龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：南京农业大学
摘要：本发明提供了一种作物物候期表型预测方法、系统、装置及存储介质，包括：获取待测作物的相关数据；将相关数据中与WheatGrow相关的数据代入WheatGrow中进行参数校正，得到作物参数；将相关数据中与WheatGrow相关的数据和作物参数代入WheatGrow中得到每个品种的物候期；将日最高温数据、日最低温数据代入CDD算法中计算得到每个物候期的累积低温度日；以物候期为划分标准，将累积低温度日和相关数据中未代入WheatGrow的其它数据的累积值进行分组并划分成训练集和测试集；将训练集代入LSTM中训练；将测试集代入训练后的LSTM中得到模拟结果。本发明能够提高模型对小麦物候期的模拟精度。
主权项：1.一种作物物候期表型预测方法，其特征在于，包括如下步骤：步骤一、获取待测作物的相关数据，所述相关数据包括气象数据、土壤数据、管理措施数据和物候期观测数据；步骤二、将所述相关数据中与WheatGrow模型相关的数据代入WheatGrow模型中进行参数校正，得到每个品种的作物参数，所述作物参数包括基本早属性参数、温度敏感性参数、光周期敏感性参数和生理发育时间参数；步骤三、将所述相关数据中与WheatGrow模型相关的数据和代入经过参数校正的WheatGrow模型中进行模拟，得到每个品种的物候期；步骤四、将气象数据中的日最高温数据、日最低温数据代入CDD算法中计算，得到每个物候期的累积低温度日；所述累积低温度日的计算公式为： ，tmax为日最高温数据，tmin为日最低温数据，i为小时数，j为天数；步骤五、以物候期为划分标准，将步骤四中的累积低温度日和所述相关数据中未代入WheatGrow模型的其它数据的累积值进行分组；未代入WheatGrow模型的其它数据为降水量数据和日照时数数据；步骤六、将步骤五中的分组数据分为训练集和测试集；步骤七、将训练集代入LSTM模型中训练所述LSTM模型；步骤八、将测试集代入训练后的LSTM模型中进行测试，得到模拟结果。
全文数据：
权利要求：
百度查询： 南京农业大学 一种作物物候期表型预测方法、系统、装置及存储介质
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号