農(nóng)作物病蟲(chóng)害多源遙感數(shù)據(jù)挖掘分析的論文
摘要：近年來(lái)，隨著科學(xué)技術(shù)的迅猛發(fā)展，社會(huì)數(shù)據(jù)信息迅速膨脹，其中，農(nóng)作物病蟲(chóng)害多源遙感數(shù)據(jù)呈指數(shù)級(jí)增長(zhǎng)為農(nóng)作物病蟲(chóng)害的監(jiān)測(cè)帶來(lái)了相當(dāng)?shù)睦щy。本文基于數(shù)據(jù)挖掘理論以及云計(jì)算技術(shù)，針對(duì)農(nóng)作物病蟲(chóng)害多源遙感信息提出了一種基于云計(jì)算的數(shù)據(jù)挖掘架構(gòu)。與傳統(tǒng)數(shù)據(jù)挖掘架構(gòu)相比，該架構(gòu)在可擴(kuò)展性和海量數(shù)據(jù)處理能力等方面具有更好的性能，可有效解決傳統(tǒng)農(nóng)作物病蟲(chóng)害多源遙感數(shù)據(jù)挖掘框架計(jì)算能力不足的問(wèn)題。
關(guān)鍵字：云計(jì)算；農(nóng)作物病蟲(chóng)害；多源遙感；數(shù)據(jù)挖掘
引言
近年來(lái)，隨著科學(xué)技術(shù)的迅猛發(fā)展，我國(guó)在各領(lǐng)域、各方面都取得了長(zhǎng)足的進(jìn)步，農(nóng)業(yè)也不例外，已實(shí)現(xiàn)了連續(xù)十一年增長(zhǎng)。另一方面，由于我國(guó)人口眾多，同時(shí)受氣候特點(diǎn)、作物品種、種植習(xí)慣以及防治情況[1]等影響，我國(guó)農(nóng)作物產(chǎn)量就人均量而言并不樂(lè)觀。據(jù)聯(lián)合國(guó)糧農(nóng)組織估計(jì)，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(guó)，農(nóng)作物病蟲(chóng)害也是影響農(nóng)作物產(chǎn)量的重要原因之一。由于農(nóng)田生態(tài)系統(tǒng)具有生態(tài)脆弱性，害蟲(chóng)的群落很容易對(duì)農(nóng)田生態(tài)系統(tǒng)造成干擾，若不及時(shí)加以診治，最終往往會(huì)導(dǎo)致爆發(fā)和流行病蟲(chóng)害的嚴(yán)重后果。隨著全球氣候逐漸變暖，病蟲(chóng)害對(duì)農(nóng)田生態(tài)系統(tǒng)的威脅也會(huì)日益加重。我國(guó)作為農(nóng)業(yè)大國(guó)，預(yù)防農(nóng)作物病蟲(chóng)害、提高農(nóng)作物產(chǎn)量、保證國(guó)內(nèi)糧食安全形勢(shì)依然嚴(yán)峻，有效應(yīng)對(duì)農(nóng)作物病蟲(chóng)害刻不容緩。然而，我國(guó)目前在農(nóng)作物病蟲(chóng)害監(jiān)測(cè)方面還有待加強(qiáng)，現(xiàn)有的應(yīng)對(duì)方法依然十分落后，如人工抽樣、農(nóng)田調(diào)查等方式，這些方法準(zhǔn)確性及穩(wěn)定性較強(qiáng)，但是耗費(fèi)了大量人力和財(cái)力，且存在代表性、時(shí)效性差和主觀性強(qiáng)等弊端，已難以適應(yīng)目前大范圍的病蟲(chóng)害實(shí)時(shí)監(jiān)測(cè)和預(yù)報(bào)的需求[3]。由于遙感技術(shù)可以在很大的范圍內(nèi)快速、準(zhǔn)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(dá)到有效改變傳統(tǒng)農(nóng)業(yè)管理模式的目的，起到對(duì)農(nóng)作物病蟲(chóng)害的監(jiān)測(cè)、農(nóng)作物品質(zhì)預(yù)報(bào)、農(nóng)作物產(chǎn)量估計(jì)的作用。尤其是近年來(lái)隨著世界范圍精密儀器制造技術(shù)、測(cè)試控制技術(shù)的高速發(fā)展，遙感數(shù)據(jù)種類(lèi)不斷增多，這些數(shù)據(jù)為農(nóng)作物病蟲(chóng)害提供了更多的數(shù)據(jù)依據(jù)，為農(nóng)作物病蟲(chóng)害更準(zhǔn)確、更快速的監(jiān)測(cè)提供了寶貴的發(fā)展空間。
1農(nóng)作物病蟲(chóng)害遙感數(shù)據(jù)挖掘分析
遙感的基本依據(jù)是獲取來(lái)自地物的反射或發(fā)射的電磁波能量[4]。農(nóng)作物病蟲(chóng)害遙感數(shù)據(jù)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(shù)據(jù)類(lèi)型是由綠色農(nóng)作物所散發(fā)出的光譜的變化趨勢(shì)所決定的。一般情況下，光譜由藍(lán)光波段到紅外波段的反射率呈現(xiàn)遞增的趨勢(shì)，即光譜波長(zhǎng)在450nm時(shí)反射率最小，當(dāng)波長(zhǎng)達(dá)到1300nm時(shí)其反射率最大。對(duì)同一種農(nóng)作物來(lái)說(shuō)，其葉片的結(jié)構(gòu)是相對(duì)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(xiàn)出規(guī)律的變化。當(dāng)農(nóng)作物受到病蟲(chóng)害等侵襲后，葉片的顏色就會(huì)出現(xiàn)相對(duì)復(fù)雜且無(wú)規(guī)律的變化，當(dāng)受災(zāi)嚴(yán)重時(shí)，甚至葉片的結(jié)構(gòu)、外形外觀都會(huì)發(fā)生改變，這些過(guò)程都會(huì)伴隨著葉片反射光譜的改變。因此通過(guò)對(duì)葉片顏色、結(jié)構(gòu)、外形等遙感信息的捕獲、挖掘與分析對(duì)于農(nóng)作物長(zhǎng)勢(shì)的監(jiān)測(cè)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(duì)匱乏的局面[5]決定了必須對(duì)其進(jìn)行數(shù)據(jù)挖掘才能加以合理的利用。所謂數(shù)據(jù)挖掘就是從大量的、不完備的、模糊且隨機(jī)的數(shù)據(jù)信息中識(shí)別有效的、實(shí)用的信息，并根據(jù)這些信息做出決策。在社會(huì)數(shù)據(jù)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(guī)模上，數(shù)據(jù)的增長(zhǎng)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(yīng)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(yīng)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(duì)人們有用的知識(shí)。通過(guò)對(duì)數(shù)據(jù)的分析，從海量信息資源中捕獲規(guī)律，再以人們?nèi)菀桌斫獾姆绞奖硎境鰜?lái)，從而獲得有價(jià)值的信息，這就是數(shù)據(jù)挖掘的過(guò)程。因此，作為數(shù)據(jù)信息的一種，農(nóng)作物病蟲(chóng)害遙感數(shù)據(jù)信息挖掘與分析[6]也要經(jīng)過(guò)類(lèi)似其他遙感大數(shù)據(jù)[7]的分析流程：農(nóng)作物目標(biāo)確定、病蟲(chóng)害遙感數(shù)據(jù)準(zhǔn)備、遙感數(shù)據(jù)挖掘以及結(jié)果分析，這些工作都是為了對(duì)農(nóng)作物病蟲(chóng)害遙感數(shù)據(jù)進(jìn)行處理而進(jìn)行的。有效的數(shù)據(jù)挖掘與分析不僅可以大大減少不必要的資源浪費(fèi)，而且還能夠有效提高農(nóng)作物質(zhì)量以及產(chǎn)量。
2基于云計(jì)算的多源遙感數(shù)據(jù)挖掘方法分析
云計(jì)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(jì)算機(jī)”的理論。之后的2006年，云計(jì)算這一理論性概念由Google正式提出并應(yīng)用到實(shí)際項(xiàng)目中[8]。關(guān)于云計(jì)算目前尚沒(méi)有明確的定義，它的實(shí)現(xiàn)并不是依賴(lài)于本地計(jì)算機(jī)或者遠(yuǎn)程服務(wù)器，而是將計(jì)算過(guò)程分布在大量的分布式計(jì)算機(jī)上，從而使計(jì)算能力可以像“煤氣”一樣通過(guò)互聯(lián)網(wǎng)進(jìn)行運(yùn)輸。如何利用云計(jì)算的相關(guān)成果促進(jìn)國(guó)計(jì)民生行業(yè)的發(fā)展，已成為國(guó)家發(fā)展戰(zhàn)略的重要組成部分[9]。云計(jì)算具有以下特點(diǎn)：（1）超大數(shù)據(jù)規(guī)模。云計(jì)算借助擁有的強(qiáng)大的服務(wù)器規(guī)模，可以處理超大規(guī)模的數(shù)據(jù)，且具有超乎想象的運(yùn)行速度，每秒鐘的運(yùn)算能達(dá)到10萬(wàn)億次以上。（2）運(yùn)算虛擬化。云計(jì)算的整個(gè)運(yùn)算過(guò)程是在云端進(jìn)行的，它對(duì)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(yùn)算結(jié)果。（3）有償性。云計(jì)算是一種付費(fèi)式服務(wù)模式，它是通過(guò)提供的服務(wù)向用戶(hù)收取費(fèi)用。（4）通用性及可擴(kuò)展性。云計(jì)算不針對(duì)具體應(yīng)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(shù)據(jù)庫(kù)有別于一般的關(guān)系型數(shù)據(jù)庫(kù)，數(shù)據(jù)庫(kù)中包含這大量時(shí)間和空間信息。隨著遙感技術(shù)的發(fā)展，海量的遙感數(shù)據(jù)信息對(duì)之前簡(jiǎn)單數(shù)據(jù)服務(wù)模式提出了挑戰(zhàn)。針對(duì)遙感技術(shù)發(fā)展帶來(lái)的海量數(shù)據(jù)存儲(chǔ)和處理需求[10]，基于云計(jì)算的多源遙感數(shù)據(jù)挖掘分析算法應(yīng)運(yùn)而生�；谠朴�(jì)算的多源遙感數(shù)據(jù)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(shù)據(jù)信息；數(shù)據(jù)預(yù)處理及過(guò)濾；多源遙感數(shù)據(jù)挖掘引擎；多源遙感數(shù)據(jù)算法；算法具體實(shí)施；執(zhí)行結(jié)果評(píng)估；數(shù)據(jù)簡(jiǎn)化；實(shí)際應(yīng)用。
3基于云計(jì)算的農(nóng)作物病蟲(chóng)害多源遙感數(shù)據(jù)挖掘
為了順應(yīng)當(dāng)前農(nóng)作物病蟲(chóng)害監(jiān)測(cè)技術(shù)發(fā)展的趨勢(shì)，在一定程度上解決農(nóng)作物病蟲(chóng)害遙感數(shù)據(jù)挖掘在實(shí)際操作中遇到的種種問(wèn)題，從而有效提高農(nóng)作物產(chǎn)量和質(zhì)量，本文基于云計(jì)算以及遙感數(shù)據(jù)挖掘理論，針對(duì)農(nóng)作物微型遙感數(shù)據(jù)的特點(diǎn)，提出了一種適用于云計(jì)算的農(nóng)作物病蟲(chóng)害多源遙感數(shù)據(jù)挖掘系統(tǒng)架構(gòu)，如圖1所示。圖1為多源遙感數(shù)據(jù)挖掘系統(tǒng)框架。首先將農(nóng)作物病蟲(chóng)害多源遙感數(shù)據(jù)進(jìn)行分類(lèi)，然后再對(duì)分類(lèi)后的遙感數(shù)據(jù)進(jìn)行數(shù)據(jù)選擇從而得到目標(biāo)數(shù)據(jù)，經(jīng)過(guò)信息處理、模式識(shí)別、信息解釋等處理后得到有價(jià)值的知識(shí)，最終為農(nóng)作物病蟲(chóng)害的監(jiān)測(cè)提供數(shù)據(jù)依據(jù)。如圖2為基于云計(jì)算的農(nóng)作物病蟲(chóng)害多源遙感數(shù)據(jù)挖掘系統(tǒng)的構(gòu)架。此系統(tǒng)構(gòu)架采用分層設(shè)計(jì)的思想，自下而上主要包括云計(jì)算支撐平臺(tái)、農(nóng)作物病蟲(chóng)害遙感數(shù)據(jù)挖掘能力層、農(nóng)作物病蟲(chóng)害遙感數(shù)據(jù)挖掘云服務(wù)層三個(gè)部分。其中，云計(jì)算支撐平臺(tái)的主要功能是為整個(gè)系統(tǒng)提供分布式文件存儲(chǔ)、數(shù)據(jù)庫(kù)存儲(chǔ)以及計(jì)算等功能，而數(shù)據(jù)挖掘能力層主要是為數(shù)據(jù)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(diào)度引擎、數(shù)據(jù)并行處理能部分；數(shù)據(jù)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(shù)據(jù)預(yù)處理服務(wù)、數(shù)據(jù)服務(wù)、調(diào)度服務(wù)等功能。本文提出的基于云計(jì)算的農(nóng)作物病蟲(chóng)害多源遙感數(shù)據(jù)挖掘平臺(tái)與傳統(tǒng)的數(shù)據(jù)挖掘系統(tǒng)架構(gòu)相比，前者具有更好的可擴(kuò)展性、更高效的海量數(shù)據(jù)處理能力，有效的解決了傳統(tǒng)農(nóng)作物病蟲(chóng)害遙感數(shù)據(jù)挖掘框架計(jì)算能力不足的問(wèn)題，能夠滿(mǎn)足大范圍農(nóng)作物病害蟲(chóng)多源遙感數(shù)據(jù)挖掘與分析的設(shè)計(jì)和實(shí)際應(yīng)用。
4結(jié)束語(yǔ)
本文針對(duì)農(nóng)作物病蟲(chóng)害多源遙感信息，基于數(shù)據(jù)挖掘理論和云計(jì)算技術(shù)理論，提出了一種基于云計(jì)算技術(shù)的農(nóng)作物病害蟲(chóng)多源遙感信息的數(shù)據(jù)挖掘系統(tǒng)架構(gòu)。本平臺(tái)基于云計(jì)算技術(shù)實(shí)現(xiàn)了關(guān)于農(nóng)作物病蟲(chóng)害多源遙感數(shù)據(jù)的挖掘構(gòu)思，較傳統(tǒng)的數(shù)據(jù)挖掘系統(tǒng)架構(gòu)而言，具有更高的可擴(kuò)展性記憶更高效的海量數(shù)據(jù)處理能力，有效的解決了傳統(tǒng)農(nóng)作物病蟲(chóng)害多源遙感數(shù)據(jù)挖掘框架計(jì)算能力不足的問(wèn)題，更適用于大范圍的農(nóng)作物病蟲(chóng)害遙感數(shù)據(jù)挖掘與分析的設(shè)計(jì)和實(shí)際應(yīng)用。
參考文獻(xiàn)：
[1]霍治國(guó)，劉萬(wàn)才，邵振潤(rùn)，等.試論開(kāi)展中國(guó)農(nóng)作物病蟲(chóng)害危害流行的長(zhǎng)期氣象預(yù)測(cè)研究[J].自然災(zāi)害學(xué)報(bào)，2000，9(1)：117－121.
[2]StrangeRN,ScottPR.PlantDisease:Athreattoglobalfoodsecurity[J].Annualreviewsphytopathol,2005,43:83－116.
[3]張競(jìng)成，袁琳，王紀(jì)華，等.作物病蟲(chóng)害遙感監(jiān)測(cè)研究進(jìn)展[J].農(nóng)業(yè)工程學(xué)報(bào)，2012,28(20)：1-11.
[4]日本卡農(nóng)公司圖像研究室.遙感一遙感技術(shù)的發(fā)展及其應(yīng)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(shù)據(jù)挖掘系統(tǒng)技術(shù)框架[J].中國(guó)圖像圖形學(xué)報(bào)，2005,10(5)：620-623.
[6]易玲，楊小喚，江東，劉紅輝.農(nóng)作物病蟲(chóng)害遙感監(jiān)測(cè)研究進(jìn)展[J].甘肅科學(xué)學(xué)報(bào)，2003,15(3)：58-63.
[7]李德仁，張良培，夏桂松.遙感大數(shù)據(jù)自動(dòng)分析與數(shù)據(jù)挖掘[J].測(cè)繪學(xué)報(bào)，2014,43(12)：1211-1216.
[8]李喬，鄭嘯.云計(jì)算研究現(xiàn)狀綜述[J].計(jì)算機(jī)科學(xué)，2011,38(4)：32-37.
[9]林闖，蘇文博，孟坤，等.云計(jì)算安全：架構(gòu)、機(jī)制與模型評(píng)價(jià)[J].計(jì)算機(jī)學(xué)報(bào)，2013，36(9)：1765-1784.
[10]張樹(shù)凡，吳新橋，曹宇，等.基于云計(jì)算的多源遙感數(shù)據(jù)服務(wù)系統(tǒng)研究[J].現(xiàn)代電子技術(shù)，2015,38(3):91-94.
【農(nóng)作物病蟲(chóng)害多源遙感數(shù)據(jù)挖掘分析的論文】相關(guān)文章：
數(shù)據(jù)挖掘?qū)嵙?xí)報(bào)告10-05
數(shù)據(jù)分析報(bào)告07-15
數(shù)據(jù)分析報(bào)告03-26
數(shù)據(jù)分析個(gè)人報(bào)告12-20
個(gè)人的數(shù)據(jù)分析報(bào)告10-27
銷(xiāo)售數(shù)據(jù)分析報(bào)告07-10
數(shù)據(jù)分析報(bào)告優(yōu)秀09-10