-
公开(公告)号:CN115099071A
公开(公告)日:2022-09-23
申请号:CN202211005719.5
申请日:2022-08-22
申请人: 南京农业大学 , 神农智慧农业研究院南京有限公司
IPC分类号: G06F30/20 , G06N7/00 , G06Q10/04 , G06Q50/02 , G06F111/08 , G06F119/02
摘要: 本发明提供了一种生产力预测不确定性计算方法,包括如下步骤:根据预设的划分方式将研究区域划分成不同亚区;获取亚区内多个农业观测站点的多组作物生产力数据;根据品种管理数据选取每个亚区内的主栽品种;将每个主栽品种相匹配的多组作物生产力数据分为调参用数据和验证用数据两部分;根据调参用数据计算出每个主栽品种的n组品种参数;根据验证用数据对对应主栽品种的n组品种参数进行验证;在品种参数验证结果合格的情况下,将每个主栽品种的n组品种参数构建为参数库;基于参数库,计算作物生长情况的平均值及其变异系数的空间分布。本发明能够实现在预测区域作物生产力的同时,对预测结果的不确定性进行量化。
-
公开(公告)号:CN115099071B
公开(公告)日:2022-11-11
申请号:CN202211005719.5
申请日:2022-08-22
申请人: 南京农业大学 , 神农智慧农业研究院南京有限公司
IPC分类号: G06F30/20 , G06N7/00 , G06Q10/04 , G06Q50/02 , G06F111/08 , G06F119/02
摘要: 本发明提供了一种生产力预测不确定性计算方法,包括如下步骤:根据预设的划分方式将研究区域划分成不同亚区;获取亚区内多个农业观测站点的多组作物生产力数据;根据品种管理数据选取每个亚区内的主栽品种;将每个主栽品种相匹配的多组作物生产力数据分为调参用数据和验证用数据两部分;根据调参用数据计算出每个主栽品种的n组品种参数;根据验证用数据对对应主栽品种的n组品种参数进行验证;在品种参数验证结果合格的情况下,将每个主栽品种的n组品种参数构建为参数库;基于参数库,计算作物生长情况的平均值及其变异系数的空间分布。本发明能够实现在预测区域作物生产力的同时,对预测结果的不确定性进行量化。
-
公开(公告)号:CN118469345A
公开(公告)日:2024-08-09
申请号:CN202410917572.X
申请日:2024-07-10
申请人: 南京农业大学
IPC分类号: G06Q10/0637 , G06Q50/02
摘要: 本发明提供了一种基于氮分配算法的水稻光合作用模拟方法、系统及装置,方法包括:获取水稻的相关数据;根据叶片氮分配理论构建叶片氮分配模型;将LMA、LNCm和LCCa代入叶片氮分配模型计算出kPN和kNPN;根据LCCa和Pmax之间的相关性构建基于叶片叶绿素含量的水稻光合作用模拟模型;将实测的LCCa和Pmax代入水稻光合作用模拟模型计算常数A和B;将叶片氮分配模型和基于叶片叶绿素含量的水稻光合作用模拟模型耦合得到基于叶片氮分配算法的水稻光合作用模拟模型。本发明能够利用已有的变量而无需引入任何新的变量及外源数据的情况下准确模拟出叶片叶绿素含量,进而通过叶绿素含量在作物模型中准确模拟光合作用。
-
公开(公告)号:CN118314971B
公开(公告)日:2024-08-06
申请号:CN202410738183.0
申请日:2024-06-07
申请人: 南京农业大学
IPC分类号: G16C20/10
摘要: 本发明提供了一种水稻花后低温胁迫下光合作用的模拟方法、系统及装置,方法包括如下步骤:获取水稻在低温胁迫处理阶段和恢复阶段的数据;根据Tmax、Tmin、Th计算低温胁迫处理阶段的ACDDi;根据低温胁迫处理阶段的ACDDi计算低温胁迫处理阶段的ε和FT;根据Tbase、Tmax、Tmin计算恢复阶段的GDD;根据低温胁迫结束当天的ACDDe和GDD计算恢复阶段的FT;根据恢复阶段的FT计算恢复阶段残留的ACDDi,并将计算结果作为计算下一低温胁迫处理阶段的FT的输入值;根据Po,max、PAR、Rd、ε和FT计算Pn。本发明可以更好模拟出不同持续时间低温胁迫对光合作用影响的差异。
-
公开(公告)号:CN118296971A
公开(公告)日:2024-07-05
申请号:CN202410723950.0
申请日:2024-06-05
申请人: 南京农业大学
IPC分类号: G06F30/27 , G06N3/0442 , G06F18/25 , G06N20/00 , G06F111/10
摘要: 本发明提供了一种作物物候期表型预测方法、系统、装置及存储介质,包括:获取待测作物的相关数据;将相关数据中与WheatGrow相关的数据代入WheatGrow中进行参数校正,得到作物参数;将相关数据中与WheatGrow相关的数据和作物参数代入WheatGrow中得到每个品种的物候期;将日最高温数据、日最低温数据代入CDD算法中计算得到每个物候期的累积低温度日;以物候期为划分标准,将累积低温度日和相关数据中未代入WheatGrow的其它数据的累积值进行分组并划分成训练集和测试集;将训练集代入LSTM中训练;将测试集代入训练后的LSTM中得到模拟结果。本发明能够提高模型对小麦物候期的模拟精度。
-
公开(公告)号:CN117575830B
公开(公告)日:2024-06-21
申请号:CN202311495042.2
申请日:2023-11-10
申请人: 南京农业大学
IPC分类号: G06Q50/02 , G06F18/20 , G06F30/20 , G06F111/10
摘要: 本发明提供了一种基于NKI预测氮钾互作下小麦植株氮钾亏缺和产量状况的方法,包括:获取氮钾互作下相应的小麦植株生长参数;基于贝叶斯理论框架描述给定观察日期的生物量对钾浓度的响应;使用概率分布描述线性加平台参数在观察日期内的变异性;根据指定先验概率分布来定义这些参数合理值的先验知识;模型参数的后验分布进行估计;在估计的模型参数中取中值用于拟合每个日期的特定线性加平台函数,确定为临界钾稀释曲线模型;根据养分临界稀释理论计算KNI;根据临界氮稀释曲线模型计算NNI;进一步根据NNI和KNI计算NKI。本发明方法能够准确预测小麦植株氮钾亏缺和产量对氮钾互作效应的响应变化。
-
公开(公告)号:CN118211021A
公开(公告)日:2024-06-18
申请号:CN202410609191.5
申请日:2024-05-16
申请人: 南京农业大学
摘要: 本发明提供一种水稻冠层氮垂直分布特征模拟方法、系统及装置,方法包括如下步骤:获取所取水稻植株的观测数据;根据不同冠层叶片的叶片干重和不同冠层叶片的叶面积计算植株所有叶片的平均比叶重;根据单位面积种植水稻株数、取样株数和叶面积计算植株所有叶片的叶面积指数;根据植株所有叶片基于质量的平均氮含量和植株所有叶片的平均比叶重计算植株所有叶片基于面积的氮含量平均值;根据植株所有叶片的叶面积指数和植株所有叶片基于面积的氮含量平均值构建冠层垂直剖面叶片氮分布模型。本发明可以准确模拟KN在不同生育阶段、不同栽培条件及不同品种间的变化动态,进而更准确的模拟出水稻冠层氮垂直分布特征的动态变化。
-
公开(公告)号:CN116561952A
公开(公告)日:2023-08-08
申请号:CN202211323540.4
申请日:2022-10-27
申请人: 南京农业大学
IPC分类号: G06F30/20 , G06Q50/02 , G06Q50/26 , G06Q10/04 , G06F119/08
摘要: 本发明公开了一种基于大豆生育期模型的大豆生育期预测方法,基于不同环境不同品种的大豆生育期表型数据、逐日气象数据和栽培管理措施信息,以大豆温光发育过程为基础,通过动态模拟大豆的生理发育时间精确划分大豆发育阶段,构建大豆生育期预测模型进行预测。本发明的模型,通过反演品种特征参数,能够量化某一品种对于光温反应的敏感性,以及某一品种的早熟特性、结荚特性、灌浆特性。本发明的模型基于生理发育时间,且品种参数具有明确的生理意义,这使得在应用模型的过程中,能够根据生理意义选择最适合某一品种的一组品种参数,品种参数能够代表该品种的生育期遗传特性。
-
公开(公告)号:CN118350692A
公开(公告)日:2024-07-16
申请号:CN202410397083.6
申请日:2024-04-03
申请人: 南京农业大学
IPC分类号: G06Q10/0639 , G06Q50/02
摘要: 本发明农业信息技术领域,公开了基于AHDD的水稻孕穗开花双期高温下结实率的预测方法,其技术方案要点是建立以AHDD作为高温量化指标的孕穗期单期高温——结实率响应函数;比较同一温度处理下,开花期单期与孕穗开花双期下开花期结实率的变化,计算出孕穗期高温对开花期结实率损失产生的缓解效应FP;确定孕穗期对开花期产生的锻炼效应FP与孕穗期高温量化指标AHDD的相关关系;更新RiceGrow水稻生长模型,预测水稻孕穗开花双期高温下结实率来预测水稻在不同生育阶段暴露于不同温度情景下结实率变化的模型模拟方法,可为未来极端高温天气频发条件下农业生产的栽培管理与预测提供支持服务。
-
公开(公告)号:CN118171785B
公开(公告)日:2024-07-16
申请号:CN202410597826.4
申请日:2024-05-14
申请人: 南京农业大学
摘要: 本发明提供了一种基于作物生育期表型及其区域适应性的定量预测方法、系统及装置,定量预测方法包括:S1、获取与待测作物相关的数据,数据包括多个不同种植环境下记录的作物品种信息、生育期观测数据、气象数据、管理措施数据及QTN标记位点数据;S2、根据数据和作物模型确定品种参数校正值;S3、根据QTN标记位点数据、品种参数校正值和全基因组关联分析算法确定满足要求的QTN标记位点数据和品种参数校正值;S4、根据满足要求的QTN标记位点数据和品种参数校正值计算品种参数模拟值;S5、根据气象数据、管理措施数据、品种参数模拟值和作物模型计算生育期模拟数据。本发明能够实现不依赖人工观测的多基因型作物生育期表型的精确预测。
-
-
-
-
-
-
-
-
-