CN109063893A - 一种动态收获指数与净初级生产力结合的水稻单产估测方法 - Google Patents
一种动态收获指数与净初级生产力结合的水稻单产估测方法 Download PDFInfo
- Publication number
- CN109063893A CN109063893A CN201810660189.5A CN201810660189A CN109063893A CN 109063893 A CN109063893 A CN 109063893A CN 201810660189 A CN201810660189 A CN 201810660189A CN 109063893 A CN109063893 A CN 109063893A
- Authority
- CN
- China
- Prior art keywords
- year
- index
- rice
- time
- harvest
- 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.)
- Granted
Links
- 238000003306 harvesting Methods 0.000 title claims abstract description 85
- 235000007164 Oryza sativa Nutrition 0.000 title claims abstract description 74
- 235000009566 rice Nutrition 0.000 title claims abstract description 74
- 238000000034 method Methods 0.000 title claims abstract description 20
- 240000007594 Oryza sativa Species 0.000 title description 2
- 241000209094 Oryza Species 0.000 claims abstract description 73
- 238000005096 rolling process Methods 0.000 claims abstract description 20
- 238000005259 measurement Methods 0.000 claims abstract 2
- 239000002028 Biomass Substances 0.000 claims description 16
- 238000004519 manufacturing process Methods 0.000 claims description 10
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims description 7
- 229910052799 carbon Inorganic materials 0.000 claims description 7
- 238000011160 research Methods 0.000 claims description 7
- 238000006243 chemical reaction Methods 0.000 claims description 4
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 2
- 238000012272 crop production Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 208000003643 Callosities Diseases 0.000 description 1
- 206010020649 Hyperkeratosis Diseases 0.000 description 1
- 241000209140 Triticum Species 0.000 description 1
- 235000021307 Triticum Nutrition 0.000 description 1
- 240000008042 Zea mays Species 0.000 description 1
- 235000005824 Zea mays ssp. parviglumis Nutrition 0.000 description 1
- 235000002017 Zea mays subsp mays Nutrition 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 235000005822 corn Nutrition 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000003337 fertilizer Substances 0.000 description 1
- 229910052757 nitrogen Inorganic materials 0.000 description 1
- 235000016709 nutrition Nutrition 0.000 description 1
- 230000035764 nutrition Effects 0.000 description 1
- 239000000575 pesticide Substances 0.000 description 1
- 230000029553 photosynthesis Effects 0.000 description 1
- 238000010672 photosynthesis Methods 0.000 description 1
- 238000010010 raising Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000009897 systematic effect Effects 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
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Animal Husbandry (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Entrepreneurship & Innovation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Agronomy & Crop Science (AREA)
- Development Economics (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一种动态收获指数与净初级生产力结合的水稻单产估测方法,所述方法包括以下步骤:1)、基于实测产量的时间序列水稻实际收获指数反演;2)、时间序列水稻收获指数多年移动平均计算;3)、时间序列移动平均水稻收获指数随时间动态变化模型构建;4)、基于动态收获指数模型的目标年份收获指数计算;5)、目标年份水稻产量预测。该方法较好的预测了水稻单产,为精确进行水稻等农作物估产提供了一种新的思路和方法。
Description
技术领域
本发明以净初级生产力为基础、精确的水稻估产为研究方向,涉及一种动态收获指数与净初级生产力结合的水稻单产估测方法。
背景技术
采用净初级生产力(NPP)模型进行农作物产量计算时,需要考虑碳到生物量的转换系数(F),农作物地上生物量占比(R),含水率(W)以及收获指数(HI)等各项参数。对于同一种作物而言,F、R、W为常数,在先前的计算方法中同一作物的HI也被认为是常数。
收获指数(HI)是指作物收获时经济产量(籽粒、果实等)与生物产量之比,是探明作物产量的一个重要指标。其影响因素主要分为两类,(1)叶片类型大小及其光合特性、茎秆等组织结构、穗部形状、氮素营养和作物水分含量等生理因素;(2)化肥、农药的使用以及科学的田间管理等环境因素。
但是,近几年的研究发现随着科学的田间管理、水稻品种的改良和优质杂交水稻的推广,水稻的收获指数有了较大的提高,已由原来矮杆品种的0.4提高到超级杂交稻的0.55~0.62左右。在过去的40年中,188个国家的玉米、水稻和小麦等主要农作物产量均呈线性增长趋势。此外,有研究表明,相同的水稻品种在不同年份地上生物量差异较小,无论是普通水稻还是杂交稻,收获指数对产量的贡献要大于生物量对产量的贡献。所以收获指数的提高是这些农作物产量呈线性增长的重要因素。
目前以净初级生产力(NPP)为基础的估产模型中,尚未考虑收获指数随时间变化趋势,在作物产量预测时会产生系统性误差。
发明内容
为了有效解决以净初级生产力(NPP)为基础的估产模型在作物产量预测时产生的系统性误差,本发明提供一种动态收获指数与净初级生产力结合的水稻单产估测方法,将原模型中视为常量的收获指数修改为随时间动态调整的变量。
本发明解决其技术问题所采用的技术方案是:
一种动态收获指数与净初级生产力结合的水稻单产估测方法,所述方法包括以下步骤:
1)、时间序列水稻实际收获指数反演
式中,HI为时间序列年份中某一年水稻实际收获指数,Yield为相应年份水稻实际产量,∑NPP为相应年份水稻从移栽到收获净初级生产力NPP的积累值,F为碳到生物量的转换系数,R为地上生物量占比,W为含水率;
由步骤1,获取待估算研究区时间序列水稻收获指数HIyear-1,HIyear-2,HIyear-3,……,HIyear-n+1,HIyear-n,n为参与计算的时间序列收获指数年份数,n≥10,year为待估算水稻产量目标年份;
2)、时间序列水稻收获指数移动平均计算
不同年份间收获指数波动较大,将获取的时间序列水稻收获指数进行移动平均计算,3年移动平均公式如下:
式中,n为参与计算的时间序列水稻收获指数年份数,i为收获指数年份,HIMAve,i为i年滑动平均后的收获指数,HIMAve,1为第一年滑动平均后得到的收获指数,HIMAve,n为最后一年滑动平均后的收获指数,HIi为步骤1)计算出的i年的收获指数;
3)、时间序列移动平均水稻收获指数随时间动态变化模型构建
将步骤2)中获得的移动平均时间序列水稻收获指数进行线性拟合,拟合方程形式为:
y=ax+b (3)
式中,x为年份,y为收获指数,a和b为拟合后得到线性方程中的拟合参数;
4)、基于动态收获指数模型的目标年份收获指数计算
将目标年的年份year代入至步骤3)的线性拟合方程中,得到动态收获指数模型调整后的目标年份收获指数HI目标年;
5)、目标年份水稻产量预测
将步骤4)动态收获指数模型调整后的目标年份收获指数HI目标年带入产量预测公式(4)中,得到目标年份的预测产量;
式中,Yield目标年为经动态收获指数调整的目标年份水稻实际产量,∑NPP目标年为目标年份水稻从移栽到收获净初级生产力NPP的积累值,HI目标年为动态收获指数模型调整后的目标年份收获指数,F为碳到生物量的转换系数,R为地上生物量占比,W为含水率。
本发明的有益效果为:较好的预测了水稻单产,为精确进行水稻等农作物估产提供了一种新的思路和方法。
附图说明
图1是2004-2014年江苏省13个地级市水稻收获指数;
图2是2004-2014年江苏省13个地级市水稻收获指数3年移动平均后结果;
图3是预测产量与统计产量对比图(动态调整收获指数);
图4是动态调整收获指数2004-2014年江苏省13个地级市估测产量与统计产量相对误差频率分布直方图;
图5是固定收获指数2004-2014年江苏省13个地级市估测产量与统计产量相对误差频率分布直方图。
图6是一种动态收获指数与净初级生产力结合的水稻单产估测方法的流程图。
具体实施方式
下面以江苏省作为研究区为例,对本发明做进一步说明。
参照图1~图6,一种动态收获指数与净初级生产力结合的水稻单产估测方法,所述方法包括以下步骤:
1)、时间序列水稻实际收获指数反演
式中,HI为时间序列年份中某一年水稻实际收获指数,Yield为相应年份水稻实际产量,∑NPP为相应年份水稻从移栽到收获净初级生产力NPP的积累值,F为碳到生物量的转换系数(取值为1/0.45),R为地上生物量占比(取值为0.9),W为含水率(取值为0.14);
由步骤1,获取待估算研究区时间序列水稻收获指数HIyear-1,HIyear-2,HIyear-3,……,HIyear-n+1,HIyear-n,n为参与计算的时间序列收获指数年份数,n≥10,year为待估算水稻产量目标年份;
2)、时间序列水稻收获指数移动平均计算
不同年份间收获指数波动较大,将获取的时间序列水稻收获指数进行移动平均计算,3年移动平均公式如下:
式中:n为参与计算的时间序列水稻收获指数年份数,i为收获指数年份,HIMAve,i为i年滑动平均后的收获指数,HIMAve,1为第一年滑动平均后的收获指数,HIMAve,n为最后一年年滑动平均后的收获指数,HIi为步骤1)计算出的i年的收获指数;
3)、时间序列移动平均水稻收获指数随时间动态变化模型构建
将步骤2)中获得的移动平均时间序列水稻收获指数进行线性拟合,拟合方程形式为:
y=ax+b (3)
式中,x为年份,y为收获指数,a和b为拟合后得到线性方程中的拟合参数;
4)、基于动态收获指数模型的目标年份收获指数计算
将目标年的年份year代入至步骤3)的线性拟合方程中,得到动态收获指数模型调整后的目标年份收获指数HI目标年;
5)、目标年份水稻产量预测
将步骤4)动态收获指数模型调整后的目标年份收获指数HI目标年带入产量预测公式(4)中,得到目标年份的预测产量;
式中,Yield目标年为经动态收获指数调整的目标年份水稻实际产量,∑NPP目标年为目标年份水稻从移栽到收获净初级生产力NPP的积累值,HI目标年为动态收获指数模型调整后的目标年份收获指数,F为碳到生物量的转换系数(取值为1/0.45),R为地上生物量占比(取值为0.9),W为含水率(取值为0.14)。
江苏省共有13个地级市,由于不同地级市间的产量和收获指数存在一定的差异,所以获取13个地级市2004-2014年的产量yield、年累积净初级生产力∑NPP等数据后进行分别计算。由步骤1-3,我们可以得到江苏省2004-2014年13个地级市实际收获指数(图1)、3年移动平均后收获指数(图2)、3年移动平均后收获指数拟合结果(表1)。
表1
然后,采用留一验证的方式,分别对2004-2014年江苏省13个地级市的水稻单产进行预测,预测结果如图3、图4所示,76.92%的预测结果的相对误差在±5%以内,预测的2004-2014年江苏省水稻产量平均相对误差分别为-3.68%、3.87%、0.69%、3.26%、3.58%、-1.52%、-2.64%、-0.88%、-0.65%、-1.20%和1.98%。
对于原固定收获指数的NPP的水稻估产模型结果(图5),仅有31.47%的估产结果的相对误差在±5%以内。
由此可见,动态收获指数与净初级生产力NPP结合的水稻单产估测方法较好的预测了水稻单产,较原固定收获指数的NPP估产方法结果精度有了极大的提高,为精确进行水稻等农作物估产提供了一种新的思路和方法。
Claims (1)
1.一种动态收获指数与净初级生产力结合的水稻单产估测方法,其特征在于:所述估测方法包括以下步骤:
1)、基于实测产量的时间序列水稻实际收获指数反演
式中,HI为时间序列年份中某一年水稻实际收获指数,Yield为相应年份水稻实际产量,∑NPP为相应年份水稻从移栽到收获净初级生产力NPP的积累值,F为碳到生物量的转换系数,R为地上生物量占比,W为含水率;
由步骤1),获取待估算研究区时间序列水稻收获指数HIyear-1,HIyear-2,HIyear-3,……,HIyear-n+1,HIyear-n,n为参与计算的时间序列收获指数年份数,n≥10,year为待估算水稻产量目标年份;
2)、时间序列水稻收获指数多年移动平均计算
不同年份间收获指数波动较大,将获取的时间序列水稻收获指数进行移动平均计算,3年移动平均公式如下:
式中,n为参与计算的时间序列水稻收获指数年份数,i为收获指数年份,HIMAve,i为i年滑动平均后得到的收获指数,HIMAve,1为第一年滑动平均后的收获指数,HIMAve,n为最后一年滑动平均后的收获指数,HIi为步骤1)计算出的i年的收获指数;
3)、时间序列移动平均水稻收获指数随时间动态变化模型构建
将步骤2)中获得的移动平均时间序列水稻收获指数进行线性拟合,拟合方程形式为:
y=ax+b (3)
式中,x为年份,y为收获指数,a和b为拟合后得到线性方程中的拟合参数;
4)、基于动态收获指数模型的目标年份收获指数计算
将目标年的年份year代入至步骤3)的线性拟合方程中,得到动态收获指数模型调整后的目标年份收获指数HI目标年;
5)、目标年份水稻产量预测
将步骤4)动态收获指数模型调整后的目标年份收获指数HI目标年带入产量预测公式(4)中,得到目标年份的预测产量:
式中,Yield目标年为经动态收获指数调整的目标年份水稻实际产量,∑NPP目标年为目标年份水稻从移栽到收获净初级生产力NPP的积累值,HI目标年为动态收获指数模型调整后的目标年份收获指数,F为碳到生物量的转换系数,R为地上生物量占比,W为含水率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810660189.5A CN109063893B (zh) | 2018-06-25 | 2018-06-25 | 一种动态收获指数与净初级生产力结合的水稻单产估测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810660189.5A CN109063893B (zh) | 2018-06-25 | 2018-06-25 | 一种动态收获指数与净初级生产力结合的水稻单产估测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109063893A true CN109063893A (zh) | 2018-12-21 |
CN109063893B CN109063893B (zh) | 2021-09-24 |
Family
ID=64821410
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810660189.5A Active CN109063893B (zh) | 2018-06-25 | 2018-06-25 | 一种动态收获指数与净初级生产力结合的水稻单产估测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109063893B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109919395A (zh) * | 2019-04-01 | 2019-06-21 | 安徽大学 | 一种基于短周期遥感区域数据的冬小麦产量估测方法 |
CN110243406A (zh) * | 2019-06-21 | 2019-09-17 | 武汉思众空间信息科技有限公司 | 农作物估产方法、装置、电子设备及存储介质 |
CN114202702A (zh) * | 2021-10-12 | 2022-03-18 | 中国农业科学院农业资源与农业区划研究所 | 基于D-fG参数遥感获取的冬小麦动态收获指数遥感估算方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101595812A (zh) * | 2009-06-26 | 2009-12-09 | 中国农业科学院农业资源与农业区划研究所 | 一种作物收获指数的获取方法 |
-
2018
- 2018-06-25 CN CN201810660189.5A patent/CN109063893B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101595812A (zh) * | 2009-06-26 | 2009-12-09 | 中国农业科学院农业资源与农业区划研究所 | 一种作物收获指数的获取方法 |
Non-Patent Citations (6)
Title |
---|
G.B.SAMARASINGHE 等: "Growth and yields of Dri Lanka"s major crops interpreted from public domain satellites", 《ELSEVIER》 * |
侯慧芝 等: "旱地全膜覆土穴播对春小麦耗水、产量和土壤水分平衡的影响", 《中国农业科学》 * |
姬兴杰 等: "基于气象资料的中国冬小麦收获指数模型", 《中国农业科学》 * |
姬兴杰 等: "近二十年中国冬小麦收获指数时空格局", 《中国农业科学》 * |
彭代亮: "基于统计与MODIS数据的水稻遥感估产方法研究", 《中国博士学位论文全文数据库信息科技辑》 * |
邹薇 等: "大麦产量构成模型", 《应用生态学报》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109919395A (zh) * | 2019-04-01 | 2019-06-21 | 安徽大学 | 一种基于短周期遥感区域数据的冬小麦产量估测方法 |
CN110243406A (zh) * | 2019-06-21 | 2019-09-17 | 武汉思众空间信息科技有限公司 | 农作物估产方法、装置、电子设备及存储介质 |
CN110243406B (zh) * | 2019-06-21 | 2021-06-15 | 武汉思众空间信息科技有限公司 | 农作物估产方法、装置、电子设备及存储介质 |
CN114202702A (zh) * | 2021-10-12 | 2022-03-18 | 中国农业科学院农业资源与农业区划研究所 | 基于D-fG参数遥感获取的冬小麦动态收获指数遥感估算方法 |
CN114202702B (zh) * | 2021-10-12 | 2022-06-21 | 中国农业科学院农业资源与农业区划研究所 | 基于D-fG参数遥感获取的冬小麦动态收获指数遥感估算方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109063893B (zh) | 2021-09-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Algert et al. | Vegetable output and cost savings of community gardens in San Jose, California | |
CN104899786B (zh) | 玉米品种种植适宜性精细区划方法与系统 | |
Reeves et al. | Usefulness and limits of MODIS GPP for estimating wheat yield | |
CN109063893A (zh) | 一种动态收获指数与净初级生产力结合的水稻单产估测方法 | |
Zhao et al. | Distribution of high-yield and high-yield-stability zones for maize yield potential in the main growing regions in China | |
CN111418323B (zh) | 一种基于设施作物冠层覆盖度和株高的氮肥实时推荐方法 | |
CN102087729A (zh) | 一种烟叶生产全程质量监控方法与系统 | |
CN113822479B (zh) | 一种兼顾生产、环境和经济效益的区域农业种植结构多目标优化方法 | |
CN108370699A (zh) | 一种测土配方施肥的方法 | |
Kumari et al. | Crop water requirement, water productivity and comparative advantage of crop production in different regions of Uttar Pradesh, India | |
Linker et al. | Model-based deficit irrigation of maize in Kansas | |
CN115606382A (zh) | 一种基于北斗导航的变量施肥方法及系统 | |
CN111582742A (zh) | 一种基于气象评价农产品品质的方法及系统 | |
Ribas et al. | An update of new flood-irrigated rice cultivars in the SimulArroz model | |
CN114747349A (zh) | 基于群体长势遥感检测与分级的小麦健壮群体培育方法 | |
WO2017068782A1 (ja) | 情報処理システム、営農支援方法、情報処理装置、その制御方法、及び、記録媒体 | |
CN116595333B (zh) | 土壤-气候智慧型的水稻目标产量与氮肥用量确定方法 | |
CN107609695B (zh) | 基于可调植被指数的作物产量遥感估算方法 | |
RU2733728C1 (ru) | Способ оценки урожайности яровой пшеницы в зависимости от погодных условий | |
CN110956322B (zh) | 气候变暖趋势下的夏玉米花期高温灾害风险预测方法 | |
CN105427061A (zh) | 基于改进型鱼群算法的番茄幼苗期光合作用优化调控模型及建立与应用 | |
Dudek et al. | Forecasting production effects of irrigated faba bean (Vicia faba var. minor) depending on drought levels | |
RU2281644C9 (ru) | Способ оценки урожайности зерновых культур в зависимости от погодных условий | |
CN111667167B (zh) | 一种农业粮食产量估算方法和系统 | |
Eggestad et al. | Losses of Nitrogen and Phosphorus from Norwegian Agriculture to the OSPAR problem area. |
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 |