CN107341577A - 一种农作物产量预测方法及系统 - Google Patents
一种农作物产量预测方法及系统 Download PDFInfo
- Publication number
- CN107341577A CN107341577A CN201710608807.7A CN201710608807A CN107341577A CN 107341577 A CN107341577 A CN 107341577A CN 201710608807 A CN201710608807 A CN 201710608807A CN 107341577 A CN107341577 A CN 107341577A
- Authority
- CN
- China
- Prior art keywords
- yield
- model
- meteorological data
- crop
- crop 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
- 238000000034 method Methods 0.000 title claims abstract description 24
- 238000004519 manufacturing process Methods 0.000 claims abstract description 35
- 238000001556 precipitation Methods 0.000 claims description 15
- 238000010899 nucleation Methods 0.000 claims description 12
- 238000005286 illumination Methods 0.000 claims description 9
- 238000009395 breeding Methods 0.000 claims description 8
- 230000001488 breeding effect Effects 0.000 claims description 8
- 238000011161 development Methods 0.000 claims description 6
- 238000005259 measurement Methods 0.000 claims description 4
- 238000011958 production data acquisition Methods 0.000 claims description 3
- 238000009529 body temperature measurement Methods 0.000 claims description 2
- 238000013139 quantization Methods 0.000 claims 1
- 230000012010 growth Effects 0.000 description 10
- 238000004458 analytical method Methods 0.000 description 7
- 238000009313 farming Methods 0.000 description 6
- 238000005457 optimization Methods 0.000 description 5
- 230000018109 developmental process Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000012271 agricultural production Methods 0.000 description 3
- 230000003698 anagen phase Effects 0.000 description 3
- 241000894007 species Species 0.000 description 3
- 238000012937 correction Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 229920000742 Cotton Polymers 0.000 description 1
- 241000196324 Embryophyta Species 0.000 description 1
- 244000068988 Glycine max Species 0.000 description 1
- 235000010469 Glycine max Nutrition 0.000 description 1
- 241000219146 Gossypium Species 0.000 description 1
- 240000007594 Oryza sativa Species 0.000 description 1
- 235000007164 Oryza sativa Nutrition 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000012272 crop production Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000003337 fertilizer Substances 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 235000009566 rice Nutrition 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Animal Husbandry (AREA)
- Life Sciences & Earth Sciences (AREA)
- Agronomy & Crop Science (AREA)
- Mining & Mineral Resources (AREA)
- General Health & Medical Sciences (AREA)
- Marine Sciences & Fisheries (AREA)
- Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开一种农作物产量预测方法及系统。方法包括:获取历史气象数据;获取所述历史气象数据对应时间内的历史产量数据;根据所述历史气象数据和所述历史产量数据建立用来分析气象和产量每天的量化关系的气象‑单产系数模型;建立趋势‑单产模型,所述趋势‑单产模型反映所述历史产量数据与所述历史产量数据对应的时间的关系;根据所述气象‑单产系数模型和所述趋势‑单产模型建立农作物产量预测模型;将采集得到的实时气象数据代入到所述农作物产量预测模型计算出当期农作物产量。通过本发明方法或系统在考虑了不同生长期农作物受气象变化的差异性的前提下,实现了对当期农作物产量的预测。
Description
技术领域
本发明涉及农作物生产管理领域,特别是涉及一种农作物产量预测方法及系统。
背景技术
气候变化已经成为全球瞩目的环境问题,特别是近10年来全球范围内的气候变化给许多国家的粮食生产、水资源和能源生产带来的非常严重的影响。农业是受气候变化非常敏感的领域之一,所以研究气候的变化对农业生产的影响具有重要的意义。随着信息技术的发展,特别是物联网和大数据技术的发展,使得大规模的农业数据采集和分析成为现实,从而对于一些高维度、相关性复杂的农业信息分析问题,在技术上有了新的发展。
目前的国内外都是对农作物单产和气象之间关系分析的时间变量都是以年或整个生长期为单位,忽略了不同生长期农作物受气象变化的差异性。
发明内容
本发明的目的是提供一种农作物产量预测方法及系统,实现对当年的农业生产的预测和预警,提高了农作物产量预测的精度。
为实现上述目的,本发明提供了如下方案:
一种农作物产量预测方法,包括下述步骤:
获取历史气象数据;所述历史气象数据具体包括温度、光照时长和降水量;
获取所述历史气象数据对应时间内的历史产量数据;
根据所述历史气象数据和所述历史产量数据建立用来分析气象和产量每天的量化关系的气象-单产系数模型;
建立趋势-单产模型,所述趋势-单产模型反映所述历史产量数据与所述历史产量数据对应的时间的关系;
根据所述气象-单产系数模型和所述趋势-单产模型建立农作物产量预测模型;
将采集得到的实时气象数据代入到所述农作物产量预测模型计算出当期农作物产量。
可选的,农作物产量预测的方法还包括:
在建立所述气象-单产系数模型的过程中,进行农作物生育期划分,将具有相似的生物特征的时期分为同一阶段。
可选的,所述获取历史气象数据具体包括:
测量所述历史气象数据对应的时间段内的每天的最高温度、最低温度和平均温度;
测量所述历史气象数据对应的时间段内的每天光照强度大于设定阈值后的持续时间;
测量所述历史气象数据对应的时间段内的每天的降水量。
可选的,所述将采集得到的实时气象数据代入到所述农作物产量预测模型计算出当期农作物产量具体包括:
获取农作物播种到预测当天的时间段的气象数据;
获取预测当天到农作物成熟时的时间的历史气象数据的平均值;
将所述农作物播种到预测当天的时间段的气象数据和所述预测当天到农作物成熟时的时间的历史气象数据的平均值代入所述农作物产量预测模型计算当期农作物产量。
一种农作物产量预测系统,所述系统包括:
历史气象数据获取模块,用于获取历史气象数据;所述历史气象数据具体包括温度、光照时长和降水量;
历史产量数据获取模块,用于获取与所述历史气象数据对应时间内的历史产量数据;
气象-单产系数模型建立模块,用于根据所述历史气象数据和所述历史产量数据建立用来分析气象和产量每天的量化关系的气象-单产系数模型;
趋势-单产模型建立模块,用于建立趋势-单产模型,所述趋势-单产模型反映所述历史产量数据与所述历史产量数据对应的时间的关系;
农作物产量预测模型建立模块,用于根据所述气象-单产系数模型和所述趋势-单产模型建立农作物产量预测模型;
当期农作物产量预测模块,用于将采集得到的实时气象数据代入到所述农作物产量预测模型计算出当期农作物产量。
可选的,还包括:
农作物生育期划分模块,用于在建立所述气象-单产系数模型的过程中,进行农作物生育期划分,将具有相似的生物特征的时期分为同一阶段。
可选的,所述历史气象数据获取模块具体包括:
温度测量模块,用于测量所述历史气象数据对应的时间段内的每天的最高温度、最低温度和平均温度;
光照强度测量模块,用于测量所述历史气象数据对应的时间段内的每天光照强度大于某一阈值后的持续时间;
降水量测量模块,用于测量所述历史气象数据对应的时间段内的每天的降水量。
可选的,所述当期农作物产量预测模块具体包括:
播种-预测气象数据获取模块,用于获取农作物播种到预测当天的时间段的气象数据;
预测-成熟气象数据获取模块,用于获取预测当天到农作物成熟时的时间的历史气象数据的平均值;
当期农作物产量获得模块,用于将所述农作物播种到预测当天的时间段的气象数据和所述预测当天到农作物成熟时的时间的历史气象数据的平均值代入所述农作物产量预测模型计算当期农作物产量。
根据本发明提供的具体实施例,本发明公开了以下技术效果:
发明公开了一种农作物产量预测方法及系统,本发明中引入了气象-单产系数模型,可以通过此模型分析农作物在不同生长期期间,其单产和各气象要素之间的详细关系,充分考虑了不同生长期农作物受气候影响的差异性和关联性,并使用精细的历史单产数据和历史气象数据,求解单产-气象变化系数,有效的实现对当年的农业生产的预测和预警,并反馈到生产管理中,提高了农作物产量预测的精度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明农作物产量预测方法的流程图;
图2为本发明农作物产量预测系统的结构图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明的目的是提供一种农作物产量预测方法及系统,实现对当年的农业生产的预测和预警,提高了农作物产量预测的精度。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1为本发明农作物产量预测方法的流程图,参见图1一种农作物产量预测方法,包括下述步骤:
步骤101:获取历史气象数据;所述历史气象数据具体包括温度、光照时长和降水量;
步骤102:获取所述历史气象数据对应时间内的历史产量数据;
步骤103:建立气象-单产系数模型;根据所述历史气象数据和所述历史产量数据建立用来分析气象和产量每天的量化关系的气象-单产系数模型;在建立所述气象-单产系数模型的过程中,进行农作物生育期划分,将具有相似的生物特征的时期划分为同一阶段。
步骤104:建立趋势-单产模型,所述趋势-单产模型反映所述历史产量数据与所述历史产量数据对应的时间的关系;所述趋势-单产模型具体包括线性趋势模型、分段线性趋势模型、二次趋势模型和指数趋势模型。建立趋势-单产模型的方式为根据历史产量数据,采用函数拟合的方式,建立线性趋势模型、分段线性趋势模型、二次趋势模型和指数趋势模型;
步骤105:建立农作物产量预测模型;根据所述气象-单产系数模型和所述趋势-单产模型建立农作物产量预测模型;
步骤106:计算当期农作物产量;将采集得到的实时气象数据代入到所述农作物产量预测模型计算出当期农作物产量。
其中,所述获取历史气象数据具体包括:
测量所述历史气象数据对应的时间段内的每天的最高温度、最低温度和平均温度;
测量所述历史气象数据对应的时间段内的每天光照强度大于设定阈值后的持续时间;
测量所述历史气象数据对应的时间段内的每天的降水量。
所述将采集得到的实时气象数据代入到所述农作物产量预测模型计算出当期农作物产量具体包括:
获取农作物播种到预测当天的时间段的气象数据;
获取预测当天到农作物成熟时的时间的历史气象数据的平均值;
将所述农作物播种到预测当天的时间段的气象数据和所述预测当天到农作物成熟时的时间的历史气象数据的平均值代入所述农作物产量预测模型计算当期农作物产量。
本发明中根据农作物历史产量数据,建立趋势-单产模型,并选择最优趋势-单产模型;
引入单产-气象变化系数,建立包括农作物各生长期的气象-单产系数模型,并选择最优气象-单产系数模型。
选择最优趋势-单产模型为从建立的线性趋势模型、分段线性趋势模型、二次趋势模型和指数趋势模型中,选择最优趋势-单产模型,具体步骤包括:
通过t检验方式,检验每个所述趋势-单产模型是否显著,若否,则放弃该趋势-单产模型;
选择校正决定系数最大的趋势-单产模型作为初步优选模型;所述校正决定系数其中,R为决定系数,n为得到所述趋势-单产模型的样本数量,s为所述趋势-单产模型中的变量数;
判断所述初步优选模型是否为线性模型,若是线性模型,则将所述初步优选模型作为最优趋势-单产模型;若不是线性模型,则判断所述初步优选模型的均方根误差与线性模型的均方根误差是否超过特定值,若超过特定值,则将所述初步优选模型作为最优趋势-单产模型,若没有超过特定值,则将所述线性模型作为最优趋势-单产模型。具体的所述特定值为5%。
建立气象-单产系数模型的具体步骤为,引入单产-气象变化系数αp,q,得到农作物的第q个生长期的第p类气象要素引起的单产变化量αp,qcp,q;
将气象-单产系数模型,表示为农作物各生长期中各气象要素影响的和,即气象-单产系数模型
所述选择最优气象-单产系数模型的具体步骤包括:根据农作物的种类和生长环境,采用赤池信息准则,选择气象-单产系数模型中的M和N的取值,M=Q,N=Pq,其中Q为农作物生长期的个数,Pq为第q个生长期内的气象要素的种类数,得到最优气象-单产系数模型。
可选的,所述农作物产量预测模型为:
Y=YT+YC+ε (1)
其中,YT=f(t)为最优趋势-单产模型,为最优气象-单产系数模型,cp,q为农作物的第q个生长期的第p类气象要素,αp,q农作物的第q个生长期的第p类气象要素的气象-产量影响系数,p=1,2,…,Pq,q=1,2,…,Q,Q为农作物生长期的个数,Pq为第q个生长期内的气象要素的种类数,ε为常数。
所述求解所述农作物产量预测模型中的单产-气象变化系数的具体步骤包括:
引入基准单产:
其中,为基准年生产管理水平、相关科技水平、农作物化肥的条件下的农作物单产,为气象要素为历史平均值时的气象单产;
将公式(2)代入公式(1),消除常数ε,得:
其中,f(t),f(t0)的取值根据最优趋势-单产模型确定,f(t)等于第t年的最优趋势-单产模型的值,f(t0)等于历史的最优趋势-单产模型的平均值;cp,q、的取值根据历史气象数据确定,cp,q等于第t年的第q个农作物生长期的第p类气象要素值,等于历史第q个农作物生长期的第p类气象要素的平均值;Y和Y0的取值根据历史单产数据确定,Y等于第t年的单产数据,Y0等于历史单产数据的平均值;
通过对每天气象要素的监测,根据所述农作物产量预测模型可以对当年农作物产量波动情况进行预判,并提高农作物产量预报精度。
图2为本发明农作物产量预测的系统结构图,参见图2一种农作物产量预测系统,所述系统包括:
历史气象数据获取模块201,用于获取历史气象数据;所述历史气象数据具体包括温度、光照时长和降水量;
历史产量数据获取模块202,用于获取与所述历史气象数据对应时间内的历史产量数据;
气象-单产系数模型建立模块203,用于根据所述历史气象数据和所述历史产量数据建立用来分析气象和产量每天的量化关系的气象-单产系数模型;
趋势-单产模型建立模块204,用于建立趋势-单产模型,所述趋势-单产模型反映所述历史产量数据与所述历史产量数据对应的时间的关系;
农作物产量预测模型建立模块205,用于根据所述气象-单产系数模型和所述趋势-单产模型建立农作物产量预测模型;
当期农作物产量预测模块206,用于将采集得到的实时气象数据代入到所述农作物产量预测模型计算出当期农作物产量。
本发明农作物产量预测系统还包括:
农作物生育期划分模块,用于在建立所述气象-单产系数模型的过程中,进行农作物生育期划分,将具有相似的生物特征的时期分为同一阶段。
所述历史气象数据获取模块201具体包括:
温度测量单元,用于测量所述历史气象数据对应的时间段内的每天的最高温度、最低温度和平均温度;
光照强度测量单元,用于测量所述历史气象数据对应的时间段内的每天光照强度大于某一阈值后的持续时间;
降水量测量单元,用于测量所述历史气象数据对应的时间段内的每天的降水量。
所述当期农作物产量预测模块206具体包括:
播种-预测气象数据获取单元,用于获取农作物播种到预测当天的时间段的气象数据;
预测-成熟气象数据获取单元,用于获取预测当天到农作物成熟时的时间的历史气象数据的平均值;
当期农作物产量获得单元,用于将所述农作物播种到预测当天的时间段的气象数据和所述预测当天到农作物成熟时的时间的历史气象数据的平均值代入所述农作物产量预测模型计算当期农作物产量。
根据本发明农作物产量预测系统去分析并求解农作物生长过程中气象要素与产量形成的量化关系。该方法也可以用于中国其他主要作物类农产品的气象影响分析,如:玉米、大豆、棉花等。使用该分析结果中气象要素与产量的关系能够实现农作物气象影响产量的实时预测预警分析。通过对每天气象要素的监测,可以对当年农作物产量波动情况进行预判,并提高农作物产量预报精度。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处。综上所述,本说明书内容不应理解为对本发明的限制。
Claims (8)
1.一种农作物产量预测方法,其特征在于,包括下述步骤:
获取历史气象数据;所述历史气象数据具体包括温度、光照时长和降水量;
获取所述历史气象数据对应时间内的历史产量数据;
根据所述历史气象数据和所述历史产量数据建立用来分析气象和产量每天的量化关系的气象-单产系数模型;
建立趋势-单产模型,所述趋势-单产模型反映所述历史产量数据与所述历史产量数据对应的时间的关系;
根据所述气象-单产系数模型和所述趋势-单产模型建立农作物产量预测模型;
将采集得到的实时气象数据代入到所述农作物产量预测模型计算出当期农作物产量。
2.根据权利要求1所述的农作物产量预测方法,其特征在于,还包括:
在建立所述气象-单产系数模型的过程中,进行农作物生育期划分,将具有相似的生物特征的时期划分为同一阶段。
3.根据权利要求1所述的农作物产量预测方法,其特征在于,所述获取历史气象数据具体包括:
测量所述历史气象数据对应的时间段内的每天的最高温度、最低温度和平均温度;
测量所述历史气象数据对应的时间段内的每天光照强度大于设定阈值后的持续时间;
测量所述历史气象数据对应的时间段内的每天的降水量。
4.根据权利要求1所述的农作物产量预测的方法,其特征在于,所述将采集得到的实时气象数据代入到所述农作物产量预测模型计算出当期农作物产量具体包括:
获取从农作物播种到预测当天的时间段的气象数据;
获取从预测当天到农作物成熟时的时间段的历史气象数据的平均值;
将所述从农作物播种到预测当天的时间段的气象数据和所述从预测当天到农作物成熟时的时间段的历史气象数据的平均值代入所述农作物产量预测模型计算当期农作物产量。
5.一种农作物产量预测系统,其特征在于,所述系统包括:
历史气象数据获取模块,用于获取历史气象数据;所述历史气象数据具体包括温度、光照时长和降水量;
历史产量数据获取模块,用于获取与所述历史气象数据对应时间内的历史产量数据;
气象-单产系数模型建立模块,用于根据所述历史气象数据和所述历史产量数据建立用来分析气象和产量每天的量化关系的气象-单产系数模型;
趋势-单产模型建立模块,用于建立趋势-单产模型,所述趋势-单产模型反映所述历史产量数据与所述历史产量数据对应的时间的关系;
农作物产量预测模型建立模块,用于根据所述气象-单产系数模型和所述趋势-单产模型建立农作物产量预测模型;
当期农作物产量预测模块,用于将采集得到的实时气象数据代入到所述农作物产量预测模型计算出当期农作物产量。
6.根据权利要求5所述的农作物产量预测系统,其特征在于,还包括:
农作物生育期划分模块,用于在建立所述气象-单产系数模型的过程中,进行农作物生育期划分,将具有相似的生物特征的时期划分为同一阶段。
7.根据权利要求5所述的农作物产量预测系统,其特征在于,所述历史气象数据获取模块具体包括:
温度测量单元,用于测量所述历史气象数据对应的时间段内的每天的最高温度、最低温度和平均温度;
光照强度测量单元,用于测量所述历史气象数据对应的时间段内的每天光照强度大于某一阈值后的持续时间;
降水量测量单元,用于测量所述历史气象数据对应的时间段内的每天的降水量。
8.根据权利要求5所述的农作物产量预测系统,其特征在于,所述当期农作物产量预测模块具体包括:
播种-预测气象数据获取单元,用于获取农作物播种到预测当天的时间段的气象数据;
预测-成熟气象数据获取单元,用于获取预测当天到农作物成熟时的时间的历史气象数据的平均值;
当期农作物产量获得单元,用于将所述农作物播种到预测当天的时间段的气象数据和所述预测当天到农作物成熟时的时间的历史气象数据的平均值代入所述农作物产量预测模型计算当期农作物产量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710608807.7A CN107341577A (zh) | 2017-07-25 | 2017-07-25 | 一种农作物产量预测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710608807.7A CN107341577A (zh) | 2017-07-25 | 2017-07-25 | 一种农作物产量预测方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107341577A true CN107341577A (zh) | 2017-11-10 |
Family
ID=60217087
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710608807.7A Pending CN107341577A (zh) | 2017-07-25 | 2017-07-25 | 一种农作物产量预测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107341577A (zh) |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107909491A (zh) * | 2017-11-30 | 2018-04-13 | 河南云保遥感科技有限公司 | 一种利用空间大数据的产量保险理赔方法 |
CN108665107A (zh) * | 2018-05-15 | 2018-10-16 | 中国农业大学 | 农作物产量预测方法和系统 |
CN108876084A (zh) * | 2018-04-08 | 2018-11-23 | 中国农业大学 | 一种玉米高温风险的评估预测方法 |
CN108921351A (zh) * | 2018-07-06 | 2018-11-30 | 北京兴农丰华科技有限公司 | 基于趋势产量和气象产量的作物产量预测方法 |
CN109460429A (zh) * | 2018-11-19 | 2019-03-12 | 同方知网(北京)技术有限公司 | 一种基于农业产业数据的自助式分析模型方法与系统 |
CN109615149A (zh) * | 2018-12-29 | 2019-04-12 | 航天信息股份有限公司 | 一种确定甜菜气象产量的方法和系统 |
CN109615150A (zh) * | 2018-12-29 | 2019-04-12 | 航天信息股份有限公司 | 一种确定水稻气象产量的方法和系统 |
CN109784588A (zh) * | 2019-03-16 | 2019-05-21 | 石家庄学院 | 一种基于传感器联共监测的高粱产量预测方法 |
CN109858678A (zh) * | 2018-12-29 | 2019-06-07 | 航天信息股份有限公司 | 一种确定向日葵气象产量的方法和系统 |
CN109934397A (zh) * | 2019-03-05 | 2019-06-25 | 中国农业科学院农业信息研究所 | 一种农产品产量预测方法及系统 |
CN109993427A (zh) * | 2019-03-21 | 2019-07-09 | 中国农业科学院农业信息研究所 | 一种农业生产安全智能判别方法及系统 |
CN110443420A (zh) * | 2019-08-05 | 2019-11-12 | 山东农业大学 | 一种基于机器学习的作物产量预测方法 |
CN111612229A (zh) * | 2020-05-13 | 2020-09-01 | 菏泽市气象局 | 油用牡丹始花期和种子采摘期的预测方法 |
CN111652573A (zh) * | 2020-05-22 | 2020-09-11 | 深圳市周大福珠宝制造有限公司 | 产品生产过程管理系统及方法 |
CN111881418A (zh) * | 2020-07-27 | 2020-11-03 | 中国农业科学院农业信息研究所 | 一种基于二分法的大豆气象产量预测方法及系统 |
CN112446658A (zh) * | 2019-09-04 | 2021-03-05 | 北京京东乾石科技有限公司 | 一种仓储物品分流上架的方法和装置 |
CN113052407A (zh) * | 2021-05-18 | 2021-06-29 | 中国农业科学院农业信息研究所 | 一种大豆气象单产预测方法及预测系统 |
CN113191572A (zh) * | 2021-05-27 | 2021-07-30 | 北京佳格天地科技有限公司 | 苹果产量的预测方法、装置、存储介质及电子设备 |
CN113255999A (zh) * | 2021-05-25 | 2021-08-13 | 中国农业科学院农业信息研究所 | 基于多模型的农作物产量评估方法、装置、设备及介质 |
CN113283346A (zh) * | 2021-05-28 | 2021-08-20 | 捷佳润科技集团股份有限公司 | 一种基于机器学习的火龙果产量预测方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104732299A (zh) * | 2015-04-03 | 2015-06-24 | 中国农业科学院农业信息研究所 | 一种玉米产量组合预测系统和方法 |
US20150234785A1 (en) * | 2014-02-14 | 2015-08-20 | Electronics And Telecommunications Research Institute | Prediction apparatus and method for yield of agricultural products |
-
2017
- 2017-07-25 CN CN201710608807.7A patent/CN107341577A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150234785A1 (en) * | 2014-02-14 | 2015-08-20 | Electronics And Telecommunications Research Institute | Prediction apparatus and method for yield of agricultural products |
CN104732299A (zh) * | 2015-04-03 | 2015-06-24 | 中国农业科学院农业信息研究所 | 一种玉米产量组合预测系统和方法 |
Non-Patent Citations (3)
Title |
---|
王禹等: "气象因素对花生单产影响研究", 《广东农业科学》 * |
王禹等: "河南省花生单产受气象因子影响研究", 《系统科学与数学》 * |
王雪姣等: "基于COSIM模型的新疆棉花产量动态预报方法", 《农业工程学报》 * |
Cited By (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107909491A (zh) * | 2017-11-30 | 2018-04-13 | 河南云保遥感科技有限公司 | 一种利用空间大数据的产量保险理赔方法 |
CN108876084A (zh) * | 2018-04-08 | 2018-11-23 | 中国农业大学 | 一种玉米高温风险的评估预测方法 |
CN108665107A (zh) * | 2018-05-15 | 2018-10-16 | 中国农业大学 | 农作物产量预测方法和系统 |
CN108921351A (zh) * | 2018-07-06 | 2018-11-30 | 北京兴农丰华科技有限公司 | 基于趋势产量和气象产量的作物产量预测方法 |
CN109460429A (zh) * | 2018-11-19 | 2019-03-12 | 同方知网(北京)技术有限公司 | 一种基于农业产业数据的自助式分析模型方法与系统 |
CN109615149A (zh) * | 2018-12-29 | 2019-04-12 | 航天信息股份有限公司 | 一种确定甜菜气象产量的方法和系统 |
CN109615150A (zh) * | 2018-12-29 | 2019-04-12 | 航天信息股份有限公司 | 一种确定水稻气象产量的方法和系统 |
CN109858678A (zh) * | 2018-12-29 | 2019-06-07 | 航天信息股份有限公司 | 一种确定向日葵气象产量的方法和系统 |
CN109615150B (zh) * | 2018-12-29 | 2023-04-18 | 航天信息股份有限公司 | 一种确定水稻气象产量的方法和系统 |
CN109615149B (zh) * | 2018-12-29 | 2023-04-28 | 航天信息股份有限公司 | 一种确定甜菜气象产量的方法和系统 |
CN109858678B (zh) * | 2018-12-29 | 2023-04-25 | 航天信息股份有限公司 | 一种确定向日葵气象产量的方法和系统 |
CN109934397A (zh) * | 2019-03-05 | 2019-06-25 | 中国农业科学院农业信息研究所 | 一种农产品产量预测方法及系统 |
CN109784588A (zh) * | 2019-03-16 | 2019-05-21 | 石家庄学院 | 一种基于传感器联共监测的高粱产量预测方法 |
CN109993427A (zh) * | 2019-03-21 | 2019-07-09 | 中国农业科学院农业信息研究所 | 一种农业生产安全智能判别方法及系统 |
CN110443420A (zh) * | 2019-08-05 | 2019-11-12 | 山东农业大学 | 一种基于机器学习的作物产量预测方法 |
CN112446658A (zh) * | 2019-09-04 | 2021-03-05 | 北京京东乾石科技有限公司 | 一种仓储物品分流上架的方法和装置 |
CN111612229A (zh) * | 2020-05-13 | 2020-09-01 | 菏泽市气象局 | 油用牡丹始花期和种子采摘期的预测方法 |
CN111652573B (zh) * | 2020-05-22 | 2023-04-18 | 深圳市周大福珠宝制造有限公司 | 产品生产过程管理系统及方法 |
CN111652573A (zh) * | 2020-05-22 | 2020-09-11 | 深圳市周大福珠宝制造有限公司 | 产品生产过程管理系统及方法 |
CN111881418A (zh) * | 2020-07-27 | 2020-11-03 | 中国农业科学院农业信息研究所 | 一种基于二分法的大豆气象产量预测方法及系统 |
CN111881418B (zh) * | 2020-07-27 | 2023-05-16 | 中国农业科学院农业信息研究所 | 一种基于二分法的大豆气象产量预测方法及系统 |
CN113052407A (zh) * | 2021-05-18 | 2021-06-29 | 中国农业科学院农业信息研究所 | 一种大豆气象单产预测方法及预测系统 |
CN113052407B (zh) * | 2021-05-18 | 2023-08-29 | 中国农业科学院农业信息研究所 | 一种大豆气象单产预测方法及预测系统 |
CN113255999A (zh) * | 2021-05-25 | 2021-08-13 | 中国农业科学院农业信息研究所 | 基于多模型的农作物产量评估方法、装置、设备及介质 |
CN113255999B (zh) * | 2021-05-25 | 2024-04-12 | 中国农业科学院农业信息研究所 | 基于多模型的农作物产量评估方法、装置、设备及介质 |
CN113191572A (zh) * | 2021-05-27 | 2021-07-30 | 北京佳格天地科技有限公司 | 苹果产量的预测方法、装置、存储介质及电子设备 |
CN113283346A (zh) * | 2021-05-28 | 2021-08-20 | 捷佳润科技集团股份有限公司 | 一种基于机器学习的火龙果产量预测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107341577A (zh) | 一种农作物产量预测方法及系统 | |
CN107392376B (zh) | 一种农作物气象产量预测方法及系统 | |
EP3211987B1 (en) | Method for providing a three-dimensional assessment of water movement through soil and across a field and associated system | |
An-Vo et al. | Value of seasonal forecasting for sugarcane farm irrigation planning | |
CN104521699A (zh) | 田间智能灌溉在线控制管理方法 | |
CN101858971A (zh) | 一种基于modis数据的水稻单产遥感估算方法 | |
AU2016273991A1 (en) | Detection of environmental conditions | |
CN112215716A (zh) | 农作物生长干预方法、装置、设备及存储介质 | |
CN109615148B (zh) | 一种确定玉米气象产量的方法和系统 | |
CN103150615A (zh) | 径流预测方法 | |
CN109800921A (zh) | 一种基于遥感物候同化和粒子群优化算法的区域冬小麦估产方法 | |
CN113016450A (zh) | 一种温室作物灌溉方法及系统 | |
CN107368687B (zh) | 一种气象单产模型的优选方法及装置 | |
CN115455086A (zh) | 一种灌区农业灌溉用水量的估算方法及系统 | |
CN111160680A (zh) | 一种基于信息同化融合的农业干旱评估方法 | |
CN116595333A (zh) | 土壤-气候智慧型的水稻目标产量与氮肥用量确定方法 | |
CN110516943B (zh) | 一种基于地表温度的春灌期灌溉面积动态监测遥感方法 | |
Jin et al. | Research on the rice fertiliser decision-making method based on UAV remote sensing data assimilation | |
CN114357737A (zh) | 针对大尺度水文模型时变参数的代理优化率定方法 | |
CN118058178A (zh) | 基于云服务平台的稻田智能灌溉控制方法及系统 | |
Khattar et al. | Enhancement of the performance and accuracy of soil moisture data transmission in IOT | |
CN101464979A (zh) | 作物产量表现评价系统及方法 | |
CN109858678A (zh) | 一种确定向日葵气象产量的方法和系统 | |
CN109615150A (zh) | 一种确定水稻气象产量的方法和系统 | |
Liu et al. | Estimation and spatiotemporal variation analysis of net primary productivity in the upper Luanhe River Basin in China from 2001 to 2017 combining with a downscaling method |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20171110 |