大数据与施肥管理.ppt

大数据与农田施肥管理 陈国庆 山东农业大学 农学院 一、大数据 “大数据”是由数量巨大、结构复杂、类型众多数据构成的数据集合。 需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。 简单的讲，大数据技术就是从各种各样类型的数据中，快速获得有价值信息的能力。 大数据与数据的区别 数据，结构化的，数据分析可以遵循一定现有规律的。 大数据是结构化、半结构化和非结构化的，其在分析过程中遵循的规律则是未知的，它通过综合方方面面的信息进行模拟，它以分析形式评估证据，假设应答结果，并计算每种可能性的可信度，通过大数据分析我们可以准确找到下一个市场热点。 特点： 1?KB?= 1,024 Bytes 1?MB?= 1,024 KB = 1,048,576 Bytes 1?GB?= 1,024 MB = 1,048,576 KB 1?TB?= 1,024 GB = 1,048,576 MB 1?PB?= 1,024 TB = 1,048,576 GB 1?EB?= 1,024 PB = 1,048,576 TB 1?ZB?= 1,024 EB = 1,048,576 PB 1?YB?= 1,024 ZB = 1,048,576 EB 1?BB?= 1,024 YB = 1,048,576 ZB 1?NB?= 1,024 BB = 1,048,576 YB 1 DB = 1,024 NB = 1,048,576 BB 多大的数据量算大数据？ 大数据本质是解决问题，大数据的核心价值是预测。 大数据分析的基础是相关性。 联系：需要数据支持 对数据的挖掘分析 大数据技术离不开统计分析 区别：数据量不同 样本量不同 数据要求不同 处理方式不同 大数据与统计 大数据与物联网 物联网=传感器+网络+处理+实施 结合点： 数据 农业大数据大事记 2013年6月18 国内第一个农业大数据产业技术创新联盟成立。 2014年10月29日 中国农产品大数据联盟成立。 2014年11月5日 中国杨凌农业大数据中心正式成立。 二、农业大数据 在农业中的应用 精确农业 农产品流通体系 农业气象预测 环境预测 其他 1、农场（大棚）精准化管理 （Farmlogs） 面向对象：各类农场、合作社 解决：数据自动采集、管理方案自动生成、效益评估分析、 市场信息推送等。 应用案例 2、生长管理决策—Granular Granular是一个全方位的，从播种，收获，售卖，到结算都帮你考虑到了的公司。 在播种之前，Granular会根据农场的历史数据来告诉农场主每个决定所带来的后果。 在收获季到来前，Granular会自动根据农场本季的农作物来制定一个to-do list。 在售卖阶段，Granular能根据市场价格，储存成本等给农场主在不同阶段提供不同的销售策略，并且提供一套完整的财会软件来帮助农场主解决税收，账务等问题；并将这些数据作为下个播种季的分析资料。 三、大数据与农田施肥管理 结合领域 1、精准施肥 根据作物长势、土壤状况，经过数据的分析和运算，确定肥料的用量和施肥方案。 2、效益分析、评价 根据投入、产出及相关数据，对生产效益进行评价、比较、分析。 最高效的肥料用量是多少？最高效的肥料类型是什么？最高效的施肥方案是什么？影响肥效的主要因素有哪些？各自影响率？ 3、肥料市场分析 企业产品，什么时候需要升级换代，产品市场什么时候达到饱和，如何调整市场结构等等，都可以用大数据的手段加以分析预测，为企业提供咨询指导。 有机肥的发展趋势？ 企业何时转型？ 应用案例 测土配方施肥 大数据技术提供：  数据+方法+预测+决策