農田地膜使用信息監測系統設計與實現

摘要：開展農田地膜信息監測對科學使用地膜和治理農田白色污染具有重要意義。針對山東省農田地膜使用監測管理情況，利用信息技術與機器學習方法等手段，提出基于Springboot+Mysql+Mybatis為系統架構的山東省地膜監測系統研究模式，監測系統的功能涵蓋地膜使用監測網絡的全部內容，包括地膜生產企業、地膜生產使用、回收與殘留等全產業鏈關鍵業務數據報表的接收、上報、數據審核校驗。同時實現數據綜合分析，上報情況的統計，生產企業、監測點、審核單位和質量控制單位的基礎信息管理，依托地膜使用監測上報數據，利用R語言對殘留量與各類因子進行相關性分析以及方差分析，進一步精準農田地膜殘留量預測模型設計。以2021年山東省農田地膜殘留監測信息為依據，試運行系統，覆蓋全省16地市122縣，可實現地膜全產業鏈監測與信息共享，為地膜科學使用與管理提供技術支撐。

關鍵詞：地膜殘留；功能設計；數據分析；數據上報；污染防控

中圖分類號：TP3; S223.5" " " 文獻標識碼：A" " " 文章編號：2095?5553 （2024） 08?0302?06

Design and implementation of monitoring system for farmland plastic film use information

Xu Jing1， Sun Chitao2， 3， Wang Peng2， Yin Hang2， Mi Qinghua3， Liu Pingzeng1

（1. School of Information Science and Engineering， Shandong Agricultural University， Tai'an， 271018， China;2. College of Water Conservancy and Civil Engineering， Shandong Agricultural University， Tai'an， 271018， China;3. Key Laboratory of Agricultural Film Application， Ministry of Agriculture and Rural Affairs， Tai'an， 271018， China）

Abstract： Conducting monitoring of agricultural film information is crucial for the scientific use of plastic mulch and the management of agricultural plastic pollution. In response to the monitoring and management of plastic mulch use in Shandong Province， this study leverages information technology and machine learning methods to propose a monitoring system architecture based on Springboot+Mysql+Mybatis. The system's functionalities encompass the entire network of plastic mulch usage monitoring， including the reception， reporting， and data verification of key business data reports across the full industry chain encompassing plastic film production companies， usage， recycling， and residues. It also facilitates comprehensive data analysis， statistical reporting， and basic information management of production enterprises， monitoring stations， audit units， and quality control units. Utilizing R language， the system employs data from the plastic mulch usage reports to conduct correlation and variance analyses on residue levels and various factors， further refining the prediction model for residual amounts of agricultural film. With the plastic mulch residue monitoring data from Shandong Province in 2021 as a basis， the system was pilot tested， covering 16 cities and 122 counties across the province， enabling comprehensive monitoring and information sharing across the entire plastic mulch industry chain and providing technical support for the scientific use and management of plastic mulch.

Keywords： residual plastic film; function design; analysis of data; data reporting; pollution control

0 引言

農田地膜覆蓋栽培技術具有增溫、保墑、抑制雜草、提高農作物產量等優點，在農業生產中應用廣泛。目前，農田地膜大多以聚乙烯為原料，在自然條件下很難降解，該技術在應用過程中存在重使用、輕回收的現象，導致地膜殘留逐年加重，由此引起的土壤結構、根系發育、作物生長等一系列問題逐漸引起人們的重視。山東是農膜使用大省，2022年，全省農膜總用量為254 kt，占全國總用量的10.69%。其中地膜使用量為86 kt，覆蓋面積1 519.3 khm2，分別占全國的6.41%，8.70%。針對地膜殘留數據開展高效收集方法和統計分析研究具有重要意義。

在殘膜高效識別方面，陳墨[1]通過對目前棉田殘膜量的研究方法進行對比后提出一種圖像識別方法，并設計出一款自動識別春耕后棉田土壤中白色碎膜的重量與自動分析數據的系統。Levin等[2]利用地膜的光譜輻射特性和AIS-ES光譜影像來分析地膜的識別精度，最高可以達到90%。哈斯圖亞[3]、羅琪[4]提出了人工測量、無人機遙感，高光譜成像等田間殘膜污染評估方法。在地膜殘留量影響因素分析方面，杜澤玉等[5]通過選擇研究對象為河西走廊張掖綠洲105個監測點，結果表明，西北地區的地膜殘留量高于東南地區，總體呈高斯模型分布。地膜殘留量受地膜覆蓋方式、地膜覆蓋年份和主要作物的影響是決定性的。主要作物為玉米時，地膜殘留量最多。宋占麗等[6]針對不同地域不同種植作物等進行地膜殘留取樣和影響因素分析，確認主要影響因子。Li等[7]使用隨機抽樣家庭調查數據探索地膜使用和回收的關鍵影響因素，采用二元logistic回歸模型分析了地膜使用和回收的特點。Zhang等[8]采用農場調查、問卷調查和樣方抽樣的方法，在新疆維吾爾自治區的現場調查了殘膜狀況及其影響因素。結果表明，地膜厚度、覆蓋時間和作物類型都會影響地膜殘留。膜厚與殘膜量呈顯著負相關，而覆蓋年限與殘膜數量呈顯著正相關。

目前，高效、精準統計地膜使用數據信息仍存在較大困難。為進一步治理農田地膜殘留污染，提升耕地質量，2021年山東省農業農村廳制定了《山東省農田地膜殘留監測實施方案》，并在全省16個地市117個縣設置815個地膜殘留監測點，使用現場采樣、人工調查等方法統計殘膜數據，殘膜數據的收集匯總和整理等環節尚未實現信息化。此外，在農田地膜使用、回收和殘留殘膜污染監測方面，相關關鍵環節的數據存在分布零散、孤立、無法及時分析確定監測點數據異常等問題[9]。

為全面掌握全省農田地膜使用現狀，本研究擬設計一套具有數據上報、統計及分析等功能的地膜監測分析系統，以提升山東省農田地膜生產、使用、回收和殘留數據分析效率和動態監測水平，實現農田地膜污染源在大數據環境下的可監控與數據共享，為農田地膜污染綜合治理提供技術支撐。

1 總體設計

1.1 系統總體架構

山東省農田地膜監測系統涵蓋了地膜生產企業、地膜生產使用、回收與殘留等全產業鏈業務，實現數據報表的接收、上報、數據審核與校驗、上報情況統計、數據綜合分析與決策等主要功能。系統框架包括數據應用層、數據接口層和數據采集層（圖1）。此系統使用Java、Python和R語言實現，通過系統完成地膜從生產、銷售、使用、回收、殘留等地膜全周期數據匯總與分析，實現數據共享、數據聯動以及數據溯源。同時依托地膜監測上報數據，進行地膜殘留因素分析，研究分析監測點地膜殘留量年際間變化情況，為加強地膜殘留污染的監管、防控及綜合決策提供科學依據和技術支撐，可滿足不同角色工作任務需求。

1.2 主要流程設計

根據山東省農田地膜使用調查工作開展情況，確定自下而上的數據上報傳輸流程。傳輸過程可劃分為5個級別/節點，即鎮（鄉）、縣級、市級、承擔單位、省級審核單位。在流程設計中首先明確了省級—承擔單位—市級—縣—鎮（鄉）5級組織結構，之后創建了各級別用戶，完善包括監測點在內的各單位基礎信息，規范報送制度，根據各類需求指標設計系統上傳報表，并規定每個級別需要處理的數據報表，按照登錄角色進行各級別業務流程處理。根據審批流程設計（圖2），系統引用activity流程引擎，通過這些API接口平臺可以快速與地膜系統進行整合，實現系統間業務數據的雙向交換、業務處理流程等功能。可以幫助用戶實現非常靈活的流程設計，實現數據流轉規范化。通過系統整體功能設計，最終實現數據傳輸、數據匯總、信息共享、查詢瀏覽等功能。

2 系統功能設計

2.1 系統總功能結構

依據山東省農田地膜殘留調查工作的需求分析調研和現有的系統開發技術，對地膜殘留監測系統進行分析設計，完成系統整體架構設計。系統功能設計為：系統管理、報表上報管理、任務發布管理、數據統計分析、政策法規5個功能模塊（圖3），系統根據不同用戶對象提供不同的功能，通過分配不同的角色進行功能權限控制。

2.2 數據上報管理設計

報表上報管理與報表接收管理相對應，是實現數據向上傳輸的重要功能。在實現數據傳輸的同時，各級單位都必須確保報表數據的真實準確，因此，各級單位的領導需對本級上報數據負責，從而形成了報表上報的審批責任制。與此對應，報表上報管理功能[10， 11]主要包括上報申請、上報審批、報表上報、被退處理、未過審批處理、上報歷史瀏覽（圖4）。實現地膜殘留監測點數據填報和地膜生產、使用和回收等多張數據填報功能。系統支持單筆錄入和模板導入功能，同時數據上報過程中增加了權限控制、數據完整性和一致性校驗的邏輯。

在該模塊中，輸入數據有“報表信息”“修改數據”“查詢條件”，輸出數據有“待審核報表”。同時該模塊還涉及“待報報表”“已過審批報表”“未過審批報表”“被退報表”“已上報報表”五個數據存儲文件。分類管理數據，便于后期數據的跟蹤和查驗。

2.3 任務（信息）管理設計

為實現信息共享，以便各級政府部門能夠及時掌握山東省地膜殘留整體情況，需對地膜殘留指標的統計結果進行對外發布。由于新的情況以及工作的需要，經常要新增加報送報表和新的指標，頒布新的運行制度，每月都需要向各鎮鄉監測點發布相關報表的總體報送情況。只有省局擁有發布權限，但鎮鄉可提出在轄區內發布信息的申請，由省局審批。所有發布信息的審批權限都在省局領導。信息發布管理主要包括發布申請、發布審批、正式發布、發布信息瀏覽（圖5）。

發布申請：省局運管用戶和鎮鄉監測點用戶通過發布申請將需要發布的信息提交省局運管負責人審核。發布審批：省局領導最終決定相關信息是否能夠對外發布，若不批準，該項業務完結。正式發布：僅省局運管用戶擁有該權限。省局領導批準發布后，由省局運管用戶進行發布操作，核定信息發布對象，同時歸檔保存。發布信息瀏覽：是對歷史發布信息操作即內容的存檔記錄，可在此快速查詢。

2.4 數據統計分析設計

2.4.1 數據統計功能設計

數據統計分析包括三部分功能（圖6），分別為圖表統計、圖形統計展示和數據挖掘分析。對系統的數據信息進行明細以及概要方面的統計，通過相關的數據篩選之后進行數據的圖形化展示。根據歷史統計的基礎數據，根據數據挖掘的算法思想進行地膜殘留因素挖掘和殘留預測。

系統對完成審核的上報數據，進行數據的清洗、轉換和治理，并按照業務需求進行邏輯分析，通過系統集成的開源框架ECharts和Python算法專用的包scikit-learn和pandas，把地膜生產分布、地膜使用量分布、地膜回收和處理分布以及地膜殘留分布、地膜殘留影響因素分析，監測點分布統計，上報數據匯總統計等一系列分析數據通過ECharts插件直觀、生動、個性化的實現數據可視化圖表展示。同時系統又集成了在線報表設計功能，方便用戶靈活的提取上報的數據。數據分析模塊實現原理如圖7所示。

2.4.2 數據相關性分析

在數據分析模塊中，需要采用相關性分析方法[12， 13]，對地膜監測點上報的殘膜數據進行數據校驗，終止異常數據傳輸，對通過校驗的數據進行篩選、分類，采用多變量相關性分析、方差分析、線性回歸分析等方法實現系統的數據分析功能。

目前，對數據之間進行相關性分析主要采用皮爾遜（Pearson）系數或斯皮爾曼（Spearman）等級相關系數。本研究采用皮爾遜相關系數進行分析。皮爾遜相關系數定義為兩個變量之間的協方差和標準差的商。

1） 殘膜數據影響因子分析。基于上報系統的農田地膜殘留量及監測點基本信息，對數據進行篩選、分類和整理，對因變量殘留量與其他自變量（地塊與住處距離、耕地面積、播種面積、第一茬覆膜量、第一茬播種面積、覆膜年限、地膜使用周期、成本、殘膜回收量等）進行相關性分析（皮爾遜相關系數、斯皮爾曼等級相關系數）和方差分析（自由度、平方和、均方、F值、P值以及殘差）并繪制矩陣散點圖及分布圖（圖8）。從表1可以看到，殘留量與覆膜年限呈正相關，與地膜使用周期呈負相關。

2） 殘膜數據多因素方差分析。利用R語言軟件中的Aov函數構造方差分析，Summary函數可用于獲得描述性統計，提供數字變量的最小值、最大值、四分位數和平均值以及因子向量和邏輯向量的頻率統計。根據運行出來的結果判定相關性高低，殘差（Residual）是真實值與預測值之間的差，五個分位的值越小模型越精確，結果如表2所示。

由上述整體相關性分析以及方差分析結果可知，因變量殘留量和覆膜年限、種植作物、土壤質地以及灌溉方式呈強相關，與地膜使用周期呈弱相關。殘膜數據的相關性分析可為后續地膜殘留量預測模型構建提供依據。

3 系統實現

管理員登錄系統，進入系統主頁面（圖9），用戶可以根據自己的習慣設置主頁面展示內容，如任務辦理、監測點分布圖、上報數據匯總、地膜殘留因素分析以及監測點地膜殘留量、地膜生產企業分布、地膜使用情況等。

3.1 數據上報實現

數據上報模塊包括數據填報、數據審核、數據匯總查詢，實現地膜監測點數據填報和地膜生產使用和回收等多張數據填報。系統支持單筆錄入和模板導入功能，數據填報填寫完畢點擊“立即提交”，數據進入5級審批流。可以進行單筆審核也可以批量審核，審核回退是逐級退回，同時數據上報過程中增加了權限控制、數據完整性和一致性校驗的邏輯。

3.2 數據分析實現

在數據分析功能實現環節主要集成Python中機器學習算法專用的包scikit-learn和pandas，實現數據分析中的影響因子分析和算法模型構建。通過集成ECharts插件和在線報表設計插件，將數據分析技術與圖形技術結合來清晰有效地對分析結果信息進行解讀和傳達。如任務完成情況、監測點分布圖、上報數據匯總、地膜殘留因素分析、監測點地膜殘留量變化、匯總分析全省“一張圖”、影響因子分析與地膜殘留預測等一系列功能，能夠多方位、多角度、全景展現各項指標，實時監控，動態一目了然（圖10、圖11）。

3.3 軟件實現

采用Springboot+Mybatis+Mysql+Thymeleaf的開發框架，用IntelliJ IDEA工具進行軟件開發，Web應用服務器采用Tomcat。該系統服務器端核心程序建立在J2EE平臺上，主要采用MVC設計模式。模型層使用Mybatis來負責對實現業務的實體類進行操作以訪問數據庫，控制層使用 Springboot框架，主要負責業務中的流程管理、實現業務邏輯。視圖層使用模板引擎Thymeleaf實現與用戶的交互。數據庫采用Mysql數據庫。

3.4 系統功能應用驗證

系統試運行期間系統功能數據展示如圖12、圖13所示。

本系統于2022年10月初進行了試運行，山東省農田地膜監測項目組成員聯合全省16個地市122個縣、區農業農村局的相關工作人員按照要求進行系統功能測試，參與系統試運行用戶數量達到130。工作人員全面測試線上數據模板上報、逐級審批、數據驗證、實時數據進展跟蹤、數據多維度匯總等功能，系統試運行期間整體功能完善、穩定。對于省地膜生產企業、產量、銷售、使用和回收處理以及土地農膜殘留等相關數據，系統功能設計的多方位分析、交叉數據驗證和數據的深度挖掘等和預期效果一致。

4 結論

為提升山東省農田地膜使用信息上報以及數據分析效率，利用信息技術與機器學習方法等現代信息技術，提出基于Springboot+Mysql+Mybatis為框架的山東省農田地膜殘留監測與分析系統。

1） 本系統采用Java、Python和R語言等軟件工具，系統完成地膜從生產、銷售、使用、回收、殘留等地膜全周期的數據監測與匯總分析、實現數據的共享、數據聯動以及地膜全周期的數據溯源。

2） 通過對上報的農田地膜殘留基本信息篩選、分類，并對因變量地膜殘留量與自變量進行多變量相關性分析、方差分析、線性回歸分析，最后構建擬合度較高的回歸模型，通過數據挖掘的算法對地膜殘留進行預測分析，為政策制定和實施提供科學依據。

3） 系統試運行后功能測試顯示系統性能穩定，能夠滿足實時數據監控和多維數據分析的需求，為地膜使用和殘留監測提供有效的技術支持。

隨著系統的不斷應用和數據的積累，可持續優化模型，提升數據質量。同時，隨著地膜產業上下游產業數據的不斷完善，系統可實現地膜從生產、銷售、使用、回收、殘留全產業鏈的地膜溯源，為農田地膜污染綜合治理提供更強有力的技術支撐。

參 考 文 獻

[ 1 ] 陳墨. 棉田地膜殘留量預測系統的設計與試驗[D]. 阿拉爾： 塔里木大學， 2021.

Chen Mo. Design and experiment of the prediction system of the residual amount of mulch in cotton field [D]. Alar： Tarim University， 2021.

[ 2 ] Levin N， Lugassi R， Ramon U， et al. Remote sensing as a tool for monitoring plasticulture in agricultural landscapes [J]. International Journal of Remote Sensing， 2007， 28（1）： 183-202.

[ 3 ] 哈斯圖亞. 基于多源數據的地膜覆蓋農田遙感識別研究[D]. 北京： 中國農業科學院， 2017.

Hasituya. Mapping plastic?mulched farmland with multi?source remote sensing data [D]. Beijing： Chinese Academy of Agricultural Sciences， 2017.

[ 4 ] 羅琪. 基于時序遙感數據的地膜識別方法研究[D]. 昆明： 云南師范大學， 2021.

Luo Qi. Research on plastic mulch mapping method based on time series remote sensing data [D]. Kunming： Yunnan Normal University， 2021.

[ 5 ] 杜澤玉， 孫多鑫， 楊榮， 等. 張掖綠洲農田地膜殘留量分布特征及影響因素[J]. 農業環境科學學報， 2020， 39（12）： 2789-2797.

Du Zeyu， Sun Duoxin， Yang Rong， et al. Spatial distribution characteristics and influencing factors of plastic film residue in Zhangye Oasis [J]. Journal of Agro?Environment Science， 2020， 39（12）： 2789-2797.

[ 6 ] 宋占麗， 顧斌， 劉忠權， 等. 察布查爾縣農田地膜殘留及影響因素分析[J]. 南方農業， 2021， 15（14）： 205-206.

[ 7 ] Li C， Sun M， Xu X， et al. Characteristics and influencing factors of mulch film use for pollution control in China： Microcosmic evidence from smallholder farmers [J]. Resources， Conservation and Recycling， 2021， 164： 105222.

[ 8 ] Zhang D， Liu H， Hu W， et al. The status and distribution characteristics of residual mulching film in Xinjiang， China [J]. Journal of Integrative Agriculture， 2016， 15（11）： 2639-2646.

[ 9 ] 孫鈺， 韓京冶， 陳志泊， 等. 基于深度學習的大棚及地膜農田無人機航拍監測方法[J]. 農業機械學報， 2018， 49（2）： 133-140.

Sun Yu， Han Jingye， Chen Zhibo， et al. Monitoring method for UAV image of greenhouse and plastic?mulched landcover based on deep learning [J]. Transactions of the Chinese Society for Agricultural Machinery， 2018， 49（2）： 133-140.

[10] 喬喜春. 企業統計上報管理系統的設計與實現[D]. 沈陽： 東北大學， 2016.

Qiao Xichun. Design and implementation of the statistical reporting enterprise management system [D]. Shenyang： Northeastern University， 2016.

[11] 張強偉. 西盟縣統計局工業經濟信息統計上報管理信息系統的分析與設計[D]. 昆明： 云南大學， 2015.

[12] 劉超. 回歸分析——方法、數據與R的應用[M]. 北京： 高等教育出版社， 2019.

[13] 王磊， 閔佳鑫， 鄂志國. R語言及在農業試驗數據分析中的基本應用（一）[J]. 中國稻米， 2021， 27（6）： 100-107.