CN113902215B - 一种棉花延迟型冷害动态的预报方法 - Google Patents
一种棉花延迟型冷害动态的预报方法 Download PDFInfo
- Publication number
- CN113902215B CN113902215B CN202111283087.4A CN202111283087A CN113902215B CN 113902215 B CN113902215 B CN 113902215B CN 202111283087 A CN202111283087 A CN 202111283087A CN 113902215 B CN113902215 B CN 113902215B
- Authority
- CN
- China
- Prior art keywords
- cotton
- data
- years
- current year
- growth
- 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.)
- Active
Links
- 229920000742 Cotton Polymers 0.000 title claims abstract description 203
- 230000002595 cold damage Effects 0.000 title claims abstract description 40
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000011161 development Methods 0.000 claims abstract description 29
- 208000009084 Cold Injury Diseases 0.000 claims abstract description 24
- 230000003111 delayed effect Effects 0.000 claims abstract description 22
- 230000008569 process Effects 0.000 claims abstract description 13
- 241000219146 Gossypium Species 0.000 claims description 195
- 239000000835 fiber Substances 0.000 claims description 26
- 230000018109 developmental process Effects 0.000 claims description 25
- 238000009331 sowing Methods 0.000 claims description 11
- 238000003973 irrigation Methods 0.000 claims description 9
- 230000002262 irrigation Effects 0.000 claims description 9
- 241000196324 Embryophyta Species 0.000 claims description 5
- 230000008859 change Effects 0.000 claims description 4
- 238000001556 precipitation Methods 0.000 claims description 4
- 230000017260 vegetative to reproductive phase transition of meristem Effects 0.000 claims description 4
- 240000002024 Gossypium herbaceum Species 0.000 claims description 3
- 235000004341 Gossypium herbaceum Nutrition 0.000 claims description 3
- 238000004088 simulation Methods 0.000 claims description 3
- 238000012795 verification Methods 0.000 claims description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 3
- 238000010835 comparative analysis Methods 0.000 claims description 2
- 230000000052 comparative effect Effects 0.000 claims description 2
- 235000012343 cottonseed oil Nutrition 0.000 claims description 2
- 238000004519 manufacturing process Methods 0.000 abstract description 9
- 230000009467 reduction Effects 0.000 abstract description 5
- 230000002265 prevention Effects 0.000 abstract description 2
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 239000002689 soil Substances 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000010792 warming Methods 0.000 description 2
- UDPGUMQDCGORJQ-UHFFFAOYSA-N (2-chloroethyl)phosphonic acid Chemical compound OP(O)(=O)CCCl UDPGUMQDCGORJQ-UHFFFAOYSA-N 0.000 description 1
- 239000005976 Ethephon Substances 0.000 description 1
- 241000238631 Hexapoda Species 0.000 description 1
- 206010036086 Polymenorrhoea Diseases 0.000 description 1
- 241000607479 Yersinia pestis Species 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000005200 bud stage Effects 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000010198 maturation time Effects 0.000 description 1
- 230000005070 ripening Effects 0.000 description 1
- 238000007789 sealing Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- 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
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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
-
- 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
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Animal Husbandry (AREA)
- Agronomy & Crop Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Cultivation Of Plants (AREA)
Abstract
本发明提供了一种棉花延迟型冷害动态的预报方法，属于农业气象灾害领域。本发明利用棉花功能结构模型，逐日动态模拟所述棉田生长发育各项指标，模型中综合考虑了天气气候、管理措施、品种对棉花生长发育的影响，将热量条件与棉花生长发育状况相结合，根据各项指标与热量正常年的偏差程度进行延迟型冷害判识，可使灾害预测更能针对作物生长发育的详细过程。同时将灾害预测从月预测提升至逐日预测，可为棉花生产及时采取应对措施科学防灾减灾提供可靠依据。
Description
技术领域
本发明属于农业气象灾害领域，具体涉及一种棉花延迟型冷害动态的预报方法。
背景技术
新疆地处干旱区，光照充足、虫害轻，降水稀少但灌溉条件良好，是棉花生产优势区。近年来该区棉花产业发展迅猛，2020年新疆棉花种植面积为2501.9千公顷，占全国棉花种植面积的78.9％。但新疆棉区处于中纬度地区，植棉主要不利因素是生长季较短，年际间热量条件变化较大。其中北疆(天山以北)棉区处于棉花生产的北界，春季和秋季是新疆强冷空气活动频繁期，常伴寒潮天气出现；盛夏也会受到北方冷空气的影响，降温幅度大且常伴有连阴雨天气。已有研究表明，棉花生长前期遭遇低温(＜12℃)会导致生长发育延迟、缺苗断垄和毁种重播；开花结铃期遭遇低温会造成蕾铃大量脱落；生长后期遭遇低温不仅影响成熟时间，也会影响乙烯利的催熟效果，使得霜前花减少，导致产量和品质下降。多年生产实践和研究结果表明，低温冷害尤其是延迟型低温冷害是造成新疆棉花产量和品质大幅下降的最主要的气象灾害。
近年来，受全球气候变暖的影响，新疆棉区热量资源条件有所改善，严重的延迟型低温冷害年份相对减少。但是生产者为了追求高产，不断扩种生育期更长的品种，增加了发生延迟型低温冷害的风险。同时，气候变暖趋势是渐进和波动的，在此过程中仍然会有低温和偏冷的年份，一旦发生延迟型低温冷害，棉花产业的经济损失将比以往更加严重。如2019年4月至6月，北疆棉区气温持续偏低，棉花苗期、蕾期生长发育缓慢，是当年棉花减产的主要原因。
因此，在棉花生产过程中，提前预测延迟型冷害的发生，对于及时采取应对措施促进棉花生长发育、减轻和防御棉花低温冷害的影响使棉花生产达到稳产、高产、优质有重要意义。
现有的技术针对预测延迟型冷害方案包括：根据气象因子构建热量指数，仅依据气象条件预测是否发生低温冷害；根据热量条件对棉花低温冷害的进行逐月预测诊断。
热量条件不足会延缓棉花生长发育进程，但棉花生长过程中种植者会采取中耕松土、减少灌溉次数等方法，提高地温，促进棉花生长发育，从而降低或消除低温冷害的影响。现有技术方案仅依据气象条件预测是否发生延迟型冷害，未考虑作物本身实际的生长发育状况，往往导致预测诊断为延迟型冷害，而实际作物表现为未遭受灾害。此外棉花生育期较短，从播种出苗至吐絮仅4个月左右，以月为步长进行延迟型冷害预测，不利于及时采取应对措施降低灾害影响。
发明内容
为了克服上述现有技术存在的不足，本发明提供了一种棉花延迟型冷害动态的预报方法。
为了实现上述目的，本发明提供如下技术方案：
一种棉花延迟型冷害动态的预报方法，包括以下步骤，
获取棉田种植棉花的基础信息和当年棉花的种植信息；
利用基础信息对CottonXL模型进行参数调校和模型验证形成棉花预测模型；
利用棉花预测模型获取棉花生长的变化情况，作为参考数据；
将当年棉花的种植信息输入棉花预测模型，模拟当年棉花的生长过程，将当年棉花的生长数据作为对比数据；
将所述对比数据与参考数据的各项指标进行对比分析，获得偏差程度值；
结合偏差程度值和天气预测数据进行棉花延迟型冷害逐日动态预测。
优选的，所述基础信息包括，
棉田的地理位置；
棉田所在地近10年内4月至10月的逐日气象数据；
棉田所在地近10年内棉花的发育期、产量和纤维品质数据。
优选的，所述当年棉花的种植信息包括，
棉田当年种植棉花的品种；
棉田当年种植棉花的播种时间、打顶时间和灌溉时间；
棉田当年种植棉花的种植密度和株行配置；
棉田当年种植棉花的灌溉量；
当棉田当年通过干播湿出法种植棉花时，滴灌出苗水的时间。
优选的，所述棉田的地理位置包括，
棉田的经纬度；
棉田的海拔高度。
优选的，所述逐日气象数据包括：每日最高气温、每日最低气温、每日日照时数和每日的日降水量。
优选的，
棉田所在地近10年内棉花的发育期数据包括：播种期、出苗期、现蕾期、开花期、吐絮期的日期；
棉田所在地近10年内棉花的产量数据包括：籽棉产量和衣分；
棉田所在地近10年内棉花的纤维品质数据包括：纤维长度、纤维比强度和马克隆值。
优选的，
利用棉田所在地近10年内奇数年的逐日气象和棉花的发育期、产量和纤维品质数据对CottonXL模型进行参数调校形成初始棉花模型；
利用棉田所在地近10年内偶数年的逐日气象和棉花的发育期、产量和纤维品质数据对初始棉花模型的模拟准确性进行验证形成棉花预测模型。
优选的，所述获得对比数据的具体步骤包括：
设定近10年平均热量为正常热量；
在正常热量条件下，利用棉花预测模型模拟当年棉花的生长过程，将当年棉花的生长数据作为对比数据。
优选的，所述对比数据与参考数据的各项指标均包括：棉花株高、叶面积指数、地上部干物质质量、蕾铃数、单铃重、籽棉产量、衣分、纤维长度、纤维比强度、和马克隆值。
本发明提供的棉花延迟型冷害动态的预报方法具有以下有益效果：本发明利用棉花功能结构模型，逐日动态模拟所述棉田生长发育各项指标，模型中综合考虑了天气气候、管理措施、品种对棉花生长发育的影响，将热量条件与棉花生长发育状况相结合，根据各项指标与热量正常年的偏差程度进行延迟型冷害判识，可使灾害预测更能针对作物生长发育的详细过程。同时将灾害预测从月预测提升至逐日预测，可为棉花生产及时采取应对措施科学防灾减灾提供可靠依据。本发明能够逐日动态预报是否会发生棉花延迟型低温冷害，以及发生延迟型冷害对产量和纤维品质的影响，对于指导棉花生产及时采取应对措施规避延迟型冷害的发生风险具有重要意义。
附图说明
为了更清楚地说明本发明实施例及其设计方案，下面将对本实施例所需的附图作简单地介绍。下面描述中的附图仅仅是本发明的部分实施例，对于本领域普通技术人员来说，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为本发明实施例1的棉花延迟型冷害动态的预报方法的流程图。
具体实施方式
为了使本领域技术人员更好的理解本发明的技术方案并能予以实施，下面结合附图和具体实施例对本发明进行详细说明。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
实施例1
本发明提供了一种棉花延迟型冷害动态的预报方法，具体如图1所示，包括以下步骤：获取棉田种植棉花的基础信息和当年棉花的种植信息；利用基础信息对CottonXL模型进行参数调校和模型验证形成棉花预测模型；利用棉花预测模型获取棉花生长的变化情况，作为参考数据；将当年棉花的种植信息输入棉花预测模型，模拟当年棉花的生长过程，将当年棉花的生长数据作为对比数据；将结合偏差程度值和天气预测数据对比数据与参考数据的各项指标进行对比分析，获得偏差程度值；结合偏差程度值和天气预测数据进行棉花延迟型冷害逐日动态预测。
其中，棉花结构功能模型CottonXL为参考文献(棉花功能结构模型建立与新疆棉花产量预测[D].顾生浩.中国农业大学2018)中所公开的模型。采用棉花Cotton XL模型模拟分析正常热量条件和当年气象条件对产量、纤维品质的影响，进而预测棉田是否发生延迟型冷害，为棉花生产提供决策支持。
具体的，结合偏差程度值和天气预测数据基础信息包括：结合偏差程度值和天气预测数据棉田的地理位置；结合偏差程度值和天气预测数据棉田所在地(乡镇或县)近10年内4月至10月的逐日气象数据；结合偏差程度值和天气预测数据棉田所在地(乡镇或县)近10年内棉花的发育期、产量和纤维品质数据。结合偏差程度值和天气预测数据当年棉花的种植信息包括：结合偏差程度值和天气预测数据棉田当年种植棉花的品种；结合偏差程度值和天气预测数据棉田当年种植棉花的播种时间(月/日)、打顶时间(月/日)和灌溉时间(月/日)；结合偏差程度值和天气预测数据棉田当年种植棉花的种植密度(株/m2)和株行配置(株距(cm)、行距(cm))；结合偏差程度值和天气预测数据棉田当年种植棉花的灌溉量(m3/亩)；当棉田当年通过干播湿出法种植棉花时，滴灌出苗水的时间(月/日)。
其中，棉田的地理位置包括：结合偏差程度值和天气预测数据棉田的经纬度；结合偏差程度值和天气预测数据棉田的海拔高度。
其中，结合偏差程度值和天气预测数据逐日气象数据包括：每日最高气温(℃)、每日最低气温(℃)、每日日照时数(h)和每日的日降水量(mm)。结合偏差程度值和天气预测数据棉田所在地近10年内棉花的发育期数据包括：播种期(月/日)、出苗期(月/日)、现蕾期(月/日)、开花期(月/日)、吐絮期(月/日)的日期；结合偏差程度值和天气预测数据棉田所在地近10年内棉花的产量数据包括：籽棉产量(kg/hm2)和衣分(％)；结合偏差程度值和天气预测数据棉田所在地近10年内棉花的纤维品质数据包括：纤维长度度(mm)、纤维比强度(cN·tex-1)和马克隆值。
在本实施例中，利用结合偏差程度值和天气预测数据棉田所在地近10年内奇数年的逐日气象和棉花的发育期、产量和纤维品质数据对CottonXL模型进行参数调校形成初始棉花模型；利用结合偏差程度值和天气预测数据棉田所在地近10年内偶数年的逐日气象和棉花的发育期、产量和纤维品质数据对初始棉花模型的模拟准确性进行验证形成棉花预测模型。
进一步的，结合偏差程度值和天气预测数据获得对比数据的具体步骤包括：设定近10年平均热量为正常热量；在正常热量条件下，利用棉花预测模型模拟当年棉花的生长过程，将当年棉花的生长数据作为对比数据。
具体的，结合偏差程度值和天气预测数据对比数据与参考数据的各项指标包括：棉花株高(cm)、叶面积指数、地上部干物质质量(g)、蕾铃数(个)、单铃重(g)、籽棉产量(kg/hm2)、衣分(％)、纤维长度(mm)、纤维比强度(cN·tex-1)、和马克隆值。
在本实施例中，通过2019年，在新疆塔城地区乌苏市，通过供试品种新陆早73号，种植规模200亩的试验验证本申请的预测方式证明本申请的有益效果。研究区域内按当地常规模式统一管理，播种时间为4月22日，种植模式为1膜6行(10cm+66cm+10cm)，膜下滴灌，随水施肥。天气和气候预测结果显示，5月气温持续偏低，根据模型预测棉花生长发育进程将晚于常年和去年，研究区域采取中耕松土、封闭种孔的措施，提高地温，本发明逐日动态预报显示棉花生长发育各项指标与热量正常年份指标偏差逐步缩小，至5月末，结合天气和气候预测结果，棉花延迟型冷害动态预测结果为无冷害，棉花生长发育进程接近常年，实地观测情况棉花发育期较常年偏晚1天，接近常年，预测结果与实际相符。
以上结合偏差程度值和天气预测数据实施例仅为本发明较佳的具体实施方式，本发明的保护范围不限于此，任何熟悉本领域的技术人员在本发明披露的技术范围内，可显而易见地得到的技术方案的简单变化或等效替换，均属于本发明的保护范围。
Claims (6)
1.一种棉花延迟型冷害动态的预报方法，其特征在于，包括以下步骤，
获取棉田种植棉花的基础信息和当年棉花的种植信息；
利用基础信息对CottonXL模型进行参数调校和模型验证形成棉花预测模型；
利用棉花预测模型获取棉花生长的变化情况，作为参考数据；
将当年棉花的种植信息输入棉花预测模型，模拟当年棉花的生长过程，将当年棉花的生长数据作为对比数据；
将所述对比数据与参考数据的各项指标进行对比分析，获得偏差程度值；
结合偏差程度值和天气预测数据进行棉花延迟型冷害逐日动态预测；
所述基础信息包括，
棉田的地理位置；
棉田所在地近10年内4月至10月的逐日气象数据；
棉田所在地近10年内棉花的发育期、产量和纤维品质数据；
所述当年棉花的种植信息包括，
棉田当年种植棉花的品种；
棉田当年种植棉花的播种时间、打顶时间和灌溉时间；
棉田当年种植棉花的种植密度和株行配置；
棉田当年种植棉花的灌溉量；
当棉田当年通过干播湿出法种植棉花时，滴灌出苗水的时间；
利用棉田所在地近10年内奇数年的逐日气象和棉花的发育期、产量和纤维品质数据对CottonXL模型进行参数调校形成初始棉花模型；
利用棉田所在地近10年内偶数年的逐日气象和棉花的发育期、产量和纤维品质数据对初始棉花模型的模拟准确性进行验证形成棉花预测模型。
2.根据权利要求1所述的棉花延迟型冷害动态的预报方法，其特征在于，所述棉田的地理位置包括，
棉田的经纬度；
棉田的海拔高度。
3.根据权利要求1所述的棉花延迟型冷害动态的预报方法，其特征在于，所述逐日气象数据包括：每日最高气温、每日最低气温、每日日照时数和每日的日降水量。
4.根据权利要求1所述的棉花延迟型冷害动态的预报方法，其特征在于，
棉田所在地近10年内棉花的发育期数据包括：播种期、出苗期、现蕾期、开花期、吐絮期的日期；
棉田所在地近10年内棉花的产量数据包括：籽棉产量和衣分；
棉田所在地近10年内棉花的纤维品质数据包括：纤维长度、纤维比强度和马克隆值。
5.根据权利要求1所述的棉花延迟型冷害动态的预报方法，其特征在于，获得对比数据的具体步骤包括：
设定近10年平均热量为正常热量；
在正常热量条件下，利用棉花预测模型模拟当年棉花的生长过程，将当年棉花的生长数据作为对比数据。
6.根据权利要求1所述的棉花延迟型冷害动态的预报方法，其特征在于，所述对比数据与参考数据的各项指标均包括：棉花株高、叶面积指数、地上部干物质质量、蕾铃数、单铃重、籽棉产量、衣分、纤维长度、纤维比强度、和马克隆值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111283087.4A CN113902215B (zh) | 2021-11-01 | 2021-11-01 | 一种棉花延迟型冷害动态的预报方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111283087.4A CN113902215B (zh) | 2021-11-01 | 2021-11-01 | 一种棉花延迟型冷害动态的预报方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113902215A CN113902215A (zh) | 2022-01-07 |
| CN113902215B true CN113902215B (zh) | 2024-05-07 |
Family
ID=79027792
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111283087.4A Active CN113902215B (zh) | 2021-11-01 | 2021-11-01 | 一种棉花延迟型冷害动态的预报方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113902215B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114568239B (zh) * | 2022-03-01 | 2023-08-15 | 北京飞花科技有限公司 | 一种棉花高温热害预测方法 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2015188333A (ja) * | 2014-03-27 | 2015-11-02 | 株式会社日立製作所 | 植生生長分析システム及び方法 |
| KR20160064778A (ko) * | 2014-11-28 | 2016-06-08 | 경희대학교 산학협력단 | 지발성 냉해 가능성 예측 시스템 및 이를 이용한 지발성 냉해 가능성 예측 방법 |
| CN107944596A (zh) * | 2017-10-20 | 2018-04-20 | 上海交通大学 | 一种基于物联网的甜瓜生长管理专家系统 |
| CN109190810A (zh) * | 2018-08-16 | 2019-01-11 | 天津大学 | 基于tdnn的中国北方草原地区ndvi的预测方法 |
| CN110889547A (zh) * | 2019-11-20 | 2020-03-17 | 中国农业大学 | 一种作物生育期预测方法及装置 |
| CN110956322A (zh) * | 2019-11-28 | 2020-04-03 | 河南省气象科学研究所 | 气候变暖趋势下的夏玉米花期高温灾害风险预测方法 |
| CN112215716A (zh) * | 2020-10-13 | 2021-01-12 | 浙江省气候中心 | 农作物生长干预方法、装置、设备及存储介质 |
| WO2021015468A2 (ko) * | 2019-07-22 | 2021-01-28 | 주식회사 에피넷 | 작물 생육 중심의 병해충 및 기상장해 정밀관리 시스템과 그 방법 |
| CN112561315A (zh) * | 2020-12-15 | 2021-03-26 | 云南省气候中心(云南省生态气象和卫星遥感中心) | 烤烟气象灾害定量评估及预估方法 |
| CN114568239A (zh) * | 2022-03-01 | 2022-06-03 | 北京飞花科技有限公司 | 一种棉花高温热害预测方法 |
-
2021
- 2021-11-01 CN CN202111283087.4A patent/CN113902215B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2015188333A (ja) * | 2014-03-27 | 2015-11-02 | 株式会社日立製作所 | 植生生長分析システム及び方法 |
| KR20160064778A (ko) * | 2014-11-28 | 2016-06-08 | 경희대학교 산학협력단 | 지발성 냉해 가능성 예측 시스템 및 이를 이용한 지발성 냉해 가능성 예측 방법 |
| CN107944596A (zh) * | 2017-10-20 | 2018-04-20 | 上海交通大学 | 一种基于物联网的甜瓜生长管理专家系统 |
| CN109190810A (zh) * | 2018-08-16 | 2019-01-11 | 天津大学 | 基于tdnn的中国北方草原地区ndvi的预测方法 |
| WO2021015468A2 (ko) * | 2019-07-22 | 2021-01-28 | 주식회사 에피넷 | 작물 생육 중심의 병해충 및 기상장해 정밀관리 시스템과 그 방법 |
| CN110889547A (zh) * | 2019-11-20 | 2020-03-17 | 中国农业大学 | 一种作物生育期预测方法及装置 |
| CN110956322A (zh) * | 2019-11-28 | 2020-04-03 | 河南省气象科学研究所 | 气候变暖趋势下的夏玉米花期高温灾害风险预测方法 |
| CN112215716A (zh) * | 2020-10-13 | 2021-01-12 | 浙江省气候中心 | 农作物生长干预方法、装置、设备及存储介质 |
| CN112561315A (zh) * | 2020-12-15 | 2021-03-26 | 云南省气候中心(云南省生态气象和卫星遥感中心) | 烤烟气象灾害定量评估及预估方法 |
| CN114568239A (zh) * | 2022-03-01 | 2022-06-03 | 北京飞花科技有限公司 | 一种棉花高温热害预测方法 |
Non-Patent Citations (3)
| Title |
|---|
| CottonXL 模型模拟研究延迟型低温冷害对棉花纤维品质的影响;王森等;农业工程学报;20191031(第20期);第171-177页 * |
| 基于COSIM模型的新疆棉花产量动态预报方法;王雪姣;潘学标;王森;胡莉婷;郭燕云;李新建;;农业工程学报;20170423(第08期);第168-173页 * |
| 基于Web和作物模型的棉花气象服务系统构建;王森;王雪姣;白书军;吉春容;胡启瑞;郭燕云;;农业工程;20191220(第12期);第45-50页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113902215A (zh) | 2022-01-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11617313B2 (en) | Controlling agricultural production areas | |
| Jones et al. | Future climate impact on the productivity of sugar beet (Beta vulgaris L.) in Europe | |
| JPH11313594A (ja) | 農作業決定支援装置および方法、並びに記録媒体 | |
| CN112215716A (zh) | 农作物生长干预方法、装置、设备及存储介质 | |
| Trnka et al. | Observed changes in the agroclimatic zones in the Czech Republic between 1961 and 2019. | |
| CN109447426B (zh) | 基于作物需水机理的灌溉需水对变化环境的响应分析方法 | |
| CN112070297A (zh) | 农事活动的天气指标预测方法、装置、设备及存储介质 | |
| AU2023203307A1 (en) | Controlling Agricultural Production Areas | |
| CN113902215B (zh) | 一种棉花延迟型冷害动态的预报方法 | |
| Hargreaves | Practical agroclimate information systems | |
| Jones et al. | The CERES wheat and maize models | |
| CN106105927B (zh) | 一种确定早稻播种期的方法 | |
| CN114568239B (zh) | 一种棉花高温热害预测方法 | |
| Grevsen et al. | Modelling development of broccoli (Brassica oleracea L. var. italica) from transplanting to head initiation | |
| Ahmadi et al. | Spatial distribution and deviation from optimum temperature conditions of phenological stages of potato cultivation in West Azerbaijan | |
| Zhang et al. | Effects of climate change on the yield potentials and resource use efficiencies of mid-season indica rice cultivars in Eastern China | |
| CN104041255A (zh) | 一种水稻抽穗期耐低温性能的试验方法 | |
| Omonijo et al. | Agro-climatic zonation based on rainfall distribution over | |
| Pattanayak et al. | Spatial and temporal variability of rainfall in Khordha district of Odisha | |
| Kramer et al. | Research Needs and Priorities: Epilogue | |
| Posse et al. | Influence of irrigation depths in the growth of chrysanthemum puritan cultivar, cultivated in pots, under open field conditions, in the Northwest region of Espírito Santo | |
| CN113762768B (zh) | 基于天气发生器和作物模型的农业旱灾动态风险评估方法 | |
| CN111241485B (zh) | 一种新型作物产量对气候变化响应的诊断方法 | |
| Chiambah et al. | Rainfall Variability and Food Crop Vulnerability in Ndu Sub-Division, North West Region of Cameroon | |
| Peethani et al. | Assessing heat stress vulnerability and adaptation strategies among farmers in semi-arid regions of West Africa: A case study of Senegal |
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 |