CN103868891A - 一种油菜叶片氮素营养快速诊断及推荐追氮的方法 - Google Patents
一种油菜叶片氮素营养快速诊断及推荐追氮的方法 Download PDFInfo
- Publication number
- CN103868891A CN103868891A CN201410089914.XA CN201410089914A CN103868891A CN 103868891 A CN103868891 A CN 103868891A CN 201410089914 A CN201410089914 A CN 201410089914A CN 103868891 A CN103868891 A CN 103868891A
- Authority
- CN
- China
- Prior art keywords
- nitrogen
- rape
- spad
- platform
- oilseed rape
- 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.)
- Pending
Links
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种油菜叶片氮素营养快速诊断及推荐追氮的方法。其特征在于包括如下步骤:(1)油菜叶片SPAD值的测定;(2)油菜叶片SPAD临界值确定与产量预测:油菜收获后测定不同施氮水平下油菜产量;根据油菜产量和SPAD值建立线性加平台模型,模型中平台拐点对应的SPAD值即为油菜叶片的SPAD临界值,模型中线性方程用于预测油菜产量;(3)油菜推荐追氮模型的建立:以步骤(2)中油菜产量和施氮量建立线性加平台模型,得到平台拐点的氮肥用量和基肥施氮量与油菜产量关系方程,则待检测地油菜追肥氮用量可用平台拐点氮肥用量减去基肥氮用量获得。使用该方法进行油菜氮素营养状况诊断及氮肥施用量推荐,方法简单、可靠性高、成本低。
Description
技术领域
本发明属于农业领域,具体涉及一种油菜叶片氮素营养快速诊断及推荐追氮的方法。
背景技术
油菜是我国最重要的油料作物,占国产食用植物油供应量的40%以上,每年还可为畜牧业提供700多万吨的优质蛋白饲料。然而,我国油菜物质投入,特别是肥料投入成本高(约占总物质成本的50%以上),肥料利用率低(氮肥表观利用率30%~35%,只有发达国家的一半),降低了农户油菜种植经济效益和积极性。
氮肥是全世界施用量最大的一类化学肥料,也是作物养分管理中最难于准确定量的一种肥料。除受氮素自身活跃的理化特性影响外,缺乏准确、快速、经济地判断作物氮营养状况及推荐施肥的技术方法也是重要的因素。长期以来,作物的氮素营养诊断和推荐施用都是基于实验室常规测试,在取样、制备、测定、数据分析等方面需要耗费大量的人力、物力,且时效性差,不利于推广应用;一些定性或半定量的方法,如肥料窗口法等,不能够有效量化作物所需肥料用量。在这一背景下,无损测试技术近些年得到了广泛的关注,在研究和实际应用中都已取得了很大的进展;其中,便携式叶绿素仪(SPAD-502)法是20世纪90年代以来最新发展的方法,该方法通过田间原位测量植株叶片在两种波长范围内的透光系数,来确定叶片当前叶绿素的相对数量而估测作物氮素营养状况,具有操作简单、数据获取迅速、不需要耗材、对植株无破坏、环境友好等优点,目前已成功应用于水稻、玉米、马铃薯等多种农作物上,本发明根据多年多点试验研究,提出了一种采用叶绿素仪进行油菜叶片氮素营养快速诊断及推荐追氮的方法。
发明内容
本发明的目的在提供一种油菜叶片氮素营养快速诊断及推荐追氮的方法,使用该方法进行油菜氮素营养状况诊断及氮肥施用量推荐,方法简单、可靠性高、成本低。
为了实现上述目的,本发明所采取的技术方案是:一种油菜叶片氮素营养快速诊断及推荐追氮的方法,其特征在于包括如下步骤:
(1)油菜叶片SPAD值的测定
选择晴朗的天气,测定时间为上午10:00~12:00之间(太阳高度角大于45°),选择油菜最上部的完全展开叶(叶片要求干净、无露水、无病害、无生理病斑、无机械损伤),每一叶片固定左、右和顶部3个位点,取平均值作为该叶片的SPAD值,每株取2~3片叶,每个施肥田块选取15~20株油菜,计算平均值作为该施肥田块的SPAD值(田块面积较大时,需要相应增加油菜株数);SPAD值采用检测仪器来测定(SPAD-502便携式叶绿素仪测定的数值即为“SPAD值“);
(2)油菜叶片SPAD临界值确定与产量预测
选择待诊断的油菜品种,设置不施氮、以及设置从低至过量的多个施氮水平,按农户习惯进行油菜种植和日常管理,在油菜苗期,进行油菜叶片SPAD值测定,SPAD值采用检测 仪器来测定,油菜收获后测定不同施氮水平下油菜产量;根据油菜产量和SPAD值建立线性加平台模型,模型中平台拐点对应的SPAD值即为油菜叶片的SPAD临界值,模型中线性方程用于预测油菜产量;
(3)油菜推荐追氮模型的建立
以步骤(2)中油菜产量和施氮量建立线性加平台模型,得到平台拐点的氮肥用量和基肥施氮量与油菜产量关系方程,则待检测地油菜追肥氮用量可用平台拐点氮肥用量减去基肥氮用量获得(得到油菜推荐追氮模型)。
步骤1)-2)中SPAD检测时间为冬至前10天至冬至后10天(即冬至左右),油菜9~11片叶时,以10片叶最佳。
步骤1)-2)中检测仪器为SPAD-502便携式叶绿素仪。
SPAD临界值受油菜品种和检测时期影响较大,不同品种应该建立对应时间段的SPAD临界值。
设置从低至过量的多个施氮水平为:设置低、较低、适中、较高、高和过量等施氮水平(所述的多个为6个)。
所述的低施氮水平是指平台拐点施氮量的50%;所述的较低施氮水平是指平台拐点施氮量的75%;所述的适中施氮水平是指平台拐点施氮量;所述的高施氮水平是指平台拐点施氮量的125%;所述的较高施氮水平是指平台拐点施氮量的150%;所述的过量施氮水平是指平台拐点施氮量的180%及以上。
本发明的有益效果是:通过便携式叶绿素仪测定,建立油菜氮素营养临界值和推荐追氮模型(即线性加平台模型),能够判断油菜的氮素营养状况和预测产量,提出氮肥追施用量,操作简单(方法简单),效率高,成本低,对油菜无损害,非常适宜于油菜生产一线施肥指导,克服了现有推荐施肥技术的诸多不足。
附图说明
图1是本发明油菜施氮量与产量图(即线性加平台模型)。注:不同字母之间表示存在显著性差异(P<0.05)。
图2是本发明油菜预测产量与实际产量的相关性图。
具体实施方式
为了更好地理解本发明,以下结合具体实施例对本发明作进一步详细说明,但本发明的内容不仅仅局限于下面的实施例。
一种油菜叶片氮素营养快速诊断及推荐追氮的方法,包括如下步骤:
(1)油菜叶片SPAD值的测定
选择晴朗的天气,测定时间为上午10:00~12:00之间(太阳高度角大于45°),选择油菜最上部的完全展开叶(叶片要求干净、无露水、无病害、无生理病斑、无机械损伤),每一叶片固定左、右和顶部3个位点,取平均值作为该叶片的SPAD值,每株取2~3片叶,每个施肥田块选取15~20株油菜,计算平均值作为该施肥田块(或称肥力田块)的SPAD值(田块面积较大时,需要相应增加油菜株数);SPAD值采用检测仪器来测定(SPAD-502便携式叶 绿素仪测定的数值即为“SPAD值“);
(2)油菜叶片SPAD临界值确定与产量预测
选择待诊断的油菜品种,设置不施氮、以及设置从低至过量的多个施氮水平,按农户习惯进行油菜种植和日常管理,在油菜苗期,进行油菜叶片SPAD值测定,SPAD值采用检测仪器来测定,油菜收获后测定不同施氮水平下油菜产量;根据油菜产量和SPAD值建立线性加平台模型,模型中平台拐点对应的SPAD值即为油菜叶片的SPAD临界值,模型中线性方程用于预测油菜产量;
(3)油菜推荐追氮模型的建立
以步骤(2)中油菜产量和施氮量建立线性加平台模型,得到平台拐点的氮肥用量和基肥施氮量与油菜产量关系方程,则待检测地油菜追肥氮用量可用平台拐点氮肥用量减去基肥氮用量获得(得到油菜推荐追氮模型)。
步骤1)-2)中SPAD检测时间为冬至前10天至冬至后10天(即冬至左右),油菜9~11片叶时,以10片叶最佳。
步骤1)-2)中检测仪器为SPAD-502便携式叶绿素仪。
SPAD临界值受油菜品种和检测时期影响较大,不同品种应该建立对应时间段的SPAD临界值。
设置从低至过量的多个施氮水平为:设置低、较低、适中、较高、高和过量等施氮水平(所述的多个为6个)。
所述的低施氮水平是指平台拐点施氮量的50%;所述的较低施氮水平是指平台拐点施氮量的75%;所述的适中施氮水平是指平台拐点施氮量;所述的高施氮水平是指平台拐点施氮量的125%;所述的较高施氮水平是指平台拐点施氮量的150%;所述的过量施氮水平是指平台拐点施氮量的180%及以上。
1油菜叶片SPAD临界值与产量预测
1.1油菜施氮量与产量的关系
在2009年9月至2010年5月,以中双11号常规油菜品种为材料,设置0、60、120、180、240、300和400公斤/公顷等施氮水平,在油菜十叶期测定各施氮水平下油菜的SPAD值,成熟后收获得到各施氮水平下油菜籽粒产量。结果表明,在施氮量0~180公斤/公顷时,产量随施氮量增加而显著增加(如图1所示),氮用量进一步增加后产量上升不显著,二次方程为:Y=-0.0176X2+11.136+797.88X【R2=0.9905**,R2表示可信度,“**”表示极显著,Y为产量,X为施氮量】,在施氮量为316.4公斤/公顷时产量最高。
1.2油菜SPAD值与产量和施氮量的关系。
拟合表明(表1),十叶期油菜SPAD值与施氮量和产量均有极显著的相关性,拟合方程分别为Y=-4E-05X2+0.0289X+38.133(R2=0.9752**,R2表示可信度,“**”表示极显著,Y为SPAD值,X为施氮量),Y=-38.742X2+3487.7X-75917(R2=0.9876**,R2表示可信度,“**”表示极显著,Y为产量,X为SPAD值)。
表1SPAD值与氮肥用量和产量的关系
1.3油菜叶片SPAD临界值与产量预测
根据表1,建立线性加平台模型,
Y平台产量=2451.3(公斤/公顷),XSPAD值≥42.54 ①
Y预测产量=370.517XSPAD值-13310.3,XSPAD值<42.54 ②
Y平台产量表示平台产量,XSPAD值表示SPAD值,Y预测产量表示预测产量,其中42.54为十叶期油菜叶片SPAD临界值,①为油菜平台产量,②为油菜产量SPAD预测模型。
2油菜推荐追氮量模型确定
根据图1,建立了产量和施氮量线性加平台模型:
Y平台产量=2409.3(kgha-1),X氮肥用量≥162.7 ③
Y产量=10.06x氮肥用量+772.133,X氮肥用量<162.7 ④
转化有X氮肥用量=Y产量/10.0617-76.7398,X氮肥用量<162.7 ⑤
X氮肥用量表示氮肥用量,Y产量表示产量,得到,
Y推荐追氮量=Y平台产量需氮量–Y基肥氮用量=162.7-(Y产量/10.0617-76.7398)=162.7-(Y预测产量/10.0617-76.7398)=162.7-[(370.517XSPAD值-13310.3)/10.0617-76.7398],XSPAD值<42.54 ⑥
⑥即为油菜推荐追氮量模型。
Y推荐追氮量表示推荐追氮量,Y平台产量需氮量表示平台产量需氮量,Y基肥氮用量表示基肥氮用量,Y 预测产量表示预测产量。
3模型验证
3.1油菜产量预测模型(公式②)验证
2011年9月至2012年5月,以中双11号常规油菜品种为材料,设置180、157.5、135、112.5公斤/公顷等施氮水平,在油菜十叶期测定各施氮水平下油菜SPAD值,通过②预测油菜产量,成熟后收获得到各施氮水平下油菜籽粒产量(表2)。结果表明,预测产量和实际产量有很好的相关性(图2,Y=0.5022+2244.3X,R2=0.7852**),说明②预测油菜产量的可行性。
表2油菜预测产量与实际产量变化
3.2油菜推荐追氮模型(公式⑥)验证
2011年9月至2012年5月,以中双11号常规油菜品种为材料,设置45、90、135、180公斤/公顷等施氮水平,在油菜十叶期测定各施氮水平下油菜SPAD值,通过⑥计算出推荐追氮量并施入对应田块,计算各田块总氮肥用量,成熟后收获得到各施氮水平下油菜籽粒产量(表3)。结果表明,不同田块下油菜实际产量没有显著差异,说明可以通过调整追肥氮用量获得目标产量,推荐追氮模型有较高的可靠性。
表3油菜氮用量与产量变化
注:相同字母表示处理间差异不显著(P>0.05)。
Claims (5)
1.一种油菜叶片氮素营养快速诊断及推荐追氮的方法,其特征在于包括如下步骤:
(1)油菜叶片SPAD值的测定
选择晴朗的天气,测定时间为上午10:00~12:00之间,选择油菜最上部的完全展开叶,每一叶片固定左、右和顶部3个位点,取平均值作为该叶片的SPAD值,每株取2~3片叶,每个施肥田块选取15~20株油菜,计算平均值作为该施肥田块的SPAD值;SPAD值采用检测仪器来测定;
(2)油菜叶片SPAD临界值确定与产量预测
选择待诊断的油菜品种,设置不施氮、以及设置从低至过量的多个施氮水平,按农户习惯进行油菜种植和日常管理,在油菜苗期,进行油菜叶片SPAD值测定,SPAD值采用检测仪器来测定,油菜收获后测定不同施氮水平下油菜产量;根据油菜产量和SPAD值建立线性加平台模型,模型中平台拐点对应的SPAD值即为油菜叶片的SPAD临界值,模型中线性方程用于预测油菜产量;
(3)油菜推荐追氮模型的建立
以步骤(2)中油菜产量和施氮量建立线性加平台模型,得到平台拐点的氮肥用量和基肥施氮量与油菜产量关系方程,则待检测地油菜追肥氮用量可用平台拐点氮肥用量减去基肥氮用量获得。
2.根据权利要求1所述一种油菜叶片氮素营养快速诊断及推荐追氮的方法,其特征在于:步骤1)-2)中SPAD检测时间为冬至前10天至冬至后10天。
3.根据权利要求1所述一种油菜叶片氮素营养快速诊断及推荐追氮的方法,其特征在于:步骤1)-2)中检测仪器为SPAD-502便携式叶绿素仪。
4.根据权利要求1所述一种油菜叶片氮素营养快速诊断及推荐追氮的方法,其特征在于:设置从低至过量的多个施氮水平为:设置低、较低、适中、较高、高和过量施氮水平。
5.根据权利要求4所述一种油菜叶片氮素营养快速诊断及推荐追氮的方法,其特征在于:所述的低施氮水平是指平台拐点施氮量的50%;所述的较低施氮水平是指平台拐点施氮量的75%;所述的适中施氮水平是指平台拐点施氮量;所述的高施氮水平是指平台拐点施氮量的125%;所述的较高施氮水平是指平台拐点施氮量的150%;所述的过量施氮水平是指平台拐点施氮量的180%及以上。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410089914.XA CN103868891A (zh) | 2014-03-12 | 2014-03-12 | 一种油菜叶片氮素营养快速诊断及推荐追氮的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410089914.XA CN103868891A (zh) | 2014-03-12 | 2014-03-12 | 一种油菜叶片氮素营养快速诊断及推荐追氮的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103868891A true CN103868891A (zh) | 2014-06-18 |
Family
ID=50907658
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410089914.XA Pending CN103868891A (zh) | 2014-03-12 | 2014-03-12 | 一种油菜叶片氮素营养快速诊断及推荐追氮的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103868891A (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104584751A (zh) * | 2014-12-20 | 2015-05-06 | 华中农业大学 | 基于冬油菜氮素营养无损检测的施肥方法 |
CN104813790A (zh) * | 2015-04-03 | 2015-08-05 | 北京市农林科学院 | 一种兼顾区域产量与环境风险的北京地区夏玉米分区施磷的方法 |
CN104865349A (zh) * | 2015-04-27 | 2015-08-26 | 安徽省农业科学院土壤肥料研究所 | 蓝莓叶片营养诊断及施肥方法 |
WO2016161818A1 (zh) * | 2015-04-08 | 2016-10-13 | 江苏大学 | 一种根据叶菜类作物长势进行变量施肥的方法 |
CN104091067B (zh) * | 2014-07-04 | 2017-04-05 | 南京农业大学 | 一种基于临界氮浓度预测水稻植株各器官氮含量的方法 |
CN106717425A (zh) * | 2017-01-20 | 2017-05-31 | 中国农业科学院农业资源与农业区划研究所 | 一种利用植株叶片相对spad值对作物进行氮肥推荐的方法 |
CN107316116A (zh) * | 2017-08-23 | 2017-11-03 | 吉林大学 | 一种叶类蔬菜产量预测方法 |
CN108401634A (zh) * | 2018-02-07 | 2018-08-17 | 扬州大学 | 一种大棚鲜食番茄氮素营养诊断及推荐施氮方法 |
CN109392398A (zh) * | 2018-11-20 | 2019-03-01 | 内蒙古农业大学 | 一种土壤测试与植株诊断相结合的马铃薯氮肥推荐方法 |
WO2021035858A1 (zh) * | 2019-08-26 | 2021-03-04 | 江苏大学 | 叶片叶绿素叶面分布特征同步诊断氮钾镁元素亏缺的方法 |
CN115250704B (zh) * | 2022-08-05 | 2023-06-30 | 华中农业大学 | 一种基于苗期新叶钾含量的油菜隐性缺钾诊断及施肥方法 |
CN117575830A (zh) * | 2023-11-10 | 2024-02-20 | 南京农业大学 | 一种基于nki预测氮钾互作下小麦植株氮钾亏缺和产量状况的方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101514959A (zh) * | 2009-03-26 | 2009-08-26 | 中国农业科学院茶叶研究所 | 一种茶树氮素营养无损快速测定和控制方法 |
US20110286636A1 (en) * | 2010-05-24 | 2011-11-24 | Board Of Trustees Of The University Of Arkansas | System and method of determining nitrogen levels from a digital image |
CN102318466A (zh) * | 2011-07-12 | 2012-01-18 | 南京农业大学 | 一种基于氮素光谱指数法的水稻追氮调控方法 |
-
2014
- 2014-03-12 CN CN201410089914.XA patent/CN103868891A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101514959A (zh) * | 2009-03-26 | 2009-08-26 | 中国农业科学院茶叶研究所 | 一种茶树氮素营养无损快速测定和控制方法 |
US20110286636A1 (en) * | 2010-05-24 | 2011-11-24 | Board Of Trustees Of The University Of Arkansas | System and method of determining nitrogen levels from a digital image |
CN102318466A (zh) * | 2011-07-12 | 2012-01-18 | 南京农业大学 | 一种基于氮素光谱指数法的水稻追氮调控方法 |
Non-Patent Citations (8)
Title |
---|
姜继萍: "水稻冠层叶片SPAD数值变化特征及其在氮素营养诊断中的应用", 《中国优秀硕士学文论文全文数据库 农业科技辑》 * |
李志宏 等: "应用叶绿素仪诊断冬小麦氮营养状况的研究", 《植物营养与肥料学报》 * |
李银水 等: "三种氮素营养快速诊断方法在油菜上的适宜性分析", 《中国油料作物学报》 * |
柳红娟 等: "木薯氮素营养状况的SPAD仪诊断", 《西南农业学报》 * |
王寅 等: "移栽和直播油菜的氮肥施用效果及适宜施氮量", 《中国农业科学》 * |
王帘里 等: "不同气候和土壤条件下玉米叶片叶绿素相对含量对土壤氮素供应和玉米产量的预测", 《植物营养与肥料学报》 * |
赵士诚 等: "相对SPAD 值用于不同品种夏玉米氮肥管理的研究", 《植物营养与肥料学报》 * |
郭建华 等: "主动遥感光谱仪Greenseeker与SPAD对玉米氮素营养诊断的研究", 《植物营养与肥料学报》 * |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104091067B (zh) * | 2014-07-04 | 2017-04-05 | 南京农业大学 | 一种基于临界氮浓度预测水稻植株各器官氮含量的方法 |
CN104584751A (zh) * | 2014-12-20 | 2015-05-06 | 华中农业大学 | 基于冬油菜氮素营养无损检测的施肥方法 |
CN104813790A (zh) * | 2015-04-03 | 2015-08-05 | 北京市农林科学院 | 一种兼顾区域产量与环境风险的北京地区夏玉米分区施磷的方法 |
WO2016161818A1 (zh) * | 2015-04-08 | 2016-10-13 | 江苏大学 | 一种根据叶菜类作物长势进行变量施肥的方法 |
CN104865349A (zh) * | 2015-04-27 | 2015-08-26 | 安徽省农业科学院土壤肥料研究所 | 蓝莓叶片营养诊断及施肥方法 |
CN106717425A (zh) * | 2017-01-20 | 2017-05-31 | 中国农业科学院农业资源与农业区划研究所 | 一种利用植株叶片相对spad值对作物进行氮肥推荐的方法 |
CN106717425B (zh) * | 2017-01-20 | 2020-06-02 | 中国农业科学院农业资源与农业区划研究所 | 一种利用植株叶片相对spad值对作物进行氮肥推荐的方法 |
CN107316116B (zh) * | 2017-08-23 | 2020-11-10 | 吉林大学 | 一种叶类蔬菜产量预测方法 |
CN107316116A (zh) * | 2017-08-23 | 2017-11-03 | 吉林大学 | 一种叶类蔬菜产量预测方法 |
CN108401634A (zh) * | 2018-02-07 | 2018-08-17 | 扬州大学 | 一种大棚鲜食番茄氮素营养诊断及推荐施氮方法 |
CN108401634B (zh) * | 2018-02-07 | 2020-03-31 | 扬州大学 | 一种大棚鲜食番茄氮素营养诊断及推荐施氮方法 |
CN109392398A (zh) * | 2018-11-20 | 2019-03-01 | 内蒙古农业大学 | 一种土壤测试与植株诊断相结合的马铃薯氮肥推荐方法 |
WO2021035858A1 (zh) * | 2019-08-26 | 2021-03-04 | 江苏大学 | 叶片叶绿素叶面分布特征同步诊断氮钾镁元素亏缺的方法 |
GB2591565A (en) * | 2019-08-26 | 2021-08-04 | Univ Jiangsu | Method for synchronously diagnosing nitrogen, potassium, and magnesium deficiency based on chlorophyll distribution characteristics on leaf surface |
GB2591565B (en) * | 2019-08-26 | 2022-10-12 | Univ Jiangsu | Method for synchronously diagnosing nitrogen, potassium, and magnesium deficiency based on chlorophyll distribution characteristics on leaf surface |
CN115250704B (zh) * | 2022-08-05 | 2023-06-30 | 华中农业大学 | 一种基于苗期新叶钾含量的油菜隐性缺钾诊断及施肥方法 |
CN117575830A (zh) * | 2023-11-10 | 2024-02-20 | 南京农业大学 | 一种基于nki预测氮钾互作下小麦植株氮钾亏缺和产量状况的方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103868891A (zh) | 一种油菜叶片氮素营养快速诊断及推荐追氮的方法 | |
Thompson et al. | Tools and strategies for sustainable nitrogen fertilisation of vegetable crops | |
Kadiyala et al. | Identifying irrigation and nitrogen best management practices for aerobic rice–maize cropping system for semi-arid tropics using CERES-rice and maize models | |
Zhao et al. | Exploring the relationships between climatic variables and climate-induced yield of spring maize in Northeast China | |
Byju et al. | Modeling the response of cassava to fertilizers: a site-specific nutrient management approach for greater tuberous root yield | |
Ahmad et al. | Solar fertigation: A sustainable and smart IoT-based irrigation and fertilization system for efficient water and nutrient management | |
CN110567892B (zh) | 一种基于临界氮浓度的夏玉米氮素高光谱预测方法 | |
Boote et al. | Sentinel site data for crop model improvement—definition and characterization | |
CN104584751A (zh) | 基于冬油菜氮素营养无损检测的施肥方法 | |
Dutta et al. | A multi model evaluation of long-term effects of crop management and cropping systems on nitrogen dynamics in the Canadian semi-arid prairie | |
Wang et al. | Evaluating model-based strategies for in-season nitrogen management of maize using weather data fusion | |
Pyingkodi et al. | IoT based soil nutrients analysis and monitoring system for smart agriculture | |
Lo et al. | Approaches to evaluating grower irrigation and fertilizer nitrogen amount and timing | |
CN104091067A (zh) | 一种基于临界氮浓度预测水稻植株各器官氮含量的方法 | |
Tari et al. | Simulating the impact of nitrogen management on rice yield and nitrogen uptake in irrigated lowland by ORYZA2000 Model | |
Avval et al. | Energy efficiency analysis in agricultural productions: parametric and non-parametric approaches | |
Brar et al. | Precision nutrient management: A review | |
Johnson et al. | Spring camelina N rate: balancing agronomics and environmental risk in United States Corn Belt | |
CN112462030B (zh) | 一种畜禽粪污土地承载力测算方法及装置 | |
Dar et al. | Meta analysis on the evaluation and application of DSSAT in South Asia and China: Recent studies and the way forward | |
Gao et al. | Effect of different water treatments in soil-plant-atmosphere continuum based on intelligent weighing systems | |
Chowdhury et al. | Assessing vegetation indices and productivity across nitrogen gradients: a comparative study under transplanted and direct-seeded rice | |
Ferreira et al. | A Remote-Sensing-Assisted Estimation of Water Use in Rice Paddy Fields: A Study on Lis Valley, Portugal | |
Naderloo et al. | Modeling of wheat yield and sensitivity analysis based on energy inputs for three years in Abyek town, Ghazvin, Iran | |
Delhez | Mechanistic modelling of cropland and grassland ecosystems: focus on the carbon cycle and on plant phenology |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20140618 |