一种基于大数据的养殖环境监测方法及系统与流程

本发明涉及大数据分析，尤其涉及一种基于大数据的养殖环境监测方法及系统。

背景技术：

1、我国苜蓿主产区多位于北方高寒地带，冬季漫长严寒，苜蓿越冬冻害问题常年突出。苜蓿作为多年生牧草，其根颈在越冬期极易因土壤反复冻融而遭受不可逆损伤，轻则导致返青率下降、次年产量和品质降低，重则造成大面积死亡。每年因越冬冻害造成的苜蓿减产损失巨大，已成为制约国产优质苜蓿产业发展的关键瓶颈之一。

2、与此同时，传统的苜蓿越冬管理主要依赖种植者经验判断，缺乏对环境要素的精准感知和对冻害风险的量化评估能力。随着规模化苜蓿种植面积的持续扩大，依靠人力经验已难以满足精细化管理需求，产业亟需科学化、智能化的越冬环境监测与风险防控手段。提升苜蓿越冬期的精准管护水平，降低冻害损失，保障优质苜蓿的稳定供给，已成为推动苜蓿产业高质量发展的迫切需求。

3、中国专利公开号：cn122366844a公开了一种物联网大数据的海洋养殖环境监测评估方法及系统，主要步骤包括：通过物联网感知设备采集溶解氧、氮磷营养盐、ph值等多维环境参数，经海洋环境数据高并发处理平台完成并行接收与状态校验。调用多维时序数据自适应聚类算法对参数进行时序划分与相似性聚类，基于聚类结果通过水质富营养化评估模型量化评估水质状况，再结合养殖生物生长周期适配参数，利用环境胁迫响应预测模型动态预测胁迫强度及持续时间。通过平台整合评估与预测结果，生成包括参数变化轨迹、等级标识及预测趋势曲线的结构化报告，实现海洋养殖环境全流程、精准化的监测评估，为养殖环境调控提供可靠技术支撑。

4、由此可见，所述方案虽然能够对环境胁迫程度进行评估与预测并生成监测报告，但是其存在以下问题：

5、该方案仅输出了胁迫预测结果，无法根据预测结果自动生成并执行相应的环境调控干预措施，未能形成预测、干预与效果验证的闭环控制，因而无法主动规避或减轻环境胁迫对养殖对象的实际损害。

技术实现思路

1、为此，本发明提供一种基于大数据的养殖环境监测方法及系统，用以克服现有技术中无法根据胁迫预测结果自动生成并执行环境调控干预措施且完成闭环控制的问题。

2、为实现上述目的，本发明提供一种基于大数据的养殖环境监测方法，包括：

3、实时采集苜蓿养殖环境越冬期空气温度、积雪厚度和若干深度土层的土壤数据，土壤数据包括土壤温度和土壤水分含量；

4、对所述空气温度、所述积雪厚度和所述土壤数据进行特征提取以得到越冬期冻融胁迫数据，包括根颈层土壤冻融循环次数、根颈层地温与对应的时间，以及积雪覆盖天数；

5、基于所述冻融胁迫数据预测当前时期的预测返青率；

6、基于越冬初期的预测返青率与所述土壤水分含量生成并执行越冬精准灌溉方案，包括灌溉时间和灌溉量；

7、获取苜蓿返青期结束后的遥感影像以得到实际返青率；

8、基于返青期前的预测返青率与所述实际返青率的偏差确定针对苜蓿养殖环境的监测的准确状态；

9、在确定针对苜蓿养殖环境的监测不准确的情况下，基于土温衰减度确定异常原因并发出对应的处理指令，包括调节采集土壤数据的滤波窗口和调节灌溉量；

10、在执行对应的处理指令后，重新判定针对苜蓿养殖环境的监测仍不准确的情况下，确定异常原因为遥感影像空间分辨率不足；

11、在确定针对苜蓿养殖环境的监测准确的情况下持续监测苜蓿养殖环境。

12、进一步地，基于返青率预测偏差率确定针对苜蓿养殖环境的监测的准确状态的过程包括：

13、基于越冬期的全部冻融胁迫数据预测以得到返青期前的预测返青率，记为预期返青率；

14、基于所述预期返青率与所述实际返青率计算返青率预测偏差率；

15、基于所述返青率预测偏差率确定针对苜蓿养殖环境的监测的准确状态。

16、进一步地，在确定针对苜蓿养殖环境的监测不准确的情况下，基于土温衰减度确定异常原因的过程包括：

17、获取苜蓿根颈层的土壤温度与其对应的采集时间以构建时间-根颈层土壤温度曲线，和，空气温度与其对应的采集时间以构建时间-空气温度曲线；

18、在所述时间-空气温度曲线的连续时间中，将空气温度由连续下降转为连续上升的转折点识别为波谷，将空气温度由连续上升转为连续下降的转折点识别为波峰，并将该时间段的温度变化记作一次波动事件；

19、在所述时间-根颈层土壤温度曲线中获取同一时间段内土壤温度的最高值与最低值；

20、基于空气温度波峰与波谷计算空气温度峰谷差；

21、基于土壤温度的最高值与最低值计算土壤温度峰谷差；

22、基于越冬期内所有波动事件的空气温度峰谷差与土壤温度峰谷差计算土温衰减度；

23、基于所述土温衰减度确定异常原因并发出对应的处理指令，包括调节采集土壤数据的滤波窗口和调节灌溉量。

24、进一步地，基于土温波动度调节土壤温度数据滤波窗口的过程包括：

25、对所述时间-根颈层土壤温度曲线进行滑动平均处理以得到趋势曲线；

26、根据所述时间-根颈层土壤温度曲线上各时刻的温度值与所述趋势曲线上对应时刻的趋势值确定残差曲线；

27、基于所述残差曲线确定土温波动度；

28、基于所述土温波动度增大土壤温度数据滤波窗口，且土壤温度数据滤波窗口的增大幅度与土温波动度呈正相关。

29、进一步地，基于深层基准波动比进一步修正土壤温度数据滤波窗口的增大幅度的过程包括：

30、获取苜蓿深层基准层的土壤温度与其对应的采集时间以构建时间-深层基准层土壤温度曲线；

31、对所述时间-深层基准层土壤温度曲线进行滑动平均处理以得到深层基准层的趋势曲线；

32、根据所述时间-深层基准层土壤温度曲线上各时刻的温度值与所述深层基准层的趋势曲线上对应时刻的趋势值确定深层基准层的残差曲线；

33、根据所述深层基准层的残差曲线确定深层基准层的土温波动度；

34、基于根颈层的土温波动度与所述深层基准层的土温波动度确定深层基准波动比；

35、基于所述深层基准波动比修正土壤温度数据滤波窗口的增大幅度，且土壤温度数据滤波窗口的增大幅度与深层基准波动比呈正相关。

36、进一步地，在调节土壤温度数据滤波窗口后，重新基于所述返青率预测偏差率确定针对苜蓿养殖环境的监测仍然不准确的情况下，发出调节灌溉量的处理指令。

37、进一步地，基于灌溉恶化比调节灌溉量的过程包括：

38、分别获取执行灌溉前后根颈层土壤温度与对应时刻以构建时间-灌溉前根颈层土壤温度曲线，与，时间-灌溉后根颈层土壤温度曲线；

39、分别基于灌溉前后根颈层土壤温度低于该曲线中温度均值的累计时长确定灌溉前累计时长与灌溉后累计时长；

40、基于所述灌溉后累计时长与所述灌溉前累计时长计算灌溉恶化比；

41、基于所述灌溉恶化比减小灌溉量，且灌溉量的减小幅度与灌溉恶化比呈负相关。

42、进一步地，基于回温速率比进一步修正灌溉量的减小幅度的过程包括：

43、在所述时间-灌溉前根颈层土壤温度曲线中识别温度连续上升的各灌溉前上升段；

44、基于各所述灌溉前上升段中温度升幅与该上升段的持续时长确定各灌溉前上升段的回温速率，并基于各灌溉前上升段的回温速率计算灌溉前平均回温速率；

45、在所述时间-灌溉后根颈层土壤温度曲线中识别温度连续上升的各灌溉后上升段；

46、基于各所述灌溉后上升段中温度升幅与该上升段的持续时长确定各灌溉后上升段的回温速率，并基于各灌溉后上升段的回温速率计算灌溉后平均回温速率；

47、基于所述灌溉后平均回温速率与所述灌溉前平均回温速率计算回温速率比；

48、基于所述回温速率比修正灌溉量的减小幅度，且灌溉量的减小幅度与回温速率比呈负相关。

49、进一步地，在调节灌溉量后，重新基于所述返青率预测偏差率确定针对苜蓿养殖环境的监测仍然不准确的情况下，确定异常原因为遥感影像空间分辨率不足，发出调节遥感影像的像元聚合窗口的处理指令。

50、进一步地，所述方法的基于大数据的养殖环境监测系统，其特征在于，包括：

51、采集模块，其用以实时采集苜蓿养殖环境越冬期空气温度、积雪厚度和若干深度土层的土壤数据，土壤数据包括土壤温度和土壤水分含量；

52、特征提取模块，其用以对所述空气温度、所述积雪厚度和所述土壤数据进行特征提取以得到越冬期冻融胁迫数据，包括根颈层土壤冻融循环次数、根颈层地温与对应的时间，以及积雪覆盖天数；

53、返青率预测模块，其用以基于所述冻融胁迫数据预测当前时期的预测返青率；

54、灌溉方案决策模块，其用以基于越冬初期的预测返青率生成并执行越冬精准灌溉方案，包括灌溉时间和灌溉量；

55、实际返青获取模块，其用以获取苜蓿返青期结束后的遥感影像以得到实际返青率；

56、评估模块，其用以基于返青期前的预测返青率与所述实际返青率的偏差确定针对苜蓿养殖环境的监测的准确状态；

57、异常分析模块，其用以在确定监测不准确的情况下基于求得的土温衰减度确定异常原因并发出对应的处理指令，包括调节采集土壤数据的滤波窗口和调节灌溉量；

58、执行模块，其用以执行异常分析模块发出的处理指令。

59、与现有技术相比，本发明的有益效果在于，本发明所述方法以苜蓿越冬期根颈层所受冻融胁迫为核心监测对象，通过实时采集越冬期空气温度、积雪厚度和若干深度土层的土壤数据，提取根颈层土壤冻融循环次数、根颈层地温与对应的时间以及积雪覆盖天数等冻融胁迫数据，并基于该数据预测返青率，形成从环境感知、胁迫特征提取、返青预测、灌溉干预到效果验证的闭环监控体系。并且，所述系统通过各功能模块的协同配合，实现了对苜蓿越冬期养殖环境的自动化、精准化监测与主动调控，解决了现有技术中仅输出预测结果而无法实施闭环调控的缺陷，为苜蓿越冬管理提供了完整的数据驱动决策手段，提高了苜蓿越冬期养殖环境监测的准确性与异常处置的及时性，从而提升了苜蓿返青率，降低了越冬冻害损失。

60、进一步地，本发明通过返青率预测偏差率对监测准确状态进行判定，客观反映了预测结果与实际返青情况之间的符合程度，并及时识别监测过程是否失准。在判定监测不准确后进一步通过土温衰减度区分异常原因，在数据采集失真与灌溉方案偏差之间进行快速定位，避免了对异常来源的盲目排查，提高了异常诊断的针对性和处置效率，保证了监测系统在复杂田间环境下的可靠运行，从而进一步提高了苜蓿越冬期养殖环境监测的准确性与异常处置的及时性。

61、进一步地，本发明在确定异常原因为采集的土壤数据失真时，根据土壤温度数据自身的噪声强度，自适应地调节数据滤波窗口，并利用深层土壤的稳定特征对调节幅度进行修正，在有效滤除异常波动的同时避免过度平滑，提高了土壤温度数据的真实性和可用性，从而进一步提高了苜蓿越冬期养殖环境监测的准确性与异常处置的及时性。

62、进一步地，本发明在确定异常原因为灌溉方案出现偏差时，根据灌溉后根颈层低温胁迫程度的变化趋势，自动调节灌溉量的大小，并结合土壤回暖能力对调节量进行精细修正，从而在灌溉措施产生反作用时及时削减灌溉量，避免因过量灌溉或时机不当造成的二次损伤，提高了灌溉决策的精准性和安全性，对保障苜蓿安全越冬具有积极作用，从而进一步提高了苜蓿越冬期养殖环境监测的准确性与异常处置的及时性。

63、进一步地，当执行处理指令后监测仍不准确，说明预测结果未发生问题，而是采集实际返青情况时发生异常，因此异常原因被判定为遥感影像空间分辨率不足，根据遥感影像自身局部光谱的离散程度，自适应地调节像元聚合窗口，从而有效降低混合像元效应带来的局部噪声干扰，改善遥感影像的数据质量，保证实际返青率计算的准确性，增强了系统对遥感数据源异常的适应能力和容错能力，从而进一步提高了苜蓿越冬期养殖环境监测的准确性与异常处置的及时性。