[发明专利]一种预测苣菊草产量与品质的方法

权利要求书

1.一种预测菊苣草产量与品质的方法，其特征在于，包括以下步骤：

步骤(1)：获取菊苣草的生长时间和所述生长时间对应的产量与营养品质指标数据，建立回归模型；

步骤(2)：获取菊苣草≥0℃积温和所述积温对应的产量与营养品质指标数据，建立回归模型；

步骤(3)：将需要分析的菊苣草的生长时间或≥0℃积温带入对应回归模型中，预测出所述菊苣草在下一年的产量与营养品质，并判断出所述菊苣草的最佳收获期。

2.根据权利要求1所述的一种预测苣菊草产量与品质的方法，其特征在于：在步骤(1)中，所述菊苣草的生长时间是通过人工采集与计算获得。

3.根据权利要求1所述的一种预测苣菊草产量与品质的方法，其特征在于：在步骤(2)中，所述菊苣草的≥0℃积温数据是通过气象站获得。

4.根据权利要求1所述的一种预测苣菊草产量与品质的方法，其特征在于：在步骤(1)和步骤(2)中，所述营养品质指标包括产草量(Forage yield)、粗蛋白(CP)、中性洗涤纤维(NDF)、酸性洗涤纤维(ADF)、粗脂肪(EE)及粗灰分(Ash)。

5.根据权利要求1所述的一种预测苣菊草产量与品质的方法，其特征在于：在步骤(1)和步骤(2)中，所述建立回归模型是采用SPSS 20.0。

6.根据权利要求1所述的一种预测苣菊草产量与品质的方法，其特征在于：所述菊苣草包括菊苣草品种(Cichorium intybus)PunaⅡ，Choice。

7.根据权利要求6所述的一种预测苣菊草产量与品质的方法，其特征在于：所述菊苣草品种PunaⅡ的生长时间与各营养品质的回归模型包括：

产量和生长时间回归模型：y＝2522.1656/(1+22.8049e-0.0418x)R2＝0.9877；

粗蛋白(CP)和生长时间回归模型：y＝-0.0393x+23.376 R2＝0.6727；

中性洗涤纤维(NDF)和生长时间回归模型：y＝18.035ln(x)-52.843 R2＝0.8739；

酸性洗涤纤维(ADF)和生长时间回归模型：y＝18.375ln(x)-63.95 R2＝0.9210；

粗脂肪(EE)和生长时间回归模型：y＝-1.71ln(x)+10.382 R2＝0.7982；

粗灰分(Ash)和生长时间回归模型：y＝-0.0492x+24.349 R2＝0.5701。

8.根据权利要求6所述的一种预测苣菊草产量与品质的方法，其特征在于：所述菊苣草品种PunaⅡ的≥0℃积温与各营养品质的回归模型包括：

产量和积温回归模型：y＝2502.2117/(1+12.6433e-0.0024x)R2＝0.9843；

粗蛋白(CP)和积温回归模型：y＝-0.0022x+22.746 R2＝0.6577；

中性洗涤纤维(NDF)和积温回归模型：y＝-0.0022x+22.746 R2＝0.6577；

酸性洗涤纤维(ADF)和积温回归模型：y＝15.321ln(x)-91.231 R2＝0.9211；

粗脂肪(EE)和积温回归模型：y＝-1.408ln(x)+12.79 R2＝0.7788；

粗灰分(Ash)和积温回归模型：y＝-0.0027x+23.573 R2＝0.5600。