CN111508554A - 一种基于水稻模型的稻瘟病传播机制模拟方法 - Google Patents

一种基于水稻模型的稻瘟病传播机制模拟方法 Download PDF

Info

Publication number
CN111508554A
CN111508554A CN202010257664.1A CN202010257664A CN111508554A CN 111508554 A CN111508554 A CN 111508554A CN 202010257664 A CN202010257664 A CN 202010257664A CN 111508554 A CN111508554 A CN 111508554A
Authority
CN
China
Prior art keywords
rice
infection
infected
germs
propagation
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
Application number
CN202010257664.1A
Other languages
English (en)
Other versions
CN111508554B (zh
Inventor
丁维龙
范诚诚
辛卫涛
万臧鑫
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhejiang University of Technology ZJUT
Original Assignee
Zhejiang University of Technology ZJUT
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Zhejiang University of Technology ZJUT filed Critical Zhejiang University of Technology ZJUT
Priority to CN202010257664.1A priority Critical patent/CN111508554B/zh
Publication of CN111508554A publication Critical patent/CN111508554A/zh
Application granted granted Critical
Publication of CN111508554B publication Critical patent/CN111508554B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16BBIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B5/00ICT specially adapted for modelling or simulations in systems biology, e.g. gene-regulatory networks, protein interaction networks or metabolic networks
    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16BBIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B40/00ICT specially adapted for biostatistics; ICT specially adapted for bioinformatics-related machine learning or data mining, e.g. knowledge discovery or pattern finding
    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02ATECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Medical Informatics (AREA)
  • Biophysics (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Theoretical Computer Science (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Biotechnology (AREA)
  • Evolutionary Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Physiology (AREA)
  • Artificial Intelligence (AREA)
  • Bioethics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Epidemiology (AREA)
  • Evolutionary Computation (AREA)
  • Public Health (AREA)
  • Software Systems (AREA)
  • Cultivation Of Plants (AREA)

Abstract

一种基于水稻模型的稻瘟病传播机制模拟方法,利用虚拟的水稻模型,对稻瘟病发生发展进行研究,考虑多种影响稻瘟病菌的传播因素,例如温度、湿度会影响病菌的生存和繁殖情况;风对病菌孢子的影响,风的大小决定着孢子能否脱离母体进行扩散;风的方向决定病菌的扩散朝向,进而决定病害发展方向。本发明可视化展现了病毒随着时间推移在水稻群体间的传播趋势,为农业生产中病菌在植株间传播和扩散的路径研究提供了一种新的思路,也可为虚拟农业场景中如何逼真的建立病菌传播模型提供参考。

Description

一种基于水稻模型的稻瘟病传播机制模拟方法
技术领域
本发明涉及一种基于水稻模型的稻瘟病传播机制模拟方法,该方法适用于模拟稻瘟病菌在不同外界环境因素下的传播机制。
技术背景
病菌在植物群体间的发生、发展和传播是一种常见的自然现象。病菌蔓延会导致植物的花、叶和果实等主要器官变色枯萎以至整个植物体的死亡。一方面,逼真的模拟这种自然现象在影视情景和电子游戏场景中有重要的意义。如在科幻电影中,此类自然场景的特效制作已成为渲染影片特定场景、降低制作成本的重要方式。在模拟群体植株枯荣、病害侵袭等自然现象时,它给观众带来了沉浸式的视觉体验。另一方面,真实的模拟病菌在植株间传播过程,在农业病害防治过程中具有重要的指导意义。在整个水稻生长期间都有可能存在的稻瘟病,种植人员往往难以预测其病害的发生和发展程度,从而耽误了病害的最佳防治时间。而对于这类大规模被病害感染的大田,如果盲目地对其进行农药喷洒,势必会造成农药浪费。
而基于虚拟植物的可视化模型,此模型主要利用虚拟现实技术和计算机图形学技术进行建模,在虚拟农田试验、自然景观再现、新型作物培育、植物生长周期模拟等方面广泛应用。基于这种可视化模型建立的植物病害传播模型,能够直观的展现病害感染和传播过程,对于场景建模和病害防治具有重要的指导意义。建立此种模拟病菌在植株间传播的模型,可以指导农药喷洒路径,优化农药喷施方法,进而降低农药的施用量,以及减少农药对土地的破坏。通过建立的水稻田模型为基础,可视化的展现病毒随着时间推移在水稻群体间的传播。本方法既为农业生产中病菌在植株间传播和扩散的路径研究提供了一种新的思路,也可为虚拟农业场景中如何逼真的建立病菌传播模型提供参考。
发明内容
为了使稻瘟病菌的传播更符合真实的情况,本发明提出一种基于水稻模型的稻瘟病传播机制模拟方法,为研究稻瘟病菌的传播提供参考,设计了一种虚拟水稻模型,考虑多种影响稻瘟病菌的传播因素,例如温度、湿度会影响病菌的生存和繁殖情况;风对病菌孢子的影响,风的大小决定着孢子能否脱离母体进行扩散;风的方向决定病菌的扩散朝向,进而决定病害发展方向。
为了解决上述技术问题本发明提供如下的技术方案:
一种基于水稻模型的稻瘟病传播机制模拟方法,所述方法包括以下步骤:
步骤1、单叶片病斑蔓延模拟,过程如下:
首先生成水稻叶片的三维曲面,再将元胞自动机布置在其表面,用于模拟病斑的扩散。每个元胞以8个相邻元胞作为其邻域元胞,通过观察研究所拍摄的水稻感染瘟病的图片,根据病毒感染发生时间的推进,定性地将感染状态元胞设置为5种状态:未感染,轻度感染,中度感染,严重感染,极度感染,并分别以0,1,2,3,4表示,定义元胞状态的迁移规则如下:
Step1:如果当前元胞未被感染,且其周围有状态为3的邻域元胞,并满足感染概率P>0.5,则设该元胞状态为1,否则设为0;
Step2:对于当前状态为1的元胞,下一步其状态设为2;
Step3:对于当前状态为2的元胞,在环境因素为适宜条件时,适宜条件是指:若温度T处于(24-28℃)且相对湿度H>90%,下一步状态变为3,否则仍然保持状态2;
Step4:对于当前状态为3的元胞,将其下一步状态设置为4;
Step5:对于当前状态为4的元胞,不可再被感染;
模型考虑3中因素:邻域元胞状态N,相对湿度H和温度T。该模型提出每一个邻域元胞对本元胞的感染概率P的计算:
Figure BDA0002438035350000031
Figure BDA0002438035350000032
其中,B是一个常量因子,t代表当前的环境温度,h代表当前的环境的相对湿度,T代表最适宜病菌生长的温度,H代表最适宜繁殖的相对湿度,k1,k2分别指对应参数的权重;
步骤2、植株间的病菌传播模型,过程如下:
针对水稻叶瘟病,构建了在外界环境因素对病菌传播的影响下,水稻叶瘟病菌的传播扩散模型,通过查阅相关病害研究和病菌的生物学原理,根据病菌在真实植株间的传播过程,将病菌传播分为以下情况进行研究:2.1)在单个植株内部的病菌传播方法;2.2)相邻接触植株间的病菌扩散机制;2.3)在风的作用下,病菌在植物群体内传播的模型;2.4)重复上述2.2)、2.3)直到达到中止条件,设置的最大迭代次数D。
进一步,所述2.1)中,单个植株上的病菌扩散过程:
在不考虑风这一因素的情况下,病菌的扩散是一个随着位置进行转移的过程,病菌从所处的位置向周围扩散,先是单一植物内的扩散,然后扩散到相邻接触植株,而单个感染植株内部的病菌扩散由感染植物受到感染的叶片所处位置决定,单株水稻叶片进行编号y,从根部至上依次编号为1,2,…,n,n为此株水稻最大叶片数量,根据被感染叶片所处的位置,随机向上或向下扩散至相邻叶片表面,选取感染概率最大的叶片作为下一次病毒传播的方向,第i片叶的传播概率计算如下:
Pi=f|i-y|
其中,f为对应参数的权重,y为被感染叶片的编号,i为叶片的编号。
再进一步,所述2.2)中,邻接触植株的病菌传播机制的过程如下:
2.2.1孢子传播
以水稻植株群体间为例,每一株水稻都与周围的八株水稻共同构成九宫格排列,在模拟孢子的传播过程中,以受到感染植株即产孢寄主的位置作为九宫格的中心,将最相邻接触的4株水稻定义为近接触型水稻,而将在四个顶角的4株水稻定义为远接触水稻。病毒孢子的生存和侵染能力受到环境因素温度和湿度的影响;
产孢寄主植株扩散到邻接触型水稻的概率:
P=w·d
产孢寄主植株扩散到远接触型水稻的概率:
Figure BDA0002438035350000041
其中,w为扩散概率的权重,d为植株的间距。
2.2.2孢子侵染
孢子侵染能力P计算公式:
P=a1·|t-T|+a2·|h-H|
其中,a1,a2为对应系数的权重,t为当前环境温度,h为当前环境相对湿度;T,H分别为孢子入侵最适宜的温度和相对湿度。
更进一步,所述2.3)中,植株间病菌扩散机制:植株间病冬季,稻瘟病菌会通过分生孢子和菌丝体的形式在稻草、稻谷上面附着。在第二年时,产生分生孢子并借助风雨等自然现象传播到水稻植株上,进而萌发并入侵寄主,再向邻近的细胞扩展,形成中心病株。病部形成的分生孢子,借风雨传播进行再侵染;在风雨的影响下,稻瘟病菌的传播具有很强的随机性。稻瘟病菌在稻田最适宜生长区域的繁殖,可以看作稻瘟病菌在稻田内寻找最优繁殖地的过程,稻田的环境因素作为寻优路径的更新因子,采用粒子群优化算法来模拟病菌的扩散机制,流程如下所示:
2.3.1)初始化感染叶片数目、叶片位置,感染程度等级G,风向和大小,环境温度T、环境湿度H;
2.3.2)计算每个感染叶片的适应度值,即感染等级;
2.3.3)将感染叶片位置作为粒子位置信息xi,使用下列公式进行感染扩散更新操作:
vi=vi+c1·r1·(pbesti-xi)+c2·r2·(gbesti-xi)
xi=xi+vi
其中,v的范围为[-V,V],代表现在环境的风速,c1、c2为常数,调节受环境影响的扩散能力;r1、r2为两个随机数,取值范围[0,1],用于提高病菌扩散的随机性,w为惯性权重,用于调节对水稻区域的稻瘟病扩散范围。
本发明的有益效果表现在:
1)本发明利用虚拟水稻模型,分析影响稻瘟病菌传播的各个因素,将稻瘟病菌扩散与虚拟水稻相结合,在计算机中完成了对水稻病害的扩散模拟;
2)本发明利用虚拟水稻的病菌扩散模型,可以应用于虚拟植物病害传播程度的计算,为虚拟水稻的病害研究提供一定参考,使病害传播更符合真实的情况。
附图说明
图1是本发明的Moore型元胞自动机邻居模型图。
图2是本发明的单株水稻叶片示意图。
图3是单株水稻感染示意图。
具体实施方式
下面结合附图对本发明做进一步说明。
参照图1~图3,一种基于水稻模型的稻瘟病传播机制模拟方法,设计了一种虚拟水稻模型,考虑多种影响稻瘟病菌的传播因素,例如温度、湿度和风对病菌传播的影响,所述方法包括以下步骤:
步骤1、单叶片病斑蔓延模拟,过程如下:
本发明以稻瘟病菌在单个叶片表面传播为例,利用元胞自动机模拟这一自然现象,生成水稻叶片的三维曲面,再将元胞自动机布置在其表面,用于模拟病斑的扩散,每个元胞以8个相邻元胞作为其邻域元胞,定性地将感染状态元胞设置为5种状态N:未感染,轻度感染,中度感染,严重感染,极度感染,并分别以0,1,2,3,4表示;
定义元胞状态的迁移规则如下:
Step1:如果当前元胞未被感染,且其周围有状态为3的邻域元胞,并满足感染概率P>0.5,则设该元胞状态为1,否则设为0;
Step2:对于当前状态为1的元胞,下一步其状态设为2;
Step3:对于当前状态为2的元胞,在环境因素为适宜条件时(若温度T处于(24-28℃)且相对湿度H>90%),下一步状态变为3,否则仍然保持状态2;
Step4:对于当前状态为3的元胞,将其下一步状态设置为4;
Step5:对于当前状态为4的元胞,不可再被感染;
本模型考虑3中因素:邻域元胞状态N,相对湿度H和温度T。该模型提出每一个邻域元胞对本元胞的感染概率P的计算:
Figure BDA0002438035350000071
Figure BDA0002438035350000072
其中,B是一个常量因子,t代表当前的环境温度,h代表当前的环境的相对湿度,T代表最适宜病菌生长的温度,H代表最适宜繁殖的相对湿度,k1,k2分别指对应参数的权重;
步骤2、植株间的病菌传播模型,过程如下:
针对水稻叶瘟病,构建了在外界环境因素对病菌传播的影响下,水稻叶瘟病菌的传播扩散模型,通过查阅相关病害研究和病菌的生物学原理,根据病菌在真实植株间的传播过程,将病菌传播分为以下情况进行研究:2.1)在单个植株内部的病菌传播方法;2.2)相邻接触植株间的病菌扩散机制;2.3)在风的作用下,病菌在植物群体内传播的模型;2.4)重复上述2.2)、2.3)直到达到中止条件,设置的最大迭代次数D。
所述2.1)中,单个植株上的病菌扩散的过程如下:
在不考虑风这一因素的情况下,病菌的扩散是一个随着位置进行转移的过程,病菌从所处的位置向周围扩散,先是单一植物内的扩散,然后扩散到相邻接触植株,而单个感染植株内部的病菌扩散由感染植物受到感染的叶片所处位置决定,将单株水稻叶片进行编号,从根部至上依次编号为1,2,…,n,n为此株水稻最大叶片数量,根据被感染叶片所处的位置,随机向上或向下扩散至相邻叶片表面,选取感染概率最大的叶片作为下一次病毒传播的方向,传播至第i片叶的概率计算公式:
Pi=f|i-y|
其中,f为对应参数的权重,y为被感染叶片的编号,i为叶片编号。
所述2.2)中,邻接触植株的病菌传播机制的过程如下:
2.2.1孢子传播
以水稻植株群体间为例,每一株水稻都与周围的八株水稻共同构成九宫格排列,在模拟孢子的传播过程中,以受到感染植株即产孢寄主的位置作为九宫格的中心,将最相邻接触的4株水稻定义为近接触型水稻,而将在四个顶角的4株水稻定义为远接触水稻;
产孢寄主植株扩散到邻接触型水稻的概率:
P=w·d
产孢寄主植株扩散到远接触型水稻的概率:
Figure BDA0002438035350000081
其中,w为扩散概率的权重,d为植株的间距;
2.2.2孢子侵染
孢子侵染能力P计算公式:
P=a1·|t-T|+a2·|h-H|
其中,a1,a2为对应系数的权重,t为当前环境温度,h为当前环境相对湿度;T,H分别为孢子入侵最适宜的温度和相对湿度。产生一个0~1间的随机数X[0,1],若X≤P,则孢子侵入该叶片,随机在该叶片任意位置形成一个侵染病斑;若X>=P,则孢子不能进行侵染和留下病斑。
所述2.3)中,植株间病菌扩散机制如下:
稻瘟病菌以分生孢子和菌丝体在稻草和稻谷上越冬,第二年产生分生孢子借风雨传播到稻株上,萌发侵入寄主向邻近细胞扩展发病,形成中心病株,病部形成的分生孢子,借风雨传播进行再侵染。在风雨的影响下,稻瘟病菌的传播具有很强的随机性,稻瘟病菌在稻田最适宜生长区域的繁殖,可以看作稻瘟病菌在稻田内寻找最优繁殖地的过程,稻田的环境因素如温度、风等,可以作为寻优路径的更新因子,采用粒子群优化算法来模拟病菌的扩散机制,流程如下所示:
2.3.1)初始化感染叶片数目、叶片位置,感染程度等级G,风向和大小(矢量V),环境温度T、环境湿度H;
2.3.2)计算每个感染叶片的适应度值,即感染等级;
2.3.3)将感染叶片位置作为粒子位置信息xi,使用下列公式进行感染扩散更新操作:
vi=vi+c1·r1·(pbesti-xi)+c2·r2·(gbesti-xi)
xi=xi+vi
其中,v的范围为[-V,V],代表现在环境的风速,c1、c2为常数,调节受环境影响的扩散能力;r1、r2为两个随机数,取值范围[0,1],用于提高病菌扩散的随机性,w为惯性权重,用于调节对水稻区域的稻瘟病扩散范围。

Claims (4)

1.一种基于水稻模型的稻瘟病传播机制模拟方法,其特征在于,所述方法包括以下步骤:
步骤1、单叶片病斑蔓延模拟,过程如下:
首先生成水稻叶片的三维曲面,再将元胞自动机布置在其表面,用于模拟病斑的扩散,每个元胞以8个相邻元胞作为其邻域元胞,通过观察研究所拍摄的水稻感染瘟病的图片,根据病毒感染发生时间的推进,定性地将感染状态元胞设置为5种状态:未感染,轻度感染,中度感染,严重感染,极度感染,并分别以0,1,2,3,4表示,定义元胞状态的迁移规则如下:
Step1:如果当前元胞未被感染,且其周围有状态为3的邻域元胞,并满足感染概率P>0.5,则设该元胞状态为1,否则设为0;
Step2:对于当前状态为1的元胞,下一步其状态设为2;
Step3:对于当前状态为2的元胞,在环境因素为适宜条件时,适宜条件是指:若温度T处于(24-28℃)且相对湿度H>90%,下一步状态变为3,否则仍然保持状态2;
Step4:对于当前状态为3的元胞,将其下一步状态设置为4;
Step5:对于当前状态为4的元胞,不可再被感染;
模型考虑3中因素:邻域元胞状态N,相对湿度H和温度T,该模型提出每一个邻域元胞对本元胞的感染概率P的计算:
Figure FDA0002438035340000011
Figure FDA0002438035340000012
其中,B是一个常量因子,t代表当前的环境温度,h代表当前的环境的相对湿度,T代表最适宜病菌生长的温度,H代表最适宜繁殖的相对湿度,k1,k2分别指对应参数的权重;
步骤2、植株间的病菌传播模型,过程如下:
针对水稻叶瘟病,构建了在外界环境因素对病菌传播的影响下,水稻叶瘟病菌的传播扩散模型,通过查阅相关病害研究和病菌的生物学原理,根据病菌在真实植株间的传播过程,将病菌传播分为以下情况进行研究:2.1)在单个植株内部的病菌传播方法;2.2)相邻接触植株间的病菌扩散机制;2.3)在风的作用下,病菌在植物群体内传播的模型;2.4)重复上述2.2)、2.3)直到达到中止条件,设置的最大迭代次数D。
2.如权利要求1所述的一种基于水稻模型的稻瘟病传播机制模拟方法,其特征在于,所述2.1)中,单个植株上的病菌扩散过程:
在不考虑风这一因素的情况下,病菌的扩散是一个随着位置进行转移的过程,病菌从所处的位置向周围扩散,先是单一植物内的扩散,然后扩散到相邻接触植株,而单个感染植株内部的病菌扩散由感染植物受到感染的叶片所处位置决定,单株水稻叶片进行编号y,从根部至上依次编号为1,2,…,n,n为此株水稻最大叶片数量,根据被感染叶片所处的位置,随机向上或向下扩散至相邻叶片表面,选取感染概率最大的叶片作为下一次病毒传播的方向,第i片叶的传播概率计算如下:
Pi=f|i-y|
其中,f为对应参数的权重,y为被感染叶片的编号,i为叶片的编号。
3.如权利要求1或2所述的一种基于水稻模型的稻瘟病传播机制模拟方法,其特征在于,所述2.2)中,邻接触植株的病菌传播机制的过程如下:
2.2.1孢子传播
以水稻植株群体间为例,每一株水稻都与周围的八株水稻共同构成九宫格排列,在模拟孢子的传播过程中,以受到感染植株即产孢寄主的位置作为九宫格的中心,将最相邻接触的4株水稻定义为近接触型水稻,而将在四个顶角的4株水稻定义为远接触水稻,病毒孢子的生存和侵染能力受到环境因素温度和湿度的影响;
产孢寄主植株扩散到邻接触型水稻的概率:
P=w·d
产孢寄主植株扩散到远接触型水稻的概率:
Figure FDA0002438035340000031
其中,w为扩散概率的权重,d为植株的间距;
2.2.2孢子侵染
孢子侵染能力P计算公式:
P=a1·|t-T|+a2·|h-H|
其中,a1,a2为对应系数的权重,t为当前环境温度,h为当前环境相对湿度;T,H分别为孢子入侵最适宜的温度和相对湿度。
4.如权利要求1或2所述的一种基于水稻模型的稻瘟病传播机制模拟方法,其特征在于,所述2.3)中,植株间病菌扩散机制:植株间病冬季,稻瘟病菌会通过分生孢子和菌丝体的形式在稻草、稻谷上面附着,在第二年时,产生分生孢子并借助风雨等自然现象传播到水稻植株上,进而萌发并入侵寄主,再向邻近的细胞扩展,形成中心病株,病部形成的分生孢子,借风雨传播进行再侵染;在风雨的影响下,稻瘟病菌的传播具有很强的随机性,稻瘟病菌在稻田最适宜生长区域的繁殖,可以看作稻瘟病菌在稻田内寻找最优繁殖地的过程,稻田的环境因素作为寻优路径的更新因子,采用粒子群优化算法来模拟病菌的扩散机制,流程如下所示:
2.3.1)初始化感染叶片数目、叶片位置,感染程度等级G,风向和大小,环境温度T、环境湿度H;
2.3.2)计算每个感染叶片的适应度值,即感染等级;
2.3.3)将感染叶片位置作为粒子位置信息xi,使用下列公式进行感染扩散更新操作:
vi=vi+c1·r1·(pbesti-xi)+c2·r2·(gbesti-xi)
xi=xi+vi
其中,v的范围为[-V,V],代表现在环境的风速,c1、c2为常数,调节受环境影响的扩散能力;r1、r2为两个随机数,取值范围[0,1],用于提高病菌扩散的随机性,w为惯性权重,用于调节对水稻区域的稻瘟病扩散范围。
CN202010257664.1A 2020-04-03 2020-04-03 一种基于水稻模型的稻瘟病传播机制模拟方法 Active CN111508554B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010257664.1A CN111508554B (zh) 2020-04-03 2020-04-03 一种基于水稻模型的稻瘟病传播机制模拟方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010257664.1A CN111508554B (zh) 2020-04-03 2020-04-03 一种基于水稻模型的稻瘟病传播机制模拟方法

Publications (2)

Publication Number Publication Date
CN111508554A true CN111508554A (zh) 2020-08-07
CN111508554B CN111508554B (zh) 2023-06-27

Family

ID=71869117

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010257664.1A Active CN111508554B (zh) 2020-04-03 2020-04-03 一种基于水稻模型的稻瘟病传播机制模拟方法

Country Status (1)

Country Link
CN (1) CN111508554B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112436959A (zh) * 2020-11-09 2021-03-02 南昌工学院 一种计算机网络信息安全事件处理方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102129503A (zh) * 2010-01-13 2011-07-20 中国科学院遥感应用研究所 消化道疾病河道传播时空建模与模拟系统
WO2013026085A1 (en) * 2011-08-23 2013-02-28 The University Of Queensland Disease resistant plant breeding method
CN208964923U (zh) * 2018-08-09 2019-06-11 鄂尔多斯生态环境职业学院 一种捕捉锈孢子的模拟叶片

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102129503A (zh) * 2010-01-13 2011-07-20 中国科学院遥感应用研究所 消化道疾病河道传播时空建模与模拟系统
WO2013026085A1 (en) * 2011-08-23 2013-02-28 The University Of Queensland Disease resistant plant breeding method
CN208964923U (zh) * 2018-08-09 2019-06-11 鄂尔多斯生态环境职业学院 一种捕捉锈孢子的模拟叶片

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
刘丽梅;齐英艳;唐晓飞: "水稻稻瘟病预测预报初步探讨" *
李保华,徐向明: "植物病害时空流行动态模拟模型的构建" *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112436959A (zh) * 2020-11-09 2021-03-02 南昌工学院 一种计算机网络信息安全事件处理方法

Also Published As

Publication number Publication date
CN111508554B (zh) 2023-06-27

Similar Documents

Publication Publication Date Title
Alstad et al. Managing the evolution of insect resistance to transgenic plants
Harris et al. Seedling growth in Elymus farctus after episodes of burial with sand
CN111508554A (zh) 一种基于水稻模型的稻瘟病传播机制模拟方法
Ko et al. Impacts of regional climate change on barley yield and its geographical variation in South Korea
CN105006015B (zh) 基于位置的流体模拟控制方法及系统
CN107871039A (zh) 一种基于虚拟模型的水稻株距优化方法
Chiba et al. Visual simulation of botanical trees based on virtual heliotropism and dormancy break
CN107945280A (zh) 一种模拟真实星球生态分布的方法
He et al. Study on stripe rust (Puccinia striiformis) effect on grain filling and seed morphology building of special winter wheat germplasm Huixianhong
CN114995390A (zh) 一种基于动态自适应参数调整的蜉蝣算法的移动机器人路径规划方法
Ziv Morphogenic control of plants micropropagated in bioreactor cultures and its possible impact on acclimatization
Veenstra et al. Generating artificial plant morphologies for function and aesthetics through evolving l-systems
Illg et al. Micropropagation of Alpinia purpurata from inflorescence buds
Min et al. Developmental Mechanism and Distribution Pattern of Stomatal Clusters in Begonia peltatifolia
Smirnova et al. Ontogeny of different life forms of plants and specific features of age and spatial structure of their populations
Gladkov et al. Increasing tolerance Agrostis stolonifera, Festuca rubra, Brachycome iberidifolia, Chrysanthemum carinatum to copper
Niam et al. Root-zone cooling in tropical greenhouse: A review
CN108595812B (zh) 一种基于agent植被分布快速生成建模仿真方法
Chhuneja et al. Evaluation of Aegilops tauschii (Coss.) germplasm for Karnal bunt resistance in a screen house with simulated environmental conditions
US10213686B2 (en) Modeling complex environments using an interconnected system of simulation layers
CN110502860A (zh) 基于粒子群算法的无人直升机控制优化方法
Elings et al. The photosynthesis response of tomato to air circulation
Huang et al. Hybrid rice production
Fauzan et al. Implementation of fuzzy logic controllers to maintain water temperature in hydroponics nft for lollo verde lettuce (Lactuca sativa L.)
CN111382896A (zh) 一种自适应混沌并行克隆选择算法的wta目标优化方法

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