小麦生长监测大数据平台系统开发和应用

李振星 张子玉 欧阳薇 高洁 李昊珉 查沛 郝娟娟

摘要 为实现农业现代化，推进农业供给侧结构性改革，保障小麦生产高质高效，通过对小麦种植过程中的土壤墒情、苗情长势、光合作用、虫情、气象等数据的收集和分析整理，为农技人员和生产经营者提供决策所需数据和种植方案。以宁津县小麦生产为例，运用物联网、无人机遥感、大数据平台处理等技术，设计开发了小麦生长监测大数据平台系统。该系统分为3个模块，包括1个大数据平台和5个现场监测点，系统每隔30 min采集1次虫情、墒情和气象数据，并24 h不间断地提供现场小麦长势的监控画面，数据通过互联网的形势传输到大数据平台的数据库中，平台对数据的汇总形成图像和报表，为农业专家和农业生产经营者提供更合适的种植方案。

关键词 小麦；大数据平台；生长监测；物联网

中图分类号 TP 391  文献标识码 A

文章编号 0517-6611（2024）12-0215-07

doi：10.3969/j.issn.0517-6611.2024.12.046

Development and Application of Big Data Platform System for Wheat Growth Monitoring

LI Zhen-xing1，ZHANG Zi-yu2，OUYANG Wei2 et al

（1.Ningjin County Agriculture and Rural Bureau，Ningjin，Shandong 253400;2.School of Management，Anhui Institute of Science and Technology，Bengbu，Anhui 233030）

Abstract In order to realize agricultural modernization，to promote the structural reform of the agricultural supply side，and to ensure high-quality and efficient wheat production，we collected and analyzed the data of soil moisture，seedling growth，photosynthesis，insects and meteorology in wheat planting process，so as to provide data and planting options for decision making of agricultural technicians and producers.Taking wheat production of Ningjin County as an example，we used the Internet of Things，UAV remote sensing and big data platform processing to design a big data platform system for wheat growth monitoring.This system could be divided to 3 modules，including 1 big data platform and 5 field monitoring point.The system collected insect pest situation，soil moisture and meteorological data every 30 min，provided monitoring picture of wheat growth at the site all through 24 h.The data were transferred to the database of the big data platform through the internet.The platform summarized the data to form images and reports，so as to provide more suitable planting schemes for agricultural experts and agricultural producers and operators.

Key words Wheat;Big data platform;Growth monitoring;Internet of Things？倓

基金项目

安徽省教育厅科技计划项目“谱图融合的作物长势检测传感器及算法的开发”（2022AH051029）。

作者简介 李振星（1984—），男，山东宁津人，高级农艺师，硕士，从事数字农业和农业技术研究推广。*通信作者，硕士研究生，研究方向：乡村振兴、农业经济管理。

收稿日期 2023-06-12；修回日期 2023-07-20

小麦是世界上分布范围最广、种植面积最大、总贸易量最多的粮食作物，有“世界粮食”之称［1］。小麦是我国第三大粮食作物，也是我国主要的细粮作物之一，在国家粮食供给和经济发展中占据重要地位［2］。但在小麦生长发育的过程中，自然灾害和病虫害等问题会对其产量造成一定的影响［3-4］。例如，小麦的叶锈病会导致防治病害农药的过度使用，从而增加农产品有毒残留的风险［5］。利用信息化技术在农作物生产过程中进行精确的评估和恰当的决策，可以帮助实现农作物的低风险和高产量［6］。伴随着快速发展的智慧农业和农业信息化，遥感监测技术可以实现快速、实时、无损的监测，从而有针对性地防治叶锈病的发生［3，7-9］。小麦生长的智能监测和管理已经得到了现代信息技术发展的有效支持。“天-空-地”一体化的智慧农业系统，是指通过运用卫星、无人机和地面通信系统，从天、空、地3种视角对农产品生长实施监控，形成完整的农业立体生产监控系统，这种监测方式可以扩大监测范围、提高监测效率和可信度［10-12］。

遥感检测技术在自然灾害监测领域中有着广阔的监测范围，获取灾害信息量及时、准确，同时能够测算出大量的有效数据，遥感技术在实际的监测应用中具备适应性强的优点，在农业灾害预防中能够发挥出重要的监测作用［13-14］。如今，遥感监测技术应用范围和普及程度不断加深，在农业生产方面对于旱灾、病虫害、洪涝、冰雹等灾害具有有效的监测作用。利用遥感技术，可以快速、准确地获取大规模的作物生长状况信息，而且不会对作物造成任何影响，这为作物病虫害和倒伏监测提供了重要的数据支持［15］。

遥感技术的优势在于其能够以多种尺度、波长和视角提供丰富的地面观测数据，迅速获取有关土地特征的信息［16］，这些信息包括植被指数、亮度指数以及地表辐射温度等。此外，通过定量反演技术，还可以获取地表反射率、叶面积指数以及土壤水分含量等地表特征参数［17-19］。利用“农业遥感大数据监管服务平台”，土地可以更加充分、有效、合理地种植；与此同时，时间和资源得到更加充分的利用，工作效率得到了提升，每一处的成本可以最大限度地降低，减少了人力财力等资源浪费［20-22］。例如，施肥量和浇水量的有效实施数据，可以通过对庄稼肥力、水分监测科学地分析出来［23-24］。该平台应用后，种植庄稼在每个季度都可以显著降低对水资源的需求，同时减少人力成本的投入，而且还大大增加了作物的产量。民用资源卫星在20世纪70年代使用后，农业成为遥感技术领域最早应用并获得显著收益的行业之一［25］。特别是随着高空间、高光谱和高时间分辨率遥感数据的出现，农业遥感技术在长时间序列作物长势动态监测、农作物种类细分、田间精细农业信息获取等关键技术方面得到了突破［26-28］。农业遥感监测主要以作物、土壤为对象，利用地物的光谱特性，被用来进行作物长势、作物品质、作物病虫害等方面的监测［29］。由于遥感技术具有覆盖面积大、重访周期短的特点，因此主要应用于大面积农业生产的调查、评价、监测和管理［30］，它施用于农业上，主要可以分为4类应用，即农业资源调查、农作物估产、农业灾害预报、精准农业［31-33］。鉴于此，笔者介绍了小麦生长监测大数据平台系统的架构、系统功能设计与实现。

1 系统的架构

宁津县根据自身条件，在民天农谷现代农业产业园区内成立1个农业信息化服务中心和5个监测示范点。建立了小麦生产监测网络，该网络覆盖整个县域范围。制定了软硬件平台的详细制度文件，实现了对巡检、维修和运营等方面的有效管理。

小麦生长监测系统的设计采用了经典的物联网3层体系结构，其中包括感知层、网络层和应用层。感知层用于数据采集，网络层用于数据传输，应用层则用于数据挖掘。

1.1 系统的第1层 感知层主要包括采集气象数据的传感器，这些传感器可以测量空气温湿度、风速风向、大气压力、雨量和辐射照度。摄像机每日准时拍摄田间苗情，主动上传。

1.2 系统的第2层 网络层主要是用来处理数据远程传输问题，方便感知层和应用层的异地使用。在网络层中有效地使用路由协议和网络安全协议，可以更加安全、便捷和稳定地对监管中心服务器的数据安全的交互。

1.3 系统的第3层 应用层主要用于数据交汇、数据处理、人机交互等，该层主要采用关系型数据库和文件数据库来存储各个监测点的数据，随着数据的积累，系统可以通过软件对数据进行组织和发布，并对其进行诊断和管理决策。同时，该系统可以向新型经营主体推送相关结果，以实现农业信息化服务。

2 系统功能设计与实现

2.1 系统功能模块

该模块主要分为大屏可视化界面、大数据可视化和农业生产决策支持3部分。为了确保系统功能的可拓展性、可操作性和应用性，系统的开发和完善将采用动态的方式，以跟上信息技术不断发展的步伐。进入系统后，登录页面就展现出来，填写账号、密码和验证码登录后，可以进入宁津县天空地一体化智慧农业大数据平台——种植基地一张图界面。天空地一体化智慧农业大数据平台主要采用“323”工作模式，即3种数据来源，天是卫星遥感数据，空是无人机或浮空器获得的低空遥感数据，地是指对面传感器和农学取样数据；“2”是藏粮于地、藏粮于技的“两藏”数据应用方式，运用地理信息系统和人工智能等算法，实现对土地和农业技术的管理；系统赋能3类对象，包括农业主管和监督者、农业技术指导者和农业生产经营者。系统应用后能够有效地提升农业生产经营能力，降低成本和经营风险，提升监管能力，增强农业管理效率。用户可以通过一张图，实现对田间感知部件的管控、地理信息库可视化以及重点任务进展的获取和掌握等功能。

2.2 大屏可视化模块

大屏可视化模块主要展示了传感器和虫情设备数据数量统计、土壤墒情数据实时监测、气象数据实时展示、作物长势监测、田间监测站分布、虫情图像轮播展示。具体见图1智慧农业一张图。

2.3 大数据可视化模块 该模块包含了农田地图展示与查询、土壤墒情数据实时展示、“两区”内经济指标展示以及“两区”种植历史信息展示4个部分内容。

在农田地图展示与查询部分，系统可展示“两区”划定成果图、高标准农田建设成果、土地承包经营权确权登记颁证成果、基本农田图斑（图2）、村级乡镇边界以及最新的卫星遥感影像等数据。系统也可通过点、面等方式对空间矢量数据的属性数据进行查询，同时也可以对其进行直接搜索，进而快速定位目标地块的属性和位置。

土壤pH是一项重要的土壤属性，直接影响土壤养分的状态和有效性，是土壤质量和生态功能的重要指标，其含量展示见图3。土壤墒情数据实时展示部分主要针对已有的土壤墒情监测系统，其中存储了大量的土壤温度和湿度数据。在现有土壤墒情监测站的基础上，通过调用硬件接口数据并进行空间插值，将所有的点插值成一张图，形成墒情动态地图。同时，用户可以通过时间轴查看过去的土壤墒情地图，该功能可为作物灌溉分配管理提供依据。

“两区”内经济指标展示部分显示了所辖范围内的利润总收入、单产、人均收入等评价农业产业建设成果的经济指标。展示内容包括对时间上的动态曲线展示和分乡镇展示，更加直观地凸显了农业产业建设成果。

“两区”种植历史信息展示如下：时空动态展示种植结构时空演变。收集项目区2000年至今卫星遥感数据，并使用监督分类或者其他方法，提取不同年份每个季度的作物种植空间分布，形成项目区种植业结构变化数据集，导入到可视化系统中，通过时间轴的方式，展示种植结构时空大数据。快速展示近20年来，全县种植业转方式，调结构成果。

2.4 农业生产决策支持模块

农业生产决策支持系统主要为农业专家定制开发，包含测土配方计算等10大服务模块，为“两区”建设的管理服务提供技术保障。

2.4.1 测土配方决策支持。该系统搭建了一个在线测土配方计算工具。用户只需输入诸如目标产量、每百公斤产量所需的养分数量、不施肥的产量、有效养分校正系数、肥料的养分含量及利用率等参数，便可以通过调用GP服务的方法得到适用于“两区”地块和不同尺度片区的氮磷钾基肥方案。该方案涵盖了所需氮磷钾配方比、单质基肥使用比例追肥方案等内容，用户可以通过在线方式生成相应的配方卡，并提供导出打印等功能。

2.4.2

农业遥感苗情监测服务。获得高分辨率卫星数据后，同时获取不少于30个地面采样点数据，测定叶面积指数、生物量和叶片SPAD值，建立卫星的植被指数数据与地面采样点数据获得的农学数据的相关关系，利用相关关系估计出“两区”地块尺度的叶面积指数、生物量和植株地上部吸氮量，实施动态监测“两区”的作物长势情况（图4）。

2.4.3

农业遥感种植结构提取服务。获得最新的高分辨卫星数据后，根据目视解译和现场确认的方法，建立监督分类的训练集，训练样本后，提取所有的种植结构信息，并与“两区”地块结合，生成每个地块当季的作物类型。可视化等系统随即更新所有种植结构数据，实现数据实时更新（图5）。

2.4.4

土壤墒情预警服务。根据建设好的土壤墒情监测站，通过物联网接入到系统中，利用空间内插的方法，得到“两区”的墒情数据，管理员可以设置预警值，例如当土壤质量含水量低于10%时，系统将自动高亮显示超过阈值范围的预期，起到预警作用。

2.4.5 产量估测服务。在作物关键时期，根据气象数据、土壤数据，结合作物生长模型，对“两区”地块尺度的产量进行估测，估测数据自动更新到数据库，根据当季的粮食价格，计算出项目区内产值（图6）。

2.4.6 灾害等级评估服务。在作物遭受干旱、洪涝灾害、严重病虫害等遭受农业灾害时，根据农业部门有关指令，收集来自不同尺度、不同来源的卫星数据，提取各地区的受灾面积，以此为依据划分灾害等级，为后续救灾和保险理赔提供有利的参考数据资源等信息（图7）。

2.4.7

远程田间可视化系统。系统需要预留实时视频可视化接口，支持海康、大华等主流摄像机，用户可自主添加录像机到系统中，可以控制摄像头拍照、录像、旋转。

2.4.8

选址规划支持决策分析。系统还能支持选址规划决策，用户使用简单的指令，可以生成缓冲区，并有叠加、裁剪等功能。例如，根据要求建设一个农业园区，要求必须坡度小于15°，必须离水资源1 000 m以内，不能在居民区2 000 m范围内，选址不能在高标准农田等条件，系统自动会调用GP服务，生成合适的地址，供决策者参考。

2.4.9

原有的墒情、物联网等维修与系统接入。宁津县建设了多套墒情监测与物联网系统，项目需要将原有的系统进行维修，接入到现有的系统内容。

2.4.10

基于高分辨率遥感的穗肥推荐服务。获得高分辨率卫星数据后，根据苗情监测得到的生物量和地上部吸氮量和当地的作物的氮临界曲线。根据推荐施肥量=区域优化施肥量-（地上部真实氮吸氮量-临界吸氮量）/氮利用效率公示，得到“两区”地块尺度的穗肥推荐施用量（图8）。

2.3 系统开发实现

现有平台在开发语言选择时优先选用主流的、方便维护的、支持跨平台的语言，主要包括前端开发、后端开发以及对接接口常用的几种技术语言。前端使用主流的技术为HTML5+CSS3+JavaScript，引入了Vue.js前端框架。后端主要采用跨平台的开发语言Java，少部分接口或应用程序使用C#。

3 结论与讨论

在经济效益方面，传统农业的物联网智能环境监测系

统一般采用现场数据信息控制装置，通过传感器信号电缆分别连接各类传感器，农业遥感大数据平台则采取了遥感技术，具有获取数据范围大、获取信息速度快、周期短、获取信息手段多、信息量大等特点。相较于传统感知层布置，硬件成本节省80%以上，人工成本节约70%以上。另外，农业遥感大数据平台运用了国际前沿的云计算技术搭建了服务后台，提供海量数据存储、智能分析、科学决策等功能，同时采用SaaS模式运营，根据作物生长状况，智能化模型匹配管理方式。预计平均增产20%以上，节水50%以上，节肥30%以上。

在应用成果方面，宁津县基于农业大数据平台的技术支持，在现代农业产业园区内实施以小麦良种繁育为主、蔬菜种植培育为辅的产业模式，抢抓乡村振兴战略机遇，围绕农村新旧动能转换、农村高质量发展，坚持构建特色农业园，全面加快良种繁育、食用菌、中草药种植等特色产业发展，推进乡村产业振兴，全力打造乡村振兴齐鲁样板下的“宁津实践”。

宁津县以现代农业特色产业园的大数据平台技术为引领，全方位整合县域资源，闭环生态链条，积蓄产业势能，高标准规划了“一心多元”现代农业产业园区建设布局，整县域打造现代农业产业精品园区，全面推广新型农业生产技术，建成后将全面培植全县农业发展新动能，成为发展现代农业的强大引擎。

参考文献

［1］ 张承毅，吕建华，毛瑞喜，等.山东省优质小麦产业发展现状调研报告［J］.种子科技，2020，38（22）：3-11.

［2］ 徐向英.江苏小麦综合气象指数构建与产量变化预测和分析［D］.扬州：扬州大学，2019.

［3］ 孙瑞琳.基于近地高光谱与无人机图像的小麦叶锈病遥感监测研究［D］.扬州：扬州大学，2021.

［4］ 石建军.论小麦病虫害的综合防治措施［J］.农业开发与装备，2017（7）：170.

［5］ 董瑞，王佳荣，张静，等.63个小麦高代品系的叶锈病抗性鉴定［J］.植物遗传资源学报，2022，23（3）：678-690.

［6］ 黄冲，刘万才.我国农作物病虫测报信息化发展进程、现状与推进思路［J］.中国植保导刊，2018，38（2）：21-25，31.

［7］ 冷伟锋.小麦条锈病遥感监测及网络信息平台构建［D］.北京：中国农业大学，2015.

［8］ 袁琳.小麦病虫害多尺度遥感识别和区分方法研究［D］.杭州：浙江大学，2015.

［9］ 黄文江，张竞成，师越，等.作物病虫害遥感监测与预测研究进展［J］.南京信息工程大学学报（自然科学版），2018，10（1）：30-43.

［10］ 顾学迈，赵康僆，贾敏，等.对中国建设天、空、地一体化信息网络的几点认识［J］.中兴通讯技术，2016，22（4）：2-8.

［11］ 朱厉洪，史晶晶，赵扬.基于空基平台的天空地一体化通信网络研究［J］.国防科技，2019，40（6）：19-23，27.

［12］ 徐培林，周兴霞，余安平.松材线虫病天空地一体化立体监测技术［J］.测绘，2020，43（3）：104-108.

［13］ 杨昆，黄诗峰，辛景峰，等.水旱灾害遥感监测技术及应用研究进展［J］.中国水利水电科学研究院学报，2018，16（5）：451-456，465.

［14］ 范一大，吴玮，王薇，等.中国灾害遥感研究进展［J］.遥感学报，2016，20（5）：1170-1184.

［15］ 吴伶.基于遥感与作物生长模型同化的水稻生长参数时空分析［D］.北京：中国地质大学（北京），2013.

［16］ 史舟，梁宗正，杨媛媛，等.农业遥感研究现状与展望［J］.农业机械学报，2015，46（2）：247-260.

［17］ 苏仁忠.遥感技术在农业信息化中的应用［J］.农业工程，2018，8（6）：45-47.

［18］ 桂淮濛.遥感技术在农业生产中的实际应用［J］.农业工程，2019，9（2）：22-24.

［19］ 陈淑敏，张红艳，曾奥丽，等.遥感技术在农业灾害监测中的应用［J］.卫星应用，2020（8）：19-24.

［20］ 张超，李昆，张鑫.遥感大数据关键技术发展研究综述［J］.科技创新导报，2017，14（21）：145，147.

［21］ 吴文斌，史云，段玉林，等.天空地遥感大数据赋能果园生产精准管理［J］.中国农业信息，2019，31（4）：1-9.

［22］ 陈颖博.大数据在智慧农业中的应用研究［J］.湖北农业科学，2020，59（1）：17-22.

［23］ 陈雯，武威，孙成明，等.无人机遥感在作物监测中的应用与展望［J］.上海农业学报，2016，32（2）：138-143.

［24］ 范道全，张美娜，吕晓兰，等.无人机低空遥感技术在大田作物监测与产量预测中的应用［J］.新疆农机化，2019（3）：17-20.

［25］ 姚立民.无人机低空遥感技术在大田作物监测与产量预测中的应用［J］.农业工程技术，2020，40（33）：35-36.

［26］ 钱永兰，侯英雨，延昊，等.基于遥感的国外作物长势监测与产量趋势估计［J］.农业工程学报，2012，28（13）：166-171.

［27］ 王景发，寿春光.吉林雨养玉米作物长势监测系统设计与实现［J］.农业与技术，2019，39（11）：8-9.

［28］ 孙丽，钱永兰，吴尚荣，等.2020年我国冬小麦长势动态监测［J］.安徽农业科学，2020，48（21）：230-233，273.

［29］ 张竞成，袁琳，王纪华，等.作物病虫害遥感监测研究进展［J］.农业工程学报，2012，28（20）：1-11.

［30］ 赵春江.农业遥感研究与应用进展［J］.农业机械学报，2014，45（12）：277-293.

［31］ 吴思超，李蕴雅，李世忠，等.遥感技术在农业生物质资源调查中的应用［J］.南方农业，2018，12（26）：180-182.

［32］ 王莺，巩垠熙.遥感光谱技术在农作物估产中的应用研究进展［J］.中国农学通报，2019，35（3）：69-75.

［33］ 帕提曼·阿布都艾尼，阿依仙木古丽·阿布来提，努尔帕提曼·买买提热依木，等.卫星遥感技术在农业气象灾害监测研究中的应用［J］.农业灾害研究，2018，8（4）：48-49.