TWI807611B - 農業操作動態調整系統 - Google Patents
農業操作動態調整系統 Download PDFInfo
- Publication number
- TWI807611B TWI807611B TW111102953A TW111102953A TWI807611B TW I807611 B TWI807611 B TW I807611B TW 111102953 A TW111102953 A TW 111102953A TW 111102953 A TW111102953 A TW 111102953A TW I807611 B TWI807611 B TW I807611B
- Authority
- TW
- Taiwan
- Prior art keywords
- environmental characteristic
- environmental
- curve
- information
- analysis module
- Prior art date
Links
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Steroid Compounds (AREA)
- Agricultural Chemicals And Associated Chemicals (AREA)
Abstract
一種農業操作動態調整系統,用以解決習知農業管理系統無法及時應對農作物生長狀況快速變化的問題。係包含:一輸入模組,用於搜集一農作物生長過程的一人為操作資訊及一環境資訊;一資料庫,儲存該農作物每一次生長過程;一分析模組,耦合連接該輸入模組及該資料庫,該分析模組訓練一環境特徵模型,用於模擬一環境特徵指標,該環境特徵指標與該農作物的產量高度相關,該分析模組建立一操作建議模型,係形成一最佳環境特徵曲線及一實際環境特徵曲線,該分析模組產生一操作建議使該實際環境特徵曲線趨近該最佳環境特徵曲線;及一輸出模組,用以輸出該操作建議。
Description
本發明係關於一種農業管理技術,尤其是一種預測環境變化並及時給予操作建議的農業操作動態調整系統。
農作物的產量及品質受到氣候、土壤、水質等環境因素,還有灌溉、施肥、栽種品種等人為因素的影響,傳統的農業技術係仰賴長年累積的經驗在適當的時間點作出相應的處置,以達到最佳的種植結果。惟,近年來氣候變遷導致天氣的變化超出預期,再加上現代化農業集中且規模化生產造成環境破壞,僅依靠經驗法則進行農業操作係難以維持農作物的正常生長。
習知的農業管理系統係藉由天氣觀測及在農地設置的各式感測器,紀錄及分析農作物的生長情形,以給出及時應對的操作建議,例如:澆水、防寒、施肥、設支架等措施,但是,相關的農業操作具有延遲性,當感測器發現環境變化而發出警告提示處理措施時,對應的農業操作所達到的效果可能要數天後才會顯現,例如:澆水及施肥需等待滲入土壤再由農作物根部吸收利用,係無法有效應對突發的環境變化。
有鑑於此,習知的農業管理系統確實仍有加以改善之必要。
為解決上述問題,本發明的目的是提供一種農業操作動態調整
系統,係可以達到農作物的最佳產量。
本發明的次一目的是提供一種農業操作動態調整系統,係可以及時應對環境變化對農作物的影響。
本發明的又一目的是提供一種農業操作動態調整系統,係可以預測農作物環境受農業操作影響的情形。
本發明全文所記載的元件及構件使用「一」或「一個」之量詞,僅是為了方便使用且提供本發明範圍的通常意義;於本發明中應被解讀為包括一個或至少一個,且單一的概念也包括複數的情況,除非其明顯意指其他意思。
本發明的農業操作動態調整系統,包含:一輸入模組,用於搜集一農作物生長過程的一人為操作資訊及一環境資訊;一資料庫,耦合連接該輸入模組,該資料庫接收並儲存該農作物每一次生長的該人為操作資訊、該環境資訊及一產量資訊;一分析模組,分別耦合連接該輸入模組及該資料庫,該分析模組以該資料庫之數筆該人為操作資訊及該環境資訊訓練一環境特徵模型,用於模擬隨時間變化之一環境特徵指標,透過將任一該人為操作資訊或該環境資訊輸入該環境特徵模型的任意時間點使該環境特徵指標在一反應時間內發生變化,該環境特徵指標與該農作物的產量高度相關,該分析模組建立一操作建議模型,係利用該環境特徵模型形成一最佳環境特徵曲線及一實際環境特徵曲線,該最佳環境特徵曲線的對應產量達到極大值,該實際環境特徵曲線係將該輸入模組所收集目前的人為操作資訊及環境資訊輸入該環境特徵模型,以即時模擬該農作物環境受人為操作影響的情形,該分析模組比較該操作建議模型的曲線變化差異,以產生一操作建議,用於動態調整該環境特徵指標在該反應時間內發生變化,使該實際環境特徵曲線趨近該最佳環境特徵曲線;及一輸出模組,耦合連接該分析模組,用以輸出該操作
建議。
據此,本發明的農業操作動態調整系統,藉由該分析模組預測目前栽種的農作物環境受人為操作影響的情形,當環境或人為因素導致預測產量不符合目標產量時,由過往農作物操作及環境資訊所訓練之環境特徵模型,係可以提供抵銷變動因素的操作建議,係具有動態調整該環境特徵指標的曲線變化,以達到最佳環境參數及產量的功效。
其中,該分析模組係由該資料庫之該人為操作資訊選擇至少一種人為操作方法,該至少一種人為操作方法作用於該環境特徵模型時,所造成該環境特徵指標的曲線變化,趨近於該最佳環境特徵曲線與該實際環境特徵曲線之間的變化差異。如此,該資料庫歸納過往環境參數與環境特徵指標的因果關係,係可以提供合適的操作建議,係具有達到最佳產量的功效。
其中,該人為操作資訊包含品種、種植方式、栽種密度、施肥時程、灌溉時程,及其所導致該農作物後續的生長趨勢及最終生長結果,該環境資訊包含該農作物種植地點的日照時數、氣溫、雨量分布、風勢、水文、土質,及其變化對該農作物生長的影響。如此,影響農作物生長的因素及其影響程度係可以被分類整理,係具有提供模擬預測及操作建議所需資訊的功效。
其中,該環境特徵指標在完成一生長週期的過程發生變化,該環境特徵指標在該生長週期的數值對應該農作物的產量。如此,該生長週期代表農作物由種植到收穫的時間,該環境特徵指標係可以指示該農作物在一次種植流程中所發生的狀況,係具有評估農作物受人為操作影響及產量的功效。
其中,該環境特徵指標在該反應時間內的曲線斜率變化係代表受人為操作影響的一反應速度,該環境特徵指標在該反應時間內的曲線下面
積係代表受人為操作影響的一變化量。如此,該環境特徵指標的變化情形係可以透過曲線的幾何特徵數據化,係具有提升模擬結果比較的精確度及效率的功效。
其中,該分析模組比較該最佳環境特徵曲線與該實際環境特徵曲線的該反應時間、該反應速度及該變化量之間的差異,以產生該操作建議。如此,所選擇的操作建議係可以使曲線發生近似的幾何變化,以抵銷該最佳環境特徵曲線與該實際環境特徵曲線之間的差異,係具有調整農作物的環境參數依循最佳環境參數的功效。
1:輸入模組
2:資料庫
3:分析模組
31:環境特徵模型
32:操作建議模型
4:輸出模組
G:環境特徵指標
Gmax:環境特徵指標的極大值
T:生長週期
t:反應時間
S,S1,S2:反應速度
A:變化量
L1:最佳環境特徵曲線
L2:實際環境特徵曲線
〔第1圖〕本發明一較佳實施例的系統方塊圖。
〔第2圖〕本發明一較佳實施例的環境特徵模型之曲線變化圖。
〔第3圖〕本發明一較佳實施例的操作建議模型之曲線變化圖。
〔第4圖〕本發明一較佳實施例在多次種植的環境特徵模型之曲線變化圖。
〔第5圖〕本發明一較佳實施例在實際種植的操作建議模型之曲線變化圖。
為讓本發明之上述及其他目的、特徵及優點能更明顯易懂,下文特舉本發明之較佳實施例,並配合所附圖式作詳細說明;此外,在不同圖式中標示相同符號者視為相同,會省略其說明。
請參照第1圖所示,其係本發明農業操作動態調整系統的較佳實施例,係包含一輸入模組1、一資料庫2、一分析模組3及一輸出模組4,該輸入模組1分別耦合連接該資料庫2及該分析模組3,該分析模組3分別
耦合連接該資料庫2及該輸出模組4。
該輸入模組1係用於搜集一人為操作資訊及一環境資訊,該人為操作資訊係可以包含農作物品種、種植方式、栽種密度、施肥時程、灌溉時程等可操控的作業模式,還可以包含上述人為操作內容所導致農作物後續的生長趨勢及最終生長結果;該環境資訊係可以包含農作物種植地點的日照時數、氣溫、雨量分布、風勢、水文、土質等自然因素,還可以包含上述環境的長時間趨勢及瞬間變化對農作物生長的影響。
該資料庫2係可以由該輸入模組1接收每一次農作物生長過程中的該人為操作資訊及該環境資訊,該資料庫2還可以記錄每一次農作物生長之一產量資訊,藉由儲存歸納過往農作物生長狀況與產量的因果關係,以作為農業未來環境預測及操作建議的基礎,該資料庫2還可以由共享文獻資料庫選擇與該人為操作資訊及該環境資訊相關的資訊進行分類儲存,舉例而言,由氣象局的公開天氣資訊中可以取得長時間氣候變遷的趨勢及大範圍天氣模式對特定區域的影響,能夠彌補該輸入模組1所收集該環境資訊受限於種植期間及地點的有限訊息量;或由農委會的開放平台取得新的農業技術、各種肥料、改良品種等新知識,係可以增加控制農作物產量的方法。
請參照第1及2圖所示,該分析模組3係可以由該資料庫2所儲存的資訊訓練一環境特徵模型31,該環境特徵模型31係模擬一環境特徵指標G,該環境特徵指標G在完成一生長週期T之前,會隨著各種環境因素及人為操作發生起伏變化,如第2圖所示,該環境特徵模型31的Y軸為該環境特徵指標G係隨X軸代表的時間做變化,該生長週期T代表農作物由種植到收穫的時間,該環境特徵指標G在該生長週期T的數值對應農作物的產量,該生長週期T內的任意時間點介入任一農業行為或預期之外的環境變化,例如:進行灌溉或發生暴雨,則該環境特徵指標G會在一反應時間t之間做劇
烈變化,經過該反應時間t後該環境特徵指標G歸於平緩,並使對應的產量增加或減少,其中,該環境特徵指標G在該反應時間t內的曲線斜率變化係代表受人為操作影響的一反應速度S,該環境特徵指標G在該反應時間t內的曲線下面積(斜線區域)係代表受人為操作影響的一變化量A。透過該環境特徵模型31係可以模擬農作物受人為操作影響的情形及預測產量,在農作物的生長週期T內,將人為操作或環境因素作用於該環境特徵模型31,係可以得知農作物受影響的狀況,而複數因子的作用可以互相抵消或疊加,皆可以由該環境特徵模型31的曲線變化得知。
請參照第1及3圖所示,該分析模組3係可以將該輸入模組1所搜集之該人為操作資訊及該環境資訊套入該環境特徵模型31,並結合該資料庫2所提供的人為操作方法產生一操作建議模型32,該操作建議模型32同樣具有該環境特徵指標G在該生長週期T中起伏變化,該操作建議模型32係形成一最佳環境特徵曲線L1及一實際環境特徵曲線L2,該最佳環境特徵曲線L1在該生長週期T的該環境特徵指標G所對應的產量為極大值,係綜合該資料庫2的過往農作物的最佳環境參數影響所能夠達到的最佳產量;該實際環境特徵曲線L2係由該輸入模組1收集目前栽種的環境條件及操作方法,再以該環境特徵模型31即時模擬農作物環境受人為操作影響的情形,如第3圖所示,現在時間點之後的該實際環境特徵曲線L2為預測結果(虛線表示),由於環境變化或人為操作差異,造成該最佳環境特徵曲線L1與該實際環境特徵曲線L2可能產生分歧,而導致該實際環境特徵曲線L2所預測的對應產量不及該環境特徵指標的極大值Gmax所對應的產量,為彌補落差係可以在該生長週期T之前選定一反應時間t,並計算該最佳環境特徵曲線L1之反應速度S1與該實際環境特徵曲線L2之反應速度S2的落差(斜率變化),及該最佳環境特徵曲線L1與該實際環境特徵曲線L2之間的變化量A差異(斜線區
域),再由該資料庫2選擇至少一種人為操作方法作用於該環境特徵模型31,係能夠使該環境特徵指標G之曲線變化的反應時間t、反應速度S及變化量A,趨近於該最佳環境特徵曲線L1與該實際環境特徵曲線L2之間在該反應時間t的反應速度落差(S1與S2之差)及變化量A差異,當該至少一種人為操作方法作用於該實際環境特徵曲線L2時,係可以使該實際環境特徵曲線L2的預測結果趨近於該最佳環境特徵曲線L1。
該分析模組3以該操作建議模型32預測目前栽種的環境參數,並藉由該環境特徵模型31提供各種人為操作方法及其影響,再以該操作建議模型32能夠在模擬比較後,產生一操作建議係可以動態調整預測結果,在該環境特徵指標G發生變化之前,先以該操作建議影響該實際環境特徵曲線L2,由於農業操作的延遲性,係可以使環境影響的預測變化與人為操作的延遲變化同步發生而抵銷,使該實際環境特徵曲線L2維持最初設定之該最佳環境特徵曲線L1的最佳環境參數。
該輸出模組4由該分析模組3取得該操作建議,由該輸出模組4依據該操作建議對農業工作者提供作業指示,包括施作的時間點、用量、持續時間等規劃內容,該輸出模組4還可以用於顯示該分析模組3的產量預測結果,使農業工作者得知預期收穫的時間及可能的產量。
請參照第1、4及5圖所示,本發明以「小番茄」作為模擬分析及動態調整的農作物舉例說明,在多次種植小番茄的田地中,以該輸入模組1紀錄過往多次灌溉的情形,並儲存於該資料庫2,使該分析模組3所訓練的該環境特徵模型31包含灌溉行為改變小番茄之環境特徵指標G的情形,如第4圖所示,其規則如下:在每平方公尺澆水1000毫升的反應時間t為96小時,且該環境特徵指標G上升而增加變化量A,該變化量A係與該反應時間t成正相關;在每平方公尺澆水500毫升的反應時間t為30小時,由於其
反應時間t大幅減少係導致其變化量A遠低於澆水1000毫升的結果;在每平方公尺澆水250毫升的反應時間t為3小時,其變化量A則更低。新一輪的小番茄種植開始,該分析模組3建立該操作建議模型32,係由該資料庫2選擇該最佳環境特徵曲線L1,並依據目前栽種的環境條件及操作方法模擬該實際環境特徵曲線L2,如第5圖所示,該最佳環境特徵曲線L1與該實際環境特徵曲線L2逐漸分歧,並在該反應時間t之內產生該變化量A。將該操作建議模型32與該環境特徵模型31的灌溉行為比較,發現該環境特徵模型31(第4圖)澆水1000毫升的反應時間t及變化量A,近似於該操作建議模型32(第5圖)之反應時間t及變化量A(第5圖),因此,該分析模組3會以在每平方公尺澆水1000毫升為該操作建議。
綜上所述,本發明的農業操作動態調整系統,藉由該分析模組預測目前栽種的農作物受人為操作影響的情形,當環境或人為因素導致預測產量不符合目標產量時,由過往農作物操作及環境資訊所訓練之環境特徵模型,係可以提供抵銷變動因素的操作建議,係具有動態調整該環境特徵指標的曲線變化,以達到最佳環境參數及產量的功效。
雖然本發明已利用上述較佳實施例揭示,然其並非用以限定本發明,任何熟習此技藝者在不脫離本發明之精神和範圍之內,相對上述實施例進行各種更動與修改仍屬本發明所保護之技術範疇,因此本發明之保護範圍當包含後附之申請專利範圍所記載的文義及均等範圍內之所有變更。
1:輸入模組
2:資料庫
3:分析模組
31:環境特徵模型
32:操作建議模型
4:輸出模組
Claims (6)
- 一種農業操作動態調整系統,包含:一輸入模組,用於搜集一農作物生長過程的一人為操作資訊及一環境資訊;一資料庫,耦合連接該輸入模組,該資料庫接收並儲存該農作物每一次生長的該人為操作資訊、該環境資訊及一產量資訊;一分析模組,分別耦合連接該輸入模組及該資料庫,該分析模組以該資料庫之數筆該人為操作資訊及該環境資訊訓練一環境特徵模型,用於模擬隨時間變化之一環境特徵指標,透過將任一該人為操作資訊或該環境資訊輸入該環境特徵模型的任意時間點使該環境特徵指標在一反應時間內發生變化,該環境特徵指標與該農作物的產量高度相關,該分析模組建立一操作建議模型,係利用該環境特徵模型形成一最佳環境特徵曲線及一實際環境特徵曲線,該最佳環境特徵曲線的對應產量達到極大值,該實際環境特徵曲線係將該輸入模組所收集目前的人為操作資訊及環境資訊輸入該環境特徵模型,以即時模擬該農作物環境受人為操作影響的情形,該分析模組比較該操作建議模型的曲線變化差異,以產生一操作建議,用於動態調整該環境特徵指標在該反應時間內發生變化,使該實際環境特徵曲線趨近該最佳環境特徵曲線;及一輸出模組,耦合連接該分析模組,用以輸出該操作建議。
- 如請求項1之農業操作動態調整系統,其中,該分析模組係由該資料庫之該人為操作資訊選擇至少一種人為操作方法,該至少一種人為操作方法作用於該環境特徵模型時,所造成該環境特徵指標的曲線變化,趨近於該最佳環境特徵曲線與該實際環境特徵曲線之間的變化差異。
- 如請求項1之農業操作動態調整系統,其中,該人為操作資訊包含品種、種植方式、栽種密度、施肥時程、灌溉時程,及其所導致該農作物後續的生長趨勢及最終生長結果,該環境資訊包含該農作物種植地點的日 照時數、氣溫、雨量分布、風勢、水文、土質,及其變化對該農作物生長的影響。
- 如請求項1之農業操作動態調整系統,其中,該環境特徵指標在完成一生長週期的過程發生變化,該環境特徵指標在該生長週期達到最終數值係對應該農作物的產量。
- 如請求項1之農業操作動態調整系統,其中,該環境特徵指標在該反應時間內的曲線斜率變化係代表受人為操作影響的一反應速度,該環境特徵指標在該反應時間內的曲線下面積係代表受人為操作影響的一變化量。
- 如請求項5之農業操作動態調整系統,其中,該分析模組比較該最佳環境特徵曲線與該實際環境特徵曲線的該反應時間、該反應速度及該變化量之間的差異,以產生該操作建議。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW111102953A TWI807611B (zh) | 2022-01-24 | 2022-01-24 | 農業操作動態調整系統 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW111102953A TWI807611B (zh) | 2022-01-24 | 2022-01-24 | 農業操作動態調整系統 |
Publications (2)
Publication Number | Publication Date |
---|---|
TWI807611B true TWI807611B (zh) | 2023-07-01 |
TW202331629A TW202331629A (zh) | 2023-08-01 |
Family
ID=88149106
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW111102953A TWI807611B (zh) | 2022-01-24 | 2022-01-24 | 農業操作動態調整系統 |
Country Status (1)
Country | Link |
---|---|
TW (1) | TWI807611B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112106087A (zh) * | 2018-05-10 | 2020-12-18 | 克莱米特公司 | 农业数据的分析和呈现 |
CN112166453A (zh) * | 2018-05-25 | 2021-01-01 | 克莱米特公司 | 杂交种植研究与田地目标 |
US20210073540A1 (en) * | 2019-05-13 | 2021-03-11 | Bao Tran | Smart farming |
CN113168598A (zh) * | 2018-09-11 | 2021-07-23 | 克莱米特公司 | 由田间的风险调整的杂交种子选择和作物产量优化 |
CN113473840A (zh) * | 2019-02-21 | 2021-10-01 | 克莱米特公司 | 用于实现农业田地试验的农业田地数字建模和跟踪 |
-
2022
- 2022-01-24 TW TW111102953A patent/TWI807611B/zh active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112106087A (zh) * | 2018-05-10 | 2020-12-18 | 克莱米特公司 | 农业数据的分析和呈现 |
CN112166453A (zh) * | 2018-05-25 | 2021-01-01 | 克莱米特公司 | 杂交种植研究与田地目标 |
CN113168598A (zh) * | 2018-09-11 | 2021-07-23 | 克莱米特公司 | 由田间的风险调整的杂交种子选择和作物产量优化 |
CN113473840A (zh) * | 2019-02-21 | 2021-10-01 | 克莱米特公司 | 用于实现农业田地试验的农业田地数字建模和跟踪 |
US20210073540A1 (en) * | 2019-05-13 | 2021-03-11 | Bao Tran | Smart farming |
US11195015B2 (en) * | 2019-05-13 | 2021-12-07 | Bao Tran | IoT-based farming and plant growth ecosystem |
Also Published As
Publication number | Publication date |
---|---|
TW202331629A (zh) | 2023-08-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Fila et al. | A comparison of different modelling solutions for studying grapevine phenology under present and future climate scenarios | |
Ojeda‐Bustamante et al. | Generalization of irrigation scheduling parameters using the growing degree days concept: application to a potato crop | |
CN107950324A (zh) | 基于玉米分阶段灌溉需水量计算的灌溉管理系统及灌溉方法 | |
Yang et al. | Improvements to the Hybrid-Maize model for simulating maize yields in harsh rainfed environments | |
Osman et al. | Comparison of wheat simulation models for impacts of extreme temperature stress on grain quality | |
WO2023179167A1 (zh) | 一种基于AquaCrop模型与SVR的作物灌溉需水量预测方法 | |
Wang et al. | Modelling responses of cotton growth and yield to pre-planting soil moisture with the CROPGRO-Cotton model for a mulched drip irrigation system in the Tarim Basin | |
Abedinpour et al. | Prediction of maize yield under future water availability scenarios using the AquaCrop model | |
Akinbile | Assessment of the CERES-Rice model for rice production in Ibadan, Nigeria | |
Phomcha et al. | Modeling the impacts of alternative soil conservation practices for an agricultural watershed with the SWAT model | |
Chopard et al. | Development of a decision support system to evaluate crop performance under dynamic solar panels | |
Li et al. | Modification of CSM-CROPGRO-Cotton model for simulating cotton growth and yield under various deficit irrigation strategies | |
CN110555553A (zh) | 多因素骤旱综合识别方法 | |
CN116451823A (zh) | 一种基于气象主控因子的苹果产量预测方法 | |
JP2022136058A (ja) | 農作物の生産成績を予測する予測モデルの生成方法、生成装置、及び生成プログラム | |
Vories et al. | Determining the optimum timing for the final furrow irrigation on Mid-South cotton | |
TWI807611B (zh) | 農業操作動態調整系統 | |
Kabzems et al. | Growing trembling aspen and white spruce intimate mixtures: Early results (13—17 years) and future projections | |
Kumar et al. | Performance evaluation of AquaCrop model for rabi maize Crop in the north Bihar condition | |
Afsharmanesh et al. | Assessment of aquacrop model in the simulation of potato yield and water use efficiency under different water regimes | |
Kumar et al. | Response of CERES-wheat and CROPGRO-urd model (DSSAT model v 4.5) for tarai region of Uttarakhand | |
TWI821719B (zh) | 預測水稻用水需求的系統及方法 | |
Vijayalaxmi et al. | Evaluation of CERES-rice model under various plant densities and age of seedlings in transplanted rice of Southern Telangana zone of Telangana State, India | |
Tsafaras et al. | Real-time application of crop transpiration and photosynthesis models in greenhouse process control | |
Manfrini et al. | A multi-tool approach for assessing fruit growth, production and plant water status of a pear orchard |