CN104820866A - 一种根据叶菜类作物长势进行变量施肥的方法 - Google Patents
一种根据叶菜类作物长势进行变量施肥的方法 Download PDFInfo
- Publication number
- CN104820866A CN104820866A CN201510163619.9A CN201510163619A CN104820866A CN 104820866 A CN104820866 A CN 104820866A CN 201510163619 A CN201510163619 A CN 201510163619A CN 104820866 A CN104820866 A CN 104820866A
- Authority
- CN
- China
- Prior art keywords
- growth
- crop
- fast
- leaf vegetables
- growing
- 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.)
- Granted
Links
- 230000012010 growth Effects 0.000 title claims abstract description 33
- 235000021384 green leafy vegetables Nutrition 0.000 title claims abstract description 21
- 238000000034 method Methods 0.000 title claims abstract description 21
- 230000004720 fertilization Effects 0.000 title claims abstract description 19
- 239000003337 fertilizer Substances 0.000 claims abstract description 15
- 244000106835 Bindesalat Species 0.000 claims description 24
- 235000000318 Bindesalat Nutrition 0.000 claims description 23
- 241000196324 Embryophyta Species 0.000 claims description 19
- 230000008635 plant growth Effects 0.000 claims description 12
- 230000003698 anagen phase Effects 0.000 claims description 4
- 235000006008 Brassica napus var napus Nutrition 0.000 claims description 3
- 235000001169 Brassica oleracea var oleracea Nutrition 0.000 claims description 3
- 235000010149 Brassica rapa subsp chinensis Nutrition 0.000 claims description 3
- 235000000536 Brassica rapa subsp pekinensis Nutrition 0.000 claims description 3
- 241000499436 Brassica rapa subsp. pekinensis Species 0.000 claims description 3
- 241001674939 Caulanthus Species 0.000 claims description 3
- 235000009337 Spinacia oleracea Nutrition 0.000 claims description 3
- 244000300264 Spinacia oleracea Species 0.000 claims description 3
- 238000010219 correlation analysis Methods 0.000 claims description 3
- 241001234610 Rapistrum rugosum Species 0.000 claims description 2
- 235000016709 nutrition Nutrition 0.000 abstract 1
- 230000035764 nutrition Effects 0.000 abstract 1
- 235000015097 nutrients Nutrition 0.000 description 8
- 230000008859 change Effects 0.000 description 4
- 239000007788 liquid Substances 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 3
- 210000003608 fece Anatomy 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 3
- 239000010871 livestock manure Substances 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 230000009605 growth rhythm Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 241000283690 Bos taurus Species 0.000 description 1
- 240000008415 Lactuca sativa Species 0.000 description 1
- 235000003228 Lactuca sativa Nutrition 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 210000000941 bile Anatomy 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- FDKVVSDXZNIXAN-UHFFFAOYSA-N carbamic acid;2-ethyl-2-(hydroxymethyl)propane-1,3-diol Chemical compound NC(O)=O.NC(O)=O.NC(O)=O.CCC(CO)(CO)CO FDKVVSDXZNIXAN-UHFFFAOYSA-N 0.000 description 1
- 230000010261 cell growth Effects 0.000 description 1
- 244000038559 crop plants Species 0.000 description 1
- 238000012272 crop production Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004615 ingredient Substances 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000002427 irreversible effect Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000050 nutritive effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Agronomy & Crop Science (AREA)
- General Health & Medical Sciences (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Primary Health Care (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Husbandry (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Cultivation Of Plants (AREA)
- Hydroponics (AREA)
Abstract
本发明提供了一种根据叶菜类作物长势进行变量施肥的方法,通过获取作物冠层的俯视图像和主视图像,提取冠幅投影面积、冠幅周长和株高三个长势信息,分别建立时间序列预测模型,通过计算各模型的指标得出最优模型,计算三个长势信息的速生期,根据速生期将整个生长期分为3个阶段,从而确定施肥策略;本发明根据作物长势情况进行变量施肥,能有效地减少肥料浪费,实现了作物营养的精确管理,降低了种植成本。
Description
技术领域
本发明属于作物施肥领域,尤其是一种根据叶菜类作物长势进行变量施肥的方法。
背景技术
植物体是由细胞组成,植物生长就是细胞数目的增多和细胞体积的增大,因此植物生长是体积和重量不可逆的增加过程。已有研究发现,作物在生长过程中经历着“慢-快-慢”的“S型”生长过程,即最初生长缓慢,然后逐渐加快进入快速生长期,达到最高速度后又减慢直至最后停止生长。无论是植物的宏观特征,如重量、表面积、高度,还是植物的微观特征,如细胞数量和蛋白质含量等的增长过程均遵循着此规律。作物水肥吸收规律与作物生长规律基本相同,生长初期吸收数量、强度都较低;随着时间的推移,对营养物质的吸收量逐渐增加;到成熟阶段,又趋于减少。
目前叶菜类作物的营养液配方大多是整个生长期营养液浓度供给相同,若整个生长期营养液浓度供给一致,不符合作物生长规律及养分吸收规律,造成肥料不必要的浪费。对于叶菜类作物,有些配方有特殊说明,如山崎营养液配方建议生菜在结球以前,适当增加营养液供给浓度。但由于生菜生长周期短,且各生长阶段表现模糊,很难明确判断各生长期。
发明内容
针对现有技术中存在不足,本发明提供了一种根据叶菜类作物长势进行变量施肥的方法,通过建立基于长势信息的时间序列模型,按照作物的生长速率,将整个生长期划分为三个阶段,进而达到了根据长势情况进行变量施肥的目的,为叶菜类作物精确施肥管理提供了依据。
本发明是通过以下技术手段实现上述技术目的的。
一种根据叶菜类作物长势进行变量施肥的方法,其特征在于,包括如下步骤:
S1、获取作物在不同生长阶段的冠幅投影面积、冠幅周长和株高,以时间为横坐标,分别以冠幅投影面积、冠幅周长和株高为纵坐标得到长势信息曲线;
S2、建立与S1所述的长势信息曲线相符的时间序列预测模型,通过指标对比所述时间序列预测模型,确定指标最佳的时间序列预测模型;
S3、计算作物生长的速生期:根据S2确定的时间序列预测模型确定公式计算作物生长的速生期;
S4、确定作物的施肥量:根据S3确定的作物生长的速生期确定施肥量。
进一步,S1所述作物冠幅投影面积、冠幅周长和株高的获取时间为每1~2天。
在上述方案中,S2所述的指标为绝对误差、绝对关联度、均方差比。
在上述方案中,S4所述的施肥量分为速生期之前、速生期、速生期之后三个阶段分别确定施肥量。
在上述方案中,所述叶菜类作物为生菜、白菜、甘蓝、油菜或菠菜。
本发明的有益效果:
(1)本发明根据作物的长势情况对作物进行变量施肥,能有效地减少肥料的浪费,并保证在作物营养的最大效率期给予充足的养分供给,由于作物的抑制或促进行为必须在生长速率达最大之前完成,所以描述作物的生长规律在作物生产中具有重要实际意义。
(2)可通过调控作物上市期,获取最大经济效益。
(3)了解作物在不同生育期的水肥吸收规律,可有效地调控水肥供给,提高了作物产量,改善了作物品质并降低了种植成本。
附图说明
图1为本发明所述叶菜类作物冠幅投影面积随时间变化曲线图。
图2为本发明所述叶菜类作物冠幅周长随时间变化曲线图。
图3为本发明所述叶菜类作物株高随时间变化曲线图。
具体实施方式
下面结合附图以及具体实施例对本发明作进一步的说明,但本发明的保护范围并不限于此。
生菜、白菜、甘蓝、油菜、菠菜等叶菜类作物性质相似,施肥量均可采用本发明所述的方法,本实施例以根据生菜长势进行变量施肥的方法为例,说明根据叶菜类作物长势进行变量施肥的方法。
根据生菜长势进行变量施肥的方法:
(1)长势信息的获取
试验在江苏大学Venlo型温室内完成(32.11N,119.27E),供试材料为意大利全年耐抽苔半结球生菜(南京沃蔬种业有限公司)。将种子放入穴盘中进行培育,待幼苗在生长到“五叶一心”时,将长势状况相似的生菜穴盘苗定植到花盆中,花盆内径为20cm。研究中采用营养液加珍珠岩的无土栽培模式,实验在环境可控温室中进行,可为作物提供较稳定的生长环境,保证夜最低温度不低于15℃,昼最高温度不高于30℃,光照强度为2000~4000LX。按山崎生菜营养配方进行施肥管理。
本研究自缓苗成功起,每隔2天进行一次图像采集,整个生长期共采集有效图像12次,每次获取单株生菜冠层的俯视及主视图像。生菜冠幅图像采集采用Canon EOS 400D相机,图像存储格式为JPEG,画质选择“精细”,图像分辨率为3888×2592。
生菜俯视图像采集时,注意以下几点:①在图像采集前,固定相机高度,利用标准白板对相机进行白平衡标定,以保证所得图像色彩还原准确;②使用相机的光圈优先模式进行拍摄,并将光圈设定在F8,ISO为100,使相机成像有足够的景深保证生菜在全部生长高度范围内都成像清晰;③在每次拍摄时采用延迟2s的自拍模式,用以消除人手在采集图像瞬间带来的微小抖动干扰;④为有利于后期图像处理,采集图像时以白色平板为图像背景,具体操作上是采用两块边缘处各有一个半圆孔的白色平板对称地卡在生菜根部,但不对生菜产生任何束缚,保证其最原始的生长状态;⑤采用标准坐标纸为后期图像处理的参考标尺,每次采集图像之前,将4cm2的标准坐标纸固定于一平面上,并根据冠层高度调整坐标纸的高度,使标尺尽量与冠幅平面保持平行,减小因不同平面成像出现的畸变误差。
生菜主视图像采集与俯视图像采集相似,标尺放置于生菜冠层的中垂线上。采集前先对花盆进行统一标记,采集时将花盆有标记面作为主视方向,由于生菜个别叶片长势突出,为全面反映其生长状况,消除偶然误差,试验中将花盆顺时针旋转90°,再次采集生菜的主视图像,两次图像获取的均值做为最终特征。
从俯视图像中提取生菜冠幅投影面积和冠幅周长信息,从俯视图像中提取株高信息。分别将每次图像提取的对应特征进行平均处理,即得到生菜冠幅投影面积(TPCA)、冠幅周长(TPCP)和株高(HP)三个序列,则三个长势参数随时间变化曲线如图1~图3,可看出曲线近似“S型”。
(2)长势信息时间序列预测模型的建立
Logistic和灰色Verhulst算法具有S型增长特征,比较符合作物的生长规律,故建立生菜冠幅投影面积、株高和冠幅周长的Logistic时间序列预测模型(如表1)和灰色Verhulst时间序列预测模型(表2)。
表1生菜冠幅投影面积、株高和冠幅周长的Logistic时间序列预测模型
(注:式中t为长势信息采集次数,和分别为冠幅投影面积、冠幅周长和株高的估计值。)
表2生菜冠幅投影面积、株高和冠幅周长的灰色Verhulst时间序列预测模型
(注:式中t为长势信息采集次数,和分别为冠幅投影面积、冠幅周长和株高的估计值。
(3)长势信息时间序列模型的评价
对模型的评价指标主要有相对误差、绝对关联度和均方差比值3个参数,通过检验的模型才可用来预测,计算结果见表3。
表3时间序列预测模型评价结果
(4)计算长势信息的速生期
由表2可知,灰色Verhulst时间序列预测模型可很好地预测冠幅投影面积和冠幅周长,冠幅投影面积和冠幅周长速生期的计算公式为:
式中,ts2为速生期起点;te2为速生期终点;a和b为系数,如表2所示;为初始时刻长势信息的实测值。
本实施例中,初始时刻冠幅投影面积和冠幅周长的实测值分别为47.2145cm2和17.0352cm,所以计算后得到冠幅投影面积的速生期从8.1543到24.6957天,持续时间为16.5414天。冠幅周长的速生期从4.2059到25.7666天,持续时间为21.5607天。
由表2可知,Logistic时间序列预测模型可很好地预测株高。故将Logistic时间序列预测模型由变化成形式,即 则速生期的计算公式为:
式中,ts1为速生期起点,te1为速生期终点,i和j为系数。
所以计算后得到株高的速生期从3.9666到28.1687天,持续时间为24.2021天。
(5)生长阶段的划分及施肥策略的确定
根据生菜冠幅投影面积、株高及冠幅周长的速生期,将整个生长周期划分为3个阶段。第一阶段为速生期之前(1~3.9666天),第二阶段为速生期为直线生长期(3.9667~28.1687天),第三阶段为速生期之后(28.1688~收获)。通过多次试验,得出第一阶段施肥量为标准配方浓度的0.9倍即可满足作物生长;第二阶段作物生长旺盛,施肥量应为标准配方浓度的1.3倍;第三阶段施肥量为标准配方浓度的0.8倍即可达到目标产量。
所述实施例为本发明的优选的实施方式,但本发明并不限于上述实施方式,在不背离本发明的实质内容的情况下,本领域技术人员能够做出的任何显而易见的改进、替换或变型均属于本发明的保护范围。
Claims (5)
1.一种根据叶菜类作物长势进行变量施肥的方法,其特征在于,包括如下步骤:
S1、获取作物在不同生长阶段的冠幅投影面积、冠幅周长和株高,以时间为横坐标,分别以冠幅投影面积、冠幅周长和株高为纵坐标得到长势信息曲线;
S2、建立与S1所述的长势信息曲线相符的时间序列预测模型,通过指标对比所述时间序列预测模型,确定指标最佳的时间序列预测模型;
S3、计算作物生长的速生期:根据S2确定的时间序列预测模型确定公式计算作物生长的速生期;
S4、确定作物的施肥量:根据S3确定的作物生长的速生期确定施肥量。
2.如权利要求1所述的根据叶菜类作物长势进行变量施肥的方法,其特征在于,S1所述作物冠幅投影面积、冠幅周长和株高的获取时间为每1~2天。
3.如权利要求1所述的根据叶菜类作物长势进行变量施肥的方法,其特征在于,S2所述的指标为绝对误差、绝对关联度、均方差比。
4.如权利要求1所述的根据叶菜类作物长势进行变量施肥的方法,其特征在于,S4所述的施肥量分为速生期之前、速生期、速生期之后三个阶段分别确定施肥量。
5.如权利要求1~4中任意一项所述的根据叶菜类作物长势进行变量施肥的方法,其特征在于,所述叶菜类作物为生菜、白菜、甘蓝、油菜或菠菜。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510163619.9A CN104820866B (zh) | 2015-04-08 | 2015-04-08 | 一种根据叶菜类作物长势进行变量施肥的方法 |
PCT/CN2015/097791 WO2016161818A1 (zh) | 2015-04-08 | 2015-12-18 | 一种根据叶菜类作物长势进行变量施肥的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510163619.9A CN104820866B (zh) | 2015-04-08 | 2015-04-08 | 一种根据叶菜类作物长势进行变量施肥的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104820866A true CN104820866A (zh) | 2015-08-05 |
CN104820866B CN104820866B (zh) | 2019-03-26 |
Family
ID=53731152
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510163619.9A Active CN104820866B (zh) | 2015-04-08 | 2015-04-08 | 一种根据叶菜类作物长势进行变量施肥的方法 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN104820866B (zh) |
WO (1) | WO2016161818A1 (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN107238574A (zh) * | 2017-06-07 | 2017-10-10 | 江苏大学 | 面向棉花靶向施肥的植株长势检测与诊断方法 |
CN109856323A (zh) * | 2018-12-11 | 2019-06-07 | 江苏大学 | 一种确定生菜不同生长阶段生态化学计量比的方法 |
CN111178437A (zh) * | 2019-12-30 | 2020-05-19 | 深圳市芭田生态工程股份有限公司 | 一种施肥方法及计算机可读存储介质 |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109858067B (zh) * | 2018-11-27 | 2022-09-27 | 河南农业大学 | 禾谷类作物长势测量模型的构建方法 |
CN111523781B (zh) * | 2020-04-14 | 2023-04-25 | 四川大学 | 一种对林线环境下岷江冷杉幼苗长势进行综合评价的方法 |
CN112797888B (zh) * | 2021-01-07 | 2022-11-29 | 江苏电子信息职业学院 | 一种基于互联网的农业信息化产业化系统 |
CN113034303A (zh) * | 2021-03-22 | 2021-06-25 | 北京农业智能装备技术研究中心 | 一种温室作物施肥方法及系统 |
CN116843493B (zh) * | 2023-07-03 | 2024-01-02 | 惠州可道科技股份有限公司 | 一种基于物联网的油茶林种植生态数字监测管理系统 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103959973A (zh) * | 2014-04-18 | 2014-08-06 | 浙江大学 | 一种精细化作物施肥系统及氮肥施肥方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140324490A1 (en) * | 2013-04-29 | 2014-10-30 | Michael H. Gurin | Distributed Farm Optimization System |
CN103868891A (zh) * | 2014-03-12 | 2014-06-18 | 中国农业科学院油料作物研究所 | 一种油菜叶片氮素营养快速诊断及推荐追氮的方法 |
CN103918392A (zh) * | 2014-04-18 | 2014-07-16 | 福建省林业科学研究院 | 一种杉木和马尾松种子园平衡施肥的实验方法 |
CN104820866B (zh) * | 2015-04-08 | 2019-03-26 | 江苏大学 | 一种根据叶菜类作物长势进行变量施肥的方法 |
-
2015
- 2015-04-08 CN CN201510163619.9A patent/CN104820866B/zh active Active
- 2015-12-18 WO PCT/CN2015/097791 patent/WO2016161818A1/zh active Application Filing
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103959973A (zh) * | 2014-04-18 | 2014-08-06 | 浙江大学 | 一种精细化作物施肥系统及氮肥施肥方法 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN107238574A (zh) * | 2017-06-07 | 2017-10-10 | 江苏大学 | 面向棉花靶向施肥的植株长势检测与诊断方法 |
CN109856323A (zh) * | 2018-12-11 | 2019-06-07 | 江苏大学 | 一种确定生菜不同生长阶段生态化学计量比的方法 |
CN109856323B (zh) * | 2018-12-11 | 2021-08-03 | 江苏大学 | 一种确定生菜不同生长阶段生态化学计量比的方法 |
CN111178437A (zh) * | 2019-12-30 | 2020-05-19 | 深圳市芭田生态工程股份有限公司 | 一种施肥方法及计算机可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
WO2016161818A1 (zh) | 2016-10-13 |
CN104820866B (zh) | 2019-03-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104820866A (zh) | 一种根据叶菜类作物长势进行变量施肥的方法 | |
Du et al. | Deficit irrigation and sustainable water-resource strategies in agriculture for China’s food security | |
Yang et al. | The impact of free-air CO2 enrichment (FACE) and N supply on yield formation of rice crops with large panicle | |
Xie et al. | Dense planting with reducing nitrogen rate increased grain yield and nitrogen use efficiency in two hybrid rice varieties across two light conditions | |
Li et al. | Evaluation and application of ORYZA2000 for irrigation scheduling of puddled transplanted rice in north west India | |
Zhang et al. | Effect of soil water deficit on evapotranspiration, crop yield, and water use efficiency in the North China Plain | |
Humphreys et al. | Evaluation of tradeoffs in land and water productivity of dry seeded rice as affected by irrigation schedule | |
Yang et al. | Reduced groundwater use and increased grain production by optimized irrigation scheduling in winter wheat–summer maize double cropping system—A 16-year field study in North China Plain | |
CN105494033B (zh) | 一种基于作物需求的智能节水灌溉方法 | |
CN103858578B (zh) | 马铃薯种薯种植施肥调控的方法 | |
Ting-Hui et al. | Effect of nitrogen management on yield and water use efficiency of rainfed wheat and maize in Northwest China | |
CN109673439B (zh) | 一种水肥耦合对水稻产量及生长性状的调控方法 | |
CN103262741B (zh) | 一种促进烟草漂浮苗生长发育的方法 | |
He et al. | Rice root system spatial distribution characteristics at flowering stage and grain yield under plastic mulching drip irrigation (PMDI). | |
CN103745407A (zh) | 借助智能手机和gps制定作物精确栽培方案的方法和系统 | |
CN103190261A (zh) | 一种旱作马铃薯栽培的覆膜方法 | |
CN104718933A (zh) | 一种周年连作宽垄沟的玉米产量的预测方法和灌水质量的评价方法 | |
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 | |
CN102584399B (zh) | 肥料配制方法及系统 | |
Svoboda et al. | Ecological efficiency of maize-based cropping systems for biogas production | |
CN105052335A (zh) | 一种提高生菜氮肥利用率的施肥方法 | |
Quan et al. | Future climate change impacts on mulched maize production in an arid irrigation area | |
CN102160502B (zh) | 一种确定温室作物日需肥量的方法 | |
CN107581061B (zh) | 一种油菜种子灌浆期高温耐受性高效筛选鉴定方法 | |
CN103650730B (zh) | 一种根据作物投影面积和植株高度进行施肥的方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
EXSB | Decision made by sipo to initiate substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |