System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及数据分析,特别涉及一种柑橘挂果量预测方法及系统。
技术介绍
1、近年来,作物产量预测一直是数字农业研究领域重要研究方向。国内外学者较多聚焦在一年生作物如甘蔗、玉米、小麦,取得了较好的研究进展,而多年生水果作物研究相对较少。
2、柑橘产量由果实负载量和单果重组成,且果实负载量是产量的主要影响因子。同时,前人研究结果已经证明柑橘作为多年生常绿作物,果实产量受各种环境因素的影响,而气候条件是影响柑橘生长发育及产量的关键因素。
3、针对目前不同柑橘产区无法实现合理负载是导致果实产量和品质不稳定的主要因素,需要开展不同生态区域气候特征条件下的产量预测研究,提供一种能够实现柑橘产量的快速早期预测的柑橘挂果量预测方法及系统。
技术实现思路
1、本专利技术的目的之一在于,提供一种柑橘挂果量预测方法,能够实现柑橘产量的快速早期预测。
2、为了解决上述技术问题,本申请提供如下技术方案:
3、一种柑橘挂果量预测方法,包括如下内容:
4、s1、按照预设的气候条件要求选择若干个柑橘产区;
5、s2、统计不同产区生理落果期的开始和结束日期;其中,幼果带果柄脱落为第一次生理落果期,幼果不带果柄脱落为第二次生理落果期;
6、s3、测定柑橘的冠层直径r、株高h,计算冠层体积tv:收集落果,采用单株统计第一次生理落果量1st pfdn和第二次生理落果量2nd pfdn,并于果实转色期统计最终挂果量fbn;
7
8、s4、采集产区气象数据,作为气象因子;气象数据包括生理落果期的降水量、相对湿度、平均气温、平均最高气温、平均最低气温、日照时数、平均地表温度、≥10℃活动积温、有效积温、最高气温极值、最低气温极值;
9、s5、对产量因子和气象因子进行分析,确定关键参数和所占权重;
10、s6、根据筛选出的关键参数和所占权重,建立预测模型。
11、进一步,所述步骤s1中,在预设年度,每个产区选择若干个果园。
12、进一步,所述步骤s3中,冠层体积tv计算公式为:
13、tv=(r2×h)/4
14、单位体积起始坐果量ifspt计算公式为:
15、ifspt=(1st pfdn+2nd pfdn+fbn)/tv
16、计算第一次生理落果率1stpfdr计算公式为:
17、1stpfdr=1st pfdn/(1st pfdn+2nd pfdn+fbn)×100%
18、计算第二次生理落果率2ndpfdr计算公式为:
19、2ndpfdr=2nd pfdn/(1st pfdn+2nd pfdn+fbn)×100%
20、计算挂果率fbr计算公式为:
21、fbr=fbn/(1st pfdn+2nd pfdn+fbn)×100%
22、计算单位体积挂果量fbnpt计算公式为:
23、fbnpt=fbn/tv。
24、进一步,所述步骤s3中,设定起始坐果量大小年指数aiifs,计算公式为:
25、aiifs=(连续两年起始坐果量之差/连续两年起始坐果量之和)×100%。
26、进一步,所述步骤s5中,以两次生理落果期的气象因子和单位体积起始坐果量ifspt为自变量,不同产区的fbnpt作为因变量,进行偏最小二乘分析;
27、以vip分析自变量对解释因变量的重要程度,筛选出vip大于阈值的指标,指标包括:1st平均最低气温amit1、2nd降水量pre2、1st平均气温at1、1st平均地表温度ast1、单位体积起始坐果量ifspt、2nd最高气温极值emat2、2nd相对湿度rh2、1st降水量pre1、2nd日照时数sd2、2nd平均最低气温amit2。
28、进一步,所述步骤s6中,预测模型包括:标准化偏最小二乘回归模型,单位体积挂果量预测值y为:
29、y=2.0573-0.2482*amit1-0.1773*pre2-0.2098*at1-0.1954*ast1+0.3023*ifspt+0.2229*
30、emat2-0.0359*rh2-0.2277*pre1+0.0733*sd2-0.0472*amit2
31、原始变量偏最小二乘回归模型,单位体积挂果量预测值y为:
32、y=240.1950-5.6569*amit1-0.0253*pre2-4.2698*at1-4.8837*ast1+0.0101*ifspt+4.254
33、1*emat2-0.3143*rh2-0.0799*pre1+0.0635*sd2-0.9376*amit2。
34、进一步,还包括步骤s7,引入起始坐果量大小年指数,建立修正模型,单位体积挂果量预测值y’为:
35、y’=46.0028+24.8867*aiifs-0.0224*y。
36、本专利技术的目的之二在于,提供一种柑橘挂果量预测系统,使用上述方法。
37、本方案分析了单位体积挂果量与气象因子的相关性,并通过偏最小二乘回归分析建立了产量预测模型,同时针对柑橘大小年建立了修正模型,能够实现柑橘产量的快速早期预测。本方案的产量预测模型与柑橘的产量形成期实现了较好的匹配,同时广泛地收集了该时期内的各类气象数据,因此该模型长期预测的结果比较符合预期。本方案首次将pls回归应用于柑橘产量的预测,只有独立的、具有最佳预测能力的变量最终保留在模型中,因此,与单位体积挂果量有较高相关性但也与其它自变量相关的变量并不总是留在最终模型中,排除了自变量间多重共线性的影响。
本文档来自技高网...【技术保护点】
1.一种柑橘挂果量预测方法,其特征在于,包括如下内容:
2.根据权利要求1所述的柑橘挂果量预测方法,其特征在于:所述步骤S1中,在预设年度,每个产区选择若干个果园。
3.根据权利要求2所述的柑橘挂果量预测方法,其特征在于:所述步骤S3中,冠层体积TV计算公式为:
4.根据权利要求3所述的柑橘挂果量预测方法,其特征在于:所述步骤S3中,设定起始坐果量大小年指数AIIFS,计算公式为:
5.根据权利要求4所述的柑橘挂果量预测方法,其特征在于:所述步骤S5中,以两次生理落果期的气象因子和单位体积起始坐果量IFSPT为自变量,不同产区的FBNPT作为因变量,进行偏最小二乘分析;
6.根据权利要求5所述的柑橘挂果量预测方法,其特征在于:所述步骤S6中,预测模型包括:标准化偏最小二乘回归模型,单位体积挂果量预测值Y为:
7.根据权利要求6所述的柑橘挂果量预测方法,其特征在于:还包括步骤S7,引入起始坐果量大小年指数,建立修正模型,单位体积挂果量预测值Y’为:
8.一种柑橘挂果量预测系统,其特征在于,使用权利要
...【技术特征摘要】
1.一种柑橘挂果量预测方法,其特征在于,包括如下内容:
2.根据权利要求1所述的柑橘挂果量预测方法,其特征在于:所述步骤s1中,在预设年度,每个产区选择若干个果园。
3.根据权利要求2所述的柑橘挂果量预测方法,其特征在于:所述步骤s3中,冠层体积tv计算公式为:
4.根据权利要求3所述的柑橘挂果量预测方法,其特征在于:所述步骤s3中,设定起始坐果量大小年指数aiifs,计算公式为:
5.根据权利要求4所述的柑橘挂果量预测方法,其特征在于:所述步骤s5中,以两...
【专利技术属性】
技术研发人员:郑永强,刘思雨,蹇川,刘艳梅,李婧怡,马岩岩,
申请(专利权)人:西南大学柑桔研究所,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。