精準(zhǔn)農(nóng)業(yè)論文范文參考關(guān)于精準(zhǔn)農(nóng)業(yè)的優(yōu)秀論文范文【10篇】

精準(zhǔn)農(nóng)業(yè)論文范文參考關(guān)于精準(zhǔn)農(nóng)業(yè)的優(yōu)秀論文范文【10篇】 農(nóng)業(yè)是國民經(jīng)濟(jì)的基礎(chǔ)產(chǎn)業(yè).精準(zhǔn)農(nóng)業(yè)是現(xiàn)代農(nóng)業(yè)發(fā)展的必然趨勢,其有效實(shí)施對提高我國農(nóng)業(yè)的現(xiàn)代化水平具有重大意義.作為精準(zhǔn)農(nóng)業(yè)實(shí)施基礎(chǔ)性環(huán)節(jié)田間信息獲取主要實(shí)現(xiàn)方式的無線傳感器網(wǎng)絡(luò),其關(guān)鍵技術(shù)的研究和解決對于精準(zhǔn)農(nóng)業(yè)的推廣應(yīng)用具有重要意義.本文從系統(tǒng)架構(gòu)模型、網(wǎng)絡(luò)通信協(xié)議、網(wǎng)絡(luò)內(nèi)數(shù)據(jù)融合處理方法和采樣調(diào)度機(jī)制四個方面對精準(zhǔn)農(nóng)業(yè)無線傳感器網(wǎng)絡(luò)的節(jié)能實(shí)現(xiàn)方法進(jìn)行了研究,并闡述了面向溫室集群監(jiān)測和航空施藥霧滴沉積監(jiān)測兩個傳感器網(wǎng)絡(luò)應(yīng)用系統(tǒng)的具體設(shè)計和實(shí)現(xiàn)方案.論文的主要研究內(nèi)容包括： (1)從應(yīng)用環(huán)境、樣點(diǎn)部署、數(shù)據(jù)需求、傳感器及監(jiān)測方式、網(wǎng)絡(luò)結(jié)構(gòu)、網(wǎng)絡(luò)容錯性及實(shí)時性需求等角度分析了精準(zhǔn)農(nóng)業(yè)無線傳感器網(wǎng)絡(luò)的特殊性,確定了精準(zhǔn)農(nóng)業(yè)無線傳感器網(wǎng)絡(luò)的應(yīng)用需求,定義了精準(zhǔn)農(nóng)業(yè)無線傳感器網(wǎng)絡(luò)的網(wǎng)絡(luò)模型.針對大田和溫室集群兩種典型無線傳感器網(wǎng)絡(luò)應(yīng)用場景,從系統(tǒng)服務(wù)架構(gòu)、系統(tǒng)實(shí)現(xiàn)架構(gòu)、網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)角度具體闡述了精準(zhǔn)農(nóng)業(yè)無線傳感器網(wǎng)絡(luò)架構(gòu)的節(jié)能型設(shè)計,重點(diǎn)描述了精準(zhǔn)農(nóng)業(yè)無線傳感器網(wǎng)絡(luò)的分層、異構(gòu)架構(gòu)實(shí)現(xiàn)形式. (2)研究分析了分層、異構(gòu)精準(zhǔn)農(nóng)業(yè)無線傳感器網(wǎng)絡(luò)通信協(xié)議的節(jié)能方法.對MAC協(xié)議的能量消耗進(jìn)行了分析,設(shè)計了一種能夠負(fù)載流量自適應(yīng)的節(jié)能AS-MAC協(xié)議；針對精準(zhǔn)農(nóng)業(yè)傳感器網(wǎng)絡(luò)分布范圍較大難于實(shí)現(xiàn)傳感節(jié)點(diǎn)到匯聚節(jié)點(diǎn)的直接通信、網(wǎng)絡(luò)異構(gòu)造成的節(jié)點(diǎn)剩余能量差異較大等問題,設(shè)計了一種支持簇內(nèi)多跳、具有節(jié)點(diǎn)剩余能量意識的EA-LEACH協(xié)議.綜合AS-MAC、EA-LEACH及Zigbee分析了異構(gòu)、分層精準(zhǔn)農(nóng)業(yè)無線傳感器網(wǎng)絡(luò)節(jié)能通信協(xié)議A-Stack的實(shí)現(xiàn)方式,并利用實(shí)驗分析了該協(xié)議體系的能耗指標(biāo)和節(jié)能效果. (3)針對被監(jiān)測數(shù)據(jù)特征,從減少網(wǎng)內(nèi)數(shù)據(jù)傳輸量的角度,研究了精準(zhǔn)農(nóng)業(yè)無線傳感器網(wǎng)絡(luò)的節(jié)能實(shí)現(xiàn)方法.針對被監(jiān)測參數(shù)具有較強(qiáng)的內(nèi)在相關(guān)性和變化周期性的特點(diǎn),研究提出了基于分段線性回歸的傳感器網(wǎng)絡(luò)數(shù)據(jù)壓縮傳輸方法,利用田間樣本數(shù)據(jù)對算法的有效性進(jìn)行了評估,結(jié)果表明：對于空氣相對濕度和土壤溫度,整體數(shù)據(jù)壓縮率可達(dá)51.9%.針對一定區(qū)域范圍和時間段內(nèi),同一參數(shù)、不同傳感器網(wǎng)絡(luò)節(jié)點(diǎn)的感知數(shù)據(jù)具有相似性的特點(diǎn),研究提出了基于網(wǎng)絡(luò)節(jié)點(diǎn)四叉樹編碼的數(shù)據(jù)聚合方法,利用田間樣本數(shù)據(jù)對其進(jìn)行了驗證,結(jié)果表明：算法對環(huán)境溫度、空氣相對濕度、土壤溫度、土壤濕度的數(shù)據(jù)無損聚合率分別達(dá)11.7%、19.5%、12.64%和33.34%. (4)針對精準(zhǔn)農(nóng)業(yè)采樣需求,研究分析了變周期采樣調(diào)度的實(shí)現(xiàn)方式,從減少無效采樣次數(shù)角度研究了精準(zhǔn)農(nóng)業(yè)無線傳感器網(wǎng)絡(luò)的節(jié)能實(shí)現(xiàn)方法.通過建立傳感器網(wǎng)絡(luò)節(jié)點(diǎn)采樣、數(shù)據(jù)計算、無線通信等環(huán)節(jié)的能耗計算模型,分析了采樣功耗的控制方法.設(shè)計了基于自回歸模型和虛擬簇劃分的采樣調(diào)度機(jī)制,并利用田間樣本數(shù)據(jù)對兩種機(jī)制的節(jié)能效果進(jìn)行了驗證評估.結(jié)果表明,在滿足一定誤差精度時,溫度參數(shù)的采樣次數(shù)減少30%,土壤濕度參數(shù)的采樣次數(shù)減少80%,能耗較連續(xù)采樣減少79.8%. (5)具體闡述了溫室集群監(jiān)測和航空施藥沉積監(jiān)測兩個典型精準(zhǔn)農(nóng)業(yè)傳感器網(wǎng)絡(luò)應(yīng)用系統(tǒng)的系統(tǒng)結(jié)構(gòu)組成、傳感器節(jié)點(diǎn)設(shè)計和應(yīng)用效果. 我國是一個農(nóng)業(yè)大國,“農(nóng)業(yè)豐則基礎(chǔ)強(qiáng),農(nóng)民富則國家盛”,農(nóng)業(yè)、農(nóng)村和農(nóng)民問題始終是關(guān)系現(xiàn)代化建設(shè)全局的重大問題.是否選擇精準(zhǔn)農(nóng)業(yè)發(fā)展模式無疑具有戰(zhàn)略意義.本文基于可持續(xù)發(fā)展觀,從技術(shù)經(jīng)濟(jì)角度,分析了選擇精準(zhǔn)農(nóng)業(yè)發(fā)展模式的層級性、階段性與選擇的國情適宜性,給出我國目前處于傳統(tǒng)農(nóng)業(yè)范式、市場農(nóng)業(yè)范式和生態(tài)農(nóng)業(yè)范式三元共存的基本判定,提出發(fā)展縣域精準(zhǔn)農(nóng)業(yè)完全可行的理性判斷.本文主要創(chuàng)新點(diǎn)如下: (1)用歷史現(xiàn)狀比較法,對發(fā)達(dá)國家和發(fā)展中國家的精準(zhǔn)農(nóng)業(yè)實(shí)踐進(jìn)行分析研究,突破精準(zhǔn)農(nóng)業(yè)高技術(shù)觀的舊認(rèn)識,建構(gòu)了高技術(shù)精準(zhǔn)農(nóng)業(yè)、特色技術(shù)精準(zhǔn)農(nóng)業(yè)和初級技術(shù)精準(zhǔn)農(nóng)業(yè)的分層級的新認(rèn)識觀.據(jù)此,提出我國發(fā)展精準(zhǔn)農(nóng)業(yè)應(yīng)符合國情和實(shí)際,要從技術(shù)、價值和戰(zhàn)略規(guī)劃角度統(tǒng)籌考慮,分三個層級,分三個階段,循序漸進(jìn),穩(wěn)步發(fā)展. (2)建構(gòu)了精準(zhǔn)農(nóng)業(yè)矩陣模型,應(yīng)用價值鏈理論,對農(nóng)業(yè)生產(chǎn)經(jīng)營過程從價值形成角度進(jìn)行分析研究,針對我國不同地區(qū)地理區(qū)位差異和經(jīng)濟(jì)水平分層的現(xiàn)實(shí),提出整體推進(jìn)、局部優(yōu)先、單項突破三種精準(zhǔn)農(nóng)業(yè)發(fā)展模式.依據(jù)發(fā)展精準(zhǔn)農(nóng)業(yè)的時序,強(qiáng)調(diào)了必須要夯實(shí)的基礎(chǔ)工程. (3)論證了我國縣域經(jīng)濟(jì)走精準(zhǔn)農(nóng)業(yè)之路的重要性、必要性和可行性,建構(gòu)了國家層面和市場層面的精準(zhǔn)農(nóng)業(yè)技術(shù)體系,創(chuàng)構(gòu)了縣域精準(zhǔn)農(nóng)業(yè)運(yùn)行主體,設(shè)計了相應(yīng)的運(yùn)行機(jī)制和支撐體系. (4)依據(jù)技術(shù)經(jīng)濟(jì)學(xué)原理與方法,辯識國內(nèi)重要研究成果的疏忽,給出精準(zhǔn)農(nóng)業(yè)績效評價的基本原理與方法.首先建構(gòu)精準(zhǔn)農(nóng)業(yè)績效評價體系,然后針對不同發(fā)展模式設(shè)計權(quán)變的評價方法,即:用*流量貼現(xiàn)分析法(如NPV指標(biāo))評價單項(如精準(zhǔn)施肥技術(shù))突破發(fā)展精準(zhǔn)農(nóng)業(yè)的績效,用網(wǎng)絡(luò)層次分析法(ANP)評價局部(如縣域)優(yōu)先發(fā)展精準(zhǔn)農(nóng)業(yè)的績效,用數(shù)據(jù)包絡(luò)分析法(DEA)評價整體(如西部大區(qū)域,甚至全國)推進(jìn)發(fā)展精準(zhǔn)農(nóng)業(yè)的績效.最后論證了精準(zhǔn)農(nóng)業(yè)績效評價建模與應(yīng)用,即:基于實(shí)物期權(quán)定價方法建立精準(zhǔn)農(nóng)業(yè)項目評價的實(shí)用模型,引進(jìn)了精準(zhǔn)農(nóng)業(yè)局部優(yōu)先發(fā)展模式的績效評價,建構(gòu)評價整體推進(jìn)發(fā)展精準(zhǔn)農(nóng)業(yè)模式績效的指標(biāo)體系. 傳統(tǒng)的粗放型農(nóng)業(yè)生產(chǎn)模式效率低下且對生態(tài)環(huán)境的污染嚴(yán)重,已經(jīng)不適應(yīng)新世紀(jì)農(nóng)業(yè)發(fā)展的需求.現(xiàn)代農(nóng)業(yè)逐漸擺脫原始農(nóng)業(yè)、傳統(tǒng)農(nóng)業(yè)和工業(yè)化農(nóng)業(yè)的束縛,進(jìn)入以知識高度密集為主要特點(diǎn)的知識農(nóng)業(yè)發(fā)展新階段.將現(xiàn)代信息技術(shù)、生物技術(shù)和工程裝備技術(shù)應(yīng)用于農(nóng)業(yè)生產(chǎn)的“精準(zhǔn)農(nóng)業(yè)(Precision Agriculture),已經(jīng)成為現(xiàn)代農(nóng)業(yè)的重要生產(chǎn)形式. 將圖像處理和機(jī)器視覺等技術(shù)的應(yīng)用是精準(zhǔn)農(nóng)業(yè)實(shí)施中的主要特色之一.通過對光學(xué)圖像或者高光譜圖像的智能分析,有效提高作業(yè)效率.但是光學(xué)圖像數(shù)據(jù)提供的信息有限,在很多應(yīng)用中存在局限性.而高光譜遙感圖像因為波段眾多,光譜分辨率和空間分辨率都很高,因此對地物的分辨更加準(zhǔn)確,在精準(zhǔn)農(nóng)業(yè)的應(yīng)用中具有其他數(shù)據(jù)無法比擬的優(yōu)勢,已經(jīng)成為未來精準(zhǔn)農(nóng)業(yè)應(yīng)用中的主要數(shù)據(jù)形式. 這些新的數(shù)據(jù)分析手段雖然給農(nóng)業(yè)生產(chǎn)帶來了革命性的變化,但是另一方面也因為其數(shù)據(jù)量巨大,不僅給存儲和傳輸帶來了困難,同時也給數(shù)據(jù)的分析和處理帶來了巨大的挑戰(zhàn).因此如何有效降低數(shù)據(jù)的維數(shù),減少數(shù)據(jù)量是精準(zhǔn)農(nóng)業(yè)圖像分析中的一個重要課題.本文主要研究局部線性嵌入算法在精準(zhǔn)農(nóng)業(yè)數(shù)據(jù)降維問題中的應(yīng)用.結(jié)合精準(zhǔn)農(nóng)業(yè)實(shí)施中如雜草識別等問題的需要,主要圍繞局部線性嵌入算法監(jiān)督性的實(shí)現(xiàn)、近鄰參數(shù)自適應(yīng)選擇、適當(dāng)?shù)姆诸愃惴ǖ脑O(shè)計等問題進(jìn)行了深入研究.主要的研究工作與創(chuàng)新成果如下： (1)信息技術(shù)、模式識別技術(shù)在精準(zhǔn)農(nóng)業(yè)中的主要應(yīng)用之一就是依據(jù)圖像和光譜數(shù)據(jù)完成對作物屬性的自動識別.而常規(guī)的局部線性嵌入算法是一種非監(jiān)督算法,直接應(yīng)用于分類識別中往往效果不佳.針對這個缺陷,提出一種基于Fisher準(zhǔn)則的監(jiān)督局部線性嵌入算法.算法首先對訓(xùn)練樣本進(jìn)行Fisher投影變換,尋找最佳投影方向.在此方向上各類樣本具有最大可分性.利用訓(xùn)練樣本在該投影軸上的投影距離來構(gòu)造鄰域結(jié)構(gòu),則可以最大程度得利用訓(xùn)練樣本的監(jiān)督信息指導(dǎo)降維,從而有效提高識別率.實(shí)驗結(jié)果表明,基于Fisher準(zhǔn)則的監(jiān)督局部線性嵌入算法比常規(guī)局部線性嵌入算法具有更優(yōu)異的降維效果,用簡單的分類算法就可以實(shí)現(xiàn)較高的識別率. (2)局部線性嵌入算法應(yīng)用于分類識別問題時,其精度還受到另外一個因素的影響,即局部線性嵌入算法主要參數(shù)之一的近鄰參數(shù).該參數(shù)選擇的恰當(dāng)與否將嚴(yán)重影響識別結(jié)果.但是目前還沒有特別成熟的選擇算法出現(xiàn),多數(shù)情況下是根據(jù)實(shí)驗結(jié)果進(jìn)行多次反復(fù)人工嘗試.這也成為局部線性嵌入算法發(fā)展中的瓶頸.針對精準(zhǔn)農(nóng)業(yè)中所處理數(shù)據(jù)的特點(diǎn)以及局部線性嵌入算法鄰域構(gòu)造對識別效果的影響,設(shè)計一種基于監(jiān)督局部線性嵌入方法的近鄰參數(shù)自適應(yīng)調(diào)整的算法.實(shí)驗結(jié)果表明,該方法可以根據(jù)所采集數(shù)據(jù)的分布特點(diǎn)自動確定近鄰參數(shù),在保證高識別率的前提下又增強(qiáng)了算法的穩(wěn)定性和實(shí)用性. (3)降維算法只是數(shù)據(jù)處理的第一步,確保高識別率的另外一個重要環(huán)節(jié)是分類算法的選擇.而局部線性嵌入算法對于新增測試樣本必須和訓(xùn)練樣本重新訓(xùn)練完成降維后才能進(jìn)行分類,計算量大,效率低下.根據(jù)局部線性嵌入算法利用重構(gòu)誤差構(gòu)造鄰域結(jié)構(gòu)的特點(diǎn),將測試樣本與正負(fù)類流形重構(gòu)誤差的大小作為判斷訓(xùn)練樣本類別屬性的根據(jù).這種分類方法是直接基于數(shù)據(jù)流形本身的特點(diǎn)構(gòu)造的,又不需要引入新的參數(shù),具有應(yīng)用方便的特點(diǎn).實(shí)驗結(jié)果證實(shí)監(jiān)督局部線性嵌入和這種分類算法的結(jié)合可以保證較高的識別精度. (4)雜草識別是精準(zhǔn)農(nóng)業(yè)應(yīng)用中的主要問題之一.因為自然界生物的多樣性,即使同種植物形態(tài)顏色上也具有一定的差異,而異類植物卻又可能具有相似性.利用傳統(tǒng)的機(jī)器視覺方法,通過顏色,形態(tài)等特征識別精度不高,而且容易受到自然環(huán)境的影響.本文主要面向玉米田間實(shí)地采集的圖像數(shù)據(jù)完成雜草識別任務(wù).該組圖像中環(huán)境很復(fù)雜,玉米和多種雜草共生.設(shè)計了根據(jù)形態(tài)學(xué)方法自動分割雜草和玉米的方法,然后利用監(jiān)督局部線性嵌入對分割后的圖像進(jìn)行降維,并用支持向量機(jī)完成分類識別,最終取得了理想的實(shí)驗結(jié)果.證明了基于Fisher準(zhǔn)則的局部線性嵌入算法在非實(shí)驗室環(huán)境下也具有很好的適應(yīng)性. (5)高光譜數(shù)據(jù)結(jié)合了光譜分析和圖像處理的優(yōu)勢,在精準(zhǔn)農(nóng)業(yè)中的病蟲害監(jiān)測,品質(zhì)檢測等多個問題中都取得了成功的應(yīng)用.針對實(shí)驗室采集的患有條銹病的小麥葉片成像高光譜數(shù)據(jù),根據(jù)“圖譜合一”的思想,將一種圖像紋理特征分析手段灰度共生矩陣和光譜信息進(jìn)行聯(lián)合分析,充分利用了成像光譜數(shù)據(jù)的優(yōu)勢.實(shí)驗結(jié)果表明,這種將傳統(tǒng)圖像分析手段和光譜數(shù)據(jù)結(jié)合的方法能夠更好地發(fā)現(xiàn)作物受病害影響的程度,尤其是作物受病害影響初期或者稱為隱性病時期,識別效果更優(yōu)于傳統(tǒng)的光譜分析方法. 本研究針對精準(zhǔn)農(nóng)業(yè)技術(shù)體系*量施肥這一關(guān)鍵環(huán)節(jié),圍繞變量施肥處方生成技術(shù)及應(yīng)用系統(tǒng)開發(fā),探討了土壤養(yǎng)分空間分布圖生成技術(shù),提出了產(chǎn)量數(shù)據(jù)的誤差處理方法,模擬研究了變量施肥的尺度效應(yīng)問題,設(shè)計并開發(fā)了具有田間導(dǎo)航采樣、產(chǎn)量數(shù)據(jù)處理和決策支持功能的變量施肥處方生成系統(tǒng).通過初步的實(shí)踐驗證和應(yīng)用效果分析,本研究成果有較好的實(shí)用價值.主要研究結(jié)果包括： 1圍繞土壤養(yǎng)分空間分布圖生成,研究了土壤采樣策略制定方法,探討了采用Cokriging方法降低采樣密度和采用電導(dǎo)率綜合評價土壤生產(chǎn)潛力的可能性.結(jié)果表明,在進(jìn)行土壤養(yǎng)分采樣和插值,必須同時考慮養(yǎng)分的空間變異性和數(shù)值變異性,而NS值和變異系數(shù)是比較好的指標(biāo)；產(chǎn)量與0-30.5.cm、0-91.5cm、30.5-91.5cm三層土壤電導(dǎo)率之間都存在極顯著的負(fù)相關(guān)關(guān)系,二次多項式較好地擬合了產(chǎn)量與電導(dǎo)率的關(guān)系,電導(dǎo)率圖可以參與進(jìn)行土壤生產(chǎn)潛力區(qū)的劃分. 隨著“3S”技術(shù)在農(nóng)業(yè)領(lǐng)域的不斷普及,農(nóng)業(yè)數(shù)據(jù)增長迅速,農(nóng)業(yè)已成為空間數(shù)據(jù)挖掘最富有機(jī)遇與挑戰(zhàn)性的應(yīng)用領(lǐng)域之一.本文是在實(shí)施國家“863”項目“玉米精準(zhǔn)作業(yè)系統(tǒng)研究與應(yīng)用”的過程中,基于土壤肥力數(shù)據(jù)庫和玉米精準(zhǔn)作業(yè)的要求,利用空間數(shù)據(jù)挖掘技術(shù),提出了解決玉米精準(zhǔn)施肥、土壤肥力評價、地力等級分類和產(chǎn)量預(yù)測等問題的新方法,研究成果已成功應(yīng)用于玉米精準(zhǔn)作業(yè)智能決策系統(tǒng)中.主要工作和創(chuàng)新點(diǎn): 1.進(jìn)行了基于空間模糊聚類算法的玉米精準(zhǔn)施肥的研究.使用模糊聚類分析方法,建立土壤養(yǎng)分分類模型,利用八連通法進(jìn)行空間聚類分析,并將模糊聚類結(jié)果應(yīng)用于空間聚類.這種兩階段聚類方法優(yōu)于傳統(tǒng)的單階段聚類,其分類結(jié)果對玉米精準(zhǔn)施肥具有重要的指導(dǎo)意義. 2.提出了基于加權(quán)的空間模糊動態(tài)聚類算法及在土壤肥力評價中的應(yīng)用.該算法與基于模糊等價關(guān)系的傳遞閉包方法進(jìn)行比較表明,其聚類準(zhǔn)確率要明顯高于未加權(quán)的模糊聚類算法.將其改進(jìn)的算法運(yùn)用到精準(zhǔn)農(nóng)業(yè)的土壤肥力評價中,與實(shí)際情況相符. 3.研究了基于粗糙集-決策樹的優(yōu)化算法及在地力評價中的應(yīng)用.研究結(jié)果表明基于聚類的樣本優(yōu)選方法去除了大量冗余樣本,基于粗糙集的屬性約簡方法去除了部分冗余屬性,使用決策樹方法構(gòu)建決策樹,節(jié)省了時間和空間,降低了模型的復(fù)雜度.因而,本文提出的聚類和粗糙集約簡相結(jié)合的方法在時間、空間和準(zhǔn)確性方面均優(yōu)于其他方法,該算法能有效提高土壤地力等級分類的準(zhǔn)確性和客