CN105912884B - 一种基于生理效应的作物茎直径生长速率预测方法 - Google Patents
一种基于生理效应的作物茎直径生长速率预测方法 Download PDFInfo
- Publication number
- CN105912884B CN105912884B CN201610414321.5A CN201610414321A CN105912884B CN 105912884 B CN105912884 B CN 105912884B CN 201610414321 A CN201610414321 A CN 201610414321A CN 105912884 B CN105912884 B CN 105912884B
- Authority
- CN
- China
- Prior art keywords
- plant
- growth
- day
- stem
- sample area
- 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.)
- Active
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/0098—Plants or trees
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B99/00—Subject matter not provided for in other groups of this subclass
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Food Science & Technology (AREA)
- Biotechnology (AREA)
- Medical Informatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Theoretical Computer Science (AREA)
- Botany (AREA)
- Wood Science & Technology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Medicinal Chemistry (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Cultivation Of Plants (AREA)
Abstract
本发明公开一种基于生理效应的作物茎直径生长速率预测方法,通过研究作物茎直径生长速率与空气温度和光照强度的关系,采用线性回归方法建立基于生理效应的作物茎直径生长速率预测模型,实现对作物茎直径生长速率的精确预测。本发明能及时了解作物生长状况,更加准确的判断作物生长发育的进度,为合理的安排设施农业生产和管理提供理论依据和决策支持,可用于现代设施农业环境控制。
Description
技术领域
本发明属于设施农业环境控制技术领域,特别是涉及一种基于生理效应的作物茎直径生长速率预测方法。
背景技术
在作物营养生长期,干物质的生成、运输与环境条件有密切关系,而分配到茎中的干物质部分主要用于作物株高、茎直径的生长变化,所以作物茎直径的生长变化与环境条件有着密切的关系。茎直径能很好的反应作物的生长状态,例如茎直径的微变化可以反映作物的水分状况。因此,精确预测茎直径的动态变化对及时了解植物生长状况具有重要的意义。
目前作物茎直径生长变化主要是通过检测装置获取,如专利申请号CN201210172040.5中公开了一种作物茎杆直径微变化检测装置及检测方法,专利申请号CN201520316103.9中公开了一种作物茎直径测量卡尺。王晓森等2012年在农业机械学报第43卷第8期公开了一种基于日辐射峰值和日均空气饱和差的茎直径日最大收缩量的模拟方程;李晓彤等2011年在农业工程学报第27卷第4期公开了充分灌溉条件下大田梨枣树茎动态变化的过程以及对茎杆最大收缩量与参考作物蒸发蒸散量、日平均气温、日正午温度关系的相关分析;员玉良等2014年在农业机械学报第45期第5卷公开了以环境因子和土壤含水率为观测对象,采用主成分回归法建立茎直径动态变化模型的方法。这些方法的不足之处在于大多模型的建立都较为复杂,不能精确地预测作物茎直径生长速率,实用性欠佳。
发明内容
本发明的目的是为了克服现有技术的缺陷而提供一种基于生理效应对设施栽培作物茎直径生长速率进行预测的方法,通过研究茎直径生长速率与空气温度和光照强度的关系,采用线性回归方法建立基于生理效应的作物茎直径生长速率预测模型,实现对作物茎直径精确预测的目的。
一种基于生理效应的作物茎直径生长速率预测方法,其特征在于包括以下步骤:
步骤1,测定植株样本区的空气温度:
每天从00:00开始采集当天空气温度,采集时间间隔为0.5h;每天从00:00开始在整点时刻计算用于预测模型的空气温度,记为Ti,则
式中Ti为i时刻植株样本区的空气温度,℃,i=0,1,2,...,23;
T'2i-1为(2i-1)/2时刻采集到的植株样本区空气温度,℃;
T'2i为i时刻采集到的植株样本区空气温度,℃;
T'2i+1为(2i+1)/2时刻采集到的植株样本区空气温度,℃。
步骤2,测定植株样本区的光照强度:
每天从00:00开始采集当天光照强度,采集时间间隔为0.5h;每天从00:00开始在整点时刻计算用于预测模型的光照强度,记为LQi,则
式中LQi为i时刻植株样本区的光照强度,μmol/(m2·s);
LQ'2i-1为(2i-1)/2时刻采集到的植株样本区光照强度,μmol/(m2·s);
LQ'2i为i时刻采集到的植株样本区光照强度,μmol/(m2·s);
LQ'2i+1为(2i+1)/2时刻采集到的植株样本区光照强度,μmol/(m2·s)。
步骤3,计算日累计生长效应值:
定义植株在实际温度和光照条件下生长一天所完成的生理发育值为作物日累计生长效应,记为PR,PR的计算公式如下:
式中PR为作物日累计生长效应值,℃·μmol/m2·s;
RTE(Ti)为植株在一定时间内空气温度为Ti时的相对热效应,RTE(Ti)∈[0,1];
RLE(LQi)为植株在一定时间内光照强度为LQi时的相对光效应,RLE(LQi)∈[0,1]。
步骤4,计算作物茎直径生长速率:
在每个植株样本区随机选取m株作物作为标准植株样本,m∈[3,5];定义植株样本区作物营养生长期后生长天数为n,即营养生长期当天n=0;每天在测量时间记录植株样本区每株样本的茎直径;计算每株作物茎直径生长速率,记作物生长第n天茎直径表征值为Cn,选取第n天与n-1天作物茎直径表征值之差来表征作物茎直径第n天的生长速率,记为Vn',则第n天单株作物茎直径生长速率计算公式如下:
Vn'=(Cn-Cn-1)/D
式中Vn'为单株作物生长第n天茎直径一天的生长速率,mm/d;
Cn为作物生长第n天的茎直径表征值,mm;
Cn-1为作物生长第n-1天的茎直径表征值,mm;
D为生长天数之差,d,式中D=n-(n-1)=1;
取植株样本区当天m株作物茎直径生长速率的算术平均值作为该样本区作物的茎直径生长速率,记为Vn。
步骤5,建立茎直径生长速率预测模型,对作物茎直径生长速率进行预测:
记植株生长第n天的日累计生长效应值为PRn,由步骤3和步骤4可分别计算出PRn和Vn的值;
随机选取k天,记录每个植株样本区作物日累计生长效应值和茎直径生长速率值,得到(k×s)组作物日累计生长效应值和茎直径生长速率值的对应点,记作其中k为选取天数,s为植株样本区个数,(k×s)为样本组数,为第n天的第i个植株样本区植株的日累计生长效应值,为第n天的第i个植株样本区植株的茎直径生长速率,i=1,2,……,s;
对(k×s)组样本的对应点进行一元线性回归分析,得到(k×s)组作物日累计生长效应和茎直径生长速率的关系模型:
y=ax+b
式中y为预测的茎直径生长速率,mm/d;
x为作物日累计生长效应,℃·μmol/m2·s;
a、b为模型拟合常数。
所述步骤4中的茎直径表征值是指凌晨3:00的作物茎直径数据。
本发明具有有益效果。本发明基于生理效应对作物茎直径生长速率进行预测,实用性强,不接触作物,预测精度高;建立环境参数和作物茎直径生长速率的预测模型有益于更加准确的判断作物生长发育期的进度,为合理的安排设施农业生产和管理提供了理论依据和决策支持。
具体实施方式
下面结合具体实施例对本发明的作物茎直径生长速率预测方法作进一步说明。
实施例
下面以基于生理效应的番茄茎直径生长速率预测方法为例,对实施过程作进一步说明。
试验以番茄品种中早熟高产的合作903大红番茄为供试材料,采用珍珠岩盆栽培育,营养液采用山崎番茄配方。试验时间为2015年4月到2016年1月,试验地点为江苏大学农业装备工程学院的Venlo型玻璃温室。
试验分为光照试验和温度试验两部分,共选取6个植株样本区。规定温度试验研究相同光照、不同温度下番茄营养生长期茎直径生长速率的响应特点。试验分为23℃、26℃和29℃共3组,每组选取4株番茄。每组分别置于100cm×100cm×80cm的薄膜简易气候室内,室内温度分别设置为23℃、26℃和29℃。
规定光照试验研究相同温度、不同光照条件下番茄营养生长期茎直径生长速率的响应特点。试验分为二层遮阳、一层遮阳和无遮阳3组,每组选取4株番茄。所有植株样本在同一温室内培育,通过改变遮阳材料的层数,改变不同处理之间的光强。
定义植株样本区番茄营养生长期后生长天数为n,即营养生长期当天n=0。由安装于温室内、距离试验番茄样本1m左右的旗硕农业环境监控平台每天在线连续自动采集样本区空气温度和光照强度。
步骤1,测定番茄植株样本区的空气温度
每天从00:00开始采集当天空气温度,采集时间间隔为0.5h;每天从00:00开始在整点时刻计算用于预测模型的空气温度,记为Ti,则
式中Ti为i时刻番茄植株样本区的空气温度,℃,i=0,1,2,...,23;
T'2i-1为(2i-1)/2时刻采集到的番茄植株样本区空气温度,℃;
T'2i为i时刻采集到的番茄植株样本区空气温度,℃;
T'2i+1为(2i+1)/2时刻采集到的番茄植株样本区空气温度,℃;
比如计算08:00时刻的番茄植株样本区空气温度,
式中T8为08:00时刻的番茄植株样本区空气温度,T1'5、T1'6、T1'7分别为07:30、08:00、08:30时刻采集到的番茄植株样本区空气温度。
步骤2,测定番茄植株样本区的光照强度
每天从00:00开始采集当天光照强度,采集时间间隔为0.5h;每天从00:00开始在整点时刻计算用于预测模型的光照强度,记为LQi,则
式中LQi为i时刻番茄植株样本区的光照强度,μmol/(m2·s);
LQ'2i-1为(2i-1)/2时刻采集到的番茄植株样本区光照强度,μmol/(m2·s);
LQ'2i为i时刻采集到的番茄植株样本区光照强度,μmol/(m2·s);
LQ'2i+1为(2i+1)/2时刻采集到的番茄植株样本区光照强度,μmol/(m2·s);
比如计算08:00时刻番茄植株样本区的光照强度,
式中LQ8为08:00时刻的番茄植株样本区空气温度,LQ1'5、LQ1'6、LQ1'7分别为07:30、08:00、08:30时刻采集到的番茄植株样本区光照强度。
步骤3,计算番茄日累计生长效应值
在番茄营养生长期,温度和光照对番茄生理发育值的影响用一天中每小时温光效应因子的累积表示,番茄生理发育值的大小由相对热效应与相对光效应共同决定。
定义植株在实际温度和光照条件下生长一天所完成的生理发育值为作物日累计生长效应,记为PR,PR的计算公式如下:
式中PR为番茄植株日累计生长效应值,℃·μmol/m2·s;
根据对番茄茎直径小时变化率曲线的分析,可知0:00—6:00茎直径日变化率比较稳定;6:00—12:00之间,在作物蒸腾作用和作物生长的双重作用下,茎直径日变化率变化较大;12:00—14:00茎直径呈现负增长,13:00—14:00左右达到最小值,随后开始恢复性增长;16:00左右增长速率达到最大值,之后增长速度逐渐放缓;为了简化计算,可选取一天当中的6:00到18:00相对光效应和相对热效应对番茄植株日累计生长效应值PR的进行计算,计算公式如下:
RTE(Ti)为植株在一定时间内空气温度为Ti时的相对热效应,RTE(Ti)∈[0,1];
RLE(LQi)为植株在一定时间内光照强度为LQi时的相对光效应,RLE(LQi)∈[0,1];
采用侯加林等2006年在农业机械学报第37卷第4期公开的“番茄生长发育非线性模型”以及卢兴孟等2011年在西北农林科技大学学报(自然科学版)第12卷公开的“基于生理发育时间的番茄果实发育期模型的建立”,对每个样本区间的相对热效应和相对光效应进行计算,即采用基于正弦指数的三段函数RTE(Ti)描述相对热效应与Ti之间的关系,公式如下:
式中RTE(Ti)为空气温度为Ti时的相对热效应
Tb为生长发育下限温度,℃;
Tob为生长发育最适下限温度,℃;
Tou为生长发育最适上限温度,℃;
Tm为生长发育上限温度,℃;
本次试验中Tb、Tob、Tou、Tm取值分别为15℃、25℃、30℃和35℃。
采用两段线性函数RLE(LQi)来描述RLE与LQi之间的关系,公式如下:
式中RLE(LQi)为光照强度为LQi时的相对光效应;
LQa为光补偿点,μmol/(m2·s);
LQb为最适光强,μmol/(m2·s);
LQc为光饱和点,μmol/(m2·s);
本次试验中LQa、LQb、LQc取值分别为300μmol/(m2·s)、800μmol/(m2·s)和1400μmol/(m2·s)。
步骤4,计算番茄茎直径生长速率
在每个番茄植株样本区随机选取m株番茄作为标准植株样本,m∈[3,5];定义植株样本区番茄营养生长期后生长天数为n,即营养生长期当天n=0;每天在测量时间记录植株样本区每株番茄样本的茎直径;计算每株番茄茎直径生长速率,记番茄生长第n天茎直径表征值为Cn,选取第n天与n-1天番茄茎直径表征值之差来表征作物茎直径第n天的生长速率,记为Vn',则第n天单株番茄茎直径生长速率计算公式如下:
Vn'=(Cn-Cn-1)/D
式中Vn'为单株番茄生长第n天茎直径一天的生长速率,mm/d;
Cn为番茄生长第n天的茎直径表征值,mm;
Cn-1为番茄生长第n-1天的茎直径表征值,mm;
D为生长天数之差,d,式中D=n-(n-1)=1;
取植株样本区当天m株番茄茎直径生长速率的算术平均值作为该样本区番茄的茎直径生长速率,记为Vn;
步骤5,建立番茄茎直径生长速率预测模型
记番茄生长第n天的日累计生长效应值为PRn,由步骤3和步骤4可分别计算出PRn和Vn的值。随机选取7天,记录每个植株样本区番茄日累计生长效应值和茎直径生长速率值,由于试验选取6个植株样本区,所以可以得到42组番茄日累计生长效应值和茎直径生长速率值的对应点,记作其中为第n天的第i个植株样本区植株的日累计生长效应值,为第n天的第i个植株样本区植株的茎直径生长速率,i=1,2,……,s;
对42组样本的对应点进行一元线性回归分析,得到42组作物日累计生长效应和茎直径生长速率的关系模型:
y=ax+b(6)
式中y——预测的茎直径生长速率,mm/d,
x——番茄日累计生长效应,℃·μmol/m2·s,
a、b为模型拟合常数;
将回归估计标准误差记为RMSE,相对误差记为RE,则
式中RMSE为回归估计标准误差,mm/d;
RE为相对误差,%;
Oi为茎直径生长速率实际测量值,mm/d;
Si为茎直径生长速率预测值,mm/d;
N为样本容量,个;
为实际测量数值的平均值,mm/d;
随机选取8株番茄的数据(非建模数据)对模型进行检验,计算数据及结果如表1所示。由表1可以看出,番茄营养生长期的预测值和实际测量值比较一致,最大绝对误差和最大相对误差分别为0.0019mm/d和10.10%;经计算,RMSE和RE分别为0.0014mm/d和5.55%,平均绝对误差和平均相对误差分别为0.0011mm/d和5.39%,说明本模型对番茄营养生长期茎直径生长速率的预测有着较高的精确度。
表1番茄茎直径生长速率预测模型检验
Claims (4)
1.一种基于生理效应的作物茎直径生长速率预测方法,其特征在于包括以下步骤:
步骤1,测定植株样本区的空气温度;
步骤2,测定植株样本区的光照强度;
步骤3,计算日累计生长效应值;
步骤4,计算作物茎直径生长速率;
步骤5,建立茎直径生长速率预测模型,对作物茎直径生长速率进行预测;
所述步骤3具体为:
定义植株在实际温度和光照条件下生长一天所完成的生理发育值为作物日累计生长效应,记为PR,PR的计算公式如下:
式中PR为作物日累计生长效应值,单位为:℃·μmol/m2·s;
RTE(Ti)为植株在一定时间内空气温度为Ti时的相对热效应,RTE(Ti)∈[0,1];
RLE(LQi)为植株在一定时间内光照强度为LQi时的相对光效应,RLE(LQi)∈[0,1];
所述步骤4具体为:
在每个植株样本区随机选取m株作物作为标准植株样本,m∈[3,5];定义植株样本区作物营养生长期后生长天数为n,即营养生长期当天n=0;每天在测量时间记录植株样本区每株样本的茎直径;计算每株作物茎直径生长速率,记作物生长第n天茎直径表征值为Cn,选取第n天与n-1天作物茎直径表征值之差来表征作物茎直径第n天的生长速率,记为V′n,则第n天单株作物茎直径生长速率计算公式如下:
V′n=(Cn-Cn-1)/D (4)
式中V′n为单株作物生长第n天茎直径一天的生长速率,单位为:mm/d;
Cn为作物生长第n天的茎直径表征值,单位为:mm;
Cn-1为作物生长第n-1天的茎直径表征值;
D为生长天数之差,单位为天即d,式中D=n-(n-1)=1;
取植株样本区当天m株作物茎直径生长速率的算术平均值作为该样本区作物的茎直径生长速率,记为Vn;
所述步骤5具体为:
记植株生长第n天的日累计生长效应值为PRn,由步骤3和步骤4可分别计算出PRn和Vn的值;
随机选取k天,记录每个植株样本区作物日累计生长效应值和茎直径生长速率值,得到(k×s)组作物日累计生长效应值和茎直径生长速率值的对应点,记作其中k为选取天数,s为植株样本区个数,(k×s)为样本组数,为第n天的第i个植株样本区植株的日累计生长效应值,为第n天的第i个植株样本区植株的茎直径生长速率,i=1,2,……,s;
对(k×s)组样本的对应点进行一元线性回归分析,得到(k×s)组作物日累计生长效应和茎直径生长速率的关系模型:
y=ax+b (5)
式中y为预测的茎直径生长速率,单位为:mm/d;
x为作物日累计生长效应,单位为:℃·μmol/m2·s;
a、b为模型拟合常数。
2.根据权利要求1中所述的一种基于生理效应的作物茎直径生长速率预测方法,其特征在于所述步骤1具体为:
每天从00:00开始采集当天空气温度,采集时间间隔为0.5h;每天从00:00开始在整点时刻计算用于预测模型的空气温度,记为Ti,则
式中Ti为i时刻植株样本区的空气温度,i=0,1,2,...,23;
T'2i-1为(2i-1)/2时刻采集到的植株样本区空气温度;
T'2i为i时刻采集到的植株样本区空气温度;
T'2i+1为(2i+1)/2时刻采集到的植株样本区空气温度;
所述空气温度单位为℃。
3.根据权利要求1中所述的一种基于生理效应的作物茎直径生长速率预测方法,其特征在于所述步骤2具体为:
每天从00:00开始采集当天光照强度,采集时间间隔为0.5h;每天从00:00开始在整点时刻计算用于预测模型的光照强度,记为LQi,则
式中LQi为i时刻植株样本区的光照强度;
LQ'2i-1为(2i-1)/2时刻采集到的植株样本区光照强度;
LQ'2i为i时刻采集到的植株样本区光照强度;
LQ'2i+1为(2i+1)/2时刻采集到的植株样本区光照强度;
所述光照强度单位为μmol/(m2·s)。
4.根据权利要求1中所述的一种基于生理效应的作物茎直径生长速率预测方法,其特征在于:所述步骤4中的茎直径表征值是指凌晨3:00的作物茎直径数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610414321.5A CN105912884B (zh) | 2016-06-13 | 2016-06-13 | 一种基于生理效应的作物茎直径生长速率预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610414321.5A CN105912884B (zh) | 2016-06-13 | 2016-06-13 | 一种基于生理效应的作物茎直径生长速率预测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105912884A CN105912884A (zh) | 2016-08-31 |
CN105912884B true CN105912884B (zh) | 2018-06-26 |
Family
ID=56750083
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610414321.5A Active CN105912884B (zh) | 2016-06-13 | 2016-06-13 | 一种基于生理效应的作物茎直径生长速率预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105912884B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106600048B (zh) * | 2016-12-09 | 2019-08-27 | 江苏大学 | 一种预测温室番茄果实生长的方法 |
TWI703529B (zh) * | 2018-12-27 | 2020-09-01 | 蜂巢數據科技股份有限公司 | 作物生長階段計算方法及電腦程式產品 |
CN110147525B (zh) * | 2019-05-21 | 2023-02-14 | 内蒙古蒙树生态环境有限公司 | 苗木生长状态预测方法、装置、设备和存储介质 |
CN110245444B (zh) * | 2019-06-21 | 2020-09-04 | 中国气象科学研究院 | 一种基于作物对环境的响应与适应机制的发育期模拟方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102893817A (zh) * | 2012-10-10 | 2013-01-30 | 南京信息工程大学 | 一种基于指数线性方程的设施作物干物质生产模拟方法 |
CN104063626A (zh) * | 2014-07-11 | 2014-09-24 | 中国石油大学(华东) | 一种它源圈闭充满度的预测方法 |
CN104268387A (zh) * | 2014-09-18 | 2015-01-07 | 南京信息工程大学 | 一种基于出叶和展叶的设施作物叶面积模拟方法 |
CN104297461A (zh) * | 2014-09-30 | 2015-01-21 | 江汉大学 | 一种预测豇豆产量的方法 |
-
2016
- 2016-06-13 CN CN201610414321.5A patent/CN105912884B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102893817A (zh) * | 2012-10-10 | 2013-01-30 | 南京信息工程大学 | 一种基于指数线性方程的设施作物干物质生产模拟方法 |
CN104063626A (zh) * | 2014-07-11 | 2014-09-24 | 中国石油大学(华东) | 一种它源圈闭充满度的预测方法 |
CN104268387A (zh) * | 2014-09-18 | 2015-01-07 | 南京信息工程大学 | 一种基于出叶和展叶的设施作物叶面积模拟方法 |
CN104297461A (zh) * | 2014-09-30 | 2015-01-21 | 江汉大学 | 一种预测豇豆产量的方法 |
Non-Patent Citations (4)
Title |
---|
"A methodology for model-based greenhouse design: Part 2, description and validation of a tomato yield model";B.H.E.Vanthoor etal;《 Biosystems Engineering 》;20111231;第110卷(第4期);第378-395页 * |
"基于PDT的温室茄子发育模拟模型";刘淑云 等;《山东农业科技》;20101030(第10期);第11-14,38页 * |
"基于主成分回归的茎直径动态变化预测方法";员玉良 等;《农业机械学报》;20150125;第46卷(第1期);第306页摘要、第307-310页第1.2-2.1.3节 * |
"油菜生长模拟与决策支持系统研究";汤亮;《中国优秀博士论文全文数据库 农业科技辑》;20081215(第6期);第24-27页第3章 * |
Also Published As
Publication number | Publication date |
---|---|
CN105912884A (zh) | 2016-08-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105912884B (zh) | 一种基于生理效应的作物茎直径生长速率预测方法 | |
Saaid et al. | Automated pH controller system for hydroponic cultivation | |
JP6132269B2 (ja) | 植物育成装置 | |
Khoshravesh et al. | AquaCrop model simulation under different irrigation water and nitrogen strategies | |
CN107037090A (zh) | 一种基于叶片紧张度变化的光合作用预测方法 | |
Gao et al. | Canopy and leaf gas exchange of Haloxylon ammodendron under different soil moisture regimes | |
CN110533287A (zh) | 夏玉米干旱灾损定量测评模型的构建与应用 | |
CN110432046B (zh) | 一种温室内的智能灌溉系统 | |
CN115310680A (zh) | 一种番茄种苗模型建模与生长预测方法 | |
CN103207258A (zh) | 利用指示植物的需水信息确定被考察植物需水量的方法 | |
CN105993720B (zh) | 一种日光温室基质袋培作物灌水量的模拟计算方法 | |
McCauley et al. | Reviewing mini-lysimeter controlled irrigation in container crop systems | |
CN108062602B (zh) | 一种预测温室茄果类作物同化产物产量的方法 | |
CN116595709A (zh) | 一种烟草适宜移栽期的预测方法及系统 | |
Putri et al. | Monitoring and controlling of vertical farming system using Internet of Things (IoT) | |
CN115545519A (zh) | 一种面向不同水土环境下作物蒸腾升尺度测量和评估方法 | |
Wu et al. | Components of soil respiration and its monthly dynamics in rubber plantation ecosystems | |
CN109239027A (zh) | 一种作物生理性缺水诊断方法及系统 | |
CN110751322B (zh) | 一种基于大数据分析预测的荔枝控梢促花管理方法 | |
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 | |
Alfadhel et al. | Methane flux and its environmental impact factors in Dajiuhu wetland of Shennongjia | |
Avşar et al. | Evaluation of an electronic irrigation system with internet connection in strawberry cultivation. | |
Kim et al. | Precise, real-time measurement of the fresh weight of lettuce with growth stage in a plant factory using a nutrient film technique | |
McCarthy et al. | Real-time data requirements for model-based adaptive control of irrigation scheduling in cotton | |
Shatkovskyi et al. | The use of the phytomonitoring method to control the irrigation of tomato plantations: A case study |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |