CN110246051A - 作物生长周期模型及不同种类农产品建立生长周期的方法 - Google Patents
作物生长周期模型及不同种类农产品建立生长周期的方法 Download PDFInfo
- Publication number
- CN110246051A CN110246051A CN201910438323.1A CN201910438323A CN110246051A CN 110246051 A CN110246051 A CN 110246051A CN 201910438323 A CN201910438323 A CN 201910438323A CN 110246051 A CN110246051 A CN 110246051A
- Authority
- CN
- China
- Prior art keywords
- agricultural product
- cycle
- meteorological
- quality
- crop
- 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.)
- Pending
Links
- 230000012010 growth Effects 0.000 title claims abstract description 70
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000009395 breeding Methods 0.000 claims abstract description 40
- 230000001488 breeding effect Effects 0.000 claims abstract description 40
- 238000004458 analytical method Methods 0.000 claims abstract description 21
- 238000007689 inspection Methods 0.000 claims abstract description 10
- 238000005259 measurement Methods 0.000 claims abstract description 10
- 238000011156 evaluation Methods 0.000 claims description 12
- 238000001556 precipitation Methods 0.000 claims description 11
- 238000004519 manufacturing process Methods 0.000 claims description 7
- 230000004069 differentiation Effects 0.000 claims description 6
- 238000005286 illumination Methods 0.000 claims description 6
- 208000000509 infertility Diseases 0.000 claims description 6
- 230000036512 infertility Effects 0.000 claims description 6
- 231100000535 infertility Toxicity 0.000 claims description 6
- 238000003860 storage Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000010219 correlation analysis Methods 0.000 claims description 3
- 238000007726 management method Methods 0.000 claims description 3
- 230000035945 sensitivity Effects 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 2
- 238000009313 farming Methods 0.000 claims 1
- 230000000737 periodic effect Effects 0.000 abstract description 5
- 244000298715 Actinidia chinensis Species 0.000 description 7
- 235000009434 Actinidia chinensis Nutrition 0.000 description 7
- 235000009436 Actinidia deliciosa Nutrition 0.000 description 7
- 235000021028 berry Nutrition 0.000 description 7
- 235000013399 edible fruits Nutrition 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000012271 agricultural production Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000004345 fruit ripening Effects 0.000 description 3
- 230000035784 germination Effects 0.000 description 3
- 238000009825 accumulation Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 230000004720 fertilization Effects 0.000 description 2
- 230000005089 fruit drop Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 235000016709 nutrition Nutrition 0.000 description 2
- 230000035764 nutrition Effects 0.000 description 2
- 230000010152 pollination Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 244000144730 Amygdalus persica Species 0.000 description 1
- 241000282693 Cercopithecidae Species 0.000 description 1
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 description 1
- 235000006040 Prunus persica var persica Nutrition 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000001010 compromised effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000013210 evaluation model Methods 0.000 description 1
- 230000005078 fruit development Effects 0.000 description 1
- 238000001802 infusion Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000000116 mitigating effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000029553 photosynthesis Effects 0.000 description 1
- 238000010672 photosynthesis Methods 0.000 description 1
- 230000000243 photosynthetic effect Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000000275 quality assurance Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000004575 stone Substances 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06395—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
- 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
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Agronomy & Crop Science (AREA)
- Primary Health Care (AREA)
- Mining & Mineral Resources (AREA)
- Animal Husbandry (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Marine Sciences & Fisheries (AREA)
- Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明属于农作物生长技术领域，公开了一种作物生长周期模型及不同种类农产品建立生长周期的方法，具体包括以下步骤：建立针对农产品气候品质认证的农作物生长周期模型根据不同类别的农产品建立不同的生长周期；根据多年总结的最适合范围的值，与当年的实测气象条件进行对照，给出生育期的每个气象要素的评价等级；并且根据分析结果，结合现场勘查，给出该农产品的气候品质质量等级。本发明根据多年总结的最适合范围的值，与当年的实测气象条件进行对照，给出生育期的每个气象要素的评价等级(最适宜、次适宜、适宜、不适宜)；并且根据分析结果，结合现场勘查，给出该农产品的气候品质质量等级。
Description
技术领域
本发明属于农作物生长技术领域，尤其涉及一种作物生长周期模型及不同种类农产品建立生长周期的方法。
背景技术
目前，业内常用的现有技术是这样的：
随着我国现代农业的快速推进和人们生活质量的不断改善，无论是政府、企业还是消费者，对加速建立健全农产品质量安全信用体系的呼声日趋强烈。为建立健全我国农产品质量安全信用体系，自上世纪90年代起，国家和农产品生产销售相关管理部门也陆续出台了一系列加强监督管理的政策措施，如建立健全农产品质量检验监测体系，开展优质农产品“三品一标”认证(无公害、绿色、有机和地标认证)。但由于缺少强有力的数据信息支撑和便捷的信息披露与追溯手段，少数不法生产经营者假冒优质农产品的现象依然突出，既严重损害了广大消费者的切身利益，打击了消费者的消费信心，也削弱了我国农产品在国际市场的竞争力。如何进一步提高防范与打击假冒优质农产品的手段和能力，提升农产品质量安全信用度，已成为我国现代农业发展进程中政府、企业和消费者高度关注的命题。
农产品气候品质认证与溯源平台是建立农产品气候品质认证信用体系的重要保障，是农产品获得第三方信用支撑的重要基石，是增加消费者对名、特、优、新农产品的识别，提升消费信心的重要手段。通过该系统的建设实现以服务“三农”为核心的互联网气象为农“直通车”式服务，创新服务理念、服务组织、服务流程、服务机制、服务技术和服务方式。
综上所述，现有技术存在的问题是：
(1)现有技术中，没有对农产品气候品质认证的农作物生长周期模型；没有根据不同类别的农产品建立不同的生长周期；造成对农产品的气候品质质量等级不能正确判断。
(2)现行的农产品品质评价模式，通常就是根据专家的经验直接打分，这样子对农产品的品质不能形成一个客观地评价。
(3)现有的农产品评价未将农产品实际生长周期中的气象灾害数据引入平台进行统一参与分析，由于农产品生长周期的实际气象灾害信息对农产品的品质影响较大，缺失该数据易造成对农产品的气候品质质量等级不能正确判断。
解决上述技术问题的难度和意义：
如何建立一个可靠的农产品气候品质模型，以及在各个生长周期的气象要素的确认，气象要素的的选择会直接影响对农产品品质的评价，并且用户通过二维码扫码可以得知该农产品的相关评价信息，对于一些有专业背景的人可以通过指标进行大致了解该农产品的品质数据。
发明内容
针对现有技术存在的问题，本发明提供了作物生长周期模型及不同种类农产品建立生长周期的方法，
本发明是这样实现的，一种作物生长周期模型及不同种类农产品建立生长周期的方法，根据不同种类的农产品，建立其在生长周期中最影响农产品品质的周期信息，具体包括以下步骤：
步骤一：通过农作物生长周期认证终端建立针对农产品气候品质认证的农作物生长周期模型；
步骤二：农作物不同生长周期分析服务器根据不同类别的农产品建立不同的生长周期；
步骤三：气象要素的分析终端根据多年总结的最适合范围的值，与当年的实测气象条件进行对照，给出生育期的每个气象要素的评价等级；
步骤四：候品质质量等级分析终端根据分析结果，结合现场勘查，给出该农产品的气候品质质量等级。
进一步，所述作物生长周期模型及不同种类农产品建立生长周期的方法包括：步骤一进一步包括：建立农产品判定等级，判别的等级分为：特优、优和良三个等级；
进一步，步骤二进一步包括关键气候要素的分析与确定，
首先分析历年某农产品质量、该地区气象数据，以及该地区历年气象数据的基础上，分析农作物生产的特点及其不同生育期对光照、气温、水分的生理需求，从实际质量中分离出来的气象质量与某农作物各生长期敏感气象要素进行Pearson(皮尔逊)相关性分析，计算出历年间某农作物气象质量与当年各旬日照、气温和降水量变化的相关度，识别出某农作物生产关键气象要素。
进一步，步骤三进一步包括农产品气候要素评级判别的方法，假设所得到某气象要素的最适宜指标为：a～b(a为下限值，b为上限值)，x为实际观测值；当：
a≤x≤b，判别为最适宜；
b＜x≤b+0.5(b-a)，或者，a-0.5(b-a)≤x＜a，判别为适宜；
b+0.5(b-a)＜x≤b+(b-a)，或者，a-(b-a)≤x＜a-0.5(b-a)，判别为次适宜；
b+(b-a)＜x，或者，x＜a-(b-a)，判别为不适宜。
进一步，步骤四进一步包括不同生育期的综合气象条件等级判别，具体有：
I)根据多气象要素判别气象品质等级评价；
II)对农作物不同生育周期的所观测的气象要素进行等级判别；
III)农产品气候品质的综合等级判别。
进一步，步骤I)进一步包括：
(1)首先根据不同生育期的的气象要素，根据前面的方法，确定3～4个关键气象因子；
(2)根据实际现场观测获得观测气象要素值；
(3)对这些气象要素进行评价，确定最适宜、适宜、次适宜、不适宜四个等级；
步骤II)进一步包括：
某个农作物某生育周期的气象要素最适宜评价；
某个农作物某生育周期的气象要素适宜的判断；
某个农作物某生育周期的气象要素适宜的判断；
某个农作物某生育周期的气象要素适宜的判断；
步骤III)进一步包括：
假设N为全生育期天数，M为关键生育期天数；
一般生育期的权重为：A＝0.6×(1/N)；
关键生育期的权重为：B＝(1/N)+((N-M)×0.4×(1/N))/M；
然后根据不同生育期的综合气象条件的等级进行气候品质等级评价，
假设R代表各个气象要素的等级值，取值如下：
某个气象要素等级为最适宜R＝1；适宜R＝0.7；次适宜R＝0.3；不适宜R＝0；
最后根据判别经验公式，计算气候品质的综合等级；
判别计算公式为：
P＝S+T+Q；
其中，P为气候品质综合判别值；
S为一般生育期的气候品质判别值；
T为关键生育期的气候品质判别值；
A为一般生育期的权重系数；
B为关键生育期权重系数；
R为各个生育期的综合气象条件的等级赋值；
N为全生育期数，M为关键生育期数；
Q为随机参数。
农作物的气候品质判别的标准为：
当P≥0.9时，农产品气候品质级别评为特优；
当0.6≤P＜0.9时，农产品气候品质级别评为优；
当P＜0.6时，农产品气候品质级别评为良好。
本发明的另一目的在于提供一种所述作物生长周期模型及不同种类农产品建立生长周期的方法的不同种类农产品建立生长周期管理平台。
本发明的另一目的在于提供一种实现所述作物生长周期模型及不同种类农产品建立生长周期的方法的农产品建立生长周期计算机程序。
本发明的另一目的在于提供一种实现所述作物生长周期模型及不同种类农产品建立生长周期的方法的信息数据处理终端。
本发明的另一目的在于提供一种计算机可读存储介质，包括指令，当其在计算机上运行时，使得计算机执行所述的作物生长周期模型及不同种类农产品建立生长周期的方法。
综上所述，本发明的优点及积极效果为：
本发明根据多年总结的最适合范围的值，与当年的实测气象条件进行对照，给出生育期的每个气象要素的评价等级(最适宜、次适宜、适宜、不适宜)；并且根据分析结果，结合现场勘查，给出该农产品的气候品质质量等级。
本发明建立针对农产品气候品质认证的农作物生长周期模型；根据不同类别的农产品建立不同的生长周期；根据多年总结的最适合范围的值，与当年的实测气象条件进行对照，给出生育期的每个气象要素的评价等级；并且根据分析结果，结合现场勘查，给出该农产品的气候品质质量等级。为农业生产提供指导作用。
附图说明
图1是本发明实施例提供的作物生长周期模型及不同种类农产品建立生长周期的方法流程图。
图2是本发明实施例提供的农作物关键气候要素确定流程图。
图3是本发明实施例提供的农作物气象要素最适宜判断流程图
图4是本发明实施例提供的农作物气象要素适宜判断流程图。
图5是本发明实施例提供的某个农作物某生育周期的气象要素适宜的判断流程图。
图6是本发明实施例提供的某个农作物某生育周期的气象要素适宜的判断流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
下面结合附图对本发明的应用原理做详细描述。
如图1所示，本发明实施例提供的作物生长周期模型及不同种类农产品建立生长周期的方法，根据不同种类的农产品，建立其在生长周期中最影响农产品品质的周期信息，具体包括以下步骤：
S101：建立针对农产品气候品质认证的农作物生长周期模型；
S102：根据不同类别的农产品建立不同的生长周期；
S103：根据多年总结的最适合范围的值，与当年的实测气象条件进行对照，给出生育期的每个气象要素的评价等级；
S104：并且根据分析结果，结合现场勘查，给出该农产品的气候品质质量等级。
步骤S103中，发明实施例提供的评价等级为最适宜、次适宜、适宜、不适宜。
发明实施例提供的生长周期分为发芽展叶期、开花期、果实膨大期、糖份转化期、果实成熟摘果期。
发明实施例提供的气象要素为气温、降水、积温、日照时数、雨日数、气温日较差、降水。
在本发明实施例中，作物生长周期模型及不同种类农产品建立生长周期的方法，具体包括：通过农作物生长周期认证终端建立针对农产品气候品质认证的农作物生长周期模型；
农作物不同生长周期分析服务器根据不同类别的农产品建立不同的生长周期；
气象要素的分析终端根据多年总结的最适合范围的值，与当年的实测气象条件进行对照，给出生育期的每个气象要素的评价等级；
候品质质量等级分析终端根据分析结果，结合现场勘查，给出该农产品的气候品质质量等级。
下面结合具体实施例对本发明的应用原理作详细说明；
以苍溪猕猴桃为例，它的生长周期分为：发芽展叶期、开花期、果实膨大期、糖份转化期、果实成熟摘果期。
在发芽展叶期考核的气象要素为气温、降水、积温；
在开花期考核的气象要素为气温、降水、日照时数；
在果实膨大期考核的气象要素为气温、降水、雨日数、日照时数；
在糖份转化期考核的气象要素为气温、气温日较差、降水、雨日数、日照时数；
在果实成熟摘果期考核的气象要素为气温、降水、日照。
专家根据多年总结的最适合范围的值，与当年的实测气象条件进行对照，给出生育期的每个气象要素的评价等级(最适宜、次适宜、适宜、不适宜)；并且根据分析结果，结合现场勘查，给出该农产品的气候品质质量等级。
下面结合具体实施例对本发明作进一步描述。
实施例
本发明实施例提供的作物生长周期模型及不同种类农产品建立生长周期的方法包括：
第一步，建立针对农产品气候品质认证的农作物生长周期模型；
1)针对农产品在不同的生育期气候要素对农产品的影响，建立农产品等级的判定，如猕猴桃在花期降雨量与产品质量之间呈显著的负相关，晴天天数与质量之间呈显著的正相关，两者是一致的。说明猕猴桃开花期最怕连阴雨。开花时，天气晴好，阳光充足，有利于花器的正常发育，雌、雄花及时授粉受精，着果率高，为猕猴桃丰产保障质量奠定基础。若开花时阴雨绵绵，光照不足，影响雌、雄花的授粉受精，着果率低，产量和质量就会降低。在猕猴桃落花落果期雨量、日照时数落花落果期降雨量与产量和质量呈显着的负相关，日照时数与产量和质量呈正相关。说明猕猴桃在幼果形成后需要充足的阳光满足光合作用的需要。果树在开花期消耗营养很多，所以花期及花后短期内树体营养处于低水平，此时如遇阴雨，光照不足，则光合作用受影响，营养状况恶化，引起生理失调而落果，造成减产，对猕猴桃的质量也有很大的影响。在果肉生长期雨量、日照时数果肉生长期降雨量与产量及日照时数与产量均呈正相关(指偏相关系数)，说明猕猴桃在果肉生长期应以雨水调匀，日照充足为好。果肉生长期正是盛夏之际，若遇到久晴不雨，高温干旱，会严重影响果肉生长，使果实发育不良，严重影响质量。
因此，本发明针对不同的农产品，分析气候要素在其不同的生育期的影响重要性，确定重要的气候要素，然后根据观测的这些气候要素进行农产品气候品质等级判别，判别的等级分为：特优、优和良三个等级。
第二步，根据不同类别的农产品建立不同的生长周期，具体包括：关键气候要素的分析与确定：
在分析对农作物质量有影响的重要气候要素时，首先要分析历年某农产品质量、该地区气象数据(气温、光照、降水量和积温)，以及该地区历年气象数据的基础上，综合考虑农作物生产的特点及其不同生育期对光照、气温、水分的生理需求，将从实际质量中分离出来的气象质量与某农作物各生长期敏感气象要素进行Pearson(皮尔逊)相关性分析，计算出历年间某农作物气象质量与当年各旬(月)日照、气温和降水量变化的相关度，从而识别出某农作物生产关键气象要素，主要方法流程见图2所示。
针对多气象要素，本发明通过Pearson(皮尔逊)相关性分析，获得三、四个关键气象要素，这些气象因素就是决定农作物不同的生育期的关键气象要素。
第三步，根据多年总结的最适合范围的值，与当年的实测气象条件进行对照，给出生育期的每个气象要素的评价等级；具体包括：
农产品气候要素评级判别的方法：
确定了关键气象要素，这些要素是否是否最适宜、适宜或者次适宜的依据判别方法如下：
假设所得到某气象要素的最适宜指标为：a～b(a为下限值，b为上限值)，x为实际观测值；当：
a≤x≤b，判别为最适宜；
b＜x≤b+0.5(b-a)，或者，a-0.5(b-a)≤x＜a，判别为适宜；
b+0.5(b-a)＜x≤b+(b-a)，或者，a-(b-a)≤x＜a-0.5(b-a)，判别为次适宜；
b+(b-a)＜x，或者，x＜a-(b-a)，判别为不适宜。
权重系数0.5是经验值，根据多年的积累采取的值，在评估农产品时，经过多年的积累，该权重值可能会人工修正。
通过上面方法，可以给出农作物不同的生育期的关键气象要素的评价等级。
第四步，并且根据分析结果，结合现场勘查，给出该农产品的气候品质质量等级。具体包括不同生育期的综合气象条件等级判别：
I)根据多气象要素判别气象品质等级评价：
(1)首先根据不同生育期的的气象要素，根据前面的方法，确定3～4个关键气象因子(要素)；
(2)根据实际现场观测获得可以观测气象要素值；
(3)由农业专家对这些气象要素进行评价，确定最适宜、适宜、次适宜、不适宜四个等级。
II)对农作物不同生育周期的所观测的气象要素进行等级判别方法：
(1)某个农作物某生育周期的气象要素最适宜评价
某个农作物某生育周期的气象要素最适宜的判断流程图如图3所示。
最适宜：所有因子(要素)的评定等级为最适宜；所有关键因子(要素)的评定等级为最适宜，其余因子评定等级为适宜以上级别；超过50％关键因子(要素)的评定等级为最适宜，其余因子评定等级为最适宜以上级别。
适宜：所有因子(要素)的评定等级为适宜；所有关键因子(要素)的评定等级为适宜，其余因子评定等级为次适宜以上级别；超过50％关键因子(要素)的评定等级为适宜，其余因子评定等级为适宜以上级别
某个农作物某生育周期的气象要素适宜的判断流程图如图4所示。
次适宜：所有因子(要素)的评定等级为次适宜；超过50％关键因子(要素)的评定等级为次适宜。
某个农作物某生育周期的气象要素适宜的判断流程图如图5所示。
不适宜：所有因子(要素)的评定等级为不适宜；超过50％关键因子(要素)的评定等级为不适宜。
某个农作物某生育周期的气象要素适宜的判断流程图如图6所示。
III)农产品气候品质的综合等级判别：
针对不同的农产品，分析气候要素在其不同的生育期的影响重要性，根据观测的这些气候要素进行农产品气候品质等级判别，判别的等级分为：特优、优和良三个等级。
判别方法是根据不同农作物在不同生育期的权重进行分配的，具体方法如下：
假设N为全生育期天数，M为关键生育期天数
一般生育期的权重为：A＝0.6×(1/N)；
关键生育期的权重为：B＝(1/N)+((N-M)×0.4×(1/N))/M
然后根据不同生育期的综合气象条件的等级进行气候品质等级评价，具体方法如下：
当综合气象条件的判别等级为：
假设R代表各个气象要素的等级值，其取值如下：
某个气象要素等级为最适宜R＝1；适宜R＝0.7；次适宜R＝0.3；不适宜R＝0。
最后根据判别经验公式，计算气候品质的综合等级。
判别计算公式为：
P＝S+T+Q；
其中，P为气候品质综合判别值；
S为一般生育期的气候品质判别值；
T为关键生育期的气候品质判别值；
A为一般生育期的权重系数；
B为关键生育期权重系数；
R为各个生育期的综合气象条件的等级赋值；
N为全生育期数，M为关键生育期数；
Q为随机参数。
由于Q(随机参数)值为专家打分，专家可依据在异常气候背景下当地的抗灾减灾能力及生产措施实施情况，给农作物气候品质打分。分值可在0.05-0.2之间。
根据上述公式，农作物的气候品质判别的标准为：
当P≥0.9时，农产品气候品质级别评为特优；
当0.6≤P＜0.9时，农产品气候品质级别评为优；
当P＜0.6时，农产品气候品质级别评为良好。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用全部或部分地以计算机程序产品的形式实现，所述计算机程序产品包括一个或多个计算机指令。在计算机上加载或执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL)或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输)。所述计算机可读取存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘SolidState Disk(SSD))等
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种作物生长周期模型及不同种类农产品建立生长周期的方法，其特征在于，所述的作物生长周期模型及不同种类农产品建立生长周期的方法，根据不同种类的农产品，建立其在生长周期中最影响农产品品质的周期信息，具体包括以下步骤：
步骤一：通过农作物生长周期认证终端建立针对农产品气候品质认证的农作物生长周期模型；
步骤二：农作物不同生长周期分析服务器根据不同类别的农产品建立不同的生长周期；
步骤三：气象要素的分析终端根据多年总结的最适合范围的值，与当年的实测气象条件进行对照，给出生育期的每个气象要素的评价等级；
步骤四：候品质质量等级分析终端根据分析结果，结合现场勘查，给出该农产品的气候品质质量等级。
2.如权利要求1所述作物生长周期模型及不同种类农产品建立生长周期的方法，其特征在于，所述作物生长周期模型及不同种类农产品建立生长周期的方法包括：步骤一进一步包括：建立农产品判定等级，判别的等级分为：特优、优和良三个等级。
3.如权利要求1所述作物生长周期模型及不同种类农产品建立生长周期的方法，其特征在于，步骤二进一步包括关键气候要素的分析与确定，
首先分析历年某农产品质量、该地区气象数据，以及该地区历年气象数据的基础上，分析农作物生产的特点及其不同生育期对光照、气温、水分的生理需求，从实际质量中分离出来的气象质量与某农作物各生长期敏感气象要素进行Pearson(皮尔逊)相关性分析，计算出历年间某农作物气象质量与当年各旬日照、气温和降水量变化的相关度，识别出某农作物生产关键气象要素。
4.如权利要求1所述作物生长周期模型及不同种类农产品建立生长周期的方法，其特征在于，步骤三进一步包括农产品气候要素评级判别的方法，假设所得到某气象要素的最适宜指标为：a～b(a为下限值，b为上限值)，x为实际观测值；当：
a≤x≤b，判别为最适宜；
b＜x≤b+0.5(b-a)，或者，a-0.5(b-a)≤x＜a，判别为适宜；
b+0.5(b-a)＜x≤b+(b-a)，或者，a-(b-a)≤x＜a-0.5(b-a)，判别为次适宜；
b+(b-a)＜x，或者，x＜a-(b-a)，判别为不适宜。
5.如权利要求1所述作物生长周期模型及不同种类农产品建立生长周期的方法，其特征在于，步骤四进一步包括不同生育期的综合气象条件等级判别，具体有：
I)根据多气象要素判别气象品质等级评价；
II)对农作物不同生育周期的所观测的气象要素进行等级判别；
III)农产品气候品质的综合等级判别。
6.如权利要求5所述作物生长周期模型及不同种类农产品建立生长周期的方法，其特征在于，步骤I)进一步包括：
(1)首先根据不同生育期的的气象要素，根据前面的方法，确定3～4个关键气象因子；
(2)根据实际现场观测获得观测气象要素值；
(3)对这些气象要素进行评价，确定最适宜、适宜、次适宜、不适宜四个等级；
步骤II)进一步包括：
某个农作物某生育周期的气象要素最适宜评价；
某个农作物某生育周期的气象要素适宜的判断；
某个农作物某生育周期的气象要素适宜的判断；
某个农作物某生育周期的气象要素适宜的判断；
步骤III)进一步包括：
假设N为全生育期天数，M为关键生育期天数；
一般生育期的权重为：A＝0.6×(1/N)；
关键生育期的权重为：B＝(1/N)+((N-M)×0.4×(1/N))/M；
然后根据不同生育期的综合气象条件的等级进行气候品质等级评价，
假设R代表各个气象要素的等级值，取值如下：
某个气象要素等级为最适宜R＝1；适宜R＝0.7；次适宜R＝0.3；不适宜R＝0；
最后根据判别经验公式，计算气候品质的综合等级；
判别计算公式为：
P＝S+T+Q；
其中，P为气候品质综合判别值；
S为一般生育期的气候品质判别值；
T为关键生育期的气候品质判别值；
A为一般生育期的权重系数；
B为关键生育期权重系数；
R为各个生育期的综合气象条件的等级赋值；
N为全生育期数，M为关键生育期数；
Q为随机参数。
农作物的气候品质判别的标准为：
当P≥0.9时，农产品气候品质级别评为特优；
当0.6≤P＜0.9时，农产品气候品质级别评为优；
当P＜0.6时，农产品气候品质级别评为良好。
7.一种如权利要求1所述作物生长周期模型及不同种类农产品建立生长周期的方法的不同种类农产品建立生长周期管理平台。
8.一种实现权利要求1所述作物生长周期模型及不同种类农产品建立生长周期的方法的农产品建立生长周期计算机程序。
9.一种实现权利要求1所述作物生长周期模型及不同种类农产品建立生长周期的方法的信息数据处理终端。
10.一种计算机可读存储介质，包括指令，当其在计算机上运行时，使得计算机执行如权利要求1所述的作物生长周期模型及不同种类农产品建立生长周期的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910438323.1A CN110246051A (zh) | 2019-05-23 | 2019-05-23 | 作物生长周期模型及不同种类农产品建立生长周期的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910438323.1A CN110246051A (zh) | 2019-05-23 | 2019-05-23 | 作物生长周期模型及不同种类农产品建立生长周期的方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110246051A true CN110246051A (zh) | 2019-09-17 |
Family
ID=67884994
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910438323.1A Pending CN110246051A (zh) | 2019-05-23 | 2019-05-23 | 作物生长周期模型及不同种类农产品建立生长周期的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110246051A (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111582889A (zh) * | 2020-05-13 | 2020-08-25 | 成都信息工程大学 | 一种农产品气候品质认证与溯源系统 |
| CN111832970A (zh) * | 2020-07-27 | 2020-10-27 | 南京信息工程大学 | 一种引黄灌区水稻气候品质认证方法 |
| CN112488467A (zh) * | 2020-11-16 | 2021-03-12 | 中国科学院合肥物质科学研究院 | 一种基于多尺度生境信息的水培作物施肥装置 |
| CN113052484A (zh) * | 2021-04-08 | 2021-06-29 | 中国气象局公共气象服务中心(国家预警信息发布中心) | 基于格点化气象数据的农产品气候品质评估方法及装置 |
| CN115860581A (zh) * | 2023-02-28 | 2023-03-28 | 北京市农林科学院信息技术研究中心 | 农作物品种适宜性评价方法、装置、设备及存储介质 |
| CN116152006A (zh) * | 2022-12-08 | 2023-05-23 | 福建省气象科学研究所 | 一种甘薯气候品质评估方法及系统 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2001256289A (ja) * | 2000-03-14 | 2001-09-21 | Shigenao Daimatsu | 農業および水産業用生産管理システム |
| CN107274297A (zh) * | 2017-06-14 | 2017-10-20 | 贵州中北斗科技有限公司 | 一种土地作物种植适宜性评估方法 |
-
2019
- 2019-05-23 CN CN201910438323.1A patent/CN110246051A/zh active Pending
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2001256289A (ja) * | 2000-03-14 | 2001-09-21 | Shigenao Daimatsu | 農業および水産業用生産管理システム |
| CN107274297A (zh) * | 2017-06-14 | 2017-10-20 | 贵州中北斗科技有限公司 | 一种土地作物种植适宜性评估方法 |
Non-Patent Citations (1)
| Title |
|---|
| 赵金鹏等: "农产品气候品质认证与溯源平台的设计与实现", 《气象科技》 * |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111582889A (zh) * | 2020-05-13 | 2020-08-25 | 成都信息工程大学 | 一种农产品气候品质认证与溯源系统 |
| CN111832970A (zh) * | 2020-07-27 | 2020-10-27 | 南京信息工程大学 | 一种引黄灌区水稻气候品质认证方法 |
| CN111832970B (zh) * | 2020-07-27 | 2023-05-05 | 南京信息工程大学 | 一种引黄灌区水稻气候品质认证方法 |
| CN112488467A (zh) * | 2020-11-16 | 2021-03-12 | 中国科学院合肥物质科学研究院 | 一种基于多尺度生境信息的水培作物施肥装置 |
| CN113052484A (zh) * | 2021-04-08 | 2021-06-29 | 中国气象局公共气象服务中心(国家预警信息发布中心) | 基于格点化气象数据的农产品气候品质评估方法及装置 |
| CN116152006A (zh) * | 2022-12-08 | 2023-05-23 | 福建省气象科学研究所 | 一种甘薯气候品质评估方法及系统 |
| CN116152006B (zh) * | 2022-12-08 | 2024-01-12 | 福建省气象科学研究所 | 一种甘薯气候品质评估方法及系统 |
| CN115860581A (zh) * | 2023-02-28 | 2023-03-28 | 北京市农林科学院信息技术研究中心 | 农作物品种适宜性评价方法、装置、设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110246051A (zh) | 作物生长周期模型及不同种类农产品建立生长周期的方法 | |
| Webb et al. | Modelled impact of future climate change on the phenology of winegrapes in Australia | |
| Hannah et al. | An approach to hydrograph classification | |
| Trought et al. | Vineyard variability in Marlborough, New Zealand: characterising spatial and temporal changes in fruit composition and juice quality in the vineyard | |
| CN112215716A (zh) | 农作物生长干预方法、装置、设备及存储介质 | |
| WO2023116454A1 (zh) | 一种蝗灾潜在高风险区识别方法、装置、设备及存储介质 | |
| Diao et al. | Use of vegetation change tracker, spatial analysis, and random forest regression to assess the evolution of plantation stand age in Southeast China | |
| Cardozo et al. | Modeling sugarcane ripening as a function of accumulated rainfall in Southern Brazil | |
| CN112418952B (zh) | 一种基于大数据分析的农产品市场价格预警管理云计算平台 | |
| CN105638261B (zh) | 一种水稻高产群体抗倒伏性能鉴定方法 | |
| CN107229999A (zh) | 作物产量的预测方法、系统、计算机设备及可读存储介质 | |
| CN116543316B (zh) | 一种利用多时相高分辨率卫星影像识别稻田内草皮的方法 | |
| CN115220506B (zh) | 一种基于物联网终端的多点源冷暖控制系统 | |
| McRoberts et al. | Modeling and estimating change | |
| CN115575601A (zh) | 基于水汽通量散度的植被旱灾指数评估方法和系统 | |
| Mohan et al. | A hurricane wind risk and loss assessment of Caribbean agriculture | |
| Noyer et al. | Time shifts in height and diameter growth allocation in understory European beech (Fagus sylvatica L.) following canopy release | |
| CN111582742A (zh) | 一种基于气象评价农产品品质的方法及系统 | |
| CN114414491B (zh) | 一种草原生态动态监测与分析系统 | |
| Bianchi et al. | Spatial patterns of living and dead small trees in subalpine Norway spruce forest reserves in Switzerland | |
| Okoh et al. | Preliminary results of temperature modelling in Nigeria using neural networks | |
| CN118071194A (zh) | 一种莓茶气象灾害监测系统及方法 | |
| CN108960633A (zh) | 大叶种晒青毛茶气候品质评价方法、评价模型和品质评价等级 | |
| Umeki | Tree mortality of five major species on Hokkaido Island, northern Japan | |
| CN110276482B (zh) | 一种植物花果生育期起止时间的预报方法 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190917 |