CN115669340A - 适宜北方燕麦生产的钾肥用量预测方法及系统 - Google Patents
适宜北方燕麦生产的钾肥用量预测方法及系统 Download PDFInfo
- Publication number
- CN115669340A CN115669340A CN202211183358.3A CN202211183358A CN115669340A CN 115669340 A CN115669340 A CN 115669340A CN 202211183358 A CN202211183358 A CN 202211183358A CN 115669340 A CN115669340 A CN 115669340A
- Authority
- CN
- China
- Prior art keywords
- oat
- growth
- yield
- potassium fertilizer
- fertilizer application
- 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
- 239000003337 fertilizer Substances 0.000 title claims abstract description 245
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 47
- 238000000034 method Methods 0.000 title claims abstract description 35
- KWYUFKZDYYNOTN-UHFFFAOYSA-M Potassium hydroxide Chemical compound [OH-].[K+] KWYUFKZDYYNOTN-UHFFFAOYSA-M 0.000 title claims abstract description 34
- 229940072033 potash Drugs 0.000 title claims abstract description 34
- 235000015320 potassium carbonate Nutrition 0.000 title claims abstract description 34
- BWHMMNNQKKPAPP-UHFFFAOYSA-L potassium carbonate Substances [K+].[K+].[O-]C([O-])=O BWHMMNNQKKPAPP-UHFFFAOYSA-L 0.000 title claims abstract description 34
- 235000007319 Avena orientalis Nutrition 0.000 claims abstract description 401
- 230000012010 growth Effects 0.000 claims abstract description 265
- ZLMJMSJWJFRBEC-UHFFFAOYSA-N Potassium Chemical compound [K] ZLMJMSJWJFRBEC-UHFFFAOYSA-N 0.000 claims abstract description 208
- 229910052700 potassium Inorganic materials 0.000 claims abstract description 208
- 239000011591 potassium Substances 0.000 claims abstract description 208
- 241000209761 Avena Species 0.000 claims abstract description 98
- 238000012360 testing method Methods 0.000 claims abstract description 81
- 244000075850 Avena orientalis Species 0.000 claims abstract 81
- 241000196324 Embryophyta Species 0.000 claims description 18
- 238000001035 drying Methods 0.000 claims description 9
- 238000005303 weighing Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 5
- 235000013399 edible fruits Nutrition 0.000 claims description 3
- 230000005789 organism growth Effects 0.000 claims description 3
- 238000003306 harvesting Methods 0.000 claims description 2
- 230000035800 maturation Effects 0.000 claims 2
- 102000004190 Enzymes Human genes 0.000 claims 1
- 108090000790 Enzymes Proteins 0.000 claims 1
- 241000209763 Avena sativa Species 0.000 description 233
- 230000006870 function Effects 0.000 description 20
- 238000003860 storage Methods 0.000 description 16
- 238000010586 diagram Methods 0.000 description 6
- 238000004590 computer program Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 235000020774 essential nutrients Nutrition 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 235000021393 food security Nutrition 0.000 description 1
- 239000004459 forage Substances 0.000 description 1
- 238000003895 groundwater pollution Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 235000016709 nutrition Nutrition 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000020477 pH reduction Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 241000894007 species Species 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Landscapes
- Cultivation Of Plants (AREA)
Abstract
本发明涉及肥料施放预测技术领域，一种适宜北方燕麦生产的钾肥用量预测方法及系统，包括：将12hm2燕麦试验田等分为12份，通过组合四组钾肥施放量与燕麦三个生长周期，得到12组钾肥施放量，分别在12份试验田内施放12组钾肥用量，并在成熟期计算燕麦生长指标及产量指标数值，经汇总整理后绘制钾肥施放量与燕麦生长指标及产量指标的走势图，并构建函数方程式拟合所述走势图，得到钾肥施放量与燕麦生长指标及产量指标的拟合方程式，将燕麦预期生长指标数值及产量指标数值代入所述拟合方程式，计算得到钾肥施放量，完成对适宜北方燕麦生产的钾肥用量预测。本发明可解决当前燕麦田钾肥施放量存在的决策科学性不足、与燕麦实际生长情况结合不紧密的问题。
Description
技术领域
本发明涉及肥料施放预测技术领域，尤其涉及一种适宜北方燕麦生产的钾肥用量预测方法及系统。
背景技术
东北地区在保障国家粮食安全方面具有重要地位，燕麦作为东北重要作物之一，如何在避免高水肥投入导致土地沙漠化、地下水污染以及土壤酸化等环境问题的前提下提升燕麦产量是东北地区以及国家粮食安全局亟需解决的问题。燕麦作为一种重要的粮饲兼用作物，具备较高的营养价值，钾肥作为燕麦生长必须的营养元素，目前关于燕麦田钾肥施放量主要依靠传统人工经验定期于燕麦田施放，缺乏与钾肥浓度、燕麦生长期、燕麦预期长势以及预期产量的结合。
发明内容
本发明提供一种适宜北方燕麦生产的钾肥用量预测方法、装置及计算机可读存储介质，其主要目的在于解决当前燕麦田钾肥施放量存在的决策科学性不足、与燕麦实际生长情况结合不紧密的问题。
为实现上述目的，本发明提供的一种适宜北方燕麦生产的钾肥用量预测方法，包括：
将12hm2的燕麦试验田等分为12份试验田，并按相同间距在所述12份试验田种植同一品种的燕麦；
设置四组钾肥施放量，并将所述四组钾肥施放量与燕麦三个生长周期相组合，得到十二组生长周期钾肥施放量；
按照所述十二组生长周期钾肥施放量分别在所述12份试验田内施放钾肥，并于燕麦成熟期计算12份试验田燕麦的生长指标及产量指标数值，其中生长指标通过计算燕麦单株叶面积得到，产量指标通过计算燕麦单位籽产量得到；
汇总整理所述12份试验田燕麦的生长指标及产量指标数值，并绘制得到所述燕麦三个生长周期的钾肥施放量与燕麦生长指标及产量指标的走势图；
构建函数方程式拟合上述走势图，得到所述燕麦三个生长周期的钾肥施放量与燕麦生长指标及产量指标的拟合方程式；
将燕麦预期生长指标数值及产量指标数值输入所述拟合方程式，倒推得到燕麦适宜钾肥施放量，完成对适宜北方燕麦生产的钾肥用量预测。
可选地，所述设置四组钾肥施放量，并将所述四组钾肥施放量与燕麦三个生长周期相组合，得到十二组生长周期钾肥施放量，包括：
设置所述燕麦试验田的四组钾肥施放量分别为0、50Kg·N·hm2、100Kg·N·hm2、150Kg·N·hm2；
将燕麦生长周期划分为拔节期、抽穗期、灌浆期以及成熟期，分别于所述拔节期、抽穗期以及灌浆期的三个生长周期内施放钾肥；
将所述四组钾肥施放量与所述燕麦三个生长期两两组合，共得到所述十二组生长周期钾肥施放量。
可选地，所述产量指标通过计算燕麦单位籽产量得到，包括：
在所述12份试验田内各收割0.5hm2燕麦成熟期作物，得到成熟燕麦作物；
手工分离所述成熟燕麦作物的果实，得到燕麦籽；
烘干所述燕麦籽，称重并计算得到燕麦单位籽产量的所述产量指标。
可选地，所述其中生长指标通过计算燕麦单株叶面积得到，包括：
在所述12份试验田中各采摘长势较好且均匀的燕麦10株，得到燕麦生物体；
构建如下公式计算所述燕麦生物体的单株叶面积：
其中，S为所述燕麦生物体生长指标的单株叶面积，ci为所述燕麦生物体单株叶片长度，di为所述燕麦生物体的单株叶片宽度，i为所述10株燕麦。
可选地，所述烘干所述燕麦籽，称重并计算得到燕麦单位籽产量，包括：
将所述燕麦籽在105摄氏度的杀青箱内杀青30min，得到杀青燕麦籽；
于80摄氏度的烘干箱内将所述杀青燕麦籽烘干至恒重，得到烘干燕麦籽；
利用天平称重所述烘干燕麦籽的质量，得到燕麦籽产量；
将所述燕麦籽产量输入预先构建好的模型中，计算得到所述燕麦单位籽产量。
可选地，所述汇总整理所述12份试验田燕麦的生长指标及产量指标数值，并绘制得到所述燕麦三个生长周期的钾肥施放量与燕麦生长指标及产量指标的走势图，包括：
将所述12份生长指标及产量指标数值按照燕麦三个生长周期整理汇总为3组钾肥施放量与生长指标数值对应的生长数据集、3组钾肥施放量与产量指标数值对应的产量数据集；
构建3个以钾肥施放量为x轴，燕麦生长指标为y轴的生长主题平面直角坐标系；
分别将3组所述生长数据集描绘在3个所述的生长主题平面直角坐标系中，得到3组生长数据坐标点；
利用平滑曲线分别连接所述3组生长数据坐标点，得到3组生长走势图；
构建3个以钾肥施放量为x轴，燕麦产量指标为y轴的产量主题平面直角坐标系；
分别将3组所述产量数据集描绘在3个所述的产量主题平面直角坐标系中，得到3组产量数据坐标点；
利用平滑曲线分别连接所述3组产量数据坐标点，得到3组产量走势图。
可选地，所述构建函数方程式拟合上述走势图，得到所述燕麦三个生长周期的钾肥施放量与燕麦生长指标及产量指标的拟合方程式，包括：
构建如下函数方程式拟合所述3组生长走势图与所述3组产量走势图：
其中，Yj为所述燕麦3组生长指标数值及3组产量指标数值，xj为所述3组钾肥施放量，aj、bj及kj为所述函数方程式的系数，j为所述燕麦三个生长周期，取值为1-3；
将所述3组生长数据坐标点、所述3组产量数据坐标点依次代入所述函数方程式，计算得到6组aj、bj及kj的值；
分别利用所述6组aj、bj及kj的值替换所述函数方程式的aj、bj及kj，得到3个所述钾肥施放量与燕麦生长指标的拟合方程式、3个所述钾肥施放量与燕麦产量指标的拟合方程式。
可选地，所述将燕麦预期生长指标数值及产量指标数值输入所述拟合方程式，倒推得到燕麦适宜钾肥施放量，包括：
将燕麦预期生长指标数值分别输入所述3个钾肥施放量与燕麦生长指标的拟合方程式，倒推得到所述燕麦预期生长指标数值在三个生长周期适宜的钾肥施放量；
将燕麦预期产量指标数值分别输入所述3个钾肥施放量与燕麦产量指标的拟合方程式，倒推得到所述燕麦预期产量指标数值在三个生长周期适宜的钾肥施放量。
可选地，所述将所述燕麦籽产量输入预先构建好的模型中，计算得到所述燕麦单位籽产量，包括：
构建如下模型计算所述燕麦单位籽产量：
其中，M为所述燕麦试验田的燕麦单位籽产量，m为天平称重得到的所述燕麦籽产量。
为了解决上述问题，本发明还提供一种适宜北方燕麦生产的钾肥用量预测装置，所述装置包括：
试验田划分种植模块，用于将12hm2的燕麦试验田等分为12份试验田，并按相同间距在所述12份试验田种植同一品种的燕麦；
钾肥施放量组合模块，用于设置四组钾肥施放量，并将所述四组钾肥施放量与燕麦三个生长周期相组合，得到十二组生长周期钾肥施放量；
燕麦生长指标及产量指标计算模块，用于按照所述十二组生长周期钾肥施放量分别在所述12份试验田内施放钾肥，并于燕麦成熟期计算12份试验田燕麦的生长指标及产量指标数值，其中生长指标通过计算燕麦单株叶面积得到，产量指标通过计算燕麦单位籽产量得到；
绘制走势图模块，用于汇总整理所述12份试验田燕麦的生长指标及产量指标数值，并绘制得到所述燕麦三个生长周期的钾肥施放量与燕麦生长指标及产量指标的走势图；
函数方程式拟合模块，用于构建函数方程式拟合上述走势图，得到所述燕麦三个生长周期的钾肥施放量与燕麦生长指标及产量指标的拟合方程式；
钾肥施放量预测模块，用于将燕麦预期生长指标数值及产量指标数值输入所述拟合方程式，倒推得到燕麦适宜钾肥施放量，完成对适宜北方燕麦生产的钾肥用量预测。
为了解决上述问题，本发明还提供一种电子设备，所述电子设备包括：
存储器，存储至少一个指令；及
处理器，执行所述存储器中存储的指令以实现上述所述的适宜北方燕麦生产的钾肥用量预测方法。
为了解决上述问题，本发明还提供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至少一个指令，所述至少一个指令被电子设备中的处理器执行以实现上述所述的适宜北方燕麦生产的钾肥用量预测方法。
本发明实施例为解决背景技术所述问题，首先将12hm2的燕麦试验田等分为12份试验田，并按相同间距在所述12份试验田种植同一品种的燕麦，其次，设置四组钾肥施放量，并将所述四组钾肥施放量与燕麦三个生长周期相组合，得到十二组生长周期钾肥施放量，然后，按照所述十二组生长周期钾肥施放量分别在所述12份试验田内施放钾肥，并于燕麦成熟期计算12份试验田燕麦的生长指标及产量指标数值，其中生长指标通过计算燕麦单株叶面积得到，产量指标通过计算燕麦单位籽产量得到，之后，汇总整理所述12份试验田燕麦的生长指标及产量指标数值，并绘制得到所述燕麦三个生长周期的钾肥施放量与燕麦生长指标及产量指标的走势图，随后，构建函数方程式拟合上述走势图，得到所述燕麦三个生长周期的钾肥施放量与燕麦生长指标及产量指标的拟合方程式。本发明实施例通过田野试验方式，探究燕麦不同生长周期燕麦生长指标及产量指标随钾肥施放量变化而发生的变化，通过对系列燕麦生长指标及产量指标、钾肥施放量的数据进行整理、汇总、拟合，得到所述燕麦三个生长周期的钾肥施放量与燕麦生长指标及产量指标的拟合方程式，解决了当前燕麦田钾肥施放量与燕麦实际生长情况结合不紧密的问题。最后，本发明实施例将燕麦预期生长指标数值及产量指标数值输入所述拟合方程式，倒推得到燕麦适宜钾肥施放量，完成对适宜北方燕麦生产的钾肥用量预测，解决当前燕麦田钾肥施放量存在的决策科学性不足的问题。因此本发明提出的适宜北方燕麦生产的钾肥用量预测方法、装置、电子设备及计算机可读存储介质，可以解决当前燕麦田钾肥施放量存在的决策科学性不足、与燕麦实际生长情况结合不紧密的问题。
附图说明
图1为本发明一实施例提供的适宜北方燕麦生产的钾肥用量预测方法的流程示意图；
图2为图1中一个步骤的详细实施流程示意图；
图3为图1中另一个步骤的详细实施流程示意图；
图4为本发明一实施例提供的适宜北方燕麦生产的钾肥用量预测装置的功能模块图；
图5为本发明一实施例提供的实现所述适宜北方燕麦生产的钾肥用量预测方法的电子设备的结构示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本申请实施例提供一种适宜北方燕麦生产的钾肥用量预测方法。所述适宜北方燕麦生产的钾肥用量预测方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之，所述适宜北方燕麦生产的钾肥用量预测方法可以由安装在终端设备或服务端设备的软件或硬件来执行。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。
参照图1所示，为本发明一实施例提供的适宜北方燕麦生产的钾肥用量预测方法的流程示意图。在本实施例中，所述适宜北方燕麦生产的钾肥用量预测方法包括：
S1、将12hm2的燕麦试验田等分为12份试验田，并按相同间距在所述12份试验田种植同一品种的燕麦。
应理解的是，本发明实施例通过将四组钾肥施放量与燕麦的三个生长周期相组合，可得到12种钾肥施放方式，为了准确地测算每种钾肥施放方式对燕麦生长指标及产量指标的影响，故本发明实施例选取所述12hm2的燕麦试验田，并等分为12份，其中每一份等分的试验田采用12种钾肥施放方式的一种，同时应解释的是，为了保证后续测算每份试验田燕麦生长指标及产量指标的准确性，在所述12份试验田应种植同一品种的燕麦且种植间距相同，排除掉燕麦品种和种植密度对燕麦生长指标及产量指标的测算误差。
S2、设置四组钾肥施放量，并将所述四组钾肥施放量与燕麦三个生长周期相组合，得到十二组生长周期钾肥施放量。
详细地，参阅图2所示，所述设置四组钾肥施放量，并将所述四组钾肥施放量与燕麦三个生长周期相组合，得到十二组生长周期钾肥施放量，包括：
S21、设置所述燕麦试验田的四组钾肥施放量分别为0、50Kg·N·hm2、100Kg·N·hm2、150Kg·N·hm2；
S22、将燕麦生长周期划分为拔节期、抽穗期、灌浆期以及成熟期，分别于所述拔节期、抽穗期以及灌浆期的三个生长周期内施放钾肥；
S23、将所述四组钾肥施放量与所述燕麦三个生长期两两组合，共得到所述十二组生长周期钾肥施放量。
可理解的是，本发明实施例将所述四组钾肥施放量与所述燕麦三个生长期两两组合得到的十二组生长周期钾肥施放量分别为：拔节期0、拔节期50Kg·N·hm2、拔节期100Kg·N·hm2、拔节期150Kg·N·hm2、抽穗期0、抽穗期50Kg·N·hm2、抽穗期100Kg·N·hm2、抽穗期150Kg·N·hm2、灌浆期0、灌浆期50Kg·N·hm2、灌浆期100Kg·N·hm2、灌浆期150Kg·N·hm2。
应知道的是，所述12份试验田将与所述十二组生长周期钾肥施放量一一对应。
S3、按照所述十二组生长周期钾肥施放量分别在所述12份试验田内施放钾肥，并于燕麦成熟期计算12份试验田燕麦的生长指标及产量指标数值，其中生长指标通过计算燕麦单株叶面积得到，产量指标通过计算燕麦单位籽产量得到。
详细地，参阅图3所示，所述产量指标通过计算燕麦单位籽产量得到，包括：
S31、在所述12份试验田内各收割0.5hm2燕麦成熟期作物，得到成熟燕麦作物；
S32、手工分离所述成熟燕麦作物的果实，得到燕麦籽；
S33、烘干所述燕麦籽，称重并计算得到燕麦单位籽产量的所述产量指标。
同时，所述其中生长指标通过计算燕麦单株叶面积得到，包括：
在所述12份试验田中各采摘长势较好且均匀的燕麦10株，得到燕麦生物体；
构建如下公式计算所述燕麦生物体的单株叶面积：
其中，S为所述燕麦生物体生长指标的单株叶面积，ci为所述燕麦生物体单株叶片长度，di为所述燕麦生物体的单株叶片宽度，i为所述10株燕麦。
进一步地，所述烘干所述燕麦籽，称重并计算得到燕麦单位籽产量，包括：
将所述燕麦籽在105摄氏度的杀青箱内杀青30min，得到杀青燕麦籽；
于80摄氏度的烘干箱内将所述杀青燕麦籽烘干至恒重，得到烘干燕麦籽；
利用天平称重所述烘干燕麦籽的质量，得到燕麦籽产量；
将所述燕麦籽产量输入预先构建好的模型中，计算得到所述燕麦单位籽产量。
需解释的是，构建计算所述燕麦单位籽产量的模型如下：
其中，M为所述燕麦试验田的燕麦单位籽产量，m为天平称重得到的所述燕麦籽产量。
应知道的是，在所述计算燕麦单位籽产量的模型种，0.5的系数为本发明实施例在燕麦成熟期各试验田收割所述成熟燕麦作物的面积0.5hm2。
需清楚的是，为了减少燕麦生长指标单株叶面积的测量误差，本发明实施例在各试验田采摘长势较好且均匀的燕麦10株，通过求所述10株燕麦的平均单株叶面积来提升测量准确性。
S4、汇总整理所述12份试验田燕麦的生长指标及产量指标数值，并绘制得到所述燕麦三个生长周期的钾肥施放量与燕麦生长指标及产量指标的走势图。
深入地，所述汇总整理所述12份试验田燕麦的生长指标及产量指标数值，并绘制得到所述燕麦三个生长周期的钾肥施放量与燕麦生长指标及产量指标的走势图，包括：
将所述12份生长指标及产量指标数值按照燕麦三个生长周期整理汇总为3组钾肥施放量与生长指标数值对应的生长数据集、3组钾肥施放量与产量指标数值对应的产量数据集；
构建3个以钾肥施放量为x轴，燕麦生长指标为y轴的生长主题平面直角坐标系；
分别将3组所述生长数据集描绘在3个所述的生长主题平面直角坐标系中，得到3组生长数据坐标点；
利用平滑曲线分别连接所述3组生长数据坐标点，得到3组生长走势图；
构建3个以钾肥施放量为x轴，燕麦产量指标为y轴的产量主题平面直角坐标系；
分别将3组所述产量数据集描绘在3个所述的产量主题平面直角坐标系中，得到3组产量数据坐标点；
利用平滑曲线分别连接所述3组产量数据坐标点，得到3组产量走势图。
应解释的是，所述十二组生长周期钾肥施放量按照燕麦三个生长周期，即拔节期、抽穗期、灌浆期可分为3组，第一组为：拔节期钾肥施放量0、50Kg·N·hm2、100Kg·N·hm2、150Kg·N·hm2；第二组为：抽穗期钾肥施放量0、50Kg·N·hm2、100Kg·N·hm2、150Kg·N·hm2；第三组为：灌浆期钾肥施放量0、50Kg·N·hm2、100Kg·N·hm2、150Kg·N·hm2。每一生长周期每一个钾肥施放量都对应一个燕麦的生长指标数值和一个产量指标数值，故本发明实施例共三个生长周期，按照所述三个生长周期可将所述12份生长指标及产量指标数值整理为所述3组钾肥施放量与生长指标数值对应的生长数据集、3组钾肥施放量与产量指标数值对应的产量数据集。每一组所述生长数据集包含4个钾肥施放量0、50Kg·N·hm2、100Kg·N·hm2、150Kg·N·hm2与4个生长指标数值，每一组所述产量数据集包含4个钾肥施放量0、50Kg·N·hm2、100Kg·N·hm2、150Kg·N·hm2与4个产量指标数值。
应知道的是，每组生长数据坐标点与每组产量数据坐标点各包含4个坐标点，通过连接4个坐标点，可以得到生长走势图与产量走势图。
S5、构建函数方程式拟合上述走势图，得到所述燕麦三个生长周期的钾肥施放量与燕麦生长指标及产量指标的拟合方程式。
具体地，所述构建函数方程式拟合上述走势图，得到所述燕麦三个生长周期的钾肥施放量与燕麦生长指标及产量指标的拟合方程式，包括：
构建如下函数方程式拟合所述3组生长走势图与所述3组产量走势图：
其中，Yj为所述燕麦3组生长指标数值及3组产量指标数值，xj为所述3组钾肥施放量，aj、bj及kj为所述函数方程式的系数，j为所述燕麦三个生长周期，取值为1-3；
将所述3组生长数据坐标点、所述3组产量数据坐标点依次代入所述函数方程式，计算得到6组aj、bj及kj的值；
分别利用所述6组aj、bj及kj的值替换所述函数方程式的aj、bj及kj，得到3个所述钾肥施放量与燕麦生长指标的拟合方程式、3个所述钾肥施放量与燕麦产量指标的拟合方程式。
需了解的是，每组走势图包含4个坐标点，将所述4个坐标点代入所述函数方程式，即可求得aj、bj及kj的值。
应知道的是，本发明实施例绘制得到了3组生长走势图与3组产量走势图，通过构建所述函数方程式拟合6组走势图，可得到6个拟合方程式，分别为燕麦拔节期钾肥施放量与生长指标拟合方程式；燕麦抽穗期钾肥施放量与生长指标拟合方程式；燕麦灌浆期钾肥施放量与生长指标拟合方程式；燕麦拔节期钾肥施放量与产量指标拟合方程式；燕麦抽穗期钾肥施放量与产量指标拟合方程式；燕麦灌浆期钾肥施放量与产量指标拟合方程式。
S6、将燕麦预期生长指标数值及产量指标数值输入所述拟合方程式，倒推得到燕麦适宜钾肥施放量，完成对适宜北方燕麦生产的钾肥用量预测。
详细地，所述将燕麦预期生长指标数值及产量指标数值输入所述拟合方程式，倒推得到燕麦适宜钾肥施放量，包括：
将燕麦预期生长指标数值分别输入所述3个钾肥施放量与燕麦生长指标的拟合方程式，倒推得到所述燕麦预期生长指标数值在三个生长周期适宜的钾肥施放量；
将燕麦预期产量指标数值分别输入所述3个钾肥施放量与燕麦产量指标的拟合方程式，倒推得到所述燕麦预期产量指标数值在三个生长周期适宜的钾肥施放量。
示例性的，将燕麦预期单株叶面积数值分别输入到燕麦拔节期钾肥施放量与生长指标拟合方程式、燕麦抽穗期钾肥施放量与生长指标拟合方程式、燕麦灌浆期钾肥施放量与生长指标拟合方程式，可反推计算得到燕麦每一生长周期内应施放的适宜钾肥量。
本发明实施例为解决背景技术所述问题，首先将12hm2的燕麦试验田等分为12份试验田，并按相同间距在所述12份试验田种植同一品种的燕麦，其次，设置四组钾肥施放量，并将所述四组钾肥施放量与燕麦三个生长周期相组合，得到十二组生长周期钾肥施放量，然后，按照所述十二组生长周期钾肥施放量分别在所述12份试验田内施放钾肥，并于燕麦成熟期计算12份试验田燕麦的生长指标及产量指标数值，其中生长指标通过计算燕麦单株叶面积得到，产量指标通过计算燕麦单位籽产量得到，之后，汇总整理所述12份试验田燕麦的生长指标及产量指标数值，并绘制得到所述燕麦三个生长周期的钾肥施放量与燕麦生长指标及产量指标的走势图，随后，构建函数方程式拟合上述走势图，得到所述燕麦三个生长周期的钾肥施放量与燕麦生长指标及产量指标的拟合方程式。本发明实施例通过田野试验方式，探究燕麦不同生长周期燕麦生长指标及产量指标随钾肥施放量变化而发生的变化，通过对系列燕麦生长指标及产量指标、钾肥施放量的数据进行整理、汇总、拟合，得到所述燕麦三个生长周期的钾肥施放量与燕麦生长指标及产量指标的拟合方程式，解决了当前燕麦田钾肥施放量与燕麦实际生长情况结合不紧密的问题。最后，本发明实施例将燕麦预期生长指标数值及产量指标数值输入所述拟合方程式，倒推得到燕麦适宜钾肥施放量，完成对适宜北方燕麦生产的钾肥用量预测，解决当前燕麦田钾肥施放量存在的决策科学性不足的问题。因此本发明提出的适宜北方燕麦生产的钾肥用量预测方法、装置、电子设备及计算机可读存储介质，可以解决当前燕麦田钾肥施放量存在的决策科学性不足、与燕麦实际生长情况结合不紧密的问题。
如图4所示，是本发明一实施例提供的适宜北方燕麦生产的钾肥用量预测装置的功能模块图。
本发明所述适宜北方燕麦生产的钾肥用量预测装置100可以安装于电子设备中。根据实现的功能，所述适宜北方燕麦生产的钾肥用量预测装置100可以包括试验田划分种植模块101、钾肥施放量组合模块102、燕麦生长指标及产量指标计算模块103、绘制走势图模块104、函数方程式拟合模块105及钾肥施放量预测模块106。本发明所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。
所述试验田划分种植模块101，用于将12hm2的燕麦试验田等分为12份试验田，并按相同间距在所述12份试验田种植同一品种的燕麦；
所述钾肥施放量组合模块102，用于设置四组钾肥施放量，并将所述四组钾肥施放量与燕麦三个生长周期相组合，得到十二组生长周期钾肥施放量；
所述燕麦生长指标及产量指标计算模块103，用于按照所述十二组生长周期钾肥施放量分别在所述12份试验田内施放钾肥，并于燕麦成熟期计算12份试验田燕麦的生长指标及产量指标数值，其中生长指标通过计算燕麦单株叶面积得到，产量指标通过计算燕麦单位籽产量得到；
所述绘制走势图模块104，用于汇总整理所述12份试验田燕麦的生长指标及产量指标数值，并绘制得到所述燕麦三个生长周期的钾肥施放量与燕麦生长指标及产量指标的走势图，；
所述函数方程式拟合模块105，用于构建函数方程式拟合上述走势图，得到所述燕麦三个生长周期的钾肥施放量与燕麦生长指标及产量指标的拟合方程式；
所述钾肥施放量预测模块106，用于将燕麦预期生长指标数值及产量指标数值输入所述拟合方程式，倒推得到燕麦适宜钾肥施放量，完成对适宜北方燕麦生产的钾肥用量预测。
详细地，本发明实施例中所述适宜北方燕麦生产的钾肥用量预测装置100中的所述各模块的使用具体实施方式与实施例1相同，在此不再赘述。
如图5所示，是本发明一实施例提供的实现适宜北方燕麦生产的钾肥用量预测方法的电子设备的结构示意图。
所述电子设备1可以包括处理器10、存储器11和总线12，还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序，如适宜北方燕麦生产的钾肥用量预测方法程序。
其中，所述存储器11至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如：SD或DX存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备1的内部存储单元，例如该电子设备1的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备1的外部存储设备，例如电子设备1上配备的插接式移动硬盘、智能存储卡(Smart Media Card，SMC)、安全数字(SecureDigital，SD)卡、闪存卡(Flash Card)等。进一步地，所述存储器11还可以既包括电子设备1的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备1的应用软件及各类数据，例如适宜北方燕麦生产的钾肥用量预测方法程序的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。
所述处理器10在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器(Central Processing unit，CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心(Control Unit)，利用各种接口和线路连接整个电子设备的各个部件，通过运行或执行存储在所述存储器11内的程序或者模块(例如适宜北方燕麦生产的钾肥用量预测方法程序等)，以及调用存储在所述存储器11内的数据，以执行电子设备1的各种功能和处理数据。
所述总线12可以是外设部件互连标准(peripheral component interconnect，简称PCI)总线或扩展工业标准结构(extended industry standard architecture，简称EISA)总线等。该总线12可以分为地址总线、数据总线、控制总线等。所述总线12被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
图5仅示出了具有部件的电子设备，本领域技术人员可以理解的是，图5示出的结构并不构成对所述电子设备1的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
例如，尽管未示出，所述电子设备1还可以包括给各个部件供电的电源(比如电池)，优选地，电源可以通过电源管理装置与所述至少一个处理器10逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备1还可以包括多种传感器、蓝牙模块、Wi-Fi模块等，在此不再赘述。
进一步地，所述电子设备1还可以包括网络接口，可选地，所述网络接口可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等)，通常用于在该电子设备1与其他电子设备之间建立通信连接。
可选地，该电子设备1还可以包括用户接口，用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard))，可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备1中处理的信息以及用于显示可视化的用户界面。
应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。
所述电子设备1中的所述存储器11存储的适宜北方燕麦生产的钾肥用量预测方法程序是多个指令的组合，在所述处理器10中运行时，可以实现：
将12hm2的燕麦试验田等分为12份试验田，并按相同间距在所述12份试验田种植同一品种的燕麦；
设置四组钾肥施放量，并将所述四组钾肥施放量与燕麦三个生长周期相组合，得到十二组生长周期钾肥施放量；
按照所述十二组生长周期钾肥施放量分别在所述12份试验田内施放钾肥，并于燕麦成熟期计算12份试验田燕麦的生长指标及产量指标数值，其中生长指标通过计算燕麦单株叶面积得到，产量指标通过计算燕麦单位籽产量得到；
汇总整理所述12份试验田燕麦的生长指标及产量指标数值，并绘制得到所述燕麦三个生长周期的钾肥施放量与燕麦生长指标及产量指标的走势图；
构建函数方程式拟合上述走势图，得到所述燕麦三个生长周期的钾肥施放量与燕麦生长指标及产量指标的拟合方程式；
将燕麦预期生长指标数值及产量指标数值输入所述拟合方程式，倒推得到燕麦适宜钾肥施放量，完成对适宜北方燕麦生产的钾肥用量预测。
具体地，所述处理器10对上述指令的具体实现方法可参考图1至图5对应实施例中相关步骤的描述，在此不赘述。
进一步地，所述电子设备1集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读存储介质中。所述计算机可读存储介质可以是易失性的，也可以是非易失性的。例如，所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)。
本发明还提供一种计算机可读存储介质，所述可读存储介质存储有计算机程序，所述计算机程序在被电子设备的处理器所执行时，可以实现：
将12hm2的燕麦试验田等分为12份试验田，并按相同间距在所述12份试验田种植同一品种的燕麦；
设置四组钾肥施放量，并将所述四组钾肥施放量与燕麦三个生长周期相组合，得到十二组生长周期钾肥施放量；
按照所述十二组生长周期钾肥施放量分别在所述12份试验田内施放钾肥，并于燕麦成熟期计算12份试验田燕麦的生长指标及产量指标数值，其中生长指标通过计算燕麦单株叶面积得到，产量指标通过计算燕麦单位籽产量得到；
汇总整理所述12份试验田燕麦的生长指标及产量指标数值，并绘制得到所述燕麦三个生长周期的钾肥施放量与燕麦生长指标及产量指标的走势图；
构建函数方程式拟合上述走势图，得到所述燕麦三个生长周期的钾肥施放量与燕麦生长指标及产量指标的拟合方程式；
将燕麦预期生长指标数值及产量指标数值输入所述拟合方程式，倒推得到燕麦适宜钾肥施放量，完成对适宜北方燕麦生产的钾肥用量预测。
在本发明所提供的几个实施例中，应该理解到，所揭露的设备，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。
因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第二等词语用来表示名称，而并不表示任何特定的顺序。
最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。
Claims (10)
1.一种适宜北方燕麦生产的钾肥用量预测方法，其特征在于，所述方法，包括：
将12hm2的燕麦试验田等分为12份试验田，并按相同间距在所述12份试验田种植同一品种的燕麦；
设置四组钾肥施放量，并将所述四组钾肥施放量与燕麦三个生长周期相组合，得到十二组生长周期钾肥施放量；
按照所述十二组生长周期钾肥施放量分别在所述12份试验田内施放钾肥，并于燕麦成熟期计算12份试验田燕麦的生长指标及产量指标数值，其中生长指标通过计算燕麦单株叶面积得到，产量指标通过计算燕麦单位籽产量得到；
汇总整理所述12份试验田燕麦的生长指标及产量指标数值，并绘制得到所述燕麦三个生长周期的钾肥施放量与燕麦生长指标及产量指标的走势图；
构建函数方程式拟合上述走势图，得到所述燕麦三个生长周期的钾肥施放量与燕麦生长指标及产量指标的拟合方程式；
将燕麦预期生长指标数值及产量指标数值输入所述拟合方程式，倒推得到燕麦适宜钾肥施放量，完成对适宜北方燕麦生产的钾肥用量预测。
2.如权利要求1所述的适宜北方燕麦生产的钾肥用量预测方法，其特征在于，所述设置四组钾肥施放量，并将所述四组钾肥施放量与燕麦三个生长周期相组合，得到十二组生长周期钾肥施放量，包括：
设置所述燕麦试验田的四组钾肥施放量分别为0、50Kg·N·hm2、100Kg·N·hm2、150Kg·N·hm2；
将燕麦生长周期划分为拔节期、抽穗期、灌浆期以及成熟期，分别于所述拔节期、抽穗期以及灌浆期的三个生长周期内施放钾肥；
将所述四组钾肥施放量与所述燕麦三个生长期两两组合，共得到所述十二组生长周期钾肥施放量。
3.如权利要求1所述的适宜北方燕麦生产的钾肥用量预测方法，其特征在于，所述产量指标通过计算燕麦单位籽产量得到，包括：
在所述12份试验田内各收割0.5hm2燕麦成熟期作物，得到成熟燕麦作物；
手工分离所述成熟燕麦作物的果实，得到燕麦籽；
烘干所述燕麦籽，称重并计算得到燕麦单位籽产量的所述产量指标。
4.如权利要求1所述的适宜北方燕麦生产的钾肥用量预测方法，其特征在于，所述其中生长指标通过计算燕麦单株叶面积得到，包括：
在所述12份试验田中各采摘长势较好且均匀的燕麦10株，得到燕麦生物体；
构建如下公式计算所述燕麦生物体的单株叶面积：
其中，S为所述燕麦生物体生长指标的单株叶面积，ci为所述燕麦生物体单株叶片长度，di为所述燕麦生物体的单株叶片宽度，i为所述10株燕麦。
5.如权利要求3所述的适宜北方燕麦生产的钾肥用量预测方法，其特征在于，所述烘干所述燕麦籽，称重并计算得到燕麦单位籽产量，包括：
将所述燕麦籽在105摄氏度的杀青箱内杀青30min，得到杀青燕麦籽；
于80摄氏度的烘干箱内将所述杀青燕麦籽烘干至恒重，得到烘干燕麦籽；
利用天平称重所述烘干燕麦籽的质量，得到燕麦籽产量；
将所述燕麦籽产量输入预先构建好的模型中，计算得到所述燕麦单位籽产量。
6.如权利要求1所述的适宜北方燕麦生产的钾肥用量预测方法，其特征在于，所述汇总整理所述12份试验田燕麦的生长指标及产量指标数值，并绘制得到所述燕麦三个生长周期的钾肥施放量与燕麦生长指标及产量指标的走势图，包括：
将所述12份生长指标及产量指标数值按照燕麦三个生长周期整理汇总为3组钾肥施放量与生长指标数值对应的生长数据集、3组钾肥施放量与产量指标数值对应的产量数据集；
构建3个以钾肥施放量为x轴，燕麦生长指标为y轴的生长主题平面直角坐标系；
分别将3组所述生长数据集描绘在3个所述的生长主题平面直角坐标系中，得到3组生长数据坐标点；
利用平滑曲线分别连接所述3组生长数据坐标点，得到3组生长走势图；
构建3个以钾肥施放量为x轴，燕麦产量指标为y轴的产量主题平面直角坐标系；
分别将3组所述产量数据集描绘在3个所述的产量主题平面直角坐标系中，得到3组产量数据坐标点；
利用平滑曲线分别连接所述3组产量数据坐标点，得到3组产量走势图。
7.如权利要求1所述的适宜北方燕麦生产的钾肥用量预测方法，其特征在于，所述构建函数方程式拟合上述走势图，得到所述燕麦三个生长周期的钾肥施放量与燕麦生长指标及产量指标的拟合方程式，包括：
构建如下函数方程式拟合所述3组生长走势图与所述3组产量走势图：
其中，Yj为所述燕麦3组生长指标数值及3组产量指标数值，xj为所述3组钾肥施放量，aj、bj及kj为所述函数方程式的系数，j为所述燕麦三个生长周期，取值为1-3；
将所述3组生长数据坐标点、所述3组产量数据坐标点依次代入所述函数方程式，计算得到6组aj、bj及kj的值；
分别利用所述6组aj、bj及kj的值替换所述函数方程式的aj、bj及kj，得到3个所述钾肥施放量与燕麦生长指标的拟合方程式、3个所述钾肥施放量与燕麦产量指标的拟合方程式。
8.如权利要求1所述的适宜北方燕麦生产的钾肥用量预测方法，其特征在于，所述将燕麦预期生长指标数值及产量指标数值输入所述拟合方程式，倒推得到燕麦适宜钾肥施放量，包括：
将燕麦预期生长指标数值分别输入所述3个钾肥施放量与燕麦生长指标的拟合方程式，倒推得到所述燕麦预期生长指标数值在三个生长周期适宜的钾肥施放量；
将燕麦预期产量指标数值分别输入所述3个钾肥施放量与燕麦产量指标的拟合方程式，倒推得到所述燕麦预期产量指标数值在三个生长周期适宜的钾肥施放量。
9.如权利要求5所述的适宜北方燕麦生产的钾肥用量预测方法，其特征在于，所述将所述燕麦籽产量输入预先构建好的模型中，计算得到所述燕麦单位籽产量，包括：
构建如下模型计算所述燕麦单位籽产量：
其中，M为所述燕麦试验田的燕麦单位籽产量，m为天平称重得到的所述燕麦籽产量。
10.一种适宜北方燕麦生产的钾肥用量预测装置，其特征在于，所述装置包括：
试验田划分种植模块，用于将12hm2的燕麦试验田等分为12份试验田，并按相同间距在所述12份试验田种植同一品种的燕麦；
钾肥施放量组合模块，用于设置四组钾肥施放量，并将所述四组钾肥施放量与燕麦三个生长周期相组合，得到十二组生长周期钾肥施放量；
燕麦生长指标及产量指标计算模块，用于按照所述十二组生长周期钾肥施放量分别在所述12份试验田内施放钾肥，并于燕麦成熟期计算12份试验田燕麦的生长指标及产量指标数值，其中生长指标通过计算燕麦单株叶面积得到，产量指标通过计算燕麦单位籽产量得到；
绘制走势图模块，用于汇总整理所述12份试验田燕麦的生长指标及产量指标数值，并绘制得到所述燕麦三个生长周期的钾肥施放量与燕麦生长指标及产量指标的走势图；
函数方程式拟合模块，用于构建函数方程式拟合上述走势图，得到所述燕麦三个生长周期的钾肥施放量与燕麦生长指标及产量指标的拟合方程式；
钾肥施放量预测模块，用于将燕麦预期生长指标数值及产量指标数值输入所述拟合方程式，倒推得到燕麦适宜钾肥施放量，完成对适宜北方燕麦生产的钾肥用量预测。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211183358.3A CN115669340A (zh) | 2022-09-27 | 2022-09-27 | 适宜北方燕麦生产的钾肥用量预测方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211183358.3A CN115669340A (zh) | 2022-09-27 | 2022-09-27 | 适宜北方燕麦生产的钾肥用量预测方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115669340A true CN115669340A (zh) | 2023-02-03 |
Family
ID=85062172
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211183358.3A Pending CN115669340A (zh) | 2022-09-27 | 2022-09-27 | 适宜北方燕麦生产的钾肥用量预测方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115669340A (zh) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1251737A (zh) * | 1998-09-09 | 2000-05-03 | 株式会社佐竹制作所 | 确定谷物施肥量品质产量的方法及提供其生产信息的设备 |
| CN111615901A (zh) * | 2020-04-30 | 2020-09-04 | 北京农业信息技术研究中心 | 一种果树施肥量预测方法及系统 |
| CN112005679A (zh) * | 2020-08-20 | 2020-12-01 | 大连理工大学 | 一种精准农业的水肥一体化分配方法 |
-
2022
- 2022-09-27 CN CN202211183358.3A patent/CN115669340A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1251737A (zh) * | 1998-09-09 | 2000-05-03 | 株式会社佐竹制作所 | 确定谷物施肥量品质产量的方法及提供其生产信息的设备 |
| CN111615901A (zh) * | 2020-04-30 | 2020-09-04 | 北京农业信息技术研究中心 | 一种果树施肥量预测方法及系统 |
| CN112005679A (zh) * | 2020-08-20 | 2020-12-01 | 大连理工大学 | 一种精准农业的水肥一体化分配方法 |
Non-Patent Citations (2)
| Title |
|---|
| 曹宏鑫, 董玉红, 孙立荣, 王法宏, 张立民, 徐建华, 高亮之: "作物模拟技术在小麦栽培中应用的研究", 中国农业科学, vol. 36, no. 3, 31 March 2003 (2003-03-31), pages 342 - 348 * |
| 高欣梅;高前慧;温丽;冷庭瑞;孙乌日娜;福英;王崴;: "播种期和施肥对燕麦干物质积累及经济产量的影响", 北方农业学报, no. 2, 30 June 2018 (2018-06-30) * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111126662B (zh) | 基于大数据的灌溉决策制定方法、装置、服务器和介质 | |
| CN110245444A (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 | |
| CN116595333A (zh) | 土壤-气候智慧型的水稻目标产量与氮肥用量确定方法 | |
| CN114391351A (zh) | 变量施肥决策方法及装置 | |
| CN115617089A (zh) | 基于传感器状态变化的温度控制方法、装置、设备及介质 | |
| CN110414858B (zh) | 一种基于区块链技术的优质稻谷收储作业5t管理方法 | |
| CN115669340A (zh) | 适宜北方燕麦生产的钾肥用量预测方法及系统 | |
| CN110400097A (zh) | 一种测土施肥的一种信息化方法 | |
| Li et al. | A regional analysis model of maize kernel moisture | |
| CN113255999A (zh) | 基于多模型的农作物产量评估方法、装置、设备及介质 | |
| CN114490586A (zh) | 一种基于区块链的医疗信息安全存储协作系统 | |
| CN110036738B (zh) | 一种基于秸秆还田的中稻钾肥用量预测方法及系统 | |
| CN115316340B (zh) | 基于生化指标的牦牛犏牛育肥方法、装置、设备及介质 | |
| CN118246713A (zh) | 基于多要素的农业耕地灌溉用水量客观计算方法及系统 | |
| CN107291767A (zh) | 任务执行时间的优化处理方法和装置 | |
| CN111667167B (zh) | 一种农业粮食产量估算方法和系统 | |
| CN115796710B (zh) | 电力物资智能抽检方法、装置、电子设备及可读存储介质 | |
| Bo et al. | Systems mapping: how to map genes for biomass allocation toward an ideotype | |
| CN115392884A (zh) | 基于微生物菌肥的燕麦培育方法、装置、设备及存储介质 | |
| Dongming et al. | Research on the precise fertilization based on mapreduce model for bp neural network field | |
| CN114385967B (zh) | 农作物品种试验设计方法及装置 | |
| CN114418787B (zh) | 作物育种材料播种方案生成方法及装置 | |
| CN115508509B (zh) | 一种大豆苗期耐低氮能力评价方法 | |
| CN103645107A (zh) | 家蚕蚕茧优选检测方法及系统 | |
| CN118504716B (zh) | 测流模型参数率定方法、装置 |
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 |