申请/专利权人：中国农业大学

申请日：2023-05-18

公开（公告）日：2024-04-09

公开（公告）号：CN116595333B

主分类号：G06F18/20

分类号：G06F18/20;G06N3/0442;G06N3/08;G06Q50/02

优先权：

专利状态码：有效-授权

法律状态：2024.04.09#授权;2023.09.01#实质审查的生效;2023.08.15#公开

摘要：本发明涉及一种土壤‑气候智慧型的水稻目标产量与氮肥用量确定方法。所述方法包括如下步骤：S1、基础数据库构建；获取待确定水稻种植区所在地区的过去多年的历史气象数据，并实时获取该地区的预测年GFS气象数据；获取待确定水稻种植区的100m×100m网格采样点土壤数据和水稻田矢量图层；获取待确定水稻种植区的至少三年的氮肥梯度试验数据、各年各农户水稻品种信息和管理数据；S2、预测年精准气象数据获取；S3、100m×100m地块尺度土壤数据准备；S4、水稻生长模型DSSAT模型遗传参数本地化；S5、运行本地化后的DSSAT模型进行地块尺度目标产量预测和推荐施氮量。本发明显著提高了地块目标产量与氮肥推荐用量的精准性。

主权项：1.一种土壤-气候智慧型的水稻目标产量与氮肥用量确定方法，其特征在于，所述方法包括如下步骤：S1、基础数据库构建；S1.1、获取待确定水稻种植区所在地区的过去多年的历史气象数据，并实时获取该地区的预测年GFS气象数据；所述气象数据包括日最高温、日最低温、每日光照、日降水量、湿度、风向和云层厚度；S1.2、获取待确定水稻种植区的100m×100m网格采样点土壤数据和水稻田矢量图层；所述土壤数据包括土壤pH值、土壤有机质含量、土壤全氮含量、土壤有效磷含量、土壤有效钾含量、土壤容重、土壤质地、土壤含水量、土壤阳离子交换量、土壤硝态氮含量和土壤铵态氮含量；S1.3、获取待确定水稻种植区的至少三年的氮肥梯度试验数据、各年各农户水稻品种信息和管理数据；所述氮肥梯度试验数据包括不同氮肥用量梯度下水稻的开花期、成熟期时间和产量，以及不同氮肥用量梯度下和水稻关键生育期的地上部生物量、叶面积指数、籽粒重和叶绿素含量；其中，所述氮肥梯度依次为：不施氮处理、50％当地推荐施氮量、当地推荐施氮量和150％当地推荐施氮量，分别记为N0、N1、N2、N3；所述水稻关键生育期为：分蘖期、幼穗分化期、拔节期、抽穗期、抽穗后20天和成熟期；所述管理数据包括地块信息、农事操作信息、施肥信息和环境信息；S2、预测年精准气象数据获取；根据步骤S1获取的待确定水稻种植区所在地区的过去多年的历史气象数据和该地区的预测年GFS气象数据，利用气候年型仿真系统获取预测年精准气象数据；所述气候年型仿真系统包括WRF气象预报模型和基于LSTM深度学习方法的天气预报模型；S2.1、将步骤S1获取的待确定水稻种植区的预测年GFS气象数据输入WRF气象预报模型，获得待确定水稻种植区未来半个月的短期精准预测气象数据；S2.2、将待确定水稻种植区所在地区的过去多年的历史气象数据输入基于LSTM等深度学习方法的天气预报模型，获得待确定水稻种植区自预测年当月起至预测年十二月份的未来几个月的长期预测气象数据；S2.3、将步骤S2.1获得的短期精准预测气象数据输入步骤S2.2中的基于LSTM等深度学习方法的天气预报模型，随着预测年GFS气象数据的不断更新，基于LSTM等深度学习方法的天气预报模型输出的待确定水稻种植区的长期预测气象数据不断精确，从而得到待确定水稻种植区自预测年当月起至预测年十二月份的未来几个月的精准预测气象数据；S3、100m×100m地块尺度土壤数据准备；对待确定水稻种植区的100m×100m网格采样点土壤数据的各土壤性质分别进行插值运算得到100m×100m土壤性质插值图，然后结合水稻田矢量图层对各土壤性质插值图进行区域分析处理得到100m×100m地块尺度土壤性质图；最后整合导出待确定水稻种植区的100m×100m地块尺度土壤数据；S4、水稻生长模型DSSAT模型遗传参数本地化；将步骤S1获得的待确定水稻种植区的至少3年氮肥梯度试验数据、水稻品种信息和管理数据、步骤S2获得的待确定水稻种植区自预测年当月起至预测年十二月份的未来几个月的精准预测气象数据和步骤S3获得的待确定水稻种植区的100m×100m地块尺度土壤数据，输入DSSAT模型；以调整遗传参数后模型预测的地上部生物量、叶面积指数、籽粒重和叶绿素含量农学参数与实测值之间的决定系数R2、归一化均方根误差nRMSE和平均误差E为评价指标，直至R2达到85％以上，nRMSE小于15％即完成模型调参，实现模型本地化，其中平均误差E0或E0用于判断模型低估或高估以上农学参数；E＝∑yi-xi 式中，yi为农学参数的预测值；xi为农学参数的实测值；为实测值xi的平均值；n为参与计算的样本数量；S5、运行本地化后的DSSAT模型进行地块尺度目标产量预测和推荐施氮量；再次将步骤S1获得的待确定水稻种植区的水稻品种信息和管理数据、步骤S2获得的待确定水稻种植区自预测年当月起至预测年十二月份的未来几个月的精准预测气象数据和步骤S3获得的待确定水稻种植区的100m×100m地块尺度土壤数据导入步骤S4本地化后的DSSAT模型，获得待确定水稻种植区的潜在产量预测结果，潜在产量的85％即为各地块的目标产量；在此基础上，通过梯度调整DSSAT模型的施氮量直至施氮量增加而潜在产量不再增加，据此建立各地块的氮肥效应曲线，进一步确定目标产量下对应的施氮量即为各地块的推荐施氮量。

全文数据：

权利要求：

百度查询： 中国农业大学 土壤-气候智慧型的水稻目标产量与氮肥用量确定方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD