CN111275362A - 玉米品种耐密性评价方法、装置、设备和存储介质 - Google Patents
玉米品种耐密性评价方法、装置、设备和存储介质 Download PDFInfo
- Publication number
- CN111275362A CN111275362A CN202010172173.7A CN202010172173A CN111275362A CN 111275362 A CN111275362 A CN 111275362A CN 202010172173 A CN202010172173 A CN 202010172173A CN 111275362 A CN111275362 A CN 111275362A
- Authority
- CN
- China
- Prior art keywords
- evaluated
- tightness
- corn
- corn variety
- density
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 240000008042 Zea mays Species 0.000 title claims abstract description 156
- 235000002017 Zea mays subsp mays Nutrition 0.000 title claims abstract description 154
- 235000005824 Zea mays ssp. parviglumis Nutrition 0.000 title claims abstract description 142
- 235000005822 corn Nutrition 0.000 title claims abstract description 142
- 238000000034 method Methods 0.000 title claims abstract description 52
- 238000003860 storage Methods 0.000 title claims abstract description 13
- 238000011156 evaluation Methods 0.000 claims abstract description 43
- 238000012417 linear regression Methods 0.000 claims abstract description 23
- 238000004458 analytical method Methods 0.000 claims abstract description 21
- 241000196324 Embryophyta Species 0.000 claims description 46
- 238000009825 accumulation Methods 0.000 claims description 23
- 238000000611 regression analysis Methods 0.000 claims description 19
- 235000016383 Zea mays subsp huehuetenangensis Nutrition 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 12
- 235000009973 maize Nutrition 0.000 claims description 12
- 241001057636 Dracaena deremensis Species 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 5
- 238000003306 harvesting Methods 0.000 claims description 3
- 238000005259 measurement Methods 0.000 claims description 3
- 239000010977 jade Substances 0.000 description 11
- 238000012360 testing method Methods 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 6
- 230000004044 response Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 239000000463 material Substances 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 230000001419 dependent effect Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 240000007594 Oryza sativa Species 0.000 description 1
- 235000007164 Oryza sativa Nutrition 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 235000013339 cereals Nutrition 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 230000036963 noncompetitive effect Effects 0.000 description 1
- 235000015097 nutrients Nutrition 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 235000009566 rice Nutrition 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012795 verification 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
- G06Q10/06—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
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] 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
- 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
- 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)
- Marine Sciences & Fisheries (AREA)
- Primary Health Care (AREA)
- Mining & Mineral Resources (AREA)
- Animal Husbandry (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Agronomy & Crop Science (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)
- Breeding Of Plants And Reproduction By Means Of Culturing (AREA)
Abstract
本发明涉及一种玉米品种耐密性评价方法、装置、设备和存储介质，该方法包括：计算待评价玉米品种在各个设定种植密度下的种内竞争严重度；根据各个设定种植密度和对应的种内竞争严重度进行直线回归分析得到直线斜率；确定直线斜率作为待评价玉米品种的耐密性评价指标；比较各个待评价玉米品种的耐密性评价指标，来评价各个待评价玉米品种的耐密性。提高了评价玉米品种耐密性的准确度。
Description
技术领域
本发明涉及玉米种植领域，具体涉及一种玉米品种耐密性评价方法、装置、设备和存储介质。
背景技术
国内外玉米产量在过去几十年有了明显的提升，主要原因之一是品种耐密性的增强，通过选用耐密性强的品种增加群体种植密度，依靠群体发挥增产潜力。因此，种植耐密性强的品种是当前和未来玉米栽培生产发展的主要趋势。但是，目前种子市场上各类玉米品种繁多，品种耐密性参差不齐。因此，如何准确评价不同玉米品种的耐密性对密植品种的选用及密植增产潜力的发挥具有重要意义。
目前在玉米品种耐密性评价上普遍此采用耐密系数法，但是耐密系数法中，由于低密度和高密度的参照值的不同导致耐密系数的变化和不确定性。因此，耐密系数法虽然实施上方便，到那时在评价玉米品种耐密性的准确性上存在严重不足。
发明内容
有鉴于此，提供一种玉米品种耐密性评价方法、装置、设备和存储介质，以解决现有技术中评价玉米品种耐密性准确度低的问题。
本发明采用如下技术方案：
第一方面，本申请实施例提供了一种玉米品种耐密性评价方法，该方法包括：
计算待评价玉米品种在各个设定种植密度下的种内竞争严重度；
根据所述各个设定种植密度和对应的种内竞争严重度进行直线回归分析得到直线斜率；
确定所述直线斜率作为所述待评价玉米品种的耐密性评价指标；
比较各个所述待评价玉米品种的耐密性评价指标，来评价各个所述待评价玉米品种的耐密性。
第二方面，本申请实施例提供了一种玉米品种耐密性评价装置，该装置包括：
种内竞争严重度计算模块，用于计算待评价玉米品种在各个设定种植密度下的种内竞争严重度；
回归分析模块，用于根据所述各个设定种植密度和对应的种内竞争严重度进行直线回归分析得到直线斜率；
耐密性评价指标确定模块，用于确定所述直线斜率作为所述待评价玉米品种的耐密性评价指标；
耐密性评价模块，用于比较各个所述待评价玉米品种的耐密性评价指标，来评价各个所述待评价玉米品种的耐密性。
第三方面，本申请实施例提供了一种设备，该设备包括：
处理器，以及与所述处理器相连接的存储器；
所述存储器用于存储计算机程序，所述计算机程序至少用于执行本申请实施例第一方面所述的玉米品种耐密性评价方法；
所述处理器用于调用并执行所述存储器中的所述计算机程序。
第四方面，本申请实施例提供了一种存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时，实现如第一方面所述的玉米品种耐密性评价方法中各个步骤。
本发明采用以上技术方案，计算待评价玉米品种在各个设定种植密度下的种内竞争严重度，这样综合考虑了不同种植密度的情况；根据所述各个设定种植密度和对应的种内竞争严重度进行直线回归分析得到直线斜率；确定所述直线斜率作为所述待评价玉米品种的耐密性评价指标；比较各个所述待评价玉米品种的耐密性评价指标，来评价各个所述待评价玉米品种的耐密性。通过回归分析的直线斜率来比较各个待评价玉米品种的耐密性，提高了评价玉米品种耐密性准确度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的一种玉米品种耐密性评价方法的流程图；
图2是本申请实施例提供的另一种玉米品种耐密性评价方法的流程图；
图3是本申请实施例中适用的一种2013年和2014年不同玉米品种的产量和种植密度响应曲线对比图；
图4是本申请实施例中适用的一种2013年和2014年不同玉米品种的ASC对种植密度的响应曲线对比图；
图5是本申请实施例中适用的一种2013年和2014年不同玉米品种的直线斜率关系的柱状对比图；
图6是本申请实施例中适用的一种斜率-最佳种植密度的回归分析和斜率-最佳产量的回归分析对比图；
图7是本申请实施例提供的一种玉米品种耐密性评价装置的结构示意图；
图8是本申请实施例中适用的一种设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将对本发明的技术方案进行详细的描述。显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所得到的所有其它实施方式，都属于本发明所保护的范围。
为了使本申请的技术方案以及应用场景更容易理解，首先对相关技术进行简单说明。目前在玉米品种耐密性的评价上普遍采用耐密系数法，耐密系数法是以玉米单株产量为基础，选择2个不同的群体种植密度，测定这两个不同群体密度的梯度变化所导致的单株产量的变化强度。在耐密系数的计算上往往按照苏方宏提出的公式进行计算：
式中，N为耐密系数，N值越大代表品种的耐密性越强，相反则耐密性越小；D1为低密度水平，D2为高密度水平；y1代表低密度条件下某玉米品种的单株产量，y2代表高密度条件下某玉米品种的单株产量，y代表高密度条件下参试各品种的平均单株产量。
由于耐密系数的计算上主要考虑的是两个不同的种植密度及其对应的单株产量，没有明确指出低密度D1和高密度D2的参照范围，这就容易因为D1和D2参照值的不同而导致耐密系数的变化和不确定性。以申请人前期采用中单909和先玉335作为试验材料开展密度试验的研究结果为例，中单909的最佳种植密度和最佳产量均大于先玉335，因此中单909的耐密性高于先玉335。但是，在通过耐密系数评价这两个品种耐密性时，由于所采用的低密度D1和高密度D2的参照值不同而导致不同甚至是相反的结果。例如，当D1和D2分别为1.5株/m2和7.5株/m2时，中单909和先玉335的耐密系数分别为7.20和6.70；当D1和D2分别为1.5株/m2和10.5株/m2时，中单909和先玉335的耐密系数分别为8.86和8.69；当D1和D2分别为4.5株/m2和10.5株/m2时，中单909和先玉335的耐密系数分别为2.80和3.22。因此，用耐密系数评价玉米品种的耐密性，虽然在实施上简便省工，但是在评价品种耐密性的准确度上存在着严重的不足。因此，发明能够准确评价不同玉米栽培品种耐密性的方法具有重要意义。
本申请为了克服耐密系数法在评价玉米品种耐密性的准确性上的不足，以不同种植密度玉米群体为研究对象，根据作物竞争的基本理论提供一种准确评价不同玉米品种耐密性的方法。
实施例
图1为本发明实施例提供的一种玉米品种耐密性评价方法的流程图，该方法可以由本发明实施例提供的玉米品种耐密性评价装置来执行，该装置可采用软件和/或硬件的方式实现。参考图1，该方法具体可以包括如下步骤：
S101、计算待评价玉米品种在各个设定种植密度下的种内竞争严重度。
其中，不同密度群体种内竞争严重度又可以称为种内竞争强度，是Snaydon andSatorre在1989年提出的，因此，可以称为ASC(Absolute severity competition，种内严重竞争度，)。种内竞争，是指同种生物个体之间为争夺共同资源的生存竞争。同种生物由于要求相同的生活条件，相互之间竞争十分激烈，其激烈程度随种群密度增大而加剧。尤其当种群密度接近环境负荷量之极限时，竞争就更加剧烈，其结果是使种群数量的增长受到抑制。
具体的，可以通过密度制约过程来调节种内竞争严重度。本申请实施例中的群体是待评价玉米品种，为了提高计算的准确性，设定了多个不同的种植密度，因此，这里计算待评价玉米品种在各个设定种植密度下的种内竞争严重度。
S102、根据各个设定种植密度和对应的种内竞争严重度进行直线回归分析得到直线斜率。
其中，回归分析指的是确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法。回归分析按照涉及的变量的多少，分为一元回归和多元回归分析；按照因变量的多少，可分为简单回归分析和多重回归分析；按照自变量和因变量之间的关系类型，可分为线性回归分析和非线性回归分析。
本申请实施例中，针对每个待评价玉米品种，每个设定种植密度对应一个种内竞争严重度，例如有11个设定种植密度，则有11个对应的种内竞争严重程度。此时，以设定种植密度为x，以ASC为y，每个品种的ASC和x做直线回归分析，这样可以得到每个待评价玉米品种的直线回归分析的斜率。
S103、确定直线斜率作为待评价玉米品种的耐密性评价指标。
具体的，每个待评价玉米品种均可以计算得到一个斜率，然后确定直线斜率作为待评价玉米品种的耐密性评价指标。这样，多个待评价玉米品种就可以计算得到多个耐密性评价指标。
S104、比较各个待评价玉米品种的耐密性评价指标，来评价各个待评价玉米品种的耐密性。
具体的，若待评价玉米品种的耐密性指标越大，则待评价玉米品种的耐密性越低；若待评价玉米品种的耐密性指标越小，则待评价玉米品种的耐密性越高。这样，通过比较不同玉米品种的耐密性指标，也即，相应的直线斜率，来精准反映玉米品种的耐密性。
另外，需要说明的是，为了排除其他因素的影响，上述不同玉米品种的生态环境条件相同，例如，合理且相同的养分和水分供应。
本发明采用以上技术方案，计算待评价玉米品种在各个设定种植密度下的种内竞争严重度，这样综合考虑了不同种植密度的情况；根据所述各个设定种植密度和对应的种内竞争严重度进行直线回归分析得到直线斜率；确定所述直线斜率作为所述待评价玉米品种的耐密性评价指标；比较各个所述待评价玉米品种的耐密性评价指标，来评价各个所述待评价玉米品种的耐密性。通过回归分析的直线斜率来比较各个待评价玉米品种的耐密性，提高了评价玉米品种耐密性准确度。
图2为本发明实施例提供的另一种玉米品种耐密性评价方法的流程图，该方法在上述实施例的基础上实现。参考图2，该方法具体可以包括如下步骤：
S201、确定基准种植密度，对基准种植密度进行密度级差设置处理得到各个设定种植密度。
可选的，基准种植密度为1000株/亩，密度极差设置处理包括从基准种植密度按照1000株/亩的密度增量递增。具体的，基准种植密度又可以称为基准种植密度，以设置12个不同的密度为例，则设定种植密度依次为2000株/亩、3000株/亩、4000株/亩、5000株/亩、6000株/亩、7000株/亩、8000株/亩、9000株/亩、10000株/亩、11000株/亩和12000株/亩。也即，同一个待评价品种以上述12种种植密度来种植。
在一个具体的例子中，各个设定种植密度的种植条件下，种植区域为10米长，各个种植区域种植10行，行距为0.6米，植株间距根据设定种植密度进行调整。
S202、计算基准种植密度下的设定数量的玉米植株在生理成熟期的第一平均单株干物质积累量，和，各个设定种植密度下的设定数量的玉米植株在生理成熟期的各个第二平均单株干物质积累量。
在一个具体的例子中，设定数量可以是5株，干物质积累量可以是植株分解烘干后称取。其中，待评价玉米品种用i表示，Wi0表示品种i在没有竞争条件下的地上部单株平均干物质积累量，也即第一平均单株干物质积累量；Wij表示品种i在种植密度j时的地上部单株平均干物质积累量，也即第二平均单株干物质积累量。仍以上述为例，则第二平均单株干物质积累量共有11个。示例性的，本申请实施例中以每个品种种植密度为1000株/亩时的条件作为植株之间不存在竞争的种植密度。
可选的，第一平均单株干物质积累量和第二平均单株干物质积累量为地上部分玉米植株的干物质积累量所得。
S203、将各个第二平均单株干物质量第一平均干物质量的比值取对数，计算待评价玉米品种在各个设定种植密度下的种内竞争严重度。
具体的，仍以品种i为例，ASCij表示品种i在种植密度j时的绝对竞争严重度，计算各个Wij与Wi0的比值，然后再取对数，得到品种i在各个种植密度下的种内竞争严重度，计算公式如下：
S204、根据各个设定种植密度和对应的种内竞争严重程度进行线性回归分析，得到待评价玉米品种的种内竞争严重程度与各个设定种植密度之间的直线模型方程。
具体的，直线模型方程记为y＝bx+a，a为模型常量，b为斜率。
S205、获取直线模型方程的斜率作为直线斜率。
S206、确定直线斜率作为待评价玉米品种的耐密性评价指标。
S207、比较各个待评价玉米品种的耐密性评价指标，来评价各个待评价玉米品种的耐密性。
本申请实施例中，通过确定基准种植密度，对基准种植密度进行密度级差设置处理得到各个设定种植密度，这样得到多个种植密度；然后计算基准种植密度下的设定数量的玉米植株在生理成熟期的第一平均单株干物质积累量，和，各个设定种植密度下的设定数量的玉米植株在生理成熟期的各个第二平均单株干物质积累量；将各个第二平均单株干物质量第一平均干物质量的比值取对数，计算待评价玉米品种在各个设定种植密度下的种内竞争严重度；根据各个设定种植密度和对应的种内竞争严重程度进行线性回归分析，得到待评价玉米品种的种内竞争严重程度与各个设定种植密度之间的直线模型方程。应用直线模型方程得到直线斜率，应用直线斜率来评价玉米品种耐密性，提高了耐密性评价的准确度。
在上述实施例的基础上，为了验证本申请技术方案的有效性，选取各个设定种植密度下设定区域大小的玉米品种进行实收测产，获取各个待评价玉米品种的产量；计算产量和各个设定种植密度的关系，以得到各个待评价玉米品种的初始耐密性关系；其中，初始耐密性关系用于确定耐密性和产量的负相关关系。
可选的，以不同年代玉米品种ZD2、YD13、XY335和ZD909为试验材料，于2013年和2014年在吉林公主岭开展试验，2013年的试验品种为ZD2、YD13和ZD909，2014年的试验品种为ZD2、YD13、XY335和ZD909。每个品种设置1000-12000株/亩12个密度水平，其中1000株/亩称为基准种植密度，另外11个称为设定种植密度。
在玉米生理成熟期，取每个品种每个种植密度处理的3株生长均匀一致的地上部植株进行形态分解，烘干称取各部分干重后计算地上部平均单株干物质积累量W。选取每个密度的种植区域的中间4行4米长实收进行测产，获取每个种植密度的产量值，做以密度为横坐标，产量为纵坐标的响应曲线，其中，Plant density表示种植密度，单位为104pl ha-1，也即，104株/公顷，Grain yield为产量，单位为t/ha，也即，吨/公顷，这样得到产量和密度的响应曲线，得出图3，图3示出了一种2013年和2014年的不同玉米品种的产量和种植密度响应曲线对比图。参考图3，不同品种的最佳种植密度或最佳产量表现为ZD909>XY335>YD13>ZD2，在相同的较高密度条件下，不同品种的产量同样表现为ZD909>XY335>YD13>ZD2。因此，从不同品种的产量-密度变化趋势图可初步得出不同品种的耐密性表现为ZD909>XY335>YD13>ZD2。其中，x表示种植密度，Y表示产量，R2为回归系数。
另外，为了使本申请的技术方案的效果更明显，下面用具体的例子进行说明。以种植密度为横坐标，种内竞争严重度为纵坐标做线性回归分析，并得出每个品种的一元一次线性回归方程y＝bx+a，如图4所示，图4示出了一种2013年和2014年不同玉米品种的ASC对种植密度的响应曲线对比图。其中，x表示种植密度，y表示种内竞争严重度，R2为回归系数。
进一步得出不同品种ASC-种植密度直线回归方程的斜率b值，如图5所示，图5示出了一种2013年和2014年不同玉米品种的直线斜率关系的柱状对比图。
为了进一步验证玉米品种b值是否与品种的最佳种植密度及其最佳产量之间的关系，分别做b值与最佳种植密度和最佳产量之间的相关分析，得出玉米品种的b值与最佳种植密度以及b值与最佳产量均呈明显负相关关系，如图6所示，图6示出了一种斜率-最佳种植密度的回归分析和斜率-最佳产量的回归分析对比图，参考图6，横坐标为slope表示斜率，纵坐标图Optimum plant density为最佳种植密度，单位为104pl ha-1；纵坐标图Optimum grain yield为最佳产量，单位为t ha-1表示吨/公顷。
综上，可以同一生态环境条件下通过比较不同玉米品种的b值来比较玉米品种的耐密性，即品种的b值越大，品种的耐密性越小；反之，b值越小，品种的耐密性越强。
另外，需要说明的是，为了容易理解，本申请实施例中的文字描述部分的基准种植密度和设定种植密度均是用株/亩来说明的，但是，亩为我国自己定义的面积单位，其和国际面积单位公顷之间有一定的换算关系，也即，1公顷＝15亩。为了提高本申请实施例的通用性，在图3到图6的评价方法的验证中，将株/亩换算为株/公顷，千克/亩换算成吨/公顷来代替。
图7是本发明是实施例提供的一种玉米品种耐密性评价装置的结构示意图，该装置适用于执行本发明实施例提供给的一种玉米品种耐密性评价方法。如图7所示，该装置具体可以包括种内竞争严重度计算模块701、回归分析模块702、耐密性评价指标确定模块703和耐密性评价模块704。
其中，种内竞争严重度计算模块701，用于计算待评价玉米品种在各个设定种植密度下的种内竞争严重度；回归分析模块702，用于根据各个设定种植密度和对应的种内竞争严重度进行直线回归分析得到直线斜率；耐密性评价指标确定模块703，用于确定直线斜率作为待评价玉米品种的耐密性评价指标；耐密性评价模块704，用于比较各个待评价玉米品种的耐密性评价指标，来评价各个待评价玉米品种的耐密性。
本发明采用以上技术方案，计算待评价玉米品种在各个设定种植密度下的种内竞争严重度，这样综合考虑了不同种植密度的情况；根据所述各个设定种植密度和对应的种内竞争严重度进行直线回归分析得到直线斜率；确定所述直线斜率作为所述待评价玉米品种的耐密性评价指标；比较各个所述待评价玉米品种的耐密性评价指标，来评价各个所述待评价玉米品种的耐密性。通过回归分析的直线斜率来比较各个待评价玉米品种的耐密性，提高了评价玉米品种耐密性准确度。
可选的，种内竞争严重度计算模块701具体用于：确定基准种植密度，对基准种植密度进行密度级差设置处理得到各个设定种植密度；计算基准种植密度下的设定数量的玉米植株在生理成熟期的第一平均单株干物质积累量，和，各个设定种植密度下的设定数量的玉米植株在生理成熟期的各个第二平均单株干物质积累量；将各个第二平均单株干物质量第一平均干物质量的比值取对数，计算待评价玉米品种在各个设定种植密度下的种内竞争严重度。
可选的，回归分析模块702具体用于：根据各个设定种植密度和对应的种内竞争严重程度进行线性回归分析，得到待评价玉米品种的种内竞争严重程度与各个设定种植密度之间的直线模型方程；获取直线模型方程的斜率作为直线斜率。
可选的，耐密性评价模块704具体用于：当待评价玉米品种的耐密性指标越大时，待评价玉米品种的耐密性越低；当待评价玉米品种的耐密性指标越小时，待评价玉米品种的耐密性越高。
可选的，还包括初始耐密性计算模块，用于：选取各个设定种植密度下设定区域大小的玉米品种进行实收测产，获取各个待评价玉米品种的产量；计算产量和各个设定种植密度的关系，以得到各个待评价玉米品种的初始耐密性关系；其中，初始耐密性关系用于确定耐密性和产量的负相关关系。
可选的，第一平均单株干物质积累量和第二平均单株干物质积累量为地上部分玉米植株的干物质积累量所得。
可选的，基准种植密度为1000株/亩，密度极差设置处理包括从基准种植密度按照1000株/亩的密度增量递增。
本发明实施例提供的玉米品种耐密性评价装置可执行本发明任意实施例提供的玉米品种耐密性评价方法，具备执行方法相应的功能模块和有益效果。
本发明实施例还提供一种设备，请参阅图8，图8为一种设备的结构示意图，如图7所示，该设备包括：处理器810，以及与处理器810相连接的存储器820；存储器820用于存储计算机程序，计算机程序至少用于执行本发明实施例中的玉米品种耐密性评价方法；处理器810用于调用并执行存储器中的计算机程序；上述玉米品种耐密性评价方法至少包括如下步骤：计算待评价玉米品种在各个设定种植密度下的种内竞争严重度；根据各个设定种植密度和对应的种内竞争严重度进行直线回归分析得到直线斜率；确定直线斜率作为待评价玉米品种的耐密性评价指标；比较各个待评价玉米品种的耐密性评价指标，来评价各个待评价玉米品种的耐密性。
本发明实施例还提供一种存储介质，存储介质存储有计算机程序，计算机程序被处理器执行时，实现如本发明实施例中的玉米品种耐密性评价方法中各个步骤：计算待评价玉米品种在各个设定种植密度下的种内竞争严重度；根据各个设定种植密度和对应的种内竞争严重度进行直线回归分析得到直线斜率；确定直线斜率作为待评价玉米品种的耐密性评价指标；比较各个待评价玉米品种的耐密性评价指标，来评价各个待评价玉米品种的耐密性。
需要说明的是，在本发明的描述中，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性。此外，在本发明的描述中，除非另有说明，“多个”的含义是指至少两个。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。
应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
此外，在本发明各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器，磁盘或光盘等。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (10)
1.一种玉米品种耐密性评价方法，其特征在于，包括：
计算待评价玉米品种在各个设定种植密度下的种内竞争严重度；
根据所述各个设定种植密度和对应的种内竞争严重度进行直线回归分析得到直线斜率；
确定所述直线斜率作为所述待评价玉米品种的耐密性评价指标；
比较各个所述待评价玉米品种的耐密性评价指标，来评价各个所述待评价玉米品种的耐密性。
2.根据权利要求1所述的方法，其特征在于，所述计算待评价玉米品种在各个设定种植密度下的种内竞争严重度，包括：
确定基准种植密度，对所述基准种植密度进行密度级差设置处理得到各个设定种植密度；
计算所述基准种植密度下的设定数量的玉米植株在生理成熟期的第一平均单株干物质积累量，和，所述各个设定种植密度下的所述设定数量的玉米植株在生理成熟期的各个第二平均单株干物质积累量；
将各个第二平均单株干物质量所述第一平均干物质量的比值取对数，计算所述待评价玉米品种在各个设定种植密度下的种内竞争严重度。
3.根据权利要求1所述的方法，其特征在于，所述根据各个设定种植密度和对应的种内竞争严重度进行直线回归分析得到直线斜率，包括：
根据各个设定种植密度和对应的种内竞争严重程度进行线性回归分析，得到所述待评价玉米品种的种内竞争严重程度与所述各个设定种植密度之间的直线模型方程；
获取所述直线模型方程的斜率作为直线斜率。
4.根据权利要求1所述的方法，其特征在于，所述比较各个待评价玉米品种的耐密性评价指标，来评价各个待评价玉米品种的耐密性，包括：
若所述待评价玉米品种的耐密性指标越大，则所述待评价玉米品种的耐密性越低；
若所述待评价玉米品种的耐密性指标越小，则所述待评价玉米品种的耐密性越高。
5.根据权利要求1所述的方法，其特征在于，还包括：
选取各个设定种植密度下设定区域大小的玉米品种进行实收测产，获取各个待评价玉米品种的产量；
计算所述产量和所述各个设定种植密度的关系，以得到各个待评价玉米品种的初始耐密性关系；
其中，所述初始耐密性关系用于确定耐密性和产量的负相关关系。
6.根据权利要求2所述的方法，其特征在于，所述第一平均单株干物质积累量和所述第二平均单株干物质积累量为地上部分玉米植株的干物质积累量所得。
7.根据权利要求2所述的方法，其特征在于，所述基准种植密度为1000株/亩，所述密度极差设置处理包括从基准种植密度按照1000株/亩的密度增量递增。
8.一种玉米品种耐密性评价装置，其特征在于，包括：
种内竞争严重度计算模块，用于计算待评价玉米品种在各个设定种植密度下的种内竞争严重度；
回归分析模块，用于根据所述各个设定种植密度和对应的种内竞争严重度进行直线回归分析得到直线斜率；
耐密性评价指标确定模块，用于确定所述直线斜率作为所述待评价玉米品种的耐密性评价指标；
耐密性评价模块，用于比较各个所述待评价玉米品种的耐密性评价指标，来评价各个所述待评价玉米品种的耐密性。
9.一种设备，其特征在于，包括：
处理器，以及与所述处理器相连接的存储器；
所述存储器用于存储计算机程序，所述计算机程序至少用于执行权利要求1-7任一项所述的玉米品种耐密性评价方法；
所述处理器用于调用并执行所述存储器中的所述计算机程序。
10.一种存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时，实现如权利要求1-7任一项所述的玉米品种耐密性评价方法中各个步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010172173.7A CN111275362B (zh) | 2020-03-12 | 2020-03-12 | 玉米品种耐密性评价方法、装置、设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010172173.7A CN111275362B (zh) | 2020-03-12 | 2020-03-12 | 玉米品种耐密性评价方法、装置、设备和存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111275362A true CN111275362A (zh) | 2020-06-12 |
| CN111275362B CN111275362B (zh) | 2023-04-14 |
Family
ID=71004202
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010172173.7A Active CN111275362B (zh) | 2020-03-12 | 2020-03-12 | 玉米品种耐密性评价方法、装置、设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111275362B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113310989A (zh) * | 2021-04-26 | 2021-08-27 | 洛阳农林科学院 | 一种大豆症青严重程度的评估方法 |
| CN114736280A (zh) * | 2022-05-24 | 2022-07-12 | 中国农业大学 | ZmROA1蛋白在调控植物耐密性中的应用 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105993924A (zh) * | 2016-06-27 | 2016-10-12 | 湖南省作物研究所 | 一种耐密植高产甘蓝型油菜杂交品种的选育方法及所获油菜杂交品种的应用 |
| WO2016198471A1 (en) * | 2015-06-08 | 2016-12-15 | Limagrain Europe | Method for determining drought tolerance in maize |
| CN107155777A (zh) * | 2017-06-14 | 2017-09-15 | 甘肃省水利科学研究院 | 沙枣林生物围墙栽培技术方法 |
-
2020
- 2020-03-12 CN CN202010172173.7A patent/CN111275362B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2016198471A1 (en) * | 2015-06-08 | 2016-12-15 | Limagrain Europe | Method for determining drought tolerance in maize |
| CN105993924A (zh) * | 2016-06-27 | 2016-10-12 | 湖南省作物研究所 | 一种耐密植高产甘蓝型油菜杂交品种的选育方法及所获油菜杂交品种的应用 |
| CN107155777A (zh) * | 2017-06-14 | 2017-09-15 | 甘肃省水利科学研究院 | 沙枣林生物围墙栽培技术方法 |
Non-Patent Citations (2)
| Title |
|---|
| LIYUAN TANG ET AL.: "Density resistance evaluation of maize varieties through new "Density–Yield Model" and quantification of varietal response to gradual planting density pressure" * |
| 翟立超: "玉米品种竞争能力的评价与分析" * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113310989A (zh) * | 2021-04-26 | 2021-08-27 | 洛阳农林科学院 | 一种大豆症青严重程度的评估方法 |
| CN113310989B (zh) * | 2021-04-26 | 2024-05-14 | 洛阳农林科学院 | 一种大豆症青严重程度的评估方法 |
| CN114736280A (zh) * | 2022-05-24 | 2022-07-12 | 中国农业大学 | ZmROA1蛋白在调控植物耐密性中的应用 |
| CN114736280B (zh) * | 2022-05-24 | 2023-03-24 | 中国农业大学 | ZmROA1蛋白在调控植物耐密性中的应用 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111275362B (zh) | 2023-04-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Lemaire et al. | Allometric approach to crop nutrition and implications for crop diagnosis and phenotyping. A review | |
| Ran et al. | Parameterization of the AquaCrop model for full and deficit irrigated maize for seed production in arid Northwest China | |
| Carciochi et al. | Nitrogen and sulfur interaction on nutrient use efficiencies and diagnostic tools in maize | |
| Ravier et al. | Use of a chlorophyll meter to assess nitrogen nutrition index during the growth cycle in winter wheat | |
| Grabe | Measurement of seed vigor | |
| Gou et al. | Simulating potential growth in a relay-strip intercropping system: model description, calibration and testing | |
| CN111275362B (zh) | 玉米品种耐密性评价方法、装置、设备和存储介质 | |
| CN111257509A (zh) | 一种用于玉米萌发期耐旱鉴定的方法 | |
| CN113111799B (zh) | 一种基于集合经验模态分解的耕地土壤肥力水平监测方法 | |
| CN116485040B (zh) | 种子活力预测方法、系统、电子设备及存储介质 | |
| Medeiros et al. | Assessing the physiological quality of common bean seeds using the Vigor-S® system and its relation to the accelerated aging test | |
| Peñaloza et al. | Association between biometric characteristics of tomato seeds and seedling growth and development | |
| Feng et al. | Study of the relationship between field lodging and stem quality traits of winter wheat in the north China plain | |
| Liu et al. | Winter wheat yield estimation based on assimilated Sentinel-2 images with the CERES-Wheat model | |
| Amiri et al. | Assessment of CERES-Maize model in simulating maize growth, yield and soil water content under rainfed, limited and full irrigation | |
| CN102598967B (zh) | 一种作物品种耐密性的鉴定方法 | |
| Tollenaar et al. | Modeling the effects of genotypic and environmental variation on maize phenology: the phenology subroutine of the AgMaize crop model | |
| Beillouin et al. | Azodyn-Barley, a winter-barley crop model for predicting and ranking genotypic yield, grain protein and grain size in contrasting pedoclimatic conditions | |
| CN111368248A (zh) | 一种云南松苗木生物量的估算方法 | |
| Li et al. | A regional analysis model of maize kernel moisture | |
| Conley et al. | Estimating giant foxtail cohort productivity in soybean based on weed density, leaf area, or volume | |
| CN109520964A (zh) | 基于nirs的种子活力测定方法、系统及存储介质 | |
| Widyastiara et al. | Analysis of the influence of production factors on the production of cassava farming business in Salatiga city | |
| Cornillon et al. | Using B-splines for growth curve classification: applications to selection of eucalypt clones | |
| 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 |
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 |