农业管理预测系统 (Flask + CatBoost)

启动

1. 训练模型 (可选)

python CatBoost.py

2. 安装依赖

pip install -r requirements.txt

3. 启动服务

set MODEL_PATH=output/best_catboost_model.cbm
set MODEL_FEATURES=soil_moisture,rainfall,nitrogen
set MQTT_ENABLE=false
python app.py

打开 http://127.0.0.1:5000/。

MQTT 数据格式示例

发布到 sensors/field1：

{
  "device_id": "dev-1",
  "admin_code": "110105",
  "lat": 39.95,
  "lon": 116.4,
  "soil_moisture": 0.32,
  "temperature": 18.4,
  "rainfall": 1.2,
  "nitrogen": 0.28
}

气象 API

默认使用 Open-Meteo；如需 ERA5 请在 services/weather.py 中替换 _era5_placeholder，并设置 WEATHER_PROVIDER=era5。

大模型建议（ERNIE-5.0）

使用环境变量启用：

set LLM_ENABLE=true
set LLM_API_KEY=你的密钥
set LLM_BASE_URL=https://aistudio.baidu.com/llm/lmapi/v3
set LLM_MODEL=ernie-5.0-thinking-preview

若未启用，将使用内置规则引擎作为回退。

传感器模拟数据

python scripts/simulate_sensor.py

可通过环境变量控制：

• INGEST_URL (默认 http://127.0.0.1:5000/api/ingest)
• ADMIN_CODE (默认 110105)
• DEVICE_ID (默认 sim-001)
• INTERVAL_SEC (默认 5)

中国行政区数据

请将真实行政区 GeoJSON 替换 static/geo/china_admin_sample.geojson。

性能优化建议

• 传感数据写入批处理或使用消息队列 (MQTT -> Redis -> Worker)。
• 预测接口缓存最近一段时间的结果，避免重复计算。
• 网格渲染采用请求窗口内裁剪，避免一次性加载全中国 1km 网格。
• 模型预加载并复用，避免重复加载。

本地开发板部署

• 使用 Python venv，预先编译 CatBoost 依赖。
• 通过 MQTT_ENABLE=true 订阅本地网关的传感数据。
• 可以在开发板上关闭 SHAP、训练流程，仅保留 app.py 服务。
• 若无公网，气象服务可替换为本地气象站或离线缓存。

行政区数据构建

推荐方案：使用阿里云 DataV 行政区 GeoJSON（含 adcode）并转换为 WGS84。

一次全量拉取：

python scripts\\build_admin_geojson.py --all

分批运行（便于断点续跑）：

python scripts\\build_admin_geojson.py --max-provinces 1
python scripts\\build_admin_geojson.py --finalize

说明：DataV 数据为 GCJ-02 坐标，脚本会转换为 WGS84 并输出到 static/geo/china_admin_sample.geojson。

如需更高精度或商业授权，请使用 geojson.cn 的县级数据（付费，WGS84 版本）。