基于大数据分析的土壤墒情预警系统研究
这是一篇关于土壤墒情,墒情监测系统,熵权法预报模型,大数据墒情的论文, 主要内容为为解决农田土壤墒情预测与预警,从而更好地指导农业生产,本研究通过降水量、空气温度、湿度、风速、日照时间等气象数据分析,以高效的农田土壤墒情监测系统为目标,建立了熵权法模型,其根据指标变异性的大小来确定客观权重,若某个指标的信息熵越小,表明指标值变异程度越大,提供的信息量越多,在综合评价中所能起到的作用也越大,其权重也就越大。反之亦然。运用该模型构建了适合土壤墒情数据监测的模型分析体系与智能灌溉信息系统的大数据分析架构。采用Spark作为大规模数据处理计算引擎,首先,运用回归分析,研究气象数据随机变量(X)对土壤墒情(Y)相依关系。其次,运用对应分析由定性变量构成的交互汇总表来展现各个类别之间的差异性,展示不同变量(X1,X2,…,Xk)等各个类别变量之间的对应关系,形成联列表,将联列表的行和列中各元素之间的比例结构分别以点的形式在较低维的空间中对应分析,得出农田土壤墒情监测气象信息服务优化设计方法。系统实现采用的Spark Streaming流式分布式计算,先通过Filebeat采集数据,采集后的数据直接收集到Kafka中,并利用Spark Streaming读取Kafka里的数据数据直接放到Redis与数据库中,通过Spring Boot提供微服务,读取数据库中的数据,运用Spark展示Web可视化界面。本文通过用一段时间、一定区域内的气象数据对土壤墒情预报、监测影响等研究,旨在通过观测数据的长时间分析判断,成立本地降水量等气象方面因素与土壤墒情之间的定量关系,达到根据气象因素预测土壤墒情以及实时墒情监测、诊断和预报服务的目的。结果表明:1.对应历史监测日的时段和逐日的土壤含水量诊断在基于气象站降水量数据建立土壤墒情预测模型中可以实现且具有普遍适用性。2.提高模型精度至少应具备4个条件,一是自变量最多3个并且为相对独立的变量;二是遵守质量守恒定律及统计学方法;三是具有处理不固定监测天数的方法;四是在处理数据过程中最好不人为确定参数。3.其他条件不变的情况下,年平均降水量越少,其相应的模型精准度越高。基于气象站降水量建立科学和实用的土壤墒情模型为土壤墒情监测网的建立以及实现实时动态土壤墒情预测提供了理论基础和模型方法。结论:基于大数据分析的土壤墒情预警方法可扩展应用于其他农业预测与预警。
基于大数据分析的土壤墒情预警系统研究
这是一篇关于土壤墒情,墒情监测系统,熵权法预报模型,大数据墒情的论文, 主要内容为为解决农田土壤墒情预测与预警,从而更好地指导农业生产,本研究通过降水量、空气温度、湿度、风速、日照时间等气象数据分析,以高效的农田土壤墒情监测系统为目标,建立了熵权法模型,其根据指标变异性的大小来确定客观权重,若某个指标的信息熵越小,表明指标值变异程度越大,提供的信息量越多,在综合评价中所能起到的作用也越大,其权重也就越大。反之亦然。运用该模型构建了适合土壤墒情数据监测的模型分析体系与智能灌溉信息系统的大数据分析架构。采用Spark作为大规模数据处理计算引擎,首先,运用回归分析,研究气象数据随机变量(X)对土壤墒情(Y)相依关系。其次,运用对应分析由定性变量构成的交互汇总表来展现各个类别之间的差异性,展示不同变量(X1,X2,…,Xk)等各个类别变量之间的对应关系,形成联列表,将联列表的行和列中各元素之间的比例结构分别以点的形式在较低维的空间中对应分析,得出农田土壤墒情监测气象信息服务优化设计方法。系统实现采用的Spark Streaming流式分布式计算,先通过Filebeat采集数据,采集后的数据直接收集到Kafka中,并利用Spark Streaming读取Kafka里的数据数据直接放到Redis与数据库中,通过Spring Boot提供微服务,读取数据库中的数据,运用Spark展示Web可视化界面。本文通过用一段时间、一定区域内的气象数据对土壤墒情预报、监测影响等研究,旨在通过观测数据的长时间分析判断,成立本地降水量等气象方面因素与土壤墒情之间的定量关系,达到根据气象因素预测土壤墒情以及实时墒情监测、诊断和预报服务的目的。结果表明:1.对应历史监测日的时段和逐日的土壤含水量诊断在基于气象站降水量数据建立土壤墒情预测模型中可以实现且具有普遍适用性。2.提高模型精度至少应具备4个条件,一是自变量最多3个并且为相对独立的变量;二是遵守质量守恒定律及统计学方法;三是具有处理不固定监测天数的方法;四是在处理数据过程中最好不人为确定参数。3.其他条件不变的情况下,年平均降水量越少,其相应的模型精准度越高。基于气象站降水量建立科学和实用的土壤墒情模型为土壤墒情监测网的建立以及实现实时动态土壤墒情预测提供了理论基础和模型方法。结论:基于大数据分析的土壤墒情预警方法可扩展应用于其他农业预测与预警。
土壤墒情预报预警系统的设计与实现
这是一篇关于土壤墒情,数据库,预报预警,服务网站,JavaWeb的论文, 主要内容为旱涝灾害是影响农业生产的重要因素之一,灾害频繁地发生已经影响了我国部分地区农作物产量,严重制约了农业经济发展。发展精细灌溉农业技术和农作物土壤墒情的准确预报预警一直都是研究者们关注的课题。目前,已有学者在土壤墒情预警系统开展了相应的研究,但在预测土壤水分变化、判断农作物何时需水等问题尚不够成熟。传统意义的土壤墒情预报技术在一定程度上为农业的灌溉提供了帮助,但在实时灌溉控制和土壤水分含量的预报方面还存在一定的不足。因此,迫切需要借助现代技术开发预警服务系统。土壤墒情预报预警服务系统的建立不仅可以为相关政府部门在指导农民耕作提供了技术支持,而且也为未来农业发展建立信息化、智能化的农业信息操作管理平台提供了指导意见。本文通过查阅大量的国内外文献,针对传统土壤墒情预报预警系统成本高、效率低、不易推广等问题,利用传感器技术、数据库技术、计算机网络技术、计算机编程技术,结合当前需求分析,设计出一套土壤墒情预报预警服务系统。论文主要工作包含:分析对比了国内外预警系统研究现状,并对墒情系统的整个运作系统做了初步了解。结合当前系统开发现状,对土壤墒情系统进行需求分析,需求分析中,对目前存在的问题和不足做了问题分析,并根据问题做出对应的系统功能需求分析。模块包括采集模块、管理模块和预警模块。根据需求分析,结合系统设计目标和原则,使用模块化的方式在系统开发、系统的体系结构等方面给出了系统总体框架设计。并针对土壤墒情数据的采集模块、数据管理与分析模块、墒情预报预警模块等方面给出了详细的设计。其中,土壤墒情预报预警模块采取了 BP神经网络算法作为土壤墒情预报预警动态预测模型,并参考其他常用预警机制结合系统本身需求对土壤墒情进行预警。使用JAVA编程,采用Jfinal框架,结合JavaWeb等计算机网络技术实现了前文提出的土壤墒情预警系统,并建立了服务网站。网站实现了数据采集、墒情数据查询、墒情数据管理、墒情预测、警情发布等功能。系统功能强大、操作简单、易于推广,降低了成本提高了工作效率。土壤墒情预报预警服务系统的设计和研发工作对土壤墒情预报系统的发展、农业信息化和自动化的发展和智慧农业的发展具有重要的参考价值和推动作用,是我国农业墒情向信息化、网络化、智能化发展的必由之路。
基于大数据分析的土壤墒情预警系统研究
这是一篇关于土壤墒情,墒情监测系统,熵权法预报模型,大数据墒情的论文, 主要内容为为解决农田土壤墒情预测与预警,从而更好地指导农业生产,本研究通过降水量、空气温度、湿度、风速、日照时间等气象数据分析,以高效的农田土壤墒情监测系统为目标,建立了熵权法模型,其根据指标变异性的大小来确定客观权重,若某个指标的信息熵越小,表明指标值变异程度越大,提供的信息量越多,在综合评价中所能起到的作用也越大,其权重也就越大。反之亦然。运用该模型构建了适合土壤墒情数据监测的模型分析体系与智能灌溉信息系统的大数据分析架构。采用Spark作为大规模数据处理计算引擎,首先,运用回归分析,研究气象数据随机变量(X)对土壤墒情(Y)相依关系。其次,运用对应分析由定性变量构成的交互汇总表来展现各个类别之间的差异性,展示不同变量(X1,X2,…,Xk)等各个类别变量之间的对应关系,形成联列表,将联列表的行和列中各元素之间的比例结构分别以点的形式在较低维的空间中对应分析,得出农田土壤墒情监测气象信息服务优化设计方法。系统实现采用的Spark Streaming流式分布式计算,先通过Filebeat采集数据,采集后的数据直接收集到Kafka中,并利用Spark Streaming读取Kafka里的数据数据直接放到Redis与数据库中,通过Spring Boot提供微服务,读取数据库中的数据,运用Spark展示Web可视化界面。本文通过用一段时间、一定区域内的气象数据对土壤墒情预报、监测影响等研究,旨在通过观测数据的长时间分析判断,成立本地降水量等气象方面因素与土壤墒情之间的定量关系,达到根据气象因素预测土壤墒情以及实时墒情监测、诊断和预报服务的目的。结果表明:1.对应历史监测日的时段和逐日的土壤含水量诊断在基于气象站降水量数据建立土壤墒情预测模型中可以实现且具有普遍适用性。2.提高模型精度至少应具备4个条件,一是自变量最多3个并且为相对独立的变量;二是遵守质量守恒定律及统计学方法;三是具有处理不固定监测天数的方法;四是在处理数据过程中最好不人为确定参数。3.其他条件不变的情况下,年平均降水量越少,其相应的模型精准度越高。基于气象站降水量建立科学和实用的土壤墒情模型为土壤墒情监测网的建立以及实现实时动态土壤墒情预测提供了理论基础和模型方法。结论:基于大数据分析的土壤墒情预警方法可扩展应用于其他农业预测与预警。
基于5G的农田土壤状况检测采集系统研究设计
这是一篇关于农田土壤,土壤墒情,土壤肥力,检测采集,5G的论文, 主要内容为当前我国正处于从传统农业向现代农业发展的转型阶段,现代农业的核心思想是获取农田作物产量和影响作物生长的环境因素,如土壤结构、植物营养、含水量、病虫害等,充分利用有限的自然资源,合理施用化肥,减少和节约水资源,达到降低生产成本,实现对资源的合理配置,减少环境污染,保护自然生态环境的目标。农业生产需要进行精准监控和科学管理,实现对资源的合理配置,以最少的投入达到最大的收益,高效地利用各类农业资源,取得最大的经济效益和环境效益。因此,如何有效地收集农田土壤数据,进行土壤肥力、土壤墒情测定,通过实际测量数据为实施精准变量施肥提供科学依据,改变以往盲目施肥和随机施肥等不科学的生产方式,最大限度地减少化肥使用对生态环境及土壤的影响,对于实施农业精细管理至关重要。基于大片农田不便于填埋土壤墒情和肥力检测传感器的缺点,本文设计了一种便携可移动的农田土壤状况检测采集系统,实现多维度农田土壤状态的采集。通过分析对比国内外土壤状态采集监测技术发展趋势,对系统总体结构进行了分析,提出了基于5G的农田土壤状况检测采集系统总体结构。系统总体结构由土壤墒情、土壤肥力采集模块、空间定位模块、现场视频模块、远程数据传输模块组成。根据系统可靠性、坚固耐用性以及接口要求,系统采用嵌入式工控机作为主机;采用针式RS485接口的土壤综合传感器和氮磷钾传感器作为土壤墒情和肥力传感器;采用RS232接口的GPS模块作为空间定位模块;采用海康威视摄像头作为视频采集模块;采用mini PCI-5G模块作为无线通信模块。为了提高软件系统的可靠性和可扩展性,软件结构采用MVC模式。根据系统需求分析以及MVC模式,设计了软件系统的类图。根据设计的类图以及采用Visual C++开发工具,对墒情和肥力数据采集、GPS数据采集、视频数据采集、数据远程传输关键功能提出了具体的实现方案,并进行了开发。根据设计搭建了软硬件系统,对设计开发的土壤状况采集系统进行了功能测试,实现了土壤墒情、土壤肥力、空间定位、现场视频数据采集的功能。利用5G网络,实现了将采集数据传输到云端数据管理服务器上的功能,从而实现了基于5G农田土壤多参数、实时检测、可移动的土壤状况检测采集系统目标。
本文内容包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主题。发布者：毕业设计货栈 ，原文地址：https://m.bishedaima.com/lunwen/54890.html
