CN108961092A - 基于品种试验和环境相似度的品种推广区域分析方法 - Google Patents
基于品种试验和环境相似度的品种推广区域分析方法 Download PDFInfo
- Publication number
- CN108961092A CN108961092A CN201810737468.7A CN201810737468A CN108961092A CN 108961092 A CN108961092 A CN 108961092A CN 201810737468 A CN201810737468 A CN 201810737468A CN 108961092 A CN108961092 A CN 108961092A
- Authority
- CN
- China
- Prior art keywords
- data
- variety
- years
- breeding time
- meteorological
- 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
- 238000012360 testing method Methods 0.000 title claims abstract description 51
- 238000004458 analytical method Methods 0.000 title claims abstract description 27
- 238000009395 breeding Methods 0.000 claims abstract description 41
- 230000001488 breeding effect Effects 0.000 claims abstract description 41
- 230000001737 promoting effect Effects 0.000 claims abstract description 22
- 238000011161 development Methods 0.000 claims abstract description 10
- 230000010354 integration Effects 0.000 claims abstract description 9
- 238000007619 statistical method Methods 0.000 claims abstract description 7
- 238000000034 method Methods 0.000 claims description 15
- 230000008569 process Effects 0.000 claims description 7
- 241000607479 Yersinia pestis Species 0.000 claims description 3
- 201000010099 disease Diseases 0.000 claims description 3
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 3
- 238000003860 storage Methods 0.000 claims description 3
- 241000894007 species Species 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
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
- 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
- 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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Life Sciences & Earth Sciences (AREA)
- Primary Health Care (AREA)
- Animal Husbandry (AREA)
- General Health & Medical Sciences (AREA)
- Mining & Mineral Resources (AREA)
- Marine Sciences & Fisheries (AREA)
- Agronomy & Crop Science (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提出了一种基于品种试验和环境相似度的品种推广区域分析方法,包括:收集气象数据和作物品种多年多试验点品种试验数据;对数据进行预处理,将数据文件整合处理成预设规格的数据文件;由大数据平台根据收集的多年多点生育期数据,并结合历年气象数据推算出生育期发展规律算法;计算出全国生育期时间范围;查找出表现优异的高产量区域和年份;查询出高产量试验点的历年生育期内气象数据进行统计分析;推算出适宜品种推广的区域算法;分析得出全国的适宜推广区域相似度;对全国的适宜推广区域相似度数据进行统计分析,发现全国适宜推广区域相似度达到预设比例以上的区域。本发明有效的指出品种适宜推广的区域,保证数据的正确性和时效性。
Description
技术领域
本发明涉及农业数据分析技术领域,特别涉及一种基于品种试验和环境相似度的品种推广区域分析方法。
背景技术
农业是国民经济的基础,在我国,种植业是农业的主体。种植业受自然条件的影响很大,要有足够的供农作物生长所需的光照、热量和水分,我国的种植业区也主要分布在湿润、半湿润的东部季风区的平原、盆地和丘陵区。受气候条件的影响,我国南方和北方的农业在耕作制度、农作物种类等方面有明显的差异。而且我主要种植作物较多,现代作物品种适宜区推广大多依靠育种家与种业公司以往经验进行人为判断。这样导致的结果是种植风险大,新型作物品种推广较慢。
发明内容
本发明的目的旨在至少解决所述技术缺陷之一。
为此,本发明的目的在于提出一种基于品种试验和环境相似度的品种推广区域分析方法,有效的指出品种适宜推广的区域,并且保证数据的正确性和时效性
为了实现上述目的,本发明的实施例提供一种基于品种试验和环境相似度的品种推广区域分析方法,包括如下步骤:
步骤S1,收集气象数据和作物品种多年多试验点品种试验数据,并以文件形式存储到服务器中;
步骤S2,对数据进行预处理,将数据文件整合处理成预设规格的数据文件,由大数据平台定时获取上述数据文件并存储到数据库中;
步骤S3,由所述大数据平台根据收集的多年多点生育期数据,并结合历年气象数据推算出生育期发展规律算法;根据生育期发展规律算法计算出全国生育期时间范围;
步骤S4,根据多年多点试验数据进行筛选,查找出表现优异的高产量区域和年份;
步骤S5,通过高产量的区域和年份查询出高产量试验点的历年生育期内气象数据进行统计分析;
步骤S6,通过多年多点高产区域的历年生育期内气象数据反复验证,得出品种适宜的气候条件指标和所占权重比例;通过指标和权重比例推算出适宜品种推广的区域算法;
步骤S7,根据适宜品种推广的区域算法、全国实时生育期数据、实时预报气象数据进行推算,分析得出全国的适宜推广区域相似度;
步骤S8,对全国的适宜推广区域相似度数据进行统计分析,发现全国适宜推广区域相似度达到预设比例以上的区域。
进一步,在所述步骤S1中,所述气象数据包括:历年气象数据、站点气象数据、格网小时气象数据和格网日气象数据。
进一步,在所述步骤S1中,所述多年多试验点品种试验数据包括:生育期,病虫害,气象灾害,作物长势,产量。
进一步,在所述步骤S2中,所述将数据文件整合处理,包括如下步骤:
将历史站点气象数据和实时格网气象数据进行站点格网化;
将多年多点品种信息数据进行试验点格网化;
对上述站点格网化的数据和试验点格网化的数据进行预处理,生成数据文件,并由大数据平台存储至数据库完成数据整理,统一进行管理。
进一步,在所述步骤S3中,根据多年多点试验生育期数据,结合历史气象数据,统计不同年份相同生育期内的有效积温规则,推算生育期发生条件。
进一步,在所述步骤S8中,所述预设比例为70%~90%。
根据本发明实施例的基于品种试验和环境相似度的品种推广区域分析方法,通过收集多年多点品种试验和全国历史实时栅格气象数据,并将数据整理存储到服务器,利用大量数据反复验证品种在多年多点的表现与气象数据指标的关联关系与权重比例。利用气象指标关系与所占权重比例以环境相似度的方式查找出全国的适宜品种推广区域的方法。本发明对基于分布全国多地的作物品种试验点的多年培育作物品种的经验与全国栅格式的多年气象数据进行整合分析,可以高效准确的定位品种适宜推广的区域,能够快速的研发新型作物品种并且高速的在全国区域内进行适宜区推广。本发明可以有效的指出品种适宜推广的区域,并且通过人工多年多点品种数据采集和气象数据实时整理运算,保证数据的正确性和时效性。
本发明附加的方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解,其中:
图1为根据本发明实施例的基于品种试验和环境相似度的品种推广区域分析方法的流程图;
图2为根据本发明实施例的多年多点试验数据和气象数据的采集和整合管理流程图;
图3为根据本发明实施例的生育期预测的示意图;
图4为根据本发明实施例的全国品种推广区域分析方法的示意图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,旨在用于解释本发明,而不能理解为对本发明的限制。
本发明提出一种基于品种试验和环境相似度的品种推广区域分析方法,涉及多年多点试验品种数据采集和多年全国气象数据整理。
如图1所示,本发明实施例的基于品种试验和环境相似度的品种推广区域分析方法,包括如下步骤:
步骤S1,收集气象数据和作物品种多年多试验点品种试验数据,并以文件形式存储到服务器中。
其中,气象数据包括:历年气象数据、站点气象数据、格网小时气象数据和格网日气象数据。多年多试验点品种试验数据包括:生育期,病虫害,气象灾害,作物长势,产量。
步骤S2,对数据进行预处理,将数据文件整合处理成预设规格的数据文件,由大数据平台定时获取上述数据文件并存储到数据库中。在步骤S2中,定制数据文件规则,生成TXT格式文件。
具体的,如图2所示,将数据文件整合处理,包括如下步骤:
步骤S21,将历史站点气象数据和实时格网气象数据进行站点格网化;
步骤S22,将多年多点品种信息数据进行试验点格网化;
步骤S23,对上述站点格网化的数据和试验点格网化的数据进行预处理,生成数据文件;
步骤S24,由大数据平台存储至数据库完成数据整理,统一进行管理。
步骤S3,由大数据平台根据收集的多年多点生育期数据,并结合历年气象数据推算出生育期发展规律算法,根据生育期发展规律算法计算出全国生育期时间范围。
如图3所示,根据多年多点试验生育期数据,结合历史气象数据,发现生育期发展所需的气象指标和权重比例(步骤S31),统计不同年份相同生育期内的有效积温规则,推算生育期发生条件。通过生育期发生条件,定义生育期发生算法(步骤S32)。获取实时预报气象数据(步骤S33),根据定义的生育期算法,进行近期全国生育期预测(步骤S34)。
步骤S4,根据多年多点试验数据进行筛选,查找出表现优异的高产量区域和年份。
步骤S5,通过高产量的区域和年份查询出表现出高产量的历年气象数据进行统计分析。
步骤S6,通过多年多点高产区域的历年生育期内气象数据反复验证,得出品种适宜的气候条件指标和所占权重比例;通过指标和权重比例推算出适宜品种推广的区域算法。
步骤S7,根据适宜推广区域算法、全国实时生育期数据、实时预报气象数据进行推算,分析得出全国格网式的适宜推广区域相似度。
步骤S8,对全国格网气候相似度数据进行统计分析,发现全国适宜推广区域相似度达到预设比例以上的区域;在本发明的一个实施例中,预设比例为70%~90%。优选的,预设比例为80%。
参考图4,根据高产区域和年份结合历史气象数据统计整合发现该品种适宜推广区域气候特点以及相关气候指标和权重占比(步骤S41);根据已得出的适宜推广区气候数据指标以及权重占比进行算法推算(步骤S42),结合全国实时生育期数据和实时预报气象数据,计算全国品种适宜推广区域指数(步骤S43),找到全国范围与适宜推广区域相似度达到80%以上的区域(步骤S44),通过环境相似度的方式查找出全国区域内适合该品种的推广区。
本发明提出一种基于作物品种试验和环境相似度的品种推广区域分析方法,具有以下功能:
(1)定义数据规范,生成有规则的数据文件统一管理多年多点作物品种数据和气象数据。
(2)大量数据分析多年多点高产区域品种信息与气象数据指标关联关系与权重比例,定义品种适宜推广区域算法。
(3)基于品种适宜推广区域算法结合实时全国气象推算全国品种适宜推广指数,排序筛选适宜推广指数在80%以上的区域进行品种推广。
本发明可以实现不同作物品种全国范围内适宜推广的区域划分的方法。该方法可以适用于不同的作物品种推广以及不同品种的适宜区数据和气象提供。
根据本发明实施例的基于品种试验和环境相似度的品种推广区域分析方法,通过收集多年多点品种试验和全国历史实时栅格气象数据,并将数据整理存储到服务器,利用大量数据反复验证品种在多年多点的表现与气象数据指标的关联关系与权重比例。利用气象指标关系与所占权重比例以环境相似度的方式查找出全国的适宜品种推广区域的方法。本发明对基于分布全国多地的作物品种试验点的多年培育作物品种的经验与全国栅格式的多年气象数据进行整合分析,可以高效准确的定位品种适宜推广的区域,能够快速的研发新型作物品种并且高速的在全国区域内进行适宜区推广。本发明可以有效的指出品种适宜推广的区域,并且通过人工多年多点品种数据采集和气象数据实时整理运算,保证数据的正确性和时效性。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在不脱离本发明的原理和宗旨的情况下在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。本发明的范围由所附权利要求极其等同限定。
Claims (6)
1.一种基于品种试验和环境相似度的品种推广区域分析方法,其特征在于,包括如下步骤:
步骤S1,收集气象数据和作物品种多年多试验点品种试验数据,并以文件形式存储到服务器中;
步骤S2,对数据进行预处理,将数据文件整合处理成预设规格的数据文件,由大数据平台定时获取上述数据文件并存储到数据库中;
步骤S3,由所述大数据平台根据收集的多年多点生育期数据,并结合历年气象数据推算出生育期发展规律算法;根据生育期发展规律算法计算出全国生育期时间范围;
步骤S4,根据多年多点试验数据进行筛选,查找出表现优异的高产量区域和年份;
步骤S5,通过高产量的区域和年份查询出高产量试验点的历年生育期内气象数据进行统计分析;
步骤S6,通过多年多点高产区域的历年生育期内气象数据反复验证,得出品种适宜的气候条件指标和所占权重比例;通过指标和权重比例推算出适宜品种推广的区域算法;
步骤S7,根据适宜品种推广的区域算法、全国实时生育期数据、实时预报气象数据进行推算,分析得出全国的适宜推广区域相似度;
步骤S8,对全国的适宜推广区域相似度数据进行统计分析,发现全国适宜推广区域相似度达到预设比例以上的区域。
2.如权利要求1所述的基于品种试验和环境相似度的品种推广区域分析方法,其特征在于,在所述步骤S1中,所述气象数据包括:历年气象数据、站点气象数据、格网小时气象数据和格网日气象数据。
3.如权利要求1所述的基于品种试验和环境相似度的品种推广区域分析方法,其特征在于,在所述步骤S1中,所述多年多试验点品种试验数据包括:生育期,病虫害,气象灾害,作物长势,产量。
4.如权利要求1所述的基于品种试验和环境相似度的品种推广区域分析方法,其特征在于,在所述步骤S2中,所述将数据文件整合处理,包括如下步骤:
将历史站点气象数据和实时格网气象数据进行站点格网化;
将多年多点品种信息数据进行试验点格网化;
对上述站点格网化的数据和试验点格网化的数据进行预处理,生成数据文件,并由大数据平台存储至数据库完成数据整理,统一进行管理。
5.如权利要求1所述的基于品种试验和环境相似度的品种推广区域分析方法,其特征在于,在所述步骤S3中,根据多年多点试验生育期数据,结合历史气象数据,统计不同年份相同生育期内的有效积温规则,推算生育期发生条件。
6.如权利要求1所述的基于品种试验和环境相似度的品种推广区域分析方法,其特征在于,在所述步骤S8中,所述预设比例为70%~90%。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810737468.7A CN108961092A (zh) | 2018-07-06 | 2018-07-06 | 基于品种试验和环境相似度的品种推广区域分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810737468.7A CN108961092A (zh) | 2018-07-06 | 2018-07-06 | 基于品种试验和环境相似度的品种推广区域分析方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108961092A true CN108961092A (zh) | 2018-12-07 |
Family
ID=64483466
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810737468.7A Pending CN108961092A (zh) | 2018-07-06 | 2018-07-06 | 基于品种试验和环境相似度的品种推广区域分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108961092A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111695785A (zh) * | 2020-05-21 | 2020-09-22 | 洛阳农林科学院 | 一种评价农作物品种高产稳产的方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003047340A (ja) * | 2001-08-08 | 2003-02-18 | Hitachi Ltd | 作物観察用模擬環境装置及び制御方法 |
CN103886409A (zh) * | 2014-03-13 | 2014-06-25 | 汕头大学 | 农业种植辅助决策*** |
US20160224703A1 (en) * | 2015-01-30 | 2016-08-04 | AgriSight, Inc. | Growth stage determination system and method |
-
2018
- 2018-07-06 CN CN201810737468.7A patent/CN108961092A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003047340A (ja) * | 2001-08-08 | 2003-02-18 | Hitachi Ltd | 作物観察用模擬環境装置及び制御方法 |
CN103886409A (zh) * | 2014-03-13 | 2014-06-25 | 汕头大学 | 农业种植辅助决策*** |
US20160224703A1 (en) * | 2015-01-30 | 2016-08-04 | AgriSight, Inc. | Growth stage determination system and method |
Non-Patent Citations (2)
Title |
---|
宋迎波 等: "中国油菜产量动态预报方法研究", 气象, vol. 34, no. 3, 31 March 2008 (2008-03-31), pages 93 - 99 * |
易雪 等: "早稻产量动态集成预报方法研究", 中国水稻科学, vol. 25, no. 3, 10 May 2011 (2011-05-10), pages 307 - 313 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111695785A (zh) * | 2020-05-21 | 2020-09-22 | 洛阳农林科学院 | 一种评价农作物品种高产稳产的方法 |
CN111695785B (zh) * | 2020-05-21 | 2024-01-09 | 洛阳农林科学院 | 一种评价农作物品种高产稳产的方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wypych et al. | Variability of growing degree days in Poland in response to ongoing climate changes in Europe | |
CN109934515B (zh) | 一种作物精量灌溉决策方法及*** | |
US20190254242A1 (en) | Controlling agricultural production areas | |
Winsemius et al. | The potential value of seasonal forecasts in a changing climate in southern Africa | |
Rea et al. | Phenological models for blooming of apple in a mountainous region | |
Wang et al. | Increased uncertainty in simulated maize phenology with more frequent supra-optimal temperature under climate warming | |
CN112215716A (zh) | 农作物生长干预方法、装置、设备及存储介质 | |
Hernández-Ceballos et al. | Cluster analysis of intradiurnal holm oak pollen cycles at peri-urban and rural sampling sites in southwestern Spain | |
Cunha et al. | A comparative study of vineyard phenology and pollen metrics extracted from airborne pollen time series | |
Lou et al. | Effects of climate change on the economic output of the Longjing-43 tea tree, 1972–2013 | |
Nadler et al. | Long-term changes in heat and moisture related to corn production on the Canadian Prairies | |
Campbell-Clause | Stomatal response of grapevines to wind | |
Stepalska et al. | The phenological phases of flowering and pollen seasons of spring flowering tree taxa against a background of meteorological conditions in Kraków, Poland | |
Ahmed | Climatic change impacts on growing degree days and climatologically suitable cropping areas in the Eastern Nile Basin | |
Salam et al. | G1 Blackspot Manager model predicts the maturity and release of ascospores in relation to ascochyta blight on field pea | |
Tani et al. | Characteristics of energy exchange and surface conductance of a tropical rain forest in Peninsular Malaysia | |
CN108961092A (zh) | 基于品种试验和环境相似度的品种推广区域分析方法 | |
US20100286973A1 (en) | Real-Time Process For Targeting Trait Phenotyping of Plant Breeding Experiments | |
Freitas et al. | Adaptation, calibration and evaluation of a simple agrometeorological model for wood Eucalyptus productivity estimation | |
Orlandi et al. | A comparison among olive flowering trends in different Mediterranean areas (south-central Italy) in relation to meteorological variations | |
Esparza et al. | Heat unit availability for cotton production in the Ogallala Aquifer region of the United States | |
Ahmadi et al. | Spatial distribution and deviation from optimum temperature conditions of phenological stages of potato cultivation in West Azerbaijan | |
CN113902215B (zh) | 一种棉花延迟型冷害动态的预报方法 | |
Javier Rodríguez-Rajo et al. | Airborne olive pollen in Vigo (Northwest Spain): a survey to forecast the onset and daily concentrations of the pollen season | |
Abd El-Wahed et al. | Estimating reference evapotranspiration using modified Blaney-Criddle equation in arid region |
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 |