基于大数据的智慧农业气象保障关键技术研究

High resolution satellite remote sensing data and other types of mass and heterogeneous agrometeorological data is the basis of refinement meteorological support. Complexity, veracity and emergence of agricultural meteorological support big data bring great challenges to existed microclimate prediction model. In order to deeply mine and efficiently utilize meteorological support big data, This project proposes:（1）agrometeorological support big data preprocessing algorithm based on control and correction of meteorological data to improve quality and reliability of system data;（2）correlation analysis algorithm based on subspace analysis methods to solve the problem of low efficiency of the large scale, multi variable and high dimensional agrometeorological support data analysis; （3）A time series prediction algorithm based on deep belief network is used to improve the efficiency of feature extraction of large meteorological data;（4）multi-source information fusion and meteorological support big data processing algorithm based on to solve the multi-source heterogeneous and mass meteorological data and efficient handling of data reuse difficult problem. This project is in order to provide a new idea and new theory for elucidating the wisdom agriculture meteorological support technology.

高分辨率气象卫星遥感数据等海量异构气象观测资料是精细化智慧农业气象保障的基础。农业气象保障大数据的复杂性、不确定性和涌现性为农业小气候预报模型带来巨大挑战。为深度挖掘和高效利用农业气象保障大数据，本项目提出把大数据的关键技术引入到农业气象保障业务中，本课题提出：（1）基于气象数据控制与订正的农业气象保障大数据预处理算法，提高农业气象保障数据的质量；（2）基于子空间分析方法的农业气象保障大数据相关性分析处理算法，解决大规模、多变量和高维的农业气象保障数据分析效率低下的问题；（3）基于深度信念网络的时间序列预测算法，提高气象保障大数据特征提取的效能；（4）提出基于多源信息融合的农业气象保障大数据集成技术，解决了多源异构与海量农业气象数据复用困难问题。本课题为阐明农业气象保障大数据系统相关分析、系统集成与高效处理机制提供新思路和理论。

高分辨率气象卫星遥感数据等海量异构气象观测资料是精细化智慧农业气象保障的基础。农业气象保障大数据的复杂性、不确定性和涌现性为农业小气候预报模型带来巨大挑战。为深度挖掘和高效利用农业气象保障大数据，本项目提出把大数据的关键技术引入到农业气象保障业务中，本课题提出：（1）农业气象保障大数据预处理算法，提高农业气象保障数据的质量；（2）农业气象保障大数据相关性分析处理算法，解决大规模、多变量和高维的农业气象保障数据分析效率低下的问题；（3）基于深度信念网络的时间序列预测算法，提高气象保障大数据特征提取的效能；（4）提出基于多源信息融合的农业气象保障大数据集成技术，解决了多元异构与海量农业气象数据复用困难问题。本课题为阐明农业气象保障大数据系统相关分析、系统集成与高效处理机制提供新思路和理论。