摘 要：近年來，以人與自然和諧共生為主要內(nèi)容的綠色發(fā)展理念逐漸深入人心。2021年3月政府工作報告指出我國將在2030年碳達峰、2060年實現(xiàn)碳中和，這也彰顯了我國政府貫徹綠色發(fā)展理念，走低碳環(huán)保發(fā)展道路的決心和勇氣。[1]本文通過智能梨園管理系統(tǒng)的應(yīng)用，可以使碭山梨的生產(chǎn)管理更加標(biāo)準(zhǔn)、更加智能。同時，“智慧梨園”可以促進碭山相關(guān)行業(yè)的發(fā)展，推進酥梨產(chǎn)業(yè)盡快實現(xiàn)“節(jié)約成本，增加收入，增加價值，提高效率”。

關(guān)鍵詞：智慧農(nóng)業(yè)；Web GIS；

智能農(nóng)業(yè)是近年來興起的一個概念，但國內(nèi)外對其還沒有統(tǒng)一的定義。一般情況下，智慧農(nóng)業(yè)是指使用各種農(nóng)業(yè)資源，降低生產(chǎn)成本和能耗，降低環(huán)境的破壞，實現(xiàn)最佳農(nóng)業(yè)生產(chǎn)效益的一種農(nóng)業(yè)生產(chǎn)方式。可以說，智慧農(nóng)業(yè)是在充分發(fā)揮信息技術(shù)優(yōu)勢的基礎(chǔ)上，對農(nóng)業(yè)生產(chǎn)系統(tǒng)進行優(yōu)化和完善，從而實現(xiàn)農(nóng)業(yè)資源的高效利用，獲得更高的農(nóng)業(yè)效益。[2]“智慧梨園”數(shù)字化建設(shè)不僅要完成生產(chǎn)種植的全程機械化應(yīng)用與推廣，還要幫大家提高種植生產(chǎn)智能化、管理過程數(shù)字化、基地運營智慧化、農(nóng)業(yè)生產(chǎn)可視化水平。將通過互聯(lián)網(wǎng)技術(shù)與“酥梨”生產(chǎn)、經(jīng)營、管理、服務(wù)的深度融合，幫助果農(nóng)增收。

一、系統(tǒng)開發(fā)所需技術(shù)

（一）衛(wèi)星/無人機遙感

準(zhǔn)確的農(nóng)作物空間分布信息是農(nóng)業(yè)現(xiàn)代化管理的基礎(chǔ)，因此大田農(nóng)作物分類識別是農(nóng)業(yè)遙感的研究熱點之一。遙感農(nóng)作物分類的核心方法是影像光譜特征分析。利用HJ-1A/B月度時間序列NDVI，通過分析波譜曲線，實現(xiàn)了碭山縣梨園梨樹種植分類識別及種植面積測算；利用 Landsat8時間序列NDVI、光譜反射率和幾何紋理作為分類特征，[3]如圖1所示，對碭山縣酥梨實驗基地進行分類研究，得到的效果較好。雖然衛(wèi)星遙感是目前大面積農(nóng)作物分類主要手段，但存在成本昂貴、回訪周期長和空間分辨率低等問題，且過于依賴于衛(wèi)星過境時的天氣狀況，實時性和準(zhǔn)確性均受限。隨著高分辨率傳感器和低空無人機遙感技術(shù)的發(fā)展，憑借其靈活性高、周期短、空間分辨率高、受天氣和云層影響小等優(yōu)勢，彌補了傳統(tǒng)衛(wèi)星遙感的不足，成為目前小區(qū)域農(nóng)業(yè)遙感數(shù)據(jù)獲取的主要手段。[4]相比于中低分辨率遙感影像，高分辨率影像的紋理、形狀及上下文關(guān)系等信息更加豐富，可用于構(gòu)建可見光影像的分類特征。

（二）Web GIS技術(shù)

梨樹病蟲害的發(fā)生具有很強的地域性，一般先以斑塊狀出現(xiàn)，然后迅速向周圍蔓延。病蟲害的嚴(yán)重程度及其空間分布適合于用GIS的空間分布圖來表達，并可進行空間分析、專家診斷、預(yù)測預(yù)報等。傳統(tǒng)的管理方法已經(jīng)不適應(yīng)發(fā)展的需要，有必要充分利用計算機應(yīng)用技術(shù)的最新發(fā)展，采用IT技術(shù)、GIS（地理信息系統(tǒng)）技術(shù)、結(jié)合規(guī)劃及管理需要，開發(fā)功能完善的基于WebGIS的梨樹病蟲害信息系統(tǒng)。如何合理利用資源潛力，科學(xué)投入，提高產(chǎn)量，降低成本，減少自然及人為因素帶來的環(huán)境后果，實現(xiàn)梨樹生產(chǎn)系統(tǒng)的可持續(xù)性發(fā)展，已成為未來農(nóng)業(yè)研究領(lǐng)域的新方向。[5]

二、智慧梨園系統(tǒng)的設(shè)計

碭山縣“智慧梨園”數(shù)字化建設(shè)項目為碭山縣智慧梨園建設(shè)提供數(shù)字化管理平臺，實現(xiàn)全過程數(shù)字化管理，并對生產(chǎn)資料的投入和病蟲害的防治進行全程監(jiān)控，為機械化提供全產(chǎn)業(yè)鏈的全程服務(wù)，碭山縣智能梨園建設(shè)與管理的數(shù)字化、智能化發(fā)展。

（一）系統(tǒng)框架設(shè)計

如圖3所示，通過實時監(jiān)測技術(shù)建立梨園內(nèi)的梨物候和長勢、土壤水分肥料監(jiān)測系統(tǒng)，并設(shè)置微氣象因子采集系統(tǒng)。依據(jù)梨生理過程研究開發(fā)相關(guān)模型，主要包括病蟲害預(yù)警預(yù)報模型、氣象災(zāi)害預(yù)警預(yù)報模型、梨生長環(huán)境管理模型。而基于模型和實時監(jiān)測數(shù)據(jù)系統(tǒng)建成針對梨栽培、種植過程中病蟲害及氣象災(zāi)害預(yù)警體系、建成針對渠道商及農(nóng)戶的梨品質(zhì)及產(chǎn)量預(yù)報體系、提供個性化主動服務(wù)的智慧服務(wù)平臺。例如在碭山縣建成五百畝精準(zhǔn)農(nóng)業(yè)示范基地或以碭山梨產(chǎn)業(yè)為基準(zhǔn)，建成梨大數(shù)據(jù)農(nóng)業(yè)產(chǎn)業(yè)示范縣。

通過實時監(jiān)測技術(shù)建立梨園內(nèi)的梨物候和長勢、土壤水分肥料監(jiān)測系統(tǒng)，并設(shè)置微氣象因子采集系統(tǒng)。依據(jù)梨生理過程研究開發(fā)相關(guān)模型，主要包括病蟲害預(yù)警預(yù)報模型、氣象災(zāi)害預(yù)警預(yù)報模型、梨生長環(huán)境管理模型。而基于模型和實時監(jiān)測數(shù)據(jù)系統(tǒng)建成針對梨栽培、種植過程中病蟲害及氣象災(zāi)害預(yù)警體系、建成針對渠道商及農(nóng)戶的梨品質(zhì)及產(chǎn)量預(yù)報體系、提供個性化主動服務(wù)的梨園大數(shù)據(jù)服務(wù)平臺。例如在碭山建成五百畝精準(zhǔn)農(nóng)業(yè)示范基地或以碭山梨產(chǎn)業(yè)為基準(zhǔn)，建成梨大數(shù)據(jù)農(nóng)業(yè)產(chǎn)業(yè)示范縣。

（二）以環(huán)境檢測系統(tǒng)中的土壤水肥監(jiān)測系統(tǒng)為例

其執(zhí)行過程為：程序開始前需要對土壤水分進行設(shè)定值。正式開始進行土壤水分肥料檢測，首先判斷測量值與設(shè)定值的關(guān)系，若測量值大于設(shè)定值，則應(yīng)該保持土壤水分濃度，防止土壤水分激增以及過少，結(jié)束此次監(jiān)測；若測量值小于設(shè)定值，則啟動噴滴灌水泵，對土壤進行澆灌后再次啟動土壤水分檢測程序，直至測定值處于設(shè)定值范圍之內(nèi)，停止此次檢測程序。流程如圖4所示。

（三）以機理研究和模型開發(fā)中的病蟲害預(yù)警預(yù)報模型為例

執(zhí)行過程：程序進行檢測時，首先判斷梨樹當(dāng)前的長勢；而在花序分離期容易產(chǎn)生輪紋病、銹病等，其次還有盛花期、幼果期和成熟期等，并根據(jù)這些常見病害蟲進行提出措施。其次在數(shù)據(jù)庫內(nèi)上傳一些常見或者梨樹比較容易感染的病蟲的癥狀及圖片，根據(jù)前面開發(fā)的檢測系統(tǒng)對梨樹采集的信息進行比較，若符合數(shù)據(jù)庫內(nèi)的癥狀描述或者圖片描述，則應(yīng)該啟動預(yù)警提醒；若不符合上述的癥狀和圖片，則還要將預(yù)測生產(chǎn)數(shù)量和預(yù)測質(zhì)量與往年的情況進行比較，如果大致相同，則屬于正常，否則啟動預(yù)警系統(tǒng)。

三、結(jié)束語

碭山酥梨生產(chǎn)中存在著農(nóng)業(yè)條件分析不及時、施肥不合理、病蟲害鑒定困難等問題。如何科學(xué)管理耕地，需要更專業(yè)的知識體系和合理的解決方案。本文綜合運用衛(wèi)星/無人機遙感和Web GIS技術(shù)，通過對碭山縣梨園實驗基地的影像光譜特征分析、WebGIS的梨樹病蟲害信息分析、病蟲害診斷功能、智能控制等模塊，將其集成到智能決策系統(tǒng)中。功能多樣，貼近實際，為酥梨生產(chǎn)提供科學(xué)指導(dǎo)，方便農(nóng)民智能決策。

參考文獻：

[1].段樹謹(jǐn).綠色發(fā)展背景下我國智慧農(nóng)業(yè)發(fā)展問題及實現(xiàn)路徑[J].農(nóng)業(yè)經(jīng)濟，2022（05）：3-5

[2].諶頏，戴華珍，龔文靜，陳偉忠.智慧農(nóng)業(yè)物聯(lián)網(wǎng)控制系統(tǒng)設(shè)計與研究[J].信息記錄材料，2022，23（04）：195-197.DOI：10.16009/j.cnki.cn13-1295/tq.2022.04.038.

[3].戴建國，張國順，郭鵬，曾窕俊，崔美娜，薛金利.基于無人機遙感可見光影像的北疆主要農(nóng)作物分類方法[J].農(nóng)業(yè)工程學(xué)報，2018，34（18）：122-129.

[4].張志博，趙西寧，高曉東，張利，楊孟豪.基于改進Linknet網(wǎng)絡(luò)的黃土高原蘋果園精準(zhǔn)提取[J].智慧農(nóng)業(yè)（中英文），2022，4（03）：95-107.

[5].楊志芳. 基于WebGIS的果樹病蟲害信息發(fā)布系統(tǒng)[D].河北農(nóng)業(yè)大學(xué)，2005.