CN107871039A - 一种基于虚拟模型的水稻株距优化方法 - Google Patents
一种基于虚拟模型的水稻株距优化方法 Download PDFInfo
- Publication number
- CN107871039A CN107871039A CN201711077362.0A CN201711077362A CN107871039A CN 107871039 A CN107871039 A CN 107871039A CN 201711077362 A CN201711077362 A CN 201711077362A CN 107871039 A CN107871039 A CN 107871039A
- Authority
- CN
- China
- Prior art keywords
- mrow
- plant
- rice
- spacing
- rows
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Biophysics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Genetics & Genomics (AREA)
- Data Mining & Analysis (AREA)
- Physiology (AREA)
- Geometry (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Computational Linguistics (AREA)
- Computer Hardware Design (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Breeding Of Plants And Reproduction By Means Of Culturing (AREA)
Abstract
一种基于虚拟模型的水稻株距优化方法，包括以下步骤：1)基于已有的单株水稻的功能结构模型，利用GroIMP平台，根据嵌套辐射度算法和逆向蒙特卡洛光线跟踪算法构建其光辐射模型，模拟光线在场景中受到不同介质遮挡时的传输过程，计算群体中单株植株冠层的光照截获量，从而构建出具有一定生理功能的水稻群体生长模型；2)基于遗传算法的株距优化方法，包括以下步骤：(2.1)遗传编码：(2.2)初始化种群；(2.3)遗传操作，得到适宜该种水稻的产量较高株距和行距。本发明在以产量为优化标准的前提下达到了种植株距的最优或次优，解决了田间试验耗时的问题。
Description
技术领域
本发明涉及一种基于虚拟模型的水稻株距优化方法，该方法适用于田间水稻种植株距的优化。
技术背景
虚拟植物是利用计算机技术在计算机中生成的真实植物的虚拟模型。利用虚拟植物模型，不仅可以真实的再现自然景观、生成游戏场景、制作影视动画、构建园林规划等，还可以利用植物的生理结构模型，可视化表达植物动态的生长过程，从而对主要生产环节进行动态调控，为农林业的生产服务。虚拟植物在诸多领域都表现出了较好的应用前景，无论从科学还是技术的角度，虚拟植物的研究都是重要且极具挑战性的研究方向。
水稻的种植株距大小和光能利用率、物质运输、抗逆能力等都密切相关，合理控制植株的株距能充分发挥水稻的分蘖特性和群体自身的调节能力，减少水稻群体内生长竞争，避免前期生长过于繁茂；同时能保证光能的充分利用，积累更多的有机物质。
我国水稻种类繁多，传统农业上水稻种植株距大多根据种植经验或者大量田间试验来确定，耗时且需要大量的人工；随着水稻机插秧的普及，机插的株距往往统一确定，不能针对不同的水稻品种进行合理密植，无法体现不同株型的特性。
发明内容
为了解决传统农业难以针对不同种类水稻，确定其合理的种植株距的问题，本发明提出了一种基于虚拟模型的水稻种植株距优化方法，利用虚拟水稻的生长模型，构建一定规模的水稻生长场景，结合遗传算法，将水稻单位面积的产量作为适应度值，利用遗传算法的全局搜索能力，得到适宜该种水稻的产量较高株距和行距。
本发明为了解决上述技术问题提供的技术方案为：
一种基于虚拟模型的水稻株距优化方法，包括以下步骤：
1)基于已有的单株水稻的功能结构模型，利用GroIMP平台，根据嵌套辐射度算法和逆向蒙特卡洛光线跟踪算法构建其光辐射模型，模拟光线在场景中受到不同介质遮挡时的传输过程，计算群体中单株植株冠层的光照截获量，从而构建出具有一定生理功能的水稻群体生长模型；
2)基于遗传算法的株距优化方法，包括以下步骤：
(2.1)遗传编码：在水稻株距优化的算法中，植株群体的株距和行距是遗传因子的组合，采用二进制对个体的株距和行距进行编码，遗传因子的每个信息位均为0或1；
(2.2)初始化种群：我们需要在问题的解空间中进行均匀的采样，随机获得一定数量的个体，作为初始化种群；
(2.3)遗传操作：遗传操作主要包括交叉、变异和选择三种方式，以此来模拟自然界中物种的自然选择，从而使程序的运算结果不断优化。
进一步，所述水稻群体生长场景的构建包括以下步骤：
(1.1)光合产量的模拟，通过对叶片光照量的计算，模拟出植株的光合产量；
(1.2)同化物的分配，将植株光合作用产生的同化物，根据一定的分配规则，分配到植株的各个器官中去；
(1.3)产量的形成，籽粒数量的最大值与颖花数相等，通过植株抽穗时的碳水化合物供应量除以生成一朵颖花所需的同化物的量得到植株的颖花数，用成熟籽粒重量的三分之一来估算生成一朵颖花所需要的同化物量。
更进一步，所述步骤(1.1)中，所述的虚拟水稻模型的光合产量的模拟，通过以下公式：
P＝leafc3(par)×a×24
对植株在24小时内接受一定光照量时所获得的光合产量大小进行估算；式中，p为光合产量的大小，Leafc3为单位小时间内叶片光合作用产量与光照截获量的关系函数，a为接受光照的叶面积大小，par为叶面积为a的叶片所截获的光照量大小。
再进一步，所述步骤(1.2)中，所述同化物的分配包括下列操作内容：
根据源库关系假设，将同化物分配到植株的各个器官；以群体植株中的单株水稻为例，水稻植株将光合作用得到的产物P(t)，补充到同化物池(CAP)中，此时同化物池中的同化物量CAP(t)为：
CAP(t)＝CAP(t-1)+P(t)
根据植物的生理学可知，水稻在进行光合作用时，同时会进行呼吸作用，故植株用于生长的光合作用产物为总的光合作用产物减去植株呼吸作用所需的同化物量。
所述步骤(1.3)中，所述的产量的形成，稻穗从抽穗开始到灌浆结束大约40天；故植株在第t个生长单元周期时，所有籽粒重量之和Y(t)为：
式中，Dgrain(k,t)为第k个籽粒t时刻的生物量，ngrain(t)为植株t时刻籽粒的数目，ngmax为植株的最大籽粒数目。
本发明的技术构思为：构建了水稻群体的虚拟生长场景，并提出基于遗传算法的株距优化方法，将水稻群体的种植株距和行距作为遗传因子，把单位面积的光合产量作为评价依据，利用计算机强大的计算能力，通过多次迭代优化，得到该株型的最优或者次优的种植株距和行距，为传统农业种植株距的确定提供参考。
本发明的有益效果表现在：
1)本发明利用GroIMP平台，根据嵌套辐射度算法和逆向蒙特卡洛光线跟踪算法构建其光辐射模型，模拟光线在场景中受到不同介质遮挡时的传输过程，计算群体中单株植株冠层的光照截获量。
2)结合遗传算法，将水稻单位面积的产量作为适应度值，利用遗传算法的全局搜索能力，得到适宜该种水稻的产量较高株距和行距。
3)本发明最终得到株距和行距，在以产量为优化标准的前提下达到了种植株距的最优或次优，解决了田间试验耗时的问题。
附图说明
图1是水稻生理功能信息互反馈系统结构图。
图2是基于虚拟水稻生长模型的遗传算法流程图。
具体实施方式
下面结合附图对本发明做进一步说明。
参照图1和图2，一种基于虚拟模型的水稻株距优化方法，利用虚拟水稻的生长模型，构建一定规模的水稻生长场景，结合遗传算法，将水稻单位面积的产量作为适应度值，利用遗传算法的全局搜索能力，得到适宜该种水稻的产量较高株距和行距，所述优化方法包括以下步骤：
1)基于已有的单株水稻的功能结构模型，利用GroIMP平台，根据嵌套辐射度算法和逆向蒙特卡洛光线跟踪算法构建其光辐射模型，模拟光线在场景中受到不同介质遮挡时的传输过程，计算群体中单株植株冠层的光照截获量，从而构建出具有一定生理功能的水稻群体生长模型；所述的虚拟水稻群体生长场景的构建包括以下步骤：
(1.1)光合产量的模拟，通过对叶片光照量的计算，模拟出植株的光合产量；
所述的虚拟水稻模型的光合产量的模拟，通过以下公式：
P＝leafc3(par)×a×24
对植株在24小时内接受一定光照量时所获得的光合产量大小进行估算；式中，p为光合产量的大小，Leafc3为单位小时间内叶片光合作用产量与光照截获量的关系函数，a为接受光照的叶面积大小，par为叶面积为a的叶片所截获的光照量大小；
(1.2)同化物的分配，将植株光合作用产生的同化物，根据一定的分配规则，分配到植株的各个器官中去；
所述同化物的分配包括下列操作内容：
根据源库关系假设，将同化物分配到植株的各个器官；以群体植株中的单株水稻为例，水稻植株将光合作用得到的产物P(t)，补充到同化物池(CAP)中，此时同化物池中的同化物量CAP(t)为：
CAP(t)＝CAP(t-1)+P(t)
根据植物的生理学可知，水稻在进行光合作用时，同时会进行呼吸作用，故植株用于生长的光合作用产物为总的光合作用产物减去植株呼吸作用所需的同化物量。
(1.3)产量的形成，在本文的模型中，籽粒数量的最大值与颖花数相等。根据朱德峰和高亮之等人的研究，参照文献[1]：朱德峰,亢亚军.水稻叶面积测定方法探讨[J].上海农业学报,1996,21(3):82-85，文献[2]：高亮之,王延颐,郑凤祥.不同封行期的光强条件对晚稻生长发育的影响——陈永康丰产晚稻适期封行的经验研究(一)[J].气象学报,1966，12(2):123-127；文献[3]高亮之,王延颐,郑凤祥.陈永康晚稻适时封行经验的分析——晚稻丰产栽培中光条件的控制与利用[J].中国农业科学,1965,6(7):1-4；通过植株抽穗时的碳水化合物供应量除以生成一朵颖花所需的同化物的量得到植株的颖花数，用成熟籽粒重量的三分之一来估算生成一朵颖花所需要的同化物量；
所述的产量的形成，稻穗从抽穗开始到灌浆结束大约40天；故植株在第t个生长单元周期时，所有籽粒重量之和Y(t)为：
式中，Dgrain(k,t)为第k个籽粒t时刻的生物量，ngrain(t)为植株t时刻籽粒的数目，ngmax为植株的最大籽粒数目；
2)基于遗传算法的株距优化方法，包括以下步骤：
(2.1)遗传编码：在水稻株距优化的算法中，植株群体的株距和行距是遗传因子的组合，采用二进制对个体的株距和行距进行编码，遗传因子的每个信息位均为0或1；
(2.2)初始化种群：我们需要在问题的解空间中进行均匀的采样，随机获得一定数量的个体，作为初始化种群；
(2.3)遗传操作：遗传操作包括交叉、变异和选择三种方式，以此来模拟自然界中物种的自然选择，从而使程序的运算结果不断优化。
在此算法中，父代经过选择、交叉、变异操作不断产生子代个体，得到的子代个体与父代共同参与竞争，得到更新后的种群。这个过程不停循环，直到满足程序设定的终止条件为止。经过若干代的优化，得到该株型的植株最优或者次优的株距与行距。参照图2该算法过程描述如下：
Step2.1:根据给定株距和行距的取值范围，初始化种群P0，计算出每个个体的适应度值大小并按照适应度值大小排序。
Step 2.2:判断当前种群是否为初始种群。如果是，则进行下一步；否，则转到Step2.7。
Step 2.3:将种群中适应度值最大的个体作为精英个体。
Step 2.4:随机选出当前种群中的两个个体，根据交叉概率pc执行交叉操作，生成新的一对个体；循环nc/2次，得到包含nc个个体的临时种群。
Step 2.5:对临时种群中的个体根据变异概率pm执行变异操作。
Step 2.6:计算临时种群中每个个体的适应度值，并根据其适应度值大小进行排序。
Step 2.7:将精英个体和临时种群中的个体进行竞争操作，更新精英个体。
Step 2.8:判断当前结果是否满足程序设定的终止条件：如果不满足，那么转到Step 2.4的遗传操作；否则，进入Step 2.9。
Step 2.9:输出当前的最优解。
Claims (5)
1.一种基于虚拟模型的水稻株距优化方法，其特征在于：包括以下步骤：
1)基于已有的单株水稻的功能结构模型，利用GroIMP平台，根据嵌套辐射度算法和逆向蒙特卡洛光线跟踪算法构建其光辐射模型，模拟光线在场景中受到不同介质遮挡时的传输过程，计算群体中单株植株冠层的光照截获量，从而构建出具有一定生理功能的水稻群体生长模型。
2)基于遗传算法的株距优化方法，包括以下步骤：
(2.1)遗传编码：在水稻株距优化的算法中，植株群体的株距和行距是遗传因子的组合，采用二进制对个体的株距和行距进行编码，遗传因子的每个信息位均为0或1；
(2.2)初始化种群：我们需要在问题的解空间中进行均匀的采样，随机获得一定数量的个体，作为初始化种群；
(2.3)遗传操作：遗传操作包括交叉、变异和选择三种方式，以此来模拟自然界中物种的自然选择，从而使程序的运算结果不断优化。
2.如权利要求1所述的一种基于虚拟模型的水稻株距优化方法，其特征在于：所述水稻群体生长场景的构建包括以下步骤：
(1.1)光合产量的模拟，通过对叶片光照量的计算，模拟出植株的光合产量；
(1.2)同化物的分配，将植株光合作用产生的同化物，根据设定的分配规则，分配到植株的各个器官中去；
(1.3)产量的形成，籽粒数量的最大值与颖花数相等，通过植株抽穗时的碳水化合物供应量除以生成一朵颖花所需的同化物的量得到植株的颖花数，用成熟籽粒重量的三分之一来估算生成一朵颖花所需要的同化物量。
3.如权利要求2所述的基于虚拟模型的水稻株距优化方法，其特征在于：所述步骤(1.1)中，所述的虚拟水稻模型的光合产量的模拟，通过以下公式：
P＝leafc3(par)×a×24
对植株在24小时内接受一定光照量时所获得的光合产量大小进行估算；式中，p为光合产量的大小，Leafc3为单位小时间内叶片光合作用产量与光照截获量的关系函数，a为接受光照的叶面积大小，par为叶面积为a的叶片所截获的光照量大小。
4.如权利要求2或3所述的基于虚拟模型的水稻株距优化方法，其特征在于：所述步骤(1.2)中，所述同化物的分配包括下列操作内容：
根据源库关系假设，将同化物分配到植株的各个器官；以群体植株中的单株水稻为例，水稻植株将光合作用得到的产物P(t)，补充到同化物池(CAP)中，此时同化物池中的同化物量CAP(t)为：
CAP(t)＝CAP(t-1)+P(t)
根据植物的生理学可知，水稻在进行光合作用时，同时会进行呼吸作用，故植株用于生长的光合作用产物为总的光合作用产物减去植株呼吸作用所需的同化物量。
5.如权利要求1所述的基于虚拟模型的水稻株距优化方法，其特征在于：所述步骤(1.3)中，所述的产量的形成，稻穗从抽穗开始到灌浆结束大约40天；故植株在第t个生长单元周期时，所有籽粒重量之和Y(t)为：
<mrow>
<mi>Y</mi>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mrow>
<msub>
<mi>n</mi>
<mrow>
<mi>g</mi>
<mi>r</mi>
<mi>a</mi>
<mi>i</mi>
<mi>n</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
</mrow>
</munderover>
<msub>
<mi>D</mi>
<mrow>
<mi>g</mi>
<mi>r</mi>
<mi>a</mi>
<mi>i</mi>
<mi>n</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>,</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>t</mi>
<mo>&le;</mo>
<msub>
<mi>t</mi>
<mrow>
<mi>g</mi>
<mi>r</mi>
<mi>a</mi>
<mi>i</mi>
<mi>n</mi>
</mrow>
</msub>
<mo>+</mo>
<mn>40</mn>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<msub>
<mi>n</mi>
<mrow>
<mi>g</mi>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
</mrow>
</msub>
</munderover>
<msub>
<mi>D</mi>
<mrow>
<mi>g</mi>
<mi>r</mi>
<mi>a</mi>
<mi>i</mi>
<mi>n</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>,</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>t</mi>
<mo>></mo>
<msub>
<mi>t</mi>
<mrow>
<mi>g</mi>
<mi>r</mi>
<mi>a</mi>
<mi>i</mi>
<mi>n</mi>
</mrow>
</msub>
<mo>+</mo>
<mn>40</mn>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
</mrow>
式中，Dgrain(k,t)为第k个籽粒t时刻的生物量，ngrain(t)为植株t时刻籽粒的数目，ngmax为植株的最大籽粒数目。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711077362.0A CN107871039A (zh) | 2017-11-06 | 2017-11-06 | 一种基于虚拟模型的水稻株距优化方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711077362.0A CN107871039A (zh) | 2017-11-06 | 2017-11-06 | 一种基于虚拟模型的水稻株距优化方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107871039A true CN107871039A (zh) | 2018-04-03 |
Family
ID=61753455
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711077362.0A Pending CN107871039A (zh) | 2017-11-06 | 2017-11-06 | 一种基于虚拟模型的水稻株距优化方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107871039A (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109034462A (zh) * | 2018-07-09 | 2018-12-18 | 北京农业信息技术研究中心 | 玉米群体种植结构优化方法及装置 |
| CN110232254A (zh) * | 2019-06-24 | 2019-09-13 | 生态环境部南京环境科学研究所 | 一种动态模拟计算水稻生长的模型构建方法及应用 |
| CN111536930A (zh) * | 2020-05-07 | 2020-08-14 | 安徽农业大学 | 一种双季稻机插早稻品种产量评估方法 |
| CN111860328A (zh) * | 2020-07-21 | 2020-10-30 | 杭州时光坐标影视传媒股份有限公司 | 一种基于双向反射函数和森林场景光照效果建模的生物量估算方法 |
| CN117453965A (zh) * | 2023-10-19 | 2024-01-26 | 广州国家现代农业产业科技创新中心 | 一种基于花生性状信息分类的适应度计算方法及装置 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1309886A (zh) * | 2001-04-07 | 2001-08-29 | 云南农业大学 | 水稻遗传多样性控制稻瘟病技术 |
| CN1545858A (zh) * | 2003-11-14 | 2004-11-17 | 杨振玉 | 一种利用两系法培育籼粳杂交优势组合的方法 |
| CN1813517A (zh) * | 2005-01-31 | 2006-08-09 | 云南农业大学 | 滇型杂交稻恢复系分子辅助选择的方法 |
| JP2012196153A (ja) * | 2011-03-18 | 2012-10-18 | Yanmar Co Ltd | 苗移植機 |
| CN103749230A (zh) * | 2014-01-27 | 2014-04-30 | 江苏徐淮地区连云港农业科学研究所 | 水稻品种抗黑条矮缩病田间接种鉴定方法 |
| CN104376142A (zh) * | 2014-07-25 | 2015-02-25 | 浙江工业大学 | 一种结合作物虚拟生长模型的水稻株型定量控制方法 |
-
2017
- 2017-11-06 CN CN201711077362.0A patent/CN107871039A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1309886A (zh) * | 2001-04-07 | 2001-08-29 | 云南农业大学 | 水稻遗传多样性控制稻瘟病技术 |
| CN1545858A (zh) * | 2003-11-14 | 2004-11-17 | 杨振玉 | 一种利用两系法培育籼粳杂交优势组合的方法 |
| CN1813517A (zh) * | 2005-01-31 | 2006-08-09 | 云南农业大学 | 滇型杂交稻恢复系分子辅助选择的方法 |
| JP2012196153A (ja) * | 2011-03-18 | 2012-10-18 | Yanmar Co Ltd | 苗移植機 |
| CN103749230A (zh) * | 2014-01-27 | 2014-04-30 | 江苏徐淮地区连云港农业科学研究所 | 水稻品种抗黑条矮缩病田间接种鉴定方法 |
| CN104376142A (zh) * | 2014-07-25 | 2015-02-25 | 浙江工业大学 | 一种结合作物虚拟生长模型的水稻株型定量控制方法 |
Non-Patent Citations (2)
| Title |
|---|
| 危扬: "基于光模型的高产作物株型定量化设计研究", 《中国优秀硕士学位论文全文数据库农业科技辑》 * |
| 谢涛: "基于虚拟模型的水稻株距优化系统的设计与实现", 《中国优秀硕士学位论文全文数据库农业科技辑》 * |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109034462A (zh) * | 2018-07-09 | 2018-12-18 | 北京农业信息技术研究中心 | 玉米群体种植结构优化方法及装置 |
| CN109034462B (zh) * | 2018-07-09 | 2020-10-27 | 北京农业信息技术研究中心 | 玉米群体种植结构优化方法及装置 |
| CN110232254A (zh) * | 2019-06-24 | 2019-09-13 | 生态环境部南京环境科学研究所 | 一种动态模拟计算水稻生长的模型构建方法及应用 |
| CN111536930A (zh) * | 2020-05-07 | 2020-08-14 | 安徽农业大学 | 一种双季稻机插早稻品种产量评估方法 |
| CN111860328A (zh) * | 2020-07-21 | 2020-10-30 | 杭州时光坐标影视传媒股份有限公司 | 一种基于双向反射函数和森林场景光照效果建模的生物量估算方法 |
| CN117453965A (zh) * | 2023-10-19 | 2024-01-26 | 广州国家现代农业产业科技创新中心 | 一种基于花生性状信息分类的适应度计算方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107871039A (zh) | 一种基于虚拟模型的水稻株距优化方法 | |
| Hastings et al. | Economic and environmental assessment of seed and rhizome propagated Miscanthus in the UK | |
| Tang et al. | Optimal design of plant canopy based on light interception: a case study with loquat | |
| Ye et al. | Understanding physiological processes associated with yield–trait relationships in modern wheat varieties | |
| Zhou et al. | Spatial-temporal change in urban agricultural land use efficiency from the perspective of agricultural multi-functionality: A case study of the Xi’an metropolitan zone | |
| CN104615867A (zh) | 基于冠层光分布计算的品种分析方法 | |
| Xu et al. | Using morphological attributes for the fast assessment of nutritional responses of Buddhist pine (Podocarpus macrophyllus [Thunb.] D. Don) seedlings to exponential fertilization | |
| CN106651149A (zh) | 一种植物生长行为分析方法 | |
| Valenzuela et al. | Pre-harvest factors optimization using genetic algorithm for lettuce | |
| Ding et al. | Genetic algorithm based approach to optimize phenotypical traits of virtual rice | |
| Shi et al. | Dissection of mechanisms for high yield in two elite rice cultivars | |
| Yang et al. | Modeling canopy photosynthesis and light interception partitioning among shoots in bi-axis and single-axis apple trees (Malus domestica Borkh.) | |
| Li et al. | Changes in wheat traits under future climate change and their contributions to yield changes in conventional vs. conservational tillage systems | |
| Veenstra et al. | Predicting corn tiller development in restrictive environments can be achieved to enhance defensive management decision tools for producers | |
| Jia et al. | Root anatomical phenotypes related to growth under low nitrogen availability in maize (Zea mays L.) hybrids | |
| Mialet-Serra et al. | Using plant architectural models for estimation of radiation transfer in a coconut-based agroforestry system | |
| CN115203979A (zh) | 一种生物环境仿真模拟控制方法和系统 | |
| Kahlen | Towards functional-structural modelling of greenhouse cucumber | |
| Isebrands et al. | A strategy for process modelling of short-rotation Salix coppice plantations | |
| CN107945041A (zh) | 一种基于虚拟模型的水稻封行时间计算方法 | |
| Lu et al. | Root plasticity improves maize nitrogen use when nitrogen is limiting: an analysis using 3D plant modelling | |
| Guo | Plant modeling and its applications to agriculture | |
| Ding et al. | Optimization method to obtain appropriate spacing parameters for crop cultivation | |
| CN110583337B (zh) | 一种毛白杨种植以及水肥管理的方法 | |
| CN110199945B (zh) | 一种以远程监控的多场地林蛙智能养殖的管理装置 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180403 |