[摘要]隨著經濟的發展與互聯網技術的不斷突破革新，傳統的農業與信息技術聯系越來越緊密，兩者結合發展成為一個值得探索的新方向。結合數據挖掘技術及農業種植生產作出了探究，首先介紹了數據挖掘的相關知識與主要研究方法，然后從農作物種植氣候環境、施肥與灌溉、病蟲害預防以及產量預測模型四個方面做出了應用分析。數據挖掘新技術的融合，對農作物地種植培育、精準農業實施、模型預測以及產量提升帶來了重要的意義。

　　[關鍵詞]數據挖掘；農業；預測模型；種植；生產

　　1數據挖掘相關知識

　　數據挖掘（DataMining），該詞的起源，需要追溯到1995年于加拿大召開的第一屆知識發現與數據挖掘國際學術會議，會上很多學者把“數據”比作礦床，從“數據挖掘”開始被廣泛應用到各個方面。數據挖掘，是一個根據歷史或現有的大量數據，通過運用相關算法與構造方法，發現并提取其中潛在蘊含有價值的信息與知識的過程。

　　2數據挖掘研究方法

　　隨著互聯網與信息技術的不斷飛躍發展，目前比較受歡迎并且應用比較廣泛的數據挖掘方法主要有：統計分析方法、決策樹方法、粗糙集方法以及人工神經網絡方法等。

　　2.1統計分析方法

　　在數據挖掘中，回歸分析（RegressionAnalysis）方法比較常見。回歸分析分為簡單線性回歸以及多元線性回歸。簡單線性回歸中只包含一個自變量和一個因變量，例如假設自變量是X，因變量是Y，那么根據已有數據即可建立關于X的線性回歸方程，從而可以擬合兩者之間的關系。多元線性回歸因為含有多個自變量，所以需要先轉換變量，然后按照簡單線性回歸的方法進行處理。

　　2.2決策樹方法

　　決策樹方法（DecisionTreeMethod）是一種分類方法，通過把對模型發生的動作、條件以及預測信息等模擬在一個樹形結構，通過If-Then簡單規則從而提取信息與決策。例如，判斷一個患者風險等級狀況，決策樹圖如圖2所示，轉換成計算機程序語言如圖3所示。

　　3數據挖掘在農業種植生產中的應用

　　3.1基于數據挖掘的農作物種植氣候環境

　　在農作物種植初期階段，除了種子的選擇與培育，適宜的氣候環境也十分重要。氣溫、日照時間以及降水量是氣候環境中的3個基本要素，農作物從初期的秧苗培育，到移栽再到生長抽穗整個過程中，都離不開適宜的氣候條件作為保障。不僅需要合適的光照強度和氣溫，同時還需要適宜的降水量。光照可以促進水稻的光合作用，光合作用的速度與光照的強度有著密不可分的聯系，在一定條件下，兩者相互呈正相關關系，但是超過一定范圍，光照強度加強，光合作用反而會減弱。適宜的降水量可以給農作物及時補充水分供給，從而助力其生長。通過數據挖掘技術與相關手段，可以根據以往的氣溫，日照及降水量大數據，學習并建立相關模型，對氣候環境做出預測，并針對不同種類農作物給出不同的種植方案。能夠匹配相應的種植時間，結合預測的氣候數據，能夠做到相對精準化種植，進一步提高存活率。

　　3.2基于數據挖掘的施肥與灌溉

　　在農作物生長階段，不同類型農產品需要施加不同成分的肥料，同時比例搭配十分重要，這直接關系到產量的達成。采用數據挖掘技術，可以分析種植土壤的PH值以及有機物質的含量等信息，進一步的可以與施肥相結合，達到精準施肥的目的。通過聚類分析方法，可以知道哪類農作物需要哪類土壤并匹配多少比例的肥料，這樣一方面可以節約種植人員的時間成本與經濟成本，提高工作效率；另一方面，可以在最大程度上幫助農作物生長，從而不斷提升農作物產量。

　　結語

　　正蓬勃發展的互聯網信息技術已經融入到工作生活的各個領域，對比傳統農業，該技術也陸續將智慧農業，信息農業推進一個新的階段。本文結合數據挖掘技術與農作物種植生產開展了探索分析，基于數據挖掘技術的前提，從農產品種植氣候環境、施肥與灌溉、病蟲害預防以及產量預測模型四個方面的應用前景作出了展望。根據現階段發展狀況，數據挖掘的確能夠更加高效、更加精準、更加安全地助力農作物地種植生產，對產量的提升貢獻了巨大力量。我們應該重視新興計算機技術在農業發展中的應用潛在價值，同時培養信息技術與農業學科復合交叉型高素質人才，從而能夠使得農業到進一步地平穩高效發展。

　　[參考文獻]

　　[1]王小妮.數據挖掘技術[M].北京：北京航空航天大學出版社，2014.

　　[2]李鑫悅，陳淑琴，李鴻亮，等.應用數據挖掘的高校教學建筑空調使用及其能耗分析[J/OL].浙江大學學報（工學版），2020（09）：1677-1689[2020-11-17].

　　[3]MulatuWesenuBekele，BedasaMebratuFana，TerefaGemechuKena.PredictionofWheatRustDiseasesUsingDataMiningApplication[J].OpenAccessLibraryJournal，2020，07（09）.

　　[4]馬薇.基于數據挖掘算法的信貸逾期行為預測[D].太原：山西大學，2020

　　彭致華