高级搜索

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

烟苗移栽时间评估模型研究与应用

,  ,  ,  ,  ,  ,  ,  ,  ,  , 

上一篇

下一篇

李群岭, 李力, 林小兴, 等. 烟苗移栽时间评估模型研究与应用[J]. 植物医学, 2023, (6): 54-63. doi: 10.13718/j.cnki.zwyx.2023.06.007
引用本文: 李群岭, 李力, 林小兴, 等. 烟苗移栽时间评估模型研究与应用[J]. 植物医学, 2023, (6): 54-63. doi: 10.13718/j.cnki.zwyx.2023.06.007
shu
LI Qunling, LI Li, LIN Xiaoxing, et al. Research and Application of a Model for Evaluating the Transplantation Time of Tobacco Seedlings[J]. PLANT HEALTH AND MEDICINE, 2023, (6): 54-63. doi: 10.13718/j.cnki.zwyx.2023.06.007
Citation: LI Qunling, LI Li, LIN Xiaoxing, et al. Research and Application of a Model for Evaluating the Transplantation Time of Tobacco Seedlings[J]. PLANT HEALTH AND MEDICINE, 2023, (6): 54-63. doi: 10.13718/j.cnki.zwyx.2023.06.007
shu

烟苗移栽时间评估模型研究与应用

  • 1. 广西中烟工业有限责任公司, 南宁 530000;

  • 2. 西南大学 植物保护学院, 重庆 400715

详细信息
    作者简介:

    李群岭,农艺师,主要从事烟叶生产技术相关方面的研究. .

  • 中图分类号: S572

Research and Application of a Model for Evaluating the Transplantation Time of Tobacco Seedlings

  • 1. China Tobacco Guangxi Industrial Co. Ltd, Nanning 530000, China;

  • 2. School of Plant Protection, Southwest University, Chongqing 400715, China

  • 摘要: 为了使移栽后的烟苗获得最优生长，从而提高烟草种植的效率和产量.本研究对烟株移栽后的健康状况与移栽时间的关键数据进行分析.采用多元回归分析、随机森林分析、BP神经网络3种模型对烟苗移栽时间的关键因子进行研究，寻找烟苗最优移栽时间并分析影响最优移栽时间的关键因素.采用J2EE平台Spring应用框架对模型应用进行开发，对模型研究结果进行可视化表达.结果表明：多元回归分析模型精准度为70.58％，随机森林分析模型精准度为67.82％，BP神经网络分析模型精准度为88.95％.苗床生长时间、移栽前10～15 d大田降雨量、移栽时3 d内平均最低气温、移栽时3 d内平均最高气温、苗床期大于10℃活动积温是影响移栽时间的关键因素.通过采集重庆地区烟草育苗棚生长基地内烟苗移栽相关数据进行模型精准度验证，3个模型中BP神经网络分析模型精准度最高.本研究为烟苗移栽时间的判定提供合理科学依据，通过该应用可以提前预判烟株移栽时间，从而对生产进行指导，同时也为数字化烟草种植业提供了一个重要的应用实例.
    Abstract: In order to achieve optimal growth of transplanted tobacco seedlings and improve the cultivation efficiency and yield of tobacco. This study analyzes the key data on the health status after transplantation and transplanting time of tobacco plants. The key factors affecting the transplanting time of tobacco seedlings were studied using three models:multiple regression analysis, random forest analysis, and BP neural network to find the optimal transplanting time for tobacco seedlings and analyze the key factors affecting the optimal transplanting time. Spring application framework of the J2EE platform was employed to develop the mode of application and visualize the research results of the model. The results showed that the accuracy of the multiple regression analysis model, the random forest analysis model and the BP neural network analysis model was 70.58%, 67.82%, and 88.95%, respectively. The key factors affecting the transplanting time are the period time of seedling raising, the rainfall in the field 15~10 days before transplanting, the average lowest temperature and highest temperature within 3 days of transplanting, and the ≥ 10℃ accumulated temperature during the seedling raising. The accuracy of the model was verified by collecting relevant data of tobacco seedling transplanting from the seedling greenhouse of tobacco growth base in Chongqing. The BP neural network analysis model has the highest accuracy among the three models. The study provides a reasonable scientific basis for determining the transplanting time of tobacco seedlings. This application can be used to predict the transplanting time of tobacco plants in advance to guide the production. This study provides an important application example for the digital tobacco planting industry.
  • 加载中
  • [1] SHE S Y, NIU J J, ZHANG C, et al. Significant Relationship between Soil Bacterial Community Structure and Incidence of Bacterial Wilt Disease under Continuous Cropping System [J]. Archives of Microbiology, 2017, 199(2):267-275.
    [2] 王垚, 张宸, 漆夏燕, 等. 高海拔烟区移栽时间和育苗措施对烟草生长发育及经济性状的影响[J]. 植物医生, 2021, 34(5):30-36.
    [3] 王克占, 孙伟奇, 王玉军. 不同移栽时间对烟草长势及烟叶产量、质量的影响[J]. 山东农业科学, 2009, 41(2):48-49, 61.
    [4] 刘新源, 李佳颖, 赵永伟, 等. 气候因素对卢氏县烟草移栽期的影响[J]. 现代农业科技, 2017(15):200-202.
    [5] 刘晓宇. 黑龙江烟草产量预测及病害预警方法研究[D]. 哈尔滨:东北农业大学, 2012.
    [6] ALGAE R. Investigators from University of Technology Sydney Have Reported New Data on Algae Research (Methyl Jasmonate Treatment Affects the Regulation of the 2-c-methyl-d-erythritol 4-phosphate Pathway and Early Steps of the Triterpenoid Biosynthesis)[J]. Biotech Week, 2019(2):112-119.
    [7] 王淑君, 解慧芳, 邢璐, 等. 基于主成分分析和灰色关联度分析的谷子品种(系)综合评价[J]. 江苏农业科学, 2023, 51(15):42-49.
    [8] 孙佳照, 张淋, 李子朝, 等. 5种茶园秋冬季天敌与假眼小绿叶蝉空间关系密切程度的差异[J]. 生态学报, 2021, 41(20):8297-8307.
    [9] 孙佳照, 吴筱萌, 徐悦, 等. 小贯小绿叶蝉与其主要天敌空间关系研究方法的比较[J]. 植物保护, 2021, 47(5):190-197.
    [10] 王鹏飞, 李涛, 于春亮, 等. 基于多元线性逐步回归和BP神经网络建立鸭梨盛花期预测模型[J]. 山东农业科学, 2023, 55(7):159-166.
    [11] 张志豪, 陈楠, 祝波, 等. 基于随机森林模型的武汉市城区大气PM2.5来源解析[J]. 环境科学, 2022, 43(3):1151-1158.
    [12] 田宸宇, 鲁逸飞, 谢恒多, 等. 多元回归与BP神经网络在烟草叶片SPAD反演时的建模精度比较[J]. 智慧农业导刊, 2023, 3(9):9-11, 15.
    [13] CHEN F W, ZHANG Q A, CHEN S M, et al. Research on Operation Efficiency Prediction and Optimization of Biological Retention System Based on GA-BP Neural Network Model [J]. Sustainability, 2023, 15(14):10990.
    [14] 刘曙光, 郑崇勋, 刘明远. 前馈神经网络中的反向传播算法及其改进:进展与展望[J]. 计算机科学, 1996, 23(1):76-79.
    [15] 巩祖正. 脉冲神经网络的多脉冲定时误差反向传播算法研究[D]. 兰州:西北师范大学, 2014.
    [16] DORES R M, MCKINLEY G, MEYERS A, et al. Structure/Function Studies on the Activation Motif of Two Non-Mammalian Mrap1 Orthologs, and Observations on the Phylogeny of Mrap1, Including a Novel Characterization of an Mrap1 from the Chondrostean Fish, PolyodonSpathula [J]. Biomolecules, 2022, 12(11):1681.
    [17] 董彦松, 刘月浩, 董旭乾等. 基于误差分治的神经网络验证[J/OL]. 软件学报, (2023-10-08)[2023-11-07]. https://doi.org/10.13328/j.cnki.jos.006967.
    [18] 杨再骥, 付春海, 张宇浩, 等. 一种基于秘密共享的神经网络训练方案[J]. 科技资讯, 2023, 21(17):17-20.
    [19] 姚敏达. 深度神经网络训练中梯度下降优化算法研究[D]. 天津:天津科技大学, 2022.
    [20] FANGW. Based on J2EE Research and Realization of National Fitness Sports Convenience Service Platform [J]. Journal of Physics:Conference Series, 2020, 1693(1):012003.
    [21] 张国平, 马丽. Spring集成Acegi安全框架在J2EE中的应用[J]. 电子设计工程, 2012, 20(7):29-31.
    [22] 冯凯, 徐葳, 王元卓. 一种基于SparkSQL和RestAPI的流数据处理方法[P]. 中科院计算技术研究所大数据研究院, 2019-12-01.
    [23] 张中洋. 基于深度学习的移动应用图形用户界面组件识别方法研究[D]. 成都:四川大学, 2021.
    [24] 钱雪松, 朱迪, 张恒, 等. 移栽期对云烟87碳代谢产物及其关键酶活性的影响[J]. 作物研究, 2023, 37(4):369-375.
    [25] CERIER E J, TOYODA T, MCNULTY C, et al. Single-Center Experience with Lung Transplant Evaluation Referrals of Acute Respiratory Distress Syndrome Patients during the COVID-19 Pandemic:How do You Make up for Lost Time? [J]. Critical Care Explorations, 2023, 5(9):e0965.
    [26] 盛明. 达州市白肋烟小苗井窖式移栽技术研究[D]. 雅安:四川农业大学, 2017.
    [27] LIU Y X, HEUVELINK G B M, BAI ZG, etal. Statistical Analysis of Nitrogen Use Efficiency in Northeast China Using Multiple Linear Regression and Random Forest [J]. Journal of Integrative Agriculture, 2022, 21(12):3637-3657.
    [28] 常幸远, 祁玉良, 扶定, 等. 灰色关联度分析法和DTOPSIS法在两系杂交粳稻品种综合评价中的应用研究[J]. 杂交水稻, 2023, 38(5):26-31.
  • 加载中
计量
  • 文章访问数:  459
  • HTML全文浏览数:  442
  • PDF下载数:  196
  • 施引文献:  0
出版历程
  • 收稿日期:  2023-11-10

烟苗移栽时间评估模型研究与应用

    作者简介: 李群岭,农艺师,主要从事烟叶生产技术相关方面的研究.
  • 1. 广西中烟工业有限责任公司, 南宁 530000;
  • 2. 西南大学 植物保护学院, 重庆 400715
  • 收稿日期:  2023-11-10
基金项目: 

摘要: 为了使移栽后的烟苗获得最优生长，从而提高烟草种植的效率和产量.本研究对烟株移栽后的健康状况与移栽时间的关键数据进行分析.采用多元回归分析、随机森林分析、BP神经网络3种模型对烟苗移栽时间的关键因子进行研究，寻找烟苗最优移栽时间并分析影响最优移栽时间的关键因素.采用J2EE平台Spring应用框架对模型应用进行开发，对模型研究结果进行可视化表达.结果表明：多元回归分析模型精准度为70.58％，随机森林分析模型精准度为67.82％，BP神经网络分析模型精准度为88.95％.苗床生长时间、移栽前10～15 d大田降雨量、移栽时3 d内平均最低气温、移栽时3 d内平均最高气温、苗床期大于10℃活动积温是影响移栽时间的关键因素.通过采集重庆地区烟草育苗棚生长基地内烟苗移栽相关数据进行模型精准度验证，3个模型中BP神经网络分析模型精准度最高.本研究为烟苗移栽时间的判定提供合理科学依据，通过该应用可以提前预判烟株移栽时间，从而对生产进行指导，同时也为数字化烟草种植业提供了一个重要的应用实例.

English Abstract

    全文HTML

参考文献 (28)

目录

版权所有：植物医学

地址：重庆市北碚区西南大学 电话：023-68250657 电子邮箱：zhiwuyixue@sina.com

本系统由北京仁和汇智信息技术有限公司开发

/

返回文章
返回