一种在生殖初期预测番茄是否减产的方法与流程

本发明具体涉及一种在生殖初期预测番茄是否减产的方法，属于利用植物中营养含量预测产量技术领域。

背景技术：

番茄的生殖生长有它特有的发育模式，一般分为：“花芽分化期”(第一阶段)、“开花坐果期”(第二阶段)、“果实膨大i期”(第三阶段)、“果实膨大ii期”(第四阶段)和采收期。一般认为，越早期发现营养缺乏，越早期预测产量减产，越早期干预和补充营养，对番茄的果实产量的维持和增产越有利。现有技术中没有公开通过建立模型，在早期预测番茄产量的方法，无法满足地区经济甚至小规模种植户的预测需求。

公布号为cn107356727a的中国发明专利申请文件中公开了一种利用红树营养指标预测土壤中重金属是否污染的方法。该方法将红树的营养指标作为自变量、红树下方土壤中待测重金属的含量作为因变量建立逻辑回归模型。并将逻辑回归模型作为判断标准进行验证，准确率在90％以上，则建模成功；然后在待测区进行取样，预测土壤重金属是否污染。

技术实现要素：

本发明的目的在于提供一种在生殖初期预测番茄是否减产的方法，该方法能够在番茄生殖初期预测番茄是否减产。

为实现上述目的，本发明的技术方案为：

一种在生殖初期预测番茄是否减产的方法，包括以下步骤：

1)将花芽分化期的番茄叶片的生理指标作为自变量并设置变量组合，根据不同的变量的组合及因变量分别建立逻辑回归模型；所述生理指标包括目标元素含量、有机质含量；所述目标元素包括金属元素和非金属元素，所述金属元素为钙、铁、钾、镁、钠、锌中的至少一种；所述非金属元素为氮和/或磷；所述因变量为是否减产；

2)采用训练集样本中的番茄叶片的生理指标作为自变量，采用是否减产作为因变量，对所述逻辑回归模型进行训练，确定模型的逻辑回归系数；所述训练集样本包括正常组样本和营养缺乏组样本；

3)将验证集样本中的番茄叶片的生理指标作为自变量带入步骤2)中确定了逻辑回归系数的模型，得预测结果；将不同模型的预测结果与验证集样本的实际结果对比，筛选出预测准确度最高的模型；所述验证集样本包括正常组样本和营养缺乏组样本；

4)采用步骤3)筛选出的模型对待预测番茄是否出现减产进行预测。

本发明在番茄生殖发育早期“花芽分化期”阶段对番茄叶片的生理指标进行筛选，选择部分生理指标，然后建立指标和是否减产的模型，利用模型来预测番茄是否减产。本发明针对番茄是否减产，将番茄自身的生理指标作为标志物，建立了超高准确率的预测模型。本发明在番茄生殖初期就建立产量预测模型，有助于农户或者企业在还可以干预产量的时期，进行有效作业，避免减产的发生，更具有实际意义。本发明的在生殖初期预测番茄是否减产的方法为未来番茄减产预警以及高产优化条件都奠定了理论基础。

所述变量组合包括全变量组合，所述全变量组合是将所述生理指标中的所有指标作为自变量得到。全变量组合将所有与结果相关的因素都进行了计算，因考虑的因素较多，理论上得到的结果会越准确。

所述变量组合包括aic最优组合，所述aic最优组合为对应的模型的aic值最小的变量组合。aic值最小的变量组合建立的模型的对于预测番茄是否减产的准确率较高。

所述变量组合包括差异显著组合，所述差异显著组合包括正常组样本和营养缺乏组样本生理指标差异显著的变量。具有显著差异的生理指标变量对于产量的影响可能较大，因此将差异显著组合考虑在内。

所述番茄叶片为植株顶部往下第四片叶。由于植株顶部的第一和第二片叶均为新生叶片，在实际种植过程中只能保证植株的所处生长阶段一样而不能保证所有植株的发育期时间完全一样，因此不能选择新生叶片。另外，从植株顶部往下的第三片叶也还没有完全定型，长宽也不一致。而从植株往下的第四片叶对于同一时期的番茄来说，其形态和状态是比较统一的，也不会出现衰老的生理现象。

附图说明

图1为本发明的实施例1中模型ⅰ～模型ⅲ的roc曲线图。

具体实施方式

本发明的在生殖初期预测番茄是否减产的方法，包括以下步骤：

1)将花芽分化期的番茄叶片的生理指标作为自变量并设置变量组合，根据不同的变量的组合及因变量分别建立逻辑回归模型；所述生理指标包括目标元素含量、有机质含量；所述目标元素包括金属元素和非金属元素，所述金属元素为钙、铁、钾、镁、钠、锌中的至少一种；所述非金属元素为氮和/或磷；所述因变量为是否减产；

2)采用训练集样本中的番茄叶片的生理指标作为自变量，采用是否减产作为因变量，对所述逻辑回归模型进行训练，确定模型的逻辑回归系数；所述训练集样本包括正常组样本和营养缺乏组样本；

3)将验证集样本中的番茄叶片的生理指标作为自变量带入步骤2)中确定了逻辑回归系数的模型，得预测结果；将不同模型的预测结果与验证集的实际结果对比，筛选出预测准确度最高的模型；所述验证集样本包括正常组样本和营养缺乏组样本；4)采用步骤3)筛选出的模型对待预测番茄是否出现减产进行预测。

所述因变量为减产或不减产。所述不减产即为正常产量，所述减产为根据确定的正常产量确定的，若产量与正常番茄产量有显著性差异，并低于所确定的正常产量，则为减产。

本发明的生殖初期预测番茄是否减产的方法中，所述正常组样本是浇灌ms营养液的番茄样本，营养缺乏组样本是仅浇水培养的番茄样本。

本发明的生殖初期预测番茄是否减产的方法中，在测定番茄叶片中的有机质含量时利用油浴加热消煮的方法来加速有机质的氧化，使叶片有机质中的碳氧化成二氧化碳，而重铬酸离子被还原成三价铬离子，剩余的重铬酸钾用二价铁的标准溶液滴定，根据有机碳被氧化前后重铬酸离子数量的变化，就可计算有机碳或有机质的含量。

本发明的在生殖初期预测番茄是否减产的方法中，将aic值作为评价模型的一个特征值，通过aic判断模型的好坏。aic信息准则即akaikeinformationcriterion，是衡量统计模型拟合优良性的一种标准，由于它为日本统计学家赤池弘次创立和发展的，因此又称赤池信息量准则，它建立在熵的概念基础上，可以权衡所估计模型的复杂度和此模型拟合数据的优良性。增加自由参数的数目提高了拟合的优良性，aic鼓励数据拟合的优良性但是尽量避免出现过度拟合(overfitting)的情况。所以优先考虑的模型应是aic值最小的那一个。赤池信息准则的方法是寻找可以最好地解释数据但包含最少自由参数的模型。

下面结合具体实施例对本发明作进一步说明。

实施例1

本实施例的在生殖初期预测番茄是否减产的方法包括以下步骤：

(一)培育番茄

对在中国农业科学研究院(北京海淀)种子门市部购买的番茄野生型“丽春”种子(lycopersiconesculentummillev.lichun)进行培育，待幼苗长至两叶一心期后，定植到直径为20cm，高为20cm的大花盆中，一共种植152盆(株)，然后放置在控温温室中。实验时间从7月持续到10月，温室日间温度为25～30℃，夜间温度为18～20℃，相对湿度为60～80％，每天光照16h。

花盆中的基质为质量比为1:1的草炭土和蛭石头。种植的152株中，其中76株长期浇水，76株浇灌1/4ms营养液(1/4ms营养液中：硝酸钙945mg/l，硝酸钾607mg/l，磷酸铵115mg/l，硫酸镁493mg/l，铁盐溶液2.5mg/l，微量元素5mg/l，ph＝6.0)

(二)生理指标的含量的测定

植株长到花芽分化期，选取从植株顶部往下第四片叶，在烘箱中180℃温度下将叶片材料完全烘干，并用研磨将材料完全粉碎得干粉，然后进行元素测定。

1)金属元素测试

称取0.1g干粉加入100ml凯氏瓶中，加数滴水使样品湿润，然后加入3ml浓硫酸(密度为1.84g/ml，分析纯)和10滴高氯酸(质量分数为60～70％，分析纯)，摇匀。在瓶口放一小漏斗，在调温电炉上加热消煮，至凯氏瓶中溶液颜色转白并且透明，再继续煮沸20min，冷却后的消煮液用水小心地从凯氏瓶中洗入100ml容量瓶中，反复冲洗凯氏瓶，使瓶内混合物全部洗入容量瓶中，然后用水稀释至刻度，摇匀，静置澄清，小心地吸取上清液进行后续磷元素含量的测定。同时用去离子水作试剂空白对照组。分别用钙，铁，钾，镁，钠，锌元素标样配制标准曲线。然后依次将液体装载入icp中，进行元素含量测定。

2)有机质的测定

取0.1g干粉放入大试管(外径25mm，长度100mm)，用吸管加入5ml0.8000mol/l的k2cr2o7标准溶液，然后用注射器加入5ml浓硫酸(密度为1.84g/ml，化学纯)，并小心旋转摇匀。预先将油浴锅(内装固体石蜡或叶片油)加热至180～190℃，将大试管插入铁丝笼，然后将其放入油浴锅中加热，此时应控制锅内温度在170～180℃，并使溶液保持沸腾5min，然后取出铁丝笼，待试管稍冷后，用干净纸擦净试管外部的油液(如煮沸后的溶液呈绿色，表示重铬酸钾用量不足，应再称取叶片干粉重做；如溶液煮沸后的溶液呈黄色或黄绿色，则继续进行实验)。冷却后将试管内混合物洗入250ml锥形瓶中，使瓶内体积在60～80ml左右，加3～4滴n-苯基邻氨基苯甲酸指示剂，用0.2mol/l硫酸亚铁溶液滴定，变色过程由棕红色经紫至蓝绿色为终点。记录硫酸亚铁用量。

在测定有机质含量时，必须作2～3个空白标定。空白标定不加叶片干粉，但加入0.1～0.5g石英砂，其他步骤与测定叶片干粉时完全相同，记录硫酸亚铁用量，然后求其平均值。

所用0.8000mol/lk2cr2o7标准溶液由以下方法配制：39.2245g重铬酸钾加400ml水，加热使溶解，冷却后用水定容至1l。所用0.2mol/l硫酸亚铁溶液由以下方法配制：56.0g硫酸亚铁或80.0g硫酸亚铁铵，溶于水，加15ml浓硫酸，用水定容至1l。n-苯基邻氨基苯甲酸指示剂由以下方法配制：溶0.2g指示剂于100ml质量分数为0.2％碳酸钠溶液中，稍加热并不断搅拌，促使浮于表面的指示剂溶解。

根据硫酸亚铁的用量计算叶片中有机质含量的方法为：

有机质(％)＝有机碳(％)×1.724(2)

式中：标准溶液的浓度，mol/l；

标准溶液的体积，ml；

v0——空白标定时用去的硫酸亚铁溶液的体积的平均值，ml；

v——滴定植物样品时用去的硫酸亚铁溶液的体积，ml；

0.003——1/4碳原子的摩尔质量，g/mol；

1.1——氧化校正系数；

1.724——将有机碳换算成有机质的系数；

m1——叶片干粉的质量，g；

k2——将风干换算成烘干的水分换算系数，本实施例中为1。

3)氮含量的测定

称取0.1g干粉送入干燥的凯氏瓶底部，加少量去离子水润湿后，加入2g加速剂(100g硫酸钾，10g五水合硫酸铜和1g硒粉于研钵中研细，充分混合均匀制得。)和5ml浓硫酸(密度为1.84g/ml，分析纯)，摇匀。将凯氏瓶置于消煮炉上消煮，待消煮液全部变为灰白稍带绿色后，再继续消煮1h。消煮完毕，冷却，待蒸馏。在消煮的同时，做两份空白测定，除不加叶片干粉外，其它操作完全相同。

将消煮好的样品直接上定氮仪上进行测定(如果用全自动定氮仪最终结果为全氮百分含量)。测定结果的计算方式为：

式中：v——滴定试液时所用酸标准溶液的体积，ml；

v0——滴定空白时所用酸标准溶液的平均体积，ml；

ch——酸标准溶液的浓度，mol/l；

0.014——氮原子的毫摩尔质量，g/mmol；

m——干粉质量，g。

使用定氮仪测定氮含量时，碱化时所用碱为10mol/l的氢氧化钠溶液(氢氧化钠为工业用或化学纯)。吸收氨所用硼酸为硼酸-指示剂混合溶液。其中硼酸为分析纯，质量分数为2％的硼酸溶液，指示剂为0.5g溴甲酚绿和0.1g甲基红于玛瑙研钵中加入少量95％乙醇，研磨直至试剂全部溶解后加95％乙醇至100ml配制而成。使用前，每升硼酸溶液中加入20ml混合指示剂，并用稀碱调节至红紫色。此液放置时间不宜过长，如在使用过程中ph值有变化，应随时用稀酸或稀碱调节。使用酸标准溶液滴定时所用酸为0.005mol/l硫酸或0.01mol/l盐酸标准溶液。

4)磷含量的测定

取金属元素含量测定过程中吸取的上清液5～10ml置于50ml容量瓶中，加水到15～20ml，加1滴2，4-二硝基酚指示剂，用4mol/l氢氧化钠溶液调节ph至溶液刚呈淡黄色，加5ml钼锑抗指示剂，用水定容至刻度，摇匀。30min后在分光光度计上，用2cm比色皿，选700nm波长比色，空白试验溶液为参比液，调吸收值到零，然后测各待测液显色液的吸收值。在工作曲线上查出显色液的磷ppm数。

磷含量的计算过程为：

全五氧化二磷(p2o5，％)＝全磷(p，％)×2.29(2)

式中：c—从工作曲线上查的显色液的磷ppm数(测试值)；

v—显色液体积，50ml；

ts—分取倍数，

(待测液体积100毫升，吸取待测液体5毫升)

m—叶片干粉质量，g；

10⁶—将微克换算成克的除数；

2.29—将磷换算成五氧化二磷的系数。

钼锑抗比法要求显色液中硫酸浓度为0.23～0.33mol/l。如果酸度小于0.23mol/l，显色虽然加快，但稳定时间较短；如果酸度大于0.33mol/l，则显色较慢。钼锑抗比法要求显色温度为15℃以上，如果室温低于15℃，可放置在30～40℃的恒温箱中保持30min，取出冷却后比色。

(三)产量计算

待番茄成长到“采收期”后，摘取所有果实，进行每株称重，并记录。

(四)统计分析与模型建设

1)统计分析

将浇灌1/4ms营养液的植株作为营养正常组(yz)，浇水组作为营养缺乏组(yq)。对测定的生理指标的含量作统计学分析，如表1所示。

表1统计学分析结果

由表1可知，营养正常组和营养缺乏组番茄产生明显的产量差别。同时，在花芽分化期中，n，p，k，mg四种元素的含量也存在显著性差异。其中倍数约等于yq平均值与yz平均值的比值，目的在于判断营养正常组与营养缺乏组的各生理指标之间的关系是否与减少的产量具有相关性。

2)模型建设

采用是否减产作为结局变量，标记为tc；暴露变量包括n含量％(标记为r1)，p含量(标记为r2)，有机质含量％(标记为r3)，ca含量(ppm，标记为r4)，fe含量(ppm，标记为r5)，k含量(ppm，标记为r6)，mg含量(ppm，标记为r7)，na含量(ppm，标记为r8)，zn含量(ppm，标记为r9)。

通过变量组合，采用r语言glm函数建立逻辑回归模型：组合一：r1+r2+r3+r4+r5+r6+r7+r8+r9，组合二：r1+r2+r6+r7，组合三：r1+r3+r7+r9。

随机抽取yq数据里面的50％以及yz数据里面的50％作为训练集建设模型；剩下的数据作为验证集，对模型进行验证。

(ⅰ)根据训练集中各变量的数据，计算组合一、组合二和组合三的逻辑回归系数及aic值。计算结果如表2～表4所示。

表2组合一的逻辑回归系数以及aic值

表3组合二的逻辑回归系数以及aic值

表4组合三的逻辑回归系数以及aic值

根据组合一～组合三建立的模型的aic值，优先考虑的模型应是组合三建立的模型。

(ⅱ)用验证集进行模型评价

用组合一～组合三建立的模型(分别为模型ⅰ、模型ⅱ和模型ⅲ)评价验证集中的植株产量，然后与验证集中的实际产量对比，通过建立预测正交矩阵判断模型的正确率，预测正交矩阵如表5所示。

表5预测正交矩阵

在预测正交矩阵中，0表示正常(即不减产)，1表示缺乏(即减产)，准确率＝(tp+tn)/(tp+tn+fp+fn)。本实施例中将单株果实的产量低于正常的10％时认为减产。

利用组合一～组合三建立的模型ⅰ～模型ⅲ判断的结果如表6所示。

表6模型ⅰ～模型ⅲ的判断结果

根据表6可知，模型ⅰ的准确率为91％，模型ⅱ的准确率为92％，模型ⅲ的准确率为95％。根据准确率可知优先考虑的应是模型ⅲ即组合三。

(ⅲ)利用roc曲线评价模型

对建立的模型ⅰ～模型ⅲ作roc曲线，如图1所示。根据roc曲线确定模型ⅰ～模型ⅲ的auc值分别为0.949，0.984，0.959。根据auc值可知，模型ⅲ为优选考虑的模型。

(五)预测产量

结合三个模型的特征值如表7所示，确认模型ⅲ即n含量％(r1)，有机质含量％(r3)，mg含量(ppm，r7)，zn含量(ppm，r9)的参数组合，在逻辑回归模型的预测下，可以达到准确率95％的预测番茄的产量，非常适合未来在番茄的生产中实施和应用。

表7三个模型特征值总结

在本发明的其他实施例中，还对其他变量组合建立了逻辑回归模型，经过验证，其他的变量组合建立的逻辑回归模型的预测准确率均没有实施例1中的组合三建立的模型的准确率高。