CN101916337B - 一种基于地理信息系统的水稻生产潜力动态预测方法 - Google Patents
一种基于地理信息系统的水稻生产潜力动态预测方法 Download PDFInfo
- Publication number
- CN101916337B CN101916337B CN2010102601122A CN201010260112A CN101916337B CN 101916337 B CN101916337 B CN 101916337B CN 2010102601122 A CN2010102601122 A CN 2010102601122A CN 201010260112 A CN201010260112 A CN 201010260112A CN 101916337 B CN101916337 B CN 101916337B
- Authority
- CN
- China
- Prior art keywords
- model
- potential
- soil
- value
- productivity
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于地理信息系统的水稻生产潜力动态预测方法,首先利用程序语言建立模型库,将模型模拟所需数据录入到数据库中,通过依次选择模型库中的模型,连接数据库,逐层递进计算光合生产潜力、光温生产潜力、气候生产潜力和土地生产潜力;然后根据模拟计算结果统计,选择最稳定模型组合,用于未来该地区水稻生产潜力预测。通过水稻生产潜力计算模型与GIS的耦合,使模型参数得到系统化处理,模型计算更加高效,潜力分析更加精确,这为水稻生产决策和增产增收提供了更加可靠的技术方法,对保障粮食安全有着重要意义。
Description
技术领域
本发明技术涉及一种基于地理信息系统(GIS)的水稻生产潜力动态预测方法。
技术背景
水稻是一种重要的纤维类粮食作物,是世界上许多国家和地区的主要粮食作物,水稻的生产对世界的粮食安全有着举足轻重的影响,因此水稻产量的预测在粮食业发展中有着非常重要的地位。
近年来,作物产量的预测和增产技术受到人们的广泛关注,由此,作物生长模型得到了迅速的发展。作物生长模型是应用系统分析和计算机技术,综合作物生理、生态、农业气象、土壤等多学科的研究成果,将作物与其生态因子作为一个整体进行动态定量化分析和生长模拟研究的工具。作物生长模型在一定条件下能较准确就作物产量进行预测,人们根据作物产量的影响因素,扬长避短,提高技术,达到增产的目。
从大量的研究中不难发现,研究人员不断地在以往模型基础上进行修正,进而提出更加实用、有效的模型,如今应用于生产实验的模型已有了很大的发展和进步。而我国对模型的研究起步较晚,许多模型研究都是通过从西方引进,再对其进行参数的校准。我国作物模型的参数确定仍以经验、资料为主,缺少多点、多品种系统的观测试验数据,如果将模型数据与计算机结合将省去大量的人力和物力,而目前这方面没有什么突出的成果。由于水稻生产模型的形成的一个漫长的过程,需要经过几十年甚至更长的时间的信息收集和计算,全世界每个地区不可能都有能力去投入巨额财力和人力去研究当地的水稻生产模型,否则将是得不偿失的。因此一个地区水稻生产模型的确定往往是在引入其它模型的基础上,对参数加以校正,进而得到适合该地区的水稻生产模型。而水稻生产模型是由一系列复杂的模型组合而成,其模型参数数量繁多、类别不一,模型组合选择难以决策,且对模型的计算仍是一个庞大的工程,需要耗费巨大的人力和时间。尽管计算机已经能够代替人们进行很多繁琐复杂的计算,但是目前仍然没有一种简单方便的方法能够解决水稻生产模型的确定和水稻模型计算这两大难题。
发明内容
本发明的目的是提出一种基于GIS的水稻生产潜力动态预测方法,该基于GIS的水稻生产潜力动态预测方法有效模拟水稻生产潜力,以指导农业生产。
本发明的技术解决方案如下:
一种基于地理信息系统的水稻生产潜力动态预测方法,其特征在于,包括以下步骤:
步骤1:收集模拟水稻生产潜力模型的基础数据:基础数据包括属性数据和图像数据,属性数据包括历年农作物产量详细数据、历年气象数据、水环境数据、当地土壤特性数据;图像数据包括当地遥感影像、区域区位图、高程图、土壤特性面状图;
步骤2:建立模型库:建立包含光合生产潜力模型、光温生产潜力模型、气候生产潜力模型和土地生产潜力模型的水稻生产潜力模型库;
步骤3:图像数据处理:将步骤1所收集的图像数据利用GIS进行地图配准,并进行地图要素矢量化,将生成的土地分等定级矢量图和区域区位图作为工作底图;
步骤4:建立农业数据库:包括农业基础数据库和土壤特性数据库;
农业基础数据库的建立过程为:
将属性数据按类别不同进行整理,即按农作物产量数据、气象数据和水环境数据分别建表,利用数据库建库工具建立农业基础数据库;
数据库建库工具即为常用的数据管理工具,常见的有Access、Excel、Sqlserver等,且对于基础数据库的建立来说,属于数据库领域常用技术,在此使用何种数据库建库工具建库,其性能基本没有差别,所以可任选其一。
土壤特性数据库建立过程为:
使用ArcGIS Desktop中的ArcCatalog工具建立所要研究区域的初步的土壤特性数据库,将步骤3获得的土地分等定级图和区位区域图导入该数据库,并分别新建要素集和要素类,然后将已经建好的空间数据库拖入ArcMap中,根据步骤1所收集的土壤特性数据进行数据编辑,完成土壤特性数据库建立;
步骤5:计算光合生产潜力:随机调用步骤2所述光合生产潜力模型中任意一种作为光合生产潜力的计算模型,连接农业基础数据库获取相应参数值,计算水稻光合生产潜力值;
步骤6:计算光温生产潜力:可选方案有两种,其一:随机调用步骤2所述水稻光温生产潜力模型中的任意一种确定光温有效系数的模型连接农业基础数据库获取相应参数值,计算出水稻光温有效系数,将光温有效系数同步骤5计算所得光合生产潜力值相乘,得到光温生产潜力值;其二,直接调用步骤2所述水稻光温生产潜力模型中用于直接计算光温生产潜力的模型,连接农业基础数据库获取相应参数值,直接计算得出光温生产潜力值;
步骤7:计算气候生产潜力:该潜力计算可选方案有两种,其一:调用步骤2所述气候生产潜力模型库中确定水分修正系数的模型,连接农业基础数据库获取相应参数值,计算出水分修正系数值,并将其同步骤6所得的光温生产潜力值相乘,得到水稻气候生产潜力值;其二,直接调用步骤2所述水稻气候生产潜力模型中用于直接计算气候生产潜力的模型,连接农业基础数据库获取相应参数值,直接计算得出气候生产潜力值;
步骤8:气候生产潜力矢量化:将气候生产潜力值录入到步骤3所述的区域区位图上,即对气候生产潜力进行矢量化,得到气候生产潜力图层;
步骤9:计算土地生产潜力系数:利用步骤4所建立的土壤特性数据库,对其进行栅格化,参照土地生产潜力系数计算模型所涉及的各个参数,利用ArcMap中的计算工具计算出每个栅格中的土地生产潜力系数;
步骤10:计算土地生产潜力:将步骤8所得气候生产潜力图层按步骤9所要求的栅格精度规格进行栅格处理;利用ArcMap的计算工具将栅格处理后的的气候生产潜力值与步骤9所得土地生产潜力系数相乘,得到水稻土地生产潜力值;
步骤11:根据模拟计算结果统计,选择最稳定模型组合:根据步骤5到步骤10所确定的模型组合进行模拟计算,将该组合条件下模拟得出的历年水稻生产潜力模型最终模拟产量即土地生产潜力值与当年实际产量进行比较,统计出模拟值大于当年实际产量值的年份在历年中的百分比,得出一个确切的比值;然后返回步骤5,按排列组合的方式选择新的模型组合进行模拟计算,并进一步计算出该模型模拟条件下模拟值大于当年实际产量值的年份在历年中的百分比值,如此反复,直至计算出所有模型组合对应的该百分比值;最后将所得的多个百分比值进行比较,百分比值最大的那个值对应的模型组合即为最稳定模型组合,至此,用于研究区域将来潜力模拟的模型组合确定;
步骤12:生成土地生产潜力分布图:根据步骤11所得区域水稻生产潜力模型,在步骤10所得水稻土地生产潜力栅格图层基础上,利用ArcMap中的图像生成功能,以每个栅格单元中心点的值作为定级因子,生成该研究区域的产量分布图。
栅格单元是一个正方形的小格;定级因子是作为生成分布图的依据,每个栅格对应的值不一定相同,分布图是根据栅格值而产生颜色的变化,进而才能表现其空间分布的差异。
步骤1所述历年气象数据包括水稻生长期内逐日太阳辐射、平均气温、降水、风速、日照时长;步骤1所述水环境数据包括断面水质监测数据、年径流数据、年输沙量;步骤1所述当地土壤特性数据包括有机质含量、速效磷含量、速效钾含量、全氮含量、壤机械构成、土壤有效厚度、地面坡度、土壤酸碱度、光热条件、水分供应能力和地形的高程;步骤1历年农作物产量详细数据包括耕作制度、株高、亩实际产量、子粒重、水稻秕谷率、水稻空壳率、穗粒重、穗粒数、单穗小穗数、叶面积系数、越冬死亡率、越冬受害率、次生根数、次生根长、单株大蘖数、单株分蘖数以及每亩有效茎数。其中的耕作制度就是耕作方式:如单作,套作等。
步骤4中的要素集所包含的要素类具体是:基本要素basic包括pH和土壤母质SPM;境界bount包括arc线形要素、城市块cityPolygon、河湖区lakeBount和区域边界poly;元素E1ement包括Cu、Fe、Mn、Zn和Pe;土地使用Landuse包括landuse多边形;土壤养分nutrient包括K、P、土壤有机质SOM、土壤类型ST、全钾TK、全氮TN和全磷TP。
步骤5、步骤6、步骤7和步骤10所述模型计算顺序是以“机制法”(也称为环境因子逐级衰减(订正)模型)为基础确定的土地生产潜力模型计算方法。
根据模型库所包含模型,先利用计算机将光合生产潜力、光温生产潜力、气候生产潜力算出,再充分运用GIS强大的计算、空间分析及输出功能,按照既定的精度要求,结合土地生产潜力系数,计算出研究区域水稻的模拟产量,最后根据栅格单元模拟产量值的分布作分析,划分不同级别的水稻模拟产量值范围,制作水稻模拟产量分布图。
基于GIS水稻生产力动态预测方法的计算模型理论基础是:
目前作物生长模型有很多,本发明将采用“机制法”(又称逆向限制因子修正法)作为研究基础,理由是该方法具有严密的理论基础和公式推导,在计算土地资源生产潜力的诸多方法和公式中,是最科学的一种,应用也最为广泛。该方法依据作物生产力形成的机理,考虑光、温、水、土等自然生态因子以及施肥、耕作、育种、灌溉等农业技术因子,从作物对光的利用,特别是光合作用入手,依据作物能量转化以及粮食生产形成的过程,逐步“衰减(订正)”来估算粮食生产潜力,可用函数式表达如下:
YG=YQ·f(T)·f(W)·f(S)
=YT·f(W)·f(S)
=YW·f(S)
=YS
式中:f(T)是光温有效系数;f(W)为水分有效系数;f(S)是土壤有效系数;YG是粮食生产潜力;YQ是光合生产潜力;YT是光温生产潜力;YW是气候生产潜力;YS是土地生产潜力;
模型指数具体说明:
1)光合生产潜力
光合生产潜力(也叫光能生产潜力)指作物在温度、水分和养分田间下均保持最适宜状态时,由太阳辐射所决定的产量。其计算公式如下:
①光合模型一
式中:YQ为单位土地面积上生长期间的光合潜力(kg/hm2);C为作物能量转换系数,即1g干物质所结合的化学能,根据Albritton的资料,水稻为1674×104J/kg;F为作物的最高光能利用率,即作物光合作用结合的能量占太阳总辐射的比率;E为经济系数;Q为生长期间投入该面积上的太阳辐射能(J/cm2)。这些参数是经验参数或从具体的区域当地农业部门获知。
②光合模型二
YQ=EeQkG
式中:YQ为光合生产潜力(kg/666.7m2);e为光能利用率,水稻南方部分地区值为5.3%;Q为生长期间投入该面积上的太阳辐射能(J/cm2);k为单位换算系数,是单位kg/hm2和单位kg/666.7m2的换算系数;E为经济系数;G为生育期天数。
③光合模型三
YQ=0.219EQ
式中:YQ为光合生产潜力(t/hm2);E为经济系数;0.219为黄秉维系数;Q为生长期间投入该面积上的太阳辐射能(J/cm2)。
2)光温生产潜力
光温生产潜力即在水分、土壤条件和管理技术都适宜时由光照、温度所决定的作物产量。在光合生产潜力的基础上,利用温度对光合生产潜力进行订正,确定光温生产潜力。其计算公式如下:
①光温模型一
YT=YQf(T)
式中:f(T)为温度对农作物光温生产潜力的订正系数,即光温有效系数;YQ为光合生产潜力。
光温影响系数确定方法如下:
a.方法一
各种作物生长期对热量的需要不同,温度订正系数也会不一致。对水稻而言,12℃为出苗生长的安全温度,21℃为抽穗开花的下限温度,32℃为最适宜气温的上限,故水稻的温度订正系数为:
式中:T生长期内日或月的平均温度(℃),从当地农业部门或气象部门获知。
b.方法二
f(T)=n/365
式中:n为研究区域无霜期日数,从当地农业部门或气象部门获知。
②光温模型二
1.计算标准作物产量
Yo=F.yo+(1-F)yc
式中:yc为全晴天干物质生产产量;yo为全阴天干物质生产产量;F为云层覆盖率,相关参数从当地农业部门或气象部门获知。
2.计算光温生产力
YT=cL.cN.cH.G(F(0.8+0.01ym)yo+(1-F)(0.5+0.025ym)yc)
式中:cL为水稻叶面积校正系数,地区不同取值也不同,本发明具体实施方案取值为0.5,可查找相关资料获得。cN为水稻净干物质校正系数(0.5-0.6);cH为水稻收获校正指数(0.5-0.6);下列参数从当地农业部门或气象部门获知,G为整个水稻生长天数;F为天空中云量百分比(F=(RSe-0.5Rs)/0.8Rse,Rse为月最大短波辐射,Rs为太阳辐射总量);ym为一定气候条件下某一种作物最大叶面干物质量;yo为给定地点完全被云覆盖的标准作物干物质生产量;
yc为给定地点完全无云条件下的标准作物干物质生产量。
3)气候生产潜力
气候生产潜力是土壤肥力和农业技术措施等因素处于最佳状态,由太阳辐射、温度和水分等气候资源因素所确定的作物产量上限,是光温生产潜力YT主要受水分条件等其它气候因素限制而衰减后的作物生产潜力。气候生产潜力(YW)的计算模型如下:
①气候模型一
YW=YT.f(w)
式中:YW为光温生产潜力(kg/hm2);f(w)为水分修正系数。
上式中f(w)的计算公式为:
式中:R为作物生长期内有效降水量(mm);ETm为潜在蒸散量(mm)。
上式中ETm的计算公式如下:
ETm=ETo·Kc
式中:Ti为日平均气温(℃);Qi为太阳辐射量(W·m-2);Ri为日平均相对湿度;Kc为水稻的作物系数,值因情况而异,可查找资料获得,在本发明具体实施方案中取值为1.13。
②气候模型二
YW=3000(1-e-0.0009695(v-20))
式中,YW是以实际蒸散量计算得到的作物气候生产力(kg/(hm2·a));V是年平均实际蒸散量(mm),上式采用目前国内大部分学者使用的简化计算公式,即:
式中,R是年降水量(mm);L为年最大蒸散量(mm),它是温度T的函数,L与T间存在如下关系:
L=300+25T+0.05T3
式中,T是年平均气温(℃)。
4)土地生产潜力
土地生产潜力是粮食生产潜力研究的重要组成部分,是对土地资源承载力问题进行的研究。联合国粮农组织(FAO,1971)提出的土地生产力指数模型,不仅反映了土地生产力水平和土地对作物产量的影响,也反映了土地在生产上的限制性。土地生产潜力计算的关键是土壤有效系数的确定。在计算气候生产潜力的基础上,采用土壤有效系数进行土地生产潜力修正。计算模型如下:
式中:f(S)为土地生产潜力系数数;F1至F4分别为土壤有机质、速效磷、全氮、速效钾的单因素有效函数;pH、Q、P、T、E、G分别为土壤酸碱度、土壤机械组成、光热条件、有效土层厚度、水份条件和地面坡度的单因素有效函数。
表1单因素函数表
根据上述模型理论,一共有8种模型计算组合,所有模型组合都是以机制法为基础进行组合得出。
基于GIS水稻生产力动态预测方法的主要步骤如下:
(1)基础数据收集
通过向当地农业部门及其他一些机构或其他途径收集模型模拟所需相关数据,主要包括:
历年农作物产量详细数据、历年气象数据、水环境数据、当地土壤特性数据等属性数据;当地遥感影像、区域区位图、高程图、土壤特性面状图等图形数据,并进行实地核实。
(2)模型库建立
利用一种程序语言(如C、C#等)将说明书所述模型编程实现,由此建立包含光合生产潜力模型、光温生产潜力模型、气候生产潜力模型和土地生产潜力模型的水稻生产潜力模型库。模型库为后期模型选择和模型计算提供便利。
(3)图像数据处理
将(1)所收集的研究区域图形数据扫描入计算机,利用GIS对其进行地图配准,然后利用地图编辑工具进行地图要素矢量化,其中生成的土地分等定级矢量图和区域区位图将作为工作底图。
(4)建立农业数据库
将(1)收集到的属性数据按类别整理,建立农业基础数据库,推荐采用Access或者SQLServer作为农业基础数据库的建立工具,按类别建立各个数据表;使用ArcGIS Desktop中的ArcCatalog工具建立所要研究区域的土壤特性数据库,将(3)所处理的图形数据导入该数据库,并按类型不同分别新建basic(基础要素)、bount(境界)、element(元素)、landuse(土地使用)和nutrient(土壤养分)五个要素集,然后将已经建好的空间数据库拖入ArcMap中,根据(1)收集到的土壤特性数据进行数据编辑。具体方法可参考软件帮助信息。
(5)计算光合生产潜力
在(2)所述模型库中,随机选择一种计算光合生产潜力的模型,连接(4)所述农业基础数据库,获取相应参数值,计算出光合生产潜力值,并保存,以此作为研究各级土地生产力的最初起点和依据。
(6)计算光温生产潜力
该潜力计算可选方案有两种,其一:随机调用(2)所述水稻光温生产潜力模型中的任意一种确定光温有效系数的模型,连接农业基础数据库获取相应参数值,计算出水稻光温有效系数,将光温系数同(5)计算所得光合生产潜力值相乘,得到光温生产潜力值;其二,直接调用(2)所述水稻生产潜力模型库中用于直接计算光温生产潜力的模型,连接农业基础数据库获取相应参数值,直接计算得出光温生产潜力值。
(7)计算气候生产潜力
该潜力计算可选方案有两种,其一:调用(2)所述水稻气候生产潜力模型中任意一种确定水分修正系数的模型,连接农业基础数据库获取相应参数值,计算出水分修正系数值,并将其同(6)所得的光温生产潜力值相乘,得到水稻气候生产潜力值;其二,直接调用(2)所述水稻生产潜力模型库中用于直接计算气候生产潜力的模型,连接农业基础数据库获取相应参数值,直接计算得出气候生产潜力值。
(8)气候生产潜力矢量化
利用ArcGIS Desktop中的ArcCatalog工具将(7)得到的气候生产潜力结果录入到(3)所得工作底图上,即是将气候生产潜力进行矢量化,得到气候生产潜力图层。具体方法参考软件帮助信息。
(9)计算土地生产潜力系数
参照(2)所述模型库中确定土地生产潜力系数的各影响因子确定函数,利用(4)所建立的土壤特性空间数据库,对其按100m*100m(精度可改,取值越小,计算结果越精确,计算量也却大,反之则不精确,计算量小)进行栅格化,参照(2)所述模型公式,利用ArcMap中的计算工具计算出每个栅格中的土壤生产潜力系数。具体栅格化方法参照软件帮助信息。
(10)计算土地生产潜力
将(8)所得气候生产潜力图层对其按(9)所要求的栅格精度规格进行栅格处理;利用ArcMap的计算工具将栅格处理的气候生产潜力值与步骤(9)所得土地生产潜力系数相乘,得到土地生产潜力值。
(11)根据模拟计算结果统计,选择最稳定模型组合
根据(5)到步骤(10)所确定的模型组合进行模拟计算,将该组合条件下模拟得出的历年水稻生产潜力模型最终模拟产量即土地生产潜力值与当年实际产量进行比较,统计出模拟值大于当年实际产量值的年份在历年中的百分比,得出一个确切的比值;然后返回(5),按排列组合的方式选择新的模型组合进行模拟计算,并进一步计算出该模型模拟条件下模拟值大于当年实际产量值的年份在历年中的百分比值,如此反复,直至计算出所有模型组合对应的该百分比值;最后将每个模型组合对应的百分比值进行比较,比值最大的那个值对应的模型组合即为最稳定模型组合,至此,用于研究区域将来潜力模拟的模型组合确定。
(12)生成土地生产潜力分布图
根据(11)所得区域水稻生产潜力模型,在(10)基础上利用ArcMap中的图像生成功能,以每个栅格单元的中心点的值作为定级因子作为定级因子,并生成该研究区域的产量分布图。具体方法参照软件帮助信息。
步骤(1)所述历年气象数据包括水稻生长期内逐日太阳辐射、平均气温、降水、风速、日照时长等;水环境数据包括断面水质监测数据、年径流数据、年输沙量等;当地土壤特性数据包括有机质含量、速效磷含量、速效钾含量、全氮含量、壤机械构成、土壤有效厚度、地面坡度、土壤酸碱度、光热条件、水分供应能力、地形的高程等;历年农作物产量详细数据包括耕作制度、株高、亩实际产量、子粒重、水稻秕谷率、水稻空壳率、穗粒重、穗粒数、单穗小穗数、叶面积系数、越冬死亡率、越冬受害率、次生根数、次生根长、单株大蘖数、单株分蘖数、每亩有效茎数等数据。
步骤(4)所述要素集所包含要素类具体是:basic(基本要素)包括pH和SPM(土壤母质);bount(境界)包括arc线形要素、cityPolygon(城市块)、lakeBount(河湖区)和poly(区域边界);Element(元素)包括Cu、Fe、Mn、Zn和Pe;Landuse(土地使用)包括landuse多边形;nutrient(土壤养分)包括K、P、SOM(土壤有机质)、ST(土壤类型)、TK(全钾)、TN(全氮)和TP(全磷)。
步骤(1)到步骤(12)用于一个研究区域水稻生产力模型确定(若光温生产潜力值计算选择直接计算,可忽略步骤(5);气候生产潜力值计算选择直接计算方式,可忽略步骤(5)和步骤(6));步骤(5)到步骤(10)用于区域水稻生产力预测。
本发明涉及到数据库建立、模型编程部分及GIS相关操作请参考帮助信息和相关书籍。
有益效果:
本发明提出了一种基于GIS的水稻生产潜力动态预测方法,通过将模型与GIS的结合能够有效的解决水稻生产模型的确定和水稻模型计算两大难题。
GIS(Geography Information Systems,地理信息系统)是一个功能超强的软件系统,它不但能分门别类、分级分层地管理各种地理信息;而且能将其进行各种组合、分析、再组合、再分析等;还能查询、检索、修改、输出、更新等;它的可视化功能可以逼真显示信息,还能动态监测其变化,将水稻生产力模型与GIS结合将更加直观和方便进行模型模拟。利用GIS进行水稻生产模型模拟的原理是:根据模型库所包含模型,先利用计算机将光合生产潜力、光温生产潜力、气候生产潜力算出,再充分运用GIS强大的计算、空间分析及输出功能,按照既定的精度要求,结合土地生产潜力系数,计算出研究区域水稻的模拟产量,最后根据栅格单元模拟产量值的分布作分析,划分不同级别的水稻模拟产量值范围,制作水稻模拟产量分布图。
本发明公开了一种基于GIS水稻生产潜力动态预测方法,利用GIS强大的获取、存储、显示、编辑、处理、分析、输出和应用等功能与水稻生产力模型结合,实现水稻生产模型的动态模拟。通过对比历年水稻实际产量和模拟产量来确定区域水稻生产潜力模型,确定的水稻生产潜力模型可预测未来水稻生产潜力。本发明的优点在于:模型库的建立可以更好的管理模型和选择模型,提供的接口可以作为模型的扩充平台;模型模拟数据入库有利于数据的读取和存储,也更加有利于管理;模型与GIS结合使计算更加方便快捷,数据结果显示也更加直观,对结果的分析也更加清晰明确;水稻生产潜力模型确定的方法更加简便和科学,解决了确定水稻生产模型和模型模拟计算两大难题。
本发明公开了一种基于GIS的水稻生产潜力动态预测方法,属于水稻生产潜力预测领域。本发明利用GIS作为水稻生产潜力模型辅助计算工具,结合计算机编程技术和数据库技术,提供了一种便捷、合理、高效的水稻生产潜力计算方法及最优预测模型组合确定方法。首先利用程序语言建立模型库,将模型模拟所需数据录入到数据库中,通过依次选择模型库中的模型,连接数据库,逐层递进计算光合生产潜力、光温生产潜力、气候生产潜力和土地生产潜力;然后考察模型组合计算结果,通过对比该模型组合条件下得出的历年模拟产量(土地生产潜力值)与实际产量,统计出模拟产量大于当年实际产量值的年份在历年中的百分比,并依次计算得出所有模型组合对应的该百分比值,确定百分比最大那个值对应的模型组合为该研究区域水稻生产潜力最优预测模型组合,用于未来该地区水稻生产潜力预测。通过水稻生产潜力计算模型与GIS的耦合,使模型参数得到系统化处理,使影响因子得到系统化处理,模型计算更加高效,潜力分析更加精确,这为水稻生产决策和增产增收提供了更加可靠的技术方法,对保障粮食安全有着重要意义。
附图说明
图1为基于GIS的水稻生产潜力动态预测方法的实施流程图;
图2为实例中2006年洞庭湖区水稻生产潜力分布图;
图3为实例中2007年洞庭湖区水稻生产潜力分布图;
根据预测潜力值划分等级,不同颜色体现了不同等级的潜力值及分布区域。
具体实施方式
以下将结合图和具体实施过程对本发明做进一步详细说明。
实施例1:
为了更好的说明本发明具体实施方案,现以本发明所采用的预测方法在洞庭湖区的应用为例,选取模型组合中的两个组合方案对发明内容进行全过程举例实施。
洞庭湖(北纬28°30′~30°20′;东经110°40′~113°10′)区域位于长江中游以南,土地面积达3.48×104km2,拥有耕地面积1.091×104km2,地处亚热带季风湿润气候区,中亚热带向北亚热带的过度地带,具有光热充足、春暖迟、秋寒早、雨热同季、无霜期长等气候特点。
1.基础数据收集
通过当地农业部门及其他一些机构和替他途径收集模型模拟所需相关数据,主要包括:
属性数据:历年农作物产量详细数据、历年气象数据(包括水稻生长期内逐日太阳辐射、平均气温、降水、风速、日照时长等)、水环境数据(包括断面水质监测数据、年径流数据、年输沙量等)、土壤特性数据(包括有机质含量、速效磷含量、速效钾含量、全氮含量、土壤机械构成、土壤有效厚度、地面坡度、酸碱度、光热条件、水分供应能力、地形的高程等)等。
图形数据:当地遥感影像、区域区位图和各级土壤特性数据面状图等。
2.数据库建立
将洞庭湖区域区位图(包括湖区图层、边界图层、地级图层等)及各级土壤特性数据面状图(包括pH、土壤有机质(SPM)等纸质图层)扫描入计算机,利用GIS对其进行地图配准,所有的底图都应取一致投影坐标系统,投影坐标为Transver-mercator(相关参数为:中央经线东经111°,起始纬线为0°,坐标轴东移50000m),地理坐标为GCS_WGS_1984,为后面的工作做好准备。
农业基础数据库建立:由于本数据库对其逻辑性要求不高,且其目的仅用于模型计算时进行数据的调用,各表之间的关联性不大,只需按其类别不同分别建表即可,如历年气象数据可建表为:编号、台站编号、地点、时间、气压、气温、湿度、风速、辐射和日照作为气象数据表的各个列(具体可酌情添加其他列,编号是自动生成,作为数据表的主键),依次设置好各列字段大小和类型。其他数据表的建立如法炮制。
空间数据库建立:主要在于建立土壤特性数据库。使用ArcGIS Desktop中的ArcCatalog工具建立所要研究区域的土壤特性空间数据库,首先将已处理过的土壤各级数据图层导入到新建的数据库中,在新建的数据库中新建5个要素集包括basic(基础要素)、bount(境界)、element(元素)、landuse(土地使用)和nutrient(土壤养分),并为其选择GCS_WGS_1984作为统一的坐标系。再依次为每个要素集新建要素类,并设置好每个要素类各个字段的类型和大小;将新建的数据库拖入ArcMap中,打开编辑器工具,右键点击图层打开属性编辑窗口录入数据,录入结束保存数据。
3.模型库建立
利用C#语句建立四个模型类,在类中定义各子模型对应的函数,后期模型计算只需调用相应模型函数即可。
4.水稻生产潜力计算
水稻生产潜力的计算要经过光和生产潜力、光温生产潜力、气候生产潜力和土地生产潜力的逐级推进过程。其中光合生产潜力(也叫光能生产潜力)指作物在温度、水分和养分田间下均保持最适宜态时,由太阳辐射所决定的产量;光温生产潜力即在水分、土壤条件和管理技术都适宜时由光照、温度所决定的作物产量;气候生产潜力是土壤肥力和农业技术措施等因素处于最佳状态,由太阳辐射、温度和水分等气候资源因素所确定的作物产量上限,是光温生产潜力主要受水分条件等其它气候因素限制而衰减后的作物生产潜力;土地生产潜力是粮食生产潜力研究的重要组成部分,是对土地资源承载力问题进行的研究,其计算的关键是土壤有效系数的确定。下面将通过对模型的筛选和对不同模型计算结果进行比较,得出适宜于洞庭湖区域的水稻生产潜力模型。
①模型组合一
a.计算光合生产潜力
选择光合生产潜力模型
YQ为单位土地面积上生长期间的光合潜力(kg/hm2);C为作物能量转换系数,即1g干物质所结合的化学能,根据Albritton的资料,水稻为1674×104J/kg;F为作物的最高光能利用率,即作物光合作用结合的能量占太阳总辐射的比率,洞庭湖区域中的光能利用效率为4%;E为经济系数,水稻经济系数在0.3~0.6之间,平均为0.47,考虑到洞庭湖区域的光热水条件较好,取水稻经济系数为0.5;Q为生长期间投入该面积上的太阳辐射能(J/cm2),洞庭湖区域早稻生长取值区间为3月25日到7月15日,共计112天;晚稻生长取值区间为6月18日到10月20日,共计115天。调用模型函数,计算结果见表2。
b.计算光温生产潜力
选择光温生产潜力计算模型
YT=YQ×f(T)
YT为光温潜力;T为生长期内日或月平均温度(℃),对水稻而言,12℃为出苗生长的安全温度,21℃为抽穗开花的下限温度,32℃为最适宜气温的上限,洞庭湖区域水稻生长期内平均温度主要分布在20℃到26℃之间;YQ为光合生产潜力值。调用模型计算结果见表2。
c.计算气候生产潜力
Pw=YT.f(w)
其中,Pw为气候生产潜力(kg/hm2);YT为光温生产潜力(kg/hm2);f(w)为水分修正系数,f(w)的计算公式为:
其中,R为作物生长期内有效降水量(mm)(R=P*(1-CR),P为降雨量,CR为径流系数(0.15~0.30));ETm为潜在蒸散量(mm)。
在众多估算蒸发蒸腾量的经验公式中,Turc Radiation公式的计算值较接近于实际蒸散量;另外,Turc Radiation公式所用参数较少,只需要气温、太阳辐射量和相对湿度资料,植物蒸腾状态的改变及其对产量的影响已集中反映在气温、辐射和降水上。因此,本模型模拟采用Turc Radiation公式,共同考虑辐射和温度来计算参考作物蒸发蒸腾量。
当空气相对湿度大于50%时
当空气相对湿度小于50%时
其中:Ti为日平均气温(℃);Qi为太阳辐射量(W·m-2);Ri为日平均相对湿度。(因以上三个参数数据列量大,在此不列出,数据出处是通过历年基础数据收集获得)
ETm=ETo·Kc
其中,Kc为水稻的作物系数,取值为1.13。调用模型计算结果见后表2。
d.计算土地生产潜力
式中:f(S)为土壤质量指数;F1至F4分别为土壤有机质、速效磷、全氮、速效钾的单因素有效函数;pH、Q、P、T、E、G分别为土壤酸碱度、土壤机械组成、光热条件、有效土层厚度、水份条件和地面坡度的单因素有效函数。洞庭湖区平均土层有效厚度小于100cm,即t<100;地形高程小于100m,即e<100m;地面坡度小于7°,即g<7°;年度内积温分布大于5300℃,即p>5300℃;直径小于0.01mm的物理颗粒含量加权平均为45.37%,即q=45.37%;土壤有机质、速效磷、全氮、速效钾采用全国第二次土壤普查一级地的下限值作为计算标准。对土壤特性空间数据库按照100m*100m的分辨率进行重采样,利用ArcMap中的栅格计算器计算出每个栅格的土壤生产潜力系数,得到土壤各单因素函数值分别为:F1为0.0678、F2为0.222、F3为0.323、F4为0.766、Q为0.814、T为1、G为1、pH为0.31、P为1、E为1,则
将气候生产潜力值录入到处理过的区域区位图上,即对气候生产潜力进行矢量化,得到气候生产潜力图层,并对其按100m*100m精度(即栅格精度)进行栅格处理;利用ArcMap计算工具将气候生产潜力值同土地生产潜力系数相乘,最终得到土地生产潜力值,计算结果见表2。
表2模型组合一模拟计算结果
②模型组合二
a.计算光温生产潜力
计算标准作物生长量:
Yo=F.yo+(1-F)yc
式中:yc为全晴天干物质生产产量;yo为全阴天干物质生产产量;F为云层覆盖率。
计算光温生产潜力
YT=cL.cN.cH.G(F(0.8+0.01ym)yo+(1-F)(0.5+0.025ym)yc)
式中:cL为水稻叶面积校正系数,因洞庭湖区与江西省纬度相近,气候相差不大,叶面积指数应具有较大程度的相似度,参照对江西赣州水稻生产潜力进行的研究,取cL值为0.5;cN为水稻净干物质校正系数(0.5-0.6),cN计算公式为cN=0.72.(1+0.25cT.G)-1,而cT=0.0108(0.044+0.0019T+0.001T2)鉴于洞庭湖区域水稻生育期常年处于平均气温26℃左右的高温天气,将T=26℃,G=115代入计算得cN=0.57;cH为水稻收获校正指数(0.4-0.5);G为整个水稻生长天数,早稻取G=112,晚稻G=115;F为天空中云量百分比(F=(RSe-0.5Rs)/0.8Rse,Rse为月最大短波辐射,Rs为太阳辐射总量);ym为一定气候条件下水稻最大叶面干物质量;yo为给定地点完全被云覆盖的标准作物干物质生产量;yc为给定地点完全无云条件下的标准作物干物质生产量(以上数据出自于基础数据,数据量大,在此不详细列出)。调用模型函数,计算结果见表3。
b.计算气候生产潜力
计算方法同模型组合一,调用函数,计算结果见表3。
c.计算土地生产潜力
其计算方法同模型组合一,调用函数,计算结果见表3。
表3模型组合二模拟计算结果
在本发明中,利用2001年至2004年数据作为洞庭湖区水稻生产潜力模型的确定,采用2004年至2007年的数据作为水稻模型验证。根据计算结果分析,模型组合一土地生产潜力模型能够相对较好的模拟实验站早稻的产量,而对晚稻的预测则偏小,但根据实际的管理情况,也在合理的范围之内,而模型组合二所修正模型的模拟结果整体偏小很多,很难得到较好的模拟结果,不适用于特定区域的水稻产量模拟。利用模型组合一对洞庭湖区进行模型的验证,效果显著,其模拟结果见表4。
表4洞庭湖区模型验证数据表(单位:kg/hm2)
年份 | 水稻模拟产量(Pw) | 实际产量(P) | Pw-P | P/Pw |
2003 | 5336.37 | 4875 | 461.37 | 0.91 |
2004 | 5750.75 | 5745 | 5.75 | 0.99 |
2005 | 6115.79 | 5835 | 280.79 | 0.95 |
2006 | 6847.23 | 6030 | 817.23 | 0.88 |
2007 | 7599.09 | 6900 | 699.09 | 0.91 |
5.生成土地生产潜力分布图
利用ArcMap中的图像生成功能,以每个栅格单元的总分值作为定级因子,并生成洞庭湖区域生产潜力模拟和验证产量分布图。生成的水稻生产潜力分布图见说明书附图部分图2至图3。
Claims (3)
1.一种基于地理信息系统的水稻生产潜力动态预测方法,其特征在于,包括以下步骤:
步骤1:收集模拟水稻生产潜力模型的基础数据:基础数据包括属性数据和图像数据,属性数据包括历年农作物产量详细数据、历年气象数据、水环境数据、当地土壤特性数据;图像数据包括当地遥感影像、区域区位图、高程图、土壤特性面状图;
步骤2:建立模型库:建立包含光合生产潜力模型、光温生产潜力模型、气候生产潜力模型和土地生产潜力模型的水稻生产潜力模型库;
步骤3:图像数据处理:将步骤1所收集的图像数据利用GIS进行地图配准,并进行地图要素矢量化,将生成的土地分等定级矢量图和区域区位图作为工作底图;
步骤4:建立农业数据库:包括农业基础数据库和土壤特性数据库;
农业基础数据库的建立过程为:
将属性数据按类别不同进行整理,即按农作物产量数据、气象数据和水环境数据分别建表,利用数据库建库工具建立农业基础数据库;
土壤特性数据库建立过程为:
使用ArcGIS Desktop中的ArcCatalog工具建立所要研究区域的初步的土壤特性数据库,将步骤3获得的土地分等定级矢量图和区域区位图导入该数据库,并分别新建要素集和要素类,然后将已经建好的空间数据库拖入ArcMap中,根据步骤1所收集的土壤特性数据进行数据编辑,完成土壤特性数据库建立;
步骤5:计算光合生产潜力:随机调用步骤2所述光合生产潜力模型中任意一种作为光合生产潜力的计算模型,连接农业基础数据库获取相应参数值,计算水稻光合生产潜力值;
步骤6:计算光温生产潜力:可选方案有两种,其一:随机调用步骤2所述光温生产潜力模型中的任意一种确定光温有效系数的模型连接农业基础数据库获取相应参数值,计算出水稻光温有效系数,将光温有效系数同步骤5计算所得光合生产潜力值相乘,得到光温生产潜力值;其二,直接调用步骤2所述水稻光温生产潜力模型中用于直接计算光温生产潜力的模型,连接农业基础数据库获取相应参数值,直接计算得出光温生产潜力值;
步骤7:计算气候生产潜力:该潜力计算可选方案有两种,其一:调用步骤2所述水稻生产潜力模型库中确定水分修正系数的模型,连接农业基础数据库获取相应参数值,计算出水分修正系数值,并将其同步骤6所得的光温生产潜力值相乘,得到水稻气候生产潜力值;其二,直接调用步骤2所述气候生产潜力模型中用于直接计算气候生产潜力的模型,连接农业基础数据库获取相应参数值,直接计算得出气候生产潜力值;
步骤8:气候生产潜力矢量化:将气候生产潜力值录入到步骤3所述的区域区位图上,即对气候生产潜力进行矢量化,得到气候生产潜力图层;
步骤9:计算土地生产潜力系数:利用步骤4所建立的土壤特性数据库,对其进行栅格化,参照土地生产潜力系数计算模型所涉及的各个参数,利用ArcMap中的计算工具计算出每个栅格中的土地生产潜力系数;
步骤10:计算土地生产潜力:将步骤8所得气候生产潜力图层按步骤9所要求的栅格精度规格进行栅格处理;利用ArcMap的计算工具将栅格处理后的的气候生产潜力值与步骤9所得土地生产潜力系数相乘,得到水稻土地生产潜力值;
步骤11:根据模拟计算结果统计,选择最稳定模型组合:根据步骤5到步骤10所确定的模型组合进行模拟计算,将该组合条件下模拟得出的历年水稻生产潜力模型最终模拟产量即土地生产潜力值与当年实际产量进行比较,统计出模拟值大于当年实际产量值的年份在历年中的百分比,得出一个确切的比值;然后返回步骤5,按排列组合的方式选择新的模型组合进行模拟计算,并进一步计算出该模型模拟条件下模拟值大于当年实际产量值的年份在历年中的百分比值,如此反复,直至计算出所有模型组合对应的该百分比值;最后将所得的多个百分比值进行比较,百分比值最大的那个值对应的模型组合即为最稳定模型组合,至此,用于研究区域将来潜力模拟的模型组合确定;
步骤12:生成土地生产潜力分布图:根据步骤11所得区域水稻生产潜力模型,在步骤10所得水稻土地生产潜力栅格图层基础上,利用ArcMap中的图像生成功能,以每个栅格单元中心点的值作为定级因子,生成该研究区域的产量分布图。
2.权利要求1所述基于地理信息系统的水稻生产潜力动态预测方法,其特征在于:步骤1所述历年气象数据包括水稻生长期内逐日太阳辐射、平均气温、降水、风速、日照时长;步骤1所述水环境数据包括断面水质监测数据、年径流数据、年输沙量;步骤1所述当地土壤特性数据包括有机质含量、速效磷含量、速效钾含量、全氮含量、壤机械构成、土壤有效厚度、地面坡度、土壤酸碱度、光热条件、水分供应能力和地形的高程;步骤1历年农作物产量详细数据包括耕作制度、株高、亩实际产量、子粒重、水稻秕谷率、水稻空壳率、穗粒重、穗粒数、单穗小穗数、叶面积系数、越冬死亡率、越冬受害率、次生根数、次生根长、单株大蘖数、单株分蘖数以及每亩有效茎数。
3.权利要求1~2任一项所述基于地理信息系统的水稻生产潜力动态预测方法,其特征在于:步骤4中的要素集所包含的要素类具体是:基本要素basic包括pH和土壤母质SPM;境界bount包括arc线形要素、城市块cityPolygon、河湖区lakeBount和区域边界poly;元素Element包括Cu、Fe、Mn、Zn和Pe;土地使用Landuse包括landuse多边形;土壤养分nutrient包括K、P、土壤有机质SOM、土壤类型ST、全钾TK、全氮TN和全磷TP。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2010102601122A CN101916337B (zh) | 2010-08-23 | 2010-08-23 | 一种基于地理信息系统的水稻生产潜力动态预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2010102601122A CN101916337B (zh) | 2010-08-23 | 2010-08-23 | 一种基于地理信息系统的水稻生产潜力动态预测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101916337A CN101916337A (zh) | 2010-12-15 |
CN101916337B true CN101916337B (zh) | 2012-05-02 |
Family
ID=43323847
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2010102601122A Expired - Fee Related CN101916337B (zh) | 2010-08-23 | 2010-08-23 | 一种基于地理信息系统的水稻生产潜力动态预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101916337B (zh) |
Families Citing this family (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102230976A (zh) * | 2011-03-25 | 2011-11-02 | 首都师范大学 | 一种粮食生产风险数据采集方法 |
CN103514569B (zh) * | 2013-10-15 | 2017-03-08 | 南京大学 | 一种基于gis技术的粮食作物产量可视化新方法 |
CN103604462A (zh) * | 2013-10-23 | 2014-02-26 | 首都师范大学 | 一种粮食生产风险数据采集方法 |
US9974226B2 (en) * | 2014-04-21 | 2018-05-22 | The Climate Corporation | Generating an agriculture prescription |
CN104766135A (zh) * | 2015-03-25 | 2015-07-08 | 中国农业科学院农业信息研究所 | 一种预测农作物产量的方法、装置及系统 |
CN104732299A (zh) * | 2015-04-03 | 2015-06-24 | 中国农业科学院农业信息研究所 | 一种玉米产量组合预测系统和方法 |
CN105373670B (zh) * | 2015-12-01 | 2018-04-20 | 中国农业科学院棉花研究所 | 作物光合产量潜力的分析方法 |
CN105512947B (zh) * | 2015-12-01 | 2018-04-20 | 中国农业科学院棉花研究所 | 作物光温产量潜力的分析方法 |
CN107480630B (zh) * | 2017-08-11 | 2020-05-26 | 吉林省林业科学研究院 | 一种利用遥感技术进行森林生态功能区划的方法 |
US20200311915A1 (en) * | 2017-11-29 | 2020-10-01 | Optim Corporation | Growth status prediction system and method and computer-readable program |
CN108920430B (zh) * | 2018-06-15 | 2022-11-11 | 云南省气候中心 | 水稻空壳率评估方法 |
CN110728446B (zh) * | 2019-10-09 | 2022-04-01 | 中国地质大学(武汉) | 一种基于cnn-lstm的县级尺度农作物估产方法 |
CN111536930A (zh) * | 2020-05-07 | 2020-08-14 | 安徽农业大学 | 一种双季稻机插早稻品种产量评估方法 |
CN111984908A (zh) * | 2020-08-05 | 2020-11-24 | 安徽科技学院 | 一种基于光能的生产潜力的估算方法 |
CN113112165A (zh) * | 2021-04-20 | 2021-07-13 | 武荣盛 | 一种作物气候产量潜力的分析方法 |
WO2023245399A1 (zh) * | 2022-06-21 | 2023-12-28 | 南京大学 | 基于土地系统和气候变化耦合的水稻生产潜力模拟方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1704758A (zh) * | 2004-05-28 | 2005-12-07 | 北京农业信息技术研究中心 | 利用遥感和地理信息系统技术实现小麦品质监测预报方法 |
US7298869B1 (en) * | 2003-07-21 | 2007-11-20 | Abernathy Donald A | Multispectral data acquisition system and method |
CN101546421A (zh) * | 2009-04-01 | 2009-09-30 | 河北农业大学 | 一种基于gis的省域可比耕地质量评价方法 |
-
2010
- 2010-08-23 CN CN2010102601122A patent/CN101916337B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7298869B1 (en) * | 2003-07-21 | 2007-11-20 | Abernathy Donald A | Multispectral data acquisition system and method |
CN1704758A (zh) * | 2004-05-28 | 2005-12-07 | 北京农业信息技术研究中心 | 利用遥感和地理信息系统技术实现小麦品质监测预报方法 |
CN101546421A (zh) * | 2009-04-01 | 2009-09-30 | 河北农业大学 | 一种基于gis的省域可比耕地质量评价方法 |
Also Published As
Publication number | Publication date |
---|---|
CN101916337A (zh) | 2010-12-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101916337B (zh) | 一种基于地理信息系统的水稻生产潜力动态预测方法 | |
CN112765800B (zh) | 一种分布式水资源配置模型的设计方法 | |
Wriedt et al. | Estimating irrigation water requirements in Europe | |
CN108536908B (zh) | 基于非点源氮磷流失风险对流域水环境安全评估的方法 | |
Zhang et al. | A hierarchical patch mosaic ecosystem model for urban landscapes: model development and evaluation | |
CN109002621B (zh) | 一种顾及邻域与地理差异的林分平均高与胸径计算方法 | |
CN105912836A (zh) | 一种纯遥感数据驱动的流域水循环模拟方法 | |
Schulze et al. | Global climate change and agricultural productivity in southern Africa | |
CN102034003A (zh) | 基于蓄水容量曲线和topmodel的流域水文模型的设计方法 | |
Palmas et al. | Exploring the decision-space for renewable energy generation to enhance spatial efficiency | |
CN116757357B (zh) | 一种耦合多源遥感信息的土地生态状况评估方法 | |
CN111445116A (zh) | 国土空间规划辅助编制系统 | |
CN102722766A (zh) | 基于修订的区域气候模式数据的小麦产量预测方法 | |
Shi et al. | Progress on quantitative assessment of the impacts of climate change and human activities on cropland change | |
Codjoe | Population and land use/cover dynamics in the Volta river basin of Ghana, 1960-2010 | |
Ziya et al. | Solar energy potential of cities in Turkey; A GIS based analysis | |
Singh et al. | Maize modeling in Malawi: a tool for soil fertility research and development | |
CN103927687A (zh) | 杉木智能施肥系统 | |
CN115481366A (zh) | 一种基于空间降尺度回归模型的耕地资源生产潜力测算方法 | |
Chanu et al. | Assessment of crop yield and water footprint of kharif paddy production under different rainfall years | |
Reyes Jr et al. | Comparative analysis of two methods for site suitability assessment of cacao (Theobroma cacao Lin.) in Bohol, Central Visayas, Philippines | |
Fakkhong et al. | Socio-economic factors influencing rice production in peri-urban area, Bangkok, Thailand. | |
CN103942649A (zh) | 竹子智能施肥系统 | |
Walker et al. | Estimation of rainfall intensity for potential crop production on clay soil with in-field water harvesting practices in a semi-arid area | |
Terjung et al. | Actual and potential yield for rainfed and irrigated wheat in China |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
C17 | Cessation of patent right | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20120502 Termination date: 20130823 |