王元?jiǎng)?，李瑜玲，吳華瑞，郭 威，陳 誠(chéng)，孟淑春

（1. 北京農(nóng)業(yè)信息技術(shù)研究中心，北京 100097；2. 石家莊市農(nóng)林科學(xué)研究院，石家莊 050041；3. 北京市農(nóng)林科學(xué)院蔬菜研究中心，北京 100097）

0 引 言

當(dāng)前，經(jīng)濟(jì)社會(huì)已經(jīng)由信息（information technology，IT）時(shí)代進(jìn)入數(shù)字（digital technology，DT）時(shí)代，數(shù)據(jù)已成為各行各業(yè)發(fā)展的重要?jiǎng)?chuàng)新驅(qū)動(dòng)力，農(nóng)業(yè)大數(shù)據(jù)在重塑生產(chǎn)要素、精準(zhǔn)管理決策、培育新動(dòng)能等方面具有廣闊前景，農(nóng)業(yè)園區(qū)作為科技研發(fā)和技術(shù)推廣的“孵化器”之一，是農(nóng)業(yè)現(xiàn)代化的重要領(lǐng)域，承載著產(chǎn)業(yè)聚集、科研協(xié)同和示范引領(lǐng)等重要功能，迫切需要在提升科技服務(wù)水平、促進(jìn)供給側(cè)結(jié)構(gòu)性改革、提高農(nóng)產(chǎn)品質(zhì)量和市場(chǎng)競(jìng)爭(zhēng)力等方面加快發(fā)展，開(kāi)展數(shù)字化園區(qū)建設(shè)是實(shí)現(xiàn)這一目標(biāo)的重要途徑[1-2]。

運(yùn)用地理信息、三維數(shù)字化等技術(shù)是實(shí)現(xiàn)園區(qū)信息化的常規(guī)手段，可以通過(guò) GIS數(shù)據(jù)、遙感影像數(shù)據(jù)、三維建模數(shù)據(jù)實(shí)現(xiàn)園區(qū)可視化管理。近年來(lái)，球面全景圖加入GIS框架的全景GIS技術(shù)成為信息化發(fā)展的重要內(nèi)容，可以多角度、多方面三維視覺(jué)大幅提升二維地圖的實(shí)景效果，并能充分運(yùn)用多媒體甚至物聯(lián)網(wǎng)實(shí)時(shí)監(jiān)測(cè)等多種類型信息進(jìn)行綜合管理，在拓展信息化深入發(fā)展、消除“信息孤島”等方面發(fā)揮重要作用[3-7]。

然而，常規(guī)的數(shù)字化通常是依賴大型商用GIS平臺(tái)對(duì)大規(guī)模地物進(jìn)行數(shù)字化建模，這種建模方式成本高昂[8]，在基層小尺度園區(qū)數(shù)字化建設(shè)上有很大的局限性，本文針對(duì)此背景，結(jié)合基層農(nóng)業(yè)園區(qū)典型業(yè)務(wù)需求，面向園區(qū)信息化設(shè)計(jì)提出了基于全景GIS的低成本數(shù)字化方案，設(shè)計(jì)并實(shí)現(xiàn)了園區(qū)全景信息動(dòng)態(tài)管理、監(jiān)測(cè)數(shù)據(jù)在線分析挖掘和試驗(yàn)數(shù)據(jù)協(xié)同分析等功能，以期為促進(jìn)物聯(lián)網(wǎng)、大數(shù)據(jù)在農(nóng)業(yè)領(lǐng)域的深入應(yīng)用，提供了借鑒模式和方法。

1 園區(qū)數(shù)字化技術(shù)

園區(qū)數(shù)字化的核心任務(wù)是實(shí)現(xiàn)數(shù)據(jù)的快速采集和在線化，形成大數(shù)據(jù)，進(jìn)行可視化建模和在線挖掘分析。其中基礎(chǔ)地理、作物生長(zhǎng)環(huán)境和試驗(yàn)等數(shù)據(jù)與現(xiàn)階段園區(qū)“產(chǎn)業(yè)聚集、新動(dòng)能培育”發(fā)展目標(biāo)緊密相關(guān)，全部采用人工方式或自動(dòng)化采集方式不符合傳感器技術(shù)發(fā)展現(xiàn)狀和園區(qū)應(yīng)用實(shí)際，本文采用自動(dòng)化物聯(lián)網(wǎng)監(jiān)測(cè)、數(shù)字影像無(wú)人機(jī)規(guī)?；臄z和跨學(xué)科跨地域業(yè)務(wù)數(shù)據(jù)協(xié)同獲取等多種手段相結(jié)合的方式[9-12]，實(shí)現(xiàn)園區(qū)數(shù)字化，主要技術(shù)流程如圖1所示。

1.1 物聯(lián)網(wǎng)監(jiān)測(cè)

作物生長(zhǎng)環(huán)境時(shí)空變異大，現(xiàn)有的傳感器能夠覆蓋到常規(guī)監(jiān)測(cè)指標(biāo)，因此在大田和設(shè)施溫室內(nèi)最大限度部署小型傳感器，對(duì)園區(qū)內(nèi)各節(jié)點(diǎn)的空氣溫度、空氣濕度、日降水量、風(fēng)力、太陽(yáng)輻射、風(fēng)向、土壤濕度和土壤溫度等數(shù)據(jù)進(jìn)行自動(dòng)采集，通過(guò)無(wú)線傳輸網(wǎng)絡(luò)匯聚到園區(qū)全景 GIS云服務(wù)系統(tǒng)數(shù)據(jù)中心，為智慧園區(qū)管理提供歷史數(shù)據(jù)和實(shí)時(shí)在線數(shù)據(jù)。

圖1 園區(qū)多源數(shù)字化技術(shù)流程Fig.1 Multi-source technique process of park

1.2 無(wú)人機(jī)數(shù)字影像獲取

在園區(qū)的基礎(chǔ)地理數(shù)據(jù)采集上，采用大比例尺的三維建模方式需要投入大量人力，因此直接運(yùn)用國(guó)產(chǎn)無(wú)人機(jī)，根據(jù)園區(qū)規(guī)模，在30～500 m高度范圍內(nèi)飛行，獲取全景拍攝和高分辨率影像數(shù)據(jù)，進(jìn)行批量畸變校正、圖像拼接和地理坐標(biāo)校正后，獲取三維視覺(jué)的全景交互數(shù)據(jù)和平面GIS數(shù)據(jù)，為精細(xì)化生產(chǎn)、農(nóng)作物生長(zhǎng)過(guò)程觀測(cè)等業(yè)務(wù)提供高效、動(dòng)態(tài)、低成本的數(shù)字化管理技術(shù)[13]。

1.3 跨學(xué)科跨地域?qū)ｎ}數(shù)據(jù)獲取

對(duì)于與氣象、墑情同等重要但又無(wú)法通過(guò)傳感器實(shí)時(shí)快速采集的數(shù)據(jù)，設(shè)計(jì)采用支撐科研協(xié)同的方式進(jìn)行跨學(xué)科跨地域?qū)ｎ}數(shù)據(jù)獲取，即通過(guò)信息系統(tǒng)將園區(qū)和農(nóng)技人員、產(chǎn)業(yè)專家和科研院所連接起來(lái)，以協(xié)同合作的方式線下獲取土壤肥力、作物長(zhǎng)勢(shì)和品種試驗(yàn)等專題數(shù)據(jù)，整合入系統(tǒng)進(jìn)行挖掘分析。

2 高頻并發(fā)數(shù)據(jù)存儲(chǔ)技術(shù)

在園區(qū)數(shù)字化中，全景和基礎(chǔ)地理相關(guān)的影像數(shù)據(jù)采用傳統(tǒng)的非結(jié)構(gòu)化文件存儲(chǔ)，跨學(xué)科跨地域協(xié)作試驗(yàn)數(shù)據(jù)采用傳統(tǒng)的關(guān)系型數(shù)據(jù)庫(kù)存儲(chǔ)。物聯(lián)網(wǎng)實(shí)時(shí)監(jiān)測(cè)數(shù)據(jù)不能直接采用傳統(tǒng)的存儲(chǔ)方式，需要在架構(gòu)上進(jìn)行擴(kuò)展性設(shè)計(jì)，實(shí)現(xiàn)高頻并發(fā)數(shù)據(jù)高效穩(wěn)定存儲(chǔ)。

2.1 高頻并發(fā)數(shù)據(jù)存儲(chǔ)流程及優(yōu)化策略

物聯(lián)網(wǎng)實(shí)時(shí)監(jiān)測(cè)數(shù)據(jù)具有高頻率、持續(xù)并發(fā)增長(zhǎng)特點(diǎn)，易導(dǎo)致接收數(shù)據(jù)所在服務(wù)器信息系統(tǒng)癱瘓[14]。近年來(lái)興起的NoSQL技術(shù)采用列存儲(chǔ)的橫向擴(kuò)展方式解決這方面的問(wèn)題，但這在農(nóng)業(yè)園區(qū)應(yīng)用中具有一定的難度。本文設(shè)計(jì)采用兼具NoSQL和關(guān)系型數(shù)據(jù)庫(kù)優(yōu)勢(shì)的存儲(chǔ)機(jī)制（圖 1），對(duì)于基層部門(mén)的物聯(lián)網(wǎng)實(shí)時(shí)監(jiān)測(cè)數(shù)據(jù)管理具有較強(qiáng)的可行性。

高頻并發(fā)數(shù)據(jù)存取流程（圖2）具體實(shí)現(xiàn)機(jī)制采用由config、partion、pool、build和query模塊組成的TribeDB中間件（Middleware）按表1的優(yōu)化策略對(duì)傳統(tǒng)的數(shù)據(jù)存取模式進(jìn)行優(yōu)化，對(duì)高頻、并發(fā)量大的數(shù)據(jù)進(jìn)行分表分庫(kù)配置，增加其橫向擴(kuò)展性能，使MySQL具有可伸縮、高擴(kuò)展的架構(gòu)，從而具備海量數(shù)據(jù)分布式存取功能，成倍提升性能[15-16]。

圖2 高頻并發(fā)數(shù)據(jù)存取流程Fig.2 High frequency concurrent data access process

表1 統(tǒng)一存儲(chǔ)模型優(yōu)化策略Table 1 Optimizing strategy for unified storage model

當(dāng)有數(shù)據(jù)向MySQL數(shù)據(jù)庫(kù)存儲(chǔ)時(shí)，TribeDB中間件讀取 tribeDB.conf配置文件定義的分庫(kù)/分表存儲(chǔ)策略，對(duì)操作進(jìn)行攔截和優(yōu)化，將寫(xiě)操作統(tǒng)一由 TribeDB中間件按配置表路由要到指定的庫(kù)（schema）和表（table）中，將頻繁寫(xiě)操作對(duì)磁盤(pán)造成的I/O壓力轉(zhuǎn)移到TribeDB中間件，由路由策略將負(fù)荷分散到不同庫(kù)表節(jié)點(diǎn)，從而避免因數(shù)據(jù)訪問(wèn)瓶頸導(dǎo)致服務(wù)器宕機(jī)。

2.2 高頻并發(fā)數(shù)據(jù)存儲(chǔ)架構(gòu)

針對(duì)高頻并發(fā)數(shù)據(jù)存取目標(biāo)，設(shè)計(jì)“一主多從（1 Master –n Slave）”式MySQL存儲(chǔ)物理架構(gòu)（圖3），基于 TribeDB中間件的統(tǒng)一存儲(chǔ)調(diào)度功能，靈活增加普通數(shù)據(jù)庫(kù)服務(wù)器，擴(kuò)展系統(tǒng)的整體性能，從而高效應(yīng)對(duì)大規(guī)模數(shù)據(jù)訪問(wèn)請(qǐng)求[17]。

在圖3架構(gòu)中，采用多個(gè)計(jì)算單元（CU1～CUz）、多個(gè)數(shù)據(jù)庫(kù)服務(wù)器（DS1～DSn）和大量 MySQL數(shù)據(jù)庫(kù)（Db1m～Dbmsn-1）來(lái)負(fù)載高頻增長(zhǎng)數(shù)據(jù)存儲(chǔ)，物理拓?fù)浣Y(jié)構(gòu)與表 1設(shè)計(jì)的統(tǒng)一存儲(chǔ)模型優(yōu)化策略相對(duì)應(yīng)，在CU1～CUn每個(gè)節(jié)點(diǎn)計(jì)算單元數(shù)據(jù)庫(kù)服務(wù)器上都部署開(kāi)源Node.js分布式計(jì)算總線（圖4），基于TribeDB中間件，遵循tribeDB.conf定義的數(shù)據(jù)路由策略，通過(guò)調(diào)用優(yōu)化動(dòng)態(tài)路由配置（config）、數(shù)據(jù)處理模式（mode）、對(duì)象深度處理（util）、并發(fā)訪問(wèn)指令構(gòu)建（create）、分區(qū)路由計(jì)算（partion）和多節(jié)點(diǎn)池化資源集群（pool）等模塊的客戶端存根（Stub）接口，優(yōu)化MySQL原有的單點(diǎn)存取機(jī)制，保障數(shù)據(jù)的集群化協(xié)同存取目標(biāo)（圖2）實(shí)現(xiàn)，實(shí)現(xiàn)實(shí)時(shí)監(jiān)測(cè)數(shù)據(jù)的并發(fā)存取任務(wù)。

圖3 高頻并發(fā)數(shù)據(jù)存取架構(gòu)Fig.3 High frequency concurrent data access framework

3 園區(qū)全景GIS云服務(wù)系統(tǒng)設(shè)計(jì)

通過(guò)以上園區(qū)數(shù)字化技術(shù)獲取的數(shù)據(jù)資源，本文選用開(kāi)源軟件為主的基礎(chǔ)軟件環(huán)境，采用主流的 Web Service 云服務(wù)技術(shù)進(jìn)行園區(qū)全景GIS云服務(wù)系統(tǒng)設(shè)計(jì)研發(fā)，以降低基層管理部門(mén)數(shù)字化建設(shè)成本，保障系統(tǒng)的先進(jìn)性和靈活擴(kuò)展特性（圖4）。

圖4 園區(qū)全景GIS系統(tǒng)Fig.4 Park panoramic GIS system

全景 GIS相關(guān)基礎(chǔ)軟件采用開(kāi)源 Geo Server和PaperVision3d，通過(guò)Tomcat Web服務(wù)器部署基于SOA（面向服務(wù)）和RIA（富客戶端應(yīng)用，rich internet application）框架，由TribeDB中間件提供Web Service接口，實(shí)現(xiàn)關(guān)系數(shù)據(jù)庫(kù)負(fù)載均衡，Tomcat Web服務(wù)器提供各類業(yè)務(wù)的SOA云服務(wù)，面向?qū)＜?、農(nóng)技人員、科研機(jī)構(gòu)和管理部門(mén)等類型用戶，提供WebGIS和全景VR空間信息服務(wù)，以節(jié)省小尺度數(shù)字化系統(tǒng)構(gòu)建成本。

3.1 全景GIS信息管理

將球面全景圖納入 GIS框架，可從多個(gè)方位對(duì)真實(shí)場(chǎng)景進(jìn)行拍攝合成模擬，建立三維全景地圖數(shù)據(jù)庫(kù)，從整體、局部和細(xì)微角度呈現(xiàn)三維實(shí)景，大幅度提升二維電子地圖的實(shí)景效果[7]。

在全景GIS構(gòu)建上采用PaperVision3d引擎，在Action Script中對(duì)3D 對(duì)象（display-object 3D）、攝像機(jī)（camera）、材質(zhì)（material）、場(chǎng)景（scene）、視點(diǎn)（viewport）、渲染引擎（render）等元素進(jìn)行參數(shù)定義或動(dòng)作控制，將全景圖像作為Sphere 對(duì)象的紋理給球體添加紋理材質(zhì)，對(duì)全景圖像進(jìn)行球面虛擬場(chǎng)景動(dòng)態(tài)渲染，實(shí)現(xiàn)對(duì)園區(qū)的三維全景瀏覽和漫游交互功能[18]。

3.2 全景GIS二三維聯(lián)動(dòng)

球面全景圖與 GIS的球面投影相似，雖然二者半徑和球心位置不同，但各自投影系內(nèi)坐標(biāo)可以相互轉(zhuǎn)換，從而實(shí)現(xiàn)全景GIS與GIS的二三維信息關(guān)聯(lián)。聯(lián)動(dòng)的途徑主要是通過(guò)在球面全景場(chǎng)景內(nèi)底面“大地”坐標(biāo)（x',y'）與二維平面GIS場(chǎng)景內(nèi)大地坐標(biāo)（x,y）之間建立比例和平移轉(zhuǎn)換關(guān)系，從而實(shí)現(xiàn)觸及全景球面地物，可觸發(fā)二維GIS中相應(yīng)位置信息查詢功能，如該位置的土壤肥力、投入品、廢棄物綜合利用等情況。

3.3 全景GIS系統(tǒng)相關(guān)模型與分析

全景 GIS系統(tǒng)大幅提升了二維地圖的實(shí)景效果，在數(shù)字化應(yīng)用服務(wù)上需要解決自身的坐標(biāo)系轉(zhuǎn)換、熱點(diǎn)交互響應(yīng)和物聯(lián)網(wǎng)監(jiān)測(cè)數(shù)據(jù)模型分析等方面的技術(shù)支撐問(wèn)題，同時(shí)也需要對(duì)實(shí)景交互過(guò)程中的重要生產(chǎn)環(huán)節(jié)提供數(shù)據(jù)的協(xié)同分析功能。

主要途徑是在軟件工程中，運(yùn)用全景GIS理論模型，在與用戶交互的球面坐標(biāo)系統(tǒng)中設(shè)置與全景平面圖中對(duì)應(yīng)坐標(biāo)的熱點(diǎn)響應(yīng)事件，觸發(fā)物聯(lián)網(wǎng)實(shí)時(shí)數(shù)據(jù)查詢、在線分析和跨學(xué)科協(xié)同分析等服務(wù)，實(shí)現(xiàn)數(shù)字化系統(tǒng)的全景交互功能（圖5）。

3.3.1 全景坐標(biāo)系轉(zhuǎn)換

熱點(diǎn)響應(yīng)和“全景”與2D聯(lián)動(dòng)是全景GIS系統(tǒng)的2個(gè)關(guān)鍵技術(shù)點(diǎn)，實(shí)現(xiàn)上主要依賴于全景影像與交互視圖的坐標(biāo)轉(zhuǎn)換，全景拍攝影像數(shù)據(jù)經(jīng)批量畸變校正、拼接等處理操作后，得到如圖6所示的2:1全景平面圖，將其投影到圖 7左側(cè)圖形所示半徑為 R（其值為 L/2π）的半球面上[19-22]。

依據(jù)左手定則笛卡爾坐標(biāo)系對(duì)應(yīng)算法，即可得到二者坐標(biāo)系轉(zhuǎn)換模型，算出平面中 A(x,y)點(diǎn)在球面中對(duì)應(yīng)A' (x',y',z')點(diǎn)的坐標(biāo)值，如公式（1）所示。

圖5 全景GIS系統(tǒng)熱點(diǎn)交互Fig.5 Interaction of panoramic GIS system by hot spot

圖6 園區(qū)全景平面圖中任意點(diǎn)A的位置Fig.6 Position of any point A in park panoramic image

圖7 球面上對(duì)應(yīng)點(diǎn)A'的位置Fig.7 Position of corresponding point A' on sphere

式中，φ 為從球心到A'點(diǎn)的連線與Y軸夾角，θ為從球心到A'點(diǎn)的連線在XOZ平面上的投影與X軸夾角。

利用上述公式進(jìn)一步計(jì)算，可得到平面點(diǎn) A與曲面點(diǎn)A'的關(guān)系

3.3.2 物聯(lián)網(wǎng)實(shí)時(shí)數(shù)據(jù)在線挖掘分析模型

物聯(lián)網(wǎng)監(jiān)測(cè)原始數(shù)據(jù)，往往不能很好地反映生產(chǎn)經(jīng)營(yíng)管理目標(biāo)狀況（例如作物需水量、病蟲(chóng)害發(fā)生情況等），通常需要基于原始數(shù)據(jù)形成的綜合指標(biāo)來(lái)進(jìn)行挖掘分析。以作物需水量為例，選用彭曼—蒙蒂斯（Penman—Monteith）模型分析作物需水量，其中相對(duì)需水量模型如下[23-24]：

式中 ET0為參考作物蒸散量，mm/d；Δ為溫度—飽和水汽壓關(guān)系曲線在溫度 T處的切線斜率，kPa/℃；Rn為凈輻射 MJ/(m2·d)；G為土壤熱通量，MJ/(m2·d)；T為平均溫度，℃；r為干濕表常數(shù)；U2為2 m高處風(fēng)速，m/s；es為平均飽和水汽壓，kPa；ea為實(shí)際水汽壓，kPa。

基于物聯(lián)網(wǎng)監(jiān)測(cè)數(shù)據(jù)，運(yùn)用 TribeDB中間件調(diào)度相應(yīng)數(shù)據(jù)，計(jì)算出作物參考需水量ET0，再根據(jù)作物各生長(zhǎng)階段作物系數(shù)，就可計(jì)算出作物生育期需水量，以此為核心，參與相關(guān)的分析，實(shí)例詳見(jiàn)表2。

表2 物聯(lián)網(wǎng)實(shí)時(shí)數(shù)據(jù)在線分析Table 2 Online analysis for internet of things datas

如表2所示，基于TribeDB中間件分布式協(xié)同計(jì)算技術(shù)，從存儲(chǔ)系統(tǒng)中調(diào)度出模型的輸入?yún)?shù)數(shù)據(jù)，計(jì)算作物需水量，實(shí)現(xiàn)物聯(lián)網(wǎng)實(shí)時(shí)監(jiān)測(cè)數(shù)據(jù)在線分析功能，解決了多指標(biāo)物聯(lián)網(wǎng)監(jiān)測(cè)數(shù)據(jù)的降維分析問(wèn)題。在此基礎(chǔ)上，按文獻(xiàn)[25-26]論述方法，選用非參數(shù)時(shí)間序列ARIMA(p,d,q)分析模型，在通過(guò)數(shù)據(jù)差分化（d階差分）保證待分析數(shù)據(jù)平穩(wěn)前提條件下，選擇自回歸階 p和移動(dòng)平均階 q的合適數(shù)值，對(duì)觀測(cè)數(shù)據(jù)分析結(jié)果做進(jìn)一步預(yù)測(cè)分析，從而挖掘監(jiān)測(cè)數(shù)據(jù)潛在規(guī)律，為經(jīng)營(yíng)管理工作從事后轉(zhuǎn)身事前提供依據(jù)（圖8）[27-28]。

圖8 園區(qū)物聯(lián)網(wǎng)數(shù)據(jù)在線分析示例Fig.8 Example of online analysis for park IoT datas

3.3.3 試驗(yàn)數(shù)據(jù)協(xié)同分析

從產(chǎn)學(xué)研的角度，園區(qū)通常要面臨資源環(huán)境稟賦需求，與專家、科研人員協(xié)作開(kāi)展育種、栽培模式、品種對(duì)比等試驗(yàn)活動(dòng)，在試驗(yàn)數(shù)據(jù)分析方面的需求也很迫切。由于領(lǐng)域交叉性，短期內(nèi)系統(tǒng)平臺(tái)難以實(shí)現(xiàn)全要素的跨學(xué)科數(shù)據(jù)在線挖掘分析，因此以科研協(xié)同的方式，以園區(qū)為載體將分析師、農(nóng)業(yè)專家連接起來(lái)，從而實(shí)現(xiàn)試驗(yàn)數(shù)據(jù)的快捷、權(quán)威分析，為園區(qū)生產(chǎn)服務(wù)。

以菠菜品種試驗(yàn)分子標(biāo)記數(shù)據(jù)分析為例，將在園區(qū)進(jìn)行協(xié)同試驗(yàn)的31個(gè)品種運(yùn)用AFLP引物組合進(jìn)行分子標(biāo)記，得到表3所示數(shù)據(jù)。

表3 菠菜分子標(biāo)記數(shù)據(jù)Table 3 Molecular marker data of spinach

表3中共有31個(gè)品種（C1～C31）、276條記錄，根據(jù)AFLP擴(kuò)增條帶的有無(wú)，統(tǒng)計(jì)數(shù)據(jù)為1、0矩陣，對(duì)其進(jìn)行相似系數(shù)矩陣計(jì)算、非加權(quán)配對(duì)算術(shù)平均法（UPGMA）聚類等分析[29-30]，得到反映各品種親緣關(guān)系的遺傳距離（圖 9），揭示不同品種間在遺傳上的遠(yuǎn)近關(guān)系，為選擇培育優(yōu)良性狀品種提供依據(jù)[31]。

圖9 科研協(xié)同試驗(yàn)數(shù)據(jù)分析Fig.9 Test datas analysis by scientific and research collaboration

4 結(jié) 論

在DT時(shí)代信息化的方向正在發(fā)生重要轉(zhuǎn)變，信息系統(tǒng)平臺(tái)的功能也在向以數(shù)字化表達(dá)和數(shù)據(jù)資源深度利用的方向發(fā)生重要轉(zhuǎn)變，本文基于上述設(shè)計(jì)，最后運(yùn)用TribeDB中間件“一主多從式”MySQL大數(shù)據(jù)存儲(chǔ)模式，采用 Geo Server、PaperVision3d、Node.js等開(kāi)源基礎(chǔ)軟件平臺(tái)和分布式計(jì)算總線，運(yùn)用JavaEE、RIA技術(shù)構(gòu)建了基于全景 GIS的園區(qū)數(shù)字化云服務(wù)系統(tǒng)原型，實(shí)現(xiàn)了全景交互環(huán)境下數(shù)字化園區(qū)管理核心功能，取得了以下結(jié)果。

1）提出輕量級(jí)農(nóng)業(yè)園區(qū)數(shù)字化云服務(wù)系統(tǒng)構(gòu)建技術(shù)。綜合采用了全景影像，融合傳感器監(jiān)測(cè)等低成本數(shù)據(jù)獲取技術(shù)，重點(diǎn)解決了全景影像坐標(biāo)轉(zhuǎn)換熱點(diǎn)應(yīng)用、全景與二維 GIS聯(lián)動(dòng)查詢和物聯(lián)網(wǎng)監(jiān)測(cè)數(shù)據(jù)在線挖掘與預(yù)測(cè)分析等方面的核心應(yīng)用問(wèn)題，實(shí)現(xiàn)適合園區(qū)全息化信息管理等系統(tǒng)構(gòu)建目標(biāo)。

2）設(shè)計(jì)了高效適用的物聯(lián)網(wǎng)高頻并發(fā)數(shù)據(jù)云存儲(chǔ)模式。充分考慮農(nóng)業(yè)領(lǐng)域信息化基礎(chǔ)現(xiàn)狀與技術(shù)需求，設(shè)計(jì)采用了TribeDB中間件實(shí)現(xiàn)兼有關(guān)系數(shù)據(jù)庫(kù)和NoSQL數(shù)據(jù)庫(kù)優(yōu)勢(shì)的數(shù)據(jù)存儲(chǔ)架構(gòu)，通過(guò)分布式計(jì)算和數(shù)據(jù)路由設(shè)計(jì)，在保障系統(tǒng)應(yīng)對(duì)高頻、快速增長(zhǎng)數(shù)據(jù)存取需求的情況下，減少了技術(shù)的復(fù)雜程度和大數(shù)據(jù)建模上的額外開(kāi)銷。

3）提出了擴(kuò)展性強(qiáng)的數(shù)字化資源整合利用模式。利用田間傳感器、空中無(wú)人機(jī)和地面互聯(lián)網(wǎng)科研協(xié)同的方式，將自動(dòng)采集和人工實(shí)驗(yàn)分析相結(jié)合，以全息式、實(shí)時(shí)信息流的服務(wù)模式，連接園區(qū)、產(chǎn)業(yè)專家和數(shù)據(jù)分析師人員，從而充分拓展了數(shù)字化系統(tǒng)的“互聯(lián)網(wǎng)+”功能，實(shí)現(xiàn)產(chǎn)學(xué)研資源協(xié)同整合。

本文研究的原型系統(tǒng)初步在京津冀地區(qū)的園區(qū)信息化中得到應(yīng)用，很好地滿足了基層園區(qū)對(duì)數(shù)字化云服務(wù)方面的技術(shù)需求，應(yīng)用效果良好，在促進(jìn)物聯(lián)網(wǎng)、大數(shù)據(jù)技術(shù)深入應(yīng)用、學(xué)科技術(shù)在農(nóng)村基層地區(qū)的交叉融合等方面具有一定借鑒意義。

[1] 張慧媛，郭雪霞，劉瑜，等. 農(nóng)產(chǎn)品加工產(chǎn)業(yè)園區(qū)聚集水平的發(fā)展評(píng)價(jià)[J]. 農(nóng)業(yè)工程學(xué)報(bào). 2016, 32(增刊1)：320－324.Zhang Huiyuan，Guo Xuexia，Liu Yu，et al. Evaluation of cluster development level of agriculture products processing industrial park [J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE)，2016，32（Supp. 1）: 320－324. (in Chinese with English abstract)

[2] 馮卓斌. 淺析渠縣現(xiàn)代農(nóng)業(yè)園區(qū)發(fā)展現(xiàn)狀及對(duì)策[J]. 三農(nóng)論壇. 2017, 34(2)：166－168.

[3] 陳維榕，童倩倩，舒田，等. 三維模型在農(nóng)業(yè)感知物聯(lián)網(wǎng)中的研究與應(yīng)用[J]. 貴州農(nóng)業(yè)科學(xué). 2017, (11)：135－138.

[4] 尤達(dá)，鄭翔，李卓霖，等. 數(shù)字技術(shù)在福建南平市博遠(yuǎn)農(nóng)莊改造中的應(yīng)用[J]. 防護(hù)林科技. 2017, (5)：103－105.

[5] 王廷華，姚輝博，王恩標(biāo). 企業(yè)全息化數(shù)據(jù)智慧應(yīng)用平臺(tái)若干關(guān)鍵技術(shù)的研究[J]. 山東煤炭科技. 2015, (5)：178－184.

[6] 李建良，陸錚，賀耀宜. 煤礦全息數(shù)字化礦山平臺(tái)設(shè)計(jì)[J].工礦自動(dòng)化. 2015, 41(3)：57－61.

[7] 王晨. 基于全景技術(shù)的校園三維實(shí)景展示應(yīng)用研究[D].天津: 天津科技大學(xué). 2016.Wang Chen. Research and Implementation of Campus Three-dimensional Reality Based on Panorama[D]. Tianjin:Tianjin University of Science & Technology. 2016. (in Chinese with English abstract)

[8] 劉雯. 城市地理信息系統(tǒng)中的全景地圖技術(shù)初探[J]. 科技經(jīng)濟(jì)市場(chǎng). 2018, (1)：9－10.

[9] 周茜，夏清清. 數(shù)字化調(diào)查與可視化分析在城鎮(zhèn)規(guī)劃中的應(yīng)用[J]. 規(guī)劃師. 2017, 33(4)：101－108.

[10] 陳芬. 3S技術(shù)在農(nóng)業(yè)科技園區(qū)信息化管理中的應(yīng)用研究[D]. 昆明: 云南大學(xué), 2016.Chen Fen. Application of 3S Technology in Information Management of Agricultural Science and Technology Parks[D]. Kunming: Yunnan Agricultural University. 2016.(in Chinese with English abstract)

[11] 唐潔，邵壯，張春燕. 無(wú)人機(jī)圖像拼接技術(shù)的應(yīng)用研究[J].佳木斯大學(xué)學(xué)報(bào)(自然科學(xué)版). 2017(6)：918－921，982.

[12] 秦育羅. 一種高效的虛擬校園構(gòu)建模式[J]. 科技與創(chuàng)新.2017(24)：3－5.

[13] 余建軍，徐攻博，郭望成，等. 天地一體全景影像快速獲取與應(yīng)用技術(shù)[J]. 測(cè)繪通報(bào). 2017, (7)：103－107.

[14] Wang Yuansheng, Wu Huarui, Luo Lei, et al. Research on cloud storage technologies of typical crop growth environment monitoring data [J]. Computer Modelling &New Technologies. 2014, 16(2)：13－22.

[15] 康文杰，王勇，俸皓. 云平臺(tái)中 MySQL數(shù)據(jù)庫(kù)高可用性的設(shè)計(jì)與實(shí)現(xiàn)[J]. 計(jì)算機(jī)工程與設(shè)計(jì). 2018(1)：296－301.

[16] Sahithi T, Venkata M. Managing mysql cluster data using cloudera impala [J]. Procedia Computer Science 2016( 85)：463－474.

[17] Lee DongSeok, Lim JoongSoo. Design of compact data integration and convergence device using Esp8266 module[J].Journal of the Korea Convergence Society. 2017, 8(2)：15－20.

[18] 李石磊，杜明義，劉艷巍，等. 全景圖像與GIS 集成技術(shù)研究[J]. 城市勘探. 2013(4)：12－16, 20.

[19] 陳青青，湯志亞，楊玲. 地圖投影面上的全天空?qǐng)D像拼接[J]. 微型機(jī)與應(yīng)用. 2016(8)：9－11，14.

[20] 陳寧，龔蘇斌. 基于 PV3D 的全景漫游關(guān)鍵技術(shù)研究[J].系統(tǒng)仿真學(xué)報(bào). 2013, 25(9)：2140－2143.

[21] 趙毅力. 球面全景圖漫游算法研究[J]. 電腦知識(shí)與技術(shù).2011, 7(13)：3112－3113.

[22] 田軍，孟祥娟，王萍. 全景圖中投影模型與算法[J]. 計(jì)算機(jī)系統(tǒng)應(yīng)用. 2013, 22(5)：126－132, 192.

[23] 王娟，王建林，劉家斌，等. R-K 蒸散模型用于華北平原冬小麥農(nóng)田的參數(shù)校正與評(píng)價(jià)[J]. 農(nóng)業(yè)工程學(xué)報(bào). 2016,32(9)：99－105.Wang Juan, Wang Jianlin, Liu Jiabin, et al. Calibration and evaluation of R-K evapotranspiration model for winter wheat in North China Plain[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE),2016, 32(9): 99－105. (in Chinese with English abstract)

[24] 金菊良，宋占智，蔣尚明，等. 基于云模型的淮北平原參考作物蒸散量時(shí)空分布[J]. 南水北調(diào)與水利科技. 2017,(1)：25－32.Jin Juliang, Song Zhanzhi, Jiang Shangming, et al.Spatiotemporal distribution of potential evapotranspiration in Huaibei Plain based on cloud model[J]. South-to-North Water Transfers and Water Science &Technology, 2017,15(1) : 25－32. (in Chinese with English abstract)

[25] Fan Jianqing, Yao Qiwei. Nonlinear Time Series Nonparametric and Parametric Methods[M]. 北京：科學(xué)出版社. 2016.

[26] 易丹輝. 時(shí)間序列分析方法與應(yīng)用[M]. 北京：中國(guó)人民大學(xué)出版社. 2011.

[27] 熊偉麗，李妍君，姚樂(lè)，等. 一種動(dòng)態(tài)校正的AGMM-GPR多模型軟測(cè)量建模方法[J]. 大連理工大學(xué)學(xué)報(bào). 2016(1)：77－85.Xiong Weili, Li Yanjun, Yao le, et al. A dynamically corrected AGMM-GPR multi-model soft sensor modeling method[J].Journal of Dalian University of Technology. 2016(1): 77－85.(in Chinese with English abstract)

[28] 柳海濤，孫雙科，鄭鐵剛，等. 水電站下游魚(yú)類產(chǎn)卵場(chǎng)水溫的人工神經(jīng)網(wǎng)絡(luò)預(yù)報(bào)模型[J]. 農(nóng)業(yè)工程學(xué)報(bào). 2018, (4)：185－191.Liu Haitao, Sun Shuangke, Zheng Tiegang, et al. Prediction of water temperature regulation for spawning sites at downstream of hydropower station by artificial neural network method [J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2018,34(4): 185－191. (in Chinese with English abstract)

[29] 吳婭妮，康俊根，王文科，等. 菠菜種質(zhì)遺傳多樣性和親緣關(guān)系的AFLP分析[J]. 園藝學(xué)報(bào). 2013(5)：913－923.

[30] 姜德志，方應(yīng)有，肖賢，等. 基于 ISSR標(biāo)記的油茶種質(zhì)資源遺傳基礎(chǔ)分析[J]. 湖北農(nóng)業(yè)科學(xué). 2018(2)：119－125.

[31] 李芳弟，王鵬，竇俊煥，等. 加工型馬鈴薯實(shí)生群體的SSR鑒定與遺傳多樣性分析[J]. 西北農(nóng)林科技大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(4)：1－11.Li Fangdi, Wang Peng, Dou Junhuan, et al. SSR identification and genetic diversity of seedling population of processing potato[J]. Journal of Northwest A&F University(Nat. Sci. Ed.). 2018(4): 1－11. (in Chinese with English abstract)