© 2023-2026 上海数据发展科技有限责任公司 版权所有
沪ICP备17003045号-15沪公网安备31010402336585号
杭州森合悦科技有限公司
企业杭州森合悦科技有限公司成立于2024年，属研究和试验发展，主营农业科学研究和试验发展。面向农田管理、气象监测、农业等领域提供数据服务，开放新疆地区各个农田参考作物腾发量分析数据（农田管理、气象监测）、山东各地区农田土壤水分蒸发量预测数据（农业、土壤水分预测）、上海市各个农田参考作物腾发量分析数据（农业气象学、作物管理），支撑监测研判与运维优化。
农田管理气象监测现代农业研发服务
数据集列表
天津各地区农田土壤水分蒸发量预测数据
通过全自动小型气象站对天津各地区农田实时监测环境温度、环境湿度、风速、土壤含水率、本周降水量、植被指数、太阳日照时间等数据并每日上传即时数据，根据上述7个数据预测出农田土壤水分蒸发量。该预测数量可为农田水分盈亏分析提供数据支撑，指导农田科学灌溉和排水，从而提高作物的产量和质量。另外可结合地理信息系统（GIS）技术，将各地点的农田地理数据和土壤水分蒸发量信息进行深度整合和分析，绘制地理位置-土壤水分蒸发量地图，以直观的可视化形式呈现给用户，增强地理位置与土壤水分蒸发量关系的理解。每天早上通过全自动小型气象站对天津各地区不同编号的农田实时监测，采集环境温度、环境湿度、风速、土壤含水率、本周降水量、植被指数、太阳日照时间等数据并每日上传即时数据。 通过广义回归神经网络(GRNN)方法对土壤水分蒸发量进行预测，利用主成分分析法提取影响土壤水分蒸发量的7个因子（环境温度、环境湿度、风速、土壤含水率、本周降水量、植被指数、太阳日照时间），将上述7个因子作为GRNN模型的输入量，土壤水分蒸发量作为输出量从而预测出农田土壤水分蒸发量。GRNN模型预测值与实测值拟合程度较高，模型模拟精度较高，可用于天津各地区农田土壤水分蒸发量预测。
浙江省数据知识产权登记平台2024-12-17 更新70
陕西各地区农田土壤水分蒸发量预测数据
通过全自动小型气象站对陕西各地区农田实时监测环境温度、环境湿度、风速、土壤含水率、本周降水量、植被指数、太阳日照时间等数据并每日上传即时数据，根据上述7个数据预测出农田土壤水分蒸发量。该预测数量可为农田水分盈亏分析提供数据支撑，指导农田科学灌溉和排水，从而提高作物的产量和质量。另外可结合地理信息系统（GIS）技术，将各地点的农田地理数据和土壤水分蒸发量信息进行深度整合和分析，绘制地理位置-土壤水分蒸发量地图，以直观的可视化形式呈现给用户，增强地理位置与土壤水分蒸发量关系的理解。每天早上通过全自动小型气象站对陕西各地区不同编号的农田实时监测，采集环境温度、环境湿度、风速、土壤含水率、本周降水量、植被指数、太阳日照时间等数据并每日上传即时数据。 通过广义回归神经网络(GRNN)方法对土壤水分蒸发量进行预测，利用主成分分析法提取影响土壤水分蒸发量的7个因子（环境温度、环境湿度、风速、土壤含水率、本周降水量、植被指数、太阳日照时间），将上述7个因子作为GRNN模型的输入量，土壤水分蒸发量作为输出量从而预测出农田土壤水分蒸发量。GRNN模型预测值与实测值拟合程度较高，模型模拟精度较高，可用于陕西各地区农田土壤水分蒸发量预测。
浙江省数据知识产权登记平台2024-12-17 更新411
江苏各地区农田土壤水分蒸发量预测数据
通过全自动小型气象站对江苏各地区农田实时监测环境温度、环境湿度、风速、土壤含水率、本周降水量、植被指数、太阳日照时间等数据并每日上传即时数据，根据上述7个数据预测出农田土壤水分蒸发量。该预测数量可为农田水分盈亏分析提供数据支撑，指导农田科学灌溉和排水，从而提高作物的产量和质量。另外可结合地理信息系统（GIS）技术，将各地点的农田地理数据和土壤水分蒸发量信息进行深度整合和分析，绘制地理位置-土壤水分蒸发量地图，以直观的可视化形式呈现给用户，增强地理位置与土壤水分蒸发量关系的理解。每天早上通过全自动小型气象站对江苏各地区不同编号的农田实时监测，采集环境温度、环境湿度、风速、土壤含水率、本周降水量、植被指数、太阳日照时间等数据并每日上传即时数据。 通过广义回归神经网络(GRNN)方法对土壤水分蒸发量进行预测，利用主成分分析法提取影响土壤水分蒸发量的7个因子（环境温度、环境湿度、风速、土壤含水率、本周降水量、植被指数、太阳日照时间），将上述7个因子作为GRNN模型的输入量，土壤水分蒸发量作为输出量从而预测出农田土壤水分蒸发量。GRNN模型预测值与实测值拟合程度较高，模型模拟精度较高，可用于江苏各地区农田土壤水分蒸发量预测。
浙江省数据知识产权登记平台2024-12-17 更新250
西藏各地区农田土壤水分蒸发量预测数据
通过全自动小型气象站对西藏各地区农田实时监测环境温度、环境湿度、风速、土壤含水率、本周降水量、植被指数、太阳日照时间等数据并每日上传即时数据，根据上述7个数据预测出农田土壤水分蒸发量。该预测数量可为农田水分盈亏分析提供数据支撑，指导农田科学灌溉和排水，从而提高作物的产量和质量。另外可结合地理信息系统（GIS）技术，将各地点的农田地理数据和土壤水分蒸发量信息进行深度整合和分析，绘制地理位置-土壤水分蒸发量地图，以直观的可视化形式呈现给用户，增强地理位置与土壤水分蒸发量关系的理解。每天早上通过全自动小型气象站对西藏各地区不同编号的农田实时监测，采集环境温度、环境湿度、风速、土壤含水率、本周降水量、植被指数、太阳日照时间等数据并每日上传即时数据。 通过广义回归神经网络(GRNN)方法对土壤水分蒸发量进行预测，利用主成分分析法提取影响土壤水分蒸发量的7个因子（环境温度、环境湿度、风速、土壤含水率、本周降水量、植被指数、太阳日照时间），将上述7个因子作为GRNN模型的输入量，土壤水分蒸发量作为输出量从而预测出农田土壤水分蒸发量。GRNN模型预测值与实测值拟合程度较高，模型模拟精度较高，可用于西藏各地区农田土壤水分蒸发量预测。
浙江省数据知识产权登记平台2024-12-17 更新90
山西各地区农田土壤水分蒸发量预测数据
通过全自动小型气象站对山西各地区农田实时监测环境温度、环境湿度、风速、土壤含水率、本周降水量、植被指数、太阳日照时间等数据并每日上传即时数据，根据上述7个数据预测出农田土壤水分蒸发量。该预测数量可为农田水分盈亏分析提供数据支撑，指导农田科学灌溉和排水，从而提高作物的产量和质量。另外可结合地理信息系统（GIS）技术，将各地点的农田地理数据和土壤水分蒸发量信息进行深度整合和分析，绘制地理位置-土壤水分蒸发量地图，以直观的可视化形式呈现给用户，增强地理位置与土壤水分蒸发量关系的理解。每天早上通过全自动小型气象站对山西各地区不同编号的农田实时监测，采集环境温度、环境湿度、风速、土壤含水率、本周降水量、植被指数、太阳日照时间等数据并每日上传即时数据。 通过广义回归神经网络(GRNN)方法对土壤水分蒸发量进行预测，利用主成分分析法提取影响土壤水分蒸发量的7个因子（环境温度、环境湿度、风速、土壤含水率、本周降水量、植被指数、太阳日照时间），将上述7个因子作为GRNN模型的输入量，土壤水分蒸发量作为输出量从而预测出农田土壤水分蒸发量。GRNN模型预测值与实测值拟合程度较高，模型模拟精度较高，可用于山西各地区农田土壤水分蒸发量预测。
浙江省数据知识产权登记平台2024-12-17 更新50
贵州各地区农田土壤水分蒸发量预测数据
通过全自动小型气象站对贵州各地区农田实时监测环境温度、环境湿度、风速、土壤含水率、本周降水量、植被指数、太阳日照时间等数据并每日上传即时数据，根据上述7个数据预测出农田土壤水分蒸发量。该预测数量可为农田水分盈亏分析提供数据支撑，指导农田科学灌溉和排水，从而提高作物的产量和质量。另外可结合地理信息系统（GIS）技术，将各地点的农田地理数据和土壤水分蒸发量信息进行深度整合和分析，绘制地理位置-土壤水分蒸发量地图，以直观的可视化形式呈现给用户，增强地理位置与土壤水分蒸发量关系的理解。每天早上通过全自动小型气象站对贵州各地区不同编号的农田实时监测，采集环境温度、环境湿度、风速、土壤含水率、本周降水量、植被指数、太阳日照时间等数据并每日上传即时数据。 通过广义回归神经网络(GRNN)方法对土壤水分蒸发量进行预测，利用主成分分析法提取影响土壤水分蒸发量的7个因子（环境温度、环境湿度、风速、土壤含水率、本周降水量、植被指数、太阳日照时间），将上述7个因子作为GRNN模型的输入量，土壤水分蒸发量作为输出量从而预测出农田土壤水分蒸发量。GRNN模型预测值与实测值拟合程度较高，模型模拟精度较高，可用于贵州各地区农田土壤水分蒸发量预测。
浙江省数据知识产权登记平台2024-12-17 更新130
四川各地区农田土壤水分蒸发量预测数据
通过全自动小型气象站对四川各地区农田实时监测环境温度、环境湿度、风速、土壤含水率、本周降水量、植被指数、太阳日照时间等数据并每日上传即时数据，根据上述7个数据预测出农田土壤水分蒸发量。该预测数量可为农田水分盈亏分析提供数据支撑，指导农田科学灌溉和排水，从而提高作物的产量和质量。另外可结合地理信息系统（GIS）技术，将各地点的农田地理数据和土壤水分蒸发量信息进行深度整合和分析，绘制地理位置-土壤水分蒸发量地图，以直观的可视化形式呈现给用户，增强地理位置与土壤水分蒸发量关系的理解。每天早上通过全自动小型气象站对四川各地区不同编号的农田实时监测，采集环境温度、环境湿度、风速、土壤含水率、本周降水量、植被指数、太阳日照时间等数据并每日上传即时数据。 通过广义回归神经网络(GRNN)方法对土壤水分蒸发量进行预测，利用主成分分析法提取影响土壤水分蒸发量的7个因子（环境温度、环境湿度、风速、土壤含水率、本周降水量、植被指数、太阳日照时间），将上述7个因子作为GRNN模型的输入量，土壤水分蒸发量作为输出量从而预测出农田土壤水分蒸发量。GRNN模型预测值与实测值拟合程度较高，模型模拟精度较高，可用于四川各地区农田土壤水分蒸发量预测。
浙江省数据知识产权登记平台2024-12-17 更新260
海南各地区农田土壤水分蒸发量预测数据
通过全自动小型气象站对海南各地区农田实时监测环境温度、环境湿度、风速、土壤含水率、本周降水量、植被指数、太阳日照时间等数据并每日上传即时数据，根据上述7个数据预测出农田土壤水分蒸发量。该预测数量可为农田水分盈亏分析提供数据支撑，指导农田科学灌溉和排水，从而提高作物的产量和质量。另外可结合地理信息系统（GIS）技术，将各地点的农田地理数据和土壤水分蒸发量信息进行深度整合和分析，绘制地理位置-土壤水分蒸发量地图，以直观的可视化形式呈现给用户，增强地理位置与土壤水分蒸发量关系的理解。每天早上通过全自动小型气象站对海南各地区不同编号的农田实时监测，采集环境温度、环境湿度、风速、土壤含水率、本周降水量、植被指数、太阳日照时间等数据并每日上传即时数据。 通过广义回归神经网络(GRNN)方法对土壤水分蒸发量进行预测，利用主成分分析法提取影响土壤水分蒸发量的7个因子（环境温度、环境湿度、风速、土壤含水率、本周降水量、植被指数、太阳日照时间），将上述7个因子作为GRNN模型的输入量，土壤水分蒸发量作为输出量从而预测出农田土壤水分蒸发量。GRNN模型预测值与实测值拟合程度较高，模型模拟精度较高，可用于海南各地区农田土壤水分蒸发量预测。
浙江省数据知识产权登记平台2024-12-17 更新190
上海各地区农田土壤水分蒸发量预测数据
通过全自动小型气象站对上海各地区农田实时监测环境温度、环境湿度、风速、土壤含水率、本周降水量、植被指数、太阳日照时间等数据并每日上传即时数据，根据上述7个数据预测出农田土壤水分蒸发量。该预测数量可为农田水分盈亏分析提供数据支撑，指导农田科学灌溉和排水，从而提高作物的产量和质量。另外可结合地理信息系统（GIS）技术，将各地点的农田地理数据和土壤水分蒸发量信息进行深度整合和分析，绘制地理位置-土壤水分蒸发量地图，以直观的可视化形式呈现给用户，增强地理位置与土壤水分蒸发量关系的理解。每天早上通过全自动小型气象站对上海各地区不同编号的农田实时监测，采集环境温度、环境湿度、风速、土壤含水率、本周降水量、植被指数、太阳日照时间等数据并每日上传即时数据。 通过广义回归神经网络(GRNN)方法对土壤水分蒸发量进行预测，利用主成分分析法提取影响土壤水分蒸发量的7个因子（环境温度、环境湿度、风速、土壤含水率、本周降水量、植被指数、太阳日照时间），将上述7个因子作为GRNN模型的输入量，土壤水分蒸发量作为输出量从而预测出农田土壤水分蒸发量。GRNN模型预测值与实测值拟合程度较高，模型模拟精度较高，可用于上海各地区农田土壤水分蒸发量预测。
浙江省数据知识产权登记平台2024-12-17 更新270
云南各地区农田土壤水分蒸发量预测数据
通过全自动小型气象站对云南各地区农田实时监测环境温度、环境湿度、风速、土壤含水率、本周降水量、植被指数、太阳日照时间等数据并每日上传即时数据，根据上述7个数据预测出农田土壤水分蒸发量。该预测数量可为农田水分盈亏分析提供数据支撑，指导农田科学灌溉和排水，从而提高作物的产量和质量。另外可结合地理信息系统（GIS）技术，将各地点的农田地理数据和土壤水分蒸发量信息进行深度整合和分析，绘制地理位置-土壤水分蒸发量地图，以直观的可视化形式呈现给用户，增强地理位置与土壤水分蒸发量关系的理解。每天早上通过全自动小型气象站对云南各地区不同编号的农田实时监测，采集环境温度、环境湿度、风速、土壤含水率、本周降水量、植被指数、太阳日照时间等数据并每日上传即时数据。 通过广义回归神经网络(GRNN)方法对土壤水分蒸发量进行预测，利用主成分分析法提取影响土壤水分蒸发量的7个因子（环境温度、环境湿度、风速、土壤含水率、本周降水量、植被指数、太阳日照时间），将上述7个因子作为GRNN模型的输入量，土壤水分蒸发量作为输出量从而预测出农田土壤水分蒸发量。GRNN模型预测值与实测值拟合程度较高，模型模拟精度较高，可用于云南各地区农田土壤水分蒸发量预测。
浙江省数据知识产权登记平台2024-12-17 更新240