CN113988376A - 一种水稻生育期预测方法、系统及装置 - Google Patents
一种水稻生育期预测方法、系统及装置 Download PDFInfo
- Publication number
- CN113988376A CN113988376A CN202111156375.3A CN202111156375A CN113988376A CN 113988376 A CN113988376 A CN 113988376A CN 202111156375 A CN202111156375 A CN 202111156375A CN 113988376 A CN113988376 A CN 113988376A
- Authority
- CN
- China
- Prior art keywords
- rice
- variety
- photoperiod
- leaves
- 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.)
- Granted
Links
- 235000007164 Oryza sativa Nutrition 0.000 title claims abstract description 130
- 235000009566 rice Nutrition 0.000 title claims abstract description 130
- 238000000034 method Methods 0.000 title claims abstract description 32
- 240000007594 Oryza sativa Species 0.000 title 1
- 241000209094 Oryza Species 0.000 claims abstract description 129
- 230000000694 effects Effects 0.000 claims abstract description 22
- 230000035945 sensitivity Effects 0.000 claims abstract description 20
- 230000006698 induction Effects 0.000 claims abstract description 19
- 238000009331 sowing Methods 0.000 claims abstract description 16
- 230000002068 genetic effect Effects 0.000 claims abstract description 15
- 238000004364 calculation method Methods 0.000 claims description 17
- 230000017260 vegetative to reproductive phase transition of meristem Effects 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 6
- 206010021033 Hypomenorrhoea Diseases 0.000 claims description 4
- 230000001186 cumulative effect Effects 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 4
- 230000008124 floral development Effects 0.000 claims description 3
- 230000035800 maturation Effects 0.000 claims description 2
- 238000004519 manufacturing process Methods 0.000 abstract description 5
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 230000003203 everyday effect Effects 0.000 abstract 1
- 238000012935 Averaging Methods 0.000 description 2
- 230000002349 favourable effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000010899 nucleation Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012360 testing method 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
- 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)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Husbandry (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Agronomy & Crop Science (AREA)
- Development Economics (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)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种水稻生育期预测方法、系统及装置，包括如下步骤：获取水稻播种地点的经纬度、每日最高、最低温度、以及温度敏感性、灌浆速率等水稻品种遗传参数；根据叶热间距计算水稻完成第一阶段所需天数；根据品种光周期诱导发生对应的出叶数、日长、光周期增加每1h产生的效应、临界光周期时长下限计算水稻完成第二阶段所需天数；根据品种叶片的影响因子、当日温度、品种开花对应的出叶数计算水稻完成第三阶段所需天数；根据品种叶片的影响因子、当日温度、温度敏感性、灌浆速率、品种成熟对应的出叶数计算水稻完成第四阶段所需天数。本发明能够提高水稻生育期预测的准确性，从而有助于预测水稻产量及生产管理决策。
Description
技术领域
本发明属于水稻培育技术领域，具体涉及一种水稻生育期预测方法、系统及装置。
背景技术
水稻生育期的准确预测对水稻产量预测评估及生产管理决策具有重要意义，水稻叶片出生速率受内外因素的共同调控，热时间可以通过每日温度进行计算。在外因中，温度起重要作用，日长对出叶速率也有影响，出叶速率与温度之间表现为非线性关系，此外还与光周期具有一定关系，通过纬度和具体日期进行计算。内因方面，包括水稻的叶热间距影响因子，总叶片数、光周期特性、温度敏感性以及灌浆特性等等。现有技术中的预测方法均未基于出叶速率进行预测，基于出叶速率的预测方法更贴近于水稻生长特性，具有较强的机理性，能更可靠的为水稻产量的预测及生产管理决策提供有利的支撑。
发明内容
本发明所要解决的技术问题是：提供一种水稻生育期预测方法、系统及装置，能够提高水稻生育期预测的准确性，从而有助于预测水稻产量及生产管理决策。
本发明是这样实现的：一种水稻生育期预测方法，包括如下步骤：
获取水稻播种地点的日长、当日温度、水稻品种遗传参数，品种遗传参数包括叶热间距、品种光周期诱导发生对应的出叶数、光周期增加每1h产生的效应、临界光周期时长下限、品种叶片的影响因子、品种开花对应的出叶数，品种成熟对应的出叶数、温度敏感性、灌浆速率；
根据叶热间距计算水稻完成第一阶段所需天数，所述第一阶段为水稻播种到出苗；
根据品种光周期诱导发生对应的出叶数、日长、光周期增加每1h产生的效应、临界光周期时长下限计算水稻完成第二阶段所需天数，所述第二阶段为水稻出苗到光周期完成；
根据品种叶片的影响因子、当日温度、品种开花对应的出叶数计算水稻完成第三阶段所需天数，所述第三阶段为水稻光周期完成到开花；
根据品种叶片的影响因子、当日温度、温度敏感性、灌浆速率、品种成熟对应的出叶数计算水稻完成第四阶段所需天数，所述第四阶段为水稻开花到成熟。
进一步地，所述根据叶热间距计算水稻完成第一阶段所需天数的计算公式为：T1＝0.5phyll，phyll为叶热间距。
进一步地，所述根据品种光周期诱导发生对应的出叶数、日长、光周期增加每1h产生的效应、临界光周期时长下限计算水稻完成第二阶段所需天数包括：
计算每日光周期效应量，计算公式为：DailyPhoton＝1/[Legg1+DelpH*(DLn-PhLow)]，n为天数，Legg1为品种光周期诱导发生对应的出叶数，DelpH为光周期增加每1h产生的效应，DLn为当日日长，PhLow为临界光周期时长下限；
计算光周期完成量，计算公式为：DailyPhoto＝∑(DailyPhoto1，DailyPhoto2，...，DailyPhoton)，光周期完成量大于1时对应的n值即为水稻完成第二阶段所需天数。
进一步地，所述根据品种叶片的影响因子、当日温度、品种开花对应的出叶数计算水稻完成第三阶段所需天数包括：
计算该阶段每日出叶速率，计算公式为：dLeafEq1n＝1/[(phyll*PhyIF)*(Teffn-Tb)]，PhyIF为品种叶片的影响因子，Teffn为当日温度，Tb为基点温度；
计算该阶段累计出叶速率，计算公式为：dLeafEq1＝∑(dLeafEq11，dLeafEq12，...，dLeafEq1n)，累计出叶速率到达Legg2时对应的n值即为水稻完成第三阶段所需天数，Legg2为品种开花对应的出叶数。
进一步地，所述根据品种叶片的影响因子、当日温度、温度敏感性、灌浆速率、品种成熟对应的出叶数计算水稻完成第四阶段所需天数包括：
计算该阶段每日出叶速率，计算公式为：dLeafEq2n＝1/[(phyll*PhyIF)*(Teffn-Tb)]ts*Ffac，ts为温度敏感性，Ffac为灌浆速率；
计算该阶段累计出叶速率，计算公式为：dLeafEq2＝∑(dLeafEq21，dLeafEq22，...，dLeafEq2n)，累计出叶速率到达Legg时对应的n值即为水稻完成第四阶段所需天数，Legg为品种成熟对应的出叶数。
本发明还提供了一种水稻生育期预测系统，包括：
获取模块，用于获取水稻播种地点的日长、当日温度、水稻品种遗传参数，品种遗传参数包括叶热间距、品种光周期诱导发生对应的出叶数、光周期增加每1h产生的效应、临界光周期时长下限、品种叶片的影响因子、品种开花对应的出叶数，品种成熟对应的出叶数、温度敏感性、灌浆速率；
计算模块，用于根据叶热间距计算水稻完成第一阶段所需天数，所述第一阶段为水稻播种到出苗；
用于根据品种光周期诱导发生对应的出叶数、日长、光周期增加每1h产生的效应、临界光周期时长下限计算水稻完成第二阶段所需天数，所述第二阶段为水稻出苗到光周期完成；
用于根据品种叶片的影响因子、当日温度、品种开花对应的出叶数计算水稻完成第三阶段所需天数，所述第三阶段为水稻光周期完成到开花；
用于根据品种叶片的影响因子、当日温度、温度敏感性、灌浆速率、品种成熟对应的出叶数计算水稻完成第四阶段所需天数，所述第四阶段为水稻开花到成熟。
本发明还提供了一种水稻生育期预测装置，包括处理器和存储器，所述存储器存储有计算机程序，所述处理器执行计算机程序时实现如上述方法的步骤。
本发明带来的有益效果是：本发明通过将影响水稻生育期的内外因素相互结合构建预测模型，从而对水稻各生育期进行精准的预测，为预测水稻产量及生产管理决策提供有力的数据支撑。
附图说明
图1为利用本发明中的方法预测中国和菲律宾水稻品种得到的模拟曲线；
图2为本发明中预测系统的组成框图。
具体实施方式
下面结合附图对本发明作进一步描述。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。
本发明提供了一种水稻生育期预测方法，包括如下步骤：
获取水稻播种地点的日长、当日温度、水稻品种遗传参数，品种遗传参数包括叶热间距、品种光周期诱导发生对应的出叶数、光周期增加每1h产生的效应、临界光周期时长下限、品种叶片的影响因子、品种开花对应的出叶数，品种成熟对应的出叶数、温度敏感性、灌浆速率。需要说明的是，日长根据播种地点的经纬度获取，即输入经纬度后会自动获取该处地点的日长，当日温度则根据播种地点的最高温和最低温求平均值计算得到，即输入该地点的当日最高温和最低温即可计算得出当日温度。
根据叶热间距计算水稻完成第一阶段所需天数，第一阶段为水稻播种到出苗。该步骤计算公式为：T1＝0.5phyll，phyll为叶热间距。也即累计的每日热时间大于0.5个叶热间距时，表明水稻出苗。
根据品种光周期诱导发生对应的出叶数、日长、光周期增加每1h产生的效应、临界光周期时长下限计算水稻完成第二阶段所需天数，第二阶段为水稻出苗到光周期完成。具体地，根据研究，水稻光周期诱导发生在特定出叶数Legg1，因此认为在该特定出叶数Legg1之前不受光周期影响，而在此特定出叶数Legg1之后，光周期对水稻的生育进程产生影响，具体出叶数为品种遗传参数，需要根据具体品种确定。故本步骤的具体过程如下：
计算每日光周期效应量，计算公式为：DailyPhoton＝1/[Legg1+DelpH*(DLn-PhLow)]，n为天数，Legg1为品种光周期诱导发生对应的出叶数，DelpH为光周期增加每1h产生的效应，DLn为当日日长，PhLow为临界光周期时长下限，低于这个值就没有光周期效应了。
计算光周期完成量，计算公式为：DailyPhoto＝∑(DailyPhoto1，DailyPhoto2，...，DailyPhoton)，光周期完成量大于1时，表明光周期完成，因此使光周期完成量大于1的n值即为水稻完成第二阶段所需天数。
根据品种叶片的影响因子、当日温度、品种开花对应的出叶数计算水稻完成第三阶段所需天数，第三阶段为水稻光周期完成到开花。具体地，光周期完成后，水稻生长主要受开花前的热时间的影响，因此本步骤的具体过程如下：
计算该阶段每日出叶速率，计算公式为：dLeafEq1n＝1/[(phyll*PhyIF)*(Teffn-Tb)]，PhyIF为品种叶片的影响因子，Teffn为当日温度，Tb为基点温度，通常作为预设定值，一般取10℃。
计算该阶段累计出叶速率，计算公式为：dLeafEq1＝∑(dLeafEq11，dLeafEq12，...，dLeafEq1n)，累计出叶速率到达Legg2时对应的n值即为水稻完成第三阶段所需天数，Legg2为品种开花对应的出叶数。
根据品种叶片的影响因子、当日温度、温度敏感性、灌浆速率、品种成熟对应的出叶数计算水稻完成第四阶段所需天数，第四阶段为水稻开花到成熟。具体地，在水稻开花后，生育进程主要受自身品种特性影响，因此本步骤的具体过程如下：
计算该阶段每日出叶速率，计算公式为：dLeafEq2n＝1/[(phyll*PhyIF)*(Teffn-Tb)]ts*Ffac，ts为温度敏感性，Ffac为灌浆速率。
计算该阶段累计出叶速率，计算公式为：dLeafEq2＝∑(dLeafEq21，dLeafEq22，...，dLeafEq2n)，累计出叶速率到达Legg时对应的n值即为水稻完成第四阶段所需天数，Legg为品种成熟对应的出叶数。
需要说明的是，本发明中的预测方法是根据用户输入的数据，利用预测模型进行水稻各个生长阶段的预测，预测结果为相应的天数，因此本发明在获取数据时，如果获取水稻播种日期，则预测过程还包括根据水稻播种日期和各阶段的预测结果得出各阶段的完成日期，即出苗的日期、光周期完成的日期、开花的日期、成熟的日期。
利用我国2012年和菲律宾1992年的3个播期的花期和成熟期的数据进行校正测试，获得参数如表1和图1所示，图1表示观测值与模拟值得1:1图，表明两个开花期和成熟期的结果均很好，得到的NRMSE均小于5％，R2均达到了0.94以上，表明模型预测结果较好。
表1模型的主要遗传参数
如图2所示，本发明还提供了一种水稻生育期预测系统，包括获取模块和计算模块。
获取模块用于获取水稻播种地点的日长、当日温度、水稻品种遗传参数，品种遗传参数包括叶热间距、品种光周期诱导发生对应的出叶数、光周期增加每1h产生的效应、临界光周期时长下限、品种叶片的影响因子、品种开花对应的出叶数，品种成熟对应的出叶数、温度敏感性、灌浆速率。需要说明的是，日长根据播种地点的经纬度获取，即输入经纬度后会自动获取该处地点的日长，当日温度则根据播种地点的最高温和最低温求平均值计算得到，即输入该地点的当日最高温和最低温即可计算得出当日温度。
计算模块用于根据叶热间距计算水稻完成第一阶段所需天数，第一阶段为水稻播种到出苗。
计算模块还用于根据品种光周期诱导发生对应的出叶数、日长、光周期增加每1h产生的效应、临界光周期时长下限计算水稻完成第二阶段所需天数，第二阶段为水稻出苗到光周期完成。
计算模块还用于根据品种叶片的影响因子、当日温度、品种开花对应的出叶数计算水稻完成第三阶段所需天数，第三阶段为水稻光周期完成到开花。
计算模块还用于根据品种叶片的影响因子、当日温度、温度敏感性、灌浆速率、品种成熟对应的出叶数计算水稻完成第四阶段所需天数，第四阶段为水稻开花到成熟。
本发明还提供了一种水稻生育期预测装置，包括处理器和存储器，存储器存储有计算机程序，处理器执行计算机程序时实现上述方法的步骤。
在本发明的描述中，需要理解的是，术语“上”、“下“、“左”、“右“等指示方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以及特定的方位构造和操作，因此，不能理解为对本发明的限制。此外，“第一”、“第二“仅由于描述目的，且不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。因此，限定有“第一”、“第二“的特征可以明示或者隐含地包括一个或者多个该特征。
本发明的描述中，除非另有说明，“多个”的含义是两个或两个以上。在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装““相连“连接”等应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接连接，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
以上仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。
Claims (7)
1.一种水稻生育期预测方法，其特征在于，包括如下步骤：
获取水稻播种地点的日长、当日温度、水稻品种遗传参数，品种遗传参数包括叶热间距、品种光周期诱导发生对应的出叶数、光周期增加每1h产生的效应、临界光周期时长下限、品种叶片的影响因子、品种开花对应的出叶数，品种成熟对应的出叶数、温度敏感性、灌浆速率；
根据叶热间距计算水稻完成第一阶段所需天数，所述第一阶段为水稻播种到出苗；
根据品种光周期诱导发生对应的出叶数、日长、光周期增加每1h产生的效应、临界光周期时长下限计算水稻完成第二阶段所需天数，所述第二阶段为水稻出苗到光周期完成；
根据品种叶片的影响因子、当日温度、品种开花对应的出叶数计算水稻完成第三阶段所需天数，所述第三阶段为水稻光周期完成到开花；
根据品种叶片的影响因子、当日温度、温度敏感性、灌浆速率、品种成熟对应的出叶数计算水稻完成第四阶段所需天数，所述第四阶段为水稻开花到成熟。
2.根据权利要求1所述的一种水稻生育期预测方法，其特征在于，
所述根据叶热间距计算水稻完成第一阶段所需天数的计算公式为：T1=0.5phyll，phyll为叶热间距。
3.根据权利要求2所述的一种水稻生育期预测方法，其特征在于，所述根据品种光周期诱导发生对应的出叶数、日长、光周期增加每1h产生的效应、临界光周期时长下限计算水稻完成第二阶段所需天数包括：
计算每日光周期效应量，计算公式为：DailyPhoton=1/[Legg1+DelpH*（DLn-PhLow）]，n为天数，Legg1为品种光周期诱导发生对应的出叶数，DelpH为光周期增加每1h产生的效应，DLn为当日日长，PhLow为临界光周期时长下限；
计算光周期完成量，计算公式为：DailyPhoto=∑（DailyPhoto1，DailyPhoto2，...，DailyPhoton），光周期完成量大于1时对应的n值即为水稻完成第二阶段所需天数。
4.根据权利要求3所述的一种水稻生育期预测方法，其特征在于，所述根据品种叶片的影响因子、当日温度、品种开花对应的出叶数计算水稻完成第三阶段所需天数包括：
计算该阶段每日出叶速率，计算公式为：dLeafEq1n=1/[（phyll*PhyIF）*（Teffn-Tb）]，PhyIF为品种叶片的影响因子，Teffn为当日温度，Tb为基点温度；
计算该阶段累计出叶速率，计算公式为：dLeafEq1=∑（dLeafEq11，dLeafEq12，...，dLeafEq1n），累计出叶速率到达Legg2时对应的n值即为水稻完成第三阶段所需天数，Legg2为品种开花对应的出叶数。
5.根据权利要求4所述的一种水稻生育期预测方法，其特征在于，所述根据品种叶片的影响因子、当日温度、温度敏感性、灌浆速率、品种成熟对应的出叶数计算水稻完成第四阶段所需天数包括：
计算该阶段每日出叶速率，计算公式为：dLeafEq2n=1/[（phyll*PhyIF）*（Teffn-Tb）]ts* Ffac，ts为温度敏感性，Ffac为灌浆速率；
计算该阶段累计出叶速率，计算公式为：dLeafEq2=∑（dLeafEq21，dLeafEq22，...，dLeafEq2n），累计出叶速率到达Legg时对应的n值即为水稻完成第四阶段所需天数，Legg为品种成熟对应的出叶数。
6.一种水稻生育期预测系统，其特征在于，包括：
获取模块，用于获取水稻播种地点的日长、当日温度、水稻品种遗传参数，品种遗传参数包括叶热间距、品种光周期诱导发生对应的出叶数、光周期增加每1h产生的效应、临界光周期时长下限、品种叶片的影响因子、品种开花对应的出叶数，品种成熟对应的出叶数、温度敏感性、灌浆速率；
计算模块，用于根据叶热间距计算水稻完成第一阶段所需天数，所述第一阶段为水稻播种到出苗；
用于根据品种光周期诱导发生对应的出叶数、日长、光周期增加每1h产生的效应、临界光周期时长下限计算水稻完成第二阶段所需天数，所述第二阶段为水稻出苗到光周期完成；
用于根据品种叶片的影响因子、当日温度、品种开花对应的出叶数计算水稻完成第三阶段所需天数，所述第三阶段为水稻光周期完成到开花；
用于根据品种叶片的影响因子、当日温度、温度敏感性、灌浆速率、品种成熟对应的出叶数计算水稻完成第四阶段所需天数，所述第四阶段为水稻开花到成熟。
7.一种水稻生育期预测装置，其特征在于，包括处理器和存储器，所述存储器存储有计算机程序，所述处理器执行计算机程序时实现如权利要求1所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111156375.3A CN113988376B (zh) | 2021-09-29 | 2021-09-29 | 一种水稻生育期预测方法、系统及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111156375.3A CN113988376B (zh) | 2021-09-29 | 2021-09-29 | 一种水稻生育期预测方法、系统及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113988376A true CN113988376A (zh) | 2022-01-28 |
| CN113988376B CN113988376B (zh) | 2023-08-29 |
Family
ID=79737348
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111156375.3A Active CN113988376B (zh) | 2021-09-29 | 2021-09-29 | 一种水稻生育期预测方法、系统及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113988376B (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115623983A (zh) * | 2022-10-19 | 2023-01-20 | 江苏丘陵地区镇江农业科学研究所 | 一种具有竞争性优势水稻的育种方法 |
| CN116561952A (zh) * | 2022-10-27 | 2023-08-08 | 南京农业大学 | 一种基于大豆生育期模型的大豆生育期预测方法 |
| CN117391472A (zh) * | 2023-10-26 | 2024-01-12 | 北京麦麦趣耕科技有限公司 | 一种用于小麦生育期预测的装置、方法及其应用 |
| CN117981663A (zh) * | 2024-04-07 | 2024-05-07 | 黑龙江智云互联农业科技有限公司 | 水稻田自动化节水精准灌溉系统 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH01300830A (ja) * | 1988-05-27 | 1989-12-05 | Norin Suisansyo Nogyo Kenkyu Center Shocho | 植物生育期予測装置 |
| AU7430700A (en) * | 1999-09-17 | 2001-04-24 | Pioneer Hi-Bred International, Inc. | Methods and means for modification of plant flowering characteristics |
| US6559099B1 (en) * | 2000-03-29 | 2003-05-06 | Wisconsin Alumni Research Foundation | Methods for enhancing plant health, protecting plants from biotic and abiotic stress related injuries and enhancing the recovery of plants injured as a result of such stresses |
| WO2011102520A1 (ja) * | 2010-02-22 | 2011-08-25 | 株式会社パスコ | 水稲収量予測モデル生成方法、及び水稲収量予測方法 |
| CN102495948A (zh) * | 2011-11-21 | 2012-06-13 | 南京农业大学 | 基于mcmc的小麦品种特征参数估算方法 |
| CN107038501A (zh) * | 2017-04-12 | 2017-08-11 | 南京农业大学 | 一种基于r语言的小麦生育期特征参数估算方法 |
| 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 |
| CN111248040A (zh) * | 2018-11-30 | 2020-06-09 | 广西惊人农业科技有限责任公司 | 再生稻的品种选育方法及其栽培方法 |
| CN112308289A (zh) * | 2020-09-29 | 2021-02-02 | 北京农业信息技术研究中心 | 水稻产量预测方法及装置 |
-
2021
- 2021-09-29 CN CN202111156375.3A patent/CN113988376B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH01300830A (ja) * | 1988-05-27 | 1989-12-05 | Norin Suisansyo Nogyo Kenkyu Center Shocho | 植物生育期予測装置 |
| AU7430700A (en) * | 1999-09-17 | 2001-04-24 | Pioneer Hi-Bred International, Inc. | Methods and means for modification of plant flowering characteristics |
| US6559099B1 (en) * | 2000-03-29 | 2003-05-06 | Wisconsin Alumni Research Foundation | Methods for enhancing plant health, protecting plants from biotic and abiotic stress related injuries and enhancing the recovery of plants injured as a result of such stresses |
| WO2011102520A1 (ja) * | 2010-02-22 | 2011-08-25 | 株式会社パスコ | 水稲収量予測モデル生成方法、及び水稲収量予測方法 |
| CN102495948A (zh) * | 2011-11-21 | 2012-06-13 | 南京农业大学 | 基于mcmc的小麦品种特征参数估算方法 |
| CN107038501A (zh) * | 2017-04-12 | 2017-08-11 | 南京农业大学 | 一种基于r语言的小麦生育期特征参数估算方法 |
| CN111248040A (zh) * | 2018-11-30 | 2020-06-09 | 广西惊人农业科技有限责任公司 | 再生稻的品种选育方法及其栽培方法 |
| 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 |
| CN112308289A (zh) * | 2020-09-29 | 2021-02-02 | 北京农业信息技术研究中心 | 水稻产量预测方法及装置 |
Non-Patent Citations (3)
| Title |
|---|
| XIAOLEI QIU等: "Quantification of Cultivar Change in Double Rice Regions under a Warming Climate during 1981–2009 in China", 《AGRONOMY》 * |
| 刘铁梅等: "小麦抽穗后生理发育时间的计算与生育期的预测", 《麦类作物学报》, vol. 20, no. 3 * |
| 汤亮: "油菜生育期模拟模型研究", 《中国农业科学》, vol. 41, no. 8 * |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115623983A (zh) * | 2022-10-19 | 2023-01-20 | 江苏丘陵地区镇江农业科学研究所 | 一种具有竞争性优势水稻的育种方法 |
| CN115623983B (zh) * | 2022-10-19 | 2023-11-21 | 江苏丘陵地区镇江农业科学研究所 | 一种具有竞争性优势水稻的育种方法 |
| CN116561952A (zh) * | 2022-10-27 | 2023-08-08 | 南京农业大学 | 一种基于大豆生育期模型的大豆生育期预测方法 |
| CN117391472A (zh) * | 2023-10-26 | 2024-01-12 | 北京麦麦趣耕科技有限公司 | 一种用于小麦生育期预测的装置、方法及其应用 |
| CN117391472B (zh) * | 2023-10-26 | 2024-02-13 | 北京麦麦趣耕科技有限公司 | 一种用于小麦生育期预测的装置、方法及其应用 |
| CN117981663A (zh) * | 2024-04-07 | 2024-05-07 | 黑龙江智云互联农业科技有限公司 | 水稻田自动化节水精准灌溉系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113988376B (zh) | 2023-08-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113988376B (zh) | 一种水稻生育期预测方法、系统及装置 | |
| Wang et al. | Increased yield potential of wheat-maize cropping system in the North China Plain by climate change adaptation | |
| CN104965186B (zh) | 根据温度对电能表电能计量误差进行自动补偿的校准方法 | |
| CN109615148B (zh) | 一种确定玉米气象产量的方法和系统 | |
| CN110245444B (zh) | 一种基于作物对环境的响应与适应机制的发育期模拟方法 | |
| US20190171990A1 (en) | Using historical plant-available water metrics to forecast crop yield | |
| CN110428343A (zh) | 利用种猪的体尺预测体重的方法 | |
| CN105628218A (zh) | 一种光模块芯片温度校准方法 | |
| Bai et al. | Spatiotemporal changes of rice phenology in China during 1981–2010 | |
| CN111199770A (zh) | 一种基于病害流行机理的水稻纹枯病病株率预测方法 | |
| CN115688997A (zh) | 一种基于积温的茶叶采摘时期预测方法及系统 | |
| CN113421612A (zh) | 玉米收获期籽粒含水量预测模型、其构建方法和相关snp分子标记组合 | |
| CN116736911A (zh) | 一种耐低温辣椒种苗的培育控制方法及系统 | |
| CN112307416B (zh) | 一种电参数通用自动化测试与计量系统及测试计量方法 | |
| CN107168986B (zh) | 新闻app应用活跃度的分析方法 | |
| JPH0451129B2 (zh) | ||
| CN109858678B (zh) | 一种确定向日葵气象产量的方法和系统 | |
| CN116561952A (zh) | 一种基于大豆生育期模型的大豆生育期预测方法 | |
| CN106375055A (zh) | 一种网络设备时钟偏差测量方法及测量设备 | |
| CN105608503A (zh) | 一种紫丁香花期预测方法 | |
| CN109615149A (zh) | 一种确定甜菜气象产量的方法和系统 | |
| JP2023076905A (ja) | 収量予測方法及び収量予測プログラム | |
| CN107807064A (zh) | 一种筛选耐热小麦品种的方法 | |
| CN110033187B (zh) | 一种基于环境数据的指标数据获取方法 | |
| CN109472295B (zh) | 基于Pearson相关系数的WAMS/SCADA系统对时排序方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |