农业空间决策支持系统的设计与实现

第26卷第9期农业工程学报Vol.26No.92010年9月TransactionsoftheCSAESep.2010257农业空间决策支持系统的设计与实现阎晓军,王维瑞,梁建平※(北京市农业局信息中心,北京100029摘要:为提高首都农业决策分析速度和准确度,依据北京农业现状及行业管理特点,利用全球定位系统(GPS和遥感(RS技术数据获取工具,以网络为信息传输与共享通道,采用农业业务流、时空分析、中间件等技术方法,建立起农业数据采集、处理、传输、存储、分析、应用的高效信息技术服务体系,重点突破了多源异构数据融合、空间数据在线增量更新和农业业务辅助决策方法与技术难题,建立了基于地理信息系统(GIS的首都农业决策支持系统。该研究选取设施农业和动物疫病为技术应用对象,实现了设施农业建设规划和结构调整辅助决策以及在线编辑管理功能,同时实现了动物疫病应急防控辅助决策。促进了首都农业由传统型、粗放型、经验型向精细化、协同化、科学化的综合管理决策模式转变,为农业管理部门开展快速、科学决策提供了充分依据。关键词:农业,空间决策支持系统,多源异构数据融合,时空管理,增量更新中图分类号:TP311:F302文献标志码:A文章编号:1002-6819(2010-09-0257-06阎晓军,王维瑞,梁建平.农业空间决策支持系统的设计与实现[J].农业工程学报,2010,26(9:257-262.YanXiaojun,WangWeirui,LiangJianping.Designandimplementationofthespatialdecisionsupportsystemforagriculture[J].TransactionsoftheCSAE,2010,26(9:257-262.(inChinesewithEnglishabstract0引言近年农业产业结构宏观调整、动物疫情监控和应急快速响应、农业资源综合利用等需求发展势头迅猛,农业管理决策的需求变化较为频繁,农业管理部门面临着管理决策滞后、不准确等问题。要解决这些问题,面临三方面挑战:一是由传统的粗放、传统、经验式的管理决策模式,向精细、协同、综合的管理决策模式转变;二是业务量以近一倍的速度递增,依靠现有人员和传统手段无法快速处理;三是农业业务数据涵盖面广、关联度高、空间特性强、资源难于融合更新,并且缺乏有效、实用的业务空间决策支持技术方法。农业空间决策支持系统的技术支撑在于地理信息系统(GIS,其理论基础是系统论和协同论[1],其技术基础是空间数据仓库[2-3],是对海量时空数据的自组织、处理、更新、分析,以及其它异构数据的协同和融合。目前大多数农业空间管理决策支持系统的相关技术研究主要集中在空间数据仓库[4-6]、数据挖掘[7-8]以及模型技术[9]等。其数据仓库用来存储各种来自异质的信息源数据,这些数据不是大量数据库的堆积,而是按决策主题重新组织的、集成的、随时间而变的、持久的空间数据及其属性数据的集合。数据挖掘则致力于知识的发现,通过关联分析、相似搜索、趋势分析与预测等方法从数据仓库中获得新的农业知识。对于仓库中数据项的集合,我们可以收稿日期:2010-02-25修订日期:2010-07-13作者简介:阎晓军(1967-,男,北京人,高级农艺师,从事农业信息服务研究与推广工作。北京北京市农业局信息中心,100029本文将现代信息化高新技术与农业行业业务相结合,构建了数据共享、业务协同的统一的农业空间决策支持系统。主要研究利用在线增量更新技术实现农业空间数据在线环境下的数据存储更新,多源异构数据融合技术实现农业海量、多层次、多类型的时空数据有效集成;并在此基础上,进行了农业多业务空间决策分析。管理部门依据分析结果,合理利用和配置农业资源,科学调控农业产业结构,实现了农业业务可视化管理,决策分析快速、科学,促进了管理与决策模式的转变,为农业管理部门提供了充分的决策依据。1系统总体设计1.1系统结构设计系统是一个B/S与C/S相结合的农业空间信息系统,其中,用户管理和空间数据在线增量更新采用的是C/S模式;整体框架是采用面向服务设计,以业务为导向的B/S的三层架构体系,分别是:数据层、业务逻辑层和表现层。数据层实现农业基础地理数据、遥感影像、监测数据等多源异构数据的有效融合、传输、存储、共享、管理;业务逻辑层在分析农业业务流程的基础上,将农业管理决策过程与空间信息服务集成,形成系统核心技术架构,为农业业务空间决策提供科学依据;表现层是对逻辑层分析结果的展现以及与用户的交互。系统总体结构与流程如图1所示。258农业工程学报2010年图1系统结构与流程图Fig.1Structureandflowofthesystem1.2系统运行和开发环境系统运行在网络环境下,由数据库服务器、应用服务器、WebGIS服务器以及相应的网络设备构成。采用Oracle10g作为数据库平台,ArcSDE9.2为空间数据库引擎,以ArcIMS9.2为空间应用服务器;WebLogic10为Web服务器和JSP引擎;Windows2003Server为服务器操作系统;Java5.0为开发平台,采用J2EE为开发架构;Ellipse5.0为前台开发工具。1.3数据库设计鉴于Oracle在大型关系型数据库中的领先地位,对海量空间数据存储和多用户的并发访问的支持,以及ArcSDE可以提供对空间、非空间数据进行高效率操作的数据库服务,因此,本系统采用“Oracle+SDE”的模式对数据进行存储和管理。依据数据来源和业务需求,设计为6个数据库:空间数据库,包括基础空间数据和农业业务空间数据,如土壤环境监测点分布图,其基础空间数据是专用空间数据的基础;业务属性数据库,包括农业设施农业、动物疫病预警与预防决策指挥、土肥管理等业务数据库,农业业务管理、分析、查询、统计等都基于此库;模型库,此库主要存储与空间决策支持相关模型的类型、物理位置和决策知识,当决策模型改变时,可通过维护模型库来调整;元数据库,主要是数据的来源、性质、形成时间、坐标系统等内容,对系统数据的管理和维护提供了清晰的结构;共享库,提供了系统直接调用其它应用系统的数据库的接口,以及其他应用系统留有共享本系统的数据接口;管理维护数据库,用来存储系统用户及权限等相关信息。2系统功能设计与关键技术研究根据系统结构、流程的内在关联关系、协同关系,以及技术和功能的相互支撑关系,分为底层技术支撑、数据管理功能、决策分析功能和展现功能4个层次、6大主要功能与技术,如图2所示。底层技术支撑是整个系统功能实现的基础,在深刻挖掘、分析农业各部门业务的基础上,提炼、分类及封装农业各部门业务流,并抽取出各类业务流间的关系;同时,针对农业数据具有海量、多层次、时空性强的特点,将基础地理数据、遥感影像、监测数据、统计分析数据等信息资源集成,解决跨平台、跨部门的多源异构数据资源有效融合与更新。数据管理功能是建立在底层技术之上的外在表达。分析功能包含了4个空间决策支持应用模块,是基于GIS平台,应用集成现有农业业务模型,以及利用业务间的协同关系,开发出具有自主知识产权的农业业务中间件与模型,实现空间决策支持。展现功能是对空间决策分析结果的可视化展示。现对部分核心技术和重要功能模块展开深入探讨。图2系统主要功能与技术组成Fig.2Compositionofthemainfunctionandtechnologyofthesystem第9期阎晓军等:农业空间决策支持系统的设计与实现2592.1农业多源异构数据融合通过面向第三方应用系统提供标准的WEBService、WMS、WFS等数据交换与访问接口,采用XML(可扩展标记语言、SOAP(简单对象访问协议、WSDL(WEB服务描述语言等协议和技术,Java作为代码实现语言,面向多部门、多平台空间数据、属性数据、结构化数据与非结构化数据等信息资源,按其类型、逻辑关系进行层次化组织,通过位置配准、格式转换、语义转换、属性数据映射等技术处理,提供相应规范和可行方法,实现跨平台、跨部门的多源异构数据资源有效融合与集成[10-12]。其中WEBService为异构系统集成提供公共接口。SOAP作为安全通信的基础。XML技术能够处理启用数据交换和应用程序逻辑远程调用,使数据能够通过防火墙,并在异类系统之间移动数据,从而消除不同类型数据库、操作系统和应用系统之间存在的应用差异,将应用程序开发和部署推向高度分布式Internet环境。图3给出WebService集成大兴农业资源管理决策系统、北京市土壤资源管理信息系统、北京市畜禽疫病应急指挥平台、北京市农业生态可视信息系统的过程,实现多源异构数据的融合。图3多源异构系统集成示意图Fig.3Integratedschematicofafusionofmulti-sourceheterogeneousdata业务系统通过农业空间决策支持系统的WebService公共接口,在UDDI(统一描述、发现和集成协议注册中心注册,注册中心查询到满足条件的WebService,并用WSDL向业务系统返回该WebService的位置信息和绑定信息,最终实现多源异构系统的集成。2.2农业空间数据在线增量更新本部分是基于WEB环境、C/S模式,采用反向增量存储技术,只保存最新版本的农业空间数据[13]。当一个新的版本被检入时,与前一个版本进行比较产生增量,前一个版本被删除,新版本农业空间数据及差异数据被存储,保证数据库始终保存着最新版本的数据,减少了数据冗余,并且通过结合当前最新数据与差异数据可以反推出历史数据,保证农业空间数据的时空变化可追溯。相比较传统二层C/S模式,该系统采用创新式三层C/S模式,增加了负责调节客户端与服务器间通讯的中间件层。技术体系包括数据库、远程调用和面向消息中间件、对象请求代理、事务处理管理、空间数据引擎、时空数据维护等。其中数据库中间件负责连接客户端与数据库,接收客户端的数据请求,将请求传递给数据库,进行相应的数据处理,最后把处理结果返回给客户端;远程调用中间件负责使用远程过程调用访问远端服务器数据,远程调用中间件也可将程序控制传递到远端服务器;面向消息中间件负责在客户端与服务器间提供同步或异步连接,并能在任意时刻传送消息或存储分发;对象请求代理专门负责分布式数据库间的服务请求;事务处理管理负责控制分布式环境;空间数据引擎负责建立适应海量数据存储管理的空间数据组织机制和空间索引机制,处理空间数据模型到RDBMS模型之间的映射;时空数据维护中间件用于空间数据动态更新、存贮和空间分析。按照空间数据库的结构关系,客户端访问数据库先需要通过中间件,由中间件对数据库操作,中间件对数据库进行操作后,将处理结果通过Web服务器返回到浏览器端用户。2.3农业空间决策支持在综合分析北京市农业生产实际情况以及管理决策等业务流程的基础上,应用上述农业多源异构数据融合和农业空间数据在线增量更新等关键技术,引入空间信息技术和农业业务模型等,将农业业务管理决策过程与空间信息服务集成,研究开发了设施农业时空管理、疫病应急防控、能源利用和绿色食品生产基地建设等农业业务空间辅助决策子系统,形成北京市农业业务服务中间件核心技术架构,为农业业务分析决策提供数据统一、业务联合的技术支撑体系。为了清晰地表达本文研究的核心技术内容,本文将通过设施农业时空管理与决策子系统重点阐述农业多源异构数据融合技术与农业空间数据在线增量更新技术的实现原理和过程。本部分研究内容主要是针对多类型、多尺度、多时态的设施农业数据进行高效管理,实现设施农业数据的无缝集成,动态存储更新,数据库联动,维护数据的完整性和一致性,更加准确表达设施农业的空间分布信息,反映设施农业的历史空间变化、属性信息变化等,为设施农业规划提供决策依据。1设施农业时空分析在真实空间,设施农业是具有面积的实体,映射到地理空间,需用面状图层表达设施农业的空间特征,主要包括:空间几何特征、空间属性以及专题属性的变化。空间几何特征指空间坐标、轮廓等特征;空间属性指描述空间几何特征的面积、周长等信息;专题属性是由设施农业建设人员确定的行政级别、设施类型、墙体结构、种植种类等等的描述信息。一般情况下,空间属性随着空间几何特征的变化而变化;设施农业时空变化主要包括以下形式:设施农业实体新增或者删除、合并或分割、面积缩小或扩大、以260农业工程学报2010年及专题属性演化,如删除原来已经无效的属性或者需要增加新的属性,或者设施农业地块由于转让,使得权属所有发生变化,包括法人代表、负责人等的信息变化,或者该设施农业的种植作物种类变化、灌溉方式变动等也导致专题属性信息的变化。2设施农业时空特征提取主要从空间形态与属性两方面进行研究。空间形态主要指设施农业地块空间形态特征;属性主要是指设施农业专题属性。空间属性随着空间形态的变化而自动变化。将空间属性归入到空间形态变化中,研究对象只从空间图层、属性数据两方面考虑变化,简化时空对象多种变化的复杂性,归纳为以下3种基本类型:空间形态变化,属性不变;空间形态变化,属性同时变化;仅属性变化。3设施农业时空管理模型构建根据以上分析,构建设施农业时空数据管理模型[14]。此模型为知识规则模型,基于面向对象的时间切片模型,封装时空对象的空间、属性、时间特征,符合逻辑思维语义,开发时空数据库[15],提供对空间动态对象单一时刻或时态范围的查询与更新。将时态信息标记在对象属性上,直接表达对象不同时期的状态信息,方便对象检索和历史状态查询。在存储方法上,连续记录随时间变化的专题特征的状态;对于不随时间变化的专题特征,只记录其初始状态,减少数据冗余。例如在切片时间t1-tN间,设施农业地块发生了N次空间信息、属性信息和对象关系变化,三者发生变化的切片时间不一定相同,空间信息、属性信息以及对象关系根据自身变化时间分别独立记录,提供对空间动态对象单一时刻或时态范围的查询与更新。4设施农业时空管理与辅助决策功能依据上述设施农业时空管理和辅助决策的实现原理,该模块主要划分为3个业务功能,包括设施农业空间对象动态变化查询、历年比对与历史回溯,以及在线编辑。下面侧重描述利用多源异构数据融合技术实现设施农业历年比对与历史回溯,以及利用空间数据在线增量更新技术实现Web在线编辑的技术过程。(1设施农业历年比对设施农业历年比对也叫历史回溯,本文以2种方式实现不同年度设施地块扩展、相交及重叠等关系的历年比对和历史回溯。其一、通过WMS标准规范接口,远程获取北京市信息资源中心遥感影像,实现不同年度高清晰分辨率影像资源与同一年度的设施农业矢量地块无缝绑定,通过遥感影像的无级缩放与历史比对,形象直观地掌握某一地块在不同年度的空间特征以及周边地域的变化情况,为设施农业规划或结构调整提供了科学依据,如图4所示,左侧图中阴影标示区域是2003年的状况,没有农业设施,而右侧图是2008年的状况,显示已有农业设施的形成。其二、基于设施农业时空数据库技术,将不同年度的设施地块,以矢量地图的形式输出,并将其渲染在同一张地图上展现,更加直接、精确地的表达出历年设施农业的空间形态变化,对于掌握同一地块过去的发展、变化提供了直观的判断依据,如图5所示。(2Web在线编辑根据设施农业变更(扩大、新建等情况,在线绘制设施地块,并输入相关属性信息,然后解译出扩展、相交及重叠的变更设施,标志出相应时间戳,通过ArcGIS内置的GeoprocessingService服务,将生成的要素、方位、属性等变化情况与以前版本的数据进行对比,只保留最新版本的数据,保存到后台设施农业时空数据库中,较大地减少了数据冗余,并且实现了远程在线情况下所见即所得的效果。图42003与2008年昌平区兴寿镇某地块设施农业的影像对比Fig.4ImagecontrastofonefacilitiesagricultureinXingshoutownChangpingdistrictin2003and2008图52006、2007年大兴区长子营镇白庙村的设施农业比对Fig.5ContrastoffacilitiesagricultureinBaimiaovillageZhangziyingtownDaxingdistrictin2006,20073应用推广形成了以北京市农业局中心辐射,覆盖13个区县、100个乡镇、120多个农技推广单位和管理部门的三级应用推广体系,与各级部门人员建立了长效的培训与应用机制,使系统发展应用产生良性互动。根据各应用单位的实际需求,利用平台定制个性化决策管理服务,创造了设施农业的时空动态分析、畜牧生产与检疫监督、动物疫病防控、畜产品流量及流向分析、种植业空间布局、土壤环境评价与土壤养分含量分析、资源分布与新能源利用等多样化和富有特色的典型应用,并在云南、贵州两省实现了成果转化。第9期阎晓军等:农业空间决策支持系统的设计与实现261为了形成北京市设施农业的规模化、产业化生产,北京市农业局蔬菜处应用本系统进行了北京市设施农业2区2带多群落的规划,即在北京范围内规划2个设施农业生产地区,1个特色产业带,1个设施蔬菜产业带和多个生产基地。数据源是2006年之前的北京市设施农业相关数据,包括:设施农业分布矢量图、设施类型、遥感影像与道路等矢量地图(北京市信息资源管理中心共享、建设情况、面积、产量,以及经济数据、气候数据等各种类型数据,通过数据融合与在线增量更新技术建立和更新数据库。通过系统所具有的统计、缓冲、叠加、渲染分析,生成设施农业建设、分布施工进度统计图、专题图、遥感影像等各种类决策依据,由于被篇幅所限,下面只列出了部分图表(图6、7。图62006年北京市设施农业建设分布Fig.6DistributionoffacilitiesagricultureinBeijing,2006图72006年北京市设施农业建设分布专题图Fig.7ThematicmapofdistributionoffacilitiesagricultureinBeijing,2006依据上述各类分析统计结果表明,大兴和房山区位置相邻,设施农业发展基础好,并且面积较大,规划为南部设施农业生产区;而顺义和通州区的情况也类似,规划为东北部设施农业生产区。由于昌平区、平谷等多山地区,大规模发展设施农业受限,因此,因地制宜,发展特色设施农业,规划为山前特色设施产业带和山区设施蔬菜产业带。对于部分经济基础好、土壤质量好、水源充足的区县,也重点规划发展设施农业,形成多群落。图8为最终的规划结果图。图82区2带多群落规划图Fig.8Layoutabouttwodistricts,twozonesandpolydominantcommunity4结论与讨论该系统实现了传统农业管理与空间信息技术的有机结合,将空间数据在线增量更新技术有机融合到农业业务中,实现了海量农业空间数据在Web方式下的高效更新,保证数据库始终保存着最新版本的数据,减少了数据冗余;通过结合当前最新数据与差异数据可以反推出历史数据,保证农业空间数据的时空变化可追溯。项目提出的农业多源异构数据融合技术方法,面向多部门、多平台空间数据、属性数据、结构化数据与非结构化数据等信息资源,按其类型、逻辑关系进行层次化组织,提供相应规范和可行方法,实现跨平台、跨部门的多源异构数据资源有效融合与集成,提供不同系统数据可靠的地异步传输,支持不同地域中的应用系统的集成;支持多种数据格式,提供数据格式转换功能。同时,在相关技术的基础上,紧密围绕农业产业结构调整、能源高效利用、农田精准施肥、农产品安全保障、疫情预警预报等方面的空间辅助决策开展技术研究与应用,促进了首都农业由传统型、粗放型、经验型向精细化、协同化、科学化的综合管理决策模式转变,为农业管理部门科学快速决策提供了充分依据。目前,本系统在北京市农业各业务决策分析与支持工作中,对我市农业信息资源的有效整合与开发,信息资源高度共享,改变了传统上以定期报告和统计报表为依据的农业管理决策方法,形成了定性分析、定量计算、时空展示相结合的新型农业空间决策支持系统,建立了高效的农业统筹协调管理机制,使各级政府部门能及时、准确获取生产管理信息并进行全面分析与科学决策。但是本系统还需从行政角度不断完善数据采集、报送及管理机制,处理好数据安全与开放共享的矛盾;同时,继续引入先进的空间分析技术和农业业务模型,重点突破疫病防控路口自动封锁和疫区不规则缓冲分析,以及向2.5维和三维地图展现方式发展。262[参[1]考文献]农业工程学报2010年研究[J]．计算机应用研究，2006，23(8：25－27．ChenXuelong,WangYanzhang,XuYongtao.Studyofinformationmodelofspatialdecisionsupportsystem[J].ApplicationResearchofComputers,2006,23(8:25－27.(inChinesewithEnglishabstract贾永红，李德仁，孙家柄．多源遥感影像数据融合[J]．遥感技术与应用，2000，15(1：41－44．JiaYonghong,LiDeren,SunJiabing.Datafusiontechniquesformultisourcesremotelysensedimagery[J].RemoteSensingTechnologyAndAppl-Ication,2000,15(1:41－44.(inChinesewithEnglishabstractLiJunPh.D,Candidate,BianFuling.4Ddatafusiontechniqueinurbanwaterlog-drainingdecisionsupportsystem[J].Geo-spatialInformationScience,2000,(3:42－46.Tae-SeokJin,Kwon-SoonLee,Jang-MyungLee.Spaceandtimesensorfusionusinganactivecameraformobilerobotnavigation.ArtificialLifeandRobotics,2004,(1:95－100.罗晓燕，袁燕岩．北京市数字线划图数据库增量更新技术的应用研究[J]．测绘通报，2007，(11：57－60．LuoXiaoyan,YunYanyan.Ontheuseofincrementalupdatetechniqueforbeijingdigitallinemapdatabase[J].BulletinofSurveyingandMapping,2007,(11:57－60.(inChinesewithEnglishabstract阎晓军，黎昭咏，史明昌．北京农业设施空间信息系统设计与应用[J]．安徽农业科学，2009，(29：3714478－14482．YanXiaojun,LiZhaoyong,ShiMingchang.DesignandapplicationoffacilityagriculturespatialinformationsysteminBeijing[J].JournalofAnhuiAgriSci,2009,37(29:14478－14482.(inChinesewithEnglishabstract杨云，兰岳奇．设施农业决策系统的数据仓库建设[J]．安徽农业科学，2006，(21：5750－5751．YangYun,LanYueqi.Datawarehousebuildingofestablishmentagriculturedecision-makingsystem[J].JournalofAnhuiAgriculturalSciences,2006,(21:5750－5751.(inChinesewithEnglishabstract[2][3][4][5][6][7][8][9]章牧，陈飞香，刘文玺，等．农业决策支持系统的概念设计与应用[J]．地球信息科学，2005，7(2：58－64．ZhangMu,ChenFeixiang,LiuWenxi.Thedecisionsupportsystemabouttheagriculturalinformationanditsdemonstrationtechnology[J].Geo-informationScience,2005,7(2:58－64.(inChinesewithEnglishabstractWangYanzhang,ChenXuelong.ResearchofconstructionmethodforspatialdatawarehousebasedonERPmodelsystem[C].The2ndAsiaSymposiumonGeographicInformationSystemsfromComputer&EngineeringView,2004.李琦，杨超伟．空间数据仓库及其构建策略[J]．中国图像图形学报，1999，4(11：984－990．LiQi,YangChaowei.Spatialdatawarehouseandconstructionstrategy[J].JournalofImageandGraphics,1999,4(11:984－990.(inChinesewithEnglishabstract王成，李民赞，王丽丽．基于数据仓库和数据挖掘技术的温室决策支持系统[J]．农业工程学报，2008，24(11：169－171．WangCheng,LiMinzan,WangLili,etal.Decisionsupportsystemforgreenhousebasedondatawarehouseanddatamining[J].TransactionsoftheCSAE,2008,24(11:169－171.(inChinesewithEnglishabstractMichaelBlaha.Datawarehousesanddecisionsupportsystems[J].MComputer,2001,34(12:38－39.InmonWH.BuildingDataWarehouse(ThirdEdition[M].JohnWileyandSons,2002:20－53.DorianPyle.DataPreparationforDataMining[Z].MorganKaufmann,1999.李晔明．用数据挖掘实现决策支持[J]．科技信息，2006，(11S：39－40．LiHuaming.Implementationofdecisionsupportbaseddatamining[J].Science,2006,(11S:39－40.(inChinesewithEnglishabstract陈雪龙，王延章，许永涛．空间决策支持系统的信息模型[10][11][12][13][14][15]DesignandimplementationofthespatialdecisionsupportsystemforagricultureYanXiaojun,WangWeirui,LiangJianping※(InformationCenterofBeijingMunicipalBureauofAgriculture,Beijing100029,ChinaAbstract:Inordertoimproveefficiencyandaccuracyofdecision-makingofcapitalagricultural,accordingtocurrentsituationandfeaturesoftheagricultureinBeijing,integratingglobalpositioningsystem(GPS）andremotesensing(R