CN111223003A - 一种面向产区的种植决策服务***与方法 - Google Patents
一种面向产区的种植决策服务***与方法 Download PDFInfo
- Publication number
- CN111223003A CN111223003A CN202010172862.8A CN202010172862A CN111223003A CN 111223003 A CN111223003 A CN 111223003A CN 202010172862 A CN202010172862 A CN 202010172862A CN 111223003 A CN111223003 A CN 111223003A
- Authority
- CN
- China
- Prior art keywords
- crop
- development
- planting
- data
- service system
- 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
Links
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 60
- 238000000034 method Methods 0.000 title claims abstract description 57
- 238000011161 development Methods 0.000 claims abstract description 56
- 230000008569 process Effects 0.000 claims abstract description 25
- 239000003337 fertilizer Substances 0.000 claims abstract description 18
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 18
- 201000010099 disease Diseases 0.000 claims description 13
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 13
- 238000012544 monitoring process Methods 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 9
- 241000607479 Yersinia pestis Species 0.000 claims description 6
- 230000006378 damage Effects 0.000 claims description 6
- 230000007613 environmental effect Effects 0.000 claims description 5
- 238000009313 farming Methods 0.000 claims description 5
- 238000012790 confirmation Methods 0.000 claims description 4
- 238000010801 machine learning Methods 0.000 claims description 4
- 239000000047 product Substances 0.000 claims description 4
- 230000008014 freezing Effects 0.000 claims description 3
- 238000007710 freezing Methods 0.000 claims description 3
- 230000004927 fusion Effects 0.000 claims description 3
- 238000005457 optimization Methods 0.000 claims description 3
- 239000013589 supplement Substances 0.000 claims description 3
- 238000005096 rolling process Methods 0.000 claims description 2
- 238000009423 ventilation Methods 0.000 claims description 2
- 238000011017 operating method Methods 0.000 claims 5
- 230000008901 benefit Effects 0.000 abstract description 5
- 238000003306 harvesting Methods 0.000 abstract description 4
- 230000018109 developmental process Effects 0.000 description 30
- 238000005516 engineering process Methods 0.000 description 8
- 230000017260 vegetative to reproductive phase transition of meristem Effects 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000035784 germination Effects 0.000 description 3
- 239000002689 soil Substances 0.000 description 3
- 241000238631 Hexapoda Species 0.000 description 2
- 208000027418 Wounds and injury Diseases 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 235000013399 edible fruits Nutrition 0.000 description 2
- 210000003608 fece Anatomy 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 208000014674 injury Diseases 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 239000007788 liquid Substances 0.000 description 2
- 239000010871 livestock manure Substances 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007621 cluster analysis Methods 0.000 description 1
- 238000012272 crop production Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000005059 dormancy Effects 0.000 description 1
- 230000004720 fertilization Effects 0.000 description 1
- 230000009746 freeze damage Effects 0.000 description 1
- 238000003973 irrigation Methods 0.000 description 1
- 230000002262 irrigation Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000001556 precipitation Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
- 235000013311 vegetables Nutrition 0.000 description 1
Images
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
- 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
-
- 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
- G06F16/29—Geographical information databases
-
- 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- G06Q10/067—Enterprise or organisation modelling
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mining & Mineral Resources (AREA)
- Remote Sensing (AREA)
- Life Sciences & Earth Sciences (AREA)
- Agronomy & Crop Science (AREA)
- Animal Husbandry (AREA)
- Marine Sciences & Fisheries (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Educational Administration (AREA)
- Cultivation Of Plants (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种面向产区的种植决策服务***与方法，包括：以有效积温为基础的作物发育模型；以产区的栽培品种、栽培方式、地理划分为基础部署的传感器：引入实时和历史气象数据监测作物的生长发育，并对发育节点进行自动智能识别，以掌握作物精确的物候期节点；生产环境、水肥指标数据库：通过通用数据接口控制与推荐下发生产参数；云端服务***与APP：包括作物指标库、产区环境数据、气象格点数据、作物‑积温‑发育基础模型、特征识别、气象数据服务、工艺推送服务、设备控制服务。本发明的优点是，其对物候期的定义更加智能和精确，实现了作物从种植到收获的种植计划、种植工艺定义及装备智能控制，同时服务范围广、个性化，且成本低。
Description
技术领域
本发明属于农业技术服务技术领域，具体涉及一种面向产区的种植决策服务***与方法。
背景技术
在我国，经济类种植以中小规模种者为主，同时产区集中。产区通常由气候、土壤条件相似的一县或数县组成，集中种植一种或数种相似的经济作物，在经济作物的种植方式上呈现多样化(露地、大棚、日光温室等)。产区内大量种植者分散管理自己的土地，都面临着类似的问题。近年来，随着信息网络技术的飞速发展，产区普遍覆盖了网络，田间接通了电力。因此，个别先进农户已开始安装部署温湿度控制、自动节水装备等生产工具来促进品质化生产、省力化劳作。但是，在实际使用中，普通农户并不能准确依据作物的生长阶段与长势来调整水肥、温湿度控制等设备运行，只是依据经验进行操作，这极大的限制了装备的使用，甚至装备并未起到作用。
由于产区地域较大，为了能够有效的帮助种植者，最合理的方式是通过智能化、信息化***监测作物长势，给出面向不同地块的生产建议。同时，从单一农户或单个园区的角度去讲，研发此类信息***是不经济且难以实现的，而产区的种植共性特征为研发建设此类***提供了基础与可行性。
因此，如何建设能够覆盖产区、智能决策的服务***来生成生产决策信息，帮助种植者品质化生产、省力化劳作是行业内亟待解决的问题之一。
在申请号为201710154721.1的专利中描述了一种面向中小种植者的种植技术服务***及方法，服务***包括服务器端和用户端。所述服务器端包括用户交互模块、种植计划模块、天气等数据模块、用户数据模块和数据接口；所述用户端包括用户交互模块、种植数据推送模块、通信模块和用户数据模块。***定义了作物的生长节点，包括萌芽、开花、结果、落叶、休眠等时期的发育节点，形成了作物的种植计划，并对日常农事操作、灌水施肥、病虫害防控、天气预警等种植工艺进行图文推送。
由于作物的生长节点作为生产措施调整的重要依据，不是一成不变的，可能根据年份或环境的气候条件不同存在一定差异，因此该申请专利存在以下几个方面的缺点：(1)没有建立作物生长发育的基础指标模型；(2)没有建立有效的生长节点获取手段，仅依靠用户进行自主判断；(3)所阐述的方法没有有效结合田间传感器数据，同时没有给出种植计划中各阶段水肥以及温湿度控制的量化指标数据与接口；(4)在天气数据方面仅引入了天气预报，并未引进与作物生长发育相关的实时及历史监测数据；(5)所述的种植工艺推送环节，其安排部署在客户端(APP)，这就意味着用户需要从客户端获取所有工艺信息与数据以决策推送，这会降低***的可靠性与准确性。
因此，本专利在201710154721.1专利的基础上，对相关方面进行了改进，并形成了独有的***及方法。
发明内容
本发明的目的是解决上述问题，提供一种面向产区的种植决策服务***与方法，其对物候期的定义更加智能和精确，实现了作物从种植到收获的种植计划、种植工艺定义及装备智能控制，同时服务范围广、个性化，且成本低。
为实现上述目的，本发明提供如下技术方案：
一种面向产区的种植决策服务***，其特征在于，包括：
以有效积温为基础的作物发育模型；
以产区的栽培品种、栽培方式、地理划分为基础部署的传感器：引入实时和历史气象数据监测作物的生长发育，并对发育节点进行自动智能识别，以掌握作物精确的物候期节点；
生产环境、水肥指标数据库：通过通用数据接口控制与推荐下发生产参数；
云端服务***与APP：包括作物指标库、产区环境数据、气象格点数据、作物-积温-发育基础模型、特征识别、气象数据服务、工艺推送服务、设备控制服务。
进一步的，所述作物-积温-发育基础模型主要用于生长发育节点监测，作物的生长发育用公式表示为：
所述作物的生长发育公式中DSI(s,k)表示第s阶段第k日的发育指数，ATDi表示第s阶段第i日的有效积温，ACTems-1为前s阶段的累计有效积温。
一种面向产区的种植决策服务***的工作方法，包括以下步骤：
S1：建立基础的作物-积温-发育模型来量化处理对作物生长发育节点的监测，为决策提供基础依据；
S2：通过气象信息共享平台接口采集气象格点数据，结合地块经纬度位置，计算不同地块的实时温度与积温情况，对低温冻害及热害进行气象灾害预警，并依据模型预测作物的生长发育情况；
S3：在服务器端建设作物指标库，依据作物生长发育的不同阶段及天气数据，为作物提供不同的种植工艺推送服务及设备控制服务；
S4：构建数据服务***，采用传感器数据来实现全域的准确农事服务：根据地理位置情况，将采集的实时数据与气象格点数据融合计算，制作针对不同田块、不同栽培模式的数据指导产品；
S5：通过构建环境数据与作物主要病害的模型关系，构建病虫预测模型，对地块的作物发病趋势进行预警；
S6：构建作物生长节点监测***来建设作物指标库，在融入气象格点数据和传感器数据的基础上来控制设备，提供决策服务；
S7：在服务器端计算推送种植计划、种植工艺以及设备控制参数，APP端调用计算结果进行展示。
进一步的，所述作物-积温-发育模型的工作流程为：
1)积温计算；
2)积温模型预测物候期；
3)确认物候期：确认无误进入下一步，否则回归优化模型，返回步骤2)；
4)调整工艺参数。
进一步的，所述步骤3)中的物候期确认方法为：通过用户上传的视频或图像作为作物进入下一个生长阶段的确认依据。
进一步的，所述S1中，在不同作物生长发育的形态上定义每个阶段的典型标志，建立生长发育指标与积温以及生长检查点的线性关系，并通过机器学习来优化模型。
进一步的，所述S4中，构建数据服务***时，在无田间监测设备的产区，采取稀疏布置传感器的方法来增强***能力。
进一步的，所述S6中，来控制设备的具体方法为：根据环境温湿度自动控制放风机和卷帘机设备，根据作物长势自动控制补光灯设备，根据作物地块的水肥计划控制水肥一体机设备。
进一步的，所述S6中的决策服务包括：种植工艺推送、温室通风控温、水肥计划推送、物候期监测、病虫害预警、天气灾害预警。
与现有技术相比，本发明的有益效果在于：
本发明的种植决策服务***是一种具有学习和决策能力的服务***，相较于一种面向中小种植者的种植技术服务***及方法，其物候期定义更加智能和精确，并在此基础上实现作物从种植到收获的种植计划、种植工艺定义及装备智能控制。另外本发明不是一种单点的无法推广的服务***，而是可以覆盖县域级大面积产区的***，能够为不同作物品种提供个性化服务，从而有效拉低推广成本。
依据本专利所描述的产区种植决策***与方法能够构建面向产区大量种植户的准确生产服务***，能够规避产区服务***重复建设的浪费，克服单一主体(农户、园区)无法建设信息***的难题。其投入使用后，不仅能够服务于生产，助力产区改善生产质量，也能够为产区数字化***的商业运营与装备推广提供技术支撑。
附图说明
为了更清楚地说明本发明实施例技术方案，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为了更清楚地说明本发明实施例或现有技术中的技术方案，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为本发明的云端服务***组成示意图；
图2为本发明的作物-积温-发育模型的工作流程图；
图3为本发明的种植工艺推送服务及设备控制服务流程图；
图4为本发明的数据服务***流程图；
图5为本发明的决策服务***组成示意图。
具体实施方式
为了使本领域技术人员更好地理解本发明的技术方案能予以实施，下面结合具体实施例对本发明作进一步说明，但所举实施例只作为对本发明的说明，不作为对本发明的限定。
如图1所示的一种面向产区的种植决策服务***，1)***首先建立以有效积温为基础的作物发育模型；2)其次以产区的栽培品种、栽培方式、地理划分为基础部署传感器，引入实时和历史气象数据监测作物的生长发育，并对发育节点进行自动智能识别，以掌握作物精确的物候期节点；3)再次依据不同阶段建立了生产环境、水肥指标数据库，通过通用数据接口来控制与推荐下发生产参数；4)最后改进了云端服务***与APP以及控制***的任务分配与通信方式来优化***。云端服务***组成的示意图如图1所示。
1、作物-积温-发育-模型
作物的生长发育与温湿度、水肥、光照等因素都有关，但其生理发育主要与温度相关性较强，在不同的生理期其管理方式有较大差异。这里的模型主要用于生长发育节点(物候期)监测，因此建立了基础的作物-积温-发育模型来量化处理对作物生长发育节点的监测，为决策提供基础依据。由于同一地区的周年土壤温度与空气温度具有线性相关关系，因此针对不同的作物选用合适的有效积温(大于生长发育阈值的积温量)来表示作物的生长发育，并通过机器学习(回归算法)来不断优化模型的准确度。其中，作物的生长发育表示为：
DSI(s,k)表示第s阶段第k日的发育指数，ATDi表示第s阶段第i日的有效积温，ACTems-1为前s阶段的累计有效积温。在此基础之上，在不同作物生长发育的形态上定义每个阶段的典型标志(比如萌动、展叶、初花、挂果等)，建立生长发育指标与积温以及生长检查点的线性关系，并通过机器学习(聚类分析算法)来优化模型指标。其流程如图2所示。
实施例：
以露地苹果为例，假设其萌动期到初花期的有效积温指标为1000，服务对象为洛川苹果产区种植户。通过前期对历史温度数据的演算，得知1号地块进入初花期的时间为3月28日。在实际中，通过APP端用户确认或摄像头识别的初花期实际为3月29日，通过对今年地块温度资料的学习比对，可通过权重优化物候期积温指标。同理，如果有1万个地块通过用户或传感器确认实际初花日期，即可通过聚类分析等方法对物候期指标进行优化，无限趋近于真实情况。在作物的其它物候期也是如此，依次类推。
特征识别通过对某种作物定义其进入下一个阶段的典型特征，通过图像识别(用户上传或视频拍摄)的方法确认作物进入下一个生长阶段的准确日期。
2、针对产区地理位置接近，同时所栽培作物接近的实际情况，首先通过气象信息共享平台接口采集5×5km2分辨率的气象格点数据，并结合地块经纬度位置，计算不同地块的实时温度与积温情况，对低温冻害及热害进行气象灾害预警，并依据模型预测作物的生长发育情况。同时部署稀疏的传感器(视频、温度)或接入已有的传感器来监测作物的发育。
3、在服务器端建设作物指标库，在作物生长发育的不同阶段以及天气数据为作物提供不同的种植工艺推送服务及设备控制服务，具体流程如图3所示。
4、现有的产区往往部署了一定数量的田间传感器，一般包括温湿度、降水量、光照、CO2浓度、土壤pH值等，但由于算法与模型的支撑较弱，无法向种植提供直接服务，同时无法使用其数据加工面向产区的服务产品。实际上，经济类种植的产区一般以蔬菜和果树为主，其中栽培方式一般可分为露地栽培、大棚(拱棚)栽培以及日光温室栽培3种。在掌握地块地理位置(三维坐标)与作物种类的基础上，可构建数据服务***，采用现有传感器数据来实现全域的准确农事服务，即根据地理位置情况，将采集的实时数据与气象格点数据融合计算，制作针对不同田块、不同栽培模式的数据指导产品。在无田间监测设备的产区，可采取稀疏布置传感器的方法来增强***的能力。具体流程如图4所示。
融合计算的具体方式为：
1)首先通过气象格点数据(温度)来帮助实施栽培种植户进行准确茬期规划，并对露地栽培的作物提供作物的生产计划，包括物候期预报，各物候期农事指导等；
2)通过气象数据对产区不同栽培方式与种植品种的种植户提供不同阶段的预警，比如低温冻害，高温，湿涝等；
3)由于田块的格点气象数据是通过气象站数据，依据田块经纬度用插值法计算得出，故存在误差，其可用于大面积的物候期计算与农事工艺推送。但对于水肥控制，设施生产的环境控制是不足的；
4)通过部署于田块的传感器来补充气象数据的不足，主要针对露地作物的水肥控制以及实施生产作物的环境控制；
5)通过对气象数据与监测数据的综合运用，为产区提供整体、不同层次的准确种植数据服务，从种植计划、农事工艺、病虫管理、预警信息到水肥控制、环境控制等，并可互为补充、纠正，降低数据误差。
5、在201710154721.1专利的病虫工艺库基础上，本专利通过构建环境数据(温度、湿度)与作物主要病害的模型关系，构建了病虫预测模型，对地块的作物发病趋势进行预警，并结合201710154721.1专利的水肥模型库，依据气象格点数据与传感器数据生成地块的水肥计划。
6、在201710154721.1专利的基础上，本专利通过构建作物生长节点监测***来建设作物指标库，在融入气象格点数据和传感器数据的基础上，根据环境温湿度自动控制放风机和卷帘机设备，根据作物长势自动控制补光灯设备，根据作物地块的水肥计划控制水肥一体机设备。因此，***不仅能够为种植户提供种植工艺推送服务，也可为生产装备提供设备控制服务，共同构成产区的生产决策服务。上述设备均为现有技术，决策服务***可支撑的服务如图5所示。
7、在201710154721.1专利的基础上，本专利优化计算结构，通过在服务器端计算推送的种植计划、种植工艺以及设备控制参数，APP端只需要调用计算结果进行展示，这能够发挥服务器端的框架与算力、数据优势，减轻了客户端的压力，提升了***的可靠性。
本发明是一种具有学习和决策能力的服务***，相较于一种面向中小种植者的种植技术服务***及方法，它的物候期定义更加智能和精确，并在此基础上实现作物从种植到收获的种植计划、种植工艺定义及装备智能控制。另外，它不是一种单点的无法推广的服务***，而是可以覆盖县域级大面积产区的***，能够为不同作物品种提供个性化服务，从而有效拉低推广成本。
依据本专利所描述的产区种植决策***与方法能够构建面向产区大量种植户的准确生产服务***，能够规避产区服务***重复建设的浪费，克服单一主体(农户、园区)无法建设信息***的难题。其投入使用后，不仅能够服务于生产，助力产区改善生产质量，也能够为产区数字化***的商业运营与装备推广提供技术支撑。
本发明中未作详细说明的201710154721.1专利已公开，可参考该专利申请的具体内容，在本发明中不再赘述。
本发明中未做详细描述的内容均为现有技术。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种面向产区的种植决策服务***，其特征在于，包括：
以有效积温为基础的作物发育模型；
以产区的栽培品种、栽培方式、地理划分为基础部署的传感器：引入实时和历史气象数据监测作物的生长发育，并对发育节点进行自动智能识别，以掌握作物精确的物候期节点；
生产环境、水肥指标数据库：通过通用数据接口控制与推荐下发生产参数；
云端服务***与APP：包括作物指标库、产区环境数据、气象格点数据、作物-积温-发育基础模型、特征识别、气象数据服务、工艺推送服务、设备控制服务。
2.根据权利要求1所述的一种面向产区的种植决策服务***，其特征在于，所述作物-积温-发育基础模型主要用于生长发育节点监测，作物的生长发育用公式表示为：
3.根据权利要求2所述的一种面向产区的种植决策服务***，其特征在于，所述作物的生长发育公式中DSI(s,k)表示第s阶段第k日的发育指数，ATDi表示第s阶段第i日的有效积温，ACTems-1为前s阶段的累计有效积温。
4.一种面向产区的种植决策服务***的工作方法，其特征在于，包括以下步骤：
S1：建立基础的作物-积温-发育模型来量化处理对作物生长发育节点的监测，为决策提供基础依据；
S2：通过气象信息共享平台接口采集气象格点数据，结合地块经纬度位置，计算不同地块的实时温度与积温情况，对低温冻害及热害进行气象灾害预警，并依据模型预测作物的生长发育情况；
S3：在服务器端建设作物指标库，依据作物生长发育的不同阶段及天气数据，为作物提供不同的种植工艺推送服务及设备控制服务；
S4：构建数据服务***，采用传感器数据来实现全域的准确农事服务：根据地理位置情况，将采集的实时数据与气象格点数据融合计算，制作针对不同田块、不同栽培模式的数据指导产品；
S5：通过构建环境数据与作物主要病害的模型关系，构建病虫预测模型，对地块的作物发病趋势进行预警；
S6：构建作物生长节点监测***来建设作物指标库，在融入气象格点数据和传感器数据的基础上来控制设备，提供决策服务；
S7：在服务器端计算推送种植计划、种植工艺以及设备控制参数，APP端调用计算结果进行展示。
5.根据权利要求4所述的一种面向产区的种植决策服务***的工作方法，其特征在于，所述作物-积温-发育模型的工作流程为：
1)积温计算；
2)积温模型预测物候期；
3)确认物候期：确认无误进入下一步，否则回归优化模型，返回步骤2)；
4)调整工艺参数。
6.根据权利要求5所述的一种面向产区的种植决策服务***的工作方法，其特征在于，所述步骤3)中的物候期确认方法为：通过用户上传的视频或图像作为作物进入下一个生长阶段的确认依据。
7.根据权利要求4所述的一种面向产区的种植决策服务***的工作方法，其特征在于，所述S1中，在不同作物生长发育的形态上定义每个阶段的典型标志，建立生长发育指标与积温以及生长检查点的线性关系，并通过机器学习来优化模型。
8.根据权利要求4所述的一种面向产区的种植决策服务***的工作方法，其特征在于，所述S4中，构建数据服务***时，在无田间监测设备的产区，采取稀疏布置传感器的方法来增强***能力。
9.根据权利要求4所述的一种面向产区的种植决策服务***的工作方法，其特征在于，所述S6中，来控制设备的具体方法为：根据环境温湿度自动控制放风机和卷帘机设备，根据作物长势自动控制补光灯设备，根据作物地块的水肥计划控制水肥一体机设备。
10.根据权利要求4所述的一种面向产区的种植决策服务***的工作方法，其特征在于，所述S6中的决策服务包括：种植工艺推送、温室通风控温、水肥计划推送、物候期监测、病虫害预警、天气灾害预警。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010172862.8A CN111223003A (zh) | 2020-03-13 | 2020-03-13 | 一种面向产区的种植决策服务***与方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010172862.8A CN111223003A (zh) | 2020-03-13 | 2020-03-13 | 一种面向产区的种植决策服务***与方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111223003A true CN111223003A (zh) | 2020-06-02 |
Family
ID=70808558
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010172862.8A Pending CN111223003A (zh) | 2020-03-13 | 2020-03-13 | 一种面向产区的种植决策服务***与方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111223003A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113575240A (zh) * | 2021-09-02 | 2021-11-02 | 西北农林科技大学 | 一种基于累积空气温度亏缺量的植物低温伤害评价预警*** |
| CN115836639A (zh) * | 2022-11-11 | 2023-03-24 | 四川省农业科学院园艺研究所 | 一种设施无土基质栽培番茄水肥供给方法、装置及存储介质 |
| CN117474294A (zh) * | 2023-12-26 | 2024-01-30 | 山东麦港数据***有限公司 | 一种基于农作物栽培管理模型的种植辅助决策*** |
-
2020
- 2020-03-13 CN CN202010172862.8A patent/CN111223003A/zh active Pending
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113575240A (zh) * | 2021-09-02 | 2021-11-02 | 西北农林科技大学 | 一种基于累积空气温度亏缺量的植物低温伤害评价预警*** |
| CN115836639A (zh) * | 2022-11-11 | 2023-03-24 | 四川省农业科学院园艺研究所 | 一种设施无土基质栽培番茄水肥供给方法、装置及存储介质 |
| CN117474294A (zh) * | 2023-12-26 | 2024-01-30 | 山东麦港数据***有限公司 | 一种基于农作物栽培管理模型的种植辅助决策*** |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110347127A (zh) | 基于云服务的农作物种植托管***及方法 | |
| Shaikh et al. | Recent trends in internet-of-things-enabled sensor technologies for smart agriculture | |
| US10966377B2 (en) | Intelligent growing management method and intelligent growing device | |
| US11432470B2 (en) | Information processing apparatus, information processing method, and vegetation management system | |
| Smith et al. | Review of precision irrigation technologies and their application | |
| CN109191074A (zh) | 智慧果园种植管理*** | |
| CN111223003A (zh) | 一种面向产区的种植决策服务***与方法 | |
| CN108781926B (zh) | 基于神经网络预测的大棚灌溉***及方法 | |
| CN111504371A (zh) | 大数据服务*** | |
| CN212877002U (zh) | 农田灌区水肥气热药一体化智能灌溉*** | |
| CN109874477A (zh) | 一种农业园区施肥机托管方法及*** | |
| CN113657751A (zh) | 一种智慧农业产融综合服务平台 | |
| CN113273449A (zh) | 用于日光温室精准监测的数字孪生体构造方法 | |
| CN114743100B (zh) | 一种农产品长势监测方法和*** | |
| CN111557158A (zh) | 智能灌溉控制方法及*** | |
| CN111459033A (zh) | 水、肥精量灌溉的灰色预测模糊pid控制方法及设备 | |
| CN112883230A (zh) | 马铃薯生产管理*** | |
| CN115249116A (zh) | 一种基于物联网和人工智能的农业种植管理***及方法 | |
| Mittal et al. | IoT-based precision monitoring of horticultural crops—A case-study on cabbage and capsicum | |
| CN113342036A (zh) | 一种农作物的精准管控***及其管控方法 | |
| KR102355211B1 (ko) | 농작물 재배 모니터링 시스템 | |
| CN106465635A (zh) | 基于土壤的农业互联生产方法 | |
| Lin et al. | The Design and Application of Intelligent Agricultural Greenhouse in Big Data Era | |
| CN116050586B (zh) | 一种空间气象协同草莓农业一体化种植***及方法 | |
| Oliveira et al. | Plante: An Intelligent Platform for Monitoring and Controlling of Agricultural Environments |
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 |