CN109858678B - 一种确定向日葵气象产量的方法和系统 - Google Patents
一种确定向日葵气象产量的方法和系统 Download PDFInfo
- Publication number
- CN109858678B CN109858678B CN201811646261.5A CN201811646261A CN109858678B CN 109858678 B CN109858678 B CN 109858678B CN 201811646261 A CN201811646261 A CN 201811646261A CN 109858678 B CN109858678 B CN 109858678B
- Authority
- CN
- China
- Prior art keywords
- sunflower
- weather
- biomass
- years
- data
- 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
Images
Classifications
-
- 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
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种确定向日葵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,预测出当年向日葵气象指标信息,再通过气象指标‑气象生物量预测模型预测出向日葵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向日葵气象产量。本发明所述的确定向日葵气象产量的方法和系统通过建立向日葵每个生育时期的气象指标‑气象生物量预测模型,能够实现向日葵每个生育时期的气象生物量预测,从而增加了向日葵气象产量预测的准确性,实现了向日葵气象产量的动态发布,为保障我国的向日葵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,涉及一种确定向日葵气象产量的方法和系统。
背景技术
向日葵产量通常分为生物产量和经济产量。生物产量简称生物量,是指向日葵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向日葵粒的收获量,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。
向日葵生育期的长短,除主要决定于向日葵的遗传性外,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,也与向日葵品种更新,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,一般把向日葵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。因此向日葵气象产量是向日葵产量预测中的重点。
现有技术中对向日葵气象产量的预测仅考虑了向日葵的全生育周期气候条件变化,然而向日葵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向日葵气象产量的影响无法及时、准确预测气候条件下向日葵气象产量波动。
因此,需要一种技术,能够根据向日葵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,通过向日葵每个生育时期气象生物量变化确定向日葵的气象产量。
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向日葵气象产量的影响而无法及时、准确预测气候条件下向日葵气象产量波动的技术问题,本发明提供一种确定向日葵气象产量的方法,所述方法包括:
基于影响向日葵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,确定向日葵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和日降水量;
基于向日葵当年每个生育时期的气象指标的数据,根据向日葵每个生育时期的气象指标-气象生物量预测模型,确定向日葵当年每个生育时期的气象生物量;
基于向日葵当年每个生育时期的气象生物量,根据向日葵气象生物量-气象产量预测模型,确定向日葵当年的气象产量。
进一步地,所述方法在基于影响向日葵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,确定向日葵当年每个生育时期的气象指标的数据之前还包括:
根据向日葵的生育特征,将向日葵的成长阶段划分为若干个生育时期;
采集影响向日葵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,以及向日葵每个生育时期起止时间的历史数据;
根据向日葵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;
基于向日葵每个生育时期的生物量过去n年的数据确定向日葵每个生育时期的气象生物量过去n年的数据;
基于向日葵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年的数据确定向日葵每个生育时期的气象指标-气象生物量预测模型;
基于向日葵经济产量过去n年的数据确定向日葵气象产量过去n年的数据;
基于向日葵每个生育时期的气象生物量过去n年的数据和向日葵气象产量过去n年的数据确定向日葵的气象生物量-气象产量预测模型。
进一步地,基于影响向日葵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,确定向日葵当年每个生育时期的气象指标数据包括:
基于影响向日葵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;
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向日葵每个生育时期的起止时间进行划分,即得到向日葵每个生育时期的气象指标数据。
进一步地,所述基于向日葵每个生育时期的生物量过去n年的数据确定向日葵每个生育时期的气象生物量过去n年的数据包括:
将向日葵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向日葵每个生育时期的每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向日葵每个生育时期每年的j个生物量的模拟值;
根据向日葵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,并将其作为向日葵每个生育时期每年的趋势生物量;
将向日葵每个生育时期的每年的生物量和趋势生物量相减即为向日葵每个生育时期的每年的气象生物量。
进一步地,所述基于向日葵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年的数据确定向日葵每个生育时期的气象指标-气象生物量预测模型包括:
基于向日葵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,以及偏差值确定向日葵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是向日葵当年第i个生育时期的气象生物量,是向日葵当年第i个生育时期第j个气象指标的核函数,ωij是向日葵当年第i个生育时期第j个气象指标的核函数的权重,bi是根据核函数确定向日葵当年第i个生育时期的气象生物量的偏差值。
进一步地,所述基于向日葵经济产量过去n年的数据确定向日葵气象产量过去n年的数据包括:
将向日葵经济产量过去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向日葵每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向日葵每年的j个经济产量的模拟值;
根据向日葵每年的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,并将其作为向日葵每年的趋势经济产量;
将向日葵每年的经济产量和趋势经济产量相减即为向日葵每年的气象产量。
进一步地,基于向日葵每个生育时期的气象生物量过去n年的数据和向日葵气象产量过去n年的数据确定向日葵气象生物量-气象产量的预测模型包括:
基于向日葵每个生育时期的气象生物量过去n年的数据和向日葵气象产量过去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;
基于向日葵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,以及偏差值确定向日葵气象生物量-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向日葵气象产量的系统,所述系统包括:
向日葵气象指标单元,其用于基于影响向日葵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,确定向日葵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和日降水量;
向日葵气象生物量单元,其用于基于向日葵当年每个生育时期的气象指标的数据,根据向日葵每个生育时期的气象指标-气象生物量预测模型,确定向日葵当年每个生育时期的气象生物量;
向日葵气象产量单元,其用于基于向日葵当年每个生育时期的气象生物量,根据向日葵气象生物量-气象产量预测模型,确定向日葵当年的气象产量。
进一步地,系统还包括:
向日葵生育期划分单元,其用于根据向日葵的生育特征,将向日葵的成长阶段划分为若干个生育时期;
数据采集单元,其用于采集影响向日葵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,以及向日葵每个生育时期起止时间的历史数据;
生育期时间确定单元,其用于根据向日葵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,其用于基于向日葵每个生育时期的生物量过去n年的数据确定向日葵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,其用于基于向日葵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年的数据确定向日葵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,其用于基于向日葵经济产量过去n年的数据确定向日葵气象产量过去n年的数据;
第二模型单元,其用于基于向日葵每个生育时期的气象生物量过去n年的数据和向日葵气象产量过去n年的数据确定向日葵的气象生物量-气象产量预测模型。
进一步地,所述向日葵气象指标单元包括:
未知气象指标单元,其用于基于影响向日葵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,所述日平均温度和日降水量预测模型的计算公式与确定向日葵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向日葵每个生育时期的起止时间进行划分,即得到向日葵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,其用于将向日葵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向日葵每个生育时期的每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向日葵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,其用于根据向日葵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,并将其作为向日葵每个生育时期每年的趋势生物量;
第一结果单元,其用于将向日葵每个生育时期的每年的生物量和趋势生物量相减即为向日葵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,其用于基于向日葵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,以及偏差值确定向日葵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是向日葵当年第i个生育时期的气象生物量,是向日葵当年第i个生育时期第j个气象指标的核函数,ωij是向日葵当年第i个生育时期第j个气象指标的核函数的权重,bi是根据核函数确定向日葵当年第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,其用于将向日葵经济产量过去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向日葵每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向日葵每年的j个经济产量的模拟值;
第二趋势值单元,其用于根据向日葵每年的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,并将其作为向日葵每年的趋势经济产量;
第二结果单元,将向日葵每年的经济产量和趋势经济产量相减即为向日葵每年的气象产量。
进一步地,所述第二模型单元包括:
第二参数单元,其用于基于向日葵每个生育时期的气象生物量过去n年的数据和向日葵气象产量过去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,其用于基于向日葵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,以及偏差值确定向日葵气象生物量-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向日葵气象产量的方法和系统首先将向日葵依据生育特征,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,预测出当年向日葵气象指标信息,最后通过气象指标-气象生物量预测模型预测出向日葵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向日葵气象产量。本发明所述的确定向日葵气象产量的方法和系统具有如下有益效果:
1、通过建立向日葵每个生育时期的气象指标-气象生物量预测模型,能够实现向日葵每个生育时期的气象生物量预测,从而增加了向日葵气象产量预测的准确性;
2、能够根据当年向日葵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,实现向日葵气象产量的动态发布;
3、能够全面、系统、及时提供我国向日葵气象产量波动过程,提供直观、准确的向日葵气象产量预测结果,为保障我国的向日葵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向日葵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向日葵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向日葵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向日葵气象产量的方法100从步骤101开始。
在步骤101,根据向日葵的生育特征,将向日葵的成长阶段划分为若干个生育时期。在本优选实施方式中,将向日葵的成长阶段划分为播种期、苗期、现蕾开花期和成熟期4个生育时期。
在步骤102,采集影响向日葵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,以及向日葵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,降水量通过雨量计监测获得。实践中,所述向日葵生物量是指向日葵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,根据向日葵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,取向日葵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,基于向日葵每个生育时期的生物量过去n年的数据确定向日葵每个生育时期的气象生物量过去n年的数据。
在步骤105,基于向日葵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年的数据确定向日葵每个生育时期的气象指标-气象生物量预测模型。
在步骤106,基于向日葵经济产量过去n年的数据确定向日葵气象产量过去n年的数据。实践中,所述向日葵经济产量是指按照向日葵的栽培目的所收获的主产品向日葵的干物质重量。
在步骤107,基于向日葵每个生育时期的气象生物量过去n年的数据和向日葵气象产量过去n年的数据确定向日葵的气象生物量-气象产量预测模型。
在步骤108,基于影响向日葵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,确定向日葵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和日降水量。
在步骤109,基于向日葵当年每个生育时期的气象指标的数据,根据向日葵每个生育时期的气象指标-气象生物量预测模型,确定向日葵当年每个生育时期的气象生物量。
在步骤110,基于向日葵当年每个生育时期的气象生物量,根据向日葵气象生物量-气象产量预测模型,确定向日葵当年的气象产量。
优选地,基于影响向日葵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,确定向日葵当年每个生育时期的气象指标数据包括:
基于影响向日葵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;
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向日葵每个生育时期的起止时间进行划分,即得到向日葵每个生育时期的气象指标数据。
优选地,所述基于向日葵每个生育时期的生物量过去n年的数据确定向日葵每个生育时期的气象生物量过去n年的数据包括:
将向日葵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向日葵每个生育时期的每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向日葵每个生育时期每年的j个生物量的模拟值;
根据向日葵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,并将其作为向日葵每个生育时期每年的趋势生物量;
将向日葵每个生育时期的每年的生物量和趋势生物量相减即为向日葵每个生育时期的每年的气象生物量。
优选地,所述基于向日葵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年的数据确定向日葵每个生育时期的气象指标-气象生物量预测模型包括:
基于向日葵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,以及偏差值确定向日葵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是向日葵当年第i个生育时期的气象生物量,是向日葵当年第i个生育时期第j个气象指标的核函数,ωij是向日葵当年第i个生育时期第j个气象指标的核函数的权重,bi是根据核函数确定向日葵当年第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,向日葵的成长阶段分为播种期、苗期、现蕾开花期和成熟期4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日平均温度值进行了更为具体的区间划分,具体地:
向日葵播种期的气象指标-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,BZTSL、分别为播种期内日平均温度小于31℃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31℃-37℃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大于37℃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,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,bbz为偏差,其中,播种期内降水总量为播种期内日降水量的总和。
向日葵苗期的气象指标-生物量预测模型的计算公式为:
式中,ymq为苗期气象生物量,MQTSL、分别为苗期期内日平均温度小于16℃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16℃-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,MQTSH、分别为苗期期内日平均温度大于28℃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,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,bmq为偏差,其中,苗期内降水总量为苗期内日降水量的总和。
向日葵现蕾开花期的气象指标-生物量预测模型的计算公式为:
式中,yxk为现蕾开花期生物量,XKTSL、分别为现蕾开花期内日平均温度小于16℃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,XKTSM、分别为现蕾开花期内日平均温度在16℃-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,XKTSH、分别为现蕾开花期内日平均温度大于28℃间天数、该气象指标的核函数以及该气象指标的核函数权重,XKJS、wXKJS分别为现蕾开花期内降水总量(mm)、该气象指标的核函数以及该气象指标的核函数权重,bxk为偏差,其中,现蕾开花期内降水总量为现蕾开花期内日降水量的总和。
向日葵成熟期的气象指标-生物量预测模型的计算公式为:
式中,ycs为成熟期生物量,CSTSL、分别为成熟期内日平均温度小于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,CSTSM、分别为成熟期内日平均温度在16℃-28℃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,CSTSH、分别为成熟期内日平均温度大于28℃的天数、该气象指标核函数以及该气象指标的核函数权重,CSJS、wCSJS分别为成熟期内降水总量(mm)、该气象指标核函数以及该气象指标的核函数权重,bcs为偏差,其中,成熟期内降水总量为成熟期内日降水量的总和。
优选地,所述基于向日葵经济产量过去n年的数据确定向日葵气象产量过去n年的数据包括:
将向日葵经济产量过去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向日葵每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向日葵每年的j个经济产量的模拟值;
根据向日葵每年的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,并将其作为向日葵每年的趋势经济产量;
将向日葵每年的经济产量和趋势经济产量相减即为向日葵每年的气象产量。
优选地,基于向日葵每个生育时期的气象生物量过去n年的数据和向日葵气象产量过去n年的数据确定向日葵气象生物量-气象产量的预测模型包括:
基于向日葵每个生育时期的气象生物量过去n年的数据和向日葵气象产量过去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;
基于向日葵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,以及偏差值确定向日葵气象生物量-气象产量预测模型,其计算公式为:
在本优选实施方式中,向日葵的成长阶段分为播种期、苗期、现蕾开花期和成熟期4个生育时期。与之相对应,所述向日葵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为向日葵气象产量,ybc、分别为向日葵播种期生物量、向日葵播种期生物量核函数及核函数权重,ymq、分别为向日葵苗期生物量、向日葵苗期生物量核函数及核函数权重,yxk、分别为向日葵现蕾开花期生物量、向日葵现蕾开花期生物量核函数及核函数权重,ycs、分别为向日葵成熟期生物量、向日葵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向日葵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向日葵气象产量的系统200包括:
向日葵生育期划分单元201,其用于根据向日葵的生育特征,将向日葵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,其用于根据向日葵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,其用于采集影响向日葵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,其用于基于向日葵每个生育时期的生物量过去n年的数据确定向日葵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,其用于基于向日葵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年的数据确定向日葵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,其用于基于向日葵经济产量过去n年的数据确定向日葵气象产量过去n年的数据。
第二模型单元207,其用于基于向日葵每个生育时期的气象生物量过去n年的数据和向日葵气象产量过去n年的数据确定向日葵的气象生物量-气象产量预测模型。
向日葵气象指标单元208,其用于基于影响向日葵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,确定向日葵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和日降水量。
向日葵气象生物量单元209,其用于基于向日葵当年每个生育时期的气象指标的数据,根据向日葵每个生育时期的气象指标-气象生物量预测模型,确定向日葵当年每个生育时期的气象生物量。
向日葵气象产量单元210,其用于基于向日葵当年每个生育时期的气象生物量,根据向日葵气象生物量-气象产量预测模型,确定向日葵当年的气象产量。
优选地,所述向日葵气象指标单元208包括:
未知气象指标单元281,其用于基于影响向日葵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,所述日平均温度和日降水量预测模型的计算公式与确定向日葵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向日葵每个生育时期的起止时间进行划分,即得到向日葵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,其用于将向日葵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向日葵每个生育时期的每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向日葵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,其用于根据向日葵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,并将其作为向日葵每个生育时期每年的趋势生物量;
第一结果单元245,其用于将向日葵每个生育时期的每年的生物量和趋势生物量相减即为向日葵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,其用于基于向日葵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,以及偏差值确定向日葵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是向日葵当年第i个生育时期的气象生物量,是向日葵当年第i个生育时期第j个气象指标的核函数,ωij是向日葵当年第i个生育时期第j个气象指标的核函数的权重,bi是根据核函数确定向日葵当年第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,其用于将向日葵经济产量过去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向日葵每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向日葵每年的j个经济产量的模拟值;
第二趋势值单元264,其用于根据向日葵每年的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,并将其作为向日葵每年的趋势经济产量;
第二结果单元265,将向日葵每年的经济产量和趋势经济产量相减即为向日葵每年的气象产量。
优选地,所述第二模型单元207包括:
第二参数单元271,其用于基于向日葵每个生育时期的气象生物量过去n年的数据和向日葵气象产量过去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,其用于基于向日葵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,以及偏差值确定向日葵气象生物量-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)
1.一种确定向日葵气象产量的方法,其特征在于,所述方法包括:
根据向日葵的生育特征,将向日葵的成长阶段划分为若干个生育时期;
采集影响向日葵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,以及向日葵每个生育时期起止时间的历史数据;
根据向日葵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;
基于向日葵每个生育时期的生物量过去n年的数据确定向日葵每个生育时期的气象生物量过去n年的数据;
基于向日葵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年的数据确定向日葵每个生育时期的气象指标-气象生物量预测模型,包括:
基于向日葵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,以及偏差值确定向日葵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是向日葵当年第i个生育时期的气象生物量,是向日葵当年第i个生育时期第j个气象指标的核函数,ωij是向日葵当年第i个生育时期第j个气象指标的核函数的权重,bi是根据核函数确定向日葵当年第i个生育时期的气象生物量的偏差值;
基于向日葵经济产量过去n年的数据确定向日葵气象产量过去n年的数据;
基于向日葵每个生育时期的气象生物量过去n年的数据和向日葵气象产量过去n年的数据确定向日葵的气象生物量-气象产量预测模型,包括:
基于向日葵每个生育时期的气象生物量过去n年的数据和向日葵气象产量过去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;
基于向日葵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,以及偏差值确定向日葵气象生物量-气象产量预测模型,其计算公式为:
基于影响向日葵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,确定向日葵当年每个生育时期的气象指标的数据,包括:
基于影响向日葵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和日降水量,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;
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向日葵每个生育时期的起止时间进行划分,即得到向日葵每个生育时期的气象指标数据;
基于向日葵当年每个生育时期的气象指标的数据,根据向日葵每个生育时期的气象指标-气象生物量预测模型,确定向日葵当年每个生育时期的气象生物量;
基于向日葵当年每个生育时期的气象生物量,根据向日葵气象生物量-气象产量预测模型,确定向日葵当年的气象产量。
2.根据权利要求1所述的方法,其特征在于,所述基于向日葵每个生育时期的生物量过去n年的数据确定向日葵每个生育时期的气象生物量过去n年的数据包括:
将向日葵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向日葵每个生育时期的每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向日葵每个生育时期每年的j个生物量的模拟值;
根据向日葵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,并将其作为向日葵每个生育时期每年的趋势生物量;
将向日葵每个生育时期的每年的生物量和趋势生物量相减即为向日葵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,所述基于向日葵经济产量过去n年的数据确定向日葵气象产量过去n年的数据包括:
将向日葵经济产量过去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向日葵每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向日葵每年的j个经济产量的模拟值;
根据向日葵每年的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,并将其作为向日葵每年的趋势经济产量;
将向日葵每年的经济产量和趋势经济产量相减即为向日葵每年的气象产量。
4.一种确定向日葵气象产量的系统,其特征在于,所述系统包括:
向日葵生育期划分单元,其用于根据向日葵的生育特征,将向日葵的成长阶段划分为若干个生育时期;
数据采集单元,其用于采集影响向日葵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,以及向日葵每个生育时期起止时间的历史数据;
生育期时间确定单元,其用于根据向日葵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,其用于基于向日葵每个生育时期的生物量过去n年的数据确定向日葵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,其用于基于向日葵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年的数据确定向日葵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,其用于基于向日葵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,以及偏差值确定向日葵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是向日葵当年第i个生育时期的气象生物量,是向日葵当年第i个生育时期第j个气象指标的核函数,ωij是向日葵当年第i个生育时期第j个气象指标的核函数的权重,bi是根据核函数确定向日葵当年第i个生育时期的气象生物量的偏差值;
第二数据单元,其用于基于向日葵经济产量过去n年的数据确定向日葵气象产量过去n年的数据;
第二模型单元,其用于基于向日葵每个生育时期的气象生物量过去n年的数据和向日葵气象产量过去n年的数据确定向日葵的气象生物量-气象产量预测模型,所述第二模型单元包括:
第二参数单元,其用于基于向日葵每个生育时期的气象生物量过去n年的数据和向日葵气象产量过去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,其用于基于向日葵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,以及偏差值确定向日葵气象生物量-气象产量预测模型,其计算公式为:
向日葵气象指标单元,其用于基于影响向日葵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,确定向日葵当年每个生育时期的气象指标的数据,所述向日葵气象指标单元包括:
未知气象指标单元,其用于基于影响向日葵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和日降水量,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,Thamx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;
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向日葵每个生育时期的起止时间进行划分,即得到向日葵每个生育时期的气象指标数据;
向日葵气象生物量单元,其用于基于向日葵当年每个生育时期的气象指标的数据,根据向日葵每个生育时期的气象指标-气象生物量预测模型,确定向日葵当年每个生育时期的气象生物量;
向日葵气象产量单元,其用于基于向日葵当年每个生育时期的气象生物量,根据向日葵气象生物量-气象产量预测模型,确定向日葵当年的气象产量。
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,其用于将向日葵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向日葵每个生育时期的每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向日葵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,其用于根据向日葵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,并将其作为向日葵每个生育时期每年的趋势生物量;
第一结果单元,其用于将向日葵每个生育时期的每年的生物量和趋势生物量相减即为向日葵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,其用于将向日葵经济产量过去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向日葵每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向日葵每年的j个经济产量的模拟值;
第二趋势值单元,其用于根据向日葵每年的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,并将其作为向日葵每年的趋势经济产量;
第二结果单元,将向日葵每年的经济产量和趋势经济产量相减即为向日葵每年的气象产量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811646261.5A CN109858678B (zh) | 2018-12-29 | 2018-12-29 | 一种确定向日葵气象产量的方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811646261.5A CN109858678B (zh) | 2018-12-29 | 2018-12-29 | 一种确定向日葵气象产量的方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109858678A CN109858678A (zh) | 2019-06-07 |
CN109858678B true CN109858678B (zh) | 2023-04-25 |
Family
ID=66893496
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811646261.5A Active CN109858678B (zh) | 2018-12-29 | 2018-12-29 | 一种确定向日葵气象产量的方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109858678B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111612229B (zh) * | 2020-05-13 | 2023-06-30 | 菏泽市气象局 | 油用牡丹始花期和种子采摘期的预测方法 |
CN116595333B (zh) * | 2023-05-18 | 2024-04-09 | 中国农业大学 | 土壤-气候智慧型的水稻目标产量与氮肥用量确定方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH01300830A (ja) * | 1988-05-27 | 1989-12-05 | Norin Suisansyo Nogyo Kenkyu Center Shocho | 植物生育期予測装置 |
JP2013042668A (ja) * | 2011-08-22 | 2013-03-04 | Fujitsu Ltd | 情報処理装置、収穫時期予測プログラムおよび収穫時期予測方法 |
CN106570627A (zh) * | 2016-11-02 | 2017-04-19 | 河海大学 | 一种未来气候条件下作物灌溉需水量计算方法 |
CN107341577A (zh) * | 2017-07-25 | 2017-11-10 | 中国农业科学院农业信息研究所 | 一种农作物产量预测方法及系统 |
CN107765348A (zh) * | 2017-10-23 | 2018-03-06 | 成都信息工程大学 | 降水量气象报文数据误差修正方法、雨凇景观预测方法 |
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 |
-
2018
- 2018-12-29 CN CN201811646261.5A patent/CN109858678B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH01300830A (ja) * | 1988-05-27 | 1989-12-05 | Norin Suisansyo Nogyo Kenkyu Center Shocho | 植物生育期予測装置 |
JP2013042668A (ja) * | 2011-08-22 | 2013-03-04 | Fujitsu Ltd | 情報処理装置、収穫時期予測プログラムおよび収穫時期予測方法 |
CN106570627A (zh) * | 2016-11-02 | 2017-04-19 | 河海大学 | 一种未来气候条件下作物灌溉需水量计算方法 |
CN107341577A (zh) * | 2017-07-25 | 2017-11-10 | 中国农业科学院农业信息研究所 | 一种农作物产量预测方法及系统 |
CN107765348A (zh) * | 2017-10-23 | 2018-03-06 | 成都信息工程大学 | 降水量气象报文数据误差修正方法、雨凇景观预测方法 |
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 (5)
Title |
---|
李思慧 ; 赵慧颖 ; 侯琼 ; 孙琳丽 ; 赵放 ; .向日葵生长发育气候条件的定量评价研究――以河套灌区为例.中国农学通报.2015,(第36期),全文. * |
李永 ; 夏敏 ; 吴丹 ; .O-U模型在天气衍生品定价中的合理性测度.统计与决策.2011,(第21期),全文. * |
李海涛,沈文清,夏军.MTCLIM模型系列研究报告(1):温度估算方法在中国亚热带山地的有效性验证.山地学报.2003,(第04期),全文. * |
王明月 ; 徐常青 ; 韩敏 ; 李贤 ; .基于气象因子的碧螺春茶年产量预测模型.苏州科技学院学报(自然科学版).2016,(第02期),全文. * |
陈建忠,张焕英.气象因素对向日葵生长发育和产量的影响.中国农业气象.1997,(第05期),全文. * |
Also Published As
Publication number | Publication date |
---|---|
CN109858678A (zh) | 2019-06-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109615148B (zh) | 一种确定玉米气象产量的方法和系统 | |
CN109711102B (zh) | 一种作物灾害损失快速评估方法 | |
CN107341577A (zh) | 一种农作物产量预测方法及系统 | |
CN112215716A (zh) | 农作物生长干预方法、装置、设备及存储介质 | |
CN109858678B (zh) | 一种确定向日葵气象产量的方法和系统 | |
CN111667889B (zh) | 一种预测丹参中质量标志物含量的方法 | |
CN109615149B (zh) | 一种确定甜菜气象产量的方法和系统 | |
CN116451823A (zh) | 一种基于气象主控因子的苹果产量预测方法 | |
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 | |
CN115310680A (zh) | 一种番茄种苗模型建模与生长预测方法 | |
CN109840623B (zh) | 一种确定芝麻气象产量的方法和系统 | |
Haun | Determination of Wheat Growth‐Environment Relationships 1 | |
Bianchi et al. | Light availability predicts mortality probability of conifer saplings in Swiss mountain forests better than radial growth and tree size | |
Lisson et al. | Development of a hemp (Cannabis sativa L.) simulation model 4. Model description and validation | |
Casaroli et al. | How agrometeorological and water deficit variations influence the growth and yield of sugarcane | |
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 | |
CN111241485B (zh) | 一种新型作物产量对气候变化响应的诊断方法 | |
CN114414429B (zh) | 基于生物量积累的玉米水分临界模型的构建方法及应用 | |
CN115762062B (zh) | 猕猴桃果园气象灾害监测预警方法和装置 | |
CN112990692B (zh) | 一种基于分生育阶段多参数耦合的冬小麦产量估计方法 | |
CN112749837B (zh) | 一种基于花后ndvi积累值估测谷类作物产量的方法 | |
CN113984964B (zh) | 基于多源数据监测抗旱性分析的玉米品种筛选方法及系统 | |
CN111667167B (zh) | 一种农业粮食产量估算方法和系统 |
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 |