CN111768044B - 一种棉花苗期棉蚜数量监测方法及系统 - Google Patents
一种棉花苗期棉蚜数量监测方法及系统 Download PDFInfo
- Publication number
- CN111768044B CN111768044B CN202010628181.8A CN202010628181A CN111768044B CN 111768044 B CN111768044 B CN 111768044B CN 202010628181 A CN202010628181 A CN 202010628181A CN 111768044 B CN111768044 B CN 111768044B
- Authority
- CN
- China
- Prior art keywords
- cotton
- aphid
- leaf
- monitoring
- seedling stage
- 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.)
- Expired - Fee Related
Links
- 241001600408 Aphis gossypii Species 0.000 title claims abstract description 278
- 229920000742 Cotton Polymers 0.000 title claims abstract description 228
- 238000012544 monitoring process Methods 0.000 title claims abstract description 156
- 238000000034 method Methods 0.000 title claims abstract description 42
- 241000219146 Gossypium Species 0.000 claims abstract description 227
- 240000002024 Gossypium herbaceum Species 0.000 claims abstract description 13
- 235000004341 Gossypium herbaceum Nutrition 0.000 claims abstract description 13
- 238000011160 research Methods 0.000 claims abstract description 11
- 241000196324 Embryophyta Species 0.000 claims description 27
- 238000010219 correlation analysis Methods 0.000 claims description 22
- 241001124076 Aphididae Species 0.000 claims description 19
- 238000000611 regression analysis Methods 0.000 claims description 11
- 238000012216 screening Methods 0.000 claims description 11
- 230000009545 invasion Effects 0.000 claims description 8
- 238000012795 verification Methods 0.000 claims description 6
- 238000011835 investigation Methods 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 241000607479 Yersinia pestis Species 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 3
- 238000003745 diagnosis Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 239000013043 chemical agent Substances 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 230000001066 destructive effect 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
- 230000007613 environmental effect Effects 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000005303 weighing 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression 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
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Computational Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Marketing (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Tourism & Hospitality (AREA)
- Operations Research (AREA)
- General Business, Economics & Management (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Physics (AREA)
- General Health & Medical Sciences (AREA)
- Animal Husbandry (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Primary Health Care (AREA)
- Evolutionary Biology (AREA)
- Health & Medical Sciences (AREA)
- Mining & Mineral Resources (AREA)
- Marine Sciences & Fisheries (AREA)
- Probability & Statistics with Applications (AREA)
- Bioinformatics & Computational Biology (AREA)
- Algebra (AREA)
- Agronomy & Crop Science (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种棉花苗期棉蚜数量监测方法及系统。该方法包括：获取棉花品种；所述棉花品种包括新陆早45和鲁棉研24；根据所述棉花品种，获取棉花苗期棉蚜监测模型；根据所述棉花品种，获取最佳监测叶位的棉蚜数量；新陆早45的最佳监测叶位为第三叶位，鲁棉研24的最佳监测叶位为第五叶位；根据所述最佳监测叶位的棉蚜数量和所述棉花苗期棉蚜监测模型，确定整株棉花的棉蚜数量。本发明可以提高棉花苗期棉蚜数量监测的效率。
Description
技术领域
本发明涉及棉花种植监测领域，特别是涉及一种棉花苗期棉蚜数量监测方法及系统。
背景技术
棉花是我国重要的经济作物之一，其中棉蚜是制约棉花优质高产的重要限制因子，每年生产上都需要投入大量的化学药剂进行棉蚜防控。棉蚜虫情的不及时获取导致棉花生长发育受阻，影响植保决策，同时造成生产成本增加和环境污染。棉株上棉蚜数量对棉花虫情等级诊断和环境保护具有重要意义，百株蚜可作为棉田棉蚜虫情诊断的指标。目前生产上大部分还是依靠人工调查和计数棉田棉蚜发生量，采用5点采样法，每点选取调查样株20株，每株选取上、中、下3片叶子调查棉蚜数量，这样的叶位选择主要依赖于调查人员的经验，且工作量依旧很大，最后根据棉蚜国标进行棉蚜危害等级的划分，从而给出防控策略。常规人力普查需要确定植株整株棉蚜数量来估测百株蚜量，该方法耗时费力。
现有技术中关于棉蚜的监测，有的采用抽样调查植株，通过称重来确定蚜虫数量，此方式需要破坏性取样，还需要分别称重，增大了工作量。还有的通过图像识别技术进行叶片上棉蚜数量计数，虽然此方式减少了人力投入，但是对样本叶片的选择缺乏依据，时效性低。
发明内容
本发明的目的是提供一种棉花苗期棉蚜数量监测方法及系统，以提高棉蚜数量监测的效率。
为实现上述目的，本发明提供了如下方案：
一种棉花苗期棉蚜数量监测方法，包括：
获取棉花品种；所述棉花品种包括新陆早45和鲁棉研24；
根据所述棉花品种，获取棉花苗期棉蚜监测模型；
根据所述棉花品种，获取最佳监测叶位的棉蚜数量；新陆早45的最佳监测叶位为第三叶位，鲁棉研24的最佳监测叶位为第五叶位；
根据所述最佳监测叶位的棉蚜数量和所述棉花苗期棉蚜监测模型，确定整株棉花的棉蚜数量。
可选的，所述根据所述棉花品种，获取棉花苗期棉蚜监测模型，具体包括：
新陆早45的棉花苗期棉蚜监测模型为：Y1＝5.198x1+139.767；其中，x1为新陆早45最佳监测叶位的棉蚜数量，Y1为新陆早45整株棉花的棉蚜数量；
鲁棉研24的棉花苗期棉蚜监测模型为：Y2＝6.777x2-23.317；其中，x2为鲁棉研24最佳监测叶位的棉蚜数量，Y2为鲁棉研24整株棉花的棉蚜数量。
可选的，所述根据所述棉花品种，获取棉花苗期棉蚜监测模型，之前还包括：
根据叶位棉蚜量与单叶棉蚜量之间的相关性，采用回归分析方法，对每个棉花品种构建每个叶位对应的棉花苗期棉蚜监测模型；所述棉花苗期棉蚜监测模型为叶位棉蚜量与整株棉蚜量之间的线性模型；
通过建模集决定系数指标和验证集中真实值与预测值的均方根误差指标，对每个棉花品种的棉花苗期棉蚜监测模型进行筛选，确定每个棉花品种对应的棉花苗期棉蚜监测模型。
可选的，所述采用回归分析方法，对每个棉花品种构建每个叶位对应的棉花苗期棉蚜监测模型，之前还包括：
对棉花品种、单叶棉蚜量、总叶棉蚜量和整株棉蚜量之间进行相关性分析，确定单叶棉蚜量与整株棉蚜量之间的相关性；
根据所述单叶棉蚜量与整株棉蚜量之间的相关性，对棉花品种、棉蚜侵害时间、叶位棉蚜量和单叶棉蚜量之间进行相关性分析，确定叶位棉蚜量与单叶棉蚜量之间的相关性。
本发明还提供一种棉花苗期棉蚜数量监测系统，包括：
棉花品种获取模块，用于获取棉花品种；所述棉花品种包括新陆早45和鲁棉研24；
棉花苗期棉蚜监测模型获取模块，用于根据所述棉花品种，获取棉花苗期棉蚜监测模型；
最佳监测叶位的棉蚜数量确定模块，用于根据所述棉花品种，获取最佳监测叶位的棉蚜数量；新陆早45的最佳监测叶位为第三叶位，鲁棉研24的最佳监测叶位为第五叶位；
整株棉花棉蚜数量确定模块，用于根据所述最佳监测叶位的棉蚜数量和所述棉花苗期棉蚜监测模型，确定整株棉花的棉蚜数量。
可选的，所述棉花苗期棉蚜监测模型获取模块具体包括：
新陆早45棉花苗期棉蚜监测模型获取单元，用于获取新陆早45的棉花苗期棉蚜监测模型，新陆早45的棉花苗期棉蚜监测模型为：Y1＝5.198x1+139.767；其中，x1为新陆早45最佳监测叶位的棉蚜数量，Y1为新陆早45整株棉花的棉蚜数量；
鲁棉研24棉花苗期棉蚜监测模型获取单元，用于获取鲁棉研24的棉花苗期棉蚜监测模型，鲁棉研24的棉花苗期棉蚜监测模型为：Y2＝6.777x2-23.317；其中，x2为鲁棉研24最佳监测叶位的棉蚜数量，Y2为鲁棉研24整株棉花的棉蚜数量。
可选的，还包括：
棉花苗期棉蚜监测模型构建模块，用于在根据所述棉花品种，获取棉花苗期棉蚜监测模型之前，根据叶位棉蚜量与单叶棉蚜量之间的相关性，采用回归分析方法，对每个棉花品种构建每个叶位对应的棉花苗期棉蚜监测模型；所述棉花苗期棉蚜监测模型为叶位棉蚜量与整株棉蚜量之间的线性模型；
筛选模块，用于通过建模集决定系数指标和验证集中真实值与预测值的均方根误差指标，对每个棉花品种的棉花苗期棉蚜监测模型进行筛选，确定每个棉花品种对应的棉花苗期棉蚜监测模型。
可选的，还包括：
第一相关性分析模块，用于在采用回归分析方法，对每个棉花品种构建每个叶位对应的棉花苗期棉蚜监测模型之前，对棉花品种、单叶棉蚜量、总叶棉蚜量和整株棉蚜量之间进行相关性分析，确定单叶棉蚜量与整株棉蚜量之间的相关性；
第二相关性分析模块，用于根据所述单叶棉蚜量与整株棉蚜量之间的相关性，对棉花品种、棉蚜侵害时间、叶位棉蚜量和单叶棉蚜量之间进行相关性分析，确定叶位棉蚜量与单叶棉蚜量之间的相关性。
根据本发明提供的具体实施例，本发明公开了以下技术效果：
本发明通过最佳监测叶位的棉蚜数量对整株棉蚜数量进行预测，实现对棉花苗期棉蚜数量的监测，可以大大减少工作量，提高监测效率。
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性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明棉花苗期棉蚜数量监测方法的流程示意图；
图2为本发明棉花苗期棉蚜数量监测系统的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，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前提下所获得的所有其他实施例，都属于本发明保护的范围。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1为本发明棉花苗期棉蚜数量监测方法的流程示意图。如图1所示，本发明棉花苗期棉蚜数量监测方法包括以下步骤：
步骤100：获取棉花品种。本发明的棉花品种包括新陆早45和鲁棉研24。
步骤200：根据棉花品种，获取棉花苗期棉蚜监测模型。其中，新陆早45的棉花苗期棉蚜监测模型为：Y1＝5.198x1+139.767；其中，x1为新陆早45最佳监测叶位的棉蚜数量，Y1为新陆早45整株棉花的棉蚜数量。鲁棉研24的棉花苗期棉蚜监测模型为：Y2＝6.777x2-23.317；其中，x2为鲁棉研24最佳监测叶位的棉蚜数量，Y2为鲁棉研24整株棉花的棉蚜数量。
步骤300：根据棉花品种，获取最佳监测叶位的棉蚜数量。新陆早45的最佳监测叶位为第三叶位，鲁棉研24的最佳监测叶位为第五叶位。
步骤400：根据最佳监测叶位的棉蚜数量和棉花苗期棉蚜监测模型，确定整株棉花的棉蚜数量。将最佳监测叶位的棉蚜数量代入对应品种的棉花苗期棉蚜监测模型，便可得到该品种整株棉花的棉蚜数量。
关于每个棉花品种的棉花苗期棉蚜监测模型，本发明采用以下方式确定：
第一步，对棉花品种、单叶棉蚜量、总叶棉蚜量和整株棉蚜量之间进行相关性分析，分析结果如表1所示。
表1不同类型棉蚜发生量相关性
表中，**表示在0.01级别(双尾)，相关性显著。
对相关性进行分析是从棉花4叶期开始，所以棉花主茎叶前4片叶片的棉蚜数量为4只，每5天采集一次数据，选取连续5次棉蚜数据，对不同危害时间下不同叶位棉蚜数量的进行分析。在棉花苗期，对受棉蚜侵害的棉株进行不同叶位棉蚜数量调查，对获取的数据在Excel中进行预处理，对不同类型棉蚜量进行相关性分析。分析结果如表1所示，由表可知，棉花品种与单叶棉蚜量、总叶片上棉蚜量和整株棉蚜量相关性达到极显著；单叶棉蚜量分别与总叶片上棉蚜量和整株棉蚜量相关性达到极显著。由此可确定，基于单叶棉蚜量监测整株棉蚜量是可行的。
第二步，进一步对棉花品种、棉蚜侵害时间、叶位棉蚜量和单叶棉蚜量之间进行相关性分析，分析结果如表2所示。
表2不同品种棉花苗期叶位与棉蚜量相关性
表中，**表示在0.01级别(双尾)，相关性显著；
*表示在0.05级别(双尾)，相关性显著。
从表2可知：通过对品种、侵害时间、叶位、单叶棉蚜量的相关性分析可知，单叶棉蚜量与品种呈极显著正相关性，叶位与品种相关性不显著；叶位与单叶棉蚜量随着侵害时间的延长，呈极显著正相关性；叶位与单叶蚜虫数量呈极显著正相关。所以，由相关性分析可知，通过某一叶位上的单叶棉蚜量监测整株棉蚜量是可行的。
第三步，采用回归分析方法，对每个棉花品种构建每个叶位对应的棉花苗期棉蚜监测模型。构建的棉花苗期棉蚜监测模型如表3所示。
表3棉花苗期棉蚜监测模型
第四步，通过建模集决定系数指标和验证集中真实值与预测值的均方根误差指标，对每个棉花品种的棉花苗期棉蚜监测模型进行筛选，筛选出不同棉花品种苗期棉蚜发生量最佳监测叶位以及每个棉花品种对应的棉花苗期棉蚜监测模型。最终筛选后的结果如表4所示。
表4筛选后的棉花苗期棉蚜监测模型
其中，新陆早45品种中x为第三叶位蚜虫数量；鲁棉研24品种中x为第五叶位蚜虫数量。
目前，在棉花的生产过程中，对棉蚜防控的依据还主要是传统的人工调查，该方法具有一定的准确性，但是由于调查样点需要选取调查样株上、中、下三片棉叶，然后换算成百株蚜量，最后分析出棉蚜危害等级，该过程需要耗费大量的人力和时间。所以，明晰棉花单叶棉蚜量与整株棉蚜量的关系，找到一个最佳监测叶位，可以大大减少工作量。因此，本发明采用传统人工计数的方式，调查记录不同棉花品种在苗期受棉蚜危害时不同棉叶上的棉蚜量，分析单叶棉蚜量与整株棉蚜量的相关性，通过线性回归方法，分别建立新陆早45号和鲁棉研24棉花苗期棉蚜量监测模型，可以实现对整株棉花的棉蚜量进行快速监测。
对应图1所示的棉花苗期棉蚜数量监测方法，本发明还提供一种棉花苗期棉蚜数量监测系统，图2为本发明棉花苗期棉蚜数量监测系统的结构示意图。如图2所示，本发明棉花苗期棉蚜数量监测系统包括：
棉花品种获取模块201，用于获取棉花品种；所述棉花品种包括新陆早45和鲁棉研24。
棉花苗期棉蚜监测模型获取模块202，用于根据所述棉花品种，获取棉花苗期棉蚜监测模型。
最佳监测叶位的棉蚜数量确定模块203，用于根据所述棉花品种，获取最佳监测叶位的棉蚜数量；新陆早45的最佳监测叶位为第三叶位，鲁棉研24的最佳监测叶位为第五叶位。
整株棉花棉蚜数量确定模块204，用于根据所述最佳监测叶位的棉蚜数量和所述棉花苗期棉蚜监测模型，确定整株棉花的棉蚜数量。
作为另一实施例，本发明棉花苗期棉蚜数量监测系统中，所述棉花苗期棉蚜监测模型获取模块202具体包括：
新陆早45棉花苗期棉蚜监测模型获取单元，用于获取新陆早45的棉花苗期棉蚜监测模型，新陆早45的棉花苗期棉蚜监测模型为：Y1＝5.198x1+139.767；其中，x1为新陆早45最佳监测叶位的棉蚜数量，Y1为新陆早45整株棉花的棉蚜数量。
鲁棉研24棉花苗期棉蚜监测模型获取单元，用于获取鲁棉研24的棉花苗期棉蚜监测模型，鲁棉研24的棉花苗期棉蚜监测模型为：Y2＝6.777x2-23.317；其中，x2为鲁棉研24最佳监测叶位的棉蚜数量，Y2为鲁棉研24整株棉花的棉蚜数量。
作为另一实施例，本发明棉花苗期棉蚜数量监测系统还包括：
棉花苗期棉蚜监测模型构建模块，用于在根据所述棉花品种，获取棉花苗期棉蚜监测模型之前，根据叶位棉蚜量与单叶棉蚜量之间的相关性，采用回归分析方法，对每个棉花品种构建每个叶位对应的棉花苗期棉蚜监测模型；所述棉花苗期棉蚜监测模型为叶位棉蚜量与整株棉蚜量之间的线性模型。
筛选模块，用于通过建模集决定系数指标和验证集中真实值与预测值的均方根误差指标，对每个棉花品种的棉花苗期棉蚜监测模型进行筛选，确定每个棉花品种对应的棉花苗期棉蚜监测模型。
作为另一实施例，本发明棉花苗期棉蚜数量监测系统还包括：
第一相关性分析模块，用于在采用回归分析方法，对每个棉花品种构建每个叶位对应的棉花苗期棉蚜监测模型之前，对棉花品种、单叶棉蚜量、总叶棉蚜量和整株棉蚜量之间进行相关性分析，确定单叶棉蚜量与整株棉蚜量之间的相关性。
第二相关性分析模块，用于根据所述单叶棉蚜量与整株棉蚜量之间的相关性，对棉花品种、棉蚜侵害时间、叶位棉蚜量和单叶棉蚜量之间进行相关性分析，确定叶位棉蚜量与单叶棉蚜量之间的相关性。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。
Claims (6)
1.一种棉花苗期棉蚜数量监测方法，其特征在于，包括：
获取棉花品种；所述棉花品种包括新陆早45和鲁棉研24；
根据所述棉花品种，获取棉花苗期棉蚜监测模型；新陆早45的棉花苗期棉蚜监测模型为：Y1＝5.198x1+139.767；其中，x1为新陆早45最佳监测叶位的棉蚜数量，Y1为新陆早45整株棉花的棉蚜数量；鲁棉研24的棉花苗期棉蚜监测模型为：Y2＝6.777x2-23.317；其中，x2为鲁棉研24最佳监测叶位的棉蚜数量，Y2为鲁棉研24整株棉花的棉蚜数量；
根据所述棉花品种，获取最佳监测叶位的棉蚜数量；新陆早45的最佳监测叶位为第三叶位，鲁棉研24的最佳监测叶位为第五叶位；
根据所述最佳监测叶位的棉蚜数量和所述棉花苗期棉蚜监测模型，确定整株棉花的棉蚜数量。
2.根据权利要求1所述的棉花苗期棉蚜数量监测方法，其特征在于，所述根据所述棉花品种，获取棉花苗期棉蚜监测模型，之前还包括：
根据叶位棉蚜量与单叶棉蚜量之间的相关性，采用回归分析方法，对每个棉花品种构建每个叶位对应的棉花苗期棉蚜监测模型；所述棉花苗期棉蚜监测模型为叶位棉蚜量与整株棉蚜量之间的线性模型；
通过建模集决定系数指标和验证集中真实值与预测值的均方根误差指标，对每个棉花品种的棉花苗期棉蚜监测模型进行筛选，确定每个棉花品种对应的棉花苗期棉蚜监测模型。
3.根据权利要求2所述的棉花苗期棉蚜数量监测方法，其特征在于，所述采用回归分析方法，对每个棉花品种构建每个叶位对应的棉花苗期棉蚜监测模型，之前还包括：
对棉花品种、单叶棉蚜量、总叶棉蚜量和整株棉蚜量之间进行相关性分析，确定单叶棉蚜量与整株棉蚜量之间的相关性；
根据所述单叶棉蚜量与整株棉蚜量之间的相关性，对棉花品种、棉蚜侵害时间、叶位棉蚜量和单叶棉蚜量之间进行相关性分析，确定叶位棉蚜量与单叶棉蚜量之间的相关性。
4.一种棉花苗期棉蚜数量监测系统，其特征在于，包括：
棉花品种获取模块，用于获取棉花品种；所述棉花品种包括新陆早45和鲁棉研24；
棉花苗期棉蚜监测模型获取模块，用于根据所述棉花品种，获取棉花苗期棉蚜监测模型；所述棉花苗期棉蚜监测模型获取模块具体包括：新陆早45棉花苗期棉蚜监测模型获取单元，用于获取新陆早45的棉花苗期棉蚜监测模型，新陆早45的棉花苗期棉蚜监测模型为：Y1＝5.198x1+139.767；其中，x1为新陆早45最佳监测叶位的棉蚜数量，Y1为新陆早45整株棉花的棉蚜数量；鲁棉研24棉花苗期棉蚜监测模型获取单元，用于获取鲁棉研24的棉花苗期棉蚜监测模型，鲁棉研24的棉花苗期棉蚜监测模型为：Y2＝6.777x2-23.317；其中，x2为鲁棉研24最佳监测叶位的棉蚜数量，Y2为鲁棉研24整株棉花的棉蚜数量；
最佳监测叶位的棉蚜数量确定模块，用于根据所述棉花品种，获取最佳监测叶位的棉蚜数量；新陆早45的最佳监测叶位为第三叶位，鲁棉研24的最佳监测叶位为第五叶位；
整株棉花棉蚜数量确定模块，用于根据所述最佳监测叶位的棉蚜数量和所述棉花苗期棉蚜监测模型，确定整株棉花的棉蚜数量。
5.根据权利要求4所述的棉花苗期棉蚜数量监测系统，其特征在于，还包括：
棉花苗期棉蚜监测模型构建模块，用于在根据所述棉花品种，获取棉花苗期棉蚜监测模型之前，根据叶位棉蚜量与单叶棉蚜量之间的相关性，采用回归分析方法，对每个棉花品种构建每个叶位对应的棉花苗期棉蚜监测模型；所述棉花苗期棉蚜监测模型为叶位棉蚜量与整株棉蚜量之间的线性模型；
筛选模块，用于通过建模集决定系数指标和验证集中真实值与预测值的均方根误差指标，对每个棉花品种的棉花苗期棉蚜监测模型进行筛选，确定每个棉花品种对应的棉花苗期棉蚜监测模型。
6.根据权利要求5所述的棉花苗期棉蚜数量监测系统，其特征在于，还包括：
第一相关性分析模块，用于在采用回归分析方法，对每个棉花品种构建每个叶位对应的棉花苗期棉蚜监测模型之前，对棉花品种、单叶棉蚜量、总叶棉蚜量和整株棉蚜量之间进行相关性分析，确定单叶棉蚜量与整株棉蚜量之间的相关性；
第二相关性分析模块，用于根据所述单叶棉蚜量与整株棉蚜量之间的相关性，对棉花品种、棉蚜侵害时间、叶位棉蚜量和单叶棉蚜量之间进行相关性分析，确定叶位棉蚜量与单叶棉蚜量之间的相关性。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010628181.8A CN111768044B (zh) | 2020-07-01 | 2020-07-01 | 一种棉花苗期棉蚜数量监测方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010628181.8A CN111768044B (zh) | 2020-07-01 | 2020-07-01 | 一种棉花苗期棉蚜数量监测方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111768044A CN111768044A (zh) | 2020-10-13 |
| CN111768044B true CN111768044B (zh) | 2022-07-08 |
Family
ID=72723513
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010628181.8A Expired - Fee Related CN111768044B (zh) | 2020-07-01 | 2020-07-01 | 一种棉花苗期棉蚜数量监测方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111768044B (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102968675A (zh) * | 2012-12-06 | 2013-03-13 | 中国科学院新疆生态与地理研究所 | 一种短期预测棉蚜种群数量的方法 |
| CN103460923A (zh) * | 2013-08-19 | 2013-12-25 | 中国农业科学院棉花研究所 | 一种野生棉或半野生棉抗蚜虫性鉴定方法 |
| CN103518686A (zh) * | 2013-10-15 | 2014-01-22 | 石河子大学 | 滴灌棉田棉蚜快速监测与预警方法 |
| CN104504473A (zh) * | 2014-12-24 | 2015-04-08 | 石河子大学 | 一种分阶段5日间隔的棉蚜发生等级预报方法 |
| CN107711762A (zh) * | 2017-10-19 | 2018-02-23 | 上海中信信息发展股份有限公司 | 智能虫情监测方法和智能虫情监测装置 |
| CN109377038A (zh) * | 2018-10-12 | 2019-02-22 | 郴州市农业科学研究所 | 南方桃树病虫害监测方法 |
| CN110517311A (zh) * | 2019-08-30 | 2019-11-29 | 北京麦飞科技有限公司 | 基于叶片病斑面积的病虫害监测方法 |
| CN111062251A (zh) * | 2020-03-23 | 2020-04-24 | 乔红波 | 基于无人机成像的农田棉蚜为害等级模型的监测方法 |
-
2020
- 2020-07-01 CN CN202010628181.8A patent/CN111768044B/zh not_active Expired - Fee Related
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102968675A (zh) * | 2012-12-06 | 2013-03-13 | 中国科学院新疆生态与地理研究所 | 一种短期预测棉蚜种群数量的方法 |
| CN103460923A (zh) * | 2013-08-19 | 2013-12-25 | 中国农业科学院棉花研究所 | 一种野生棉或半野生棉抗蚜虫性鉴定方法 |
| CN103518686A (zh) * | 2013-10-15 | 2014-01-22 | 石河子大学 | 滴灌棉田棉蚜快速监测与预警方法 |
| CN104504473A (zh) * | 2014-12-24 | 2015-04-08 | 石河子大学 | 一种分阶段5日间隔的棉蚜发生等级预报方法 |
| CN107711762A (zh) * | 2017-10-19 | 2018-02-23 | 上海中信信息发展股份有限公司 | 智能虫情监测方法和智能虫情监测装置 |
| CN109377038A (zh) * | 2018-10-12 | 2019-02-22 | 郴州市农业科学研究所 | 南方桃树病虫害监测方法 |
| CN110517311A (zh) * | 2019-08-30 | 2019-11-29 | 北京麦飞科技有限公司 | 基于叶片病斑面积的病虫害监测方法 |
| CN111062251A (zh) * | 2020-03-23 | 2020-04-24 | 乔红波 | 基于无人机成像的农田棉蚜为害等级模型的监测方法 |
Non-Patent Citations (2)
| Title |
|---|
| 基于叶片纹理特征的棉花蚜害诊断模型研究;许敬诚等;《棉花学报》;20200315(第02期);47-56 * |
| 施肥与摘蕾对棉蚜、棉叶蝉种群数量及棉花产量的影响;门兴元 等;《应用生态学报》;20040531;第15卷(第8期);1440-1442 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111768044A (zh) | 2020-10-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116384743A (zh) | 一种基于生态数据分析的植物生长风险评估系统 | |
| US12112105B1 (en) | Soil-climate intelligent type determining method for rice target yield and nitrogen fertilizer amount | |
| CN107609078A (zh) | 长势监测模型更新方法、传感器、服务器及系统 | |
| CN117322214A (zh) | 一种基于神经网络的农作物肥料精准施用方法与系统 | |
| CN114298615A (zh) | 一种农作物种植风险预防方法、装置、存储介质和设备 | |
| CN108205718B (zh) | 一种粮食作物抽样测产方法及系统 | |
| CN111985728A (zh) | 一种建立有机高粱产量预测模型的方法 | |
| CN116703639A (zh) | 一种基于深度学习的土壤肥力评估与施肥建议系统及方法 | |
| CN117829376B (zh) | 一种黑土区耕地资源可持续利用评价方法及系统 | |
| CN101427655A (zh) | 甘蔗家系综合评价方法 | |
| CN116894514A (zh) | 一种基于土壤质量指标的作物产量预测方法及系统 | |
| CN114967798A (zh) | 一种基于互联网的天麻种植管理控制系统 | |
| CN111768044B (zh) | 一种棉花苗期棉蚜数量监测方法及系统 | |
| CN113109272B (zh) | 一种滴灌棉花氮营养亏损诊断方法及系统 | |
| CN112734119A (zh) | 一种基于空间养分聚类分析的玉米产量预测方法 | |
| CN115600760A (zh) | 一种甘蔗区域单产预测方法及系统 | |
| CN116758420A (zh) | 一种作物苗情分级遥感监测系统 | |
| CN115841072A (zh) | 基于环境相似性分区的土壤异养呼吸的遥感估算方法 | |
| CN111476503B (zh) | 利用多源异构数据预测油棕原油产量的方法和系统 | |
| CN118296971B (zh) | 一种作物物候期表型预测方法、系统、装置及存储介质 | |
| CN110033187B (zh) | 一种基于环境数据的指标数据获取方法 | |
| CN109840623B (zh) | 一种确定芝麻气象产量的方法和系统 | |
| CN118296971A (zh) | 一种作物物候期表型预测方法、系统、装置及存储介质 | |
| CN118312760A (zh) | 基于大数据的气象耦合土壤肥力的烟草单叶重预测方法 | |
| LU506166B1 (de) | Ein Verfahren zur Simulation der Produktivität von Gartenbaukulturen bei veränderten Klimastörungen |
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 | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20230512 Address after: No. 211-2-27, Block B, Fruits and Vegetables Building, No. 19 Beisan East Road, Development Zone, Shihezi City, Xinjiang Uygur Autonomous Region, 832061 Patentee after: Xinjiang Runsheng Information Technology Co.,Ltd. Address before: 832000 North four road, the Xinjiang Uygur Autonomous Region, Shihezi Patentee before: SHIHEZI University |
|
| CF01 | Termination of patent right due to non-payment of annual fee | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20220708 |