一種基於高光譜遙感的甘蔗糖分預測方法
2023-04-28 08:23:26
一種基於高光譜遙感的甘蔗糖分預測方法
【專利摘要】本發明公開了一種基於高光譜遙感的甘蔗糖分預測方法，包括以下步驟：步驟一，在管理中心平臺上架設甘蔗糖分預測分析系統；步驟二，採集基礎數據並傳輸給數據伺服器中相應的信息庫進行存儲；步驟三，糖分預測建模模塊讀取數據伺服器中相應的基礎數據進行分析處理，然後建立相應的糖分預測模型並存儲到預測模型庫中；步驟四，糖分預測模型建立好後，甘蔗糖分預測分析系統開始對相應蔗區的糖分進行分析預測，輸出砍運方案。該甘蔗糖分預測方法流程簡單、使用方便、安全可靠。
【專利說明】一種基於高光譜遙感的甘蔗糖分預測方法
【技術領域】
[0001]本發明涉及一種農作物成分的分析預測方法，具體涉及了一種基於高光譜遙感的甘蔗糖分預測方法。
【背景技術】
[0002]高光譜遙感是在電磁波譜的可見光、近紅外、中紅外和熱紅外波段範圍內，獲取許多非常窄的光譜連續的影像數據的技術，可以收集到上百個非常窄的光譜波段信息。高光譜遙感是當前遙感技術的前沿領域，它利用很多很窄的電磁波波段從感興趣的物體獲得有關數據，包含了豐富的空間、輻射和光譜三重信息。該技術被廣泛應用於地質調查、植被研究、災害監測等領域。
[0003]甘蔗糖分預測是在蔗糖榨季生產之前，對新榨季的甘蔗蔗糖分進行預測。在生產上，每年的榨季開始前，糖廠都要進行榨季生產的準備工作，包括安排砍運、生產、準備輔料等。上級主管部門也要下達蔗糖生產任務與各項經濟技術指標。上述工作都要依據於農務部門對蔗區甘蔗糖分的預測。因此這是蔗糖生產中的一個關鍵環節，對甘蔗的優化收割和蔗糖生產有重要影響。
[0004]已有的研究表明，氣候因素(降雨量、日照程度、溫度)、甘蔗品種與植期、土壤質量等因素對甘蔗糖分的影響較大。據此建立了多種糖分預測模型，如基於榨季的氣象糖分預測模型，二次曲線模型、分段Logistic模型等。現有的模型多是針對某一個或兩個影響因素進行研究，預測時有較大的局限性。且數據來源僅僅是某一區域的幾個糖廠，甚至是某一個糖廠，基礎數據沒有普遍性。高光譜遙感的大面積數據採集，不受氣候影響，不需人工幹預，十分適用於農業數據的採集。而基於高光譜遙感的甘蔗糖分預測技術在國內還是空白，研究相關方法和技術具有重要的意義。
【發明內容】
[0005]本發明的目的在於針對現有技術應用領域的空白和功能不夠全面的不足，提供了一種流程簡單、使用方便、安全可靠的基於高光譜遙感的甘蔗糖分預測方法。
[0006]為了實現上述目的，本發明採用了以下技術方案:
一種基於高光譜遙感的甘蔗糖分預測方法，包括以下步驟:
步驟一，在管理中心平臺上架設甘蔗糖分預測分析系統，該系統包括數據伺服器、衛星信息接收模塊、光譜分析模塊、糖分預測建模模塊和糖分預測模塊；在數據伺服器中設有遙感信息庫、甘蔗信息庫、糖分歷史庫、預測模型庫和氣候信息庫；
步驟二，採集基礎數據並傳輸給數據伺服器中相應的信息庫進行存儲，包括通過衛星信息接收模塊從遙感衛星地面接收站獲取的蔗區的海量歷史高光譜遙感數據(存入遙感信息庫)、從蔗區所在地的氣象站獲取的氣候信息(存入氣候信息庫)、由蔗區農業部門提供的甘蔗基本信息(存入甘蔗信息庫)和由蔗區的各個糖廠提供的歷史糖分數據(存入糖分歷史庫)； 步驟三，糖分預測建模模塊讀取數據伺服器中相應的基礎數據進行分析處理，然後建立相應的糖分預測模型並存儲到預測模型庫中，糖分預測模型包括基礎糖分分析子模型、氣候糖分分析子模型、土壤糖分分析子模型和環境糖分分析子模型；
步驟四，糖分預測模型建立好後，甘蔗糖分預測分析系統開始對相應蔗區的糖分進行分析預測，輸出砍運方案；具體為:當榨季開始前，需要對糖分進行預測時，首先採集實時數據，包括由衛星信息接收模塊從遙感衛星地面接收站獲取最新的高光譜遙感數據和從蔗區所在地的氣象站獲取最新的氣候信息；
(1)衛星信息接收模塊將高光譜遙感數據傳輸給光譜分析模塊進行分析處理，光譜分析模塊計算出植被指數和土壤信息，包括歸一化植被指數、葉面積指數、土壤的含水量、有機質含量和礦物質含量；然後傳輸給糖分預測模塊；
(2)糖分預測模塊從甘蔗信息庫中提取出要預測相應蔗區的甘蔗基礎信息，通過品種和植期計算出生長期和具體生長階段，由歸一化植被指數計算出種植密度，然後將甘蔗品種、植期、生長周期、種植密度和宿根年份輸入基礎糖分分析子模型，經由模型的分析處理出基礎糖分預測值；
糖分預測模塊從最新的氣候信息中提取出晝夜溫差、降雨量和光照度數據並輸入到氣候糖分分析子模型中，經過分析處理後得到氣候糖分預測值；
糖分預測模塊將土壤的含水量、有機質含量和礦物質含量輸入土壤糖分分析子模型，分析處理出土壤糖分預測值；
糖分預測模塊通過歸一化植被指數與葉面積指數計算出光合作用量和輻射量，並將光合作用量和輻射量輸入環境糖分分析子模型中，經過分析處理後得到環境糖分預測值；
(3)將(2)中的基礎糖分預測值、氣候糖分預測值、土壤糖分預測值和環境糖分預測值分別與各自對應的影響因子相乘，所得乘積進行求和，得到最終的糖分預測值；
(4)根據糖分預測值，結合歷史糖分數據和生長期數據進行反演，得到獲得最大糖分的最佳砍運時間，生成具體砍運方案，作為糖廠安排本榨季砍運工作的參考依據。
[0007]在上述預測方法中，各模型的分析處理過程如下:將模型所需的各項輸入參數代入模型中的數學函數中，經過函數的四則運算、條件運算得出初步預測值，若該值與模型中預設的預測值範圍出入太大，則通過誤差修正對輸入參數進行微調，再次送入模型進行處理，反覆迭代直到結果值在合理的範圍之內。
[0008]作為本發明的進一步說明，以上所述的衛星信息接收模塊採用無線WiF1、GPRS通信或有線通信方式從遙感衛星地面接收站獲取高光譜遙感數據。
[0009]作為本發明的進一步說明，以上所述的衛星信息接收模塊接收到高光譜遙感數據後，原始數據一方面直接傳輸到遙感信息庫中存檔，一方面傳輸給光譜分析模塊進行處理，提取特徵數據(即通過選取有用的光譜信息分析計算出各種植被指數、土壤信息等)，存入遙感信息庫。
[0010]作為本發明的進一步說明，以上所述的光譜分析模塊採用多種遙感圖像分類監測方法對高光譜遙感數據進行處理，提取出特徵數據，包括光譜信息、植被指數和土壤信息。
[0011]作為本發明的進一步說明，以上所述光譜分析模塊採用的遙感圖像分類監測方法包括光譜空間分析法、特徵空間分析法、混合像元分解法、分層分區圖像分類法、多時相分析方法和多源數據結合法。[0012]本發明中光譜分析模塊對高光譜遙感影像進行分類監測，採用光譜空間分析法、特徵空間分析法、混合像元分解法、分層分區圖像分類法、多時相分析方法和多源數據結合法等將影像中的特徵數據提取出來。通過對原始波段進行各種代數運算能夠得到各種光譜信息和植被指數，主要包括AVI (距平植被指數)、NDVI (歸一化差值植被指數)、RVI (比值植被指數)、PVI (垂直植被指數)、DVI (差異植被指數)、GVI (綠度植被指數)、SAVI (土壤調節植被指數)、DVIEVI (差值環境植被指數)、VCI (條件植被指數)、TCI (條件溫度指數)、NDTI (歸一化溫度指數)、VTCI (條件植被溫度指數)和GVMI (全局植被溼度指數)等。分析出來的數據和結果存入遙感信息庫中。
[0013]作為本發明的進一步說明，以上所述遙感信息庫存放的信息包括原始的高光譜遙感數據和經過分析處理後得出的光譜信息、植被指數與土壤信息；所述甘蔗信息庫存放的甘蔗基本信息包括甘蔗品種、植期、宿根年份、生長周期、種植密度和長勢指數；所述氣候信息庫存放的氣候信息包括晝夜溫差、降雨量和光照度。
[0014]作為本發明的進一步說明，以上所述步驟四的(3)中的影響因子通過繪製甘蔗基礎信息、氣候、土壤和環境數據與糖分歷史數據的特徵曲線圖，並以每條特徵曲線的平均斜率作為該特徵的影響因子。
[0015]作為本發明的進一步說明，以上所述步驟三中，糖分預測建模模塊對基礎數據的分析處理並進行建模時採用的建模方法包括差分方程法、數據擬合法、線性規劃法和概率統計法。
[0016]本發明中糖分預測建模模塊利用遙感數據、海量氣候數據、甘蔗信息數據和糖分歷史數據，採用多種建模方法如差分方程法、數據擬合法、線性規劃法和概率統計法等建立目標函數，形成基礎糖分分析子模型、氣候糖分分析子模型、土壤糖分分析子模型和環境糖分分析子模型。通過分別繪製各影響因素與糖分歷史數據的關係特徵曲線並進行分析，確定各影響因素對糖分的影響大小，制定對應的影響因子，再將各子模型的預測值與影響因子的乘積進行求和，得到最終的糖分預測值。
[0017]本發明中的基礎糖分分析子模型建立如下:經過大量歷史數據分析結果表明，甘蔗糖分高低不僅與品種、植期、宿根年份等固有信息相關，還受種植密度和各生長期的長勢所影響。因此基礎糖分分析子模型的建立要從上述幾個特徵入手，找到與糖分的線性關係建立數學函數。首先從甘蔗信息庫中獲取甘蔗的品種、植期和宿根年份信息，通過品種信息可以得到生長周期持續時間。將甘蔗的生長周期劃分為6個時期(蔗莖、花芽分化、孕穗、抽穗、開花和結實)，不同的品種對於每個時期所用的生長時間是不同的。結合植期(春植、夏植、秋植和冬植)即可計算出目前該品種蔗所處的是哪個生長期。然後建立時序空間，通過遙感信息進行各個生長期的甘蔗長勢分析，得到各生長期長勢的優劣性指數。接著利用遙感信息分析出來的歸一化植被指數NDVI定量估算甘蔗種植密度，求出象元的NDVI值與裸圖區域的NDVI值之差，以及純植被象元的NDVI值與裸圖區域的NDVI值之差，兩者的比值即為種植密度。將品種、植期、種植密度、長勢指數和宿根年份數據作為模型的輸入，糖分歷史數據作為模型的輸出，使用線性規劃、神經網絡訓練等方式建立目標函數，形成基礎糖分分析子模型。
[0018]本發明中氣候糖分分析子模型建立如下:在大量的歷史氣候數據中選取天氣狀況、降雨量、風速、溫度、溼度、晝夜溫差、光照度等典型氣候因子，結合糖分歷史數據建立時序變化曲線圖，發現對糖分影響最大的氣候因素是晝夜溫差、降雨量和光照度。因此用於作為氣候糖分分析模型的輸入參數。從氣候信息庫中獲取大量晝夜溫差、降雨量、光照度的歷史數據，作為模型的輸入，糖分歷史數據作為模型的輸出，經過反覆的迭代、演算逐漸接近目標函數，根據歷史數據的同化值修正各參數值(目標函數的係數)，建立氣候糖分分析模型。
[0019]本發明中土壤糖分分析子模型建立如下:實驗表明，土壤質量和成分能夠影響甘蔗的糖分高低。為了找出土壤特徵與糖分的關係，必須先將土壤特徵數據從高光譜遙感信息中提取出來。需要提取的土壤特徵有土壤含水量、土壤有機質含量和土壤礦物質含量。首先在高光譜遙感信息中選擇具有最小均方根誤差的光譜波段，結合相對反射率法、一階微分方法、差分方法對土壤含水量進行估算。然後進行土壤有機質含量的估算，利用光譜微分技術對部分反射光譜數值進行數學模擬，確定光譜曲線拐點。將事先測定好的土樣有機質含量與光譜反射率數據進行相關分析，計算相關係數。利用反射率對數一階微分方程建立回歸方程，採用逐步回歸分析法，建立土壤有機質預測方程。之後進行土壤礦物質含量估算，以光譜反射率(反射率倒數，反射率對數，反射率一階微分等)作為自變量，土樣礦物質含量作為因變量，運用多元線性回歸、BP神經網絡方法建立數學模型。最後，將土壤含水量、有機質含量和礦物質含量作為模型的輸入，糖分歷史數據作為模型的輸出，不斷進行反演迭代，得到土壤數據與糖分的關係，建立土壤糖分分析子模型。
[0020]本發明中環境糖分分析子模型建立如下:甘蔗的光合作用強度和效果對糖分高低具有較大影響作用，因此作為環境糖分分析的對象。將甘蔗葉面積指數(LAI)與吸收光合有效輻射(APAR)歷史數據進行比對分析，建立函數關係式；由於甘蔗葉的光合特性、呼吸特性、空間配置都相等，只是葉面積指數有差異，因此可根據葉面積指數的大小表明群體光合曲線的變化狀況；以歸一化植被指數(NDVI)分別與葉面積指數、吸收光合有效輻射作圖，找出兩兩之間的關聯性。將估算出的光合作用量與輻射量作為模型的輸入，糖分歷史數據作為模型的輸出，不斷調整目標函數的參數，反演出環境糖分分析子模型。
[0021]本發明中甘蔗糖分預測分析系統各模塊的連接關係:所述的衛星信息接收模塊分別與光譜分析模塊、遙感信息庫相連接，所述的光譜分析模塊與遙感信息庫進行雙向連接，所述的光譜分析模塊、甘蔗信息庫、糖分歷史庫、預測模型庫、糖分預測模塊和氣候信息庫分別與糖分預測建模模塊相連接；所述的預測模型庫與糖分預測模塊相連接。
[0022]本發明的優點:
1.使用高光譜遙感進行甘蔗生長環境數據的採集，覆蓋面積廣，無人值守，數據精確度高。
[0023]2.採用了基礎糖分分析子模型、氣候糖分分析子模型、土壤糖分分析子模型和環境糖分分析子模型，充分考慮到影響糖分變化的各個影響因素，提高了預測的準確度和科學性。
[0024]3.根據糖分預測結果給出砍運方案建議，為糖廠的生產決策提供參考依據。
【專利附圖】
【附圖說明】
[0025]圖1是本發明中採用的甘蔗糖分預測分析系統的結構框圖。
[0026]圖2是本發明中糖分預測模型的結構組圖。【具體實施方式】
[0027]下面結合附圖和最佳實施例對本發明進一步說明，但是本發明的保護範圍不局限於以下實施例。
[0028]實施例:
一種基於高光譜遙感的甘蔗糖分預測方法，包括以下步驟:
(I)架設甘蔗糖分預測分析系統
在管理中心平臺上架設甘蔗糖分預測分析系統，該系統包括數據伺服器、衛星信息接收模塊、光譜分析模塊、糖分預測建模模塊和糖分預測模塊；在數據伺服器中設有遙感信息庫、甘蔗信息庫、糖分歷史庫、預測模型庫和氣候信息庫。
[0029](2)基礎數據採集
作為糖分預測建模的依據，需要採集蔗區的海量歷史高光譜遙感數據、氣候數據、所種甘蔗的基礎數據、每個榨季的甘蔗糖分數據等。採集的頻率以植期與生長期為依據，每隔15天進行一次高光譜遙感數據與氣候數據的採集。高光譜遙感數據由衛星信息接收模塊從遙感衛星地面接收站取得，原始信息一方面送入遙感信息庫中存檔，一方面送入光譜分析模塊進行處理，提取出有用的光譜信息並分析計算出各種植被指數、土壤信息，存入遙感信息庫。氣候數據由蔗區氣象站提供，包括每日的晝夜溫差、降雨量和光照度，存入海量氣候信息庫。甘蔗基礎數據由蔗區農業部門提供，包括各個地塊歷史上種植的甘蔗品種、植期、宿根年份，存入甘蔗信息庫。歷史糖分數據由蔗區的各個糖廠提供，存入糖分歷史庫。
[0030](3)糖分預測建模
糖分預測建模模塊讀取數據伺服器中相應的基礎數據進行分析處理，然後建立相應的糖分預測模型並存儲到預測模型庫中，糖分預測模型包括基礎糖分分析子模型、氣候糖分分析子模型、土壤糖分分析子模型和環境糖分分析子模型。
[0031]基礎糖分分析子模型的輸入參數是甘蔗品種、植期、宿根年份、生長周期、種植密度和長勢指數，其中前四個參數值可以從甘蔗信息庫中直接獲取，後兩個參數通過對遙感信息的分析處理得到。氣候糖分分析子模型的輸入參數是晝夜溫差、降雨量和光照度，均可以從海裡氣候信息庫中直接獲取。土壤糖分分析子模型的輸入參數是土壤含水量、有機質含量和礦物質含量，均通過對遙感信息的分析處理獲得。環境糖分分析子模型的輸入參數是光合作用量和輻射量，也是通過對遙感信息的分析獲得。各子模型的輸出都是對應時期的糖分歷史數據，從糖分歷史信息庫中直接獲取。準備好各子模型的輸入和輸出數據後，即採用線性規劃、神經網絡、微分方程等建模手段，不斷迭代與反演，逐步修正目標函數的各係數，建立高擬合度的四個糖分分析子模型。通過繪製甘蔗基礎信息、氣候、土壤和環境數據與糖分歷史數據的特徵曲線圖，並比較特徵曲線的彎曲度和斜率，確定各因素的影響因子。
[0032](4)實時數據採集與糖分預測
當榨季開始前，需要對糖分進行預測時，首先由衛星信息接收模塊從遙感衛星地面接收站獲取最新的遙感數據，通過光譜分析模塊將合適的波段剝離出來，計算出各種植被指數，尤其是歸一化植被指數、葉面積指數等。從甘蔗信息庫中提取出要預測地塊的甘蔗基礎信息，通過品種和植期計算出生長期和具體生長階段，由歸一化植被指數計算出種植密度。將甘蔗品種、植期、生長周期、種植密度和宿根年份輸入基礎糖分分析子模型，經由模型的分析處理出基礎糖分預測值。從海量氣候信息庫中提取出晝夜溫差、降雨量和光照度數據，輸入氣候分析模型，經過模型的處理得到氣候糖分預測值。使用遙感植被指數根據已推導出的各數學函數分別計算出土壤的含水量、有機質含量和礦物質含量，輸入土壤糖分分析子模型，分析處理出土壤糖分預測值。通過歸一化植被指數和葉面積指數估算出光合作用量和輻射量，輸入環境糖分分析子模型，估算出環境糖分預測值。將四個預測值分別與各自對應的影響因子相乘，所得乘積進行求和，得到最終的糖分預測值。
[0033](5)砍運方案生成
根據糖分預測值，結合歷史糖分數據和生長期數據進行反演，得到獲得最大糖分的最佳砍運時間，生成具體砍運方案，作為糖廠安排本榨季砍運工作的參考依據。
【權利要求】
1.一種基於高光譜遙感的甘蔗糖分預測方法，其特徵在於，包括以下步驟: 步驟一，在管理中心平臺上架設甘蔗糖分預測分析系統，該系統包括數據伺服器、衛星信息接收模塊、光譜分析模塊、糖分預測建模模塊和糖分預測模塊；在數據伺服器中設有遙感信息庫、甘蔗信息庫、糖分歷史庫、預測模型庫和氣候信息庫； 步驟二，採集基礎數據並傳輸給數據伺服器中相應的信息庫進行存儲；所述的基礎數據包括通過衛星信息接收模塊從遙感衛星地面接收站獲取的蔗區的海量歷史高光譜遙感數據、從蔗區所在地的氣象站獲取的氣候信息、由蔗區農業部門提供的甘蔗基本信息和由蔗區的各個糖廠提供的歷史糖分數據； 步驟三，糖分預測建模模塊讀取數據伺服器中相應的基礎數據進行分析處理，然後建立相應的糖分預測模型並存儲到預測模型庫中，糖分預測模型包括基礎糖分分析子模型、氣候糖分分析子模型、土壤糖分分析子模型和環境糖分分析子模型； 步驟四，糖分預測模型建立好後，甘蔗糖分預測分析系統開始對相應蔗區的糖分進行分析預測，輸出砍運方案；具體為:當榨季開始前，需要對糖分進行預測時，首先採集實時數據，包括由衛星信息接收模塊從遙感衛星地面接收站獲取最新的高光譜遙感數據和從蔗區所在地的氣象站獲取最新的氣候信息； (1)衛星信息接收模塊將高光譜遙感數據傳輸給光譜分析模塊進行分析處理，光譜分析模塊計算出植被指數和土壤信息，包括歸一化植被指數、葉面積指數、土壤的含水量、有機質含量和礦物質含量；然後傳輸給糖分預測模塊； (2)糖分預測模塊從甘蔗信息庫中提取出要預測相應蔗區的甘蔗基礎信息，通過品種和植期計算出生長期和具體生長階段，由歸一化植被指數計算出種植密度，然後將甘蔗品種、植期、生長周期、種植密度和宿根年份輸入基礎糖分分析子模型，經由模型的分析處理出基礎糖分預測值； 糖分預測模塊從最新的氣候信息中提取出晝夜溫差、降雨量和光照度數據並輸入到氣候糖分分析子模型中，經過分析處理後得到氣候糖分預測值； 糖分預測模塊將土壤的含水量、有機質含量和礦物質含量輸入土壤糖分分析子模型，分析處理出土壤糖分預測值； 糖分預測模塊通過歸一化植被指數與葉面積指數計算出光合作用量和輻射量，並將光合作用量和輻射量輸入環境糖分分析子模型中，經過分析處理後得到環境糖分預測值； (3)將(2)中的基礎糖分預測值、氣候糖分預測值、土壤糖分預測值和環境糖分預測值分別與各自對應的影響因子相乘，所得乘積進行求和，得到最終的糖分預測值； (4)根據糖分預測值，結合歷史糖分數據和生長期數據進行反演，得到獲得最大糖分的最佳砍運時間，生成具體砍運方案，作為糖廠安排本榨季砍運工作的參考依據。
2.根據權利要求1所述的基於高光譜遙感的甘蔗糖分預測方法，其特徵在於:所述的衛星信息接收模塊採用無線WiF1、GPRS通信或有線通信方式從遙感衛星地面接收站獲取高光譜遙感數據。
3.根據權利要求1或2所述的基於高光譜遙感的甘蔗糖分預測方法，其特徵在於:所述的衛星信息接收模塊接收到高光譜遙感數據後，原始數據一方面直接傳輸到遙感信息庫中存檔，一方面傳輸給光譜分析模塊進行處理，提取特徵數據，存入遙感信息庫。
4.根據權利要求3所述的基於高光譜遙感的甘蔗糖分預測方法，其特徵在於:所述的光譜分析模塊採用多種遙感圖像分類監測方法對高光譜遙感數據進行處理，提取出特徵數據，包括光譜信息、植被指數和土壤信息。
5.根據權利要求4所述的基於高光譜遙感的甘蔗糖分預測方法，其特徵在於:所述光譜分析模塊採用的遙感圖像分類監測方法包括光譜空間分析法、特徵空間分析法、混合像元分解法、分層分區圖像分類法、多時相分析方法和多源數據結合法。
6.根據權利要求1所述的基於高光譜遙感的甘蔗糖分預測方法，其特徵在於:所述遙感信息庫存放的信息包括原始的高光譜遙感數據和經過分析處理後得出的光譜信息、植被指數與土壤信息；所述甘蔗信息庫存放的甘蔗基本信息包括甘蔗品種、植期、宿根年份、生長周期、種植密度和長勢指數；所述氣候信息庫存放的氣候信息包括晝夜溫差、降雨量和光照度。
7.根據權利要求1所述的基於高光譜遙感的甘蔗糖分預測方法，其特徵在於:所述步驟三中，糖分預測建模模塊對基礎數據的分析處理並進行建模時採用的建模方法包括差分方程法、數據擬合法、線性規劃法和概率統計法。
8.根據權利要求1所述的基於高光譜遙感的甘蔗糖分預測方法，其特徵在於:所述步驟四的(3)中的影響因子通過繪製甘蔗基礎信息、氣候、土壤和環境數據與糖分歷史數據的特徵曲線圖，並 以每條特徵曲線的平均斜率作為該特徵的影響因子。
【文檔編號】G01N21/25GK103760114SQ201410039728
【公開日】2014年4月30日 申請日期:2014年1月27日 優先權日:2014年1月27日
【發明者】林興志, 潘翔 申請人:林興志, 廣西卡西亞科技有限公司