果园大数据智能管理与服务平台探索与实践

【目的】 传统数字化果园管理中存在数据存储分散、数据处理效率低、服务能力弱和整个生命周期的农业生产数据缺乏等问题,开发集数据存储、管理、挖掘分析和决策支持等功能于一体的果园大数据智能管理与服务平台迫在眉睫。【方法】 文章通过结合“空－天－地”一体化、数字农业、智慧农业等理念,集成深度学习、概率图模型和知识图谱等人工智能方法,开发了果园大数据智能管理与服务平台。【结果】 平台实现了果树数量自动统计、地理环境感知、农机设备自动化精准感知、果园生产周期数据管理和智能化更新功能,同时平台还提供水、肥、药智能决策服务和智能农机生产作业管控服务。【结论】 该平台在成都市龙泉驿现代农业园区进行应用,实现了桃园生产大数据的智能管理和提供精准生产指导服务。该平台的实现为促进果园智能管理和精准生产指导服务提供技术参考,对实现果园智慧化管理具有重要意义。     

果园机械化生产技术研究进展

近年来,随着果园种植规模的不断扩大,传统果园生产技术普遍存在水果栽培方式与机械化作业不配套,农艺与农机结合不完善,呈现各自发展态势上升,标准化技术短缺、人工成本增高、劳动力不足等突出问题,严重制约我国水果产业的经济效益。目前,我国果园大部分环节仍采用人工作业的方式,制造技术落后、机械化程度较低已成为制约我国果园现代化发展的主要因素,传统的人工作业已无法满足现代果园的发展需求,果园机械化问题亟待解决,而生产作业机械化已发展成为支撑现代水果产业提质增效的重要保障,更是推动产业科技进步的重要根源。对国内外水果生产管理及各个作业环节的机械化现状进行分析总结,重点围绕果园土壤与植被管理、病虫害防治、冠层花果管理、水果采收及智能信息管控等技术进行综述,展望了水果生产机械化技术的研究方向,提出未来果园机械化生产技术将逐渐向智能化、标准化、精准化方向发展,为全面提高我国果园机械化生产水平提出发展思路和对策。     

大数据:让精准扶贫更精准

随着大数据信息技术的发展,传统扶贫开发模式由于技术落后难以应对复杂的精准扶贫信息比对分析,使得数据失真难以做到精准扶贫所要求的精准。精准扶贫政策与大数据平台相辅相成,对提高精准扶贫管理的效率和效益具有重大意义。对精准扶贫现状和存在的部分问题进行分析,并通过大数据平台与精准扶贫有机结合的模式,充分发挥大数据信息技术在精准扶贫方面的实际作用。     

基于大数据的灵璧县精准扶贫新模式研究

随着大数据技术的发展,大数据已经成为助力精准扶贫的重要工具。以灵璧县2016年7月实地调研为依据,通过对大量贫困户、脱贫户以及其他村民进行入户调查,深入了解实际情况,从而总结出灵璧县精准扶贫中遇到的困难及存在的问题。进而利用大数据技术,探究大数据与灵璧县精准扶贫结合的具体运用,以期提高灵璧县精准扶贫的成效,同时为其他贫困地区精准扶贫提供经验。     

大数据背景下高校精准资助体系探索

大数据技术为各领域提供了大量的、精准的、具有关联性的数据,在当前高校精准资助体系的构建和发展中,大数据技术能够提供相应的技术支撑和数据参考。本文将于此,主要针对大数据背景下高校精准资助体系的构建和发展展开研究和探讨。     

浅析大数据视域下高校精准资助

推进高校精准资助工作是打赢教育脱贫攻坚战的必然要求。在大数据背景下,结合大数据特征有效精准识别出资助对象,丰富帮扶形式,推进精准管理,提高资助育人效能。创新资助管理模式,构建与之相匹配的资助管理平台,加强与政府各部门联动,建立资助安全机制体系,是推进高校精准资助的有效途径。     

蔬菜精准管理与安全监控大数据平台总体框架设计

以搭建蔬菜精准管理与安全监控大数据平台为目标,详细分析了蔬菜产业生产环节、加工环节、流通环节和消费环节数据采集需求,提出平台架构由表现层、服务层和持久层组成,设计了基于智能化数据接口和第三方监管的蔬菜精准管理与安全监控的多终端大数据平台总体框架,为监控广西蔬菜产业全流程信息、促进大数据落地应用和推动蔬菜产业健康发展提供了技术支撑.     

精准扶贫工作中大数据技术的应用

当前,各地在运用人工智能助力精确帮扶的工作中,还面临着数量与规范、模块与适用、技术基础建设与普及等一系列问题.通过建立运用互联网助力精确扶贫工作的规范系统,形成互联互通的部门与业务合作的大数据中心,运用大数据分析技术提高精确认识、精确帮扶和精确评价等各环节的动态管理水平,将成为在精确扶贫工作中实现大数据分析值的有效途径...     

依托大数据技术助力农村精准扶贫发展

精准扶贫关乎小康社会能否全面建成。依托大数据技术有助于精准甄别扶贫对象、精准对接扶贫项目和资金、精准设计扶贫手段、精准监测和监管扶贫工作,通过大数据平台建设和数据的分析利用助推精准扶贫工作开展,为更好更快地完成消除贫困的伟大使命探索一条有效的发展途径。     

Agricultural remote sensing big data: Management and applications

Big data with its vast volume and complexity is increasingly concerned, developed and used for all professions and trades. Remote sensing, as one of the sources for big data, is generating earth-observation data and analysis results daily from the platforms of satellites, manned/unmanned aircrafts, and ground-based structures. Agricultural remote sensing is one of the backbone technologies for precision agriculture, which considers within-field variability for site-specific management instead of uniform management as in traditional agriculture. The key of agricultural remote sensing is, with global positioning data and geographic information, to produce spatially-varied data for subsequent precision agricultural operations. Agricultural remote sensing data, as general remote sensing data, have all characteristics of big data. The acquisition, processing, storage, analysis and visualization of agricultural remote sensing big data are critical to the success of precision agriculture. This paper overviews available remote sensing data resources, recent development of technologies for remote sensing big data management, and remote sensing data processing and management for precision agriculture. A five-layer-fifteen-level (FLFL) satellite remote sensing data management structure is described and adapted to create a more appropriate four-layer-twelve-level (FLTL) remote sensing data management structure for management and applications of agricultural remote sensing big data for precision agriculture where the sensors are typically on high-resolution satellites, manned aircrafts, unmanned aerial vehicles and ground-based structures. The FLTL structure is the management and application framework of agricultural remote sensing big data for precision agriculture and local farm studies, which outlooks the future coordination of remote sensing big data management and applications at local regional and farm scale.     

果园发展水平遥感动态监测与预测

应用遥感技术，对地处南亚热带的福州建新的果园发展进行长达２０年的监测和预报．结果表明，采用遥感技术与结合地面动态监测网调查资料，所获取的果园发展水平的动态信息数据可靠，方法可行．     

Automatic delineation algorithm for site-specific management zones based on satellite remote sensing data

In light of the increasing demand for food production, climate change challenges for agriculture, and economic pressure, precision farming is an ever-growing market. The development and distribution of remote sensing applications is also growing. The availability of extensive spatial and temporal data—enhanced by satellite remote sensing and open-source policies—provides an attractive opportunity to collect, analyze and use agricultural data at the farm scale and beyond. The division of individual fields into zones of differing yield potential (management zones (MZ)) is the basis of most offline and map-overlay precision farming applications. In the process of delineation, manual labor is often required for the acquisition of suitable images and additional information on crop type. The authors therefore developed an automatic segmentation algorithm using multi-spectral satellite data, which is able to map stable crop growing patterns, reflecting areas of relative yield expectations within a field. The algorithm, using RapidEye data, is a quick and probably low-cost opportunity to divide agricultural fields into MZ, especially when yield data is insufficient or non-existent. With the increasing availability of satellite images, this method can address numerous users in agriculture and lower the threshold of implementing precision farming practices by providing a preliminary spatial field assessment.     

超融合时序数据库在果园大数据中存储策略分析

【目的】为智慧果园管理和综合服务提供技术支撑。【方法】传统的数据库无法满足智慧果园多模态数据融合和全场景查询分析等问题,文章通过分析智慧果园数据来源和应用逻辑,以都市龙泉驿现代农业园区为示范应用,从多级数据局部存储策略、冷热数据存储和空间数据存储等方面探索了存储策略,提供了一站式数据库解决方案。【结果】该解决方案满足果园数据高效存储、管理的需求,结果显示YMatrix充分发挥了其高吞吐、低延迟、高并发、准实时数据加载等优点。【结论】该研究为数字农业和果园数字化基础设施建设和农业数字孪生建设提供技术参考,为实现现代化智慧农业提供经验。     

基于无人机遥感的果园冠层氮素估算及空间分析

为快速准确地获取植株冠层氮素含量及空间分布特征,对大尺度的果园进行精准动态的管理,以宽行窄株小冠模式、宽行窄株篱壁模式和传统栽培模式3种栽培模式的120棵柑橘树为研究对象,通过测定冠层氮素含量并提取无人机遥感影像多光谱数据中的纹理指数和植被指数,运用随机森林算法（RF）建立基于植被指数、纹理指数以及融合植被指数和纹理指数的柑橘冠层氮素反演模型,并比较融合植被指数和纹理指数的支持向量机（SVM）、BP神经网络算法（BP）和RF的模型反演精度。结果显示：在随机森林算法中,融合植被指数和纹理指数比单独的植被指数或纹理指数更能准确预测柑橘冠层氮素含量;植被指数训练集R²为0.710,测试集R²为0.430;纹理指数训练集R²为0.761,测试集R²为0.349;融合植被指数和纹理指数训练集R²为0.775,测试集R²为0.533。融合植被指数和纹理指数在SVM算法训练集R²为0.511,测试集R²为0.371;BP神经网络训练集R²为0.651,测试集R²为0.204。用融合植被指数和纹理指数的RF模型对3种栽培模式的柑橘园进行氮素反演,得到宽行窄株小冠模式的柑橘冠层平均氮素含量最高,其次为宽行窄株篱壁模式,传统栽培模式最低,氮素含量均值分别为31.33、30.20和27.82 mg/g。结合无人机遥感与融合植被指数和纹理指数的随机森林算法能够有效预测柑橘冠层氮素含量,可为大尺度柑橘果园定量施肥提供参考。     

基于面向对象的资源3号遥感影像森林分类研究

森林类型识别技术是遥感分类中的重点和难点,采用面向对象的遥感影像分类方法是实现森林类型分类的新方法。资源3号遥感影像可为森林类型提取提供新方向。以资源3号遥感影像作为基础研究数据,采用面向对象的分类方法,选择分形网络演化法进行多尺度分层分割,并结合典型地物的光谱特征、纹理特征、几何特征以及植被指数,构建了适用于森林类型提取的决策树模型,并与分割尺度不同的支持向量机分类方法进行比较分析。结果表明:多层分割的决策树分类方法分类精度高于单层分割的支持向量机分类方法,分类精度分别提高了6.1%和12.5%。说明建立多层分割的决策树分类方法适用于森林类型的分类研究。     

基于遥感的杭州余杭森林景观格局变化

森林作为重要的景观组分,在城市化过程中受到强烈影响。杭州市余杭区位于沪嘉杭地区,对今后众多内陆中小城市的发展有一定的预示性。以余杭区1978年陆地资源卫星Landsat / MSS,1990年Landsat / TM和2003年的Landsat / ETM假彩色合成影像为原始数据,由地理信息系统（GIS）软件的辅助并结合地面资料进行处理,利用景观格局分析系统Fragstats 3.3计算景观格局指数,以此对研究区的森林资源的景观格局和变化进行研究。研究结果表明,人类活动主要影响森林景观破碎度以及森林覆盖面积。森林景观破碎度表现为先增后减,森林覆盖面积表现为先减后增。经济林受人类活动影响最为明显。人类活动对于城郊森林景观结构的变化起了重要的作用。图2表8参22     

Oceanic primary production: estimation by remote sensing at local and regional scales

Satellites provide the only avenue by which marine primary production can be studied at ocean-basin scales. With maps of chlorophyll distribution derived from remotely sensed data on ocean color as input, deduction of a suitable algorithm for primary production is a problem in applied plant physiology. An algorithm is proposed that combines a spectral and angular model of submarine light with a model of the spectral response of algal photosynthesis. To apply the algorithm at large horizontal scale, a dynamic biogeography is needed for the physiological rate parameters and the biological structure of the water column. Fieldwork to obtain this type of data should be undertaken so that the use of satellite data in modern biological oceanography may be optimized.     

基于面向对象的橡胶分布面积估算研究

海南是最大的天然橡胶种植区域,常规的调查方法费时费力。随着高分辨率遥感影像的应用,为橡胶信息提取提供了可能。以高分辨率QuickBird卫星影像为基础,采用面向对象的信息提取方法,用光谱、形状、纹理等构建特征空间,进行橡胶的分类试验,获取橡胶的种植面积信息,结果显示,基于面向对象方法的提取精度高,用面向对象的分类方法进行橡胶信息的提取是可行的。