大豆玉米種植信息化物聯網中的智能決策支持系統

摘要：我國肥料利用率遠低于發達國家，肥料利用率低會導致農作物生產成本變高，同時也是水體污染、環境污染的重要誘因。為提高肥料利用率，同時也為了提高農作物產量，實現大豆玉米的精準化種植，精準預測玉米產量，文章利用空間數據挖掘技術、專家技術、信息管理技術以及決策技術開發精準化農業種植決策支持系統，以大豆玉米種植信息化為研究對象，利用該系統提高農業生產決策科學性。

關鍵詞：大豆；玉米；種植；信息化；智能；系統

1 大豆玉米種植信息化物聯網智能決策支持系統構成

智能決策支持系統有著十分復雜的內部結構，負責精準化任務的決策制定，需要使用可視化數據挖掘、數字圖像分析、統計分析、空間分析與人工智能等技術，深入分析智能測產、變量噴藥、變量施肥所涉及的時間與空間因素。使用系統集成技術結合決策支持系統、信息管理系統、人工智能專家系統、數據挖掘技術，依靠上述技術的集成實現大豆玉米種植的精準化決策。

2 智能決策支持系統的具體應用

本次選擇的實驗地點為黑龍江省綏化市北林區，綏化市有著遼闊的黑土地，玉米大豆種植面積非常龐大。本次試驗選擇試驗田為2塊面積30m×30m的土地。

2.1 采集土樣數據

采集土樣數據的時候使用智能決策支持系統能夠極大地提高工作效率，工作人員只需要攜帶手持GPS設備就能快速定位。

本次土地數據的采集工作中使用了五點梅花采樣法，工作人員在網格中心點與四個邊角采集圖樣，之后將圖樣混合成為試驗田網格圖樣。

確定完試驗田邊界之后，利用設備制作土壤養分空間變異圖。首先選擇采樣點分布圖，并用克里格法插值，制作柵格化土層，工作人員可以自行決定柵格大小，隨后模擬最小指數函數和殘差平方擬合模型，使用克里格插值獲得土壤空間變異圖。

從空間趨勢中可以了解到空間區域內的空間物體主體特點，其揭示了空間內的變化規律，可以反映土壤空間內的各種數據變化，包括養分、水分等數據。

2.2 挖掘可視化空間數據

使用聚類分析的方法處理黑龍江省綏化市北林區的2塊大豆玉米試驗田，分析土壤內的速效鉀、速效磷、速效氮與有機質。試驗結果如表1。

從表1中可以看到在λ為0.993的時候有著最好的分類效果，使用可視化方式表現聚類結果。之后只需要按照網格空間關系，配合使用GIS技術進行分析就能確定空間數據情況。

2.3 預測目標產量

智能決策支持系統最具有特色的功能是可以預測玉米大豆產量，預測時根據土地歷史產量、年降雨情況、降雨分布情況以及土壤中的微量元素情況推理判斷土壤的產量。

本次試驗田種植的大豆品種為金得豐6號，該品種實收畝產可以超過250千克，使用智能決策支持系統分析土壤情況、降雨情況以后，系統判定認為本次大豆畝產可以達到270千克。

本次試驗田種植的玉米品種為先玉355，是一種抗病抗倒能力強、適應性好的品種，該品種實收畝產可以達到1350千克以上，使用智能決策支持系統分析土壤情況、降雨情況以后，系統判定本次玉米畝產可以達到1430千克。為期一年的試驗結果顯示，本次試驗田中的大豆產量實收畝產270千克，玉米畝產實收1436千克。可見智能決策支持系統的推理決策能力十分準確。

2.4 制定精準施肥量

判斷施肥需求需要智能決策支持系統掌握土壤中的養分含量，缺少GPS使用條件的地區，可以使用智能決策支持系統結合模糊空間推理技術，獲取已有空間數據庫信息，對此需要提前創建空間推理知識庫與空間數據庫。

本次使用時提前進行了空間數據庫與推理知識庫的創建，共計做出下述幾個定性描述，第一個定位描述為距離北邊平房300米，第二個定位描述距離南邊果園1.2km，第三個定位描述同東邊平方距離220米，第四個定位描述距離村廣場775m。

使用推理算法定位成功以后確定地點坐標，系統判定推理結論準確性與可信度，最終得出0.99的結果（數字越大越準確，1為滿分）。之后使用GPS定位技術對比，發現和推理結論的誤差只有0.3m，表明智能決策支持系統的推理能力十分準確。

之后對比系統計算結果與耕地的實際測量結果得出，推理結果基本符合實際結果，數據大致相同。可見如果當地不具備GPS使用條件，模糊空間定位這項技術的使用能夠獲得比較精準的結果。表2為測試結果對比情況。

在系統完成分析以后結合玉米大豆種植品種的養分需求了解土壤的養分缺口，系統能夠自動提供施肥決策建議，讓工作人員了解各采樣點科學施肥量，幫助工作人員掌握整個地塊施肥需求。完成施肥決策的制定以后，系統能夠制作施肥決策圖，為工作人員的施肥工作提供精準指導。

結語：本次試驗地選擇黑龍江省綏化市北林區，大豆品種為金得豐6號，玉米品種為先玉355，這兩種農作物都是產量比較穩定且環境影響比較小的品種，使用智能決策支持系統更能體現結果準確性。智能決策支持系統能夠處理非常復雜的空間判定任務，有別于工業決策的是，該技術還能解決時間、空間層面的關系，保障大豆玉米施肥量、噴藥量以及產量的數據判斷準確性，是一種值得推廣的現代化種植輔助技術。