農業(yè)大數據環(huán)境下的農作物病蟲害智能化監(jiān)測預警

摘要：在農業(yè)大數據背景下，山東省鄆城縣黃安鎮(zhèn)農作物病蟲害智能化監(jiān)測能夠改善傳統(tǒng)農業(yè)生產過程中病蟲害較難控制、糧食總產量受此影響等問題。結合大數據監(jiān)控平臺，黃安鎮(zhèn)可以及時了解當地農作物病蟲害的基礎數據，對病蟲害防治監(jiān)測發(fā)揮重要作用。了解農業(yè)大數據在病蟲害監(jiān)測過程中所采取的針對性技術，以及黃安鎮(zhèn)大數據病蟲害監(jiān)測應用現狀。一旦數據值出現異常，智能化檢測預警系統(tǒng)便會及時預警，為黃安鎮(zhèn)農作物病蟲害提供針對性建議。關鍵詞：農業(yè)大數據；農作物；病蟲害防治；檢測預警數據顯示，黃安鎮(zhèn)有耕地面積6.9萬畝，人均1.2畝，農業(yè)總產值達到4.5億元。糧食作物以小麥、玉米為主，生產糧食2.7萬噸，其中小麥2.1萬噸，玉米0.6萬噸。經濟作物主要為蔬菜，蔬菜種植面積1.2萬畝，產量5.6萬噸。根據數據研究，可得知農業(yè)是黃安鎮(zhèn)的支柱型產業(yè)。在農作物病蟲害控制中，結合農業(yè)大數據技術非常重要。農業(yè)大數據技術能夠實現農業(yè)生產以及良性干預，收集中國其他地區(qū)的病蟲害數據，與黃安鎮(zhèn)數據進行匹配?？紤]當地的特殊情況，該數據庫還可智能分析、調解、干預農作物病蟲害，增加農作物產量。傳統(tǒng)的病蟲害預測準確性以及處理時間有一定的問題，如準確性不高、處理時間明顯滯后。病蟲害智能監(jiān)測預警技術，對這些缺陷進行了針對性改進，保障其更具智能化、精準化。

1農業(yè)大數據背景下農作物病蟲害智能化監(jiān)測預警應用要素1.1

加大新型技術的創(chuàng)新加大新型農業(yè)技術的創(chuàng)新非常重要，黃安鎮(zhèn)通過農業(yè)大數據技術，形成良好的生態(tài)鏈，實現大數據真正集成創(chuàng)新。病蟲害有一定的暴發(fā)趨勢，如受季節(jié)或當地客觀因素影響，某些病蟲害在短時間內大量暴發(fā)。如果暴發(fā)的病蟲害還有某種媒介昆蟲參與，對于病蟲害的控制就會更復雜。傳統(tǒng)的病蟲害監(jiān)測技術很難進行多樣性的數據分析工作，農業(yè)大數據技術通過互聯(lián)網、人工智能等技術，建立綜合性的智能監(jiān)測系統(tǒng)。病蟲害數字監(jiān)測預警系統(tǒng)促進技術集成、業(yè)務集成，構建中國新型的農業(yè)資源共享系統(tǒng)。黃安鎮(zhèn)能夠在此系統(tǒng)中完成跨級別、跨區(qū)域的協(xié)同管理。改善當地病蟲害感知預測以及預防效率，實現農作物病蟲害管理數字化、網絡化、智能化。1.2

打造農業(yè)病蟲害智能化監(jiān)測預警體系黃安鎮(zhèn)的農業(yè)數據標準化進程，與其他省份相比有一定的不完善之處。例如，數據儲存以及分析結構不合理，這制約了黃安鎮(zhèn)農作物病蟲害智能化監(jiān)測體系的發(fā)展。要結合基礎數據，改善傳統(tǒng)的數據收集形式。以時間線方式，提高病蟲害數據傳輸的效率。還需要結合物聯(lián)網傳感器、移動終端等基礎設施，構建農業(yè)標準數據庫。明確黃安鎮(zhèn)當地農作物病害的主要品種以及發(fā)生傳染的因素。結合計算機處理，建立生態(tài)模型以及預警模型，使數據有可視化的特征。便于專業(yè)人員進行分析，從而給出預防建議。1.3

提高農業(yè)大數據平臺的兼容性提高農業(yè)大數據平臺自身的兼容性，使農業(yè)大數據平臺成為便于應用、有效應用的智能化監(jiān)管體系。目前，農作物病蟲害智能化監(jiān)測預警平臺雖已建設完畢，但有一定的使用門檻。系統(tǒng)界面設計過于復雜，很多農戶雖然通過手機端能夠訪問該平臺，但對于如何操作以及對于數據如何進行分析，依然有一定的難度[3]。需要借助他人指導才可進行查閱數據，這與農業(yè)大數據的推廣目的背道而馳。因此，要優(yōu)化現有平臺的兼容性，降低操作門檻，保障所有的數據分析便于識別，使農戶在該平臺中，能夠及時、準確地接收到信息，增強農作物病蟲害的預防控制能力。例如，田間病蟲害調查能夠對各農田進行病蟲害數據的自動統(tǒng)計以及自動傳輸，該農戶如發(fā)現農田病蟲害較為嚴重，則可以將數據打包發(fā)送至對應的專家咨詢界面，使專家能夠在遠程進行協(xié)助，提供具有針對性的病蟲害解決策略。建立數據基準體系，黃安鎮(zhèn)的農業(yè)數據化標準進程尚不完善，制約當地農業(yè)市場的發(fā)展。要確保農業(yè)基礎數據、儲存時間、儲存形式、儲存內容合理分配，打造標準化系統(tǒng)。2農業(yè)大數據環(huán)境下的農作物病蟲害智能化監(jiān)測預警2.1

RS、GIS、GPS技術農業(yè)大數據環(huán)境下，農作物病蟲害智能化監(jiān)測預警，通過3S技術能夠實現農作物病蟲害的有效監(jiān)測。如遙感技術、GPS技術、GIS技術，其中遙感技術是黃安鎮(zhèn)主要使用的技術之一。能夠通過布置各地的傳感器收集數據，隨后對數據進行分析，形成可視化圖像，辨別圖像中的標識物。遙感技術監(jiān)測病蟲害發(fā)生，能夠節(jié)省大量的時間、精力。傳統(tǒng)的手動收集方法很容易導致原始數據丟失、損毀，遙感技術通過圖像識別，監(jiān)測植物生長，調節(jié)周圍的環(huán)境因素。GIS技術有強大的空間處理能力，搜集氣象數據、病蟲害類型，預測當地病蟲害的傳播趨勢。例如，稻縱卷葉螟預計中等發(fā)生，局部偏重發(fā)生，發(fā)生面積7.7萬畝次。稻飛虱預計偏重發(fā)生，發(fā)生面積8.6萬畝次。紋枯病預計中等發(fā)生，發(fā)生面積4.3萬畝次。鉆蛀性螟蟲預計中等發(fā)生，局部偏重，發(fā)生面積1.83萬畝次。稻瘟病預計偏輕發(fā)生，發(fā)生面積1.2萬畝次。稻桿潛葉蠅預計偏輕發(fā)生。胡麻葉斑病局部偏輕發(fā)生。通過相應數據，能夠清晰地了解到黃安鎮(zhèn)的農作物現狀。GPS技術則是基于遙感技術以及GIS技術集合的一種技術，通過準確的物理定位，結合植保無人機，能夠對病蟲害暴發(fā)地區(qū)害蟲進行集中殺滅。2.2

人工神經網絡技術人工神經網絡技術對當地的病蟲害進行預警，了解各因素以及有害生物之間的相互作用，分析其是否為線性基礎。傳統(tǒng)的數據分析方法很難掌握病蟲害的發(fā)生規(guī)律，因傳統(tǒng)的數據分析方法較為刻板，需要人工調節(jié)算法、分析數據。而人工神經網絡模擬人腦思維結構，有自我學習、自我組織的能力，且容錯性較高，對病蟲害的模型建設有極佳的應用優(yōu)勢。2.3

圖像處理技術圖像處理技術將對應的圖像信號轉化為數字信號，隨后在可視化角度進行分析。如對于A農田，圖像處理技術將A農田劃分為A1、A2、A3、A4,對每一區(qū)域再進行細致劃分。以點至面，充分了解各區(qū)內的實際情況。隨后進行拼接，形成完整性的圖像。在拼接過程中，圖像的細致性通過“機器視覺”以及“計算機視覺”不斷優(yōu)化。對病蟲害的識別能力有質的提升，為病蟲害早期預防、識別提供優(yōu)勢。此外，圖像處理技術與物聯(lián)網技術融合，還可以提供對應服務，如定位跟蹤、命令調度、決策支持等服務。在病蟲害預測過程中，還可以額外分析植物的生長環(huán)境，了解植物除病蟲害以外受到的其他影響因素，濕度、光照、土壤營養(yǎng)物等，都是關鍵指標。只有植物營養(yǎng)保證供給，才能使植物長勢良好，擁有抗病蟲害能力。通過多樣性調節(jié)，實現病蟲害數據監(jiān)測的“維度”提高，保障黃安鎮(zhèn)的病蟲害有效控制以及預防。2.4

SVM技術SVM技術稱之為“支持向量機”技術，適用于樣本性、非線性以及高維模式，能夠將原本的空間樣本映射高維特征空間，獲得最理想的分類面，保障原有的數據分離問題能夠得到解決。在病蟲害預警以及監(jiān)測數據分析中，支持向量機雖然有樣本收集速度較慢等問題，但在后續(xù)結合其他算法進行優(yōu)化，將有效提高其計算的速度以及支持性。2.5

粗集理論技術通過粗集理論技術，對病蟲害進行預警監(jiān)測。黃安鎮(zhèn)通過近年來農業(yè)大數據應用建設，當地數據庫已有一定的資源。而粗集理論技術集合現有資源，將原本不確定的數據在知識庫中進行再次分析描述。粗集理論能夠基于國內各地區(qū)所提供的大量數據，進行重復性、精準性描繪分析。刪除各數據中的冗余信息，從而簡化數據中的隱藏關鍵點，是病蟲害早期預警的重要技術之