松材线虫病死松树云服务管理的探究

doi:10.13466/j.cnki.lyzygl.2019.05.012

林业资源管理 ›› 2019›› Issue (5): 68-75.doi: 10.13466/j.cnki.lyzygl.2019.05.012

松材线虫病死松树云服务管理的探究

武红敢¹(), 王成波², 常原飞²

1. 中国林业科学研究院资源信息研究所,北京 100091
2. 中国科学院遥感与数字地球研究所,北京 100101

收稿日期:2019-08-19 修回日期:2019-09-24 出版日期:2019-10-28 发布日期:2020-09-18
作者简介:武红敢(1963-),女,山西祁县人,研究员,主要从事遥感、地理信息系统、全球导航卫星系统技术在林业上的应用研究工作。Email: wuhg@ifrit.ac.cn
基金资助:
中国林业科学研究院中央级公益性科研院所基本科研业务费专项资金项目“基于北斗的林业野外多业务综合巡护协同技术研究”(CAFYBB2017ZC001)

Study on Cloud Service Management System of Trees Attacked by Pine Wood Nematode Disease

WU Honggan¹(), WANG Chengbo², CHANG Yuanfei²

1. The Research Institute of Forest Resources Information Technique,CAF,Beijing 100091,China
2. Institute of Remote Sensing and Digital Earth,CAS,Beijing 100101,China

Received:2019-08-19 Revised:2019-09-24 Online:2019-10-28 Published:2020-09-18

摘要/Abstract

摘要：

在分析云平台技术特点和研究现状基础上,从松材线虫病监管角度开展了需求分析,给出了相应的技术途径;研建了由云服务端(内业)和移动端(外业)两部分构成的病死松树管理系统,为病死松树的外业精准信息采集和内业规范化建库提供了整体解决方案;详细阐述了系统功能和具体的工作流程。通过对松材线虫病死松树云服务管理的探究,以期为我国松材线虫病的预测预报提供技术支撑,为下一步大数据的分析奠定科学基础。

关键词: 松材线虫病, 云平台, 野外调查, 数据库, 大数据

Abstract:

Based on the analysis of the technical characteristics and research status of cloud platform,the demand analysis is carried out from the point of view of the supervision of pine wood nematode disease,and the corresponding technical approaches are given.This paper constructs a dead pine management system composed of two parts,the cloud service end and the mobile end,which provides the whole solution for the information collection and the standardization building database of the dead pine tree,and expounds the system function and the concrete work flow in detail.Cloud service management technique of trees attacked by Pine Wood Nematode Disease can provide technical support for the prediction of the disease in China,and also can lay a scientific foundation for the next big data analysis.

Key words: pine nematode disease, cloud platform, field survey, database, big data

中图分类号:

武红敢, 王成波, 常原飞. 松材线虫病死松树云服务管理的探究[J]. 林业资源管理, 2019,(5): 68-75.

WU Honggan, WANG Chengbo, CHANG Yuanfei. Study on Cloud Service Management System of Trees Attacked by Pine Wood Nematode Disease[J]. FOREST RESOURCES WANAGEMENT, 2019,(5): 68-75.

图/表 7

图1

图2

图3

图4

表1

图5

图6

参考文献 24

[1]	国家林业局公告(2016年第6号)(2016年松材线虫病疫区公告)[EB/OL].(2016-04-14)[2019-03-01]. http://www.forestry.gov.cn/main/3600/content-863113.html.
[2]	国家林业局关于2017年松材线虫病疫区的公告[EB/OL].(2017-01-20)[2019-03-01]. http://www.gov.cn/xinwen/2017-01/20/content_5161469.html.
[3]	国家林业局公告(2018年第1号)(2018年松材线虫病疫区)[EB/OL].(2018-02-07)[2019-03-01]. http://www.zjly.gov.cn/art/2018/2/7/art_1276367_15479253.html.
[4]	转发国家林业和草原局公告(2019年第4号)(2019年松材线虫病疫区)[EB/OL].(2019-02-12)[2019-03-01]. http://jsf.jiangsu.gov.cn/art/2019/2/12/art_6930_8113117.html.
[5]	我国松材线虫病扩散加剧防治形势严峻[EB/OL].(2018-10-19)[2019-03-01]. http://www.forestry.gov.cn/main/195/20181019/092526422727444.html.
[6]	重庆市全面完成2018年秋季松材线虫病普查工作[EB/OL].(2018-11-22)[2019-03-01]. http://www.forestry.gov.cn/main/102/20181121/174657558457202.html.
[7]	大数据[EB/OL]. (2018-07-18)[2019-07-10]. https://baike.baidu.com/item/%E5%A4%A7%E6%95%B0%E6%8D%AE/1356941.
[8]	云计算[EB/OL]. (2018-07-18)[2019-07-10]. https://baike.baidu.com/item/%E4%BA%91%E8%AE%A1%E7%AE%97.
[9]	陶佰睿, 李春辉, 苗凤娟, 等. 基于云端的农业大数据采集与管理系统浅析[J]. 工业和信息化教育, 2016,(9):81-89.
[10]	国家林业局关于促进中国林业云发展的指导意见[EB/OL].(2017-11-06)[2019-03-01]. http://www.forestry.gov.cn/main/72/content-1043318.html.
[11]	2017年中国云管理平台软件的发展现状及市场前景分析[EB/OL].(2017-05-25)[2019-03-01]. http://www.chyxx.com/industry/201705/524625.html.
[12]	Jiang Shaocan, Fang Luming, Huang Xiaoying. An idea of special cloud computing in forest pest’s control[C]// CloudCom 2009.Berlin:Springer, 2009: 615-620.
[13]	刘亚秋, 景维鹏, 井云凌. 高可靠云计算平台及其在智慧林业中的应用[J]. 世界林业研究. 2011,24(5):18-24.
[14]	刘永杰, 王雪军. 基于“互联网+ ”林地年度变更平台建设关键技术研究[J]. 林业资源管理, 2018(5):70-75.
[15]	黄兰秋, 陈婧, 高波. 基于云计算的林业信息服务研究[J]. 林业经济, 2012(11):109-115.
[16]	孙广婷, 李丹, 周唯唯, 等. 云计算下Spark 并行Apriori 算法林业病虫害防治研究[J]. 森林工程, 2018,34(4):45-51.
[17]	GB/T23478-2009,松材线虫病普查监测技术规程[S].
[18]	GB/T23476-2009,松材线虫病检疫技术规程[S].
[19]	松材线虫病疫区和疫木管理办法[EB/OL].(2018-11-29)[2019-03-01]. http://www.forestry.gov.cn/main/4818/20181130/172336023489141.html.
[20]	全国检疫性林业有害生物管理办法[EB/OL].(2018-07-18)[2019-03-01]. http://www.forestry.gov.cn/main/4812/20180801/172841516667906.html.
[21]	常原飞, 武红敢, 董振辉, 等. 国家级林业有害生物监测与预警系统[J]. 林业科学, 2011,47(6):93-100. doi: 10.11707/j.1001-7488.20110614
[22]	吴坚. 我国林业外来有害生物入侵现状及防控对策. 科技导报. 2004(4):41-44.
[23]	国家林草局. 《松材线虫病生态灾害督办追责办法》[EB/OL].(2019-06-19)[2019-07-10]. http://www.forestry.gov.cn/main/72/20190619/084643057547800.html.
[24]	武红敢, 牟晓伟, 杨清玉, 等. 无人机遥感技术在重庆市沙坪坝区松材线虫病监测中的应用[J]. 林业资源管理, 2019(2):109-115.

模块功能	青岛林业局	南平林场	江西林业局	山西林业局
没有地图导航功能		三星S7 Edge		思壮G639
具备地图导航功能	云狐J-Pad	华为P9 Plus	华为荣耀Waterplay	思壮UG908

松材线虫病死松树云服务管理的探究

Study on Cloud Service Management System of Trees Attacked by Pine Wood Nematode Disease

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 7

参考文献 24

相关文章 15

编辑推荐

Metrics

本文评价

[1]	焦全军, 郑焰锋, 黄文江, 张兵, 张鹤译, 史宜梦, 吴发云, 付安民. 陆地生态系统碳监测卫星松材线虫病变色木识别指数研究[J]. 林业资源管理, 2023, 0(4): 123-131.
[2]	杨筱, 胡继平, 任开磊, 阮向东. 野生动物及其栖息地生态现状调查方法评估优化研究[J]. 林业资源管理, 2023, 0(3): 65-70.
[3]	王补, 谭伟, 王贵林, 蒲秀青. 基于无人机多光谱影像的松材线虫病单木尺度监测[J]. 林业资源管理, 2022, 0(5): 107-117.
[4]	王尚慧, 王泰棋. 基于大数据技术提升自然公园的管理效能——以人为活动大数据为例[J]. 林业资源管理, 2022, 0(5): 7-14.
[5]	秦琳, 孟先进, 张水花, 薛亚东, 刘新科, 邢鹏. 北京三号卫星数据在松材线虫病遥感监测中的应用评价[J]. 林业资源管理, 2022, 0(4): 126-133.
[6]	刘顺利, 刘昌华, 张雷, 彭词清, 薛冬冬. 基于改进SSD的无人机影像松材线虫病变色木检测[J]. 林业资源管理, 2022, 0(3): 135-141.
[7]	黄国胜, 刘谦, 蒲莹, 孙乡楠. 大数据时代森林资源监测新模式[J]. 林业资源管理, 2020, 0(6): 1-5.
[8]	兰玉芳, 石小华, 李宏韬, 马胜利, 张敏中. 基于开源GIS的森林资源监测智慧云平台构建[J]. 林业资源管理, 2020, 0(5): 131-137.
[9]	田海静, 刘旭升, 孙涛, 潘红星. 沙尘暴智慧监测体系构建的思考[J]. 林业资源管理, 2019, 0(3): 54-56.
[10]	武红敢, 牟晓伟, 杨清钰, 王成波. 无人机遥感技术在重庆市沙坪坝区松材线虫病监测中的应用[J]. 林业资源管理, 2019, 0(2): 109-115.
[11]	陈小中, 张町, 张会华, 钟祥清, 张珩. 长江经济带协同共享林业大数据平台数据服务体系[J]. 林业资源管理, 2018, 0(5): 76-81.
[12]	黄国胜, 刘谦, 史京京. 大数据时代林地一张图建设构想[J]. 林业资源管理, 2018, 0(3): 1-4.
[13]	于涛. “北京市植物种质资源信息管理系统”的建设[J]. 林业资源管理, 2018, 0(2): 119-124.
[14]	黄国胜. 创新推动森林资源监测发展的思考[J]. 林业资源管理, 2017, 0(3): 1-5.
[15]	许等平, 李晖, 庞丽杰, 张煜星, 黄国胜, 韩爱惠. 全国林地“一张图”数据库建设及扩展应用[J]. 林业资源管理, 2015, 0(5): 36-43.