一种水稻产量的预测方法技术

本发明专利技术公开了一种水稻产量的预测方法，选定试验小区；获取试验小区内的水稻叶片归一化植被指数，并求取所有的水稻叶片归一化植被指数的加和值，得到NDVI加和值；获取试验小区内的水稻叶片光化学植被指数，并求取所有的水稻叶片光化学植被指数的加和值，得到PRI加和值；获取试验小区内的水稻产量；利用SPSS软件的多元回归分析法，分析水稻产量与NDVI加和值、PRI加和值之间的线性关系，获得水稻产量预测模型；根据水稻产量预测模型预测水稻产量。本发明专利技术的方法能够及时的监测粳稻叶片NDVI和PRI在不同生育期与粳稻产量变化的关系，能够实现粳稻估产的业务化运行，高效、快速、精准估计水稻产量，可以对粳稻产量进行精准的预测并对粳稻长势进行有效跟踪。

【技术实现步骤摘要】

本专利技术属于作物生长信息监测
，具体涉及一种水稻产量的预测方法。
技术介绍
在水稻研究领域，根据植物敏感波段的光谱特征运算得到的植被指数，能够快速、无损、定量地表征水稻生长状况，监测水稻长势和预测水稻产量。自从归一化植被指数(Normalizeddifferencevegetationindex，NDVI)在1973年被科学家首次提出以来，就以稳定性受到专家和学者的广泛关注，成为近二十多年以来使用最多的植被指数之一，被较多地用来用研究作物长势和产量估测；科学研究发现，叶片位于531nm和570nm处的反射率变化能够很好地发映出叶片的光能利用率(Lightuseefficiency，LUE)，基于这两个波段的反射率构建了光化学植被指数(Photochemicalreflectanceindex，PRI)，并成功的建立了PRI和LUE的关系；LUE是一个重要生态学概念，又是估算净初级生产力(netprimaryproductivity，NPP)的一个关键变量，NPP与作物生物量累积量有直接关系，通过收获指数便可得到作物产量，也是光能利用率模型和区域尺度以遥感参数模型监测植被生产力的关键参数，被较多的用来研究监测作物生长和产量估测。在实际估产应用中，水稻估产大都以高空遥感为数据源来实现的，然而，因受下垫面、大气效应、物候历等影响较大，使得估产效果往往不能达到预期效果。通过作物叶片光谱则能消弱或消除这些干扰因素，但是利用叶片光谱方法的作物估产却不多见。因此，需要开发一种新的能够精准估计水稻产量的方法。
技术实现思路
本专利技术提供的一种水稻产量的预测方法，通过植被指数测量仪实测的NDVI和PRI数据，并利用统计分析的方法获得水稻产量预测模型，并利用该水稻模型精准估计水稻产量。本专利技术的目的是提供一种水稻产量的预测方法，包括以下步骤：选定试验小区；水稻生长天数内，每天获取试验小区内的水稻叶片归一化植被指数，并求取所有的水稻叶片归一化植被指数的加和值，得到NDVI加和值；水稻生长天数内，每天获取试验小区内的水稻叶片光化学植被指数，并求取所有的水稻叶片光化学植被指数的加和值，得到PRI加和值；获取试验小区内的水稻产量；同时以NDVI加和值和PRI加和值为自变量，以水稻产量为因变量，利用SPSS软件的多元回归分析法，分析水稻产量与NDVI加和值、PRI加和值之间的线性关系，获得水稻产量预测模型；根据水稻产量预测模型预测水稻产量；所述水稻产量预测模型如下：其中，y为水稻产量；n为水稻生长天数，xi为水稻叶片归一化植被指数；zi为水稻叶片光化学植被指数；β1的取值范围为1.499～5.292；β2的取值范围为3.063～4.391；β3的取值范围为-5.205～-2.783。优选的，当水稻处于分蘖期时，水稻产量预测模型为：y=5.292Σi=1nxi+3.603Σi=1nzi-2.783.]]>优选的，当水稻处于拔节孕穗期时，水稻产量预测模型为：y=3.160Σi=1nxi+4.391Σi=1nzi-4.096.]]>优选的，当水稻处于抽穗灌浆期时，水稻产量预测模型为：y=2.341Σi=1nxi+4.255Σi=1nzi-5.205.]]>优选的，当水稻处于成熟期时，水稻产量预测模型为：y=1.499Σi=1nxi+3.063Σi=1nzi-4.549.]]>优选的，上述水稻产量的预测方法中，所述水稻叶片归一化植被指数按照以下步骤获取：在试验小区内选取两个采样点，以所述采样点内所有叶片为采样对象，获取每个叶片的单叶片归一化植被指数；计算所述采样点内所有叶片的单叶片归一化植被指数的平均值，获得每个采样点的单点归一化植被指数；计算所有采样点的单点归一化植被指数的平均值，获得水稻叶片归一化植被指数。优选的，上述水稻产量的预测方法中，所述水稻叶片光化学植被指数按照以下步骤获取：在试验小区内选取两个采样点，以所述采样点内所有叶片为采样对象，获取每个叶片的单叶片光化学植被指数；计算所述采样点内所有叶片的单叶片光化学植被指数的平均值，获得每个采样点的单点光化学植被指数；计算所有采样点的单点光化学植被指数的平均值，获得水稻叶片光化学植被指数。优选的，上述水稻产量的预测方法中，所述水稻叶片归一化植被指数和水稻叶片光化学植被指数的采集时间均为每天的10:00-14:00。本专利技术提供的水稻产量的预测方法，通过植被指数测量仪实测的NDVI和PRI数值，并利用统计分析的方法获得水稻产量预测模型，能够及时的监测粳稻叶片NDVI和PRI在不同生育期与粳稻产量变化的关系，能够实现粳稻估产的业务化运行，高效、快速、精准估计水稻产量，可以对粳稻产量进行精准的预测并对粳稻长势进行有效跟踪。具体实施方式下面结合具体实施例对本专利技术进行详细说明，但不应理解为本专利技术的限制。本专利技术提供的一种水稻产量的预测方法，包括以下步骤：选定试验小区；水稻生长天数内，每天获取试验小区内的水稻叶片归一化植被指数，并求取所有的水稻叶片归一化植被指数的加和值，得到NDVI加和值；水稻生长天数内，每天获取试验小区内的水稻叶片光化学植被指数，并求取所有的水稻叶片光化学植被指数的加和值，得到PRI加和值；获取试验小区内的水稻产量；同时以NDVI加和值和PRI加和值为自变量，以水稻产量为因变量，利用SPSS软件的多元回归分析法，分析水稻产量与NDVI加和值、PRI加和值之间的线性关系，获得水稻产量预测模型；根据水稻产量预测模型预测水稻产量；所述水稻产量预测模型如下：其中，y为水稻产量；n为水稻生长天数，xi为水稻叶片归一化植被指数；zi为水稻叶片光化学植被指数；β1的取值范围为1.499～5.292；β2的取值范围为3.063～4.391；β3的取值范围为-5.205～-2.783。需要说明的是，所述水稻生长天数是从水稻种植的第一天算起，生长天数逐天增加，水稻整个生长周期包括分蘖期、拔节孕穗期、抽穗灌浆期、成熟期。当需要估计水稻产量时，先计算当前水稻的生长天数，通过生长天数判断水稻分蘖期、拔节孕穗期、抽穗灌浆期还是成熟期，然后在根据各个时期对应的水稻产量预测模型对水稻的产量进行精确估计。需要说明的是，构建水稻产量预测模型的时候，β1、β2和β3是未知数，其他参数是已知数，根据检测的数据，线性回归建模得到水稻不同时期的模型公式，确定公式中的β1、β2和β3，应用该模型公式的时候，y就变成了未知数，而其它参数是已知数，反推算得到水稻产量。实施例1下面提供一种试验地区为东北地区，试验材料为沈稻47品种的产量的预测方法，具体按照以下步骤实施：步骤1，选定试验小区，并在试验小区内选取两个采样点，且两个采样点均匀的分布于所述试验小区内，每个采样点为1m×1m的方形区域。步骤2，水稻生长天数内，每天12:00获取试验小区内的水稻叶片归一化植被指数，并求取所有的水稻叶片归一化植被指数的加和值，得到NDVI加和值；其中，所述水稻叶片归一化植被指数按照以下步骤获取：以所述采样点内所有叶片为采样对象，获取每个叶片的单叶片归一化植被指数；计算所述采样点内所有叶片的单叶片归一化植被指数的平均值，获得每个采样点的单点本文档来自技高网...

【技术保护点】
一种水稻产量的预测方法，其特征在于，包括以下步骤：选定试验小区；水稻生长天数内，每天获取试验小区内的水稻叶片归一化植被指数，并求取所有的水稻叶片归一化植被指数的加和值，得到NDVI加和值；水稻生长天数内，每天获取试验小区内的水稻叶片光化学植被指数，并求取所有的水稻叶片光化学植被指数的加和值，得到PRI加和值；获取试验小区内的水稻产量；同时以NDVI加和值和PRI加和值为自变量，以水稻产量为因变量，利用SPSS软件的多元回归分析法，分析水稻产量与NDVI加和值、PRI加和值之间的线性关系，获得水稻产量预测模型；根据水稻产量预测模型预测水稻产量；所述水稻产量预测模型如下：其中，y为水稻产量；n为水稻生长天数，xi为水稻叶片归一化植被指数；zi为水稻叶片光化学植被指数；β1的取值范围为1.499～5.292；β2的取值范围为3.063～4.391；β3的取值范围为‑5.205～‑2.783。

【技术特征摘要】
1.一种水稻产量的预测方法，其特征在于，包括以下步骤：选定试验小区；水稻生长天数内，每天获取试验小区内的水稻叶片归一化植被指数，并求取所有的水稻叶片归一化植被指数的加和值，得到NDVI加和值；水稻生长天数内，每天获取试验小区内的水稻叶片光化学植被指数，并求取所有的水稻叶片光化学植被指数的加和值，得到PRI加和值；获取试验小区内的水稻产量；同时以NDVI加和值和PRI加和值为自变量，以水稻产量为因变量，利用SPSS软件的多元回归分析法，分析水稻产量与NDVI加和值、PRI加和值之间的线性关系，获得水稻产量预测模型；根据水稻产量预测模型预测水稻产量；所述水稻产量预测模型如下：其中，y为水稻产量；n为水稻生长天数，xi为水稻叶片归一化植被指数；zi为水稻叶片光化学植被指数；β1的取值范围为1.499～5.292；β2的取值范围为3.063～4.391；β3的取值范围为-5.205～-2.783。2.根据权利要求1所述的水稻产量的预测方法，其特征在于，当水稻处于分蘖期时，水稻产量预测模型为：y=5.292Σi=1nxi+3.603Σi=1nzi-2.783.]]>3.根据权利要求1所述的水稻产量的预测方法，其特征在于，当水稻处于拔节孕穗期时，水稻产量预测模型为：y=3.160Σi=1nxi+4.391Σi=1nzi-4.096.]]>4.根据权利要求1所述的水稻产量的预...

【专利技术属性】
技术研发人员：陈春玲，马航，许童羽，于丰华，郭雷，吕东，
申请(专利权)人：沈阳农业大学，
类型：发明
国别省市：辽宁;21