CN101477595A - 区域作物品种种植比例规划系统及方法 - Google Patents
区域作物品种种植比例规划系统及方法 Download PDFInfo
- Publication number
- CN101477595A CN101477595A CNA2009100768388A CN200910076838A CN101477595A CN 101477595 A CN101477595 A CN 101477595A CN A2009100768388 A CNA2009100768388 A CN A2009100768388A CN 200910076838 A CN200910076838 A CN 200910076838A CN 101477595 A CN101477595 A CN 101477595A
- Authority
- CN
- China
- Prior art keywords
- plantation
- proportion
- module
- zone
- planting proportion
- 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
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种用于规划区域作物品种种植比例的系统和方法,包括利用数据导入及预处理模块对基础数据进行导入和预处理;通过区域选择模块选择要对作物品种种植比例进行规划的区域;通过模型选择模块选择进行作物品种种植比例规划的运算模型;通过参数设置模块设定用户期望的参数;以及通过比例计算模块来根据基础数据、区域特征、运算模型、以及用户设定的参数来计算在所选区域中的作物品种种植比例。
Description
技术领域
本发明属于种植业信息化技术领域,具体地,本发明涉及一种区域作物品种种植比例规划系统及利用该系统规划区域作物品种种植比例的方法。
背景技术
合理规划作物品种的种植区域,对于提高耕地的综合利用效率具有积极的意义。因此,农业技术领域的诸多专家在作物品种种植比例规划方面展开了深入的研究,并取得了积极进展。例如,目前有的学者针对玉米品种在熟型特征方面的种植比例研究已经达到定量化的程度。这类研究所采用的方式主要包括:根据栽培地的热量资源及玉米生育期所需的热量标准,确定不同品种在不同地区的成熟度;利用概率决策方法来确定当地主栽品种;以及采用线性规划方法对当地不同熟型玉米种植比例进行求解。
但是,目前所采用的区域作物品种种植比例规划方法普遍存在以下问题:
1、考虑因素不充分。例如,上述关于玉米品种在熟型特征方面的种植比例研究所考虑的因素主要是栽培地的热量资源等因素,但是影响玉米在某一地域生长状况的因素除了热量之外显然还有很多;
2、方法通用性差,不能适应各个地区各种作物之间千差万别的具体情况,就玉米品种来说,现有的方法不适于对我国所有县(区)、玉米品种任意农艺性状的组合。
发明内容
鉴于以上情况,本发明提供了一种区域作物品种种植比例规划系统及利用该系统规划区域作物品种种植比例的方法,该系统和方法利用信息技术,充分考虑作物栽培地的温度、降水量等气象因素、栽培地的地形特征及当地的管理安排条件,结合作物品种的农艺性状来对种植比例进行定量化分析,其中农艺性状可以是单一性状,也可以是多个性状的综合表现。
本发明的一方面提供了一种用于规划区域作物品种种植比例的系统,包括:
数据导入及预处理模块,用于对基础数据进行导入和预处理;
区域选择模块,用于选择要对作物品种种植比例进行规划的区域;
模型选择模块,用于选择进行作物品种种植比例规划的运算模型;
参数设置模块,用于设定用户期望的参数;
比例计算模块,用于根据基础数据、区域特征、运算模型、以及用户设定的参数来计算在所选区域中的作物品种种植比例。
此外,本发明的用于规划区域作物品种种植比例的系统还可以包括结果显示模块,作为区域作物品种种植比例规划系统的最终结果展示部分,所展示的内容主要包括用户信息、计算时间信息、参与计算的县、各品种及各品种最终的种植比例信息等。
本发明的另一方面提供了一种用于规划区域作物品种种植比例的方法,包括:
步骤1:选定所研究的区域;
步骤2:对于所选定的区域,确定该区域参与种植的品种以及品种个数N;
步骤3:计算各参与种植的品种在选定区域的期望产量;
步骤4:确定所选定区域的品种集中度或品种多样性;
步骤5:确定所选定区域的最终参配品种及其种植比例。
通过采用本发明的上述系统和方法,可以在区域作物品种种植比例规划过程中,考虑更多的因素,从而提高规划结果的合理性和科学性,使得规划结果对实际作物种植计划具有更高的指导意义。同时,本发明的系统和方法还可以灵活适用于不同区域、不同作物的种植比例规划,以及不同种类的作物之间的种植比例规划。
附图说明
下面结合附图说明本发明的具体实施方式。其中附图所表示的内容仅仅是为了说明本发明的原理所采用的具体例子,并不构成对本发明的任何限制。其中:
图1所示为本发明的用于规划区域作物品种种植比例的系统的示意图;
图2所示为表示本发明的用于规划区域作物品种种植比例的方法的流程图。
具体实施方式
图1示出本发明的用于规划区域作物品种种植比例的系统的示意图。如图所示,本发明的用于规划区域作物品种种植比例的系统包括数据导入及预处理模块、区域选择模块、模型选择模块、参数设置模块、比例计算模块、以及结果显示模块。
其中,
-数据导入及预处理模块主要完成相关基础数据的导入与预处理。需导入的数据主要有作物品种历年产量等区域试验基础数据,各县(区)玉米种植面积、地面高低起伏、降水、温度等。要完成的预处理主要是数据的校验及基本统计值的计算(如平均值、最大值、最小值等);
-区域选择模块用于选择要对作物品种种植比例进行规划的区域。一般来说,作物品种种植比例计算是以县(区)为基本单元进行的,因此,首先需要对感兴趣的县进行选择。系统可以按照玉米种植的两大区域东华北和黄淮海来进行划分,按照种植区-省份-市-县层状结构进行组织,有利于用户进行区域的选择;
-模型选择模块用于选择用于进行作物品种种植比例规划的运算模型。作物品种种植比例计算模型是一个双目标规划模型,一般常用的解法是将双目标转为单目标,另一目标作为约束进行求解。因此,在本发明中,系统提供了两类计算作物品种种植比例的模型供用户选择:一是期望产量一定时风险最小化的计算模型;二是风险一定时期望产量最大化计算模型;
-参数设置模块用于设定用户期望的参数。由于对产量的期望或对风险的承受能力因人而异,因此本模块提供了参数设置功能,让用户结合自身的喜好来进行设置,如设定一个期望产量,系统给出在此期望产量水平下减产风险最小的种植比例;或指定一个风险承受等级,得出在此风险等级下产量最高的种植比例;
-比例计算模块用于根据基础数据、区域特征、运算模型、以及用户设定的参数来计算在所选区域中的作物品种种植比例。本模块主要完成各品种间最终种植比例的确定功能,其中涉及到各品种期望产量的计算、各品种间相似性的分析计算、目标区域集中度的计算以及整个模型的求解,最终确定各品种的最佳种植比例;
-结果显示模块是区域作物品种种植比例规划系统的最终结果展示部分,所展示的内容主要包括用户信息、计算时间信息、参与计算的县、各品种及各品种最终的种植比例信息等。系统可以提供报表显示和图形化显示等不同的结果展示方式,图形化展示中可以包括柱形图、条形图和饼图。
下面以县域玉米品种种植比例规划方法为例来说明利用本发明的系统进行作物品种种植比例规划的技术方案。当然,本发明的技术方案还可以应用于规划其它作物的区域种植比例规划,而不限于玉米,也可应用于其它区域的规划,而不限于县域。
图2示出根据本发明用于规划区域玉米品种种植比例的方法的的一个实施例的流程图。从图2可以看出,根据本发明规划区域玉米品种种植比例时,先后执行以下步骤:
步骤1:选定所研究的区域;在本实施例中,所述区域是一个县,即:将一个县的地理区域作为规划玉米品种种植比例的区域单元。
步骤2:对于所选定的区域,确定该区域参与种植的品种以及品种个数N,用户可按偏好自定义选择的玉米品种,也可选用系统提供的默认参与种植的品种集合。
在该实施例中,在确定区域参与种植的品种以及品种个数N时,可以对全国玉米品种区试数据进行处理,得出参与种植的品种集合在选定区域的品种特征数据a、b、R2、s,即特定玉米品种的产量与其所在区试点的环境玉米平均产量的线性回归特征参数,其中a表示回归常数,b表示回归系数,R表示相关系数,s表示离回归偏差。
步骤3:计算各参与种植的品种在选定县(区)的期望产量。确定特征数据a、b、R2、s后,对各试点数据与各县经济数据进行相关分析,利用公式 计算各参与种植的品种在选定县(区)的期望产量,其中,k表示玉米区试产量与大田产量间的比例,x表示选定县(区)的环境玉米平均产量,表示悲观度,y表示该品种在该县的期望产量。在对全国玉米品种区试数据进行处理时,可以采用回归分析等方法。
步骤4:确定所选定区域的品种集中度或品种多样性。这里首先要确定的是选定区域的各影响指标特征值。在该实施例中,本发明提出两个玉米品种种植过程中的概念,即:品种集中度和品种多样性。
品种集中度用来衡量品种的数目和品种种植情况的集中程度,用组合品种所占比例的平方和表示。组合品种的个数可以在一定程度上反映品种集中度。
品种多样性用来表示组合品种之间及其地区组合品种个数的差异性,这种差异性可以是单个品种性状上的差异,也可以是品种综合性状上的差异。
品种集中度越大,品种多样性越小,反之亦然。
品种集中度可由计算所得的各影响指标特征值来确定。利用公式 对所选指标进行归一化处理,其中,xn表示指标归一化结果值,x表示原始指标值,xmax表示原始指标最大值,xmin表示原始指标最小值。然后利用公式C=Sn*En*Tn*Rn来确定品种集中度。式中Sn为种植面积归一化的值;En为地形起伏度归一化的值;Tn为温度不稳定度归一化的值;Rn为降水量不稳定度归一化的值。
因此,本实施例中主要选用了玉米种植面积、地形起伏度、温度和降水量这四个指标,还可以进一步扩充,加入品种类型等方面的指标。
步骤5:确定所选定区域的最终参配品种及其种植比例,即:对玉米品种种植比例计算方法模型进行最终结果的求解。根据高产低险的种植目标,例如可以选用目标规划数学模型。本实施例中假定,玉米品种之间的相似性代表品种的减产风险,也即品种越相似种植风险越大。因此,可得出以下玉米品种种植的两个目标函数:
其中,xi为第i个玉米品种种植的比例(i=1、2、…n),值域为[0,1];cov(vi,vi)为第i个品种和第j个品种之间相似性,可以表示不同品种在不同农艺性状方面的相似性,也可表示玉米品种综合性状的相似性;ei为第i个玉米品种的期望产量,例如历年产量的均值。
在上述实施例中,品种集中度可用组合种植的品种所占比例平方的和来表示。而栽培地的各影响指标能在另一层面反映品种集中度,因此,可建立以下的约束条件:
最后将数据带入模型,选用相应的非线性规划求解方法对结果进行规划求解,确定最终种植的品种及其相应的种植比例。
下面是利用上述本发明的技术方案对辽宁省新民市玉米种植比例进行规划的实际例子。
在该实例中,选定了辽宁新民市作为规划单元。
对于选定的研究单元,需要确定该县(区)参与种植的品种以及品种个数N。本发明以目前新民市种植品种郑单958、丹玉39、沈玉21、丹玉69及辽单127做为参选品种。
然后计算各参与种植的品种在选定县(区)的期望产量。根据全国玉米区试数据回归分析可得出结果如表1所示:
表1 参选品种的期望产量
品种名称 | 丹玉69 | 丹玉39 | 辽单127 | 沈玉21 | 郑单958 |
期望产量 | 618.60 | 565.26 | 612.67 | 638.20 | 594.53 |
(千克/亩) |
接下来确定选定县(区)的各影响指标特征值。通过对全国气象数据、县域经济数据以及DEM数据进行分析,空间插值处理得出。新民市玉米种植面积归一化后的特征值为0.67;地形起伏度归一化后的特征值为0.98;降水量不稳定度归一化后的特征值为0.99;温度不稳定度归一化后的特征值为0.77。因此,可得出品种集中度的阈值为0.5。
最后进行玉米品种种植比例计算方法模型进行最终结果的求解。在玉米品种相似性考虑上,本发明仅以玉米品种产量稳定度来体现。通过对参选品种在新民市多年产量的表现进行相关性分析。结果如表2所示:
表2 参选品种产量稳定性相关分析
丹玉69 | 丹玉39 | 辽单127 | 沈玉21 | 郑单958 | |
丹玉69 | 1.00 | 0.64 | 0.92 | 0.82 | 0.70 |
丹玉39 | 0.64 | 1.00 | 0.70 | 0.61 | 0.52 |
辽单127 | 0.92 | 0.70 | 1.00 | 0.89 | 0.75 |
沈玉21 | 0.82 | 0.61 | 0.89 | 1.00 | 0.67 |
郑单958 | 0.70 | 0.52 | 0.75 | 0.67 | 1.00 |
将表1与表2的数据用玉米品种种植比例计算方法进行求解,结果为:
表3 玉米品种种植比例结果
丹玉69 | 丹玉39 | 辽单127 | 沈玉21 | 郑单958 | 预期产量 | 种植风险 | |
推荐方案 | - | 0.09 | - | 0.26 | 0.65 | 603.25 | 0.72 |
现实种植 | 0.10 | 0.12 | 0.05 | 0.12 | 0.61 | 599.57 | 0.74 |
(注:现实种植的品种比例为对新民市外业调查有关专家提供)
由表3可知,推荐种植方案与现实种植情况中的主栽品种是吻合的。而推荐种植方案的预期产量较现实种植的高,且风险较现实种植的低。因此,推荐方案比现实种植的情况在高产低险的目标上更实用。
由以上实施例以及实例可以看出本发明至少具有以下优点:
1、玉米种植生产是品种、环境(气候、土壤、病虫、地形等)、管理措施多因素综合作用的过程。因此,在对其进行相关研究时,需全面综合考虑这些影响因素。本发明提出品种集中度概念,可定量的综合考虑这些影响因素在品种的集中程度上的约束。
2、本发明以品种相似性来代表品种的减产风险,而品种相似性可表现为某一个特征,亦可以为多个特征综合表现。因此,在品种相似性上提供了通用的计算方法。
3、考虑到我国2000多个县之间气象、农事、地形以及农资、农技需求上的差异,本发明的研究单元设为县,同时本发明适用于任意一个玉米种植区。因此,在研究尺度上较现研究更精细,在研究范围上更广阔。
尽管以上描述了本发明的具体实施方式,但本领域的技术人员应当理解,在不偏离本发明的精神和主旨的前提下,可以对具体的实施方式进行各种变通和修改,这些变通和修改应当都属于本发明的范围。也就是说,本发明的范围不由以上所述的具体实施方式限定,而是由后面所附的权利要求书所限定。
Claims (7)
1、一种用于规划区域作物品种种植比例的系统,包括:
数据导入及预处理模块,用于对基础数据进行导入和预处理;
区域选择模块,用于选择要对作物品种种植比例进行规划的区域;
模型选择模块,用于选择进行作物品种种植比例规划的运算模型;
参数设置模块,用于设定用户期望的参数;
比例计算模块,用于根据基础数据、区域特征、运算模型、以及用户设定的参数来计算在所选区域中的作物品种种植比例。
2、如权利要求1所述的系统,进一步包括结果显示模块,用于显示系统的规划结果。
3、一种用于规划区域作物品种种植比例的方法,包括:
选定所研究的区域;
对于所选定的区域,确定该区域参与种植的品种以及品种个数N;
计算各参与种植的品种在选定区域的期望产量;
确定所选定区域的品种集中度或品种多样性;
确定所选定区域的最终参配品种及其种植比例。
4、如权利要求3所述的方法,其中确定所选定的区域参与种植的品种以及品种个数N的步骤包括:
对全国玉米品种区试数据进行处理,得出参与种植的品种集合在选定区域的品种特征数据a、b、R2、s,其中a表示回归常数,b表示回归系数,R表示相关系数,s表示离回归偏差。
6、如权利要求3所述的方法,其中计算品种集中度的步骤包括:
利用公式 对所选指标进行归一化处理,其中,xn表示指标归一化结果值,x表示原始指标值,xmax表示原始指标最大值,xmin表示原始指标最小值;和
利用公式C=Sn*En*Tn*Rn来确定品种集中度,式中Sn为种植面积归一化的值;En为地形起伏度归一化的值;Tn为温度不稳定度归一化的值;Rn为降水量不稳定度归一化的值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNA2009100768388A CN101477595A (zh) | 2009-01-22 | 2009-01-22 | 区域作物品种种植比例规划系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNA2009100768388A CN101477595A (zh) | 2009-01-22 | 2009-01-22 | 区域作物品种种植比例规划系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN101477595A true CN101477595A (zh) | 2009-07-08 |
Family
ID=40838307
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNA2009100768388A Pending CN101477595A (zh) | 2009-01-22 | 2009-01-22 | 区域作物品种种植比例规划系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101477595A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102160502A (zh) * | 2011-01-05 | 2011-08-24 | 江苏大学 | 一种确定温室作物日需肥量的方法 |
CN101876623B (zh) * | 2009-12-08 | 2012-11-14 | 中国农业大学 | 玉米新品种抗倒性检测环境定量化分析方法及其系统 |
CN104573860A (zh) * | 2014-12-31 | 2015-04-29 | 北京农业信息技术研究中心 | 一种大型蔬菜种植企业种植计划自动生成方法 |
CN104899786A (zh) * | 2015-05-13 | 2015-09-09 | 中国农业大学 | 玉米品种种植适宜性精细区划方法与系统 |
CN105225001A (zh) * | 2015-09-21 | 2016-01-06 | 中国农业大学 | 一种免耕开沟器结构优化与作业效果预测方法 |
CN107103378A (zh) * | 2016-02-23 | 2017-08-29 | 中国农业大学 | 一种玉米种植环境测试站点布局方法及系统 |
CN109165352A (zh) * | 2018-08-31 | 2019-01-08 | 深圳春沐源控股有限公司 | 种植品种的推荐方法、终端、计算机可读存储介质 |
CN111105173A (zh) * | 2019-12-31 | 2020-05-05 | 内蒙古蒙草生命共同体大数据有限公司 | 一种植物适宜生长区域评价方法和设备 |
CN114488921A (zh) * | 2022-04-14 | 2022-05-13 | 山东省农业机械科学研究院 | 一种智慧果园物联网管控系统 |
-
2009
- 2009-01-22 CN CNA2009100768388A patent/CN101477595A/zh active Pending
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101876623B (zh) * | 2009-12-08 | 2012-11-14 | 中国农业大学 | 玉米新品种抗倒性检测环境定量化分析方法及其系统 |
CN102160502B (zh) * | 2011-01-05 | 2013-03-13 | 江苏大学 | 一种确定温室作物日需肥量的方法 |
CN102160502A (zh) * | 2011-01-05 | 2011-08-24 | 江苏大学 | 一种确定温室作物日需肥量的方法 |
CN104573860B (zh) * | 2014-12-31 | 2017-09-29 | 北京农业信息技术研究中心 | 一种大型蔬菜种植企业种植计划自动生成方法 |
CN104573860A (zh) * | 2014-12-31 | 2015-04-29 | 北京农业信息技术研究中心 | 一种大型蔬菜种植企业种植计划自动生成方法 |
CN104899786A (zh) * | 2015-05-13 | 2015-09-09 | 中国农业大学 | 玉米品种种植适宜性精细区划方法与系统 |
CN104899786B (zh) * | 2015-05-13 | 2019-04-23 | 中国农业大学 | 玉米品种种植适宜性精细区划方法与系统 |
CN105225001B (zh) * | 2015-09-21 | 2018-11-13 | 中国农业大学 | 一种免耕开沟器结构优化与作业效果预测方法 |
CN105225001A (zh) * | 2015-09-21 | 2016-01-06 | 中国农业大学 | 一种免耕开沟器结构优化与作业效果预测方法 |
CN107103378A (zh) * | 2016-02-23 | 2017-08-29 | 中国农业大学 | 一种玉米种植环境测试站点布局方法及系统 |
CN107103378B (zh) * | 2016-02-23 | 2020-12-08 | 中国农业大学 | 一种玉米种植环境测试站点布局方法及系统 |
CN109165352A (zh) * | 2018-08-31 | 2019-01-08 | 深圳春沐源控股有限公司 | 种植品种的推荐方法、终端、计算机可读存储介质 |
CN111105173A (zh) * | 2019-12-31 | 2020-05-05 | 内蒙古蒙草生命共同体大数据有限公司 | 一种植物适宜生长区域评价方法和设备 |
CN114488921A (zh) * | 2022-04-14 | 2022-05-13 | 山东省农业机械科学研究院 | 一种智慧果园物联网管控系统 |
CN114488921B (zh) * | 2022-04-14 | 2022-08-16 | 山东省农业机械科学研究院 | 一种智慧果园物联网管控系统 |
US11889793B2 (en) | 2022-04-14 | 2024-02-06 | Shandong Academy Of Agricultural Machinery Sciences | Internet-of-things management and control system for intelligent orchard |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Hoogenboom et al. | The DSSAT crop modeling ecosystem | |
CN101477595A (zh) | 区域作物品种种植比例规划系统及方法 | |
Nabavi-Pelesaraei et al. | Neural network modeling of energy use and greenhouse gas emissions of watermelon production systems | |
Houshyar et al. | Energy input for tomato production what economy says, and what is good for the environment | |
Wenkel et al. | LandCaRe DSS–An interactive decision support system for climate change impact assessment and the analysis of potential agricultural land use adaptation strategies | |
CN101916337B (zh) | 一种基于地理信息系统的水稻生产潜力动态预测方法 | |
Carberry et al. | Re-inventing model-based decision support with Australian dryland farmers. 3. Relevance of APSIM to commercial crops | |
US20160309646A1 (en) | Agronomic systems, methods and apparatuses | |
Zhou et al. | Quantifying carbon budget, crop yields and their responses to environmental variability using the ecosys model for US Midwestern agroecosystems | |
Yu et al. | A survey-based exploration of land-system dynamics in an agricultural region of Northeast China | |
Burgess et al. | Modelling agroforestry systems | |
Yang et al. | Impacts of environment and human activity on grid-scale land cropping suitability and optimization of planting structure, measured based on the MaxEnt model | |
Cardín-Pedrosa et al. | Reprint of: Model for decision-making in agricultural production planning | |
Quinn et al. | Environmental tolerances of Miscanthus sinensis in invasive and native populations | |
Bojacá et al. | Extending the input–output energy balance methodology in agriculture through cluster analysis | |
CN114254964B (zh) | 水稻区域气候品质评估方法及系统 | |
Li et al. | A GIS-based framework for local agricultural decision-making and regional crop yield simulation | |
Rabati et al. | Qualitative and quantitative land-suitability evaluation for sunflower and maize in the north-west of Iran | |
CN101464979A (zh) | 作物产量表现评价系统及方法 | |
Singha et al. | Analysis of factors influencing farmers’ knowledge on resource conservation technologies (RCTs) in rice (Oryza sativa L.) cultivation | |
Jamalimoghaddam et al. | The impact of water supply on farming systems: a sustainability assessment | |
CN103942649A (zh) | 竹子智能施肥系统 | |
Zohar et al. | Strategy for screening eucalypts for saline lands | |
He et al. | WHCrop: A novel water-heat driven crop model for estimating the spatiotemporal dynamics of crop growth for arid region | |
Muraru et al. | Development of software for optimizing the fertilization of agricultural crop |
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: 20090708 |