农业大数据调研报告.docx
- 文档编号:5658426
- 上传时间:2022-12-30
- 格式:DOCX
- 页数:11
- 大小:1.27MB
农业大数据调研报告.docx
《农业大数据调研报告.docx》由会员分享,可在线阅读,更多相关《农业大数据调研报告.docx(11页珍藏版)》请在冰豆网上搜索。
农业大数据调研报告
农业大数据调研报告
目录
1农业大数据应用现状1
2农业监控预警3
2.1气象监测4
2.2环境监测5
2.3视频图像5
2.4设备状态6
2.5自动控制6
3农业精准种植8
3.1数据现状与应用需求分析8
3.2分析方法与过程9
3.3应用成效11
4农业大数据发展趋势13
1农业大数据应用现状
随着信息技术和网络通信技术的飞速发展,尤其是互联网、移动互联网、物联网、云计算的快速兴起,引发数据爆炸式增长,各类型数据和信息量急剧膨胀,海量数据已经成为当今社会的基本特征。
农业大数据作为大数据的重要分支,是大数据理论、技术、方法在农业领域中的专业化实践和应用。
农业涉及农资、育种、耕地、播种、灌溉、施肥、防治病虫害、收获、仓储、农产品加工、农产品物流、销售、畜牧业生产管理等内容,贯穿整个农业生产管理、消费过程中的各个环节都会产生大量的数据。
农业大数据不仅涉及生产全过程中各个环节产生的数据,还涉及跨行业、跨专业、跨领域的数据。
农业大数据应用,依托部署在农业生产现场的各种传感节点(环境温湿度、土壤水分、二氧化碳、图像等)和无线通信网络,完成农业大数据采集、传输、存储、处理等环节的数据管理,结合大数据分析挖掘技术,最终实现农业生产环境的智能感知、智能预警、智能决策、智能分析、专家在线指导,为农业生产提供精准化种植、可视化管理、智能化决策。
如今,国内外农业大数据快速发展,其典型应用体现在:
Ø培育良种
对人类营养状况数据、生物群体的基因组等数据进行分析,通过对农作物的基因组进行测序,培育一些营养价值较高的作物品种,有助于提升人们的健康水平。
Ø精准种植
精准种植是基于3S技术(遥感技术、地理信息系统、全球定位系统),实施一整套现代化农事操作技术与管理的系统,主要用于土壤肥力的精准化监测、农田边界图智能管理、病虫害精准定位和防治、精准施肥和灌溉等。
Ø农业生态环境监测
生态环境监测主要是对农作物生长相关的土壤、水质、气候、气象和灾害等情况进行全面监测,并对它们之间复杂的关系进行分析,可以判断不同生态环境对农作物生长的影响。
Ø天气预测
通过分析历史天气变化规律,建立天气识别模型,结合当前的气候特征和近期的天气情况,对某地未来一定时期的天气状况进行预测分析,对农业生产和日常生活具有重要指导作用。
Ø农产品与食品安全监测
通过对农产品与食品的产地环境、产业链管理、产前产中产后、仓储加工、物流等数据进行监测,并通过对影响农产品与食品安全的关键性指标设置警兆、分析数据、发布预警、寻找警源、消除警情等一系列操作,实现对农产品与食品的安全监控。
Ø农产品物流
农产品物流涉及农产品的收购、储存、加工、包装、运输、卸载搬运、配送等环节,通过整合、分析各个环节的数据,不仅可以连接农业主体和消费需求主体,还能实现农产品保值增值,甚至可以为整个物流管理提供有力的决策支持,如物流中心选址、最优化配送路线、合理管理库存等。
Ø农产品市场追踪
通过对农产品销售价格、销售量、销售需求、消费者购买行为数据进行分析,可以判断农产品的供需、价格变动以及消费者的购买习惯等。
我国的农业大数据应用虽已取得阶段性成果,但在整个农业产业链推广过程中仍存在许多问题。
而农业大数据作为农业信息化的发展趋势,是新一代信息技术的集中反映,是一个具有无穷潜力的新兴科技产业方向。
2农业监控预警
近年来,规模种植为提高人们的生活水平带来极大的便利,得到了迅速的推广和应用。
种植环境中的温度、湿度、光照度、CO2浓度等环境因子对作物的生产有很大的影响。
然而,在大面积种植中,定期检查、灌溉、排水、施肥等工作,没有一套指导标准,更多的是靠人为判断,判断的差异性严重影响种植产量和质量。
针对上述问题,龙信思源(北京)科技有限公司提供的智能农业监控系统融入国际领先的“物联网-移动互联网-云计算”技术,借助个人电脑,智能手机等终端设备,实现对农业生产现场气象、土壤、水源环境的实时监测,并对大棚,温室,灌溉等农业设施实现远程自动化控制。
同时,结合视频直播、智能预警等强大功能,帮助广大农业工作者及时掌握农作物生长状况及环境变化趋势,为用户提供高效便捷、功能强大的农业监控解决方案。
图2-39智能农业监控技术背景
该系统通过定制开发的智能终端设备监控农业生产过程中的各类指标(包括气象环境、土壤情况,设备状态等),通过高清摄像机或者照相机远程监控生产园区中一系列智能终端设备(降温、加湿、抽风、施肥等等)数据汇聚到云计算数据中心,实现农业信息检测和标准化生产监控,帮助用户精确了解农作物生长、病虫害、土地灌溉及土壤空气变更情况等,并结合农产品的生产流程与标准指标设置预警反馈,最终实现该产品全程监控和预警机制。
图2-40智能农业监控系统
2.1气象监测
田间的“一站式”气象站采用太阳能供电,集成了多种传感器,实时监测各种气象信息(风向、风速、光照、温度、降雨量等),并通过智能网关直接将数据信息传回云数据中心。
全程采用全智能化设计,一旦设定监控条件,可完全自动化运行,无需人工干预。
最大程度避免人工操作的随意性,同时明显降低现场劳动力,帮助用户实现对农业设施的精准控制。
图2-41气象监测示例
2.2环境监测
采用“一站式”监测站,实时监测各种环境信息(空气湿度、土壤湿度、CO2含量、土壤pH值等),并通过智能网关直接将数据信息传回云数据中心,提高监控效率,帮助用户实现生产流程的标准化管理。
图2-42环境监测示例
2.3视频图像
综合运用“传感器、控制器、智能相机、智能摄像头、RFID”等高端物联网设备,实现对农业生产活动中从物到人的360度全面监控,监控范围包括:
现场视频、高清图片、环境质量、设备状态、人员定位等等,并根据设定条件,对各种异常情况进行自动预警、任务跟踪与远程控制。
图2-43视频图像示例
2.4设备状态
实时监测生产现场各种设备运行状态(灌溉记录、排风记录、流量、水压等),并通过智能网关直接将数据信息传回云数据中心,及时为用户反馈设备运行情况,优化农作物生长环境。
图2-44设备状态监测示例
2.5自动控制
融入国际领先的“物联网,移动互联网,云计算”技术,借助个人电脑、智能手机等终端设备,通过对农业生产现场气象、土壤、水源环境的实时监测,实现对大棚、温室、灌溉等农业设施实现远程自动化控制。
图2-45自动控制示例
总之,信息作为现代农业基本要素,将很快向农业生产管理深层渗透,信息服务技术向着网络化、集成化、智能化、个性化、低成本方向的发展,海量信息低成本获取、传输、大数据建模技术的瓶颈突破,智能农业监控系统的应用,将使智慧农业逐步走进农家,为中国实现农业现代化助力的同时,也为广大农产品消费者带来进一步的效率、便利和安全。
3农业精准种植
随着科技的进步、生产力的提高,我国农业有了较大发展,粮食产量也有了大幅提高,但人们在农业生产管理过程中仍存在诸多的问题:
不合理使用化肥、大量喷洒农药、大水漫灌等,不仅对农作物生长不利,而且还会造成土壤板结、盐碱化程度加重等后果,进而影响后续的农业生产和收成,陷入恶性循环。
现如今,大数据处理技术以及农业生产过程中产生、积累的海量农业数据,为农业的发展带来了新的机遇。
龙信思源(北京)科技有限公司作为协作单位参与了科技部“渤海粮仓增产增效”项目中并承担了其中部分大数据支撑研究,下面以此研究的相关成果为内容进行阐述。
3.1数据现状与应用需求分析
目前,团队采集的农业数据主要包括土壤数据、作物(小麦)生长数据、气候数据、种植与生产数据、病虫害防治数据、气象数据等,数据的采集主要采用两种方式:
人工采集和自动采集。
人工采集主要是当地的科技人员按指定的采样标准并通过专门的数据采集网站对这些数据进行记录,如图2-47所示;自动采集主要是利用农田信息采集物联网设备对数据进行实时采集,如图2-48所示:
图2-46数据(人工)采集系统主菜单
图2-47数据(人工)采集系统统计列表
图2-48农田信息物联网自动采集系统
基于对农田作物长势及生长环境数据的采集和积累,依托于大数据分析和挖掘技术,分析采集点的土壤养分含量、播种的品种、播种的日期、上茬农作物的种类及产量情况对小麦生长的影响,通过构建大田作物(小麦)生长因素分析模型,找出影响大田作物(小麦)生长的关键性指标,为改良作物生长提供决策依据及改良方向,进而为农作物的增产增效服务。
3.2分析方法与过程
通过对数据和业务问题的理解,由于作物(小麦)品种多样、长势不一,如果不对麦苗的长势情况进行分类划分,会使得数据分析或挖掘的难度很大、效果较差,因此在对这些数据进行分析或挖掘前,需要对数据进行预处理,根据麦田划分标准,并结合麦苗长势数据,将麦田划分为三个等级:
一类麦田、二类麦田、三类麦田。
从宏观和微观层面对影响麦苗生长的指标进行了统计分析,并采用有效的可视化方式,对统计分析结果进行展现,其关键在于从单指标角度分析每个指标与麦苗长势之间的关系,如图2-49和图2-50所示。
图2-49样本点苗情布局图
图2-50样本点有机质(宏观)布局图
图2-51样本点苗情统计分析图
图2-52样本点有机质(微观)统计分析图
在对影响麦苗生产的各个指标统计分析的基础上,结合数据预处理、数据挖掘等技术,采用有效的挖掘算法——决策树C5.0和Logistic回归分析(目标变量即麦田等级为离散的分类变量,对麦苗影响因素的分析问题转化为对麦田等级划分的分类问题),对影响麦苗生长的各个指标进行动态的、关联性的深层次分析和挖掘,通过构建大田作物(小麦)生长因素分析模型,分析出各种组合模式(作物品种、土壤养分含量、种植模式、施肥量、灌溉量)下对麦田等级划分的有效性,从而找出影响麦苗生长的关键性指标。
模型构建流程如图2-53所示(模型构建使用IBMSPSSModeler数据挖掘软件)。
模型构建完成,需要对建模结果进行分析和评估,确定一系列影响作物生长的分析指标体系(组合模式),对训练结果和验证结果进行比较,最终找出影响作物生长的关键性指标。
3.3应用成效
通过构建大数据采集系统,对农作物苗情、土壤养分、含水量等数据进行收集,可有效解决田间数据的实时采集。
通过宏观和微观分析,可以对影响作物生长的单指标(土壤养分、含水量、盐碱程度等)进行全面透析,有针对性地对土样代表的地块进行施肥、灌溉、控盐渍化等的综合指导,同时可以根据苗情布局情况,对不同等级的麦田进行分类指导,因地因苗制宜,科学运筹肥水,抗旱保苗,促弱转壮,控盐保墒,构建合理群体,加快转化升级,奠定丰收基础。
通过构建大田作物(小麦)生长因素分析模型,初步发现对试验对象麦田等级有重要影响的指标,在农作物的生产管理过程中优先关注并改良这些指标,并在示范工程中取得了良好的成效,为农作物的增产增效提供了有力的数据支撑。
图2-53大田作物(小麦)生长因素分析建模流
4农业大数据发展趋势
大数据时代,农业大数据不仅充满了挑战和未知,也让我们充满了更多期待和憧憬。
在新一轮农业现代化建设中,要将农业大数据纳入国家农业信息化发展战略,夯实智慧农业的基石,让大数据创造出真正的智慧,支撑农业大数据的稳健发展。
要密切跟踪国际大数据前沿技术,积极抓住发展契机,基于政府的强有力推动和引导,做好顶层设计、实现有序发展。
围绕国家农业特点和重大需求,梳理农业大数据重点发展领域,创新农业大数据关键技术,重点培养和支持一批农业大数据的应用与示范项目。
尤其是要通过大数据与农业的融合,不断加强基于农业物联网成果的示范应用,推进现代农业跨越式发展。
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 农业 数据 调研 报告