數(shù)據(jù)挖掘在農(nóng)業(yè)種植生產(chǎn)中的應(yīng)用分析

　　[摘要]隨著經(jīng)濟(jì)的發(fā)展與互聯(lián)網(wǎng)技術(shù)的不斷突破革新，傳統(tǒng)的農(nóng)業(yè)與信息技術(shù)聯(lián)系越來(lái)越緊密，兩者結(jié)合發(fā)展成為一個(gè)值得探索的新方向。結(jié)合數(shù)據(jù)挖掘技術(shù)及農(nóng)業(yè)種植生產(chǎn)作出了探究，首先介紹了數(shù)據(jù)挖掘的相關(guān)知識(shí)與主要研究方法，然后從農(nóng)作物種植氣候環(huán)境、施肥與灌溉、病蟲(chóng)害預(yù)防以及產(chǎn)量預(yù)測(cè)模型四個(gè)方面做出了應(yīng)用分析。數(shù)據(jù)挖掘新技術(shù)的融合，對(duì)農(nóng)作物地種植培育、精準(zhǔn)農(nóng)業(yè)實(shí)施、模型預(yù)測(cè)以及產(chǎn)量提升帶來(lái)了重要的意義。

　　[關(guān)鍵詞]數(shù)據(jù)挖掘；農(nóng)業(yè)；預(yù)測(cè)模型；種植；生產(chǎn)

　　1數(shù)據(jù)挖掘相關(guān)知識(shí)

　　數(shù)據(jù)挖掘（DataMining），該詞的起源，需要追溯到1995年于加拿大召開(kāi)的第一屆知識(shí)發(fā)現(xiàn)與數(shù)據(jù)挖掘國(guó)際學(xué)術(shù)會(huì)議，會(huì)上很多學(xué)者把“數(shù)據(jù)”比作礦床，從“數(shù)據(jù)挖掘”開(kāi)始被廣泛應(yīng)用到各個(gè)方面。數(shù)據(jù)挖掘，是一個(gè)根據(jù)歷史或現(xiàn)有的大量數(shù)據(jù)，通過(guò)運(yùn)用相關(guān)算法與構(gòu)造方法，發(fā)現(xiàn)并提取其中潛在蘊(yùn)含有價(jià)值的信息與知識(shí)的過(guò)程。

　　2數(shù)據(jù)挖掘研究方法

　　隨著互聯(lián)網(wǎng)與信息技術(shù)的不斷飛躍發(fā)展，目前比較受歡迎并且應(yīng)用比較廣泛的數(shù)據(jù)挖掘方法主要有：統(tǒng)計(jì)分析方法、決策樹(shù)方法、粗糙集方法以及人工神經(jīng)網(wǎng)絡(luò)方法等。

　　2.1統(tǒng)計(jì)分析方法

　　在數(shù)據(jù)挖掘中，回歸分析（RegressionAnalysis）方法比較常見(jiàn)?；貧w分析分為簡(jiǎn)單線性回歸以及多元線性回歸。簡(jiǎn)單線性回歸中只包含一個(gè)自變量和一個(gè)因變量，例如假設(shè)自變量是X，因變量是Y，那么根據(jù)已有數(shù)據(jù)即可建立關(guān)于X的線性回歸方程，從而可以擬合兩者之間的關(guān)系。多元線性回歸因?yàn)楹卸鄠€(gè)自變量，所以需要先轉(zhuǎn)換變量，然后按照簡(jiǎn)單線性回歸的方法進(jìn)行處理。

　　2.2決策樹(shù)方法

　　決策樹(shù)方法（DecisionTreeMethod）是一種分類(lèi)方法，通過(guò)把對(duì)模型發(fā)生的動(dòng)作、條件以及預(yù)測(cè)信息等模擬在一個(gè)樹(shù)形結(jié)構(gòu)，通過(guò)If-Then簡(jiǎn)單規(guī)則從而提取信息與決策。例如，判斷一個(gè)患者風(fēng)險(xiǎn)等級(jí)狀況，決策樹(shù)圖如圖2所示，轉(zhuǎn)換成計(jì)算機(jī)程序語(yǔ)言如圖3所示。

　　3數(shù)據(jù)挖掘在農(nóng)業(yè)種植生產(chǎn)中的應(yīng)用

　　3.1基于數(shù)據(jù)挖掘的農(nóng)作物種植氣候環(huán)境

　　在農(nóng)作物種植初期階段，除了種子的選擇與培育，適宜的氣候環(huán)境也十分重要。氣溫、日照時(shí)間以及降水量是氣候環(huán)境中的3個(gè)基本要素，農(nóng)作物從初期的秧苗培育，到移栽再到生長(zhǎng)抽穗整個(gè)過(guò)程中，都離不開(kāi)適宜的氣候條件作為保障。不僅需要合適的光照強(qiáng)度和氣溫，同時(shí)還需要適宜的降水量。光照可以促進(jìn)水稻的光合作用，光合作用的速度與光照的強(qiáng)度有著密不可分的聯(lián)系，在一定條件下，兩者相互呈正相關(guān)關(guān)系，但是超過(guò)一定范圍，光照強(qiáng)度加強(qiáng)，光合作用反而會(huì)減弱。適宜的降水量可以給農(nóng)作物及時(shí)補(bǔ)充水分供給，從而助力其生長(zhǎng)。通過(guò)數(shù)據(jù)挖掘技術(shù)與相關(guān)手段，可以根據(jù)以往的氣溫，日照及降水量大數(shù)據(jù)，學(xué)習(xí)并建立相關(guān)模型，對(duì)氣候環(huán)境做出預(yù)測(cè)，并針對(duì)不同種類(lèi)農(nóng)作物給出不同的種植方案。能夠匹配相應(yīng)的種植時(shí)間，結(jié)合預(yù)測(cè)的氣候數(shù)據(jù)，能夠做到相對(duì)精準(zhǔn)化種植，進(jìn)一步提高存活率。

　　3.2基于數(shù)據(jù)挖掘的施肥與灌溉

　　在農(nóng)作物生長(zhǎng)階段，不同類(lèi)型農(nóng)產(chǎn)品需要施加不同成分的肥料，同時(shí)比例搭配十分重要，這直接關(guān)系到產(chǎn)量的達(dá)成。采用數(shù)據(jù)挖掘技術(shù)，可以分析種植土壤的PH值以及有機(jī)物質(zhì)的含量等信息，進(jìn)一步的可以與施肥相結(jié)合，達(dá)到精準(zhǔn)施肥的目的。通過(guò)聚類(lèi)分析方法，可以知道哪類(lèi)農(nóng)作物需要哪類(lèi)土壤并匹配多少比例的肥料，這樣一方面可以節(jié)約種植人員的時(shí)間成本與經(jīng)濟(jì)成本，提高工作效率；另一方面，可以在最大程度上幫助農(nóng)作物生長(zhǎng)，從而不斷提升農(nóng)作物產(chǎn)量。

　　結(jié)語(yǔ)

　　正蓬勃發(fā)展的互聯(lián)網(wǎng)信息技術(shù)已經(jīng)融入到工作生活的各個(gè)領(lǐng)域，對(duì)比傳統(tǒng)農(nóng)業(yè)，該技術(shù)也陸續(xù)將智慧農(nóng)業(yè)，信息農(nóng)業(yè)推進(jìn)一個(gè)新的階段。本文結(jié)合數(shù)據(jù)挖掘技術(shù)與農(nóng)作物種植生產(chǎn)開(kāi)展了探索分析，基于數(shù)據(jù)挖掘技術(shù)的前提，從農(nóng)產(chǎn)品種植氣候環(huán)境、施肥與灌溉、病蟲(chóng)害預(yù)防以及產(chǎn)量預(yù)測(cè)模型四個(gè)方面的應(yīng)用前景作出了展望。根據(jù)現(xiàn)階段發(fā)展?fàn)顩r，數(shù)據(jù)挖掘的確能夠更加高效、更加精準(zhǔn)、更加安全地助力農(nóng)作物地種植生產(chǎn)，對(duì)產(chǎn)量的提升貢獻(xiàn)了巨大力量。我們應(yīng)該重視新興計(jì)算機(jī)技術(shù)在農(nóng)業(yè)發(fā)展中的應(yīng)用潛在價(jià)值，同時(shí)培養(yǎng)信息技術(shù)與農(nóng)業(yè)學(xué)科復(fù)合交叉型高素質(zhì)人才，從而能夠使得農(nóng)業(yè)到進(jìn)一步地平穩(wěn)高效發(fā)展。

　　[參考文獻(xiàn)]

　　[1]王小妮.數(shù)據(jù)挖掘技術(shù)[M].北京：北京航空航天大學(xué)出版社，2014.

　　[2]李鑫悅，陳淑琴，李鴻亮，等.應(yīng)用數(shù)據(jù)挖掘的高校教學(xué)建筑空調(diào)使用及其能耗分析[J/OL].浙江大學(xué)學(xué)報(bào)（工學(xué)版），2020（09）：1677-1689[2020-11-17].

　　[3]MulatuWesenuBekele，BedasaMebratuFana，TerefaGemechuKena.PredictionofWheatRustDiseasesUsingDataMiningApplication[J].OpenAccessLibraryJournal，2020，07（09）.

　　[4]馬薇.基于數(shù)據(jù)挖掘算法的信貸逾期行為預(yù)測(cè)[D].太原：山西大學(xué)，2020

　　彭致華

《數(shù)據(jù)挖掘在農(nóng)業(yè)種植生產(chǎn)中的應(yīng)用分析》

上一篇：淺析農(nóng)業(yè)機(jī)械化服務(wù)對(duì)糧食生產(chǎn)的影響

下一篇：農(nóng)業(yè)機(jī)械化對(duì)農(nóng)業(yè)的影響與發(fā)展