[发明专利]基于MCMC的小麦品种特征参数估算方法

说明书

技术领域

本发明属于精准农业中小麦品种特征定量评价领域，涉及小麦品种特征参数估算方法，具体涉及融合了马尔可夫链蒙特卡洛方法(Markov Chain Monte Carlo，MCMC)的小麦品种特征参数估计方法。

背景技术

随着农业技术的发展进步，新的小麦品种不断出现，科学家通过对不同品种的生理生态特性研究，提出了不少可以量化作物品种特性的参数，如株高、千粒重、生理春化天数、灌浆时间、发生分蘖的能力等，这些参数被称为作物品种特征参数，它主要反映作物基因型特征。近半个多世纪以来，国际上出现了不少作物生长模型，如美国的CERES模型、菲律宾国际水稻所的ORYZA模型、澳大利亚的APSIM模型、中国的WheatGrow模型等，它们通过解析“气象-土壤-技术措施”与作物生理生态过程的机理关系，对作物的生长发育过程进行定量的表达，将反映基因型差异的作物品种特征参数融入到具体作物生长发育过程当中，再结合环境因子作为输入变量，达到对作物生长发育过程的动态模拟。科学家在广泛利用模型进行作物生长预测的同时，也在考虑如何逆向地利用作物生长模型进行品种特征参数的反演，以定量评估作物的品种特性，从而指导作物育种。He等利用GLUE方法和CERES-Maize来反演玉米的品种特征参数，金之庆等利用“试错法”和CERES-wheat来反演小麦品种特征参数。但这些方法都存在反演效率低且无法搜寻到全局最优变量等缺点。

发明内容

本发明的目的在于克服上述缺陷，将MCMC方法和小麦生长模型(WheatGrow)相结合，通过构建生育期和产量的目标函数，提出一种小麦品种特征参数估算方法，为定量研究小麦品种特性提供了一种新的途径。

本发明选用了马尔可夫链蒙特卡洛(Markov Chain Monte Carlo，MCMC)方法，其最早被广泛应用于图像处理、统计物理学领域。近年来，随着计算机技术的迅猛发展，MCMC方法在根系水分吸收模型、农业生态模型等诸多复杂模型中得到了广泛应用。该方法是基于贝叶斯理论框架，首先建立平衡分布为π(x)的马尔可夫链，并对其平衡分布进行采样，然后通过不断更新样本信息而使马尔可夫链能充分搜索模型参数空间，最终收敛于高概率密度区；该方法能将一些复杂的高维问题转化为一系列简单的低维问题，因此适用于复杂模型的贝叶斯计算。同时本发明选用了国内建立并具有较好广适性的WheatGrow生长模型，该模型涉及到9个小麦品种特征参数，分别是春化天数(VD)、光周期敏感因子(PS)、基本早熟因子(IE)、温度敏感因子(TS)、灌浆期因子(FD)、叶热间距(LT)、比叶面积(SLA)、收获指数(HI)、小麦分蘖能力(TA)。其中，春化天数(VD)反映了小麦品种必须经历一定天数的春化，才能进行花芽分化，极冬性的小麦品种为60，极春性的小麦品种为0。光周期敏感因子(PS)，该参数反应了小麦能否开花受到的日照长短的影响，用光周期敏感因子反映不同品种对日照长度的敏感性不同。基本早熟因子(IE)，小麦出苗后，即使满足了温光条件，也不会进行花芽分化，这段时间进行营养生长，不同品种表现不同，用基本早熟因子反映该生育阶段的差异。温度敏感因子(TS)，反映了小麦发育受温度高低影响的程度。灌浆期因子(FD)，反映了小麦开花以后不同品种灌浆时间的长短不同。叶热间距(LT)，反映了连续两个叶原基出现的时间间隔。比叶面积(SLA)，单位重量的小麦叶片所包含的叶面积。收获指数(HI)，反映了小麦干物质向穗部分配的比例。小麦分蘖能力(TA)，不同小麦品种产生分蘖的能力不同，受品种基因控制，用分蘖能力反映小麦产生分蘖多少的特征。

具体方案为：

一种基于MCMC的小麦品种特征参数估算方法，包括如下步骤：

1)小麦生长模型即WheatGrow模型的数据获取：通过自动气象站记录小麦生长季田间逐日气象数据，包括日最高气温、日最低气温、日照时数、日降水量；利用五点取样法，将耕层土壤从上到下分4层进行田间土壤取样，然后通过室内物理化学分析，测定土壤容重、饱和含水量、田间持水量、萎焉含水量、实际含水量、土壤全氮、氨态氮和硝态氮；记录小麦生长过程中的田间栽培管理数据；实测小麦主要生育期(包括播种期、拔节期、开花期、成熟期)和收获时的籽粒产量；

2)在小麦品种特征参数范围内选择一套初始品种特征参数组合θ⁽⁰⁾，在未知参数分布的情况下，先假定各个参数的先验分布为均匀分布，分别代表九个品种特征参数(i＝1，2，3，4，5，6，7，8，9)；

3)在基础上提出一个候选样本