精准农业智能农业系统

描述

问题

农民必须满足地球不断变化的需求以及监管机构、消费者、食品加工商和零售商的期望。

气候变化、水土流失和生物多样性丧失以及消费者对食品口味的改变以及对食品生产方式的担忧都带来了越来越大的压力。与农业合作的自然世界——植物、害虫和疾病——继续构成它们自己的挑战。

虽然现代农业提供了大量解决方案，但结果并不总是相同，因为每个农场都是独一无二的：不同的景观、土壤、可用技术和潜在产量。

• 应对气候变化、水土流失和生物多样性丧失
• 满足消费者不断变化的口味和期望
• 满足对更多更高品质食品日益增长的需求
• 投资于农业生产力
• 采用和学习新技术
• 保持抵御全球经济因素的能力
• 激励年轻人留在农村，成为未来的农民
• 由于城市迁移和人口老龄化，农业劳动力日益稀缺
• 地球资源和生物多样性正在下降

等等...

可能的解决方案

精准农业正在彻底改变农业。以至于大多数行业专家认为精准农业的发展从根本上破坏了可持续农业和食品生产，就像​​ 1800 年代中期约翰迪尔钢犁的发明一样。

新的数据收集工具和物联网 (IoT) 与 GPS、地理信息系统 (GIS)、遥感和卫星图像的结合已经使农民能够优化他们的决策。设备制造商协会 (AEM) 发布的2021 年研究得出的结论是，精准农业技术已经将农民的产量提高了 4%，化肥使用量减少了 7%，除草剂使用量减少了 9%，化石燃料使用量减少了 6%并节省了 4% 的用水量。

 

 

我们的项目

我们的项目包括一个应用程序，作为管理和前端的一个元素，它允许用户（主要是农民）管理他们的作物并获得关于他们的建议或见解，以及可能执行的活动，例如，当这是灌溉植物的好时机。

该系统的运行考虑了来自 Sentinel-2 和 Landsat-8 的卫星数据以及现场传感器，然后所有信息都在云中进行预处理，在我们的案例中是 Azure Cloud，以生成真实的预测和建议随后提供应用程序的时间。

我们目前正处于使用Adalo的应用程序开发阶段，但它看起来像这样。

 

 

从本质上讲，我们的目标是一个非常直观和简约的应用程序，您可以在其中单击每个创建的字段，在地图上绘制多边形以定义它之后，以及作物类型和种植日期等其他信息，以便更好地了解提供见解，并查看 4 个主要部分，

见解

主图块将根据来自卫星和传感器的预处理数据告诉您在您的场地上执行或不执行的活动，

部分：

• 作物喷洒
• 热应激预防
• 灌溉
• 种植

 

 

https://templates.tomorrow.io/#category=5f496f75953bf9000b90c955

 

 

 

 

我们当前的后端仪表板，用于卫星和天气信息，位于openweather平台上

 

 

IoT Data（传感器数据）仍处于开发阶段，但 Azure 中规划的架构如下所示。

 

该图包含几个灰色框，每个都有不同的标签。从左到右，标签是摄取、准备、加载、服务和可视化和探索。其他盒子下方的最后一个盒子有标签监控和安全。每个框都包含代表各种 Azure 服务的图标。编号箭头以图表说明中描述的步骤的方式连接框。

工作流程

物联网数据进入系统：

• Azure 事件中心接收 IoT 数据流。数据包含标识设备位置的坐标或其他信息。
• 事件中心使用 Azure Databricks 进行初始流处理。
• 事件中心将数据存储在 Azure Data Lake Storage 中。
• IoT 数据进入系统：Azure 事件中心摄取 IoT 数据流。数据包含标识设备位置的坐标或其他信息。事件中心使用 Azure Databricks 进行初始流处理。事件中心将数据存储在 Azure Data Lake Storage 中。

GIS数据进入系统：

Azure 数据工厂摄取任何格式的栅格 GIS 数据和矢量 GIS 数据。

• 栅格数据由值网格组成。每个像素值代表一个特征，例如地理区域的温度或海拔。
• 矢量数据代表特定的地理特征。顶点或离散几何位置组成向量并定义每个空间对象的形状。
• Azure 数据工厂摄取任何格式的栅格 GIS 数据和矢量 GIS 数据。栅格数据由值网格组成。每个像素值代表一个特征，例如地理区域的温度或海拔。矢量数据代表特定的地理特征。顶点或离散几何位置组成向量并定义每个空间对象的形状。

数据工厂将数据存储在 Data Lake Storage 中。

• 数据工厂将数据存储在 Data Lake Storage 中。
• GIS 数据进入系统：Azure 数据工厂摄取任何格式的栅格 GIS 数据和矢量 GIS 数据。栅格数据由值网格组成。每个像素值代表一个特征，例如地理区域的温度或海拔。矢量数据代表特定的地理特征。顶点或离散几何位置组成向量并定义每个空间对象的形状。数据工厂将数据存储在 Data Lake Storage 中。

Azure Databricks 中的 Spark 群集使用地理空间代码库来转换和规范化数据。

• Azure Databricks 中的 Spark 群集使用地理空间代码库来转换和规范化数据。

数据工厂将准备好的矢量和栅格数据加载到 Azure Database for PostgreSQL。该解决方案将 PostGIS 扩展与此数据库一起使用。

• 数据工厂将准备好的矢量和栅格数据加载到 Azure Database for PostgreSQL。该解决方案将 PostGIS 扩展与此数据库一起使用。

数据工厂将准备好的矢量和栅格数据加载到 Azure 数据资源管理器中。

• 数据工厂将准备好的矢量和栅格数据加载到 Azure 数据资源管理器中。

Azure Database for PostgreSQL 存储 GIS 数据。API 以标准化格式提供这些数据：

• GeoJSON 基于 JavaScript 对象表示法 (JSON)。GeoJSON 表示简单的地理特征及其非空间属性。
• 众所周知的文本 (WKT) 是一种表示矢量几何对象的文本标记语言。
• 矢量瓦片是地理数据包。它们的轻量级格式提高了映射性能。

Redis 缓存通过提供对数据的快速访问来提高性能。

• Azure Database for PostgreSQL 存储 GIS 数据。API 使这些数据以标准化格式提供：GeoJSON 基于 JavaScript Object Notation (JSON)。GeoJSON 表示简单的地理特征及其非空间属性。众所周知的文本 (WKT) 是一种表示矢量几何对象的文本标记语言。矢量瓦片是地理数据包。它们的轻量级格式提高了映射性能。Redis 缓存通过提供对数据的快速访问来提高性能。

Azure 应用服务的 Web 应用功能与 Azure Maps 一起创建数据的视觉效果。

• Azure 应用服务的 Web 应用功能与 Azure Maps 一起创建数据的视觉效果。

用户使用 Azure 数据资源管理器分析数据。该工具的 GIS 功能可创建富有洞察力的可视化。示例包括从地理空间数据创建散点图。

• 用户使用 Azure 数据资源管理器分析数据。该工具的 GIS 功能可创建富有洞察力的可视化。示例包括从地理空间数据创建散点图。

Power BI 提供自定义报告和商业智能 (BI)。Power BI 的 Azure Maps 视觉对象突出了位置数据在业务结果中的作用。

• Power BI 提供自定义报告和商业智能 (BI)。Power BI 的 Azure Maps 视觉对象突出了位置数据在业务结果中的作用。