一种基于环境因子的农作物产量早期预测模型的制作方法

本发明涉及农业，更具体地说，它涉及一种基于环境因子的农作物产量早期预测模型。

背景技术：

1、农作物产量预测是农业生产中重要的预测分析技术之一，可以帮助农民和农业企业预测特定季节的作物产量、何时种植作物、何时收获以获得更高的作物产量。预测分析是一种强大的工具，可以帮助改善农业决策。

2、传统的农作物产量的预测模型一般都是预先将土壤肥沃度和天气及空气各项指标等数据导入到模型数据库中，将农作物种子的成熟度等数据也都导入模型数据库中，根据数据库中以往的数据对农作物的产量进行预测，但是该种预测模型只能够针对大数据中较为普遍的数据的基础下进行预测，当遇到一些极端的天气等的情况下，无法实时地对农作物产量的预测结果进行实时修改，同时农作物种植在土壤内后，不同的农作物对土壤中养分的吸收程度不一致，现有的模型也无法结合农作物生长的进度和对土壤中养分的含量进行实时调整产量数据，预测结果精准度较差。

3、因此，为了解决上述技术问题本技术提出一种基于环境因子的农作物产量早期预测模型。

技术实现思路

1、针对现有技术存在的不足，本发明的目的在于提供一种基于环境因子的农作物产量早期预测模型。

2、为实现上述目的，本发明提供了如下技术方案：包括用于对农作物生产环境及生长情况数据进行获取的数据获取模块、用于对获取的数据进行处理的数据处理模块、用于根据获取的数据及处理结果针对农作物的生长进行建模从而预测产量的模型预测模块、用于对各项数据处理结果及对农产品产量的预测结果数据进行展示的数据可视化模块及用于对各项数据进行储存备份以充实数据库的数据存储模块；

3、数据获取模块包括：用于对农作物生长指标进行监测的生长指标模组、用于连接互联网查询天气信息的天气预报模块、用于监测土壤中养分含量的多组土壤传感器、用于监测空气中质量情况的空气质量传感器及用于感受农作物所处环境中气象情况的气象传感模组，实现根据农作物生长的空气质量、气象环境及土壤环境的实时变化而针对农作物的产量进行实时预警，并针对农作物的实时生长情况进行施肥种类和施肥量的推荐，提高对农作物产量预测的精准度；

4、数据处理模块，对获取的历史数据进行预处理，包括数据清洗、缺失值处理、异常值处理，从历史数据中提取环境因子和农作物产量的相关特征，例如环境因子的平均值、方差、相关系数；

5、模型预测模块，根据提取的特征建立数学模型，用于预测未来的农作物产量，该模型可以采用神经网络算法，输入层包含多个输入节点，隐层节点数为10，输出层节点数为1，采用反向传播算法进行训练，用于模拟农作物的生长发育过程，根据不同的作物类型，建立相应的生长模型，并将天气预报数据与农作物生长模型相结合，预测农作物的产量。

6、本方案中，气象传感模组包括用于监测空气温度的温度传感器、用于监测空气湿度的湿度传感器、用于监测空气风速的风速传感器和用于监测风向的风向传感器，实现通过对农作物生长环境中的温度、湿度、风速和风向等条件的监测，从而实现对农作物的产量预测进行更加精准预测。

7、本实施例中，所述模型预测模块包括对农作物生长情况进行建模的模型建立模块、用于结合各项数据模拟农作物生长情况的模型训练模块、用于结合各项数据和农作物生长情况进行评估的模型评估模块和用于针对农作物生长情况的各项数据进行调节的模型应用模块，通过对农作物生长的事实情况和数据进行简历模拟生长模型与现实中的农作物生长的各项数据之间相结合，从而通过模型应用模块对农作物生长需要辅助的施肥或胶水的量和种类等信息进行推荐，从而提高农产品的产量的同时，也能够对提高农产品产量的预测精确度。

8、需要注意的是，模型训练模块，使用训练数据对模型进行训练，以提高模型的预测精度；

9、模型评估模块，使用测试数据对模型进行评估，以确定模型的预测精度和泛化能力；

10、模型应用模块，将训练好的模型应用于未来的环境数据和农作物产量数据，以预测未来的农作物产量。

11、进一步的，所述生长指标模组包括用于监测农作物病虫害数据的病虫害数据模块、用于对农作物生长情况的各项数据指标进行监测统计的生长指标数据模块和用于对农作物内各生长所需的养分的浓度数据进行监测的养分数据模块，实现对农作物生长的过程中的病虫害情况、生长指标数据和各项养分数据进行监测，并通过模型应用模块结合各项数据对农作物生长所需要人工辅助添加的养分进行预警并做出建议。

12、其中，数据可视化模块，用于将预测结果以图表、地图等形式展示出来，以便用户更直观地了解预测结果。

13、优选地，数据存储模块，用于存储历史数据和预测结果，以供后续分析和参考。

14、优选地，模型应用模块，根据预测结果，制定相应的生产计划，包括种植面积、种植方式、施肥量、灌溉量等，以保证农作物的产量达到预期目标，提高预测结果的精准度。

15、优选地，土壤传感器：用于实时监测土壤中的养分含量、水分含量、ph值等信息；

16、空气质量传感器：用于实时监测空气中的各物质含量；

17、气象传感器：用于实时监测气温、湿度、风速、风向等气象信息。

18、优选地，土地肥沃度使用以下公式计算：

19、土地肥沃度＝土壤养分含量/(土壤有机质含量+土壤ph值)；

20、其中，土壤养分含量和土壤有机质含量是通过传感器实时监测得到的，土壤ph值可以通过土壤测试得到；

21、11.优选地，计算农作物内养分数据需要结合植物生长监测、土壤分析和养分输入等多个方面的数据，其计算步骤为：

22、s1：监测植物生长：使用传感器或其他监测设备来监测植物的生长情况，包括高度、茎径、叶面积等指标；

23、s2：分析土壤数据：通过土壤分析来获取土壤中的养分含量，包括氮、磷、钾等元素的含量；

24、s3：确定养分输入：根据农作物的需求和土壤养分含量来确定养分输入量，包括肥料施用量和灌溉水量；

25、s4：计算养分含量：结合植物生长监测数据和土壤分析数据，可以计算出植物中的养分含量；

26、其中，计算氮素含量、磷素含量和钾素含量的计算公式为：

27、氮素含量的计算公式为：

28、氮素含量(％)＝2.5x ndvi；

29、磷素含量的计算公式为：

30、磷素含量(％)＝0.4x ndwi；

31、钾素含量的计算公式为：

32、钾素含量(％)＝2x ndvi；

33、其中，ndvi为归一化植被指数，可以反映植物叶片的光合能力和生长状态；ndwi为归一化差异植被指数，可以反映植被的水分含量和生长状态。

34、与现有技术相比，本发明具备以下有益效果：

35、1、本发明中，通过对于农作物生长环境中的气象条件、气候条件及土壤条件的相结合，实时地对农作物的生长情况和农作物内各养分含量等信息进行监测，并且通过建立实时的模拟农作物生长模型，从而对农作物的生长情况和产量进行实时的预测，提高预测的精准度；

36、2、本发明中，基于环境因子的农作物产量早期预测模型能够基于各种环境因子与作物产量的关系，通过建立数学模型，对未来的作物产量进行预测，具有较高的预测精度和泛化能力；

37、3、本发明中，通过建立农作物生长的实时模拟模型，并结合农作物自身和土壤及环境中设置的各项传感器的监测数据，从而对农作物生长过程中出现的各类问题进行实时监测，并通过对农作物自身生长过程中所缺失的各类养分物质进行监测，从而及时给予施肥或浇水等操作的推荐，提高农作物的产量。