基于物化条件校正的土壤大数据分析方法及装置

    公开(公告)号:CN114067113B

    公开(公告)日:2024-10-29

    申请号:CN202111313464.4

    申请日:2021-11-08

    Abstract: 本发明涉及大数据技术领域,具体涉及基于物化条件校正的土壤大数据分析方法及装置。所述方法执行以下步骤:步骤1:在目标区域设置多个观测点,每个观测点以设定的时间周期获取所在位置的土壤的某一项物理/化学参数,将获取到的参数发送至远端;每个观测点获取的物理/化学参数的类型均不相同;步骤2:每个观测点以设定的时间周期实时获取所在位置的土壤的图像数据,将获取到的图像数据发送至远端。其通过在现场设置观测点,以及通过观测点获取土壤的图像数据,无须将对土壤样本进行运输,再进行土壤分析,且分析过程中,不需要对每个观测点均进行测量和分析,而是进行归一化的分析和处理,提升了处理效率。

    一种基于VNIR和OPLS-DA预判桉树缺铁性黄化病的方法

    公开(公告)号:CN114946485B

    公开(公告)日:2023-07-07

    申请号:CN202210521422.8

    申请日:2022-05-13

    Abstract: 本发明公开一种基于VNIR和OPLS‑DA预判桉树缺铁性黄化病的方法,属于植物病害监测技术领域。该方法包括以下技术步骤:(1)叶片样品采集;(2)光谱数据采集;(3)光谱数据处理;(4)构建OPLS‑DA判别分析模型;(5)独立样品验证。本发明应用VNIR技术结合OPLS‑DA判别分析模型,可高效、准确和客观预测出桉树黄化病的病害情况,解决了由于桉树黄化病具有突发性、隐蔽性以及随机性造成的桉树黄化病难以准确识别的问题,避免了因人为调查的主观性造成的误差。本发明能够在桉树叶片未表现出黄化病特征时,就能高效、准确和客观预测出桉树黄化病的病害情况,从而及时采取相应的措施防治桉树黄化病的发生,对保障人工林及其下游产业高质量发展具有重大意义。

    一种基于VNIR和OPLS-DA预判桉树缺铁性黄化病的方法

    公开(公告)号:CN114946485A

    公开(公告)日:2022-08-30

    申请号:CN202210521422.8

    申请日:2022-05-13

    Abstract: 本发明公开一种基于VNIR和OPLS‑DA预判桉树缺铁性黄化病的方法,属于植物病害监测技术领域。该方法包括以下技术步骤:(1)叶片样品采集;(2)光谱数据采集;(3)光谱数据处理;(4)构建OPLS‑DA判别分析模型;(5)独立样品验证。本发明应用VNIR技术结合OPLS‑DA判别分析模型,可高效、准确和客观预测出桉树黄化病的病害情况,解决了由于桉树黄化病具有突发性、隐蔽性以及随机性造成的桉树黄化病难以准确识别的问题,避免了因人为调查的主观性造成的误差。本发明能够在桉树叶片未表现出黄化病特征时,就能高效、准确和客观预测出桉树黄化病的病害情况,从而及时采取相应的措施防治桉树黄化病的发生,对保障人工林及其下游产业高质量发展具有重大意义。

    土壤大数据分析中的数据清洗方法及装置

    公开(公告)号:CN114443635A

    公开(公告)日:2022-05-06

    申请号:CN202210067946.4

    申请日:2022-01-20

    Abstract: 本发明涉及电力系统领域,具体涉及土壤大数据分析中的数据清洗方法及装置。所述方法包括:采集土壤数据,在采集土壤数据时,获取环境数据;对采集到的土壤数据按照类别进行数据分散,得到若干个分散数据集合;基于每个分散数据的数据结构和数据量大小,构建分散数据球体;最后构建数据清洗立方体,将数据清洗立方体和分散数据球体进行整合,得到最终的清洗数据。本发明使用不同于现有技术的仅对数据本身进行异常值查找的方式进行数据清洗,而是使用基于构建数据立方体的方式来将正常数据进行标记,进而对非正常数据进行修正,且结合土壤数据中经常因为环境数据导致的异常构建修正模型,显著提升了数据清洗的准确率。

Patent Agency Ranking