农田地膜覆盖栽培技术具有增温、保墒、抑制杂草、提高农作物产量等优点，在农业生产中应用广泛。目前，农田地膜大多以聚乙烯为原料，在自然条件下很难降解，该技术在应用过程中存在重使用、轻回收的现象，导致地膜残留逐年加重，由此引起的土壤结构、根系发育、作物生长等一系列问题逐渐引起人们的重视。山东是农膜使用大省，2022年，全省农膜总用量为254 kt，占全国总用量的10.69%。其中地膜使用量为86 kt，覆盖面积1 519.3 khm2，分别占全国的6.41%,8.70%。针对地膜残留数据开展高效收集方法和统计分析研究具有重要意义。

在残膜高效识别方面，陈墨[1]通过对目前棉田残膜量的研究方法进行对比后提出一种图像识别方法，并设计出一款自动识别春耕后棉田土壤中白色碎膜的重量与自动分析数据的系统。Levin等[2]利用地膜的光谱辐射特性和AIS-ES光谱影像来分析地膜的识别精度，最高可以达到90%。哈斯图亚[3]、罗琪[4]提出了人工测量、无人机遥感，高光谱成像等田间残膜污染评估方法。在地膜残留量影响因素分析方面，杜泽玉等[5]通过选择研究对象为河西走廊张掖绿洲105个监测点，结果表明，西北地区的地膜残留量高于东南地区，总体呈高斯模型分布。地膜残留量受地膜覆盖方式、地膜覆盖年份和主要作物的影响是决定性的。主要作物为玉米时，地膜残留量最多。宋占丽等[6]针对不同地域不同种植作物等进行地膜残留取样和影响因素分析，确认主要影响因子。Li等[7]使用随机抽样家庭调查数据探索地膜使用和回收的关键影响因素，采用二元logistic回归模型分析了地膜使用和回收的特点。Zhang等[8]采用农场调查、问卷调查和样方抽样的方法，在新疆维吾尔自治区的现场调查了残膜状况及其影响因素。结果表明，地膜厚度、覆盖时间和作物类型都会影响地膜残留。膜厚与残膜量呈显著负相关，而覆盖年限与残膜数量呈显著正相关。

目前，高效、精准统计地膜使用数据信息仍存在较大困难。为进一步治理农田地膜残留污染，提升耕地质量，2021年山东省农业农村厅制定了《山东省农田地膜残留监测实施方案》，并在全省16个地市117个县设置815个地膜残留监测点，使用现场采样、人工调查等方法统计残膜数据，残膜数据的收集汇总和整理等环节尚未实现信息化。此外，在农田地膜使用、回收和残留残膜污染监测方面，相关关键环节的数据存在分布零散、孤立、无法及时分析确定监测点数据异常等问题[9]。

为全面掌握全省农田地膜使用现状，本研究拟设计一套具有数据上报、统计及分析等功能的地膜监测分析系统，以提升山东省农田地膜生产、使用、回收和残留数据分析效率和动态监测水平，实现农田地膜污染源在大数据环境下的可监控与数据共享，为农田地膜污染综合治理提供技术支撑。

1、总体设计

1.1系统总体架构

山东省农田地膜监测系统涵盖了地膜生产企业、地膜生产使用、回收与残留等全产业链业务，实现数据报表的接收、上报、数据审核与校验、上报情况统计、数据综合分析与决策等主要功能。系统框架包括数据应用层、数据接口层和数据采集层（图1）。此系统使用Java、Python和R语言实现，通过系统完成地膜从生产、销售、使用、回收、残留等地膜全周期数据汇总与分析，实现数据共享、数据联动以及数据溯源。同时依托地膜监测上报数据，进行地膜残留因素分析，研究分析监测点地膜残留量年际间变化情况，为加强地膜残留污染的监管、防控及综合决策提供科学依据和技术支撑，可满足不同角色工作任务需求。

图1地膜使用信息监测系统架构

1.2主要流程设计

根据山东省农田地膜使用调查工作开展情况，确定自下而上的数据上报传输流程。传输过程可划分为5个级别/节点，即镇（乡）、县级、市级、承担单位、省级审核单位。在流程设计中首先明确了省级—承担单位—市级—县—镇（乡）5级组织结构，之后创建了各级别用户，完善包括监测点在内的各单位基础信息，规范报送制度，根据各类需求指标设计系统上传报表，并规定每个级别需要处理的数据报表，按照登录角色进行各级别业务流程处理。根据审批流程设计（图2），系统引用activity流程引擎，通过这些API接口平台可以快速与地膜系统进行整合，实现系统间业务数据的双向交换、业务处理流程等功能。可以帮助用户实现非常灵活的流程设计，实现数据流转规范化。通过系统整体功能设计，最终实现数据传输、数据汇总、信息共享、查询浏览等功能。

图2数据上报流程图

2、系统功能设计

2.1系统总功能结构

依据山东省农田地膜残留调查工作的需求分析调研和现有的系统开发技术，对地膜残留监测系统进行分析设计，完成系统整体架构设计。系统功能设计为：系统管理、报表上报管理、任务发布管理、数据统计分析、政策法规5个功能模块（图3），系统根据不同用户对象提供不同的功能，通过分配不同的角色进行功能权限控制。

图3地膜监测分析系统功能

2.2数据上报管理设计

报表上报管理与报表接收管理相对应，是实现数据向上传输的重要功能。在实现数据传输的同时，各级单位都必须确保报表数据的真实准确，因此，各级单位的领导需对本级上报数据负责，从而形成了报表上报的审批责任制。与此对应，报表上报管理功能[10,11]主要包括上报申请、上报审批、报表上报、被退处理、未过审批处理、上报历史浏览（图4）。实现地膜残留监测点数据填报和地膜生产、使用和回收等多张数据填报功能。系统支持单笔录入和模板导入功能，同时数据上报过程中增加了权限控制、数据完整性和一致性校验的逻辑。

图4数据上报管理功能

在该模块中，输入数据有“报表信息”“修改数据”“查询条件”，输出数据有“待审核报表”。同时该模块还涉及“待报报表”“已过审批报表”“未过审批报表”“被退报表”“已上报报表”五个数据存储文件。分类管理数据，便于后期数据的跟踪和查验。

2.3任务（信息）管理设计

为实现信息共享，以便各级政府部门能够及时掌握山东省地膜残留整体情况，需对地膜残留指标的统计结果进行对外发布。由于新的情况以及工作的需要，经常要新增加报送报表和新的指标，颁布新的运行制度，每月都需要向各镇乡监测点发布相关报表的总体报送情况。只有省局拥有发布权限，但镇乡可提出在辖区内发布信息的申请，由省局审批。所有发布信息的审批权限都在省局领导。信息发布管理主要包括发布申请、发布审批、正式发布、发布信息浏览（图5）。

图5任务（信息）管理功能

发布申请：省局运管用户和镇乡监测点用户通过发布申请将需要发布的信息提交省局运管负责人审核。发布审批：省局领导最终决定相关信息是否能够对外发布，若不批准，该项业务完结。正式发布：仅省局运管用户拥有该权限。省局领导批准发布后，由省局运管用户进行发布操作，核定信息发布对象，同时归档保存。发布信息浏览：是对历史发布信息操作即内容的存档记录，可在此快速查询。

2.4数据统计分析设计

2.4.1数据统计功能设计

数据统计分析包括三部分功能（图6），分别为图表统计、图形统计展示和数据挖掘分析。对系统的数据信息进行明细以及概要方面的统计，通过相关的数据筛选之后进行数据的图形化展示。根据历史统计的基础数据，根据数据挖掘的算法思想进行地膜残留因素挖掘和残留预测。

图6数据统计分析与挖掘功能设计

系统对完成审核的上报数据，进行数据的清洗、转换和治理，并按照业务需求进行逻辑分析，通过系统集成的开源框架ECharts和Python算法专用的包scikitlearn和pandas，把地膜生产分布、地膜使用量分布、地膜回收和处理分布以及地膜残留分布、地膜残留影响因素分析，监测点分布统计，上报数据汇总统计等一系列分析数据通过ECharts插件直观、生动、个性化的实现数据可视化图表展示。同时系统又集成了在线报表设计功能，方便用户灵活的提取上报的数据。数据分析模块实现原理如图7所示。

图7系统数据统计分析实现原理图

2.4.2数据相关性分析

在数据分析模块中，需要采用相关性分析方法[12,13]，对地膜监测点上报的残膜数据进行数据校验，终止异常数据传输，对通过校验的数据进行筛选、分类，采用多变量相关性分析、方差分析、线性回归分析等方法实现系统的数据分析功能。

目前，对数据之间进行相关性分析主要采用皮尔逊（Pearson）系数或斯皮尔曼（Spearman）等级相关系数。本研究采用皮尔逊相关系数进行分析。皮尔逊相关系数定义为两个变量之间的协方差和标准差的商。

1）残膜数据影响因子分析。

基于上报系统的农田地膜残留量及监测点基本信息，对数据进行筛选、分类和整理，对因变量残留量与其他自变量（地块与住处距离、耕地面积、播种面积、第一茬覆膜量、第一茬播种面积、覆膜年限、地膜使用周期、成本、残膜回收量等）进行相关性分析（皮尔逊相关系数、斯皮尔曼等级相关系数）和方差分析（自由度、平方和、均方、F值、P值以及残差）并绘制矩阵散点图及分布图（图8）。从表1可以看到，残留量与覆膜年限呈正相关，与地膜使用周期呈负相关。

图8影响因子分布矩阵图

表1皮尔逊系数

2）残膜数据多因素方差分析。

利用R语言软件中的Aov函数构造方差分析，Summary函数可用于获得描述性统计，提供数字变量的最小值、最大值、四分位数和平均值以及因子向量和逻辑向量的频率统计。根据运行出来的结果判定相关性高低，残差（Residual）是真实值与预测值之间的差，五个分位的值越小模型越精确，结果如表2所示。

由上述整体相关性分析以及方差分析结果可知，因变量残留量和覆膜年限、种植作物、土壤质地以及灌溉方式呈强相关，与地膜使用周期呈弱相关。残膜数据的相关性分析可为后续地膜残留量预测模型构建提供依据。

表2整体方差分析结果

3、系统实现

管理员登录系统，进入系统主页面（图9），用户可以根据自己的习惯设置主页面展示内容，如任务办理、监测点分布图、上报数据汇总、地膜残留因素分析以及监测点地膜残留量、地膜生产企业分布、地膜使用情况等。

图9地膜系统主页面

3.1数据上报实现

数据上报模块包括数据填报、数据审核、数据汇总查询，实现地膜监测点数据填报和地膜生产使用和回收等多张数据填报。系统支持单笔录入和模板导入功能，数据填报填写完毕点击“立即提交”，数据进入5级审批流。可以进行单笔审核也可以批量审核，审核回退是逐级退回，同时数据上报过程中增加了权限控制、数据完整性和一致性校验的逻辑。

3.2数据分析实现

在数据分析功能实现环节主要集成Python中机器学习算法专用的包scikit-learn和pandas，实现数据分析中的影响因子分析和算法模型构建。通过集成ECharts插件和在线报表设计插件，将数据分析技术与图形技术结合来清晰有效地对分析结果信息进行解读和传达。如任务完成情况、监测点分布图、上报数据汇总、地膜残留因素分析、监测点地膜残留量变化、汇总分析全省“一张图”、影响因子分析与地膜残留预测等一系列功能，能够多方位、多角度、全景展现各项指标，实时监控，动态一目了然（图10、图11）。

图1 0山东省地膜残留分布图

图1 1地膜数据监测和数据分析展示图

3.3软件实现

采用Springboot+Mybatis+Mysql+Thymeleaf的开发框架，用IntelliJ IDEA工具进行软件开发，Web应用服务器采用Tomcat。该系统服务器端核心程序建立在J2EE平台上，主要采用MVC设计模式。模型层使用Mybatis来负责对实现业务的实体类进行操作以访问数据库，控制层使用Springboot框架，主要负责业务中的流程管理、实现业务逻辑。视图层使用模板引擎Thymeleaf实现与用户的交互。数据库采用Mysql数据库。

3.4系统功能应用验证

系统试运行期间系统功能数据展示如图12、图13所示。

图1 2农膜生产/应用/回收等分析

图1 3监测点数据上报实时统计

本系统于2022年10月初进行了试运行，山东省农田地膜监测项目组成员联合全省16个地市122个县、区农业农村局的相关工作人员按照要求进行系统功能测试，参与系统试运行用户数量达到130。工作人员全面测试线上数据模板上报、逐级审批、数据验证、实时数据进展跟踪、数据多维度汇总等功能，系统试运行期间整体功能完善、稳定。对于省地膜生产企业、产量、销售、使用和回收处理以及土地农膜残留等相关数据，系统功能设计的多方位分析、交叉数据验证和数据的深度挖掘等和预期效果一致。

4、结论

为提升山东省农田地膜使用信息上报以及数据分析效率，利用信息技术与机器学习方法等现代信息技术，提出基于Springboot+Mysql+Mybatis为框架的山东省农田地膜残留监测与分析系统。

1）本系统采用Java、Python和R语言等软件工具，系统完成地膜从生产、销售、使用、回收、残留等地膜全周期的数据监测与汇总分析、实现数据的共享、数据联动以及地膜全周期的数据溯源。

2）通过对上报的农田地膜残留基本信息筛选、分类，并对因变量地膜残留量与自变量进行多变量相关性分析、方差分析、线性回归分析，最后构建拟合度较高的回归模型，通过数据挖掘的算法对地膜残留进行预测分析，为政策制定和实施提供科学依据。

3）系统试运行后功能测试显示系统性能稳定，能够满足实时数据监控和多维数据分析的需求，为地膜使用和残留监测提供有效的技术支持。

随着系统的不断应用和数据的积累，可持续优化模型，提升数据质量。同时，随着地膜产业上下游产业数据的不断完善，系统可实现地膜从生产、销售、使用、回收、残留全产业链的地膜溯源，为农田地膜污染综合治理提供更强有力的技术支撑。

参考文献:

[1]陈墨.棉田地膜残留量预测系统的设计与试验[D].阿拉尔:塔里木大学,2021.Chen Mo.

[3]哈斯图亚.基于多源数据的地膜覆盖农田遥感识别研究[D].北京:中国农业科学院,2017.

[4]罗琪.基于时序遥感数据的地膜识别方法研究[D].昆明:云南师范大学,2021.

[5]杜泽玉,孙多鑫,杨荣,等.张掖绿洲农田地膜残留量分布特征及影响因素[J].农业环境科学学报,2020, 39(12):2789-2797.

[6]宋占丽,顾斌,刘忠权,等.察布查尔县农田地膜残留及影响因素分析[J].南方农业,2021, 15(14):205-206.

基金资助:农业农村部科技教育司政府购买服务项目(13220052);山东省高等学校青年创新团队(2023KJF025);

文章来源:徐靖,孙池涛,王鹏,等.农田地膜使用信息监测系统设计与实现[J].中国农机化学报,2024,45(08):302-307.