CN109345141A - 一种火龙果气候品质认证方法 - Google Patents

一种火龙果气候品质认证方法 Download PDF

Info

Publication number
CN109345141A
CN109345141A CN201811296204.9A CN201811296204A CN109345141A CN 109345141 A CN109345141 A CN 109345141A CN 201811296204 A CN201811296204 A CN 201811296204A CN 109345141 A CN109345141 A CN 109345141A
Authority
CN
China
Prior art keywords
days
temperature
maximum
weather quality
mean
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
Application number
CN201811296204.9A
Other languages
English (en)
Inventor
丁圣
朱勇
张茂松
段玮
李刚
韩敏
郭瑞
姜希睿
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Yunnan Climate Center
Original Assignee
Yunnan Climate Center
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Yunnan Climate Center filed Critical Yunnan Climate Center
Priority to CN201811296204.9A priority Critical patent/CN109345141A/zh
Publication of CN109345141A publication Critical patent/CN109345141A/zh
Pending legal-status Critical Current

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q10/00Administration; Management
    • G06Q10/06Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063Operations research, analysis or management
    • G06Q10/0639Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06395Quality analysis or management
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q50/00Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/02Agriculture; Fishing; Forestry; Mining
    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02ATECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Educational Administration (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Physics & Mathematics (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Agronomy & Crop Science (AREA)
  • Animal Husbandry (AREA)
  • Marine Sciences & Fisheries (AREA)
  • Mining & Mineral Resources (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

本发明公开了一种火龙果气候品质认证方法,包括:根据火龙果的成分数据、生育期信息和气象数据建立基础数据库;分析基础数据库,构建指标,其中,指标包括气象数据指标以及入选成分;根据气象数据指标以及入选成分数据建立气候品质等级评价模型;根据气候品质等级评价模型得出气候品质等级评价结果。本发明火龙果气候品质认证方法,不仅对生育期信息分析,还对多成分进行品质分析,保证了认证准确度。

Description

一种火龙果气候品质认证方法
技术领域
本发明涉及农产品技术领域,更具体的说是涉及一种火龙果气候品质认证方法。
背景技术
农产品气候品质认证指气候对农产品品质影响的优劣等级评定。农产品品质主要取决于独特的温湿度、光照及降水等生态环境和气候条件。
春季龙井茶叶气候品质认证,使用BP神经网络拟合认证方程,赣南脐橙气候品质认证,使用线性回归得出单项成分认证方程,使用逻辑“与”结合各成分确定评定等级;汉中柑橘果品气候认证技术探索,汉中仙毫茶叶气候品质认证技术方法,猕猴桃果品气候品质认证技术研究,葡萄气候品质认证指标体系探讨,新疆奇台县小麦气候品质认证方法研究,上述几篇仅使用气候适宜度指标进行气候品质等级认证,或仅是单成分回归分析,对多成分品质分析没有统一的方法,认证准确度差。
因此,如何提供一种认证准确度高的火龙果气候品质认证方法是本领域技术人员亟需解决的问题。
发明内容
有鉴于此,本发明提供了一种火龙果气候品质认证方法,不人为添加要素,操作性强,且认证准确度高,利于推广。
为了实现上述目的,本发明采用如下技术方案:
一种火龙果气候品质认证方法,包括以下步骤:
步骤1、根据火龙果的成分数据、生育期信息和气象数据建立基础数据库;
步骤2、分析所述基础数据库,构建指标,其中,所述指标包括气象数据指标以及入选成分;
步骤3、根据所述气象数据指标以及所述入选成分的关系建立气候品质等级评价模型;
步骤4、根据所述气候品质等级评价模型得出气候品质等级评价结果。
进一步,在步骤1中,所述成分数据包括蛋白质、总糖、总酸、可溶性固形物、水分、膳食纤维、花青素、维生素C、固酸比和甜酸比;
所述气象数据包括5个时间段数据,分别为果实成熟前1~10天、果实成熟前11~20天,果实成熟前21~30天、前1~30天和前25~55天;
每个所述时间段数据均包括平均气温、最高气温、最低气温、平均湿度、最低湿度、降水量、辐射总量、辐照度,最大辐照度、光合曝辐量、光合辐照量和光合最大辐照量。
进一步,在步骤2中,所述气象数据指标包括前一旬平均气温、前二旬平均气温、前二旬最高温度、前三旬平均气温、月均最大光合辐照度、开花期前一个月最低湿度、前一旬最低湿度、前三旬最高温度、前三旬最低温度、前三旬最大辐照度、开花期前一月最大辐照度、开花期前一月平均温度、前二旬最低湿度、前二旬降水量、月最低湿度和开花期降水量;
所述入选成分包括可溶性固形物、花青素和维生素C。
进一步,步骤3包括以下具体步骤:
步骤31:将所述气象数据指标作为自变量,所述入选成分作为因变量,计算预测值Fi,i表示入选成分的个数,i取3;
F1=(-164.498)+(-0.194)*前一旬平均气温温度+0.291*前二旬平均气温温度+(-0.185)*前二旬最高温度+0.114*前三旬平均气温+0.061*月均最大光合辐照度+0.954*开花期前1个月最低湿度;
F2=77.930+(-0.280)*前一旬最低湿度+(-0.067)*前三旬最高温度+(-0.077)*前三旬最低温度+(-0.002)*前三旬最大辐照度+0.002*开花期前一月最大辐照度+(-0.075)*开花期前一月平均温度;
F3=194.6+(-0.444)*前二旬最低湿度+0.038*前二旬降水量+(-6.566)*月最低湿度+0.10*开花期降水量;
其中,F1表示可溶性固形物预测值,F2表示花青素,F3表示维生素C预测值;
步骤32:确定每一种所述入选成分的理想值Li,其计算公式为:
其中,Sij表示第j个样本的第i个成分结果,j=1,2……k,i表示入选成分的个数,i取3;
步骤33:归一化所述理想值,计算每一所述入选成分的权重Wi
步骤34:根据所述理想值以及所述预测值确定每一所述入选成分的归一化成分值Xi,其计算公式为:Xi=Fi/Li
步骤35:利用所述权重以及所述归一化成分值,得出气候品质等级评价模型,
经由上述的技术方案可知,与现有技术相比,本发明公开提供了一种火龙果气候品质认证方法,不仅对生育期气候条件分析,还对多成分进行品质分析,保证了认证准确度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1附图为本发明提供的火龙果气候品质认证方法流程图。
图2附图为本发明提供的气候品质等级评价模型建模流程图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明实施例公开了一种火龙果气候品质认证方法,具体包括以下步骤:
步骤1、根据火龙果的成分数据、生育期信息和气象数据建立基础数据库;
具体的,成分数据包括蛋白质、总糖、总酸、可溶性固形物、水分、膳食纤维、花青素、维生素C、固酸比和甜酸比;
气象数据包括5个时间段数据,分别为前1~10天、前11~20天,前21~30天、前1~30天和前25~55天;
这里需要说明的是,“前”指采摘果实即果实成熟前的天数,比如9月26日采摘果实,前1~10天就是指9.15日至9.25日的气象数据。前25~55天就是指8.2日至9.1日的气象数据。此划分依据是火龙果从开花到结果约25天,整个果实成熟期的气象要素会影响果实发育,开花前1个月的气象要素也对果实发育有影响。
每个时间段数据均包括平均气温、最高气温、最低气温、平均湿度、最低湿度、降水量、辐射总量、辐照度,最大辐照度、光合曝辐量、光合辐照量和光合最大辐照量。
步骤2、分析基础数据库,构建指标,其中,指标包括气象数据指标以及入选成分;
具体的,气象数据指标包括前一旬平均气温、前二旬平均气温、前二旬最高温度、前三旬平均气温、月均最大光合辐照度、开花期前一个月最低湿度、前一旬最低湿度、前三旬最高温度、前三旬最低温度、前三旬最大辐照度、开花期前一月最大辐照度、开花期前一月平均温度、前二旬最低湿度、前二旬降水量、月最低湿度和开花期降水量;其中,平均、最高、最低、总量等气象数据定义符合相关气象观测规范的数据定义及观测要求。
入选成分包括可溶性固形物、花青素和维生素C。
步骤3、根据气象数据指标以及入选成分数据建立气候品质等级评价模型。
具体的,步骤31:将气象数据指标作为自变量,入选成分作为因变量,计算预测值Fi,i表示入选成分的个数,i取3;
F1=(-164.498)+(-0.194)*前一旬平均气温温度+0.291*前二旬平均气温温度+(-0.185)*前二旬最高温度+0.114*前三旬平均气温+0.061*月均最大光合辐照度+0.954*开花期前1个月最低湿度;
F2=77.930+(-0.280)*前一旬最低湿度+(-0.067)*前三旬最高温度+(-0.077)*前三旬最低温度+(-0.002)*前三旬最大辐照度+0.002*开花期前一月最大辐照度+(-0.075)*开花期前一月平均温度;
F3=194.6+(-0.444)*前二旬最低湿度+0.038*前二旬降水量+(-6.566)*月最低湿度+0.10*开花期降水量;
其中,F1表示可溶性固形物预测值,F2表示花青素,F3表示维生素C预测值;
步骤32:确定每一种入选成分的理想值Li,其计算公式为:
其中,Sij表示第j个样本的第i个成分结果,j取7,i表示入选成分的个数,i取3;
这里需要说明的是,理想值是样本最大值向上取整的值,比如样本最大值为15.3,理想值为16;样本最大值指所有火龙果成分样本的检测结果最大值,是实际检测报告中的最大值。
步骤33:根据理想值计算每一入选成分的权重Wi
步骤34:根据理想值以及预测值确定每一入选成分的归一化成分值Xi,其计算公式为:Xi=Fi/Li
步骤35:利用权重以及归一化成分值,得出气候品质等级评价模型,
步骤4、根据气候品质等级评价模型得出气候品质等级评价结果。
当CQC得分90~80分为优,大于90分为特优级别,低于80分不予认证授权贴标。
本评价方法,物理意义明确,不人为添加要素,仅与气象要素值有关,操作性强,利于推广。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (4)

1.一种火龙果气候品质认证方法,其特征在于,包括以下步骤:
步骤1、根据火龙果的成分数据、生育期信息和气象数据建立基础数据库;
步骤2、分析所述基础数据库,构建指标,其中,所述指标包括气象数据指标以及入选成分;
步骤3、根据所述气象数据指标以及所述入选成分的关系建立气候品质等级评价模型;
步骤4、根据所述气候品质等级评价模型得出气候品质等级评价结果。
2.根据权利要求1所述的一种火龙果气候品质认证方法,其特征在于,在步骤1中,所述成分数据包括蛋白质、总糖、总酸、可溶性固形物、水分、膳食纤维、花青素、维生素C、固酸比和甜酸比;
所述气象数据包括5个时间段数据,分别为果实成熟前1~10天、果实成熟前11~20天,果实成熟前21~30天、果实成熟前1~30天和果实成熟前25~55天;
每个所述时间段数据均包括平均气温、最高气温、最低气温、平均湿度、最低湿度、降水量、辐射总量、辐照度,最大辐照度、光合曝辐量、光合辐照量和光合最大辐照量。
3.根据权利要求2所述的一种火龙果气候品质认证方法,其特征在于,在步骤2中,所述气象数据指标包括前一旬平均气温、前二旬平均气温、前二旬最高温度、前三旬平均气温、月均最大光合辐照度、开花期前一个月最低湿度、前一旬最低湿度、前三旬最高温度、前三旬最低温度、前三旬最大辐照度、开花期前一月最大辐照度、开花期前一月平均温度、前二旬最低湿度、前二旬降水量、月最低湿度和开花期降水量;
所述入选成分包括可溶性固形物、花青素和维生素C。
4.根据权利要求3所述的一种火龙果气候品质认证方法,其特征在于,步骤3包括以下具体步骤:
步骤31:将所述气象数据指标作为自变量,所述入选成分作为因变量,计算预测值Fi,i表示入选成分的个数,i取3;
F1=(-164.498)+(-0.194)*前一旬平均气温温度+0.291*前二旬平均气温温度+(-0.185)*前二旬最高温度+0.114*前三旬平均气温+0.061*月均最大光合辐照度+0.954*开花期前1个月最低湿度;
F2=77.930+(-0.280)*前一旬最低湿度+(-0.067)*前三旬最高温度+(-0.077)*前三旬最低温度+(-0.002)*前三旬最大辐照度+0.002*开花期前一月最大辐照度+(-0.075)*开花期前一月平均温度;
F3=194.6+(-0.444)*前二旬最低湿度+0.038*前二旬降水量+(-6.566)*月最低湿度+0.10*开花期降水量;
其中,F1表示可溶性固形物预测值,F2表示花青素,F3表示维生素C预测值;
步骤32:确定每一种所述入选成分的理想值Li,其计算公式为:
其中,Sij表示第j个样本的第i个成分结果,j=1,2……k,i表示入选成分的个数,i取3;
步骤33:归一化所述理想值,计算每一所述入选成分的权重Wi
步骤34:根据所述理想值以及所述预测值确定每一所述入选成分的归一化成分值Xi,其计算公式为:Xi=Fi/Li
步骤35:利用所述权重以及所述归一化成分值,得出气候品质等级评价模型,
CN201811296204.9A 2018-11-01 2018-11-01 一种火龙果气候品质认证方法 Pending CN109345141A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811296204.9A CN109345141A (zh) 2018-11-01 2018-11-01 一种火龙果气候品质认证方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811296204.9A CN109345141A (zh) 2018-11-01 2018-11-01 一种火龙果气候品质认证方法

Publications (1)

Publication Number Publication Date
CN109345141A true CN109345141A (zh) 2019-02-15

Family

ID=65313330

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811296204.9A Pending CN109345141A (zh) 2018-11-01 2018-11-01 一种火龙果气候品质认证方法

Country Status (1)

Country Link
CN (1) CN109345141A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110246050A (zh) * 2019-05-23 2019-09-17 成都信息工程大学 一种气象要素对农产品的认证评价***及网络化管理方法
CN111832970A (zh) * 2020-07-27 2020-10-27 南京信息工程大学 一种引黄灌区水稻气候品质认证方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106845687A (zh) * 2016-12-27 2017-06-13 河南农业大学 一种烟草品质研究方法
CN108182544A (zh) * 2018-01-24 2018-06-19 李超 一种农产品的品质评估方法
CN108564309A (zh) * 2018-05-07 2018-09-21 江西省农业科学院农业经济与信息研究所(江西省农业工程咨询中心、江西省农业科技图书馆) 一种烟叶种植的气象风险评估方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106845687A (zh) * 2016-12-27 2017-06-13 河南农业大学 一种烟草品质研究方法
CN108182544A (zh) * 2018-01-24 2018-06-19 李超 一种农产品的品质评估方法
CN108564309A (zh) * 2018-05-07 2018-09-21 江西省农业科学院农业经济与信息研究所(江西省农业工程咨询中心、江西省农业科技图书馆) 一种烟叶种植的气象风险评估方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
刘璐 等: "陕西红富士苹果气候品质指标及认证技术", 《中国农业气象》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110246050A (zh) * 2019-05-23 2019-09-17 成都信息工程大学 一种气象要素对农产品的认证评价***及网络化管理方法
CN111832970A (zh) * 2020-07-27 2020-10-27 南京信息工程大学 一种引黄灌区水稻气候品质认证方法
CN111832970B (zh) * 2020-07-27 2023-05-05 南京信息工程大学 一种引黄灌区水稻气候品质认证方法

Similar Documents

Publication Publication Date Title
Forrester et al. Light absorption and light-use efficiency in mixtures of Abies alba and Picea abies along a productivity gradient
Zhao et al. Exploring the relationships between climatic variables and climate-induced yield of spring maize in Northeast China
CN104899786B (zh) 玉米品种种植适宜性精细区划方法与***
Wiemann et al. Estimation of temperature and precipitation from morphological characters of dicotyledonous leaves
Rehfeldt A model of genetic variation for Pinus ponderosa in the Inland Northwest (USA): applications in gene resource management
Rolla et al. Climate impacts on crop yields in Central Argentina. Adaptation strategies
Zhao et al. Distribution of high-yield and high-yield-stability zones for maize yield potential in the main growing regions in China
Lefroy et al. What can agriculture learn from natural ecosystems?
Watt et al. Moving beyond simple linear allometric relationships between tree height and diameter
CN103345567B (zh) 一种基于遥感影像测量生态补偿量的方法
Della Chiesa et al. Modelling changes in grassland hydrological cycling along an elevational gradient in the Alps
Youkhana et al. Allometric models for predicting aboveground biomass and carbon stock of tropical perennial C4 grasses in Hawaii
Gush et al. Estimation of streamflow reductions resulting from commercial afforestation in South Africa
CN112598277B (zh) 一种评估跨区域缩小冬小麦产量差与提高氮肥效率的方法
Paź-Dyderska et al. Leaf traits and aboveground biomass variability of forest understory herbaceous plant species
CN105638261B (zh) 一种水稻高产群体抗倒伏性能鉴定方法
CN109345141A (zh) 一种火龙果气候品质认证方法
Rayburn et al. Light interception and the growth of pastures under ideal and stressful growing conditions on the allegheny plateau
Mathews Applying geospatial tools and techniques to viticulture
CN108205718A (zh) 一种粮食作物抽样测产方法及***
Vanclay Site productivity assessment in rainforests: an objective approach using indicator species
Janus et al. Aerial laser scanning reveals the dynamics of cropland abandonment in Poland
Franceschini et al. Allometric exponents as a tool to study the influence of climate on the trade-off between primary and secondary growth in major north-eastern American tree species
Figueira et al. Economic and agrometeorological modeling of sugarcane productivity in São Paulo state, Brazil
Zhang et al. Estimating the winter wheat harvest index with canopy hyperspectral remote sensing data based on the dynamic fraction of post-anthesis phase biomass accumulation

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20190215

RJ01 Rejection of invention patent application after publication