CN107577892B - 一种农作物用地表面结构状况的模拟仿真方法 - Google Patents
一种农作物用地表面结构状况的模拟仿真方法 Download PDFInfo
- Publication number
- CN107577892B CN107577892B CN201710847356.2A CN201710847356A CN107577892B CN 107577892 B CN107577892 B CN 107577892B CN 201710847356 A CN201710847356 A CN 201710847356A CN 107577892 B CN107577892 B CN 107577892B
- Authority
- CN
- China
- Prior art keywords
- simulation
- crops
- scale
- farmland
- land
- 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
一种农作物用地表面结构状况的模拟仿真方法,用于根据不同的农业用地区域、农作物种植类型及农作物管理方式、同时考虑相关学科研究的具体要求,按照小尺度农田地表粗糙度特征参数及农作物用地周期性沟垄结构特征参数对农作物用地表面进行三维仿真模拟及对农作物地表结构粗糙度状况的二维剖面仿真模拟;同时,通过该方法还可以实现对农作物用地表面结构动态演化过程的生成。根据不同耕作方式下对农田地表状况随时间的动态变化规律的模拟结果,指导农民合理选择耕作方式,及时对农田表面进行修复,实现有效减少土壤结构的破坏和养分的流失,提高现有农田沟垄结构的水土、养分的保持能力和防风蚀能力,从而提高农作物的成活率,增加农作物的产量。
Description
技术领域
本发明涉及一种农作物用地表面结构状况的模拟仿真方法。
背景技术
在农业生产中,农作物用地表面结构的形成和发展主要受到人为耕作方式的主导因素影响,同时也与土壤质地、土壤水分、风蚀过程、降水过程及沉降过程等综合自然因素密切相关;此外,农作物用地的地表径流类型与地表径流入渗过程、土壤本身的抗风蚀能力及土壤呼吸作用状况等都会对农作物表面的结构状况产生不同程度的影响。农作物用地表面结构体现在大尺度上即为农作物周期性沟垄形态的表面结构,属于定向的粗糙度形式;小尺度即为水平地表上随机形态的表面结构,属于随机的粗糙度形式。不同的耕作方式下农田地表的结构状况及其发展变化对于农作物的产量起到至关重要的作用,农田表面的粗糙度结构不同,其对光合产物的积累,排水防涝,阻风防沙,抗倒伏等功能也差异巨大。因此,精确获取表征农田地表状况的粗糙度参数,对于定量化研究及定性化描述农作物长势、合理选择农田管理方式和耕作方式、模拟农田水文过程、提高农作物遥感反演精度及土壤结构力学的研究等诸多领域的研究和应用都具有非常重要的指导和决策意义。
在农田地表状况的粗糙度测量中,根据测量方式是否需要与地表直接接触,可分为接触式测量和非接触式测量两类。接触式测量主要涉及针式测量、板式测量和链式测量几种主要类型,接触式测量方法造价低廉,使用方便,但测量区域极其有限,且测量过程受地形影响大,同时会对测量区域造成一定的破坏,拍照过程和设备的损耗也会直接影响测量的精度;相比于接触式测量方法,非接触式测量主要基于激光三角法进行扫描测量和利用干涉摄影测量技术获取的立体相对实现对地表高度的测量和粗糙度的计算,虽然精度较高,但也存在设备造价昂贵,体积重量大不便于携带,处理算法复杂等缺点,普及性较差。同时,不论接触式测量方法还是非接触式测量方法,获取的地表粗糙度都是实地测量的有限区域内的特征参数,无法对大面积农田区域的地表状况进行获取和描述。现有的对大面积区域地表状况多采用模拟仿真方法,但模拟方法也均是针对多次实际测量的粗糙度结果进行线性或非线性的空间插值方法,该方法涉及的前期工作费时费力,且仅能对研究区一种特定的地表状况进行模拟,具有很大的局限性。
发明内容
基于以上不足之处,本发明的目的是提供一种农作物用地表面结构状况的模拟仿真方法,该方法实现了对农作物管理、农作物生产以及与土壤相关的学科的定性化描述及定量化研究中所涉及到的真实农作物用地表面状况参数的模拟,提供了免耕条件下地表状况的随机粗糙度参数;提供了符合不同耕作方式及形态特点的周期性沟垄结构定向粗糙度参数;同时,本发明还能够根据粗糙度参数随时间的变化规律,模拟不同耕种方式下农田地表状况随时间的动态过程和变化规律特征,这对于农作物的长势尤其是早期农业育苗期种床准备情况的方案选择具有重要意义。利用本发明涉及模拟方法所实现的农田地表粗糙度状况的提取结果,结合种植区域的土壤质地和气象条件,可以有效指导农作物的种植类型,优化农田管理模式,提高农作物的耕作质量;根据本发明涉及方法对农田表面结构的动态变化,还可以合理选择灌溉方式,改进作物的耕作方式,提高农田防风固沙和水土保持的能力。
本发明所采用的技术如下:一种农作物用地表面结构状况的模拟仿真方法,步骤如下:
(一).小尺度农作物用地表面结构状况的模拟仿真
1.确定农田地表的模拟尺度参数,包括待模拟农田区域的长度和宽度。
2.确定用于表征小尺度农作物用地表面状况的粗糙度参数,包括相关长度和均方根高度。
3.根据待模拟农田区域的长度和宽度,以及输入的相关长度计算数据点的总数,按照基尔霍夫定律对这些数据点进行计算,使得这些数据点的均方根高度数据符合一定的统计分布特征,如指数分布特征或高斯分布特征。
4.根据数据点的位置分布,将每个点的均方根高度数据叠加在生成的模拟地表区域上(模拟地表的初始高度为0),从而生成小尺度农作物用地表面的随机粗糙结构特征。
5.采用种子生长法,以模拟区域的任意坐标点作为种子点,生成水平或垂直剖面,以获取三维及二维剖面的均方根高度分布数据图。
6.根据免耕条件下土壤粗糙度参数随时间的动态变化曲线,选择并输入表征农田地表结构状况的均方根高度和相关长度参数,实现对免耕结构下的农作物用地表面结构随时间的演化过程进行仿真模拟。
(二).大尺度农作物用地表面结构状况的模拟仿真
1.确定沟垄结构的形态函数曲线,提取表征大尺度农作物用地的沟垄特征表面结构参数,确定待模拟农作物用地区域的长度和宽度。根据沟垄结构参数和农田范围生成大尺度的光滑沟垄结构表面。
2.确定用于表征小尺度农作物用地表面状况的粗糙度参数,包括相关长度和均方根高度。
3.参考待模拟农作物用地的长度和宽度,以及输入的相关长度计算用于该模拟区域的数据点的总数,按照基尔霍夫定律对这些数据点进行计算,使得这些数据点的均方根高度数据符合一定的统计分布特征,如指数分布特征或高斯分布特征。
4.根据数据点的位置分布,将每个点的均方根高度数据叠加在生成的模拟地表区域上(模拟地表的初始高度为0)作为小尺度农作物用地表面的随机粗糙结构特征,然后将小尺度的地表高度数据按照坐标位置叠加在光滑的垄结构表面,最终生成大尺度农作物用地表面的沟垄结构粗糙特征。
5.采用种子生长法,以模拟区域的任意坐标点作为种子点,生成水平或垂直剖面,以获取剖面的三维及二维剖面的均方根高度分布数据图。
6.根据不同耕作条件下土壤粗糙度参数随时间的动态变化曲线,选择并输入表征农田地表结构状况的均方根高度和相关长度参数,实现对具有沟垄结构的农作物用地表面结构随时间的演化过程进行仿真模拟。
本发明的有益效果及优点:通过本发明涉及的地表结构状况模拟方法,不仅能够对相关学科领域内的研究提供准确的参数模拟结果,更重要的意义在于对于农作物的生产种植和管理过程中,可以合理根据本发明涉及的地表结构状况模拟结果,结合土壤质地等理化性质,温度、湿度等气候特点,农民的种植习惯,指导农民合理地选择农作物的种植类型;同时,根据不同耕作方式下对农田地表状况随时间的动态变化规律的模拟结果,还可以指导农民合理选择耕作方式,及时对农田表面进行修复,实现有效减少土壤结构的破坏和养分的流失,提高现有农田沟垄结构的水土、养分的保持能力和防风蚀能力,从而提高农作物的长势和育苗期作物的种床准备效率,提高作物的成活率,增加农作物的产量。由于土壤质地、农作物类型、气候条件、作物耕作方式、作物管理方式的区别,农田地表状况会随时间动态变化,本发明还可以根据地表粗糙度参数随时间的变化曲线,选择并输入表征农田地表结构状况的参数,实现对免耕结构的农作物用地表面结构的演化过程进行仿真模拟和对具有沟垄结构的农作物用地表面结构的演化过程进行仿真模拟
附图说明
图1满足高斯分布小尺度粗糙地表三维模拟结果图;
图2满足高斯分布小尺度粗糙度三维模拟剖面图,单位:m;
图3满足指数分布小尺度粗糙地表三维模拟结果图;
图4满足指数分布小尺度粗糙度三维模拟剖面图,单位:m;
图5满足高斯分布大尺度农田地表三维模拟结果图;
图6满足高斯分布大尺度农田地表三维模拟剖面图,单位:m;
图7满足指数分布大尺度农田地表三维模拟结果图;
图8满足指数分布大尺度农田地表三维模拟剖面图,单位:m。
具体实施方式
下面根据附图举例对本发明做进一步说明:
实施例1
如图1所示,利用计算机软件编程实现小尺度下无翻耕农作物用地表面结构及大尺度下符合正弦曲线形态的周期性沟垄结构农作物表面的仿真模拟,参数如下:均方根高度:0.01m;相关长度:0.05m;垄结构周期:0.65m;垄高:0.3m;垄宽:0.4m;周期个数:2。
根据农作物的种类及种植管理方式划分,农作物用地的表面结构在大尺度上表征为光滑表面或周期性的沟垄结构特征,这可以理解为一种定向的粗糙度特征状况;在小尺度上,受到土壤类型及土壤团聚方式的影响,农作物用地的表面结构表征理解为一种非定向的随机粗糙度特征状况。
通常情况下,人工或机械翻耕过的农作物用地表面结构状况是大尺度上周期性的沟垄结构状况与小尺度上土壤团聚体随机的粗糙度分布状况的组合叠加;未通过人工或机械翻耕过的农作物用地表面结构只表现为小尺度上团聚体随机分布的粗糙度特征。
这就表明可以针对不同的农作物用地类型及农作物的种植类型,通过设置小尺度下表征粗糙度特征的地表均方根高度和地表相关长度两个特征参数,同时调整和输入大尺度下农田沟垄结构的形态特征参数,结合基尔霍夫定律的理论背景,就可以实现农作物地表结构粗糙度状况的三维仿真模拟及对农作物地表结构粗糙度状况的二维剖面仿真模拟;同时,通过该方法还可以实现对农作物用地表面结构动态演化过程的生成。
一种农作物用地表面结构状况的模拟仿真方法,具体步骤如下:
一.模拟仿真小尺度随机粗糙度特征的农作物用地表面结构状况
1.确定表征农作物用地地表区域的相关参数,包括待模拟农作物用地区域长度和宽度,单位为米,根据长度和宽度生成农田地表的基准面,将基准面的高度设置为0米。
2.利用计算机软件,通过编程确定小尺度下表征农作物用地表面的随机粗糙结构特征参数,包括均方根高度σ和相关长度Lc,均方根高度σ和相关长度Lc单位为米。且这两个参数都是相对于实施方式1中的待模拟农作物用地区域的基准面而言的。对于某一确定方向的二维离散数据,以X轴为例,均方根高度σ可用下式计算。
对于某一确定方向的二维离散数据,以X轴为例,相关长度Lc可用下式计算
相关长度Lc定义为当ρ(x')等于1/e时的间隔x'值。
3.根据待模拟的农作物用地区域大小,通过编程确定该农作物用地区域内数据点的总数,且所有数据点在X轴方向和Y轴方向分布均匀。在这种情况下,小尺度的农作物用地表面就可以由自相关函数描述的各向同性随机粗糙表面来描述。因此,基于基尔霍夫的相关理论知识,数据点的高度数据可以通过下列的公式计算得到
式中,Zk,l表示农田表面高度,Xj+k,m+l表示服从高斯或者指数分布特征的随机数据点。Wj,m为权重函数,权重函数可由下式计算得到。
其中,C表示相关函数,F为傅里叶变换函数。在自然界中,农作物用地表面土壤粗糙度特征表现为各向同性,因此本发明将X轴方向的相关长度和均方根高度与Y轴方向的相关长度和均方根高度设置为相等,其高度的相关函数可由下式计算:
其中,公式(5)表示用于表征农作物用地表面结构状况的随机数据点服从高斯分布的相关函数,(6)表示用于表征农作物用地表面结构状况的随机数据点服从指数分布的相关函数。
4.跟据用于表征农作物用地表面结构状况的随机数据点的位置分布特征,在计算机软件中通过编程实现任意次数的小尺度随机粗糙度特征的农作物用地表面结构状况模拟,每次模拟在编程软件中将公式3中每个随机点点生成的均方根高度数据叠加在模拟地表区域的基准面上,从而实现对符合小尺度下随机粗糙度特征的农作物用地表面结构的三维仿真模拟,通过编程存储仿真图像,以及数据点的三维数据信息,便于在进一步研究中处理和比较。
5.根据需要,在仿真过程中可以采用种子生长法,在编程软件中以模拟区域的任意坐标点作为种子点,生成垂直或水平切面获取其三维的均方根高度分布数据图,实现对小尺度随机粗糙度特征的农作物用地表面结构任意次数的仿真模拟。通过编程的形式存储仿真图像,以及数据点的三维坐标信息,便于在进一步研究中处理和比较,通过编程提取种子点的二维剖面信息,获取并储存农田沟垄结构的剖面曲线图像,以及剖面数据点的二维数据信息,便于在进一步研究中处理和比较。
二.模拟仿真大尺度沟垄结构特征的农作物用地表面结构状况
1.确定大尺度沟垄结构特征的农作物用地地表区域的相关参数,包括待模拟的农作物用地区域长度和宽度,单位为米;结合不同农作物类型和管理差异,以及农田沟垄结构的时序变化特点,确定农田垄结构参数的形态曲线,例如:刚翻耕过的沟垄结构服从三角形曲线,压实后沟垄结构服从梯形曲线,经过一段时间后的沟垄结构服从正弦函数曲线,根据曲线特征提取大尺度农作物用地的沟垄特征表面结构参数。根据待模拟农作物用地沟垄结构参数和地表尺度范围参数,模拟生成符合不同形态特征的大尺度周期性的光滑农田垄结构表面。
2.利用计算机软件,通过编程确定用于表征小尺度下农作物用地表面状况的粗糙度的参数,包括均方根高度σ和相关长度Lc,均方根高度σ和相关长度Lc单位为米。且这两个参数都是相对于实施例1中的待模拟农作物用地区域的基准面而言的。对于某一确定方向的二维离散数据,以X轴为例,均方根高度σ可用下式计算。
对于某一确定方向的二维离散数据,以X轴为例,相关长度Lc可用下式计算
相关长度Lc定义为当ρ(x')等于1/e时的间隔x'值。
3.根据待模拟的农作物用地区域大小,通过计算机软件编程确定该农作物用地区域内数据点的总数,且所有数据点在X轴方向和Y轴方向分布均匀。在这种情况下,小尺度的农作物用地表面就可以由自相关函数描述的各向同性随机粗糙表面来描述。因此,基于基尔霍夫的相关理论知识,数据点的高度数据可以通过下列的公式计算得到
式中,Zk,l表示农田表面高度,Xj+k,m+l表示服从高斯或者指数分布特征的随机数据点。Wj,m为权重函数,权重函数可由下式计算得到。
其中,C表示相关函数,F为傅里叶变换函数。在自然界中,农作物用地表面土壤粗糙度特征表现为各向同性,因此本发明将X轴方向的相关长度和均方根高度与Y轴方向的相关长度和均方根高度设置为相等,其高度的相关函数可由下式计算:
其中,公式(5)表示用于表征农作物用地表面结构状况的随机数据点服从高斯分布的相关函数,(6)表示用于表征农作物用地表面结构状况的随机数据点服从指数分布的相关函数。
4.根据用于表征农作物用地表面结构状况的随机数据点的位置分布特征,在计算机软件中通过编程实现任意次数的小尺度随机粗糙度特征的农作物用地表面结构状况模拟,每次模拟在编程软件中将公式3中每个随机点生成的均方根高度数据叠加在模拟地表区域的周农作物周期性的光滑沟垄结构表面上,从而实现对符合大尺度下拥有沟垄结构特征的农作物用地表面结构状况的三维仿真模拟,通过编程的形式存储仿真图像,以及数据点的三维数据信息,便于在进一步研究中处理和比较。
5.根据需要,采用种子生长法,在编程软件中以模拟区域的任意坐标点作为种子点,生成垂直或水平切面获取其三维的均方根高度分布数据图,并将其叠加在农作物周期性沟垄结构基准面,从而实现对大尺度随机粗糙度特征的农作物用地表面结构任意次数的仿真模拟。通过编程的形式存储仿真图像,以及数据点的三维坐标信息,便于在进一步研究中处理和比较,通过编程提取种子点的二维剖面信息,获取并储存农田沟垄结构的剖面曲线图像,以及剖面数据点的二维数据信息,便于在进一步研究中处理和比较。
6.根据不同耕作条件下土壤粗糙度参数随时间的动态变化曲线,选择并输入表征农田地表结构状况的均方根高度和相关长度参数,实现对具有沟垄结构的农作物用地表面结构随时间的演化过程进行仿真模拟。
Claims (1)
1.一种农作物用地表面结构状况的模拟仿真方法,所述的农作物用地表面结构体现在大尺度上即为农作物周期性沟垄形态的表面结构,属于定向的粗糙度形式;小尺度即为水平地表上随机形态的表面结构,属于随机的粗糙度形式,其特征在于,模拟仿真方法步骤如下:
(一)小尺度农作物用地表面结构状况的模拟仿真:
(1.1)确定农田地表的模拟尺度参数,包括待模拟农田区域的长度和宽度;
(1.2)确定用于表征小尺度农作物用地表面状况的粗糙度参数,包括相关长度和均方根高度;
(1.3)根据待模拟农田区域的长度和宽度,以及输入的相关长度计算待模拟区域数据点的总数,按照基尔霍夫定律对这些数据点进行计算,使得这些数据点的均方根高度数据符合指数分布特征或高斯分布特征;
(1.4)根据数据点的位置分布,将每个点的均方根高度数据叠加在生成的模拟地表区域上,模拟地表的初始高度为0,从而生成小尺度农作物用地表面的随机粗糙结构特征;
(1.5)采用种子生长法,以模拟区域的任意坐标点作为种子点,生成水平或垂直剖面,以获取三维及二维剖面的均方根高度分布数据图;
(1.6)根据免耕条件下土壤粗糙度参数随时间的动态变化曲线,选择并输入表征农田地表结构状况的均方根高度和相关长度参数,实现对免耕结构下的农作物用地表面结构随时间的演化过程进行仿真模拟;
(二)大尺度农作物用地表面结构状况的模拟仿真:
(2.1)确定沟垄结构的形态函数曲线,提取表征大尺度农作物用地的沟垄特征表面结构参数,确定待模拟农作物用地区域的长度和宽度,根据沟垄结构参数和农田范围生成大尺度的光滑沟垄结构表面;
(2.2)确定用于表征小尺度农作物用地表面状况的粗糙度参数,包括相关长度和均方根高度;
(2.3)参考待模拟农作物用地的长度和宽度,以及输入的相关长度计算用于该待模拟区域的数据点的总数,按照基尔霍夫定律对这些数据点进行计算,使得这些数据点的均方根高度数据符合指数分布特征或高斯分布特征;
(2.4)根据数据点的位置分布,将每个点的均方根高度数据叠加在生成的模拟地表区域上,模拟地表的初始高度为0,作为小尺度农作物用地表面的随机粗糙结构特征,然后将小尺度的地表高度数据按照坐标位置叠加在光滑的垄结构表面,最终生成大尺度农作物用地表面的沟垄结构粗糙特征;
(2.5)采用种子生长法,以模拟区域的任意坐标点作为种子点,生成水平或垂直剖面,以获取剖面的三维及二维剖面的均方根高度分布数据图;
(2.6)根据不同耕作条件下土壤粗糙度参数随时间的动态变化曲线,选择并输入表征农田地表结构状况的均方根高度和相关长度参数,实现对具有沟垄结构的农作物用地表面结构随时间的演化过程进行仿真模拟。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710847356.2A CN107577892B (zh) | 2017-09-19 | 2017-09-19 | 一种农作物用地表面结构状况的模拟仿真方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710847356.2A CN107577892B (zh) | 2017-09-19 | 2017-09-19 | 一种农作物用地表面结构状况的模拟仿真方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107577892A CN107577892A (zh) | 2018-01-12 |
CN107577892B true CN107577892B (zh) | 2020-03-31 |
Family
ID=61032778
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710847356.2A Expired - Fee Related CN107577892B (zh) | 2017-09-19 | 2017-09-19 | 一种农作物用地表面结构状况的模拟仿真方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107577892B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102855351A (zh) * | 2012-08-09 | 2013-01-02 | 中国科学院地理科学与资源研究所 | 一种基于统计数据和遥感数据的农作物秸秆资源空间化方法 |
CN105760581A (zh) * | 2016-01-29 | 2016-07-13 | 中国科学院地理科学与资源研究所 | 一种基于osg的沟道流域整治规划仿真方法及系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10176280B2 (en) * | 2015-01-23 | 2019-01-08 | Clearag, Inc. | Modeling of crop growth for desired moisture content of bovine feedstuff and determination of harvest windows for corn silage using field-level diagnosis and forecasting of weather conditions and field observations |
-
2017
- 2017-09-19 CN CN201710847356.2A patent/CN107577892B/zh not_active Expired - Fee Related
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102855351A (zh) * | 2012-08-09 | 2013-01-02 | 中国科学院地理科学与资源研究所 | 一种基于统计数据和遥感数据的农作物秸秆资源空间化方法 |
CN105760581A (zh) * | 2016-01-29 | 2016-07-13 | 中国科学院地理科学与资源研究所 | 一种基于osg的沟道流域整治规划仿真方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN107577892A (zh) | 2018-01-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
De Benedetto et al. | Field partition by proximal and remote sensing data fusion | |
Schmidt et al. | Comparison of DEM data capture and topographic wetness indices | |
WO2020047240A9 (en) | Subfield moisture model improvement using overland flow modeling with shallow water computations | |
Eltz et al. | Surface roughness changes as affected by rainfall erosivity, tillage, and canopy cover | |
Fu et al. | Delineating soil nutrient management zones based on fuzzy clustering optimized by PSO | |
CN106643529A (zh) | 基于无人机影像的山区农作物生长高度快速测量的方法 | |
Hussain et al. | Irrigation scheduling for cotton cultivation | |
Cillis et al. | Field-scale electrical resistivity profiling mapping for delineating soil condition in a nitrate vulnerable zone | |
CN106845428A (zh) | 一种作物产量遥感估算方法及系统 | |
Wang et al. | Validation of the EPIC model using a long-term experimental data on the semi-arid Loess Plateau of China | |
James et al. | Determination of soil type boundaries using electromagnetic induction scanning techniques | |
CN111489092B (zh) | 一种植物栽培种植环境适生区的评估方法及系统 | |
CN102903145A (zh) | 植物群体形态结构三维重建方法 | |
CN109325433A (zh) | 引入地形因子的黑土区大豆生物量多时相遥感反演方法 | |
Li et al. | Soil moisture dynamics and implications for irrigation of farmland with a deep groundwater table | |
CN110232254A (zh) | 一种动态模拟计算水稻生长的模型构建方法及应用 | |
Hu et al. | Phenotyping of poplar seedling leaves based on a 3D visualization method | |
CN108205718A (zh) | 一种粮食作物抽样测产方法及系统 | |
Thorp | Long-term simulations of site-specific irrigation management for Arizona cotton production | |
Wei et al. | Dynamic simulation of leaf area index for the soybean canopy based on 3D reconstruction | |
Xingming et al. | Measuring surface roughness of agricultural soils: Measurement error evaluation and random components separation | |
CN107577892B (zh) | 一种农作物用地表面结构状况的模拟仿真方法 | |
CN108332719A (zh) | 坡耕地土壤耕作侵蚀速率快速估算方法 | |
Jakalia et al. | Implications of soil resistivity measurements using the electrical resistivity method: a case study of A maize farm under different soil preparation modes at knust agricultural research station, kumasi | |
Momm et al. | Methods for gully characterization in agricultural croplands using ground-based light detection and ranging |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20200331 Termination date: 20210919 |
|
CF01 | Termination of patent right due to non-payment of annual fee |