CN117172952A - 一种基于物联网和遥感技术的农业灾害监控*** - Google Patents
一种基于物联网和遥感技术的农业灾害监控*** Download PDFInfo
- Publication number
- CN117172952A CN117172952A CN202310977026.0A CN202310977026A CN117172952A CN 117172952 A CN117172952 A CN 117172952A CN 202310977026 A CN202310977026 A CN 202310977026A CN 117172952 A CN117172952 A CN 117172952A
- Authority
- CN
- China
- Prior art keywords
- monitoring
- area
- value
- growth
- analysis
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 240
- 238000005516 engineering process Methods 0.000 title claims abstract description 31
- 238000004458 analytical method Methods 0.000 claims abstract description 165
- 238000003745 diagnosis Methods 0.000 claims abstract description 40
- 238000009826 distribution Methods 0.000 claims abstract description 29
- 241000607479 Yersinia pestis Species 0.000 claims description 159
- 239000002689 soil Substances 0.000 claims description 134
- 238000011156 evaluation Methods 0.000 claims description 39
- 238000004364 calculation method Methods 0.000 claims description 29
- 238000001514 detection method Methods 0.000 claims description 26
- 238000000034 method Methods 0.000 claims description 21
- 230000007774 longterm Effects 0.000 claims description 14
- 230000029553 photosynthesis Effects 0.000 claims description 12
- 238000010672 photosynthesis Methods 0.000 claims description 12
- 235000015097 nutrients Nutrition 0.000 claims description 9
- 238000005259 measurement Methods 0.000 claims description 7
- 238000004891 communication Methods 0.000 claims description 6
- 238000010606 normalization Methods 0.000 claims description 4
- 238000012797 qualification Methods 0.000 claims description 4
- 230000003203 everyday effect Effects 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 241000238631 Hexapoda Species 0.000 description 20
- 201000010099 disease Diseases 0.000 description 5
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 5
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 2
- 238000012271 agricultural production Methods 0.000 description 2
- 239000013256 coordination polymer Substances 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 241000894007 species Species 0.000 description 2
- 239000002028 Biomass Substances 0.000 description 1
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 description 1
- ZLMJMSJWJFRBEC-UHFFFAOYSA-N Potassium Chemical compound [K] ZLMJMSJWJFRBEC-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 229930002875 chlorophyll Natural products 0.000 description 1
- 235000019804 chlorophyll Nutrition 0.000 description 1
- ATNHDLDRLWWWCB-AENOIHSZSA-M chlorophyll a Chemical compound C1([C@@H](C(=O)OC)C(=O)C2=C3C)=C2N2C3=CC(C(CC)=C3C)=[N+]4C3=CC3=C(C=C)C(C)=C5N3[Mg-2]42[N+]2=C1[C@@H](CCC(=O)OC\C=C(/C)CCC[C@H](C)CCC[C@H](C)CCCC(C)C)[C@H](C)C2=C5 ATNHDLDRLWWWCB-AENOIHSZSA-M 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 206010016165 failure to thrive Diseases 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 229910052757 nitrogen Inorganic materials 0.000 description 1
- 229910052698 phosphorus Inorganic materials 0.000 description 1
- 239000011574 phosphorus Substances 0.000 description 1
- 239000011591 potassium Substances 0.000 description 1
- 229910052700 potassium Inorganic materials 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明属于农业监控技术领域,具体是一种基于物联网和遥感技术的农业灾害监控***,包括农业监控平台、遥感监测采集模块、作物分布决策模块、作物长势分析反馈模块以及区域诊断分析模块;本发明基于物联网和遥感技术将农业监管区域进行分区域逐步评估判断,从而快速且精准确定疑似灾害区域和长势不合格区域,并将待诊断区域进行诊断分析以合理判定相应区域的灾害原因,有利于对农业监管区域进行管理并保证作物稳定生长,以及在农业监管区域中不存在疑似灾害区域和长势不合格区域时进行作物生长均匀性分析,据此以生成长势均匀性合格信号或长势均匀性预警信号,以便农业管理人员作出相应改善措施。
Description
技术领域
本发明涉及农业监控技术领域,具体是一种基于物联网和遥感技术的农业灾害监控***。
背景技术
农业是国民经济中一个重要的产业部门,是以土地资源为生产对象的部门;农业涵盖了种植业、畜牧业、林业、渔业等不同的领域,为人们提供了食物、纤维、燃料、药品等多种产品,随着社会和科技的发展,农业也在不断进步和发展,现代农业技术的应用提高了农业生产效率、降低了生产成本、提高了农产品质量,同时农业也受到多种自然灾害和环境变化的影响,对农业生产带来了挑战;
目前在对农业监管区域进行监控管理时,无法基于物联网和遥感技术以将农业监管区域进行分区域逐步评估判断,难以快速确定疑似灾害区域和长势不合格区域,以及在确定疑似灾害区域和长势不合格区域后无法合理判定其灾害原因,管理人员难以准确掌握相应区域的灾害原因并及时作出针对性的改善措施,不利于对农业监管区域进行管理和保证作物稳定生长;
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物联网和遥感技术的农业灾害监控***,解决了现有技术无法基于物联网和遥感技术以将农业监管区域进行分区域逐步评估判断,以及无法合理判定相应区域的灾害原因,不利于对农业监管区域进行管理和保证作物稳定生长的问题。
为实现上述目的,本发明提供如下技术方案:
一种基于物联网和遥感技术的农业灾害监控***,包括农业监控平台、遥感监测采集模块、作物分布决策模块、作物长势分析反馈模块以及区域诊断分析模块;农业监控平台采集到农业监管区域,将农业监管区域划分为若干组监测区域,将对应监测区域标记为i,i={1,2,…,k},k表示监测区域数量且k为大于1的正整数;遥感监测采集模块对农业监管区域进行遥感监测,基于遥感技术进行农业监管区域的监控并通过物联网将遥感采集信息发送至作物分布决策模块和作物长势分析反馈模块;
作物分布决策模块将所有监测区域进行分布决策分析,据此以将监测区域i标记为疑似灾害区域或初步正常区域,将初步正常区域经农业监控平台发送至作物长势分析反馈模块;作物长势分析反馈模块将初步正常区域进行长势评估分析,据此以将对应初步正常区域标记为长势合格区域或长势不合格区域;农业监控平台将农业监管区域中的疑似灾害区域和长势不合格区域进行合并且标记为待诊断区域,将待诊断区域发送至区域诊断分析模块;
区域诊断分析模块将待诊断区域进行诊断分析,据此以获取到对应待诊断区域的虫害评估值,基于虫害评估值以判断是否生成对应待诊断区域的病虫灾害信号,若未生成病虫灾害信号则继续进行分析并获取到对应待诊断区域的土壤不良日占值,基于土壤不良日占值并通过分析以生成对应待诊断区域的土壤灾害信号或外部环境灾害信号,将对应待诊断区域的病虫灾害信号、土壤灾害信号或外部环境灾害信号发送至农业监控平台,且农业监控平台将待诊断区域以及对应的病虫灾害信号、土壤灾害信号或外部环境灾害信号发送至农业监管预警终端。
进一步的,分布决策分析的具体分析过程包括:
基于遥感采集信息获取到监测区域i中的所有未覆盖作物区域以及对应未覆盖作物区域的面积,将未覆盖作物区域的数量标记为TQi1;将所有未覆盖作物区域的面积进行求和计算获取到无作物区域总面积,将无作物区域总面积与预设无作物区域总面积阈值进行数值比较,若无作物区域总面积超过预设无作物区域总面积阈值,则将对应监测区域i标记为疑似灾害区域;
若无作物区域总面积未超过预设无作物区域总面积阈值,则将监测区域i中对应未覆盖作物区域的面积与预设区域面积阈值进行数值比较,若对应未覆盖作物区域的面积超过预设区域面积阈值,则向对应未覆盖作物区域分配初步判定符号CP-1;将监测区域i中与初步判定符号CP-1相对应的未覆盖作物区域的数量标记为TQi2,通过公式TYi=a1*TQi1+a2*(TQi2/TQi1)进行数值计算并取其数值,将其数值标记为分布决策值TYi;其中,a1、a2为预设权重系数,a2>a1>1;若TYi≥TYmax,则将对应监测区域i标记为疑似灾害区域,否则将对应监测区域i标记为初步正常区域;其中,TYmax为分布决策值TYi的预设判定阈值,且TYmax的取值大于零;将初步正常区域经农业监控平台发送至作物长势分析反馈模块。
进一步的,作物长势分析反馈模块的具体运行过程包括:
获取到农业监管区域中作物当前的生长阶段,基于遥感采集信息获取到对应初步正常区域中的作物生长量数据、叶面积指数数据和光合作用参数数据,将作物生长量数据相较于作物当前生长阶段的预设作物生长量数据阈值的超出值标记为作物生长量超出值,同理获取到对应初步正常区域的叶面积指数超出值和光合作用参数超出值;
将作物生长量超出值、叶面积指数超出值和光合作用参数超出值进行归一化计算以得到对应初步正常区域的作物长势分析值;将作物长势分析值与预设作物长势分析阈值进行数值比较,若作物长势分析值超过预设作物长势分析阈值,则将对应初步正常区域标记为长势合格区域,若作物长势分析值未超过预设作物长势分析阈值,则将对应初步正常区域标记为长势不合格区域。
进一步的,农业监控平台与作物生长均匀性监管模块通信连接,若农业监管区域中不存在疑似灾害区域和长势不合格区域,农业监控平台生成作物生长均匀性分析信号,并将作物生长均匀性分析信号和所有监测区域的作物长势分析值发送至作物生长均匀性监管模块;作物生长均匀性监管模块接收到作物生长均匀性分析信号后将农业监管区域进行作物生长均匀性分析,据此以生成长势均匀性合格信号或长势均匀性预警信号,将长势均匀性预警信号经农业监控平台发送至农业监管预警终端。
进一步的,作物生长均匀性分析的具体分析过程如下:
将所有监测区域的作物长势分析值建立长势分析值集合,将长势分析值集合进行方差计算以得到长势偏差值,将长势偏差值与预设长势偏差值阈值进行数值比较,若长势偏差值超过预设长势偏差值阈值,则生成长势均匀性预警信号;若长势偏差值未超过预设长势偏差值阈值,则将长势分析值集合中的子集按照数值由大到小的顺序进行排序,将长势分析值集合中位于前n位的所有子集标记为首部子集,将长势分析值集合中位于后n位的所有子集标记为尾部子集,n为正整数且n<k/4;
将所有首部子集的数值进行求和计算并取均值以得到长势首析值,将所有尾部子集的数值进行求和计算并取均值以得到长势尾析值,将长势首析值减去长势尾析值得到首尾偏距值;将首尾偏距值与长势偏差值进行数值计算得到长势精析值,将长势精析值与预设长势精析阈值进行数值比较,若长势精析值超过预设长势精析阈值,则生成长势均匀性预警信号,若长势精析值未超过预设长势精析阈值,则生成长势均匀性合格信号。
进一步的,区域诊断分析模块的具体运行过程包括:
以当前日期为结束日期向前追溯以设定天数为Q1的诊断周期,获取到对应待诊断区域的虫害监测值,按照时间顺序在直角坐标系中画出虫害监测值曲线,将诊断周期内的所有虫害监测值进行求和计算并取均值以得到虫害测均值,在直角坐标系中画出水平直线并标记为虫害判定直线,捕捉到虫害监测值曲线位于虫害判定直线上方的线段,将所有线段所代表的时长进行求和计算以得到虫害超标总时长;将虫害超标总时长与虫害测均值进行数值计算以得到虫害评估值,将虫害评估值与预设虫害评估阈值进行数值比较,若虫害评估值超过预设虫害评估阈值,则生成病虫灾害信号;
若虫害评估值未超过预设虫害评估阈值,则在每日设定十二组检测时段,每个检测时段的时长为两小时,将对应检测时段标记为u;获取到对应待诊断区域对应日期检测时段u的土壤监测值,将土壤监测值与对应的预设土壤监测阈值进行数值比较,若土壤监测值超过预设土壤监测阈值,则向对应检测时段赋予土壤评估符号TP-1,将对应日期与土壤评估符号TP-1相对应的检测时段数量标记为土壤不合格频率,将超过预设土壤不合格频率阈值的日期标记为土壤不良日,将诊断周期内土壤不良日的数量与数值Q1进行比值计算以得到土壤不良日占值;将土壤不良日占值与预设土壤不良日占阈值进行数值比较,若土壤不良日占值超过预设土壤不良日占阈值,则生成土壤灾害信号;若土壤不良日占值未超过预设土壤不良日占阈值,则生成外部环境灾害信号。
进一步的,区域诊断分析模块与土壤监测采集模块和虫害监测采集模块均通信连接,虫害监测采集模块将农业监管区域进行虫害监测分析以得到所有监测区域的虫害监测值,并通过物联网将所有监测区域的虫害监测值发送至区域诊断分析模块;土壤监测采集模块将农业监管区域进行土壤监测分析以得到所有监测区域的土壤监测值,并通过物联网将所有监测区域的土壤监测值发送至区域诊断分析模块。
进一步的,虫害监测分析的具体分析过程如下:
事先在待诊断区域中设定若干个害虫捕捉监测点,获取到对应害虫捕捉监测点所捕捉到的害虫种类和对应种类的害虫数量,并事先设定每个种类的害虫分别对应一组预设灾害系数,将对应种类的害虫数量与对应预设灾害系数进行乘积计算并取和值,且将和值标记为对应种类害虫的虫表值,将待诊断区域中对应害虫捕捉监测点的所有虫表值进行求和计算以得到虫表和值;将待诊断区域中所有害虫捕捉监测点中数值最大的虫表和值标记为最大虫表和值,将所有害虫捕捉监测点的虫表和值进行求和计算并取均值以得到害虫均分值,将害虫均分值与最大虫表和值进行数值计算得到虫害监测值。
进一步的,土壤监测分析的具体分析过程如下:
获取到对应待诊断区域对应检测时段的土壤温度数据、土壤湿度数据、土壤松散数据以及土壤养分数据,将土壤温度数据与作物当前生长阶段对应时段的预设适宜土壤温度数据进行差值计算并取绝对值以得到土温偏差值,同理获取到土湿偏差值、土松偏差值和养分偏差值,将土温偏差值、土湿偏差值、土松偏差值和养分偏差值进行归一化计算以得到对应检测时段的土壤监测值。
与现有技术相比,本发明的有益效果是:
1、本发明中,通过遥感技术进行农业监管区域的监控并通过物联网将遥感采集信息发送至作物分布决策模块和作物长势分析反馈模块,作物分布决策模块将所有监测区域进行分布决策分析,据此以将监测区域i标记为疑似灾害区域或初步正常区域,将初步正常区域发送至作物长势分析反馈模块,作物长势分析反馈模块将初步正常区域进行长势评估分析,据此以将对应初步正常区域标记为长势合格区域或长势不合格区域,基于物联网和遥感技术将农业监管区域进行分区域逐步评估判断,从而快速且精准确定疑似灾害区域和长势不合格区域;
2、本发明中,通过区域诊断分析模块将待诊断区域进行诊断分析,据此以生成对应待诊断区域的病虫灾害信号、土壤灾害信号或外部环境灾害信号,从而在确定疑似灾害区域和长势不合格区域后合理判定其灾害原因,有利于对农业监管区域进行管理并保证作物稳定生长,且在农业监管区域中不存在疑似灾害区域和长势不合格区域时进行作物生长均匀性分析,据此以生成长势均匀性合格信号或长势均匀性预警信号,以便农业管理人员作出相应改善措施。
附图说明
为了便于本领域技术人员理解,下面结合附图对本发明作进一步的说明;
图1为本发明中实施例一的***框图;
图2为本发明中实施例二的***框图。
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。
实施例一:如图1所示,本发明提出的一种基于物联网和遥感技术的农业灾害监控***,包括农业监控平台、遥感监测采集模块、作物分布决策模块、作物长势分析反馈模块以及区域诊断分析模块;农业监控平台采集到农业监管区域,将农业监管区域划分为若干组监测区域,将对应监测区域标记为i,i={1,2,…,k},k表示监测区域数量且k为大于1的正整数;遥感监测采集模块对农业监管区域进行遥感监测,基于遥感技术进行农业监管区域的监控并通过物联网将遥感采集信息发送至作物分布决策模块和作物长势分析反馈模块;
作物分布决策模块将所有监测区域进行分布决策分析,据此以将监测区域i标记为疑似灾害区域或初步正常区域,疑似灾害区域和初步正常区域发送至农业监控平台,农业监控平台将初步正常区域发送至作物长势分析反馈模块;分布决策分析的具体分析过程如下:
基于遥感采集信息获取到监测区域i中的所有未覆盖作物区域以及对应未覆盖作物区域的面积,将未覆盖作物区域的数量标记为TQi1;将所有未覆盖作物区域的面积进行求和计算获取到无作物区域总面积,将无作物区域总面积与预设无作物区域总面积阈值进行数值比较,若无作物区域总面积超过预设无作物区域总面积阈值,则将对应监测区域i标记为疑似灾害区域;若无作物区域总面积未超过预设无作物区域总面积阈值,则将监测区域i中对应未覆盖作物区域的面积与预设区域面积阈值进行数值比较,若对应未覆盖作物区域的面积超过预设区域面积阈值,则向对应未覆盖作物区域分配初步判定符号CP-1;
将监测区域i中与初步判定符号CP-1相对应的未覆盖作物区域的数量标记为TQi2,通过公式TYi=a1*TQi1+a2*(TQi2/TQi1)进行数值计算并取其数值,将其数值标记为分布决策值TYi;其中,a1、a2为预设权重系数,a2>a1>1;将分布决策值TYi与对应的预设判定阈值TYmax进行数值比较,且TYmax的取值大于零;若TYi≥TYmax,表明对应监测区域i出现农业灾害的可能性较大,则将对应监测区域i标记为疑似灾害区域;若TYi<TYmax,则初步判定对应监测区域i出现农业灾害的可能性较小,并将对应监测区域i标记为初步正常区域。
作物长势分析反馈模块将初步正常区域进行长势评估分析,据此以将对应初步正常区域标记为长势合格区域或长势不合格区域,将长势合格区域和长势不合格区域发送至农业监控平台;作物长势分析反馈模块的具体运行过程如下:
获取到农业监管区域中作物当前的生长阶段,基于遥感采集信息获取到对应初步正常区域中的作物生长量数据、叶面积指数数据和光合作用参数数据,其中,需要说明的是,作物生长量数据是通过遥感技术测量作物的生长量,包括株高、生物量等参数,用于评估作物的生长情况和长势;叶面积指数是反映作物长势的重要指标,通过遥感技术测量作物的叶面积与绿度分布,然后计算出叶面积指数;光合作用参数可以反映作物的对光能的利用效率和碳固定能力,主要通过遥感技术测量作物的叶片的叶绿素含量和光合速率等参数计算得出;
将作物生长量数据相较于作物当前生长阶段的预设作物生长量数据阈值的超出值标记为作物生长量超出值,同理获取到对应初步正常区域的叶面积指数超出值和光合作用参数超出值;通过公式ZSi=fp1*SLi+fp2*YMi+fp3*GHi将作物生长量超出值SLi、叶面积指数超出值YMi和光合作用参数超出值GHi进行归一化计算以得到对应初步正常区域的作物长势分析值ZSi;其中,fp1、fp2、fp3为预设权重系数,fp1、fp2、fp3的取值均大于零且fp1>fp2>fp3;
需要说明的是,作物长势分析值ZSi的数值大小与作物生长量超出值SLi、叶面积指数超出值YMi和光合作用参数超出值GHi均呈正比关系,作物长势分析值ZSi的数值越大,表明对应初步正常区域的作物长势状况越好;将作物长势分析值ZSi与预设作物长势分析阈值进行数值比较,若作物长势分析值ZSi超过预设作物长势分析阈值,则将对应初步正常区域标记为长势合格区域;若作物长势分析值ZSi未超过预设作物长势分析阈值,则将对应初步正常区域标记为长势不合格区域。
农业监控平台将农业监管区域中的疑似灾害区域和长势不合格区域进行合并且标记为待诊断区域,且将待诊断区域发送至区域诊断分析模块;区域诊断分析模块将待诊断区域进行诊断分析,据此以获取到对应待诊断区域的虫害评估值,基于虫害评估值以判断是否生成对应待诊断区域的病虫灾害信号,若未生成病虫灾害信号则继续进行分析并获取到对应待诊断区域的土壤不良日占值,基于土壤不良日占值并通过分析以生成对应待诊断区域的土壤灾害信号或外部环境灾害信号;区域诊断分析模块的具体运行过程如下:
以当前日期为结束日期向前追溯以设定天数为Q1的诊断周期,优选的,Q1为15天;获取到对应待诊断区域的虫害监测值CTi,按照时间顺序在直角坐标系中画出虫害监测值曲线,将诊断周期内的所有虫害监测值进行求和计算并取均值以得到虫害测均值CJi,在直角坐标系中画出水平直线并标记为虫害判定直线,水平直线的纵坐标表示虫害监测值的预设判定阈值;捕捉到虫害监测值曲线位于虫害判定直线上方的线段,将对应的所有线段所代表的时长进行求和计算以得到对应待诊断区域的虫害超标总时长CSi;
通过公式CQi=(bt1*CSi+bt2*CJi)/(bt1+bt2)将虫害超标总时长CSi与虫害测均值CJi进行数值计算以得到对应待诊断区域的虫害评估值CQi,其中,bt1、bt2为预设比例系数,bt1>bt2>0;并且,虫害评估值CQi的数值大小与虫害超标总时长CSi与虫害测均值CJi均呈正比关系,虫害评估值CQi的数值越大,表明出现病虫灾害的可能性较大;将对应待诊断区域的虫害评估值CQi与预设虫害评估阈值进行数值比较,若对应待诊断区域的虫害评估值CQi超过预设虫害评估阈值,则生成病虫灾害信号;
若对应待诊断区域的虫害评估值CQi未超过预设虫害评估阈值,则在每日设定十二组检测时段,每个检测时段的时长为两小时,将对应检测时段标记为u;获取到对应待诊断区域对应日期检测时段u的土壤监测值TJu,将土壤监测值TJu与对应的预设土壤监测阈值进行数值比较,若土壤监测值TJu超过预设土壤监测阈值,表明对应日期检测时段u的土壤表现状况较差,则向对应检测时段赋予土壤评估符号TP-1,将对应待诊断区域对应日期与土壤评估符号TP-1相对应的检测时段数量标记为土壤不合格频率;
将土壤不合频率与预设土壤不合格频率阈值进行数值比较,将超过预设土壤不合格频率阈值的日期标记为土壤不良日,将诊断周期内土壤不良日的数量与数值Q1进行比值计算以得到土壤不良日占值;将土壤不良日占值与预设土壤不良日占阈值进行数值比较,若土壤不良日占值超过预设土壤不良日占阈值,表明因土壤原因而造成相应区域作物生长不佳的可能性较大,则生成土壤灾害信号;若土壤不良日占值未超过预设土壤不良日占阈值,表明因外部气候原因而导致相应区域作物生长不佳的可能性较大,则生成外部环境灾害信号。
进一步而言,区域诊断分析模块与土壤监测采集模块和虫害监测采集模块均通信连接,虫害监测采集模块将农业监管区域进行虫害监测分析以得到所有监测区域的虫害监测值,并通过物联网将所有监测区域的虫害监测值发送至区域诊断分析模块;土壤监测采集模块将农业监管区域进行土壤监测分析以得到所有监测区域的土壤监测值,并通过物联网将所有监测区域的土壤监测值发送至区域诊断分析模块,从而为诊断分析过程提供数据支撑,以保证后续分析结果的准确性;虫害监测分析的具体分析过程如下:
事先在待诊断区域中设定若干个害虫捕捉监测点,获取到对应害虫捕捉监测点所捕捉到的害虫种类和对应种类的害虫数量,并事先设定每个种类的害虫分别对应一组预设灾害系数,预设灾害系数的取值均大于零,并且,对应种类的害虫对作物的危害越大,则对应种类害虫的预设灾害系数的数值越大;将对应种类的害虫数量与对应预设灾害系数进行乘积计算并取和值,且将和值标记为对应种类害虫的虫表值,将待诊断区域中对应害虫捕捉监测点的所有虫表值进行求和计算以得到虫表和值;
将待诊断区域中所有害虫捕捉监测点中数值最大的虫表和值标记为最大虫表和值,将所有害虫捕捉监测点的虫表和值进行求和计算并取均值以得到害虫均分值,通过公式CTi=(ep1*HJi+ep2*ZHi)/2将害虫均分值HJi与最大虫表和值ZHi进行数值计算得到虫害监测值CTi;其中,ep1、ep2为预设比例系数,ep1>ep2>0;并且,虫害监测值CTi的数值大小与害虫均分值HJi与最大虫表和值ZHi均呈正比关系,虫害监测值CTi的数值越大,表明对应时刻对应待诊断区域的虫害状况越严重。
并且,土壤监测分析的具体分析过程如下:获取到对应待诊断区域对应检测时段的土壤温度数据、土壤湿度数据、土壤松散数据(表示土壤疏松程度大小的数据量值)以及土壤养分数据(指氮磷钾的含量大小的数据量值),将土壤温度数据与作物当前生长阶段对应时段的预设适宜土壤温度数据进行差值计算并取绝对值以得到土温偏差值,同理获取到土湿偏差值、土松偏差值和养分偏差值;通过公式TJiu=c1*TWiu+c2*TSiu+c3*TBiu+c4*TGiu将土温偏差值TWiu、土湿偏差值TSiu、土松偏差值TBiu和养分偏差值TGiu进行归一化计算以得到对应待诊断区域对应检测时段的土壤监测值TJu;其中,c1、c2、c3、c4为预设权重系数,c1、c2、c3、c4的取值均大于零;并且,土壤监测值TJu的数值越大,表明对应待诊断区域对应检测时段的土壤状况越差。
区域诊断分析模块将对应待诊断区域的病虫灾害信号、土壤灾害信号或外部环境灾害信号发送至农业监控平台,且农业监控平台将待诊断区域以及对应的病虫灾害信号、土壤灾害信号或外部环境灾害信号发送至农业监管预警终端,农业监管预警终端进行相应信息显示并发出相应预警,以便农业管理人员及时且针对性的作出相应区域的改善,从而有利于农业监管人员进行农业监管区域的管理,并有助于保证农业监管区域的作物快速稳定生长。
实施例二:如图2所示,本实施例与实施例1的区别在于,农业监控平台与作物生长均匀性监管模块通信连接,若农业监管区域中不存在疑似灾害区域和长势不合格区域,则农业监控平台生成作物生长均匀性分析信号,并将作物生长均匀性分析信号和所有监测区域的作物长势分析值发送至作物生长均匀性监管模块;作物生长均匀性监管模块接收到作物生长均匀性分析信号后将农业监管区域进行作物生长均匀性分析,据此以生成长势均匀性合格信号或长势均匀性预警信号,将长势均匀性预警信号经农业监控平台发送至农业监管预警终端,农业监管预警终端接收到长势均匀性预警信号后发出相应预警,以便农业管理人员作出相应改善措施;作物生长均匀性分析的具体分析过程如下:
将所有监测区域的作物长势分析值建立长势分析值集合,将长势分析值集合进行方差计算以得到长势偏差值,需要说明的是,长势偏差值是表示所有监测区域中作物长势相互之间偏差程度大小的数据量值,且长势偏差值的数值越小,表明所有监测区域的作物长势越均匀;将长势偏差值与预设长势偏差值阈值进行数值比较,若长势偏差值超过预设长势偏差值阈值,则生成长势均匀性预警信号;若长势偏差值未超过预设长势偏差值阈值,则将长势分析值集合中的子集按照数值由大到小的顺序进行排序,将长势分析值集合中位于前n位的所有子集标记为首部子集,将长势分析值集合中位于后n位的所有子集标记为尾部子集,n为正整数且n<k/4;
将所有首部子集的数值进行求和计算并取均值以得到长势首析值SX,将所有尾部子集的数值进行求和计算并取均值以得到长势尾析值WX,通过公式SW=SX-WX将长势首析值SX减去长势尾析值WX得到首尾偏距值SW;通过公式JX=b1*SW+b2*CP将首尾偏距值SW与长势偏差值CP进行数值计算得到长势精析值JX,其中,b1、b2为预设权重系数,且b2>b1>1;并且,长势精析值JX的数值越大,表明所有监测区域的作物长势越不均匀;将长势精析值JX与预设长势精析阈值进行数值比较,若长势精析值JX超过预设长势精析阈值,表明所有监测区域的作为长势较不均匀,则生成长势均匀性预警信号,若长势精析值JX未超过预设长势精析阈值,表明所有监测区域的作为长势较为均匀,则生成长势均匀性合格信号。
本发明的工作原理:使用时,遥感监测采集模块基于遥感技术进行农业监管区域的监控并通过物联网将遥感采集信息发送至作物分布决策模块和作物长势分析反馈模块,作物分布决策模块将所有监测区域进行分布决策分析,据此以将监测区域i标记为疑似灾害区域或初步正常区域,作物长势分析反馈模块将初步正常区域进行长势评估分析,据此以将对应初步正常区域标记为长势合格区域或长势不合格区域,基于物联网和遥感技术将农业监管区域进行分区域逐步评估判断,从而快速且精准确定疑似灾害区域和长势不合格区域;农业监控平台将农业监管区域中的疑似灾害区域和长势不合格区域进行合并且标记为待诊断区域,区域诊断分析模块将待诊断区域进行诊断分析,据此以生成对应待诊断区域的病虫灾害信号、土壤灾害信号或外部环境灾害信号,从而在确定疑似灾害区域和长势不合格区域后合理判定其灾害原因,管理人员得以准确掌握相应区域的灾害原因并及时作出针对性的改善措施,有利于对农业监管区域进行管理并保证作物稳定生长。
上述公式均是去量纲取其数值计算,公式是由采集大量数据进行软件模拟得到最近真实情况的一个公式,公式中的预设参数由本领域的技术人员根据实际情况进行设置。以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节,也不限制该发明仅为的具体实施方式。显然,根据本说明书的内容,可作很多的修改和变化。本说明书选取并具体描述这些实施例,是为了更好地解释本发明的原理和实际应用,从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。
Claims (9)
1.一种基于物联网和遥感技术的农业灾害监控***,其特征在于,包括农业监控平台、遥感监测采集模块、作物分布决策模块、作物长势分析反馈模块以及区域诊断分析模块;农业监控平台采集到农业监管区域,将农业监管区域划分为若干组监测区域,将对应监测区域标记为i,i={1,2,…,k},k表示监测区域数量且k为大于1的正整数;遥感监测采集模块对农业监管区域进行遥感监测,基于遥感技术进行农业监管区域的监控并通过物联网将遥感采集信息发送至作物分布决策模块和作物长势分析反馈模块;
作物分布决策模块将所有监测区域进行分布决策分析,据此以将监测区域i标记为疑似灾害区域或初步正常区域,将初步正常区域经农业监控平台发送至作物长势分析反馈模块;作物长势分析反馈模块将初步正常区域进行长势评估分析,据此以将对应初步正常区域标记为长势合格区域或长势不合格区域;农业监控平台将农业监管区域中的疑似灾害区域和长势不合格区域进行合并且标记为待诊断区域,将待诊断区域发送至区域诊断分析模块;
区域诊断分析模块将待诊断区域进行诊断分析,据此以获取到对应待诊断区域的虫害评估值,基于虫害评估值以判断是否生成对应待诊断区域的病虫灾害信号,若未生成病虫灾害信号则继续进行分析并获取到对应待诊断区域的土壤不良日占值,基于土壤不良日占值并通过分析以生成对应待诊断区域的土壤灾害信号或外部环境灾害信号,将对应待诊断区域的病虫灾害信号、土壤灾害信号或外部环境灾害信号发送至农业监控平台,且农业监控平台将待诊断区域以及对应的病虫灾害信号、土壤灾害信号或外部环境灾害信号发送至农业监管预警终端。
2.根据权利要求1所述的一种基于物联网和遥感技术的农业灾害监控***,其特征在于,分布决策分析的具体分析过程包括:
基于遥感采集信息获取到监测区域i中的所有未覆盖作物区域以及对应未覆盖作物区域的面积,将未覆盖作物区域的数量标记为TQi1;将所有未覆盖作物区域的面积进行求和计算获取到无作物区域总面积,若无作物区域总面积超过预设无作物区域总面积阈值,则将对应监测区域i标记为疑似灾害区域;
若无作物区域总面积未超过预设无作物区域总面积阈值,则将监测区域i中对应未覆盖作物区域的面积与预设区域面积阈值进行数值比较,若对应未覆盖作物区域的面积超过预设区域面积阈值,则向对应未覆盖作物区域分配初步判定符号CP-1;将监测区域i中与初步判定符号CP-1相对应的未覆盖作物区域的数量标记为TQi2,通过公式TYi=a1*TQi1+a2*(TQi2/TQi1)进行数值计算并取其数值,将其数值标记为分布决策值TYi;其中,a1、a2为预设权重系数,a2>a1>1;若TYi≥TYmax,则将对应监测区域i标记为疑似灾害区域,否则将对应监测区域i标记为初步正常区域;其中,TYmax为分布决策值TYi的预设判定阈值,且TYmax的取值大于零;将初步正常区域经农业监控平台发送至作物长势分析反馈模块。
3.根据权利要求2所述的一种基于物联网和遥感技术的农业灾害监控***,其特征在于,作物长势分析反馈模块的具体运行过程包括:
获取到农业监管区域中作物当前的生长阶段,基于遥感采集信息获取到对应初步正常区域中的作物生长量数据、叶面积指数数据和光合作用参数数据,将作物生长量数据相较于作物当前生长阶段的预设作物生长量数据阈值的超出值标记为作物生长量超出值,同理获取到对应初步正常区域的叶面积指数超出值和光合作用参数超出值;
将作物生长量超出值、叶面积指数超出值和光合作用参数超出值进行归一化计算以得到对应初步正常区域的作物长势分析值;若作物长势分析值超过预设作物长势分析阈值,则将对应初步正常区域标记为长势合格区域,若作物长势分析值未超过预设作物长势分析阈值,则将对应初步正常区域标记为长势不合格区域。
4.根据权利要求2所述的一种基于物联网和遥感技术的农业灾害监控***,其特征在于,农业监控平台与作物生长均匀性监管模块通信连接,若农业监管区域中不存在疑似灾害区域和长势不合格区域,农业监控平台生成作物生长均匀性分析信号,并将作物生长均匀性分析信号和所有监测区域的作物长势分析值发送至作物生长均匀性监管模块;作物生长均匀性监管模块接收到作物生长均匀性分析信号后将农业监管区域进行作物生长均匀性分析,据此以生成长势均匀性合格信号或长势均匀性预警信号,将长势均匀性预警信号经农业监控平台发送至农业监管预警终端。
5.根据权利要求4所述的一种基于物联网和遥感技术的农业灾害监控***,其特征在于,作物生长均匀性分析的具体分析过程如下:
将所有监测区域的作物长势分析值建立长势分析值集合,将长势分析值集合进行方差计算以得到长势偏差值,若长势偏差值超过预设长势偏差值阈值,则生成长势均匀性预警信号;若长势偏差值未超过预设长势偏差值阈值,则将长势分析值集合中的子集按照数值由大到小的顺序进行排序,将长势分析值集合中位于前n位的所有子集标记为首部子集,将长势分析值集合中位于后n位的所有子集标记为尾部子集,n为正整数且n<k/4;
将所有首部子集的数值进行求和计算并取均值以得到长势首析值,将所有尾部子集的数值进行求和计算并取均值以得到长势尾析值,将长势首析值减去长势尾析值得到首尾偏距值;将首尾偏距值与长势偏差值进行数值计算得到长势精析值,若长势精析值超过预设长势精析阈值,则生成长势均匀性预警信号,若长势精析值未超过预设长势精析阈值,则生成长势均匀性合格信号。
6.根据权利要求1所述的一种基于物联网和遥感技术的农业灾害监控***,其特征在于,区域诊断分析模块的具体运行过程包括:
以当前日期为结束日期向前追溯以设定天数为Q1的诊断周期,获取到对应待诊断区域的虫害监测值,按照时间顺序在直角坐标系中画出虫害监测值曲线,将诊断周期内的所有虫害监测值进行求和计算并取均值以得到虫害测均值,在直角坐标系中画出水平直线并标记为虫害判定直线,捕捉到虫害监测值曲线位于虫害判定直线上方的线段,将所有线段所代表的时长进行求和计算以得到虫害超标总时长;将虫害超标总时长与虫害测均值进行数值计算以得到虫害评估值,若虫害评估值超过预设虫害评估阈值,则生成病虫灾害信号;
若虫害评估值未超过预设虫害评估阈值,则在每日设定十二组检测时段,每个检测时段的时长为两小时,将对应检测时段标记为u;获取到对应待诊断区域对应日期检测时段u的土壤监测值,若土壤监测值超过预设土壤监测阈值,则向对应检测时段赋予土壤评估符号TP-1,将对应日期与土壤评估符号TP-1相对应的检测时段数量标记为土壤不合格频率,将超过预设土壤不合格频率阈值的日期标记为土壤不良日,将诊断周期内土壤不良日的数量与数值Q1进行比值计算以得到土壤不良日占值;若土壤不良日占值超过预设土壤不良日占阈值,则生成土壤灾害信号;若土壤不良日占值未超过预设土壤不良日占阈值,则生成外部环境灾害信号。
7.根据权利要求6所述的一种基于物联网和遥感技术的农业灾害监控***,其特征在于,区域诊断分析模块与土壤监测采集模块和虫害监测采集模块均通信连接,虫害监测采集模块将农业监管区域进行虫害监测分析以得到所有监测区域的虫害监测值,并通过物联网将所有监测区域的虫害监测值发送至区域诊断分析模块;土壤监测采集模块将农业监管区域进行土壤监测分析以得到所有监测区域的土壤监测值,并通过物联网将所有监测区域的土壤监测值发送至区域诊断分析模块。
8.根据权利要求7所述的一种基于物联网和遥感技术的农业灾害监控***,其特征在于,虫害监测分析的具体分析过程如下:
事先在待诊断区域中设定若干个害虫捕捉监测点,获取到对应害虫捕捉监测点所捕捉到的害虫种类和对应种类的害虫数量,并事先设定每个种类的害虫分别对应一组预设灾害系数,将对应种类的害虫数量与对应预设灾害系数进行乘积计算并取和值,且将和值标记为对应种类害虫的虫表值,将待诊断区域中对应害虫捕捉监测点的所有虫表值进行求和计算以得到虫表和值;将待诊断区域中所有害虫捕捉监测点中数值最大的虫表和值标记为最大虫表和值,将所有害虫捕捉监测点的虫表和值进行求和计算并取均值以得到害虫均分值,将害虫均分值与最大虫表和值进行数值计算得到虫害监测值。
9.根据权利要求7所述的一种基于物联网和遥感技术的农业灾害监控***,其特征在于,土壤监测分析的具体分析过程如下:
获取到对应待诊断区域对应检测时段的土壤温度数据、土壤湿度数据、土壤松散数据以及土壤养分数据,将土壤温度数据与作物当前生长阶段对应时段的预设适宜土壤温度数据进行差值计算并取绝对值以得到土温偏差值,同理获取到土湿偏差值、土松偏差值和养分偏差值,将土温偏差值、土湿偏差值、土松偏差值和养分偏差值进行归一化计算以得到对应检测时段的土壤监测值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310977026.0A CN117172952A (zh) | 2023-08-04 | 2023-08-04 | 一种基于物联网和遥感技术的农业灾害监控*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310977026.0A CN117172952A (zh) | 2023-08-04 | 2023-08-04 | 一种基于物联网和遥感技术的农业灾害监控*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117172952A true CN117172952A (zh) | 2023-12-05 |
Family
ID=88945868
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310977026.0A Pending CN117172952A (zh) | 2023-08-04 | 2023-08-04 | 一种基于物联网和遥感技术的农业灾害监控*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117172952A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117350525A (zh) * | 2023-12-06 | 2024-01-05 | 山东科翔智能科技有限公司 | 基于人工智能的农作物生长数据管理决策*** |
-
2023
- 2023-08-04 CN CN202310977026.0A patent/CN117172952A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117350525A (zh) * | 2023-12-06 | 2024-01-05 | 山东科翔智能科技有限公司 | 基于人工智能的农作物生长数据管理决策*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Madhumathi et al. | Soil NPK and moisture analysis using wireless sensor networks | |
CN115185220B (zh) | 一种基于物联网的农林病虫害监控*** | |
CN114451278B (zh) | 一种基于互联网的农田灌溉分析控制*** | |
CN117172952A (zh) | 一种基于物联网和遥感技术的农业灾害监控*** | |
CN109814436B (zh) | 一种基于物联网的农业种植管理*** | |
CN115938083B (zh) | 一种基于移动终端农业监测预警方法及*** | |
CN204833020U (zh) | 一种基于物联网的智能农业生产*** | |
US20220076014A1 (en) | Information processing device, and information processing system | |
CN110825058A (zh) | 一种农作物实时监控*** | |
CN117391613B (zh) | 一种基于物联网的农业产业园管理*** | |
CN103413172B (zh) | 玉米苗期缺苗数的测量方法 | |
CN115237982A (zh) | 一种基于云计算的农业大数据管理***及方法 | |
CN117350525A (zh) | 基于人工智能的农作物生长数据管理决策*** | |
CN115951602A (zh) | 基于北斗导航的农机精准定位作业控制*** | |
CN116046687A (zh) | 一种农作物生长过程监测方法、设备及介质 | |
CN117178769A (zh) | 一种基于自动化的园林植物养护方法及*** | |
CN117807549A (zh) | 一种农田土壤肥力评价方法及*** | |
CN116758420A (zh) | 一种作物苗情分级遥感监测*** | |
CN116562813B (zh) | 一种基于农业物联网的智慧农业综合管理*** | |
CN116307384A (zh) | 一种基于物联网的智慧农业土壤培养在线监测***及方法 | |
CN116823512A (zh) | 一种基于物联网平台的智慧农业管理方法和*** | |
KR102542767B1 (ko) | 식물 바이오 임피던스 처리 방법 및 이를 실행하는 서버 | |
CN118097922B (zh) | 一种基于数据采集分析的农林区域火灾智能化预警*** | |
CN115936267B (zh) | 一种基于物联网的葡萄病害预测方法及设备 | |
CN117455141A (zh) | 基于物联网的水肥药一体化灌溉设备调控方法及*** |
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 |