基于大数据的大豆产量自适应预测方法及系统

本发明涉及大豆产量预测，具体涉及一种基于大数据的大豆产量自适应预测方法及系统。

背景技术：

1、大豆作为重要的粮油兼用作物，其单位面积产量受种植环境、养分供给及田间管理过程等多因素共同影响。随着农业大数据、智能农机和信息采集技术的发展，利用历史种植数据对作物产量进行预测已成为指导农业生产管理和提高种植效益的重要手段。其中，施肥管理直接决定了大豆在不同生育阶段的养分供给状态，并进一步影响最终产量形成。因此，基于施肥时间、施肥次数、单位面积施肥量、养分类型、肥料养分含量及历史实收产量构建能够反映施肥过程差异的产量预测方法，对于实现精准农业管理和大豆高产稳产具有重要意义。

2、现有技术通常以作物不同时间点对应的生长环境数据为输入，构建包括长短时记忆层、时间注意力层、特征注意力层和全连接层的作物产量预测模型，通过对不同时期及不同环境因素赋予权重来提取作物生长过程中的时序变化特征，进而输出作物产量预测结果。然而，上述方法主要从环境时序数据中提取产量预测特征，难以表征由施肥时间、施肥次数、单位面积施肥量及肥料养分含量共同决定的动态养分供给轨迹。在环境条件相近而施肥管理过程存在差异的场景下，即使不同地块具有接近的气象条件和基础土壤条件，也可能因施肥时间、施肥次数、单次施肥量及肥料养分含量的组合方式不同而形成不同的养分供给节律，导致大豆产量响应存在差异。现有技术无法判断施肥供给轨迹偏离高产供肥模式后对产量响应的影响程度，容易出现预测结果区分度不足、难以反映施肥调控效果的问题，难以满足基于施肥管理过程进行大豆产量自适应预测的需求。

技术实现思路

1、本发明提供基于大数据的大豆产量自适应预测方法及系统，以解决上述问题。

2、本发明的基于大数据的大豆产量自适应预测方法及系统采用如下技术方案：

3、第一方面，本发明的一个实施例提供了基于大数据的大豆产量自适应预测方法，所述方法包括：获取大豆种植周期内的施肥管理数据和产量响应数据；基于所述施肥管理数据，获取待分析样本的施肥供给轨迹，并确定所述施肥供给轨迹相对于施肥供给基准轨迹的当前施肥供给轨迹偏离量；基于历史样本中历史施肥供给轨迹偏离量及其历史产量响应数据，确定当前施肥供给轨迹偏离量对应的施肥偏离产量响应敏感系数；基于所述施肥偏离产量响应敏感系数以及所述当前施肥供给轨迹偏离量在其所属偏离响应区间内的区间临界位置，确定施肥偏离临界响应强度；基于所述施肥偏离临界响应强度、所述当前施肥供给轨迹偏离量以及当前偏离响应区间的历史平均产量，确定大豆预测产量。

4、进一步地，所述基于历史样本中历史施肥供给轨迹偏离量及其历史产量响应数据，确定当前施肥供给轨迹偏离量对应的施肥偏离产量响应敏感系数，包括：基于各历史样本的历史施肥管理数据和历史产量响应数据，确定各所述历史样本的历史施肥供给轨迹偏离量，并建立所述历史施肥供给轨迹偏离量与所述历史产量响应数据之间的对应关系；将各所述历史样本按照所述历史施肥供给轨迹偏离量从小到大排序，并划分为若干连续偏离响应区间；确定所述当前施肥供给轨迹偏离量所对应的所述偏离响应区间，选取与所述偏离响应区间相邻的前一偏离响应区间和后一偏离响应区间，分别确定所述前一偏离响应区间和所述后一偏离响应区间内历史样本的平均施肥供给轨迹偏离量及平均历史产量响应数据；基于所述前一偏离响应区间与所述后一偏离响应区间的平均历史产量响应数据差异以及所述前一偏离响应区间与所述后一偏离响应区间的平均施肥供给轨迹偏离量差异，确定施肥偏离产量响应敏感系数。

5、进一步地，所述基于所述前一偏离响应区间与所述后一偏离响应区间的平均历史产量响应数据差异以及所述前一偏离响应区间与所述后一偏离响应区间的平均施肥供给轨迹偏离量差异，确定施肥偏离产量响应敏感系数，包括：计算所述前一偏离响应区间的所述平均历史产量响应数据与所述后一偏离响应区间的所述平均历史产量响应数据之差，获取产量响应差异；计算所述后一偏离响应区间的所述平均施肥供给轨迹偏离量与所述前一偏离响应区间的所述平均施肥供给轨迹偏离量之差，获取偏离量差异；计算所述产量响应差异与所述偏离量差异的比值，获取初始敏感系数；基于所述初始敏感系数，确定施肥偏离产量响应敏感系数；其中，所述施肥偏离产量响应敏感系数为所述初始敏感系数与零中的较大者。

6、进一步地，所述基于所述施肥偏离产量响应敏感系数以及所述当前施肥供给轨迹偏离量在其所属偏离响应区间内的区间临界位置，确定施肥偏离临界响应强度，包括：确定所述当前施肥供给轨迹偏离量所属偏离响应区间的下边界和上边界；基于所述当前施肥供给轨迹偏离量与所述下边界及所述上边界的逼近程度，确定区间临界位置；基于所述施肥偏离产量响应敏感系数以及所述区间临界位置，确定施肥偏离临界响应强度。

7、进一步地，所述基于所述施肥偏离临界响应强度、所述当前施肥供给轨迹偏离量以及当前偏离响应区间的历史平均产量，确定大豆预测产量，包括：获取当前偏离响应区间的历史平均产量；基于所述施肥偏离临界响应强度以及所述当前施肥供给轨迹偏离量相对于其所属偏离响应区间下边界的偏离程度，确定临界响应折减量；基于所述历史平均产量以及所述临界响应折减量，确定大豆预测产量。

8、进一步地，所述基于所述施肥管理数据，获取待分析样本的施肥供给轨迹，并确定所述施肥供给轨迹相对于施肥供给基准轨迹的当前施肥供给轨迹偏离量，包括：将大豆种植周期划分为若干连续分析窗口；针对各所述分析窗口，基于所述分析窗口对应的所述施肥管理数据，确定所述分析窗口的累计养分供给量；基于全部所述分析窗口的所述累计养分供给量，获取所述施肥供给轨迹；基于历史样本中单位面积实收产量位于预设高产区间的历史样本，确定各所述分析窗口对应的基准养分供给量及供给波动范围；基于全部分析窗口的所述基准养分供给量，获取施肥供给基准轨迹；基于各所述分析窗口的所述累计养分供给量与所述基准养分供给量的差异以及所述供给波动范围，确定当前施肥供给轨迹偏离量。

9、进一步地，所述将大豆种植周期划分为若干连续分析窗口，包括：按照预设固定时间间隔或者大豆生育阶段，将大豆种植周期划分为若干连续分析窗口；其中，所述大豆生育阶段包括苗期、分枝期、开花期、鼓粒期和成熟期；针对各所述分析窗口，基于所述分析窗口对应的所述施肥管理数据，确定所述分析窗口的累计养分供给量；基于全部所述分析窗口的所述累计养分供给量，获取所述施肥供给轨迹；基于历史样本中单位面积实收产量位于预设高产区间的历史样本，确定各所述分析窗口对应的基准养分供给量及供给波动范围；基于全部分析窗口的所述基准养分供给量，获取施肥供给基准轨迹；基于各所述分析窗口的所述累计养分供给量与所述基准养分供给量的差异以及所述供给波动范围，确定当前施肥供给轨迹偏离量。

10、进一步地，在所述基于所述施肥偏离临界响应强度、所述当前施肥供给轨迹偏离量以及当前偏离响应区间的历史平均产量，确定大豆预测产量之后，所述方法还包括：在所述当前施肥供给轨迹偏离量大于预设偏离量阈值，或者所述施肥偏离临界响应强度大于预设响应强度阈值时，判定待预测地块处于高偏离供肥状态；从历史样本库中提取与所述待预测地块的施肥偏离临界响应强度一致或位于预设相近范围内，且单位面积实收产量位于预设高产区间的历史样本，建立所述施肥偏离临界响应强度与补肥参数之间的映射关系；其中，所述补肥参数包括补肥时间、补肥次数、肥料类型、养分类型以及单位面积补肥量；根据所述待预测地块的所述施肥偏离临界响应强度，在所述映射关系中匹配对应的历史补肥参数，从预设候选肥料方案中确定适配的肥料类型和养分类型，并结合当前监测数据对单位面积补肥量进行自适应设定；其中，所述当前监测数据包括土壤养分状态、土壤墒情、植株长势、生育阶段和环境条件中的至少一项；在当前种植周期结束并获得实际单位面积实收产量后，将所述待预测地块的施肥管理数据、补肥参数以及实际单位面积实收产量补充至所述历史样本库。

11、进一步地，所述基于各所述分析窗口的所述累计养分供给量与所述基准养分供给量的差异以及所述供给波动范围，确定当前施肥供给轨迹偏离量，包括：计算各所述分析窗口的所述累计养分供给量与所述基准养分供给量之差的绝对值，获取各分析窗口的养分供给偏差；计算各所述分析窗口的所述养分供给偏差与所述供给波动范围的比值，获取各分析窗口的标准化偏离值；基于各所述分析窗口的所述标准化偏离值以及预设窗口权重，确定当前施肥供给轨迹偏离量；其中，所述预设窗口权重基于所述分析窗口在大豆种植周期内的持续时间占比确定。

12、进一步地，所述获取大豆种植周期内的施肥管理数据和产量响应数据，包括：采集大豆种植周期内的施肥管理数据和产量响应数据；其中，所述施肥管理数据包括各次施肥的施肥时间、单位面积施肥量、养分类型以及肥料养分含量；所述产量响应数据包括单位面积实收产量；对所述施肥管理数据和所述产量响应数据进行预处理；其中，所述预处理包括：基于地块标识和种植周期标识，将同一地块的所述施肥管理数据与所述产量响应数据进行关联匹配；将所述施肥时间转换为播种后的相对时间；将所述施肥管理数据和所述产量响应数据统一为相同计量格式；按照施肥时间先后顺序整理同一地块内的施肥记录。

13、第二方面，本发明的另一个实施例提供了基于大数据的大豆产量自适应预测系统，包括依次相连的数据获取模块、当前施肥供给轨迹偏离量确定模块、施肥偏离产量响应敏感系数确定模块、施肥偏离临界响应强度确定模块以及大豆预测产量确定模块，其中：

14、所述数据获取模块，用于获取大豆种植周期内的施肥管理数据和产量响应数据；

15、所述当前施肥供给轨迹偏离量确定模块，用于基于所述施肥管理数据，获取待分析样本的施肥供给轨迹，并确定所述施肥供给轨迹相对于施肥供给基准轨迹的当前施肥供给轨迹偏离量；

16、所述施肥偏离产量响应敏感系数确定模块，用于基于历史样本中历史施肥供给轨迹偏离量及其历史产量响应数据，确定当前施肥供给轨迹偏离量对应的施肥偏离产量响应敏感系数；

17、所述施肥偏离临界响应强度确定模块，用于基于所述施肥偏离产量响应敏感系数以及所述当前施肥供给轨迹偏离量在其所属偏离响应区间内的区间临界位置，确定施肥偏离临界响应强度；

18、所述大豆预测产量确定模块，用于基于所述施肥偏离临界响应强度、所述当前施肥供给轨迹偏离量以及当前偏离响应区间的历史平均产量，确定大豆预测产量。

19、本发明的技术方案的有益效果是：

20、在本发明实施例中，获取大豆种植周期内的施肥管理数据和产量响应数据；基于施肥管理数据，获取待分析样本的施肥供给轨迹，并确定施肥供给轨迹相对于施肥供给基准轨迹的当前施肥供给轨迹偏离量；基于历史样本中历史施肥供给轨迹偏离量及其历史产量响应数据，确定当前施肥供给轨迹偏离量对应的施肥偏离产量响应敏感系数；基于施肥偏离产量响应敏感系数以及当前施肥供给轨迹偏离量在其所属偏离响应区间内的区间临界位置，确定施肥偏离临界响应强度；基于施肥偏离临界响应强度、当前施肥供给轨迹偏离量以及当前偏离响应区间的历史平均产量，确定大豆预测产量。

21、至此本发明通过构建施肥供给轨迹偏离量、施肥偏离产量响应敏感系数及施肥偏离临界响应强度，建立由施肥管理过程差异到产量预测结果的映射关系，使预测结果能够反映施肥调控效果，实现基于施肥管理过程的大豆产量自适应预测；另一方面，通过将施肥时间、单位面积施肥量及肥料养分含量按生育阶段窗口累计为养分供给量，形成施肥供给轨迹，并与历史高产样本的基准轨迹进行偏离比对，将离散的施肥管理过程转化为可量化的养分供给节律偏离指标，从而区分环境条件相近但施肥管理过程不同的大豆地块产量响应差异；再一方面，通过分析历史样本中施肥供给轨迹偏离量与产量响应的对应关系，划分偏离响应区间并计算相邻区间的产量变化率，得到施肥偏离产量响应敏感系数，从而识别不同偏离位置处产量对施肥偏离变化的敏感程度，避免将偏离量与产量下降幅度简单线性关联；又一方面，通过结合施肥偏离产量响应敏感系数与当前施肥供给轨迹偏离量在其所属响应区间内的临界位置，计算施肥偏离临界响应强度，从而判断待预测地块是否处于接近更高偏离区间的临界状态，对即将进入高偏离区间的产量风险进行提前响应；此外，通过在高偏离供肥状态下建立施肥偏离临界响应强度与补肥参数之间的映射关系，结合当前监测数据对单位面积补肥量进行自适应设定，使补肥决策能够依据历史高产样本的补肥经验进行针对性调整，从而通过补肥干预修正养分供给轨迹偏离，并随历史样本库的周期性更新实现补肥量设定结果的自动修正。