智慧农业时代来临,农业生产管理越来越依赖于科学的决策依据。而土壤水分状况作为农田生态环境的关键要素,其监测数据在农业干旱监测预警、精准灌溉调控等方面发挥着至关重要的作用。当前,土壤墒情自动监测网络不断完善,监测设备日益普及,海量的土壤水分数据资源持续积累。但是,在不同地区部署的大量土壤水分监测设备,其数据质量参差不齐,普遍存在异常值和数据缺失等问题,严重制约了土壤墒情监测数据的应用价值。迫切需要创新的技术手段来保障数据质量。近日,由北京市农林科学院智能装备技术研究中心 于景鑫、张钟莉莉、杜森等发明完成的"一种土壤墒情监测方法及装置"获国家发明专利授权(专利号:ZL 2019 1 0745231.8)。这项专利针对土壤水分数据质量控制难题,开发了智能化的数据校验与修复系统。系统基于机器学习算法,利用深度神经网络模型对土壤墒情数据进行智能质量判定和无缝修复,可大幅提高土壤水分监测数据处理效率和质量,为智慧农业发展提供坚实的数据支撑。
据专利发明人 于景鑫 介绍,传统的土壤水分监测数据质量控制主要依靠人工抽检或简单阈值筛选,存在工作量大、时效性差、可靠性不足等缺点。该专利充分利用机器学习的优势,通过对海量历史监测数据的训练,构建起功能强大的数据质量判别和数据修复模型。模型从数据中自主学习掌握土壤墒情时空变化规律,能够像经验丰富的"数据把关人"一样,快速识别出土壤水分监测数据中可疑的异常值。同时,借助前后时序数据的关联性,模型还能像"数据修复师"一样自动对缺失或异常的数据进行合理修正,使其符合土壤墒情变化规律,得到一致、连续、可靠的监测数据集。该专利的创新之处在于,开发了包括数据接收、质量评估、异常修复等功能模块的完整系统,形成全流程的数据质量把控方案。系统犹如一位24小时值守的"数据质量安全卫士",能主动发现监测数据采集、传输、存储等各环节的质量问题,自动修复数据缺陷,最大限度减少人工处理工作量,确保为土壤墒情业务应用提供高质量的数据产品。
在数据质量控制的同时,该专利还为土壤水分监测数据分析处理提供了新思路。基于机器学习的异常检测和缺失修复方法不仅可应用于土壤墒情领域,还可推广至其他生态环境监测数据治理中,用于提升水文、气象、空气等监测数据的质量,为生态环境管理决策提供更加可靠的数据支撑。可以预见,随着人工智能、大数据等现代信息技术与农业领域的深度融合,农业监测数据的质量控制和智能处理将成为智慧农业的重要发展方向。