CN108414677A - 一种单体活立木生物量估算方法及系统 - Google Patents
一种单体活立木生物量估算方法及系统 Download PDFInfo
- Publication number
- CN108414677A CN108414677A CN201711277596.XA CN201711277596A CN108414677A CN 108414677 A CN108414677 A CN 108414677A CN 201711277596 A CN201711277596 A CN 201711277596A CN 108414677 A CN108414677 A CN 108414677A
- Authority
- CN
- China
- Prior art keywords
- tree
- caulome
- moisture
- monomer
- biomass
- 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
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/0098—Plants or trees
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/17—Function evaluation by approximation methods, e.g. inter- or extrapolation, smoothing, least mean square method
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Computational Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Pure & Applied Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Biophysics (AREA)
- Wood Science & Technology (AREA)
- Biomedical Technology (AREA)
- Evolutionary Computation (AREA)
- Computational Linguistics (AREA)
- Computing Systems (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Botany (AREA)
- Artificial Intelligence (AREA)
- Molecular Biology (AREA)
- Food Science & Technology (AREA)
- Medicinal Chemistry (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种单体活立木生物量估算方法及系统。所述方法包括:基于待测单体活力木的茎体水分、胸径和树高,利用单体活立木生物量估算模型,得到所述单体活立木的生物量。本发明提供的一种单体活立木生物量估算方法及系统,通过单体活立木茎体水分、胸径和树高与生物量对应关系建立的估算模型,可以快速得到单体活立木的生物量,进而对整个森林生态系统中的生物量进行估测,测量时不需要大量破坏活立木,测量方便且有利于环境保护。
Description
技术领域
本发明涉及林区植物生物量估算技术领域,更具体地,涉及一种单体活立木生物量估算方法及系统。
背景技术
生物量是指某一时刻单位面积内实存生活的有机物质(干重)(包括生物体内所存食物的重量)的总称,测定群落的生物量,可以反映群落利用自然潜力的能力,衡量群落生产力的高低,也是研究森林生态物质循环的基础。对单体活立木来说,测定其生物量可以评价该树种的生产能力并对提高营林能力水平和综合其产品都具有重要意义。
但是目前活立木生物量的测量方法主要为皆伐法和平均木标准法。其中,皆伐法是在典型林分地段设置标准样地,皆伐样地内的所有林木,分不同器官测定其重量,而对下木及草本层则设置若干小样方进行皆伐收割,最后根据样地面积和样地内林分的生物量确定单位面积生物量,该方法还需将一定面积的林木连根挖出称重。而平均木法是根据样地立木调查的资料计算出全部立木的平均胸高断面积,选出代表该样地最接近这个平均值的几株标准木,伐倒后求出平均木的生物量,再乘以该林分单位面积上的株数,得单位面积上林分乔木层的生物量;或按不同径阶株数权重选取样木,伐倒称重后再乘上各径阶株数,最后合计得到全林分生物量。平均木法比较适用于林木大小具有小的或中等离散度的正态频率分布的林分,例如人工林。
上述活立木生物量测量方法需要将活立木伐倒,甚至连根拔起,具有一定破坏性,并且整个测量过程比较繁琐,费时费力。
发明内容
本发明提供一种克服上述问题或者至少部分地解决上述问题的单体活立木生物量估算方法及系统。
根据本发明的一个方面,提供一种单体活立木生物量估算方法,包括:
基于待测单体活力木的茎体水分、胸径和树高,利用单体活立木生物量估算模型,得到所述单体活立木的生物量。
优选地,所述单体活立木生物量估算模型的建立包括:
S1,在人工林中采样测量不同时间节点下的茎体水分、胸径和树高,并测量对应时间节点下的生物量;
S2,将所述每个节点下的茎体水分、胸径和树高作为输入,对应时间节点下的生物量作为输出校准值,对循环神经网络模型进行训练,最终得到所述活立木生物量的估算模型。
优选地,在步骤S1和S2之间还包括:
S11,对所述不同时间节点下的茎体水分进行温度补偿;
S12,对所述不同时间节点下的茎体水分、胸径和树高进行滤波处理。
优选地,所述待测单体活力木的茎体水分、胸径和树高的获取过程包括:
对所述单体活立木的茎体水分、胸径和树高进行测量;
对所述单体活立木的茎体水分进行温度补偿;
对所述单体活立木的茎体水分、胸径和树高进行滤波处理。
优选地,所述茎体水分采用双金属环式结构测量,并对预设时间段内对所述茎体水分进行预设频率的间隔测量。
优选地,所述温度补偿具体包括:采用温度测量模块测量实时温度,建立温度影响下所述茎体水分变化的温度补偿模型,将测量得到的实时温度代入温度补偿模型对所述茎体水分进行温度补偿。
优选地,所述温度补偿模型通过测量不同温度下同一活立木对应的茎体水分值,并对所述不同温度和不同温度对应的茎体水分进行线性化拟合。
优选地,采用限幅平均滤波法对所述茎体水分、胸径和树高进行滤波处理。
根据本发明的另一方面,提供一种单体活立木生物量估算系统,包括:
模型估算单元,用于根据采集的单体活力木的茎体水分、胸径和树高,并利用单体活立木生物量估算模型,得到所述单体活立木的生物量。
优选地,所述系统还包括:
数据采集单元,用于采集单体活力木的茎体水分、胸径和树高;
温度补偿单元,用于对所述茎体水分进行温度测量和补偿;
滤波单元,用于对所述茎体水分、胸径及树高进行滤波处理。
本发明提供的一种单体活立木生物量估算方法及系统,通过根据单体活立木茎体水分、胸径和树高与生物量对应关系建立的估算模型,可以快速得到单体活立木的生物量,进而对整个森林生态系统中的生物量进行估测,并且不需要大量破坏活立木,测量过程方便。
附图说明
图1为根据本发明的单体活立木生物量估算模型建立的流程图;
图2为根据本发明一个优选实施例的单体活立木生物量估算模型建立的流程图;
图3为根据本发明一个优选实施例的一种单体活立木生物量估算系统的连接关系图。
具体实施方式
下面结合附图和实施例,对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明,但不用来限制本发明的范围。
循环神经网络(Recurrent Neural Networks,RNNs)的主要思想是使用序列信息。在传统的神经网络中,认为所有的输入和输出彼此之间是互相独立的,但是对于很多任务而言并不合适。循环神经网络之所以称之为循环,是因为对于序列中每个元素都执行相同的任务,输出依赖于之前的计算。
本实施例利用循环神经网络模型进行单体活立木生物量估算模型的建立,一种单体活立木生物量估算方法,包括:基于待测单体活力木的茎体水分、胸径和树高,利用单体活立木生物量估算模型,得到所述单体活立木的生物量。
具体地,为了方便的得到单体活立木的生物量,采用预先建立的单体活立木生物量估算模型,将单体活力木的茎体水分、胸径和树高作为输入,由于单体活立木生物量估算模型中已经建立了茎体水分、胸径和树高与生物量的对应关系,经过模型对茎体水分、胸径和树高的特征提取,输出单体活立木的生物量。
上述实施例提供的单体活立木生物量估算方法,根据单体活立木茎体水分、胸径和树高与生物量的对应关系,可以快速得到单体活立木的生物量,进而对整个森林生态系统中的生物量进行估测,并且不需要大量破坏活立木,测量过程方便。
基于上述实施例的内容,图1为根据本发明的单体活立木生物量估算模型建立的流程图,如图1所示,单体活立木生物量估算模型的建立包括:S1,在人工林中采样测量不同时间节点下的茎体水分、胸径和树高,并测量对应时间节点下的生物量;S2,将所述每个节点下的茎体水分、胸径和树高作为输入,对应时间节点下的生物量作为输出校准值,对循环神经网络模型进行训练,得到所述活立木生物量的估算模型。
具体地,单体活立木生物量估算模型的建立首先需要人工取样。取样包括在人工林中采样测量不同时间节点下的茎体水分、胸径和树高,每一时间节点下的茎体水分、胸径和树高数据作为一组输入样本,对应的每一时间节点下的生物量作为一组输入样本的输出校准值。其中,在取样时由于数据样本较少,每一时间节点下的生物量可采用常用的皆伐法或平均木标准法获得。本实施例采用循环神经网络模型进行建模,并使用BP(BackPropagation)误差反向传播算法对循环神经网络模型进行训练,在进行循环神经网络训练时,对茎体水分、胸径和树高进行初始化限定,将单体活立木生物量视为有着受限权重的前馈网络并指定其终极状态,通过对终极状态进行指定从而获得各层单元的误差信号,进而修正各单元的矩阵权值,并且循环神经网络能够将每个时间步上得到的对应参数的导数加起来,最终训练得到活立木生物量的估算模型。
上述实施例提供的单体活立木生物量估算方法,利用循环神经网络模型进行活立木生物量的估算模型建立和训练,能够在时间序列上对不同时间节点的输入和输出样本数据进行有效的拟合,提高模型建立的准确性。
基于上述各实施例的内容,图2为根据本发明一个优选实施例的单体活立木生物量估算模型建立的流程图,如图2所示,在S1和S2之间还包括:S11,对不同时间节点下的茎体水分进行温度补偿;S12,对不同时间节点下的茎体水分、胸径和树高进行滤波处理。
具体地,为了使得测量的数据更加准确可靠,需要对采样测量的不同时间节点下的茎体水分、胸径和树高数据进行优化处理。由于茎体水分受温度的影响较大,需要对其在不同温度下的茎体水分进行温度补偿,以提高茎体水分数据的测量精度。在对茎体水分数据进行温度补偿之后,需要对不同时间节点下的茎体水分、胸径和树高的数据进行滤波处理,去除数据中对测量结果的干扰因素,进一步提高测量数据的精度,为活立木生物量的估算模型建立提供精确的输入样本,从而提高活立木生物量的估算模型的估算精度。
基于上述各实施例的内容,在模型建立之后的实际应用过程中,对于单体活力木的茎体水分、胸径和树高的数据测量任然需要以下步骤:对所述单体活立木的茎体水分、胸径和树高进行测量;对所述单体活立木的茎体水分进行温度补偿;对所述单体活立木的茎体水分、胸径和树高进行滤波处理。为了保证估算模型地输入数据特征提取的准确性,具体的数据测量过程和采样时应相同,相应的对茎体水分的温度补偿以及对单体活立木的茎体水分、胸径和树高的滤波处理过程也相同,减少干扰因素对单体活立木生物量的估算精度。
基于上述各实施例的内容,所述茎体水分采用双金属环式结构测量,并对预设时间段内所述茎体水分进行预设频率的间隔测量。
具体地,单体活立木茎体水分的测量采用金属双环式结构测量探针,不锈钢双环探针和100M正弦信号振荡器、50欧姆同轴传输线、高频检波电路组成活立木茎体水分传感器进行测量的。由于不同预设时间段内的单体活立木的茎体水分相差较大,为了提高数据测量精度,在每个预设时间段内进行预设频率的测量,这样每个预设时间段内就会有多组单体活立木茎体水分数据,对每个预设时间段内的多组单体活立木茎体水分数据进行数据拟合,得到该预设时间段的单体活立木茎体水分数据,每个数据时间段的单体活立木茎体水分数据代表代表这一时间段的茎体水分测量结果。另外,单体活立木的胸径通过电子游标卡尺测量得到,而单体活立木的树高是基于二维激光扫描仪和惯性测量系统,通过对点云数据的投影、聚类、滤波、线性化变化和拟合测量得到。对单体活立木的茎体水分、胸径和树高的测量数据都是以预设时间段为单位进行,数据可靠,有利于提高生物量估算的准确性。
基于上述各实施例的内容,温度补偿具体包括:采用温度测量模块测量实时温度,建立温度影响下所述茎体水分变化的温度补偿模型,将测量得到的实时温度代入温度补偿模型对所述茎体水分进行温度补偿。温度补偿模型通过测量不同温度下同一活立木对应的茎体水分值,并对不同温度和不同温度对应的茎体水分茎体水分进行线性化拟合。
具体地,对茎体水分的温度补偿主要通过温度补偿模型来实现,其中温度补偿模型通过测量不同温度下同一活立木对应的茎体水分值,并将实时温度和茎体水分进行线性化拟合,建立温度补偿模型,从而得到温度与茎体水分的对应关系。根据实际测量温度,参照温度补偿模型,对该温度下的茎体水分进行补偿,以提高茎体水分的测量精度。
基于上述各实施例的内容,采用限幅平均滤波法对所述茎体水分、胸径和树高进行滤波处理。
具体地,为了提高数据精度,采用限幅平均滤波法对所述茎体水分、胸径和树高进行滤波处理,把连续的N个采样值看成一个队列长度固定为N,每次采样到一个新数据放入队尾,确定两次采样允许的最大偏差值为A,如果本次值与上次值之差小于等于A,则本次值有效,如果本次值与上次值之差大于A,则本次值无效,放弃本次值,用上次值代替本次值,并扔掉队首的一次采样数据,把队列中的N个数据进行算数平均运算,得到新的滤波结果N值的选取,采用限幅平均滤波法对于偶然出现的脉冲性干扰,可消除由于脉冲干扰所引起的茎体水分、胸径和树高采样值偏差,以提高数据的测量精度,从而进一步提高单利活立木生物量的估算精度。
基于上述各实施例的内容,一种单体活立木生物量估算系统包括:模型估算单元,用于根据待测的单体活力木的茎体水分、胸径和树高,并利用单体活立木生物量估算模型,得到单体活立木的生物量。模型估算单元将根据待采集的茎体水分、胸径和树高数据作为输入数据,利用单体活立木生物量估算模型中茎体水分、胸径和树高与生物量的对应关系,得到单体活立木生物量的估算值。
基于上述各实施例的内容,图3为根据本发明一个优选实施例的一种单体活立木生物量估算系统的连接关系图,如图3所示,一种单体活立木生物量估算系统还包括:数据采集单元301,用于采集单体活力木的茎体水分、胸径和树高;温度补偿单元302,用于对茎体水分进行温度测量和补偿;滤波单元303,用于对茎体水分、胸径及树高进行滤波处理;模型估算单元304,用于根据待采集的单体活力木的茎体水分、胸径和树高,并利用单体活立木生物量估算模型,得到所述单体活立木的生物量。通过将数据采集单元301测量茎体水分、胸径和树高数据,通过温度补偿单元302对茎体水分进行温度补偿以提高测量精度,再通过滤波单元303对茎体水分、胸径及树高进行滤波处理,最后将优化后的测量数据输入代入模型估算单元304,得到体活立木生物量。系统实施例的内容具体参考方法实施例,此处不再详细赘述。
本发明提供的一种单体活立木生物量估算方法及系统,通过根据单体活立木茎体水分、胸径和树高与生物量对应关系建立的估算模型,可以快速得到单体活立木的生物量,进而对整个森林生态系统中的生物量进行估测,并且不需要大量破坏活立木,测量过程方便。
最后,本发明中的方法和系统仅为较佳的实施方案,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种单体活立木生物量估算方法,其特征在于,包括:
基于待测单体活力木的茎体水分、胸径和树高,利用单体活立木生物量估算模型,得到所述单体活立木的生物量。
2.根据权利要求1所述的方法,其特征在于,所述单体活立木生物量估算模型的建立包括:
S1,在人工林中采样测量不同时间节点下的茎体水分、胸径和树高,并测量对应时间节点下的生物量;
S2,将所述每个节点下的茎体水分、胸径和树高作为输入,对应时间节点下的生物量作为输出校准值,对循环神经网络模型进行训练,得到所述活立木生物量的估算模型。
3.根据权利要求2所述的方法,其特征在于,在S1和S2之间还包括:
S11,对所述不同时间节点下的茎体水分进行温度补偿;
S12,对所述不同时间节点下的茎体水分、胸径和树高进行滤波处理。
4.根据权利要求1所述的方法,其特征在于,所述待测单体活力木的茎体水分、胸径和树高的获取过程包括:
对所述单体活立木的茎体水分、胸径和树高进行测量;
对所述单体活立木的茎体水分进行温度补偿;
对所述单体活立木的茎体水分、胸径和树高进行滤波处理。
5.根据权利要求2或4所述的方法,其特征在于,所述茎体水分采用双金属环式结构测量,并对预设时间段内对所述茎体水分进行预设频率的间隔测量。
6.根据权利要求3或4所述的方法,其特征在于,所述温度补偿具体包括:采用温度测量模块测量实时温度,建立温度影响下所述茎体水分变化的温度补偿模型,将测量得到的实时温度代入温度补偿模型对所述茎体水分进行温度补偿。
7.根据权利要求6所述的方法,其特征在于,所述温度补偿模型通过测量不同温度下同一活立木对应的茎体水分值,并对所述不同温度和不同温度对应的茎体水分进行线性化拟合。
8.根据权利要求3或4所述的方法,其特征在于,采用限幅平均滤波法对所述茎体水分、胸径和树高进行滤波处理。
9.一种单体活立木生物量估算系统,其特征在于,包括:
模型估算单元,用于根据采集的单体活力木的茎体水分、胸径和树高,并利用单体活立木生物量估算模型,得到所述单体活立木的生物量。
10.根据权利要求8所述的系统,其特征在于,所述系统还包括:
数据采集单元,用于采集单体活力木的茎体水分、胸径和树高;
温度补偿单元,用于对所述茎体水分进行温度测量和补偿;
滤波单元,用于对所述茎体水分、胸径及树高进行滤波处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711277596.XA CN108414677A (zh) | 2017-12-06 | 2017-12-06 | 一种单体活立木生物量估算方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711277596.XA CN108414677A (zh) | 2017-12-06 | 2017-12-06 | 一种单体活立木生物量估算方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108414677A true CN108414677A (zh) | 2018-08-17 |
Family
ID=63125399
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711277596.XA Pending CN108414677A (zh) | 2017-12-06 | 2017-12-06 | 一种单体活立木生物量估算方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108414677A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109214591A (zh) * | 2018-10-12 | 2019-01-15 | 北京林业大学 | 一种木本植物地上生物量预测方法及系统 |
CN113034485A (zh) * | 2021-04-09 | 2021-06-25 | 浙江欧视电科技有限公司 | 融合Hough变换和卡尺聚类的圆检测方法 |
CN113418963A (zh) * | 2021-06-22 | 2021-09-21 | 北京工商大学 | 树干冻融阻抗图像实时检测方法与系统 |
CN116610923A (zh) * | 2023-07-14 | 2023-08-18 | 北京林业大学 | 活立木生命状态的确定方法、装置、电子设备及存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105513096A (zh) * | 2015-11-18 | 2016-04-20 | 青岛农业大学 | 一种冬小麦生物量估算方法 |
CN105809271A (zh) * | 2016-01-13 | 2016-07-27 | 中国林业科学研究院林业研究所 | 一种基于组合预测法的生物量模型估计方法 |
-
2017
- 2017-12-06 CN CN201711277596.XA patent/CN108414677A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105513096A (zh) * | 2015-11-18 | 2016-04-20 | 青岛农业大学 | 一种冬小麦生物量估算方法 |
CN105809271A (zh) * | 2016-01-13 | 2016-07-27 | 中国林业科学研究院林业研究所 | 一种基于组合预测法的生物量模型估计方法 |
Non-Patent Citations (7)
Title |
---|
刘洪杰: "测产系统小麦含水率在线测量的研究", 《中国优秀博硕士学位论文全文数据库 (硕士) 农业科技辑》 * |
张益 等: "含温度补偿的便携式土壤水分测定仪研制", 《传感器与微系统》 * |
曹姗姗 等: "基于GA-BP神经网络的灌木生物量估测模型", 《西北农林科技大学学报(自然科学版)》 * |
曹美 等: "温度对FDR土壤湿度传感器的影响研究", 《节水灌溉》 * |
王轶夫 等: "基于BP神经网络的马尾松立木生物量模型研究", 《北京林业大学学报》 * |
罗云建 等: "森林生物量的估算方法及其研究进展", 《林业科学》 * |
赵燕东 等: "基于活立木介电特性的植物茎体含水量测量方法", 《林业科学》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109214591A (zh) * | 2018-10-12 | 2019-01-15 | 北京林业大学 | 一种木本植物地上生物量预测方法及系统 |
CN113034485A (zh) * | 2021-04-09 | 2021-06-25 | 浙江欧视电科技有限公司 | 融合Hough变换和卡尺聚类的圆检测方法 |
CN113418963A (zh) * | 2021-06-22 | 2021-09-21 | 北京工商大学 | 树干冻融阻抗图像实时检测方法与系统 |
CN113418963B (zh) * | 2021-06-22 | 2022-08-16 | 北京工商大学 | 树干冻融阻抗图像实时检测方法与系统 |
CN116610923A (zh) * | 2023-07-14 | 2023-08-18 | 北京林业大学 | 活立木生命状态的确定方法、装置、电子设备及存储介质 |
CN116610923B (zh) * | 2023-07-14 | 2023-09-22 | 北京林业大学 | 活立木生命状态的确定方法、装置、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108414677A (zh) | 一种单体活立木生物量估算方法及系统 | |
CN103217336B (zh) | 一种群体种植的作物茎秆强度测量装置及其应用 | |
Boote et al. | Sentinel site data for crop model improvement—definition and characterization | |
CN102087729A (zh) | 一种烟叶生产全程质量监控方法与系统 | |
Madurapperuma et al. | Evaluation of sap flow methods to determine water use by cultivated palms | |
CN105424760A (zh) | 一种用于石质山区土壤电阻率和土壤含水率的标定方法 | |
CN103518516B (zh) | 辣椒田间产量的测量方法 | |
CN108770614A (zh) | 一种小麦耐热性评价方法 | |
CN114529102A (zh) | 耦合多因素影响的华北落叶松单株液流预测方法及系统 | |
CN111257374A (zh) | 土壤含水率和含氮量监测方法、装置、设备及存储介质 | |
CN117178769B (zh) | 一种基于自动化的园林植物养护方法及系统 | |
CN112931167B (zh) | 植物灌溉决策系统和方法 | |
CN102175611A (zh) | 一种基于生理参数的小麦赤霉病抗性的快速鉴定方法 | |
CN102598967B (zh) | 一种作物品种耐密性的鉴定方法 | |
CN103983333B (zh) | 一种小麦穗粒数测定方法 | |
CN111638306B (zh) | 一种作物动态监控方法、装置、设备和系统 | |
CN105866223A (zh) | 一种基于电子舌检测信息的武夷岩茶滋味等级判别方法 | |
CN115860285B (zh) | 一种烟草最适移栽期的预测方法及装置 | |
CN110118700A (zh) | 一种无损预测玉米籽粒含水率的方法 | |
Baille | Water status monitoring in greenhouse crops | |
Guerif et al. | Data assimilation and parameter estimation for precision agriculture using the crop model STICS | |
CN109115771A (zh) | 甘蔗工艺成熟期自动观测方法 | |
JP6570929B2 (ja) | 特性推定モデル生成装置および方法、解析対象の特性推定装置および方法 | |
JP6744524B2 (ja) | 水稲生育評価方法及び装置 | |
Ma et al. | Method of soil electrical conductivity measurement based on multi-sensor data fusion |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180817 |
|
RJ01 | Rejection of invention patent application after publication |