CN109673454A - 一种滴灌棉花氮素营养诊断模型的构建方法和应用 - Google Patents
一种滴灌棉花氮素营养诊断模型的构建方法和应用 Download PDFInfo
- Publication number
- CN109673454A CN109673454A CN201910110201.XA CN201910110201A CN109673454A CN 109673454 A CN109673454 A CN 109673454A CN 201910110201 A CN201910110201 A CN 201910110201A CN 109673454 A CN109673454 A CN 109673454A
- Authority
- CN
- China
- Prior art keywords
- nitrogen
- mulch
- cotton
- stage
- drip irrigation
- 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
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01G—HORTICULTURE; CULTIVATION OF VEGETABLES, FLOWERS, RICE, FRUIT, VINES, HOPS OR SEAWEED; FORESTRY; WATERING
- A01G22/00—Cultivation of specific crops or plants not otherwise provided for
- A01G22/50—Cotton
-
- 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
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Mathematical Optimization (AREA)
- Probability & Statistics with Applications (AREA)
- Environmental Sciences (AREA)
- Operations Research (AREA)
- Bioinformatics & Computational Biology (AREA)
- Botany (AREA)
- Algebra (AREA)
- Evolutionary Biology (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Other Investigation Or Analysis Of Materials By Electrical Means (AREA)
Abstract
本发明提供一种滴灌棉花氮素营养诊断模型的构建方法及应用,属于棉花氮素营养诊断技术领域,所述方法包括以下步骤:1)滴灌种植棉花,根据每次取样的理论临界氮浓度和干物重最大值,确定滴灌棉花临界氮浓度稀释模型曲线Nc=aWmax ‑b中a和b的值;2)根据Nc=aWmax ‑b计算出氮营养指数NNI=Nt/Nc;3)利用高光谱仪检测并计算植物的冠层高光谱指数;4)将冠层高光谱指数与NNI进行多元线性回归分析,获得多元回归曲线即为滴灌棉花氮素营养诊断模型。所述灌棉花氮素营养诊断模型能够准确、快速判断滴灌棉花氮素养分丰缺状况;兼顾施肥的及时性和精准性。
Description
技术领域
本发明属于棉花氮素营养诊断技术领域,尤其涉及一种滴灌棉花氮素营养诊断模型的构建方法和应用。
背景技术
氮素是棉花增产增效的重要限制因素。氮素的不合理利用导致棉花氮素养分的利用效率偏低,同时造成温室气体排放加剧和土壤及水体的污染。针对棉花氮素营养优化供氮量对于提高氮素利用效率和环境保护具有重要的意义。现有棉花氮素诊断方式主要是化学分析法和常规养分快速诊断法,但是两种方法都存在一定的不足。化学分析法耗时耗力,需要大量的时间,无法满足大田生产的及时性;常规养分快速诊断法主要是依据数据与植株氮素含量之间关系来大致判断养分含量,这种方法虽然能够满足及时性,但是无法给出养分丰缺度的判断,检测精准度低。因此迫切需要准确估算氮浓度和生物量的快速诊断方法。
现有的棉花氮素养分快速诊断方法一般是利用遥感图像或光谱技术与棉株氮素相结合的方法来进行氮素诊断。此类养分快速诊断方法无法判断出当前棉株养分丰缺的程度,无法直观有效的输出诊断结果。
发明内容
有鉴于此,本发明的目的在于提供一种滴灌棉花氮素营养诊断模型的构建方法和应用,本发明采用高光谱技术与棉花氮营养指数进行耦合,建立一种基于棉花氮营养指数的光谱快速诊断模型,利用氮营养指数的临界状态来给出滴灌棉花氮素养分丰缺状况。
为了实现上述发明目的,本发明提供了以下技术方案:
一种滴灌棉花氮素营养诊断模型的构建方法,包括以下步骤:
1)滴灌种植棉花,设置不同的施氮水平的试验组;对于作物生长受氮素影响的试验组,将棉花地上部生物量与氮浓度值间的关系进行线性拟合;对于作物生长不受氮素影响的试验组,棉花地上部生物量的平均值用以代表干物重最大值;
每次取样的理论临界氮浓度为:所述线性拟合获得的曲线与以所述干物重最大值为横坐标的垂线的交点的纵坐标数值;
根据所述每次取样的理论临界氮浓度和干物重最大值,确定滴灌棉花临界氮浓度稀释模型曲线Nc=aWmax -b中a和b的值;
其中,Nc为临界氮浓度值,Wmax为干物重最大值,a和b为参数,a代表当生物量为1t时的氮浓度值;b为控制临界氮浓度稀释曲线斜率的参数;
2)根据步骤1)中临界氮浓度稀释模型曲线Nc=aWmax -b计算出氮营养指数NNI=Nt/Nc;其中Nt为地上部氮浓度实测值;
3)利用高光谱仪检测并计算植物的冠层高光谱指数;
4)将步骤3)中获得的冠层高光谱指数与步骤2)中计算获得氮营养指数NNI进行多元线性回归分析,获得冠层高光谱指数X与氮营养指数NNI之间的多元回归曲线,NNI=n1X1+n2X2+……+niXi+K;其中n1、n2……ni和K为常数,X1、X2……Xi为冠层高光谱指数;所述多元回归曲线即为滴灌棉花氮素营养诊断模型;
步骤3)和步骤1)、步骤2)之间无时间顺序限定;
优选的,所述冠层高光谱指数包括表1所示指数;
表1冠层高光谱指数
优选的,步骤4)中所述多元线性回归分析的软件为SPSS软件。
优选的,所述多元回归曲线选择SPSS软件输出的R2最高的曲线。
优选的,所述滴灌棉花品种为新陆早45号。
优选的,所述滴灌棉花临界氮浓度稀释模型曲线Nc=3.91Wmax -0.24,相关性系数R2=0.91。
优选的,所述滴灌棉花氮素营养诊断模型NNI=5.187-3.306x11+0.079x8-1.466x7;其中X7为Vogelmann红边指数,X8为双峰冠层氮指数,X11为线性内插法红边位置。
本发明提供了利用所述构建方法构建获得的滴灌棉花氮素营养诊断模型在滴灌棉花氮肥施加中的应用,利用高光谱仪检测并计算冠层高光谱指数X1、X2……Xi;利用所述滴灌棉花氮素营养诊断模型计算NNI;当NNI>1时,氮营养过剩,减少或停止施氮肥,当NNI<1时,氮营养不足,增施氮肥。
本发明的有益效果:本发明提供的滴灌棉花氮素营养诊断模型构建方法通过高光谱技术测定的高光谱指数与棉花氮营养指数进行耦合,利用氮营养指数的临界状态来给出滴灌棉花氮素养分丰缺状况。所述灌棉花氮素营养诊断模型能够准确、快速的判断滴灌棉花氮素养分丰缺状;兼顾了棉花生产中施肥的及时性和精准性。
具体实施方式
本发明提供了一种滴灌棉花氮素营养诊断模型的构建方法,包括以下步骤:
1)滴灌种植棉花,设置不同的施氮水平的试验组;对于作物生长受氮素影响的试验组,将棉花地上部生物量与氮浓度值间的关系进行线性拟合;对于作物生长不受氮素影响的试验组,棉花地上部生物量的平均值用以代表干物重最大值;每次取样的理论临界氮浓度为:所述线性拟合获得的曲线与以所述干物重最大值为横坐标的垂线的交点的纵坐标数值;根据所述每次取样的理论临界氮浓度和干物重最大值,确定滴灌棉花临界氮浓度稀释模型曲线Nc=aWmax -b中a和b的值;其中,Nc为临界氮浓度值,Wmax为干物重最大值,a和b为参数,a代表当生物量为1t时的氮浓度值;b为控制临界氮浓度稀释曲线斜率的参数;
2)根据步骤1)中临界氮浓度稀释模型曲线Nc=aWmax -b计算出氮营养指数NNI=Nt/Nc;其中Nt为地上部氮浓度实测值;
3)利用高光谱仪检测并计算植物的冠层高光谱指数;
4)将步骤3)中获得的冠层高光谱指数与步骤2)中计算获得氮营养指数NNI进行多元线性回归分析,获得冠层高光谱指数X与氮营养指数NNI之间的多元回归曲线,NNI=n1X1+n2X2+……+niXi+K;其中n1、n2……ni和K为常数,X1、X2……Xi为冠层高光谱指数;所述多元回归曲线即为滴灌棉花氮素营养诊断模型;
步骤3)和步骤1)、步骤2)之间无时间顺序限定;
所述冠层高光谱指数包括表1所示指数。
在本发明中,滴灌种植棉花,设置不同的施氮水平的试验组;确定滴灌棉花临界氮浓度稀释模型曲线Nc=aWmax -b中a和b的值。本发明对所述棉花的品种没有特殊要求,常规的棉花品种均可。在本发明具体实施过程中以新陆早45号为例。本发明优选为设置4~8个施氮水平的试验组,更优选的设置5个施氮水平的的试验组;在本发明中,所述5个施氮水平优选为0、120、240、360、480kg·hm-2纯氮。本发明优选的分析不同施氮水平试验组中作物生长是否受氮素影响,本发明对所述分析方法没有特殊限定,采用本领域常规的分析方法即可;优选的通过对比分析每次取样时不同施氮水平的地上部生物量和相对应的氮浓度值,使用方差分析对作物生长是否受氮素营养限制的施氮水平进行分类。本发明中,对于作物生长受氮素影响的试验组,将棉花地上部生物量与氮浓度值间的关系进行线性拟合;对于作物生长不受氮素影响的试验组,棉花地上部生物量的平均值为干物重最大值;每次取样的理论临界氮浓度为:所述线性拟合获得的曲线与以所述干物重最大值为横坐标的垂线的交点的纵坐标数值;根据所述每次取样的理论临界氮浓度和干物重最大值,确定滴灌棉花临界氮浓度稀释模型曲线Nc=aWmax -b中a和b的值;其中,Nc为临界氮浓度值,Wmax为干物重最大值,a和b为参数,a代表当生物量为1t时的氮浓度值;b为控制临界氮浓度稀释曲线斜率的参数。
本发明在获得所述a和b的值后,根据临界氮浓度稀释模型曲线Nc=aWmax -b;其中Nt为地上部氮浓度实测值。以新陆早45号为例,所述滴灌棉花临界氮浓度稀释模型曲线Nc=3.91Wmax -0.24,相关性系数R2=0.91。
本发明利用高光谱仪检测并计算植物的冠层高光谱指数。本发明中,所述冠层高光谱指数优选的包括表1所示指数;
表1冠层高光谱指数
本发明对所述高光谱仪的种类和规格没有特殊限定,采用本领域常规的高光谱仪即可。本发明所选的冠层高光谱指数为与氮营养指数相关行较高的冠层高光谱指数。
本发明将获得的冠层高光谱指数与氮营养指数NNI进行多元线性回归分析,获得冠层高光谱指数X与氮营养指数NNI之间的多元回归曲线,NNI=n1X1+n2X2+……+niXi;所述多元回归曲线即为滴灌棉花氮素营养诊断模型。在本发明中,所述多元线性回归分析的软件优选为SPSS软件。所述多元回归曲线选择SPSS软件输出的R2最高的曲线。以新陆早45号为例,所述多元回归曲线即为滴灌棉花氮素营养诊断模型优选为NNI=5.187-3.306x11+0.079x8-1.466x7;其中X7为Vogelmann红边指数,X8为双峰冠层氮指数,X11为线性内插法红边位置。
本发明还提供了利用所述构建方法构建获得的滴灌棉花氮素营养诊断模型在滴灌棉花氮肥施加中的应用,利用高光谱仪检测并计算冠层高光谱指数X1、X2……Xi;利用所述滴灌棉花氮素营养诊断模型计算NNI;当NNI>1时,氮营养过剩,减少或停止施氮肥,当NNI<1时,氮营养不足,增施氮肥。本发明对所述施氮肥的方法没有特殊限定,采用本领域常规的施氮肥方法即可。根据本发明所述的滴灌棉花氮素营养诊断模型仅仅通过计算相应的冠层高光谱指数,即可获得氮营养指数,判断养分丰缺度;能够简单、快速、精准、及时的指导实践生产。
下面结合实施例对本发明提供的技术方案进行详细的说明,但是不能把它们理解为对本发明保护范围的限定。
实施例1
第一步,明晰不同施氮条件下滴灌棉花生物量、氮吸收累积和氮素利用率的动态变化规律,建立滴灌棉花临界氮浓度稀释模型。
品种:新陆早45号;施氮水平设5个,分别0、120、240、360、480kg·hm-2纯氮,分别以N0、Nl、N2、N3、N4表示,其中N0为对照。
表2滴灌棉花相关理化实验分析数据
根据Greenwood等(1991)对临界氮浓度的定义,对于滴灌棉花,地上干物质氮浓度值在其生长发育不受氮素制约的情况下达到最低值时为临界氮浓度。
临界氮浓度稀释曲线的模型为:
Nc=aWmax -b(1)
式中Nc为临界氮浓度,g/100g;a为滴灌棉花地上部生物量为1Mg/hm2(1Mg/hm2=1t/hm2)时棉株的临界氮浓度;Wmax为滴灌棉花地上部最大生物量;b为控制临界氮浓度稀释曲线斜率的参数。
用均方根误差(root mean square error,RMSE)和标准化均方根误差(n-RMSE)对所得模型进行验证,然后建立模拟值和实测值1:1直方图显示模型的拟合度和可靠程度:
分析实测数据得出在不同施氮水平下,同样的地上生物量值其所对应氮浓度值不同,取每个采样日氮浓度的最大、最小实测值模拟得到其最高(Nmax,%)、最低(Nmin,%)氮浓度稀释模型,结果同样亦符合模型(1),品种模型的参数见表(滴灌棉花临界氮浓度稀释模型和氮吸收模型的参数值)
表3临界氮浓度稀释模型和氮吸收曲线模型
由以上工作,根据临界氮浓度的确定条件和公式得出滴灌棉花临界氮浓度稀释曲线模型:
临界氮浓度稀释模型:
Nc=aWmax -b (1)
式中,Nc(%)为临界氮浓度值,Wmax(t/hm2)为干物重最大值,a、b为参数,其中,a代表当生物量为1t时的氮浓度值;b为控制临界氮浓度稀释曲线斜率的参数;
获得具体的模型曲线
Nc=3.91Wmax -0.24
R2=0.91;
第二步,利用临界氮浓度稀释模型推导出氮营养指数
氮营养指数:
NNI=Nt/Nc
式中:Nt为地上部氮浓度实测值,%,Nc为临界氮浓度,%。若NNI=1,表明作物氮素营养水平处于最佳状态,高于1为氮营养过剩,低于1则氮营养不足;其中,临界氮浓度(Nc)为作物地上干物质达到最大生长速率所需要的最低氮浓度。
第三步,光谱指数计算,检测和计算的冠层高光谱指数如表1所示。
第四步,冠层高光谱指数筛选,分析棉花植株氮营养指数(定性诊断)与冠层高光谱参数的关系。
利用spss软件,将多个指数与氮营养指数进行相关性分析,分析结果如表4所示。
表4冠层高光谱指数与氮营养指数相关性分析结果
注:**通过0.01水平显著性检验,*通过0.05水平显著性检验
第五步,建立基于高光谱与临界氮浓度稀释模型的滴灌棉花氮营养指数的定量、快速诊断模型。
由以上实施例可知,本发明提供的滴灌棉花氮素营养诊断模型构建方法通过高光谱技术测定的高光谱指数与棉花氮营养指数进行耦合,利用氮营养指数的临界状态来给出滴灌棉花氮素养分丰缺状况;兼顾了棉花生产中施肥的及时性和精准性。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (8)
1.一种滴灌棉花氮素营养诊断模型的构建方法,包括以下步骤:
1)滴灌种植棉花,设置不同的施氮水平的试验组;对于作物生长受氮素影响的试验组,将棉花地上部生物量与氮浓度值间的关系进行线性拟合;对于作物生长不受氮素影响的试验组,棉花地上部生物量的平均值用以代表干物重最大值;
每次取样的理论临界氮浓度为:所述线性拟合获得的曲线与以所述干物重最大值为横坐标的垂线的交点的纵坐标数值;
根据所述每次取样的理论临界氮浓度和干物重最大值,确定滴灌棉花临界氮浓度稀释模型曲线Nc=aWmax -b中a和b的值;
其中,Nc为临界氮浓度值,Wmax为干物重最大值,a和b为参数,a代表当生物量为1t时的氮浓度值;b为控制临界氮浓度稀释曲线斜率的参数;
2)根据步骤1)中临界氮浓度稀释模型曲线Nc=aWmax -b计算出氮营养指数NNI=Nt/Nc;其中Nt为地上部氮浓度实测值;
3)利用高光谱仪检测并计算植物的冠层高光谱指数;
4)将步骤3)中获得的冠层高光谱指数与步骤2)中计算获得氮营养指数NNI进行多元线性回归分析,获得冠层高光谱指数X与氮营养指数NNI之间的多元回归曲线,NNI=n1X1+n2X2+……+niXi+K;其中n1、n2……ni和K为常数,X1、X2……Xi为冠层高光谱指数;
所述多元回归曲线即为滴灌棉花氮素营养诊断模型;
步骤3)和步骤1)、步骤2)之间无时间顺序限定。
2.根据权利要求1所述的构建方法,其特征在于,步骤3)中所述冠层高光谱指数包括以下指数:
3.根据权利要求1所述的构建方法,其特征在于,步骤4)中所述多元线性回归分析的软件为SPSS软件。
4.根据权利要求3所述的构建方法,其特征在于,所述多元回归曲线选择SPSS软件输出的R2最高的曲线。
5.根据权利要求1所述的构建方法,其特征在于,所述滴灌棉花品种为新陆早45号。
6.根据权利要求5所述的构建方法,其特征在于,所述滴灌棉花临界氮浓度稀释模型曲线Nc=3.91Wmax -0.24,相关性系数R2=0.91。
7.根据权利要求6所述的构建方法,其特征在于,所述滴灌棉花氮素营养诊断模型NNI=5.187-3.306x11+0.079x8-1.466x7;其中X7为Vogelmann红边指数,X8为双峰冠层氮指数,X11为线性内插法红边位置。
8.利用权利要求1所述构建方法构建获得的滴灌棉花氮素营养诊断模型在滴灌棉花氮肥施加中的应用,其特征在于,利用高光谱仪检测并计算冠层高光谱指数X1、X2……Xi;利用所述滴灌棉花氮素营养诊断模型计算NNI;当NNI>1时,氮营养过剩,减少或停止施氮肥,当NNI<1时,氮营养不足,增施氮肥。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910110201.XA CN109673454A (zh) | 2019-02-11 | 2019-02-11 | 一种滴灌棉花氮素营养诊断模型的构建方法和应用 |
ZA2019/04367A ZA201904367B (en) | 2019-02-11 | 2019-07-03 | Method for constructing nitrogen nutrition diagnosis model for drip-irrigation cotton, and application thereof |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910110201.XA CN109673454A (zh) | 2019-02-11 | 2019-02-11 | 一种滴灌棉花氮素营养诊断模型的构建方法和应用 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109673454A true CN109673454A (zh) | 2019-04-26 |
Family
ID=66195659
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910110201.XA Pending CN109673454A (zh) | 2019-02-11 | 2019-02-11 | 一种滴灌棉花氮素营养诊断模型的构建方法和应用 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN109673454A (zh) |
ZA (1) | ZA201904367B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112268867A (zh) * | 2020-10-14 | 2021-01-26 | 云南新土壤农业科技有限公司 | 一种花椰菜光谱氮素营养诊断模型的构建方法 |
CN112763427A (zh) * | 2020-12-24 | 2021-05-07 | 中国科学院空天信息创新研究院 | 一种耦合遥感氮素信息的作物生长与施肥诊断模拟方法 |
CN113298859A (zh) * | 2021-05-26 | 2021-08-24 | 中国科学院地理科学与资源研究所 | 一种基于无人机影像的作物氮肥变量管理方法 |
CN113866104A (zh) * | 2021-09-27 | 2021-12-31 | 太原理工大学 | 一种基于数码相机检测温室番茄氮素营养状况的方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107047035A (zh) * | 2017-05-31 | 2017-08-18 | 石河子农业科学研究院 | 新疆棉花地膜窄幅覆盖细流微灌栽培方法 |
CN108283124A (zh) * | 2016-11-25 | 2018-07-17 | 万素梅 | 一种棉花的生产应用规范 |
-
2019
- 2019-02-11 CN CN201910110201.XA patent/CN109673454A/zh active Pending
- 2019-07-03 ZA ZA2019/04367A patent/ZA201904367B/en unknown
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108283124A (zh) * | 2016-11-25 | 2018-07-17 | 万素梅 | 一种棉花的生产应用规范 |
CN107047035A (zh) * | 2017-05-31 | 2017-08-18 | 石河子农业科学研究院 | 新疆棉花地膜窄幅覆盖细流微灌栽培方法 |
Non-Patent Citations (3)
Title |
---|
刘代志: "《地球物理与核探测》", 30 November 2011 * |
吴春霞等: ""基于高光谱技术的棉花冠层反射特征研究"", 《农业与技术》 * |
马露露 等: ""基于临界氮浓度的滴灌棉花氮素营养诊断模型研究"", 《农业机械学报》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112268867A (zh) * | 2020-10-14 | 2021-01-26 | 云南新土壤农业科技有限公司 | 一种花椰菜光谱氮素营养诊断模型的构建方法 |
CN112268867B (zh) * | 2020-10-14 | 2023-11-17 | 云南新土壤农业科技有限公司 | 一种花椰菜光谱氮素营养诊断模型的构建方法 |
CN112763427A (zh) * | 2020-12-24 | 2021-05-07 | 中国科学院空天信息创新研究院 | 一种耦合遥感氮素信息的作物生长与施肥诊断模拟方法 |
CN112763427B (zh) * | 2020-12-24 | 2022-05-17 | 中国科学院空天信息创新研究院 | 一种耦合遥感氮素信息的作物生长与施肥诊断模拟方法 |
CN113298859A (zh) * | 2021-05-26 | 2021-08-24 | 中国科学院地理科学与资源研究所 | 一种基于无人机影像的作物氮肥变量管理方法 |
CN113866104A (zh) * | 2021-09-27 | 2021-12-31 | 太原理工大学 | 一种基于数码相机检测温室番茄氮素营养状况的方法 |
Also Published As
Publication number | Publication date |
---|---|
ZA201904367B (en) | 2020-03-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109673454A (zh) | 一种滴灌棉花氮素营养诊断模型的构建方法和应用 | |
CN110309985B (zh) | 一种农作物产量预测方法及系统 | |
US10096073B2 (en) | Systems to prescribe and deliver fertilizer over agricultural fields and related methods | |
CN113177744B (zh) | 一种城市绿地系统碳汇量估算方法及系统 | |
CN107392376A (zh) | 一种农作物气象产量预测方法及系统 | |
CN113268703B (zh) | 一种应用于小麦田间管理的氮肥亏缺快速检测与精量追施方法 | |
CN104834823B (zh) | 基于卫星-地基co2数据联合同化的碳源汇估测方法 | |
CN101720654A (zh) | 草坪节水灌溉预报方法及系统 | |
CN113325873B (zh) | 一种无人机植保作业数据采集分析方法、系统及计算机存储介质 | |
CN110567892B (zh) | 一种基于临界氮浓度的夏玉米氮素高光谱预测方法 | |
CN107423850B (zh) | 基于时间序列lai曲线积分面积的区域玉米成熟期预测方法 | |
CN111507646B (zh) | 一种基于遥感et的农业节水规划方法 | |
CN105588930A (zh) | 温室大棚土壤参数测量方法 | |
CN103218669A (zh) | 一种智能的活鱼养殖水质综合预测方法 | |
CN108088981B (zh) | 一种基于协同克里金插值法的土壤锰元素含量预测方法 | |
CN113656757A (zh) | 一种基于氧气浓度变化规律的林业碳汇量计量方法 | |
CN109392398A (zh) | 一种土壤测试与植株诊断相结合的马铃薯氮肥推荐方法 | |
CN114757807A (zh) | 多模式融合的大气污染物实际排放量在线核算方法 | |
CN108564484A (zh) | 风电场测风代表年滑动选取方法 | |
CN106294990A (zh) | 树木胸径预测方法 | |
CN116189813A (zh) | 一种基于卫星大气甲烷浓度估算稻田甲烷排放通量的方法 | |
Zhang et al. | Multi-scale analysis of trade-off/synergistic effects of forest ecosystem services in the Funiu Mountain Region, China | |
CN109117984A (zh) | 稻田径流量预测及氮磷流失估测方法 | |
CN111666677A (zh) | 一种考虑年内分布订正的测风数据代表年订正方法及系统 | |
CN108401634A (zh) | 一种大棚鲜食番茄氮素营养诊断及推荐施氮方法 |
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 |