壤指标，并将待种植作物需求土壤指标与各个区域改良后的土壤指标进行比对分析，评估确定最适合种植的区域；所述评估结果生成模块用于生成最佳的土壤改良方案，即将确定的最适合种植的区域所采用的的改良方案作为最佳的土壤改良方案；所述采样有效性评估模块用于对土壤二次采集中的采样数据进行分析评估，若评估不合格则安排重新采样。本申请能够先筛选出与待改良土壤指标相似的成功案例，再用这些成功案例的改良方案分区域对待改良土壤进行改良，最后评估出最适合种植的区域及其对应的改良方案，从而选取出最佳的土壤改良方案。
在本实施例中：所述土壤二次采集模块确定各个区域的采样点数量的具体过程如下：将对应Ai的各个区域标记为Bi，i＝1···n；将Bi的面积标记为Ci，再将预设面积标记为C预设；将Ci与C预设进行比对，若Ci＝C预设，则在该Ci对应的Bi区域设立X个取样点，否则进入下一步骤；若Ci＜C预设，则计算C预设与Ci的差值大小，每相差一百平方米则减去一个采样点，即设立X-(C预设-Ci)/100个采样点；若Ci＞C预设，则计算Ci与C预设的差值大小，每相差一百平方米则加上一个采样点，即设立X+(Ci-C预设)/100个采样点。该设置可根据之前划分的采样区域的面积大小分配不同数量的采样点，从而避免面积过小的采样区域采样次数过多降低采样速度，也避免了面积过大的采样区域采样次数过少影响采样精度，提高采样数据的精准性与全面性。
在本实施例中：所述采样有效性评估模块包括：无人机单元，用于采集各个区域采样人员的采样数据，采样数据包括采样点图像与采样环境信息，其中，采样环境信息包括温度，气压，风速，湿度；数据接收单元，用于接收采样点图像与采样环境信息；数据分析单元，用于构建分析模型，输出分析结果；结果输出单元，用于根据分析结果输出是否需要重新采样，若分析结果为合格则不需要重新采样，若分析结果为不合格则需要重新采样。采样有效性评估模块能够剔除无效的采样数据重新采样，从而避免影响后续土壤检测精度。
在本实施例中：所述分析模型的具体分析过程为：构建采样点位置分析子模型，输出分析结果，其中，采样点位置分析子模型的具体分析过程为：
(1)、根据采集到的采样点图像将各个区域Bi的采样点位置标记为Pj，j＝1···m，m为正整数；
(2)、将每一个Pj与其余各个Pj进行连线，以最外围的连线轮廓作为采样区域边界线；
(3)、根据确定的采样区域边界线计算采样区域的面积，标记为C采样；
(4)、将C采样与对应的Ci进行比对，若Ci与C采样的差值大于预设值则输出采样点不合格，否则进入下一步骤；
(5)、将Pj与其余各个Pj之间的距离标记为Qj，j＝1···m-1；
(6)、将Qj与预设值进行比对，若Qj大于预设值则输出采样点不合格，若Qj小于等于预设值则输出采样点合格；
构建采样环境信息分析子模型，输出分析结果，其中，采样环境信息分析子模型的具体分析过程为：
1)、将采集的温度值与预设温度范围区间进行匹配，若采集的温度值未落入预设温度范围区间，则输出采样环境不合格，若采集的温度值落入预设温度范围区间则进入下一步骤；
2)、将采集的气压值与预设气压范围区间进行匹配，若采集的气压值未落入预设气压范围区间，则输出采样环境不合格，若采集的气压值落入预设气压范围区间则进入下一步骤；
3)、将采集的风速值与预设风速范围区间进行匹配，若采集的风速值未落入预设风速范围区间，则输出采样环境不合格，若采集的风速值落入预设风速范围区间则进入下一步骤；
4)、将采集的湿度值与预设湿度范围区间进行匹配，若采集的湿度值未落入预设湿度范围区间，则输出采样环境不合格，若采集的湿度值落入预设湿度范围区间则输出采样环境合格；
若采样点位置分析子模型与采样环境信息分析子模型的分析结果均为合格，则输出分析模型的分析结果为合格，否则，输出分析模型的分析结果为不合格。现场采样在土壤评估中具有十分重要的地位，也是必须要完成的工作之一，对整个评估工作而言，是其重要的基础条件，现场采样的水平及质量也是起着举足轻重的作用，如果采样的土壤不具有代表性则会严重影响后期对土壤改良的检测与评估，本申请的采样有效性评估模块能够剔除无效的采样数据重新采样，从而避免影响后续土壤检测精度，其中，构建的采样点位置分析子模型能够有效判断采样人员对于采样点的确定是否合理，避免采样人员偷懒集中在某一片土壤进行检测，从而避免因采样点过于集中不具有代表性，而构建的采样环境信息分析子模型能够剔除掉恶劣环境下采集的土壤样本，避免因恶劣环境导致的土壤样本不具有代表性。
在本实施例中：所述筛选改良方案的具体过程为：将土壤初次检测分析确定的土壤指标标记为R实时；将大数据平台中各个土壤改良案例未改良前的土壤指标标记为Ri，i＝1···k，k为正整数；将R实时与Ri进行相似度比对，并将比对的相似度按照从高到低的顺序进行排列；筛选出相似度最高的前n个土壤改良案例；输出筛选出来的土壤改良案例所采用的改良方案。该设置能够快速筛选出符合待改良土壤指标的改良方案。
在本实施例中：所述R实时与Ri进行相似度比对的过程中采用单独比对，即将R实时的PH值与Ri的PH值进行单独比对，得到相似度值Z1；将R实时的营养元素含量与Ri的营养元素含量进行单独比对，得到相似度值Z2；将R实时的有机质含量与Ri的有机质含量进行单独比对，得到相似度值Z3；将R实时的水分含量与Ri的水分含量进行单独比对，得到相似度值Z4；将R实时的土壤结构与Ri的土壤结构进行单独比对，得到相似度值Z5；将R实时的微生物活性与Ri的微生物活性进行单独比对，得到相似度值Z6；将R实时的土壤容重与Ri的土壤容重进行单独比对，得到相似度值Z7；将R实时的土壤饱和度与Ri的土壤饱和度进行单独比对，得到相似度值Z8；再计算平均相似度Z平均＝(Z1+Z2+Z3+Z4+Z5+Z6+Z7+Z8)/8，输出Z平均作为R实时与Ri比对的相似度。该设置有效提高对比的精准度。
在本实施例中：所述比对分析模块评估确定最适合种植的区域的具体过程为：对待种植作物需求土壤指标进行标记，即将待种植作物需求土壤指标中的PH值标记为V1，将待种植作物需求土壤指标中的营养元素含量标记为V2，将待种植作物需求土壤指标中的有机质含量标记为V3，将待种植作物需求土壤指标中的水分含量标记为V4，将待种植作物需求土壤指标中的土壤结构标记为V5，将待种植作物需求土壤指标中的微生物活性标记为V6，将待种植作物需求土壤指标中的土壤容重标记为V7，将待种植作物需求土壤指标中的土壤饱和度标记为V8；对各个区域改良后的土壤指标进行标记，即将各个区域改良后的土壤指标中的PH值标记为v1，将各个区域改良后的土壤指标中的营养元素含量标记为v2，将各个区域改良后的土壤指标中的有机质含量标记为v3，将各个区域改良后的土壤指标中的水分含量标记为v4，将各个区域改良后的土壤指标中的土壤结构标记为v5，将各个区域改良后的土壤指标中的微生物活性标记为v6，将各个区域改良后的土壤指标中的土壤容重标记为v7，将各个区域改良后的土壤指标中的土壤饱和度标记为v8；将V1-V8分别与v1-v8进行相似度比对，得到相似度z1、z2、z3、z4、z5、z6、z7、z8；计算平均相似度z平均＝(z1+z2+z3+z4+z5+z6+z7+z8)/8，将z平均最高的区域确定最适合种植的区域。该设置能够快速有效的确定最适合种植的区域。
在本实施例中：所述数据导入模块导入的待种植作物需求土壤指标可根据工作人员需要自行设置。
本发明能够先筛选出与待改良土壤指标相似的成功案例，再用这些成功案例的改良方案分区域对待改良土壤进行改良，最后评估出最适合种植的区域及其对应的改良方案，从而选取出最佳的土壤改良方案。此外，本申请可根据之前划分的采样区域的面积大小分配不同数量的采样点，从而避免面积过小的采样区域采样次数过多降低采样速度，也避免了面积过大的采样区域采样次数过少影响采样精度，提高采样数据的精准性与全面性。需要说明的是，现场采样在土壤评估中具有十分重要的地位，也是必须要完成的工作之一，对整个评估工作而言，是其重要的基础条件，现场采样的水平及质量也是起着举足轻重的作用，如果采样的土壤不具有代表性则会严重影响后期对土壤改良的检测与评估，本申请的采样有效性评估模块能够剔除无效的采样数据重新采样，从而避免影响后续土壤检测精度，其中，构建的采样点位置分析子模型能够有效判断采样人员对于采样点的确定是否合理，避免采样人员偷懒集中在某一片土壤进行检测，从而避免因采样点过于集中不具有代表性，而构建的采样环境信息分析子模型能够剔除掉恶劣环境下采集的土壤样本，避免因恶劣环境导致的土壤样本不具有代表性。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
以上所述的，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 (8)

1.一种基于大数据的农业种植用土壤改良评估系统，其特征在于，包括土壤初次采集模块、土壤初次检测分析模块、改良方法确定模块、区域划分与改良模块、土壤二次采集模块、比对分析模块、评估结果生成模块、采样有效性评估模块、大数据平台与数据导入模块；
所述土壤初次采集模块用于采集土地还未改良前的样本；所述土壤初次检测分析模块用于检测分析初次采集的土壤样本，确定土壤指标，其中，土壤指标包括PH值、营养元素含量、有机质含量、水分含量、土壤结构、微生物活性、土壤容重以及土壤饱和度；所述改良方法确定模块用于根据确定的土壤指标从大数据平台筛选出相应的土壤成功改良所采用的所有方案，各个方案标记为Ai，i＝1···n，n为正整数；所述区域划分与改良模块用于将待改良土地划分为n个区域，每个区域实施一种改良方案；所述土壤二次采集模块用于确定各个区域的采样点数量，再根据采样点数量采集各个区域土地改良后的样本并进行混合；所述土壤二次采集模块用于检测分析二次采集的土壤样本，确定土壤指标；所述比对分析模块用于接收数据导入模块传来的待种植作物需求土壤指标，并将待种植作物需求土壤指标与各个区域改良后的土壤指标进行比对分析，评估确定最适合种植的区域；所述评估结果生成模块用于生成最佳的土壤改良方案，即将确定的最适合种植的区域所采用的的改良方案作为最佳的土壤改良方案；所述采样有效性评估模块用于对土壤二次采集中的采样数据进行分析评估，若评估不合格则安排重新采样。
2.根据权利要求1所述的一种基于大数据的农业种植用土壤改良评估系统，其特征在于，所述土壤二次采集模块确定各个区域的采样点数量的具体过程如下：
将对应Ai的各个区域标记为Bi，i＝1···n；
将Bi的面积标记为Ci，再将预设面积标记为C预设；
将Ci与C预设进行比对，若Ci＝C预设，则在该Ci对应的Bi区域设立X个取样点，否则进入下一步骤；
若Ci＜C预设，则计算C预设与Ci的差值大小，每相差一百平方米则减去一个采样点，即设立X-(C预设-Ci)/100个采样点；
若Ci＞C预设，则计算Ci与C预设的差值大小，每相差一百平方米则加上一个采样点，即设立X+(Ci-C预设)/100个采样点。
3.根据权利要求2所述的一种基于大数据的农业种植用土壤改良评估系统，其特征在于，所述采样有效性评估模块包括：
无人机单元，用于采集各个区域采样人员的采样数据，采样数据包括采样点图像与采样环境信息，其中，采样环境信息包括温度，气压，风速，湿度；
数据接收单元，用于接收采样点图像与采样环境信息；
数据分析单元，用于构建分析模型，输出分析结果；
结果输出单元，用于根据分析结果输出是否需要重新采样，若分析结果为合格则不需要重新采样，若分析结果为不合格则需要重新采样。
4.根据权利要求3所述的一种基于大数据的农业种植用土壤改良评估系统，其特征在于，所述分析模型的具体分析过程为：
构建采样点位置分析子模型，输出分析结果，其中，采样点位置分析子模型的具体分析过程为：
(1)、根据采集到的采样点图像将各个区域Bi的采样点位置标记为Pj，j＝1···m，m为正整数；
(2)、将每一个Pj与其余各个Pj进行连线，以最外围的连线轮廓作为采样区域边界线；
(3)、根据确定的采样区域边界线计算采样区域的面积，标记为C采样；
(4)、将C采样与对应的Ci进行比对，若Ci与C采样的差值大于预设值则输出采样点不合格，否则进入下一步骤；
(5)、将Pj与其余各个Pj之间的距离标记为Qj，j＝1···m-1；
(6)、将Qj与预设值进行比对，若Qj大于预设值则输出采样点不合格，若Qj小于等于预设值则输出采样点合格；
构建采样环境信息分析子模型，输出分析结果，其中，采样环境信息分析子模型的具体分析过程为：
1)、将采集的温度值与预设温度范围区间进行匹配，若采集的温度值未落入预设温度范围区间，则输出采样环境不合格，若采集的温度值落入预设温度范围区间则进入下一步骤；
2)、将采集的气压值与预设气压范围区间进行匹配，若采集的气压值未落入预设气压范围区间，则输出采样环境不合格，若采集的气压值落入预设气压范围区间则进入下一步骤；
3)、将采集的风速值与预设风速范围区间进行匹配，若采集的风速值未落入预设风速范围区间，则输出采样环境不合格，若采集的风速值落入预设风速范围区间则进入下一步骤；
4)、将采集的湿度值与预设湿度范围区间进行匹配，若采集的湿度值未落入预设湿度范围区间，则输出采样环境不合格，若采集的湿度值落入预设湿度范围区间则输出采样环境合格；
若采样点位置分析子模型与采样环境信息分析子模型的分析结果均为合格，则输出分析模型的分析结果为合格，否则，输出分析模型的分析结果为不合格。
5.根据权利要求1所述的一种基于大数据的农业种植用土壤改良评估系统，其特征在于，所述筛选改良方案的具体过程为：
将土壤初次检测分析确定的土壤指标标记为R实时；
将大数据平台中各个土壤改良案例未改良前的土壤指标标记为Ri，i＝1···k，k为正整数；
将R实时与Ri进行相似度比对，并将比对的相似度按照从高到低的顺序进行排列；
筛选出相似度最高的前n个土壤改良案例；
输出筛选出来的土壤改良案例所采用的改良方案。
6.根据权利要求5所述的一种基于大数据的农业种植用土壤改良评估系统，其特征在于，所述R实时与Ri进行相似度比对的过程中采用单独比对，即将R实时的PH值与Ri的PH值进行单独比对，得到相似度值Z1；将R实时的营养元素含量与Ri的营养元素含量进行单独比对，得到相似度值Z2；将R实时的有机质含量与Ri的有机质含量进行单独比对，得到相似度值Z3；将R实时的水分含量与Ri的水分含量进行单独比对，得到相似度值Z4；将R实时的土壤结构与Ri的土壤结构进行单独比对，得到相似度值Z5；将R实时的微生物活性与Ri的微生物活性进行单独比对，得到相似度值Z6；将R实时的土壤容重与Ri的土壤容重进行单独比对，得到相似度值Z7；将R实时的土壤饱和度与Ri的土壤饱和度进行单独比对，得到相似度值Z8；再计算平均相似度Z平均＝(Z1+Z2+Z3+Z4+Z5+Z6+Z7+Z8)/8，输出Z平均作为R实时与Ri比对的相似度。
7.根据权利要求1所述的一种基于大数据的农业种植用土壤改良评估系统，其特征在于，所述比对分析模块评估确定最适合种植的区域的具体过程为：
对待种植作物需求土壤指标进行标记，即将待种植作物需求土壤指标中的PH值标记为V1，将待种植作物需求土壤指标中的营养元素含量标记为V2，将待种植作物需求土壤指标中的有机质含量标记为V3，将待种植作物需求土壤指标中的水分含量标记为V4，将待种植作物需求土壤指标中的土壤结构标记为V5，将待种植作物需求土壤指标中的微生物活性标记为V6，将待种植作物需求土壤指标中的土壤容重标记为V7，将待种植作物需求土壤指标中的土壤饱和度标记为V8；
对各个区域改良后的土壤指标进行标记，即将各个区域改良后的土壤指标中的PH值标记为v1，将各个区域改良后的土壤指标中的营养元素含量标记为v2，将各个区域改良后的土壤指标中的有机质含量标记为v3，将各个区域改良后的土壤指标中的水分含量标记为v4，将各个区域改良后的土壤指标中的土壤结构标记为v5，将各个区域改良后的土壤指标中的微生物活性标记为v6，将各个区域改良后的土壤指标中的土壤容重标记为v7，将各个区域改良后的土壤指标中的土壤饱和度标记为v8；
将V1-V8分别与v1-v8进行相似度比对，得到相似度z1、z2、z3、z4、z5、z6、z7、z8；
计算平均相似度z平均＝(z1+z2+z3+z4+z5+z6+z7+z8)/8，将z平均最高的区域确定最适合种植的区域。
8.根据权利要求1所述的一种基于大数据的农业种植用土壤改良评估系统，其特征在于，所述数据导入模块导入的待种植作物需求土壤指标可根据工作人员需要自行设置。
CN202311485395.4A 2023-11-09 2023-11-09 一种基于大数据的农业种植用土壤改良评估系统 Pending CN117408430A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311485395.4A CN117408430A (zh) 2023-11-09 2023-11-09 一种基于大数据的农业种植用土壤改良评估系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311485395.4A CN117408430A (zh) 2023-11-09 2023-11-09 一种基于大数据的农业种植用土壤改良评估系统

Publications (1)

Publication Number Publication Date
CN117408430A true CN117408430A (zh) 2024-01-16

Family

ID=89492447

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311485395.4A Pending CN117408430A (zh) 2023-11-09 2023-11-09 一种基于大数据的农业种植用土壤改良评估系统

Country Status (1)

Country Link
CN (1) CN117408430A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117910659A (zh) * 2024-03-18 2024-04-19 陕西省环境监测中心站 基于数据融合算法的土壤环境管理系统及方法
CN118504793A (zh) * 2024-07-18 2024-08-16 中色地科矿产勘查股份有限公司 基于粉煤灰对盐碱地进行改良的方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104429209A (zh) * 2014-11-28 2015-03-25 广西壮族自治区农业科学院农业资源与环境研究所 一种甘蔗种植前的土壤改良方法
CN116307383A (zh) * 2023-03-15 2023-06-23 中国烟草总公司重庆市公司烟叶分公司 一种基于生态平衡的土地精细化保育改良方法及系统
CN116784044A (zh) * 2023-08-01 2023-09-22 黑龙江省黑土保护利用研究院 一种提升黑土生态生产功能的方法及系统
CN116918517A (zh) * 2023-08-04 2023-10-24 内蒙古平庄煤业(集团)有限责任公司 一种煤矿排土场土壤改良的施工方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104429209A (zh) * 2014-11-28 2015-03-25 广西壮族自治区农业科学院农业资源与环境研究所 一种甘蔗种植前的土壤改良方法
CN116307383A (zh) * 2023-03-15 2023-06-23 中国烟草总公司重庆市公司烟叶分公司 一种基于生态平衡的土地精细化保育改良方法及系统
CN116784044A (zh) * 2023-08-01 2023-09-22 黑龙江省黑土保护利用研究院 一种提升黑土生态生产功能的方法及系统
CN116918517A (zh) * 2023-08-04 2023-10-24 内蒙古平庄煤业(集团)有限责任公司 一种煤矿排土场土壤改良的施工方法

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117910659A (zh) * 2024-03-18 2024-04-19 陕西省环境监测中心站 基于数据融合算法的土壤环境管理系统及方法
CN117910659B (zh) * 2024-03-18 2024-05-28 陕西省环境监测中心站 基于数据融合算法的土壤环境管理系统及方法
CN118504793A (zh) * 2024-07-18 2024-08-16 中色地科矿产勘查股份有限公司 基于粉煤灰对盐碱地进行改良的方法

Similar Documents

Publication Publication Date Title
CN117408430A (zh) 一种基于大数据的农业种植用土壤改良评估系统
Araujo et al. Impacts of drought on grape yields in Western Cape, South Africa
CN111126662B (zh) 基于大数据的灌溉决策制定方法、装置、服务器和介质
Vanclay et al. Assessing the quality of permanent sample plot databases for growth modelling in forest plantations
CN116681313B (zh) 一种土地综合整治项目监管系统
CN117807549B (zh) 一种农田土壤肥力评价方法及系统
CN112149827A (zh) 基于卫星影像的土壤速效钾分析模型构建系统及方法
CN116188793A (zh) 一种基于卫星遥感影像的紫云英种植面积监测方法
CN107437262B (zh) 作物种植面积预警方法和系统
CN115456476A (zh) 一种基于机器视觉的国土空间规划数据采集分析系统
CN116420487A (zh) 基于人工智能的土壤配肥方法、系统、设备及存储介质
CN113570273A (zh) 一种灌溉耕地统计数据的空间化方法及系统
CN113255999A (zh) 基于多模型的农作物产量评估方法、装置、设备及介质
CN116502050A (zh) 全球通量站点蒸散发观测缺失的动态插补方法与系统
CN116758420A (zh) 一种作物苗情分级遥感监测系统
CN116310771A (zh) 一种耦合遥感的面源污染源识别方法
CN113240340B (zh) 基于模糊分类的大豆种植区分析方法、装置、设备和介质
CN114943493A (zh) 一种耕地质量等别监测评价系统及方法
CN113624778A (zh) 一种基于遥感影像反演的水质污染溯源系统和方法
CN117035471B (zh) 一种基于多植被指数图像的施肥决策方法及系统
Jha et al. Wheat acreage estimation using remote sensing in tarai region of Uttarakhand
CN112365154B (zh) 一种剑麻种植计划子系统以及剑麻种植决策系统
CN117223459B (zh) 一种基于数据分析的肥料自动混配系统
CN116541688B (zh) 一种基于遥感物候/植被信息的稻作灌区田面水氮浓度预测方法
CN118245885A (zh) 一种基于改进输出系数模型的流域氮磷污染估算方法

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