CN106508379B - 农作物种植影响因素的判断方法和判断装置 - Google Patents
农作物种植影响因素的判断方法和判断装置 Download PDFInfo
- Publication number
- CN106508379B CN106508379B CN201610966061.2A CN201610966061A CN106508379B CN 106508379 B CN106508379 B CN 106508379B CN 201610966061 A CN201610966061 A CN 201610966061A CN 106508379 B CN106508379 B CN 106508379B
- Authority
- CN
- China
- Prior art keywords
- influence
- influence factor
- index
- factor
- degree
- 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
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000005286 illumination Methods 0.000 claims description 15
- 230000004720 fertilization Effects 0.000 claims description 6
- 239000002689 soil Substances 0.000 claims description 6
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 6
- 239000000523 sample Substances 0.000 description 14
- 230000008901 benefit Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 9
- 230000000694 effects Effects 0.000 description 8
- 241000227653 Lycopersicon Species 0.000 description 4
- 235000007688 Lycopersicon esculentum Nutrition 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 4
- 244000061456 Solanum tuberosum Species 0.000 description 3
- 235000002595 Solanum tuberosum Nutrition 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 241000196324 Embryophyta Species 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000009412 basement excavation Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000009313 farming Methods 0.000 description 1
- 239000003337 fertilizer Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01G—HORTICULTURE; CULTIVATION OF VEGETABLES, FLOWERS, RICE, FRUIT, VINES, HOPS OR SEAWEED; FORESTRY; WATERING
- A01G22/00—Cultivation of specific crops or plants not otherwise provided for
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01G—HORTICULTURE; CULTIVATION OF VEGETABLES, FLOWERS, RICE, FRUIT, VINES, HOPS OR SEAWEED; FORESTRY; WATERING
- A01G7/00—Botany in general
- A01G7/06—Treatment of growing trees or plants, e.g. for preventing decay of wood, for tingeing flowers or wood, for prolonging the life of plants
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Botany (AREA)
- Environmental Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Ecology (AREA)
- Forests & Forestry (AREA)
- Engineering & Computer Science (AREA)
- Wood Science & Technology (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种农作物种植影响因素的判断方法和判断装置，其中，一种农作物种植影响因素的判断方法，包括：分析农作物的不同样本，确定不同样本的一个或多个指标和至少一种影响因素之间的关系；建立所述不同样本的每个所述指标和所述至少一种影响因素之间的数据文件；根据所述数据文件，统计所述至少一种影响因素中的每个影响因素对于每个所述指标的影响程度。本发明的技术方案能有效的发现种植中影响作物产量潜在关联因素，可以根据不同种植情况，灵活控制农作物种植产量。
Description
技术领域
本发明涉及农作物种植技术领域，具体而言，涉及一种农作物种植影响因素的判断方法和一种农作物种植影响因素的判断装置。
背景技术
目前，人口增加，对粮食的需求日益增加，现有技术中，农业云没有机器学习挖掘增加农作物产量关键因素方案。
针对上述问题，相关技术中提出了判断影响农作物种植影响因素的判断方法，虽然从很大程度上为提高农作物种植产量创造了有利条件，但是并不能清楚明确地确定影响农作物种植产量的影响因素，也没有对判断农作物种植影响因素的判断方法进行改进，提出一种相对较合理的判断方法。
因此，人们需要设计一种新的判断方法来清楚的知道影响农作物种植产量的影响因素，从而通过改善这些影响因素大幅度提高农作物种植的整体产量。
发明内容
本发明旨在至少解决现有技术或相关技术中存在的技术问题之一。
为此，本发明的一个目的在于提出了一种农作物种植影响因素的判断方法，能有效的发现种植中影响作物产量的潜在关联因素，并可以利用此结论有效的提升作物的产量。
本发明的另一个目的在于提出了一种农作物种植影响因素的判断装置。
为实现上述目的，根据本发明的第一方面的技术方案，提出了一种农作物种植影响因素的判断方法，包括：分析农作物的不同样本，确定不同样本的一个或多个指标和至少一种影响因素之间的关系；建立不同样本的每个指标和至少一种影响因素之间的数据文件；根据数据文件，统计至少一种影响因素中的每个影响因素对于每个指标的影响程度。
根据本发明的技术方案的农作物种植影响因素的判断方法，通过判断农作物种植影响因素，可以得到影响农作物种植的几个潜在关联因素，减少了无法控制农作物产量发生的可能性。有效的提升了整体作物的产量，满足了人们提高农作物产量的需求。
根据本发明的一个技术方案，农作物种植影响因素的判断方法还包括：根据选定的指标，查找对所选定的指标产生影响的所有影响因素；统计所有影响因素中的任一影响因素对所选定的指标的第一影响程度；以及统计所有影响因素中的任意影响因素组合对所选定的指标的第二影响程度。
在该技术方案中，通过分别确定任一影响因素和任意影响因素组合对所选定指标的第一、第二影响程度，可以清楚的知道任一影响因素和任意影响因素组合对所选定指标的影响程度，有效的发现影响作物产量的影响因素，在需要调整农作物产量时，可根据不同影响因素的第一影响程度的大小以及任意影响因素组合的第二影响程度的大小进行针对性调整，从而可实现在不同的种植环境下灵活控制农作物产量。
根据本发明的一个技术方案，农作物种植影响因素的判断方法还包括：根据第一影响程度和第二影响程度，确定对所选定的指标影响最大的影响因素。
在该技术方案中，根据第一影响程度和第二影响程度，可确定影响作物产量最显著的一个影响因素，从而可根据调整此影响因素控制农作物种植产量，也可以针对性的在产量较低时，通过改善这个最显著的影响因素，从而有效提高农作物种植产量。
根据本发明的一个技术方案，农作物种植影响因素的判断方法中选定的指标包括：丰产性、稳定性、稳产性、适应性、抗逆性、品质、特异性、以及一致性。
在该技术方案中，通过确定所选定的技术评价指标，可以从根本上得到影响作物产量的影响因素对作物产量的具体影响结果，能够为有效提升作物产量做出贡献，同时，明确了影响农作物种植方面的一些指标，可以通过针对于影响因素对这些指标的影响程度进行分析，从而可以深度探究影响因素同这些指标之间的关系，为控制农作物整体种植产量提供有利条件。
根据本发明的一个技术方案，农作物种植影响因素的判断方法中影响因素包括：种植纬度、湿度、光照强度、光照时间、施肥量、施肥种类、施水量、土质、以及温度。
在该技术方案中，通过给出影响因素，进一步确定影响作物产量的影响因子，为提升作物整体产量创造了有利条件，可以从根本上确定各影响因素对农作物产量的影响程度，同时，明确对这些影响因素进行分析，可以进一步查明各影响因素对农作物种植产量指标分别的影响程度，从而可以清楚地知道各影响因素影响了农作物种植产量的哪些指标。
根据本发明的第二方面的技术方案，还提出了一种农作物种植影响因素的判断装置，包括：第一确定单元，用于分析农作物的不同样本，确定不同样本的一个或多个指标和至少一种影响因素之间的关系；建立单元，用于建立不同样本的每个指标和至少一种影响因素之间的数据文件；统计单元，用于根据数据文件，统计至少一种影响因素中的每个影响因素对于每个指标的影响程度。
根据本发明的技术方案的农作物种植影响因素的判断装置，通过分析农作物的不同样本，确定样本的指标和影响因素之间的关系，然后建立样本指标和影响因素之间的数据文件，最后能确定影响因素对指标的影响程度。通过上述过程，可以清晰的知道样本指标和影响因素之间的关系，通过确定影响因素对指标的影响程度来确定最显著的影响因素，从而为提高农作物种植的整体产量奠定了坚实的基础。
根据本发明的一个技术方案，农作物种植影响因素的判断装置还包括：查找单元，用于根据选定的指标，查找对所选定的指标产生影响的所有影响因素；第一程度统计单元，用于统计所有影响因素中的任一影响因素对所选定的指标的第一影响程度；以及第二程度统计单元，用于统计所有影响因素中的任意影响因素组合对所选定的指标的第二影响程度。
在该技术方案中，通过分别确定任一影响因素和任意影响因素组合对所选定指标的第一、第二影响程度，可以清楚的知道任一影响因素和任意影响因素组合对所选定指标的影响程度，有效的发现影响作物产量的影响因素，在需要调整农作物产量时，可根据不同影响因素的第一影响程度的大小以及任意影响因素组合的第二影响程度的大小进行针对性调整，从而可实现在不同的种植环境下灵活控制农作物产量。
根据本发明的一个技术方案，农作物种植影响因素的判断装置还包括：第二确定单元，用于根据第一影响程度和第二影响程度，确定对所选定的指标影响最大的影响因素。
在该技术方案中，根据第一影响程度和第二影响程度，可确定影响作物产量最显著的一个影响因素，从而可根据调整此影响因素控制农作物种植产量，也可以针对性的在产量较低时，通过改善这个最显著的影响因素，从而有效提高农作物种植产量。
根据本发明的一个技术方案，农作物种植影响因素的判断装置中选定的指标包括：丰产性、稳定性、稳产性、适应性、抗逆性、品质、特异性、以及一致性。
在该技术方案中，通过确定所选定的技术评价指标，可以从根本上得到影响作物产量的影响因素对作物产量的具体影响结果，能够为有效提升作物产量做出贡献，同时，明确了影响农作物种植方面的一些指标，可以做到有的放矢，着重于对影响因素对这些指标的影响程度进行分析，可以深度探究影响因素同这些指标之间的关系，为控制农作物整体种植产量提供有利条件。
根据本发明的一个技术方案，农作物种植影响因素的判断装置中的影响因素包括：种植纬度、湿度、光照强度、光照时间、施肥量、施肥种类、施水量、土质、以及温度。
在该技术方案中，通过给出影响因素，进一步确定影响作物产量的影响因子，为提升作物整体产量创造了有利条件，可以从根本上确定各影响因素对农作物产量的影响程度，同时，明确对这些影响因素进行分析，可以进一步查明各影响因素对农作物种植产量指标分别的影响程度，从而可以清楚地知道各影响因素影响了农作物种植产量的哪些指标。
本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
本发明的上述和附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：
图1示出了根据本发明的第一方面的一个实施例的农作物种植影响因素的判断方法的示意流程图；
图2示出了根据本发明的第一方面的再一个实施例的农作物种植影响因素的判断方法的示意流程图；
图3示出了根据本发明的第一方面的又一个实施例的农作物种植影响因素的判断方法的示意流程图；
图4示出了根据本发明的第二方面的一个实施例的农作物种植影响因素的判断装置的示意框图；
图5示出了根据本发明的第二方面的再一个实施例的农作物种植影响因素的判断装置示意框图；
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述的其他方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。
图1示出了根据本发明的第一方面的实施例的农作物种植影响因素的判断方法的示意流程图；
如图1所示，农作物种植影响因素的判断方法，包括：
步骤S102，分析农作物的不同样本，确定不同样本的一个或多个指标和至少一种影响因素之间的关系；
步骤S104，建立不同样本的每个指标和至少一种影响因素之间的数据文件；
步骤S106，根据数据文件，统计至少一种影响因素中的每个影响因素对于每个指标的影响程度。
在该实施例中，通过步骤S102，可以分析农作物的不同样本，来确定样本的指标和影响因素之间的关系，通过步骤S104，可将上述关系通过建立数据文件进行存储，通过步骤S106，统计各影响因素对指标的影响程度，从而可以确定各影响因素对农作物种植产量的影响程度的多少，通过判断农作物种植影响因素，可以得到影响农作物种植的几个潜在关联因素，减少了无法控制农作物产量发生的可能性。有效的提升了整体作物的产量，满足了人们提高农作物产量的需求。
在本发明的实施例中，农作物种植影响因素的判断方法还包括：根据选定的指标，查找对所选定的指标产生影响的所有影响因素；统计所述所有影响因素中的任一影响因素对所选定的指标的第一影响程度；以及统计所述所有影响因素中的任意影响因素组合对所选定的指标的第二影响程度。
上述过程如图2所示，包括：
步骤S202，分析农作物的不同样本，确定不同样本的一个或多个指标和至少一种影响因素之间的关系；
步骤S204，建立不同样本的每个指标和至少一种影响因素之间的数据文件；
步骤S206，根据数据文件，统计至少一种影响因素中的每个影响因素对于每个指标的影响程度；
步骤S208，根据选定的指标，查找对所选定的指标产生影响的所有影响因素；
步骤S210，统计所有影响因素中的任一影响因素对所选定的指标的第一影响程度；以及统计所有影响因素中的任意影响因素组合对所选定的指标的第二影响程度。
在该实施例中，分析了不同样本，如样本番茄与样本土豆，这样在确定指标和影响因素之间的关系的时候就能消除样本差异对指标的影响程度，统计任一影响因素如光照强度或施肥量对指标的影响程度，可针对不同的影响因素对指标造成的不同影响，从中对影响程度最大的因素进行控制，从而达到控制农作物产量的目的，统计任意影响因素的组合如光照强度和湿度的组合对指标的影响程度，可明确在若干影响因素混合后对指标的影响程度的差异。可以根据实际需要统计不同影响因素或不同影响因素组合对指标的影响程度，从而达到通过改善影响因素提高农作物种植产量的效果。
图3示出了根据本发明的第一方面的又一个实施例的农作物种植最大影响因素的判断方法的示意流程图；
如图3所示，农作物种植最大影响因素的判断方法如图3所示，包括：
步骤S302，分析农作物的不同样本，确定不同样本的一个或多个指标和至少一种影响因素之间的关系；
步骤S304，建立不同样本的每个指标和至少一种影响因素之间的数据文件；
步骤S306，根据数据文件，统计至少一种影响因素中的每个影响因素对于每个指标的影响程度；
步骤S308，根据选定的指标，查找对所选定的指标产生影响的所有影响因素；
步骤S310，统计所有影响因素中的任一影响因素对所选定的指标的第一影响程度；以及
统计所有影响因素中的任意影响因素组合对所选定的指标的第二影响程度；
步骤S312，根据第一影响程度和第二影响程度，确定对所选定的指标影响最大的影响因素。
在该实施例中，根据第一影响程度和第二影响程度，可确定影响作物产量最显著的一个影响因素，从而可根据调整此影响因素控制农作物种植产量，也可以针对性的在产量较低时，通过改善这个最显著的影响因素，从而有效提高农作物种植产量，在已经获得第一影响程度和第二影响程度的基础上，通过步骤S312，由影响程度之间的对比可以确定对指标影响程度最大的影响因素，例如：对于样本番茄来说，光照强度对其稳产性的第一影响程度为0.5，光照强度和施肥量的组合对其稳产性的第二影响程度为0.7，就光照强度和施肥量这两个影响因素来说，对其稳产性影响最大的影响因素为光照强度。
根据上述任一个实施例，农作物种植影响因素的判断方法中的指标包括：丰产性、稳定性、稳产性、适应性、抗逆性、品质、特异性、以及一致性。
在该实施例中，通过确定所选定的技术评价指标，可以从根本上得到影响作物产量的影响因素对作物产量的具体影响结果，能够为有效提升作物产量做出贡献，同时，明确了影响农作物种植方面的一些指标，可以做到有的放矢，着重于对影响因素对这些指标的影响程度进行分析，可以深度探究影响因素同这些指标之间的关系，可更具有针对性的控制农作物整体的种植产量。
根据本发明的一个实施例，农作物种植影响因素的判断方法中所述影响因素包括：种植纬度、湿度、光照强度、光照时间、施肥量、施肥种类、施水量、土质、以及温度。
在该实施例中，通过给出影响因素，进一步确定影响作物产量的影响因子，为提升作物整体产量创造了有利条件，可以从根本上确定各影响因素对农作物产量的影响程度，同时，明确对这些影响因素进行分析，可以进一步查明各影响因素对农作物种植产量指标分别的影响程度，从而可以清楚地知道各影响因素影响了农作物种植产量的哪些指标。
图4示出了根据本发明的第二方面的实施例的一个农作物种植影响因素的判断装置的示意框图；
如图4所示，农作物种植影响因素的判断装置400，包括：
第一确定单元402，用于分析农作物的不同样本，确定不同样本的一个或多个指标和至少一种影响因素之间的关系；
建立单元404，用于建立不同样本的每个指标和至少一种影响因素之间的数据文件；
统计单元406，用于根据数据文件，统计至少一种影响因素中的每个影响因素对于每个指标的影响程度。
在该实施例中，通过第一确定单元402，可以分析农作物的不同样本，来确定样本的指标和影响因素之间的关系，通过建立单元404，可将上述关系通过建立数据文件进行存储，通过统计单元406，统计各影响因素对指标的影响程度，从而可以确定各影响因素对农作物种植产量的影响程度的多少，通过判断农作物种植影响因素，可以得到影响农作物种植的几个潜在关联因素，减少了无法控制农作物产量发生的可能性。有效的提升了整体作物的产量，满足了人们提高农作物产量的需求。
根据本发明第二方面的一个实施例，农作物种植影响因素的判断装置还包括：查找单元，用于根据选定的指标，查找对所选定的指标产生影响的所有影响因素；第一程度统计单元，用于统计所有影响因素中的任一影响因素对所选定的指标的第一影响程度；以及第二程度统计单元，用于统计所有影响因素中的任意影响因素组合对所选定的指标的第二影响程度。
在该实施例中，分析了不同样本，如样本番茄与样本土豆，这样在确定指标和影响因素之间的关系的时候就能消除样本差异对指标的影响程度，统计任一影响因素如光照强度或施肥量对指标的影响程度，可针对不同的影响因素对指标造成的不同影响，从中对影响程度最大的因素进行控制，从而达到控制农作物产量的目的，统计任意影响因素的组合如光照强度和湿度的组合对指标的影响程度，可明确在若干影响因素混合后对指标的影响程度的差异。可以根据实际需要统计不同影响因素或不同影响因素组合对指标的影响程度，从而达到通过改善影响因素提高农作物种植产量的效果。
图5示出了根据本发明的第二方面的实施例的再一个农作物种植影响因素的判断装置的示意框图；
如图5所示，农作物种植影响因素的判断装置500，具体包括：
第一确定单元502，用于分析农作物的不同样本，确定不同样本的一个或多个指标和至少一种影响因素之间的关系；
建立单元504，用于建立不同样本的每个指标和至少一种影响因素之间的数据文件；
统计单元506，用于根据数据文件，统计至少一种影响因素中的每个影响因素对于每个指标的影响程度。
查找单元508，用于根据选定的指标，查找对所选定的指标产生影响的所有影响因素；
第一程度统计单元510，用于统计所有影响因素中的任一影响因素对所选定的指标的第一影响程度；以及
第二程度统计单元512，用于统计所有影响因素中的任意影响因素组合对所选定的指标的第二影响程度。
第二确定单元514，用于根据第一影响因素和第二影响因素，确定对所选定的指标影响最大的影响因素。
在该实施例中，通过分析了不同样本，如样本番茄与样本土豆，这样在确定指标和影响因素之间的关系的时候就能消除样本差异对指标的影响程度，统计任一影响因素如光照强度或施肥量对指标的影响程度，可针对不同的影响因素对指标造成的不同影响，从中对影响程度最大的因素进行控制，从而达到控制农作物产量的目的，统计任意影响因素的组合如光照强度和湿度的组合对指标的影响程度，是为了明确诸多影响因素混合后对指标的影响程度的差异。可以根据实际需要统计影响因素对指标的影响程度，从而达到通过改善影响因素提高农作物种植产量的效果。
根据本发明的一个实施例，农作物种植影响因素的判断装置中选定的指标包括：丰产性、稳定性、稳产性、适应性、抗逆性、品质、特异性、以及一致性。
在该实施例中，通过确定所选定的技术评价指标，可以从根本上得到影响作物产量的影响因素如光照时间对作物产量的具体影响结果，能够为有效提升作物产量做出贡献，同时，明确了影响农作物种植方面的一些指标如丰产性等，可以做到有的放矢，着重于对影响因素如光照时间对这些指标如丰产性的影响程度进行分析，可以深度探究影响因素同这些指标之间的关系，可更具有针对性的控制农作物整体的种植产量。
根据本发明的一个实施例，农作物种植影响因素的判断装置中的影响因素包括：种植纬度、湿度、光照强度、光照时间、施肥量、施肥种类、施水量、土质、以及温度。
在该实施例中，通过对影响因素进行，进一步确定影响作物产量的影响因子，为提升作物整体产量创造了有利条件，可以从根本上确定各影响因素对农作物产量的影响程度，同时，明确对这些影响因素进行分析，可以进一步查明各影响因素对农作物种植产量指标分别的影响程度，从而可以清楚地知道各影响因素对农作物种植产量的影响效果。
以上结合附图详细说明了本发明的技术方案，本发明提出了一种农作物种植影响因素的判断方法，减少因农作物产量指标不明确造成农作物整体产量过低的问题，可根据农作物产量影响因素控制有效提高了农作物种植的整体产量，满足了人们对农作物产量的高需求。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (8)
1.一种农作物种植影响因素的判断方法，其特征在于，包括：
分析农作物的不同样本，确定不同样本的一个或多个指标和至少一种影响因素之间的关系；
建立所述不同样本的每个所述指标和所述至少一种影响因素之间的数据文件；
根据所述数据文件，统计所述至少一种影响因素中的每个影响因素对于每个所述指标的影响程度；
还包括：
根据选定的指标，查找对所选定的指标产生影响的所有影响因素；
统计所述所有影响因素中的任一影响因素对所选定的指标的第一影响程度；以及
统计所述所有影响因素中的任意影响因素组合对所选定的指标的第二影响程度；
其中，所述不同样本是不同种类的农作物。
2.根据权利要求1所述的判断方法，其特征在于，还包括：
根据所述第一影响程度和所述第二影响程度，确定对所选定的指标影响最大的影响因素。
3.根据权利要求1或2所述的判断方法，其特征在于，
所述指标包括：丰产性、稳定性、稳产性、适应性、抗逆性、品质、特异性、以及一致性。
4.根据权利要求1或2所述的判断方法，其特征在于，所述影响因素包括：种植纬度、湿度、光照强度、光照时间、施肥量、施肥种类、施水量、土质、以及温度。
5.一种农作物种植影响因素的判断装置，其特征在于，包括：
第一确定单元，用于分析农作物的不同样本，确定不同样本的一个或多个指标和至少一种影响因素之间的关系；
建立单元，用于建立所述不同样本的每个所述指标和所述至少一种影响因素之间的数据文件；
统计单元，用于根据所述数据文件，统计所述至少一种影响因素中的每个影响因素对于每个所述指标的影响程度；
还包括：
查找单元，用于根据选定的指标，查找对所选定的指标产生影响的所有影响因素；
第一程度统计单元，用于统计所述所有影响因素中的任一影响因素对所选定的指标的第一影响程度；以及
第二程度统计单元，用于统计所述所有影响因素中的任意影响因素组合对所选定的指标的第二影响程度；
其中，所述不同样本是不同种类的农作物。
6.根据权利要求5所述的判断装置，其特征在于，还包括：
第二确定单元，用于根据所述第一影响因素和所述第二影响因素，确定对所选定的指标影响最大的影响因素。
7.根据权利要求5或6所述的判断装置，其特征在于，
所述指标包括：丰产性、稳定性、稳产性、适应性、抗逆性、品质、特异性、一致性、以及稳定性。
8.根据权利要求5或6所述的判断装置，其特征在于，所述影响因素包括：种植纬度、湿度、光照强度、光照时间、施肥量、施肥种类、施水量、土质、以及温度。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610966061.2A CN106508379B (zh) | 2016-10-31 | 2016-10-31 | 农作物种植影响因素的判断方法和判断装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610966061.2A CN106508379B (zh) | 2016-10-31 | 2016-10-31 | 农作物种植影响因素的判断方法和判断装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN106508379A CN106508379A (zh) | 2017-03-22 |
| CN106508379B true CN106508379B (zh) | 2018-09-04 |
Family
ID=58326433
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610966061.2A Active CN106508379B (zh) | 2016-10-31 | 2016-10-31 | 农作物种植影响因素的判断方法和判断装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106508379B (zh) |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104718933B (zh) * | 2015-02-12 | 2016-11-16 | 姜宇 | 一种周年连作宽垄沟的玉米产量的预测方法和灌水质量的评价方法 |
| CN104982204A (zh) * | 2015-08-19 | 2015-10-21 | 镇江润祥园林科技发展有限公司 | 润草2号的栽培方法 |
| CN106358661B (zh) * | 2016-08-27 | 2020-04-17 | 山东省潍坊市农业科学院 | 一种根瘤菌母种的培育方法 |
| CN106856914A (zh) * | 2017-01-20 | 2017-06-20 | 济宁市农业科学研究院 | 一种林下间作半夏的高效栽培方法 |
-
2016
- 2016-10-31 CN CN201610966061.2A patent/CN106508379B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN106508379A (zh) | 2017-03-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Nawara et al. | A comparison of soil tests for available phosphorus in long‐term field experiments in Europe | |
| Qin et al. | Impact of tillage on root systems of winter wheat | |
| Walters et al. | Growth of Acer saccharum seedlings in deeply shaded understories of northern Wisconsin: effects of nitrogen and water availability | |
| Wilhelm et al. | Comparison of three leaf area index meters in a corn canopy | |
| Lososová et al. | Biotic homogenization of urban floras by alien species: the role of species turnover and richness differences | |
| Douda et al. | Plant species coexistence at local scale in temperate swamp forest: test of habitat heterogeneity hypothesis | |
| Roy et al. | Precision farming: A step towards sustainable, climate-smart agriculture | |
| Bramley et al. | Spatio‐temporal variability in vine vigour and yield in a Marlborough Sauvignon Blanc vineyard | |
| Vogel et al. | Micronutrient limitations in two managed southern pine stands planted on Florida spodosols | |
| Kamraju et al. | Crop diversification pattern: a case study of Telangana state | |
| Oyelere et al. | Radial and axial variation in ring width of Caribbean pine (Pinus caribaea Morelet) in Afaka Plantation, Kaduna State, Nigeria | |
| CN106508379B (zh) | 农作物种植影响因素的判断方法和判断装置 | |
| Silva et al. | Yield of soybean genotypes identified through GGE biplot and path analysis | |
| Shaheen | Characterization of eroded lands of Pothwar plateau, Punjab, Pakistan | |
| Pretzsch et al. | Coarse root–shoot allometry of Pinus radiata modified by site conditions in the Western Cape province of South Africa | |
| Rossignol et al. | Assessing population maturity of three perennial grass species: influence of phenology and tiller demography along latitudinal and altitudinal gradients | |
| Pulido‐Moncada et al. | Root‐dependent recovery of pore system functionality of compacted subsoil: A field case study with bio‐subsoilers in Denmark | |
| Barker et al. | Factors affecting active canopy sensor performance and reflectance measurements | |
| Sarangthem et al. | Development of nutrient diagnostic technique for Khasi mandarin (Citrus reticulata Blanco) Grown in Manipur | |
| Yılmaz et al. | Scale‐dependent intraspecific competition of Taurus cedar (Cedrus libani A. Rich.) saplings in the Southern Turkey | |
| N'Da et al. | Phenotypic diversity of farmer's traditional maize (Zea mays L) varieties in Cote d'Ivoire. | |
| CN112801471A (zh) | 入侵植物竞争优势度量化方法 | |
| Adams et al. | Physiological plant response differences among high‐and average‐yield soybean areas in Arkansas | |
| Zhang et al. | Bivariate distribution characteristics of spatial structure in five different Pinus massoniana forests | |
| Calçada et al. | Analysis of decomposition parameters of green manure in the Brazilian Northeast with Association Rules Networks. |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: Judgment method and device for crop planting influence factors Effective date of registration: 20190621 Granted publication date: 20180904 Pledgee: Bank of China Limited by Share Ltd. Heyuan branch Pledgor: HEYUAN HONGJIA AGRICULTURAL TECHNOLOGY CO.,LTD. Registration number: 2019440000234 |
|
| PC01 | Cancellation of the registration of the contract for pledge of patent right | ||
| PC01 | Cancellation of the registration of the contract for pledge of patent right |
Granted publication date: 20180904 Pledgee: Bank of China Limited by Share Ltd. Heyuan branch Pledgor: HEYUAN HONGJIA AGRICULTURAL TECHNOLOGY CO.,LTD. Registration number: 2019440000234 |