[發明專利]基于MCMC的小麥品種特征參數估算方法

有效

• 申請號: 201110368758.7
• 申請日: 2011-11-21
• 公開（公告）號: CN102495948A
• 公開（公告）日: 2012-06-13
• 發明（設計）人: 曹衛星;呂尊富;朱艷;劉小軍;姚霞;湯亮;倪軍
• 申請（專利權）人: 南京農業大學
• 主分類號: G06F19/00
• 分類號: G06F19/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

技術領域

本發明屬于精準農業中小麥品種特征定量評價領域，涉及小麥品種特征參數估算方法，具體涉及融合了馬爾可夫鏈蒙特卡洛方法(Markov?Chain?Monte?Carlo，MCMC)的小麥品種特征參數估計方法。

背景技術

隨著農業技術的發展進步，新的小麥品種不斷出現，科學家通過對不同品種的生理生態特性研究，提出了不少可以量化作物品種特性的參數，如株高、千粒重、生理春化天數、灌漿時間、發生分蘗的能力等，這些參數被稱為作物品種特征參數，它主要反映作物基因型特征。近半個多世紀以來，國際上出現了不少作物生長模型，如美國的CERES模型、菲律賓國際水稻所的ORYZA模型、澳大利亞的APSIM模型、中國的WheatGrow模型等，它們通過解析“氣象-土壤-技術措施”與作物生理生態過程的機理關系，對作物的生長發育過程進行定量的表達，將反映基因型差異的作物品種特征參數融入到具體作物生長發育過程當中，再結合環境因子作為輸入變量，達到對作物生長發育過程的動態模擬。科學家在廣泛利用模型進行作物生長預測的同時，也在考慮如何逆向地利用作物生長模型進行品種特征參數的反演，以定量評估作物的品種特性，從而指導作物育種。He等利用GLUE方法和CERES-Maize來反演玉米的品種特征參數，金之慶等利用“試錯法”和CERES-wheat來反演小麥品種特征參數。但這些方法都存在反演效率低且無法搜尋到全局最優變量等缺點。

發明內容

本發明的目的在于克服上述缺陷，將MCMC方法和小麥生長模型(WheatGrow)相結合，通過構建生育期和產量的目標函數，提出一種小麥品種特征參數估算方法，為定量研究小麥品種特性提供了一種新的途徑。

本發明選用了馬爾可夫鏈蒙特卡洛(Markov?Chain?Monte?Carlo，MCMC)方法，其最早被廣泛應用于圖像處理、統計物理學領域。近年來，隨著計算機技術的迅猛發展，MCMC方法在根系水分吸收模型、農業生態模型等諸多復雜模型中得到了廣泛應用。該方法是基于貝葉斯理論框架，首先建立平衡分布為π(x)的馬爾可夫鏈，并對其平衡分布進行采樣，然后通過不斷更新樣本信息而使馬爾可夫鏈能充分搜索模型參數空間，最終收斂于高概率密度區；該方法能將一些復雜的高維問題轉化為一系列簡單的低維問題，因此適用于復雜模型的貝葉斯計算。同時本發明選用了國內建立并具有較好廣適性的WheatGrow生長模型，該模型涉及到9個小麥品種特征參數，分別是春化天數(VD)、光周期敏感因子(PS)、基本早熟因子(IE)、溫度敏感因子(TS)、灌漿期因子(FD)、葉熱間距(LT)、比葉面積(SLA)、收獲指數(HI)、小麥分蘗能力(TA)。其中，春化天數(VD)反映了小麥品種必須經歷一定天數的春化，才能進行花芽分化，極冬性的小麥品種為60，極春性的小麥品種為0。光周期敏感因子(PS)，該參數反應了小麥能否開花受到的日照長短的影響，用光周期敏感因子反映不同品種對日照長度的敏感性不同。基本早熟因子(IE)，小麥出苗后，即使滿足了溫光條件，也不會進行花芽分化，這段時間進行營養生長，不同品種表現不同，用基本早熟因子反映該生育階段的差異。溫度敏感因子(TS)，反映了小麥發育受溫度高低影響的程度。灌漿期因子(FD)，反映了小麥開花以后不同品種灌漿時間的長短不同。葉熱間距(LT)，反映了連續兩個葉原基出現的時間間隔。比葉面積(SLA)，單位重量的小麥葉片所包含的葉面積。收獲指數(HI)，反映了小麥干物質向穗部分配的比例。小麥分蘗能力(TA)，不同小麥品種產生分蘗的能力不同，受品種基因控制，用分蘗能力反映小麥產生分蘗多少的特征。

具體方案為：

一種基于MCMC的小麥品種特征參數估算方法，包括如下步驟：

1)小麥生長模型即WheatGrow模型的數據獲取：通過自動氣象站記錄小麥生長季田間逐日氣象數據，包括日最高氣溫、日最低氣溫、日照時數、日降水量；利用五點取樣法，將耕層土壤從上到下分4層進行田間土壤取樣，然后通過室內物理化學分析，測定土壤容重、飽和含水量、田間持水量、萎焉含水量、實際含水量、土壤全氮、氨態氮和硝態氮；記錄小麥生長過程中的田間栽培管理數據；實測小麥主要生育期(包括播種期、拔節期、開花期、成熟期)和收獲時的籽粒產量；

2)在小麥品種特征參數范圍內選擇一套初始品種特征參數組合θ⁽⁰⁾，在未知參數分布的情況下，先假定各個參數的先驗分布為均勻分布，分別代表九個品種特征參數(i＝1，2，3，4，5，6，7，8，9)；

3)在基礎上提出一個候選樣本