來源公眾號：優(yōu)享智庫
農(nóng)業(yè)大數(shù)據(jù)平臺整體架構(gòu)為5個層次，即用戶層、應(yīng)用層、傳輸層、感知層和對象層。各層的功能、構(gòu)成和邏輯關(guān)系如下圖所示。
整體架構(gòu)
1.用戶層。農(nóng)業(yè)大數(shù)據(jù)平臺用戶不僅包括農(nóng)業(yè)生產(chǎn)者，也包括系統(tǒng)管理員、遠程專家、物流運輸者、農(nóng)產(chǎn)品加工者、經(jīng)銷零售商、終端消費者等各個環(huán)節(jié)使用者，各環(huán)節(jié)用戶使用的技術(shù)類別和實現(xiàn)的技術(shù)功能有所差異。
2.應(yīng)用層。應(yīng)用層主要包括三個部分：一是終端設(shè)備；二是由各模塊集成的管理信息系統(tǒng)；三是云端中心。其中，終端設(shè)備主要指農(nóng)業(yè)各級用戶使用的各類網(wǎng)絡(luò)計算機、智能手機、其他手持終端以及其他身份識別標簽讀取設(shè)備。集成管理信息系統(tǒng)主要包括環(huán)境感知、無損感知、過程感知、災(zāi)害感知、專家咨詢、安全溯源、視頻監(jiān)控及專家系統(tǒng)等功能模塊。云端中心主要指提供云計算、云存儲、云服務(wù)和云應(yīng)用的云端中心。
3.傳輸層。傳輸層主要指網(wǎng)絡(luò)傳輸層，具有兩種主要網(wǎng)絡(luò)傳輸類型：一是無線網(wǎng)絡(luò)傳輸。包括無線傳感網(wǎng)絡(luò)（如 Zigbee、WiFi、6LoWPAN、Bluetooth、3G、GPRS等無線網(wǎng)絡(luò)傳輸技術(shù)）和衛(wèi)星通信網(wǎng)絡(luò)（如遙感技術(shù)、北斗短報文技術(shù)）；二是有線網(wǎng)絡(luò)傳輸：包括有線廣域網(wǎng)(WAN)、局域網(wǎng)(LAN)和個域網(wǎng)(PAN)等網(wǎng)絡(luò)傳輸技術(shù)。具體傳輸過程主要是由傳感器件、遙感設(shè)備和身份識別技術(shù)標簽等獲取感知監(jiān)測對象的各種數(shù)據(jù)信息，傳入無線傳輸網(wǎng)絡(luò)，并通過網(wǎng)關(guān)傳入有線網(wǎng)絡(luò)，由有線網(wǎng)絡(luò)傳入云端中心進行加工和存儲等。
4.感知層。感知層是利用衛(wèi)星遙感技術(shù)、射頻識別、二維碼、傳感器件、北斗等技術(shù)實現(xiàn)對農(nóng)業(yè)生產(chǎn)監(jiān)測對象實施感知和監(jiān)控的環(huán)節(jié)。遙感技術(shù)可以用來對土地資源的營養(yǎng)狀況、墑情、作物長勢等信息進行實時感知監(jiān)測。北斗技術(shù)可以對地面各類農(nóng)作物進行地面位置調(diào)查。射頻識別和二維碼技術(shù)可以將標識物的信息通過讀卡器傳入無線傳輸網(wǎng)絡(luò)。傳感器件(如溫、濕、光、PH 值、光譜等傳感監(jiān)測儀器)通過對農(nóng)業(yè)生產(chǎn)監(jiān)測對象所處環(huán)境或其自身進行實時信息監(jiān)測，以便于進行預(yù)警或施加影響，以適應(yīng)其生長需要。
5.對象層。對象層是指農(nóng)業(yè)大數(shù)據(jù)平臺的作用對象，不同農(nóng)業(yè)產(chǎn)業(yè)其具體作用對象不同。一般根據(jù)農(nóng)業(yè)產(chǎn)業(yè)大類可以將作用對象分為4種：設(shè)施農(nóng)業(yè)、水產(chǎn)養(yǎng)殖、畜禽養(yǎng)殖和大田作物。其中:在設(shè)施農(nóng)業(yè)領(lǐng)域農(nóng)業(yè)相關(guān)技術(shù)應(yīng)用最為廣泛；在水產(chǎn)養(yǎng)殖和畜禽養(yǎng)殖領(lǐng)域的應(yīng)用近年發(fā)展較快；在大田農(nóng)業(yè)領(lǐng)域，除了智能灌溉技術(shù)外，衛(wèi)星遙感、北斗定位技術(shù)逐漸受到廣泛重視。
綜上所述，應(yīng)用射頻識別、二維碼、電子耳標等身份識別技術(shù)，以及衛(wèi)星遙感技術(shù)、傳感器件技術(shù)和北斗等感知和監(jiān)測技術(shù)對農(nóng)業(yè)生產(chǎn)對象進行實時感知和監(jiān)測，并將感知和監(jiān)測信息通過傳輸層傳到云端中心進行加工和存儲。用戶借由各種終端設(shè)備使用集成管理信息系統(tǒng)各個模塊，訪問云端中心，獲取其所要感知和監(jiān)測的數(shù)據(jù)，以達到實時感知和監(jiān)測目標對象及其環(huán)境的目的，同時通過積累的大量數(shù)據(jù)可進行大數(shù)據(jù)的分析；并根據(jù)需要對環(huán)境或?qū)ο蟊旧硎┘佑绊?，從而使農(nóng)業(yè)生產(chǎn)、流通和交換等各環(huán)節(jié)更加遠程化、智能化、數(shù)字化和可溯源化。
圖 總體設(shè)計
農(nóng)業(yè)大數(shù)據(jù)工程主要包含四方面內(nèi)容：農(nóng)業(yè)信息監(jiān)測基礎(chǔ)數(shù)據(jù)庫、農(nóng)業(yè)行業(yè)信息監(jiān)測子數(shù)據(jù)庫、農(nóng)業(yè)信息監(jiān)測分析系統(tǒng)、農(nóng)業(yè)信息監(jiān)測網(wǎng)絡(luò)體系。其中信息監(jiān)測基礎(chǔ)數(shù)據(jù)庫包含了農(nóng)業(yè)經(jīng)濟類、農(nóng)業(yè)基礎(chǔ)類、農(nóng)業(yè)生產(chǎn)類、農(nóng)業(yè)發(fā)展類、農(nóng)業(yè)投入類、主要農(nóng)產(chǎn)品類相關(guān)數(shù)據(jù)。農(nóng)業(yè)行業(yè)信息監(jiān)測子數(shù)據(jù)庫包含了種植業(yè)數(shù)據(jù)庫、果業(yè)數(shù)據(jù)庫、畜牧數(shù)據(jù)庫、產(chǎn)業(yè)化數(shù)據(jù)庫、農(nóng)業(yè)市場數(shù)據(jù)庫、農(nóng)業(yè)經(jīng)管數(shù)據(jù)庫、農(nóng)業(yè)科技數(shù)據(jù)庫、農(nóng)業(yè)發(fā)展數(shù)據(jù)庫、質(zhì)量監(jiān)測數(shù)據(jù)庫、農(nóng)業(yè)機械數(shù)據(jù)庫。
農(nóng)業(yè)大數(shù)據(jù)平臺需要大量的數(shù)據(jù)做支撐，其中包含大量的實時監(jiān)控（測）數(shù)據(jù)、基礎(chǔ)農(nóng)業(yè)資源數(shù)據(jù)、地理信息數(shù)據(jù)和遙感影像數(shù)據(jù)等。根據(jù)數(shù)據(jù)不同來源及應(yīng)用方式，將綜合數(shù)據(jù)庫從邏輯上劃分為空間數(shù)據(jù)庫、基礎(chǔ)業(yè)務(wù)數(shù)據(jù)庫、農(nóng)業(yè)管理業(yè)務(wù)數(shù)據(jù)庫、決策業(yè)務(wù)數(shù)據(jù)庫、模型庫、預(yù)案庫、專家知識庫。
空間數(shù)據(jù)庫內(nèi)容分為：基礎(chǔ)電子地圖、農(nóng)業(yè)專題電子地圖。基礎(chǔ)電子地圖主要包括：行政區(qū)劃圖、重點經(jīng)濟和政治目標分布圖、居民分布圖、道路交通圖、社會經(jīng)濟狀況分布圖、常規(guī)組織機構(gòu)分布圖、地形圖、DEM數(shù)字高程模型、土地利用圖、下墊面特征圖等；專題電子地圖則可劃分為：農(nóng)作物產(chǎn)量分布圖、農(nóng)作物分布圖、土壤養(yǎng)分分布圖、土壤水分分布圖、農(nóng)田規(guī)劃圖、氣候（降雨、氣溫）分布圖、植株養(yǎng)分含量（N、P、K等）分布圖等。
基礎(chǔ)業(yè)務(wù)數(shù)據(jù)庫由氣象數(shù)據(jù)庫、土壤數(shù)據(jù)庫、農(nóng)作物數(shù)據(jù)庫、農(nóng)村數(shù)據(jù)庫、水旱災(zāi)害數(shù)據(jù)庫、病蟲害數(shù)據(jù)庫、土地利用數(shù)據(jù)庫、農(nóng)業(yè)科技數(shù)據(jù)庫等組成。氣象數(shù)據(jù)庫包括：天氣預(yù)報、災(zāi)害天氣（高溫、臺風、暴雨、冰雹等）警示、衛(wèi)星云圖、降雨量等。土壤數(shù)據(jù)庫包括：土壤含水率、SOM含量、土壤耕作層深度、土壤結(jié)構(gòu)、土壤陽離子交換能力（CEC）等。農(nóng)作物數(shù)據(jù)庫包括：農(nóng)作物種植面積、長勢、產(chǎn)量、農(nóng)業(yè)產(chǎn)值等。農(nóng)村數(shù)據(jù)庫主要有農(nóng)村人口情況、勞動力情況等。水旱災(zāi)害數(shù)據(jù)庫主要有歷次水旱災(zāi)害受災(zāi)情況、經(jīng)濟損失情況、人員傷亡情況、保險賠償情況等。病蟲害數(shù)據(jù)庫主要有病蟲害分布、病蟲種類、名稱、應(yīng)對方法等。土地利用數(shù)據(jù)庫主要是土地利用規(guī)劃等信息。農(nóng)業(yè)科技數(shù)據(jù)庫主要有農(nóng)業(yè)新技術(shù)、新品種、新方法、新政策等。
農(nóng)業(yè)管理業(yè)務(wù)數(shù)據(jù)庫主要存儲農(nóng)業(yè)管理單位日常辦公涉及相關(guān)的業(yè)務(wù)數(shù)據(jù)，包括：各類公報文檔、規(guī)劃成果、行政法規(guī)、行業(yè)知識、農(nóng)業(yè)事務(wù)管理等文字、圖片、圖表、影像數(shù)據(jù)。
決策業(yè)務(wù)數(shù)據(jù)庫內(nèi)容包括：農(nóng)業(yè)資源評估數(shù)據(jù)庫、農(nóng)業(yè)生產(chǎn)評估數(shù)據(jù)庫、病蟲害預(yù)測數(shù)據(jù)庫等。
模型庫主要有土地評估模型、農(nóng)作物估產(chǎn)、長勢預(yù)測模型、病蟲害預(yù)測模型施肥決策模型、灌溉決策模型等。
知識庫包括概念性知識、事實性知識、規(guī)則性知識和規(guī)律性知識4類。
農(nóng)業(yè)大數(shù)據(jù)標準體系定義了一系列的體系規(guī)范，來規(guī)約數(shù)據(jù)的采集、存儲、分析、管理和數(shù)據(jù)的表達、發(fā)布、交換的各種格式、方法和規(guī)范。這些體系根據(jù)涉及的方面不同，可以分成四大類，分別是：
（1）框架體系：框架體系主要定義了一系列規(guī)范，說明其中各個規(guī)范的應(yīng)用范圍、作用及相互關(guān)系。
（2）數(shù)據(jù)管理：數(shù)據(jù)管理包括了數(shù)據(jù)加工流程、數(shù)據(jù)分類、數(shù)據(jù)采集、數(shù)據(jù)組織、質(zhì)量控制、數(shù)據(jù)維護等方面的相應(yīng)規(guī)范，比如數(shù)據(jù)的采集、數(shù)據(jù)質(zhì)量控制等。
（3）數(shù)據(jù)制作：包括元數(shù)據(jù)、數(shù)據(jù)標引、數(shù)據(jù)著錄、數(shù)據(jù)表示等涉及數(shù)據(jù)加工流程的操作規(guī)范。
（4）數(shù)據(jù)服務(wù)：包括了農(nóng)業(yè)科學數(shù)據(jù)發(fā)布、交換和共享方面的相關(guān)規(guī)范。主要包括農(nóng)業(yè)科學數(shù)據(jù)的轉(zhuǎn)換格式和方法，互操作的方法和規(guī)則，以及用戶認證、數(shù)據(jù)庫性能監(jiān)督和改進等各方面的規(guī)范。
通過遙感手段采集農(nóng)業(yè)生產(chǎn)中的各項數(shù)據(jù)，建立農(nóng)業(yè)生產(chǎn)監(jiān)測數(shù)據(jù)庫，包括各類農(nóng)作物長勢、面積、病蟲害、受災(zāi)情況、農(nóng)作物產(chǎn)量等信息。
通過交換數(shù)據(jù)的方式，獲取相關(guān)農(nóng)業(yè)資源信息，包括土地資源、水資源、氣候資料、生物資源數(shù)據(jù)、災(zāi)害數(shù)據(jù)等。
通過政府公開數(shù)據(jù)，建立農(nóng)業(yè)行業(yè)信息監(jiān)測子數(shù)據(jù)庫，包括種植業(yè)、果業(yè)、畜牧、產(chǎn)業(yè)化、農(nóng)業(yè)市場、農(nóng)業(yè)科技、農(nóng)業(yè)發(fā)展、農(nóng)業(yè)機械、質(zhì)量監(jiān)測等資料。
（1）實現(xiàn)數(shù)據(jù)庫的交互；
（2）根據(jù)農(nóng)業(yè)大數(shù)據(jù)研究的個性化需求，形成一系列相關(guān)公開發(fā)布數(shù)據(jù)的 采集機制，將數(shù)據(jù)采集的相關(guān)程序設(shè)計并編寫完善，部署此套機制在平臺上周期 運轉(zhuǎn)；
（3）數(shù)據(jù)的瀏覽，對數(shù)據(jù)進行查詢、展現(xiàn)和基礎(chǔ)統(tǒng)計分析等初步應(yīng)用；
（4）實現(xiàn)農(nóng)業(yè)大數(shù)據(jù)分析人員的交流平臺。
（1）通過平臺的建設(shè)，匯集各方資源，構(gòu)建農(nóng)業(yè)領(lǐng)域的大數(shù)據(jù)研究中心；
（2）通過數(shù)據(jù)整合，采集和加工處理，建設(shè)專業(yè)的農(nóng)業(yè)數(shù)據(jù)資源中心；
（3）依托農(nóng)業(yè)大數(shù)據(jù)相關(guān)技術(shù)，包括數(shù)據(jù)采集技術(shù)、存儲技術(shù)、處理技術(shù)、 分析挖掘技術(shù)、展現(xiàn)技術(shù)等構(gòu)建農(nóng)業(yè)大數(shù)據(jù)應(yīng)用平臺；
（4）通過分析應(yīng)用平臺，進行成果發(fā)布，形成農(nóng)業(yè)領(lǐng)域?qū)I(yè)研究的權(quán)威成果發(fā)布平臺，服務(wù)于高校和政府，涉農(nóng)企業(yè)，社會公眾等。
大數(shù)據(jù)中心系統(tǒng)是能夠?qū)Ω鞣N信息數(shù)據(jù)進行存儲、管理、更新、維護、查詢、 分析等操作的一個集合，是建設(shè)智慧農(nóng)業(yè)的重要組成部分。為確保數(shù)據(jù)中心建成 后能夠穩(wěn)定地運行和發(fā)揮作用，必須針對數(shù)據(jù)中心建設(shè)的技術(shù)要求和需求情況提 出一些基本原則。
將遙感技術(shù)與野外樣方采集相結(jié)合，在***境內(nèi)以GF-2遙感影像為主，綜合利用多源中高分辨率遙感數(shù)據(jù)和地面調(diào)查資料，通過精確識別與混合像元處理，實現(xiàn)像元尺度與農(nóng)作物種植面積等進行對比。在此基礎(chǔ)上，通過統(tǒng)計病蟲害監(jiān)測信息、長勢信息與豐度水平，并扣除圖斑內(nèi)的非采集因素成份，建立面積估算模型，最終得到單元面積估算結(jié)果。
農(nóng)業(yè)遙感是指利用遙感技術(shù)進行農(nóng)業(yè)資源調(diào)查，土地利用現(xiàn)狀分析，農(nóng)業(yè)病蟲害監(jiān)測，農(nóng)作物估產(chǎn)等農(nóng)業(yè)應(yīng)用的綜合技術(shù)。它是將遙感技術(shù)與農(nóng)學各學科及其技術(shù)結(jié)合起來，為農(nóng)業(yè)發(fā)展服務(wù)的一門綜合性很強的技術(shù)。主要包括利用遙感技術(shù)進行土地資源的調(diào)查，土地利用現(xiàn)狀的調(diào)查與分析，農(nóng)作物長勢的監(jiān)測與分析，病蟲害的預(yù)測，以及農(nóng)作物的估產(chǎn)等。是當前遙感應(yīng)用的最大用戶之一。
農(nóng)業(yè)遙感是以土壤和作物的光譜理論為基礎(chǔ)，主要是用于地被土壤等作物目標的發(fā)射信息。因為綠色植物的葉綠素對可見光紅光的吸收更強。所以植物葉片的信息在紅光波段就更加豐富。并且植被對近紅外波段有較高的反射率、高的透射率和極低的吸收率，近紅外對植被差異及植物長勢十分敏感，因此近紅外波段包含了植物冠層葉片的大量信息。這一反射光譜特性就是用衛(wèi)星影像進行農(nóng)業(yè)遙感的理論基礎(chǔ)。
， 圖 綠色植物的反射光譜特性曲線
植物的共性光譜特征主要有。
1、350~490 nm 波段：400~450波段為被葉綠素強烈吸收，425~490nm波段被類胡蘿卜素強吸收，所以350~490nm波段植物的反射光譜曲線的開頭數(shù)值低也趨于平緩，反射率小于10%。
2、490~600nm波段：該波段式類胡蘿卜素的次強吸收帶，530~590nm是藻膽素中藻紅蛋白的主要吸收帶。550nm附件是葉綠素的綠色強反射峰區(qū)，因此490~600nm波段植物的反射光譜曲線具有波峰的形態(tài)和中等的反射率數(shù)值。
3、600~700nm 波段：該波段植物的反射光譜曲線具有波谷的形態(tài)，并具有很低的反射率值。多數(shù)植物的反射率谷值在680nm或者670nm波長處，植物的反射率自670~680nm開始隨著波長的增加而急劇升高，植物對光的吸收率則自670~680nm波長開始隨著波長的增加而急劇下降。
4、700~750nm 波段：該波段的主要特征是植物反射率急劇上升，曲線具有陡而接近于直線的形狀，其斜率于植物單位葉面積所含葉綠素（a+b）的含量有光。
5、750~1300nm 波段：植物的反射光譜曲線在此波段具有波狀起伏的形態(tài)和高反射率的數(shù)值，植物在此波段透射率也相當高，而吸收率較低，此波段的平均反射率野外測定值在25%~65%之間，這與植物的本身的生物學特征有關(guān)。
6、1300~1600nm 波段：此波段具有波谷的形態(tài)和較低的反射率，這與水和二氧化碳在此波段為強吸收帶有關(guān)。
7、1600~1830nm 波段：在此波段反射光譜曲線表現(xiàn)為波峰的形態(tài)，并具有較高的反射率，這種特征與植物及其所含水分的波普特性有關(guān)。
8、1830~2080nm 波段：在此波段植物光譜曲線具有波谷的形態(tài)和很低的反射率數(shù)值，這與水和二氧化碳在此波段為強吸收有關(guān)。
9、2080~2350nm 波段：在此波段植物光譜曲線具有波峰的形態(tài)和中等的反射率數(shù)值，這種特征與植物及其所含水分的波譜特征有關(guān)。
氣象衛(wèi)星主要是應(yīng)用于云圖云量分析、水汽分布及大氣溫度分布等服務(wù)，因為其在植被探測方面具有優(yōu)勢，后來被廣泛地應(yīng)用于資源環(huán)境和農(nóng)業(yè)等領(lǐng)域。
氣象衛(wèi)星應(yīng)用于農(nóng)業(yè)遙感主要是通過植被指數(shù)提取實現(xiàn)的。由于典型綠色植物反射光譜曲線上，藍光區(qū)和紅光區(qū)各有一個綠色素吸收帶（吸收中心在400nm和650nm），在近紅外區(qū)則有一個強反射峰，植被對可見光和近紅外輻射的吸收—反射作用的兩種截然不同的表現(xiàn)是由色素及細胞內(nèi)部機構(gòu)差異造成的。AVHRR觀測通道的設(shè)置非常有利于撲捉這種差異：第一波段CH1（0.58~0.68um）處在葉綠素的吸收帶；第二波段CH2（0.72~1.1um）則位于綠色植物的反射區(qū)。因此，這兩個波段的組合常被有效地用于作物長勢監(jiān)測。通常應(yīng)用這兩個波段計算歸一化植被指數(shù)NDVI：
(2-1)
為了更加有效地消除云遮蔽、大氣影響、觀測中的幾何關(guān)系、非天底角觀測等不利因素，可以在一定時間內(nèi)采取逐日NDVI圖像的最大值合成處理方案。目前采用最多的是“準十日”的逐日合成，即對每日的上、中、下旬的逐日NDVI最大值，形成該旬的NDVI圖像。此外，其他植被指數(shù)也在農(nóng)業(yè)遙感中被廣泛運用。
氣象衛(wèi)星主要在云圖云量分析中應(yīng)用到，并分析大氣層的溫度和水汽的分布。這些特點可以很好的用在植被探測方面，隨著不用的發(fā)展慢慢主要被用到環(huán)境資源和農(nóng)業(yè)等方面。農(nóng)業(yè)遙感采用氣象危險主要就是對植被指數(shù)進行提取，植物反射光譜曲線上。
高光譜遙感技術(shù)在農(nóng)作物種類大的精確識別、高精度成像、作物形態(tài)及化學組分測定等方面具有強大的信息獲取能力，是獲取、分析和處理農(nóng)情信息及促進農(nóng)業(yè)可持續(xù)發(fā)展最有力的工具。
目前對地觀測技術(shù)信息源如TM、SPOT、AVHRR等在進行土地利用狀況調(diào)查和農(nóng)作物長勢監(jiān)測時，主要是通過獲取不同類型植被等地物目標的光譜信息、植被指數(shù)（VI）、葉面積指數(shù)（LAI）和生物量信息來進行。但是，這些信息源的光譜分辨率都比較低，一般在50nm以上，難以識別出多種土地和作物類型，尤其在作物生長的旺季更加難以區(qū)分。
因為植被光譜特征主要因素是色素成分、細胞結(jié)構(gòu)和含水量，出現(xiàn)在0.45um和0.65um為中心波長的強吸收帶，峰值寬度為20nm；植被受害時葉綠素大量江少，葉綠素與葉黃素相對增加，在0.7um處的反射率出現(xiàn)“紅移”現(xiàn)象，“紅移”量為5~17nm，反映植被水分脅迫的波段主要在1.4um、1.9um、2.1um處，些現(xiàn)象時低光譜分辨率遙感信息源難以區(qū)分的。要區(qū)分不同的植被，并監(jiān)測去生長狀況，光譜分辨率為10~20nm的高光譜分辨率數(shù)據(jù)具有很大的優(yōu)越性。高光譜遙感在植被信息反演深度和廣度反面的改進主要體現(xiàn)在一下兩方面：
1、 超多坡段的高光譜數(shù)據(jù)能夠比較真實、全面地反映自然界中給中植被所固有的光譜特性及其差異，從而可以大大提高植被遙感分類的精細程度和準確性，也為利用光譜反射率診斷作物水肥狀況成為可能。
2、 高光譜分辨率的植被圖像將對傳統(tǒng)的植被指數(shù)運算予以改進，提高了植被指數(shù)所能反演的信息量，使人們可以更加精確地獲取一些諸如葉綠素濃度、葉綠素密度、葉面積指數(shù)、生物量、光合作用有效吸收系數(shù)等植被生物物理參數(shù)，并且可以利用高光譜數(shù)據(jù)提取一些生物化學成分的含量，如木質(zhì)素、全氮、全磷、全鉀等。
微波遙感的主要特點在于微波不僅具有順利穿透大氣層的體征，而且能穿透云霧和小雨，對地面的植被和土壤能進行一定厚度的探測。探測時，不必借助于陽光反射，只利用被探測目標發(fā)射或反射的微波。這樣一來就使得微波—雷達遙感與可見光遙感相比具有兩項對農(nóng)業(yè)應(yīng)用最大的優(yōu)點，即全天時全天候的探測能力。
微波遙感可以彌補可見光遙感只能在晴空條件下工作的局限性，更好地發(fā)展遙感技術(shù)在農(nóng)業(yè)上應(yīng)用的潛力。土壤和植物的微波后向散射特征是農(nóng)業(yè)遙感的基礎(chǔ)，根據(jù)歐洲空間局的研究，影響土壤和植物的微波后向散射的因子中屬于儀器本身的有42項，植物有28項，土壤有13項，環(huán)境有12項。從農(nóng)業(yè)目標返回到儀器上的輻射特征主要取決于生物量大小，介電常數(shù)（主要與農(nóng)業(yè)目標物的含水量緊密相關(guān)）和植物的幾何形態(tài)。因此，農(nóng)作物對微波的后向反射情況取決于作物的形態(tài)和大小，進而又取決于作物的種類和武侯年齡。對土壤而言，主要影響后向散射的因子是粗糙度和介電常數(shù)（水分含量）。微波遙感在農(nóng)業(yè)上的應(yīng)用主要包括水分探測、作物類型探測等。
北斗衛(wèi)星導航系統(tǒng)是我國獨立發(fā)展、自主運行的全球衛(wèi)星導航系統(tǒng)，是國家正在建設(shè)的重要空間信息基礎(chǔ)設(shè)施，可廣泛用于諸多社會經(jīng)濟領(lǐng)域和國防安全領(lǐng)域。
確定人員、車輛及重要設(shè)施的精確地理位置。北斗衛(wèi)星導航系統(tǒng)結(jié)合北斗地基增強系統(tǒng)可以實現(xiàn)對重要設(shè)施的毫米級定位，滿足高精度服務(wù)需求。
北斗衛(wèi)星導航定位具有用戶與用戶、用戶與地面控制中心之間雙向通信能力。運作流程為地面控制中心接收到用戶發(fā)送來的響應(yīng)信號中的通信內(nèi)容，進行解讀后再傳輸給收件人客戶端。一般用戶1次可傳輸36個漢字，經(jīng)核準的用戶可利用連續(xù)傳輸方式最多可傳輸120個漢字。
北斗導航定位具有單向和雙向兩種授時功能，可提供數(shù)十納秒級的時間同步精度，可以在服務(wù)區(qū)域內(nèi)任何時間、任何地點，為用戶確定其所在的地理經(jīng)緯度和海拔高度，并提供雙向短報文通信和精密授時服務(wù)。
對于農(nóng)業(yè)而言，海量的監(jiān)測數(shù)據(jù)即用戶寶貴的資源，通過大數(shù)據(jù)技術(shù)，不僅可以存儲***境內(nèi)各種農(nóng)業(yè)作物累計的遙感數(shù)據(jù)、北斗數(shù)據(jù)，也可以實現(xiàn)對各數(shù)據(jù)接口信息的存儲，實現(xiàn)多數(shù)據(jù)來源統(tǒng)一數(shù)據(jù)體系的維護，并且可以向上層各應(yīng)用提供統(tǒng)一的數(shù)據(jù)接口，解決數(shù)據(jù)統(tǒng)一與可靠性的問題。
圖 大數(shù)據(jù)整體架構(gòu)
大數(shù)據(jù)的采集是指利用多個數(shù)據(jù)庫來接收客戶端Web、App或者傳感器形式等數(shù)據(jù)，并且用戶可以通過這些數(shù)據(jù)庫來進行簡單的查詢和處理工作。在大數(shù)據(jù)的采集過程中，其主要解決高并發(fā)數(shù)，以及如何在數(shù)據(jù)庫之間進行負載均衡和分片是需要深入的思考和設(shè)計。
雖然采集端本身會有很多數(shù)據(jù)庫，但是如果要對這些海量數(shù)據(jù)進行有效的分析，還是應(yīng)該將這些來自前端的數(shù)據(jù)導入到一個集中的大型分布式數(shù)據(jù)庫或者分布式存儲集群，并且可以在導入基礎(chǔ)上做一些簡單的清洗和預(yù)處理工作，確保數(shù)據(jù)的標準和全局唯一。
統(tǒng)計與分析主要利用分布式數(shù)據(jù)庫或者分布式計算集群來對存儲于其內(nèi)的海量數(shù)據(jù)進行普通的分析和分類匯總等，以滿足大多數(shù)常見的分析需求。統(tǒng)計與分析主要解決涉及的數(shù)據(jù)量大而對系統(tǒng)資源所帶來的影響。在這方面，一些實時性需求會用到 EMC 的GreenPlum、Oracle的 Exadata，以及基于 MySQL的列式存儲Infobright等，而一些批處理，或者基于半結(jié)構(gòu)化數(shù)據(jù)的需求可以使用 Hadoop。
統(tǒng)計與分析這部分的主要特點和挑戰(zhàn)是分析涉及的數(shù)據(jù)量大，其對系統(tǒng)資源，特別是 I/O 會有極大的占用。
與前面統(tǒng)計和分析過程不同的是，數(shù)據(jù)挖掘一般沒有什么預(yù)先設(shè)定好的主題， 主要是在現(xiàn)有數(shù)據(jù)上面進行基于各種算法的計算，從而起到預(yù)測（ Predict）的 效果，從而實現(xiàn)一些高級別數(shù)據(jù)分析的需求。比較典型算法有用于聚類的Kmeans、 用于統(tǒng)計學習的SVM 和用于分類的NaiveBayes，主要使用的工具有Hadoop的Mahout等。該過程的特點和挑戰(zhàn)主要是用于挖掘的算法很復(fù)雜，并且計算涉及 的數(shù)據(jù)量和計算量都很大，常用數(shù)據(jù)挖掘算法都以單線程為主。
整個大數(shù)據(jù)處理的普遍流程至少應(yīng)該滿足這四個方面的步驟，才能算得上是一個比較完整的大數(shù)據(jù)處理。
大數(shù)據(jù)技術(shù)涵蓋了硬軟件多個方面的技術(shù)，目前各種技術(shù)基本都獨立存在于 存儲、開發(fā)、平臺架構(gòu)、數(shù)據(jù)分析挖掘的各個相對獨立的領(lǐng)域。這一部分主要介紹和分析大數(shù)據(jù)處理的核心技術(shù)——Hadoop。
聯(lián)系客服
