教学与研究2023年2期

智能农业系统中的数据分析与决策支持

杜艳波

（红山区西城街道办事处  内蒙古  赤峰  024000）  

摘要：在智能农业系统中，数据分析与决策支持是实现精准农业的关键。智慧农业的核心是对农业生产进行智能化管理，根据采集的数据，结合作物生长规律，构建作物生长模型和环境模型，实现对农业生产过程的控制。在数据分析与决策支持中，需要建立数据库系统、智能决策支持系统、作物生长模型。智能决策支持系统包括决策规划、数据处理、智能决策、生产控制和预警管理五个部分，主要负责农业生产过程中的决策控制。基于此，本文就智能农业系统中的数据分析与决策支持展开分析，以供参考。

关键词：智能农业系统；数据分析；决策支持

引言：在当今的信息时代，农业的发展离不开数据。在现代农业中，通过数据采集、处理、分析与挖掘，可以获得海量的信息，并从中获得有价值的知识，将数据转化为有用的信息和知识。智能农业系统中的数据分析与决策支持系统是根据农业生产管理中的需求，对收集到的大量数据进行清洗、整合、分析和挖掘，提取出有用的信息和知识，以此为基础实现农业生产决策支持服务。

1.土壤数据

土壤数据是智能农业系统中最重要的数据之一。土壤数据收集方法有很多，比如地面测量、卫星测量、遥感测量、 GPS测量等。这些方法在获取土壤数据方面各有优势，比如地面测量可以获得精确的空间坐标和地面高度等数据；卫星测量可以获得全球的遥感影像，通过数字图像处理技术将不同尺度的影像拼接在一起，形成一个高分辨率的全球覆盖。由于卫星传感器在观测范围、观测精度和空间分辨率等方面的局限性，使得卫星遥感技术只能获取大范围的土地覆盖数据，而不能提供精确的空间定位。因此，在实际应用中，需要使用地面测量、遥感和 GIS相结合的方法获取土壤数据。地面测量是获取土壤数据最常用的方法之一。利用 GPS进行定位测量可以精确地获得土地覆盖范围，并可采用数字图像处理技术对所获得的数字图像进行处理以获取所需的空间数据[1]。

2.农业气象数据

农业气象数据主要包括土壤墒情、农作物长势、气象灾害、病虫害等方面的信息，这些数据是智能农业系统进行决策支持的重要依据。土壤墒情监测系统，用于监测土壤含水量，能实现自动采样、自动分析、自动传输。农作物长势监测系统，用于监测农田作物的生长发育状况，可进行水肥药等的管理，也可根据作物长势及需肥情况进行施肥指导。土壤墒情监测主要包括土壤温度、湿度、水分含量等，通过土壤墒情传感器、智能土壤水分检测仪和智能土壤温度仪，对农作物进行实时监测，一旦发生异常情况，能及时报警。农作物长势监测主要包括农作物的叶面积指数、植株高度等。通过气象灾害监测主要包括降水、雷电等，通过气象灾害监测仪进行实时监测。病虫害监测主要包括虫情和病害两种情况，通过智能虫情监测仪、智能病虫害监测仪等进行实时监测。在作物长势监测中，还可以通过气象卫星数据对农作物生长情况进行实时监测，从而根据气候条件的变化对农作物的生长进行调整。

3.作物产量预测数据

产量预测是智能农业中的一个重要组成部分，它有助于更好地了解作物生长和营养状况，从而制定科学合理的农业决策。目前，已有一些比较成熟的产量预测模型，例如产量模型、回归分析模型、灰色系统理论模型、支持向量机（SVM）、人工神经网络（ANN）等。这些模型均有较好的预测效果。作物产量预测是智能农业中不可缺少的一个部分，它有助于提高种植规划的准确性和生产效率。例如，对于一片面积为100亩的土地而言，如果能够在准确预测产量基础上制定出最佳施肥计划，就可以在种植计划制定之前避免盲目施肥造成作物生长不佳甚至减产等问题。因此，作物产量预测是智能农业中决策支持系统中必不可少的一个部分。

这些预测方法根据其自身的特点和要求，在预测精度和速度上有所侧重。例如， SVM是一种非线性时间序列模型，它可以将多个输入变量组合成一个输出变量，利用神经网络来逼近任意精度的输出；灰色系统理论模型则是一种对数据进行灰色分析的系统，其目的是使预测结果更加符合现实情况；而支持向量机是一种具有结构化函数和非线性方程组的神经网络系统，它能以较快的速度、较小的误差获得比较理想的结果。在智能农业中，支持向量机常与神经网络、灰色系统等模型相结合。

4.作物生长预测

通过将不同气候条件下的作物生长数据与土壤、肥料和灌溉等农业指标相关联，并结合过去的历史数据和当前天气条件，可以预测未来特定气候条件下作物生长的最佳结果。例如，当一种作物在某个地区生长时，如果它在未来几年内没有达到这个地区所需要的生长标准，那么它就有可能会被重新种植。当前天气条件对农业生产有重要影响，因此基于历史数据和当前天气条件对未来几年的农作物生长进行预测是很重要的。此外，农业专家还可以通过使用机器学习算法来预测未来特定地区农作物种植和生长情况。当然，这不是所有地区都适用的技术，但它可以为农业决策人员提供重要参考信息，帮助他们更好地管理作物生长。

5.病虫害预警系统

病虫害预警系统可以对病虫害的发生发展进行预测，并能够根据预测结果及时发出警报，提醒农户注意病虫害的发生，从而及时采取相应的防治措施，从而减少农作物的损失。此外，病虫害预警系统还可以及时发现农作物中发生的虫害及病害等，对其进行识别并提示农户采取相应的防治措施。针对病虫害预警系统中存在的问题，可以从以下几个方面进行改进：（1）根据农作物病虫害发生规律建立模型，以便能够准确预测；（2）建立完善的监测预警机制，以便能够及时发现病虫害；（3）加强农业病虫害防治培训工作，以便能够提高农户的防治能力[2]。

结语：随着我国农业现代化进程的加快，对农业生产的精确管理和高效率控制成为迫切需要，而实现精准农业生产的前提是实现农业生产中的信息智能化。通过对农业生产信息进行分析，得到农作物生长模型，为农业生产提供依据。此外，根据决策支持系统的特点，要设计决策支持系统的基本结构。并以此为基础设计智能决策支持系统的基本功能模块，对该系统进行结构设计和功能分析，为实现基于云平台和大数据技术的智能农业系统奠定基础。

参考文献：

[1] 魏祥帅.江苏区域智能农业发展比较分析——基于江苏省农业物联网管理服务平台数据[J].农业工程技术,2021,41(22):76-80.

[2] 谢铮辉,郑倩,姚伟.智能农业发展回顾及中国智能农业展望[J].热带农业科学,2019,39(03):125-133.