[发明专利]一种基于大数据分析预测的荔枝控梢促花管理方法

摘要

本发明为一种基于大数据分析预测的荔枝控梢促花管理方法，基于计算机的分析与预测系统，包括两个阶段，第一阶段在特定荔枝种植园，选取荔枝样本群，采集环境数据及平均冲梢率、施药浓度，并建立针对该种植园的冲梢率的多元预测模型线性方程。第二阶段在该种植园采集相应的实时数据，上述所建模型方程，计算未来五日冲梢率趋势，预测该荔枝种植园的冲稍率是否即将达到控梢阈值，在达到控梢阈值前五日，向用户提出预警，并可提供最佳控稍促花措施，同时将当年实时数据补充入数据库，完善冲梢率预测模型。本发明基于对环境变量、施药浓度和平均冲梢率的大数据分析，建立冲梢率多元预测模型；冲梢率达到阈值前及时对用户预警，精准进行控梢促花。

主权项

1.一种基于大数据分析预测的荔枝控梢促花管理方法，基于计算机的分析与预测系统，其特征在于：/n包括两个阶段，第一阶段在特定荔枝种植园采集数据并建立多元预测模型，第二阶段为采集实时数据、根据所建多元预测模型预测该荔枝种植园的冲稍率、提供控稍促花措施建议，同时根据实时数据学习完善多元预测模型；/n第一阶段建立冲梢率预测模型方程/n1.1、设置数据采集系统/n在所述荔枝种植园内随机选取8％～15％的荔枝树作为样本，构成荔枝树样本群；/n在该荔枝种植园内安装一套空气温湿度传感器、一套光照强度传感器和多个摄像头；/n各传感器和摄像头经无线网络传送数据至分析与预测系统；/n1.2、确定窗口期/n首先确定D日；D日为荔枝生长茎部分首次出现白色未分化的新生芽体的那一日，D日即荔枝花芽分化期开始日，以此日开始连续28～35天为窗口期；在窗口期每日采集空气温度、空气湿度、光照强度以及荔枝树样本群的平均冲稍率，窗口期每项数据采样量m等于或大于300；/n1.3、平均冲稍率/n分析与预测系统对摄像头在数据采集时刻所得的各荔枝树样本的各方位图像进行图像分析，识别图像上的芽体形态，统计芽体总量和其中产生冲稍芽体数量，计算一棵荔枝树样本上产生冲稍芽体数量占芽体总量的百分比，作为此树的冲梢率，再计算荔枝树样本群所有树的冲稍率平均值，作为当前的该荔枝种植园的平均冲梢率；/n1.4、叶层元素含量和用药浓度/n分析与预测系统在数据采集时刻调取国内农业遥感卫星提供的实时卫星图像，分析该荔枝种植园内树木叶面反射的可见光谱波段，得到并记录叶层的氮、磷、钾元素的平均含量百分比；/n分析与预测系统在数据采集时刻接收该荔枝种植园管理者上传的控稍促花药物的施加浓度；在窗口期尚未采取控梢促花药物前，冲梢药物浓度记录为0；/n1.5、数据集/n所述分析与预测系统的接收并存储各采样时刻空气温度(单位：摄氏度)，空气相对湿度(单位：％)，光照强度(单位：坎德拉cd)，叶层的氮、磷、钾元素的平均含量百分比，控稍促花药物的施加浓度(单位：mg/kg)以及平均冲稍率(单位：％)，并制成时间序列数据集；/n1.6、构建多元预测模型/n将步骤1.5所得数据集中的平均冲梢率作为因变量Y，数据集的其他元素作为自变量，分别为空气温度X