農作物病蟲(chóng)害多源遙感數據挖掘分析的論文

　　摘要：近年來(lái)，隨著(zhù)科學(xué)技術(shù)的迅猛發(fā)展，社會(huì )數據信息迅速膨脹，其中，農作物病蟲(chóng)害多源遙感數據呈指數級增長(cháng)為農作物病蟲(chóng)害的監測帶來(lái)了相當的困難。本文基于數據挖掘理論以及云計算技術(shù)，針對農作物病蟲(chóng)害多源遙感信息提出了一種基于云計算的數據挖掘架構。與傳統數據挖掘架構相比，該架構在可擴展性和海量數據處理能力等方面具有更好的性能，可有效解決傳統農作物病蟲(chóng)害多源遙感數據挖掘框架計算能力不足的問(wèn)題。

　　關(guān)鍵字：云計算；農作物病蟲(chóng)害；多源遙感；數據挖掘

　　引言

　　近年來(lái)，隨著(zhù)科學(xué)技術(shù)的迅猛發(fā)展，我國在各領(lǐng)域、各方面都取得了長(cháng)足的進(jìn)步，農業(yè)也不例外，已實(shí)現了連續十一年增長(cháng)。另一方面，由于我國人口眾多，同時(shí)受氣候特點(diǎn)、作物品種、種植習慣以及防治情況[1]等影響，我國農作物產(chǎn)量就人均量而言并不樂(lè )觀(guān)。據聯(lián)合國糧農組織估計，世界糧食產(chǎn)量常年因病害損失14%，蟲(chóng)害損失10%[2]。同樣在我國，農作物病蟲(chóng)害也是影響農作物產(chǎn)量的重要原因之一。由于農田生態(tài)系統具有生態(tài)脆弱性，害蟲(chóng)的群落很容易對農田生態(tài)系統造成干擾，若不及時(shí)加以診治，最終往往會(huì )導致爆發(fā)和流行病蟲(chóng)害的嚴重后果。隨著(zhù)全球氣候逐漸變暖，病蟲(chóng)害對農田生態(tài)系統的威脅也會(huì )日益加重。我國作為農業(yè)大國，預防農作物病蟲(chóng)害、提高農作物產(chǎn)量、保證國內糧食安全形勢依然嚴峻，有效應對農作物病蟲(chóng)害刻不容緩。然而，我國目前在農作物病蟲(chóng)害監測方面還有待加強，現有的應對方法依然十分落后，如人工抽樣、農田調查等方式，這些方法準確性及穩定性較強，但是耗費了大量人力和財力，且存在代表性、時(shí)效性差和主觀(guān)性強等弊端，已難以適應目前大范圍的病蟲(chóng)害實(shí)時(shí)監測和預報的需求[3]。由于遙感技術(shù)可以在很大的范圍內快速、準確地獲得相關(guān)地貌信息，因此通過(guò)引入遙感技術(shù)，就可以達到有效改變傳統農業(yè)管理模式的目的，起到對農作物病蟲(chóng)害的監測、農作物品質(zhì)預報、農作物產(chǎn)量估計的作用。尤其是近年來(lái)隨著(zhù)世界范圍精密儀器制造技術(shù)、測試控制技術(shù)的高速發(fā)展，遙感數據種類(lèi)不斷增多，這些數據為農作物病蟲(chóng)害提供了更多的數據依據，為農作物病蟲(chóng)害更準確、更快速的監測提供了寶貴的發(fā)展空間。

　　1農作物病蟲(chóng)害遙感數據挖掘分析

　　遙感的基本依據是獲取來(lái)自地物的反射或發(fā)射的電磁波能量[4]。農作物病蟲(chóng)害遙感數據的基本信息來(lái)自于地物的反射以及捕獲的電磁波能量閣，這種數據類(lèi)型是由綠色農作物所散發(fā)出的光譜的變化趨勢所決定的。一般情況下，光譜由藍光波段到紅外波段的反射率呈現遞增的趨勢，即光譜波長(cháng)在450nm時(shí)反射率最小，當波長(cháng)達到1300nm時(shí)其反射率最大。對同一種農作物來(lái)說(shuō)，其葉片的結構是相對固定不變的，然而在不同的發(fā)育期，葉片的葉綠素含量將會(huì )呈現出規律的變化。當農作物受到病蟲(chóng)害等侵襲后，葉片的顏色就會(huì )出現相對復雜且無(wú)規律的變化，當受災嚴重時(shí)，甚至葉片的結構、外形外觀(guān)都會(huì )發(fā)生改變，這些過(guò)程都會(huì )伴隨著(zhù)葉片反射光譜的改變。因此通過(guò)對葉片顏色、結構、外形等遙感信息的捕獲、挖掘與分析對于農作物長(cháng)勢的監測無(wú)疑是十分有利的。然而大量遙感信息積累而有用信息卻相對匱乏的局面[5]決定了必須對其進(jìn)行數據挖掘才能加以合理的利用。所謂數據挖掘就是從大量的、不完備的、模糊且隨機的數據信息中識別有效的、實(shí)用的信息，并根據這些信息做出決策。在社會(huì )數據信息迅速膨脹、各種事業(yè)蓬勃發(fā)展的今天，無(wú)論從范圍上還是從規模上，數據的增長(cháng)都是顯而易見(jiàn)的，其涵蓋了社會(huì )生活及生產(chǎn)的許多領(lǐng)域，有來(lái)自普通應用領(lǐng)域的生活卡使用、商業(yè)信息、通信記錄等，也有來(lái)自特殊應用行業(yè)的天文圖像、生物分子信息等。這些信息資源，必須經(jīng)過(guò)分析、挖掘、提煉等操作后，才能變成對人們有用的知識。通過(guò)對數據的分析，從海量信息資源中捕獲規律，再以人們容易理解的方式表示出來(lái)，從而獲得有價(jià)值的信息，這就是數據挖掘的過(guò)程。因此，作為數據信息的一種，農作物病蟲(chóng)害遙感數據信息挖掘與分析[6]也要經(jīng)過(guò)類(lèi)似其他遙感大數據[7]的分析流程：農作物目標確定、病蟲(chóng)害遙感數據準備、遙感數據挖掘以及結果分析，這些工作都是為了對農作物病蟲(chóng)害遙感數據進(jìn)行處理而進(jìn)行的。有效的數據挖掘與分析不僅可以大大減少不必要的資源浪費，而且還能夠有效提高農作物質(zhì)量以及產(chǎn)量。

　　2基于云計算的多源遙感數據挖掘方法分析

　　云計算概念的提出可以追溯到1983年，Sun公司首次提出了“網(wǎng)絡(luò )就是計算機”的理論。之后的2006年，云計算這一理論性概念由Google正式提出并應用到實(shí)際項目中[8]。關(guān)于云計算目前尚沒(méi)有明確的定義，它的實(shí)現并不是依賴(lài)于本地計算機或者遠程服務(wù)器，而是將計算過(guò)程分布在大量的分布式計算機上，從而使計算能力可以像“煤氣”一樣通過(guò)互聯(lián)網(wǎng)進(jìn)行運輸。如何利用云計算的相關(guān)成果促進(jìn)國計民生行業(yè)的發(fā)展，已成為國家發(fā)展戰略的重要組成部分[9]。云計算具有以下特點(diǎn)：（1）超大數據規模。云計算借助擁有的強大的服務(wù)器規模，可以處理超大規模的數據，且具有超乎想象的運行速度，每秒鐘的運算能達到10萬(wàn)億次以上。（2）運算虛擬化。云計算的整個(gè)運算過(guò)程是在云端進(jìn)行的，它對于用戶(hù)而言是透明的，但支持用戶(hù)在任意位置、使用任意終端獲得運算結果。（3）有償性。云計算是一種付費式服務(wù)模式，它是通過(guò)提供的服務(wù)向用戶(hù)收取費用。（4）通用性及可擴展性。云計算不針對具體應用，并可動(dòng)態(tài)伸縮來(lái)滿(mǎn)足不同用戶(hù)的需要。遙感數據庫有別于一般的關(guān)系型數據庫，數據庫中包含這大量時(shí)間和空間信息。隨著(zhù)遙感技術(shù)的發(fā)展，海量的遙感數據信息對之前簡(jiǎn)單數據服務(wù)模式提出了挑戰。針對遙感技術(shù)發(fā)展帶來(lái)的海量數據存儲和處理需求[10]，基于云計算的多源遙感數據挖掘分析算法應運而生�；�于云計算的多源遙感數據挖掘過(guò)程主要包括以下幾個(gè)方面：明確問(wèn)題定義；提取多源遙感數據信息；數據預處理及過(guò)濾；多源遙感數據挖掘引擎；多源遙感數據算法；算法具體實(shí)施；執行結果評估；數據簡(jiǎn)化；實(shí)際應用。

　　3基于云計算的農作物病蟲(chóng)害多源遙感數據挖掘

　　為了順應當前農作物病蟲(chóng)害監測技術(shù)發(fā)展的趨勢，在一定程度上解決農作物病蟲(chóng)害遙感數據挖掘在實(shí)際操作中遇到的種種問(wèn)題，從而有效提高農作物產(chǎn)量和質(zhì)量，本文基于云計算以及遙感數據挖掘理論，針對農作物微型遙感數據的特點(diǎn)，提出了一種適用于云計算的農作物病蟲(chóng)害多源遙感數據挖掘系統架構，如圖1所示。圖1為多源遙感數據挖掘系統框架。首先將農作物病蟲(chóng)害多源遙感數據進(jìn)行分類(lèi)，然后再對分類(lèi)后的遙感數據進(jìn)行數據選擇從而得到目標數據，經(jīng)過(guò)信息處理、模式識別、信息解釋等處理后得到有價(jià)值的知識，最終為農作物病蟲(chóng)害的監測提供數據依據。如圖2為基于云計算的農作物病蟲(chóng)害多源遙感數據挖掘系統的構架。此系統構架采用分層設計的思想，自下而上主要包括云計算支撐平臺、農作物病蟲(chóng)害遙感數據挖掘能力層、農作物病蟲(chóng)害遙感數據挖掘云服務(wù)層三個(gè)部分。其中，云計算支撐平臺的主要功能是為整個(gè)系統提供分布式文件存儲、數據庫存儲以及計算等功能，而數據挖掘能力層主要是為數據挖掘提供算法以及支撐，能力層主要包括算法服務(wù)管理、調度引擎、數據并行處理能部分；數據挖掘云服務(wù)層的主要功能是為外界提供云服務(wù)能力，包括挖掘算法服務(wù)、數據預處理服務(wù)、數據服務(wù)、調度服務(wù)等功能。本文提出的基于云計算的農作物病蟲(chóng)害多源遙感數據挖掘平臺與傳統的數據挖掘系統架構相比，前者具有更好的可擴展性、更高效的海量數據處理能力，有效的解決了傳統農作物病蟲(chóng)害遙感數據挖掘框架計算能力不足的問(wèn)題，能夠滿(mǎn)足大范圍農作物病害蟲(chóng)多源遙感數據挖掘與分析的設計和實(shí)際應用。

　　4結束語(yǔ)

　　本文針對農作物病蟲(chóng)害多源遙感信息，基于數據挖掘理論和云計算技術(shù)理論，提出了一種基于云計算技術(shù)的農作物病害蟲(chóng)多源遙感信息的數據挖掘系統架構。本平臺基于云計算技術(shù)實(shí)現了關(guān)于農作物病蟲(chóng)害多源遙感數據的挖掘構思，較傳統的數據挖掘系統架構而言，具有更高的可擴展性記憶更高效的海量數據處理能力，有效的解決了傳統農作物病蟲(chóng)害多源遙感數據挖掘框架計算能力不足的問(wèn)題，更適用于大范圍的農作物病蟲(chóng)害遙感數據挖掘與分析的設計和實(shí)際應用。

　　參考文獻：

　　[1]霍治國，劉萬(wàn)才，邵振潤，等.試論開(kāi)展中國農作物病蟲(chóng)害危害流行的長(cháng)期氣象預測研究[J].自然災害學(xué)報，2000，9(1)：117－121.

　　[2]StrangeRN,ScottPR.PlantDisease:Athreattoglobalfoodsecurity[J].Annualreviewsphytopathol,2005,43:83－116.

　　[3]張競成，袁琳，王紀華，等.作物病蟲(chóng)害遙感監測研究進(jìn)展[J].農業(yè)工程學(xué)報，2012,28(20)：1-11.

　　[4]日本卡農公司圖像研究室.遙感一遙感技術(shù)的發(fā)展及其應用研究[M].王歷譯.北京:科學(xué)出版社,1983.36一44.

　　[5]宮輝力，趙文吉，李京.多源遙感數據挖掘系統技術(shù)框架[J].中國圖像圖形學(xué)報，2005,10(5)：620-623.

　　[6]易玲，楊小喚，江東，劉紅輝.農作物病蟲(chóng)害遙感監測研究進(jìn)展[J].甘肅科學(xué)學(xué)報，2003,15(3)：58-63.

　　[7]李德仁，張良培，夏桂松.遙感大數據自動(dòng)分析與數據挖掘[J].測繪學(xué)報，2014,43(12)：1211-1216.

　　[8]李喬，鄭嘯.云計算研究現狀綜述[J].計算機科學(xué)，2011,38(4)：32-37.

　　[9]林闖，蘇文博，孟坤，等.云計算安全：架構、機制與模型評價(jià)[J].計算機學(xué)報，2013，36(9)：1765-1784.

　　[10]張樹(shù)凡，吳新橋，曹宇，等.基于云計算的多源遙感數據服務(wù)系統研究[J].現代電子技術(shù)，2015,38(3):91-94.

【農作物病蟲(chóng)害多源遙感數據挖掘分析的論文】相關(guān)文章：

數據挖掘實(shí)習報告10-05

數據分析報告07-15

數據分析報告03-26

數據分析報告通用12-15

數據分析個(gè)人報告12-20

個(gè)人的數據分析報告10-27

銷(xiāo)售數據分析報告07-10

數據分析報告優(yōu)秀09-10

關(guān)于店鋪數據分析報告01-03

數據分析工作總結10-10