CN111695785A - 一种评价农作物品种高产稳产的方法 - Google Patents

一种评价农作物品种高产稳产的方法 Download PDF

Info

Publication number
CN111695785A
CN111695785A CN202010435941.3A CN202010435941A CN111695785A CN 111695785 A CN111695785 A CN 111695785A CN 202010435941 A CN202010435941 A CN 202010435941A CN 111695785 A CN111695785 A CN 111695785A
Authority
CN
China
Prior art keywords
yield
different
varieties
stable
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.)
Granted
Application number
CN202010435941.3A
Other languages
English (en)
Other versions
CN111695785B (zh
Inventor
郭建秋
常丽丹
李林
亢江飞
陈颖民
方社法
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.)
Luoyang Academy of Agriculture and Forestry Sciences
Original Assignee
Luoyang Academy of Agriculture and Forestry Sciences
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 Luoyang Academy of Agriculture and Forestry Sciences filed Critical Luoyang Academy of Agriculture and Forestry Sciences
Priority to CN202010435941.3A priority Critical patent/CN111695785B/zh
Publication of CN111695785A publication Critical patent/CN111695785A/zh
Application granted granted Critical
Publication of CN111695785B publication Critical patent/CN111695785B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Educational Administration (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Physics & Mathematics (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Agronomy & Crop Science (AREA)
  • Animal Husbandry (AREA)
  • Marine Sciences & Fisheries (AREA)
  • Mining & Mineral Resources (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Breeding Of Plants And Reproduction By Means Of Culturing (AREA)
  • Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)

Abstract

本发明涉及农作物品种高产稳产评价技术领域，本发明公开了一种评价农作物品种高产稳产的方法，步骤一、数据算法的确定；步骤二、同一试点产量最大值的获得；步骤三、不同农作物品种在不同试样点产量与不同试点最高产量比值的计算；步骤四、计算不同品种在不同试验点比值的平均数；步骤五、不同品种在不同试验点高产稳产指数的计算；步骤六、根据农作物品种高产稳产指数对不同农作物品种评价。这种评价农作物品种高产稳产的方法，提高了对农作物品种高产稳产评价的科学性，降低了对农作物品种高产稳产性评价的偏差。

Description

一种评价农作物品种高产稳产的方法
技术领域
本发明涉及农作物品种高产稳产评价技术领域，尤其涉及一种评价农作物品种高产稳产的方法。
背景技术
评价区域试种品种高产稳产的方法有很多种，其中高稳系数法得到了广泛应用。 高稳系数方法具体为：以“作物产量表型P=遗传基础G+生产环境E”为理论基础，以比对照品 种更为高产稳产的目标品种产量作为具有竞争力的统一比较标准。根据高稳系数的计算方 法，将第i参试品种的多点（或不同处理）平均产量
Figure 975140DEST_PATH_IMAGE001
作为其产量的表型值看待，将其产量 变异的标准差（S）作为生产环境引起的变化成分看待，那么其产量的遗传基础（加性、非加 性）所决定的部分
Figure 892280DEST_PATH_IMAGE002
；又因为目标品种的产量一般以稳定比对照增产10%以上计 算，所以提出以接近、达到或超过目标品种的产量水平，含有竞争性意义的高产稳产系数 （高稳系数）的计算公式（1）为：
Figure 734334DEST_PATH_IMAGE003
公式（1）中，
Figure 129544DEST_PATH_IMAGE004
为第i参试品种的高稳系数；
Figure 6233DEST_PATH_IMAGE005
越小，表明该品种的高产稳产性 越好；
Figure 828695DEST_PATH_IMAGE006
为目标品种的稳定产量，以比对照平均产量（
Figure 95728DEST_PATH_IMAGE007
）增产10％（即1.10
Figure 294629DEST_PATH_IMAGE008
）、标准 差和对照相同（
Figure 28754DEST_PATH_IMAGE009
）计算而得，也就是同样表示
Figure 22118DEST_PATH_IMAGE010
。
公式（1）也可以简化为公式（2）：
Figure 776447DEST_PATH_IMAGE011
为了便于计算公式（2）可以进一步简化为公式（3）：
Figure 575776DEST_PATH_IMAGE012
不同于公式（1）和公式（2）的是公式（3）所得结果其值越大，表明品种的高产稳产性越好，排列顺序公式（1）和公式（2）完全相同。高稳系数法计算简单，理论依据扎实，而且把多个指标合并为一个指标，所以被广泛应用。
但是现有技术中，高稳系数法理论致命的缺陷是：作物产量是由作物本身的遗传 基础和生长环境共同决定的，在遗传基础G固定的前提下，生长环境有利，则可以提高作物 产量，E为正值；否则会降低作物产量，E为负值。高稳系数法中经变换后，作物产量表型P=遗 传基础G+生产环境E变成了：
Figure 99161DEST_PATH_IMAGE013
。然后E偷换成了S，将其产量变异的标准差S作为生 产环境引起的变化成分E看待；E可以为正值或者负值，而对一个具体的试验来说，标准差S 总是正数，这导致了
Figure 529005DEST_PATH_IMAGE013
中的Gi总是小于
Figure 770631DEST_PATH_IMAGE001
，从而导致了该方法的理论基础的崩塌； 如果采用高稳系数法对农作品种的高产稳产性评价，最终造成对农作物品种高产稳产性评 价偏差较大，不能科学地评价农作物品种的高产稳产性，从而对农作物品种质量评价有失 偏颇。发明人基于现有技术中的缺陷研发了一种评价农作物品种高产稳产的方法，能够解 决现有技术中的问题。
发明内容
本发明的目的是为了解决上述现有技术中存在的问题，提供了一种评价农作物品种高产稳产的方法，该方法能够科学地对农作物品种在不同试验区域、不同环境下的高产稳产性进行评价；本发明设定某个农作物品种在各个试点的产量都是第一名或者无限接近第一名，无疑该农作物品种具有高产性和稳产性。要比较两组成对数据是否接近，有做差法和做商法两种。做差法只考虑了两组数据的绝对差值，未考虑到基数（最大值）的大小，即未考虑到试验区域不同品种、不同环境下，环境对产量的影响；因此本发明采用做商法进行品种高产稳产性的评价。
本发明提供一种评价农作物品种高产稳产的方法：
步骤一、数据算法的确定：采用做商法对农作物品种在试验区域不同品种、不同环境下的产量数据进行计算，假设某组区域试验由n个试点、m个品种参加试验，则某品种j的高产稳产指数公式为：
Figure 108071DEST_PATH_IMAGE014
公式中，
Figure 751542DEST_PATH_IMAGE015
为评价第j个品种高产稳产性指数；
Figure 86709DEST_PATH_IMAGE016
为各品种在不同试点的比值的平 均数；
Figure 815630DEST_PATH_IMAGE017
为第i个试点的产量最大值；
Figure 956762DEST_PATH_IMAGE018
为第j个品种在第i个试点的产量；n为试点数 量；根据公式中评价农作物品种高产稳产性的指标为：
Figure 454739DEST_PATH_IMAGE015
越大，则该品种的高产稳产性越 好，表明该品种农作物的质量越好；
步骤二、同一试点产量最大值的获得：将m个不同品种，n个试点在同一生态区域中种植，等农作物成熟、试验数据采集完成后，整理出由品种和试点组成的产量二维表，并统计其同一试点不同品种的产量最大值；统计结果如下例表1：
例表1为由品种和试点组成的产量二维表
Figure 226386DEST_PATH_IMAGE020
其中原始统计表中，E表示试点；V表示农作物品种；统计表中，统计了某一品种在不同试点的产量、统计了某一品种在十二试点的平均产量、同时还统计了所选十五种不同品种在同一个试点的产量最大值；
步骤三、不同农作物品种在不同试点产量与不同试点最高产量比值的计算：将步骤二中的不同农作物品种在不同试点产量除以该试点的最高产量，得到不同农作物品种在不同试点产量与不同试点最高产量比值；其计算结果如下例表2：
例表2为不同农作物在不同试点产量与不同试点最高产量比值
Figure 177024DEST_PATH_IMAGE022
步骤四、计算不同品种在不同试验点比值的平均数：根据步骤三中不同品种在不同试点的比值，计算出不同品种在不同试验点比值的平均数，并计算出不同品种在不同试验点比值的平均数高低排序（如表2所示）；
步骤五、不同品种在不同试验点高产稳产指数的计算：根据步骤一中农作物品种的高 产稳产指数公式；将
Figure 121847DEST_PATH_IMAGE023
、
Figure 474331DEST_PATH_IMAGE024
、
Figure 416879DEST_PATH_IMAGE025
、n和i已知数代入到农作物品种的高产稳产指数公式 中，逐一计算出不同品种在不同试验点高产稳产指数；
步骤六、根据农作物品种高产稳产指数对不同农作物品种评价：
根据步骤四和步骤五中的不同品种在不同试点的产量平均数和高产稳产指数进行高低排序；如例表3：
例表3为不同品种在不同试点的产量平均数和高产稳产指数的高低排序
Figure 854813DEST_PATH_IMAGE027
从表1和表2可以看出，按两种办法排名前六名的农作物品种，其实产量差距很小，高产稳产指数差距也很小，但两种排名顺序差异较大；高产稳产指数的排名与平均数排名不同，主要是高产稳产指数反映了该品种与最高产量（稳定最优品种）差距的大小即稳产性；同时，根据平均数进行排名，名次靠前的品种，用高产稳产指数进行排名，名次依然会比较靠前，体现了该指标在考核稳产的同时兼顾了高产性；农作物品种高产稳产指数的数值越大表明该品种的高产稳产性越好。
其中步骤一中，采用做商法对农作物品种在试验区域不同品种、不同环境下的产量数据进行计算；这样做的主要目的是考虑到试验区域不同品种、不同环境下，环境对产量的影响，引入了更多的对农作物高产稳产评价的影响因素，使评价结果更加科学合理，降低了对农作物品种高产稳产性评价的偏差。
其中步骤二中，将m个不同品种，n个试点在同一区域中种植，等农作物成熟后统计其同一品种在不同试点的产量；这样做的主要目的是得到不同品种的农作在某个试点的产量数值，为不同农作物品种在不同试点最高产量比值的计算提供计算数据。
其中步骤三中，将步骤二中的不同农作物品种在不同试点产量除以该试点的最高产量，得到不同农作物品种在不同试点产量与不同试点最高产量比值；这样做的主要目的是考察不同品种在不同试点的高产性、适应性和稳定性，并获得品种评价的依据。
其中步骤四中，根据步骤三中不同品种在不同试点的比值，计算出不同品种在不同试验点比值的平均数，并计算出不同品种在不同试验点比值的平均数高低排序；这样做的主要目的是衡量某品种在该试点的产量相对于该试点最高产量的表现，体现了该品种的高产性能。
其中步骤五中，根据步骤一中农作物品种的高产稳产指数公式；将
Figure 275430DEST_PATH_IMAGE024
、
Figure 810317DEST_PATH_IMAGE028
、n 和i已知数代入到农作物品种的高产稳产指数公式中，逐一计算出不同品种在不同试验点 高产稳产指数；这样做的主要目的是得到农作物品种的高产稳产指数，并同时根据某一品 种的高产稳定指数来评价农作物品种的高产稳定性，在评价农作物品种稳产同时兼顾了高 产性。
本发明的有益效果：本发明提供了一种评价农作物品种高产稳产的方法，该方法能够科学地对农作物品种在不同试验区域、不同环境下的高产稳产性进行评价；提高了对农作物品种高产稳产评价的科学性，降低了对农作物品种高产稳产性评价的偏差。
具体实施方式
以下结合具体实施例对本发明做进一步描述，这些实施例仅用于说明本发明而不用于限制本发明的范围。
本发明具体提供一种评价农作物品种高产稳产的方法：
步骤一、数据算法的确定：采用做商法对农作物品种在试验区域不同品种、不同环境下的产量数据进行计算，假设某组区域试验由n个试点、m个品种参加试验，则某品种j的高产稳产指数公式为：
Figure 923766DEST_PATH_IMAGE029
公式中，
Figure 848997DEST_PATH_IMAGE030
为评价第j个品种高产稳产性指数；
Figure 135622DEST_PATH_IMAGE031
为各品种在不同试点的比值的平 均数；
Figure 197119DEST_PATH_IMAGE032
为第i个试点的产量最大值；
Figure 481470DEST_PATH_IMAGE025
为第j个品种在第i个试点的产量；n为试点数 量；根据公式中评价农作物品种高产稳产性的指标为：
Figure 893997DEST_PATH_IMAGE033
越大，则该品种的高产稳产性越 好，表明该品种农作物的质量越好；
步骤二、同一试点产量最大值的获得：将m个不同品种，n个试点在同一生态区域中种植，等农作物成熟、试验数据采集完成后，整理出由品种和试点组成的产量二维表，并统计其同一试点不同品种的产量最大值；统计结果如下例表1：
例表1为由品种和试点组成的产量二维表
Figure DEST_PATH_IMAGE034
其中原始统计表中，E表示试点；V表示农作物品种；统计表中，统计了某一品种在不同试点的产量、统计了某一品种在十二试点的平均产量、同时还统计了所选十五种不同品种在同一个试点的产量最大值；
步骤三、不同农作物品种在不同试点产量与不同试点最高产量比值的计算：将步骤二中的不同农作物品种在不同试点产量除以该试点的最高产量，得到不同农作物品种在不同试点产量与不同试点最高产量比值；其计算结果如下例表2：
例表2为不同农作物在不同试点产量与不同试点最高产量比值
Figure 984312DEST_PATH_IMAGE035
步骤四、计算不同品种在不同试验点比值的平均数：根据步骤三中不同品种在不同试点的比值，计算出不同品种在不同试验点比值的平均数，并计算出不同品种在不同试验点比值的平均数高低排序（如表2所示）；
步骤五、不同品种在不同试验点高产稳产指数的计算：根据步骤一中农作物品种的高 产稳产指数公式；将
Figure 165895DEST_PATH_IMAGE036
、
Figure 355568DEST_PATH_IMAGE024
、
Figure 320637DEST_PATH_IMAGE025
、n和i已知数代入到农作物品种的高产稳产指数公式 中，逐一计算出不同品种在不同试验点高产稳产指数；
步骤六、根据农作物品种高产稳产指数对不同农作物品种评价：
根据步骤四和步骤五中的不同品种在不同试点的产量平均数和高产稳产指数进行高低排序；如例表3：
例表3为不同品种在不同试点的产量平均数和高产稳产指数的高低排序
Figure 886748DEST_PATH_IMAGE037
从表1和表2可以看出，按两种办法排名前六名的农作物品种，其实产量差距很小，高产稳产指数差距也很小，但两种排名顺序差异较大；高产稳产指数的排名与平均数排名不同，主要是高产稳产指数反映了该品种与最高产量（稳定最优品种）差距的大小即稳产性；同时，根据平均数进行排名，名次靠前的品种，用高产稳产指数进行排名，名次依然会比较靠前，体现了该指标在考核稳产的同时兼顾了高产性；农作物品种高产稳产指数的数值越大表明该品种的高产稳产性越好。
对所公开的实施例的上述说明，是本领域专业技术人员能够实现或使用本发明。对上述实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (2)

1.一种评价农作物品种高产稳产的方法，步骤一、数据算法的确定：采用做商法对农作 物品种在试验区域不同品种、不同环境下的产量数据进行计算，假设某组区域试验由n个试 点、m个品种参加试验，则某品种j的高产稳产指数公式为：
Figure 325253DEST_PATH_IMAGE001
公式中，
Figure 891364DEST_PATH_IMAGE002
为评价第j个品种高产稳产性指数；
Figure 865136DEST_PATH_IMAGE003
为各品种在不同试点的比值的平均数；
Figure 491289DEST_PATH_IMAGE004
为第i个试点的产量最大值；
Figure 612829DEST_PATH_IMAGE005
为第j个品种在第i个试点的产量；n为试点数量；根据公式 中评价农作物品种高产稳产性的指标为：
Figure 982630DEST_PATH_IMAGE002
越大，则该品种的高产稳产性越好，表明该品 种农作物的质量越好；步骤二、同一试点产量最大值的获得：将m个不同品种，n个试点在同 一生态区域中种植，等农作物成熟、试验数据采集完成后，整理出由品种和试点组成的产量 二维表，并统计其同一试点不同品种的产量最大值；步骤三、不同农作物品种在不同试点产 量与不同试点最高产量比值的计算：将步骤二中的不同农作物品种在不同试点产量除以该 试点的最高产量，得到不同农作物品种在不同试点产量与不同试点最高产量比值；步骤四、 计算不同品种在不同试验点比值的平均数：根据步骤三中不同品种在不同试点的比值，计 算出不同品种在不同试验点比值的平均数，并计算出不同品种在不同试验点比值的平均数 高低排序；步骤五、不同品种在不同试验点高产稳产指数的计算：根据步骤一中农作物品种 的高产稳产指数公式；将
Figure 138805DEST_PATH_IMAGE003
、
Figure 873543DEST_PATH_IMAGE004
、
Figure 482379DEST_PATH_IMAGE006
、n和i已知数代入到农作物品种的高产稳产指数 公式中，逐一计算出不同品种在不同试验点高产稳产指数；步骤六、根据农作物品种高产稳 产指数对不同农作物品种评价：根据步骤四和步骤五中的不同品种在不同试点的产量平均 数和高产稳产指数进行高低排序；高产稳产指数的排名与平均数排名不同，主要是高产稳 产指数反映了该品种与最高产量差距的大小即稳产性；同时，根据平均数进行排名，名次靠 前的品种，用高产稳产指数进行排名，名次依然会比较靠前，体现了该指标在考核稳产的同 时兼顾了高产性。
2.根据权利要求1所述的一种评价农作物品种高产稳产的方法，其特征在于：其中步骤六中，农作物品种高产稳产指数的数值越大表明该品种的高产稳产性越好。
CN202010435941.3A 2020-05-21 2020-05-21 一种评价农作物品种高产稳产的方法 Active CN111695785B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010435941.3A CN111695785B (zh) 2020-05-21 2020-05-21 一种评价农作物品种高产稳产的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010435941.3A CN111695785B (zh) 2020-05-21 2020-05-21 一种评价农作物品种高产稳产的方法

Publications (2)

Publication Number Publication Date
CN111695785A true CN111695785A (zh) 2020-09-22
CN111695785B CN111695785B (zh) 2024-01-09

Family

ID=72478100

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010435941.3A Active CN111695785B (zh) 2020-05-21 2020-05-21 一种评价农作物品种高产稳产的方法

Country Status (1)

Country Link
CN (1) CN111695785B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101069483A (zh) * 2007-06-15 2007-11-14 广东省农业科学院作物研究所 一种超高产花生品种的选育方法
CN107301476A (zh) * 2017-06-22 2017-10-27 哈尔滨理工大学 一种用农作物产量对大种植区域进行试验田划分的方法
CN107980512A (zh) * 2017-11-27 2018-05-04 河南农业大学 一种高产多抗优质小麦品种的筛选评价方法
CN108876209A (zh) * 2018-08-08 2018-11-23 中国农业科学院农业资源与农业区划研究所 一种考虑相对产量的红壤稻田土壤肥力评价方法
RU2674072C1 (ru) * 2017-07-13 2018-12-04 федеральное государственное бюджетное образовательное учреждение высшего образования "Самарская государственная сельскохозяйственная академия" Способ определения нормативной урожайности зерновых культур применительно к оценке земель сельскохозяйственного назначения
CN108961092A (zh) * 2018-07-06 2018-12-07 北京兴农丰华科技有限公司 基于品种试验和环境相似度的品种推广区域分析方法
CN110705649A (zh) * 2019-10-12 2020-01-17 沈阳农业大学 一种不同磷效率基因型大豆品种的快速鉴定方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101069483A (zh) * 2007-06-15 2007-11-14 广东省农业科学院作物研究所 一种超高产花生品种的选育方法
CN107301476A (zh) * 2017-06-22 2017-10-27 哈尔滨理工大学 一种用农作物产量对大种植区域进行试验田划分的方法
RU2674072C1 (ru) * 2017-07-13 2018-12-04 федеральное государственное бюджетное образовательное учреждение высшего образования "Самарская государственная сельскохозяйственная академия" Способ определения нормативной урожайности зерновых культур применительно к оценке земель сельскохозяйственного назначения
CN107980512A (zh) * 2017-11-27 2018-05-04 河南农业大学 一种高产多抗优质小麦品种的筛选评价方法
CN108961092A (zh) * 2018-07-06 2018-12-07 北京兴农丰华科技有限公司 基于品种试验和环境相似度的品种推广区域分析方法
CN108876209A (zh) * 2018-08-08 2018-11-23 中国农业科学院农业资源与农业区划研究所 一种考虑相对产量的红壤稻田土壤肥力评价方法
CN110705649A (zh) * 2019-10-12 2020-01-17 沈阳农业大学 一种不同磷效率基因型大豆品种的快速鉴定方法

Non-Patent Citations (7)

* Cited by examiner, † Cited by third party
Title
余永亮;梁慧珍;杨红旗;董薇;许兰杰;雒峰;: "河南夏大豆区试新品种丰产稳产性评价分析", no. 09 *
侯玮,丛新军,钱兆国,孙宪印,沙英: "山东省西南部小麦新品种(系)高产稳产性评价", no. 03 *
吴正锋;王才斌;刘俊华;万书波;江荣风;: "不同产量水平花生群体特征研究", 花生学报, no. 04 *
张冬娟,董建新,张志: "应用高稳系数(HSC)法分析高粱新杂交种高产稳产性", no. 02 *
曹阳;严玉萍;朱波;冯振秀;: "棉花品种区域试验产量评价方法分析", no. 01 *
陈永娜,李晓亮,牟春生,邱化蛟,张洪福: "黄淮旱地小麦新品种高产稳产性分析", no. 04 *
马敏;: "水稻优良品种比较试验", 农业与技术, no. 01 *

Also Published As

Publication number Publication date
CN111695785B (zh) 2024-01-09

Similar Documents

Publication Publication Date Title
CN111327377B (zh) 场强预测方法、装置、设备及存储介质
CN101414183B (zh) 基于灰色关联分析的卷烟工序质量综合评价系统及其方法
CN110321451B (zh) 基于分布熵增益损失函数的图像检索算法
Kemp The use of cumulative sums for sampling inspection schemes
CN104376434B (zh) 卷烟多点加工质量的综合评价方法
Mostafavi et al. Multivariate analysis of variation among traits of corn hybrids traits under drought stress.
CN108241887A (zh) 一种灰狼优化算法中搜索阶段的优化方法及系统
CN107256241A (zh) 基于网格与差异替换改进多目标遗传算法的电影推荐方法
CN109086831A (zh) 基于模糊c-均值算法和人工蜂群聚类算法的混合聚类算法
CN116049705A (zh) 基于聚类分析的电力系统用户负荷特性聚类方法及系统
CN111695785B (zh) 一种评价农作物品种高产稳产的方法
CN114723132A (zh) 基于改进食肉植物算法的仓储货位智能分配方法
CN113826520B (zh) 一种耐受力强的稳产小麦品种筛选方法
De Azeredo et al. Comparison between different selection indices in energy cane breeding
CN111126499A (zh) 一种基于二次聚类的用电行为模式分类方法
CN108985641A (zh) 一种项目分级管理评价方法
CN116739403A (zh) 一种基于品质状况分布的水果综合品质评价方法
CN109472320B (zh) 不确定条件下作物生育期模型品种参数自动校正方法
CN110955940A (zh) 一种基于ahp的机械装置设计选型方法
Gao et al. Physical fitness clustering analysis based on self-organizing feature maps network
CN109872054A (zh) 一种打叶复烤生产线工艺性能的测试与评价方法
CN116402370A (zh) 一种基于ahp改进critic的综合指标赋权方法
CN109657999A (zh) 一种基于SU-DEA与Malmquist指数的混合动态农机合作社效率评价方法
CN108388911A (zh) 一种面向混合属性的移动用户动态模糊聚类方法
CN107423319A (zh) 一种垃圾网页检测方法

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