-10，本发明实施例包括:
一种基于农业物联网和大数据分析的种植计划优化系统，包括:
(1)数据获取和处理模块:用于获取和处理各类相关数据；
所述数据获取和处理模块及相应的各类相关数据包括:获取和处理各类土地生产参数的数据读取、储存和处理模块；获取和处理各类气象气候水文资料的数据读取、储存和处理模块；获取和处理农业生产模型知识的数据读取、储存和处理模块；获取和处理农产品历史销售价格的数据读取、储存和处理模块；获取和处理农产品生产要素成本的数据读取、储存和处理模块；其中，
土地生产参数包括土地的温湿度、光照强度、土壤养分、二氧化碳浓度等计划内农作物的生产参数；
大气象数据包括水文、气象和气候数据，其数据源包括当地和临近地区的气象、水文数据采集站，传输网络、各级数据中心、无人值守站、卫星及遥感数据、气象气候预报数据等；农业生产模型知识主要通过农业专家库和农业知识库来获得。由于农业自身的复杂性和特殊性，农业知识数据更多的是非结构化的数据，如大量的文字、图表、图片、动画、语音/视频等形式的超媒体要素表示的专家经验知识和农业模型等。所以这些结构化和非结构化的数据必须在我们的大数据整合平台上转换和提炼出量化的农业生产模型知识；
农产品价格数据将从内部或外部的农产品销售系统中收集各农产品的价格。由于最终价格和产品的收成、质量、销售时间、销售量、加工处理、市场渠道等有关，原始价格数据必须经过农产品价格整合模块的加工处理，才能得到该农产品的综合价格；
农产品生产要素成本数据将从内部或外部的农业生产管理系统中收集，生产要素成本包括但不限于以下成本因素:人工成本、种子成本、浇灌成本、施肥成本、农用机械成本、除草成本、收获成本、加工处理成本、仓储成本、运输成本等；
(2)数据库，用于存储由所述数据获取和处理模块得到的各类相关数据；所述数据库包括:土地生态数据库、气象数据库、农作物生态数据库、农产品价格数据库和生产成本数据库。
[0020](3)统计处理模块，用于处理所述各类相关数据，并预测计划期内的数据趋势；所述统计处理模块包括数据清理和异常数据处理模块、统计模型拟合模块、时间序列数据预测模块、非时间序列数据预测模块和数据模拟产生器。
[0021](4)农作物种植计划优化模型和相应的优化引擎；
(5)中央处理器，包括各种类计算电路，例如但不限于微处理器、微控制器、复杂指令集计算微处理器、精简指令集计算微处理器、长指令字微处理器、显示并行指令计算微处理器、图形处理器、数字信号处理器或其他种类的处理电路。中央处理器还包括嵌入式控制器，例如通用或可编程逻辑器件或阵列、专用集成电路、单片机、智慧卡等。
[0022](6)计算机决策辅助系统，包括帮助决策者编制可执行的农作物种植计划的用户界面和功能模块，以及和农作物生产管理系统的数据交互和接口模块。
[0023](7) 一个或多个输入设备、一个或多个输出设备、以及一个或多个通信连接；所述输入设备包括数字化仪屏幕、触针、轨迹球、键盘，小型键盘、鼠标；所述输出设备包括个人电脑的显示装置、移动设备；所述通信连接包括局域网、广域网和/或其他网络。
[0024]本发明的基于农业物联网和大数据分析的种植计划优化系统可与包括函数、规程、数据结构和应用程序的程序模块一起应用，用于执行任务，或定义抽象数据类型和低级硬件环境。保存在上述存储媒介中的机读指令可被中央处理器执行。
[0025]上述基于农业物联网和大数据分析的种植计划优化方法，包括如下步骤:
(1)收集各类相关数据；
(2)利用数据处理模块处理所述各类相关数据并储存于相应的数据库中；
如图2所示，利用基于物联网技术的土地生产参数处理平台收集土地生产参数。该平台由农业物联网感知控制层、物联网传输通讯层和物联网应用层等构成。
[0026]物联网感知控制层的主要任务是将大范围内的现实世界农业生产等的各种物理量通过各种手段，实时并自动化的转化为虚拟世界可处理的数字化信息或者数据。物联网感知层采集温度、湿度、光照、有效辐射、气体浓度、土壤N/P/K含量、水体水质、酸碱度、含氧量等信息，采集仪器、设备的工作参数，农业地理位置信息，通过GASS传感器、红外传感器、霍尔传感器、RFID技术、电磁感应传感器、光谱传感器等技术手段，将这些标记的信息和现实世界的物理信息转化为可供处理的数字化信息。信息采集层涉及的硬件技术有:二维码标签、摄像头、传感器、终端、传感器网络等，涉及的软件技术标准有农业环境能量管理技术、农业环境抗干扰技术、农业环境适应通信模式和农业专业传感器标准等。除这些自然土地的生产参数外。感知控制层还将通过农业环境智能改善技术来控制土地质量改善设备，如灌溉设备、增氧设备、施肥设备等来改善土地质量和性能。
[0027]物联网通讯层的主要任务是将农业信息采集层采集到的农业信息，通过各种网络技术进行汇总，将大范围内的农业信息整合到一起，以供处理。传输层是农业物联网的神经中枢和大脑信息传递和处理。网络层包括通信与互联网的融合网络、网络管理中心、信息中心和智能处理中心等。信息汇总层涉及的技术有:有线网络，无线网络、传统GPRS以及最新的3G、4G等。
[0028]物联网应用层的主要任务是将信息汇总，对汇总而来的信息进行分析和处理，将提炼出的土地生产参数的有效数据(如实时监控数据、环境监控数据、安全监控数据等)进行汇总和简单计算，然后调用统计处理模块处理后存入土地生态数据库。
[0029]如图3所示，首先需要收集各类相关的水文、气象和气候数据。这些大气象数据的数据源包括当地和临近地区的气象、水文数据采集站，传输网络、各级数据中心、无人值守站、卫星及遥感数据、气象气候预报数据等，包括结构化的、半结构化、和非结构化的数据。由于数据和数据源的不同形式，必须通过相应的不同传输方式(如GPRS、CDMA、卫星短信等)并可根据实际情况自由切换的数据传输终端的传输，由数据整合中心统一整合成标准量化数据。然后调用经统计模块进行数据清洁、统计建模、预测等处理后存入本发明所需的气象数据库。
[0030]如图4所示，大量农业专家库和农业知识库的知识数据，尤其是大量的文字、图表、图片、动画、语音/视频等形式的超媒体要素表示的专家经验知识和农业模型的非结构化数据，通过大数据处理和挖掘技术在农业知识管理平台上整合出量化的相关农作物生物生长模型的参数，如阶段生长规律、水灌溉需求、施肥规律等量化规律，经调用经统计子模块进行数据清洁、统计建模、预测等处理后存入本发明所需的农作物生态数据库。
[0031]如图5所示，原始价格数据来自内部或外部的农产品销售系统中的交易记录，在农产品价格整合子模块中对由于因为产品的收成、质量、销售时间、销售量、加工处理、市场渠道等有关影响因子进行相关处理，从而得到该农产品的综合价格，再经调用经统计子模块进行数据清洁、统计建模、预测等处理后存入本发明所需的农产品价格数据库。
[0032]如图6所示，原始数据来自内部或外部的农业生产管理系统中的与各农产品相关的生产要素的原始支出记录。我们主要考虑如下生产要素的成本因素:人工成本、种子成本、浇灌成本、施肥成本、农用机械成本、除草成本、收获成本、加工处理成本、仓储成本、运输成本等。我们将用成本模型计算各类固定成本如何有效分摊，最终各类有效单位成本数据经统计模块处理后存入本发明所需的生产成本数据库。
[0033]如图7所示，所述统计处理模块有4个子模块和一个模拟器组成。其中，数据清洁和异常数据处理子模块主要担负数据清洁的工作，并对异常数据进行相应处理；统计模型拟合子模块为待处理数据选择最合始的统计模型以致误差为最小。如果待处理数据具备时间属性，需要通过时间序列数据预测子模块来提供预测服务。如果待处理数据不具备时间属性，则需要通过非时间序列数据预测子模块来提供预测服务。如果种植计划优化模型用来优化计划的财务风险，数据模拟产生器将产生计算机模拟所需的数据。本模块涉及的模型和算法技术手段包括(但不限于)经济学模型、线性回归、非线性回归、统计因子分析、预测学、因果模型、数据挖掘等技术。
[0034](3)建立基于步骤(2)中数据的种植计划数学优化模型；
如图8所示，首先，读取上述步骤(1)和(2)中所述的各类数据，包括(但不限于)大量有关行业、生产、成本、管理、市场销售、土地资源、水资源、生物资源、气象水文等数据。这些源数据已运用我们独创的大数据挖据和处理算法，如经济学模型、线性回归、非线性回归、统计因子分析、预测学、因果模型、数据挖掘等技术手段，通过图6所显示的统计处理模块，以获得本模型需要的运行数据。
[0035]然后，建立包括优化目标函数和