数据挖掘在农业种植生产中的应用分析

　　[摘要]随着经济的发展与互联网技术的不断突破革新，传统的农业与信息技术联系越来越紧密，两者结合发展成为一个值得探索的新方向。结合数据挖掘技术及农业种植生产作出了探究，首先介绍了数据挖掘的相关知识与主要研究方法，然后从农作物种植气候环境、施肥与灌溉、病虫害预防以及产量预测模型四个方面做出了应用分析。数据挖掘新技术的融合，对农作物地种植培育、精准农业实施、模型预测以及产量提升带来了重要的意义。

　　[关键词]数据挖掘；农业；预测模型；种植；生产

　　1数据挖掘相关知识

　　数据挖掘（DataMining），该词的起源，需要追溯到1995年于加拿大召开的第一届知识发现与数据挖掘国际学术会议，会上很多学者把“数据”比作矿床，从“数据挖掘”开始被广泛应用到各个方面。数据挖掘，是一个根据历史或现有的大量数据，通过运用相关算法与构造方法，发现并提取其中潜在蕴含有价值的信息与知识的过程。

　　2数据挖掘研究方法

　　随着互联网与信息技术的不断飞跃发展，目前比较受欢迎并且应用比较广泛的数据挖掘方法主要有：统计分析方法、决策树方法、粗糙集方法以及人工神经网络方法等。

　　2.1统计分析方法

　　在数据挖掘中，回归分析（RegressionAnalysis）方法比较常见。回归分析分为简单线性回归以及多元线性回归。简单线性回归中只包含一个自变量和一个因变量，例如假设自变量是X，因变量是Y，那么根据已有数据即可建立关于X的线性回归方程，从而可以拟合两者之间的关系。多元线性回归因为含有多个自变量，所以需要先转换变量，然后按照简单线性回归的方法进行处理。

　　2.2决策树方法

　　决策树方法（DecisionTreeMethod）是一种分类方法，通过把对模型发生的动作、条件以及预测信息等模拟在一个树形结构，通过If-Then简单规则从而提取信息与决策。例如，判断一个患者风险等级状况，决策树图如图2所示，转换成计算机程序语言如图3所示。

　　3数据挖掘在农业种植生产中的应用

　　3.1基于数据挖掘的农作物种植气候环境

　　在农作物种植初期阶段，除了种子的选择与培育，适宜的气候环境也十分重要。气温、日照时间以及降水量是气候环境中的3个基本要素，农作物从初期的秧苗培育，到移栽再到生长抽穗整个过程中，都离不开适宜的气候条件作为保障。不仅需要合适的光照强度和气温，同时还需要适宜的降水量。光照可以促进水稻的光合作用，光合作用的速度与光照的强度有着密不可分的联系，在一定条件下，两者相互呈正相关关系，但是超过一定范围，光照强度加强，光合作用反而会减弱。适宜的降水量可以给农作物及时补充水分供给，从而助力其生长。通过数据挖掘技术与相关手段，可以根据以往的气温，日照及降水量大数据，学习并建立相关模型，对气候环境做出预测，并针对不同种类农作物给出不同的种植方案。能够匹配相应的种植时间，结合预测的气候数据，能够做到相对精准化种植，进一步提高存活率。

　　3.2基于数据挖掘的施肥与灌溉

　　在农作物生长阶段，不同类型农产品需要施加不同成分的肥料，同时比例搭配十分重要，这直接关系到产量的达成。采用数据挖掘技术，可以分析种植土壤的PH值以及有机物质的含量等信息，进一步的可以与施肥相结合，达到精准施肥的目的。通过聚类分析方法，可以知道哪类农作物需要哪类土壤并匹配多少比例的肥料，这样一方面可以节约种植人员的时间成本与经济成本，提高工作效率；另一方面，可以在最大程度上帮助农作物生长，从而不断提升农作物产量。

　　结语

　　正蓬勃发展的互联网信息技术已经融入到工作生活的各个领域，对比传统农业，该技术也陆续将智慧农业，信息农业推进一个新的阶段。本文结合数据挖掘技术与农作物种植生产开展了探索分析，基于数据挖掘技术的前提，从农产品种植气候环境、施肥与灌溉、病虫害预防以及产量预测模型四个方面的应用前景作出了展望。根据现阶段发展状况，数据挖掘的确能够更加高效、更加精准、更加安全地助力农作物地种植生产，对产量的提升贡献了巨大力量。我们应该重视新兴计算机技术在农业发展中的应用潜在价值，同时培养信息技术与农业学科复合交叉型高素质人才，从而能够使得农业到进一步地平稳高效发展。

　　[参考文献]

　　[1]王小妮.数据挖掘技术[M].北京：北京航空航天大学出版社，2014.

　　[2]李鑫悦，陈淑琴，李鸿亮，等.应用数据挖掘的高校教学建筑空调使用及其能耗分析[J/OL].浙江大学学报（工学版），2020（09）：1677-1689[2020-11-17].

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

　　[4]马薇.基于数据挖掘算法的信贷逾期行为预测[D].太原：山西大学，2020

　　彭致华

《数据挖掘在农业种植生产中的应用分析》

上一篇：浅析农业机械化服务对粮食生产的影响

下一篇：农业机械化对农业的影响与发展