CN116307900A - 一种农光互补适宜作物筛选方法、装置、设备及可读介质 - Google Patents
一种农光互补适宜作物筛选方法、装置、设备及可读介质 Download PDFInfo
- Publication number
- CN116307900A CN116307900A CN202310285008.6A CN202310285008A CN116307900A CN 116307900 A CN116307900 A CN 116307900A CN 202310285008 A CN202310285008 A CN 202310285008A CN 116307900 A CN116307900 A CN 116307900A
- Authority
- CN
- China
- Prior art keywords
- target
- crop
- evaluation index
- target crop
- photovoltaic panel
- 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
- 238000012216 screening Methods 0.000 title claims abstract description 56
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000011156 evaluation Methods 0.000 claims abstract description 179
- 238000010248 power generation Methods 0.000 claims abstract description 49
- 239000002028 Biomass Substances 0.000 claims abstract description 34
- 230000000243 photosynthetic effect Effects 0.000 claims abstract description 30
- 230000000295 complement effect Effects 0.000 claims abstract description 24
- 238000004364 calculation method Methods 0.000 claims description 33
- 238000013441 quality evaluation Methods 0.000 claims description 25
- 238000003860 storage Methods 0.000 claims description 23
- 238000004590 computer program Methods 0.000 claims description 12
- 238000011161 development Methods 0.000 abstract description 8
- 241000196324 Embryophyta Species 0.000 description 25
- 239000001397 quillaja saponaria molina bark Substances 0.000 description 9
- 229930182490 saponin Natural products 0.000 description 9
- 150000007949 saponins Chemical class 0.000 description 9
- 238000012790 confirmation Methods 0.000 description 7
- 241000202726 Bupleurum Species 0.000 description 6
- 230000000694 effects Effects 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 6
- 229920002678 cellulose Polymers 0.000 description 5
- 239000001913 cellulose Substances 0.000 description 5
- 235000019750 Crude protein Nutrition 0.000 description 4
- 241000219823 Medicago Species 0.000 description 4
- 235000017587 Medicago sativa ssp. sativa Nutrition 0.000 description 4
- 239000008430 aponin Substances 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 239000003814 drug Substances 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 239000004065 semiconductor Substances 0.000 description 3
- 241001061264 Astragalus Species 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 2
- 241000050051 Chelone glabra Species 0.000 description 2
- 235000006533 astragalus Nutrition 0.000 description 2
- 229910052799 carbon Inorganic materials 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 210000004233 talus Anatomy 0.000 description 2
- 241000202722 Bupleurum falcatum Species 0.000 description 1
- 239000009636 Huang Qi Substances 0.000 description 1
- 101710138460 Leaf protein Proteins 0.000 description 1
- IPQKDIRUZHOIOM-UHFFFAOYSA-N Oroxin A Natural products OC1C(O)C(O)C(CO)OC1OC(C(=C1O)O)=CC2=C1C(=O)C=C(C=1C=CC=CC=1)O2 IPQKDIRUZHOIOM-UHFFFAOYSA-N 0.000 description 1
- KYWSCMDFVARMPN-LCSVLAELSA-N Saikosaponin D Chemical compound O([C@@H]1[C@@H](O)[C@H](O[C@@H]2[C@@]([C@H]3[C@]([C@@H]4[C@@]([C@@]5(C[C@@H](O)[C@]67CO[C@]5([C@@H]6CC(C)(C)CC7)C=C4)C)(C)CC3)(C)CC2)(C)CO)O[C@@H]([C@@H]1O)C)[C@@H]1O[C@H](CO)[C@@H](O)[C@H](O)[C@H]1O KYWSCMDFVARMPN-LCSVLAELSA-N 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 238000012271 agricultural production Methods 0.000 description 1
- 235000021405 artificial diet Nutrition 0.000 description 1
- IKIIZLYTISPENI-ZFORQUDYSA-N baicalin Chemical compound O1[C@H](C(O)=O)[C@@H](O)[C@H](O)[C@@H](O)[C@@H]1OC(C(=C1O)O)=CC2=C1C(=O)C=C(C=1C=CC=CC=1)O2 IKIIZLYTISPENI-ZFORQUDYSA-N 0.000 description 1
- 229960003321 baicalin Drugs 0.000 description 1
- AQHDANHUMGXSJZ-UHFFFAOYSA-N baicalin Natural products OC1C(O)C(C(O)CO)OC1OC(C(=C1O)O)=CC2=C1C(=O)C=C(C=1C=CC=CC=1)O2 AQHDANHUMGXSJZ-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- OTAFHZMPRISVEM-UHFFFAOYSA-N chromone Chemical compound C1=CC=C2C(=O)C=COC2=C1 OTAFHZMPRISVEM-UHFFFAOYSA-N 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 244000038559 crop plants Species 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000009313 farming Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000004459 forage Substances 0.000 description 1
- 238000003306 harvesting Methods 0.000 description 1
- 229920005610 lignin Polymers 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 235000016709 nutrition Nutrition 0.000 description 1
- 235000019629 palatability Nutrition 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 230000029553 photosynthesis Effects 0.000 description 1
- 238000010672 photosynthesis Methods 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 229930192014 saikosaponin Natural products 0.000 description 1
- 238000007873 sieving 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
- G06Q10/06—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
-
- 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
- G06Q50/06—Energy or water supply
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Educational Administration (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Agronomy & Crop Science (AREA)
- Animal Husbandry (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Life Sciences & Earth Sciences (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了一种农光互补适宜作物筛选方法、装置、设备及可读介质，应用于农业种植领域。获取种植在目标光伏板下的目标作物的生长信息和品种信息、目标光伏板的光伏发电数据和评价指标，生长信息包括目标作物的净光合速率、单株生物量和品质信息。根据目标作物的评价指标、生长信息和目标光伏板的光伏发电数据，计算目标作物的每个评价指标对应的目标权重值。根据每个目标权重进行加权后的得分，确认目标作物是否属于光伏板下种植的适宜作物。进而，通过引入产量，品质和土地利用效率作为适宜作物品种筛选的重要指标，筛选周期短，筛选结果具有全面性和科学性，能够合理的完成农光互补适宜作物品种筛选，实现光伏互补立体化模式的可持续发展。
Description
技术领域
本申请涉及农业种植技术领域，特别是涉及一种农光互补适宜作物筛选方法、装置、设备及可读介质。
背景技术
太阳能光伏发电系统是利用太阳电池半导体材料的光伏效应，将太阳光辐射能直接转换为电能的一种新型发电系统，太阳能光伏发电是新能源和可再生能源的重要组成部分，被认为是当前世界上最有发展前景的新能源技术和实现“双碳”目标的重要手段，目前在全国有大面积的光伏电站在使用。但是在光伏电站的大规模兴建导致土地资源短缺，进而导致光伏产业和农业发展之间用地矛盾突出，制约着光伏产业的可持续发展。
因此，需要在保障光伏发电的同时在光伏板下种植的适宜作物品种，达到农光互补的效果，提升农光互补模式经济效益。但是，目前存在着如何筛选农光互补适宜作物品种的技术问题，农光互补效益难以量化。
发明内容
基于上述问题，本申请提供了一种农光互补适宜作物筛选方法、装置、设备及可读介质，用于筛选农光互补适宜作物品种。
本申请实施例公开了如下技术方案：
第一方面，本申请提供了一种农光互补适宜作物筛选方法，所述方法包括：
获取种植在目标光伏板下的目标作物的生长信息和品种信息以及所述目标光伏板的光伏发电数据，所述生长信息包括所述目标作物的净光合速率、单株生物量和品质信息；
获取所述目标作物的评价指标，所述评价指标包含产量评价指标，品质评价指标和土地利用效率评价指标；
根据所述目标作物的评价指标、目标作物生长信息和所述目标光伏板的光伏发电数据，计算所述目标作物的每个所述评价指标对应的目标权重值；
若所述目标作物的每个所述评价指标对应的目标权重值进行加权计算后的得分大于或等于预设得分，则确认所述目标作物属于光伏板下种植的适宜作物；
若所述目标作物的每个所述评价指标对应的目标权重值进行加权计算后的得分小于所述预设得分，则确认所述目标作物不属于光伏板下种植的适宜作物。
可选的，所述根据所述目标作物的评价指标，计算所述目标作物的每个所述评价指标对应的目标权重值，包括：
根据所述目标作物的产量评价指标、净光合速率和单株生物量，计算所述目标作物的产量评价指标对应的产量目标权重值；
根据所述目标作物的品质评价指标和品质信息，计算所述目标作物的品质评价指标对应的品质目标权重值；
根据所述目标作物的土地利用效率评价指标、单株生物量和所述目标光伏板的光伏发电数据，计算所述目标作物的土地利用效率评价指标对应的土地利用效率目标权重值。
可选的，所述根据所述目标作物的土地利用效率评价指标、单株生物量和所述目标光伏板的光伏发电数据，计算所述目标作物的土地利用效率评价指标对应的土地利用效率目标权重值，包括：
根据所述目标作物的净光合速率和单株生物量，计算所述目标作物预计产量；
根据所述目标作物的土地利用效率评价指标、所述目标作物预计产量和所述目标光伏板的光伏发电数据，计算所述目标作物的土地利用效率评价指标对应的土地利用效率目标权重值，其中，所述土地利用效率评价指标中包括所述目标作物理论产量和所述目标光伏板的实际光伏发电数据。
可选的，在所述获取种植在目标光伏板下的目标作物的生长信息和品种信息之前，所述方法还包括：
获取所述目标作物的生长形态信息和生长形态评价指标；
根据所述目标作物的生长形态信息和生长形态评价指标，计算所述目标作物的生长形态评价指标的生长形态目标权重值；
若所述目标作物的生长形态评价指标的生长形态目标权重值大于或等于预设生长形态得分，则继续执行后续步骤；
若所述目标作物的生长形态评价指标的生长形态目标权重值小于所述预设生长形态得分，则确认所述目标作物不属于光伏板下种植的适宜作物。
可选的，所述方法还包括：
若所述目标作物的每个所述评价指标对应的目标权重值不均大于或等于每个所述评价指标对应的预设目标权重值，则确认所述目标作物不属于光伏板下种植的适宜作物。
可选的，所述目标作物的产量评价指标与所述目标作物的品种信息以及所述目标作物在无光伏板环境中种植的净光合速率和单株生物量有关。
可选的，所述目标作物的品质评价指标与所述目标作物的品种信息以及所述目标作物在无光伏板环境中种植的品质信息有关。
第二方面，本申请提供了一种农光互补适宜作物筛选装置，所述装置包括：
第一获取模块，用于获取种植在目标光伏板下的目标作物的生长信息和品种信息以及所述目标光伏板的光伏发电数据，所述生长信息包括所述目标作物的净光合速率、单株生物量和品质信息；
第二获取模块，用于获取所述目标作物的评价指标，所述评价指标包含产量评价指标，品质评价指标和土地利用效率评价指标；
计算模块，用于根据所述目标作物的评价指标、目标作物生长信息和所述目标光伏板的光伏发电数据，计算所述目标作物的每个所述评价指标对应的目标权重值；
确认模块，用于若所述目标作物的每个所述评价指标对应的目标权重值进行加权计算后的得分大于或等于预设得分，则确认所述目标作物属于光伏板下种植的适宜作物；若所述目标作物的每个所述评价指标对应的目标权重值进行加权计算后的得分小于所述预设得分，则确认所述目标作物不属于光伏板下种植的适宜作物。
可选的，所述计算模块，具体包括：
产量计算单元，用于根据所述目标作物的产量评价指标、净光合速率和单株生物量，计算所述目标作物的产量评价指标对应的产量目标权重值；
品质计算单元，用于根据所述目标作物的品质评价指标和品质信息，计算所述目标作物的品质评价指标对应的品质目标权重值；
土地利用效率计算单元，用于根据所述目标作物的土地利用效率评价指标、单株生物量和所述目标光伏板的光伏发电数据，计算所述目标作物的土地利用效率评价指标对应的土地利用效率目标权重值。
可选的，所述土地利用效率计算单元，具体用于：
根据所述目标作物的净光合速率和单株生物量，计算所述目标作物预计产量；根据所述目标作物的土地利用效率评价指标、所述目标作物预计产量和所述目标光伏板的光伏发电数据，计算所述目标作物的土地利用效率评价指标对应的土地利用效率目标权重值，其中，所述土地利用效率评价指标中包括所述目标作物理论产量和所述目标光伏板的实际光伏发电数据。
可选的，所述装置还包括：
第三获取模块，用于获取所述目标作物的生长形态信息和生长形态评价指标；
第二计算模块，用于根据所述目标作物的生长形态信息和生长形态评价指标，计算所述目标作物的生长形态评价指标的生长形态目标权重值；
第二确认模块，用于若所述目标作物的生长形态评价指标的生长形态目标权重值大于或等于预设生长形态得分，则继续执行后续步骤；若所述目标作物的生长形态评价指标的生长形态目标权重值小于所述预设生长形态得分，则确认所述目标作物不属于光伏板下种植的适宜作物。
可选的，所述装置还包括：
第三确认模块，用于若所述目标作物的每个所述评价指标对应的目标权重值不均大于或等于每个所述评价指标对应的预设目标权重值，则确认所述目标作物不属于光伏板下种植的适宜作物。
第三方面，本申请提供了一种农光互补适宜作物筛选设备，包括：存储器和处理器；
所述存储器，用于存储计算机程序，所述计算机程序中包括产量评价指标，品质评价指标和土地利用效率评价指标；
所述处理器，用于执行所述程序，实现上述一种农光互补适宜作物筛选方法的各个步骤。
第四方面，本申请提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，所述计算机程序被处理器执行时，实现上述一种农光互补适宜作物筛选方法的各个步骤。
相较于现有技术，本申请具有以下有益效果：
本申请公开了一种农光互补适宜作物筛选方法、装置、设备及可读介质。首先，获取种植在目标光伏板下的目标作物的生长信息和品种信息以及所述目标光伏板的光伏发电数据，所述生长信息包括所述目标作物的净光合速率、单株生物量和品质信息。之后，获取所述目标作物的评价指标，所述评价指标包含产量评价指标，品质评价指标和土地利用效率评价指标。然后，根据所述目标作物的评价指标、目标作物生长信息和所述目标光伏板的光伏发电数据，计算所述目标作物的每个所述评价指标对应的目标权重值。最终，若所述目标作物的每个所述评价指标对应的目标权重值进行加权计算后的得分大于或等于预设得分，则确认所述目标作物属于光伏板下种植的适宜作物。若所述目标作物的每个所述评价指标对应的目标权重值进行加权计算后的得分小于所述预设得分，则确认所述目标作物不属于光伏板下种植的适宜作物。由此可见，通过引入产量，品质和土地利用效率作为适宜作物品种筛选的重要指标，筛选评价周期短，筛选结果具有全面性和科学性，能够合理的完成农光互补适宜作物品种筛选。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，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地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的一种农光互补适宜作物筛选方法流程图；
图2为本申请实施例提供的一种农光互补适宜作物筛选装置结构示意图；
图3为本申请实施例提供的计算机可读介质的结构示意图；
图4为本申请实施例提供的服务器的硬件结构示意图。
具体实施方式
正如前文描述，太阳能光伏发电系统是将太阳光辐射能直接转换为电能的一种新型发电系统，太阳能光伏发电是新能源和可再生能源的重要组成部分，被认为是当前世界上最有发展前景的新能源技术和实现“双碳”目标的中药手段，目前在全国有大面积的光伏电站在使用。但是光伏电站的规模化开发导致土地资源扩张，加剧了人口增长导致的农业用地资源短缺，光伏发电和农业发展之间用地矛盾突出，制约着光伏产业的可持续发展。
因此，需要在保障光伏发电的同时在光伏板下种植的适宜作物品种，达到农光互补的效果，提升农光互补模式经济效益。但是，目前存在着如何筛选农光互补适宜作物品种的技术问题。
有鉴于此，本申请公开了一种农光互补适宜作物筛选方法、装置、设备及可读介质。首先，获取种植在目标光伏板下的目标作物的生长信息和品种信息以及所述目标光伏板的光伏发电数据，所述生长信息包括所述目标作物的净光合速率、单株生物量和品质信息。之后，获取所述目标作物的评价指标，所述评价指标包含产量评价指标，品质评价指标和土地利用效率评价指标。然后，根据所述目标作物的评价指标、目标作物生长信息和所述目标光伏板的光伏发电数据，计算所述目标作物的每个所述评价指标对应的目标权重值。最终，若所述目标作物的每个所述评价指标对应的目标权重值进行加权计算后的得分大于或等于预设得分，则确认所述目标作物属于光伏板下种植的适宜作物。若所述目标作物的每个所述评价指标对应的目标权重值进行加权计算后的得分小于所述预设得分，则确认所述目标作物不属于光伏板下种植的适宜作物。由此可见，通过引入产量，品质和土地利用效率作为适宜作物品种筛选的重要指标，筛选评价周期短，筛选结果具有全面性和科学性，能够合理的完成农光互补适宜作物品种筛选。
为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。
参见图1，该图为本申请实施例提供的一种农光互补适宜作物筛选方法流程图。结合图1所示，本申请实施例提供的农光互补适宜作物筛选方法，可以包括：
S101：获取种植在目标光伏板下的目标作物的生长信息和品种信息以及所述目标光伏板的光伏发电数据。
在本申请实施例中，获取种植在目标光伏板下的目标作物的生长信息和品种信息，可以是安装在目标光伏板下的实施检测设备检测得到的，也可以是人工记录的数据输入得到的，目标光伏板的光伏发电数据可以通过安装逆变器进行光伏发电量数据监测进而得到的。
S102：获取所述目标作物的评价指标。
其中，所述评价指标包含产量评价指标，品质评价指标和土地利用效率评价指标。考虑到种植作物不同，进行作物评价的指标也应不同，例如对药材或经济作物的筛选，可以根据上述三方面内容进行拆分，三方面内容筛选结果的侧重点不同，可以根据侧重点不同设置不同的评价指标的权重系数。
S103：根据所述目标作物的评价指标、目标作物生长信息和所述目标光伏板的光伏发电数据，计算所述目标作物的每个所述评价指标对应的目标权重值。
在本申请实施例中，上述步骤可以具体由以下方式进行计算。根据所述目标作物的产量评价指标、净光合速率和单株生物量，计算所述目标作物的产量评价指标对应的产量目标权重值；根据所述目标作物的品质评价指标和品质信息，计算所述目标作物的品质评价指标对应的品质目标权重值；根据所述目标作物的土地利用效率评价指标、单株生物量和所述目标光伏板的光伏发电数据，计算所述目标作物的土地利用效率评价指标对应的土地利用效率目标权重值。特别注意的是，上述计算无具体计算顺序，更换或颠倒顺序对计算结果无任何影响，也可以根据作物品种更换、添加或修改评价指标。
作为一种可能的实现方式，可以利用便捷式光合作用测量系统测定净光合速率，收割法测定每个作物品种的单株生物量，估算其产量。通常情况下，植物净光合速率越大，植物光能能力越强，能积累更多的物质用于产量的积累。目标作物的产量评价指标与所述目标作物的品种信息以及所述目标作物在无光伏板环境中种植的净光合速率和单株生物量有关。
在本申请实施例中，可参见表1中不同种类的目标作物在目标光伏板下种植的净光合速率和无光伏板环境中种植的净光合速率的对比数据和表2中不同种类的目标作物在目标光伏板下种植的单株生物量和无光伏板环境中种植的单株生物量的对比数据，其中作物品种后带有A标记的作物为种植在目标光伏板下的作物，作物品种后带有B标记的作物为无光伏板环境中的作物。特别注意的是，下述表中数据仅为示例，并非对本申请所保护的范围进行限制，具体的作物品种也可以是除下述表格种其他作物，在此不做具体限制。
表1目标光伏板下环境中和无光伏板环境中种植的净光合速率的对比
| 净光合速率(μmol m-2s-1) | |
| 黄芪-A | 13.00 |
| 黄芪-B | 4.64 |
| 黄芩-A | 12.51 |
| 黄芩-B | 15.72 |
| 柴胡-A | 13.30 |
| 柴胡-B | 5.74 |
| 防风-A | 5.58 |
| 防风-B | 9.40 |
| 紫花苜蓿-A | 10.37 |
| 紫花苜蓿-B | 14.27 |
表2目标光伏板下环境中和无光伏板环境中种植的单株生物量的对比
之后可以测定相应作物品种中影响作物品质的相对的因素，例如：测量柴胡中柴胡皂苷含量、测量黄芪中皂苷含量、测量黄芩中黄芩苷含量、测量防风中色原酮含量、测量紫花苜蓿中粗蛋白、木质素和纤维素含量。
作为一种示例，柴胡的根是主要中药来源，皂苷a和皂苷d是柴胡主要的中药药性成分，可以参见表3中数据，表3为不同种类的目标作物在目标光伏板下种植的柴胡中皂苷a和皂苷d含量和无光伏板环境中种植的柴胡中皂苷a和皂苷d含量的对比数据，其中作物品种后带有A标记的作物为种植在目标光伏板下的作物，作物品种后带有B标记的作物为无光伏板环境中的作物。特别注意的是，下述表中数据仅为示例，并非对本申请所保护的范围进行限制，具体的作物品种也可以是除下述表格种其他作物，在此不做具体限制。
表3目标光伏板下和无光伏板环境中柴胡中皂苷a和皂苷d含量对比
作为另一种示例，紫花苜蓿是主要的人工饲料，其中粗蛋白含量越高，营养价值越高。纤维素含量越高，饲草的适口性越差。可以参见表4中数据，表4为不同种类的目标作物在目标光伏板下种植的紫花苜蓿中叶片粗蛋白和纤维素含量和无光伏板环境中种植的紫花苜蓿中叶片粗蛋白和纤维素含量对比数据。
表4目标光伏板下和无光伏板环境中紫花苜蓿中叶片粗蛋白和纤维素含量对比
| 叶片粗蛋白 | 纤维素 | |
| 紫花苜蓿-A | 34％ | 30％ |
| 紫花苜蓿-B | 29％ | 23.7％ |
在本申请实施例中，可以通过计算土地当量比来表示目标作物的土地利用效率，根据所述目标作物的土地利用效率评价指标、单株生物量和所述目标光伏板的光伏发电数据，计算所述目标作物的土地利用效率评价指标对应的土地利用效率目标权重值。具体可以通过公式1进行计算。
其中，Y为对照样地作物产量；YPV为光伏板下作物产量；Y’为仅光伏设施运营时发电量；Y’PV农光互补模式下光伏发电量。当LER＝1时表明农光互补土地立体化利用模式与对照样地具有相同土地利用效率；当LER>1时表明农光互补土地立体化利用模式土地利用效率高于对照；当LER<1时表明农光互补土地立体化利用模式土地利用效率低于对照。
可以参见表5中数据，表5为不同种类的目标作物在目标光伏板下种植的土地当量比。
表5不同种类的目标作物在目标光伏板下种植的土地当量比
S104：判断所述目标作物的每个所述评价指标对应的目标权重值进行加权计算后的得分是否大于或等于预设得分，若是则执行步骤S105，若否则执行步骤S106。
在本申请实施例中，可以根据判断所述目标作物的每个所述评价指标对应的目标权重值进行加权计算后的得分是否大于或等于预设得分，确认目标作为是否属于光伏板下种植的适宜作物。因为在构建评价指标时，可以根据目标作物的种类，针对产量评价指标，品质评价指标和土地利用效率评价指标三个方面的侧重点进行设定。因此当目标作物的每个所述评价指标对应的目标权重值进行加权计算后的得分大于或等于预设得分，确认所述目标作物属于光伏板下种植的适宜作物通过引入产量，品质和土地利用效率作为适宜作物品种筛选的重要指标，筛选评价周期短，筛选结果具有全面性和科学性，能够合理的完成农光互补适宜作物品种筛选。进而本申请能够合理、科学的解决光伏发展和农业生产之间的用地矛盾，提升农光互补模式的经济效益。
S105：确认所述目标作物属于光伏板下种植的适宜作物。
S106：确认所述目标作物不属于光伏板下种植的适宜作物。
由此可见，本申请公开了一种农光互补适宜作物筛选方法。首先，获取种植在目标光伏板下的目标作物的生长信息和品种信息以及所述目标光伏板的光伏发电数据，所述生长信息包括所述目标作物的净光合速率、单株生物量和品质信息。之后，获取所述目标作物的评价指标，所述评价指标包含产量评价指标，品质评价指标和土地利用效率评价指标。然后，根据所述目标作物的评价指标、目标作物生长信息和所述目标光伏板的光伏发电数据，计算所述目标作物的每个所述评价指标对应的目标权重值。最终，若所述目标作物的每个所述评价指标对应的目标权重值进行加权计算后的得分大于或等于预设得分，则确认所述目标作物属于光伏板下种植的适宜作物。若所述目标作物的每个所述评价指标对应的目标权重值进行加权计算后的得分小于所述预设得分，则确认所述目标作物不属于光伏板下种植的适宜作物。由此可见，通过引入产量，品质和土地利用效率作为适宜作物品种筛选的重要指标，筛选评价周期短，筛选结果具有全面性和科学性，能够合理的完成农光互补适宜作物品种筛选。
可选的，本申请为进一步缩短目标作物筛选评价周期，还可以获取所述目标作物的生长形态信息和生长形态评价指标；根据所述目标作物的生长形态信息和生长形态评价指标，计算所述目标作物的生长形态评价指标的生长形态目标权重值；若所述目标作物的生长形态评价指标的生长形态目标权重值大于或等于预设生长形态得分，则继续执行后续步骤；若所述目标作物的生长形态评价指标的生长形态目标权重值小于所述预设生长形态得分，则确认所述目标作物不属于光伏板下种植的适宜作物。应当理解的是，目标作物的生长形态信息需要在作物生长期内测定作物株高、根长和净光合速率等，并且目标作物的生长形态信息的获取周期相当于产量、品质或土地利用效率应当更短，并且在目标作物的一轮周期的时间更加提前。通过作物生长期的生长形态信息，直接预测目标作物是否能够成功生存，能够进一步缩短适宜作物的筛选评价周期。
可选的，本申请为进一步考虑到部分作物需考虑到产量、品质和土地利用效率的全面适宜，最大化提升农光互补模式的经济效益。本申请还可以进一步包括：若所述目标作物的每个所述评价指标对应的目标权重值不均大于或等于每个所述评价指标对应的预设目标权重值，则确认所述目标作物不属于光伏板下种植的适宜作物。
参见图2，该图为本申请实施例提供的一种农光互补适宜作物筛选装置结构示意图，该装置至少包括：第一获取模块201、第二获取模块202、计算模块203和确认模块204。
第一获取模块201，用于获取种植在目标光伏板下的目标作物的生长信息和品种信息以及所述目标光伏板的光伏发电数据，所述生长信息包括所述目标作物的净光合速率、单株生物量和品质信息；
第二获取模块202，用于获取所述目标作物的评价指标，所述评价指标包含产量评价指标，品质评价指标和土地利用效率评价指标；
计算模块203，用于根据所述目标作物的评价指标、目标作物生长信息和所述目标光伏板的光伏发电数据，计算所述目标作物的每个所述评价指标对应的目标权重值；
确认模块204，用于若所述目标作物的每个所述评价指标对应的目标权重值进行加权计算后的得分大于或等于预设得分，则确认所述目标作物属于光伏板下种植的适宜作物；若所述目标作物的每个所述评价指标对应的目标权重值进行加权计算后的得分小于所述预设得分，则确认所述目标作物不属于光伏板下种植的适宜作物。
可选的，所述计算模块，具体包括：
产量计算单元，用于根据所述目标作物的产量评价指标、净光合速率和单株生物量，计算所述目标作物的产量评价指标对应的产量目标权重值；
品质计算单元，用于根据所述目标作物的品质评价指标和品质信息，计算所述目标作物的品质评价指标对应的品质目标权重值；
土地利用效率计算单元，用于根据所述目标作物的土地利用效率评价指标、净光合速率、单株生物量和所述目标光伏板的光伏发电数据，计算所述目标作物的土地利用效率评价指标对应的土地利用效率目标权重值。
可选的，所述土地利用效率计算单元，具体用于：
根据所述目标作物的净光合速率和单株生物量，计算所述目标作物预计产量；根据所述目标作物的土地利用效率评价指标、所述目标作物预计产量和所述目标光伏板的光伏发电数据，计算所述目标作物的土地利用效率评价指标对应的土地利用效率目标权重值，其中，所述土地利用效率评价指标中包括所述目标作物理论产量和所述目标光伏板的实际光伏发电数据。
可选的，所述装置还包括：
第三获取模块，用于获取所述目标作物的生长形态信息和生长形态评价指标；
第二计算模块，用于根据所述目标作物的生长形态信息和生长形态评价指标，计算所述目标作物的生长形态评价指标的生长形态目标权重值；
第二确认模块，用于若所述目标作物的生长形态评价指标的生长形态目标权重值大于或等于预设生长形态得分，则继续执行后续步骤；若所述目标作物的生长形态评价指标的生长形态目标权重值小于所述预设生长形态得分，则确认所述目标作物不属于光伏板下种植的适宜作物。
可选的，所述装置还包括：
第三确认模块，用于若所述目标作物的每个所述评价指标对应的目标权重值不均大于或等于每个所述评价指标对应的预设目标权重值，则确认所述目标作物不属于光伏板下种植的适宜作物。
本申请公开了一种农光互补适宜作物筛选装置。第一获取模块201，用于获取种植在目标光伏板下的目标作物的生长信息和品种信息以及所述目标光伏板的光伏发电数据，所述生长信息包括所述目标作物的净光合速率、单株生物量和品质信息；第二获取模块202，用于获取所述目标作物的评价指标，所述评价指标包含产量评价指标，品质评价指标和土地利用效率评价指标；计算模块203，用于根据所述目标作物的评价指标、目标作物生长信息和所述目标光伏板的光伏发电数据，计算所述目标作物的每个所述评价指标对应的目标权重值；确认模块204，用于若所述目标作物的每个所述评价指标对应的目标权重值进行加权计算后的得分大于或等于预设得分，则确认所述目标作物属于光伏板下种植的适宜作物；若所述目标作物的每个所述评价指标对应的目标权重值进行加权计算后的得分小于所述预设得分，则确认所述目标作物不属于光伏板下种植的适宜作物。由此可见，通过引入产量，品质和土地利用效率作为适宜作物品种筛选的重要指标，筛选评价周期短，筛选结果具有全面性和科学性，能够合理的完成农光互补适宜作物品种筛选。需要说明的是，描述于本申请实施例中所涉及到的模块可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，模块的名称在某种情况下并不构成对该模块本身的限定，例如，获取模块还可以被描述为“获取目标用户的证件信息的模块”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
如图3所示，本实施例提供了一种计算机可读介质300，其上存储有计算机程序311，该计算机程序311被处理器执行时实现上述图1所述农光互补适宜作物筛选方法的步骤。
需要说明的是，本申请的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
需要说明的是，本申请上述的机器可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。
上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。
请参阅图4，图4是本申请实施例提供的一种服务器的硬件结构示意图，该服务器400可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上中央处理器(central processing units，CPU)422(例如，一个或一个以上处理器)和存储器432，一个或一个以上存储应用程序440或数据444的存储介质430(例如一个或一个以上海量存储设备)。其中，存储器432和存储介质430可以是短暂存储或持久存储。存储在存储介质430的程序可以包括一个或一个以上模块(图示没标出)，每个模块可以包括对服务器中的一系列指令操作。更进一步地，中央处理器422可以设置为与存储介质430通信，在服务器400上执行存储介质430中的一系列指令操作。
服务器400还可以包括一个或一个以上电源426，一个或一个以上有线或无线网络接口450，一个或一个以上输入输出接口458，和/或，一个或一个以上操作系统441，例如Windows ServerTM，Mac OS XTM，UnixTM，LinuxTM，FreeBSDTM等等。
上述实施例中由农光互补适宜作物筛选方法所执行的步骤可以基于该图4所示的服务器结构。
还需要说明的，根据本申请的实施例，上述图1中的流程示意图描述的所述农光互补适宜作物筛选方法的过程可以被实现为计算机软件程序。例如，本申请的实施例包括一种计算机程序产品，其包括承载在非暂态计算机可读介质上的计算机程序，该计算机程序包含用于执行上述图1的流程示意图中所示的方法的程序代码。
尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题，但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反，上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。
虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本申请的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地，在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的公开范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述公开构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (10)
1.一种农光互补适宜作物筛选方法，其特征在于，所述方法包括：
获取种植在目标光伏板下的目标作物的生长信息和品种信息以及所述目标光伏板的光伏发电数据，所述生长信息包括所述目标作物的净光合速率、单株生物量和品质信息；
获取所述目标作物的评价指标，所述评价指标包含产量评价指标，品质评价指标和土地利用效率评价指标；
根据所述目标作物的评价指标、目标作物生长信息和所述目标光伏板的光伏发电数据，计算所述目标作物的每个所述评价指标对应的目标权重值；
若所述目标作物的每个所述评价指标对应的目标权重值进行加权计算后的得分大于或等于预设得分，则确认所述目标作物属于光伏板下种植的适宜作物；
若所述目标作物的每个所述评价指标对应的目标权重值进行加权计算后的得分小于所述预设得分，则确认所述目标作物不属于光伏板下种植的适宜作物。
2.根据权利要求1中所述的方法，其特征在于，所述根据所述目标作物的评价指标，计算所述目标作物的每个所述评价指标对应的目标权重值，包括：
根据所述目标作物的产量评价指标、净光合速率和单株生物量，计算所述目标作物的产量评价指标对应的产量目标权重值；
根据所述目标作物的品质评价指标和品质信息，计算所述目标作物的品质评价指标对应的品质目标权重值；
根据所述目标作物的土地利用效率评价指标、单株生物量和所述目标光伏板的光伏发电数据，计算所述目标作物的土地利用效率评价指标对应的土地利用效率目标权重值。
3.根据权利要求2中所述的方法，其特征在于，所述根据所述目标作物的土地利用效率评价指标、单株生物量和所述目标光伏板的光伏发电数据，计算所述目标作物的土地利用效率评价指标对应的土地利用效率目标权重值，包括：
根据所述目标作物的净光合速率和单株生物量，计算所述目标作物预计产量；
根据所述目标作物的土地利用效率评价指标、所述目标作物预计产量和所述目标光伏板的光伏发电数据，计算所述目标作物的土地利用效率评价指标对应的土地利用效率目标权重值，其中，所述土地利用效率评价指标中包括所述目标作物理论产量和所述目标光伏板的实际光伏发电数据。
4.根据权利要求1中所述的方法，其特征在于，在所述获取种植在目标光伏板下的目标作物的生长信息和品种信息之前，所述方法还包括：
获取所述目标作物的生长形态信息和生长形态评价指标；
根据所述目标作物的生长形态信息和生长形态评价指标，计算所述目标作物的生长形态评价指标的生长形态目标权重值；
若所述目标作物的生长形态评价指标的生长形态目标权重值大于或等于预设生长形态得分，则继续执行后续步骤；
若所述目标作物的生长形态评价指标的生长形态目标权重值小于所述预设生长形态得分，则确认所述目标作物不属于光伏板下种植的适宜作物。
5.根据权利要求1中所述的方法，其特征在于，所述方法还包括：
若所述目标作物的每个所述评价指标对应的目标权重值不均大于或等于每个所述评价指标对应的预设目标权重值，则确认所述目标作物不属于光伏板下种植的适宜作物。
6.根据权利要求1中所述的方法，其特征在于，所述目标作物的产量评价指标与所述目标作物的品种信息以及所述目标作物在无光伏板环境中种植的净光合速率和单株生物量有关。
7.根据权利要求1中所述的方法，其特征在于，所述目标作物的品质评价指标与所述目标作物的品种信息以及所述目标作物在无光伏板环境中种植的品质信息有关。
8.一种农光互补适宜作物筛选装置，其特征在于，所述装置包括：
第一获取模块，用于获取种植在目标光伏板下的目标作物的生长信息和品种信息以及所述目标光伏板的光伏发电数据，所述生长信息包括所述目标作物的净光合速率、单株生物量和品质信息；
第二获取模块，用于获取所述目标作物的评价指标，所述评价指标包含产量评价指标，品质评价指标和土地利用效率评价指标；
计算模块，用于根据所述目标作物的评价指标、目标作物生长信息和所述目标光伏板的光伏发电数据，计算所述目标作物的每个所述评价指标对应的目标权重值；
确认模块，用于若所述目标作物的每个所述评价指标对应的目标权重值进行加权计算后的得分大于或等于预设得分，则确认所述目标作物属于光伏板下种植的适宜作物；若所述目标作物的每个所述评价指标对应的目标权重值进行加权计算后的得分小于所述预设得分，则确认所述目标作物不属于光伏板下种植的适宜作物。
9.一种农光互补适宜作物筛选设备，其特征在于，包括：存储器和处理器；
所述存储器，用于存储计算机程序，所述计算机程序中包括产量评价指标，品质评价指标和土地利用效率评价指标；
所述处理器，用于执行所述计算机程序时实现如权利要求1至7中任一项所述的农光互补适宜作物筛选方法的步骤。
10.一种适应于农光互补适宜作物筛选的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中存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的农光互补适宜作物筛选方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310285008.6A CN116307900B (zh) | 2023-03-22 | 2023-03-22 | 一种农光互补适宜作物筛选方法、装置、设备及可读介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310285008.6A CN116307900B (zh) | 2023-03-22 | 2023-03-22 | 一种农光互补适宜作物筛选方法、装置、设备及可读介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116307900A true CN116307900A (zh) | 2023-06-23 |
| CN116307900B CN116307900B (zh) | 2024-02-23 |
Family
ID=86822010
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310285008.6A Active CN116307900B (zh) | 2023-03-22 | 2023-03-22 | 一种农光互补适宜作物筛选方法、装置、设备及可读介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116307900B (zh) |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20080134361A1 (en) * | 2005-10-20 | 2008-06-05 | Pioneer Hi-Bred International, Inc. | Grain Quality Through Altered Expression of Seed Proteins |
| CN103951145A (zh) * | 2014-01-27 | 2014-07-30 | 青岛市畜牧兽医研究所 | 一种畜禽养殖粪污无害化处理及循环利用的方法 |
| CN105701615A (zh) * | 2016-01-13 | 2016-06-22 | 湖南盛鼎科技发展有限责任公司 | 一种基于环境信息的农作物适宜性评价方法 |
| CN108391579A (zh) * | 2017-02-06 | 2018-08-14 | 中卫市创科知识产权投资有限公司 | 一种基于云计算光伏水肥灌溉监测系统 |
| CN111183895A (zh) * | 2020-03-03 | 2020-05-22 | 河北省农林科学院旱作农业研究所 | 利用小麦旗叶硅含量筛选节水抗旱与节水广适品种的方法 |
| CN112493436A (zh) * | 2020-09-23 | 2021-03-16 | 贵州省生物技术研究所(贵州省生物技术重点实验室、贵州省马铃薯研究所、贵州省食品加工研究所) | 一种加工甘薯脆片适宜性的筛选方法 |
| CN113598002A (zh) * | 2021-09-13 | 2021-11-05 | 中国热带农业科学院橡胶研究所 | 一种筛选宽窄行成龄胶园适宜间作物的辅助方法 |
| CN114793790A (zh) * | 2022-04-11 | 2022-07-29 | 江苏沿江地区农业科学研究所 | 鲜食糯玉米的耐高温种植方法 |
| CN115553186A (zh) * | 2022-09-21 | 2023-01-03 | 龙岩市农业科学研究所 | 一种氮高效水稻品种的筛选方法 |
-
2023
- 2023-03-22 CN CN202310285008.6A patent/CN116307900B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20080134361A1 (en) * | 2005-10-20 | 2008-06-05 | Pioneer Hi-Bred International, Inc. | Grain Quality Through Altered Expression of Seed Proteins |
| CN103951145A (zh) * | 2014-01-27 | 2014-07-30 | 青岛市畜牧兽医研究所 | 一种畜禽养殖粪污无害化处理及循环利用的方法 |
| CN105701615A (zh) * | 2016-01-13 | 2016-06-22 | 湖南盛鼎科技发展有限责任公司 | 一种基于环境信息的农作物适宜性评价方法 |
| CN108391579A (zh) * | 2017-02-06 | 2018-08-14 | 中卫市创科知识产权投资有限公司 | 一种基于云计算光伏水肥灌溉监测系统 |
| CN111183895A (zh) * | 2020-03-03 | 2020-05-22 | 河北省农林科学院旱作农业研究所 | 利用小麦旗叶硅含量筛选节水抗旱与节水广适品种的方法 |
| CN112493436A (zh) * | 2020-09-23 | 2021-03-16 | 贵州省生物技术研究所(贵州省生物技术重点实验室、贵州省马铃薯研究所、贵州省食品加工研究所) | 一种加工甘薯脆片适宜性的筛选方法 |
| CN113598002A (zh) * | 2021-09-13 | 2021-11-05 | 中国热带农业科学院橡胶研究所 | 一种筛选宽窄行成龄胶园适宜间作物的辅助方法 |
| CN114793790A (zh) * | 2022-04-11 | 2022-07-29 | 江苏沿江地区农业科学研究所 | 鲜食糯玉米的耐高温种植方法 |
| CN115553186A (zh) * | 2022-09-21 | 2023-01-03 | 龙岩市农业科学研究所 | 一种氮高效水稻品种的筛选方法 |
Non-Patent Citations (2)
| Title |
|---|
| CUNJIE ZHANG ETC.: "Characteristics of Dry-Wet Climate Change in China during the Past 60 Years and Its Trends Projection", 《ATMOSPHERE》, pages 1 - 20 * |
| 吴艳红: "沙漠多晶硅光伏连栋温室适宜栽培的瓜类作物筛选研究", 《山东农业科学》, pages 73 - 77 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116307900B (zh) | 2024-02-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| AU2019432434B2 (en) | Sugarcane planting zoning method based on comprehensive suitability index | |
| Li et al. | Improving the yield potential in maize by constructing the ideal plant type and optimizing the maize canopy structure | |
| CN114006369B (zh) | 区域风光场站功率联合预测方法、装置、电子设备和存储介质 | |
| Chu et al. | Impacts of future climate change on agroclimatic resources in Northeast China | |
| CN104297452B (zh) | 基于无线传感器网络的土壤墒情数据预处理方法 | |
| CN109673439B (zh) | 一种水肥耦合对水稻产量及生长性状的调控方法 | |
| CN106444929A (zh) | 一种农作物种植监控系统 | |
| Wang et al. | Cotton growth model under drip irrigation with film mulching: A case study of Xinjiang, China | |
| Zhang et al. | Does the expansion of farmers’ operation scale improve the efficiency of agricultural production in China? Implications for environmental sustainability | |
| Hirooka et al. | Yield and growth characteristics of erect panicle type rice (Oryza sativa L.) cultivar, Shennong265 under various crop management practices in Western Japan | |
| Zhang et al. | Distribution of hazard and risk caused by agricultural drought and flood and their correlations in summer monsoon–affected areas of China | |
| CN116307900B (zh) | 一种农光互补适宜作物筛选方法、装置、设备及可读介质 | |
| Chung et al. | Solar powered monitoring system development for smart farming and Internet of Thing applications | |
| Guo et al. | Effects of solar radiation on dry matter distribution and root morphology of high yielding maize cultivars | |
| CN103268103A (zh) | 大棚蔬菜智能控制系统 | |
| CN109543993B (zh) | 分析光伏电站的方法、计算机存储介质及计算机设备 | |
| CN110097473A (zh) | 一种农作物生命全周期的数据采集方法、装置及设备 | |
| CN115983507B (zh) | 送端源电网断面宽频振荡风险预测方法及系统 | |
| CN113255985A (zh) | 一种预测光伏电站发电量的方法及系统 | |
| CN112329996A (zh) | 一种逆变器失配优化方法、装置及设备 | |
| Li et al. | Risk analysis of wheat yield losses at the county level in mainland china | |
| CN115968760A (zh) | 一种基于马铃薯根系时空分布的在地化灌溉方法 | |
| CN113269369A (zh) | 一种基于粮食需求量的小麦生产布局方法及系统 | |
| Ji et al. | Wind Power Increases the Plant Diversity of Temperate Grasslands but Decreases the Dominance of Palatable Plants | |
| Fang et al. | Estimation of stubble biomass in major field crops using residue cutting height |
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 | ||
| CB03 | Change of inventor or designer information |
Inventor after: Gong Jirui Inventor after: Zhang Siqi Inventor after: Zhang Weiyuan Inventor after: Dong Xuede Inventor after: Hu Yuxia Inventor after: Yan Chenyi Inventor before: Zhang Siqi Inventor before: Gong Jirui Inventor before: Zhang Weiyuan Inventor before: Dong Xuede Inventor before: Hu Yuxia Inventor before: Yan Chenyi |
|
| CB03 | Change of inventor or designer information | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |