CN114549224A - 一种基于大数据的农作物种植指导方法 - Google Patents
一种基于大数据的农作物种植指导方法 Download PDFInfo
- Publication number
- CN114549224A CN114549224A CN202210184186.5A CN202210184186A CN114549224A CN 114549224 A CN114549224 A CN 114549224A CN 202210184186 A CN202210184186 A CN 202210184186A CN 114549224 A CN114549224 A CN 114549224A
- Authority
- CN
- China
- Prior art keywords
- data
- planting
- crop
- soil
- crops
- 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
- 238000000034 method Methods 0.000 title claims abstract description 46
- 230000012010 growth Effects 0.000 claims abstract description 23
- 238000009331 sowing Methods 0.000 claims abstract description 11
- 238000009333 weeding Methods 0.000 claims abstract description 6
- 239000002689 soil Substances 0.000 claims description 31
- 241000607479 Yersinia pestis Species 0.000 claims description 21
- 238000003860 storage Methods 0.000 claims description 14
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 10
- 238000012544 monitoring process Methods 0.000 claims description 8
- 201000010099 disease Diseases 0.000 claims description 6
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 6
- 239000000575 pesticide Substances 0.000 claims description 6
- 238000005507 spraying Methods 0.000 claims description 4
- 230000005855 radiation Effects 0.000 claims description 3
- 238000004590 computer program Methods 0.000 claims description 2
- ZLMJMSJWJFRBEC-UHFFFAOYSA-N Potassium Chemical compound [K] ZLMJMSJWJFRBEC-UHFFFAOYSA-N 0.000 claims 1
- YUWBVKYVJWNVLE-UHFFFAOYSA-N [N].[P] Chemical compound [N].[P] YUWBVKYVJWNVLE-UHFFFAOYSA-N 0.000 claims 1
- 239000011591 potassium Substances 0.000 claims 1
- 229910052700 potassium Inorganic materials 0.000 claims 1
- 241000238631 Hexapoda Species 0.000 abstract description 13
- 238000003306 harvesting Methods 0.000 abstract description 6
- 230000007613 environmental effect Effects 0.000 abstract description 5
- 238000004519 manufacturing process Methods 0.000 abstract description 4
- 238000005259 measurement Methods 0.000 abstract 1
- 230000002265 prevention Effects 0.000 abstract 1
- 239000003337 fertilizer Substances 0.000 description 9
- 241000196324 Embryophyta Species 0.000 description 8
- 241000209094 Oryza Species 0.000 description 8
- 235000007164 Oryza sativa Nutrition 0.000 description 8
- 235000009566 rice Nutrition 0.000 description 8
- 238000009313 farming Methods 0.000 description 4
- 230000003698 anagen phase Effects 0.000 description 3
- 238000007405 data analysis Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- WZLMXYBCAZZIRQ-UHFFFAOYSA-N [N].[P].[K] Chemical compound [N].[P].[K] WZLMXYBCAZZIRQ-UHFFFAOYSA-N 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 244000038559 crop plants Species 0.000 description 2
- 238000007418 data mining Methods 0.000 description 2
- 238000003973 irrigation Methods 0.000 description 2
- 230000002262 irrigation Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000005602 Propyzamide Substances 0.000 description 1
- XSQUKJJJFZCRTK-UHFFFAOYSA-N Urea Chemical compound NC(N)=O XSQUKJJJFZCRTK-UHFFFAOYSA-N 0.000 description 1
- 238000012271 agricultural production Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000004202 carbamide Substances 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000003621 irrigation water Substances 0.000 description 1
- PHNUZKMIPFFYSO-UHFFFAOYSA-N propyzamide Chemical compound C#CC(C)(C)NC(=O)C1=CC(Cl)=CC(Cl)=C1 PHNUZKMIPFFYSO-UHFFFAOYSA-N 0.000 description 1
- 230000010076 replication Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 239000002699 waste material Substances 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
- 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"
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A40/00—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production
- Y02A40/10—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in agriculture
- Y02A40/22—Improving land use; Improving water use or availability; Controlling erosion
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Animal Husbandry (AREA)
- Life Sciences & Earth Sciences (AREA)
- Agronomy & Crop Science (AREA)
- Mining & Mineral Resources (AREA)
- General Health & Medical Sciences (AREA)
- Marine Sciences & Fisheries (AREA)
- Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本方案公开了一种基于大数据的农作物种植指导方法,该方法包括如下步骤:S100基于农作物模型和目标种植区域,选择待种植的农作物及种植地块;S200基于农作物模型中待种植农作物所需的种植条件确定播种时间;S300基于获取的测量数据并结合农作物模型确认农作物生长所需的施肥和浇灌条件以及防虫和除草时机;S400基于获取的环境数据并结合农作物模型预测农作物的收获期和产量。本方法可以用于广泛的农作物种植,可以大规模种植并且做到低生产成本、对环境友好,农作物产量稳定、产品绿色健康。
Description
技术领域
本发明涉及农作物种植技术领域,特别涉及一种基于大数据的农作物种植指导方法。
背景技术
智慧农业是当今农业发展的主要趋势,其具有技术前沿、自动化程度高、便于高效管理等优势而被广泛推广。随着互联网、人工智能、大数据观念的提出,本领域的技术人员又开始研究更为深入的智能化管理、同时还能实现农业互动、农业数据共享统计等新方向。在2015年之前智慧农业还仅限于自动采集地块环境等参数数据,以达到自动喷淋浇灌、自动匹配机械化农耕等效果,然而实际运用时发现,由于基础数据采集的不规范化导致区域地块或者某类农作物种植区内都难以实现统一管理,以至于农业专家难以通过后台数据为农户提供准确有效的种植栽培解答,依然依靠农业专家亲自下地为农户做一对一辅导种植和培育。
随着网络通信应用的范围不但扩大,其物联网和互联网之间的标准逐步规范,两种网络融合度也不断提升,农业信息化是提高生产效率的有效手段,在机器种植作物并进行自动化控制的背景下,种植设备会生成大量的农作物种植数据,对于如何基于大数据对农作物的种植进行指导成为亟待解决的问题。
发明内容
本方案的一个目的在于提供一种基于大数据的农作物种植指导方法,该方法可以用于广泛的农作物种植。
为达到上述目的,本方案如下:
一种基于大数据的农作物种植指导方法,该方法包括如下步骤:
S100基于某区域的历史种植数据选择待种植的农作物种类及种植地块;
S200基于种植地块的土壤数据,气象数据和病虫害数据选择待种植农作物的品种;
S300基于空气温度和相对湿度数据确定播种时间;
S400监控农作物的生长阶段指导农作物种植。
优选的,步骤S100中所述历史种植数据包括土壤数据,天气数据,农作物生长数据和病虫害数据。
优选的,步骤S200中土壤数据包括土壤温度,土壤湿度,土壤酸碱度和土壤氮磷钾含量。
优选的,步骤S200中所述气象数据包括空气温度,相对湿度,风速,风向,日降雨量,大气压强,太阳辐射和蒸散量。
优选的,步骤S200中所述的土壤数据,气象数据和病虫害数据由土壤墒情仪,水质仪,水位仪,虫情灯,气象站和摄像头获取。
优选的,步骤S200中所述病虫害数据包括需要喷洒防虫药的区域,喷药时间和药量以及除草时机。
第二方面,提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如上任一项所述方法的步骤。
本方案的有益效果如下:
本方法可以用于广泛的农作物种植,可以大规模种植并且做到低生产成本、对环境友好,农作物产量稳定、产品绿色健康。
附图说明
为了更清楚地说明本方案的实施,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方案的一些实施例,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为基于大数据的农作物种植指导方法的流程图;
图2为实施例中农作物种植指导方法流程图。
具体实施方式
下面对本方案的实施方式作进一步地详细描述。显然,所描述的实施例仅是本方案的一部分实施例,而不是所有实施例的穷举。需要说明的是,在不冲突的情况下,本方案中的实施例及实施例中的特征可以相互组合。
说明书和权利要求书中的术语“第一”、“第二”等(如果存在)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,以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。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、***、产品或设备,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单元。
目前的部分农业生产仍然存在:1)生产者规模小,缺乏统一的种植标准;2)巡田效率低;3)农药过量使用导致残留严重;4)肥料过量使用导致环境污染严重;5)灌溉不合理,导致水资源浪费严重;6)作物种植种类单一,无法根据当地资源的存储量进行合理的播种;7)种植模式复制能力差。
针对上述问题,“互联网+农业”提供了很好的解决办法,其融合农业大数据,物联网等新兴信息技术,创造基于互联网平台的现代农业新产品、新模式与新业态。以“互联网+农业”驱动,努力打造“信息支撑、管理协同,产出高效、产品安全,资源节约、环境友好”的现代农业发展升级版,对我国的农业现代化影响深远。
如图1和图2所示,本申请的发明人提出一种基于大数据的农作物种植指导方法,该方法包括如下步骤:
S100基于某区域的历史种植数据选择待种植的农作物种类及种植地块;
根据对应的环境条件选择适宜种植的农作物种类,并圈出目标地块,具体过程如下:
S101:收集历史种植大数据,通过数据挖掘分析得出各种环境下适宜种植的农作物种类。以水稻为例,目前已经得到美香占2号,南粳46等水稻的适宜种植环境;
S102:根据当地的气候、水分、光照等基本条件确定适宜种植的农作物种类,这里选择水稻作为目标作物;
S103:利用终端在卫星地图上圈出所要种植的目标地块,其中终端包括个人电脑、平板和手机,本实施例圈地146.02亩。
S200基于种植地块的土壤数据,气象数据和病虫害数据选择待种植农作物的品种;
根据土地类型安装能感知环境的传感器,测得目标地的土壤环境条件,选择适合种植的最佳农作物品种,具体过程如下:
S201:可以根据水田和旱地区分使用不同的传感器,其中传感器有能感知土壤的温度、水分含量、PH值和电导率等信息的土壤墒情仪;能感知空气温度、相对湿度、风速、风向、日降雨量、大气压强、太阳辐射、蒸散量等数据的气象站;能监测种植区域内害虫的存在情况以及数量的虫情灯等,按照种植指导方法安装好对应的传感器。这里选择某基地水田为例,在基地内按照要求安装好水位仪、土壤墒情仪、气象站、虫情灯、摄像头;
S202:根据土壤传感器传回的土壤数据进行数据分析,土壤数据包括土壤酸碱度、土壤氮磷钾含量、以及土壤温度等数据,大数据后台分析推荐种植水稻美香占2号品种;
S300基于空气温度和相对湿度数据确定播种时间;
根据气象站测得的空气温度、相对湿度等数据结合大数据挖掘算法分析得到推荐的播种日期预测实际的播种日期,并发送到终端提醒种植户做好播种准备,具体过程如下:
S301:气象站实时传回空气温度、相对湿度等数据,并做好统计存入数据仓库;
S302:根据统计数据和大数据分析结果对比,结合种植指导方法推测出农作物的播种时间,对于一季晚稻美香占2号,大数据推荐移栽时间为6月25日,可以得到对应的育秧时间;
S400监控农作物的生长阶段指导农作物种植;
通过摄像头监控以及遥感数据来区分农作物的生长阶段,结合传感器数据形成作物生长阶段的种植指导方法,生成种植指导方法的具体过程如下:
其中农作物生长阶段数据包括:整体生长阶段数据和区域生长阶段数据。整体生长阶段数据包括但不限于农作物单位面积植株数量、作物覆盖率、叶面积指数;区域生长阶段数据包括但不限于区域的农作物植株高度、叶片数量、叶片颜色。
S401:通过收集作物生长数据并与作物模型中的同种作物生长数据进行对比,结合区域内的土壤环境数据分析得到对应生长阶段所需要的水分、肥料数据,得到所需要施肥的数量和时间以及对应的区域,同时得到区域需要浇灌水的数量、时间;
S402:根据得到的水肥施用数据生成对应阶段的种植指导方法,通过终端提醒种植户进行相应的农事操作,其中水肥施用量会根据每个区域给出建议的用量。针对所种地块,推荐7月5日至9日间施分蘖肥,尿素亩用量:10kg/亩,推荐7月29日至8月8日间施穗肥,肥料用量根据农事指导视水稻生长情况而定;
通过虫情灯和遥感数据的结合获得对应区域农作物的虫害情况,生成虫害防治种植指导方法,具体过程如下:
S403:通过虫情灯获取区域内的虫情数据;
S404:通过遥感监测数据和摄像头监控数据识别农作物植株的叶片颜色和植株高度,获得区域农作物的病虫害严重程度,并且结合作物模型的数据预测作物病虫害发展趋势;
S405:通过对虫害形势分析,得出区域内施用农药种类及用量,生成虫害防治农事操作指导方法,并在终端提示种植户进行相应的农事操作,本实施例中建议8月16日至8月20日防治稻曲病,破口前5~7天用药。
通过摄像头监测农作的长势以及杂草生长情况,通过终端提醒种植户清理种植区域内的杂草,具体过程如下:
S406:种植户可以通过摄像头监测农田现场,了解农作物和杂草生长情况;
S407:种植指导方法会通过作物生长阶段提供除草建议,供种植户选择使用。本实施例中建议水稻移栽前3~7天,6月18日至6月22日进行封闭除草,建议使用35%丙噁丁草胺EW,亩用量:100-120毫升/亩。建议7月5日至10日进行封闭除草,使用药量根据杂草长势而定。
通过作物模型结合当地的环境数据预测农作物的收获期和产量并提醒种植户提前做好收获准备,具体过程如下:
S408:摄像头和遥感收集农作物生长数据;
S409:气象站收集当地气象数据;
S410:根据所收集的农作物生长数据以及历史数据分析推测农作物的收获期,并在终端提醒种植户做好收割前准备,本实施例中预计收获期为10月15日至10月20日,预计亩产量436.37kg,实际产量为473kg。
本方法能根据历史种植农作物的土壤环境、天气环境、农作物生长、病虫害等数据建立作物模型,用来解决种植户对农作物种植的品种选择,预测辅助生成农事指导方法,稳定农作物产量。
通过在土地中安装传感器,收集环境数据并配合作物模型生成农事操作指导方法,能精准预测农作物的水、肥、药的施用量,降低农作物生产成本,种植户劳动强度和对生态环境的破坏,并且利用大数据作为农作物种植基础,便于作物种植的标准化和推广。
本方案进一步提供一种计算机可读存储介质。该计算机可读存储介质用于实现上述数据采集方法的程序产品,其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码,并可以在设备,例如个人电脑上运行。然而,本发明的程序产品不限于此,在本文件中,可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行***、装置或者器件使用或者与其结合使用。
所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的***、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了可读程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。
计算机可读存储介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、有线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本方案操作的程序代码,所述程序设计语言包括面向对象的程序设计语言-诸如JAvA、C++等,还包括常规的过程式程序设计语言-诸如"C"语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
显然,本发明的上述实施例仅仅是为清楚地说明本发明所作的举例,而并非是对本发明的实施方式的限定,对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动,这里无法对所有的实施方式予以穷举,凡是属于本发明的技术方案所引伸出的显而易见的变化或变动仍处于本发明的保护范围之列。
Claims (7)
1.一种基于大数据的农作物种植指导方法,其特征在于,该方法包括如下步骤:
S100基于某区域的历史种植数据选择待种植的农作物种类及种植地块;
S200基于种植地块的土壤数据,气象数据和病虫害数据选择待种植农作物的品种;
S300基于空气温度和相对湿度数据确定播种时间;
S400监控农作物的生长阶段指导农作物种植。
2.根据权利要求1所述的基于大数据的农作物种植指导方法,其特征在于,步骤S100中所述历史种植数据包括土壤数据,天气数据,农作物生长数据和病虫害数据。
3.根据权利要求1所述的基于大数据的农作物种植指导方法,其特征在于,步骤S200中土壤数据包括土壤温度,土壤湿度,土壤酸碱度和土壤氮磷钾含量。
4.根据权利要求1所述的基于大数据的农作物种植指导方法,其特征在于,步骤S200中所述气象数据包括空气温度,相对湿度,风速,风向,日降雨量,大气压强,太阳辐射和蒸散量。
5.根据权利要求1所述的基于大数据的农作物种植指导方法,其特征在于,步骤S200中所述的土壤数据,气象数据和病虫害数据由土壤墒情仪,水质仪,水位仪,虫情灯,气象站和摄像头获取。
6.根据权利要求1所述的基于大数据的农作物种植指导方法,其特征在于,步骤S200中所述病虫害数据包括需要喷洒防虫药的区域,喷药时间和药量以及除草时机。
7.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1至6任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210184186.5A CN114549224A (zh) | 2022-02-24 | 2022-02-24 | 一种基于大数据的农作物种植指导方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210184186.5A CN114549224A (zh) | 2022-02-24 | 2022-02-24 | 一种基于大数据的农作物种植指导方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114549224A true CN114549224A (zh) | 2022-05-27 |
Family
ID=81680164
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210184186.5A Pending CN114549224A (zh) | 2022-02-24 | 2022-02-24 | 一种基于大数据的农作物种植指导方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114549224A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115293557A (zh) * | 2022-08-01 | 2022-11-04 | 云南农业大学 | 一种基于区块链的农作物数据处理方法 |
CN115486247A (zh) * | 2022-08-30 | 2022-12-20 | 中联智慧农业股份有限公司 | 用于确定肥料配比的方法、存储介质及处理器 |
CN115511158A (zh) * | 2022-09-01 | 2022-12-23 | 珠海市现代农业发展中心(珠海市金湾区台湾农民创业园管理委员会、珠海市农渔业科研与推广中心) | 一种基于大数据的农作物智能选育分析方法及*** |
CN116090603A (zh) * | 2022-12-02 | 2023-05-09 | 浙江天演维真网络科技股份有限公司 | 一种多时期农作物种植预测方法、装置、设备和介质 |
CN116307403A (zh) * | 2023-05-12 | 2023-06-23 | 湖北泰跃卫星技术发展股份有限公司 | 一种基于数字乡村的种植过程推荐方法及*** |
CN116930459A (zh) * | 2023-07-25 | 2023-10-24 | 江苏龙环环境科技有限公司 | 一种土壤原位探测装置及其探测方法 |
CN117033810A (zh) * | 2023-05-23 | 2023-11-10 | 上海华维可控农业科技集团股份有限公司 | 一种基于大数据的农业数据分析管理***及方法 |
-
2022
- 2022-02-24 CN CN202210184186.5A patent/CN114549224A/zh active Pending
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115293557A (zh) * | 2022-08-01 | 2022-11-04 | 云南农业大学 | 一种基于区块链的农作物数据处理方法 |
CN115486247A (zh) * | 2022-08-30 | 2022-12-20 | 中联智慧农业股份有限公司 | 用于确定肥料配比的方法、存储介质及处理器 |
CN115486247B (zh) * | 2022-08-30 | 2023-08-22 | 中联智慧农业股份有限公司 | 用于确定肥料配比的方法、存储介质及处理器 |
CN115511158A (zh) * | 2022-09-01 | 2022-12-23 | 珠海市现代农业发展中心(珠海市金湾区台湾农民创业园管理委员会、珠海市农渔业科研与推广中心) | 一种基于大数据的农作物智能选育分析方法及*** |
CN115511158B (zh) * | 2022-09-01 | 2023-08-29 | 珠海市现代农业发展中心(珠海市金湾区台湾农民创业园管理委员会、珠海市农渔业科研与推广中心) | 一种基于大数据的农作物智能选育分析方法及*** |
CN116090603A (zh) * | 2022-12-02 | 2023-05-09 | 浙江天演维真网络科技股份有限公司 | 一种多时期农作物种植预测方法、装置、设备和介质 |
CN116307403A (zh) * | 2023-05-12 | 2023-06-23 | 湖北泰跃卫星技术发展股份有限公司 | 一种基于数字乡村的种植过程推荐方法及*** |
CN117033810A (zh) * | 2023-05-23 | 2023-11-10 | 上海华维可控农业科技集团股份有限公司 | 一种基于大数据的农业数据分析管理***及方法 |
CN117033810B (zh) * | 2023-05-23 | 2024-04-23 | 上海华维可控农业科技集团股份有限公司 | 一种基于大数据的农业数据分析管理***及方法 |
CN116930459A (zh) * | 2023-07-25 | 2023-10-24 | 江苏龙环环境科技有限公司 | 一种土壤原位探测装置及其探测方法 |
CN116930459B (zh) * | 2023-07-25 | 2024-03-12 | 江苏龙环环境科技有限公司 | 一种土壤原位探测装置及其探测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114549224A (zh) | 一种基于大数据的农作物种植指导方法 | |
US10769733B2 (en) | Forecasting national crop yield during the growing season using weather indices | |
CN110545531A (zh) | 一种基于大数据和云计算的农作物长势监控方法与*** | |
CN108781926B (zh) | 基于神经网络预测的大棚灌溉***及方法 | |
CN103838144A (zh) | 基于物联网土壤分析的甘蔗精细种植滴灌建模控制方法 | |
CN102413160A (zh) | 一种猕猴桃果园精准管理*** | |
CN113039908A (zh) | 一种施肥和灌溉动态决策方法及*** | |
Ayyasamy et al. | IoT based agri soil maintenance through micro-nutrients and protection of crops from excess water | |
CN115629585A (zh) | 一种智慧农业的种植管理方法及*** | |
WO2022114344A1 (ko) | 작물 재배 애플리케이션을 통한 적응형 재배 정보 제공 시스템 | |
WO2021248773A1 (zh) | 作物动态监控方法、装置、设备和*** | |
Mittal et al. | IoT-based precision monitoring of horticultural crops—A case-study on cabbage and capsicum | |
CN113313469A (zh) | 一种基于窄带物联网的智慧农业管理*** | |
CN106713414A (zh) | 一种生命周期模型解决种植问题的服务*** | |
CN111011133A (zh) | 一种基于实时检测且生长状况预估技术的水稻栽培方法 | |
KR20210059070A (ko) | 농작물 재배 모니터링 시스템 및 이를 이용한 농작물 재배 모니터링 방법 | |
CN114578881B (zh) | 一种智能养护管理*** | |
CN113505987B (zh) | 一种基于大数据的苗木播种施肥一体化监管反馈*** | |
AU2021103170A4 (en) | OCTOPIDER: A doorstep solution for Farmers | |
CN115183820A (zh) | 基于浮空器机载光谱的茶园智能监测***及方法 | |
Kumar et al. | Precision agriculture–a vital approach towards modernizing the smart farming in India | |
CN213276358U (zh) | 一种智慧农业整体管理*** | |
Hachisuca et al. | AgDataBox-IoT-application development for agrometeorological stations in smart | |
Patel et al. | Smart Technology in Agriculture System | |
Kumar et al. | Wireless Sensor Network And Iot-Based Crop And Soil Quality Analysis For Smart Farming: Opportunities And Challenges |
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 |