專利名稱：：一種用四參數(shù)邏輯斯蒂方程來預(yù)測茅蒼術(shù)生長的方法
技術(shù)領(lǐng)域：
：本發(fā)明涉及農(nóng)業(yè)工程領(lǐng)域，特別是涉及到一種用四參數(shù)邏輯斯蒂方程來預(yù)測茅蒼術(shù)生長的方法。
背景技術(shù)：
：能夠表達植物生物量隨時間變化關(guān)系的邏輯斯蒂方程被用來表征植物的生長。兩參數(shù)或者三參數(shù)的邏輯斯蒂方程已成功地用來擬合植物莖的加粗生長、植株高度的增加和葉面積的擴展，但用它們來預(yù)測植物的生長還未見報道。四參數(shù)的邏輯斯蒂方程由于增加了進入對數(shù)生長期的起始生物量的信息，使其不僅擬合植物生長更具優(yōu)勢，而且還適合預(yù)測植物的動態(tài)生長。茅蒼術(shù)(^rac(y/ocfes￡awcea(Thunb.)DC.)為菊科植物多年生草本植物，其干燥根莖可入藥。《中國藥典》將茅蒼術(shù)和北蒼術(shù)jfrac0^fifeyc/n'"m^(DC.)Koidz的根莖同作中藥蒼術(shù)的基源。茅蒼術(shù)藥用歷史悠久，早在歷代醫(yī)學(xué)著作中對此就有很高的評價，其始載于《神農(nóng)本草經(jīng)》，性溫，味辛、苦，歸脾、胃、肝經(jīng)；能燥濕健脾，祛風(fēng)散寒，明目；用于治療腕腹脹滿，泄瀉、水腫，風(fēng)濕痹痛，風(fēng)寒感冒，雀目夜盲等病癥?，F(xiàn)代研究表明，茅蒼術(shù)有保肝、抗菌、抗病毒、中樞抑制及推動胃腸道蠕動等作用。茅蒼術(shù)主要分布于江蘇、湖北和河南等省份，江蘇茅山一帶是茅蒼術(shù)道地藥材的產(chǎn)區(qū)。野生茅蒼術(shù)有多種類型，它們的生長發(fā)育順序明顯差異，在產(chǎn)量和品質(zhì)上也有顯著的差異。由于生長發(fā)育的順序差異，造成施肥和采收時間存在著差異。因此，對不同類型茅蒼術(shù)的生長進行預(yù)測，可為不同類型茅蒼術(shù)的施肥、采收時間的選擇以及產(chǎn)量的評估提供指導(dǎo)。本發(fā)明就是一種利用四參數(shù)邏輯斯蒂方程來預(yù)測茅蒼術(shù)生長的方法，這在國內(nèi)外未見報道。其他植物的生長的預(yù)測，也可借鑒此方法。
發(fā)明內(nèi)容本發(fā)明的目的是克服現(xiàn)有技術(shù)中兩參數(shù)或三參數(shù)的邏輯斯蒂方程難以預(yù)測植物的生長的不足，公開一種用四參數(shù)邏輯斯蒂方程來預(yù)測茅蒼術(shù)生長的方法。本發(fā)明的技術(shù)方案為利用實測的生長指標(如莖粗、株高以及葉面積等)的生物量(Y)和實測的生長時間(生長天數(shù))(X)的數(shù)據(jù)，進行回歸分析，求出合理的回歸系數(shù)a、Y0、Xo、b，構(gòu)建四參數(shù)邏輯斯蒂回歸方程方程l中Y為實測的生物量(如莖粗、株高以及葉面積等)，Yo為進入對數(shù)生長期的起始生物量(如莖粗、株高以及葉面積等)，a為生物量隨時間變化的上限，Xo為達到對數(shù)增長期的一半時的天數(shù)，X為實測的生長時間(生長天數(shù))，b為系數(shù)(常數(shù))。將待預(yù)測的生長指標(如莖粗、株高以及葉面積等)的即時觀測值作為Y帶入上述相關(guān)的四參數(shù)邏輯斯蒂方程中，算出生長啟動后的天數(shù)，記為Xs。將被預(yù)測的天數(shù)與Xs相加，求出被預(yù)測時的生長天數(shù)，記為Xa，將Xa作為上述方程的X值，帶入上述相關(guān)的四參數(shù)邏輯斯蒂方程中，算出上述方程的Y值，這個Y值即是在被預(yù)測的天數(shù)時的植物生物量(如莖粗、株高以及葉面積等)。與此類推，可以預(yù)測自觀測時間后的一個生長周期內(nèi)任一天的生長指標的值。預(yù)測的生長指標一一對應(yīng)。也就是說，如果預(yù)測的生長指標為莖粗，則Yo和Y均為莖粗值；如果預(yù)測的生長指標為株高，則Yo和Y均為株高值；如果預(yù)測的生長指標為葉面積，則Yo和Y均為葉面積值。本發(fā)明可以對不同類型茅蒼術(shù)的生長進行預(yù)測，可為不同類型茅蒼術(shù)的施肥、采收時間的選擇以及產(chǎn)量的評估提供指導(dǎo)。具體實施方式實施例預(yù)測實例于2008年3月1日至6月30日，在江蘇省鎮(zhèn)江市農(nóng)業(yè)科技園內(nèi)進行。鎮(zhèn)江農(nóng)業(yè)科技園是屬于丘陵區(qū)，位于北緯31.7。、東經(jīng)121°、海拔60m以上高度。研究區(qū)屬于北亞熱帶季風(fēng)氣候區(qū)。年平均溫度為15.7。C，年降雨量為1107mm，無霜期237天，最大平均濕度為81%,土壤為酸性黃棕壤，pH值6.0-6.7。根據(jù)葉的形態(tài)，茅蒼術(shù)被分為四種類型，分別為缺刻葉型、卵葉型、長披針葉型、短披針葉型。小山中部的茅蒼術(shù)作為模型的樣本，小山上部和底部的茅蒼術(shù)作為預(yù)測樣本。小山的上部、中部以及底部生態(tài)環(huán)境有明顯差異。預(yù)測的生長指標為主莖的最大粗度、植株高度以及葉面積。實施例1對缺刻葉型茅蒼術(shù)的預(yù)測獲取小山中部的缺刻葉型茅蒼術(shù)隨時間變化的主莖的最大粗度數(shù)據(jù)，利用這些數(shù)據(jù)構(gòu)建四參數(shù)邏輯斯蒂方程，如表l。將待預(yù)測的小山上部和底部的缺刻葉型茅蒼術(shù)主莖的最大粗度的即時觀測值(0.80mm，小山上部；0.70mm，小山底部)作為Y帶入上述四參數(shù)邏輯斯蒂方程中，算出生長啟動后的天數(shù)，記為Xs。小山上部Xs為14.01天，小山底部Xs為12.74天。將被預(yù)測的天數(shù)與Xs相加，求出被預(yù)測時的生長天數(shù)，記為Xa，將Xa作為上述方程的X值，帶入上述四參數(shù)邏輯斯蒂方程中，預(yù)測出此時的主莖的最大粗度。與此類推，可以預(yù)測自觀測時間后的一個生長周期內(nèi)任一天的主莖的最大粗度的值。表2是觀測開始后若干天的缺刻葉型茅蒼術(shù)的主莖的最大粗度預(yù)測值和實測值。將表2的預(yù)測值和實測值進行線性回歸，得出線性方程分別為y=1.048x,R2=0.985，『ll(小山上部)；yi.935x,R^0.978,『ll(小山底部)。由此可以看出，預(yù)測效果好。獲取小山中部的缺刻葉型茅蒼術(shù)隨時間變化的植株高度數(shù)據(jù)，利用這些數(shù)據(jù)構(gòu)建四參數(shù)邏輯斯蒂方程，如表l。將待預(yù)測的小山上部和底部的缺刻葉型茅蒼術(shù)植株高度的即時觀測值(21.60mm，小山上部；12.70min，小山底部)作為Y帶入上述四參數(shù)邏輯斯蒂方程中，算出生長啟動后的天數(shù)，記為Xs。小山上部Xs為22.24天，小山底部Xs為17.59天。將被預(yù)測的天數(shù)與Xs相加，求出被預(yù)測時的生長天數(shù)，記為Xa，將Xa作為上述方程的X值，帶入上述四參數(shù)邏輯斯蒂方程中，預(yù)測出此時的植株高度。與此類推，可以預(yù)測自觀測時間后的一個生長周期內(nèi)任一天的植株高度的值。表2是觀測開始后若干天的缺刻葉型茅蒼術(shù)的植株高度預(yù)測值和實測值。將表2的預(yù)測值和實測值進行線性回歸，得出線性方程分別為y=0.978x，R2=0.978，n二9(小山上部);y=0.979x，R2=0.959，n=9(小山底部)。由此可以看出，預(yù)測效果好。獲取小山中部的缺刻葉型茅蒼術(shù)隨時間變化的葉面積數(shù)據(jù)，利用這些數(shù)據(jù)構(gòu)建四參數(shù)邏輯斯蒂方程，如表l。將待預(yù)測的小山上部和底部的缺刻葉型茅蒼術(shù)葉面積的即時觀測值(29.32cm2，小山上部；31.80cm2，小山底部)作為Y帶入上述四參數(shù)邏輯斯蒂方程中，算出生長啟動后的天數(shù),記為Xs。小山上部Xs為15.98天，小山底部Xs為16.56天。將被預(yù)測的天數(shù)與Xs相加，求出被預(yù)測時的生長天數(shù)，記為Xa,將Xa作為上述方程的X值，帶入上述四參數(shù)邏輯斯蒂方程中，預(yù)測出此時的葉面積。與此類推，可以預(yù)測自觀測時間后的一個生長周期內(nèi)任一天的葉面積的值。表2是觀測開始后若干天的缺刻葉型茅蒼術(shù)的葉面積預(yù)測值和實測值。將表2的預(yù)測值和實測值進行線性回歸，得出線性方程分別為y=l.083x，R2=0.964，n=9(小山上部)；y=l.108x，R2=0.965，n=9(小山底部)。由此可以看出，預(yù)測效果好。表l缺刻葉型茅蒼術(shù)的主莖的最大粗度的四參數(shù)邏輯斯蒂方程生長指標方程和R2主莖的最大粗度y=0.24+3'24R2=0.996(n=l+(Z/24.72r252=15，PO.0001)植株高度y=5.24+92.75R2=0-995(n=l+(Jf/34.70)-348=15,PO.0001)葉面積y=8.53+276'04R2=0.989(n=l+(^/31.97)-323:14，P<0.0001)表2觀測開始后若干天的缺刻葉型茅蒼術(shù)的生長指標的預(yù)測值和實測值觀察開始預(yù)測值實測值預(yù)測值ill^后的天數(shù)(小山上部)(小山上部)(小山底部)(小山底部)(天)實施例2對卵葉型茅蒼術(shù)的預(yù)測獲取小山中部的卵葉型茅蒼術(shù)隨時間變化的主莖的最大粗度數(shù)據(jù)，利用這些數(shù)據(jù)構(gòu)建四參數(shù)邏輯斯蒂方程，如表3。將待預(yù)測的小山上部和底部的卵葉型茅蒼術(shù)主莖的最大粗度的即時觀測值(0.45mrn，小山上部；0.63mm，小山底部)作為Y帶入上述四參數(shù)邏輯斯蒂方程中，算出生長啟動后的天數(shù)，記為Xs。小山上部Xs為15.19天，小山底部Xs為18.10天。將被預(yù)測的天數(shù)與Xs相加，求出被預(yù)測時的生長天數(shù)，記為Xa，將Xa作為上述方程的X值，帶入上述四參數(shù)邏輯斯蒂方程中，預(yù)測出此時的主莖的最大粗度。與此類推，可以預(yù)測自觀測時間后的一個生長周期內(nèi)任一天的主莖的最大粗度的值。表4是觀測開始后若干天的卵葉型茅蒼術(shù)的主莖的最大粗度預(yù)測值和實測值。將表4的預(yù)測值和實測值進行線性回歸，得出線性方程分別為y=0.951x,R2=0.971，11=11(小山上部)；7=1.100、112=0.972,11=10(小山底部)。由此可以看出，預(yù)測效果好。獲取小山中部的卵葉型茅蒼術(shù)隨時間變化的植株高度數(shù)據(jù)，利用這些數(shù)據(jù)構(gòu)建四參21.6021.6038.8734.0055.7749.0068.9162.0077.9873.5083.9786.0087.91■090.5491.5092.3391.5029.3229.3268.1487.84117.24101.10160.33142.56191.10210.52211.20245.61224.03249.03232.30257.58237.74257.5812.7012.7027.0822.0044.8335.0060.6651.3072.3664.0080.2877.0085.4890.0088.9194.0091.2294.5031.8031.8072.1382.31121.26113.85163.40146.00193.15207.36212.51235.17224.87263.02232.84274.67238.10274.6706000000002717377789901289032937739369011220600000000086360012344032543540478404790122237418529630c7122344567主莖的最大粗度mm1852922344植株高度mm,J7418529voC71223445葉面積cm。數(shù)邏輯斯蒂方程，如表3。將待預(yù)測的小山上部和底部的卵葉型茅蒼術(shù)植株高度的即時觀測值(9.42mm，小山上部；9.88mm，小山底部)作為Y帶入上述四參數(shù)邏輯斯蒂方程中，算出生長啟動后的天數(shù)，記為Xs。小山上部Xs為14.22天，小山底部Xs為14.89天。將被預(yù)測的天數(shù)與Xs相加，求出被預(yù)測時的生長天數(shù)，記為Xa，將Xa作為上述方程的X值，帶入上述四參數(shù)邏輯斯蒂方程中，預(yù)測出此時的植株高度。與此類推，可以預(yù)測自觀測時間后的一個生長周期內(nèi)任一天的植株高度的值。表4是觀測開始后若干天的卵葉型茅蒼術(shù)的植株高度預(yù)測值和實測值。將表4的預(yù)測值和實測值進行線性回歸，得出線性方程分別為y=0.930x，R2=0.997，n=12(小山上部)；y=0.937x,R2=0.992，n=12(小山底部)。由此可以看出，預(yù)測效果好。獲取小山中部的卵葉型茅蒼術(shù)隨時間變化的葉面積數(shù)據(jù)，利用這些數(shù)據(jù)構(gòu)建四參數(shù)邏輯斯蒂方程，如表3。將待預(yù)測的小山上部和底部的卵葉型茅蒼術(shù)葉面積的即時觀測值(56.45cm2，小山上部；11.67cm2，小山底部)作為Y帶入上述四參數(shù)邏輯斯蒂方程中，算出生長啟動后的天數(shù)，記為Xs。小山上部Xs為23.03天，小山底部Xs為10.41天。將被預(yù)測的天數(shù)與Xs相加，求出被預(yù)測時的生長天數(shù)，記為Xa，將Xa作為上述方程的X值，帶入上述四參數(shù)邏輯斯蒂方程中，預(yù)測出此時的葉面積。與此類推，可以預(yù)測自觀測時間后的一個生長周期內(nèi)任一天的葉面積的值。表4是觀測開始后若干天的卵葉型茅蒼術(shù)的葉面積預(yù)測值和實測值。將表4的預(yù)測值和實測值進行線性回歸，得出線性方程分別為y=1.051x,R2=0.995,『12(小山上部)；y=0.966x，R2=0.967，n=12(小山底部)。由此可以看出，預(yù)測效果好。_表3卵葉型茅蒼術(shù)的主莖的最大粗度的四參數(shù)的四參數(shù)邏輯斯蒂方程~生長指標方程和R2主莖的最大粗度y=0.15+l+CZ/27.25)—.72.22R一0.996(n=15,P<0.0001)植株高度y=4.59+1+(Z/49.02)-:259.90R』0.985(n=15,PO.0001)葉面積y=0.61+l+(^/40.56)-2:R'=0.996(n=14,P<0.0001)表4觀測開始后若干天的卵葉型茅蒼術(shù)的生長指標的預(yù)測值和實測值<table>tableseeoriginaldocumentpage8</column></row><table>實施例3對長披針葉型茅蒼術(shù)的預(yù)測獲取小山中部的長披針葉型茅蒼術(shù)隨時間變化的主莖的最大粗度數(shù)據(jù)，利用這些數(shù)據(jù)構(gòu)建四參數(shù)邏輯斯蒂方程，如表5。將待預(yù)測的小山上部和底部的長披針葉型茅蒼術(shù)主莖的最大粗度的即時觀測值(0.66irnn,小山上部；0.68咖，小山底部)作為Y帶入上述四參數(shù)邏輯斯蒂方程中，算出生長啟動后的天數(shù)，記為Xs。小山上部Xs為16.88天，小山底部Xs為17.29天。將被預(yù)測的天數(shù)與Xs相加，求出被預(yù)測時的生長天數(shù)，記為Xa,將Xa作為上述方程的X值，帶入上述四參數(shù)邏輯斯蒂方程中，預(yù)測出此時的主莖的最大粗度。與此類推，可以預(yù)測自觀測時間后的一個生長周期內(nèi)任一天的主莖的最大粗度的值。表6是觀測開始后若干天的長披針葉型茅蒼術(shù)的主莖的最大粗度預(yù)測值和實測值。將表6的預(yù)測值和實測值進行線性回歸，得出線性方程分別為y=1.022x，R2=0.950，『8(小山上部)；尸0.964、112=0.949,11=9(小山底部)。由此可以看出，預(yù)測效果好。獲取小山中部的長披針葉型茅蒼術(shù)隨時間變化的植株高度數(shù)據(jù)，利用這些數(shù)據(jù)構(gòu)建四參數(shù)邏輯斯蒂方程，如表5。將待預(yù)測的小山上部和底部的長披針葉型茅蒼術(shù)植株高度的即時觀測值(9.80mm，小山上部；7.90mm，小山底部)作為Y帶入上述四參數(shù)邏輯斯蒂方程中，算出生長啟動后的天數(shù)，記為Xs。小山上部Xs為14.87天，小山底部Xs為12.20天。將被預(yù)測的天數(shù)與Xs相加，求出被預(yù)測時的生長天數(shù)，記為Xa，將Xa作為上述方程的X值，帶入上述四參數(shù)邏輯斯蒂方程中，預(yù)測出此時的植株高度。與此類推，可以預(yù)測自觀測時間后的一個生長周期內(nèi)任一天的植株高度的值。表6是觀測開始后若干天的長披針葉型茅蒼術(shù)的植株高度預(yù)測值和實測值。將表6的預(yù)測值和實測值進行線性回歸，得出線性方程分別為y=0.985x,R2=0.990,n-13(小山上部)；y=1.042x，R2=0.966，n=13(小山底部)。由此可以看出，預(yù)測效果好。獲取小山中部的長披針葉型茅蒼術(shù)隨時間變化的葉面積數(shù)據(jù)，利用這些數(shù)據(jù)構(gòu)建四參數(shù)邏輯斯蒂方程，如表5。將待預(yù)測的小山上部和底部的長披針葉型茅蒼術(shù)葉面積的即時觀測值(15.70cm2，小山上部；16.20cm2,小山底部)作為Y帶入上述四參數(shù)邏輯斯蒂方程中，算出生長啟動后的天數(shù)，記為Xs。小山上部Xs為14.97天，小山底部Xs為15.30天。將被預(yù)測的天數(shù)與Xs相加，求出被預(yù)測時的生長天數(shù)，記為Xa，將Xa作為上述方程的X值，帶入上述四參數(shù)邏輯斯蒂方程中，預(yù)測出此時的葉面積。與此類推，可以預(yù)測自觀測時間后的一個生長周期內(nèi)任一天的葉面積的值。表6是觀測開始后若干天的長披針葉型茅蒼術(shù)的葉面積預(yù)測值和實測值。將表6的預(yù)測值和實測值進行線性回歸，得出線性方程分別為y=1.018x，R2=0.995，『12(小山上部)；y=0.922x，R2=0.982,n=12(小山底部)。由此可以看出，預(yù)測效果好。表5長披針葉型茅蒼術(shù)的主莖的最大粗度的四參數(shù)的四參數(shù)邏輯斯蒂方程生長指標方程和R2主莖的最大粗度h0.45、+(x)C2掘0(n=15，P<00001)植株高度y=2.97+T^||^R2=0.997(n=15，P<0.0001)葉面積y=2.64+i+(z=5)—196R2=0.996(n=14,P<0.0001)表6觀測開始后若干天的長披針葉型茅蒼術(shù)的生長指標的預(yù)測值和實測值觀察開始預(yù)測值實測值預(yù)測值實測值~~后的天數(shù)(小山上部)(小山上部)(小山底部)(小山底部)沃)9.809.807.907.9015.3313.5013.1612.0021.0021.5018.8620.0026.2925.7324.3424.6030.9929.0029.2727.0035.0333.5033.5732.5038.4738.8337.2340.5041.3742.1740.3246.0043.8144,0042.9348.0045.8745.6745.1348.0047.6248.3346.9848.0049.1048.6748.5648.5050.7149.5050.0849.0015.7015.7016.2016.2027.3726.4927.9423.5039.7436.2040.3132.6051.4853.0352.0049.4961.9464.5662.3962.2370.9171.3071.2965.1178.4681.3078.7868.9484.7686.7285.0380.4390.0092.0290.2387.3694.37102.9894.569U298.03106.4098.1895.20101.10108.40101.2399.5887060000o8572116916oooooo62500069374185296071223445主莖的最大粗度mm41852963074234456778植株高度mm071223445677葉面積cm"實施例4對短披針葉型茅蒼術(shù)的預(yù)測獲取小山中部的短披針葉型茅蒼術(shù)隨時間變化的主莖的最大粗度數(shù)據(jù)，利用這些數(shù)據(jù)構(gòu)建四參數(shù)邏輯斯蒂方程，如表7。將待預(yù)測的小山上部和底部的短披針葉型茅蒼術(shù)主莖的最大粗度的即時觀測值(0.66mm，小山上部；0.70ran，小山底部)作為Y帶入上述四參數(shù)邏輯斯蒂方程中，算出生長啟動后的天數(shù)，記為Xs。小山上部Xs為13.91天，小山底部Xs為14.46天。將被預(yù)測的天數(shù)與Xs相加，求出被預(yù)測時的生長天數(shù)，記為Xa，將Xa作為上述方程的X值，帶入上述四參數(shù)邏輯斯蒂方程中，預(yù)測出此時的主莖的最大粗度。與此類推，可以預(yù)測自觀測時間后的一個生長周期內(nèi)任一天的主莖的最大粗度的值。表8是觀測開始后若干天的短披針葉型茅蒼術(shù)的主莖的最大粗度預(yù)測值和實測值。將表8的預(yù)測值和實測值進行線性回歸，得出線性方程分別為y=0.992x,R2=0.998，n-10(小山上部)；y^.983x,R2-0.989,i^8(小山底部)。由此可以看出，預(yù)測效果好。獲取小山中部的短披針葉型茅蒼術(shù)隨時間變化的植株高度數(shù)據(jù)，利用這些數(shù)據(jù)構(gòu)建四參數(shù)邏輯斯蒂方程，如表7。將待預(yù)測的小山上部和底部的短披針葉型茅蒼術(shù)植株高度的即時觀測值(10.20mm，小山上部；8.77ram,小山底部)作為Y帶入上述四參數(shù)邏輯斯蒂方程中，算出生長啟動后的天數(shù)，記為Xs。小山上部Xs為17.44天，小山底部Xs為13.01天。將被預(yù)測的天數(shù)與Xs相加，求出被預(yù)測時的生長天數(shù)，記為Xa，將Xa作為上述方程的X值，帶入上述四參數(shù)邏輯斯蒂方程中，預(yù)測出此時的植株高度。與此類推，可以預(yù)測自觀測時間后的一個生長周期內(nèi)任一天的植株高度的值。表8是觀測開始后若干天的短披針葉型茅蒼術(shù)的植株高度預(yù)測值和實測值。將表8的預(yù)測值和實測值進行線性回歸，得出線性方程分別為y=0.928x，R2=0.962，n-13(小山上部)；y=0.930x,R2=0.962，n=13(小山底部)。由此可以看出，預(yù)測效果好。獲取小山中部的短披針葉型茅蒼術(shù)隨時間變化的葉面積數(shù)據(jù)，利用這些數(shù)據(jù)構(gòu)建四參數(shù)邏輯斯蒂方程，如表7。將待預(yù)測的小山上部和底部的短披針葉型茅蒼術(shù)葉面積的即時觀測值(13.00cm2，小山上部；13.54cm2，小山底部)作為Y帶入上述四參數(shù)邏輯斯蒂方程中，算出生長啟動后的天數(shù)，記為Xs。小山上部Xs為19.21天，小山底部Xs為19.64天。將被預(yù)測的天數(shù)與Xs相加，求出被預(yù)測時的生長天數(shù)，記為Xa，將Xa作為上述方程的X值，帶入上述四參數(shù)邏輯斯蒂方程中，預(yù)測出此時的葉面積。與此類推，可以預(yù)測自觀測時間后的一個生長周期內(nèi)任一天的葉面積的值。表8是觀測開始后若干天的短披針葉型茅蒼術(shù)的葉面積預(yù)測值和實測值。將表8的預(yù)測值和實測值進行線性回歸，得出線性方程分別為y=1.023x，R2=0.987,『IO(小山上部)；y=0.916x，R2=0.969，n=12(小山底部)。由此可以看出，預(yù)測效果好。表7短披針葉型茅蒼術(shù)的主莖的最大粗度的四參數(shù)的四參數(shù)邏輯斯蒂方程生長指標方程和R:主莖的最大粗度0.45+1.99R2=0.990(n=:15,P<0.0001)l+CX/28.01)-422植株咼度2.97+58.62R2=0,997(n=:15,PO.0001)l+(X/44.99)-183葉面積y=2.64+121.82R2=0.996(n=:14,PO.0001)l+C^/44.15)-196表8觀測開始后若干天的短披針葉型茅蒼術(shù)的生長指標的預(yù)測值和實測值<table>tableseeoriginaldocumentpage14</column></row><table>權(quán)利要求1、一種用四參數(shù)邏輯斯蒂方程來預(yù)測茅蒼術(shù)生長的方法，其特征在于利用實測的生長指標的生物量(Y)和實測的生長時間(X)的數(shù)據(jù)，進行回歸分析，求出合理的回歸系數(shù)a、Y0、X0、b，構(gòu)建四參數(shù)邏輯斯蒂回歸方程如下<mathsid="math0001"num="0001"><math><![CDATA[<mrow><mi>Y</mi><mo>=</mo><msub><mi>Y</mi><mn>0</mn></msub><mo>+</mo><mfrac><mi>a</mi><mrow><mn>1</mn><mo>+</mo><msup><mrow><mo>(</mo><mi>X</mi><mo>/</mo><msub><mi>X</mi><mn>0</mn></msub><mo>)</mo></mrow><mi>b</mi></msup></mrow></mfrac></mrow>]]></math></maths>其中所述四參數(shù)邏輯斯蒂回歸方程中Y為實測的生物量，Y0為進入對數(shù)生長期的起始生物量，a為生物量隨時間變化的上限，X0為達到對數(shù)增長期的一半時的天數(shù)，X為實測的生長時間，b為系數(shù)即常數(shù)。2、根據(jù)權(quán)利要求l所述的一種用四參數(shù)邏輯斯蒂方程來預(yù)測茅蒼術(shù)生長的方法，其特征在于其中所述的實測的生長指標的生物量(Y)為莖粗、株高以及葉面積的測量值，進入對數(shù)生長期的起始生物量Yo為如莖粗、株高以及葉面積的測量值，實測的生長時間X即為實測的生長天數(shù)。3、根據(jù)權(quán)利要求l所述的一種用四參數(shù)邏輯斯蒂方程來預(yù)測茅蒼術(shù)生長的方法，其特征在于按照下述步驟進行將待預(yù)測的生長指標即莖粗、株高以及葉面積的即時觀測值作為Y帶入上述的四參數(shù)邏輯斯蒂方程中，算出生長啟動后的天數(shù)，記為Xs;將被預(yù)測的天數(shù)與Xs相加，求出被預(yù)測時的生長天數(shù)，記為Xa，將Xa作為上述方程的X值，帶入上述相關(guān)的四參數(shù)邏輯斯蒂方程中，算出上述方程的Y值，這個Y值即是在被預(yù)測的天數(shù)時的植物生物量即莖粗、株高以及葉面積；與此類推，可以預(yù)測自觀測時間后的一個生長周期內(nèi)任一天的生長指標的值；預(yù)測的生長指標一一對應(yīng)。全文摘要本發(fā)明一種用四參數(shù)邏輯斯蒂方程來預(yù)測茅蒼術(shù)生長的方法，涉及農(nóng)業(yè)工程領(lǐng)域。本發(fā)明利用實測的生長指標的生物量(Y)和實測的生長時間(X)的數(shù)據(jù)，進行回歸分析，求出合理的回歸系數(shù)a、Y₀、X₀、b，構(gòu)建四參數(shù)邏輯斯蒂回歸方程如下Y＝Y(jié)₀+a/(1+(X/X₀)^b)其中所述四參數(shù)邏輯斯蒂回歸方程中Y為實測的生物量，Y₀為進入對數(shù)生長期的起始生物量，a為生物量隨時間變化的上限，X₀為達到對數(shù)增長期的一半時的天數(shù)，X為實測的生長時間，b為系數(shù)即常數(shù)。本發(fā)明可以對不同類型茅蒼術(shù)的生長進行預(yù)測，可為不同類型茅蒼術(shù)的施肥、采收時間的選擇以及產(chǎn)量的評估提供指導(dǎo)。文檔編號A01G1/00GK101642021SQ20091003479公開日2010年2月10日申請日期2009年9月8日優(yōu)先權(quán)日2009年9月8日發(fā)明者吳沿友,李萍萍,楊曉勇,桑小花,毛罕平,趙玉國申請人:江蘇大學(xué)