[發(fā)明專利]一種預測苣菊草產(chǎn)量與品質(zhì)的方法

在審

• 申請?zhí)枺?/td>: 202011254847.4
• 申請日: 2020-11-11
• 公開（公告）號: CN112348267A
• 公開（公告）日: 2021-02-09
• 發(fā)明（設計）人: 楊天輝;侯扶江;高婷;卓瑪草;常生華;王曉春;王川
• 申請（專利權）人: 寧夏農(nóng)林科學院動物科學研究所;蘭州大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q10/06;G06Q50/02;G06F17/18
• 代理公司: 北京中譽威圣知識產(chǎn)權代理有限公司 11279
• 代理人: 趙莎莎

1.一種預測菊苣草產(chǎn)量與品質(zhì)的方法，其特征在于，包括以下步驟：

步驟(1)：獲取菊苣草的生長時間和所述生長時間對應的產(chǎn)量與營養(yǎng)品質(zhì)指標數(shù)據(jù)，建立回歸模型；

步驟(2)：獲取菊苣草≥0℃積溫和所述積溫對應的產(chǎn)量與營養(yǎng)品質(zhì)指標數(shù)據(jù)，建立回歸模型；

步驟(3)：將需要分析的菊苣草的生長時間或≥0℃積溫帶入對應回歸模型中，預測出所述菊苣草在下一年的產(chǎn)量與營養(yǎng)品質(zhì)，并判斷出所述菊苣草的最佳收獲期。

2.根據(jù)權利要求1所述的一種預測苣菊草產(chǎn)量與品質(zhì)的方法，其特征在于：在步驟(1)中，所述菊苣草的生長時間是通過人工采集與計算獲得。

3.根據(jù)權利要求1所述的一種預測苣菊草產(chǎn)量與品質(zhì)的方法，其特征在于：在步驟(2)中，所述菊苣草的≥0℃積溫數(shù)據(jù)是通過氣象站獲得。

4.根據(jù)權利要求1所述的一種預測苣菊草產(chǎn)量與品質(zhì)的方法，其特征在于：在步驟(1)和步驟(2)中，所述營養(yǎng)品質(zhì)指標包括產(chǎn)草量(Forage yield)、粗蛋白(CP)、中性洗滌纖維(NDF)、酸性洗滌纖維(ADF)、粗脂肪(EE)及粗灰分(Ash)。

5.根據(jù)權利要求1所述的一種預測苣菊草產(chǎn)量與品質(zhì)的方法，其特征在于：在步驟(1)和步驟(2)中，所述建立回歸模型是采用SPSS 20.0。

6.根據(jù)權利要求1所述的一種預測苣菊草產(chǎn)量與品質(zhì)的方法，其特征在于：所述菊苣草包括菊苣草品種(Cichorium intybus)PunaⅡ，Choice。

7.根據(jù)權利要求6所述的一種預測苣菊草產(chǎn)量與品質(zhì)的方法，其特征在于：所述菊苣草品種PunaⅡ的生長時間與各營養(yǎng)品質(zhì)的回歸模型包括：

產(chǎn)量和生長時間回歸模型：y＝2522.1656/(1+22.8049e-0.0418x)R2＝0.9877；

粗蛋白(CP)和生長時間回歸模型：y＝-0.0393x+23.376 R2＝0.6727；

中性洗滌纖維(NDF)和生長時間回歸模型：y＝18.035ln(x)-52.843 R2＝0.8739；

酸性洗滌纖維(ADF)和生長時間回歸模型：y＝18.375ln(x)-63.95 R2＝0.9210；

粗脂肪(EE)和生長時間回歸模型：y＝-1.71ln(x)+10.382 R2＝0.7982；

粗灰分(Ash)和生長時間回歸模型：y＝-0.0492x+24.349 R2＝0.5701。

8.根據(jù)權利要求6所述的一種預測苣菊草產(chǎn)量與品質(zhì)的方法，其特征在于：所述菊苣草品種PunaⅡ的≥0℃積溫與各營養(yǎng)品質(zhì)的回歸模型包括：

產(chǎn)量和積溫回歸模型：y＝2502.2117/(1+12.6433e-0.0024x)R2＝0.9843；

粗蛋白(CP)和積溫回歸模型：y＝-0.0022x+22.746 R2＝0.6577；

中性洗滌纖維(NDF)和積溫回歸模型：y＝-0.0022x+22.746 R2＝0.6577；

酸性洗滌纖維(ADF)和積溫回歸模型：y＝15.321ln(x)-91.231 R2＝0.9211；

粗脂肪(EE)和積溫回歸模型：y＝-1.408ln(x)+12.79 R2＝0.7788；

粗灰分(Ash)和積溫回歸模型：y＝-0.0027x+23.573 R2＝0.5600。