| 摘要 | 第6-8页 |
| Abstract | 第8-9页 |
| 英文缩略表 | 第19-20页 |
| 第一章 绪论 | 第20-30页 |
| 1.1 研究背景 | 第20-22页 |
| 1.1.1 我国墒情监测与精量灌溉应用现状 | 第20页 |
| 1.1.2 墒情监测与精量灌溉应用中存在的问题 | 第20-21页 |
| 1.1.3 墒情监测与精量灌溉信息服务发展趋势 | 第21-22页 |
| 1.2 国内外研究现状 | 第22-25页 |
| 1.2.1 墒情监测与灌溉控制信息服务 | 第22页 |
| 1.2.2 云服务平台 | 第22-23页 |
| 1.2.3 服务粒度设计 | 第23-25页 |
| 1.2.4 服务组合 | 第25页 |
| 1.3 存在问题与研究目标 | 第25-26页 |
| 1.4 主要研究内容 | 第26-27页 |
| 1.5 论文组织结构 | 第27-30页 |
| 第二章 墒情监测与智能灌溉云服务平台体系结构及关键问题分析 | 第30-42页 |
| 2.1 引言 | 第30页 |
| 2.2 云服务平台体系结构对比与选型方法 | 第30-33页 |
| 2.2.1 云服务、服务、SOA和云服务平台 | 第30-31页 |
| 2.2.2 云服务平台对比与选型方法 | 第31-33页 |
| 2.3 农田土壤墒情监测与智能灌溉领域业务分析 | 第33-34页 |
| 2.4 云服务平台关键问题 | 第34-35页 |
| 2.5 墒情监测与智能灌溉云服务平台体系结构设计 | 第35-40页 |
| 2.5.1 框架设计 | 第35-37页 |
| 2.5.2 需求分析 | 第37-38页 |
| 2.5.3 功能设计 | 第38-40页 |
| 2.6 小结 | 第40-42页 |
| 第三章 墒情监测与智能灌溉云服务的按需粒度优化设计方法研究 | 第42-54页 |
| 3.1 引言 | 第42页 |
| 3.2 云服务粒度定义与关键问题分析 | 第42页 |
| 3.3 云服务粒度优化算法 | 第42-47页 |
| 3.3.1 云服务相似性度量模型 | 第43-45页 |
| 3.3.2 云服务粒度优化算法 | 第45-47页 |
| 3.4 云服务粒度优化实现 | 第47-53页 |
| 3.4.1 云服务粒度优化实验 | 第47-50页 |
| 3.4.2 基于Qos的云服务粒度优化评价方法 | 第50-52页 |
| 3.4.3 墒情监测与智能灌溉云服务粒度优化结果与分析 | 第52-53页 |
| 3.5 小结 | 第53-54页 |
| 第四章 墒情监测与智能灌溉云服务管理与应用系统快速构建方法 | 第54-66页 |
| 4.1 引言 | 第54页 |
| 4.2 服务管理平台的实现 | 第54-55页 |
| 4.2.1 服务平台实现流程 | 第54-55页 |
| 4.2.2 服务管理功能 | 第55页 |
| 4.3 墒情监测与智能灌溉应用系统前端快速开发方法 | 第55-65页 |
| 4.3.1 基于Web的组态化前端开发架构 | 第55-56页 |
| 4.3.2 模型库构建 | 第56-60页 |
| 4.3.3 应用系统定制开发 | 第60-63页 |
| 4.3.4 应用系统运行 | 第63-65页 |
| 4.4 小结 | 第65-66页 |
| 第五章 墒情监测与灌溉控制的数据传输云服务实现 | 第66-80页 |
| 5.1 引言 | 第66页 |
| 5.2 实时数据传输云服务功能设计 | 第66-67页 |
| 5.2.1 功能设计 | 第66页 |
| 5.2.2 关键问题 | 第66-67页 |
| 5.3 监控数据云服务的实时性能分析 | 第67-70页 |
| 5.3.1 数据实时通讯问题分析 | 第67-68页 |
| 5.3.2 数据传输系统结构 | 第68页 |
| 5.3.3 数据传输实时性瓶颈分析 | 第68-70页 |
| 5.4 数据实时推送设计 | 第70-72页 |
| 5.4.1 观察者模式 | 第70-71页 |
| 5.4.2 数据层与逻辑层之间的数据推送设计 | 第71页 |
| 5.4.3 逻辑层与表现层之间的数据推送设计 | 第71-72页 |
| 5.5 实时数据推送的实现与性能测试 | 第72-75页 |
| 5.5.1 关键步骤 | 第72-74页 |
| 5.5.2 测试设计 | 第74页 |
| 5.5.3 结果分析 | 第74-75页 |
| 5.6 海量监测数据的存储优化 | 第75-78页 |
| 5.6.1 数据库结构设计 | 第76-77页 |
| 5.6.2 表分区 | 第77-78页 |
| 5.7 小结 | 第78-80页 |
| 第六章 智能灌溉决策分析云服务实现 | 第80-96页 |
| 6.1 引言 | 第80页 |
| 6.2 功能设计与关键问题 | 第80-83页 |
| 6.2.1 智能灌溉决策分析云服务的关键问题 | 第80页 |
| 6.2.2 优化粒度功能设计 | 第80-83页 |
| 6.3 精量灌溉决策模型 | 第83-88页 |
| 6.3.1 基于蒸腾蒸发量的灌溉决策模型 | 第83-85页 |
| 6.3.2 基于土壤水分状况的灌溉决策模型 | 第85-88页 |
| 6.3.3 模型适用性分析 | 第88页 |
| 6.4 精量灌溉决策指标计算方法 | 第88-93页 |
| 6.4.1 作物蒸腾蒸发量ETc的计算方法 | 第88-91页 |
| 6.4.2 灌水量的计算方法 | 第91-92页 |
| 6.4.3 指标计算方法适用性分析 | 第92-93页 |
| 6.5 精量灌溉模型库管理服务 | 第93-95页 |
| 6.5.1 模型管理需求 | 第93-94页 |
| 6.5.2 模型库服务管理接口设计 | 第94-95页 |
| 6.6 小结 | 第95-96页 |
| 第七章 墒情监测与智能灌溉安全访问控制 | 第96-110页 |
| 7.1 引言 | 第96页 |
| 7.2 云服务安全访问问题分析 | 第96-99页 |
| 7.3 基于角色和空间属性的访问控制模型 | 第99-101页 |
| 7.4 REBAC模型实现 | 第101-109页 |
| 7.4.1 访问控制算法 | 第101-103页 |
| 7.4.2 访问控制实现 | 第103-109页 |
| 7.5 小结 | 第109-110页 |
| 第八章 墒情监测与智能灌溉云服务平台应用案例 | 第110-134页 |
| 8.1 引言 | 第110页 |
| 8.2 墒情监测应用系统 | 第110-120页 |
| 8.2.1 用户业务需求分析 | 第110-111页 |
| 8.2.2 系统开发环境与架构设计 | 第111-112页 |
| 8.2.3 系统主要功能实现 | 第112-120页 |
| 8.3 灌溉决策与控制应用系统 | 第120-133页 |
| 8.3.1 用户业务需求分析 | 第121-122页 |
| 8.3.2 系统开发环境与架构设计 | 第122-123页 |
| 8.3.3 系统数据库设计 | 第123-124页 |
| 8.3.4 系统主要功能实现 | 第124-133页 |
| 8.4 小结 | 第133-134页 |
| 第九章 全文结论 | 第134-136页 |
| 9.1 研究工作总结 | 第134-135页 |
| 9.2 主要创新点总结 | 第135页 |
| 9.3 后续研究展望 | 第135-136页 |
| 参考文献 | 第136-144页 |
| 致谢 | 第144-145页 |
| 作者简历 | 第145页 |
