基于GIS的苹果病虫害管理信息系统

以实现苹果病虫害的高效管理与预测预报为目的，设计开发了基于GIS的苹果病虫害管理信息系统。系统以GIS技术、人工神经网络技术和Internet 技术为支撑，包括苹果病虫害基础数据处理子系统、苹果虫害预测预报子系统和苹果病虫害网络发布子系统。在基础数据处理子系统中，系统具有数据获取、数据导出、属性查询、空间查询、数据统计分析、图层编辑、插值分析等功能；在苹果虫害预测预报子系统中，系统具有病虫害图片库维护、病虫害诊断、虫害预测预报功能；在病虫害网络发布系统中，系统提供了苹果病害信息查询、苹果虫害信息查询、专题图查询、预测预报结果查询等功能；系统提供的算法可以较好地预测苹果病害的发生程度。系统作为一种工具软件可以为果树病虫害管理、田间数据分析与精细农业研究提供支持。     

上海水稻主要病虫害灾变预警系统的研究与应用

本研究选取沪郊主要病虫害历史资料,以Internet为系统平台,运用网络地理信息系统（Web-GIS）、ASP网络编程、网络数据库、人工智能和网络多媒体技术等现代化信息系统开发手段,建立了基于Internet的上海地区水稻主要病虫害灾变预警系统,该系统具有病虫GIS、病虫预测、数据传输、病虫诊断、实时发布、电视预报和远程教育等功能。     

多因子空间插值模型在农作物病虫害监测预警系统中的构建及应用

农作物病虫害监测预警系统中,监测站点数量一般较少,监测的数据非常有限。因此,利用有限的病虫害监测数据,展现病虫害的整体空间分布情况及其时空变化,迫切需要建立符合病虫害发展规律的空间插值模型。该文在结合各类空间插值算法优点的基础上,考虑农作物病虫害空间插值的特殊性,提出了基于空间方位关系、拓扑关系、距离关系以及自然气候条件影响的多因子插值模型。在广东省各县区分布图的基础上,利用空间方位关系、拓扑关系、距离关系等三类最基本的空间关系,确定各县区的空间相互影响因子,并将各种自然气候条件,如：气温、气候、风向、风速等纳入到影响因子中,构建插值模型,然后在已有部分县区测报站的病虫害数据的基础上,利用插值模型内插出其他县区的病虫害数据,展示病虫害对周围环境的影响,以及病虫情的传递速度,实现病虫害的监测预警。     

茂名地质灾害预报预警系统的设计与开发

地质灾害严重威胁着农村经济社会发展和农民的生命财产安全,研究地质灾害预报预警具有重要意义。茂名市设计开发了地质灾害预报预警系统,为地质灾害预报预警业务提供一个能推广、可扩展的软件业务平台,为防灾减灾提供科学依据。该系统整合了茂名基础地理信息、地质水文、气象预报等数据,采用基于面向资源服务框架(Resource Oriented Achitecture,ROA)建立地质灾害数据服务系统;基于气象强降水预报,采用灰色模型对地质灾害进行建模、预测及预警,实现智能分析,自动生成预报产品;采用GIS技术、WEB技术建立地理信息系统,为地质灾害预报预警提供可视化的支撑平台。     

基于模型和GIS的数字棉作系统的设计与实现

为了进一步发展和完善棉花模型的综合模拟功能,提高其生产管理系统的机理性、数字化、可靠性和通用性水平,该研究运用软构件和参数化技术,决策支持与系统设计技术,结合GIS空间技术,充分发挥模拟模型的动态预测功能、GIS的空间信息管理功能、知识模型的管理决策功能,最终建立了基于数字模型和模拟分析的网络化数字棉作栽培管理决策系统,该系统以品种、气候、土壤、生产条件等数据作为基本输入,可为农业生产者、管理人员和科技人员等不同用户提供棉作区划、方案设计、模拟预测、实时调控、生产分析等棉花生产管理服务。系统的实现为棉花生产系统的数字化设计、精确化预测、动态化管理和网络化控制提供了支持。     

基于森林火险指数的森林火险实时预警系统

利用森林火险指数仪进行森林火险实时监测,以ArcGIS Engine10作为开发平台、以SQL server 2005作为数据库设计开发了森林火险实时预警系统。系统构建包括森林火险指数仪的选址、火险指数和火险等级计算及专题图制作、信息发布。系统能以简明的电子地图和二维表,直观显示火险指数、火险等级的监测结果及其空间分布特征。以四川仁寿为例,展示了森林火险预警功能的实现过程和效果。结果表明,预警系统能够对森林火险进行实时监测与及时预警,有利于对森林火灾进行合理预防。     

基于移动GIS的棉田病虫害信息采集系统

为了减少棉田病虫害对棉花造成的损失,对其进行防控是种植过程中的重要环节,及时有效地采集病虫害信息是对其监测、预测的前提和基础。传统模式下通过人工填写纸质表格采集数据,时空差异性大、统计繁琐、耗时耗力。该文基于移动GIS,以当前主流的Android/IOS手机操作系统为平台,运用GPS定位、离线地图加载、图形绘制等技术实现了病虫害发生位置及属性信息的快速采集,位置精度可达15 m。通过采用定义JSON模板,实现了异构平台数据的一致性,并通过无线网络发送信息至服务端的时空数据库,从而实现了空间数据与属性数据的聚合存储,数据从发送至入库可在5 s内完成。服务端运用空间插值对数据进行分析、处理及可视化表达,并将结果推送给移动终端用户,从而提供病虫害监测、预测服务,准确度可达70%以上。初步应用表明,该系统具有用户参与度好、实时性强、位置精确、经济便捷等特点,为农作物病虫害信息采集及农情监测提供参考。     

基于ZINB模型和气象因素的禽霍乱发病预测

为了评估气象因素对禽霍乱流行的影响,实现对禽霍乱疾病的预警与可视化管理。该研究设计了基于季节、时间分析方法与零膨胀负二项式(zero-inflated negative binomial,ZINB)模型的禽霍乱风险分析方法。该方法利用季节性分析、时间序列分析方法,对中国禽霍乱的分布特征进行描述;通过构建ZINB模型,对气象因素与禽霍乱发生之间的关系进行评估。最终,利用模型分析结果与网络地理信息(Web GIS)技术建立禽霍乱监测预警系统。结果表明,中国禽霍乱发病存在明显的季节性并受上月发病数的影响,同时,较高的气温、空气湿度、较小的风速是促进禽霍乱发病的气象条件。利用该研究中的方法结合气象数据,对禽霍乱发病进行预测,预测值与实际值拟合结果ICC(组内相关系数)取值0.802,R2值为0.7853,表明模型预测精度较好,系统各功能模块运行正常。利用Web GIS技术与数学模型对禽霍乱进行监测预警,可以提高家禽养殖管理水平,降低发病风险,减少因动物疫病造成的经济损失。     

村级农田施肥专家系统设计与应用

[目的]实现田块尺度的施肥决策和精准施肥,达到测土配方施肥成果数字化延伸。[方法]采用GIS组件ArcEngine,将GIS,RS,GPS和农业专家技术进行集成,以遥感影像为索引,建立基于农户田块为基本管理单元的触摸屏村级农田施肥专家系统。并以犍为县定文镇炮房村为案例区进行了实际应用。利用四川省2005—2009年"3414"试验数据,结合区域实际,构建了系统的主要粮油作物推荐施肥模型。[结果]该系统不但实现了田块尺度的施肥决策和养分管理,同时还具备农田基本信息、缺素诊断、病虫害防治、政策法规和安全常识等查询功能。[结论]该系统具有界面友好,操作简单明了的特点,并在村级田块尺度上实现了精确施肥。     

基于GIS的农产品产地安全数字化预警系统设计与实现

通过收集和整理土壤调查、土壤分析的数据,系统设计采用B/S结构,利用Java1.4和Arcinfo开发软件,以ArcIMS9.2为发布服务器,构建了基于GIS的农产品产地安全数字化预警系统,实现产地环境质量长期预警和突发农业环境污染事件预警。农产品产地安全数字化预警系统的开发将为农业产地环境质量的监控、农业土地资源利用规划和决策、调整农业种植结构等提供基础平台和数据支持。     

基于改进深度置信网络的大棚冬枣病虫害预测模型

导致冬枣病虫害发生的原因很多而且很复杂,利用传统的数学方法和神经网络(neural network,NN)很难建立正确的病虫害预测模型.由于典型的深度置信网络(deep belief network,DBN)的各层之间缺乏有监督训练,使得网络误差逐层向上传递,降低了预测模型的预测率.针对这些问题,引入冬枣病虫害的先验信息,提出一种基于环境信息和改进DBN的冬枣病虫害预测模型.在该模型中,通过无监督训练和有监督微调从冬枣生长的环境信息序列中获取可表征冬枣病虫害发生的深层特征的隐层参数,并形成新的特征集,然后在预测模型的顶层通过一个后向传播神经网络(back propagation neural network,BPNN)进行病虫害预测.从2014—2017年的4 a时间内,利用农业物联网传感器采集30个大棚冬枣常见的2种虫害和3种病害发生的环境信息序列6000多条,由此验证所提出的预测模型,平均预测正确率高达84.05%.与基于强模糊支持向量机、改进型NN和BPNN的3种病虫害预测模型进行了试验比较,预测正确率提高了20多个百分点.试验结果表明,该模型极大提高了大棚冬枣病虫害的预测正确率.该研究可为大棚冬枣病虫害预测提供技术参考.     

基于深度学习的作物病虫害可视化知识图谱构建

针对作物病虫害领域存在实体关系交叉关联、多源异构数据聚合能力差、知识共享困难等问题，利用知识图谱以结构化的形式描述实体间复杂关系的优势，该研究提出了一种基于深度学习的作物病虫害知识图谱构建方法。该方法在领域本体的基础上，以一种与领域语料相适应的新标注模式实现实体和关系的联合抽取。将实体和关系抽取任务转化为序列标注问题，对实体和关系进行同步标注，有效提高标注效率；为了解决重叠关系抽取问题，直接对三元组建模而不是分别对实体和关系建模，通过标签匹配和映射即可获得三元组数据。利用来自转换器的双向编码器表征量（Bidirectional Encoder Representations from Transformers，BERT）-双向长短期记忆网络（Bi-directional Long-Short Term Memory，BiLSTM）+条件随机场（Conditional Random Field，CRF）端到端模型进行试验，结果表明效果优于基于普通标注方式的流水线方法和联合学习方法中的卷积神经网络（Convolutional Neural Networks，CNN）+BiLSTM+CRF、BiLSTM+CRF等经典模型，F1得分为91.34%。最后，将抽取到的知识存储到Neo4j图数据库中，直观地反映知识图谱的内部结构，实现知识可视化和知识推理。该研究构建的知识图谱可为作物病虫害智能问答系统、推荐系统、智能搜索等下游应用提供高质量的知识库基础。     

温室作物生态健康智能监护系统(GH-Healthex)的研制与测试

研制温室作物生态健康智能监护系统是为了解决目前温室环境监控系统普遍存在的自动获取的数据未与具体作物健康生育的特殊需求相结合，也未被用于病虫害的智能化防治等问题。该文报导的温室作物生态健康智能监护系统(GH-Healthex)实现了这类数据在植物健康监护和病虫害智能化防治中的利用。以番茄为研究案例，系统通过对温室环境监测数据的分析，结合作物种植知识库中番茄生长发育及其病虫害发生规律可以进行智能化决策，即当温室内出现了不利于作物生长的气象条件时，系统会自动的通过系统界面提示用户采取相应措施，以保证温室番茄的优质、高效生产。该系统提供了一个作物知识库平台，若以其他作物的种植和病虫害防治数据替代番茄数据，便能更广泛地推广应用。     

农业病虫害防治模型及应用探析

以信息化系统在农业病虫害防治的应用为课题研究,阐述了信息化时代病虫害防治的应用前景。针对采集器发出的编码数据,调用农业专家病虫害信息数据库进行软件编程,实现了病虫害防治模型的核心功能。     

基于自适应判别深度置信网络的棉花病虫害预测

作物病虫害预测是病虫害防治的前提,利用深度学习预测作物病虫害是一个有效且具有挑战性的研究课题。该文针对深度置信网络(deep belief network,DBN)在作物病虫害预测中的训练耗时长和容易收敛于局部最优解等问题,将自适应DBN和判别限制玻尔兹曼机(restricted boltzmann machine,RBM)相结合,利用棉花生长的环境信息,提出一种基于自适应判别DBN的棉花病虫害预测模型。该模型由3层RBM网络和一个判别RBM(discriminative restricted boltzmann machine,DRBM)网络组成,通过3层RBM网络将棉花生长的环境信息数据转换到与病虫害发生相关的特征空间,通过自动学习得到层次化的特征表示,再由DRBM预测棉花病虫害的发生概率。该模型将自适应学习率引入到对比差度算法中,通过自动调整学习步长,解决了在传统DBN模型训练时学习率选择难的问题;在学习过程中通过在DRBM中引入样本的类别信息,使得训练具有类别针对性,弱化传统RBM无监督训练时易出现特征同质化问题,提高了模型的预测准确率。对实际棉花的"棉铃虫、棉蚜虫、红蜘蛛"虫害和"黄萎病、枯萎病"病害的平均预测准确率为82.840%,与传统BP神经网络模型(BPNN)、强模糊支持向量机模型(SFSVM)和RBF神经网络模型(RBFNN)分别提高19.248%,24.916%和27.774%。     

基于改进DenseNet和迁移学习的荷叶病虫害识别模型

病虫害的发生将会严重影响莲藕品质与产量,开展病害诊断与识别对藕田病虫害及时对症对病诊治、提升莲藕生产质量与经济效益具有重要意义。该研究以荷叶病虫害高效、准确识别为目标,提出了一种基于改进DenseNet和迁移学习的荷叶病虫害识别模型。采用分支结构对模型的浅层特征提取模块进行改进,并在Dense Block与Transition Layer中引入Squeeze and Excitation注意力机制模块和锐化的余弦卷积,最后基于Plantvillage数据集进行迁移学习,实现了91.34%的识别准确率。该研究实现了对荷叶腐败病、病毒病、斜纹夜蛾、叶腐病、叶斑病的识别,并将改进后的模型推广应用于基于无人机图像的藕田病虫害检测,实现了病害分布可视化,可对莲藕病虫害的智能化防治提供有益指导。     

宁夏南部山区农业干旱预警模型

为建立格点尺度上的农业干旱预警模型,根据自然灾害系统理论,综合干旱孕灾环境、致灾因子、承灾体的特征,选择DEM、坡度、坡向、土壤类型、历史干旱风险指数、农业投入量作为孕灾环境稳定性影响因子,选择前期干旱程度、作物水分满足率、作为致灾危险性因子,选择作物种类、作物发育期水分敏感系数、灌溉条件、作物单产水平等作为承灾体脆弱性因子,在干旱灾害系统分析的基础上,采用层次分析法（AHP）量化影响因子的影响系数,建立基于GIS和空间插值的宁南区域农业干旱预警累乘模型。检验结果表明,预警模型输出干旱等级与实测符合率达到90%以上,能准确预测未来干旱发展趋势和分布范围,比现有基于气候干旱指数的预警模型空间分辨率明显提高,模型输出结果更能反映农业干旱的发生、发展过程,模型可用于区域干旱预警和干旱趋势预测。