CN109615148B - 一种确定玉米气象产量的方法和系统 - Google Patents
一种确定玉米气象产量的方法和系统 Download PDFInfo
- Publication number
- CN109615148B CN109615148B CN201811641375.0A CN201811641375A CN109615148B CN 109615148 B CN109615148 B CN 109615148B CN 201811641375 A CN201811641375 A CN 201811641375A CN 109615148 B CN109615148 B CN 109615148B
- Authority
- CN
- China
- Prior art keywords
- corn
- day
- years
- weather
- daily
- 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
- 240000008042 Zea mays Species 0.000 title claims abstract description 437
- 235000002017 Zea mays subsp mays Nutrition 0.000 title claims abstract description 437
- 235000005824 Zea mays ssp. parviglumis Nutrition 0.000 title claims abstract description 427
- 235000005822 corn Nutrition 0.000 title claims abstract description 427
- 238000000034 method Methods 0.000 title claims abstract description 37
- 239000002028 Biomass Substances 0.000 claims abstract description 236
- 238000004364 calculation method Methods 0.000 claims description 49
- 238000001556 precipitation Methods 0.000 claims description 44
- 238000003973 irrigation Methods 0.000 claims description 41
- 230000002262 irrigation Effects 0.000 claims description 41
- 230000005855 radiation Effects 0.000 claims description 40
- 230000035558 fertility Effects 0.000 claims description 32
- 239000002689 soil Substances 0.000 claims description 30
- 238000012417 linear regression Methods 0.000 claims description 24
- 238000004519 manufacturing process Methods 0.000 claims description 14
- 238000000611 regression analysis Methods 0.000 claims description 12
- 235000016383 Zea mays subsp huehuetenangensis Nutrition 0.000 claims description 10
- 235000009973 maize Nutrition 0.000 claims description 10
- 238000004088 simulation Methods 0.000 claims description 4
- 238000009331 sowing Methods 0.000 description 23
- 230000017260 vegetative to reproductive phase transition of meristem Effects 0.000 description 19
- 238000012544 monitoring process Methods 0.000 description 7
- 238000010899 nucleation Methods 0.000 description 7
- 238000005303 weighing Methods 0.000 description 7
- 230000018109 developmental process Effects 0.000 description 5
- 102100040004 Gamma-glutamylcyclotransferase Human genes 0.000 description 2
- 101000886680 Homo sapiens Gamma-glutamylcyclotransferase Proteins 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000001035 drying Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000029553 photosynthesis Effects 0.000 description 1
- 238000010672 photosynthesis Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression 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
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Operations Research (AREA)
- Computational Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Quality & Reliability (AREA)
- Bioinformatics & Computational Biology (AREA)
- Marine Sciences & Fisheries (AREA)
- Development Economics (AREA)
- Mining & Mineral Resources (AREA)
- Animal Husbandry (AREA)
- Agronomy & Crop Science (AREA)
- Probability & Statistics with Applications (AREA)
- Game Theory and Decision Science (AREA)
- Algebra (AREA)
- Entrepreneurship & Innovation (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种确定玉米气象产量的方法和系统。所述方法和系统根据当前作物所在区域影响作物生长的主要气象指标信息,主要包括历史数据和当年已知时间的数据,通过气象指标预测模型,预测出当年玉米气象指标信息,再通过气象指标‑气象生物量预测模型预测出玉米当年每个生育时期的气象生物量,通过气象生物量‑气象产量预测模型预测出当年玉米气象产量。本发明所述的确定玉米气象产量的方法和系统通过建立玉米每个生育时期的气象指标‑气象生物量预测模型,能够实现玉米每个生育时期的气象生物量预测,从而增加了玉米气象产量预测的准确性,实现了玉米气象产量的动态发布,为保障我国的玉米市场供求平衡提供技术支撑。
Description
技术领域
本发明涉及经济作物产量预测领域,并且更具体地,涉及一种确定玉米气象产量的方法和系统。
背景技术
玉米产量通常分为生物产量和经济产量。生物产量简称生物量,是指玉米在各个生育周期内通过光合作用和吸收作用,即通过物质和能量的转化所生产和累积的各种有机物的总量,计算生物量时通常不包括根系。经济产量是指栽培目的所需要玉米粒的收获量,即一般所指的产量。通常,经济产量的高低与生物量高低成正比。
玉米生育期的长短,除主要决定于玉米的遗传性外,还由于栽培地区的气候条件和栽培技术等因素而有差异。如秋播、冬播时因气温低,生长发育缓慢,生育期较长;春播、夏播时因气温高,生长发育快,生育期较短。同一品种在不同纬度地区种植,由于温度、光照的差异,生育期也随之发生变化。
由于长时间的产量波动不仅跟气象指标有关,也与玉米品种更新,社会经济变革等密切相关,所以在长时间序列的作物产量与气象指标关系的观测统计研究中,一般把玉米的产量分解为趋势产量、气象产量和随机误差3部分,趋势产量是反映历史时期生产力发展水平的长周期产量分量,也被称为技术产量,气象产量是受气候要素为主的短周期变化因子(农业气候灾害为主)影响的波动产量分量。因此玉米气象产量是玉米产量预测中的重点。
现有技术中对玉米气象产量的预测仅考虑了玉米的全生育周期气候条件变化,然而玉米在不同的生长发育过程中对气候条件的要求不同,不同地域影响作物生长发育的关键时期和气象因素也不同,仅仅考虑全生育周期气候条件对玉米气象产量的影响无法及时、准确预测气候条件下玉米气象产量波动。
因此,需要一种技术,能够根据玉米不同的生育时期受气候条件的影响而造成的气象生物量的不同,通过玉米每个生育时期气象生物量变化确定玉米的气象产量。
发明内容
为了解决现有技术中只考虑全生育周期气候条件对玉米气象产量的影响而无法及时、准确预测气候条件下玉米气象产量波动的技术问题,本发明提供一种确定玉米气象产量的方法,所述方法包括:
基于影响玉米成长的气象指标过去n年的数据和当年已知时间的数据,根据设置的气象指标预测模型,确定玉米当年每个生育时期的气象指标的数据,其中,所述气象指标包括日平均温度、日最低温度、日最高温度、日土壤湿度、日灌溉量、日降水量和日太阳辐射;
基于玉米当年每个生育时期的气象指标的数据,根据玉米每个生育时期的气象指标-气象生物量预测模型,确定玉米当年每个生育时期的气象生物量;
基于玉米当年每个生育时期的气象生物量,根据玉米气象生物量-气象产量预测模型,确定玉米当年的气象产量。
进一步地,所述方法在基于影响玉米成长的气象指标过去n年的数据和当年已知时间的数据,根据设置的气象指标预测模型,确定玉米当年每个生育时期的气象指标的数据之前还包括:
根据玉米的生育特征,将玉米的成长阶段划分为若干个生育时期;
采集影响玉米成长的气象指标过去n年的数据和当年已知时间的数据、每个生育时期的生物量过去n年的数据、经济产量过去n年的数据,以及玉米每个生育时期起止时间的历史数据;
根据玉米每个生育时期起止时间的历史数据确定当年每个生育时期的起止时间;
基于玉米每个生育时期的生物量过去n年的数据确定玉米每个生育时期的气象生物量过去n年的数据;
基于玉米每个生育时期的气象指标过去n年的数据和气象生物量过去n年的数据确定玉米每个生育时期的气象指标-气象生物量预测模型;
基于玉米经济产量过去n年的数据确定玉米气象产量过去n年的数据;
基于玉米每个生育时期的气象生物量过去n年的数据和玉米气象产量过去n年的数据确定玉米的气象生物量-气象产量预测模型。
进一步地,基于影响玉米成长的气象指标过去n年的数据和当年已知时间的数据,根据设置的气象指标预测模型,确定玉米当年每个生育时期的气象指标数据包括:
基于影响玉米成长的气象指标过去n年的数据,根据设置的气象指标预测模型,确定当年未知时间的气象指标数据,其中:
日平均温度预测模型的计算公式为:
当根据某天在过去n年的日最高温度确定的日最高温度标准差大于或等于根据某天过去n年的日最低温度确定的日最低温度标准差时:
当根据某天在过去n年的日最高温度确定的日最高温度标准差小于根据某天过去n年的日最低温度确定的日最低温度标准差时:
式中,Tnave是当年未知时间中的某天的日平均温度,Thmin是当年未知时间中的某天在过去n年的日最低温度中的最小值,Thmax是当年未知时间中的某天在过去n年的日最高温度中的最大值,μmin是当年未知时间中的某天所在月份在过去n年的日最低温度的均值,μmax是当年未知时间中的某天所在月份在过去n年的日最高温度的均值,μave是当年未知时间中的某天所在月份在过去n年的日平均温度的均值,σmin是当年未知时间中的某天所在月份在过去n年的日最低温度的标准差,σmax是当年未知时间中的某天所在月份在过去n年的日最高温度的标准差,σave是当年未知时间中的某天所在月份在过去n年的日平均温度的标准差,χ是产生的每日标准正态偏差,根据两个随机数rnd1和rnd2得到;
日最低温度预测模型的计算公式为:
当根据某天在过去n年的日最高温度确定的日最高温度标准差大于或等于根据某天在过去n年的日最低温度确定的日最低温度标准差时:
Tnmin=μmin+σmin×χ
当根据某天在过去n年的日最高温度确定的日最高温度标准差小于根据某天在过去n年的日最低温度确定的日最低温度标准差时:
式中,Tnmin是当年未知时间中的某天的日最低温度,Thmax是当年未知时间中的某天在过去n年的日最高温度中的最大值,μmin是当年未知时间中的某天所在月份在过去n年的日最低温度的均值,μmax是当年未知时间中的某天所在月份在过去n年的日最高温度的均值,σmin是当年未知时间中的某天所在月份在过去n年的日最低温度的标准差,σmax是当年未知时间中的某天所在月份在过去n年的日最高温度的标准差,χ是产生的每日标准正态偏差,根据两个随机数rnd1和rnd2得到;
日最高温度预测模型的计算公式为:
当根据某天在过去n年的日最高温度确定的日最高温度标准差大于或等于根据某天在过去n年的日最低温度确定的日最低温度标准差时:
当根据某天在过去n年的日最高温度确定的日最高温度标准差小于根据某天在过去n年的日最低温度确定的日最低温度标准差时:
Tnmax=μmax+σmax×χ
式中,Tnmax是当年未知时间中的某天的日最高温度,Thmin是当年未知时间中的某天在过去n年的日最低温度中的最小值,μmin是当年未知时间中的某天所在月份在过去n年的日最低温度的均值,μmax是当年未知时间中的某天所在月份在过去n年的日最高温度的均值,σmin是当年未知时间中的某天所在月份在过去n年的日最低温度的标准差,σmax是当年未知时间中的某天所在月份在过去n年的日最高温度的标准差,X是产生的每日标准正态偏差,根据两个随机数rnd1和rnd2得到;
土壤湿度预测模型的计算公式为:
RHUmon=RHmon+(1-RHmon)×exp(RHmon-1)
RHLmon=RHmon×(1-exp(-RHmon))
RH=RHLmon+[rnd1×(RHUmon-RHLmon)×(RHmon-RHLmon)]0.5
式中,RH是当年未知时间中的某天的日平均相对湿度,rnd1是一个随机数,RHmon是当年未知时间中的某天所在月份在过去n年的日平均相对湿度的平均值,RHUmon是当年未知时间中的某天所在月份在过去n年的日平均相对湿度中的最大值,RHLmon是当年未知时间中的某天所在月份在过去n年的日平均相对湿度中的最小值;
日灌溉量预测模型的计算公式为:
G=μG+σG×χ
式中,G是当年未知时间中的某天的灌溉量,μG是当年未知时间中的某天所在月份在过去n年的日灌溉量的均值,σG是当年未知时间中的某天所在月份在过去n年的日灌溉量的标准差,χ是产生的每日标准正态偏差,根据两个随机数rnd1和rnd2得到;
日降水量预测模型的计算公式为:
雨晴判断:
采用一阶马尔科夫链模型定义雨晴状况,式中,表示第i-1天为雨天时第i天是晴天的概率,表示第i-1天为雨天时第i天是雨天的概率,表示第i-1天为晴天时第i天是晴天的概率,表示第i-1天为晴天时第i天是雨天的概率;
Rday=μmon[-ln(rndl)]rexp
式中,Rday是当年未知时间中某天的日降水量,μmon是当年未知时间中的某天所在月份在过去n年的日均降水量,σmon是当年未知时间中的某天所在月份在过去n年的日均降水量标准差,rndl是介于0到1.0之间的随机数,rexp介于1.0至2.0之间的指数,gmon是当年未知时间中的某天所在月份在过去n年的日降水量的偏斜系数的均值,χ是产生的每日标准正态偏差,根据两个随机数rnd1和rnd2得到;
太阳辐射预测模型的计算公式:
式中,SR是当年未知时间中的某天的太阳辐射,μsr是当年未知时间中的某天所在月份在过去n年的日太阳辐射的均值,SRmax是当年未知时间中的某天在该区域位置过去n年的日最大太阳辐射,χ是产生的每日标准正态偏差,根据两个随机数rnd1和rnd2得到;
将当年已知时间的气象指标数据与通过气象指标预测模型确定的当年未知时间的气象指标数据按照玉米每个生育时期的起止时间进行划分,即得到玉米每个生育时期的气象指标数据。
进一步地,所述基于玉米每个生育时期的生物量过去n年的数据确定玉米每个生育时期的气象生物量过去n年的数据包括:
将玉米每个生育时期的生物量过去n年的数据按时间顺序生成生物量序列数据;
以i年为滑动步长,运用直线滑动平均法对玉米每个生育时期的每i年的生物量进行统计回归分析,得到j组一元线性回归方程,其中,1≤i≤n,1≤j≤i,i、j和n均是自然数;
基于j组一元线性回归方程确定玉米每个生育时期每年的j个生物量的模拟值;
根据玉米每个生育时期每年的j个生物量的模拟值确定每年的生物量的模拟值的平均值,并将其作为玉米每个生育时期每年的趋势生物量;
将玉米每个生育时期的每年的生物量和趋势生物量相减即为玉米每个生育时期的每年的气象生物量。
进一步地,所述基于玉米每个生育时期的气象指标过去n年的数据和气象生物量过去n年的数据确定玉米每个生育时期的气象指标-气象生物量预测模型包括:
基于玉米每个生育时期的气象指标过去n年的数据和气象生物量过去n年的数据确定每个气象指标与气象生物量的核函数、每个核函数的权重,以及根据核函数确定求取气象生物量的偏差值;
基于每个气象指标与气象生物量的核函数、每个核函数的权重,以及偏差值确定玉米每个生育时期的气象指标-气象生物量预测模型,其计算公式为:
式中,yi是玉米当年第i个生育时期的气象生物量,是玉米当年第i个生育时期第j个气象指标的核函数,ωij是玉米当年第i个生育时期第j个气象指标的核函数的权重,bi是根据核函数确定玉米当年第i个生育时期的气象生物量的偏差值。
进一步地,所述基于玉米经济产量过去n年的数据确定玉米气象产量过去n年的数据包括:
将玉米经济产量过去n年的数据按时间顺序生成经济产量序列数据;
以i年为滑动步长,运用直线滑动平均法对玉米每i年的经济产量进行统计回归分析,得到j组一元线性回归方程,其中,1≤i≤n,1≤j≤i,i、j和n均是自然数;
基于j组一元线性回归方程确定玉米每年的j个经济产量的模拟值;
根据玉米每年的j个经济产量的模拟值确定每年的经济产量的模拟值的平均值,并将其作为玉米每年的趋势经济产量;
将玉米每年的经济产量和趋势经济产量相减即为玉米每年的气象产量。
进一步地,基于玉米每个生育时期的气象生物量过去n年的数据和玉米气象产量过去n年的数据确定玉米气象生物量-气象产量的预测模型包括:
基于玉米每个生育时期的气象生物量过去n年的数据和玉米气象产量过去n年的数据确定每个生育时期的气象生物量与气象产量的核函数、每个核函数的权重,以及根据核函数确定求取气象产量的偏差值;
基于玉米每个生育时期的气象生物量与气象产量的核函数、每个核函数的权重,以及偏差值确定玉米气象生物量-气象产量预测模型,其计算公式为:
根据本发明的另一方面,本发明提供一种确定玉米气象产量的系统,所述系统包括:
玉米气象指标单元,其用于基于影响玉米成长的气象指标过去n年的数据和当年已知时间的数据,根据设置的气象指标预测模型,确定玉米当年每个生育时期的气象指标的数据,其中,所述气象指标包括日平均温度、日最低温度、日最高温度、日土壤湿度、日灌溉量、日降水量和日太阳辐射;
玉米气象生物量单元,其用于基于玉米当年每个生育时期的气象指标的数据,根据玉米每个生育时期的气象指标-气象生物量预测模型,确定玉米当年每个生育时期的气象生物量;
玉米气象产量单元,其用于基于玉米当年每个生育时期的气象生物量,根据玉米气象生物量-气象产量预测模型,确定玉米当年的气象产量。
进一步地,系统还包括:
玉米生育期划分单元,其用于根据玉米的生育特征,将玉米的成长阶段划分为若干个生育时期;
数据采集单元,其用于采集影响玉米成长的气象指标过去n年的数据和当年已知时间的数据、每个生育时期的生物量过去n年的数据、经济产量过去n年的数据,以及玉米每个生育时期起止时间的历史数据;
生育期时间确定单元,其用于根据玉米每个生育时期起止时间的历史数据确定当年每个生育时期的起止时间;
第一数据单元,其用于基于玉米每个生育时期的生物量过去n年的数据确定玉米每个生育时期的气象生物量过去n年的数据;
第一模型单元,其用于基于玉米每个生育时期的气象指标过去n年的数据和气象生物量过去n年的数据确定玉米每个生育时期的气象指标-气象生物量预测模型;
第二数据单元,其用于基于玉米经济产量过去n年的数据确定玉米气象产量过去n年的数据;
第二模型单元,其用于基于玉米每个生育时期的气象生物量过去n年的数据和玉米气象产量过去n年的数据确定玉米的气象生物量-气象产量预测模型。
进一步地,所述玉米气象指标单元包括:
未知气象指标单元,其用于基于影响玉米成长的气象指标过去n年的数据,根据设置的气象指标预测模型,确定当年未知时间的气象指标数据,其中,其中,所述日平均温度、日最低温度、日最高温度、土壤湿度、日灌溉量、日降水量和太阳辐射预测模型的计算公式与确定玉米气象产量的方法中的相同,此处不再赘述。
指标确定单元,其用于将当年已知时间的气象指标数据与通过气象指标预测模型确定的当年未知时间的气象指标数据按照玉米每个生育时期的起止时间进行划分,即得到玉米每个生育时期的气象指标数据。
进一步地,所述第一数据单元包括:
第一序列单元,其用于将玉米每个生育时期的生物量过去n年的数据按时间顺序生成生物量序列数据;
第一方程组单元,其用于以i年为滑动步长,运用直线滑动平均法对玉米每个生育时期的每i年的生物量进行统计回归分析,得到j组一元线性回归方程,其中,1≤i≤n,1≤j≤i,i、j和n均是自然数;
第一模拟值单元,其用于基于j组一元线性回归方程确定玉米每个生育时期每年的j个生物量的模拟值;
第一趋势值单元,其用于根据玉米每个生育时期每年的j个生物量的模拟值确定每年的生物量的模拟值的平均值,并将其作为玉米每个生育时期每年的趋势生物量;
第一结果单元,其用于将玉米每个生育时期的每年的生物量和趋势生物量相减即为玉米每个生育时期的每年的气象生物量。
进一步地,所述第一模型单元包括:
第一参数单元,其用于基于玉米每个生育时期的气象指标过去n年的数据和气象生物量过去n年的数据确定每个气象指标与气象生物量的核函数、每个核函数的权重,以及根据核函数确定求取气象生物量的偏差值;
第一公式单元,其用于基于每个气象指标与气象生物量的核函数、每个核函数的权重,以及偏差值确定玉米每个生育时期的气象指标-气象生物量预测模型,其计算公式为:
式中,yi是玉米当年第i个生育时期的气象生物量,是玉米当年第i个生育时期第j个气象指标的核函数,ωij是玉米当年第i个生育时期第j个气象指标的核函数的权重,bi是根据核函数确定玉米当年第i个生育时期的气象生物量的偏差值。
进一步地,所述第二数据单元包括:
第二序列单元,其用于将玉米经济产量过去n年的数据按时间顺序生成经济产量序列数据;
第二方程组单元,其用于以i年为滑动步长,运用直线滑动平均法对玉米每i年的经济产量进行统计回归分析,得到j组一元线性回归方程,其中,1≤i≤n,1≤j≤i,i、j和n均是自然数;
第二模拟值单元,其用于基于j组一元线性回归方程确定玉米每年的j个经济产量的模拟值;
第二趋势值单元,其用于根据玉米每年的j个经济产量的模拟值确定每年的经济产量的模拟值的平均值,并将其作为玉米每年的趋势经济产量;
第二结果单元,将玉米每年的经济产量和趋势经济产量相减即为玉米每年的气象产量。
进一步地,所述第二模型单元包括:
第二参数单元,其用于基于玉米每个生育时期的气象生物量过去n年的数据和玉米气象产量过去n年的数据确定每个生育时期的气象生物量与气象产量的核函数、每个核函数的权重,以及根据核函数确定求取气象产量的偏差值;
第二公式单元,其用于基于玉米每个生育时期的气象生物量与气象产量的核函数、每个核函数的权重,以及偏差值确定玉米气象生物量-气象产量预测模型,其计算公式为:
本发明技术方案提供的确定玉米气象产量的方法和系统首先将玉米依据生育特征,划分为若干个生育时期,在不同的生育时期内结合历史上主要影响因素的气象指标信息,分别与历史上相同生育时期的生物量建立气象指标-气象生物量预测模型,其次应用历史上相同生育时期的生物量与历史上的气象产量建立气象生物量-气象产量预测模型;接着,根据当前作物所在区域影响作物生长的主要气象指标信息,主要包括历史数据和当年已知时间的数据,通过气象指标预测模型,预测出当年玉米气象指标信息,最后通过气象指标-气象生物量预测模型预测出玉米当年每个生育时期的气象生物量,通过气象生物量-气象产量预测模型预测出当年玉米气象产量。本发明所述的确定玉米气象产量的方法和系统具有如下有益效果:
1、通过建立玉米每个生育时期的气象指标-气象生物量预测模型,能够实现玉米每个生育时期的气象生物量预测,从而增加了玉米气象产量预测的准确性;
2、能够根据当年玉米的气象信息和气象生物量等数据的实时更新,动态调整气象指标预测模型、气象指标-气象生物量预测模型以及气象生物量-气象产量预测模型的结果,实现玉米气象产量的动态发布;
3、能够全面、系统、及时提供我国玉米气象产量波动过程,提供直观、准确的玉米气象产量预测结果,为保障我国的玉米市场供求平衡提供技术支撑。
附图说明
通过参考下面的附图,可以更为完整地理解本发明的示例性实施方式:
图1为根据本发明优选实施方式的确定玉米气象产量的方法的流程图;
图2为根据本发明优选实施方式的确定玉米气象产量的系统的结构示意图。
具体实施方式
现在参考附图介绍本发明的示例性实施方式,然而,本发明可以用许多不同的形式来实施,并且不局限于此处描述的实施例,提供这些实施例是为了详尽地且完全地公开本发明,并且向所属技术领域的技术人员充分传达本发明的范围。对于表示在附图中的示例性实施方式中的术语并不是对本发明的限定。在附图中,相同的单元/元件使用相同的附图标记。
除非另有说明,此处使用的术语(包括科技术语)对所属技术领域的技术人员具有通常的理解含义。另外,可以理解的是,以通常使用的词典限定的术语,应当被理解为与其相关领域的语境具有一致的含义,而不应该被理解为理想化的或过于正式的意义。
图1为根据本发明优选实施方式的确定玉米气象产量的方法的流程图。如图1所示,根据本优选实施方式所述的确定玉米气象产量的方法100从步骤101开始。
在步骤101,根据玉米的生育特征,将玉米的成长阶段划分为若干个生育时期。在本优选实施方式中,将玉米的成长阶段划分为播种期、苗期、拔节孕穗期、抽穗开花期、灌浆成熟期5个生育时期。
在步骤102,采集影响玉米成长的气象指标过去n年的数据和当年已知时间的数据、每个生育时期的生物量过去n年的数据、经济产量过去n年的数据,以及玉米每个生育时期起止时间的历史数据。
在本优选实施方式中,历史数据主要从各大作物监测平台的数据库中获取,当年已知时间的数据主要通过传感器监测获得,其中,温度通过温度传感器监测获得,计算得到每日平均温度,土壤湿度通过土壤湿度传感器监测获得,灌溉量通过灌溉流量计监测获得,降水量通过雨量计监测获得,太阳辐射通过辐射表监测获得。实践中,所述玉米生物量是指玉米在每个生育时期的成长物用低温干燥使其达到的恒定重量。
在步骤103,根据玉米每个生育时期起止时间的历史数据确定当年每个生育时期的起止时间。在优选实施方式中,取玉米每个生育时期起止时间中次数最多的时间作为当年生育时期的起止时间。当有两个或两个以上日期的次数相同时,随机选择其中一个日期。
在步骤104,基于玉米每个生育时期的生物量过去n年的数据确定玉米每个生育时期的气象生物量过去n年的数据。
在步骤105,基于玉米每个生育时期的气象指标过去n年的数据和气象生物量过去n年的数据确定玉米每个生育时期的气象指标-气象生物量预测模型。
在步骤106,基于玉米经济产量过去n年的数据确定玉米气象产量过去n年的数据。实践中,所述玉米经济产量是指按照玉米的栽培目的所收获的主产品玉米的干物质重量。
在步骤107,基于玉米每个生育时期的气象生物量过去n年的数据和玉米气象产量过去n年的数据确定玉米的气象生物量-气象产量预测模型。
在步骤108,基于影响玉米成长的气象指标过去n年的数据和当年已知时间的数据,根据设置的气象指标预测模型,确定玉米当年每个生育时期的气象指标的数据,其中,所述气象指标包括日平均温度、日最低温度、日最高温度、日土壤湿度、日灌溉量、日降水量和日太阳辐射。
在步骤109,基于玉米当年每个生育时期的气象指标的数据,根据玉米每个生育时期的气象指标-气象生物量预测模型,确定玉米当年每个生育时期的气象生物量。
在步骤110,基于玉米当年每个生育时期的气象生物量,根据玉米气象生物量-气象产量预测模型,确定玉米当年的气象产量。
优选地,基于影响玉米成长的气象指标过去n年的数据和当年已知时间的数据,根据设置的气象指标预测模型,确定玉米当年每个生育时期的气象指标数据包括:
基于影响玉米成长的气象指标过去n年的数据,根据设置的气象指标预测模型,确定当年未知时间的气象指标数据,其中:
日平均温度预测模型的计算公式为:
当根据某天过去n年的日最高温度确定的日最高温度标准差大于或等于根据某天过去n年的日最低温度确定的日最低温度标准差时:
当根据某天过去n年的日最高温度确定的日最高温度标准差小于根据某天过去n年的日最低温度确定的日最低温度标准差时:
式中,Tnave是当年未知时间中的某天的日平均温度,Thmin是当年未知时间中的某天在过去n年的日最低温度中的最小值,Thmax是当年未知时间中的某天在过去n年的日最高温度中的最大值,μmin是当年未知时间中的某天所在月份在过去n年的日最低温度的均值,μmax是当年未知时间中的某天所在月份在过去n年的日最高温度的均值,μave是当年未知时间中的某天所在月份在过去n年的日平均温度的均值,σmin是当年未知时间中的某天所在月份在过去n年的日最低温度的标准差,σmax是当年未知时间中的某天所在月份在过去n年的日最高温度的标准差,σave是当年未知时间中的某天所在月份在过去n年的日平均温度的标准差,χ是产生的每日标准正态偏差,根据两个随机数rnd1和rnd2得到;
日最低温度预测模型的计算公式为:
当根据某天在过去n年的日最高温度确定的日最高温度标准差大于或等于根据某天在过去n年的日最低温度确定的日最低温度标准差时:
Tnmin=μmin+σmin×χ
当根据某天在过去n年的日最高温度确定的日最高温度标准差小于根据某天在过去n年的日最低温度确定的日最低温度标准差时:
式中,Tnmin是当年未知时间中的某天的日最低温度,Thmax是当年未知时间中的某天在过去n年的日最高温度中的最大值,μmin是当年未知时间中的某天所在月份在过去n年的日最低温度的均值,μmax是当年未知时间中的某天所在月份在过去n年的日最高温度的均值,σmin是当年未知时间中的某天所在月份在过去n年的日最低温度的标准差,σmax是当年未知时间中的某天所在月份在过去n年的日最高温度的标准差,χ是产生的每日标准正态偏差,根据两个随机数rnd1和rnd2得到;
日最高温度预测模型的计算公式为:
当根据某天在过去n年的日最高温度确定的日最高温度标准差大于或等于根据某天在过去n年的日最低温度确定的日最低温度标准差时:
当根据某天在过去n年的日最高温度确定的日最高温度标准差小于根据某天在过去n年的日最低温度确定的日最低温度标准差时:
Tnmax=μmax+σmax×χ
式中,Tnmax是当年未知时间中的某天的日最高温度,Thmin是当年未知时间中的某天在过去n年的日最低温度中的最小值,μmin是当年未知时间中的某天所在月份在过去n年的日最低温度的均值,μmax是当年未知时间中的某天所在月份在过去n年的日最高温度的均值,σmin是当年未知时间中的某天所在月份在过去n年的日最低温度的标准差,σmax是当年未知时间中的某天所在月份在过去n年的日最高温度的标准差,χ是产生的每日标准正态偏差,根据两个随机数rnd1和rnd2得到;
土壤湿度预测模型的计算公式为:
RHUmon=RHmon+(1-RHmon)×exp(RHmon-1)
RHLmon=RHmon×(1-exp(-RHmon))
RH=RHLmon+[rnd1×(RHUmon-RHLmon)×(RHmon-RHLmon)]0.5
式中,RH是当年未知时间中的某天的日平均相对湿度,rnd1是一个随机数,RHmon是当年未知时间中的某天所在月份在过去n年的日平均相对湿度的平均值,RHUmon是当年未知时间中的某天所在月份在过去n年的日平均相对湿度中的最大值,RHLmon是当年未知时间中的某天所在月份在过去n年的日平均相对湿度中的最小值;
日灌溉量预测模型的计算公式为:
G=μG+σG×χ
式中,G是当年未知时间中的某天的灌溉量,μG是当年未知时间中的某天所在月份在过去n年的日灌溉量的均值,σG是当年未知时间中的某天所在月份在过去n年的日灌溉量的标准差,χ是产生的每日标准正态偏差,根据两个随机数rnd1和rnd2得到;
日降水量预测模型的计算公式为:
雨晴判断:
采用一阶马尔科夫链模型定义雨晴状况,式中,表示第i-1天为雨天时第i天是晴天的概率,表示第i-1天为雨天时第i天是雨天的概率,表示第i-1天为晴天时第i天是晴天的概率,表示第i-1天为晴天时第i天是雨天的概率;
Rday=μmon[-ln(rndl)]rexp
式中,Rday是当年未知时间中某天的日降水量,μmon是当年未知时间中的某天所在月份在过去n年的日均降水量,σmon是当年未知时间中的某天所在月份在过去n年的日均降水量标准差,rndl是介于0到1.0之间的随机数,rexp介于1.0至2.0之间的指数,gmon是当年未知时间中的某天所在月份在过去n年的日降水量的偏斜系数的均值,χ是产生的每日标准正态偏差,根据两个随机数rnd1和rnd2得到;
太阳辐射预测模型的计算公式:
式中,SR是当年未知时间中的某天的太阳辐射,μsr是当年未知时间中的某天所在月份在过去n年的日太阳辐射的均值,SRmax是当年未知时间中的某天在该区域位置过去n年的日最大太阳辐射,χ是产生的每日标准正态偏差,根据两个随机数rnd1和rnd2得到;
将当年已知时间的气象指标数据与通过气象指标预测模型确定的当年未知时间的气象指标数据按照玉米每个生育时期的起止时间进行划分,即得到玉米每个生育时期的气象指标数据。
优选地,所述基于玉米每个生育时期的生物量过去n年的数据确定玉米每个生育时期的气象生物量过去n年的数据包括:
将玉米每个生育时期的生物量过去n年的数据按时间顺序生成生物量序列数据;
以i年为滑动步长,运用直线滑动平均法对玉米每个生育时期的每i年的生物量进行统计回归分析,得到j组一元线性回归方程,其中,1≤i≤n,1≤j≤i,i、j和n均是自然数;
基于j组一元线性回归方程确定玉米每个生育时期每年的j个生物量的模拟值;
根据玉米每个生育时期每年的j个生物量的模拟值确定每年的生物量的模拟值的平均值,并将其作为玉米每个生育时期每年的趋势生物量;
将玉米每个生育时期的每年的生物量和趋势生物量相减即为玉米每个生育时期的每年的气象生物量。
优选地,所述基于玉米每个生育时期的气象指标过去n年的数据和气象生物量过去n年的数据确定玉米每个生育时期的气象指标-气象生物量预测模型包括:
基于玉米每个生育时期的气象指标过去n年的数据和气象生物量过去n年的数据确定每个气象指标与气象生物量的核函数、每个核函数的权重,以及根据核函数确定求取气象生物量的偏差值;
基于每个气象指标与气象生物量的核函数、每个核函数的权重,以及偏差值确定玉米每个生育时期的气象指标-气象生物量预测模型,其计算公式为:
式中,yi是玉米当年第i个生育时期的气象生物量,是玉米当年第i个生育时期第j个气象指标的核函数,ωij是玉米当年第i个生育时期第j个气象指标的核函数的权重,bi是根据核函数确定玉米当年第i个生育时期的气象生物量的偏差值。
在本优选实施方式中,玉米的成长阶段分为播种期、苗期、拔节孕穗期、抽穗开花期、灌浆成熟期5个生育时期。为了使每个生育时期的气象指标-气象生物量预测模型更为准确,对于根据历史经验设置的最低温度值和最高温度值、日平均温度值以及土壤湿度都进行了更为具体的区间划分,具体地:
玉米播种期的气象指标-生物量预测模型的计算公式为:
式中,ybz为播种期气象生物量,BZTDL、分别为播种期内日最低温度小于6℃的天数、该气象指标的核函数以及该气象指标的核函数权重,BZTDM、分别为播种期内日最低温度在6℃-8℃间的天数、该气象指标的核函数以及该气象指标的核函数权重,BZTSL、分别为播种期内日平均温度在8℃-25℃间的天数、该气象指标的核函数以及该气象指标的核函数权重,BZTSM、 分别为播种期内日平均温度在25℃-35℃间的天数、该气象指标的核函数以及该气象指标的核函数权重,BZTSH、分别为播种期内日平均温度在35℃-40℃间的天数、该气象指标的核函数以及该气象指标的核函数权重,BZTGM、分别为播种期内日最高温度在40℃-45℃间的天数、该气象指标的核函数以及该气象指标的核函数权重,BZTGH、分别为播种期内日最高温度大于45℃的天数、该气象指标的核函数以及该气象指标的核函数权重,BZSSL、分别为播种期内日平均土壤湿度小于65%的天数、该气象指标的核函数以及该气象指标的核函数权重,BZSSM、分别为播种期内日平均土壤湿度在65%-75%间的天数、该气象指标的核函数以及该气象指标的核函数权重,BZSSH、分别为播种期内日平均土壤湿度大于75%的天数、该气象指标的核函数以及该气象指标的核函数权重,BZGG、wBZGG分别为播种期内灌溉总量(mm)、该气象指标的核函数以及该气象指标的核函数权重,BZJS、wBZJS分别为播种期内降水总量(mm)、该气象指标的核函数以及该气象指标的核函数权重,BZYS、wBZYS分别为播种期内太阳辐射总量(MJ·m-2·d)、该气象指标的核函数以及该气象指标的核函数权重,bbz为偏差,其中,播种期内灌溉总量为播种期内日灌溉量的总和,播种期内降水总量为播种期内日降水量的总和,播种期内太阳辐射总量为播种期内日太阳辐射的总和。
玉米苗期的气象指标-生物量预测模型的计算公式为:
式中,ymq为苗期气象生物量,MQTDL、分别为苗期期内日最低温度小于4℃的天数、该气象指标的核函数以及该气象指标的核函数权重,MQTDM、分别为苗期期内日最低温度在4℃-5℃间的天数、该气象指标的核函数以及该气象指标的核函数权重,MQTSL、分别为苗期期内日平均温度在5℃-28℃间的天数、该气象指标的核函数以及该气象指标的核函数权重,MQTSM、分别为苗期期内日平均温度在28℃-35℃间的天数、该气象指标的核函数以及该气象指标的核函数权重,MQTSH、分别为苗期期内日平均温度在35℃-40℃间的天数、该气象指标的核函数以及该气象指标的核函数权重,MQTGM、分别为苗期期内日最高温度在40℃-45℃间的天数、该气象指标的核函数以及该气象指标的核函数权重,MQTGH、分别为苗期期内日最高温度大于45℃的天数、该气象指标的核函数以及该气象指标的核函数权重,MQSSL、分别为苗期期内日平均土壤湿度小于60%的天数、该气象指标的核函数以及该气象指标的核函数权重,MQSSM、分别为苗期期内日平均土壤湿度在60%-75%间的天数、该气象指标的核函数以及该气象指标的核函数权重,MQSSH、分别为苗期内日平均土壤湿度大于75%的天数、该气象指标的核函数以及该气象指标的核函数权重,MQGG、wMQGG分别为苗期内灌溉总量(mm)、该气象指标的核函数以及该气象指标的核函数权重,MQJS、wMQJS分别为苗期内降水总量(mm)、该气象指标的核函数以及该气象指标的核函数权重,MQYS、wMQYS分别为苗期内太阳辐射总量(MJ·m-2·d)、该气象指标的核函数以及该气象指标的核函数权重,bmq为偏差,其中,苗期内灌溉总量为苗期内日灌溉量的总和,苗期内降水总量为苗期内日降水量的总和,苗期内太阳辐射总量为苗期内日太阳辐射的总和。
玉米拔节孕穗期的气象指标-生物量预测模型的计算公式为:
式中,yby为拔节孕穗期生物量,BYTDL、分别为拔节孕穗期内日最低温度小于18℃的天数、该气象指标的核函数以及该气象指标的核函数权重,BYTDM、分别为拔节孕穗期内日最低温度在18℃的天数、该气象指标的核函数以及该气象指标的核函数权重,BYTSL、分别为拔节孕穗期内日平均温度在18℃-24℃间的天数、该气象指标的核函数以及该气象指标的核函数权重,BYTSM、分别为拔节孕穗期内日平均温度在24℃-26℃间的天数、该气象指标的核函数以及该气象指标的核函数权重,BYTSH、分别为拔节孕穗期内日平均温度在26℃-38℃间的天数、该气象指标的核函数以及该气象指标的核函数权重,BYTGM、分别为拔节孕穗期内日高温度在38℃间的天数、该气象指标的核函数以及该气象指标的核函数权重,BYTGH、分别为拔节孕穗期内日最高温度大于38℃的天数、该气象指标的核函数以及该气象指标的核函数权重,BYSSL、分别为拔节孕穗期内日平均土壤湿度小于70%的天数、该气象指标的核函数以及该气象指标的核函数权重,BYSSM、分别为拔节孕穗期内日平均土壤湿度在70%-80%间的天数、该气象指标的核函数以及该气象指标的核函数权重,BYSSH、分别为拔节孕穗期内日平均土壤湿度大于80%的天数、该气象指标的核函数以及该气象指标的核函数权重,BYGG、wBYGG分别为拔节孕穗期内灌溉总量(mm)、该气象指标的核函数以及该气象指标的核函数权重,BYJS、wBYJS分别为拔节孕穗期内降水总量(mm)、该气象指标的核函数以及该气象指标的核函数权重,BYYS、wBYYS分别为拔节孕穗期内太阳辐射总量(MJ·m-2·d)、该气象指标的核函数以及该气象指标的核函数权重,bby为偏差,其中,拔节孕穗期内灌溉总量为拔节孕穗期内日灌溉量的总和,拔节孕穗期内降水总量为拔节孕穗期内日降水量的总和,拔节孕穗期内太阳辐射总量为拔节孕穗期内日太阳辐射的总和。
玉米抽穗开花期的气象指标-生物量预测模型的计算公式为:
式中,yck为抽穗开花期生物量,CKTDL、分别为抽穗开花期内日最低温度小于18℃的天数、该气象指标的核函数以及该气象指标的核函数权重,CKTDM、分别为抽穗开花期内日最低温度在18℃间的天数、该气象指标的核函数以及该气象指标的核函数权重,CKTSL、分别为抽穗开花期内日平均温度在18℃-25℃间的天数、该气象指标的核函数以及该气象指标的核函数权重,CKTSM、分别为抽穗开花期内日平均温度在25℃-28℃间的天数、该气象指标的核函数以及该气象指标的核函数权重,CKTSH、分别为抽穗开花期内日平均温度在28℃-30℃间的天数、该气象指标的核函数以及该气象指标的核函数权重,CKTGM、分别为抽穗开花期内日平均温度在30℃间的天数、该气象指标的核函数以及该气象指标的核函数权重,CKTGH、分别为抽穗开花期内日平均温度大于30℃的天数、该气象指标的核函数以及该气象指标的核函数权重,CKSSL、分别为抽穗开花期内日平均土壤湿度小于70%的天数、该气象指标的核函数以及该气象指标的核函数权重,CKSSM、分别为抽穗开花期内日平均土壤湿度在70%-80%间的天数、该气象指标的核函数以及该气象指标的核函数权重,CKSSH、分别为抽穗开花期内日平均土壤湿度大于80%的天数、该气象指标的核函数以及该气象指标的核函数权重,CKGG、wCKGG分别为抽穗开花期内灌溉总量(mm)、该气象指标的核函数以及该气象指标的核函数权重,CKJS、wCKJS分别为抽穗开花期内降水总量(mm)、该气象指标的核函数以及该气象指标的核函数权重,CKYS、wCKYS分别为抽穗开花期内太阳辐射总量(MJ·m-2·d)、该气象指标的核函数以及该气象指标的核函数权重,bck为偏差,其中,抽穗开花期内灌溉总量为抽穗开花期内日灌溉量的总和,抽穗开花期内降水总量为抽穗开花期内日降水量的总和,抽穗开花期内太阳辐射总量为抽穗开花期内日太阳辐射的总和。
玉米灌浆成熟期的气象指标-生物量预测模型的计算公式为:
ygc为灌浆成熟期生物量,GCTDL、分别为灌浆成熟期内日最低温度小于16℃的天数、该气象指标核函数以及该气象指标的核函数权重,GCTDM、分别为灌浆成熟期内日最低温度在16℃间的天数、该气象指标核函数以及该气象指标的核函数权重,GCTSL、 分别为灌浆成熟期内日平均温度在16℃-22℃间的天数、该气象指标核函数以及该气象指标的核函数权重,GCTSM、分别为灌浆成熟期内日平均温度在22℃-24℃间的天数、该气象指标核函数以及该气象指标的核函数权重,GCTSH、分别为灌浆成熟期内日平均温度在24℃-32℃间的天数、该气象指标核函数以及该气象指标的核函数权重,GCTGM、分别为灌浆成熟期内日最高温度在32℃间的天数、该气象指标核函数以及该气象指标的核函数权重,GCTGH、分别为灌浆成熟期内日最高温度大于32℃的天数、该气象指标核函数以及该气象指标的核函数权重,GCSSL、分别为灌浆成熟期内日平均土壤湿度小于70%的天数、该气象指标核函数以及该气象指标的核函数权重,GCSSM、分别为灌浆成熟期内日平均土壤湿度在70%-80%间的天数、该气象指标核函数以及该气象指标的核函数权重,GCSSH、 分别为灌浆成熟期内日平均土壤湿度大于80%的天数、该气象指标核函数以及该气象指标的核函数权重,GCGG、wGCGG分别为灌浆成熟期内灌溉总量(mm)、该气象指标核函数以及该气象指标的核函数权重,GCJS、wGCJS分别为灌浆成熟期内降水总量(mm)、该气象指标核函数以及该气象指标的核函数权重,GCYS、wGCYS分别为灌浆成熟期内太阳辐射总量(MJ·m-2·d)、该气象指标核函数以及该气象指标的核函数权重,bgc为偏差,其中,灌浆成熟期内灌溉总量为灌浆成熟期内日灌溉量的总和,灌浆成熟期内降水总量为灌浆成熟期内日降水量的总和,灌浆成熟期内太阳辐射总量为灌浆成熟期内日太阳辐射的总和。
优选地,所述基于玉米经济产量过去n年的数据确定玉米气象产量过去n年的数据包括:
将玉米经济产量过去n年的数据按时间顺序生成经济产量序列数据;
以i年为滑动步长,运用直线滑动平均法对玉米每i年的经济产量进行统计回归分析,得到j组一元线性回归方程,其中,1≤i≤n,1≤j≤i,i、j和n均是自然数;
基于j组一元线性回归方程确定玉米每年的j个经济产量的模拟值;
根据玉米每年的j个经济产量的模拟值确定每年的经济产量的模拟值的平均值,并将其作为玉米每年的趋势经济产量;
将玉米每年的经济产量和趋势经济产量相减即为玉米每年的气象产量。
优选地,基于玉米每个生育时期的气象生物量过去n年的数据和玉米气象产量过去n年的数据确定玉米气象生物量-气象产量的预测模型包括:
基于玉米每个生育时期的气象生物量过去n年的数据和玉米气象产量过去n年的数据确定每个生育时期的气象生物量与气象产量的核函数、每个核函数的权重,以及根据核函数确定求取气象产量的偏差值;
基于玉米每个生育时期的气象生物量与气象产量的核函数、每个核函数的权重,以及偏差值确定玉米气象生物量-气象产量预测模型,其计算公式为:
在本优选实施方式中,玉米的成长阶段分为播种期、苗期、拔节孕穗期、抽穗开花期、灌浆成熟期5个生育时期。与之相对应,所述玉米每个生育时期的气象生物量与气象产量的预测模型的计算公式为:
式中,z为玉米气象产量,ybz、分别为玉米播种期生物量、玉米播种期生物量核函数及核函数权重,ymq、分别为玉米苗期生物量、玉米苗期生物量核函数及核函数权重,yby、分别为玉米拔节孕穗期生物量、玉米拔节孕穗期生物量核函数及核函数权重,yck、分别为玉米抽穗开花期生物量、玉米抽穗开花期生物量核函数及核函数权重,ygc、分别为玉米灌浆成熟期生物量、玉米灌浆成熟期生物量核函数及核函数权重,b为偏差。
图2为根据本发明优选实施方式的确定玉米气象产量的系统的结构示意图。如图2所示,本优选实施方式所述的确定玉米气象产量的系统200包括:
玉米生育期划分单元201,其用于根据玉米的生育特征,将玉米的成长阶段划分为若干个生育时期;
生育期时间确定单元202,其用于根据玉米每个生育时期起止时间的历史数据确定当年每个生育时期的起止时间。
数据采集单元203,其用于采集影响玉米成长的气象指标过去n年的数据和当年已知时间的数据、每个生育时期的生物量过去n年的数据和经济产量过去n年的数据。
第一数据单元204,其用于基于玉米每个生育时期的生物量过去n年的数据确定玉米每个生育时期的气象生物量过去n年的数据。
第一模型单元205,其用于基于玉米每个生育时期的气象指标过去n年的数据和气象生物量过去n年的数据确定玉米每个生育时期的气象指标-气象生物量预测模型。
第二数据单元206,其用于基于玉米经济产量过去n年的数据确定玉米气象产量过去n年的数据。
第二模型单元207,其用于基于玉米每个生育时期的气象生物量过去n年的数据和玉米气象产量过去n年的数据确定玉米的气象生物量-气象产量预测模型。
玉米气象指标单元208,其用于基于影响玉米成长的气象指标过去n年的数据和当年已知时间的数据,根据设置的气象指标预测模型,确定玉米当年每个生育时期的气象指标的数据,其中,所述气象指标包括日平均温度、日最低温度、日最高温度、日土壤湿度、日灌溉量、日降水量和日太阳辐射。
玉米气象生物量单元209,其用于基于玉米当年每个生育时期的气象指标的数据,根据玉米每个生育时期的气象指标-气象生物量预测模型,确定玉米当年每个生育时期的气象生物量。
玉米气象产量单元210,其用于基于玉米当年每个生育时期的气象生物量,根据玉米气象生物量-气象产量预测模型,确定玉米当年的气象产量。
优选地,所述玉米气象指标单元208包括:
未知气象指标单元281,其用于基于影响玉米成长的气象指标过去n年的数据,根据设置的气象指标预测模型,确定当年未知时间的气象指标数据,其中,所述日平均温度、日最低温度、日最高温度、土壤湿度、日灌溉量、日降水量和太阳辐射预测模型的计算公式与确定玉米气象产量的方法中的相同,此处不再赘述。
指标确定单元282,其用于将当年已知时间的气象指标数据与通过气象指标预测模型确定的当年未知时间的气象指标数据按照玉米每个生育时期的起止时间进行划分,即得到玉米每个生育时期的气象指标数据。
优选地,所述第一数据单元204包括:
第一序列单元241,其用于将玉米每个生育时期的生物量过去n年的数据按时间顺序生成生物量序列数据;
第一方程组单元242,其用于以i年为滑动步长,运用直线滑动平均法对玉米每个生育时期的每i年的生物量进行统计回归分析,得到j组一元线性回归方程,其中,1≤i≤n,1≤j≤i,i、j和n均是自然数;
第一模拟值单元243,其用于基于j组一元线性回归方程确定玉米每个生育时期每年的j个生物量的模拟值;
第一趋势值单元244,其用于根据玉米每个生育时期每年的j个生物量的模拟值确定每年的生物量的模拟值的平均值,并将其作为玉米每个生育时期每年的趋势生物量;
第一结果单元245,其用于将玉米每个生育时期的每年的生物量和趋势生物量相减即为玉米每个生育时期的每年的气象生物量。
优选地,所述第一模型单元205包括:
第一参数单元251,其用于基于玉米每个生育时期的气象指标过去n年的数据和气象生物量过去n年的数据确定每个气象指标与气象生物量的核函数、每个核函数的权重,以及根据核函数确定求取气象生物量的偏差值;
第一公式单元252,其用于基于每个气象指标与气象生物量的核函数、每个核函数的权重,以及偏差值确定玉米每个生育时期的气象指标-气象生物量预测模型,其计算公式为:
式中,yi是玉米当年第i个生育时期的气象生物量,是玉米当年第i个生育时期第j个气象指标的核函数,ωij是玉米当年第i个生育时期第j个气象指标的核函数的权重,bi是根据核函数确定玉米当年第i个生育时期的气象生物量的偏差值。
优选地,所述第二数据单元206包括:
第二序列单元261,其用于将玉米经济产量过去n年的数据按时间顺序生成经济产量序列数据;
第二方程组单元262,其用于以i年为滑动步长,运用直线滑动平均法对玉米每i年的经济产量进行统计回归分析,得到j组一元线性回归方程,其中,1≤i≤n,1≤j≤i,i、j和n均是自然数;
第二模拟值单元263,其用于基于j组一元线性回归方程确定玉米每年的j个经济产量的模拟值;
第二趋势值单元264,其用于根据玉米每年的j个经济产量的模拟值确定每年的经济产量的模拟值的平均值,并将其作为玉米每年的趋势经济产量;
第二结果单元265,将玉米每年的经济产量和趋势经济产量相减即为玉米每年的气象产量。
优选地,所述第二模型单元207包括:
第二参数单元271,其用于基于玉米每个生育时期的气象生物量过去n年的数据和玉米气象产量过去n年的数据确定每个生育时期的气象生物量与气象产量的核函数、每个核函数的权重,以及根据核函数确定求取气象产量的偏差值;
第二公式单元272,其用于基于玉米每个生育时期的气象生物量与气象产量的核函数、每个核函数的权重,以及偏差值确定玉米气象生物量-气象产量预测模型,其计算公式为:
已经通过参考少量实施方式描述了本发明。然而,本领域技术人员所公知的,正如附带的专利权利要求所限定的,除了本发明以上公开的其他的实施例等同地落在本发明的范围内。
通常地,在权利要求中使用的所有术语都根据他们在技术领域的通常含义被解释,除非在其中被另外明确地定义。所有的参考“一个/所述/该[装置、组件等]”都被开放地解释为所述装置、组件等中的至少一个实例,除非另外明确地说明。这里公开的任何方法的步骤都没必要以公开的准确的顺序运行,除非明确地说明。
Claims (6)
1.一种确定玉米气象产量的方法,其特征在于,所述方法包括:
根据玉米的生育特征,将玉米的成长阶段划分为若干个生育时期;
采集影响玉米成长的气象指标过去n年的数据和当年已知时间的数据、每个生育时期的生物量过去n年的数据、经济产量过去n年的数据,以及玉米每个生育时期起止时间的历史数据;
根据玉米每个生育时期起止时间的历史数据确定当年每个生育时期的起止时间;
基于玉米每个生育时期的生物量过去n年的数据确定玉米每个生育时期的气象生物量过去n年的数据;
基于玉米每个生育时期的气象指标过去n年的数据和气象生物量过去n年的数据确定玉米每个生育时期的气象指标-气象生物量预测模型,包括:
基于玉米每个生育时期的气象指标过去n年的数据和气象生物量过去n年的数据确定每个气象指标与气象生物量的核函数、每个核函数的权重,以及根据核函数确定求取气象生物量的偏差值;
基于每个气象指标与气象生物量的核函数、每个核函数的权重,以及偏差值确定玉米每个生育时期的气象指标-气象生物量预测模型,其计算公式为:
式中,yi是玉米当年第i个生育时期的气象生物量,是玉米当年第i个生育时期第j个气象指标的核函数,ωij是玉米当年第i个生育时期第j个气象指标的核函数的权重,bi是根据核函数确定玉米当年第i个生育时期的气象生物量的偏差值;
基于玉米经济产量过去n年的数据确定玉米气象产量过去n年的数据;
基于玉米每个生育时期的气象生物量过去n年的数据和玉米气象产量过去n年的数据确定玉米的气象生物量-气象产量预测模型,包括:
基于玉米每个生育时期的气象生物量过去n年的数据和玉米气象产量过去n年的数据确定每个生育时期的气象生物量与气象产量的核函数、每个核函数的权重,以及根据核函数确定求取气象产量的偏差值;
基于玉米每个生育时期的气象生物量与气象产量的核函数、每个核函数的权重,以及偏差值确定玉米气象生物量-气象产量预测模型,其计算公式为:
式中,y是玉米当年的气象产量,是玉米当年第i个生育时期气象生物量的核函数,ωi是玉米当年第i个生育时期的核函数的权重,b是根据核函数确定玉米当年的气象产量的偏差值;
基于影响玉米成长的气象指标过去n年的数据和当年已知时间的数据,根据设置的气象指标预测模型,确定玉米当年每个生育时期的气象指标的数据,包括:
基于影响玉米成长的气象指标过去n年的数据,根据设置的气象指标预测模型,确定当年未知时间的气象指标数据,所述气象指标包括日平均温度、日最低温度、日最高温度、日土壤湿度、日灌溉量、日降水量和日太阳辐射,其中:
日平均温度预测模型的计算公式为:
当根据某天在过去n年的日最高温度确定的日最高温度标准差大于或等于根据某天在过去n年的日最低温度确定的日最低温度标准差时:
当根据某天在过去n年的日最高温度确定的日最高温度标准差小于根据某天在过去n年的日最低温度确定的日最低温度标准差时:
式中,Tnave是当年未知时间中的某天的日平均温度,Thmin是当年未知时间中的某天在过去n年的日最低温度中的最小值,Thmax是当年未知时间中的某天在过去n年的日最高温度中的最大值,μmin是当年未知时间中的某天所在月份在过去n年的日最低温度的均值,μmax是当年未知时间中的某天所在月份在过去n年的日最高温度的均值,μave是当年未知时间中的某天所在月份在过去n年的日平均温度的均值,σmin是当年未知时间中的某天所在月份在过去n年的日最低温度的标准差,σmax是当年未知时间中的某天所在月份在过去n年的日最高温度的标准差,σave是当年未知时间中的某天所在月份在过去n年的日平均温度的标准差,χ是产生的每日标准正态偏差,根据两个随机数rnd1和rnd2得到;
日最低温度预测模型的计算公式为:
当根据某天在过去n年的日最高温度确定的日最高温度标准差大于或等于根据某天在过去n年的日最低温度确定的日最低温度标准差时:
Tnmin=μmin+σmin×χ
当根据某天在过去n年的日最高温度确定的日最高温度标准差小于根据某天在过去n年的日最低温度确定的日最低温度标准差时:
式中,Tnmin是当年未知时间中的某天的日最低温度,Thmax是当年未知时间中的某天在过去n年的日最高温度中的最大值,μmin是当年未知时间中的某天所在月份在过去n年的日最低温度的均值,μmax是当年未知时间中的某天所在月份在过去n年的日最高温度的均值,σmin是当年未知时间中的某天所在月份在过去n年的日最低温度的标准差,σmax是当年未知时间中的某天所在月份在过去n年的日最高温度的标准差,χ是产生的每日标准正态偏差,根据两个随机数rnd1和rnd2得到;
日最高温度预测模型的计算公式为:
当根据某天在过去n年的日最高温度确定的日最高温度标准差大于或等于根据某天在过去n年的日最低温度确定的日最低温度标准差时:
当根据某天在过去n年的日最高温度确定的日最高温度标准差小于根据某天在过去n年的日最低温度确定的日最低温度标准差时:
Tnmax=μmax+σmax×χ
式中,Tnmax是当年未知时间中的某天的日最高温度,Thmin是当年未知时间中的某天在过去n年的日最低温度中的最小值,μmin是当年未知时间中的某天所在月份在过去n年的日最低温度的均值,μmax是当年未知时间中的某天所在月份在过去n年的日最高温度的均值,σmin是当年未知时间中的某天所在月份在过去n年的日最低温度的标准差,σmax是当年未知时间中的某天所在月份在过去n年的日最高温度的标准差,χ是产生的每日标准正态偏差,根据两个随机数rnd1和rnd2得到;
土壤湿度预测模型的计算公式为:
RHUmon=RHmon+(1-RHmon)×exp(RHmon-1)
RHLmon=RHLmon×(1-exp(-RHmon))
当时:
RH=RHLmon+[rnd1×(RHUmon-RHLmon)×(RHmon-RHLmon)]0.5
当时:
式中,RH是当年未知时间中的某天的日平均相对湿度,rnd1是一个随机数,RHmon是当年未知时间中的某天所在月份在过去n年的日平均相对湿度的平均值,RHUmon是当年未知时间中的某天所在月份在过去n年的日平均相对湿度中的最大值,RHLmon是当年未知时间中的某天所在月份在过去n年的日平均相对湿度中的最小值;
日灌溉量预测模型的计算公式为:
G=μG+σG×χ
式中,G是当年未知时间中的某天的灌溉量,μG是当年未知时间中的某天所在月份在过去n年的日灌溉量的均值,σG是当年未知时间中的某天所在月份在过去n年的日灌溉量的标准差,χ是产生的每日标准正态偏差,根据两个随机数rnd1和rnd2得到;
日降水量预测模型的计算公式为:
雨晴判断:
采用一阶马尔科夫链模型定义雨晴状况,式中,表示第i-1天为雨天时第i天是晴天的概率,表示第i-1天为雨天时第i天是雨天的概率,表示第i-1天为晴天时第i天是晴天的概率,表示第i-1天为晴天时第i天是雨天的概率;
当玉米种植区域为秦岭淮河以北区域,且或者的值大于50%时:
Rday=μmon[-ln(rndl)]rexp
当玉米种植区域为秦岭淮河以南区域,且或者的值大于50%时:
式中,Rday是当年未知时间中某天的日降水量,μmon是当年未知时间中的某天所在月份在过去n年的日均降水量,σmon是当年未知时间中的某天所在月份在过去n年的日均降水量标准差,rndl是介于0到1.0之间的随机数,rexp介于1.0至2.0之间的指数,gmon是当年未知时间中的某天所在月份在过去n年的日降水量的偏斜系数的均值,χ是产生的每日标准正态偏差,根据两个随机数rnd1和rnd2得到;
太阳辐射预测模型的计算公式:
式中,SR是当年未知时间中的某天的太阳辐射,μsr是当年未知时间中的某天所在月份在过去n年的日太阳辐射的均值,SRmax是当年未知时间中的某天在该区域位置过去n年的日最大太阳辐射,χ是产生的每日标准正态偏差,根据两个随机数rnd1和rnd2得到;
将当年已知时间的气象指标数据与通过气象指标预测模型确定的当年未知时间的气象指标数据按照玉米每个生育时期的起止时间进行划分,即得到玉米每个生育时期的气象指标数据;
基于玉米当年每个生育时期的气象指标的数据,根据玉米每个生育时期的气象指标-气象生物量预测模型,确定玉米当年每个生育时期的气象生物量;
基于玉米当年每个生育时期的气象生物量,根据玉米气象生物量-气象产量预测模型,确定玉米当年的气象产量。
2.根据权利要求1所述的方法,其特征在于,所述基于玉米每个生育时期的生物量过去n年的数据确定玉米每个生育时期的气象生物量过去n年的数据包括:
将玉米每个生育时期的生物量过去n年的数据按时间顺序生成生物量序列数据;
以i年为滑动步长,运用直线滑动平均法对玉米每个生育时期的每i年的生物量进行统计回归分析,得到j组一元线性回归方程,其中,1≤i≤n,1≤j≤i,i、j和n均是自然数;
基于j组一元线性回归方程确定玉米每个生育时期每年的j个生物量的模拟值;
根据玉米每个生育时期每年的j个生物量的模拟值确定每年的生物量的模拟值的平均值,并将其作为玉米每个生育时期每年的趋势生物量;
将玉米每个生育时期的每年的生物量和趋势生物量相减即为玉米每个生育时期的每年的气象生物量。
3.根据权利要求1所述的方法,其特征在于,所述基于玉米经济产量过去n年的数据确定玉米气象产量过去n年的数据包括:
将玉米经济产量过去n年的数据按时间顺序生成经济产量序列数据;
以i年为滑动步长,运用直线滑动平均法对玉米每i年的经济产量进行统计回归分析,得到j组一元线性回归方程,其中,1≤i≤n,1≤j≤i,i、j和n均是自然数;
基于j组一元线性回归方程确定玉米每年的j个经济产量的模拟值;
根据玉米每年的j个经济产量的模拟值确定每年的经济产量的模拟值的平均值,并将其作为玉米每年的趋势经济产量;
将玉米每年的经济产量和趋势经济产量相减即为玉米每年的气象产量。
4.一种确定玉米气象产量的系统,其特征在于,所述系统包括:
玉米生育期划分单元,其用于根据玉米的生育特征,将玉米的成长阶段划分为若干个生育时期;
数据采集单元,其用于采集影响玉米成长的气象指标过去n年的数据和当年已知时间的数据、每个生育时期的生物量过去n年的数据、经济产量过去n年的数据,以及玉米每个生育时期起止时间的历史数据;
生育期时间确定单元,其用于根据玉米每个生育时期起止时间的历史数据确定当年每个生育时期的起止时间;
第一数据单元,其用于基于玉米每个生育时期的生物量过去n年的数据确定玉米每个生育时期的气象生物量过去n年的数据;
第一模型单元,其用于基于玉米每个生育时期的气象指标过去n年的数据和气象生物量过去n年的数据确定玉米每个生育时期的气象指标-气象生物量预测模型,所述第一模型单元包括:
第一参数单元,其用于基于玉米每个生育时期的气象指标过去n年的数据和气象生物量过去n年的数据确定每个气象指标与气象生物量的核函数、每个核函数的权重,以及根据核函数确定求取气象生物量的偏差值;
第一公式单元,其用于基于每个气象指标与气象生物量的核函数、每个核函数的权重,以及偏差值确定玉米每个生育时期的气象指标-气象生物量预测模型,其计算公式为:
式中,yi是玉米当年第i个生育时期的气象生物量,是玉米当年第i个生育时期第j个气象指标的核函数,ωij是玉米当年第i个生育时期第j个气象指标的核函数的权重,bi是根据核函数确定玉米当年第i个生育时期的气象生物量的偏差值;
第二数据单元,其用于基于玉米经济产量过去n年的数据确定玉米气象产量过去n年的数据;
第二模型单元,其用于基于玉米每个生育时期的气象生物量过去n年的数据和玉米气象产量过去n年的数据确定玉米的气象生物量-气象产量预测模型,所述第二模型单元包括:
第二参数单元,其用于基于玉米每个生育时期的气象生物量过去n年的数据和玉米气象产量过去n年的数据确定每个生育时期的气象生物量与气象产量的核函数、每个核函数的权重,以及根据核函数确定求取气象产量的偏差值;
第二公式单元,其用于基于玉米每个生育时期的气象生物量与气象产量的核函数、每个核函数的权重,以及偏差值确定玉米气象生物量-气象产量预测模型,其计算公式为:
式中,y是玉米当年的气象产量,是玉米当年第i个生育时期气象生物量的核函数,ωi是玉米当年第i个生育时期的核函数的权重,b是根据核函数确定玉米当年的气象产量的偏差值;
玉米气象指标单元,其用于基于影响玉米成长的气象指标过去n年的数据和当年已知时间的数据,根据设置的气象指标预测模型,确定玉米当年每个生育时期的气象指标的数据,所述玉米气象指标单元包括:
未知气象指标单元,其用于基于影响玉米成长的气象指标过去n年的数据,根据设置的气象指标预测模型,确定当年未知时间的气象指标数据,所述气象指标包括日平均温度、日最低温度、日最高温度、日土壤湿度、日灌溉量、日降水量和日太阳辐射,其中:
日平均温度预测模型的计算公式为:
当根据某天过去n年的日最高温度确定的日最高温度标准差大于或等于根据某天过去n年的日最低温度确定的日最低温度标准差时:
当根据某天过去n年的日最高温度确定的日最高温度标准差小于根据某天过去n年的日最低温度确定的日最低温度标准差时:
式中,Tnave是当年未知时间中与过去n年的数据中相同的某天的日平均温度,Thmin是过去n年的数据中的某天的日最低温度中的最小值,Thmax是过去n年的数据中的某天的日最高温度中的最大值,μmin是过去n年的数据中的某天所在月份的日最低温度的均值,μmax是过去n年的数据中的某天所在月份的日最高温度的均值,μave是过去n年的数据中的某天所在月份的日平均温度的均值,σmin是过去n年的数据中的某天所在月份的日最低温度的标准差,σmax是过去n年的数据中的某天所在月份的日最高温度的标准差,σave是过去n年的数据中的某天所在月份的日平均温度的标准差,χ是产生的每日标准正态偏差,根据两个随机数rnd1和rnd2得到;
日最低温度预测模型的计算公式为:
当根据某天在过去n年的日最高温度确定的日最高温度标准差大于或等于根据某天在过去n年的日最低温度确定的日最低温度标准差时:
Tnmin=μmin+σmin×χ
当根据某天在过去n年的日最高温度确定的日最高温度标准差小于根据某天在过去n年的日最低温度确定的日最低温度标准差时:
式中,Tnmin是当年未知时间中的某天的日最低温度,Thmax是当年未知时间中的某天在过去n年的日最高温度中的最大值,μmin是当年未知时间中的某天所在月份在过去n年的日最低温度的均值,μmax是当年未知时间中的某天所在月份在过去n年的日最高温度的均值,σmin是当年未知时间中的某天所在月份在过去n年的日最低温度的标准差,σmax是当年未知时间中的某天所在月份在过去n年的日最高温度的标准差,χ是产生的每日标准正态偏差,根据两个随机数rnd1和rnd2得到;
日最高温度预测模型的计算公式为:
当根据某天在过去x年的日最高温度确定的日最高温度标准差大于或等于根据某天在过去n年的日最低温度确定的日最低温度标准差时:
当根据某天在过去n年的日最高温度确定的日最高温度标准差小于根据某天在过去n年的日最低温度确定的日最低温度标准差时:
Tnmax=μmax+σmax×χ
式中,Tnmax是当年未知时间中的某天的日最高温度,Tnmin是当年未知时间中的某天在过去n年的日最低温度中的最小值,μmin是当年未知时间中的某天所在月份在过去n年的日最低温度的均值,μmax是当年未知时间中的某天所在月份在过去n年的日最高温度的均值,σmin是当年未知时间中的某天所在月份在过去n年的日最低温度的标准差,σmax是当年未知时间中的某天所在月份在过去n年的日最高温度的标准差,χ是产生的每日标准正态偏差,根据两个随机数rnd1和rnd2得到;
土壤湿度预测模型的计算公式为:
RHUmon=RHmon+(1-RHmon)×exp(RHmon-1)
RHLmon=RHmon×(1-exp(-RHmon))
当时:
RH=RHLmon+[rnd1×(RHUmon-RHLmon)×(RHmon-RHmon)]0.5
当时:
式中,RH是当年未知时间中的某天的日平均相对湿度,rnd1是一个随机数,RHmon是当年未知时间中的某天所在月份在过去n年的日平均相对湿度的平均值,RHUmon是当年未知时间中的某天所在月份在过去n年的日平均相对湿度中的最大值,RHLmon是当年未知时间中的某天所在月份在过去n年的日平均相对湿度中的最小值;
日灌溉量预测模型的计算公式为:
G=μG+σG×χ
式中,G是当年未知时间中的某天的灌溉量,μG是当年未知时间中的某天所在月份在过去n年的日灌溉量的均值,σG是当年未知时间中的某天所在月份在过去n年的日灌溉量的标准差,χ是产生的每日标准正态偏差,根据两个随机数rnd1和rnd2得到;
日降水量预测模型的计算公式为:
雨晴判断:
采用一阶马尔科夫链模型定义雨晴状况,式中,表示第i-1天为雨天时第i天是晴天的概率,表示第i-1天为雨天时第i天是雨天的概率,表示第i-1天为晴天时第i天是晴天的概率,表示第i-1天为晴天时第i天是雨天的概率;
当玉米种植区域为秦岭淮河以北区域,且或者的值大于50%时:
Rday=μmon[-ln(rndl)]rexp
当玉米种植区域为秦岭淮河以南区域,且或者的值大于50%时:
式中,Rday是当年未知时间中某天的日降水量,μmon是当年未知时间中的某天所在月份在过去n年的日均降水量,σmon是当年未知时间中的某天所在月份在过去n年的日均降水量标准差,rndl是介于0到1.0之间的随机数,rexp介于1.0至2.0之间的指数,gmon是当年未知时间中的某天所在月份在过去n年的日降水量的偏斜系数的均值,χ是产生的每日标准正态偏差,根据两个随机数rnd1和rnd2得到;
太阳辐射预测模型的计算公式:
式中,SR是当年未知时间中的某天的太阳辐射,μsr是当年未知时间中的某天所在月份在过去n年的日太阳辐射的均值,SRmax是当年未知时间中的某天在该区域位置过去n年的日最大太阳辐射,χ是产生的每日标准正态偏差,根据两个随机数rnd1和rnd2得到;
指标确定单元,其用于将当年已知时间的气象指标数据与通过气象指标预测模型确定的当年未知时间的气象指标数据按照玉米每个生育时期的起止时间进行划分,即得到玉米每个生育时期的气象指标数据;
玉米气象生物量单元,其用于基于玉米当年每个生育时期的气象指标的数据,根据玉米每个生育时期的气象指标-气象生物量预测模型,确定玉米当年每个生育时期的气象生物量;
玉米气象产量单元,其用于基于玉米当年每个生育时期的气象生物量,根据玉米气象生物量-气象产量预测模型,确定玉米当年的气象产量。
5.根据权利要求4所述的系统,其特征在于,所述第一数据单元包括:
第一序列单元,其用于将玉米每个生育时期的生物量过去n年的数据按时间顺序生成生物量序列数据;
第一方程组单元,其用于以i年为滑动步长,运用直线滑动平均法对玉米每个生育时期的每i年的生物量进行统计回归分析,得到j组一元线性回归方程,其中,1≤i≤n,1≤j≤i,i、j和n均是自然数;
第一模拟值单元,其用于基于j组一元线性回归方程确定玉米每个生育时期每年的j个生物量的模拟值;
第一趋势值单元,其用于根据玉米每个生育时期每年的j个生物量的模拟值确定每年的生物量的模拟值的平均值,并将其作为玉米每个生育时期每年的趋势生物量;
第一结果单元,其用于将玉米每个生育时期的每年的生物量和趋势生物量相减即为玉米每个生育时期的每年的气象生物量。
6.根据权利要求4所述的系统,其特征在于,所述第二数据单元包括:
第二序列单元,其用于将玉米经济产量过去n年的数据按时间顺序生成经济产量序列数据;
第二方程组单元,其用于以i年为滑动步长,运用直线滑动平均法对玉米每i年的经济产量进行统计回归分析,得到j组一元线性回归方程,其中,1≤i≤n,1≤j≤i,i、j和n均是自然数;
第二模拟值单元,其用于基于j组一元线性回归方程确定玉米每年的j个经济产量的模拟值;
第二趋势值单元,其用于根据玉米每年的j个经济产量的模拟值确定每年的经济产量的模拟值的平均值,并将其作为玉米每年的趋势经济产量;
第二结果单元,将玉米每年的经济产量和趋势经济产量相减即为玉米每年的气象产量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811641375.0A CN109615148B (zh) | 2018-12-29 | 2018-12-29 | 一种确定玉米气象产量的方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811641375.0A CN109615148B (zh) | 2018-12-29 | 2018-12-29 | 一种确定玉米气象产量的方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109615148A CN109615148A (zh) | 2019-04-12 |
CN109615148B true CN109615148B (zh) | 2023-04-28 |
Family
ID=66015832
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811641375.0A Active CN109615148B (zh) | 2018-12-29 | 2018-12-29 | 一种确定玉米气象产量的方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109615148B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111681122A (zh) * | 2020-06-05 | 2020-09-18 | 河南省气象科学研究所 | 基于土壤湿度的夏玉米干旱影响评估模型的构建与应用 |
CN113052407B (zh) * | 2021-05-18 | 2023-08-29 | 中国农业科学院农业信息研究所 | 一种大豆气象单产预测方法及预测系统 |
CN113191572A (zh) * | 2021-05-27 | 2021-07-30 | 北京佳格天地科技有限公司 | 苹果产量的预测方法、装置、存储介质及电子设备 |
CN116596141B (zh) * | 2023-05-18 | 2024-01-19 | 淮阴工学院 | 一种基于物联网与多模型耦合的板蓝根产量预测系统 |
CN116777081B (zh) * | 2023-08-15 | 2023-11-03 | 吉林省中农阳光数据有限公司 | 一种春玉米产量预测模型获得方法及其产量预测方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102722766A (zh) * | 2012-06-04 | 2012-10-10 | 南京农业大学 | 基于修订的区域气候模式数据的小麦产量预测方法 |
CN103413253A (zh) * | 2013-09-04 | 2013-11-27 | 国家电网公司 | 一种基于经济、气象因素的年最大负荷分类预测方法 |
CN105184445A (zh) * | 2015-08-06 | 2015-12-23 | 北京市气候中心 | 一种玉米干旱气象灾害多年平均损失率的计算方法 |
CN105494033A (zh) * | 2015-10-30 | 2016-04-20 | 青岛智能产业技术研究院 | 一种基于作物需求的智能节水灌溉方法 |
WO2017199253A1 (en) * | 2016-05-18 | 2017-11-23 | Paskal Technologies Agriculture Cooperative LTD. | Yield forecast and light use efficiency |
CN108921351A (zh) * | 2018-07-06 | 2018-11-30 | 北京兴农丰华科技有限公司 | 基于趋势产量和气象产量的作物产量预测方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10631474B2 (en) * | 2013-12-19 | 2020-04-28 | Phytech Ltd. | Method and system for treating crop according to predicted yield |
US10529036B2 (en) * | 2016-01-22 | 2020-01-07 | The Climate Corporation | Forecasting national crop yield during the growing season using weather indices |
-
2018
- 2018-12-29 CN CN201811641375.0A patent/CN109615148B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102722766A (zh) * | 2012-06-04 | 2012-10-10 | 南京农业大学 | 基于修订的区域气候模式数据的小麦产量预测方法 |
CN103413253A (zh) * | 2013-09-04 | 2013-11-27 | 国家电网公司 | 一种基于经济、气象因素的年最大负荷分类预测方法 |
CN105184445A (zh) * | 2015-08-06 | 2015-12-23 | 北京市气候中心 | 一种玉米干旱气象灾害多年平均损失率的计算方法 |
CN105494033A (zh) * | 2015-10-30 | 2016-04-20 | 青岛智能产业技术研究院 | 一种基于作物需求的智能节水灌溉方法 |
WO2017199253A1 (en) * | 2016-05-18 | 2017-11-23 | Paskal Technologies Agriculture Cooperative LTD. | Yield forecast and light use efficiency |
CN108921351A (zh) * | 2018-07-06 | 2018-11-30 | 北京兴农丰华科技有限公司 | 基于趋势产量和气象产量的作物产量预测方法 |
Non-Patent Citations (4)
Title |
---|
Chang Jen-hu ; 刘道维 ; .玉米产量与光周期、夜温和太阳辐射的关系.河北农业大学学报.1983,(第01期),全文. * |
王春远 ; .庄河市玉米生育期气象条件分析及产量预测.现代农业科技.2010,(第09期),全文. * |
赵鸿 ; 肖国举 ; 王润元 ; 邓振镛 ; 王鹤龄 ; 杨启国 ; .气候变化对半干旱雨养农业区春小麦生长的影响.地球科学进展.2007,(第03期),全文. * |
韩杰 ; 陈兴鹏 ; .基于水足迹的民勤县农作物耗水当量与气候响应评估.干旱地区农业研究.2017,(第06期),全文. * |
Also Published As
Publication number | Publication date |
---|---|
CN109615148A (zh) | 2019-04-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109615148B (zh) | 一种确定玉米气象产量的方法和系统 | |
US11617313B2 (en) | Controlling agricultural production areas | |
Bannayan et al. | A stochastic modelling approach for real-time forecasting of winter wheat yield | |
CN108921351A (zh) | 基于趋势产量和气象产量的作物产量预测方法 | |
CN110826797B (zh) | 基于多目标综合评价体系确定最佳农业种植系统的方法 | |
CN110567892A (zh) | 一种基于临界氮浓度的夏玉米氮素高光谱预测方法 | |
CN111898922A (zh) | 一种多尺度农作物产量评估方法及系统 | |
CN111798028A (zh) | 一种作物产量预测方法、装置、电子设备和存储介质 | |
CN110633841A (zh) | 基于集合采样的省级范围地块尺度快速数据同化产量预测方法 | |
CN116451823A (zh) | 一种基于气象主控因子的苹果产量预测方法 | |
CN109858678B (zh) | 一种确定向日葵气象产量的方法和系统 | |
CN109615149B (zh) | 一种确定甜菜气象产量的方法和系统 | |
CN109615150B (zh) | 一种确定水稻气象产量的方法和系统 | |
CN116401882A (zh) | 基于多因子胁迫的地表臭氧对冬小麦产量影响评估方法 | |
CN111915096B (zh) | 基于作物模型、遥感数据和气候预测信息的作物产量早期预报技术 | |
CN109840623B (zh) | 一种确定芝麻气象产量的方法和系统 | |
CN112945881A (zh) | 一种基于高光谱特征参数的马铃薯叶片含水量监测方法 | |
CN113009108A (zh) | 一种基于水热条件预测土壤有机碳含量的预测方法 | |
Li et al. | Crop model data assimilation with particle filter for yield prediction using leaf area index of different temporal scales | |
Yu et al. | Application of a progressive-difference method to identify climatic factors causing variation in the rice yield in the Yangtze Delta, China | |
CN109359862A (zh) | 一种粮食作物实时估产方法及系统 | |
Lisson et al. | Development of a hemp (Cannabis sativa L.) simulation model 4. Model description and validation | |
CN113052407A (zh) | 一种大豆气象单产预测方法及预测系统 | |
Gommes | Non-parametric crop yield forecasting, a didactic case study for Zimbabwe | |
CN116735538B (zh) | 一种基于氮素分配模型的作物氮素累积量遥感预测方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |