基于VTK土壤养分三维可视化研究与实现

土壤养分空间分布的三维可视化对描述土壤中元素的空间分布规律、变量施肥及评价具有重要意义。三维可视化与传统的二维空间变异专题图相比,表示三维数据更自然、更清晰、更直观。利用Python语言引入三维可视化类库VTK,采用三维Kriging插值方法,实现了土壤养分空间分布的三维交互。以榆树市试验田土壤养分三维可视化为例,在肥力评价的基础上,验证了变量施肥的实验结果,比二维空间变异图更加直观,更有说服力。     

新疆番茄产业发展状况的分析与对策研究

近年来,新疆番茄产业随着国际市场需求增长快速发展起来,番茄制品出口增长迅猛,新疆成为世界第二大番茄制品出口地区。但在迅猛发展的同时,新疆番茄产业暴露出发展模式的落后,病虫害日趋严重,产业竞争力不强,缺乏自主产业品牌等问题,依然是一个低附加值的产业。通过对新疆番茄产业发展状况的浅显分析,试图对番茄产业的进一步发展提供一些参考建议。     

基于“3S”技术的玉米精准种植决策系统的设计

为了解决玉米种植过程中的测土施肥、品种选择、病虫草害诊治、产量预测和效益分析等精准决策问题,利用"3S"技术、人工智能技术和计算机程序设计等相关技术设计并开发了玉米精准种植决策系统。通过应用该软件系统,得到专家级的指导意见,帮助农民进行精准化玉米生产。     

基于聚类分析与时序算法的玉米测产模型

以每公顷玉米产量数据序列为分析处理对象,对玉米产量的时间序列进行了预测分析。结合线性回归分析技术和聚类分析理论,采用分层聚类算法与AR时序算法相融合的方法,探明影响玉米产量的主要因素,确定分层聚类方案,建立一个基于聚类分析的玉米产量AR时序模型,并对2005—2009年的玉米产量进行了预测。聚类分析后模型预测结果的误差值大多数<5%。     

基于J2ME的农业生产履历采集系统

针对当前农业生产过程中存在的生产履历信息采集不便和采集成本高等问题,在分析当前现状的基础上,该文研究并设计开发了基于J2ME平台的农业生产履历信息采集系统。系统实现了定植、施肥、防害、灌溉、收获等信息的采集以及数据上传功能,基本满足了农业生产履历信息采集的需求。系统运行过程中,采用多线程技术解决多任务并发问题,使用RMS存储技术实现数据持久化,利用临时数据存储技术提高程序的运行效率。通过在支持JAVA的手机上对系统进行测试,结果表明,基于J2ME平台的信息采集系统的设计是具有可应用性的,而且具有成本低、携带方便、操作简单、数据传输实时性较高等优势。     

基于改进的BP神经网络集成的作物精准施肥模型

作物最优施肥量与土壤养分含量、产量之间存在复杂的非线性关系。为更加准确地模拟这种关系,提出一种改进的的BP神经网络集成方法。该方法采用K-均值聚类优选神经网络个体,采用拉格朗日乘子方法计算待集成的神经网络个体的权值。然后,基于农田肥料效应试验数据,以土壤养分含量和施肥量作为神经网络的输入,以产量作为神经网络的输出,建立了作物精准施肥模型。该模型通过求解一个非线性规划问题,能同时获得最大产量和最优施肥量。试验结果表明,在施肥模型的拟合精度方面,改进的神经网络集成方法（其均方根误差为64.54）明显优于单个神经网络方法（其均方根误差为169.74）。而且,作为一种定量模型,基于改进的神经网络集成的施肥模型优于传统施肥模型,能有效地指导精准施肥。     

基于数据挖掘的贝叶斯算法应用研究

在众多的数据挖掘算法中,贝叶斯算法因为准确性高,运算性能强而得到广泛应用。利用日常生活中的例子深入浅出的阐述了贝叶斯算法的基本原理,并应用SQL Server 2005数据挖掘工具,对2009年收集的农安地力评价的数据进行了分析,同时应用贝叶斯算法对地力等级进行了预测。     

大数据处理技术在土壤肥力评价中的研究

采用K-means算法对土壤肥力数据进行聚类分析,然后针对传统K-means聚类算法在处理大数据量时时间复杂度高的难题,提出基于大数据处理技术的K-means算法。实验结果表明:(1)用K-means算法对2013年农安县13个乡镇的土壤养分数据的聚类结果显示,当k值设为3时聚类效果最优,且与实际情况相符。(2)基于Hadoop平台的MapReduce分布式下实现的K-means算法与传统的串行算法相比,提高运行速度并完成大数据量下的计算任务。     

云计算在农业信息资源整合模式中的应用

为了解决农业信息资源整合建设过程中的共知、共建和共享问题,将云计算模型引入农业信息资源整合建设中。本文在介绍云计算概念、特点、体系结构及应用模式的基础上,分析云计算环境下农业信息资源整合的实现机制。该方法的提出对于解决农业信息化建设工作中存在的"信息孤岛"和"重复建设"等问题具有重大的意义。     

聚类、粗糙集与决策树的组合算法在地力评价中的应用

 【目的】地力评价方法大多数有一定的主观性,较少考虑土壤各属性间的依赖关系。论文旨在采用数据挖掘方法,寻求地力等级划分的新方法。【方法】结合农安县耕地调查数据,应用K-means聚类方法、Johnson粗糙集属性约简算法与C4.5决策树算法相结合的优化算法评价地力等级。【结果】使用K-means聚类方法,得到最佳学习样本数;使用粗糙集属性约简和决策树相结合的方法,去掉了冗余属性7个,决策树模型共有节点317个,其中叶节点个数为159个,生成规则159条,模型准确率为82.08%。与未聚类和未约简的方法相比,决策树结点个数减少41.62%。【结论】使用该组合算法,在保证模型准确率的同时,降低了算法的时间和空间复杂性,提高了挖掘效率。