论文部分内容阅读
摘要 我国在国民经济发展中不断强调各行业的协调发展，作为农业大国，在现代化的生产实践中需要不断增加应用先进的技术，促使农业生产效率和水平的提高。由于农业生产中受自然要素影响较大，因而需要应用相关技术和设备实现农业气象观测，对农业气象灾害进行分类分析，减少农业生产中的损失。本文在此基础上，主要对大数据处理下的农业气象灾害分类模型进行研究与分析，以供相关人员参考。
关键词 大数据处理；农业生产；气象灾害；分类分析；模型
中图分类号 TP391.9 文献标识码 A 文章编号 1007-5739（2018）01-0200-01
现代化经济的发展促使科技发展水平不断提高，农业生产中应用先进的机械设备，能够有效提高生产力水平，进一步促进国民经济的增长，由于农业生产中受外部环境和气候等因素的影响，容易遭遇不同的自然灾害，因此要求通过农业气象灾害观测和分析，对相关问题进行研究，并制定出有效的应对措施，减少农业生产过程中因自然灾害导致的损失[1]。由于农业气象灾害分析数据构成复杂且数据量较大，因而数据分析效率较低，在大数据处理下的农业气象灾害分类，应用数据分析模型能够对气象灾害等级和风险指数进行综合性分析，促使农业气象灾害分析结果更加有效。
1 灾害等级方面的研究
农业气象灾害分析中应用大数据分析主要是通过不同软件技术的使用，对相关数据进行搜集、整理和分析，国家气象局在雷达、卫星和地面观测等设备的应用基础上对农业气象灾害产品进行分类，这就构成“气象大数据”。农业生产中受气候条件制约，对于极端气候的观测和预报需要通过数据模型分析的办法，综合了解气候灾害等级，为防灾控灾做好准备[2]。在数据分析中可以创建数据分析程序，在高速计算水平下更大规模地处理相关数据内容。例如在Random Forests随机森林法的应用中，主要是使用分类回归树的方法对样本训练集进行数据整理，在不同的分类器中均可以使用该数据分析方法，在空间理论值域内对内部的节点选取若干值，然后建立分类决策树群，可为相关部门决策提供依据。
2 风险指数方面的研究
农业生产中关于农作物的生长，需要对气候环境变化情况进行观测和分析，对其中的气象灾害风险指数进行集中反映，风险指数越高，则农作物受到的损害越严重，继而造成的生产损失也越大。在农业气象灾害分类中，主要的限制因素是温度变化，植物生理性活动能力变化的临界值温度为8 ℃，因而在模型分析中，定义≥8 ℃的低温灾害风险指数为0，定义≤-30 ℃的灾害风险指数为1。农业气象灾害分类模型关于风险指数分析，对某一时间段内的气温序列安排符合正态分布规律，因而将-30～8 ℃的农业气象灾害风险指数确立为正态函数密度函数，在函数式计算中得出风险指数值[3]。在大数据处理背景下的农业气象灾害风险指数计算中，应用概率密度函数计算，数据结果更加准确和直观。在密度函数计算中，可以增加光照因子，这主要是因为农作物在生长过程中，可照时数和日照时数对于评价气象灾害风险指数也具有重要参照作用。
3 优化分类算法
农业气象灾害分析中，使用KNN分类模型分析，其算法的核心思想是对样本中的待分类项和已知训练项之间的距离值进行计算，为待分类样本中的主要数据进行相邻值寻找，共寻找K个邻居，并对邻居分类。大数据下的农业气象灾害分析具有较高的复杂度，程序化特性明显，因而在实际操作中要求对农业气象灾害风险指数比较集中的若干值进行计算，把握当前值和每个值之间的距离，但是在数据中选择的K个距离最小值需要集中选取，对K个点中对应的数据距离进行统计，在模型分析中需要对出现频率较高的若干风险指数值作为当前分析预测点，并将其划分到农业气象灾害风险指数区间内[4]。
4 结语
气象观察在农业生产中具有重要作用，对农业气象灾害分类分析中能够对农业生产起到一定的指导作用，由于气象数据复杂度较大，需要应用数据分析模型提高数据分析效率。大数据处理的农业气象灾害分类模型，主要是在数据并行式分布处理和邻近组合分析中，对农业气象灾害等级和分布形式进行综合分析，得出风险指数等级，农户根据气象灾害分布信息的评估结果，能够更加科学、合理地安排农业生产活动，防止因气象灾害导致农业生产损失过大。大数据处理背景下应用不同农业气象灾害分类模型，数据分析效率不同，产生的最终农业生产指导效果也不同，因而需要根据实际情况合理选用[5]。
5 参考文献
[1] 王军，黄杰飞，程勇.基于大数据处理的农业气象灾害分类模型[J].计算机仿真，2017，34（5）：353-356.
[2] 司巧梅.基于决策树的农业气象灾害等级预测模型[J].安徽农业科学，2010，38（9）：4925-4927.
[3] 刘璇，唐慧强，许遐祯，等.决策树算法在农业气象灾害统计中的应用[J].农机化研究，2009，31（7）：200-203.
[4] 张勇.一种新的农业气象灾害评估模型[C]//中国系统工程学会.经济全球化與系统工程.中国系统工程学会第16届学术年会论文集.北京：中国系统工程学会，2010.
[5] 张宝民.大数据在农业上的应用思考[J].中国农业文摘：农业工程，2016，28（6）：22.
关键词 大数据处理；农业生产；气象灾害；分类分析；模型
中图分类号 TP391.9 文献标识码 A 文章编号 1007-5739（2018）01-0200-01
现代化经济的发展促使科技发展水平不断提高，农业生产中应用先进的机械设备，能够有效提高生产力水平，进一步促进国民经济的增长，由于农业生产中受外部环境和气候等因素的影响，容易遭遇不同的自然灾害，因此要求通过农业气象灾害观测和分析，对相关问题进行研究，并制定出有效的应对措施，减少农业生产过程中因自然灾害导致的损失[1]。由于农业气象灾害分析数据构成复杂且数据量较大，因而数据分析效率较低，在大数据处理下的农业气象灾害分类，应用数据分析模型能够对气象灾害等级和风险指数进行综合性分析，促使农业气象灾害分析结果更加有效。
1 灾害等级方面的研究
农业气象灾害分析中应用大数据分析主要是通过不同软件技术的使用，对相关数据进行搜集、整理和分析，国家气象局在雷达、卫星和地面观测等设备的应用基础上对农业气象灾害产品进行分类，这就构成“气象大数据”。农业生产中受气候条件制约，对于极端气候的观测和预报需要通过数据模型分析的办法，综合了解气候灾害等级，为防灾控灾做好准备[2]。在数据分析中可以创建数据分析程序，在高速计算水平下更大规模地处理相关数据内容。例如在Random Forests随机森林法的应用中，主要是使用分类回归树的方法对样本训练集进行数据整理，在不同的分类器中均可以使用该数据分析方法，在空间理论值域内对内部的节点选取若干值，然后建立分类决策树群，可为相关部门决策提供依据。
2 风险指数方面的研究
农业生产中关于农作物的生长，需要对气候环境变化情况进行观测和分析，对其中的气象灾害风险指数进行集中反映，风险指数越高，则农作物受到的损害越严重，继而造成的生产损失也越大。在农业气象灾害分类中，主要的限制因素是温度变化，植物生理性活动能力变化的临界值温度为8 ℃，因而在模型分析中，定义≥8 ℃的低温灾害风险指数为0，定义≤-30 ℃的灾害风险指数为1。农业气象灾害分类模型关于风险指数分析，对某一时间段内的气温序列安排符合正态分布规律，因而将-30～8 ℃的农业气象灾害风险指数确立为正态函数密度函数，在函数式计算中得出风险指数值[3]。在大数据处理背景下的农业气象灾害风险指数计算中，应用概率密度函数计算，数据结果更加准确和直观。在密度函数计算中，可以增加光照因子，这主要是因为农作物在生长过程中，可照时数和日照时数对于评价气象灾害风险指数也具有重要参照作用。
3 优化分类算法
农业气象灾害分析中，使用KNN分类模型分析，其算法的核心思想是对样本中的待分类项和已知训练项之间的距离值进行计算，为待分类样本中的主要数据进行相邻值寻找，共寻找K个邻居，并对邻居分类。大数据下的农业气象灾害分析具有较高的复杂度，程序化特性明显，因而在实际操作中要求对农业气象灾害风险指数比较集中的若干值进行计算，把握当前值和每个值之间的距离，但是在数据中选择的K个距离最小值需要集中选取，对K个点中对应的数据距离进行统计，在模型分析中需要对出现频率较高的若干风险指数值作为当前分析预测点，并将其划分到农业气象灾害风险指数区间内[4]。
4 结语
气象观察在农业生产中具有重要作用，对农业气象灾害分类分析中能够对农业生产起到一定的指导作用，由于气象数据复杂度较大，需要应用数据分析模型提高数据分析效率。大数据处理的农业气象灾害分类模型，主要是在数据并行式分布处理和邻近组合分析中，对农业气象灾害等级和分布形式进行综合分析，得出风险指数等级，农户根据气象灾害分布信息的评估结果，能够更加科学、合理地安排农业生产活动，防止因气象灾害导致农业生产损失过大。大数据处理背景下应用不同农业气象灾害分类模型，数据分析效率不同，产生的最终农业生产指导效果也不同，因而需要根据实际情况合理选用[5]。
5 参考文献
[1] 王军，黄杰飞，程勇.基于大数据处理的农业气象灾害分类模型[J].计算机仿真，2017，34（5）：353-356.
[2] 司巧梅.基于决策树的农业气象灾害等级预测模型[J].安徽农业科学，2010，38（9）：4925-4927.
[3] 刘璇，唐慧强，许遐祯，等.决策树算法在农业气象灾害统计中的应用[J].农机化研究，2009，31（7）：200-203.
[4] 张勇.一种新的农业气象灾害评估模型[C]//中国系统工程学会.经济全球化與系统工程.中国系统工程学会第16届学术年会论文集.北京：中国系统工程学会，2010.
[5] 张宝民.大数据在农业上的应用思考[J].中国农业文摘：农业工程，2016，28（6）：22.