一种基于土壤质量指标的作物产量预测方法及系统

1.本发明涉及产量预测技术领域，具体而言，涉及一种基于土壤质量指标的作物产量预测方法及系统。


背景技术：

2.作物产量预测是农业领域中一项重要的任务，它对农业生产、市场规划和资源管理起着关键作用。准确预测作物产量可以帮助农民、农业企业和政府作出科学决策，提高农业生产效益，确保食品供应的稳定性，实现可持续发展。然而，当前的作物产量预测方法存在一些问题和挑战。
3.物产量受到多种因素的综合影响，现有方法往往难以准确捕捉和综合考虑这些复杂因素的影响，导致预测结果的准确性受到限制。作物产量预测需要大量的农业数据，获取和整合这些数据是一项繁琐且费时费力的任务，可能受到数据不完整、数据质量差等问题的影响。现有的作物产量预测方法往往基于统计模型或经验公式，其精度和实时性有一定局限性。随着农业技术的发展和数据采集技术的进步，需要更精确和实时的预测方法来满足农业生产的需求。
4.因此，有必要设计一种基于土壤质量指标的作物产量预测方法及系统，用以解决当前作物产量预测技术存在的问题。


技术实现要素：

5.鉴于此，本发明提出了一种基于土壤质量指标的作物产量预测方法及系统，旨在解决当前作物产量预测技术中数据收集繁琐，大量数据处理难度较高，预测精度低且不具备实时性。
6.一个方面，本发明提出了一种基于土壤质量指标的作物产量预测方法，包括：
7.选取土壤质量评价指标，建立所述土壤质量评价指标与土壤质量之间的标准评分函数；
8.对所述土壤质量评价指标进行筛选，建立最小数据集评价指标，运用所述最小数据集评价指标进行土壤质量指数计算；
9.获取作物实时生长状态，根据所述实时生长状态对所述土壤质量指数进行修正，获取修正后的土壤质量指数；
10.基于所述修正后的土壤质量指数对待预测作物进行产量预测。
11.进一步的，选取土壤质量评价指标，建立所述土壤质量评价指标与土壤质量之间的标准评分函数，包括：
12.所述土壤质量评价指标包括有机质、全氮、速效磷、速效钾、微生物生物量氮、微生物生物量碳、蔗糖酶、磷酸酶、脲酶、容重和ph值(酸碱值又称ph值，是化学上用以衡量液体酸碱性比值的表示符号)；
13.其中有机质、全氮、速效磷、速效钾、微生物生物量氮、微生物生物量碳、蔗糖酶、磷
酸酶和脲酶的标准评分函数采用戒上型函数；
14.其计算公式如下：
[0015][0016]
其中，u为函数的上限值，l为函数的下限值，x为测定值。
[0017]
进一步的，建立所述土壤质量评价指标与土壤质量之间的标准评分函数，还包括：
[0018]
所述容重和ph值的标准评分函数采用梯形函数；
[0019]
其计算公式如下：
[0020][0021]
其中，u为函数的上限值，l为函数的下限值，o1和o2为函数的最优值，x为测定值。
[0022]
进一步的，所述对所述土壤质量评价指标进行筛选后，以及建立最小数据集评价指标前，包括：
[0023]
分别计算各所述土壤质量评价指标的norm值，根据所述norm值的大小建立所述最小数据集评价指标；
[0024]
其中，norm值计算公式如下：
[0025][0026]
式中，n
ik
是第i个指标在特征值大于1的前k个pc上的综合载荷；u
ik
是第i个指标在第k个pc上的载荷值；λk是第k个pc的特征值。
[0027]
进一步的，运用所述最小数据集评价指标进行土壤质量指数计算时，包括：
[0028]
计算公式如下：
[0029][0030]
式中，sqi是土壤质量指数，wi是第i个评价指标的权重，si是第i个评价指标的隶属度，n是各数据集中的参评指标数量。
[0031]
进一步的，获取作物实时生长状态，根据所述实时生长状态对所述土壤质量指数进行修正，获取修正后的土壤质量指数，其中所述作物实时生长状态包括植物高度、叶面积指数和叶绿素含量；
[0032]
预先设定第一预设高度h1、第二预设高度h2、第三预设高度h3和第四预设高度h4，且h1＜h2＜h3＜h4；
[0033]
预先设定第一预设修正系数a1、第二预设修正系数a2、第三预设修正系数a3和第四预设修正系数a4，且a1＜a2＜a3＜a4；
[0034]
根据所述植物高度h0与各预设高度的大小关系，选取修正系数对所述土壤质量指
数进行修正，获取修正后的土壤质量指数，包括：
[0035]
当h1≤h0＜h2时，选取所述第一预设修正系数a1对所述土壤质量指数sqi进行修正，获取修正后的土壤质量指数sq i*a1；
[0036]
当h2≤h0＜h3时，选取所述第二预设修正系数a2对所述土壤质量指数sqi进行修正，获取修正后的土壤质量指数sq i*a2；
[0037]
当h3≤h0＜h4时，选取所述第三预设修正系数a3对所述土壤质量指数sqi进行修正，获取修正后的土壤质量指数sq i*a3；
[0038]
当h4≤h0时，选取所述第四预设修正系数a4对所述土壤质量指数sqi进行修正，获取修正后的土壤质量指数sqi*a4。
[0039]
进一步的，在选取第i预设修正指数ai对所述土壤质量指数sqi进行修正，获取修正后的土壤质量指数sqi*ai后，i＝1，2，3，4，所述根据所述实时生长状态对所述土壤质量指数进行修正，获取修正后的土壤质量指数，还包括：
[0040]
预先设定第一预设叶面积指数z1、第二预设叶面积指数z2、第三预设叶面积指数z3和第四预设叶面积指数z4，且z1＜z2＜z3＜z4；
[0041]
根据所述叶面积指数z0与各预设指数的大小关系，选取修正系数对所述修正后的土壤质量指数q i*ai进行二次修正，获取二次修正后的土壤质量指数，包括：
[0042]
当z1≤z0＜z2时，选取所述第一预设修正指数a1对所述修正后的土壤质量指数q i*ai进行二次修正，获取二次修正后的土壤质量指数q i*ai*a1；
[0043]
当z2≤z0＜z3时，选取所述第二预设修正指数a2对所述修正后的土壤质量指数q i*ai进行二次修正，获取二次修正后的土壤质量指数q i*ai*a2；
[0044]
当z3≤z0＜z4时，选取所述第三预设修正指数a3对所述修正后的土壤质量指数q i*ai进行二次修正，获取二次修正后的土壤质量指数q i*ai*a3；
[0045]
当z4≤z0时，选取所述第四预设修正指数a4对所述修正后的土壤质量指数q i*ai进行二次修正，获取二次修正后的土壤质量指数qi*ai*a4。
[0046]
进一步的，在选取第i预设修正指数ai对所述修正后的土壤质量指数q i*ai进行二次修正，获取二次修正后的土壤质量指数sqi*ai*ai后，i＝1，2，3，4，所述根据所述实时生长状态对所述土壤质量指数进行修正，获取修正后的土壤质量指数，还包括：
[0047]
预先设定第一预设叶绿素含量y1、第二预设叶绿素含量y2、第三预设叶绿素含量y3和第四预设叶绿素含量y4，且y1＜y2＜y3＜y4；
[0048]
根据所述叶绿素含量y0与各预设含量的大小关系，选取修正系数对所述二次修正后的土壤质量指数qi*ai*ai进行三次修正，获取三次修正后的土壤质量指数，包括：
[0049]
当y1≤y0＜y2时，选取所述第一预设修正指数a1对所述二次修正后的土壤质量指数q i*ai*ai进行三次修正，获取三次修正后的土壤质量指数q i*ai*ai*a1；
[0050]
当y2≤y0＜y3时，选取所述第二预设修正指数a2对所述二次修正后的土壤质量指数q i*ai*ai进行三次修正，获取三次修正后的土壤质量指数q i*ai*ai*a2；
[0051]
当y3≤y0＜y4时，选取所述第三预设修正指数a3对所述二次修正后的土壤质量指数q i*ai*ai进行三次修正，获取三次修正后的土壤质量指数q i*ai*ai*a3；
[0052]
当y4≤y0时，选取所述第四预设修正指数a4对所述二次修正后的土壤质量指数q i*ai*ai进行三次修正，获取三次修正后的土壤质量指数q i*ai*ai*a4。
[0053]
进一步的，基于所述修正后的土壤质量指数对待预测作物进行产量预测，包括：
[0054]
预先设定第一预设产量c1、第二预设产量c2、第三预设产量c3和第四预设产量c4，且c1＜c2＜c3＜c4；
[0055]
预先设定第一预设质量指数sqi 1、第二预设质量指数sqi2、第三预设质量指数sqi 3和第四预设质量指数sqi4，且sqi 1＜sqi2＜sqi3＜sqi4；
[0056]
根据所述修正后的土壤质量指数qi*ai*ai*a*ai与各预设质量指数的大小关系，选取预测产量；
[0057]
当sqi 1≤qi*ai*ai*a*ai＜sqi2时，作物产量的预测值为所述第一预设产量c1；
[0058]
当sqi2≤qi*ai*ai*a*ai＜sqi3时，作物产量的预测值为所述第二预设产量c2；
[0059]
当sqi 3≤qi*ai*ai*a*ai＜sqi4时，作物产量的预测值为所述第三预设产量c3；
[0060]
当sqi4≤qi*ai*ai*a*ai时，作物产量的预测值为所述第四预设产量c4。
[0061]
与现有技术相比，本发明的有益效果在于：通过选取土壤质量评价指标，建立了与土壤质量之间的标准评分函数，有效评估了土壤的质量状况。通过对土壤质量评价指标进行筛选，建立了最小数据集评价指标，从大量数据中提取了最为关键和代表性的指标，减少了数据收集和处理的工作量。利用最小数据集评价指标计算土壤质量指数为农业管理者准确了解土壤的潜力和限制，为合理的农田管理和资源利用提供了依据。通过及时监测和调整土壤质量指数，可以更准确地反映土壤对作物生长的实际影响，提高预测的准确性和可靠性。通过建立预测模型并应用修正后的指数，能够准确预测待预测作物的产量水平。有利于及时制定合理的农田管理策略，调整施肥、灌溉和作物种植等方面的决策，从而最大限度地提高作物产量，实现农业生产的效益最大化。
[0062]
另一方面，本发明还提出了一种基于土壤质量指标的作物产量预测系统，包括：
[0063]
采集模块：用于选取土壤质量评价指标，建立所述土壤质量评价指标与土壤质量之间的标准评分函数；
[0064]
计算模块：用于对所述土壤质量评价指标进行筛选，建立最小数据集评价指标，运用所述最小数据集评价指标进行土壤质量指数计算；
[0065]
修正模块：用于获取作物实时生长状态，根据所述实时生长状态对所述土壤质量指数进行修正，获取修正后的土壤质量指数；
[0066]
预测模块：用于基于所述修正后的土壤质量指数对待预测作物进行产量预测。
[0067]
可以理解的是，上述基于土壤质量指标的作物产量预测方法及系统具备相同的有益效果，在此不再赘述。
附图说明
[0068]
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
[0069]
图1为本发明实施例提供的基于土壤质量指标的作物产量预测方法的流程图；
[0070]
图2为本发明实施例提供的基于土壤质量指标的作物产量预测系统的功能框图。
具体实施方式
[0071]
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整地传达给本领域的技术人员。需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本发明。
[0072]
参阅图1所示，本实施例提供了一种基于土壤质量指标的作物产量预测方法，包括：
[0073]
步骤s100：选取土壤质量评价指标，建立土壤质量评价指标与土壤质量之间的标准评分函数。
[0074]
步骤s200：对土壤质量评价指标进行筛选，建立最小数据集评价指标，运用最小数据集评价指标进行土壤质量指数计算。
[0075]
步骤s300：获取作物实时生长状态，根据实时生长状态对土壤质量指数进行修正，获取修正后的土壤质量指数。
[0076]
步骤s400：基于修正后的土壤质量指数对待预测作物进行产量预测。
[0077]
具体而言，在步骤s100中，选取了关键的土壤质量评价指标，并建立了与土壤质量之间的标准评分函数，通过对这些指标的评分，能够客观地评估土壤的质量状况。在步骤s200中，对土壤质量评价指标进行筛选，建立了最小数据集评价指标，以减少数据获取和处理的复杂性，提高预测效率。在步骤s300中，获取作物的实时生长状态，通过将实时生长状态与土壤质量指数进行修正，可以更准确地反映当前的农业生产情况，提高预测的准确性。在步骤s400中，基于修正后的土壤质量指数对待预测作物进行产量预测。
[0078]
可以理解的是，通过选取关键的土壤质量评价指标和建立评分函数，能够全面、客观地评估土壤的质量，为作物产量预测提供了科学依据。在筛选最小数据集评价指标的过程中，简化了数据获取和处理的复杂性，节约了时间和资源成本。这不仅提高了预测的效率，也使得该方法更易于实施和推广。结合实时生长状态对土壤质量指数进行修正，使预测结果更加准确，并能够及时反映农业生产的实际情况，提供了更有针对性的决策依据。能够有效提高预测的准确性和实用性，为农业生产和决策提供科学支持，促进农业的可持续发展。
[0079]
在本技术的一些实施例中，步骤s100中选取土壤质量评价指标，建立土壤质量评价指标与土壤质量之间的标准评分函数，包括：土壤质量评价指标包括有机质、全氮、速效磷、速效钾、微生物生物量氮、微生物生物量碳、蔗糖酶、磷酸酶、脲酶、容重和ph值。
[0080]
其中有机质、全氮、速效磷、速效钾、微生物生物量氮、微生物生物量碳、蔗糖酶、磷酸酶和脲酶的标准评分函数采用戒上型函数。
[0081]
其计算公式如下：
[0082][0083]
其中，u为函数的上限值，l为函数的下限值，x为测定值。
[0084]
在本技术的一些实施例中，步骤s100中还包括容重和ph值的标准评分函数采用梯形函数。
[0085]
其计算公式如下：
[0086][0087]
其中，u为函数的上限值，l为函数的下限值，o1和o2为函数的最优值，x为测定值。
[0088]
具体而言，土壤质量是在土壤不同功能之间寻求平衡和整体表现而确定的土壤本身的内在属性，这一属性不能通过感官或仪器分析直接获得，而必须根据已知的土壤外部性质进行推测或者综合量化表达。在评价土壤质量时，必须选择那些最能体现土壤质量本质的土壤质量指标，并体现各种土壤性质与土壤功能之间的关系。因此，选取合适的评价指标是获得更能反映实际土壤质量的前提。
[0089]
具体而言，标准评分函数实际上是评价指标与作物生长效应曲线之间的关系曲线。根据作物生长的适宜性或限制性来确定标准评分函数的阈值，将曲线转化为折线，从而将评价指标转变为0.1
–
1之间的无量纲值。有机质、全氮、速效磷、速效钾、微生物生物量碳、微生物生物量氮、蔗糖酶、磷酸酶和脲酶均可采用戒上型函数来计算隶属度值。容重和ph则采用梯形函数来计算隶属度值。对于每项指标，选择了合适的标准评分函数之后，需要确定标准评分函数的上限u、下限l、最优值l等阈值。最后将各项土壤质量指标的实测值代入标准评分函数来计算得到得分。
[0090]
可以理解的是，通过选取合适的评价指标和建立标准评分函数，能够全面地评估土壤的质量状况，并将复杂的土壤性质转化为统一的评分体系，便于比较和分析。采用戒上型函数和梯形函数作为评分函数，可以根据作物生长的适宜性或限制性来确定评分的阈值，更准确地反映土壤对作物生长的影响。该计算方法简单明了，易于实施和操作，适用于大规模的土壤质量评价和作物产量预测。
[0091]
在本技术的一些实施例中，步骤s200中所述对所述土壤质量评价指标进行筛选后，以及建立最小数据集评价指标前，还包括：分别计算各土壤质量评价指标的norm值，根据norm值的大小建立最小数据集评价指标。
[0092]
其中，norm值计算公式如下：
[0093][0094]
式中，n
ik
是第i个指标在特征值大于1的前k个pc上的综合载荷。u
ik
是第i个指标在第k个pc上的载荷值。λk是第k个pc的特征值。
[0095]
具体而言，在大空间尺度上直接采用评价指标分析土壤质量，数据获取成本较高。而通过主成分分析实现降维的效果，从而减少分析维度，能够尽可能地反映评价指标的信息。
[0096]
具体而言，对初选指标进行主成分分析，提取特征值大于1的主成分pc，将同一pc
上载荷绝对值大于等于0.5的指标分为一组，若某一项指标在两个pc上的载荷绝对值均大于等于0.5，则将其合并到与其他指标相关性较低的一组。若指标在各pc上的载荷绝对值均小于0.5，则将其划分到载荷绝对值最高的一组。分别计算各组中指标的norm值，并选取每组中norm值在该组最大norm值的10％范围内的指标，分析每组中所选指标之间的相关性，若相关性系数值大于等于0.5，则选择norm值最高的指标进入最小数据集评价指标。反之，若相关性系数值小于0.5，则二者均进入最小数据集评价指标。norm值为该指标在由成分组成的多维空间中矢量常模的长度，长度越长，表明该指标在所有pc的综合载荷值越大，其解释综合信息的能力就越强。
[0097]
可以理解的是，在主成分分析中，首先计算原始变量之间的协方差矩阵或相关系数矩阵。然后，通过对该矩阵进行特征值分解或奇异值分解，得到一组特征值和对应的特征向量。特征向量代表了原始变量与主成分之间的线性关系，而特征值表示了数据中的方差解释程度。根据特征值的大小，选择前几个特征值较大的主成分作为主要的信息提取。这些主成分是原始变量的线性组合，具有不相关性和较低的相关性。每个主成分对应一个特征值，特征值越大表示该主成分能够解释的数据方差越多。主成分pc在数据分析中起到了降维和数据压缩的作用。它们是通过对原始变量进行线性变换得到的新变量，具有更少的相关性，可以更好地表示数据的主要特征。在土壤质量评价中，主成分分析可用于将众多土壤质量评价指标进行综合，提取出能够较好地代表土壤质量的主成分，从而简化评价过程并提高评价的准确性。
[0098]
可以理解的是，主成分pc是通过主成分分析得到的新变量，用于将原始的土壤质量评价指标进行线性组合，以降低数据的维度和相关性，并提取主要的信息。每个主成分对应一个特征值，特征值表示该主成分能够解释的数据方差。norm值是用于评价各个土壤质量评价指标的相对重要性或归一化程度的指标。norm值的计算公式是基于主成分分析结果的，其中包括主成分pc在特征值大于1的前几个主成分上的综合载荷。主成分pc和norm值在土壤质量评价方法中扮演着不同的角色。主成分pc通过降维和提取主要信息来简化土壤质量评价，而norm值则用于评价指标的重要性和归一化，以便进行综合评估和比较不同指标的贡献程度。
[0099]
在本技术的一些实施例中，步骤s200中运用最小数据集评价指标进行土壤质量指数计算时，包括：
[0100]
计算公式如下：
[0101][0102]
式中，sqi是土壤质量指数，wi是第i个评价指标的权重，si是第i个评价指标的隶属度，n是各数据集中的参评指标数量。
[0103]
具体而言，土壤质量指数集成了农田土壤物理、化学及生物指标，土壤质量指数越高，则土壤质量越好。权重值是指各项评价指标对土壤质量贡献的大小，权重值越大，说明该指标对土壤质量的重要性越大。
[0104]
可以理解的是，通过综合考虑不同方面的土壤指标，可以更全面地了解土壤的质量状况，不仅仅局限于单一指标的评价，提供更准确的土壤质量信息。通过权重值的设定，可以准确衡量每个指标对土壤质量的影响程度，避免了各指标平等对待或片面强调某些指标的问题。通过隶属度的考虑，可以根据具体的数据集情况，灵活地调整不同指标在评价中
的权重，适应不同土壤环境和研究需求。
[0105]
在本技术的一些实施例中，步骤s300中获取作物实时生长状态，根据实时生长状态对土壤质量指数进行修正，获取修正后的土壤质量指数，其中作物实时生长状态包括植物高度、叶面积指数和叶绿素含量。预先设定第一预设高度h1、第二预设高度h2、第三预设高度h3和第四预设高度h4，且h1＜h2＜h3＜h4。预先设定第一预设修正系数a1、第二预设修正系数a2、第三预设修正系数a3和第四预设修正系数a4，且a1＜a2＜a3＜a4。
[0106]
具体而言，根据植物高度h0与各预设高度的大小关系，选取修正系数对土壤质量指数进行修正，获取修正后的土壤质量指数，包括：当h1≤h0＜h2时，选取第一预设修正系数a1对土壤质量指数sqi进行修正，获取修正后的土壤质量指数sq i*a1。当h2≤h0＜h3时，选取第二预设修正系数a2对土壤质量指数sq i进行修正，获取修正后的土壤质量指数sq i*a2。当h3≤h0＜h4时，选取第三预设修正系数a3对土壤质量指数sqi进行修正，获取修正后的土壤质量指数sq i*a3。当h4≤h0时，选取第四预设修正系数a4对土壤质量指数sqi进行修正，获取修正后的土壤质量指数sqi*a4。
[0107]
可以理解的是，通过设定预设高度和预设修正系数，根据植物高度与预设高度的大小关系，选择适当的修正系数对土壤质量指数进行修正。修正后的土壤质量指数反映了当前作物的实际生长情况对土壤质量的影响程度。
[0108]
在本技术的一些实施例中，步骤s300中在选取第i预设修正指数ai对土壤质量指数sq i进行修正，获取修正后的土壤质量指数sqi*ai后，i＝1，2，3，4，根据实时生长状态对土壤质量指数进行修正，获取修正后的土壤质量指数，还包括：预先设定第一预设叶面积指数z1、第二预设叶面积指数z2、第三预设叶面积指数z3和第四预设叶面积指数z4，且z1＜z2＜z3＜z4。
[0109]
具体而言，根据叶面积指数z0与各预设指数的大小关系，选取修正系数对修正后的土壤质量指数qi*ai进行二次修正，获取二次修正后的土壤质量指数，包括：当z1≤z0＜z2时，选取第一预设修正指数a1对修正后的土壤质量指数q i*ai进行二次修正，获取二次修正后的土壤质量指数q i*ai*a1。当z2≤z0＜z3时，选取第二预设修正指数a2对修正后的土壤质量指数qi*ai进行二次修正，获取二次修正后的土壤质量指数qi*ai*a2。当z3≤z0＜z4时，选取第三预设修正指数a3对修正后的土壤质量指数q i*ai进行二次修正，获取二次修正后的土壤质量指数q i*ai*a3。当z4≤z0时，选取第四预设修正指数a4对修正后的土壤质量指数qi*ai进行二次修正，获取二次修正后的土壤质量指数qi*ai*a4。
[0110]
在本技术的一些实施例中，在选取第i预设修正指数ai对修正后的土壤质量指数qi*ai进行二次修正，获取二次修正后的土壤质量指数sqi*ai*ai后，i＝1，2，3，4，根据实时生长状态对土壤质量指数进行修正，获取修正后的土壤质量指数，还包括：预先设定第一预设叶绿素含量y1、第二预设叶绿素含量y2、第三预设叶绿素含量y3和第四预设叶绿素含量y4，且y1＜y2＜y3＜y4；
[0111]
具体而言，根据叶绿素含量y0与各预设含量的大小关系，选取修正系数对二次修正后的土壤质量指数qi*ai*ai进行三次修正，获取三次修正后的土壤质量指数，包括：当y1≤y0＜y2时，选取第一预设修正指数a1对二次修正后的土壤质量指数qi*ai*ai进行三次修正，获取三次修正后的土壤质量指数qi*ai*ai*a1。当y2≤y0＜y3时，选取第二预设修正指数a2对二次修正后的土壤质量指数qi*ai*ai进行三次修正，获取三次修正后的土壤质量指
数qi*ai*ai*a2。当y3≤y0＜y4时，选取第三预设修正指数a3对二次修正后的土壤质量指数qi*ai*ai进行三次修正，获取三次修正后的土壤质量指数qi*ai*ai*a3。当y4≤y0时，选取第四预设修正指数a4对二次修正后的土壤质量指数qi*ai*ai进行三次修正，获取三次修正后的土壤质量指数qi*ai*ai*a4。
[0112]
可以理解的是，植物的生长高度是作物生长过程中的重要参数，反映了植物的生长状况和生物量积累。较好的土壤质量通常会提供适宜的养分供应和良好的根系环境，有利于植物的根系生长和养分吸收，从而促进植物生长，使植物高度增加。因此，土壤质量指数较高的土壤通常与更好的植物高度相关。叶面积指数是指单位地表面积上植物叶片面积的总和，反映了植物叶片的覆盖程度和光合作用的强度。土壤质量的好坏会影响植物根系的发育和养分吸收能力，进而影响植物的生长和叶片的生长。较好的土壤质量有助于植物根系的发达和养分吸收的提高，从而促进植物叶片的生长和叶面积的增加。因此，土壤质量指数较高的土壤通常与较大的叶面积指数相关。叶绿素是植物光合作用的关键色素，反映了植物叶片光合效率和养分利用情况。土壤质量的好坏会直接影响植物的养分供应和根系发育，进而影响植物的光合作用和叶绿素的合成。较好的土壤质量通常提供充足的养分和良好的水分保持能力，有利于植物的生长和光合作用的进行，从而促进叶绿素的合成和叶绿素含量的增加。因此，土壤质量指数较高的土壤通常与较高的叶绿素含量相关。通过监测和评估这些指标的变化，可以间接反映土壤质量的好坏，并提供关于土壤管理和作物生长的重要信息，以优化土壤环境，提高农作物的产量和质量。
[0113]
在本技术的一些实施例中，步骤s400中基于修正后的土壤质量指数对待预测作物进行产量预测，包括：预先设定第一预设产量c1、第二预设产量c2、第三预设产量c3和第四预设产量c4，且c1＜c2＜c3＜c4。预先设定第一预设质量指数sqi 1、第二预设质量指数sqi2、第三预设质量指数sqi3和第四预设质量指数sqi4，且sqi 1＜sqi2＜sqi3＜sqi4。
[0114]
具体而言，根据修正后的土壤质量指数qi*ai*ai*a*ai与各预设质量指数的大小关系，选取预测产量。当sqi 1≤qi*ai*ai*a*ai＜sqi2时，作物产量的预测值为第一预设产量c1。当sqi2≤qi*ai*ai*a*ai＜sqi3时，作物产量的预测值为第二预设产量c2。当sqi3≤qi*ai*ai*a*ai＜sqi4时，作物产量的预测值为第三预设产量c3。当sqi4≤qi*ai*ai*a*ai时，作物产量的预测值为第四预设产量c4。
[0115]
可以理解的是，它通过综合考虑土壤质量指数的修正值，将土壤质量的影响因素纳入预测模型中，提高了预测的准确性。通过设定不同的预设产量和预设质量指数，可以灵活地适应不同作物和土壤环境的需求，实现个性化的产量预测。通过将土壤质量指数与预设质量指数进行比较，还可以提供对土壤质量改进的指导，成为优化土壤环境和提高作物产量的决策依据。
[0116]
上述实施例中通过选取土壤质量评价指标，建立了与土壤质量之间的标准评分函数，有效评估了土壤的质量状况。通过对土壤质量评价指标进行筛选，建立了最小数据集评价指标，从大量数据中提取了最为关键和代表性的指标，减少了数据收集和处理的工作量。利用最小数据集评价指标计算土壤质量指数为农业管理者准确了解土壤的潜力和限制，为合理的农田管理和资源利用提供了依据。通过及时监测和调整土壤质量指数，可以更准确地反映土壤对作物生长的实际影响，提高预测的准确性和可靠性。通过建立预测模型并应用修正后的指数，能够准确预测待预测作物的产量水平。有利于及时制定合理的农田管理
策略，调整施肥、灌溉和作物种植等方面的决策，从而最大限度地提高作物产量，实现农业生产的效益最大化。
[0117]
基于上述实施例的另一种优选的方式中，参阅图2所示，本实施方式提供了一种基于土壤质量指标的作物产量预测系统，包括：
[0118]
采集模块：用于选取土壤质量评价指标，建立土壤质量评价指标与土壤质量之间的标准评分函数；
[0119]
计算模块：用于对土壤质量评价指标进行筛选，建立最小数据集评价指标，运用最小数据集评价指标进行土壤质量指数计算；
[0120]
修正模块：用于获取作物实时生长状态，根据实时生长状态对土壤质量指数进行修正，获取修正后的土壤质量指数；
[0121]
预测模块：用于基于修正后的土壤质量指数对待预测作物进行产量预测。
[0122]
可以理解的是，上述基于土壤质量指标的作物产量预测方法及系统具备相同的有益效果，在此不再赘述。
[0123]
本领域内的技术人员应明白，本技术的实施例可提供为方法、系统或计算机程序产品。因此，本技术可采用完全硬件实施例、完全软件实施例，或结合软件和硬件方面的实施例的形式。而且，本技术可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
[0124]
本技术是参照根据本技术实施例的方法、设备(系统)和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框，以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0125]
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
[0126]
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
[0127]
最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。

技术特征：
1.一种基于土壤质量指标的作物产量预测方法，其特征在于，包括：选取土壤质量评价指标，建立所述土壤质量评价指标与土壤质量之间的标准评分函数；对所述土壤质量评价指标进行筛选，建立最小数据集评价指标，运用所述最小数据集评价指标进行土壤质量指数计算；获取作物实时生长状态，根据所述实时生长状态对所述土壤质量指数进行修正，获取修正后的土壤质量指数；基于所述修正后的土壤质量指数对待预测作物进行产量预测。2.根据权利要求1所述的基于土壤质量指标的作物产量预测方法，其特征在于，选取土壤质量评价指标，建立所述土壤质量评价指标与土壤质量之间的标准评分函数，包括：所述土壤质量评价指标包括有机质、全氮、速效磷、速效钾、微生物生物量氮、微生物生物量碳、蔗糖酶、磷酸酶、脲酶、容重和ph值；其中有机质、全氮、速效磷、速效钾、微生物生物量氮、微生物生物量碳、蔗糖酶、磷酸酶和脲酶的标准评分函数采用戒上型函数；其计算公式如下：其中，u为函数的上限值，l为函数的下限值，x为测定值。3.根据权利要求2所述的基于土壤质量指标的作物产量预测方法，其特征在于，建立所述土壤质量评价指标与土壤质量之间的标准评分函数，还包括：所述容重和ph值的标准评分函数采用梯形函数；其计算公式如下：其中，u为函数的上限值，l为函数的下限值，o1和o2为函数的最优值，x为测定值。4.根据权利要求1所述的基于土壤质量指标的作物产量预测方法，其特征在于，所述对所述土壤质量评价指标进行筛选后，以及建立最小数据集评价指标前，还包括：分别计算各所述土壤质量评价指标的norm值，根据所述norm值的大小建立所述最小数据集评价指标；其中，norm值计算公式如下：式中，n
ik
是第i个指标在特征值大于1的前k个pc上的综合载荷；u
ik
是第i个指标在第k个
pc上的载荷值；λ
k
是第k个pc的特征值。5.根据权利要求1所述的基于土壤质量指标的作物产量预测方法，其特征在于，运用所述最小数据集评价指标进行土壤质量指数计算时，包括：计算公式如下：式中，sqi是土壤质量指数，w
i
是第i个评价指标的权重，s
i
是第i个评价指标的隶属度，n是各数据集中的参评指标数量。6.根据权利要求1所述的基于土壤质量指标的作物产量预测方法，其特征在于，获取作物实时生长状态，根据所述实时生长状态对所述土壤质量指数进行修正，获取修正后的土壤质量指数，其中所述作物实时生长状态包括植物高度、叶面积指数和叶绿素含量；预先设定第一预设高度h1、第二预设高度h2、第三预设高度h3和第四预设高度h4，且h1＜h2＜h3＜h4；预先设定第一预设修正系数a1、第二预设修正系数a2、第三预设修正系数a3和第四预设修正系数a4，且a1＜a2＜a3＜a4；根据所述植物高度h0与各预设高度的大小关系，选取修正系数对所述土壤质量指数进行修正，获取修正后的土壤质量指数，包括：当h1≤h0＜h2时，选取所述第一预设修正系数a1对所述土壤质量指数sqi进行修正，获取修正后的土壤质量指数sqi*a1；当h2≤h0＜h3时，选取所述第二预设修正系数a2对所述土壤质量指数sqi进行修正，获取修正后的土壤质量指数sqi*a2；当h3≤h0＜h4时，选取所述第三预设修正系数a3对所述土壤质量指数sqi进行修正，获取修正后的土壤质量指数sqi*a3；当h4≤h0时，选取所述第四预设修正系数a4对所述土壤质量指数sqi进行修正，获取修正后的土壤质量指数sqi*a4。7.根据权利要求6所述的基于土壤质量指标的作物产量预测方法，其特征在于，在选取第i预设修正指数ai对所述土壤质量指数sqi进行修正，获取修正后的土壤质量指数sqi*ai后，i＝1，2，3，4，所述根据所述实时生长状态对所述土壤质量指数进行修正，获取修正后的土壤质量指数，还包括：预先设定第一预设叶面积指数z1、第二预设叶面积指数z2、第三预设叶面积指数z3和第四预设叶面积指数z4，且z1＜z2＜z3＜z4；根据所述叶面积指数z0与各预设指数的大小关系，选取修正系数对所述修正后的土壤质量指数qi*ai进行二次修正，获取二次修正后的土壤质量指数，包括：当z1≤z0＜z2时，选取所述第一预设修正指数a1对所述修正后的土壤质量指数qi*ai进行二次修正，获取二次修正后的土壤质量指数qi*ai*a1；当z2≤z0＜z3时，选取所述第二预设修正指数a2对所述修正后的土壤质量指数qi*ai进行二次修正，获取二次修正后的土壤质量指数qi*ai*a2；当z3≤z0＜z4时，选取所述第三预设修正指数a3对所述修正后的土壤质量指数qi*ai进行二次修正，获取二次修正后的土壤质量指数qi*ai*a3；当z4≤z0时，选取所述第四预设修正指数a4对所述修正后的土壤质量指数qi*ai进行
二次修正，获取二次修正后的土壤质量指数qi*ai*a4。8.根据权利要求7所述的基于土壤质量指标的作物产量预测方法，其特征在于，在选取第i预设修正指数ai对所述修正后的土壤质量指数qi*ai进行二次修正，获取二次修正后的土壤质量指数sqi*ai*ai后，i＝1，2，3，4，所述根据所述实时生长状态对所述土壤质量指数进行修正，获取修正后的土壤质量指数，还包括：预先设定第一预设叶绿素含量y1、第二预设叶绿素含量y2、第三预设叶绿素含量y3和第四预设叶绿素含量y4，且y1＜y2＜y3＜y4；根据所述叶绿素含量y0与各预设含量的大小关系，选取修正系数对所述二次修正后的土壤质量指数qi*ai*ai进行三次修正，获取三次修正后的土壤质量指数，包括：当y1≤y0＜y2时，选取所述第一预设修正指数a1对所述二次修正后的土壤质量指数qi*ai*ai进行三次修正，获取三次修正后的土壤质量指数qi*ai*ai*a1；当y2≤y0＜y3时，选取所述第二预设修正指数a2对所述二次修正后的土壤质量指数qi*ai*ai进行三次修正，获取三次修正后的土壤质量指数qi*ai*ai*a2；当y3≤y0＜y4时，选取所述第三预设修正指数a3对所述二次修正后的土壤质量指数qi*ai*ai进行三次修正，获取三次修正后的土壤质量指数qi*ai*ai*a3；当y4≤y0时，选取所述第四预设修正指数a4对所述二次修正后的土壤质量指数qi*ai*ai进行三次修正，获取三次修正后的土壤质量指数qi*ai*ai*a4。9.根据权利要求8所述的基于土壤质量指标的作物产量预测方法，其特征在于，基于所述修正后的土壤质量指数对待预测作物进行产量预测，包括：预先设定第一预设产量c1、第二预设产量c2、第三预设产量c3和第四预设产量c4，且c1＜c2＜c3＜c4；预先设定第一预设质量指数sqi 1、第二预设质量指数sqi2、第三预设质量指数sqi 3和第四预设质量指数sqi4，且sqi 1＜sqi2＜sqi 3＜sqi4；根据所述修正后的土壤质量指数qi*ai*ai*a*ai与各预设质量指数的大小关系，选取预测产量；当sqi 1≤qi*ai*ai*a*ai＜sqi2时，作物产量的预测值为所述第一预设产量c1；当sqi 2≤qi*ai*ai*a*ai＜sqi 3时，作物产量的预测值为所述第二预设产量c2；当sqi 3≤qi*ai*ai*a*ai＜sqi4时，作物产量的预测值为所述第三预设产量c3；当sqi4≤qi*ai*ai*a*ai时，作物产量的预测值为所述第四预设产量c4。10.一种基于土壤质量指标的作物产量预测系统，其特征在于，包括：采集模块：用于选取土壤质量评价指标，建立所述土壤质量评价指标与土壤质量之间的标准评分函数；计算模块：用于对所述土壤质量评价指标进行筛选，建立最小数据集评价指标，运用所述最小数据集评价指标进行土壤质量指数计算；修正模块：用于获取作物实时生长状态，根据所述实时生长状态对所述土壤质量指数进行修正，获取修正后的土壤质量指数；预测模块：用于基于所述修正后的土壤质量指数对待预测作物进行产量预测。

技术总结
本发明涉产量预测技术领域，具体提出了一种基于土壤质量指标的作物产量预测方法及系统，该方法包括：选取土壤质量评价指标，建立所述土壤质量评价指标与土壤质量之间的标准评分函数；对所述土壤质量评价指标进行筛选，建立最小数据集评价指标，运用所述最小数据集评价指标进行土壤质量指数计算；获取作物实时生长状态，根据所述实时生长状态对所述土壤质量指数进行修正，获取修正后的土壤质量指数；基于所述修正后的土壤质量指数对待预测作物进行产量预测。本发明能够提供准确的土壤质量评估和作物产量预测，为农业生产提供有效的决策支持，优化了农田管理和资源利用，有利于提高农业生产的效率和可持续性。农业生产的效率和可持续性。农业生产的效率和可持续性。


技术研发人员：张晴雯 石畅
受保护的技术使用者：中国农业科学院农业环境与可持续发展研究所
技术研发日：2023.07.13
技术公布日：2023/10/19