CN107944777A - 一种有效提高水稻精确估产的方法 - Google Patents
一种有效提高水稻精确估产的方法 Download PDFInfo
- Publication number
- CN107944777A CN107944777A CN201810022611.4A CN201810022611A CN107944777A CN 107944777 A CN107944777 A CN 107944777A CN 201810022611 A CN201810022611 A CN 201810022611A CN 107944777 A CN107944777 A CN 107944777A
- Authority
- CN
- China
- Prior art keywords
- single plant
- average
- sample
- plant
- seed
- 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.)
- Withdrawn
Links
- 238000000034 method Methods 0.000 title claims abstract description 37
- 235000007164 Oryza sativa Nutrition 0.000 title claims abstract description 35
- 235000009566 rice Nutrition 0.000 title claims abstract description 35
- 240000007594 Oryza sativa Species 0.000 title 1
- 241000196324 Embryophyta Species 0.000 claims abstract description 75
- 241000209094 Oryza Species 0.000 claims abstract description 34
- 238000011835 investigation Methods 0.000 claims abstract description 28
- 238000005070 sampling Methods 0.000 claims abstract description 17
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 4
- 238000012360 testing method Methods 0.000 claims description 38
- 238000004519 manufacturing process Methods 0.000 claims description 24
- 238000002474 experimental method Methods 0.000 claims description 14
- 241000894007 species Species 0.000 claims description 11
- 238000003306 harvesting Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 3
- 235000013339 cereals Nutrition 0.000 claims 1
- 235000013399 edible fruits Nutrition 0.000 claims 1
- 239000000470 constituent Substances 0.000 description 7
- 230000000694 effects Effects 0.000 description 4
- 239000000463 material Substances 0.000 description 4
- 239000002689 soil Substances 0.000 description 3
- 240000008467 Oryza sativa Japonica Group Species 0.000 description 2
- 206010021703 Indifference Diseases 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 230000035800 maturation Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000010998 test method Methods 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Agronomy & Crop Science (AREA)
- Animal Husbandry (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
Abstract
本发明涉及一种有效提高水稻精确估产的方法,包括步骤有:(1)以平均单株有效分蘖数作为样本单株的取样条件;(2)在调查田块上选取符合上述取样条件的样本单株200株‑400株,计算样本单株的平均单株有效穗数,选择出与平均单株有效穗数具有相近穗数的单株作为定产单株;(3)将定产单株脱粒后,用清水选出籽粒饱满的种子;(4)将选好的种子进行干燥,使其达到国家标准,计算出每穗结实粒数和千粒重;(5)理论产量计算,理论产量=单位面积有效穗×每穗实粒数×千粒重×(样本有效分蘖/调查群体平均有效分蘖)。本发明解决了以往调查对象整体平均分蘖偏差较大的问题、每穗实粒数差异较大的问题和千粒重差异较大的问题,大大提高了水稻估产精确度。
Description
技术领域
本发明属于水稻成熟收获后农艺性状的综合分析技术领域,具体是提供一种有效提高水稻精确估产的方法。
背景技术
水稻是我国的主要粮食作物,全国水稻面积占耕地面积的28%,而产量占所有作物总产的40%。为此,及时、准确地把握水稻产量信息,对我国农业政策制定,稻米价格的宏观调控以及国内外的稻米贸易都有着非常重要的意义。同时,水稻品种(系)比较和区域试验是品种审定的重要环节,在试验中准确选择样本进行产量构成因素调查,对水稻小区产量进行精确估计,为新品种的审定提供可参考性的知见有着深远的影响。影响产量的因素较多,包括品种、气象条件、栽培、土壤等,但对特定的地块,上述条件一定的情况下,在水稻收获前合理的选择样本,通过产量构成因素的调查准确估产意义重大。
目前,调查者在品种(系)比较或区域试验中,通常采用的田间取样方法是对角线取样,每个小区取两个点,每点取10株进行考种,根据考种结果可以计算出理论产量。但选点取样往往不能代表小区整体的平均数,使得理论产量(估产)和小区实际的测产产量差距较大。
水稻的理论产量(估产)是由产量构成因素计算得出的,水稻产量构成因素包括单位面积有效穗数、每穗实粒数和千粒重来决定的,考种人员在调查中任何一个项目的偏差都会对理论产量(估产)的计算产生影响。
水稻在插秧时,无论是人工还是机械,都难以保证每穴的基本苗数相同,再者由于个体后期发育的情况不同,成熟期每穴的有效穗数也会存在较大差异。以上取样方法往往会使单株的有效穗数和小区整体的单株平均有效穗数产生较大差异,从而使理论产量(估产)偏离实际测产。调查者不同,对种子饱满度的判断标准也存在差异。由于稻谷的灌浆程度不同,稻谷的比重也不相同,导致调查者在考种中千粒重和每穗结实粒数的差异,从而引起理论产量(估产)的误差。
发明内容
为了解决现有技术的不足,本发明提供一种有效提高水稻精确估产的方法,并通过考种对水稻产量进行精确估产。
本发明解决其技术问题是采取以下技术方案实现的:
一种有效提高水稻精确估产的方法,包括步骤如下:
(1)确定单株取样条件,收获前,调查待估产田具有代表性的地块的单株有效分蘖数,计算平均单株有效分蘖数,以平均单株有效分蘖数作为样本单株的取样条件;
(2)定产单株确定,在调查田块上选取符合上述取样条件的样本单株200株-400株,计算样本单株的平均单株有效穗数,对上述样本单株进行再次筛选,选择出与平均单株有效穗数具有相近穗数的单株作为定产单株;
(3)样本处理,将定产单株脱粒后,用清水选出籽粒饱满的种子;
(4)考种,将选好的种子进行干燥,测定种子的水分,使其达到国家标准,计算出每穗结实粒数和千粒重;
(5)理论产量计算,理论产量=单位面积有效穗×每穗实粒数×千粒重×(样本有效分蘖/调查群体平均有效分蘖)。
而且,所述步骤(1),(2)中的估产田块为15m2的小区试验田块时,则取小区试验田块的全部单株为定产单株。
而且,所述步骤(2)中的定产单株为穗子大小基本一致,穗位整齐的单株。
而且,所述步骤(5)中的理论产量为标准产量,标准产量和实际产量比较时,应保证稻谷水分的一致性,小区试验田块测产时水分含量应折合成标准含水量,同时乘以样本单株平均有效分蘖数和调查对象全体平均单株有效分蘖数的比值,对理论产量进行重新修正。
本发明的优点和积极效果是:
1、本发明解决了以往传统调查中样本有效分蘖数和调查对象整体平均分蘖偏差较大的问题,为有效提高水稻精确估产打下了基础。
2、本发明对选取的样本脱粒水选后干燥至水分14.5%(粳稻)或13.0%(籼稻)进行考种,解决了调查中每穗实粒数差异较大的问题和千粒重差异较大的问题,进一步提高了水稻估产精确度。
具体实施方式
下面对本发明实施例中的技术方案进行详细描述,当然以下描述的实施例仅是本发明实例的一部分。依据本发明的实施例提出的技术方案,本领域的技术人员在没有付出创造性劳动前提下所获得的所有其它实施例,均属于本发明保护范围。。
一种有效提高水稻精确估产的方法,该方法包括步骤如下:
(1)确定单株取样条件,收获前,调查待估产田块的单株有效分蘖数,计算平均单株有效分蘖数,以平均单株有效分蘖数作为样本单株的取样条件;
(2)定产单株确定,在调查田块上选取符合上述取样条件的样本单株200株-400株,计算样本单株的平均单株有效穗数,对上述样本单株进行再次筛选,选择出与平均单株有效穗数具有相近穗数的单株作为定产单株,同时保证定产单株的穗子大小基本一致,穗位整齐;如为区域试验,一般区试面积一般15m2,调查全部(300株左右);
(3)样本处理,将定产单株脱粒后,按标准选出籽粒饱满的种子,如用清水(比重1.0)选种,保证种子饱满度的标准一致。
(4)考种,将选好的种子进行干燥,测定种子的水分,使其达到国家标准(粳稻:14.5%,籼稻:13%),用人工或数粒仪调查每穗结实粒数和千粒重。
(5)理论产量计算(估产),理论产量=单位面积有效穗×每穗实粒数×千粒重×(样本有效分蘖/调查群体平均有效分蘖);理论产量为标准产量,和实际产量比较时,应保证稻谷水分的一致性,小区测产时水分含量应折合成标准含水量,同时乘以样本单株平均有效分蘖数和调查对象全体平均单株有效分蘖数的比值,对理论产量进行重新修正。
实施例1
本试验为某年度区域试验结果,试验材料为各单位育成的新品系,种植土壤类型为水稻土,栽培密度为9寸×6寸,小区面积15m2,田间管理按区域试验标准进行。成熟收获后各单位分别考种测产。
有效提高水稻精确估产的调查方法效果一(试验点A)
其中
品种编号1-8为各单位提供的参试品系,9号为对照品种。
试验中的调查数据有负责A试验点区试的人员进行调查;
A试验点的调查方法遵循本发明的方法进行;
小区理论产量和实际测产差值同实际产量的比变化范围较小,在-1.21%-2.13%之间。
实施例2
试验材料和栽培方法同实施例1。
有效提高水稻精确估产的调查方法效果二(试验点B)
其中
品种编号1-8为各单位提供的参试品系,9号为对照品种,品种的序列号同实施例1。
试验中的调查数据有负责B试验点区试的人员进行调查;
B试验点的调查方法遵循传统调查方法进行;
小区理论产量和实际测产差值同实际产量的比变化范围较大,在-10.39-46.52之间,只有两个品种变化范围在5%以内。
实施例3
试验材料和栽培方法同实施例1。
有效提高水稻精确估产的调查方法效果三(试验点C)
其中
品种编号1-8为各单位提供的参试品系,9号为对照品种,品种的序列号同实施例2。
试验中的调查数据有负责C试验点区试的人员进行调查;
C试验点的调查方法遵循传统调查方法进行;
小区理论产量和实际测产差值同实际产量的比变化范围较大,在-23.40%-55.87%之间,有4个品系变化范围在5%以内,其中有两个品系的理论产量和实际产量几乎无差异。
实施例4
试验材料和栽培方法同实施例1。
有效提高水稻精确估产的调查方法效果四(试验点D)
其中
品种编号1-8为各单位提供的参试品系,9号为对照品种,品种的序列号同实施例2。
试验中的调查数据有负责D试验点区试的人员进行调查;
C试验点的调查方法遵循传统调查方法进行;
小区理论产量和实际测产差值同实际产量的比变化范围较大,在-18.52%-39.73%之间,只有1个品系变化范围在5%以内。
实施例1、2、3和4中,只有试点A的调查方法是按本发明要求的考种方法进行,其余B、C、D三个试验点是各自按照自己传统的调查方法进行的。从试验结果可以看出,B、C、D三个试验点理论产量和实际产量的差值与实际产量的比变化范围最大,特别是C试验点接近80%,虽然有4个品种(系)的变化范围在5%以内,但这只是调查中的巧合而已,不能说明传统取样调查方法的精确性。在A试验点,小区理论产量和实际测产差值同实际产量的比变化范围较小,所有品种或品系的理论产量和实际产量相差不超过5%,说明本发明所述取样考种方法确实可以精确推算出理论产量,从而做到对小区产量的无偏估计。
以上所述的实施方式,并不构成对该技术方案保护范围的限定。任何在上述实施方式的精神和原则之内所作的修改、等同替换和改进等,均应包含在该技术方案的保护范围之内。
Claims (4)
1.一种有效提高水稻精确估产的方法,其特征在于包括步骤如下:
(1)确定单株取样条件,收获前,调查待估产田具有代表性的地块的单株有效分蘖数,计算平均单株有效分蘖数,以平均单株有效分蘖数作为样本单株的取样条件;
(2)定产单株确定,在调查田块上选取符合上述取样条件的样本单株200株-400株,计算样本单株的平均单株有效穗数,对上述样本单株进行再次筛选,选择出与平均单株有效穗数具有相近穗数的单株作为定产单株;
(3)样本处理,将定产单株脱粒后,用清水选出籽粒饱满的种子;
(4)考种,将选好的种子进行干燥,测定种子的水分,使其达到国家标准,计算出每穗结实粒数和千粒重;
(5)理论产量计算,理论产量=单位面积有效穗×每穗实粒数×千粒重×(样本有效分蘖/调查群体平均有效分蘖)。
2.根据权利要求1所述的有效提高水稻精确估产的方法,其特征在于:所述步骤(1),(2)中的估产田块为15m2的小区试验田块时,则取小区试验田块的全部单株为定产单株。
3.根据权利要求1所述的有效提高水稻精确估产的方法,其特征在于:所述步骤(2)中的定产单株为穗子大小基本一致,穗位整齐的单株。
4.根据权利要求1或2所述的有效提高水稻精确估产的方法,其特征在于:所述步骤(5)中的理论产量为标准产量,标准产量和实际产量比较时,应保证稻谷水分的一致性,小区试验田块测产时水分含量应折合成标准含水量,同时乘以样本单株平均有效分蘖数和调查对象全体平均单株有效分蘖数的比值,对理论产量进行重新修正。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810022611.4A CN107944777A (zh) | 2018-01-10 | 2018-01-10 | 一种有效提高水稻精确估产的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810022611.4A CN107944777A (zh) | 2018-01-10 | 2018-01-10 | 一种有效提高水稻精确估产的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107944777A true CN107944777A (zh) | 2018-04-20 |
Family
ID=61937630
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810022611.4A Withdrawn CN107944777A (zh) | 2018-01-10 | 2018-01-10 | 一种有效提高水稻精确估产的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107944777A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109269946A (zh) * | 2018-08-24 | 2019-01-25 | 安徽省农业科学院作物研究所 | 一种评估小麦籽粒库容和产量的方法 |
CN109682446A (zh) * | 2018-07-23 | 2019-04-26 | 安徽省农业科学院作物研究所 | 一种小麦田间产量和均匀度的测量方法 |
-
2018
- 2018-01-10 CN CN201810022611.4A patent/CN107944777A/zh not_active Withdrawn
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109682446A (zh) * | 2018-07-23 | 2019-04-26 | 安徽省农业科学院作物研究所 | 一种小麦田间产量和均匀度的测量方法 |
CN109269946A (zh) * | 2018-08-24 | 2019-01-25 | 安徽省农业科学院作物研究所 | 一种评估小麦籽粒库容和产量的方法 |
CN109269946B (zh) * | 2018-08-24 | 2021-02-05 | 安徽省农业科学院作物研究所 | 一种评估小麦籽粒库容和产量的方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Sekhon et al. | Stalk bending strength is strongly associated with maize stalk lodging incidence across multiple environments | |
CN105104180B (zh) | 一种耐旱广适稳产小麦品种筛选方法 | |
Niu et al. | Rapid determination of single-stalk and population lodging resistance strengths and an assessment of the stem lodging wind speeds for winter wheat | |
Ren et al. | Modeling the effects of plant density on maize productivity and water balance in the Loess Plateau of China | |
Liu et al. | Light interception and radiation use efficiency response to narrow-wide row planting patterns in maize | |
Marcos-Filho et al. | Assessment of melon seed vigour by an automated computer imaging system compared to traditional procedures | |
Mbangiwa et al. | Modelling and measurement of water productivity and total evaporation in a dryland soybean crop | |
CN110245420A (zh) | 沿海防护林生物量和碳储量监测计量的方法 | |
CN102860199A (zh) | 一种水稻苗期耐旱品种快速筛选方法 | |
CN108901837A (zh) | 一种长江中下游单季粳稻优质高效品种筛选及栽培方法 | |
CN104521496A (zh) | 一种节水型小麦品种鉴定筛选方法 | |
Thursby et al. | A rapid, non-destructive method for estimating aboveground biomass of salt marsh grasses | |
Mirsafi et al. | Assessment of AquaCrop model for simulating growth and yield of saffron (Crocus sativus L.) | |
CN106034775A (zh) | 一种利用抗倒伏指数评价辅助水稻育种的方法 | |
CN111436368A (zh) | 一种抗旱小麦选育方法 | |
Arshadi et al. | Genotypes performance in relation to drought tolerance in barley using multi-environment trials | |
CN107944777A (zh) | 一种有效提高水稻精确估产的方法 | |
CN106370551A (zh) | 一种基于回归模型快速测定玉米籽粒脱水速率的方法及应用 | |
CN109122128A (zh) | 一种玉米自交系耐热性鉴定方法 | |
Shi et al. | Possibility of recommending potassium application rates based on a rapid detection of the potato petiole K status with a portable K ion meter | |
Luo et al. | Is bunch planting suitable for wheat? An evaluation based on yield and lodging resistance | |
CN107389871A (zh) | 一种棉花品系的结构性综合评价选育方法 | |
JP6744524B2 (ja) | 水稲生育評価方法及び装置 | |
Robertson | Effect of seed size and density on winter wheat performance | |
CN105724237B (zh) | 一种利用对位叶筛选高产型棉花杂交种的方法 |
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 | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20180420 |
|
WW01 | Invention patent application withdrawn after publication |