CN101044823A - 一种作物能量利用率评价及产量预测的方法 - Google Patents
一种作物能量利用率评价及产量预测的方法 Download PDFInfo
- Publication number
- CN101044823A CN101044823A CN 200710027583 CN200710027583A CN101044823A CN 101044823 A CN101044823 A CN 101044823A CN 200710027583 CN200710027583 CN 200710027583 CN 200710027583 A CN200710027583 A CN 200710027583A CN 101044823 A CN101044823 A CN 101044823A
- Authority
- CN
- China
- Prior art keywords
- crop
- blade
- usage ratio
- capacity usage
- yield
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)
Abstract
本发明提供一种作物能量利用率评价及作物产量预测的方法,主要是检测生长状态下的作物绿色组织叶绿体延迟荧光强度和光合速率,然后分析得到延迟荧光强度和光合速率直线回归方程的斜率,求得斜率的倒数,即得到作物能量利用率系数,求得作物平均日照量与作物能量利用率系数的乘积,即得到作物产量系数,比较作物能量利用率系数和作物产量系数,即得到作物能量利用率差异和作物产量差异。求得作物种植面积与作物产量差异系数的积,即得到作物预测年景产量;求得所有作物预测年景产量之和,即得到所有作物预测年景总产量。本发明方法测量采样量少,参数选择科学合理,操作方便灵活,适用范围广,可以对多种作物能量利用率进行评价和作物产量进行预测。
Description
技术领域
本发明涉及作物能量利用率检测技术,特别涉及一种作物能量利用率评价及产量预测的方法。
背景技术
作物产量是一个国家的基础经济信息。科学、准确地预测作物产量对国家经济安全以及作物进出口、存储、消费和农业生产计划安排都有着十分重要的意义。同时,准确地进行作物能量利用率评价和作物产量预测,也可为国家大政方针制定、国民经济宏观调控和区域经济结构调整提供重要的参考依据。为了实现对作物能量利用率和作物产量的准确评价和预测,各类学科如气象学、电子学、统计学、经济学及农学等得到了极大的交叉和综合,形成了多种针对作物生长发育状况及作物与环境因子互作关系综合评定进而实现作物产量预测的评价方法和预测模型。目前在作物产量预测中普遍使用的方法有气象产量预测法、农学预测法、统计动力学生长模拟法和遥感技术预测法。其中气象产量预测法及其相关模型的核心思想是认为作物产量高低主要取决于气象因子,由于气象数据属于点数据,数据本身有一定的适用范围,因此,以其为基础的产量预测方法和模型具有一定的适用范围;农业模型法从作物产量形成的机理出发,能精确、客观的预测产量,在小面积范围内能达到相当高的精度,但该模型涉及的农学参数较多,而且测定有一定难度,需要大量样本,因此难以实现小面积估产向大面积估产扩展;尽管统计预测方法简单、直接,但是模型过于简单、缺乏机理性,难以实现作物产量的精确预测;在各种方法中,遥感技术预测法及其相关模型应该是应用最为广泛的方法,它将作物模拟模型的机理性、科学性与遥感信息获取技术的快速、宏观、动态等优点相结合,实现作物产量的预测,但目前遥感估产主要是针对单一作物展开,而对总产量这样作物品种多样、混种现象严重的多种作物产量预测还不适用。总之,作物产量形成是一个复杂的过程,受气象、土壤、水分、生物以及社会经济等多种因子的影响,而各种作物产量预测方法的原理和出发点不同,预测过程中考虑的影响因子侧重点不同,因此上述各种方法都有自己的不足和局限之处。
发明内容
本发明的目的在于针对现有技术存在的缺点和不足,提供一种测量采样量少,参数选择科学合理,操作方便灵活,适用范围广的作物能量利用率评价及作物产量预测的方法。
本发明的目的通过下述技术方案实现:一种作物能量利用率评价及作物产量预测的方法,其特征在于包括下述步骤:
(1)选择生长状态下作物的叶片,测量叶片的延迟荧光强度。
(2)测量所述叶片的光合速率。
(3)利用数据处理软件进行数据处理,直线回归方程拟合延迟荧光强度和光合速率,求得直线回归方程斜率。
(4)求得直线回归方程斜率的倒数,即得到作物能量利用率系数。
(5)求得作物平均日照量与作物能量利用率系数的乘积,即得到作物产量系数。
(6)比较作物能量利用率系数和作物产量系数,即得到作物能量利用率差异和作物产量差异。
(7)查得当年某作物播种面积。
(8)求得播种面积与该作物产量系数的乘积,即得到该作物当年的预测年景产量
(9)计算当年所有作物预测年景产量之和,即得到当年所有作物预测年景总产量。
所述作物指的是人工种植和野生生长的具有产出效益的所有经济、粮食以及饲料和绿肥作物。
所述步骤(1)中选择生长状态下作物的叶片,指的是选择生长状态下该作物5种以上不同状态的叶片,每种叶片选择3个以上;其中优选范围是5~15种不同状态的叶片,每种叶片选择3~7个。此优选范围内的叶片数目具有较好的代表性,并有着科学的统计意义,而且容易采样,实施比较简单、方便。
所述步骤(1)中延迟荧光强度的测量是指:叶片在延迟荧光测量装置的样品暗室中暗适应0~2.5h,其叶片表面温度在0~48℃范围内可调;用光照强度为0~3500μmolm-2s-1、波长为390~770nm的可见光作为激发光源均匀辐照叶片0~50min,诱导作物叶片叶绿体产生延迟荧光;关闭激发光源,延时0.01~45s,然后利用弱光探测组件接收来自测量作物叶片断光并延时后的延迟荧光信号,并将其转换成电信号;将电信号通过模数转换器转换为数字信息并输入计算机;利用数据处理软件对数字信号进行数据处理,得到测量作物叶片的延迟荧光随时间的衰减并得到测量植株叶片的延迟荧光在0~25min时间范围的积分强度。
所述步骤(2)中光合速率测量是指:叶片在光合速率测定仪的样品室内稳定5~10min,其叶片表面温度在0~50℃范围内可调;样品室内的二氧化碳和相对湿度分别在0~2000ppm和0~95%的范围内可调;用光照强度为0~3000μmolm-2s-1、波长为450~500nm的蓝光和630~780nm的红光组成的复合激发光源均匀辐照叶片0~90min,在辐照过程中,观察光合速率测定仪样品室和参比室二氧化碳浓度、相对湿度的变化,待二氧化碳和相对湿度稳定后,记录此时的光合速率值。
所述步骤(5)中平均日照量是作物接收到光照能量的日平均,对于处于同一年份、同一地域的不同作物是相同的,看作一常数。
所述步骤(7)中播种面积包括预计播种面积和实际播种面积。
所述步骤(8)中预测年景产量包括预计预测年景产量(预计播种面积与产量系数的乘积)和实际预测年景产量(实际播种面积与产量系数的乘积)。
所述步骤(9)中预测年景总产量包括预计预测年景总产量(所有作物预计预测年景产量之和)和实际预测年景总产量(所有作物实际预测年景产量之和)。
本发明的作用原理是:本发明者经研究发现——同种作物,在该作物饱和的激发光强下,作物叶片延迟荧光强度和其光合速率有着很好的正相关:光合速率大的叶片其延迟荧光强度就强,光合速率小的叶片其延迟荧光强度就弱(延迟荧光强度在相同温度下测定)。而且,这种相关性在多种作物上都能很好的保持,因此我们可用直线回归方程拟合延迟荧光强度和光合速率,以深入分析延迟荧光强度和光合速率的关系。进一步的研究发现,不同种作物以及不同亚种作物,在各自饱和的激发光强下,其延迟荧光强度和光合速率的直线回归方程的斜率具有极规律的变化趋势和极强的特异性:高光合作用型作物的延迟荧光强度和光合速率的直线回归方程的斜率小,低光合作用型作物的延迟荧光强度和光合速率的直线回归方程的斜率反而大。光合作用是能量利用、转化的过程,是作物产量的基础:高光合作用型作物的能量利用率相对较高,其产量也相对较高,低光合作用型作物的能量利用率相对较低,其产量也相对较低。这就提示着我们,延迟荧光强度和光合速率的直线回归方程的斜率随作物光合作用类型不同而规律性的变化及其差异性可以用来表征不同作物的能量利用率甚至进行作物产量预测。
作物延迟荧光强度和光合速率的直线回归方程的斜率与作物的二氧化碳补偿点的进一步的深入分析研究,极好的证明了我们上述想法的正确性和可行性。一定光照下,光合吸收的二氧化碳量等于呼吸放出的二氧化碳量,这个时候外界的二氧化碳数量就叫做二氧化碳补偿点。二氧化碳的补偿点越低,表明二氧化碳羧化酶效率越高,与二氧化碳的亲和力就越强,光合固定二氧化碳的效率就越高,作物的光合作用能力就越强,能量利用率就越高,其产量就越高。因此,低二氧化碳补偿点常常被用作选育高能量利用率、高产品种的指标。我们的研究发现,不同作物延迟荧光强度和光合速率的直线回归方程的斜率与作物二氧化碳补偿点具有极好的正相关性。因此,我们可以用延迟荧光强度和光合速率的直线回归方程的斜率的倒数作为作物能量利用率系数,并以作物平均日照量与作物能量利用率系数的乘积作为作物产量系数,进而评价作物能量利用率和实现作物产量预测。
延迟荧光强度和光合速率的直线回归方程的斜率的倒数主要决定于作物的类型以及作物与环境的互作关系,是作物内在生理机制以及作物与环境的互作效应的反应,当种植面积一定时,很显然作物类型以及环境因子是影响作物产量的重要因素。因此延迟荧光强度和光合速率的直线回归方程的斜率的倒数能真实而灵敏的反应出作物能量利用率进而实现作物产量预测。
本发明相对现有技术具有如下的优点及效果:基于作物延迟荧光强度和光合速率直线回归方程的斜率的倒数实现的作物能量利用率评价和作物产量预测的方法,首要考虑的是影响作物产量的两大因素:光合作用代谢和环境因素。由于光合作用是作物生长发育的基础,是作物各种代谢过程中最为重要最为敏感的进程,作物的干物质90%以上来自光合作用同化的二氧化碳,这是众所周知而又无可辩驳的事实,光合速率与作物产量的决定与反决定关系是必然的、内在的。因此,以作物光合作用代谢为研究的着手点和出发点来预测作物能量利用率以及作物产量,才是最符合作物生理本质的。作物生长发育与作物生长环境的互作首先会表现为对作物叶片光合作用代谢进程的影响,即使是微效的互作,其次才是其它农学手段所能检测到的代谢进程的改变;最后才是人肉眼能感觉得到或者是能看得见的作物生长发育的改变。因此,以作物光合作用代谢为基础的作物能量利用率评价和作物产量预测,不仅仅只是考虑了作物产量的生理基础,而且还内在综合了环境因子对作物产量的影响,所以,以此为基础形成的作物能量利用率评价和作物产量预测的方法不仅简单实用,可操作性强,而且信息全面丰富,结果真实准确。延迟荧光强度自身也是作物光合效率的内在灵敏探针,它综合了作物光合作用进程的大量内在生理信息。因此,本发明作物能量利用率评价和作物产量预测的方法综合使用了作物生理两大效率探针。在这两大作物生理探针基础上的延迟荧光强度和光合速率直线回归方程的斜率又随着作物的不同而不仅具有极规律的变化趋势和极强的特异性,而且与选育高产作物生理指标二氧化碳补偿点具有极好的正相关性,这说明本发明基于延迟荧光强度和光合速率直线回归方程的斜率的倒数实现的作物能量利用率评价和作物产量预测是科学的、准确的。光合速率测量的方便和延迟荧光强度测量的快速保证了本发明方法的快速、便捷、实用,具有极强的推广应用价值。
附图说明
图1是利用本发明方法实现的玉米、水稻、大豆三种不同作物能量利用率评价。
图2是利用本发明方法实现的早熟18号大豆品种四种不同亚种产量预测以及与实际收获产量的关系。
具体实施方式
下面结合实施例及附图对本发明作进一步详细的描述,但本发明的实施方式不限于此。
实施例1
大田条件下选择高光合作用、高能量利用率型运系5081玉米品种(灌浆期)、低光合作用、低能量利用率型科丰1号大豆品种(鼓粒期)和光合作用、能量利用率中间型培矮64S/E32水稻品种(灌浆期)各自11种不同叶片,每种叶片选择5个。在位情况下将叶片置于延迟荧光测量装置的样品室中暗适应5分钟(叶片表面温度调节到24℃),用波长为540~700nm(玉米光激发强度为1500μmolm-2s-1、大豆光激发强度为1000μmolm-2s-1、水稻光激发强度为1200μmolm-2s-1)的光激发叶片0.6s,延迟0.25s,记录随后5s内的延迟荧光衰减信号。用VB软件统计数据,在ORIGIN软件中积分求得到叶片延迟荧光强度。叶片延迟荧光强度测量完成后,在与各品种延迟荧光测量相同的温度和光强下,选用LI-6400光合速率测定仪测定各品种叶片的光合速率(各品种叶片在LI-6400样品室中都稳定5min;样品室内二氧化碳浓度和湿度都设定在600ppm和85%;光照10min后记录光合速率)。在ORIGIN软件中,计算玉米、大豆、水稻各自11种不同叶片每一种5个相同叶片的延迟荧光强度和相应光合速率的平均值及其标准差,并对计算后的延迟荧光强度和光合速率进行直线回归方程分析,如图1a所示。从图1a可知:运系5081玉米品种的延迟荧光强度和光合速率直线回归方程的斜率最小,是3.81;培矮64S/E32水稻品种的延迟荧光强度和光合速率直线回归方程的斜率是5.93;科丰1号大豆品种的延迟荧光强度和光合速率直线回归方程的斜率最大,是8.27。以此方式,我们在该试验田的另四个抽验区进行了同样的延迟荧光强度和光合速率直线回归方程的斜率的分析,统计五次测量的结果得出,玉米、大豆、水稻的延迟荧光强度和光合速率直线回归方程的斜率分别是3.82±0.1、8.30±0.25、5.93±0.377,其误差波动在统计允许范围内,进一步说明了延迟荧光强度和光合速率直线回归方程的斜率具有很好的特异性,能准确的反应作物生理性质。进一步分析各品种延迟荧光强度和光合速率直线回归方程的斜率与各品种的二氧化碳补偿点的关系,如图1b所示。结果表明:延迟荧光强度和光合速率直线回归方程的斜率与二氧化碳补偿点随作物的不同而呈一致的变化趋势,并具有很好的相关性:能量利用率高的玉米,其二氧化碳补偿点低,延迟荧光强度和光合速率直线回归方程的斜率也低;能量利用率低的大豆,其二氧化碳补偿点高,延迟荧光强度和光合速率直线回归方程的斜率也高;相对能量利用率处于中间水平的水稻,其二氧化碳补偿点处于中间,延迟荧光强度和光合速率直线回归方程的斜率也处于中间。进一步计算延迟荧光强度和光合速率直线回归方程的斜率的倒数得出:玉米的是0.26±0.02,水稻的是0.17±0.01,大豆的是0.12±0.05,因此我们比较得出三种作物能量利用率依次是:玉米>水稻>大豆。
据此可知:延迟荧光强度和光合速率直线回归方程的斜率具有很好的物种特异性,与二氧化碳补偿点具有很好的正相关性,其倒数能用来评价不同作物的能量利用率。
实施例2
大田条件下选择大豆品种早熟18号四种不同亚种(鼓粒期)各自11种不同叶片,每种叶片选择5个。在位情况下将叶片置于延迟荧光测量装置的样品室中暗适应5分钟(叶片表面温度调节到24℃),用波长为540~700nm、激发强度为1000μmolm-2s-1的光激发叶片0.6s,延迟0.25s,记录随后5s内的延迟荧光衰减信号。用VB软件统计数据,在ORIGIN软件中积分求得到叶片延迟荧光强度。叶片延迟荧光强度测量完成后,在与延迟荧光测量相同的温度和光强下,选用LI-6400光合速率测定仪测定各亚种叶片的光合速率(各亚种叶片在LI-6400样品室中都稳定3min;样品室内二氧化碳浓度和湿度都设定在400ppm和80%;光照5min后记录光合速率)。在ORIGIN软件中,计算各亚种各自11种不同叶片每一种5个相同叶片的延迟荧光强度和相应光合速率的平均值及其标准差,并对计算后的延迟荧光强度和光合速率进行直线回归方程分析,如图2a所示。从图2a可知:早熟18号大豆四种不同亚种8209-3-1-1、8209-3-3-4、8209-3-4-1和8209-3-2-3的延迟荧光强度和光合速率的直线回归方程的斜率分别是11.48、10.16、7.77和7.37。以此方式,我们在该试验田的另四个抽验区进行了同样的延迟荧光强度和光合速率直线回归方程的斜率的分析,统计五次测量的结果得出,8209-3-1-1、8209-3-3-4、8209-3-4-1和8209-3-2-3的延迟荧光强度和光合速率的直线回归方程的斜率分别是11.49±0.5、10.12±0.325、7.75±0.456和7.38±0.156。其误差波动在统计允许范围内,进一步说明了延迟荧光强度和光合速率直线回归方程的斜率具有很好的特异性,能准确的反应作物生理性质。进一步求得各亚种延迟荧光强度和光合速率直线回归方程的斜率的倒数,作为各亚种作物能量利用率系数,并计算各亚种平均日照量与能量利用率系数的乘积,以此作为各亚种的作物产量系数,由于在同一年份、同一地域各亚种平均日照量可以看作常数,因此在此我们直接计算各亚种延迟荧光强度和光合速率直线回归方程的斜率的倒数与667m2(一亩)的积,作为各亚种的亩产预测年景产量。并与中科院遗传研究所2001所报道的实际种植的实际收获产量做分析比较,如图2b所示。结果表明:亩产预测年景产量高的8209-3-2-3(亩产预测年景产量为90.5±2),亩产实际收获产量也高(140kg/亩);亩产预测年景产量低的8209-3-1-1(亩产预测年景产量为58.1±3.3),亩产实际收获产量也低(106kg/亩);其余两个亚种8209-3-3-4和8209-3-4-1的亩产预测年景产量分别是65.64±2.5和85.8±4,而其亩产实际收获产量分别是117.8kg/亩和138.9kg/亩。因此大豆品种早熟18号四种不同亚种亩产预测年景产量与亩产实际收获产量具有很好的一致性,从预测年景产量上就可以预测得知四种亚种的实际收获产量:8209-3-2-3>8209-3-4-1>8209-3-3-4>8209-3-1-1。
据此可知:基于延迟荧光强度和光合速率直线回归方程的斜率的倒数作物预测年景产量和实际收获产量具有很好的一致性和相关性,能准确用于作物实际收获产量及总产量的预测。
上述实施例为本发明较佳的实施方式,但本发明的实施方式并不受上述实施例的限制,其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化,均应为等效的置换方式,都包含在本发明的保护范围之内。
Claims (10)
1、一种作物能量利用率评价及作物产量预测的方法,其特征在于包括下述步骤:
(1)选择生长状态下作物的叶片,测量叶片的延迟荧光强度;
(2)测量所述叶片的光合速率;
(3)利用数据处理软件进行数据处理,直线回归方程拟合延迟荧光强度和光合速率,求得直线回归方程斜率;
(4)求得直线回归方程斜率的倒数,即得到作物能量利用率系数;
(5)求得作物平均日照量与作物能量利用率系数的乘积,即得到作物产量系数;
(6)比较作物能量利用率系数和作物产量系数,即得到作物能量利用率差异和作物产量差异;
(7)查得当年某作物播种面积;
(8)求得播种面积与该作物产量系数的乘积,即得到该作物当年的预测年景产量;
(9)计算当年所有作物预测年景产量之和,即得到当年所有作物预测年景总产量。
2、根据权利要求1所述的作物能量利用率评价及作物产量预测的方法,其特征在于:所述步骤(1)中选择生长状态下作物的叶片,指的是选择生长状态下该作物5种以上不同状态的叶片,每种叶片选择3个以上。
3、根据权利要求2所述的作物能量利用率评价及作物产量预测的方法,其特征在于:所述不同状态的叶片种数为5~15,每种叶片选择3~7个。
4、根据权利要求1所述的作物能量利用率评价及作物产量预测的方法,其特征在于:所述步骤(1)中延迟荧光强度的测量是指叶片在延迟荧光测量装置的样品暗室中暗适应0~2.5h,其叶片表面温度在0~48℃范围内可调;用光照强度为0~3500μmolm-2s-1、波长为390~770nm的可见光作为激发光源均匀辐照叶片0~50min,诱导作物叶片叶绿体产生延迟荧光;关闭激发光源,延时0.01~45s,然后利用弱光探测组件接收来自测量作物叶片断光并延时后的延迟荧光信号,并将其转换成电信号;将电信号通过模数转换器转换为数字信息并输入计算机;对数字信号进行数据处理,得到测量作物叶片的延迟荧光随时间的衰减并得到测量植株叶片的延迟荧光在0~25min时间范围的积分强度。
5、根据权利要求1所述的作物能量利用率评价及作物产量预测的方法,其特征在于:所述步骤(2)中光合速率测量是指叶片在光合速率测定仪的样品室内稳定5~10min,其叶片表面温度在0~50℃范围内可调;样品室内的二氧化碳和相对湿度分别在0~2000ppm和0~95%的范围内可调;用光照强度为0~3000μmolm-2s-1、波长为450~500nm的蓝光和630~780nm的红光组成的复合激发光源均匀辐照叶片0~90min,在辐照过程中,观察光合速率测定仪样品室和参比室二氧化碳浓度、相对湿度的变化,待二氧化碳和相对湿度稳定后,记录此时的光合速率值。
6、根据权利要求1所述的作物能量利用率评价及作物产量预测的方法,其特征在于:所述步骤(5)中平均日照量是作物接收到光照能量的日平均,对于处于同一年份、同一地域的不同作物是相同的,看作一常数。
7、根据权利要求1所述的作物能量利用率评价及作物产量预测的方法,其特征在于:所述步骤(7)中播种面积包括预计播种面积和实际播种面积。
8、根据权利要求1所述的作物能量利用率评价及作物产量预测的方法,其特征在于:所述步骤(8)中预测年景产量包括预计预测年景产量和实际预测年景产量。
9、根据权利要求1所述的作物能量利用率评价及作物产量预测的方法,其特征在于:所述步骤(9)中预测年景总产量包括预计预测年景总产量和实际预测年景总产量。
10、根据权利要求1所述的作物能量利用率评价及作物产量预测的方法,其特征在于:所述作物指的是人工种植和野生生长的具有产出效益的经济、粮食以及饲料和绿肥作物。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 200710027583 CN101044823A (zh) | 2007-04-17 | 2007-04-17 | 一种作物能量利用率评价及产量预测的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 200710027583 CN101044823A (zh) | 2007-04-17 | 2007-04-17 | 一种作物能量利用率评价及产量预测的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN101044823A true CN101044823A (zh) | 2007-10-03 |
Family
ID=38769998
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 200710027583 Pending CN101044823A (zh) | 2007-04-17 | 2007-04-17 | 一种作物能量利用率评价及产量预测的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101044823A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103020735A (zh) * | 2012-12-04 | 2013-04-03 | 浙江大学 | 一种基于光响应分段特征的天尺度初级生产力估测方法 |
CN103270531A (zh) * | 2010-12-24 | 2013-08-28 | 富士通株式会社 | 种植辅助方法以及种植辅助装置 |
CN104897674A (zh) * | 2015-06-08 | 2015-09-09 | 云南农业大学 | 一种模拟测定林下阴生植物对光斑响应特征的方法 |
CN105075575A (zh) * | 2015-04-22 | 2015-11-25 | 华北水利水电大学 | 一种在宽窄行间作的玉米、大豆的产量预测方法和灌水质量的评价方法 |
CN106028790A (zh) * | 2013-12-19 | 2016-10-12 | 菲泰科有限公司 | 用于根据预测产量处理农作物的方法和系统 |
CN110516858A (zh) * | 2019-08-13 | 2019-11-29 | 兰州大学 | 一种预测三叶草产量与品质的方法 |
CN110751335A (zh) * | 2019-10-21 | 2020-02-04 | 中国气象局沈阳大气环境研究所 | 一种区域生态质量年景预测评价方法及装置 |
CN110766308A (zh) * | 2019-10-17 | 2020-02-07 | 中国科学院地理科学与资源研究所 | 一种基于集合同化策略的区域农作物估产方法 |
CN114568271A (zh) * | 2022-01-14 | 2022-06-03 | 北京市农林科学院智能装备技术研究中心 | 适用于无土限根基质栽培的灌溉方法、装置及系统 |
-
2007
- 2007-04-17 CN CN 200710027583 patent/CN101044823A/zh active Pending
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103270531A (zh) * | 2010-12-24 | 2013-08-28 | 富士通株式会社 | 种植辅助方法以及种植辅助装置 |
CN103270531B (zh) * | 2010-12-24 | 2016-10-05 | 富士通株式会社 | 种植辅助方法以及种植辅助装置 |
CN103020735A (zh) * | 2012-12-04 | 2013-04-03 | 浙江大学 | 一种基于光响应分段特征的天尺度初级生产力估测方法 |
CN103020735B (zh) * | 2012-12-04 | 2016-04-20 | 浙江大学 | 一种基于光响应分段特征的天尺度初级生产力估测方法 |
US10631474B2 (en) | 2013-12-19 | 2020-04-28 | Phytech Ltd. | Method and system for treating crop according to predicted yield |
CN106028790B (zh) * | 2013-12-19 | 2021-02-09 | 菲泰科有限公司 | 用于根据预测产量处理农作物的方法和系统 |
CN106028790A (zh) * | 2013-12-19 | 2016-10-12 | 菲泰科有限公司 | 用于根据预测产量处理农作物的方法和系统 |
US10721880B2 (en) | 2013-12-19 | 2020-07-28 | Phytech Ltd. | Method and system for crop management |
CN105075575A (zh) * | 2015-04-22 | 2015-11-25 | 华北水利水电大学 | 一种在宽窄行间作的玉米、大豆的产量预测方法和灌水质量的评价方法 |
CN104897674A (zh) * | 2015-06-08 | 2015-09-09 | 云南农业大学 | 一种模拟测定林下阴生植物对光斑响应特征的方法 |
CN110516858A (zh) * | 2019-08-13 | 2019-11-29 | 兰州大学 | 一种预测三叶草产量与品质的方法 |
CN110766308A (zh) * | 2019-10-17 | 2020-02-07 | 中国科学院地理科学与资源研究所 | 一种基于集合同化策略的区域农作物估产方法 |
CN110751335A (zh) * | 2019-10-21 | 2020-02-04 | 中国气象局沈阳大气环境研究所 | 一种区域生态质量年景预测评价方法及装置 |
CN114568271A (zh) * | 2022-01-14 | 2022-06-03 | 北京市农林科学院智能装备技术研究中心 | 适用于无土限根基质栽培的灌溉方法、装置及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101044823A (zh) | 一种作物能量利用率评价及产量预测的方法 | |
CN107356569B (zh) | 基于叶绿素荧光预测小麦籽粒产量的方法及其模型的构建方法 | |
CN113268923B (zh) | 一种基于模拟多光谱的夏玉米产量估算方法 | |
Naor et al. | The inherent variability of water stress indicators in apple, nectarine and pear orchards, and the validity of a leaf-selection procedure for water potential measurements | |
CN107037090B (zh) | 一种基于叶片紧张度变化的光合作用预测方法 | |
CN106718363B (zh) | 一种面向精细农业的灌溉试验方法及其试验平台 | |
CN108921451A (zh) | 一种鉴定玉米品种抗旱性的评价方法 | |
CN111855591A (zh) | 水稻地上部碳氮比遥感反演模型和方法 | |
CN104820065B (zh) | 一种城市单株乔木的碳汇测算方法 | |
CN111829965A (zh) | 水稻地上部淀粉积累量遥感反演模型和方法 | |
CN110189793A (zh) | 基于高光谱的小麦氮肥生理利用率估测模型构建及不同氮效率小麦品种分类 | |
Farooq et al. | Dynamics of canopy development of Cunninghamia lanceolata mid-age plantation in relation to foliar nitrogen and soil quality influenced by stand density | |
CN108770614A (zh) | 一种小麦耐热性评价方法 | |
CN106529133B (zh) | 一种确定极小种群适宜空间生态位和环境生态位的方法 | |
CN115015132A (zh) | 一种基于数据融合的冬小麦水分状况监测方法 | |
Wang et al. | Real-time monitoring of environmental information and modeling of the photosynthetic rate of tomato plants under greenhouse conditions | |
CN110068299B (zh) | 一种温室作物叶面积指数的计算方法 | |
Sugiura et al. | Concentrative nitrogen allocation to sun-lit branches and the effects on whole-plant growth under heterogeneous light environments | |
CN111781183A (zh) | 一种利用叶绿素荧光估算植物叶片叶绿素含量的方法 | |
CN103889211B (zh) | 植物的收获时生物量的管理方法以及管理系统 | |
Xing et al. | Fine-root morphology of woody and herbaceous plants responds differently to altered precipitation: A meta-analysis | |
CN117933747A (zh) | 一种基于dndc模型的覆膜条件下作物产量估算方法 | |
Zhang et al. | Use of a regression method to partition sources of ecosystem respiration in an alpine meadow | |
Lu et al. | Instantaneous and long-term CO2 assimilation of Platycladus orientalis estimated from 13C discrimination | |
CN110162830B (zh) | 一种基于叶片紧张度在线监测的变量灌水节点预测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C12 | Rejection of a patent application after its publication | ||
RJ01 | Rejection of invention patent application after publication |
Open date: 20071003 |