CN110674972A - 覆盆子山柰酚-3-o-芸香糖苷及鞣花酸含量预测的方法 - Google Patents
覆盆子山柰酚-3-o-芸香糖苷及鞣花酸含量预测的方法 Download PDFInfo
- Publication number
- CN110674972A CN110674972A CN201910793332.2A CN201910793332A CN110674972A CN 110674972 A CN110674972 A CN 110674972A CN 201910793332 A CN201910793332 A CN 201910793332A CN 110674972 A CN110674972 A CN 110674972A
- Authority
- CN
- China
- Prior art keywords
- content
- raspberry
- temperature
- harvesting
- rutinoside
- 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
- RTATXGUCZHCSNG-QHWHWDPRSA-N Nicotiflorin Chemical compound O[C@@H]1[C@H](O)[C@@H](O)[C@H](C)O[C@H]1OC[C@@H]1[C@@H](O)[C@H](O)[C@@H](O)[C@H](OC=2C(C3=C(O)C=C(O)C=C3OC=2C=2C=CC(O)=CC=2)=O)O1 RTATXGUCZHCSNG-QHWHWDPRSA-N 0.000 title claims abstract description 45
- JMGZEFIQIZZSBH-UHFFFAOYSA-N Bioquercetin Natural products CC1OC(OCC(O)C2OC(OC3=C(Oc4cc(O)cc(O)c4C3=O)c5ccc(O)c(O)c5)C(O)C2O)C(O)C(O)C1O JMGZEFIQIZZSBH-UHFFFAOYSA-N 0.000 title claims abstract description 40
- AFSDNFLWKVMVRB-UHFFFAOYSA-N Ellagic acid Chemical compound OC1=C(O)C(OC2=O)=C3C4=C2C=C(O)C(O)=C4OC(=O)C3=C1 AFSDNFLWKVMVRB-UHFFFAOYSA-N 0.000 title claims abstract description 40
- ATJXMQHAMYVHRX-CPCISQLKSA-N Ellagic acid Natural products OC1=C(O)[C@H]2OC(=O)c3cc(O)c(O)c4OC(=O)C(=C1)[C@H]2c34 ATJXMQHAMYVHRX-CPCISQLKSA-N 0.000 title claims abstract description 40
- 229920002079 Ellagic acid Polymers 0.000 title claims abstract description 40
- RTATXGUCZHCSNG-TYSPDFDMSA-N Kaempferol-3-O-rutinoside Natural products OC1[C@H](O)[C@@H](O)C(C)O[C@H]1OCC1[C@@H](O)[C@@H](O)C(O)[C@H](OC=2C(C3=C(O)C=C(O)C=C3OC=2C=2C=CC(O)=CC=2)=O)O1 RTATXGUCZHCSNG-TYSPDFDMSA-N 0.000 title claims abstract description 40
- 229960002852 ellagic acid Drugs 0.000 title claims abstract description 40
- 235000004132 ellagic acid Nutrition 0.000 title claims abstract description 40
- FAARLWTXUUQFSN-UHFFFAOYSA-N methylellagic acid Natural products O1C(=O)C2=CC(O)=C(O)C3=C2C2=C1C(OC)=C(O)C=C2C(=O)O3 FAARLWTXUUQFSN-UHFFFAOYSA-N 0.000 title claims abstract description 40
- RTATXGUCZHCSNG-ZFDPGQBLSA-N nicotiflorin Natural products O(C[C@H]1[C@@H](O)[C@H](O)[C@@H](O)[C@H](OC2=C(c3ccc(O)cc3)Oc3c(c(O)cc(O)c3)C2=O)O1)[C@H]1[C@H](O)[C@@H](O)[C@@H](O)[C@H](C)O1 RTATXGUCZHCSNG-ZFDPGQBLSA-N 0.000 title claims abstract description 40
- RTATXGUCZHCSNG-UHFFFAOYSA-N nicotiflorine Natural products OC1C(O)C(O)C(C)OC1OCC1C(O)C(O)C(O)C(OC=2C(C3=C(O)C=C(O)C=C3OC=2C=2C=CC(O)=CC=2)=O)O1 RTATXGUCZHCSNG-UHFFFAOYSA-N 0.000 title claims abstract description 40
- 240000007651 Rubus glaucus Species 0.000 title claims abstract description 34
- 235000011034 Rubus glaucus Nutrition 0.000 title claims abstract description 33
- 235000009122 Rubus idaeus Nutrition 0.000 title claims abstract description 33
- 238000000034 method Methods 0.000 title claims abstract description 24
- 235000013399 edible fruits Nutrition 0.000 claims abstract description 30
- 238000003306 harvesting Methods 0.000 claims abstract description 24
- 239000000463 material Substances 0.000 claims abstract description 7
- 230000005078 fruit development Effects 0.000 claims description 6
- 230000007721 medicinal effect Effects 0.000 claims description 2
- 238000013178 mathematical model Methods 0.000 description 8
- 238000009825 accumulation Methods 0.000 description 5
- 238000004519 manufacturing process Methods 0.000 description 5
- 230000018109 developmental process Effects 0.000 description 4
- 239000003814 drug Substances 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 2
- 230000001186 cumulative effect Effects 0.000 description 2
- 230000035800 maturation Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 230000000857 drug effect Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 235000021013 raspberries Nutrition 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/0098—Plants or trees
-
- 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)
- Life Sciences & Earth Sciences (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Chemical & Material Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Animal Husbandry (AREA)
- Botany (AREA)
- Agronomy & Crop Science (AREA)
- Medicines Containing Plant Substances (AREA)
- Medicinal Chemistry (AREA)
- Food Science & Technology (AREA)
- Marine Sciences & Fisheries (AREA)
- Pathology (AREA)
- Primary Health Care (AREA)
- Biochemistry (AREA)
- Wood Science & Technology (AREA)
- Immunology (AREA)
- Analytical Chemistry (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Mining & Mineral Resources (AREA)
Abstract
本发明公开了一种覆盆子山柰酚‑3‑O‑芸香糖苷及鞣花酸含量预测的方法。以有效积温和鞣花酸动态变化，以及温差积温和山柰酚‑3‑O‑芸香糖苷动态变化的基础上建立预测模型，实现鞣花酸和山柰酚‑3‑O‑芸香糖苷预测，通过两个相关性模型联合求解，求出采收的时间点。由于两种成分皆合格的交叉时间比较短，农户来不及采收的实际情况，提出“逐步采收，等量混合”策略。根据预测的含量，以采收时间点为中心，划定一个时间段，逐步采收药用果，再将其等量混匀，最终确保药材两个指标含量皆合格。通过本发明开发覆盆子药用果实优质化采收决策的系统，给出产地的采收期预报，实现优质优价，平衡企业和农户的利益，为覆盆子产业提升提供技术支持。
Description
技术领域
本发明属于中药材生产技术领域，涉及覆盆子山柰酚-3-O-芸香糖苷及鞣花酸含量预测的 方法。
技术背景
覆盆子药用果品质紧密影响其饮片的药效。其中鞣花酸(Ellagic acid,EA)和山柰酚-3-O- 芸香糖苷(Kaempferol-3-rutinoside,KR)为重要的药效成分之一，《中国药典2015年版》明确规 定覆盆子中主要的功效成分鞣花酸和山柰酚-3-O-芸香糖苷含量应分别大于0.2％和大于0.03％。 但目前整个覆盆子产业普遍存在着品质参差不齐、及品质稳定性和一致性差等问题，且近年 覆盆子药材价格断崖式跌落，急需以优质优价的形式提升整个覆盆子产业。前期的研究发现， 药用果品质与其发育时期密切相关，但农民大多凭经验判断成熟期，忽略不同环境可能带来 的品质发育进程差异，盲目采收、跟风采收，使得药用果鞣花酸含量不达标，收购价低，药 企无法采购合格原料，也导致果农户生产效益大幅度下降。因此，通过可控和重复性好的技 术手段来预测覆盆子的指标成分含量可为药农采收提供精确的采收期预报，保证药材品质优 质和稳定。
发明内容
为了克服现有技术的不足，本发明的目的在于提供一种覆盆子山柰酚-3-O-芸香糖苷及鞣 花酸含量预测的方法，该预测是基于盛花期后气温预测的，可准确地预测药用果实采收点。 该预测方法旨在保证覆盆子药用果鞣花酸和山柰酚-3-O-芸香糖苷含量达到《中国药典2015年 版》规定值(0.2％和0.03％)以上。
一种覆盆子山柰酚-3-O-芸香糖苷及鞣花酸含量预测的方法，收集覆盆子产区的果重、山 柰酚-3-O-芸香糖苷(KR)及鞣花酸(EA)含量和气温参数数据，得出KR和EA含量在果实发 育过程中非单调变化，而是曲线变化且有一个最高峰值，积温速率快则含量变化剧烈，反之 则变化平缓，而且两种成分的峰值未出现在同一果实的成熟时期。
所述的预测方法，基于温差积温与KR含量关系建立相关性模型，根据相关性模型以及 当年气温数据用于预测覆盆子KR含量；基于有效积温与EA含量关系建立相关性模型，根 据相关性模型以及当年气温数据用于预测覆盆子EA含量。
所述的预测方法，采用Mathematica统计软件建立相关性模型。
所述的气温参数数据包括温差积温和有效积温。
所述的预测方法，根据相关性模型以及当年天气气温数据分别求解两种成分符合药用果 标准所需时间，根据两个时间的交集预测采收时间点。
所述的预测方法，以采收时间点为中心，划定一个时间段为采收窗口，逐步采收药用果， 再等量混匀，最终保证药材两个指标含量皆合格。
本发明的有益效果：
以有效积温和鞣花酸动态变化，以及温差积温和山柰酚-3-O-芸香糖苷动态变化的基础上 建立预测模型，实现鞣花酸和山柰酚-3-O-芸香糖苷预测，通过相关性模型联合求解，求出采 收的时间点。由于两种成分皆合格的交叉时间比较短，农户来不及采收的实际情况，提出“逐 步采收，等量混合”策略。根据预测的含量，以采收时间点为中心，划定一个时间段，逐步 采收药用果，再将其等量混匀，最终确保药材两个指标含量皆合格。通过本发明开发覆盆子 药用果实优质化采收决策的系统，给出产地的采收期预报，实现优质优价，平衡企业和农户 的利益，为覆盆子产业提升提供技术支持。
附图说明
图1是2018度年度淳安临岐覆盆子产区果实发育与EA和KR含量变化的示意图；
图2是2018度年度淳安临岐覆盆子产区果实发育与有效积温变化的示意图；
图3是2018度年度淳安临岐覆盆子产区有效积温与鞣花酸含量变化的示意图；
图4是淳安临岐覆盆子产区果实EA和KR含量分别与有效积温和温差积温的数学模型示意图。
具体实施方式
以下结合附图和实施例对本发明做进一步的阐述。
实施例
如图1所示，此处以淳安临岐产区的模型建立与预测为例。覆盆子中“鞣花酸”(Ellagic acid， EA)和“山柰酚-3-O-芸香糖苷”(Kaempferol 3-O-rutinoside，KR)含量随着果实的不同发育阶 段而变化。
如图2所示，本发明对气温和果实发育之间进行研究，得出气温和果实发育之间的特定关 系(模型)用于指导生产。有效积温：指在10℃以上的日平均气温值再减去10后的逐日累计 之和。温差积温：指日最高温与最低温之差的逐日累计之和。
如图3所示，收集2018年覆盆子在相应产地的药用果EA和KR发育动态，以及有效积温和 温差积温数据(温差积温和有效积温是以盛花期为原点进行收集计算)。虽然温差积温和有 效积温与EA和KR含量都有密切的联系，但是有效积温和EA含量更密切，而温差积温与KR含 量更为密切。以此建立相应数学建模分析。
如图4所示，采用Mathematica统计软件，根据淳安临岐基地EA(y)与有效积温(x)之间的 相关性建立数学模型：
y＝A0+A1x+A2x2+A3x3+A4x4 方程1
A0＝-2.28E+01；A1＝7.12E-01；A2＝-3.37E-03；A3＝5.86E-06；A4＝-3.49E-09；
y为EA的含量
x为有效积温，即大于10℃为的积温；xi为发育时期的第i天的 日平均气温。
结果表明，根据2018年淳安临岐数据模拟的数学模型的拟合度到达了(R2＝0.9322),通过方 差分析其显著性(F＝201.27,P＝4.65E-08,<0.001)。说明此数学模型可以很好的描述EA(y)与有 效积温(x)之间的关系。EA(y)含量高于0.2％的有效积温区间(x)的近似整数求解为99-275小时。
采用Mathematica统计软件，根据淳安临岐基地KR(y)与温差积温(x)之间的相关性建立 数学模型(图4)：
y＝A0+A1x+A2x2+A3x3+A4x4+A5x5 方程3
A0＝-4.11E+01；A1＝1.22E+00；A2＝-1.27E-02；A3＝6.04E-05；A4＝-1.32E-07；A5＝1.07E-10；
y为KR的含量
x这里为温差积温；xi为发育时期的第i天的温差。
结果表明，根据2018年淳安临岐数据模拟的数学模型的拟合度到达了(R2＝0.9000),通过方 差分析其显著性(F＝136.34,P＝8.12E-07,<0.001)。说明此数学模型较好地描述KR(y)与温差积 温(x)之间的关系。由于此方程存在多个顶点，此处x定义在200-400区间内存在生物学意义， 且可预测KR的含量。KR(y)含量高于0.03％的温差积温区间(x)的近似整数求解为240-368小时。
由此得出以下结论，为覆盆子果实从盛花期开始计算的有效积温在99-275区间内的情况下 其药用成分含量EA是合格的；温差积温在240-368区间内的情况下其药用成分含量KR是合格 的。
由于EA和KR的峰值往往不在同一个时间段内，而且两种成分皆合格的交叉时间比较短， 农户来不及采收的实际情况。这里提出一个“逐步采收”策略。根据预测的含量，以采收时 间点为中心，划定一个时间段即“采收窗口”，逐步采收药用果，再将其等量混匀。由于该“采 收窗口”涵盖了两种成分含量积累较高的时间段。整体果混匀以后的指标成分含量是达标的。
如表1所示，以2019的气温数据为例，预测采收点在盛花期后的26天，实际检测值亦约为 盛花期后26天左右。这里以盛花期后的26天为中心，前后扩展3天，即“采收窗口期”为6天。 根据实测数据计算，此6天药果等量混合后EA含量为0.20％，而KR含量为0.032％。此采收窗口 期采收的样品为合格药材。
表1. 2019年淳安临岐模型预测EA和KR含量与实测含量的比较
因此，在本发明实施例中，根据气温的变化并以两个数学模型对覆盆子含量进行了预测， 虽然与实际测量值存在一定的温差，但两种成分预测与实测的平均相关性达到了(R2＝0.978)。 以此作为采收依据是适合的，经过演算覆盆子药果的采收点与实际适合采收点比较吻合。根 据采收的实际情况和两种成分积累规律，研究者提出“逐步采收，等量混合”策略。根据预 测的含量，以采收时间点为中心，划定一个时间段，逐步采收药用果，再将其等量混匀。最 终确保证药材两个指标含量皆合格。这将有利于覆盆子药用果根据不同年份的气候数据进行 针对性采收，以此保证药用成分的含量达标，实现药企和农户的双赢。
Claims (6)
1.一种覆盆子山柰酚-3-O-芸香糖苷及鞣花酸含量预测的方法，其特征是：收集覆盆子产区的果重、山柰酚-3-O-芸香糖苷(KR)及鞣花酸（EA）含量和气温参数数据，得出KR和EA含量在果实发育过程中非单调变化，而是曲线变化且有一个最高峰值，积温速率快则含量变化剧烈，反之则变化平缓，而且两种成分的峰值未出现在同一果实的成熟时期。
2.根据权利要求1所述的预测方法，其特征是：基于温差积温与KR含量关系建立相关性模型，根据相关性模型以及当年气温数据用于预测覆盆子KR含量；基于有效积温与EA含量关系建立相关性模型，根据相关性模型以及当年气温数据用于预测覆盆子EA含量。
3.根据权利要求2所述的预测方法，其特征是：采用Mathematica统计软件建立相关性模型。
4.根据权利要求1所述的预测方法，其特征是：所述的气温参数数据包括温差积温和有效积温。
5.根据权利要求2所述的预测方法，其特征是：根据相关性模型以及当年天气气温数据分别求解两种成分符合药用果标准所需时间，根据两个时间的交集预测采收时间点。
6.根据权利要求5所述的预测方法，其特征是：以采收时间点为中心，划定一个时间段为采收窗口，逐步采收药用果，再等量混匀，最终保证药材两个指标含量皆合格。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910793332.2A CN110674972A (zh) | 2019-08-26 | 2019-08-26 | 覆盆子山柰酚-3-o-芸香糖苷及鞣花酸含量预测的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910793332.2A CN110674972A (zh) | 2019-08-26 | 2019-08-26 | 覆盆子山柰酚-3-o-芸香糖苷及鞣花酸含量预测的方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110674972A true CN110674972A (zh) | 2020-01-10 |
Family
ID=69075546
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910793332.2A Pending CN110674972A (zh) | 2019-08-26 | 2019-08-26 | 覆盆子山柰酚-3-o-芸香糖苷及鞣花酸含量预测的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110674972A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112913480A (zh) * | 2021-01-26 | 2021-06-08 | 浙江锦珩健康科技有限责任公司 | 一种确定药用覆盆子采收期的方法 |
| CN113952386A (zh) * | 2021-11-18 | 2022-01-21 | 江西省中医药研究院 | 一种覆盆子复制法加工工艺 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103971176A (zh) * | 2014-05-07 | 2014-08-06 | 中国农业科学院柑桔研究所 | 一种柑橘果实优质化采收决策的方法及系统 |
| CN104897809A (zh) * | 2015-05-25 | 2015-09-09 | 天津中医药大学 | 中药覆盆子中指标成分含量的测定方法 |
| CN108108872A (zh) * | 2017-11-23 | 2018-06-01 | 广东省农业科学院果树研究所 | 一种准确判断妃子笑荔枝果实成熟度的方法 |
| CN109078063A (zh) * | 2018-07-12 | 2018-12-25 | 浙江大成药业有限公司 | 一种提高覆盆子中鞣花酸含量的加工方法 |
-
2019
- 2019-08-26 CN CN201910793332.2A patent/CN110674972A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103971176A (zh) * | 2014-05-07 | 2014-08-06 | 中国农业科学院柑桔研究所 | 一种柑橘果实优质化采收决策的方法及系统 |
| CN104897809A (zh) * | 2015-05-25 | 2015-09-09 | 天津中医药大学 | 中药覆盆子中指标成分含量的测定方法 |
| CN108108872A (zh) * | 2017-11-23 | 2018-06-01 | 广东省农业科学院果树研究所 | 一种准确判断妃子笑荔枝果实成熟度的方法 |
| CN109078063A (zh) * | 2018-07-12 | 2018-12-25 | 浙江大成药业有限公司 | 一种提高覆盆子中鞣花酸含量的加工方法 |
Non-Patent Citations (3)
| Title |
|---|
| 何建明等: "HPLC测定覆盆子中鞣花酸、黄酮和覆盆子苷-F5的含量", 《中国中药杂志》 * |
| 许洋等: "树莓和黑莓栽培技术研究――Ⅰ生长及开花结实习性", 《林业科技通讯》 * |
| 陈会燕等: "树莓栽培要点及山西树莓产业发展前景", 《天津农业科学》 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112913480A (zh) * | 2021-01-26 | 2021-06-08 | 浙江锦珩健康科技有限责任公司 | 一种确定药用覆盆子采收期的方法 |
| CN112913480B (zh) * | 2021-01-26 | 2022-04-22 | 浙江锦珩健康科技有限责任公司 | 一种确定药用覆盆子采收期的方法 |
| CN113952386A (zh) * | 2021-11-18 | 2022-01-21 | 江西省中医药研究院 | 一种覆盆子复制法加工工艺 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| WO2021098471A1 (zh) | 一种基于形态模型法的大范围作物物候提取方法 | |
| CN106202891B (zh) | 一种面向医疗质量评价的大数据挖掘方法 | |
| CN107392376B (zh) | 一种农作物气象产量预测方法及系统 | |
| CN107341577A (zh) | 一种农作物产量预测方法及系统 | |
| CN103971176B (zh) | 一种柑橘果实优质化采收决策的方法及系统 | |
| CN107423850B (zh) | 基于时间序列lai曲线积分面积的区域玉米成熟期预测方法 | |
| CN110674972A (zh) | 覆盆子山柰酚-3-o-芸香糖苷及鞣花酸含量预测的方法 | |
| CN113033957B (zh) | 一种多模式降水预报及实时动态检验评估系统 | |
| CN110674973A (zh) | 覆盆子山柰酚-3-o-芸香糖苷含量的预测方法 | |
| CN108427862B (zh) | 基于图像分析的多品种全生育期棉花生物量无损测量方法 | |
| Long et al. | Impact of climate change on wheat yield and quality in the Yellow River Basin under RCP8. 5 during 2020–2050 | |
| CN116664332B (zh) | 一种基于数字孪生的农业生产的监控系统 | |
| CN116776290A (zh) | 一种烟草大数据模型构建方法 | |
| CN113879750B (zh) | 一种普洱茶智能化仓储系统及构建方法 | |
| CN114140695A (zh) | 一种基于无人机多光谱遥感的茶树氮素诊断及品质指标测定的预测方法和系统 | |
| CN110793896B (zh) | 一种尾气中粉尘浓度短期预测方法 | |
| CN111881418B (zh) | 一种基于二分法的大豆气象产量预测方法及系统 | |
| CN117313017A (zh) | 一种彩叶研发数据处理方法及系统 | |
| CN112330694A (zh) | 一种植物萎蔫程度计算方法及系统 | |
| CN107403057A (zh) | 一种基于最大信息熵和改进的独立性权系数法的中药材品质区划模型 | |
| CN115600760A (zh) | 一种甘蔗区域单产预测方法及系统 | |
| CN115630337A (zh) | 基于大尺度气候遥相关的极端降雨归因的定量评估方法及系统 | |
| CN113050516A (zh) | 一种实验室恒温恒湿试验箱远程智能控制系统 | |
| CN112131954A (zh) | 基于卷积神经网络的中国北方冬小麦遥感估产 | |
| CN110309960A (zh) | 一种大数据智能分析预测系统 |
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 |