CN107609687B - 一种农作物品种测试站点布局方法及装置 - Google Patents
一种农作物品种测试站点布局方法及装置 Download PDFInfo
- Publication number
- CN107609687B CN107609687B CN201710743675.9A CN201710743675A CN107609687B CN 107609687 B CN107609687 B CN 107609687B CN 201710743675 A CN201710743675 A CN 201710743675A CN 107609687 B CN107609687 B CN 107609687B
- Authority
- CN
- China
- Prior art keywords
- environment
- area
- geographic grid
- geographic
- category
- 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
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种农作物品种测试站点布局方法及装置,方法包括获取待布局种植区域所属的环境类别数(一参数)、各地理格网(格网)在一时间段的每时间单元所属环境类别(二参数)、各地理格网在每个时间单元的各个环境指标值(三参数)、格网种植面积(四参数);据二参数和第一时间段计算各格网的最终归属类别(五参数)和各格网归属度AD、AD≥阈值的格网确定区域为一区域,反之为二区域,统计每个区域的地理格网数(六参数);据一、二、三、六参数、预设时间段和实验周期,计算各环境类别的第一区域和所有第二区域的站点数;据二、三、四、五参数,计算第一抽样概率,据二和四参数计算第二抽样概率;据上述站点数及抽样概率布局,站点分布均匀。
Description
技术领域
本发明涉及计算机处理技术领域,特别涉及一种农作物品种测试站点布局方法及装置。
背景技术
玉米的合理布局是在对玉米种植环境充分认识以及玉米品种特征测试的基础上进行的。多环境测试(MET)是在对作物种植环境充分认知的情况下,通过合理布局对目标推广环境代表性高的站点对新品种进行分析,评价新品种的适应性和丰产性,以决定其利用价值和适宜推广区域。
目前我国的玉米测试体系还不够完善,测试站点布局一般以定性的经验为主,主观性强,导致测试站点对于环境的代表度低且布局不合理。因此增加测试站点数目,优化测试站点布局成为了一个亟待解决的问题。
发明内容
本发明提供一种全部或至少部分解决上述技术问题的一种农作物品种测试站点布局方法及装置。
第一方面,本发明提供一种农作物品种测试站点布局方法,包括:
获取待布局种植区域所属的环境类别数、待布局种植区域中每个地理格网在预设时间段内的每个时间单元所属的环境类别、每个地理格网在每个时间单元的各个环境指标值和每个地理格网的种植面积;
根据所述待布局种植区域中每个地理格网在预设时间段内的每个时间单元所属的环境类别和所述预设时间段,确定每个地理格网的最终归属的环境类别并计算每个地理格网对最终归属的环境类别的归属度,将每个环境类别中归属度大于等于预设值的地理格网所组成的区域确定为该环境类别的第一环境区域,将每个环境类别中归属度小于所述预设值的地理格网所组成的区域确定为该环境类别的第二环境区域,并统计每个环境类别的第一环境区域和第二环境区域的地理格网数;
根据所述待布局种植区域所属的环境类别数、所述每个地理格网在每个时间单元的各个环境指标值、所述每个环境类别的第一环境区域和第二环境区域的地理格网数、所述预设时间段和预设实验周期,计算每个环境类别的第一环境区域和所述待布局种植区域内所有第二环境区域需布设的测试站点数;
根据各个第一环境区域中每个地理格网的最终归属的环境类别,所述每个地理格网在每个时间单元的各个环境指标值和每个地理格网的种植面积,计算各个第一环境区域中每个地理格网的抽样概率,并根据各个第二环境区域中每个地理格网在预设时间段内的每个时间单元所属的环境类别和所述每个地理格网的种植面积,计算各个第二环境区域中每个地理格网的抽样概率;
根据所述每个环境类别的第一环境区域和所述待布局种植区域内所有第二环境区域需布设的测试站点数、所述各个第一环境区域中每个地理格网的抽样概率和所述各个第二环境区域中每个地理格网的抽样概率,对待布局种植区域进行测试站点布局。
优选的,根据所述待布局种植区域中每个地理格网在预设时间段内的每个时间单元所属的环境类别和所述预设时间段,确定每个地理格网的最终归属的环境类别并计算每个地理格网对最终归属的环境类别的归属度,包括:
根据所述待布局种植区域中每个地理格网在预设时间段内的每个时间单元所属的环境类别和所述预设时间段,确定每个地理格网在预设时间段内所属次数最多的环境类别为该地理格网的最终归属的环境类别;
根据所述待布局种植区域中每个地理格网在预设时间段内的每个时间单元所属的环境类别,确定每个地理格网在预设时间段内属于最终归属的环境类别的次数;
将每个地理格网在预设时间段内属于最终归属的环境类别的次数与总单元数的商作为每个地理格网对最终归属的环境类别的归属度;
所述总单元数为所述预设时间段内时间单元的个数。
优选的,根据所述待布局种植区域所属的环境类别数、所述每个地理格网在每个时间单元的各个环境指标值、所述每个环境类别的第一环境区域和第二环境区域的地理格网数、所述预设时间段和预设实验周期,计算每个环境类别的第一环境区域和所述待布局种植区域内所有第二环境区域需布设的测试站点数,包括:
根据所述待布局种植区域所属的环境类别数、所述每个地理格网在每个时间单元的各个环境指标值、所述每个环境类别的第一环境区域和第二环境区域的地理格网数、所述预设时间段和所述预设实验周期,采用空间抽样法计算所述待布局种植区域需布设的测试站点数;
根据所述待布局种植区域需布设的测试站点数、所述待布局种植区域所属的环境类别数、所述每个地理格网在每个时间单元的各个环境指标值、所述每个环境类别中第一环境区域和第二环境区域的地理格网数和所述预设时间段,计算每个环境类别的第一环境区域和所述待布局种植区域内所有第二环境区域需布设的测试站点数。
优选的,根据所述待布局种植区域需布设的测试站点数、所述待布局种植区域所属的环境类别数、所述每个地理格网在每个时间单元的各个环境指标值、所述每个环境类别中第一环境区域和第二环境区域的地理格网数和所述预设时间段,计算每个环境类别的第一环境区域和所述待布局种植区域内所有第二环境区域需布设的测试站点数,包括:
根据所述待布局种植区域需布设的测试站点数、所述待布局种植区域所属的环境类别数、所述每个地理格网在每个时间单元的各个环境指标值以及所述每个环境类别中第一环境区域和第二环境区域的地理格网数和所述预设时间段,采用内曼最优分配法计算每个环境类别需布设的测试站点数;
根据所述每个环境类别中第一环境区域和第二环境区域的地理格网数,计算每个环境类别中第一环境区域的地理格网数占每个环境类别地理格网总数的比例;
根据所述比例和所述每个环境类别需布设的测试站点数,计算每个环境类别中第一环境区域需布设的测试站点数;
根据所述每个环境类别需布设的测试站点数和每个环境类别中第一环境区域需布设的测试站点数,计算所述待布局种植区域中所有第二环境区域需布设的测试站点数。
优选的,根据各个第一环境区域中每个地理格网的最终归属的环境类别,所述每个地理格网在每个时间单元的各个环境指标值和每个地理格网的种植面积,计算各个第一环境区域中每个地理格网的抽样概率,包括:
根据所述每个地理格网在每个时间单元的各个环境指标值,获取与各个环境类别对应的聚类中心的各个环境指标值;
根据每个环境类别的每个第一区域中的每个地理格网在每个时间单元的各个环境指标值与该环境类别对应的聚类中心的各个环境指标值,计算各个第一环境区域中各个地理格网的环境代表度;
根据所述环境代表度和所述每个地理格网的种植面积,计算各个第一环境区域中每个地理格网的抽样概率。
优选的,根据所述环境代表度和所述每个地理格网的种植面积,计算各个第一环境区域中每个地理格网的抽样概率,包括:
将所述环境代表度和所述每个地理格网的种植面积加权求和,将求和结果作为各个第一环境区域中每个地理格网的抽样概率。
优选的,根据各个第二环境区域中每个地理格网在预设时间段内的每个时间单元所属的环境类别和所述每个地理格网的种植面积,计算各个第二环境区域中每个地理格网的抽样概率,包括:
根据各个第二环境区域中每个地理格网在预设时间段内的每个时间单元所属的环境类别,计算各个第二环境区域中各个地理格网的环境代表度;
根据所述环境代表度和所述每个地理格网的种植面积,计算各个第二环境区域中每个地理格网的抽样概率。
优选的,根据各个第二环境区域中每个地理格网在预设时间段内的每个时间单元所属的环境类别,计算各个第二环境区域中各个地理格网的环境代表度,包括:
根据各个第二环境区域中每个地理格网在预设时间段内的每个时间单元所属的环境类别,获取各个第二环境区域中每个地理格网在预设时间段内环境类别的变化次数以及所有第二环境区域中各个地理格网在预设时间段内环境类别变化次数最大的变化次数;
将所述预设时间段内各个第二环境区域中各个地理格网的环境类别变化次数除以所述最大的变化次数的商作为各个第二环境区域中各个地理格网的环境代表度。
优选的,根据所述环境代表度和所述每个地理格网的种植面积,计算各个第二环境区域中每个地理格网的抽样概率,包括:
将所述环境代表度和所述每个地理格网的种植面积加权求和,将求和结果作为各个第二环境区域中每个地理格网的抽样概率。
第二方面,本发明还提供一种农作物品种测试站点布局装置,包括:
获取单元,用于获取待布局种植区域所属的环境类别数、待布局种植区域中每个地理格网在预设时间段内的每个时间单元所属的环境类别、每个地理格网在每个时间单元的各个环境指标值和每个地理格网的种植面积;
第一计算单元,用于根据所述待布局种植区域中每个地理格网在预设时间段内的每个时间单元所属的环境类别和所述预设时间段,确定每个地理格网的最终归属的环境类别并计算每个地理格网对最终归属的环境类别的归属度;
第一确定单元,用于将每个环境类别中归属度大于等于预设值的地理格网所组成的区域确定为该环境类别的第一环境区域,将每个环境类别中归属度小于所述预设值的地理格网所组成的区域确定为该环境类别的第二环境区域,并统计每个环境类别的第一环境区域和第二环境区域的地理格网数;
第二计算单元,用于根据所述待布局种植区域所属的环境类别数、所述每个地理格网在每个时间单元的各个环境指标值、所述每个环境类别的第一环境区域和第二环境区域的地理格网数、所述预设时间段和预设实验周期,计算每个环境类别的第一环境区域和所述待布局种植区域内所有第二环境区域需布设的测试站点数;
第三计算单元,用于根据各个第一环境区域中每个地理格网的最终归属的环境类别,所述每个地理格网在每个时间单元的各个环境指标值和每个地理格网的种植面积,计算各个第一环境区域中每个地理格网的抽样概率,并根据各个第二环境区域中每个地理格网在预设时间段内的每个时间单元所属的环境类别和所述每个地理格网的种植面积,计算各个第二环境区域中每个地理格网的抽样概率;
布局单元,用于根据所述每个环境类别的第一环境区域和所述待布局种植区域内所有第二环境区域需布设的测试站点数、所述各个第一环境区域中每个地理格网的抽样概率和所述各个第二环境区域中每个地理格网的抽样概率,对待布局种植区域进行测试站点布局。
由上述技术方案可知,本发明农作物品种测试站点布局方法,将待布局种植区域进行时空区划,并考虑地理格网对最终归属的环境类别的归属度大小,将区划结果空间分层,计算各个环境分层的测试站点数目,结合地理格网的环境代表度和每个地理格网的种植面积计算抽样概率,根据每个地理格网的抽样概率对测试站点进行布局,能较好解决测试站点环境代表度低,分布不均匀的问题,有效地提高农作物品种区域试验效率。
附图说明
图1为本发明一实施例提供的一种农作物品种测试站点布局方法的流程图;
图2为本发明的具体例子东北三省玉米种植环境时空区划图;
图3为东北三省玉米种植环境的环境分层图;
图4为东北三省玉米种植环境的抽样概率栅格图;
图5为东北三省玉米种植环境的测试站点布局图;
图6为本发明一实施例提供的一种农作物品种测试站点布局装置的原理框图。
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除、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。
图1为本发明一实施例提供的一种农作物品种测试站点布局方法的流程图。
如图1所示的一种农作物品种测试站点布局方法,包括:
S101、获取待布局种植区域所属的环境类别数、待布局种植区域中每个地理格网在预设时间段内的每个时间单元所属的环境类别、每个地理格网在每个时间单元的各个环境指标值和每个地理格网的种植面积;
值得说明的是,每个地理格网在每个时间单元内只属于一种环境类别。预设时间段可以是若干年,每个时间单元可以是一年,本实施例中每个地理格网的大小均相等。
因缺少小范围内的种植面积数据,所以将每个地理格网的种植面积定义为地理格网所在县的种植面积。
S102、根据所述待布局种植区域中每个地理格网在预设时间段内的每个时间单元所属的环境类别和所述预设时间段,确定每个地理格网的最终归属的环境类别并计算每个地理格网对最终归属的环境类别的归属度,将每个环境类别中归属度大于等于预设值的地理格网所组成的区域确定为该环境类别的第一环境区域,将每个环境类别中归属度小于所述预设值的地理格网所组成的区域确定为该环境类别的第二环境区域,并统计每个环境类别的第一环境区域和第二环境区域的地理格网数;
在一种具体实施例中,所述预设值可以为50%。
S103、根据所述待布局种植区域所属的环境类别数、所述每个地理格网在每个时间单元的各个环境指标值、所述每个环境类别的第一环境区域和第二环境区域的地理格网数、所述预设时间段和预设实验周期,计算每个环境类别的第一环境区域和所述待布局种植区域内所有第二环境区域需布设的测试站点数;
S104、根据各个第一环境区域中每个地理格网的最终归属的环境类别,所述每个地理格网在每个时间单元的各个环境指标值和每个地理格网的种植面积,计算各个第一环境区域中每个地理格网的抽样概率,并根据各个第二环境区域中每个地理格网在预设时间段内的每个时间单元所属的环境类别和所述每个地理格网的种植面积,计算各个第二环境区域中每个地理格网的抽样概率;
S105、根据所述每个环境类别的第一环境区域和所述待布局种植区域内所有第二环境区域需布设的测试站点数、所述各个第一环境区域中每个地理格网的抽样概率和所述各个第二环境区域中每个地理格网的抽样概率,对待布局种植区域进行测试站点布局。
在一种具体实施例中,步骤S105可通过Arcgis10.2的创建空间平衡点功能实现测试站点布局。
作为一种优选实施例,所述步骤S102中的根据所述待布局种植区域中每个地理格网在预设时间段内的每个时间单元所属的环境类别和所述预设时间段,确定每个地理格网的最终归属的环境类别并计算每个地理格网对最终归属的环境类别的归属度,包括:
根据所述待布局种植区域中每个地理格网在预设时间段内的每个时间单元所属的环境类别和所述预设时间段,确定每个地理格网在预设时间段内所属次数最多的环境类别为该地理格网的最终归属的环境类别;
根据所述待布局种植区域中每个地理格网在预设时间段内的每个时间单元所属的环境类别,确定每个地理格网在预设时间段内属于最终归属的环境类别的次数;
在该具体实施例中,每个地理格网在预设时间段内属于最终归属的环境类的次数最多的环境类别为该地理格网的最终归属的环境类别。
将每个地理格网在预设时间段内属于最终归属的环境类别的次数与总单元数的商作为每个地理格网对最终归属的环境类别的归属度;
所述总单元数为所述预设时间段内时间单元的个数。
作为一种优选实施例,所述步骤S103,包括:
根据所述待布局种植区域所属的环境类别数、所述每个地理格网在每个时间单元的各个环境指标值、所述每个环境类别的第一环境区域和第二环境区域的地理格网数、所述预设时间段和所述预设实验周期,采用空间抽样法计算所述待布局种植区域需布设的测试站点数;
在一种具体实施例中,可通过公式1计算待布局种植区域需布设的测试站点数
其中,X为所述待布局种植区域需布设的测试站点数,L为待布局种植区域所属的环境类别数,nh=nh1+nh2,其中,nh1为第h个环境类别的第一环境区域的地理格网数,nh2为第h个环境类别的第二环境区域的地理格网数,Wh为预设的第h个环境类别的权重,ch为预设的第h个环境类别内抽取单个样本的费用,y为预设的抽样精度,T为预设实验周期,m为预设时间段,代表第h个环境类别中第j个地理格网在第k年的各个环境指标值组成的多维向量,为第h个环境类别的每个地理格网在预设时间段内的各个环境指标值的均值组成的多维向量,即分别计算第h个环境类别中所有地理格网的第一个环境指标值的均值,第二个环境指标值的均值、第三个环境指标值的均值…最后一个环境指标值的均值,为每个环境指标值的均值组成的多维向量,
值得说明的是,上述公式中的预设时间段一般为若干年,如10年或20年,如,当m为10年时,则k的取值范围为1-10,下面公式2同理。
根据所述待布局种植区域需布设的测试站点数、所述待布局种植区域所属的环境类别数、所述每个地理格网在每个时间单元的各个环境指标值、所述每个环境类别中第一环境区域和第二环境区域的地理格网数和所述预设时间段,计算每个环境类别的第一环境区域和所述待布局种植区域内所有第二环境区域需布设的测试站点数。
作为一种优选实施例,根据所述待布局种植区域需布设的测试站点数、所述待布局种植区域所属的环境类别数、所述每个地理格网在每个时间单元的各个环境指标值、所述每个环境类别中第一环境区域和第二环境区域的地理格网数和所述预设时间段,计算每个环境类别的第一环境区域和所述待布局种植区域内所有第二环境区域需布设的测试站点数,包括:
根据所述待布局种植区域需布设的测试站点数、所述待布局种植区域所属的环境类别数、所述每个地理格网在每个时间单元的各个环境指标值以及所述每个环境类别中第一环境区域和第二环境区域的地理格网数和所述预设时间段,采用内曼最优分配法计算每个环境类别需布设的测试站点数;
在一种具体实施例中,可通过公式2计算每个环境类别需布设的测试站点数
其中,Xh代表第h个环境类别需布设的测试站点数,L为待布局种植区域所属的环境类别数,nh=nh1+nh2,其中,nh1为第h个环境类别的第一环境区域的地理格网数,nh2为第h个环境类别的第二环境区域的地理格网数,m为预设时间段,代表第h个环境类别中第j个地理格网在第k年的各个环境指标值组成的多维向量,为第h个环境类别的每个地理格网在预设时间段内的各个环境指标值的均值组成的多维向量,即分别计算第h个环境类别中所有地理格网的第一个环境指标值的均值,第二个环境指标值的均值、第三个环境指标值的均值…最后一个环境指标值的均值,为每个环境指标值的均值组成的多维向量,X为待布局种植区域需布设的测试站点数,
根据所述每个环境类别中第一环境区域和第二环境区域的地理格网数,计算每个环境类别中第一环境区域的地理格网数占每个环境类别地理格网总数的比例;
根据所述比例和所述每个环境类别需布设的测试站点数,计算每个环境类别中第一环境区域需布设的测试站点数;
根据所述每个环境类别需布设的测试站点数和每个环境类别中第一环境区域需布设的测试站点数,计算所述待布局种植区域中所有第二环境区域需布设的测试站点数。
在一种具体实施例中,可通过公式3计算每个环境类别中第一环境区域和所述待布局种植区域中所有第二环境区域需布设的测试站点数
其中,αh为第h个环境类别的第一环境区域需布设的测试站点数,μh为第h个环境类别中第一环境区域的地理格网数占第h个环境类别地理格网总数的比例,L为待布局种植区域所属的环境类别数,σh为第h个环境类别需布设的测试站点数,τ为待布局种植区域的所有第二环境区域需布设的测试站点数。
作为一种优选实施例,所述步骤S104中的根据各个第一环境区域中每个地理格网的最终归属的环境类别,所述每个地理格网在每个时间单元的各个环境指标值和每个地理格网的种植面积,计算各个第一环境区域中每个地理格网的抽样概率,包括:
根据所述每个地理格网在每个时间单元的各个环境指标值,获取与各个环境类别对应的聚类中心的各个环境指标值;
在一种具体实施例中,根据预设时间段内每个地理格网的各个环境指标值和预设的类别数,采用K-means聚类算法,获取与各个环境类别对应的每个聚类中心的各个环境指标值。
根据每个环境类别的每个第一区域中的每个地理格网在每个时间单元的各个环境指标值与该环境类别对应的聚类中心的各个环境指标值,计算各个第一环境区域中各个地理格网的环境代表度;
在一种具体实施例中,通过公式4计算各个第一环境区域中各个地理格网的环境代表度
其中,ERI为地理格网的环境代表度,为第k年(时间单元为一年时)地理格网j的第t个环境指标值,xjht为地理格网j的最终归属的环境类别h的聚类中心的第t个环境指标值,u为环境指标值的个数,m为预设时间段。
根据所述环境代表度和所述每个地理格网的种植面积,计算各个第一环境区域中每个地理格网的抽样概率。
作为一种优选实施例,根据所述环境代表度和所述每个地理格网的种植面积,计算各个第一环境区域中每个地理格网的抽样概率,包括:
将所述环境代表度和所述每个地理格网的种植面积加权求和,将求和结果作为各个第一环境区域中每个地理格网的抽样概率。
所述步骤S104中的根据各个第二环境区域中每个地理格网在预设时间段内的每个时间单元所属的环境类别和所述每个地理格网的种植面积,计算各个第二环境区域中每个地理格网的抽样概率,包括:
根据各个第二环境区域中每个地理格网在预设时间段内的每个时间单元所属的环境类别,计算各个第二环境区域中各个地理格网的环境代表度;
根据所述环境代表度和所述每个地理格网的种植面积,计算各个第二环境区域中每个地理格网的抽样概率。
作为一种优选实施例,根据各个第二环境区域中每个地理格网在预设时间段内的每个时间单元所属的环境类别,计算各个第二环境区域中各个地理格网的环境代表度,包括:
根据各个第二环境区域中每个地理格网在预设时间段内的每个时间单元所属的环境类别,获取各个第二环境区域中每个地理格网在预设时间段内环境类别的变化次数以及所有第二环境区域中各个地理格网在预设时间段内环境类别变化次数最大的变化次数;
将所述预设时间段内各个第二环境区域中各个地理格网的环境类别变化次数除以所述最大的变化次数的商作为各个第二环境区域中各个地理格网的环境代表度。
作为一种优选实施例,根据所述环境代表度和所述每个地理格网的种植面积,计算各个第二环境区域中每个地理格网的抽样概率,包括:
将所述环境代表度和所述每个地理格网的种植面积加权求和,将求和结果作为各个第二环境区域中每个地理格网的抽样概率。
值得说明的是,在计算各个第一环境区域和各个第二环境区域中每个地理格网的抽样概率时,各个地理格网的环境代表度的权重和每个地理格网的种植面积的权重分别为0.5.当然,也可以根据实际情况设定为其他权重。
在一种具体实施例中,可采用公式5计算各个第一环境区域和各个第二环境区域中每个地理格网的抽样概率
其中,PRB为地理格网的抽样概率,ERI为第一环境区域或第二环境区域中地理格网的环境代表度,AREA为每个地理格网的种植面积,w1为地理格网的环境代表度的权重,为预设值,w2为地理格网的种植面积的权重,为预设值。
本发明农作物品种测试站点布局方法,将待布局种植区域进行时空区划,并考虑地理格网对最终归属类别的归属度大小,将区划结果空间分层(每个环境类别划分为两个环境区域),计算各个环境分层的测试站点数目(即计算两个环境区域的测试站点数),结合地理格网的环境代表度和每个地理格网的种植面积计算抽样概率,根据每个地理格网的抽样概率对测试站点进行布局,能较好解决测试站点环境代表度低,分布不均匀的问题,有效地提高农作物品种区域试验效率,有助于育种家把握新育成(引进)的品种增产效果、区域适应性和抗逆性,实现品种的合理布局,达到增产增收的效果。可应用在玉米等农作物测试站点的布局中。
下面通过一个具体例子说明本发明。
本实施案例中,选取1993年至2013年气象站点日值数据以及玉米生育期数据,采取相关学者关于玉米种植环境时空区划的方法,实现东北三省春玉米种植环境时空区划,完成玉米测试站点的合理布局,具体实施步骤如下所示:
S1:从国家气象信息中心上获取1993年至2013年的气象日值数据,玉米生育期数据,同时对数据进行清洗,剔除有错的或者为空的数据,防止影响异常值的出现或干扰。
S2:通过文献阅读确定种植环境时空分类的方法,实现东北三省春玉米种植环境时空区划,将东北三省划分为7个环境类别,结果如图2。
S3:根据S2得到的东北三省春玉米种植环境时空区划结果,依据地理格网对所属环境的代表度完成环境分层。
S31:在S2得到的种植环境时空型区划的基础上,统计地理格网多年间属于最终归属的环境类别AC的概率AD(地理格网的归属度)。
S32:在S31获取的地理格网的归属度AD的基础上,以50%为界,AD大于等于50%的地理格网构成各个类别的典型环境区TEh,AD小于50%的所有地理格网构成MIX层,环境类别1、4地理格网的归属度都低于50%,所以将环境类别1,4以及其他环境类别中的归属度低于50%的构成MIX层,结果如图3所示。
S4:计算典型环境区以及MIX层测试站点数目(详见表1)。
表1
S41:依据空间抽样法以及内曼最优分配原则(内曼最优分配法),计算各个环境类别所需的测试站点数目,其中环境类别2因纬度过高,年活动积温不能满足玉米生长,在布设测试站点时不予考虑。
S42:在S41获取的各个环境类别所需测试站点的基础上,以3年为玉米区域试验的周期,计算各个环境类别实际布设的测试站点数目。
S43:在S3环境分层的基础上,按照各个环境类别中典型环境区比例μj,分配测试站点。
S5:类别典型环境区分层以及MIX层抽样概率栅格构建。
S51:分别计算典型环境区、MIX层内地理格网对环境的代表度ERI,其中典型环境区对环境的代表度考虑了积温、累积降雨量、累积日照时数、高程指标;MIX层对环境的代表度考虑了地理格网所属环境类别的变化次数。
S52:参照县域种植面积数据,各个地理格网的种植面积AREA等同于所在县域的种植面积。
S53:根据地理格网环境代表度ERI以及种植面积AREA,设定两者的权重都为0.5,加权求和得到抽样概率值PRB,完成抽样概率栅格的创建,结果如图4所示。
S6:在S4计算得到的测试站点数目的基础上,参照S5构建的抽样概率栅格,利用Arcgis10.2中“创建空间平衡点”工具,实现测试站点布局,结果如图5所示。
图6为本发明一实施例提供的一种农作物品种测试站点布局装置的原理框图。
如图6所示的一种农作物品种测试站点布局装置,包括:
获取单元601,用于获取待布局种植区域所属的环境类别数、待布局种植区域中每个地理格网在预设时间段内的每个时间单元所属的环境类别、每个地理格网在每个时间单元的各个环境指标值和每个地理格网的种植面积;
第一计算单元602,用于根据所述待布局种植区域中每个地理格网在预设时间段内的每个时间单元所属的环境类别和所述预设时间段,确定每个地理格网的最终归属的环境类别并计算每个地理格网对最终归属的环境类别的归属度;
第一确定单元603,用于将每个环境类别中归属度大于等于预设值的地理格网所组成的区域确定为该环境类别的第一环境区域,将每个环境类别中归属度小于所述预设值的地理格网所组成的区域确定为该环境类别的第二环境区域,并统计每个环境类别的第一环境区域和第二环境区域的地理格网数;
第二计算单元604,用于根据所述待布局种植区域所属的环境类别数、所述每个地理格网在每个时间单元的各个环境指标值、所述每个环境类别的第一环境区域和第二环境区域的地理格网数、所述预设时间段和预设实验周期,计算每个环境类别的第一环境区域和所述待布局种植区域内所有第二环境区域需布设的测试站点数;
第三计算单元605,用于根据各个第一环境区域中每个地理格网的最终归属的环境类别,所述每个地理格网在每个时间单元的各个环境指标值和每个地理格网的种植面积,计算各个第一环境区域中每个地理格网的抽样概率,并根据各个第二环境区域中每个地理格网在预设时间段内的每个时间单元所属的环境类别和所述每个地理格网的种植面积,计算各个第二环境区域中每个地理格网的抽样概率;
布局单元606,用于根据所述每个环境类别的第一环境区域和所述待布局种植区域内所有第二环境区域需布设的测试站点数、所述各个第一环境区域中每个地理格网的抽样概率和所述各个第二环境区域中每个地理格网的抽样概率,对待布局种植区域进行测试站点布局。
由于本发明的一种农作物品种测试站点布局装置和一种农作物品种测试站点布局方法是一一对应的,因此,不再详述农作物品种测试站点布局装置。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制,并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中,不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
以上实施方式仅适于说明本发明,而并非对本发明的限制,有关技术领域的普通技术人员,在不脱离本发明的精神和范围的情况下,还可以做出各种变化和变型,因此所有等同的技术方案也属于本发明的范畴,本发明的专利保护范围应由权利要求限定。
Claims (9)
1.一种农作物品种测试站点布局方法,其特征在于,包括:
获取待布局种植区域所属的环境类别数、待布局种植区域中每个地理格网在预设时间段内的每个时间单元所属的环境类别、每个地理格网在每个时间单元的各个环境指标值和每个地理格网的种植面积;
根据所述待布局种植区域中每个地理格网在预设时间段内的每个时间单元所属的环境类别和所述预设时间段,确定每个地理格网的最终归属的环境类别并计算每个地理格网对最终归属的环境类别的归属度,将每个环境类别中归属度大于等于预设值的地理格网所组成的区域确定为该环境类别的第一环境区域,将每个环境类别中归属度小于所述预设值的地理格网所组成的区域确定为该环境类别的第二环境区域,并统计每个环境类别的第一环境区域和第二环境区域的地理格网数;
根据所述待布局种植区域所属的环境类别数、所述每个地理格网在每个时间单元的各个环境指标值、所述每个环境类别的第一环境区域和第二环境区域的地理格网数、所述预设时间段和预设实验周期,计算每个环境类别的第一环境区域和所述待布局种植区域内所有第二环境区域需布设的测试站点数;
根据所述待布局种植区域所属的环境类别数、所述每个地理格网在每个时间单元的各个环境指标值、所述每个环境类别的第一环境区域和第二环境区域的地理格网数、所述预设时间段和预设实验周期,计算每个环境类别的第一环境区域和所述待布局种植区域内所有第二环境区域需布设的测试站点数,包括:
根据所述待布局种植区域所属的环境类别数、所述每个地理格网在每个时间单元的各个环境指标值、所述每个环境类别的第一环境区域和第二环境区域的地理格网数、所述预设时间段和所述预设实验周期,采用空间抽样法计算所述待布局种植区域需布设的测试站点数;
根据所述待布局种植区域需布设的测试站点数、所述待布局种植区域所属的环境类别数、所述每个地理格网在每个时间单元的各个环境指标值、所述每个环境类别中第一环境区域和第二环境区域的地理格网数和所述预设时间段,计算每个环境类别的第一环境区域和所述待布局种植区域内所有第二环境区域需布设的测试站点数;
根据各个第一环境区域中每个地理格网的最终归属的环境类别,所述每个地理格网在每个时间单元的各个环境指标值和每个地理格网的种植面积,计算各个第一环境区域中每个地理格网的抽样概率,并根据各个第二环境区域中每个地理格网在预设时间段内的每个时间单元所属的环境类别和所述每个地理格网的种植面积,计算各个第二环境区域中每个地理格网的抽样概率;
根据所述每个环境类别的第一环境区域和所述待布局种植区域内所有第二环境区域需布设的测试站点数、所述各个第一环境区域中每个地理格网的抽样概率和所述各个第二环境区域中每个地理格网的抽样概率,对待布局种植区域进行测试站点布局。
2.根据权利要求1所述的方法,其特征在于,根据所述待布局种植区域中每个地理格网在预设时间段内的每个时间单元所属的环境类别和所述预设时间段,确定每个地理格网的最终归属的环境类别并计算每个地理格网对最终归属的环境类别的归属度,包括:
根据所述待布局种植区域中每个地理格网在预设时间段内的每个时间单元所属的环境类别和所述预设时间段,确定每个地理格网在预设时间段内所属次数最多的环境类别为该地理格网的最终归属的环境类别;
根据所述待布局种植区域中每个地理格网在预设时间段内的每个时间单元所属的环境类别,确定每个地理格网在预设时间段内属于最终归属的环境类别的次数;
将每个地理格网在预设时间段内属于最终归属的环境类别的次数与总单元数的商作为每个地理格网对最终归属的环境类别的归属度;
所述总单元数为所述预设时间段内时间单元的个数。
3.根据权利要求1所述的方法,其特征在于,根据所述待布局种植区域需布设的测试站点数、所述待布局种植区域所属的环境类别数、所述每个地理格网在每个时间单元的各个环境指标值、所述每个环境类别中第一环境区域和第二环境区域的地理格网数和所述预设时间段,计算每个环境类别的第一环境区域和所述待布局种植区域内所有第二环境区域需布设的测试站点数,包括:
根据所述待布局种植区域需布设的测试站点数、所述待布局种植区域所属的环境类别数、所述每个地理格网在每个时间单元的各个环境指标值以及所述每个环境类别中第一环境区域和第二环境区域的地理格网数和所述预设时间段,采用内曼最优分配法计算每个环境类别需布设的测试站点数;
根据所述每个环境类别中第一环境区域和第二环境区域的地理格网数,计算每个环境类别中第一环境区域的地理格网数占每个环境类别地理格网总数的比例;
根据所述比例和所述每个环境类别需布设的测试站点数,计算每个环境类别中第一环境区域需布设的测试站点数;
根据所述每个环境类别需布设的测试站点数和每个环境类别中第一环境区域需布设的测试站点数,计算所述待布局种植区域中所有第二环境区域需布设的测试站点数。
4.根据权利要求1所述的方法,其特征在于,根据各个第一环境区域中每个地理格网的最终归属的环境类别,所述每个地理格网在每个时间单元的各个环境指标值和每个地理格网的种植面积,计算各个第一环境区域中每个地理格网的抽样概率,包括:
根据所述每个地理格网在每个时间单元的各个环境指标值,获取与各个环境类别对应的聚类中心的各个环境指标值;
根据每个环境类别的每个第一区域中的每个地理格网在每个时间单元的各个环境指标值与该环境类别对应的聚类中心的各个环境指标值,计算各个第一环境区域中各个地理格网的环境代表度;
根据所述环境代表度和所述每个地理格网的种植面积,计算各个第一环境区域中每个地理格网的抽样概率。
5.根据权利要求4所述的方法,其特征在于,根据所述环境代表度和所述每个地理格网的种植面积,计算各个第一环境区域中每个地理格网的抽样概率,包括:
将所述环境代表度和所述每个地理格网的种植面积加权求和,将求和结果作为各个第一环境区域中每个地理格网的抽样概率。
6.根据权利要求1所述的方法,其特征在于,根据各个第二环境区域中每个地理格网在预设时间段内的每个时间单元所属的环境类别和所述每个地理格网的种植面积,计算各个第二环境区域中每个地理格网的抽样概率,包括:
根据各个第二环境区域中每个地理格网在预设时间段内的每个时间单元所属的环境类别,计算各个第二环境区域中各个地理格网的环境代表度;
根据所述环境代表度和所述每个地理格网的种植面积,计算各个第二环境区域中每个地理格网的抽样概率。
7.根据权利要求6所述的方法,其特征在于,根据各个第二环境区域中每个地理格网在预设时间段内的每个时间单元所属的环境类别,计算各个第二环境区域中各个地理格网的环境代表度,包括:
根据各个第二环境区域中每个地理格网在预设时间段内的每个时间单元所属的环境类别,获取各个第二环境区域中每个地理格网在预设时间段内环境类别的变化次数以及所有第二环境区域中各个地理格网在预设时间段内环境类别变化次数最大的变化次数;
将所述预设时间段内各个第二环境区域中各个地理格网的环境类别变化次数除以所述最大的变化次数的商作为各个第二环境区域中各个地理格网的环境代表度。
8.根据权利要求6所述的方法,其特征在于,根据所述环境代表度和所述每个地理格网的种植面积,计算各个第二环境区域中每个地理格网的抽样概率,包括:
将所述环境代表度和所述每个地理格网的种植面积加权求和,将求和结果作为各个第二环境区域中每个地理格网的抽样概率。
9.一种农作物品种测试站点布局装置,其特征在于,包括:
获取单元,用于获取待布局种植区域所属的环境类别数、待布局种植区域中每个地理格网在预设时间段内的每个时间单元所属的环境类别、每个地理格网在每个时间单元的各个环境指标值和每个地理格网的种植面积;
第一计算单元,用于根据所述待布局种植区域中每个地理格网在预设时间段内的每个时间单元所属的环境类别和所述预设时间段,确定每个地理格网的最终归属的环境类别并计算每个地理格网对最终归属的环境类别的归属度;
第一确定单元,用于将每个环境类别中归属度大于等于预设值的地理格网所组成的区域确定为该环境类别的第一环境区域,将每个环境类别中归属度小于所述预设值的地理格网所组成的区域确定为该环境类别的第二环境区域,并统计每个环境类别的第一环境区域和第二环境区域的地理格网数;
第二计算单元,用于根据所述待布局种植区域所属的环境类别数、所述每个地理格网在每个时间单元的各个环境指标值、所述每个环境类别的第一环境区域和第二环境区域的地理格网数、所述预设时间段和预设实验周期,计算每个环境类别的第一环境区域和所述待布局种植区域内所有第二环境区域需布设的测试站点数;
其中,
根据所述待布局种植区域所属的环境类别数、所述每个地理格网在每个时间单元的各个环境指标值、所述每个环境类别的第一环境区域和第二环境区域的地理格网数、所述预设时间段和所述预设实验周期,采用空间抽样法计算所述待布局种植区域需布设的测试站点数;
根据所述待布局种植区域需布设的测试站点数、所述待布局种植区域所属的环境类别数、所述每个地理格网在每个时间单元的各个环境指标值、所述每个环境类别中第一环境区域和第二环境区域的地理格网数和所述预设时间段,计算每个环境类别的第一环境区域和所述待布局种植区域内所有第二环境区域需布设的测试站点数;
第三计算单元,用于根据各个第一环境区域中每个地理格网的最终归属的环境类别,所述每个地理格网在每个时间单元的各个环境指标值和每个地理格网的种植面积,计算各个第一环境区域中每个地理格网的抽样概率,并根据各个第二环境区域中每个地理格网在预设时间段内的每个时间单元所属的环境类别和所述每个地理格网的种植面积,计算各个第二环境区域中每个地理格网的抽样概率;
布局单元,用于根据所述每个环境类别的第一环境区域和所述待布局种植区域内所有第二环境区域需布设的测试站点数、所述各个第一环境区域中每个地理格网的抽样概率和所述各个第二环境区域中每个地理格网的抽样概率,对待布局种植区域进行测试站点布局。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710743675.9A CN107609687B (zh) | 2017-08-25 | 2017-08-25 | 一种农作物品种测试站点布局方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710743675.9A CN107609687B (zh) | 2017-08-25 | 2017-08-25 | 一种农作物品种测试站点布局方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107609687A CN107609687A (zh) | 2018-01-19 |
CN107609687B true CN107609687B (zh) | 2020-06-23 |
Family
ID=61055794
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710743675.9A Active CN107609687B (zh) | 2017-08-25 | 2017-08-25 | 一种农作物品种测试站点布局方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107609687B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109992747A (zh) * | 2019-04-03 | 2019-07-09 | 海南省林业科学研究所 | 一种基于gis平台的空间平衡抽样方法 |
CN111008675B (zh) * | 2019-12-26 | 2020-11-24 | 口碑(上海)信息技术有限公司 | 召回区域的抽样处理方法及装置 |
CN113592664B (zh) * | 2021-08-05 | 2023-07-18 | 四川省农业科学院农业信息与农村经济研究所 | 农作物生产空间预测模拟方法、设备、模型及存储介质 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100782149B1 (ko) * | 2007-07-25 | 2007-12-07 | 태양정보시스템(주) | 수치지도를 이용한 농업개발지로서의 최적지 도출 방법 |
CN104050513B (zh) * | 2014-04-15 | 2017-05-24 | 中国科学院遥感与数字地球研究所 | 农作物种植面积监测空间抽样方案优化方法 |
CN104881727A (zh) * | 2015-01-13 | 2015-09-02 | 北京师范大学 | 一种基于遥感抽样的农作物灾情损失评估方法 |
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 |
CN106951979A (zh) * | 2017-02-20 | 2017-07-14 | 中国农业大学 | 遥感、作物模型与气象预报融合的作物成熟期预测方法 |
-
2017
- 2017-08-25 CN CN201710743675.9A patent/CN107609687B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN107609687A (zh) | 2018-01-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Liu et al. | A resilience evaluation method for a combined regional agricultural water and soil resource system based on Weighted Mahalanobis distance and a Gray-TOPSIS model | |
Chi et al. | Evaluating landscape ecological sensitivity of an estuarine island based on landscape pattern across temporal and spatial scales | |
Lin et al. | Predictive ability of logistic regression, auto-logistic regression and neural network models in empirical land-use change modeling–a case study | |
CN107609687B (zh) | 一种农作物品种测试站点布局方法及装置 | |
CN107103378B (zh) | 一种玉米种植环境测试站点布局方法及系统 | |
CN106203867A (zh) | 基于配电网评价指标体系和聚类分析的电网区域划分方法 | |
Rodriguez et al. | Using entropy theory to improve the definition of homogeneous regions in the semi-arid region of Brazil | |
Kempen et al. | Spatial allocation of farming systems and farming indicators in Europe | |
Moliere et al. | Classifying the flow regime of data-limited streams in the wet-dry tropical region of Australia | |
CN103886220B (zh) | 基于bp网络和基尼系数定权重的用水数据离散化方法 | |
Hatten et al. | Modeling the dynamic habitat and breeding population of Southwestern Willow Flycatcher | |
CN114611941A (zh) | 一种考虑空间危险性的滑坡灾害评价方法及系统 | |
Liu et al. | Drought disaster risk management based on optimal allocation of water resources | |
CN113570273B (zh) | 一种灌溉耕地统计数据的空间化方法及系统 | |
CN117522652B (zh) | 人居环境脆弱性评价方法、系统、智能终端及存储介质 | |
Concenço et al. | Phytosociological surveys in weed science: Old concept, new approach | |
CN116628519B (zh) | 一种生态脆弱区识别方法及系统 | |
CN113128811A (zh) | 一种基于强降水的电网系统地质灾害风险评估方法及系统 | |
CN115310719B (zh) | 基于三阶段k-means的农田土壤采样方案设计方法 | |
CN103886519A (zh) | 基于rbf神经网络的经济用水数据空间离散化方法 | |
CN107392821B (zh) | 基于污染排放响应单元的控制单元污染负荷核定方法 | |
CN107292755B (zh) | 一种玉米种植环境典型代表区的选取分析方法及装置 | |
Mukherjee et al. | Physical habitat attributes influence diversity and turnover of waterbirds wintering at wetlands on Central Asian and East Asian-Australasian Flyways in Eastern India | |
Banerjee et al. | GIS-based assessment for agricultural susceptibility and sustainability to meteorological drought in West Bengal | |
CN106844628A (zh) | 滑坡预测方法和装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |