CN116595709A - 一种烟草适宜移栽期的预测方法及系统 - Google Patents
一种烟草适宜移栽期的预测方法及系统 Download PDFInfo
- Publication number
- CN116595709A CN116595709A CN202310289383.8A CN202310289383A CN116595709A CN 116595709 A CN116595709 A CN 116595709A CN 202310289383 A CN202310289383 A CN 202310289383A CN 116595709 A CN116595709 A CN 116595709A
- Authority
- CN
- China
- Prior art keywords
- tobacco
- transplanting
- transplanting period
- period
- data
- 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
- 235000002637 Nicotiana tabacum Nutrition 0.000 title claims abstract description 159
- 241000208125 Nicotiana Species 0.000 title claims abstract description 157
- 238000000034 method Methods 0.000 title claims abstract description 58
- 230000012010 growth Effects 0.000 claims abstract description 63
- 230000000243 photosynthetic effect Effects 0.000 claims abstract description 58
- 238000004519 manufacturing process Methods 0.000 claims abstract description 38
- 238000004088 simulation Methods 0.000 claims abstract description 25
- 230000002015 leaf growth Effects 0.000 claims abstract description 22
- 238000009825 accumulation Methods 0.000 claims abstract description 14
- 238000005286 illumination Methods 0.000 claims description 37
- 239000000178 monomer Substances 0.000 claims description 20
- 238000004364 calculation method Methods 0.000 claims description 14
- 230000007774 longterm Effects 0.000 claims description 13
- 241000196324 Embryophyta Species 0.000 claims description 12
- 238000012216 screening Methods 0.000 claims description 8
- 230000009466 transformation Effects 0.000 claims description 6
- 230000004927 fusion Effects 0.000 claims description 5
- 238000003860 storage Methods 0.000 claims description 5
- 230000001419 dependent effect Effects 0.000 claims description 4
- 238000012935 Averaging Methods 0.000 claims description 3
- 230000008033 biological extinction Effects 0.000 claims description 3
- 238000004590 computer program Methods 0.000 claims description 3
- 238000012821 model calculation Methods 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 2
- 230000002354 daily effect Effects 0.000 description 35
- 238000011161 development Methods 0.000 description 5
- 238000012360 testing method Methods 0.000 description 4
- 238000010276 construction Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000010672 photosynthesis Methods 0.000 description 3
- 230000029553 photosynthesis Effects 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 244000061176 Nicotiana tabacum Species 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 239000002689 soil Substances 0.000 description 2
- 239000002028 Biomass Substances 0.000 description 1
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 241000607479 Yersinia pestis Species 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 239000006071 cream Substances 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 230000035558 fertility Effects 0.000 description 1
- 238000012625 in-situ measurement Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 235000015097 nutrients Nutrition 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 235000019505 tobacco product Nutrition 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
-
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/08—Thermal analysis or thermal optimisation
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Business, Economics & Management (AREA)
- General Engineering & Computer Science (AREA)
- Economics (AREA)
- Mathematical Analysis (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Optimization (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Operations Research (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Mathematical Physics (AREA)
- Development Economics (AREA)
- Artificial Intelligence (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Probability & Statistics with Applications (AREA)
- Geometry (AREA)
- Algebra (AREA)
- Computer Hardware Design (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提供了一种烟草适宜移栽期的预测方法及系统，属于烟草移栽种植领域，包括：确定目标烟田，根据目标烟田的历史移栽数据和当地烟草公司对最迟上交日期的要求拟定一个大致的适宜移栽期范围；再将历史与近期气象数据、积温模型、叶片生长模拟方程、光合生产潜力模型和气象数据预测有效结合，计算出大致的适宜移栽期范围中每天相应的光合生产潜力；按照光合生产潜力数值大小将相应日期划分优先级，得到目标烟田中烟草的适宜移栽期。本方案使气象环境数据对烟叶生长的影响能够直观定量的表现出来，准确的知道不同日期移栽对产量有怎样不同的影响，从而能够更加科学、精确的引导烟农能够选择适宜日期按时移栽。
Description
技术领域
本发明属于烟草移栽种植领域，尤其涉及一种烟草适宜移栽期的预测方法及系统。
背景技术
烟草的适时移栽有利于整体生长发育，因为烟苗在适宜的气候条件下移栽，既可以保证生长过程中可以更好地利用阳光和水分资源，增强光合作用，促进烟草整体生长和发育，又可以避免恶劣天气，如大风、暴雨等，对烟株造成不可挽回的损失。同时，因为烟草在我国是计划性作物，适时移栽也能保证按时上交烤烟，保障烟草制品的生产计划。所以，适时移栽是烟草种植中非常重要的一环，它不仅关乎烟草的生长和产量，也关乎烟草种植者的收益。
气候是影响烟草移栽的关键因素，因为气象因子中的光照和温度对烟草生长和质量有着决定性影响。在作物生长中常用有效积温(是作物在某个生育期或全部生育期内有效温度的总和，即作物活动温度与生物学零度之差的总和。)计算生长发育所需时间。有效积温过低：无法完成生长发育需要，过高：生长速度加快，但接收的光照减少，会降低其生长有效性，产量和质量均有亏损。作物的光合产量潜力是作物指水分、土壤和营养需处于最适宜状况时、且没有病虫害过多干扰的单位面积土地上可获得的最高生物学干物质量。所以可以有效的指示作物在当前气候条件下的潜在产量。
现有公开了一种作物移栽期时间预测方法及系统(专利申请号为：CN202211220891.2)，S1、获取历史实测数据；S2、建设基础参数数据库：S3、建立基于基础参数数据库的时间预测模型，预测最佳移栽时间。
该公开方案利用往年统计的生育期天数数据，通过历史数据可得到适合当地及特定品种移栽期的的一个大致的范围。再结合近期天气情况预测，判断适宜的移栽期。判断过程会涉及到需要一定的专业种植知识，存在一定的不准确以及局限性，且该公开方案无法对不同移栽日期的区别进行进一步的具体量化，不能定量判断相近但不同的移栽期会造成的产量区别，不能从一定时间范围中选取最佳的移栽日期，即该公开方案中所预测移栽期的过程不够直观，预测移栽期的时间上也不够精准。
发明内容
本申请提供了一种烟草适宜移栽期的预测方法及系统，旨在解决现有移栽期预测技术中，不能对移栽期具体量化，移栽期的预测过程不够直观，精度上存在偏差，以及不能科学、精确的引导烟农按照适宜日期按时进行烟草移栽的问题。
为了实现上述目的，本发明采用以下技术方案，包括：
确定目标烟田，根据目标烟田的历史移栽数据和当地烟草公司对最迟上交日期的要求拟定第一移栽期，依据预设移栽条件对第一移栽期进行日期筛选，得到第二移栽期；
根据目标烟田的田间实验数据分别构建积温移栽期预测模型和叶片生长模拟模型；
构建烟草单体光合产量潜力模型，获取目标烟田的历史五年气象数据并采用简单序时平均法依次计算第二移栽期中每天的每日均温和每日平均光照；
将每日均温依次代入积温移栽期预测模型计算，得到第二移栽期中每天相应的生长天数，将叶片生长模拟模型变换后代入烟草单体光合产量潜力模型中融合，并将生长天数和每日平均光照分组代入融合后的模型中计算，得到第二移栽期中每天相应的光合生产潜力；
对光合生产潜力进行分析，得到目标烟田中烟草的适宜移栽期。
作为优选，积温移栽期预测模型的表达式为其中K为有效积温，n为生长天数，Ti为每日均温，T0为生物学零度温度10℃，当Ti≤T0时，该日K＝0；
叶片生长模拟模型的表达式为其中Y为因变量叶片面积，自变量x为有效积温K，A为终极生长量参数，B为初值参数，C为生长速率参数，N为形状参数。
作为优选，烟草单体光合产量潜力模型的表达式为其中，DMmax为光合生产潜力，Rn为叶面上方太阳光照强度，I为作物叶片的消光系数，LUE为光利用效率，LAI为叶面积指数，LAI＝Num*Y/(Area/PlantNum)，Num为叶片数量，Area为种植面积，PlantNum为株数。
作为优选，采用简单序时平均法依次计算第二移栽期中每天的每日均温和每日平均光照，具体为：
基于第二移栽期中每天的日期选择历史五年气象数据中每年相同日期的温度数据和光照数据，分别代入公式中计算，得到每日均温和每日平均光照，其中/>表示序时平均数，代入的数据为温度数据时，表示每日均温，代入数据为光照数据时，表示每日平均光照，weather1-weather5分别表示历史五年气象数据中每年同日期的温度数据或光照数据。
作为优选，将叶片生长模拟模型变换后代入烟草单体光合产量潜力模型中融合，融合后模型的表达式为其中为每日平均光照。
作为优选，预设移栽条件包括：
依次判断当日是否在晚霜过后、当日日平均气温是否稳定在12-13℃以上、当日移栽后七天内是否无暴雨、当日移栽后七天内是否无雪灾。
作为优选，对光合生产潜力进行分析，得到目标烟田中烟草的适宜移栽期，具体为：
将光合生产潜力按照大小进行排序，以按照大小顺序对第二移栽期中日期划分适宜烟草移栽的优先级，得到目标烟田中烟草的适宜移栽期。
一种烟草适宜移栽期的预测系统，包括：
初步适宜移栽期确定模块：用于确定目标烟田，根据目标烟田的历史移栽数据和当地烟草公司对最迟上交日期的要求拟定第一移栽期，依据预设移栽条件对第一移栽期进行日期筛选，得到第二移栽期；
预测模型构建模块：用于根据目标烟田的田间实验数据分别构建积温移栽期预测模型和叶片生长模拟模型；
气象数据计算模块：用于构建烟草单体光合产量潜力模型，获取目标烟田的历史五年气象数据并采用简单序时平均法依次计算第二移栽期中每天的每日均温和每日平均光照；
光合生产潜力计算模块：用于将每日均温依次代入积温移栽期预测模型计算，得到第二移栽期中每天相应的生长天数，将叶片生长模拟模型变换后代入烟草单体光合产量潜力模型中融合，并将生长天数和每日平均光照分组代入融合后的模型中计算，得到第二移栽期中每天相应的光合生产潜力；
适宜移栽期确定模块：用于对光合生产潜力进行分析，得到目标烟田中烟草的适宜移栽期。
一种电子设备，包括存储器和处理器，所述存储器用于存储一条或多条计算机指令，其中，所述一条或多条计算机指令被所述处理器执行以实现如上述中任一所述的一种烟草适宜移栽期的预测方法。
一种存储有计算机程序的计算机可读存储介质，所述计算机程序被计算机执行时实现如上述中任一所述的一种烟草适宜移栽期的预测方法。
本发明具有以下有益效果：
(1)本方案将烟叶的移栽期传统判断方法与可直接科学量化的数据指标结合，综合了烟农或烟技人员的经验、往年种植数据、气象数据和科学的判断模型多方面知识，通过对不同移栽日期会导致的不同光合生产潜力比较，可以不受烟农主观性偏差、历史数据缺失、不同地区和不同品种的差异性的影响，形成一个操作性强、复用性强、系统全面的移栽期预测方法；
(2)本方案将历史与近期气象数据、积温模型、叶片生长模拟方程、光合生产潜力模型和气象数据预测有效结合，使气象环境数据对烟叶生长的影响能够直观定量的表现出来，准确的知道不同日期移栽对产量有怎样不同的影响；
(3)先初步根据历史移栽数据和当地烟草公司对最迟上交日期的要求确定一个烟草移栽期的大致范围，再根据预设移栽条件对日期进行筛选，以确定一个模糊的适宜移栽期，进而在该日期范围的基础之上，通过计算每一天的光合生产潜力，进行直观的数据对比，以在模糊的适宜移栽期的基础之上，确定烟草最佳的移栽日期，将移栽日期精确到具体的某一天，而不是一个大致的时间范围，从而能够更加科学、精确的引导烟农能够选择适宜日期按时移栽。
附图说明
图1为本发明中一种烟草适宜移栽期的预测方法的流程图
图2为本发明实施例1中具体实施方案的思维导图
图3为本发明实施例1中叶片生长模拟的示意图
图4为本发明中烟草适宜移栽期的预测系统的结构示意图
具体实施方式
实施例1
如图1所示，一种烟草适宜移栽期的预测方法，包括以下步骤：
S11、确定目标烟田，根据目标烟田的历史移栽数据和当地烟草公司对最迟上交日期的要求拟定第一移栽期，依据预设移栽条件对第一移栽期进行日期筛选，得到第二移栽期；
S12、根据目标烟田的田间实验数据分别构建积温移栽期预测模型和叶片生长模拟模型；
S13、构建烟草单体光合产量潜力模型，获取目标烟田的历史五年气象数据并采用简单序时平均法依次计算第二移栽期中每天的每日均温和每日平均光照；
S14、将每日均温依次代入积温移栽期预测模型计算，得到第二移栽期中每天相应的生长天数，将叶片生长模拟模型变换后代入烟草单体光合产量潜力模型中融合，并将生长天数和每日平均光照分组代入融合后的模型中计算，得到第二移栽期中每天相应的光合生产潜力；
S15、对光合生产潜力进行分析，得到目标烟田中烟草的适宜移栽期。
本实施例方案主体为：确定目标烟田，根据目标烟田的历史移栽数据和当地烟草公司对最迟上交日期的要求拟定一个大致的适宜移栽期范围；再将历史与近期气象数据、积温模型、叶片生长模拟方程、光合生产潜力模型和气象数据预测有效结合，使气象环境数据对烟叶生长的影响能够直观定量的表现出来，计算出大致的适宜移栽期范围中每天相应的光合生产潜力；光合生产潜力最大的为最佳的烟草移栽期，以从大致的适宜移栽期中确定最佳的移栽时间。上述方案的思维导图如图2所示，具体流程如下：
1.获取近期气象预报，模糊判断移栽的适宜日期
通过往年移栽经验和经验当地烟草公司对最迟上交期的要求，确定一个适宜移栽的时间段，尺度为±15天。经验当地烟草公司对最迟上交期的要求即烟草是控制经济，烟草采收烘烤后上交烟站，烟站再烘烤上交上级，一层一层到各省，主要就是为了保供；通过这个流程，从而确定烟草适宜移栽的时间段。
若无相应判断经验，可设定为在往年移栽期前后十五天(该时间区间即第一移栽期)，利用气象预报获取十五天气象数据(移栽期区间中每一天为起点未来十五天的气象数据)，通过以下条件判断未来日期是否满足移栽条件，获得初步适宜的移栽日期TRANSDAY(该移栽日期即第二移栽期)。
A.是否在晚霜过后
B.日平均气温是否稳定在12-13℃以上。
C.移栽后七天内是否无暴雨
D.移栽后七天内是否无雪灾
2.构建积温移栽期预测模型
2.1田间试验内容
A.样本数量(n)：供试地因地理位置、地势、土壤肥力、环境条件等不同，存在着差异性，因此科学合理采样十分关键。可根据不同供试地的个体差异性特征确定代表群体特征的百分比p，从而确定取样数量。
其中，z为置信水平，一般选择95％所对应的1.96；p为代表样本群体特征的百分比，根据不同地块的个体差异性特征确定；d为可接受的采样精度，一般设为0.5。
B.数据采集：获取当地历史气象和种植数据生长日期和积温数值用以模型构建。实地测量用以模型偏差分析，具体操作如下：选取所有供试田块利用田间安装的小型气象站连续记录(记录表如表1所示)烟草全生长期气候气象情况，包括每日有效积温、每日日照长度和日照百分比的数据采集。不同田块选取适量烟株样本对其叶片样本进行标记，在标记当日、标记后每7d测量叶片长度、宽度，直至叶片定长；烟草叶片面积计算公式：叶长×叶宽×0.6345。
表1烟叶成熟所需积温记录表
2.2构建积温的移栽期预测模型
采用线性生长假设积温模型，以历史数据的生长天数n为自变量，以生长期间有效积温为因变量进行线性拟合，获得有效积温K。
其中K为有效积温，n为生长天数，Ti为每日均温，T0为生物学零度温度10°C，当Ti≤T0时，该日K＝0。
采用实际观测数据对模型的准确度进行计算与判断，如下：
其中，RMSE为均方根误差，Oi为观测值，Pi为模拟值，δ为样本值，RMSE值越小，表示偏差越小，预测精度越高。
3.构建叶片生长模拟的模型
采用田间试验数据构建叶片生长模拟模型。因为作物叶片大小生长发育规律符合慢-快-慢的“S”型曲线，叶片生长模拟模型运用Logistic中的最广适性的Richards生长方程建立：
其中Y为因变量叶片面积，自变量x为有效积温K，A为终极生长量参数，B为初值参数，C为生长速率参数，N为形状参数。在带入试验数据并对方程求导，即可得出生长特征参数：生长速率V、平均生长速率Va、最大生长速率Vmax、达到最大生长速率时的时间TVmax、达到最大生长速率时的生长量WVmax、缓慢增长期与快速增长期的拐点值n1、快速增长期与稳定增长期的拐点值n2、生长量达最大量99％的拐点值n3。
最终模拟所得的叶片生长的示意图如图3所示。
4.烟草单体光合产量潜力模型
烟草单体光合产量潜力模型的表达式为：
其中，DMmax为光合生产潜力，Rn为叶面上方太阳光照强度；I为作物叶片的消光系数，由入射光与叶所成角度决定，每一种类别的作物在生长期内拥有较为固定叶片构型，因此拥有固定的k值，烟草可取值0.7；LAI为叶面积指数，由叶片总叶面积和植株占地面积相除可得，在本方案情境下，烟草叶片一般保留为12-16片叶，根据当地烟区生长的具体情况取值，LAI计算方程为LAI＝Num*Y/(Area/PlantNum)，Num为叶片数量，Area为种植面积，PlantNum为株数；干物质产量DM为光合最大产量潜力，单位为g。LUE：光利用效率，表示植物通过拦截/吸收和光合作用将太阳能转化为生物质的效率，取决于植物内在生理特性，一般碳4植物可取值1.32g.MJ-1。
5.未来半年气象数据预测
因为地理气候具有相当的稳定型，获取当地历史五年气象数据，利用简单序时平均法预测半年内气象数据，主要包括每日均温温度和每日平均光照。
其中表示序时平均数，代入的数据为温度数据时，表示每日均温，代入数据为光照数据时，表示每日平均光照，weather1-weather5分别表示历史五年气象数据中每年同日期的温度数据或光照数据。
6.烟草田间生长时间和光合生产潜力计算
基于通过预测的半年内气象数据，分别取TRANSDAY中的日期，和其对应的未来生长期的气象预测值逐个利用积温模型得出该移栽期当年田间所需的生长天数n，再用对应的/>值和光合生产潜力模型算出其生产潜力DMmax。
其中为每日均温，/>为每日平均光照。
7.最适移栽日期确定
根据不同的移栽时间，完成光合生产潜力数据的计算，即通过上述方案计算第二移栽期中每天相应的光合生产潜力，计算结果汇总后，如表2所示，再对TRANSDAY中的不同移栽日期对应的光合生产潜力结果进行比较，得到最大的DMmax值，其对应的移栽日期即为可获得能够最大效益生产烟草的移栽日期。如果有特殊情况，无法按照最大效益时间移栽，也可通过比较计算的DMmax值选出次优的移栽时间，即将光合生产潜力按照大小进行排序，以按照大小顺序对第二移栽期中日期划分适宜烟草移栽的优先级，得到目标烟田中烟草的适宜移栽期。按照优先级顺序并根据具体的移栽情况选择具体移栽日期进行烟草的移栽。
表2
实施例2
如图4所示，一种烟草适宜移栽期的预测系统，包括：
初步适宜移栽期确定模块10：用于确定目标烟田，根据目标烟田的历史移栽数据和当地烟草公司对最迟上交日期的要求拟定第一移栽期，依据预设移栽条件对第一移栽期进行日期筛选，得到第二移栽期；
预测模型构建模块20：用于根据目标烟田的田间实验数据分别构建积温移栽期预测模型和叶片生长模拟模型；
气象数据计算模块30：用于构建烟草单体光合产量潜力模型，获取目标烟田的历史五年气象数据并采用简单序时平均法依次计算第二移栽期中每天的每日均温和每日平均光照；
光合生产潜力计算模块40：用于将每日均温依次代入积温移栽期预测模型计算，得到第二移栽期中每天相应的生长天数，将叶片生长模拟模型变换后代入烟草单体光合产量潜力模型中融合，并将生长天数和每日平均光照分组代入融合后的模型中计算，得到第二移栽期中每天相应的光合生产潜力；
适宜移栽期确定模块50：用于对光合生产潜力进行分析，得到目标烟田中烟草的适宜移栽期。
上述系统的一种实施方式为，在初步适宜移栽期确定模块10中，确定目标烟田，根据目标烟田的历史移栽数据和当地烟草公司对最迟上交日期的要求拟定第一移栽期，依据预设移栽条件对第一移栽期进行日期筛选，得到第二移栽期，在预测模型构建模块20中，根据目标烟田的田间实验数据分别构建积温移栽期预测模型和叶片生长模拟模型，在气象数据计算模块30中，构建烟草单体光合产量潜力模型，获取目标烟田的历史五年气象数据并采用简单序时平均法依次计算第二移栽期中每天的每日均温和每日平均光照，在光合生产潜力计算模块40中，将每日均温依次代入积温移栽期预测模型计算，得到第二移栽期中每天相应的生长天数，将叶片生长模拟模型变换后代入烟草单体光合产量潜力模型中融合，并将生长天数和每日平均光照分组代入融合后的模型中计算，得到第二移栽期中每天相应的光合生产潜力，在适宜移栽期确定模块50中，对光合生产潜力进行分析，得到目标烟田中烟草的适宜移栽期。
实施例3
在上述实施例基础上，本实施例提供了一种电子设备。
实施例4
在上述实施例基础上，本实施例提供了一种存储介质。
以上所述仅为本发明的具体实施例，但本发明的技术特征并不局限于此，任何本领域的技术人员在本发明的领域内，所作的变化或修饰皆涵盖在本发明的专利范围之中。
Claims (10)
1.一种烟草适宜移栽期的预测方法，其特征在于，包括：
确定目标烟田，根据目标烟田的历史移栽数据和当地烟草公司对最迟上交日期的要求拟定第一移栽期，依据预设移栽条件对第一移栽期进行日期筛选，得到第二移栽期；
根据目标烟田的田间实验数据分别构建积温移栽期预测模型和叶片生长模拟模型；
构建烟草单体光合产量潜力模型，获取目标烟田的历史五年气象数据并采用简单序时平均法依次计算第二移栽期中每天的每日均温和每日平均光照；
将每日均温依次代入积温移栽期预测模型计算，得到第二移栽期中每天相应的生长天数，将叶片生长模拟模型变换后代入烟草单体光合产量潜力模型中融合，并将生长天数和每日平均光照分组代入融合后的模型中计算，得到第二移栽期中每天相应的光合生产潜力；
对光合生产潜力进行分析，得到目标烟田中烟草的适宜移栽期。
2.根据权利要求1所述的一种烟草适宜移栽期的预测方法，其特征在于，积温移栽期预测模型的表达式为其中K为有效积温，n为生长天数，Ti为每日均温，T0为生物学零度温度10℃，当Ti≤T0时，该日K＝0；叶片生长模拟模型的表达式为其中Y为因变量叶片面积，自变量x为有效积温K，A为终极生长量参数，B为初值参数，C为生长速率参数，N为形状参数。
3.根据权利要求2所述的一种烟草适宜移栽期的预测方法，其特征在于，烟草单体光合产量潜力模型的表达式为其中，DMmax为光合生产潜力，Rn为叶面上方太阳光照强度，I为作物叶片的消光系数，LUE为光利用效率，LAI为叶面积指数，LAI＝Num*Y/(Area/PlantNum)，Num为叶片数量，Area为种植面积，PlantNum为株数。
4.根据权利要求3所述的一种烟草适宜移栽期的预测方法，其特征在于，采用简单序时平均法依次计算第二移栽期中每天的每日均温和每日平均光照，具体为：
基于第二移栽期中每天的日期选择历史五年气象数据中每年相同日期的温度数据和光照数据，分别代入公式中计算，得到每日均温和每日平均光照，其中/>表示序时平均数，代入的数据为温度数据时，表示每日均温，代入数据为光照数据时，表示每日平均光照，weather1-weather5分别表示历史五年气象数据中每年同日期的温度数据或光照数据。
5.根据权利要求4所述的一种烟草适宜移栽期的预测方法，其特征在于，将叶片生长模拟模型变换后代入烟草单体光合产量潜力模型中融合，融合后模型的表达式为其中/>为每日平均光照。
6.根据权利要求1所述的一种烟草适宜移栽期的预测方法，其特征在于，预设移栽条件包括：
依次判断当日是否在晚霜过后、当日日平均气温是否稳定在12-13℃以上、当日移栽后七天内是否无暴雨、当日移栽后七天内是否无雪灾。
7.根据权利要求1所述的一种烟草适宜移栽期的预测方法，其特征在于，对光合生产潜力进行分析，得到目标烟田中烟草的适宜移栽期，具体为：
将光合生产潜力按照大小进行排序，以按照大小顺序对第二移栽期中日期划分适宜烟草移栽的优先级，得到目标烟田中烟草的适宜移栽期。
8.一种烟草适宜移栽期的预测系统，其特征在于，包括：
初步适宜移栽期确定模块：用于确定目标烟田，根据目标烟田的历史移栽数据和当地烟草公司对最迟上交日期的要求拟定第一移栽期，依据预设移栽条件对第一移栽期进行日期筛选，得到第二移栽期；
预测模型构建模块：用于根据目标烟田的田间实验数据分别构建积温移栽期预测模型和叶片生长模拟模型；
气象数据计算模块：用于构建烟草单体光合产量潜力模型，获取目标烟田的历史五年气象数据并采用简单序时平均法依次计算第二移栽期中每天的每日均温和每日平均光照；
光合生产潜力计算模块：用于将每日均温依次代入积温移栽期预测模型计算，得到第二移栽期中每天相应的生长天数，将叶片生长模拟模型变换后代入烟草单体光合产量潜力模型中融合，并将生长天数和每日平均光照分组代入融合后的模型中计算，得到第二移栽期中每天相应的光合生产潜力；
适宜移栽期确定模块：用于对光合生产潜力进行分析，得到目标烟田中烟草的适宜移栽期。
9.一种电子设备，其特征在于，包括存储器和处理器，所述存储器用于存储一条或多条计算机指令，其中，所述一条或多条计算机指令被所述处理器执行以实现如权利要求1-7中任一所述的一种烟草适宜移栽期的预测方法。
10.一种存储有计算机程序的计算机可读存储介质，其特征在于，所述计算机程序被计算机执行时实现如权利要求1-7中任一所述的一种烟草适宜移栽期的预测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310289383.8A CN116595709A (zh) | 2023-03-23 | 2023-03-23 | 一种烟草适宜移栽期的预测方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310289383.8A CN116595709A (zh) | 2023-03-23 | 2023-03-23 | 一种烟草适宜移栽期的预测方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116595709A true CN116595709A (zh) | 2023-08-15 |
Family
ID=87597908
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310289383.8A Pending CN116595709A (zh) | 2023-03-23 | 2023-03-23 | 一种烟草适宜移栽期的预测方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116595709A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117313993A (zh) * | 2023-09-15 | 2023-12-29 | 湖南省烟草公司湘西自治州公司 | 基于温度和海拔的烤烟栽培管理方法 |
-
2023
- 2023-03-23 CN CN202310289383.8A patent/CN116595709A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117313993A (zh) * | 2023-09-15 | 2023-12-29 | 湖南省烟草公司湘西自治州公司 | 基于温度和海拔的烤烟栽培管理方法 |
| CN117313993B (zh) * | 2023-09-15 | 2024-07-12 | 湖南省烟草公司湘西自治州公司 | 基于温度和海拔的烤烟栽培管理方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| AU2017354934C1 (en) | Controlling agricultural production areas | |
| CN108958329B (zh) | 一种滴灌水肥一体化智能决策方法 | |
| US11944048B2 (en) | Decision-making method for variable rate irrigation management | |
| CN114128608B (zh) | 一种果园灌溉管理方法及系统 | |
| CN117147007B (zh) | 一种设施农业低温冷害预报系统 | |
| CN116595709A (zh) | 一种烟草适宜移栽期的预测方法及系统 | |
| CN112042353A (zh) | 一种适用于日光温室的水肥精准决策方法及系统 | |
| CN113039908A (zh) | 一种施肥和灌溉动态决策方法及系统 | |
| CN109615148A (zh) | 一种确定玉米气象产量的方法和系统 | |
| CN105389739A (zh) | 设施葡萄低温灾害天气指数保险纯费率的确定方法 | |
| CN115310680A (zh) | 一种番茄种苗模型建模与生长预测方法 | |
| CN117063818A (zh) | 一种水肥精准调控系统 | |
| CN115455086A (zh) | 一种灌区农业灌溉用水量的估算方法及系统 | |
| CN116562139A (zh) | 一种糖料蔗种植区域碳汇量计算方法 | |
| CN110516943B (zh) | 一种基于地表温度的春灌期灌溉面积动态监测遥感方法 | |
| CN110210142B (zh) | 一种南方大型灌区水稻实时需水量测算方法 | |
| CN114418235A (zh) | 一种农作物生长状况确定方法及系统 | |
| WO2018081853A1 (en) | Controlling agricultural production areas | |
| CN113009108B (zh) | 一种基于水热条件预测土壤有机碳含量的预测方法 | |
| CN114092776A (zh) | 应用于智慧农业的多传感器数据融合方法 | |
| Farukh et al. | Trend and variability analysis of sunshine duration in divisional headquarters of Bangladesh | |
| CN116578031A (zh) | 一种智慧农业大棚远程监控调控系统 | |
| CN116362402A (zh) | 一种基于天气预报与表型信息监测的灌溉制度优化系统 | |
| CN116090644A (zh) | 一种苹果园干旱灾害预警方法 | |
| CN115545519A (zh) | 一种面向不同水土环境下作物蒸腾升尺度测量和评估方法 |
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 |