一种预测燕麦草产量与品质的方法

1.本发明属于农业技术领域，尤其涉及一种预测燕麦草产量与品质的方法。


背景技术：

2.燕麦为一年生草本，须根较坚韧，秆直立，光滑无毛，高60-120厘米，具2-4节，叶鞘松弛，光滑或基部者被微毛；其叶舌透明膜质，长1-5毫米；其叶片扁平，长10-30厘米，宽4-12毫米，微粗糙，或上面和边缘疏生柔毛；圆锥花序开展，金字塔形，长10-25厘米，分枝具棱角，粗糙；其小穗长18-25毫米，含2-3小花，其柄弯曲下垂，顶端膨胀，含1-2小花；其小穗轴近于无毛或疏生短毛，不易断落；其第一外稃背部无毛，基盘仅具少数短毛或近于无毛，无芒，或仅背部有1较直的芒；其第二外稃无毛，通常无芒；其颖果被淡棕色柔毛，腹面具纵沟，长6-8毫米；其花果期4-9月。
3.燕麦是世界性栽培作物，不论是收获青绿饲料、收获干草还是作青贮饲料，其牧草生长情况、产量、牧草营养品质始终是人们关注的焦点，现有的牧草产量和品质分析通常需要耗费大量的金钱和时间，在高校、分析研究所等科研单位通过化学分析一批牧草样品经常需要花费一个月左右的时间，可收获牧草最佳品质的时间一般较短，无法等待漫长的化学分析过程结束；普通农业经营者只能凭经验大致估计牧草的收获时间，无法通过科学的手段及时调整牧草收获期，往往错误地判断牧草收获期从而造成大量的经济损失。


技术实现要素：

4.针对现有技术中的上述不足，本发明提供的一种预测燕麦草产量与品质的方法提供了受气候影响小、简单实用、快速便捷、准确和成本低的根据生长时间和≥0℃积温预测燕麦草产量和品质的方法，解决了无法通过科学的手段及时调整燕麦草收获期，导致大量经济损失的问题。
5.为了达到上述发明目的，本发明采用的技术方案为：
6.本发明提供一种预测燕麦草产量与品质的方法，包括如下步骤：
7.s1、获取燕麦草的生长时间、与生长时间对应的产量和营养品质数据、燕麦草≥0℃积温数据以及积温对应的产量和品质数据；
8.s2、基于燕麦草的生长时间和与生长时间对应的产量和营养品质数据构建第一回归模型，并基于燕麦草≥0℃积温数据以及积温对应的产量和品质数据构建第二回归模型；
9.s3、获取待预测燕麦草的生长时间和待预测燕麦草≥0℃积温数据；
10.s4、基于待预测燕麦草的生长时间、待预测燕麦草≥0℃积温数据、第一回归模型和第二回归模型，得到待预测燕麦草下一年预测的产量和营养品质。
11.本发明的有益效果为：本发明提供的一种预测燕麦草产量与品质的方法，通过计算生长时间或≥0℃积温预测栽培草地燕麦草品种(avena sativa l.)haymaker在连续刈割下牧草产量和品质的方法，只需在栽培草地燕麦草农业生产过程中留意饲草的物候期、生长时间和≥0℃积温的数据，带入已经建立好的第一回归模型和第二回归模型即可立即
获取haymaker的营养品质，为确定燕麦草最佳收获时间提供可靠、快速和准确的科学指导；本方案受气候影响小、简单实用、快速便捷、准确、成本低，适合中小农产品企业、农业合作社、个体养殖户等中小型生产单位，为中小型农业生产单位节约了大量的金钱和时间，一定程度上降低了牧草的生产成本，较好的提高了牧草生产效率。
12.进一步地，所述燕麦草的生长时间由人工采集与计算得到；所述燕麦草≥0℃积温数据通过气象站得到。
13.采用上述进一步方案的有益效果为：通过人工采集与计算以及气象站获取准确数据，有利于准确预测燕麦草产量和品质。
14.进一步地，所述燕麦草和待预测燕麦草均采用燕麦草品种haymaker。
15.采用上述进一步方案的有益效果为：燕麦草品种haymaker具有适应性广、叶量丰富、适口性好、产量高、抗倒伏能力强及抗寒耐旱等优良特性，其既可直接青饲，也可用于调制干草或青贮饲料，是适宜在我国东北、华北、西南及西北等地区种植的优质中晚熟饲草。
16.进一步地，所述第一回归模型和第二回归模型均采用spss20.0构建。
17.采用上述进一步方案的有益效果为：spss20.0在表示控制结构和数据结构的抽象基础上，不再需要规定算法细节，在数据统计上具有编程方便、功能强大、数据兼容、拓展便利和提灌多模块组合的优点。
18.进一步地，所述营养品质数据包括产草量、粗蛋白、中性洗涤纤维、酸性洗涤纤维、粗脂肪和粗灰分。
19.采用上述进一步方案的有益效果为：根据燕麦草生长习性提供燕麦草营养品质数据的范围。
20.进一步地，所述第一回归模型的计算表达式如下：
21.y1＝4135ln(x1)-11530r2＝0.922
22.y2＝0.058x1 9.030r2＝0.871
23.y3＝-0.006x
12
1.246x
1-25.76r2＝0.922
24.y4＝0.004x
12-0.497x1 53.07r2＝0.895
25.y5＝1.007ln(x1)-2.384r2＝0.929
26.y6＝0.042x1 7.866r2＝0.869
27.其中，y1表示通过生长时间预测的下一年产草量，y2表示通过生长时间预测的下一年粗蛋白，y3表示通过生长时间预测的下一年中性洗涤纤维，y4表示通过生长时间预测的下一年酸性洗涤纤维，y5表示通过生长时间预测的下一年粗脂肪，y6表示通过生长时间预测的下一年粗灰分，x1表示待预测燕麦草的生长时间，r2表示营养品质因子。
28.采用上述进一步方案的有益效果为：提供第一回归模型的计算方法，通过待预测燕麦草的生长时间实现预测下一年燕麦草的营养品质数据。
29.进一步地，所述第二回归模型的计算表达式如下：
30.y1′
＝2.138x2 2.114.0r2＝0.961
31.y2′
＝0.002x2 9.322r2＝0.897
32.y3′
＝0.012x2 8.129r2＝0.819
33.y4′
＝0.004x2 32.38r2＝0.713
34.y5′
＝0.915ln(x)-4.941r2＝0.989
35.y6′
＝2.792ln(x)-9.904r2＝0.941
36.其中，y1′
表示通过≥0℃积温数据预测的下一年产草量，y2′
表示通过≥0℃积温数据预测的下一年粗蛋白，y3′
表示通过≥0℃积温数据预测的下一年中性洗涤纤维，y4′
表示通过≥0℃积温数据预测的下一年酸性洗涤纤维，y5′
表示通过≥0℃积温数据预测的下一年粗脂肪，y6′
表示通过≥0℃积温数据预测的下一年粗灰分，x2表示待预测燕麦草的≥0℃积温数据，r2表示营养品质因子。
37.采用上述进一步方案的有益效果为：提供第二回归模型的计算方法，通过待预测燕麦草的≥0℃积温数据实现预测下一年燕麦草的营养品质数据。
附图说明
38.图1为本发明实施例中预测燕麦草产量与品质的方法的步骤流程图。
具体实施方式
39.下面对本发明的具体实施方式进行描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。
40.如图1所示，在本发明的一个实施例中，本发明提供一种预测燕麦草产量与品质的方法，包括如下步骤：
41.s1、获取燕麦草的生长时间、与生长时间对应的产量和营养品质数据、燕麦草≥0℃积温数据以及积温对应的产量和品质数据；
42.所述燕麦草的生长时间由人工采集与计算得到；所述燕麦草≥0℃积温数据通过气象站得到；
43.所述燕麦草和待预测燕麦草均采用燕麦草品种haymaker；
44.所述营养品质数据包括产草量(forage yield)、粗蛋白(cp)、中性洗涤纤维(ndf)、酸性洗涤纤维(adf)、粗脂肪(ee)和粗灰分(ash)；
45.s2、基于燕麦草的生长时间和与生长时间对应的产量和营养品质数据构建第一回归模型，并基于燕麦草≥0℃积温数据以及积温对应的产量和品质数据构建第二回归模型；
46.所述第一回归模型和第二回归模型均采用spss20.0构建；
47.所述第一回归模型的计算表达式如下：
48.y1＝4135ln(x1)-11530r2＝0.922
49.y2＝0.058x1 9.030r2＝0.871
50.y3＝-0.006x
12
1.246x
1-25.76r2＝0.922
51.y4＝0.004x
12-0.497x1 53.07r2＝0.895
52.y5＝1.007ln(x1)-2.384r2＝0.929
53.y6＝0.042x1 7.866r2＝0.869
54.其中，y1表示通过生长时间预测的下一年产草量，y2表示通过生长时间预测的下一年粗蛋白，y3表示通过生长时间预测的下一年中性洗涤纤维，y4表示通过生长时间预测的下一年酸性洗涤纤维，y5表示通过生长时间预测的下一年粗脂肪，y6表示通过生长时间预测的
下一年粗灰分，x1表示待预测燕麦草的生长时间，r2表示营养品质因子；
55.所述第二回归模型的计算表达式如下：
56.y1′
＝2.138x2 2.114.0r2＝0.961
57.y2′
＝0.002x2 9.322r2＝0.897
58.y3′
＝0.012x2 8.129r2＝0.819
59.y4′
＝0.004x2 32.38r2＝0.713
60.y5′
＝0.915ln(x)-4.941r2＝0.989
61.y6′
＝2.792ln(x)-9.904r2＝0.941
62.其中，y1′
表示通过≥0℃积温数据预测的下一年产草量，y2′
表示通过≥0℃积温数据预测的下一年粗蛋白，y3′
表示通过≥0℃积温数据预测的下一年中性洗涤纤维，y4′
表示通过≥0℃积温数据预测的下一年酸性洗涤纤维，y5′
表示通过≥0℃积温数据预测的下一年粗脂肪，y6′
表示通过≥0℃积温数据预测的下一年粗灰分，x2表示待预测燕麦草的≥0℃积温数据，r2表示营养品质因子；
63.s3、获取待预测燕麦草的生长时间和待预测燕麦草≥0℃积温数据；
64.s4、基于待预测燕麦草的生长时间、待预测燕麦草≥0℃积温数据、第一回归模型和第二回归模型，得到待预测燕麦草下一年预测的产量和营养品质。
65.本发明提供的一种预测燕麦草产量与品质的方法，通过计算生长时间或≥0℃积温预测栽培草地燕麦草品种(avena sativa l.)haymaker在连续刈割下牧草产量和品质的方法，只需在栽培草地燕麦草农业生产过程中留意饲草的物候期、生长时间和≥0℃积温的数据，带入已经建立好的第一回归模型和第二回归模型即可立即获取haymaker的营养品质，为确定燕麦草最佳收获时间提供可靠、快速和准确的科学指导；本方案受气候影响小、简单实用、快速便捷、准确、成本低，适合中小农产品企业、农业合作社、个体养殖户等中小型生产单位，为中小型农业生产单位节约了大量的金钱和时间，一定程度上降低了牧草的生产成本，较好的提高了牧草生产效率。
66.在本发明的一个实用实例中，采集的原始数据是来自宁夏海原县关桥乡冯湾村2022年燕麦草haymaker产量、品质和生长时间、≥0℃积温的实验数据，如表1所示：
67.表1
[0068][0069]
根据表1中在2022年采集的生长时间、≥0℃积温数据、产量及营养品质指标数据，利用spss20.0建立相应的第一回归模型和第二回归模型；
[0070]
当生产者想在生长时间为55时得到haymaker的牧草产量和品质数据时，可以简单地将生长时间x1＝55带入产量、cp、ndf、adf、wsc、ee、ash已经建立好的关于生长时间预测的第一回归方程中，得到haymaker营养品质数据分别为5040.32(5619.74)kg dm
·
hm-2
、12.22(12.88)％、24.62(21.15)％、37.84(39.62)％、1.65(1.76)％、10.18(10.77)％；括号内为haymaker原始实际测量数据，通过对比确定本发明实施例的预测方法相对准确、简便，可用于预测haymaker产量和品质；
[0071]
当生产者想在≥0℃积温为2269.3℃时得到haymaker的牧草产量和品质数据时，可以简单地将x2＝2269.3带入关于≥0℃积温预测的第二回归方程中，得到haymaker营养品质数据分别为：6965.76(6907.58)kg dm
·
hm-2
、13.86(13.57)％、35.36(37.30)％、41.36(40.62)％、2.13(2.16)％、11.67(11.48)％；括号内为haymaker原始实际测量数据，通过对比确定本发明实施例的预测方法相对准确、简便，可用于预测燕麦草haymaker产量和品质；
[0072]
通过本方案提供的预测燕麦草产量与品质的方法，生产者只需在栽培草地燕麦草农业生产过程中留意haymaker的物候期和生长时间、≥0℃积温的数据，带入已经分别建立好的第一回归模型和第二回归模型就可以立即获取相应的营养品质，为确定燕麦草最佳收获时间提供可靠、快速、准确的科学指导。