一种全域空间种植数据管理方法及系统与流程

本技术属于农业信息化，具体涉及一种全域空间种植数据管理方法及系统，特别适用于整合地面水平空间、地下空间、垂直空间等多维空间维度的农业种植数据统一管理场景。

背景技术：

1、近年来，随着物联网、大数据、人工智能等技术在农业领域的深度应用，智慧农业已成为农业现代化发展的重要方向。种植数据管理作为智慧农业的重要组成部分，承担着环境监测、作物生长追踪、资源调度等核心功能，其数据管理能力直接影响精准种植和智能决策的效果。

2、在实际农业生产中，种植场景日趋多样化。除传统的地面水平种植外，垂直农业、立体栽培、屋顶种植等新型种植模式快速发展，种植空间呈现立体化、复杂化的趋势。与此同时，温室种植、大田种植、设施农业等不同场景的种植数据管理需求也存在差异，给种植数据的统一管理带来了挑战。

3、现有的农业数据管理系统在种植数据采集、存储、分析等方面已有较多应用。例如，温室环境监测系统可实现温室内环境参数的实时采集和预警；大田管理系统可利用定位技术实现农田空间监测；立体栽培系统可实现作物在垂直空间的物流调度。这些系统在各自应用场景中发挥了一定作用。

4、然而，发明人发现，现有技术在种植数据管理方面仍存在一些不足。一方面，现有系统多针对单一场景或单一空间维度设计，当种植涉及多种空间形态或多农业场景时，数据管理存在割裂。另一方面，现有技术对作物空间位置的动态变化追踪能力有限，难以支撑作物全生命周期的空间轨迹分析。此外，不同系统之间的数据难以互通，影响了跨场景、跨空间的数据分析和决策。

5、因此，有必要研究一种改进的种植数据管理方法及系统，以提升种植数据的管理效率和分析能力。

技术实现思路

1、本技术的目的在于提供一种全域空间种植数据管理方法及系统，以解决现有技术中存在的数据管理割裂、空间位置追踪能力有限、跨场景数据互通困难等问题。

2、为实现上述目的，本技术的第一方面，提供一种全域空间种植数据管理方法，包括以下步骤：

3、建立全域种植区域的多维空间统一坐标系统，所述多维空间统一坐标系统覆盖所述全域种植区域的地面水平空间、地下空间和垂直空间，为所述全域种植区域内的每个空间位置分配唯一的多维空间坐标标识；

4、将种植单元与所述种植单元在多维空间统一坐标系统中对应的多维空间坐标标识绑定，生成包括所述种植单元与其对应的多维空间坐标标识绑定关系的动态空间标签；

5、通过分布式空间感知设备采集各种植单元的空间状态数据，根据所述空间状态数据更新所述种植单元的动态空间标签中的多维空间坐标标识，并记录所述种植单元的空间位置变化轨迹；

6、获取不同农业场景下的空间种植数据，基于所述多维空间统一坐标系统对所述空间种植数据进行标准化处理，得到标准化的空间种植数据；

7、基于所述动态空间标签、所述空间状态数据、所述空间位置变化轨迹和所述标准化的空间种植数据构建全域空间种植数据库，基于所述全域空间种植数据库构建时空图谱，根据所述时空图谱输出种植单元的空间分析结果。

8、通过建立覆盖地面水平空间、地下空间和垂直空间的多维空间统一坐标系统，并将种植单元与空间坐标绑定生成动态空间标签，使得不同空间维度的种植数据能够统一映射到同一坐标体系中，消除了空间数据孤岛，实现了多维空间数据的统一管理；通过记录种植单元的空间位置变化轨迹，使得种植单元在全生命周期内的空间迁移过程可追溯，支撑了种植历程分析；通过构建时空图谱并输出空间分析结果，使得时间维度和空间维度的数据能够联合分析，提升了种植决策的智能化水平。

9、优选地，所述建立多维空间统一坐标系统，包括：

10、采用四元组形式表示多维空间坐标：(x, y, z, t)，其中x、y表示地面水平坐标，z表示垂直坐标，且z的正负值分别表征垂直高度与地下深度，t表示时间坐标；

11、将所述全域种植区域按照预设的空间分辨率划分为多个空间网格单元，为每个空间网格单元分配唯一的空间网格编码。

12、通过采用四元组坐标表示形式和空间网格划分，使得任意空间位置都能以统一的数值形式表示和索引，提升了空间定位的精确性和空间查询的效率。

13、优选地，所述将种植单元与所述种植单元在多维空间统一坐标系统中对应的多维空间坐标标识绑定，生成包括所述种植单元与其对应的多维空间坐标标识绑定关系的动态空间标签，包括：

14、为所述种植单元分配唯一标识并获取所述种植单元的初始多维空间坐标标识；

15、将所述种植单元的唯一标识与所述初始多维空间坐标标识绑定，生成初始动态空间标签并存储。

16、通过为种植单元分配唯一标识并与空间坐标绑定，使得每个种植单元都具有可唯一识别的空间身份，为后续的空间追踪和溯源分析奠定了基础。

17、优选地，所述通过分布式空间感知设备采集各种植单元的空间状态数据，包括：

18、通过地面位置传感器采集所述种植单元的水平位置坐标；

19、通过垂直位置传感器采集所述种植单元的垂直高度或地下深度坐标；

20、通过空间环境传感器采集所述种植单元所在空间位置的温度、湿度、光照或养分浓度参数；

21、基于各种植单元间的空间距离判定所述种植单元的空间邻接关系。

22、通过多类型传感器的协同采集，使得种植单元的空间状态数据涵盖位置、环境、关系等多个维度，提高了空间感知的全面性和准确性。

23、优选地，所述根据空间状态数据更新所述种植单元的动态空间标签中的多维空间坐标标识，并记录所述种植单元的空间位置变化轨迹，包括：

24、比较所述种植单元的当前多维空间坐标标识与历史坐标标识，计算空间位置变化量，所述历史坐标标识包括所述种植单元的初始多维空间坐标标识；

25、当所述空间位置变化量超过预设阈值时，更新所述种植单元的多维空间坐标标识并在空间轨迹表中追加迁移记录；

26、当所述变化量未超过阈值时，根据环境参数的变化更新所述动态空间标签中的环境参数。

27、通过实时比较空间位置变化并动态更新标签，使得动态空间标签能够反映种植单元的真实空间状态，保证了空间数据的时效性和准确性。

28、优选地，所述获取不同农业场景下的空间种植数据，基于所述多维空间统一坐标系统对所述空间种植数据进行标准化处理，得到标准化的空间种植数据，包括：

29、获取空间种植数据，根据所述空间种植数据识别农业场景类型，所述农业场景类型包括温室场景、大田场景、垂直农业场景或屋顶种植场景；

30、根据所述农业场景类型获取对应的坐标系转换规则，将所述空间种植数据的本地坐标系转换为所述多维空间统一坐标系统的多维空间坐标值；

31、对转换后的所述空间种植数据进行空间一致性校验，将校验通过的所述空间种植数据存入全域空间种植数据库。

32、通过场景识别和坐标系转换，使得不同农业场景的空间数据能够统一映射到多维空间统一坐标系统，消除了跨场景数据融合的障碍，实现了跨场景的空间数据统一管理。

33、优选地，所述基于全域空间种植数据库构建时空图谱，包括：

34、计算各种植单元之间的空间距离，当所述空间距离小于预设的邻接距离阈值时，判定两个种植单元存在空间邻接关系；

35、以所述种植单元为节点、以各种植单元之间的空间邻接关系为边，构建空间邻接图结构；

36、按照时间顺序组织各种植单元的空间状态数据变化序列，构建时间序列数据；

37、将所述空间邻接图结构和所述时间序列数据输入时空图神经网络，输出时空图谱节点表示。

38、通过构建空间邻接图结构和时间序列数据并输入时空图神经网络，使得空间关系和时间关系能够融合建模，为时空联合分析提供了数据基础。

39、优选地，所述时空图神经网络包括空间卷积层、时间卷积层和时空注意力层：

40、所述空间卷积层用于对所述空间邻接图结构进行图卷积操作，提取种植单元的空间邻接特征；

41、所述时间卷积层用于对所述时间序列数据进行时间卷积操作，提取种植单元的时间变化特征；

42、所述时空注意力层用于对所述空间邻接特征和所述时间变化特征进行融合，输出融合空间关系和时间关系的时空图谱节点表示。

43、通过空间卷积层、时间卷积层和时空注意力层的协同工作，使得时空特征提取的有效性得到提升，增强了时空预测模型的准确性。

44、优选地，所述根据时空图谱输出种植单元的空间分析结果，包括：

45、基于所述时空图谱，根据病虫害发生的时间顺序和空间位置关系，追溯病虫害的传播路径；

46、基于所述时空图谱，根据种植单元的历史空间轨迹序列和当前空间状态数据，预测种植单元未来时间点的空间位置，生成生长轨迹预测结果。

47、通过基于时空图谱进行病虫害传播追溯和生长轨迹预测，使得种植管理决策得到了智能化支撑，有助于病虫害防治和收获规划。

48、本技术的第二方面，还提供一种全域空间种植数据管理系统，包括：

49、多维空间坐标管理模块，用于建立和管理所述多维空间统一坐标系统；

50、种植单元空间绑定模块，用于将种植单元与多维空间坐标标识绑定，生成所述动态空间标签；

51、分布式空间感知层，用于采集各种植单元的空间状态数据；

52、动态空间标签管理模块，用于更新动态空间标签中的多维空间坐标标识，记录空间位置变化轨迹；

53、跨场景数据标准化模块，用于对不同农业场景的空间种植数据进行标准化处理；

54、全域空间种植数据库构建模块，用于构建所述全域空间种植数据库；

55、时空图谱构建模块，用于基于所述全域空间种植数据库构建时空图谱；

56、空间分析模块，用于根据所述时空图谱输出种植单元的空间分析结果；

57、所述系统配置为执行上述第一方面的任一项所述的方法。

58、本技术与现有技术相比，具有以下有益效果：

59、（1）通过建立多维空间统一坐标系统，实现了地面水平空间、地下空间和垂直空间的多维空间数据统一管理，消除了空间数据孤岛；

60、（2）通过动态空间标签机制，实现了种植单元空间位置的动态追踪，支持种植单元全生命周期的空间轨迹追溯；

61、（3）通过跨场景数据标准化处理，实现了温室、大田、垂直农业等不同农业场景的空间数据融合，打破了场景间的数据壁垒；

62、（4）通过构建时空图谱并基于时空图神经网络进行时空特征融合，实现了时间维度和空间维度的联合分析，提升了种植决策的智能化水平。