智慧农业（数字化转型）

智慧农业（建设云平台，数字化）

数字农业平台（图）

土地资源监测

运用人工智能识别技术结合卫星遥感数据，对全区的用地类型进行精准分析，融合管理部门的业务数据，实现对全域范围内涵盖耕地、林地、水域、城镇及其他等类型分布、面积测算等精准监测，以图表的形式展示各地类在全域范围的面积及占比情况。同时，在GIS地图上展示全区耕地的空间分布，并接入显示区域内永久基本农田和非永久基本农田的数据，以图表的形式展示基本农田的面积与占比，让管理部门实时掌握耕地资源数量变化、面积分布、做到耕地资源数量底数清。

地块分布监控（图）

通过遥感技术、无人机测绘技术，根据耕地纹理确定地块位置、识别地块分界、测算地块和种植面积，实现对地块的宏观和精细化的描绘，根据用地需求进行划分。

每个地块基本信息都可以进行浏览，包括地块的身份编码、地块的名称、地块的测量面积、地块的类型（农用地、非农用地）、地块的属性（大棚、大田、水塘、草地等）。

绿色地块入网，保证了管理人员第一时间了解红光范围内地块信息情况，方便管理人员对相关政策的发布，做到宏观调控有理可依。

执法记录监管（图）

在执法管理环节上，可对区域内所有地块农产品质量安全数据进行统计分析，以直观清晰的柱状图、扇形图、曲线图等方式展开近年来农残检测合格情况、农资销量的排名情况，并可以进入到每一个地块的查看检测、信用等多方面的数据，真正实现了智慧监管。

种植品种分布监测

结合当地全域农作物现状，利用融合环境大数据的深度学习技术，基于高分辨卫星遥感影像，按照农作物物候期特征、图像纹理表现特征等，构建适应相应数据结构的深度学习模型，实现识别和分类，计算和统计去年的种植分布，实现主粮资源底数清，用户做到心中有数，为后续种植结构调整及整体种植规划提供有力的依据，保障粮食安全。

（作物识别技术路线）（图）

（种植分布）（图）

作物长势监测

利用时序卫星影像数据，反演NDVI、LAI等相关植被指数，对区域主要作物的生长趋势进行不间断地观察、获得关键物候期作物长势的综合评估，支持动态轮播形式查看。支持将当年长势与往年长势进行对比，用于监测生长状态异常点。支持将作物长势状态进行分级，快速定位长势较弱区域，便于管理者有针对性的进行监控和管理。

（种植结构变化分析）（图）

苗情监测

基于多源卫星遥感影像，反演地表作物植被指数和叶面积指数等信息，对苗情进行分级、分析、为用户提供各等级苗的占比情况对比，支持按照时间序列查看全域农作物出苗情况，为作物生长的前期监控提供有力的信息支持。

（苗情分析）（图）

成熟度预估监测

基于作物生长区域的地表形态、光照时间、强度、收获期的降雨、温度、风速和风向等信息，综合判断作物成熟及收获最佳时间，为作物及时收获提供决策支持，综合判断种植到不同地区，也因各种环境条件的影响，收获时间有所差异。若收获时间过晚，易受冻害影响，所以种植时，要综合考虑当地地理环境条件和品种特性，才能获取较好的经济效益，不同时期收获，其产量高低也大不相同，因此收获的最佳时机是什么时候，这些事管理者最关心的问题。基于作物生产区域的地表形态、光照时间、强度、收获期的降雨、温度、风速和风向等信息，综合判断成熟度及收获最佳时间，为作物及时收获提供决策支持。

（成熟度评估）（图）

产量预估监测

综合耕地历史产量数据、气象数据、土壤数据以及卫星遥感数据等，采用大数据技术构建针对全域的“遥感+气象+作物模型”的产量预测模型，利用当年的环境数据，如气象、长势（遥感数据）、土肥概况等，对区域产量进行评估，形成区域产量分布地图。

（产量预估）

病虫害监测

结合遥感+气象技术手段进行病虫害侵染风险分析或每周作物发病定局预测，基于卫星遥感基础底图，进行叠加分析、缓冲区分析等一系列空间挖掘，形成相应的病虫害预测预警地图，帮助当地农业管理者，龙头企业对各种病虫害进行有的放矢的预防监测和治理。

（病虫害监测）（图）

实时气象预报预警

提供今日气象预报信息、14天中长期气象预测。支持家庭农场、种植示范基地、专业合作社等类型用户分钟级更新的气温、降水、风力、湿度等实时气象要素监测，以各类图表形式展示。支持针对特定作物提供气象预警，针对可能造成的影响和建议采取的措施提供农事提醒。同时，对该区域作物生长期历史有效积温、累积降水量扥进行统计分析。

（气象趋势地图）

将当年气象与历史十年气象数据进行对比分析，以地图与图表的方式展现当年逐月气象条件（积温、平均温、累积降水等）与历史十年均值的差异程度。