CN113077077A - 带状复合作物种植产量评估方法、装置、设备及存储介质 - Google Patents
带状复合作物种植产量评估方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN113077077A CN113077077A CN202110290888.7A CN202110290888A CN113077077A CN 113077077 A CN113077077 A CN 113077077A CN 202110290888 A CN202110290888 A CN 202110290888A CN 113077077 A CN113077077 A CN 113077077A
- Authority
- CN
- China
- Prior art keywords
- crop
- planting
- growth
- growth stage
- yield
- 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
- 238000000034 method Methods 0.000 title claims abstract description 78
- 150000001875 compounds Chemical class 0.000 title claims abstract description 64
- 238000003860 storage Methods 0.000 title claims abstract description 11
- 230000012010 growth Effects 0.000 claims abstract description 285
- 239000002131 composite material Substances 0.000 claims abstract description 52
- 230000008569 process Effects 0.000 claims abstract description 41
- 231100000653 occupational exposure banding Toxicity 0.000 claims abstract description 19
- 238000011156 evaluation Methods 0.000 claims abstract description 14
- 239000002028 Biomass Substances 0.000 claims description 50
- 238000004088 simulation Methods 0.000 claims description 26
- 230000005855 radiation Effects 0.000 claims description 16
- 238000003306 harvesting Methods 0.000 claims description 13
- 230000008033 biological extinction Effects 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 10
- 230000003698 anagen phase Effects 0.000 claims description 9
- 238000005457 optimization Methods 0.000 claims description 9
- 239000000126 substance Substances 0.000 claims description 7
- 238000012216 screening Methods 0.000 claims description 3
- 230000009286 beneficial effect Effects 0.000 abstract description 4
- 241000196324 Embryophyta Species 0.000 description 9
- 244000068988 Glycine max Species 0.000 description 8
- 235000010469 Glycine max Nutrition 0.000 description 8
- 240000008042 Zea mays Species 0.000 description 7
- 235000005824 Zea mays ssp. parviglumis Nutrition 0.000 description 7
- 235000002017 Zea mays subsp mays Nutrition 0.000 description 7
- 235000005822 corn Nutrition 0.000 description 7
- 238000004519 manufacturing process Methods 0.000 description 4
- 239000002689 soil Substances 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012271 agricultural production Methods 0.000 description 1
- 235000013339 cereals Nutrition 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 244000038559 crop plants Species 0.000 description 1
- 238000003967 crop rotation Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000009342 intercropping Methods 0.000 description 1
- 235000015097 nutrients Nutrition 0.000 description 1
- 238000009304 pastoral farming 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
- G06Q10/06—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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- 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
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/10—Numerical modelling
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Evolutionary Computation (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Computer Hardware Design (AREA)
- Primary Health Care (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Mining & Mineral Resources (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Agronomy & Crop Science (AREA)
- Health & Medical Sciences (AREA)
- Animal Husbandry (AREA)
- Life Sciences & Earth Sciences (AREA)
- Marine Sciences & Fisheries (AREA)
- Cultivation Of Plants (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种带状复合作物种植产量评估方法,应用于至少包括作物一和作物二的带状复合种植,包括根据作物一和作物二的生长周期,确定作物种植生长阶段;其中,作物种植生长阶段至少包括共同生长阶段;根据单一作物种植的光截获模型,确定每个作物生长阶段对应的光截获模型;结合各阶段光截获模型和APSIM作物生长模型,模拟作物一和作物二的带状复合种植生长过程,获得作物一和作物二的种植产量。本申请基于不同生长阶段的光截获模型结合APSIM作物生长模型实现带状复合种植的作物产量的评估,有助于提升复合种植的资源利用效率。本申请还提供了一种带状复合作物种植产量评估装置、设备以及计算机可读存储介质,具有上述有益效果。
Description
技术领域
本发明涉及带状复合种植技术领域,特别是涉及一种带状复合作物种植产量评估方法、装置、设备以及计算机可读存储介质。
背景技术
带状复合种植能充分利用自然资源,提高作物产量和土地产出率。谷类-豆类作物复合种植系统在生产中比较常见,在大部分谷类-豆类复合种植系统中,谷类作物具有更高的冠层结构和更深的根系,因此能截获更多的光照和吸收更多的养分和水分,种间竞争能力较大。这种复杂的种间竞争现象导致很难定量复合种植系统的生产潜力和环境对其的影响。
发明内容
本发明的目的是提供一种带状复合作物种植产量评估方法、装置、设备以及计算机可读存储介质,能够对带状复合种植的作物产量进行评估,有利于对作物的带状复合种植进行理论指导。
为解决上述技术问题,本发明提供一种带状复合作物种植产量评估方法,应用于至少包括不同种类作物的作物一和作物二的带状复合种植,包括:
根据所述作物一和所述作物二的生长周期,确定作物种植生长阶段;其中,所述作物种植生长阶段包括共同生长阶段,或者所述作物种植生长阶段包括共同生长阶段和单一生长阶段;所述单一生长阶段包括作物一单一生长阶段和/或作物二单一生长阶段;
根据单一作物种植的光截获模型,确定每个所述作物生长阶段对应的光截获模型;
结合各阶段所述光截获模型和APSIM作物生长模型,模拟所述作物一和所述作物二的带状复合种植生长过程,获得所述作物一和所述作物二的种植产量。
可选地,当所述作物生长阶段包括所述作物一单一生长阶段时,根据单一作物种植的光截获模型,确定所述作物一单一生长阶段对应的光截获模型,包括:
若相邻两带所述作物一之间的种植间距相等,则所述作物一单一生长阶段的冠层结构属于均匀冠层结构,所述作物一对应的光截获模型为均匀冠层光截获模型;
若相邻两带所述作物一之间的种植间距周期性变化,则所述作物一单一生长阶段的冠层结构属于带状冠层结构,所述作物一对应的光截获模型为带状冠层光截获模型。
可选地,根据单一作物种植的光截获模型,确定所述共同生长阶段对应的光截获模型,包括:
若所述作物一的高度高于所述作物二的高度,相邻两带所述作物一之间间隔一带所述作物二复合种植,则在所述共同生长阶段,所述作物一的光截获模型为f1=fupper+flower;其中,fupper为所述作物一高出所述作物二部分的高层光截获模型,所述高层光截获模型且和所述作物一单一种植的光截获模型相同;flower为所述作物一未高出所述作物二部分的底层光截获模型,且SRupper为穿过所述作物一的叶面积到达地表的光辐射;IRblack为所述作物一的条带叶面积的光截获;H为所述作物二的作物高度;R为所述作物一的条带宽度;LAI为均匀冠层叶面积指数,LAI1compr为所述作物一的压缩冠层叶面指数;LAIlower为所述作物一的底层均匀冠层叶面积指数;LAIlowercompr为所述作物一的底层压缩冠层叶面积指数;k为消光系数;P为相邻两带所述作物一之间的间距;
在所述共同生长阶段,所述作物二的光截获模型为其中,SPupper为通过所述作物一上部冠层传输的光辐射;IPblack为从所述作物一上部间隙之间入射的光辐射;LAI2compr为所述作物二的压缩冠层叶面指数;w1为所述作物一的每行作物带宽,w2为所述作物二的每行作物带宽。
可选地,若所述作物种植生长阶段包括所述共同生长阶段、所述作物一单一生长阶段和所述作物二单一生长阶段;
结合各阶段所述光截获模型和APSIM作物生长模型,模拟所述作物一和所述作物二的带状复合种植生长过程,包括:
当所述作物一的作物高度和带宽均不为0,且所述作物二的作物高度和带宽均为0,则调用所述作物一的单一生长阶段对应的光截获模型并利用所述APSIM作物生长模型对所述作物一的单一生长阶段进行模拟;
当所述作物一和所述作物二的作物高度和带宽均不为0,则调用在所述共同生长阶段所述作物一对应的光截获模型利用所述APSIM作物生长模型对所述作物一在所述共同生长阶段进行模拟,并调用在所述共同生长阶段所述作物二对应的光截获模型利用所述APSIM作物生长模型对所述作物二在所述共同生长阶段进行模拟;
当所述作物一的作物高度和带宽均为0,且所述作物二的作物高度和带宽均不为0,则调用所述作物二的单一生长阶段对应的光截获模型并利用所述APSIM作物生长模型对所述作物二的单一生长阶段进行模拟。
可选地,在根据所述作物一和所述作物二的生长周期,确定作物种植生长阶段之前,还包括:
获取多组已种植收割的两种带状复合种植作物的生物量实际值和产量实际值;其中,所述两种带状复合种植作物包括和所述作物一相同种类的作物以及和所述作物二相同种类的作物;
利用贝叶斯优化方法对所述生物量实际值和所述产量实际值进行匹配,获得影响作物生长的关键参数的取值范围;其中,所述关键参数至少包括光能利用率、消光系数、比叶面积、株高-茎重比例、收获指数;
在所述关键参数的取值范围内选取多组关键参数样本分别作为所述APSIM作物生长模型的关键参数,并针对具有不同关键参数的所述APSIM分别模拟所述两种带状复合种植物的生长过程,确定每组所述关键参数样本对应的生物量模拟值和产量模拟值;
对每组所述关键参数样本对应的所述生物量模拟值和所述产量模拟值分别相对于所述生物量实际值和所述产量实际值求解正规化方均根差,获得每组关键参数样本对应的所述两种带状复合种植作物中每种作物的生物量正规化方均根差和产量正规化方均根差;
以两种带状复合种植作物的生物量正规化方均根差和产量正规化方均根差的平均值最小时对应的关键参数样本作为所述APSIM作物生长模型的关键参数。
一种带状复合作物种植产量评估装置,应用于至少包括不同种类作物的作物一和作物二的带状复合种植,包括:
确定生长过程模块,用于根据所述作物一和所述作物二的生长周期,确定作物种植生长阶段;其中,所述作物种植生长阶段包括共同生长阶段,或者所述作物种植生长阶段包括共同生长阶段和单一生长阶段;所述单一生长阶段包括作物一单一生长阶段和/或作物二单一生长阶段;
光截获模型模块,用于根据单一作物种植的光截获模型,确定每个所述作物生长阶段对应的光截获模型;
产量模拟模块,用于结合各阶段所述光截获模型和APSIM作物生长模型,模拟所述作物一和所述作物二的带状复合种植生长过程,获得所述作物一和所述作物二的种植产量。
可选地,所述光截获模型模块用于当所述作物生长阶段包括所述作物一单一生长阶段;若相邻两带所述作物一之间的种植间距相等,则所述作物一单一生长阶段的冠层结构属于均匀冠层结构,所述作物一对应的光截获模型为均匀冠层光截获模型;若相邻两带所述作物一之间的种植间距周期性变化,则所述作物一单一生长阶段的冠层结构属于带状冠层结构,所述作物一对应的光截获模型为带状冠层光截获模型。
可选地,还包括参数确定模块,所述参数确定模块包括:
数据获取单元,用于在根据所述作物一和所述作物二的生长周期,确定作物种植生长阶段之前,获取多组已种植收割的两种带状复合种植作物的生物量实际值和产量实际值;其中,所述两种带状复合种植作物包括和所述作物一相同种类的作物以及和所述作物二相同种类的作物;
参数优化单元,用于利用贝叶斯优化方法对所述生物量实际值和所述产量实际值进行匹配,获得影响作物生长的关键参数的取值范围;其中,所述关键参数至少包括光能利用率、消光系数、比叶面积、株高-茎重比例、收获指数;
生长模拟单元,用于在所述关键参数的取值范围内选取多组关键参数样本分别作为所述APSIM作物生长模型的关键参数,并针对具有不同关键参数的所述APSIM分别模拟所述两种带状复合种植物的生长过程,确定每组所述关键参数样本对应的生物量模拟值和产量模拟值;
方均根差单元,用于对多组所述生物量模拟值和所述产量模拟值分别相对于所述生物量实际值和所述产量实际值求解正规化方均根差,获得每组关键参数样本对应的所述两种带状复合种植作物中每种作物的生物量正规化方均根差和产量正规化方均根差;
参数筛选单元,用于以两种带状复合种植作物的生物量正规化方均根差和产量正规化方均根差之和的最小时对应的关键参数样本作为所述APSIM作物生长模型的关键参数。
一种带状复合作物种植产量评估设备,其特征在于,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序,以实现如任一项所述的带状复合作物种植产量评估方法的操作步骤。
一种计算机可读存储介质,所述计算机可读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以实现如任一项所述的带状复合作物种植产量评估方法的操作步骤。
本发明所提供的带状复合作物种植产量评估方法,应用于至少包括作物一和作物二的带状复合种植,包括根据作物一和作物二的生长周期,确定作物种植生长阶段;其中,作物种植生长阶段包括共同生长阶段,或者作物种植生长阶段包括共同生长阶段和单一生长阶段;单一生长阶段包括作物一单一生长阶段和/或作物二单一生长阶段;根据单一作物种植的光截获模型,确定每个作物生长阶段对应的光截获模型;结合各阶段光截获模型和APSIM作物生长模型,模拟作物一和作物二的带状复合种植生长过程,获得作物一和作物二的种植产量。
本申请中根据带状复合种植的作物一和作物二各自的生长周期,确定作物一和作物二在复合种植时不同的生长阶段,并针对不用的生长阶段确定作物一和作物二的光截获模型,基于该不同生长阶段的光截获模型结合APSIM作物生长模型即可实现复合种植作物生长过程的模拟,从而实现不同作物复合种植的作物产量的评估,从而实现在作物复合种植之前即可实现对复合种植系统的生产潜力的评估,有利于为作物复合种植提供可靠的数据依据,并有助于提升复合种植经济效率。
本申请还提供了一种带状复合作物种植产量评估装置、设备以及计算机可读存储介质,具有上述有益效果。
附图说明
为了更清楚的说明本发明实施例或现有技术的技术方案,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的介绍,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为本申请实施例提供的带状复合作物种植产量评估方法的流程示意图;
图2为本申请实施例提供的确定APSIM作物生长模型的关键参数的流程示意图;
图3为本发明实施例提供的带状复合作物种植产量评估装置的结构框图。
具体实施方式
APSIM作物生长模型是经典农业生产系统模拟器的是代表性模型之一,能够模拟不同作物系统下作物的生长、产量和资源利用率,包括不同管理措施对作物生长的影响,如轮作、休耕、放牧、间套作等。但是目前APSIM作物生长模型仅仅只能够模拟单作作物在不同环境下的生产潜力。
本申请中通过对APSIM作物生长模型的深入研究,发现APSIM作物生长模型之所以不能够模拟带状复合种植下的作物生长,根本原因是APSIM作物生长模型目前所采用的光能截获模型采用的是水平均匀的作物冠层对应的光能截获模型。而对于复合种植而言,不同作物间的高度是存在差异的,相应地带状复合种植的光能截获模型利用也并不符合单作物的光能截获模型。
为此,本申请中基于复合种植作物对应的光截获模型的不同,提出了一种能够利用APSIM作物生长模型实现带状复合种植作物的生成过程以及产量的模拟,进而实现对复合种植作物产量的预估。
为了使本技术领域的人员更好地理解本发明方案,下面结合附图和具体实施方式对本发明作进一步的详细说明。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。
如图1所示,图1为本申请实施例提供的带状复合作物种植产量评估方法的流程示意图,该方法主要应用于多种不同种类作物带状复合种植时,每种作物产量的评估。为了便于说明,下面仅仅以两种不同种类的作物为例进行说明,该方法可以包括:
S11:根据作物一和作物二的生长时期,确定作物种植生长阶段。
其中,作物种植生长阶段包括共同生长阶段,或者作物种植生长阶段包括共同生长阶段和单一生长阶段;单一生长阶段包括作物一单一生长阶段和/或作物二单一生长阶段。
共同生长阶段是指作物一和作物二同时在生长,作物一单一生长阶段是指只有作物一出土生长,而作物二单一生长阶段则是指只有作物二出土生长。
以玉米和大豆带状复合种植为例,基于玉米和大豆的生长周期,在大豆出土生长之前,玉米单独生长,此时相当于玉米单一生长阶段,而在大豆出土生长之后,玉米和大豆共同生长,此时也即是共同生长阶段;而在玉米收割之后,大豆还未进行收割,此时也即是大豆单一生长阶段。
而在实际应用过程中,作物一和作物二的作物种类也并不仅限于玉米和大豆,针对不同种类的作物生长周期各不相同,对应的生长阶段也并不相同。若是作物一和作物二开始出土生长和收割的时间相同,也就相当于仅仅只包含共同生长阶段;
若作物一早于作物二开始出土生长,但作物一和作物二收割时间相同,那么作物一和作物二的生长阶段就包括作物一单一生长阶段和共同生长阶段;
若作物一和作物二同时开始出土生长,但作物一的收割时间早于作物二的收割时间,那么作物一收割之前,属于作物一和作物二共同生长阶段,作物一收割之后,则属于作物二单一生长阶段。
需要说明的是,在实际应用过程中,作物复合种植也并不仅限于采用两种作物复合种植,也可以采用三种或者更多种作物复合种植,例如三种不同的作物复合种植,作物一先出土生长,作物二和作物一共同生长一段时间之后,作物一收割,作物三开始生长并和作物二共同生长,由此在这种复合种植系统中至少包括作物一单一生长阶段,作物一和作物二共同生长阶段,以及作物二和作物三共同生长阶段等等。基于不同的作物的生长周期,即可将所有作物生长过程划分为不同生长阶段。
S12:根据单一作物种植的光截获模型,确定每个作物生长阶段对应的光截获模型。
需要说明的是,单一作物种植对于不同种植布局方式,存在不同的光截获模型;单一作物种植包括三种不同冠层结构:均匀冠层、带状冠层以及压缩冠层;
对于均匀冠层对应的光截获模型为fhomo=1-ek×LAI;
对于带状冠层对应的光截获模型为fstripcrop=fhomo(1-β)+fcompr×β;
其中,LAI为叶面积指数;k为消光系数;
SP(P,H,LAI,k)=IPblack+(1-IPblack)×e-k×LAI,SP为通过路径宽度P传送到土壤表面的光辐射;
在本实施例中,确定不同生长阶段的光截获模型时,对于作物一单一生长阶段和作物二单一生长阶段,均和只种植一种作物的光截获模型相同,因此作物一单一生长阶段和作物二单一生长阶段对应的光截获模型均可直接采用单作物光截获模型。
而对于作物一和作物二之间复合种植时,存在多种复合种植布局形式,若是一行作物一一行作物二交替种植,而在作物一单一生长阶段和作物二单一生长阶段的作物冠层结构均为均匀冠层,相应的光截获模型即可采用均匀冠层光截获模型;
若是一行作物一两行甚至三行作物二交替种植,那么在作物一单一生长阶段的作物冠层为均匀冠层,光截获模型仍然可以采用均匀光截获模型,而作物二单一生长阶段作物二种植间距周期性变化,作物二的作物冠层结构为带状冠层,相应的光截获模型即可采用带状冠层光截获模型。
当然,作物一和作物二之间还可以是其他符合种植布局形式,具体地根据作物一和作物二的单一生长阶段时,作物一和作物二相邻两带作物之间的间距是均匀分布还是不均匀分布确定采用的是均匀冠层光截获模型还是采用带状冠层光截获模型,对此,不再详细说明。
而对于作物一和作物二共同生长阶段,基于作物一和作物二的生长高度以及作物一和作物二之间的复合种植布局的不同,分别采用不同的光截获模型。
以作物一高于作物二,且作物一和作物二为一带作物一一带作物二。且每带作物一和每带作物二均包含至少两行作物的复合种植为例进行说明。
对于作物一在共同生长阶段的光截获模型可以包括f1=fupper+flower,其中,fupper为作物一高出作物二部分的高层光截获模型,高层光截获模型且和作物一单一种植的光截获模型相同,显然本实施例中该高层光截获模型采用单一作物的带状冠层对应的光截获模型即可;
而对于作物二,在共同生长阶段作物二是种植在作物一之间的,由此,作物二的光截获模型可以为:其中,SPupper为通过作物一上部冠层传输的光辐射;IPblack为从作物一上部间隙之间入射的光辐射;w1为作物一的每带作物带宽,w2为作物二的每带作物带宽。
当然,在实际应用中作物一和作物二并不仅限于每带作物一包含多行作物一,且每带作物二包含多行作物二的种植方式,还可以一行作物一两行作物二或者其他行数作物一以及作物二交替种植的种植方式,针对作物一和作物二的不同种植布局方式,只需要根据实际种植布局方式采用合适的光截获模型即可,对此本申请中不一一列举。
S13:结合各阶段光截获模型和APSIM作物生长模型,模拟作物一和作物二的带状复合种植生长过程,获得作物一和作物二的种植产量。
在对作物一和作物二的生长过程进行模拟时,和常规利用APSIM作物生长模型模拟单作物生长过程类似,可以针对每一种作物生长过程均单独进行模拟,区别在于在对作物一的生长过程进行模拟时,基于不同的生长阶段,调用不同的光截获模型;
在作物一的作物高度和作物宽度均不为0,且作物二的作物高度和带宽均为0,则调用作物一的单一生长阶段对应的光截获模型并利用APSIM作物生长模型对作物一的单一生长阶段进行模拟;
当作物一和作物二的作物高度和带宽均不为0,则调用在共同生长阶段作物一对应的光截获模型利用APSIM作物生长模型对作物一在共同生长阶段进行模拟。
同理,对于作物二的生长过程进行模拟时,当作物一和作物二的作物高度和带宽均不为0,调用在共同生长阶段作物二对应的光截获模型利用APSIM作物生长模型对作物二在共同生长阶段进行模拟;
当作物一的作物高度和带宽均为0,且作物二的作物高度和带宽均不为0,则调用作物二的单一生长阶段对应的光截获模型并利用APSIM作物生长模型对作物二的单一生长阶段进行模拟。
由此可见,在利用APSIM作物生长模型对复合种植作物的生长过程进行模拟时,通过对每种作物的不同生长阶段分别确定光截获模型,并基于各个生长阶段的光截获模型对每种作物生长过程进行单独模拟,相当于在一定程度上将带状复合种植的多种作物拆分成多个单作物种植的过程,仅仅是光截获模型进行适当的变更即可,由此实现APSIM作物生长模型对多种复合种植作物生长过程的模拟,并由此实现每种作物产量的模拟。
综上所述,本申请中在对两种或两种以上种类作物复合种植时,基于每种作物的生长周期对作物生长过程作生长阶段划分,并针对作物的不同生长阶段确定对应的光截获模型,将作物不同阶段的光截获模型和APSIM作物生长模型进行结合,对复合种植的作物生长过程进行模拟,进而每种作物产量的模拟评估,为后续实际进行复合种植作物以及评价土地潜力提供可靠的数据理论依据,有利于提高作物产量。
基于上述任意实施例,在基于该APSIM作物生长模型模拟复合种植作物的生长过程之前,还需要对影响作物生长的关键参数进行设定,例如,对光能利用率、消光系数、比叶面积、株高-茎重比例、收获指数等关键参数进行设定,而该关键参数设定是否合理,直接关系到后续利用APSIM作物生长模型模拟复合种植作物评估产量结果的准确性。
因此,在本申请的一种可选的实施例中,如图2所示,图2为本申请实施例提供的确定APSIM作物生长模型的关键参数的流程示意图,确定关键参数的过程可以包括:
S21:获取多组已种植收割的两种带状复合种植作物的生物量实际值和产量实际值。
其中,两种带状复合种植作物包括和作物一相同种类的作物以及和作物二相同种类的作物。
S22:利用贝叶斯优化方法对生物量实际值和产量实际值进行匹配,获得影响作物生长的关键参数的取值范围。
其中,关键参数至少包括光能利用率、消光系数、比叶面积、株高-茎重比例、收获指数。
S23:在关键参数的取值范围内选取多组关键参数样本分别作为APSIM作物生长模型的关键参数,并针对具有不同关键参数的APSIM作物生长模型分别模拟两种带状复合种植物的生长过程,确定每组关键参数样本对应的生物量模拟值和产量模拟值。
因为需要选取多组带状复合种植作物对应不同关键参数样本的APSIM作物生长模型进行生长过程的模拟,则对每组关键参数样本即可获得各组带状复合种植作物中,每组作物对应的生物量模拟值和产量模拟值。
S24:对多组生物量模拟值和产量模拟值分别相对于生物量实际值和产量实际值求解正规化方均根差,获得每组关键参数样本对应的两种带状复合种植作物中每种作物的生物量正规化方均根差和产量正规化方均根差。
在对各组生物量模拟值和产量模拟值与分别生物量实际值和产量实际值求解正规化方均根差时,针对每组关键参数样本对应的各组带状复合种植作物的生物量模拟值和产量模拟值求解一组生物量正规化方均根差和一组正规化方均根差。
S25:以两种带状复合种植作物的生物量正规化方均根差和产量正规化方均根差的平均值最小时对应的关键参数样本作为APSIM作物生长模型的关键参数。
两种带状复合种植作物的生物量正规化方均根差和产量正规化方均根差的平均值公式可以为:
NRMSEc=(NEMSE1b+NEMSE1y+NEMSE2b+NEMSE2y)/4
其中,NRMSE1b为作物一的生物量正规化方均根差、NRMSE1y为作物一的产量正规化方均根差、NRMSE2b为作物二的生物量正规化方均根差、NRMSE2y为作物二的产量正规化方均根差。
在确定各组正规化方均根差的平均值之后,根据正规化方均根差的平均值公式,即可确定出每组关键参数样本对应的正规化方均根差的平均值,由此选取其中正规化方均根差的平均值最小对应的关键参数样本作为APSIM作物生长模型最终的关键参数。
下面对本发明实施例提供的带状复合作物种植产量评估装置进行介绍,下文描述的带状复合作物种植产量评估装置与上文描述的带状复合作物种植产量评估方法可相互对应参照。
图3为本发明实施例提供的带状复合作物种植产量评估装置的结构框图,参照图3中带状复合作物种植产量评估装置,应用于至少包括不同种类作物的作物一和作物二的带状复合种植,该装置可以包括:
确定生长过程模块100,用于根据所述作物一和所述作物二的生长周期,确定作物种植生长阶段;其中,所述作物种植生长阶段包括共同生长阶段,或者所述作物种植生长阶段包括共同生长阶段和单一生长阶段;所述单一生长阶段包括作物一单一生长阶段和/或作物二单一生长阶段;
光截获模型模块200,用于根据单一作物种植的光截获模型,确定每个所述作物生长阶段对应的光截获模型;
产量模拟模块300,用于结合各阶段所述光截获模型和APSIM作物生长模型,模拟所述作物一和所述作物二的带状复合种植生长过程,获得所述作物一和所述作物二的种植产量。
在本申请的一种可选地实施例中,所述光截获模型模块200用于当所述作物生长阶段包括所述作物一单一生长阶段;若相邻两带所述作物一之间的种植间距相等,则所述作物一单一生长阶段的冠层结构属于均匀冠层结构,所述作物一对应的光截获模型为均匀冠层光截获模型;若相邻两带所述作物一之间的种植间距周期性变化,则所述作物一单一生长阶段的冠层结构属于带状冠层结构,所述作物一对应的光截获模型为带状冠层光截获模型。
在本申请的一种可选地实施例中,所述光截获模型模块200具体用于若所述作物一的高度高于所述作物二的高度,相邻两带所述作物一之间间隔一带所述作物二复合种植,则在所述共同生长阶段,所述作物一的光截获模型为f1=fupper+flower;其中,fupper为所述作物一高出所述作物二部分的高层光截获模型,所述高层光截获模型和所述作物一单一种植的光截获模型相同;flower为所述作物一未高出所述作物二部分的底层光截获模型,且SRupper为穿过所述作物一的叶面积到达地表的光辐射;IRblack为所述作物一的条带叶面积的光截获;H为所述作物二的作物高度;R为所述作物一的条带宽度;LAI为均匀冠层叶面积指数,LAI1compr为所述作物一的压缩冠层叶面指数;LAIlower为所述作物一的底层均匀冠层叶面积指数;LAIlowercompr为所述作物一的底层压缩冠层叶面积指数;k为消光系数;P为相邻两带所述作物一之间的间距;在所述共同生长阶段,所述作物二的光截获模型为其中,SPupper为通过所述作物一上部冠层传输的光辐射;IPblack为从所述作物一上部间隙之间入射的光辐射;LAI2compr为所述作物二的压缩冠层叶面指数;w1为所述作物一的带宽,w2为所述作物二的带宽。
在本申请的一种可选地实施例中,所述光截获模型模块200用于若所述作物种植生长阶段包括所述共同生长阶段、所述作物一单一生长阶段和所述作物二单一生长阶段;当所述作物一的作物高度和带宽均不为0,且所述作物二的作物高度和带宽均为0,则调用所述作物一的单一生长阶段对应的光截获模型并利用所述APSIM作物生长模型对所述作物一的单一生长阶段进行模拟;当所述作物一和所述作物二的作物高度和带宽均不为0,则调用在所述共同生长阶段所述作物一对应的光截获模型利用所述APSIM作物生长模型对所述作物一在所述共同生长阶段进行模拟,并调用在所述共同生长阶段所述作物二对应的光截获模型利用所述APSIM作物生长模型对所述作物二在所述共同生长阶段进行模拟;当所述作物一的作物高度和带宽均为0,且所述作物二的作物高度和带宽均不为0,则调用所述作物二的单一生长阶段对应的光截获模型并利用所述APSIM作物生长模型对所述作物二的单一生长阶段进行模拟。
在本申请的一种可选地实施例中,还包括参数确定模块,所述参数确定模块包括:
数据获取单元,用于在根据所述作物一和所述作物二的生长周期,确定作物种植生长阶段之前,获取多组已种植收割的两种带状复合种植作物的生物量实际值和产量实际值;其中,所述两种带状复合种植作物包括和所述作物一相同种类的作物以及和所述作物二相同种类的作物;
参数优化单元,用于利用贝叶斯优化方法对所述生物量实际值和所述产量实际值进行匹配,获得影响作物生长的关键参数的取值范围;其中,所述关键参数至少包括光能利用率、消光系数、比叶面积、株高-茎重比例、收获指数;
生长模拟单元,用于在所述关键参数的取值范围内选取多组关键参数样本分别作为所述APSIM作物生长模型的关键参数,并针对具有不同关键参数的所述APSIM分别模拟所述两种带状复合种植物的生长过程,确定每组所述关键参数样本对应的生物量模拟值和产量模拟值;
方均根差单元,用于对多组所述生物量模拟值和所述产量模拟值分别相对于所述生物量实际值和所述产量实际值求解正规化方均根差,获得每组关键参数样本对应的所述两种带状复合种植作物中每种作物的生物量正规化方均根差和产量正规化方均根差;
参数筛选单元,用于以两种带状复合种植作物的生物量正规化方均根差和产量正规化方均根差之和的最小时对应的关键参数样本作为所述APSIM作物生长模型的关键参数。
本实施例的带状复合作物种植产量评估装置用于实现前述的带状复合作物种植产量评估方法,因此带状复合作物种植产量评估装置中的具体实施方式可见前文中的带状复合作物种植产量评估方法的实施例部分,其具体实施方式可以参照相应的各个部分实施例的描述,在此不再赘述。
本申请还提供了一种带状复合作物种植产量评估设备,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序,以实现如上任一项所述的带状复合作物种植产量评估方法的操作步骤。
该处理器执行的所述计算机程序,应用于至少包括不同种类作物的作物一和作物二的带状复合种植,实现带状复合作物种植产量评估方法的操作步骤可以包括:
根据所述作物一和所述作物二的生长周期,确定作物种植生长阶段;其中,所述作物种植生长阶段包括共同生长阶段,或者所述作物种植生长阶段包括共同生长阶段和单一生长阶段;所述单一生长阶段包括作物一单一生长阶段和/或作物二单一生长阶段;
根据单一作物种植的光截获模型,确定每个所述作物生长阶段对应的光截获模型;
结合各阶段所述光截获模型和APSIM作物生长模型,模拟所述作物一和所述作物二的带状复合种植生长过程,获得所述作物一和所述作物二的种植产量。
本申请中在对复合种植作物进行评估的设备,基于对复合种植作物的不同生长阶段确定不同的光截获模型,并基于各阶段的光截获模型结合APSIM作物生长模型对复合种植的作物产量进行模拟,为后续实际进行复合种植提供可靠的数据理论依据,有利于对复合种植过程进行指导。
本申请还提供了一种计算机可读存储介质的实施例,该计算机可读存储介质存储有计算机程序,计算机程序被处理器执行以实现如任一项所述的带状复合作物种植产量评估方法的操作步骤。
该计算机可读存储介质可以包括随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。另外,本申请实施例提供的上述技术方案中与现有技术中对应技术方案实现原理一致的部分并未详细说明,以免过多赘述。
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。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以对本发明进行若干改进和修饰,这些改进和修饰也落入本发明权利要求的保护范围内。
Claims (10)
1.一种带状复合作物种植产量评估方法,其特征在于,应用于至少包括不同种类作物的作物一和作物二的带状复合种植,包括:
根据所述作物一和所述作物二的生长时期,确定作物种植生长阶段;其中,所述作物种植生长阶段包括共同生长阶段,或者所述作物种植生长阶段包括共同生长阶段和单一生长阶段;所述单一生长阶段包括作物一单一生长阶段和/或作物二单一生长阶段;
根据单一作物种植的光截获模型,确定每个所述作物生长阶段对应的光截获模型;
结合各阶段所述光截获模型和APSIM作物生长模型,模拟所述作物一和所述作物二的带状复合种植生长过程,获得所述作物一和所述作物二的种植产量。
2.如权利要求1所述的带状复合作物种植产量评估方法,其特征在于,当所述作物生长阶段包括所述作物一单一生长阶段时,根据单一作物种植的光截获模型,确定所述作物一单一生长阶段对应的光截获模型,包括:
若相邻两带所述作物一之间的种植间距相等,则所述作物一单一生长阶段的冠层结构属于均匀冠层结构,所述作物一对应的光截获模型为均匀冠层光截获模型;
若相邻两带所述作物一之间的种植间距周期性变化,则所述作物一单一生长阶段的冠层结构属于带状冠层结构,所述作物一对应的光截获模型为带状冠层光截获模型。
3.如权利要求1所述的带状复合作物种植产量评估方法,其特征在于,根据单一作物种植的光截获模型,确定所述共同生长阶段对应的光截获模型,包括:
若所述作物一的高度高于所述作物二的高度,相邻两带所述作物一之间间隔一带所述作物二复合种植,则在所述共同生长阶段,所述作物一的光截获模型为f1=fupper+flower;其中,fupper为所述作物一高出所述作物二部分的高层光截获模型,所述高层光截获模型和所述作物一单一种植的光截获模型相同;flower为所述作物一未高出所述作物二部分的底层光截获模型,且SRupper为穿过所述作物一的叶面积到达地表的光辐射;IRblack为所述作物一的条带叶面积的光截获;H为所述作物二的作物高度;R为所述作物一的条带宽度;LAI为均匀冠层叶面积指数,LAI1compr为所述作物一的压缩冠层叶面指数;LAIlower为所述作物一的底层均匀冠层叶面积指数;LAIlowercompr为所述作物一的底层压缩冠层叶面积指数;k为消光系数;P为相邻两带所述作物一之间的间距;
4.如权利要求1至3任一项所述的带状复合作物种植产量评估方法,其特征在于,若所述作物种植生长阶段包括所述共同生长阶段、所述作物一单一生长阶段和所述作物二单一生长阶段;
结合各阶段所述光截获模型和APSIM作物生长模型,模拟所述作物一和所述作物二的带状复合种植生长过程,包括:
当所述作物一的作物高度和带宽均不为0,且所述作物二的作物高度和带宽均为0,则调用所述作物一的单一生长阶段对应的光截获模型并利用所述APSIM作物生长模型对所述作物一的单一生长阶段进行模拟;
当所述作物一和所述作物二的作物高度和带宽均不为0,则调用在所述共同生长阶段所述作物一对应的光截获模型并利用所述APSIM作物生长模型对所述作物一在所述共同生长阶段进行模拟,并调用在所述共同生长阶段所述作物二对应的光截获模型并利用所述APSIM作物生长模型对所述作物二在所述共同生长阶段进行模拟;
当所述作物一的作物高度和带宽均为0,且所述作物二的作物高度和带宽均不为0,则调用所述作物二的单一生长阶段对应的光截获模型并利用所述APSIM作物生长模型对所述作物二的单一生长阶段进行模拟。
5.如权利要求1至4任一项所述的带状复合作物种植产量评估方法,其特征在于,在根据所述作物一和所述作物二的生长时期,确定作物种植生长阶段之前,还包括:
获取多组已种植收割的两种带状复合种植作物的生物量实际值和产量实际值;其中,所述两种带状复合种植作物包括和所述作物一相同种类的作物以及和所述作物二相同种类的作物;
利用贝叶斯优化方法对所述生物量实际值和所述产量实际值进行匹配,获得影响作物生长的关键参数的取值范围;其中,所述关键参数至少包括光能利用率、消光系数、比叶面积、株高-茎重比例、收获指数;
在所述关键参数的取值范围内选取多组关键参数样本分别作为物所述APSIM作物生长模型的关键参数,并针对具有不同关键参数的所述APSIM分别模拟所述两种带状复合种植物的生长过程,确定每组所述关键参数样本对应的生物量模拟值和产量模拟值;
对每组所述关键参数样本对应的所述生物量模拟值和所述产量模拟值分别相对于所述生物量实际值和所述产量实际值求解正规化方均根差,获得每组关键参数样本对应的所述两种带状复合种植作物中每种作物的生物量正规化方均根差和产量正规化方均根差;
以两种带状复合种植作物的生物量正规化方均根差和产量正规化方均根差的平均值最小时对应的关键参数样本作为所述APSIM作物生长模型的关键参数。
6.一种带状复合作物种植产量评估装置,其特征在于,应用于至少包括不同种类作物的作物一和作物二的带状复合种植,包括:
确定生长过程模块,用于根据所述作物一和所述作物二的生长时期,确定作物种植生长阶段;其中,所述作物种植生长阶段包括共同生长阶段,或者所述作物种植生长阶段包括共同生长阶段和单一生长阶段;所述单一生长阶段包括作物一单一生长阶段和/或作物二单一生长阶段;
光截获模型模块,用于根据单一作物种植的光截获模型,确定每个所述作物生长阶段对应的光截获模型;
产量模拟模块,用于结合各阶段所述光截获模型和APSIM作物生长模型,模拟所述作物一和所述作物二的带状复合种植生长过程,获得所述作物一和所述作物二的种植产量。
7.如权利要求6所述的带状复合作物种植产量评估装置,其特征在于,所述光截获模型模块用于当所述作物生长阶段包括所述作物一单一生长阶段;若相邻两带所述作物一之间的种植间距相等,则所述作物一单一生长阶段的冠层结构属于均匀冠层结构,所述作物一对应的光截获模型为均匀冠层光截获模型;若相邻两带所述作物一之间的种植间距周期性变化,则所述作物一单一生长阶段的冠层结构属于带状冠层结构,所述作物一对应的光截获模型为带状冠层光截获模型。
8.如权利要求6或7所述的的带状复合作物种植产量评估装置,其特征在于,还包括参数确定模块,所述参数确定模块包括:
数据获取单元,用于在根据所述作物一和所述作物二的生长周期,确定作物种植生长阶段之前,获取多组已种植收割的两种带状复合种植作物的生物量实际值和产量实际值;其中,所述两种带状复合种植作物包括和所述作物一相同种类的作物以及和所述作物二相同种类的作物;
参数优化单元,用于利用贝叶斯优化方法对所述生物量实际值和所述产量实际值进行匹配,获得影响作物生长的关键参数的取值范围;其中,所述关键参数至少包括光能利用率、消光系数、比叶面积、株高-茎重比例、收获指数;
生长模拟单元,用于在所述关键参数的取值范围内选取多组关键参数样本分别作为所述APSIM作物生长模型的关键参数,并针对具有不同关键参数的所述APSIM分别模拟所述两种带状复合种植物的生长过程,确定每组所述关键参数样本对应的生物量模拟值和产量模拟值;
方均根差单元,用于对多组所述生物量模拟值和所述产量模拟值分别相对于所述生物量实际值和所述产量实际值求解正规化方均根差,获得每组关键参数样本对应的所述两种带状复合种植作物中每种作物的生物量正规化方均根差和产量正规化方均根差;
参数筛选单元,用于以两种带状复合种植作物的生物量正规化方均根差和产量正规化方均根差之和的最小时对应的关键参数样本作为所述APSIM作物生长模型的关键参数。
9.一种带状复合作物种植产量评估设备,其特征在于,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序,以实现如权利要求1至5任一项所述的带状复合作物种植产量评估方法的操作步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读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以实现如权利要求1至5任一项所述的带状复合作物种植产量评估方法的操作步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110290888.7A CN113077077B (zh) | 2021-03-18 | 2021-03-18 | 带状复合作物种植产量评估方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110290888.7A CN113077077B (zh) | 2021-03-18 | 2021-03-18 | 带状复合作物种植产量评估方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113077077A true CN113077077A (zh) | 2021-07-06 |
CN113077077B CN113077077B (zh) | 2022-05-27 |
Family
ID=76613895
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110290888.7A Expired - Fee Related CN113077077B (zh) | 2021-03-18 | 2021-03-18 | 带状复合作物种植产量评估方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113077077B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1570924A (zh) * | 2004-05-13 | 2005-01-26 | 西安交通大学 | 一种作物生长模型描述与解释方法 |
CN102618558A (zh) * | 2011-01-30 | 2012-08-01 | 中国科学院遗传与发育生物学研究所 | 水稻OsSDIR1基因及其用途 |
CN107421582A (zh) * | 2017-06-14 | 2017-12-01 | 四川农业大学 | 农作物田间环境监测系统及其监测方法 |
US20180007838A1 (en) * | 2014-12-15 | 2018-01-11 | Matthew McCord | Multiple colors, and color palettes, of narrowband photosynthetically active radiation (PAR) time-staged over hours, days, and growing seasons yields superior plant growth |
CN108564217A (zh) * | 2018-04-16 | 2018-09-21 | 浙江工业大学 | 一种基于改进型混合粒子群算法的间作作物种植模式优化方法 |
CN109800921A (zh) * | 2019-01-30 | 2019-05-24 | 北京师范大学 | 一种基于遥感物候同化和粒子群优化算法的区域冬小麦估产方法 |
CN109858067A (zh) * | 2018-11-27 | 2019-06-07 | 河南农业大学 | 禾谷类作物长势测量模型的构建方法 |
CN110857884A (zh) * | 2018-08-23 | 2020-03-03 | 湖北省农业科学院经济作物研究所 | 一种桑树冠层光合有效辐射分布规律测定方法及系统 |
CN111798028A (zh) * | 2020-05-28 | 2020-10-20 | 山东云彩信息科技有限公司 | 一种作物产量预测方法、装置、电子设备和存储介质 |
-
2021
- 2021-03-18 CN CN202110290888.7A patent/CN113077077B/zh not_active Expired - Fee Related
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1570924A (zh) * | 2004-05-13 | 2005-01-26 | 西安交通大学 | 一种作物生长模型描述与解释方法 |
CN102618558A (zh) * | 2011-01-30 | 2012-08-01 | 中国科学院遗传与发育生物学研究所 | 水稻OsSDIR1基因及其用途 |
US20180007838A1 (en) * | 2014-12-15 | 2018-01-11 | Matthew McCord | Multiple colors, and color palettes, of narrowband photosynthetically active radiation (PAR) time-staged over hours, days, and growing seasons yields superior plant growth |
CN107421582A (zh) * | 2017-06-14 | 2017-12-01 | 四川农业大学 | 农作物田间环境监测系统及其监测方法 |
CN108564217A (zh) * | 2018-04-16 | 2018-09-21 | 浙江工业大学 | 一种基于改进型混合粒子群算法的间作作物种植模式优化方法 |
CN110857884A (zh) * | 2018-08-23 | 2020-03-03 | 湖北省农业科学院经济作物研究所 | 一种桑树冠层光合有效辐射分布规律测定方法及系统 |
CN109858067A (zh) * | 2018-11-27 | 2019-06-07 | 河南农业大学 | 禾谷类作物长势测量模型的构建方法 |
CN109800921A (zh) * | 2019-01-30 | 2019-05-24 | 北京师范大学 | 一种基于遥感物候同化和粒子群优化算法的区域冬小麦估产方法 |
CN111798028A (zh) * | 2020-05-28 | 2020-10-20 | 山东云彩信息科技有限公司 | 一种作物产量预测方法、装置、电子设备和存储介质 |
Non-Patent Citations (5)
Title |
---|
XIN LIU ET AL.: "PAR Interception and Utilization in Different Maize and Soybean Intercropping Patterns", 《JOURNALS.PLOS.ORG》, 5 January 2017 (2017-01-05), pages 1 - 17 * |
YUSHAN WU ET AL.: "Combine observational data and modelling to quantify cultivar differences of soybean", 《EUROPEAN JOURNAL OF AGRONOMY》, vol. 111, 30 November 2019 (2019-11-30), pages 1 - 15 * |
吴雨珊 等: "带状套作复光后不同大豆品种干物质积累模型与特征分析", 《中国生态农业学报》, vol. 25, no. 4, 5 January 2017 (2017-01-05), pages 572 - 580 * |
崔亮 等: "带状套作大豆群体冠层光能截获与利用特征", 《中国农业科学》, vol. 48, no. 1, 30 December 2014 (2014-12-30), pages 43 - 54 * |
张东升: "不同棉花密度配置的枣棉间作系统光分布和光能利用率研究", 《中国优秀硕士学位论文全文数据库 农业科技辑》, no. 03, 15 March 2015 (2015-03-15), pages 047 - 252 * |
Also Published As
Publication number | Publication date |
---|---|
CN113077077B (zh) | 2022-05-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Awal et al. | Radiation interception and use by maize/peanut intercrop canopy | |
Zhu et al. | The contribution of phenotypic plasticity to complementary light capture in plant mixtures | |
Zhu et al. | Evolutionary agroecology: trends in root architecture during wheat breeding | |
Schapendonk et al. | LINGRA, a sink/source model to simulate grassland productivity in Europe | |
Bedoussac et al. | Dynamic analysis of competition and complementarity for light and N use to understand the yield and the protein content of a durum wheat–winter pea intercrop | |
Weiner et al. | The effects of density, spatial pattern, and competitive symmetry on size variation in simulated plant populations | |
Jönsson et al. | Guess the impact of Ips typographus—An ecosystem modelling approach for simulating spruce bark beetle outbreaks | |
Robichaud et al. | Long-term effects of a Phragmites australis invasion on birds in a Lake Erie coastal marsh | |
Drewniak et al. | Modeling the impact of agricultural land use and management on US carbon budgets | |
Bai et al. | Study on light interception and biomass production of different cotton cultivars | |
Closset-Kopp et al. | Differential growth patterns and fitness may explain contrasted performances of the invasive Prunus serotina in its exotic range | |
Martínez Cano et al. | Allometric constraints and competition enable the simulation of size structure and carbon fluxes in a dynamic vegetation model of tropical forests (LM3PPA‐TV) | |
Li et al. | Improving the yield potential in maize by constructing the ideal plant type and optimizing the maize canopy structure | |
SCHWINNING | Decomposition analysis of competitive symmetry and size structure dynamics | |
Hyytiäinen et al. | Evaluation of forest management systems under risk of wildfire | |
Gómez-del-Campo et al. | Long-term effects of row spacing on radiation interception, fruit characteristics and production of hedgerow olive orchard (cv. Arbequina) | |
Aikman et al. | A model for plant and crop growth, allowing for competition for light by the use of potential and restricted projected crown zone areas | |
Westoby et al. | Trait ecology of startup plants | |
Simpson et al. | Large seeds provide an intrinsic growth advantage that depends on leaf traits and root allocation | |
Wang et al. | Light perception and use efficiency differ with maize plant density in maize-peanut intercropping | |
Anten et al. | The use of canopy models to analyze light competition among plants | |
Marshall et al. | Effect of removal of woody biomass after clearcutting and intercropping switchgrass (Panicum virgatum) with loblolly pine (Pinus taeda) on rodent diversity and populations | |
Pelech et al. | Leaf, plant, to canopy: A mechanistic study on aboveground plasticity and plant density within a maize–soybean intercrop system for the Midwest, USA | |
CN113077077B (zh) | 带状复合作物种植产量评估方法、装置、设备及存储介质 | |
Leemans | 16 The biological component of the simulation model for boreal forest dynamics |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20220527 |
|
CF01 | Termination of patent right due to non-payment of annual fee |