CN108764749B - 一种适于储粮宜存评价的3i策略方法 - Google Patents

一种适于储粮宜存评价的3i策略方法 Download PDF

Info

Publication number
CN108764749B
CN108764749B CN201810572556.6A CN201810572556A CN108764749B CN 108764749 B CN108764749 B CN 108764749B CN 201810572556 A CN201810572556 A CN 201810572556A CN 108764749 B CN108764749 B CN 108764749B
Authority
CN
China
Prior art keywords
temperature
grain
period
storage
time
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
Application number
CN201810572556.6A
Other languages
English (en)
Other versions
CN108764749A (zh
Inventor
吴文福
崔宏伟
韩峰
吴子丹
朱浩天
陈中旭
陈龙
秦骁
刘哲
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Changchun Jilin University Scientific Instruments Co ltd
Jilin University
Original Assignee
Changchun Jilin University Scientific Instruments Co ltd
Jilin University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Changchun Jilin University Scientific Instruments Co ltd, Jilin University filed Critical Changchun Jilin University Scientific Instruments Co ltd
Priority to CN201810572556.6A priority Critical patent/CN108764749B/zh
Publication of CN108764749A publication Critical patent/CN108764749A/zh
Application granted granted Critical
Publication of CN108764749B publication Critical patent/CN108764749B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G06Q10/06395—Quality analysis or management
    • 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
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G06Q10/087—Inventory or stock management, e.g. order filling, procurement or balancing against orders

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Educational Administration (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Game Theory and Decision Science (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Investigating Or Analyzing Materials Using Thermal Means (AREA)
  • Storage Of Harvested Produce (AREA)

Abstract

本发明公开了一种适于储粮宜存评价的3I策略方法，包括：步骤一、确定所述仓储的采样范围、测温点和积温周期长度；其中，所述积温周期长度包括短周期、中周期和长周期；步骤二、在所述采样范围和所述采样周期内进行实时温度计算；步骤三、进行等效积温计算；步骤四、根据所述短周期等效积温进行微生物发生判断与预测；根据所述中周期等效积温进行昆虫发生判断与预测；根据所述长周期等效积温进行粮食质量宜存评价。

Description

一种适于储粮宜存评价的3I策略方法
技术领域
本发明涉及粮仓粮情监测领域，具体涉及一种适于储粮宜存评价的3I策略方法。
背景技术
利用粮仓储备粮食，对保障国家粮食的供给平衡以及保持粮食品质至关重要。储粮监管是利用人工以及信息化技术手段，监察储粮是否按计划进行仓储、调用、轮换的管理过程。目前，对储粮的监管方法主要形式是以人工为主的清仓查库，一些有实力的粮食仓储企业开始通过在粮仓内安装视频监控设备辅助监管，行业内尚缺乏对粮仓内部质量实时宜存评价和质量追溯的方法。
发明内容
本发明设计开发了一种适于储粮宜存评价的3I策略方法，本发明的发明目的是利用粮情监测系统采集的粮仓温度信息进行不同周期的等效积温计算，根据实时滚动积温直接对粮仓微生物危害、昆虫危害和品质劣变的发生进行宜存评价和质量追溯。
本发明提供的技术方案为：
一种适于储粮宜存评价的3I策略方法，包括如下步骤：
步骤一、确定所述储粮仓储的采样范围、测温点和积温周期长度；其中，所述积温周期长度包括短周期、中周期和长周期；
步骤二、在所述采样范围和所述采样周期内进行实时温度计算；
步骤三、通过如下公式进行等效积温计算：
Figure BDA0001686331510000011
式中，
Figure BDA0001686331510000021
为短周期等效积温，T0s为短周期等效积温的温度起点，Ts,d为粮仓位置的实际温度，t为温度Ts,d持续时间长度；
Figure BDA0001686331510000022
式中，
Figure BDA0001686331510000023
为中周期等效积温，T0m为中周期等效积温的温度起点，Ts,d为粮仓位置的实际温度，t表示温度Ts,d持续时间长度；
Figure BDA0001686331510000024
式中：CTpl为长周期等效积温，T0l为长周期等效总积温的温度起点，Ts,d为粮仓位置的实际温度，tθ表示温度Ts,d持续时间长度，δ表示时间tθ的个数；
步骤四、根据所述短周期等效积温进行微生物发生判断与预测；
根据所述中周期等效积温进行昆虫发生判断与预测；以及
根据所述长周期等效积温进行粮食质量宜存评价。
优选的是，在所述步骤四中，根据所述短周期等效积温进行微生物发生判断，包括：
如果
Figure BDA0001686331510000025
且
Figure BDA0001686331510000026
则判断所述短周期内测试点产生微生物；
如果
Figure BDA0001686331510000027
或者
Figure BDA0001686331510000028
则判断所述短周期内测试点未产生微生物；
其中，CTw为所述短周期微生物发生的积温阈值，
Figure BDA0001686331510000029
为粮仓所述短周期内平均湿度，
Figure BDA00016863315100000210
为粮仓所述短周期内微生物产生的湿度阈值；
根据所述短周期等效积温进行微生物发生预测，包括：
如果Ts,d≥Tcw,d，则预测所述短周期内测试点可能产生大量微生物；
如果Ts,d＜Tcw,d，则预测所述短周期内测试点不可能产生大量微生物；
其中，Ts,d为测试点的粮食温度，Tcw,d为微生物发生温度。
优选的是，在所述步骤四中，根据所述中周期等效积温进行昆虫发生判断，包括：
如果
Figure BDA00016863315100000211
且
Figure BDA00016863315100000212
则判断所述中周期内测试点可能产生昆虫；
如果
Figure BDA00016863315100000213
或者
Figure BDA00016863315100000214
则判断所述中周期内测试点不可能产生昆虫；
其中，CTq为所述中周期昆虫发生的积温阈值，
Figure BDA00016863315100000215
为粮仓所述中周期内平均湿度，
Figure BDA0001686331510000031
为粮仓所述中周期内昆虫产生的湿度阈值；
根据所述中周期等效积温进行昆虫发生预测，包括：
如果Tempd≥Ts,d，则预测所述中周期内测试点可能产生昆虫；
如果Tempd＜Ts,d，则预测所述中周期内测试点不可能产生昆虫；
其中，Ts,d为测试点的粮食温度，Tempd为昆虫发生温度。
优选的是，在所述步骤四中，根据所述长周期等效积温进行粮食质量宜存评价，包括：
如果
Figure BDA0001686331510000032
则判断测试点及周边粮食处于优质态；
如果
Figure BDA0001686331510000033
则判断测试点及周边粮食处于宜存态；
如果
Figure BDA0001686331510000034
则判断测试点及周边粮食处于轻度陈化态；
如果
Figure BDA0001686331510000035
则判断测试点及周边粮食处于陈化态；
其中，CTs1＝(T1-T0l)×α，CTs2＝(T2-T0l)×α，CTs3＝(T3-T0l)×α，CTs1，CTs2，CTs3分别宜存、轻度不宜存和重度不宜存等效积温，T0l为长期等效积温的温度起点，T1为谷物长期储藏宜存温度，T2为谷物长期储藏轻度不宜存温度，T3为谷物长期储藏重度不宜存温度，α为储藏时间；
当P4>0时，预测全仓粮食变陈化的时间t＝τ×(1-P4)；
当P4＝0时，预测全仓粮食变陈化的时间t＞τ×(1-P4)；
其中，τ为从储藏开始到粮食出现陈化的时间，P4为陈化率，
Figure BDA0001686331510000036
v4为处于陈化态的粮食体积，V为全仓内粮食总体积。
优选的是，所述短周期微生物发生的积温阈值CTw计算过程包括：
采集粮食温度Ts,d、粮食湿度RHs,d，通过EMC模型计算得到粮食水分Ws,d后，再通过微生物模型计算得到此时的温度Tcw,d，对所述短周期的时间内的温度Tcw,d进行积温计算得到所述积温阈值CTw；
所述短周期微生物发生的湿度阈值
Figure BDA0001686331510000037
计算过程包括：
采集粮食温度Ts,d，通过微生物模型计算得到此时的水分Ws,d后，再通过EMC模型计算得到此时的湿度RHcw,d，进而得到所述短周期内的时间内的所述湿度阈值
Figure BDA0001686331510000038
其中，所述EMC模型为EMC＝[ln(1-ERH)-lnERH-A-CT]/B；式中，ERH为谷物的相对湿度；EMC为谷物湿基含水率，即谷物水分；T为环境温度，A，B，C为拟合系数；
所述微生物模型为
Figure BDA0001686331510000041
式中，A1、B1、C1、D1、E1为常数，dd表示间隔天数。
优选的是，所述中周期昆虫发生的积温阈值CTq计算过程包括：
采集粮仓湿度RHs,d，选择昆虫模型，确定影响粮食品质的昆虫个数Sv，通过昆虫模型，计算此时粮食昆虫发生温度为Tempd，对所述中周期的时间内的温度Tempd进行积温计算得到所述积温阈值CTq；
采集粮仓温度Ts,d，选择昆虫模型，确定影响粮食品质的昆虫个数Sv，通过昆虫模型，计算此时粮食昆虫发生的湿度为RHcq,d，进而得到所述中周期内的时间内的所述湿度阈值
Figure BDA0001686331510000042
优选的是，所述昆虫模型中的玉米象鼻虫害发生模型为
Figure BDA0001686331510000043
式中，Sv为玉米象从虫卵到成虫的存活数量，Temp为粮食温度，RH为粮食湿度，a、b、c、d、e、f、g为常数。
优选的是，在所述步骤二中，在所述采样范围内进行实时温度计算过程包括如下步骤：
确定采样范围内的第一方向、第二方向和第三方向，由所述第一方向和所述第二方向组成第一平面，由所述第一方向和所述第二方向组成第一平面，所述第一方向和所述第三方向组成第二平面，由所述第二方向和所述第三方向组成第三平面；其中，所述第一方向、所述第二方向和所述第三方向分别相互垂直，所述第一平面、所述第二平面和所述第三平面分别相互垂直；
计算过程如下：
所述第一方向上平均温度为：
Figure BDA0001686331510000044
0＜i≤n或0＜j≤m；
所述第二方向上平均温度为：
Figure BDA0001686331510000045
0＜i≤n或0＜k≤l；
所述第三方向上平均温度为：
Figure BDA0001686331510000051
0＜j≤m或0＜k≤l；
所述第一平面上平均温度为：
Figure BDA0001686331510000052
所述第二平面上平均温度为：
Figure BDA0001686331510000053
所述第三平面上平均温度为：
Figure BDA0001686331510000054
所述粮仓整体平均温度为：
Figure BDA0001686331510000055
优选的是，所述短周期为3～14天，所述中周期为21～42天，所述长周期为以粮食储藏开始为起点持续到评测分析结束。
优选的是，在所述步骤二中，在所述采样范围和所述采样周期内进行实时温度计算时，所述短周期和所述中周期的测试采用周期滚动测试的方式。
本发明与现有技术相比较所具有的有益效果：利用短周期(滚动)等效积温实现了储粮霉变的微生物爆发情况的预测和判断，利用中周期(滚动)等效积温实现了储粮昆虫发生情况的预测和判断，以长周期等效总积温实现储粮宜存评价与质量追溯，解决了仓储谷物实时快捷评价方法缺失的问题，降低了粮情品质检测的操作难度、减轻了劳动力。
附图说明
图1为本发明所述的流程图。
图2为本发明所述的实施例中粮仓东西向横剖面与测温点布置图。
图3为本发明所述的实施例中粮仓南北向横剖面与测温点布置图。
图4为本发明所述的实施例中粮仓坐标系示意图。
图5为本发明所述的实施例中各平面等效积温结果示意图。
图6为本发明所述的实施例中微生物发生的储粮温度与水分关系示意图。
图7为本发明所述的实施例中XOY的四个平面的日均等效积温线示意图。
具体实施方式
下面结合附图对本发明做进一步的详细说明，以令本领域技术人员参照说明书文字能够据以实施。
如图1所示，3I(积分，integration)是以三个不同周期对储粮温度进行积分，基于上述理论，本发明提供了一种适于储粮宜存评价的3I策略方法，包括如下过程：
步骤一、根据粮仓粮情监测系统，建立测温点三维矩阵坐标系。平房仓以粮仓的一个底角为坐标系原点，构成底角三边分别为X、Y、Z轴正方向，X、Y、Z轴正方向测温点个数分别为n、m和l；圆筒仓以粮仓外切正方体的底边某一顶点为坐标系原点，构成底角三边分别为X、Y、Z轴正方向，X、Y、Z轴正方向测温点个数分别为n、m和l；
步骤二、采集粮情数据；
步骤三、去除干扰数据；
步骤四、选择微生物与昆虫模型；
步骤五、确定积温周期长度，短周期为Pes天、中周期为Pem天、长周期为Pel天；在本实施例中，作为一种优选，3<Pes<14，21<Pem<42，长周期以储藏开始为起点持续到现在；
步骤六、实时温度计算；根据所述步骤一中建立的测温点坐标系，仓内各测温点的坐标表示为(x,y,z)＝(i,j,k)，其中，0<i≤n，0<j≤m，0<k≤l，n、m、l分别为粮仓X、Y、Z正方向的测温点数，将粮仓分为三种平面，分别为平行于XOY平面，点集表示为(1～n，1～m，k)，平行于XOZ平面，点集表示为(1～n，j，1～l)，平行于YOZ平面，点集表示为(i，1～m，1～l)；将粮仓第d天测温点(i,j,k)处的温度表示为T(xi,yj,zk,τd)，d表示时间，取值1～τ，τ为从储藏开始到现在的储藏天数；
第d天粮仓内各条线(测温点组成的各条线)平均温度计算公式为：
Figure BDA0001686331510000071
0＜i≤n或0＜j≤m；
Figure BDA0001686331510000072
0＜i≤n或0＜k≤l；
Figure BDA0001686331510000073
0＜j≤m或0＜k≤l；
第d天粮仓内各平面(测温点组成的平面)平均温度计算公式为：
Figure BDA0001686331510000074
Figure BDA0001686331510000075
Figure BDA0001686331510000076
步骤七、第d天粮仓整体均温计算公式为：
Figure BDA0001686331510000077
其中，上述点、线、面、粮仓整体的实际温度统称为温度Ts,d；
步骤七、短期(滚动)、中期(滚动)等效积温计算；设置短、中、长周期温度起点分别为T0s，T0m，T0l；从储藏开始，以每一天为起点，向后分别截取短周期内温度、中周期内温度，与时间相乘后累加作为该位置这个周期内(滚动)等效积温；
各位置短周期(滚动)等效积温计算公式如：
Figure BDA0001686331510000078
式中，
Figure BDA0001686331510000079
为短周期(滚动)等效积温，T0s为短周期(滚动)等效积温的温度起点；t为温度Ts,d持续时间长度，单位为天；d取值为1～Pes(从开始到储藏的日期Pes)；
各位置中周期(滚动)等效积温计算公式如：
Figure BDA0001686331510000081
式中，
Figure BDA0001686331510000082
为中周期(滚动)等效积温，T0m为中周期(滚动)等效积温的温度起点；t表示温度Ts,d持续时间；d取值为1～Pem(从开始到储藏的日期Pem)；
步骤八、对数据进行评测分析；
(1)、微生物发生判断与预测：
微生物发生判断方法为：若
Figure BDA0001686331510000083
且
Figure BDA0001686331510000084
则判断短周期Pes天内该位置产生了微生物，若
Figure BDA0001686331510000085
或
Figure BDA0001686331510000086
则判断短周期Pes天内该位置没有产生微生物；其中，CTw为短周期微生物发生的积温阈值，
Figure BDA0001686331510000087
为粮仓Pes天内平均湿度，
Figure BDA0001686331510000088
为粮仓短周期Pes天内微生物产生的湿度阈值，CTw、
Figure BDA0001686331510000089
由微生物发生模型与EMC模型求得；仓内点、线、平面或粮仓整体的判断方法相同；记录微生物发生日期；
微生物发生预测方法为：根据粮食湿度RHs,d与微生物模型，求得微生物发生温度Tcw,d；若Ts,d≥Tcw,d，则可预测短周期Pes天内该位置可能产生大量微生物；若Ts,d＜Tcw,d，则可预测短周期Pes天内该位置不可能产生微生物；仓内点、线、平面或粮仓整体的预测方法相同；
其中，湿度阈值
Figure BDA00016863315100000810
计算方法为：根据当前粮食温度Ts,d与微生物发生公式求得微生物发生的水分Ws,d，将温度与水分带入EMC模型中，求得每天的该位置粮食湿度RHcw,d，依次求得Pes天内的该位置粮食湿度均值为
Figure BDA00016863315100000811
作为粮仓短周期Pes天内微生物产生的湿度阈值；
积温阈值CTw计算方式为；根据粮食的EMC模型与粮食温度Ts,d、粮食湿度RHs,d，计算得到此时的粮食水分Ws,d，将粮食水分Ws,d带入微生物模型中求得此时的该位置微生物发生温度Tcw,d，对短周期Pes天内的该位置微生物发生温度Tcw,d积温得到CTw；
谷物三参数EMC模型为：
EMC＝[ln(1-ERH)-lnERH-A-CTe]/B；
式中：ERH为谷物相对湿度，单位为％；EMC为谷物湿基含水率，也即谷物水分，单位为％；Te环境温度，单位为℃，A，B，C是不同粮种解吸和吸附不同状态下的拟合系数；
粮食的微生物发生温度、水分关系模型为：
Figure BDA0001686331510000091
式中，A1、B1、C1、D1、E1为常数，dd表示间隔天数，时间与短周期天数相同；
(2)、昆虫发生判断与预测：
昆虫发生判断方法为：进行中周期(滚动)等效积温计算，判断若
Figure BDA0001686331510000092
且
Figure BDA0001686331510000093
则该位置附近中周期Pem天内可能产生昆虫；若
Figure BDA0001686331510000094
或
Figure BDA0001686331510000095
则该位置附近中周期Pem天内没有可能产生昆虫，CTq为昆虫发生的积温阈值，
Figure BDA0001686331510000096
为粮仓中周期Pem天内平均湿度，
Figure BDA0001686331510000097
为粮仓Pem天内昆虫产生的平均湿度，也即湿度阈值；CTq、
Figure BDA0001686331510000098
由昆虫发生模型求得；记录昆虫产生的日期；
昆虫产生预测方法为：选择昆虫产生模型与昆虫个数Sv只/kg(Sv<4)，计算当前湿度下的昆虫产生的温度为Tempd，若Tempd≥Ts,d，则粮食在该位置附近容易产生昆虫，若Tempd＜Ts,d，则粮食在该位置附近不容易产生昆虫；
其中，积温阈值CTq计算方法为：选择昆虫模型，确定影响粮食品质的昆虫个数Sv只/kg(Sv<4)，然后根据昆虫模型与粮仓湿度RHs,d，计算此时粮食发生昆虫的温度为Tempd(Tempd可代表点、线、面或粮仓的温度)，对温度Tempd进行中周期Pem天积温得到积温阈值CTq；
湿度阈值
Figure BDA0001686331510000099
计算方法为：根据选择的昆虫模型和昆虫个数Sv，利用粮仓温度Ts,d求得昆虫发生的湿度RHcq,d，中周期Pem天内的湿度求均值得到
Figure BDA00016863315100000910
(3)、粮情宜存评价与质量追溯的方法为：
选择粮仓某一类位置(点、线、面或整个粮仓)进行长周期等效总积温计算，即从储藏开始至当前时间的总积温CTpl，计算公式为：
Figure BDA00016863315100000911
式中：T0l为长周期等效总积温的温度起点；Ts,d为粮仓位置的实际温度，tθ为该位置粮食温度Ts,d持续时间，δ表示时间tθ的个数，CTpl为长周期等效总积温；
设定粮食质量评价积温阈值；根据粮食(玉米、稻谷、小麦)储存品质判定规则现行国家标准(GB/T 20570-202015、GB/T 20569-2006、GT/B 20571-2006)中设定的粮食宜存、轻度不宜存、重度不宜存的品质指标，结合参考文献(华北地区实仓储藏稻谷的品质变化及控制研究)中储藏时间、温度与谷物品质的关系，设定谷物长期储藏宜存温度为T1，轻度不宜存温度为T2，重度不宜存温度为T3，储藏时间α天(以T1、T2、T3温度储藏α天后粮食品质达到国家标准宜存、轻度不宜存和重度不宜存线)，则α天的宜存、轻度不宜存、重度不宜存积温线分别为：
CTs1＝(T1-T0l)×α；
CTs2＝(T2-T0l)×α；
CTs3＝(T3-T0l)×α；
式中：T0l为长期等效积温的温度起点，CTs1，CTs2，CTs3分别宜存、轻度不宜存和重度不宜存等效积温；
根据设定积温阈值线划分粮食评价时区：
若
Figure BDA0001686331510000101
为优质时区，该位置及周边粮食处于优质态；
若
Figure BDA0001686331510000102
为宜存时区，该位置及周边粮食处于宜存态；
若
Figure BDA0001686331510000103
为轻度陈化时区，该位置及周边粮食处于轻度陈化态；
若
Figure BDA0001686331510000104
为陈化时区，该位置及周边粮食处于陈化态；
点、线、面以及粮仓的粮食宜存评价时区同上；
粮仓粮食质量宜存评价与质量追溯；根据上述时区评价各位置粮食所处状态，根据粮仓尺寸结构及各位置的分布，计算各位置(点、线、面或粮仓中的某一类)代表粮食的体积，统计各位置粮食所处时区，各时区粮食体积分别为v1，v2，v3，v4，粮堆总体积为V，则优质率P1、宜存率P2、轻度陈化率P3、陈化率P4计算公式如下所示；若P4>0，利用(1-P4)与已储藏时间τd的乘积(τd为从储藏开始到粮食出现陈化的时间)，预测全仓粮食变陈化的时间为τ×(1-P4)，若P4＝0，则预测陈化时间大于τ；
Figure BDA0001686331510000105
Figure BDA0001686331510000111
Figure BDA0001686331510000112
Figure BDA0001686331510000113
步骤九、生成粮情宜存评价与质量追溯报告；以文档形式生成报告，该报告记录操作人员进行粮食质量宜存评价与追溯的具体日期，以及所在粮仓的基本信息(粮仓尺寸、所在地、储藏时间等信息)，同时记录微生物、昆虫发生的次数以及具体日期，粮食质量变化的日期(包括粮情质量变化日期，以及预测粮情质量发生变化的时间)。
在另一种实施例中，中周期中的昆虫模型选取玉米象鼻虫害发生模型为
Figure BDA0001686331510000114
式中，Sv为玉米象从虫卵到成虫的存活数量，依据参考文献(玉米象取食对新稻谷储藏品质的影响)，Sv取值范围为(Sv<4只/kg)时玉米象对谷物品质影响较小，a＝-0.124731，b＝1.14602，c＝25.04，d＝6.58875，e＝2.78128，f＝68.3030，g＝0.314531，Temp为粮食温度，RH为粮食湿度，粮食湿度以粮仓湿度代替。
实施例
本发明提供了一种基于温度积分的仓储粮食质量评测分析方法，包括如下过程：
步骤一、如图2～4所示，根据现有粮情系统建立粮仓测温点坐标系；粮仓东西方向长47.5m，南北方向宽26m，仓房高8m，粮面高6m；内置测温电缆78根，东西方向13根，间距3.75m，两侧离墙面1.25m；南北方向6根，间距5m，两侧离墙面0.5m；第一层测温点距底面0.5m，第四层测温点距粮面高度0.3m，每根测温电缆上点均匀分布，间隔约1.7m；以粮仓西北方向底顶点作为坐标原点，竖直向上为Z轴正向，向东为X轴正向，向南为Y轴正向。根据上述坐标系，建立传感器测温点XYZ数据三维，矩阵X方向n个测温点，Y方向m个测温点，Z方向l个测温点；
步骤二、采集各测温点温度数据，建立温度数据三维矩阵；采集时间为2014年5月6日-2015年5月6日；
步骤三、去除干扰及非正常数据；
步骤四、选择微生物模型与昆虫模型，确定粮食质量判断阈值；
步骤五、确定积温周期的长度，短周期为Pes天、中周期为Pem天、长周期为Pel天，其中：3<Pes<14，21<Pem<42，长周期积温以2014年5月6日为积温第一天至查询日期截止。
步骤六、实时温度计算；根据S1建立的传感器测温点坐标系，仓内各测温点的坐标表示为(x,y,z)＝(i,j,k),其中0<i≤13，0<j≤6，0<k≤4，13、6、4分别为粮仓x、y、z方向的测温点数。将粮仓分为三类平面，分别为平行于XOY平面，点集表示为(1～13，1～6，k)，平行于XOZ平面，点集表示为(1～13，j，1～4)，平行于YOZ平面，点集表示为(i，1～6，1～4)；分别求各平面所有测温点采集温度的均值作为该平面的温度，又因为粮仓每天均采集温度，因此当天温度表示为T(xi,yj,zk,τd)，d表示时间，取值1～τ，τ为从储藏开始到现在的储藏天数(一天采集一次数据)，该粮库储粮365天，则τ取值为365；选择短周期为7天，中周期为21天；特别的：某一天各平面均温计算公式为：
Figure BDA0001686331510000121
Figure BDA0001686331510000122
Figure BDA0001686331510000123
以上各平面均分统称为Ts,d；
步骤七、短(7天)、中(21天)周期(滚动)等效积温计算；设置短、中、长周期积温起点分别为T0s，T0m，T0l；从储藏开始，各平面以每一天为起点，向后分别截取7、21天温度进行温度累加，与时间相乘后作为该平面这个周期内的7天(滚动)等效积温和21天(滚动)等效积温；各平面7天(滚动)等效积温计算公式如：
Figure BDA0001686331510000124
Figure BDA0001686331510000125
Figure BDA0001686331510000131
式中，T0s为长周期等效总积温的温度起点，t取值为1天，d表示以储藏开始之后的每天，取值为1～358；
选择
Figure BDA0001686331510000132
五个平面进行7天(滚动)等效积温，结果如图5所示；
各平面21天(滚动)等效积温计算公式如：
Figure BDA0001686331510000133
Figure BDA0001686331510000134
Figure BDA0001686331510000135
式中，T0m为长周期等效总积温的温度起点，t取值为1天，d取值为1～344；
步骤八、对数据进行评测分析；
(1)、微生物发生判断与预测：
进行短周期(滚动)等效积温计算，若
Figure BDA0001686331510000136
且
Figure BDA0001686331510000137
则判断7天内该XOY平面产生了微生物，若
Figure BDA0001686331510000138
或
Figure BDA0001686331510000139
则判断7天内该XOY平面没有产生微生物，CTw为短周期微生物发生的等效积温，
Figure BDA00016863315100001310
为粮仓7天内平均湿度，
Figure BDA00016863315100001311
为粮仓7天内微生物产生的平均湿度，CTw、
Figure BDA00016863315100001312
由微生物发生模型与EMC模型求得；仓内点、线、平面或粮仓整体的判断方法相同；记录微生物产生的日期；
所述微生物发生预测方法为：
根据粮食湿度RHs,d与微生物模型，求得微生物发生温度Tcw,d。若Ts,d≥Tcw,d，则可预测7天内该位置可能产生大量微生物；若Ts,d＜Tcw,d，则可预测7天内该位置不可能产生微生物；仓内点、线、平面或粮仓整体的预测方法相同；
湿度阈值
Figure BDA00016863315100001313
计算方法为：根据当前粮食温度TXOY,k,d与微生物发生公式求得微生物发生的水分Ws，将粮食温度TXOY,k,d与水分Ws带入EMC方程中，求得每天的该位置粮食湿度RHcw,d，依次求得7天内的湿度RHcw,d的均值为
Figure BDA00016863315100001314
微生物发生的积温阈值CTw计算方式为，根据粮食的EMC模型与粮食温度TXOY,k,d、湿度RHs,d，计算得到此时的粮食水分Ws，将粮食水分Ws带入微生物模型中求得此时的粮食微生物发生的温度TcXOY,k,d，对7天内的TcXOY,k,d积温得到CTw；
谷物三参数EMC模型为：EMC＝[ln(1-ERH)-lnERH-A-CT]/B；式中：ERH为谷物相对湿度，单位为％；EMC为谷物湿基含水率，即谷物水分，单位为％；T为环境温度，单位为℃；A，B，C是不同粮种解吸和吸附不同状态下的拟合系数，如表2所示；
表2拟合系数
Figure BDA0001686331510000141
所述粮食的微生物发生温湿度、水分关系模型为：
Figure BDA0001686331510000142
式中，A1、B1、C1、D1、E1为常数，dd表示间隔天数，同Pes时间；
特别的，粮食为玉米时，A1＝-19.644，B1＝2.514，C1＝1.13×109，D1＝5.398，E1＝126.609，dd表示间隔天数，这里取值为7；
选取dd为7天计算微生物发生的储粮温度与水分关系如图6所示。
昆虫发生判断方法为：进行中周期(滚动)等效积温计算，判断若
Figure BDA0001686331510000143
且
Figure BDA0001686331510000144
则该位置附近这21天内可能产生昆虫；若
Figure BDA0001686331510000145
且
Figure BDA0001686331510000146
则该位置附近这21天内没有可能产生昆虫；CTq为昆虫发生的积温阈值，
Figure BDA0001686331510000147
为粮仓Pes天内平均湿度，
Figure BDA0001686331510000148
为粮仓Pes天内昆虫产生的平均湿度，也即湿度阈值。CTq、
Figure BDA0001686331510000149
由昆虫发生模型求得。记录昆虫产生的日期；
昆虫产生预测方法为：选择昆虫产生模型与昆虫个数Sv只/kg(Sv<4)，计算当前湿度下的昆虫产生的温度为TempXOY,k,d，比较若TempXOY,d≥TXOY,k,d，则粮食在该位置附近容易产生昆虫，若TempXOY,k,d＜TXOY,k,d，则粮食在该位置附近不容易产生昆虫；
积温阈值CTq计算方法为：选择昆虫模型，确定影响粮食品质的昆虫个数Sv只/kg(Sv<4)，然后根据昆虫模型与粮仓湿度RHs,d，计算此时粮食发生昆虫的温度为TempXOY,k,d(TempXOY,k,d可代表点、线、面或粮仓的温度),对温度TempXOY,k,d进行21积温得到积温阈值CTq；
湿度阈值
Figure BDA0001686331510000151
计算方法为：根据选择的昆虫模型，以及昆虫个数Sv＝3，利用粮仓温度Ts,d求得昆虫发生的湿度RHcq,d，21天内的湿度求均值得到
Figure BDA0001686331510000152
XOZ平面、YOZ平面预测方法相同；
玉米象鼻虫害发生公式：
Figure BDA0001686331510000153
式中，Sv为玉米象虫卵到成虫的存活数量，依据参考文献(玉米象取食对新稻谷储藏品质的影响)，Sv取值范围为(Sv<4只/kg)时玉米象虫对谷物品质影响较小；在本实施例中，a＝-0.124731，b＝1.14602，c＝25.04，d＝6.58875，e＝2.78128，f＝68.3030，g＝0.314531；Temp为粮食温度，RH为粮食湿度，粮食湿度以粮仓湿度代替；
(3)、所述粮食宜存评价和质量追溯的方法为：
选择平面进行周期等效总积温，即从储藏开始至当前时间的总积温，各平面的长周期等效总积温计算公式为：
Figure BDA0001686331510000154
Figure BDA0001686331510000155
Figure BDA0001686331510000156
式中：tθ选取为1，δ取值为τ。
设定粮食质量宜存评价的积温阈值；根据粮食(玉米、稻谷、小麦)储存品质判定规则现行国家标准中设定的粮食宜存、轻度不宜存、重度不宜存的品质指标，结合参考文献(华北地区实仓储藏稻谷的品质变化及控制研究)中储藏时间、温度与谷物品质的关系，设定谷物长期储藏宜存温度为T1，轻度不宜存温度为T2，重度不宜存温度为T3，储藏时间1095天(以T1、T2、T3温度储藏1095天后粮食品质达到国家标准宜存、轻度不宜存和重度不宜存线)，则1095天宜存、轻度不宜存、重度不宜存等效积温线分别为：
CTs1＝(T1-T0l)×1095；
CTs2＝(T2-T0l)×1095；
CTs3＝(T3-T0l)×1095；
式中：T0l为长周期等效积温的温度起点，CTs1，CTs2，CTs3分别宜存、轻度不宜存和重度不宜存等效积温线；
日均等效积温计算；将宜存、轻度不宜存、重度不宜存等效积温线换算成粮食质量评价日均等效积温线，CTr1＝CTs1/β，CTr2＝CTs2/β，CTr3＝CTs3/β，β取值为1～1095之间的整数。同时将平面长期等效总积温换算到日均等效总积温，即
Figure BDA0001686331510000161
根据上述粮食质量评价日均等效积温线划分粮食质量宜存评价时区。若CTrXOY,k,d＜CTr1，为优质时区，该层及周边粮食处于优质态，若Tr1＜TrXOY,k,d＜Tr2，为宜存时区，该层及周边粮食处于宜存态，若CTr2＜CTrXOY,k,d＜CTr3，为轻度陈化时区，该层及周边粮食处于轻度陈化态，若CTr3＜CTrXOY,k,d，为陈化时区，该层及周边粮食处于陈化态；利用XOZ或YOZ平面进行质量评价时，方法同上，且质量评价只选择三类平面中的一类；如图7所示，小于CTr1为优质时区，位于CTr1与CTr2之间为宜存时区，位于CTr2与CTr3之间为轻度陈化时区，大于CTr3为陈化时区；图中显示X0Y的四个平面的日均等效积温线，分别为CTrXOY,1,d、CTrXOY,2,d、CTrXOY,3,d、CTrXOY,4,d；
根据上述设定的评价时区，统计各平面粮食日均等效总积温的时区分布，计算各平面所代表的粮食体积，如：选择为XOY平面，根据测温点排布以及粮仓尺寸结构计算XOY平面各层代表的体积，分别为v1＝1668.25m3，v2＝3356.25m3，v3＝3356.25m3，v4＝1420.25m3粮仓总储粮体积为9880m3，储藏时间到达A日期时，第四层由优质态变为宜存态，则粮食宜存率
Figure BDA0001686331510000171
优质率为85.62％。储藏时间到B日期时第四层由宜存时区变为宜存时区，则粮食轻度陈化率为14.38％，优质率为85.62％；若P4>0,利用(1-P4)与已储藏时间τd的乘积(τd为从储藏开始到粮食出现陈化的时间长度)，预测全仓粮食变陈化的时间为τd×(1-P4)，若P4＝0，则预测陈化时间大于τd。由图可知τd约为330天，陈化率为14.38％，则预测整仓粮食陈化的时间为282天；
步骤九、生成粮情宜存评价与质量追溯报告；以文档形式生成报告，该报告记录操作人员进行粮食质量宜存评价与追溯的具体日期，以及所在粮仓的基本信息(粮仓尺寸、所在地、储藏时间等信息)，同时记录微生物、昆虫发生的次数以及具体日期，粮食质量变化的日期(包括粮情质量变化日期，以及预测粮情质量发生变化的时间)。
尽管本发明的实施方案已公开如上，但其并不仅仅限于说明书和实施方式中所列运用，它完全可以被适用于各种适合本发明的领域，对于熟悉本领域的人员而言，可容易地实现另外的修改，因此在不背离权利要求及等同范围所限定的一般概念下，本发明并不限于特定的细节和这里示出与描述的图例。

Claims (7)

1.一种适于储粮宜存评价的3I策略方法，其特征在于，包括如下步骤：
步骤一、确定所述储粮仓储的采样范围、测温点和积温周期长度；其中，所述积温周期长度包括短周期、中周期和长周期；
步骤二、在所述采样范围和所述采样周期内进行实时温度计算；
步骤三、通过如下公式进行等效积温计算：
Figure FDA0003057501900000011
式中，
Figure FDA0003057501900000012
为短周期等效积温，d为时间，Pes为短周期天数，T0s为短周期等效积温的温度起点，Ts,d为粮仓位置的实际温度，t为温度Ts,d持续时间长度；
Figure FDA0003057501900000013
式中，
Figure FDA0003057501900000014
为中周期等效积温，d为时间，Pem为中周期天数，T0m为中周期等效积温的温度起点，Ts,d为粮仓位置的实际温度，t表示温度Ts,d持续时间长度；
Figure FDA0003057501900000015
式中：CTpl为长周期等效积温，T0l为长周期等效总积温的温度起点，Ts,d为粮仓位置的实际温度，tθ表示温度Ts,d持续时间长度，δ表示时间tθ的个数；
步骤四、根据所述短周期等效积温进行微生物发生判断与预测；
根据所述中周期等效积温进行昆虫发生判断与预测；以及
根据所述长周期等效积温进行粮食质量宜存评价；
在所述步骤四中，根据所述短周期等效积温进行微生物发生判断，包括：
如果
Figure FDA0003057501900000016
且
Figure FDA0003057501900000017
则判断所述短周期内测试点产生微生物；
如果
Figure FDA0003057501900000018
或者
Figure FDA0003057501900000019
则判断所述短周期内测试点未产生微生物；
其中，CTw为所述短周期微生物发生的积温阈值，
Figure FDA00030575019000000110
为粮仓所述短周期内平均湿度，
Figure FDA00030575019000000111
为粮仓所述短周期内微生物产生的湿度阈值；
根据所述短周期等效积温进行微生物发生预测，包括：
如果Ts,d≥Tcw,d，则预测所述短周期内测试点可能产生大量微生物；
如果Ts,d＜Tcw,d，则预测所述短周期内测试点不可能产生大量微生物；
其中，Ts,d为测试点的粮食温度，Tcw,d为微生物发生温度；
在所述步骤四中，根据所述中周期等效积温进行昆虫发生判断，包括：
如果
Figure FDA0003057501900000021
且
Figure FDA0003057501900000022
则判断所述中周期内测试点可能产生昆虫；
如果
Figure FDA0003057501900000023
或者
Figure FDA0003057501900000024
则判断所述中周期内测试点不可能产生昆虫；
其中，CTq为所述中周期昆虫发生的积温阈值，
Figure FDA0003057501900000025
为粮仓所述中周期内平均湿度，
Figure FDA0003057501900000026
为粮仓所述中周期内昆虫产生的湿度阈值；
根据所述中周期等效积温进行昆虫发生预测，包括：
如果Tempd≥Ts,d，则预测所述中周期内测试点可能产生昆虫；
如果Tempd＜Ts,d，则预测所述中周期内测试点不可能产生昆虫；
其中，Ts,d为测试点的粮食温度，Tempd为昆虫发生温度；
在所述步骤四中，根据所述长周期等效积温进行粮食质量宜存评价，包括：
如果
Figure FDA0003057501900000027
则判断测试点及周边粮食处于优质态；
如果
Figure FDA0003057501900000028
则判断测试点及周边粮食处于宜存态；
如果
Figure FDA0003057501900000029
则判断测试点及周边粮食处于轻度陈化态；
如果
Figure FDA00030575019000000210
则判断测试点及周边粮食处于陈化态；
其中，CTs1＝(T1-T0l)×α，CTs2＝(T2-T0l)×α，CTs3＝(T3-T0l)×α，CTs1，CTs2，CTs3分别宜存、轻度不宜存和重度不宜存等效积温，T0l为长期等效积温的温度起点，T1为谷物长期储藏宜存温度，T2为谷物长期储藏轻度不宜存温度，T3为谷物长期储藏重度不宜存温度，α为储藏时间；
当P4>0时，预测全仓粮食变陈化的时间t＝τ×(1-P4)；
当P4＝0时，预测全仓粮食变陈化的时间t＞τ×(1-P4)；
其中，τ为从储藏开始到粮食出现陈化的时间，P4为陈化率，
Figure FDA00030575019000000211
v4为处于陈化态的粮食体积，V为全仓内粮食总体积。
2.如权利要求1所述的适于储粮宜存评价的3I策略方法，其特征在于，所述短周期微生物发生的积温阈值CTw计算过程包括：
采集粮食温度Ts,d、粮食湿度RHs,d，通过EMC模型计算得到粮食水分Ws,d后，再通过微生物模型计算得到此时的温度Tcw,d，对所述短周期的时间内的温度Tcw,d进行积温计算得到所述积温阈值CTw；
所述短周期微生物发生的湿度阈值
Figure FDA0003057501900000031
计算过程包括：
采集粮食温度Ts,d，通过微生物模型计算得到此时的水分Ws,d后，再通过EMC模型计算得到此时的湿度RHcw,d，进而得到所述短周期内的时间内的所述湿度阈值
Figure FDA0003057501900000032
其中，所述EMC模型为EMC＝[ln(1-ERH)-lnERH-A-CT]/B；式中，ERH为谷物的相对湿度；EMC为谷物湿基含水率，即谷物水分；T为环境温度，A，B，C为拟合系数；A为3.224，B为-30.227，C为-0.00743或者A为4.164，B为-31.247，C为-0.0253；
所述微生物模型为
Figure FDA0003057501900000033
式中，A1、B1、C1、D1、E1为常数，dd表示间隔天数；A1为-19.644，B1为2.514，C1为1.13×109，D1为5.398，E1为126.609。
3.如权利要求2所述的适于储粮宜存评价的3I策略方法，其特征在于，所述中周期昆虫发生的积温阈值CTq计算过程包括：
采集粮仓湿度RHs,d，选择昆虫模型，确定影响粮食品质的昆虫个数Sv，通过昆虫模型，计算此时粮食昆虫发生温度为Tempd，对所述中周期的时间内的温度Tempd进行积温计算得到所述积温阈值CTq；
采集粮仓温度Ts,d，选择昆虫模型，确定影响粮食品质的昆虫个数Sv，通过昆虫模型，计算此时粮食昆虫发生的湿度为RHcq,d，进而得到所述中周期内的时间内的所述湿度阈值
Figure FDA0003057501900000034
4.如权利要求3所述的适于储粮宜存评价的3I策略方法，其特征在于，所述昆虫模型中的玉米象鼻虫害发生模型为
Figure FDA0003057501900000035
式中，Sv为玉米象从虫卵到成虫的存活数量，Temp为粮食温度，RH为粮食湿度，a、b、c、d、e、f、g为常数。
5.如权利要求1-4中任一项所述的适于储粮宜存评价的3I策略方法，其特征在于，在所述步骤二中，在所述采样范围内进行实时温度计算过程包括如下步骤：
确定采样范围内的第一方向、第二方向和第三方向，由所述第一方向和所述第二方向组成第一平面，由所述第一方向和所述第二方向组成第一平面，所述第一方向和所述第三方向组成第二平面，由所述第二方向和所述第三方向组成第三平面；其中，所述第一方向、所述第二方向和所述第三方向分别相互垂直，所述第一平面、所述第二平面和所述第三平面分别相互垂直；
计算过程如下：
所述第一方向上平均温度为：
Figure FDA0003057501900000041
0＜i≤n或0＜j≤m；
所述第二方向上平均温度为：
Figure FDA0003057501900000042
0＜i≤n或0＜k≤l；
所述第三方向上平均温度为：
Figure FDA0003057501900000043
0＜j≤m或0＜k≤l；
所述第一平面上平均温度为：
Figure FDA0003057501900000044
所述第二平面上平均温度为：
Figure FDA0003057501900000045
所述第三平面上平均温度为：
Figure FDA0003057501900000046
所述粮仓整体平均温度为：
Figure FDA0003057501900000047
6.如权利要求5所述的适于储粮宜存评价的3I策略方法，其特征在于，所述短周期为3～14天，所述中周期为21～42天，所述长周期为以粮食储藏开始为起点持续到评测分析结束。
7.如权利要求6所述的适于储粮宜存评价的3I策略方法，其特征在于，在所述步骤二中，在所述采样范围和所述采样周期内进行实时温度计算时，所述短周期和所述中周期的测试采用周期滚动测试的方式。
CN201810572556.6A 2018-06-06 2018-06-06 一种适于储粮宜存评价的3i策略方法 Active CN108764749B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810572556.6A CN108764749B (zh) 2018-06-06 2018-06-06 一种适于储粮宜存评价的3i策略方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810572556.6A CN108764749B (zh) 2018-06-06 2018-06-06 一种适于储粮宜存评价的3i策略方法

Publications (2)

Publication Number Publication Date
CN108764749A CN108764749A (zh) 2018-11-06
CN108764749B true CN108764749B (zh) 2021-07-09

Family

ID=64000006

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810572556.6A Active CN108764749B (zh) 2018-06-06 2018-06-06 一种适于储粮宜存评价的3i策略方法

Country Status (1)

Country Link
CN (1) CN108764749B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110414858B (zh) * 2019-08-05 2023-02-03 吉林大学 一种基于区块链技术的优质稻谷收储作业5t管理方法
CN110704512B (zh) * 2019-10-22 2022-05-24 吉林大学 一种基于历史粮情数据的粮仓通风时段判断方法
CN110631639A (zh) * 2019-10-24 2019-12-31 富德康(北京)科技股份有限公司 一种根据粮温、湿度判断粮食安全的方法
CN116701859B (zh) * 2023-05-29 2024-01-30 河北省科学院地理科学研究所 一种基于全遥感数据的植物活动积温估算方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103344742A (zh) * 2013-07-16 2013-10-09 河南工业大学 一种粮仓储粮虫霉活动危害度预测的方法
CN107577257A (zh) * 2017-09-11 2018-01-12 吉林大学 一种基于等效积温的粮食连续干燥的测控方法
CN107688714A (zh) * 2017-09-11 2018-02-13 吉林大学 一种谷物干燥理论积温品质图形绘制查索方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9761111B2 (en) * 2012-07-16 2017-09-12 IntraGrain Technologies Inc. Adaptive bandwidth consumption in remote monitoring of agricultural assets

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103344742A (zh) * 2013-07-16 2013-10-09 河南工业大学 一种粮仓储粮虫霉活动危害度预测的方法
CN103344742B (zh) * 2013-07-16 2015-02-18 河南工业大学 一种粮仓储粮虫霉活动危害度预测的方法
CN107577257A (zh) * 2017-09-11 2018-01-12 吉林大学 一种基于等效积温的粮食连续干燥的测控方法
CN107688714A (zh) * 2017-09-11 2018-02-13 吉林大学 一种谷物干燥理论积温品质图形绘制查索方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
《控制稻谷年度积温安全储粮研究》;陈汲等;《粮食储藏》;20070825;第36卷(第4期);第19-22页 *

Also Published As

Publication number Publication date
CN108764749A (zh) 2018-11-06

Similar Documents

Publication Publication Date Title
CN108764749B (zh) 一种适于储粮宜存评价的3i策略方法
Challinor et al. Ensemble yield simulations: crop and climate uncertainties, sensitivity to temperature and genotypic adaptation to climate change
Ma et al. Evaluation of RZWQM under varying irrigation levels in eastern Colorado
CN107389746A (zh) 粮堆含水率在线检测方法及系统
Zhao et al. Assessing the combined effects of climatic factors on spring wheat phenophase and grain yield in Inner Mongolia, China
Binelo et al. Airflow simulation and inlet pressure profile optimization of a grain storage bin aeration system
Yang et al. Climate change effects on wheat yield and water use in oasis cropland
CN102706870B (zh) 一种仓储害虫发生信息实时监测方法及系统
CN111754045A (zh) 一种基于果树生长的预测系统
Grossi et al. Sensitivity of the sorghum yield to individual changes in climate parameters: modelling based approach
Zhao et al. Modeling fiber fineness, maturity, and micronaire in cotton (Gossypium hirsutum L.)
Jackman et al. Application of wireless technologies to forward predict crop yields in the poultry production chain
Chen et al. Assessment and prediction of free fatty acids changes in maize based on effective accumulated temperature in large granaries
Choi et al. A matrix model for predicting seasonal fluctuations in field populations of Paronychiurus kimi (Collembola: Onychiruidae)
CN114206109A (zh) 信息处理装置及方法
Cui et al. Predictive models for assessing the risk of Fusarium pseudograminearum mycotoxin contamination in post-harvest wheat with multi-parameter integrated sensors
Sanderson et al. Evaluation of a model of drying and deterioration of stored wheat at near-ambient conditions
Viner et al. A model to predict diurnal pollen shed in maize
Alvarez et al. Modelling the effects of stover harvest on soil organic carbon in the Pampas of Argentina
Schut et al. Assessment of seasonal dry‐matter yield and quality of grass swards with imaging spectroscopy
Arthur et al. Temperature stratification and insect pest populations in stored wheat with suction versus pressure aeration
Katz et al. Statistical methods for relating temperature extremes to large-scale meteorological patterns
Wang et al. Remote monitoring of stored grain insect pests.
Thorpe On the rate of adsorption of carbon dioxide by food grains
Jiao et al. Effects of Environmental Stresses on the Growth of Rosette Leaves

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