一种多维雷竹竹笋林产量估计方法及装置制造方法及图纸

本申请为一种多维雷竹竹笋林产量估计方法，包括：分别采集若干历史0

【技术实现步骤摘要】
一种多维雷竹竹笋林产量估计方法及装置


[0001]本申请涉及农产品
，具体为一种的多维雷竹竹笋林产量估计方法及装置。

技术介绍

[0002]雷竹是禾本科，刚竹属早竹的栽培种。雷竹原产中国浙江、江西、上海、江苏、安徽、福建、湖北、湖南和广东等地有引种。喜肥沃，怕积水，鞭细根少。在年平均温度15.30℃、年降水量1400毫米的地区，向阳，靠近水源，上质疏松，排水透气性好的微酸性或中性砂质壤土。旱地、四旁、河滩都可以种植，普通红壤与黄壤也适宜栽培。雷竹是优良笋用竹种，其笋粗壮洁白，甘甜鲜嫩，味美可口。由于采用覆盖技术和科学管理使雷竹的出笋期由原来的3
‑
4月提前到春节前后，成为人们节日餐桌上的佳肴。
[0003]传统的雷笋产量估计方法主要依靠往年经验或者抽样调查，按公式“雷笋株产量＝立竹株数
×
平均每株母竹发笋数
×
平均单株笋重”进行样方计算，并以抽样调查结果作为该区域的产量结果，因此结果并不精准。
[0004]现有雷笋产量估计方法绝大多数凭经验进行产量估计。最常见的就是将稳定成林往年数据作为基础，根据当年气候进行简单估计。
[0005]现有雷笋产量估计方法为破坏性估产方法。在利用公式进行样方调查计算雷笋产量时，需要挖笋来测量平均发笋数与平均单株笋重。为了提高该方法的估计精度，过度挖笋会对竹林造成一定程度的破坏。
[0006]现有雷笋产量估计方法一般为对当年产量进行估计。由于采用了随机抽取样方进行估测，需要在笋的收获时期进行该工作，下一年产量无法进行很好的估计。
[0007]因此现有雷笋产量估计方法，所考虑的影响因素少，会对竹林造成一定程度的破坏，结果不精准而且不能够实现对次年产量的估计。

技术实现思路

[0008]本申请的目的：提出一种多维雷竹竹笋林产量估计方法及装置，综合考虑多维度的影响因素，且不破坏竹林的前提下，实现对雷竹竹笋林产量更加精准的估计。
[0009]本申请的目的是通过如下技术方案来完成的，一种多维雷竹竹笋林产量估计方分别采集若干历史0
‑
6年育林覆盖笋林对应的第一产量集，根据回归算法建立0
‑
6年育林覆盖笋林的基础产量模型；
[0010]获取待测雷竹竹笋林的多维影响系数，所述多维影响系数包括：笋类型系数、降水评价系数、立竹株数系数和年龄结构系数；
[0011]根据基础产量模型获取待测雷竹竹笋林的待测基础产量，将待测基础产量与多维影响系数通过计算分析得到待测雷竹竹笋林的预估产量。
[0012]优选地，获取待测雷竹竹笋林的多维影响系数，所述多维影响系数包括：笋类型系数、降水评价系数、立竹株数系数和年龄结构系数，所述笋类型系数的获取方法如下：
[0013]分别采集若干历史覆盖笋林和自然笋林对应的第二产量集和第三产量集，计算分析得到覆盖笋林和自然笋林历史产量比；
[0014]根据覆盖笋林和自然笋林历史产量比，确定覆盖笋类型系数和自然笋类型系数分别为：
[0015]A1＝1
[0016]A2＝1/3
[0017]当所述待测雷竹竹笋林类型为覆盖笋时，所述笋类型系数为1，当所述待测雷竹竹笋林类型为自然笋时，所述笋类型系数为1/3。
[0018]优选地，获取待测雷竹竹笋林的多维影响系数，所述多维影响系数包括：笋类型系数、降水评价系数、立竹株数系数和年龄结构系数，所述降水评价系数的获取方法如下：
[0019]分别采集若干历史秋季降水量以及6月份降水量，得到秋季平均降水量和6月份平均降水量；
[0020]根据秋季平均降水量和6月份平均降水量得到覆盖笋降水评价系数和自然笋降水评价系数：
[0021]B1＝D1/C1
[0022]B2＝C2/D2
[0023]其中，D1为当年秋季降水量；D2为当年6月份降水量；C1为秋季平均降水量；C2为6月份平均降水量；
[0024]当所述待测雷竹竹笋林类型为覆盖笋时，所述降水评价系数为B1，当所述待测雷竹竹笋林类型为自然笋时，所述降水评价系数为B2。
[0025]优选地，获取待测雷竹竹笋林的多维影响系数，所述多维影响系数包括：笋类型系数、降水评价系数、立竹株数系数和年龄结构系数，所述立竹株数系数的获取方法如下：
[0026]分别采集若干历史不同立竹株数雷竹竹笋林对应的第四产量集，计算分析得到优等产量区间的雷竹竹笋林的立竹株数；
[0027]根据所述优等产量区间的雷竹竹笋林的立竹株数得到标准立竹株数系数模型；
[0028]获取待测雷竹竹笋林的立竹株数，根据标准立竹株数系数模型得到所述立竹株数系数。
[0029]优选地，获取待测雷竹竹笋林的多维影响系数，所述多维影响系数包括：笋类型系数、降水评价系数、立竹株数系数和年龄结构系数，所述年龄结构系数的获取方法如下：
[0030]分别采集若干历史不同年龄结构的雷竹竹笋林以及对应的第五产量集，计算分析得到不同年龄结构雷竹竹笋林的标准年龄结构系数；
[0031]获取待测雷竹竹笋林的年龄结构，根据所述标准年龄结构系数得到所述年龄结构系数。
[0032]一种多维雷竹竹笋林产量估计装置，所述多维雷竹竹笋林产量估计装置实现的是上述多维雷竹竹笋林产量估计方法，其包括：
[0033]第一数据采集模块：用于分别采集若干历史0
‑
6年育林覆盖笋林对应的第一产量集以及获取待测雷竹竹笋林的多维影响系数，所述多维影响系数包括：笋类型系数、降水评价系数、立竹株数系数和年龄结构系数；
[0034]第一数据处理模块：用于根据回归算法建立0
‑
6年育林覆盖笋林的基础产量模型
以及根据基础产量模型获取待测雷竹竹笋林的待测基础产量，将待测基础产量与多维影响系数通过计算分析得到待测雷竹竹笋林的预估产量。
[0035]优选地，所述第一数据处理模块包括：
[0036]第一数据采集单元：用于分别采集若干历史覆盖笋林和自然笋林对应的第二产量集和第三产量集；
[0037]第一数据处理单元：用于计算分析得到覆盖笋林和自然笋林历史产量比，根据覆盖笋林和自然笋林历史产量比，确定覆盖笋类型系数和自然笋类型系数，并根据所述待测雷竹竹笋林类型确定所述笋类型系数。
[0038]优选地，所述第一数据处理模块还包括：
[0039]第二数据采集单元：用于分别采集若干历史秋季降水量以及6月份降水量，得到秋季平均降水量和6月份平均降水量；
[0040]第二数据处理单元：用于根据秋季平均降水量和6月份平均降水量得到覆盖笋降水评价系数和自然笋降水评价系数，并根据所述待测雷竹竹笋林类型确定所述降水评价系数。
[0041]优选地，所述第一数据处理模块还包括：
[0042]第三数据采集单元：用于分别采集若干历史不同立竹株数雷竹竹笋林对应的第四产量集以及待测雷竹竹笋林的立竹株数；
[0043]第三数据本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种多维雷竹竹笋林产量估计方法，其特征在于，包括：分别采集若干历史0
‑
6年育林覆盖笋林对应的第一产量集，根据回归算法建立0
‑
6年育林覆盖笋林的基础产量模型；获取待测雷竹竹笋林的多维影响系数，所述多维影响系数包括：笋类型系数、降水评价系数、立竹株数系数和年龄结构系数；根据基础产量模型获取待测雷竹竹笋林的待测基础产量，将待测基础产量与多维影响系数通过计算分析得到待测雷竹竹笋林的预估产量。2.根据权利要求1所述的多维雷竹竹笋林产量估计方法，获取待测雷竹竹笋林的多维影响系数，所述多维影响系数包括：笋类型系数、降水评价系数、立竹株数系数和年龄结构系数，其特征在于：所述笋类型系数的获取方法如下：分别采集若干历史覆盖笋林和自然笋林对应的第二产量集和第三产量集，计算分析得到覆盖笋林和自然笋林历史产量比；根据覆盖笋林和自然笋林历史产量比，确定覆盖笋类型系数和自然笋类型系数分别为：A1＝1A2＝1/3当所述待测雷竹竹笋林类型为覆盖笋时，所述笋类型系数为1，当所述待测雷竹竹笋林类型为自然笋时，所述笋类型系数为1/3。3.根据权利要求1所述的多维雷竹竹笋林产量估计方法，获取待测雷竹竹笋林的多维影响系数，所述多维影响系数包括：笋类型系数、降水评价系数、立竹株数系数和年龄结构系数，其特征在于：所述降水评价系数的获取方法如下：分别采集若干历史秋季降水量以及6月份降水量，得到秋季平均降水量和6月份平均降水量；根据秋季平均降水量和6月份平均降水量得到覆盖笋降水评价系数和自然笋降水评价系数：B1＝D1/C1B2＝C2/D2其中，D1为当年秋季降水量；D2为当年6月份降水量；C1为秋季平均降水量；C2为6月份平均降水量；当所述待测雷竹竹笋林类型为覆盖笋时，所述降水评价系数为B1，当所述待测雷竹竹笋林类型为自然笋时，所述降水评价系数为B2。4.根据权利要求1所述的多维雷竹竹笋林产量估计方法，获取待测雷竹竹笋林的多维影响系数，所述多维影响系数包括：笋类型系数、降水评价系数、立竹株数系数和年龄结构系数，其特征在于：所述立竹株数系数的获取方法如下：分别采集若干历史不同立竹株数雷竹竹笋林对应的第四产量集，计算分析得到优等产量区间的雷竹竹笋林的立竹株数；根据所述优等产量区间的雷竹竹笋林的立竹株数得到标准立竹株数系数模型；获取待测雷竹竹笋林的立竹株数，根据标准立竹株数系数模型得到所述立竹株数系数。
5.根据权利要求1所述的多维雷竹竹笋林产量估计方法，获取待测雷竹竹笋林的多维影响系数，所述多维影响系数包括：笋类型系数、降水评价系数、立竹株数系数和年龄结构系数，其特征在于：所述年龄结构...

【专利技术属性】
技术研发人员：周祖煜，陈煜人，王俊霞，余敏，张澎彬，白博文，李天齐，刘俊，
申请(专利权)人：杭州领见数字农业科技有限公司，
类型：发明
国别省市：