水稻产量估算方法

水稻测产方法
理论测产：
（一）取样方法：
十亩高产攻关田:按照对角线取样法取5个样点；
百亩高产示范方:以20亩为一个测产单元，共分成5个单元，每个单元按3点取样，共15点；
万亩高产示范片:以500亩为一个测产单元，共20个单元，每单元随机取3点，共60点。

每点量取21行，测量行距；量取21株，测定株距，计算每平方米穴数；顺序选取20穴，计算每穴穗数，推算亩有效穗数。

取2～3穴调查穗粒数、结实率。

千粒重按该品种前3年平均值或区试千粒重计算。

（二）产量计算：
理论产量（公斤）＝亩有效穗（穗）×穗粒数（粒）×结实率（％）×千粒重（克）×10-6×85%
实收测产：
（一）取样方法：在理论测产的单元中随机选取3亩以上地块进行实收称重。

如果用水稻联合收割机收获，收割前由专家组对联合收割机进行清仓检查；田间落粒不计算重量。

（二）测产含水率和空瘪率：随机抽取实收数量的1/10
左右进行称重、去杂，测定杂质率（%）；取去杂后的稻谷1公斤测定水分和空瘪率，烘干到含水量20%以下，剔出空瘪粒，测定空瘪率（%）；用谷物水分速测仪测定含水率，重复10次取平均值（%）。

（三）计算公式：
实收产量（公斤）＝亩鲜稻谷重（公斤）×（1－杂质率）×（1－空瘪率）×（1－含水率）÷（1－14.5%）。

水稻估产接近真实水平注意事项
水稻估产是农民在丰收前对水稻产量进行评估的一项重要工作。

要想做好水稻估产接近真实水平的工作，需要注意以下几点：
1. 选择样方要随机。

在一个熟稻地块中，随机选择20-30个样方进行调查，每个样方大小不宜过大，一般为5×5米左右，避免人为因素干扰。

2. 每个样方内要进行多次测量。

对于每个样方，需要重复测量三次，取平均值。

每次测量时要随机选择不同位置进行，避免测量误差过大。

3. 需要注意估产时的天气因素。

水稻的生长和产量受到气候因素的影响较大，要对采样时的天气情况进行记录，并在估算过程中予以考虑，以保证估产结果的准确性。

4. 考虑害虫和病害的影响。

水稻在生长过程中容易受到虫害和病害的侵害，这会对产量造成较大影响，因此在估产过程中要考虑这些因素的影响。

5. 根据地理位置、土壤条件和种植方式对估产结果进行定量修正。

不同地理位置、土壤条件和种植方式对水稻产量有不同的影响，因此要对估产结果进行修正，以提高其接近真实水平的准确性。

通过以上几点的注意事项，可以帮助农民做好水稻估产的工作，提高水稻产量的预测准确性，为农业生产提供有力的保障。

水稻产量计算公式(一)水稻产量计算公式简介水稻产量是衡量农作物生产的重要指标之一。

通过计算水稻的产量，可以评估农作物的产量和效益，并为制定农业生产计划提供依据。

在这篇文章中，我们将介绍几种常用的水稻产量计算公式，以及相关的例子和说明。

1. 单株产量计算公式水稻的单株产量指的是每棵水稻植株所产的籽粒数量。

单株产量可以通过以下公式进行计算：单株产量（kg/亩）= 总产量（kg） / 株数（株） / 亩数例子：假设一块农田的总产量为5000kg，株数为10000株，种植面积为5亩，则该农田的单株产量为：单株产量（kg/亩）= 5000kg / 10000株 / 5亩 = 100kg/亩2. 亩产量计算公式水稻的亩产量指的是每亩农田所产的水稻数量。

亩产量可以通过以下公式进行计算：亩产量（kg/亩）= 总产量（kg） / 种植面积（亩）例子：假设一块农田的总产量为5000kg，种植面积为5亩，则该农田的亩产量为：亩产量（kg/亩）= 5000kg / 5亩 = 1000kg/亩3. 单位面积产量计算公式水稻的单位面积产量指的是每个单位面积（如平方米）所产的水稻数量。

单位面积产量可以通过以下公式进行计算：单位面积产量（kg/平方米）= 总产量（kg） / 面积（平方米）例子：假设一块农田的总产量为5000kg，种植面积为5000平方米，则该农田的单位面积产量为：单位面积产量（kg/平方米）= 5000kg / 5000平方米 = 1kg/平方米结论水稻产量的计算公式可以根据不同的需求和指标进行选择和使用。

通过计算水稻的产量，可以对农作物的生产情况有更直观的了解，从而为农业生产提供科学依据。

在实际应用中，需要根据具体情况选择适合的公式进行计算，并结合其他因素进行综合分析。

水稻产量估算方法1、五点随机取样（对角线、梅花形），离地头5米以上。

2、平均行距：测21行距离（连续），除以20。

3、每平方米折算成行长：1平方米除以行距（米），查穴数。

4、每穴穗数：（连续）查取10穴，取平均值。

5、穗粒数：调查2穴（穴穗数接近平均值）。

6、千粒重：以常年千粒重为计算理论产量，八五折后即为估产产量。

7、计算公式：估产产量（kg）=｛【亩穗数*穗粒数*千粒重（g）/106】｝*0.85水稻实收测产方法：（1）取样方法。

根据自然生态区（畈、片）将万亩高产攻关点划分为5～10个片，随机选择3个片，在每个片随机选取3块田进行实收测产，每块田实收1亩以上。

收割前由专家组对收割机进行清仓检查；田间落粒不算重量。

（2）田间实收:用机械收获后装袋并称重，计算总产量（单位：公斤，用W表示）；专家组对实收面积进行测量（单位：平方米，用S表示）；随机抽取实收数量的1/10左右进行称重、去杂，测定杂质含量（单位：%，用I表示）；取去杂后的稻谷1公斤测定水份和空瘪率，烘干到含水量20%以下，剔出空瘪粒，测定空瘪率（单位：%，用E表示）；用谷物水分速测仪测定含水率，重复10次取平均值（单位：%，用M 表示）。

（3）计算公式:Y=（666.7÷S）×W×(1－I)×(1－E)×[(1－M)÷(1－MO)];平均产量=∑Y÷9；MO为标准干重含水率：籼稻=13.5%,粳稻14.5%。

常见作物的千粒重1、水稻千粒重18-34克，每公斤29400-55000粒。

2、粳稻千粒重25-321克，每公斤31200-40000粒。

3、籼稻千粒重18-25克，每公斤40000-55000粒。

4、小麦千粒重23-58 克，每公斤17200-43400粒。

5、玉米千粒重180-500 克，每公斤2000-5560 粒。

6、高梁千粒重20-34 克，每公斤29400-50000粒。

作物估产的方法作物估产是农业生产中非常重要的一项工作，它能够帮助农民和农业部门更好地了解作物的产量情况，从而制定出更科学、更有效的农业生产计划。

以下是几种常用的作物估产方法：一、样方调查法样方调查法是一种常用的作物估产方法，它通过对田间样方进行调查和统计，来推断整个农田的作物产量。

这种方法通常需要在田间选择一定数量的样方，并对每个样方进行详细调查，包括植株数量、株高、叶面积等指标。

通过对样方数据的统计分析，可以得出整个农田的作物产量估计。

二、遥感技术遥感技术可以通过卫星或无人机获取作物生长状态的图像数据，并通过对图像的分析来估计作物的产量。

这种方法可以实现对大范围的农田进行快速、准确的估产。

遥感技术可以通过对图像中作物的光谱特征、植被指数等进行分析，来推断作物的生长状况和产量水平。

三、数学模型法数学模型法是利用数学模型对作物生长和产量进行模拟和预测的一种方法。

这种方法通常需要收集大量的作物生长、气象、土壤等数据，然后建立相应的数学模型进行模拟和预测。

数学模型法可以通过对不同因素的敏感性分析，来评估不同因素对作物产量的影响程度，从而指导农业生产。

四、统计学方法统计学方法是通过对历史数据的统计分析，来估计作物的产量。

这种方法通常需要收集多年的作物产量数据，并通过统计学方法对数据进行分析，包括平均值、方差、回归分析等。

通过对历史数据的分析，可以得出作物产量的趋势和变化规律，从而对未来的产量进行估计。

五、专家经验法专家经验法是依靠专家的经验和判断来估计作物的产量。

这种方法通常需要依托专家的知识和经验，结合实地调查和观察，来进行作物产量的估计。

专家经验法在农业生产中具有一定的实用价值，但也存在主观性较强的问题，需要结合其他方法进行验证。

作物估产是农业生产中非常重要的一项工作，它可以通过样方调查法、遥感技术、数学模型法、统计学方法和专家经验法等多种方法来进行。

这些方法各有优劣，可以根据具体情况选择合适的方法进行作物估产。

水稻估产模型
水稻估产模型是一种基于农业气象、土地利用和农业统计等数据，应用数学和统计学方法建立的决策支持模型。

主要用于预测和评估水稻产量，以便为政府、农民和农业企业提供科学决策，帮助他们制定种植计划、调整农业经营策略和合理安排农业生产资源。

水稻估产模型通常包括以下几个方面的内容：
1.气象数据：收集温度、降雨、日照、风力等气象
数据，并根据历史数据分析气象因素对水稻生长和发育的影响。

2.土地利用数据：获取土地类型、土壤质量、灌溉
条件等土地利用数据，并分析不同土地类型对水稻生长的影响。

3.农业统计数据：收集农业产量、播种面积、施肥
情况等农业统计数据，并根据历史数据分析不同农业管理措施对水稻产量的影响。

4.数学和统计学方法：应用数学和统计学方法，建
立水稻生长模型、产量预测模型等，以便对水稻产量进行准确预测和评估。

水稻估产模型可帮助农民、政府和农业企业更好地了解当地的种植环境和水稻生长状况，制定更加科学合理的种植计划和农业经营策略，提高水稻生产效率和经济效益。

第8卷　4期应用气象学报V o l.8,N o.4 1997年11月QUA R T ERL Y JOU RNAL O F A PPL IED M ET EOROLO GY N ovem ber1997　水稻遥感估产的一种方法Ξ吉书琴 陈鹏狮 张玉书(沈阳区域气象中心研究所,沈阳110015)提 要该文利用NOAA AV HRR空间覆盖度宽、资料获取时次多的特点,寻求预测北方一季稻产区水稻产量的最佳时期,利用植被指数建立水稻单产的预报模式,遥感估算水稻种植面积.研究表明,利用卫星遥感手段对水稻进行估产的精度高于常规农业气象模式,又可提高预报时效.关键词:水稻　遥感估产　长势监测　面积估算引 言冬小麦遥感估产在我国研究比较早,双季稻也有一些研究,而北方一季稻产区的遥感估产目前还没有先例.应用NOAA AV HRR实时资料预报产量能提高时效,而且可动态监测水稻的生长状况,无论在时间还是空间上都要比旬月报资料优越得多.经过两年的研究,利用辽宁省气象局遥感中心接收的实时资料,结合历史资料对比分析,建立了植被指数的单产预报模式,并在1995年的业务预报中取得了较好的应用效果.1　应用卫星遥感对水稻生长状况的动态监测一季稻生长季(4～9月),特别是夏季云雨天气较多,而LAND SA T2TM影像周期长(16天一次),在水稻生长期内很难获得一幅较理想的TM影像,加之价格昂贵,因而不宜用于水稻长势的动态监测.NOAA AV HRR资料虽然空间分辨率低,但时间分辨率高,下垫面的信息丰富,实时可用性强,且价格低廉,是监测水稻长势的有效手段.(1)监测原理　从NOAA AV HRR数字图像提取植被信息,采用植被指数.原理是基于植被对可见光和近红外辐射两种截然不同的吸收与反射效果.在可见光的蓝光和红光区各有一个叶绿素的吸收带,吸收中心分别位于0.45Λm和0.65Λm.相反,植被在近红外区(0.75～1.1Λm)有一个很高的反射峰.反射与吸收的对比取决于植被的类型、生长状况及生态背景等.可见光区的叶绿素吸收带位于NOAA AV HRR的第一通道CH1(0.58～0.68Λm),近红外区的植被反射峰也位于第二通道CH2(0.73～1.1Ξ19960815,19961025.Λm ),利用上述两个通道的探测值计算的植被指数可很好地反映植被状况.归一化植被指数(NDV I )适于大范围的植被监测,在有植被的情况下,NDV I 的变化范围为0～0.6,作物生长越旺盛,植被冠层的密度越大,NDV I 也就越大[1].应用卫星遥感得到的NDV I 对北方水稻生长状况可以进行动态监测,研究范围为38°17′～43°30′N ,118°53′～125°47′E .(2)利用植被指数监测水稻的生长状况　水稻植被指数的变化可以反映水稻整个生育期的生长状况.图1给出1993～1995年大洼的水稻生长曲线,从图1中可以看出:水稻插秧返青(6月中旬)以后,从分蘖开始植被指数迅速增加,孕穗期(8月上旬～8月下旬)达到高峰,抽穗开花以后逐渐下降.植被指数曲线所以呈现出这种变化形式是因为水稻抽穗开花期花穗位于植被冠层的上部,卫星接收到的反射辐射信息中的一部分来自水稻的花和穗,而不是全部的绿色叶片,从而改变了植被冠层的光谱特征.不同年份的植被指数曲线变化不同,在水稻种植区选了34个样点,分析不同年型各地区水稻的生长曲线.1993年大部分地区为单峰型曲线,只有12%为双峰型曲线;1994年有85%的样点地区为双峰型曲线;1995年只有24%的样点地区为双峰型曲线.其中1994和1995年部分地区的双峰型变化是洪涝灾害造成的. 图1　1993、1994和1995年大洼水稻生长曲线图2　水田、旱田作物生长曲线的比较(实线;大洼水田,虚线:新民旱田) 比较3年的生长曲线,1993年的峰值普遍较高,其中铁岭地区最高(0.61);1994年峰值较低,丹东地区最高(0.60);1995年峰值最低,铁岭地区最高(0.54).水稻产量:1993年最高,1995年最低,植被指数峰值的高低与产量的高低相当吻合.丰产年的生长曲线表现为峰值高、生长周期长、落黄晚(即曲线下降慢),如1993年;1994年生育期短,峰值低、落黄比较早,所以产量不如1993年.通过生长曲线的峰值变化可以确定估产的最佳时期,辽宁水稻生长曲线的峰值一般出现在8月上旬～8月中旬,因此8月上、中旬为最佳估产时期.2　水稻种植面积的估算(1)估算时相的选择　水稻从泡田至插秧以及返青时期,CH 2的反射率比大田作物小,比单纯水体大.这一时期,最容易识别水田.在1994年NOAA AV HRR 资料中,水田选点大洼,旱田选点新民.从它们整个生育期的生长曲线(见图2)可以看出:5月中15 应　用　气　象　学　报 8卷旬～6月中旬,是区分水田和旱田的最佳时期,也是估算水田面积的最佳时期.(2)经验估算　利用国家气象局卫星气象中心提供的1989年6月11日NOAAAV HRR 遥感数字化图像资料,以《辽宁省植被类型图》[2]为对照进行估算.NOAA AV HRR 资料的一个象元点约为121hm 2.在遥感数字图像上,水田的等级是3、4级(相当于反照率5.75%～9.75%);大田是5、6级(相当于反照率9.75%～13.75%);纯水则在2级(相当于反照率5.75%左右)以下.计算的水稻面积,营口、盘锦、沈阳、辽阳、鞍山与统计值较接近(见表1).表1　1989年水田面积比较表营口盘锦沈阳辽阳鞍山象元数(个)3566761106485354计算值(hm 2)43076817961338265868542834统计值(hm 2)40500760931316405272741473差　值(hm 2)25765703218659581361 1989年辽宁省水稻总面积为542368hm 2,其中上述五市为342400hm 2,占全省的63.3%.上述五市遥感估算的面积为360217hm 2,按上述比例求得全省总面积为569063hm 2.通过多次调查试验,并经农业部门确认,遥感估算全省水田面积的订正系数为5%.订正后的遥感面积为546300.5hm 2,与统计值的误差为3932.5hm 2.(3)计算机计算面积　利用1994年6月1日卫星遥感的第二通道CH 2资料,共选了8个主要水稻栽培样点:沈阳、盘锦、铁岭、丹东、辽阳、大连、营口和鞍山.反照率选值为6.30%～10.63%,与1989年选的3、4级(相当于反照率5.75%～9.75%)等级相近.1994年全省水稻面积为458709hm 2,8个样点面积占全省的89.46%.遥感估算的全省面积为497429hm 2,订正后为472557.6hm 2,与统计值相差13848.6hm 2(见表2).遥感估算的面积比社会统计面积大,与实际比较符合.表2　1994年水稻面积遥感估算值、统计值对照表样点统计值(hm 2)估算值(hm 2)样点统计值(hm 2)估算值(hm 2)沈阳102513105200辽阳3932141400盘锦7448278800大连2955528400铁岭4444650100营口4056157300丹东4849453500鞍山30992303003　水稻遥感单产预报模式利用1993年和1994年的遥感资料与产量资料建立不同年型的预报模式.选择8个地区的样点,利用1993年和1994年遥感的旬平均植被指数和统计单产计算相关,建立回归模式:y 1=159.08-6.43x 1+1.05x 2+3.11x 3+1.38x 4(1)式中y 1是全省水稻平均单产;x 1、x 2、x 3、x 4分别是6月下旬、7月上旬、8月中旬、8月下旬的植被指数.式(1)通过了0.01信度检验.1993年气象条件较好,产量(y 2)高,代表丰产型;1994年洪涝影响较大,产量(y 3)比较低,代表平年偏歉型.利用6月下旬、7月上旬、8月中旬和8月下旬植被指数(x 1、1154期 吉书琴等:水稻遥感估产的一种方法 215 应　用　气　象　学　报 8卷x2、x3、x4)与水稻产量建立的1993年和1994年估产模式分别为:y2=-428.36-3.12x1+2.32x2+2.77x3+4.22x4(2)y3=-261.43-5.21x1+1.40x2+3.17x3+3.97x4(3)式(2)和式(3)分别通过了0.05和0.01信度检验.将1995年的植被指数值代入式(1)、(2)、(3),利用式(3)预报1995年水稻产量的效果比较好.因为1994和1995年都属歉产年,而1993年是丰产年,年型不同.由于遥感资料较短,只能在现有资料的基础上,分年型运用,实践证明效果比较好.利用式(3)预报的1995年单产为5569.5kg hm2,与省统计单产5290.5kg hm2相比,误差为5.3%.4　结　论 (1)利用NOAA AV HRR的1、2通道反射率计算的归一化植被指数可对大范围水稻的生长状况进行动态监测.虽然不同年型的植被指数变化曲线有一定差异,但曲线的峰值高、低与水稻产量高、低相当吻合.预测作物产量的最佳时段即曲线的峰值时段,辽宁为8月上、中旬.(2)根据水稻与其它作物植被指数变化曲线的差异,可以确定泡田至插秧以及返青时期为估算水稻种植面积的关键期;根据稻田与其它下垫面不同的光谱特征,可以进行水稻面积信息的提取及计算.(3)水稻的归一化植被指数与水稻单产之间有很好的相关关系,利用1993年和1994年各地区的遥感资料与产量资料建立不同年型的遥感产量预报模式,预报效果较好.参考文献1　刘金英,朱启疆.内蒙古东部达里诺尔及其毗邻地区植被生态环境遥感监测研究.环境监测与作物估产的遥感研究论文集.北京:北京大学出版社,1991年.2　董厚德等.辽宁省植被类型图.沈阳:辽宁大学出版社,1985年.A M ETHOD OF THE RE MOTE SENSING TECHN IQUESOF R I CE Y IELD EST I M AT I ONJ i Shuqin Chen Pengsh i Zhang Yu shu(M eteorolog ica l Institu te of S heny ang R eg iona l Cen tre,S heny ang110015)AbstractB ased on NOAA AV HRR characteristics of w ide2ranging sp ace coverage and fre2 quen t data recep ti on,the best esti m ati on ti m e of fo recasting rice yield in N o rth Ch ina is exp lo red,the fo recasting m odel abou t p er un it area yield is set up by u sing vegetab le in2 dex,and rice p lan ting area is esti m ated by rem o te sen sing.T he studying resu lts fo r tw o years show that by m ean s of satellite rem o te sen sing to esti m ate rice yield,the fo recast2 ing accu racy is h igher than that fo r the no rm al agrom eteo ro logical m odel fo recasting, and the p eri od of validity is i m p roved.Key words:R ice yield esti m ati on by rem o te sen sing　M on ito ring of rice grow th　A rea esti m ati on。