CN113095629A - 一种优质稻种植区域适宜度的评价方法及其应用 - Google Patents
一种优质稻种植区域适宜度的评价方法及其应用 Download PDFInfo
- Publication number
- CN113095629A CN113095629A CN202110293054.1A CN202110293054A CN113095629A CN 113095629 A CN113095629 A CN 113095629A CN 202110293054 A CN202110293054 A CN 202110293054A CN 113095629 A CN113095629 A CN 113095629A
- Authority
- CN
- China
- Prior art keywords
- rice
- suitability
- evaluation
- climate
- quality
- 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.)
- Pending
Links
- 235000007164 Oryza sativa Nutrition 0.000 title claims abstract description 249
- 235000009566 rice Nutrition 0.000 title claims abstract description 249
- 238000011156 evaluation Methods 0.000 title claims abstract description 114
- 240000007594 Oryza sativa Species 0.000 title description 225
- 238000000034 method Methods 0.000 claims abstract description 17
- 238000013210 evaluation model Methods 0.000 claims abstract description 14
- 241000209094 Oryza Species 0.000 claims abstract 24
- 238000001556 precipitation Methods 0.000 claims description 44
- 238000004458 analytical method Methods 0.000 claims description 31
- 235000013339 cereals Nutrition 0.000 claims description 11
- 210000005069 ears Anatomy 0.000 claims description 9
- 229920000856 Amylose Polymers 0.000 claims description 6
- 238000012854 evaluation process Methods 0.000 claims description 6
- 235000021329 brown rice Nutrition 0.000 claims description 5
- 238000002419 base digestion Methods 0.000 claims description 4
- 238000012216 screening Methods 0.000 claims description 2
- 240000008467 Oryza sativa Japonica Group Species 0.000 description 33
- 240000002582 Oryza sativa Indica Group Species 0.000 description 20
- 238000009331 sowing Methods 0.000 description 20
- 238000005286 illumination Methods 0.000 description 18
- 238000012360 testing method Methods 0.000 description 9
- 230000015572 biosynthetic process Effects 0.000 description 7
- 239000003337 fertilizer Substances 0.000 description 7
- 230000001850 reproductive effect Effects 0.000 description 7
- 238000010219 correlation analysis Methods 0.000 description 6
- 238000010899 nucleation Methods 0.000 description 6
- 230000003111 delayed effect Effects 0.000 description 4
- 238000013461 design Methods 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 238000009966 trimming Methods 0.000 description 4
- 238000011160 research Methods 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- 230000006870 function Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000013138 pruning Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 239000002002 slurry Substances 0.000 description 2
- 239000003513 alkali Substances 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008033 biological extinction Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010411 cooking Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000035558 fertility Effects 0.000 description 1
- 238000011010 flushing procedure Methods 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 239000003292 glue Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000003801 milling Methods 0.000 description 1
- 235000016709 nutrition Nutrition 0.000 description 1
- 230000035764 nutrition Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
- 238000000196 viscometry Methods 0.000 description 1
- 238000010792 warming 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
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01G—HORTICULTURE; CULTIVATION OF VEGETABLES, FLOWERS, RICE, FRUIT, VINES, HOPS OR SEAWEED; FORESTRY; WATERING
- A01G22/00—Cultivation of specific crops or plants not otherwise provided for
- A01G22/20—Cereals
- A01G22/22—Rice
-
- 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
-
- Y—GENERAL 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Data Mining & Analysis (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Pure & Applied Mathematics (AREA)
- Operations Research (AREA)
- Mathematical Physics (AREA)
- Entrepreneurship & Innovation (AREA)
- Computational Mathematics (AREA)
- Educational Administration (AREA)
- Mathematical Optimization (AREA)
- Development Economics (AREA)
- Mathematical Analysis (AREA)
- Algebra (AREA)
- General Health & Medical Sciences (AREA)
- Botany (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Game Theory and Decision Science (AREA)
- Environmental Sciences (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Probability & Statistics with Applications (AREA)
- Agronomy & Crop Science (AREA)
- Animal Husbandry (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
Abstract
本发明涉及水稻种植领域，尤其涉及一种优质稻种植区域适宜度的评价方法及其应用。所述方法包括：获得与待测水稻品质相关的多个气候评价因子及其权重；获得每个气候评价因子的适宜范围值；针对每个气候评价因子，以其适宜度为评价因素，以其权重作为评价因素的权重，构建水稻种植综合适宜度评价模型；所述适宜度为根据每个气候评价因子的适宜范围值和对应的在目标种植区域的实际观测值，通过分段函数分析比较得到；依据所述水稻种植综合适宜度评价模型对所述目标种植区域的综合适宜度进行评价。本发明通过水稻种植综合适宜度评价模型对目标水稻种植区域的气候进行评价，可以快速，准确地确认优质稻适宜种植的时间和区域。
Description
技术领域
本发明涉及水稻种植领域，尤其涉及一种优质稻种植区域适宜度的评价方法及其应用。
背景技术
水稻是稻属谷类作物，按稻谷类型分为籼稻和粳稻、早稻和中晚稻、糯稻和非糯稻等。目前，水稻已成为主要的粮食作物之一，对于优质稻米的需求量也越来越大。
水稻品质好坏的评价指标一般包括碾米品质、外观品质、蒸煮食味品质、营养品质等。影响这些品质的因素除了水稻品种本身的遗传特性之外，生态环境也是影响水稻品质优劣的关键因素，例如土壤因素和气候因素等，优质水稻只有在适宜的生态条件下才能实现品种与气候条件的合理匹配。为了保证优质水稻可以最大化生产效率，需要界定优质水稻品种可以稳定种植的区域以及气候环境。现有技术中已有研究表明，水稻灌浆结实期间的气候条件是影响稻米品质的最主要生态因子，但目前关于不同区域影响稻米品质的气候生态综合评价较少，多数仍是基于某个生态点稻米品质优劣进行分析，并未涉及到特定地域气候条件对稻米品质影响的综合评价。程方民等(2002)通过多个不同类型品种的气候生态试验，对我国不同地域的稻米品质气候条件进行了评价。但是，鉴于目前气候变暖、水稻品种多样化、水稻种植制度调整等多种因素，急需基于现代水稻生产方式进行优质水稻种植区评价方法进行补充，明确灌浆结实期影响稻米品质的关键时段，减少该时段内其他气候因素的干扰，以期为我国优质水稻生产布局及优质栽培途径提供理论参考。
发明内容
为了解决现有技术存在的问题，本发明提供了一种优质稻种植区域适宜度的评价方法，通过水稻种植综合适宜度评价模型对目标水稻种植区域的气候进行评价，可以为不同品种的优质水稻确定最适宜种植的区域。
第一方面，本发明提供一种优质稻种植区域适宜度的评价方法，包括：
获得与待测水稻品质相关的多个气候评价因子及其权重；
获得每个气候评价因子的适宜范围值；
针对每个气候评价因子，以其适宜度为评价因素，以其权重作为评价因素的权重，构建水稻种植综合适宜度评价模型；所述适宜度为根据每个气候评价因子的适宜范围值和对应的在目标种植区域的实际观测值，通过分段函数分析比较得到；
依据所述水稻种植综合适宜度评价模型对所述目标种植区域的综合适宜度进行评价。
进一步地，所述气候评价因子包括日平均温度、日最高温度、日最低温度、日较差、日照时数和降水量适宜度中的一种或多种。
进一步地，所述获得与待测水稻品质相关的多个气候评价因子及其权重为：
针对水稻齐穗后20天或30天的每个气候评价因子和其对应的所述待测水稻品质信息，通过回归分类树分析方法得到该气候评价因子对于水稻品质的相对重要性，选择相对重要性最高的多个气候评价因子进行后续的评价流程；
根据被选择进行后续评价流程的气候评价因子的相对重要性确定其权重。
优选地，选择各气候评价因子的相对重要性之和达90％以上。
进一步地，所述品质信息包括糙米率、精米率、整精米率、垩白粒率、垩白度、直链淀粉、碱消值和胶稠度中的一种或多种。
优选地，可以对这些品质信息进行综合评定得到品质等级划分。
进一步地，当所述气候评价因子为日平均温度时，所述适宜度为：
其中，S(T)为水稻齐穗后20天日均温度适宜度；Tov为日平均温度观测值，Toptmax为日平均温度适宜范围值上限值，Toptmin为日平均温度适宜范围值下限值，Tmin为日平均温度下限值，Tmax为日平均温度上限值；
当所述气候评价因子为日较差、日照时数或降水量时，所述适宜度为：
其中，S(MC)为气候评价因子的适宜度，MCov为气候评价因子的观测值，MCopt为气候评价因子的适宜范围值，MCmin为气候评价因子的下限值。
进一步地，所述获得每个气候评价因子的适宜范围值为，采用梯度提升树算法(GBM)预测结果，预测所述待测水稻的每个气候评价因子的最适宜范围区间。
进一步地，所述依据所述水稻种植综合适宜度评价模型对所述目标种植区域的综合适宜度进行评价为：将所有评价因素分别与对应的权重相乘后求和即为所述目标种植区域的综合适宜度，优选地，所述综合适宜度包括适宜、较适宜、欠适宜和不适宜。
进一步地，若任一气候评价因子的适宜度为0，则直接认定为所述目标种植区域的综合适宜度为不适宜。
本发明进一步提供所述评价方法在优质水稻适宜种植区域筛选中的应用。
本发明进一步提供所述评价方法在优质水稻适宜种植时间的评价中的应用。
本发明具备如下有益效果：
本发明通过水稻种植综合适宜度评价模型对目标水稻种植区域的气候进行评价，综合多种与目标水稻种植区域密切相关的气候评价因子快速，准确地实现对目标水稻种植区域是否适合种植特定水稻品种，最适宜种植该特定水稻品种的时间点的确定和筛选。该方法评价速度快，准确率高，对于水稻的种植具有一定的指导意义。
附图说明
图1为本发明实施例1提供的气候因子对东北一季粳稻品质综合指标影响的相对重要性分析结果图；其中，上为齐穗后20天，下为齐穗后30天；纵坐标从上到下依次为日较差、日平均温度和日照时数；
图2为本发明实施例1提供的东北一季粳稻品质温光梯度回归图；其中，左为齐穗后20天日平均温度，右为齐穗后20天日较差；
图3为本发明实施例1提供的东北一季粳稻温度权重分析图；
图4为本发明实施例2提供的气候因子对南方粳稻品质综合指标影响的相对重要性分析结果图；其中，上为齐穗后20天，下为齐穗后30天；纵坐标从上到下依次为日均温度、日较差和日照时数；
图5为本发明实施例2提供的南方粳稻品质随温光梯度回归图；其中，左为齐穗后20天日平均温度，右为齐穗后20天日较差；
图6为本发明实施例2提供的南方粳稻温度参数权重示意图；
图7为本发明实施例3提供的气候因子对南方中籼稻品质综合指标影响的相对重要性分析结果图；其中，上为齐穗后20天，下为齐穗后30天；纵坐标从上之下依次为日平均温度、日较差和日照时数；
图8为本发明实施例3提供的南方中籼稻品质随温光梯度回归图；其中，左为齐穗后20天日平均温度，右为齐穗后20天日较差；
图9为本发明实施例3提供的南方中籼稻温度权重统计图；
图10为本发明实施例4提供的气候因子对南方晚籼稻品质综合指标影响的相对重要性分析结果图；其中，上为齐穗后20天，下为齐穗后30天；纵坐标从上至下依次为日平均温度、日较差和日照时数；
图11为本发明实施例4提供的南方晚籼稻品质温光梯度回归图；其中，左为齐穗后20天日平均温度，右为齐穗后20天日较差；
图12为本发明实施例4提供的南方晚籼稻温度权重分析图。
具体实施方式
以下实施例用于说明本发明，但不用来限制本发明的范围。
本发明提供一种优质稻种植区域适宜度的评价方法，包括：
S1获得与待测水稻品质相关的多个气候评价因子及其权重；
本发明提供的评价方法可以适用于多个水稻品种的种植区域适宜度的评价，例如在具体的实施方式中，本发明搜集了全国29个省份，699个气象站点，区试试验站点88个，优质稻产地43个，涉及品种数量1175个，优质稻稻米品质包含4个等级(1等、2等、3等和等外)，构建各试验站点经纬度、海拔等地理位置信息，以及水稻物候期、水稻生长季温度、降雨、日照时数、光照强度等气象数据，水稻品种类型、生育期、产量和品质差异等数据库。
在此基础上，针对任一种优质水稻，可以采用现有已有的分析手段进行相关性分析，得出与水稻品质相关的气候评价因子。在本发明优选的实施方式中，本发明针对水稻齐穗后20天每个气候评价因子下，所述待测水稻的品质信息，通过回归分类树分析方法得到该气候评价因子对于水稻品质的相对重要性，选择重要性最高的多个气候评价因子进行后续的评价流程。气候评价因子优选包括日平均温度、日较差、日照时数和降水量适宜度等。品质信息优选包括糙米率、精米率、整精米率、垩白粒率、垩白度、直链淀粉、碱消值和胶稠度中的一种或多种。
根据被选择进行后续评价流程的气候评价因子的相对重要性确定其权重，例如直接将气候评价因子的相对重要性作为其权重。
S2获得每个气候评价因子的适宜范围值；
进一步地，本发明针对筛选出的相对重要性最高的多个气候评价因子，确定这些气候评价因子的适宜范围值。在本发明优选的实施方式中，本发明通过梯度回归分析，针对包括日平均温度和日较差在内的多项气候评价因素进行了适宜范围值的确定，得到如下结果：
1、东北优质粳稻
齐穗后20天日平均温度适宜为21～25℃，最高26℃，最低18℃；
日较差适宜值大于7.0℃，最低6.0℃；
年日照时数大于1500h，最低1200h，年降水大于600mm，最低400mm。
2、南方优质粳稻
齐穗后20天日平均温度为22～26℃，最高27℃，最低20℃；
日较差适宜值大于7.5℃，最低6.5℃
年日照时数大于1500h，最低1200h，年降水大于600mm，最低400mm。
3、南方优质中籼稻
齐穗后20天日平均温度为22～27℃，最高28℃，最低20℃；
日较差的适宜值大于7.5℃，最低6.0℃；
年日照时数大于1500h，最低1200h，年降水大于600mm，最低400mm。
4、南方优质晚籼稻
齐穗后20天日平均温度为21～26℃，最高27℃，最低20℃；
日较差的适宜值大于7.0℃，最低6.0℃
年日照时数大于1500h，最低1200h，年降水大于600mm，最低400mm。
S3针对每个气候评价因子，以其适宜度为评价因素，以其权重作为评价因素的权重，构建水稻种植综合适宜度评价模型；所述适宜度为根据每个气候评价因子的适宜范围值和对应的在目标种植区域的实际观测值，通过分段函数分析比较得到；
进一步地，在获得了水稻齐穗后20天气候评价因子的适宜范围值后，即可根据这些适宜范围值和气候评价因子在目标种植区域的实际观测值进行比较得出水稻种植适宜度评价模型。在本发明优选的具体实施方式中，本发明通过适宜度模型进行评价因素的确定，例如针对日均温度，其适宜度模型为(式1)：
其中，S(T)为水稻齐穗后20天日均温度适宜度；Tov为日平均温度观测值，Toptmax为日平均温度最宜值上限值，Toptmin为日平均温度最宜值下限值，Tmin为日平均温度下限值，Tmax为日平均温度上限值。
例如针对日较差、日照时数和降水量，其适宜度模型为(式2)：
其中，S(MC)为水稻气候因子(日较差、日照时数或降水量)的适宜度，MCov为气候因子观测值，MCopt为气候因子适宜值，MCmin为气候因子下限值。
S4依据所述水稻种植综合适宜度评价模型对所述目标种植区域的综合适宜度进行评价。
基于上一步骤构建水稻种植综合适宜度评价模型，可以针对目标种植区域的综合适宜度进行评价。例如将所有评价因素和其权重相乘后，再进行求和，即可得到评价结果，其中，若任一气候因子的适宜度为0，则直接认定为该区域不适宜，具体如下(式3)：
其中：D(Si)为i地的水稻种植综合适宜度，Ci为i地气候评价因子的适宜度(评价因素)，包括日平均温度、日较差、日照时数和降水量适宜度。
D(Si)值适宜≥0.8,较适宜0.5-0.8，欠适宜0.3-0.5，不适宜<0.3。
进一步说明：
日均温度为某生态点水稻齐穗后20天的日平均温度；
日较差为某生态点水稻齐穗后20天的日最高温度与日最低温度之差；
降水量为水稻生长期内降水量；
整精米率、垩白率由农业行业标准(NY/T 2334-2013稻米整精米率、粒型、垩白粒率、垩白度及透明度的测定图像法)测定；直链淀粉和胶稠度参照国家标准(GB/T17891-1999优质稻谷)进行测定，碱消值由RVA快速粘度分析仪(TechMaster RVA)测定计算得到。
因数据统计分析过程中稻米品质等级划分参照国家标准(GB/T17891-1999优质稻谷)进行等级划分，因此本方法中暂未参照最新国家标准(GB/T17891-2017优质稻谷)。
以下结合更为具体的实施例对本发明的技术方案进行说明。
实施例1
本实施例提供东北优质粳稻适宜种植区域温光参数评价方法，具体实施步骤如下：
1、关键生育期和参数确定
(1)稻米品质与各生育期温度和光照相关性
本实施例利用东北方一季粳稻5年的区试数据确定各等级的优质稻温光水等气候条件，结合国标等级标准已经给出了对应的品种等级，经过相关性分析可知，水稻生殖生长期的日平均温度和最高温度与稻米外观品质和加工品质的相关性较高，且主要体现在齐穗后20天和30天，其中，水稻齐穗后20天和30天的日平均温度和最高气温、日照时数、日较差与稻米垩白粒率和垩白度呈显著或者极显著正相关关系，但日较差与整精米率呈极显著负相关关系，因此，水稻齐穗后的20天或30天其的温度和光照条件时影响水稻品质的关键时期。
表1东北一季粳稻稻米品质与各生育期温度和光照相关性分析
**表示相关性达到0.01水平；*表示相关性达到0.05水平
(2)水稻不同等级品质与关键期温度和光照的关系
通过与品质等外条件下的温光参数与优质1、2、3级条件下温光参数进行平均值差值比较，结果表明，表2可以看出，齐穗后20天和30天等外水稻的日平均温度和优质水稻的日平均温度存在有显著性差异，生殖生长期的优质稻和等外的平均温度差异也明显，考虑到不同类型水稻生育期特性及稻区生态差异，此处采用齐穗后20天作为关键时期。
表2品质级别与东北一季粳稻关键时期日平均温度和日较差方差分析
注：表中数值为优质稻品种(1、2、3等)在不同生育时期对应的温度平均值与等外品种温度平均值的差值。*，**分别表示不同品质类型间温度差异达到显著、极显著水平。下同
(3)关键指标对水稻品质影响的相对重要性分析
利用回归分类树分析方法(图1)，结果表明，东北一季粳稻在齐穗后30天的日较差对品质的影响最大，达70％，其次是日平均温度27％，影响最小的是日照时数3％，齐穗后20天的日较差对水稻品质的影响也是最大的达84％，其次是日较差12％，日照时数相对重要性为4％。根据前面分析加上本方法研究，确定在水稻整个生育期的过程中，对品质产生最关键影响关键时期粳稻是齐穗后的20天的日平均温度和日较差。本研究均选择齐穗后20天作为优质稻品质敏感期。
2、关键指标适宜范围值确定
(1)东北一季稻粳稻品质与温度和光照梯度关系
采用R语言的GBM(Gradient Boost Machinet)算法，综合梯度提升算法预测结果(图2)，初步得出东北优质粳稻在齐穗后20天内的日平均温度适宜为21～25℃，最高26℃，最低18℃，日较差DR适宜值大于7.0℃，最低6.0℃。
考虑到水稻对光照基本要求，年日照时数应大于1500h，最低日照时数不低于1200h；考虑到水稻对水分基本要求，年降水量应大于600mm，最低降水量不低于400mm。
(2)东北一季粳稻温度权重值确定
利用分类回归树分析(图3)，得出东北一季稻齐穗后20天日较差权重为0.88，日平均温度为0.12。
3、优质水稻适宜度评价-以哈尔滨市、延边市为例
根据已有试验数据，本实施例选择黑龙江省哈尔滨市和吉林省延边市为例，两生态点通过设置不同的播期，改表了水稻灌浆期的温光参数，具体设计如下：
哈尔滨市播期：4月13-15日(hbq1)，4月24-27日(hbq2)，5月4-9日(hbq3)
延边市播期：4月13-15日(ybq1)，4月20-22日(ybq2)，4月30-5月4日(ybq3)。
(1)水稻齐穗后20天日平均温度适宜度
哈尔滨地区三个播期齐穗后20天内日平均温度观测值(Tov)hbq1为22.4℃，hbq2为22.6℃，hbq3为20.8℃；延边地区三个播期齐穗后20天内日平均温度观测值(Tov)ybq1为20.6℃，ybq2为20.5℃，ybq3为19.8℃；因齐穗后20天内日平均温度最宜值上限值为25℃，下限值为21℃，下限值为18℃。根据公式2，计算哈尔滨地区水稻齐穗后20天日平均温度适宜度为：
S日平均温度hbq1＝1，
S日平均温度hbq2＝1，
S日平均温度hbq3＝(20.8-18)/(21-18)＝0.93。
延边地区水稻齐穗后20天日平均温度适宜度为：
S日平均温度ybq1＝(20.6-18)/(21-18)＝0.87，
S日平均温度ybq2＝(20.5-18)/(21-18)＝0.83，
S日平均温度ybq3＝(19.8-18)/(21-18)＝0.33。
(2)水稻齐穗后20天内日较差适宜度
哈尔滨地区齐穗后20天内日较差观测值平均值(MC日较差)hbq1为7.7℃，hbq2为7.5℃，hbq3为7.6℃；延边地区齐穗后20天内日较差观测值平均值(MC日较差)ybq1为8.7℃，ybq2为8.4℃，ybq3为8.8℃，因齐穗后20天内日较差适宜值需＞7℃，两地区三个播期日较差均大于7℃，根据公式3，因此该地区水稻齐穗后20天日较差适宜度为：
S日较差hbq1＝1，S日较差hbq2＝1，S日较差hbq3＝1，
S日较差ybq1＝1，S日较差ybq2＝1，S日较差ybq3＝1。
(3)日照时数适宜度
哈尔滨地区年日照时数观测值(MC日照时数)为2213h，延边地区年日照时数观测值(MC日照时数)为2266h，因水稻年日照时数适宜值需＞1500h。根据公式3，因此该地区水稻日照时数适宜度为：
S日好时数＝1。
④降水量适宜度
哈尔滨地区年降水量观测值(MC降水量)为651mm，延边地区年降水量观测值(MC降水量)为728mm，因年降水量适宜值需＞600mm。根据公式3，该地区水稻降水量适宜度为：
S降水量＝1。
⑤优质水稻适宜度评价
综合上述气象因子适宜度，根据公式1，结合各因子的权重，计算可得该地区优质稻适宜度如下：
哈尔滨地区优质稻气候适宜度值：
D(Shbq1)＝(1×0.12+1×0.88)×0.8+0.1×1+0.1×1＝1，
D(Shbq2)＝(1×0.12+1×0.88)×0.8+0.1×1+0.1×1＝1，
D(Shbq3)＝(0.93×0.12+1×0.88)×0.8+0.1×1+0.1×1＝0.99。
延边地区优质稻气候适宜度值：
D(Sybq1)＝(0.87×0.12+1×0.88)×0.8+0.1×1+0.1×1＝0.98，
D(Sybq2)＝(0.83×0.12+1×0.88)×0.8+0.1×1+0.1×1＝0.98，
D(Sybq3)＝(0.33×0.12+1×0.88)×0.8+0.1×1+0.1×1＝0.96。
根据气候适宜度评价值，哈尔滨和延边地区水稻适时早播，可得较优的品质。
实施例2
本实施例提供南方优质粳稻适宜种植区域温光参数评价方法，具体实施步骤如下：
1、关键生育期和参数确定
(1)稻米品质与各生育期温度和光照相关性
经过相关性分析可知，水稻在齐穗后20天和30天的温度均与品质相关性较高，且以齐穗后20天影响为主。水稻齐穗后20天的日平均温度与稻米的糙米率、整精米率、垩白度、透明度和胶稠度呈显著或极显著相关关系，最高温度主要与整精米率、透明度和胶稠度整显著或极显著相关系，最低温度主要与糙米率、整精米率、垩白粒率、垩白度和透明度呈极显著相关关系，日较差与垩白粒率和垩白度呈极显著负相关关系。日照时数则主要影响整精米率。
表3南方粳稻稻米品质与温度和光照相关性分析
(2)水稻不同级别品质与关键期温度和光照的关系
从表4可以看出，齐穗后20天优质水稻的日平均温度与等外水稻的平均温度存在显著差异，齐穗后30天和整个生殖生长期仅达到优质3级的日平均温度和等外的日平均温度差异显著；对于日较差而言，齐穗后20天和齐穗后30天达到优质1、2级水稻的日较差与等外水稻的日较差存在显著差异，且以齐穗后20天优质稻与等外的差值较大，整个生殖生长期优质水稻的日较差和等外的日平均温度差异不显著。因此，南方粳稻影响以齐穗后20天作为判断稻米品质的关键时期。
表4品质级别与南方粳稻关键时期日平均温度和日较差方差分析(平均值差值)
(3)关键指标对水稻品质影响的相对重要性分析
利用回归分类树分析方法，分析结果表明(图4)，粳稻齐穗后20天的日均温度和日较差相对重要性分别为64％和30％，日照时数为6％，而齐穗后30天日均温度的重要性为63％，日较差32％，日照时数4％。虽然齐穗20天和齐穗后30天的日均温度、日较差和日照时数均对稻米品质有影响，但结合前边分析结果，该稻区选择齐穗后的20天的日均温度和日较差作为判断南方粳稻品质好坏的关键时期。
2、关键指标适宜范围值确定
(1)南方粳稻品质与温度和光照梯度关系
采用R语言的GBM(Gradient Boost Machinet)算法，综合梯度提升算法预测结果(图5)，初步得出南方优质粳稻齐穗后20天内的日平均温度为22～26℃，最高27℃，最低20℃，日较差DR的适宜值大于7.5℃，最低6.5℃。
考虑到水稻对光照基本要求，年日照时数应大于1500h，最低日照时数不低于1200h；考虑到水稻对水分基本要求，年降水量应大于600mm，最低降水量不低于400mm。
(2)南方粳稻温度权重值确定
利用分类回归树分析(图6)，得出粳稻的齐穗后20天日平均温度权重为0.68，日较差为0.32。
3、优质水稻适宜度评价-以南京市、重庆市为例
根据已有试验数据，本实施例选择江苏省南京市和重庆市为例，两生态点通过设置不同的播期，改表了水稻灌浆期的温光参数，具体设计如下：
南京地区播期：4月22-28日(nbq1)，5月13-18日(nbq2)，5月28日-6月8日(nbq3)；
重庆地区播期：4月10日(cbq1)，4月20日(cbq2)，6月5日(cbq3)。
(1)水稻齐穗后20天日平均温度适宜度
南京地区三个播期齐穗后20天内日平均温度观测值(Tov)nbq1为28.3℃，nbq2为26.2℃，nbq3为24.4℃，重庆地区三个播期齐穗后20天内日平均温度观测值(Tov)cbq1为29.9℃，cbq2为31.2℃，cbq3为31.4℃，因齐穗后20天内日平均温度最宜值上限值为26℃，下限值为22℃，日平均温度最高上限为27℃，因此南京水稻齐穗后20天日平均温度适宜度为：
S日平均温度nbq1＝0，
S日平均温度nbq2＝(27-26.2)/(27-26)＝0.8，
S日平均温度nbq3＝1。
重庆地区水稻齐穗后20天日平均温度均高于27℃，因此日平均温度适宜度均为0：
S日平均温度cbq1＝0，
S日平均温度cbq2＝0，
S日平均温度cbq3＝0。
(2)水稻齐穗后20天内日较差适宜度
南京地区齐穗后20天内日较差观测值(MC日较差)nbq1为7.6℃，nbq2为7.0℃，nbq3为8.2℃，重庆地区齐穗后20天内日较差观测值(MC日较差)cbq1为8.9℃，cbq2为9.4℃，cbq3为9.4℃，因齐穗后20天内日较差适宜值需＞7.5℃，下限为6.0℃。因此南京地区水稻齐穗后20天日较差适宜度为：
S日较差nbq1＝1，
S日较差nbq2＝(7.0-6.0)/(7.5-6.0)＝0.67，
S日较差nbq3＝1。
重庆地区水稻齐穗后20天日较差均大于7.5℃，因此日较差适宜度为1：
S日较差cbq1＝1，
S日较差cbq2＝1，
S日较差cbq3＝1。
(3)日照时数适宜度
南京地区年日照时数观测值(MC日照时数)为1856h，重庆地区年日照时数观测值(MC日照时数)为1189h，因年日照时数适宜值需＞1500h。因此南京地区水稻日照时数适宜度为：
S日好时数n＝1。
而最低年日照时数为1200h，因此重庆地区水稻日照时数适宜度为：
S日好时数c＝0。
(4)降水量适宜度
南京地区年降水量观测值(MC降水量)为1765mm，重庆地区年降水量观测值(MC降水量)为1405mm，因年降水量适宜值需＞600mm。因此两地区水稻降水量适宜度为：
S降水量＝1。
(5)优质水稻适宜度评价
综合上述气象因子适宜度，通过加权可得南京地区优质稻适宜度为：
D(Sbq1)＝0，
D(Sbq2)＝(0.8×0.68+0.67×0.32)×0.8+0.1×1+0.1×1＝0.81，
D(Sbq3)＝(1×0.68+1×0.32)×0.8+0.1×1+0.1×1＝1。
重庆地区由于温度和日照时数适宜度均为0，因此该地区优质粳稻适宜度为0；
而对于南京地区粳稻品种来说，适时晚播，可得较优的品质。
实施例3
本实施例提供南方优质中籼稻适宜种植区域温光参数评价方法，具体实施步骤如下：
1、关键生育期和参数确定
(1)稻米品质与各生育期温度和光照相关性
相关性分析结果表明，水稻齐穗后20天和30天的日均温度、最高温度和最低温度均与水稻垩白粒率、垩白度、透明度呈显著或正相关关系，且以齐穗后20天的相关系数相对较高。整精米率、碱消值和胶稠度与各时期温光参数影响关系不显著。因此，南方籼稻区主要以齐穗后20天作为判断稻米品质的关键时期。
表5南方中籼稻稻米品质与温度和光照相关性分析
(2)水稻不同级别品质与关键期温度和光照的关系
从表6可以看出，齐穗后20天、齐穗后30天和生殖生长期优质水稻的日均温度与等外水稻的日均温度均呈显著正相关关系，且以齐穗后20天优质稻日均温度与等外水稻的差值较大；对于日较差而言，齐穗后20天优质水稻的日较差和等外的日平均温度差异不显著，齐穗后30天和生殖生长期达到优质2、3级水稻的日较差与等外水稻的日较差存在显著差异。
表6品质级别与南方中籼稻关键时期日平均温度和日较差方差分析(平均值差值)
(3)关键指标对水稻品质影响的相对重要性分析
进一步进行回归分类树分析，结果表明(图7)，南方中籼稻齐穗后30天的日均温度和日较差相对重要性分别为62％和36％，日照时数为2％，而20天日均温度重要性达98％，日较差为2％，日照时数影响不大。根据前面分析加上本方法研究，确定在水稻整个生育期的过程中，对品质产生最关键影响关键时期籼稻是齐穗后的20天，且以日平均温度为主要参考指标，同时兼顾日较差。
2、关键指标适宜范围值确定
(1)南方中籼稻品质与温度和光照梯度关系
采用R语言的GBM算法，综合梯度提升算法预测结果表明(图8)，南方优质中籼稻齐穗后20天内的日平均温度为22～27℃，最高28℃，最低20℃，日较差DR的适宜值大于7.5℃，最低6.0℃。
(2)南方中籼稻温度权重值确定
利用分类回归树分析(图9)，得出南方中籼稻的齐穗后20天日平均温度权重为0.94，日较差权重为0.06。
3、优质水稻适宜度评价-以安徽合肥市、重庆市为例
根据已有试验数据，本实施例选择安徽合肥和重庆市为例，两生态点通过设置不同的播期，改表了水稻灌浆期的温光参数，具体设计如下：
合肥地区播期：4月24-26日(hbq1)，5月10-15日(hbq2)，5月25日-6月5日(hbq3)；
重庆地区播期：4月10日(cbq1)，4月20日(cbq2)，4月30日-5月10日(cbq3)。
(1)水稻齐穗后20天日平均温度适宜度
合肥地区三个播期齐穗后20天内日平均温度观测值(Tov)hbq1为26.8℃，hbq2为26.1℃，hbq3为24.0℃，重庆地区三个播期齐穗后20天内日平均温度观测值(Tov)cbq1为30.2℃，cbq2为31.4℃，cbq3为30.9℃，因齐穗后20天内日平均温度最宜值上限值为27℃，下限值为22℃，日平均温度上限为28℃，因此合肥地区水稻齐穗后20天日平均温度均在适宜范围内，适宜度为1，而重庆地区均高于28℃，因此适宜度均为0。
S日平均温度hbq1＝1，S日平均温度hbq2＝1，S日平均温度hbq3＝1，
S日平均温度cbq1＝0，S日平均温度cbq2＝0，S日平均温度cbq3＝0。
(2)水稻齐穗后20天内日较差适宜度
合肥地区齐穗后20天内日较差观测值(MC日较差)hbq1为7.8℃，hbq2为7.3℃，hbq3为7.2℃，重庆地区齐穗后20天内日较差观测值(MC日较差)cbq1为9.1℃，cbq2为9.7℃，cbq3为9.3℃，因齐穗后20天内日较差适宜值需＞7.5℃。因此合肥地区水稻齐穗后20天日较差适宜度为：
S日较差hbq1＝1，
S日较差hbq2＝(7.3-6.0)/(7.5-6.0)＝0.87，
S日较差hbq3＝(7.2-6.0)/(7.5-6.0)＝0.80。
重庆地区水稻齐穗后20天日较差均在最适范围内，因此适宜度均为1：
S日较差cbq1＝1，S日较差cbq2＝1，S日较差cbq3＝1。
(3)日照时数适宜度
合肥地区年日照时数观测值(MC日照时数)为1800h，重庆地区年日照时数观测值(MC日照时数)为1189h，因年日照时数适宜值需＞1500h。因此合肥地区水稻日照时数适宜度为：
S日好时数n＝1。
而最低年日照时数为1200h，因此重庆地区水稻日照时数适宜度为：
S日好时数c＝0。
(4)降水量适宜度
合肥地区年降水量观测值(MC降水量)为1495mm，重庆地区年降水量观测值(MC降水量)为1405mm，因年降水量适宜值需＞600mm。因此两地区水稻降水量适宜度为：
S降水量＝1。
⑤优质水稻适宜度评价
综合上述气象因子适宜度，通过加权可得合肥地区优质稻适宜度为：
D(Shbhq1)＝(1×0.94+1×0.06)×0.8+0.1×1+0.1×1＝1，
D(Shbq2)＝(1×0.94+0.87×0.06)×0.8+0.1×1+0.1×1＝0.99，
D(Shbq3)＝(1×0.94+0.80×0.06)×0.8+0.1×1+0.1×1＝0.99。
对于合肥地区中籼稻品种来说，三个不同时间播种，均可得较优的品质。
重庆地区由于温度和日照时数适宜度均为0，因此该地区优质中籼稻适宜度均为0。
实施例4
本实施例提供南方优质晚籼稻适宜种植区域温光参数评价方法，具体实施步骤如下：
1、关键生育期和参数确定
(1)水稻不同级别品质与关键期温度和光照的关系
从表7可以看出，齐穗后20天、齐穗后30天和生殖生长期等外水稻的日均温度和优质水稻的日均温度均存在显著差异，且以齐穗后20天的差异较大；对于日较差，齐穗后20天的优质1、2、3级水稻日较差和等外的日较差差异最为显著。
表7品质级别与南方晚籼稻关键时期日平均温度和日较差方差分析(平均值差值)
(3)关键指标对水稻品质影响的相对重要性分析
利用回归分类树分析方法，结果表明(图10)，南方晚籼稻齐穗后20天的日平均温度和日较差相对重要性分别为48％和30％，日照时数为22％，而穗后30天日平均温度重要性达68％，日较差为23％，日较差9％。这表明，齐穗20天和齐穗后30天的日均温度、日较差和日照时数均对稻米品质有影响，但结合前边分析结果，选择齐穗后的20天的日均温度和日较差作为判断南方粳稻品质好坏的关键时期，以减少因南方晚稻生长后期气温下降带来的干扰。
2、关键指标适宜范围值确定
(1)南方晚籼稻品质与温度和光照梯度关系
采用R语言的GBM(Gradient Boost Machinet)算法，综合梯度提升算法预测结果(图11)，初步得出南方优质晚籼稻齐穗后20天内的日平均温度为21～26℃，最高27℃，最低20℃，日较差的适宜值大于7.0℃，最低6.0℃。
(2)南方晚籼稻温度权重值确定
利用分类回归树分析(图12)，得出晚籼稻的齐穗后20天日均温度(0.65)和日较差(0.35)。
3、优质水稻适宜度评价-以江西兴国县、湖南浏阳市为例
根据已有试验数据，本实施例选择江西兴国县和湖南浏阳市，两生态点通过设置不同的播期，改表了水稻灌浆期的温光参数，具体设计如下：
兴国地区播期：6月10-12日(xbq1)，6月20-22日(xbq2)，6月30日-7月4日(xbq3)；
浏阳地区播期：6月10-12日(lbq1)，6月20-22日(lbq2)，6月30日-7月4日(lbq3)。
(1)水稻齐穗后20天日平均温度适宜度
兴国地区三个播期齐穗后20天内日平均温度观测值(Tov)xbq1为26.4℃，xbq2为25.9℃，xbq3为24.2℃，浏阳地区2017-2019年三个播期齐穗后20天内日平均温度观测值(Tov)lbq1为27.4℃，lbq2为26.5℃，lbq3为26.0℃，因齐穗后20天内日平均温度最宜值上限值为26℃，最适下限值为21℃，日平均温度下限为27℃，因此兴国地区水稻齐穗后20天日平均温度适宜度为：
S日平均温度xbq1＝(27-26.4)/(27-26)＝0.6；
S日平均温度xbq2＝1；
S日平均温度xbq3＝1。
浏阳地区水稻齐穗后20天日平均温度适宜度为：
S日平均温度xbq1＝0；
S日平均温度xbq2＝(27-26.5)/(27-26)＝0.5；
S日平均温度xbq3＝1。
(2)水稻齐穗后20天内日较差适宜度
兴国地区齐穗后20天内日较差观测值(MC日较差)xbq1为9.3℃，xbq2为9.7℃，xbq3为9.6℃，浏阳地区齐穗后20天内日较差观测值(MC日较差)lbq1为8.8℃，lbq2为9.1℃，lbq3为8.6℃，因齐穗后20天内日较差适宜值需＞7.0℃。因此兴国和浏阳地区水稻齐穗后20天日较差适宜度为：
S日较差＝1。
(3)日照时数适宜度
兴国地区年日照时数观测值(MC日照时数)为1889h，浏阳地区年日照时数观测值(MC日照时数)为1449h，因年日照时数适宜值需＞1500h。因此兴国地区年日照时数适宜度为：
S日好时数＝1。
而浏阳地区年日照时数适宜度为：
S日好时数＝(1449-1200)/(1500-1200)＝0.83。
(4)降水量适宜度
兴国地区年降水量观测值(MC降水量)为1601mm，浏阳地区年降水量观测值(MC降水量)为1326mm，因年降水量适宜值需＞600mm。因此两地区地区水稻齐穗后20天降水量适宜度为：
S降水量＝1。
(5)优质水稻适宜度评价
综合上述气象因子适宜度，通过加权可得兴国地区优质稻适宜度为：
D(Sxbq1)＝(0.6×0.65+1×0.35)×0.8+0.1×1+0.1×1＝0.79，
D(Sxbq2)＝(1×0.65+1×0.35)×0.8+0.1×1+0.1×1＝1，
D(Sxbq3)＝(1×0.65+1×0.35)×0.8+0.1×1+0.1×1＝1。
浏阳地区优质稻适宜度为：
D(Slbq1)＝0，
D(Slbq2)＝(0.5×0.65+1×0.35)×0.8+0.1×0.83+0.1×1＝0.72，
D(Slbq3)＝(1×0.65+1×0.35)×0.8+0.1×0.83+0.1×1＝0.98。
对于兴国和浏阳地区晚籼稻品种来说，适时晚播，可得较优的品质。
实验例1
本实验例通过在江西兴国县设置常规播期和推迟播期(推迟10天播种)，结果发现(表8)，推迟播期显著增加了水稻精米率、直链淀粉含量、胶稠度、崩解值、热浆粘度，显著降低了籽粒蛋白质含量、消减值。与常规播期相比，水稻精米率、胶稠度、崩解值和热浆粘度分别增加了1.7％、4.5％、17.8％和9.3％，蛋白质含量和消减值分别下降了15％和14.5％。尽管直链淀粉含量显著增加，但仍在国家优质米标准范围内，因此，推迟播期显著提高了该地区水稻的加工品质和蒸煮食味品质。
表8推迟播期对兴国试验点优质水稻稻米品质的影响
虽然，上文中已经用一般性说明及具体实施方案对本发明作了详尽的描述，但在本发明基础上，可以对之作一些修改或改进，这对本领域技术人员而言是显而易见的。因此，在不偏离本发明精神的基础上所做的这些修改或改进，均属于本发明要求保护的范围。
Claims (10)
1.一种优质稻种植区域适宜度的评价方法，其特征在于，包括：
获得与待测水稻品质相关的多个气候评价因子及其权重；
获得每个气候评价因子的适宜范围值；
针对每个气候评价因子，以其适宜度为评价因素，以其权重作为评价因素的权重，构建水稻种植综合适宜度评价模型；所述适宜度为根据每个气候评价因子的适宜范围值和对应的在目标种植区域的实际观测值，通过分段函数分析比较得到；
依据所述水稻种植综合适宜度评价模型对所述目标种植区域的综合适宜度进行评价。
2.根据权利要求1所述的评价方法，其特征在于，所述气候评价因子包括日平均温度、日最高温度、日最低温度、日较差、日照时数和降水量适宜度中的一种或多种。
3.根据权利要求2所述的评价方法，其特征在于，所述获得与待测水稻品质相关的多个气候评价因子及其权重为：
针对水稻齐穗后20天或30天每个气候评价因子和其对应的所述待测水稻的品质信息，通过回归分类树分析方法得到该气候评价因子对于水稻品质的相对重要性，选择相对重要性最高的多个气候评价因子进行后续的评价流程；
根据被选择进行后续评价流程的气候评价因子的相对重要性确定其权重。
4.根据权利要求3所述的评价方法，其特征在于，所述品质信息包括糙米率、精米率、整精米率、垩白粒率、垩白度、直链淀粉、碱消值和胶稠度中的一种或多种。
5.根据权利要求2所述的评价方法，其特征在于，当所述气候评价因子为日平均温度时，所述适宜度为：
其中，S(T)为水稻齐穗后20天日均温度适宜度；Tov为日平均温度观测值，Toptmax为日平均温度适宜范围值上限值，Toptmin为日平均温度适宜范围值下限值，Tmin为日平均温度下限值，Tmax为日平均温度上限值；
当所述气候评价因子为日较差、日照时数或降水量时，所述适宜度为：
其中，S(MC)为气候评价因子的适宜度，MCov为气候评价因子的观测值，MCopt为气候评价因子的适宜范围值，MCmin为气候评价因子的下限值。
6.根据权利要求1-5任一项所述的评价方法，其特征在于，所述获得每个气候评价因子的适宜范围值为，采用梯度提升树算法预测结果，预测所述待测水稻的每个气候评价因子的最适宜范围区间。
7.根据权利要求1-6任一项所述的评价方法，其特征在于，所述依据所述水稻种植综合适宜度评价模型对所述目标种植区域的综合适宜度进行评价为：将所有评价因素分别与对应的权重相乘后求和即为所述目标种植区域的综合适宜度；优选地，所述综合适宜度包括适宜、较适宜、欠适宜和不适宜。
8.根据权利要求7所述的评价方法，其特征在于，若任一气候评价因子的适宜度为0，则直接认定为所述目标种植区域的综合适宜度为不适宜。
9.权利要求1-8任一项所述评价方法在水稻适宜种植区域筛选中的应用。
10.权利要求1-9任一项所述评价方法在水稻适宜种植时间的评价中的应用。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110293054.1A CN113095629A (zh) | 2021-03-18 | 2021-03-18 | 一种优质稻种植区域适宜度的评价方法及其应用 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110293054.1A CN113095629A (zh) | 2021-03-18 | 2021-03-18 | 一种优质稻种植区域适宜度的评价方法及其应用 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113095629A true CN113095629A (zh) | 2021-07-09 |
Family
ID=76668318
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110293054.1A Pending CN113095629A (zh) | 2021-03-18 | 2021-03-18 | 一种优质稻种植区域适宜度的评价方法及其应用 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113095629A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113723690A (zh) * | 2021-09-02 | 2021-11-30 | 西南大学 | 柑橘品种适宜区域性预则方法 |
| CN114254964A (zh) * | 2022-03-01 | 2022-03-29 | 北京市农林科学院信息技术研究中心 | 水稻区域气候品质评估方法及系统 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109272201A (zh) * | 2018-08-23 | 2019-01-25 | 山东省农业可持续发展研究所 | 一种针对花生种植的适宜性评价方法 |
-
2021
- 2021-03-18 CN CN202110293054.1A patent/CN113095629A/zh active Pending
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109272201A (zh) * | 2018-08-23 | 2019-01-25 | 山东省农业可持续发展研究所 | 一种针对花生种植的适宜性评价方法 |
Non-Patent Citations (6)
| Title |
|---|
| 张国发等: "温光因子对稻米品质影响的研究进展", 《中国稻米》, no. 1, 31 December 2004 (2004-12-31), pages 11 - 14 * |
| 张树清等: "《3s支撑下的中国典型沼泽湿地景观时空动态变化研究》", vol. 1, 31 December 2008, 吉林大学出版社, pages: 29 * |
| 徐富贤等: "长江上游高温伏旱区气象因子对杂交中稻产量与稻米品质的影响", 《应用与环境生物学报》, vol. 26, no. 01, 29 February 2020 (2020-02-29), pages 106 - 116 * |
| 杨丽萍等: "中国花生种植气候适宜性评价", 《中国农学通报》, vol. 35, no. 31, 31 December 2019 (2019-12-31), pages 76 - 82 * |
| 王丽等: "基于生态位和模糊数学的冬小麦适宜性评价", 《生态学报》, vol. 36, no. 14, 31 July 2016 (2016-07-31), pages 4465 - 4474 * |
| 蔡云鹏等著: "《机器学习和人工智能技术在机器人领域的应用研究》", vol. 1, 30 November 2020, 中国矿业大学出版社, pages: 90 - 91 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113723690A (zh) * | 2021-09-02 | 2021-11-30 | 西南大学 | 柑橘品种适宜区域性预则方法 |
| CN114254964A (zh) * | 2022-03-01 | 2022-03-29 | 北京市农林科学院信息技术研究中心 | 水稻区域气候品质评估方法及系统 |
| CN114254964B (zh) * | 2022-03-01 | 2022-05-17 | 北京市农林科学院信息技术研究中心 | 水稻区域气候品质评估方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109187441B (zh) | 基于冠层光谱信息的夏玉米含氮量监测模型的构建方法 | |
| Qun et al. | Effect of wide-narrow row arrangement in mechanical pot-seedling transplanting and plant density on yield formation and grain quality of japonica rice | |
| CN113095629A (zh) | 一种优质稻种植区域适宜度的评价方法及其应用 | |
| Bian et al. | Effects of planting methods on yield and quality of different types of japonica rice in northern Jiangsu plain, China | |
| CN112598277B (zh) | 一种评估跨区域缩小冬小麦产量差与提高氮肥效率的方法 | |
| Liu et al. | Reponses and sensitivities of maize phenology to climate change from 1981 to 2009 in Henan Province, China | |
| CN107980512B (zh) | 一种高产多抗优质小麦品种的筛选评价方法 | |
| CN109042176B (zh) | 一种高氮肥利用效率水稻品种的筛选方法 | |
| CN108760706B (zh) | 一种快速筛选镉低积累水稻品种的方法 | |
| CN112215090A (zh) | 融合物候知识的遥感水稻制图方法及其应用 | |
| CN116187100A (zh) | 一种结合作物生长模型估算玉米籽粒蛋白质含量的方法 | |
| CN110089421B (zh) | 小麦杂交后代选拔育种的方法 | |
| CN108377867B (zh) | 一种温度影响水稻结实的估测方法 | |
| CN106993527A (zh) | 优质高产冬小麦品种选育方法 | |
| CN111241487A (zh) | 一种基于群体表型特征的氮素诊断变量追施方法 | |
| CN113229076A (zh) | 一种利用盐池筛选优良耐盐株系的小麦育种方法 | |
| CN108334701B (zh) | 一种大棚黄瓜氮素营养诊断及推荐施氮方法 | |
| CN115099992B (zh) | 蘑菇种植房的数据处理方法及处理系统 | |
| Wu et al. | Reasonable dry cultivation methods can balance yield and grain quality of rice | |
| Zunfu et al. | A model of plant and ear nitrogen for the diagnosis of nitrogen nutrition of malting barley to coordinate the relationship between grain yield and quality | |
| CN101273680A (zh) | 一种草地早熟禾种子加速老化测定方法 | |
| CN114414429B (zh) | 基于生物量积累的玉米水分临界模型的构建方法及应用 | |
| CN111259306A (zh) | 一种冬小麦区域作物系数测算方法 | |
| CN116735538B (zh) | 一种基于氮素分配模型的作物氮素累积量遥感预测方法 | |
| HOU et al. | The effect of ecological factors on the indexes of yield property equation and quantitative analysis |
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 |