CN109816181B - 基于土壤性状监测的农作物种植收成预测方法 - Google Patents
基于土壤性状监测的农作物种植收成预测方法 Download PDFInfo
- Publication number
- CN109816181B CN109816181B CN201910197990.5A CN201910197990A CN109816181B CN 109816181 B CN109816181 B CN 109816181B CN 201910197990 A CN201910197990 A CN 201910197990A CN 109816181 B CN109816181 B CN 109816181B
- Authority
- CN
- China
- Prior art keywords
- soil
- concentration
- crops
- crop
- influence coefficient
- 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.)
- Active
Links
Images
Landscapes
- Cultivation Of Plants (AREA)
- Investigating Or Analysing Biological Materials (AREA)
Abstract
本明公开了基于土壤性状监测的农作物种植收成预测方法。涉及农作物收成预测技术领域。本发明包括测定土壤性状对农作物收成的影响系数、测定土壤性状并预测农作物产量。本发明通过测定土壤性状包括土壤的相对湿度、酸碱度、氧气浓度以及二氧化碳浓度对农作物收成的影响系数:相对湿度影响系数sn、酸碱度影响系数hn、氧气浓度影响系数kn、二氧化碳浓度影响系数ln、氮浓度的影响系数Nn、磷浓度的影响系数Pn、钾浓度的影响系数Kn,并通过Tp=kn*ln*sn*hn*(Nn*Pn*Kn)*T,预测农作物的收成,同时方便对农作物施肥等救助、提高农作物产量。
Description
技术领域
本发明属于农作物收成预测技术领域,特别是涉及基于土壤性状监测的农作物种植收成预测方法。
背景技术
农作物在的收成受到很多因素的影响,包括水分、温度、阳光、肥料等等;但不同土壤对农作物的收成也有很大的影响。其中,土壤的相对湿度、酸碱度、氧气浓度以及二氧化碳浓度对农作物生长以及收成都具有不同的影响。
本发明致力于研发一种基于土壤性状监测的农作物种植收成预测方法,方便根据土壤的性状不同预测农作物的收成。
发明内容
本发明的目的在于提供基于土壤性状监测的农作物种植收成预测方法,通过测定土壤性状包括土壤的相对湿度、酸碱度、氧气浓度、二氧化碳浓度以及养分浓度对农作物收成的影响系数同时考虑空气中氧气及二氧化碳浓度的影响,并通过Tp=kn*ln*sn*hn*(Nn*Pn*Kn)*T预测农作物的收成,方便根据土壤性状预测农作物的收成。
为解决上述技术问题,本发明是通过以下技术方案实现的:
本发明为基于土壤性状监测的农作物种植收成预测方法,包括如下过程:
测定土壤性状对农作物收成的影响系数:
S00:在农作物其他必要生长条件适宜且相同条件下测定土壤中不同氧气浓度对农作物收成的影响系数K:
设定一组氧气浓度为10%、12%、14%、16%、18%、20%分别培育农作物并计算出亩产量Tk1、Tk2、Tk3、Tk4、Tk5、Tk6;同时计算对应氧浓度的影响系数:k1、k2、k3、k4、k5、k6;
S02:在农作物其他必要生长条件适宜且相同条件下测定土壤中不同二氧化碳浓度对农作物收成的影响系数L:
设定一组二氧化碳浓度为0.2%、0.3%、0.4%、0.5%、0.6%分别培育农作物并计算出亩产量Tl1、Tl2、Tl3、Tl4、Tl5;同时计算对应二氧化碳浓度的影响系数:l1、l2、l3、l4、l5;
S03:在农作物其他必要生长条件适宜且相同条件下测定土壤的不同相对湿度对农作物收成的影响系数S:
设定一组土壤相对湿度为60、70、80、90、100分别培育农作物并计算出亩产量Ts1、Ts2、Ts3、Ts4、Ts5;同时计算对应土壤湿度的影响系数:s1、s2、s3、s4、s5;
S04:在农作物其他必要生长条件适宜且相同条件下测定土壤不同酸碱度对农作物收成的影响系数H:
设定一组土壤酸碱度为6、6.5、7、7.5、8分别培育农作物并计算出亩产量Th1、Th2、Th3、Th4、Th5;同时计算对应酸碱度的影响系数:h1、h2、h3、h4、h5;
S05:在农作物其他必要生长条件适宜且相同条件下测定土壤养分浓度对农作物收成的影响系数NT:
其中,所述土壤养分浓度包括氮、磷、钾浓度;
设定一组土壤氮浓度为150、160、170、180、190、200分别培育农作物并计算出亩产量NTN1、NTN2、NTN3、NTN4、NTN5、NTN6;同时计算对应氮浓度的影响系数:N1、N2、N3、N4、N5、N6;
设定一组土壤磷浓度为60、70、80、90、100分别培育农作物并计算出亩产量NTP1、NTP2、NTP3、NTP4、NTP5;同时计算对应磷浓度的影响系数:P1、P2、P3、P4、P5;
设定一组土壤钾浓度为100、110、120、130、140、150分别培育农作物并计算出亩产量NTK1、NTK2、NTK3、NTK4、NTK5、NTK6;同时计算对应钾浓度的影响系数:K1、K2、K3、K4、K5、K6;
其中,土壤中氮浓度、钾浓度、磷浓度均为毫克/千克;
测定土壤性状并预测农作物产量:
B00:分别测定土壤中氧气浓度、二氧化碳浓度、土壤相对湿度、土壤酸碱度以及土壤养分浓度;
B01:预测农作物收成为:Tp=kn*ln*sn*hn*(Nn*Pn*Kn)*T;
其中,n的取值根据土壤中氧气浓度、二氧化碳浓度、土壤相对湿度、土壤酸碱度以及土壤养分浓度取对应的值。
优选地,所述对应氧浓度的影响系数:k1、k2、k3、k4、k5、k6具体计算方法如下:
kn=Tkn/T;其中,T为农作物标准亩产量,n=1、2、3、4、5、6。
优选地,所述对应二氧化碳浓度的影响系数:l1、l2、l3、l4、l5具体计算方法如下:
ln=Tln/T;其中,T为农作物标准亩产量,n=1、2、3、4、5。
优选地,所述对应土壤湿度的影响系数:s1、s2、s3、s4、s5具体计算方法如下:
sn=Tsn/T;其中,T为农作物标准亩产量,n=1、2、3、4、5。
优选地,所述对应酸碱度的影响系数:h1、h2、h3、h4、h5具体计算方法如下:
hn=Thn/T;其中,其中,T为农作物标准亩产量,n=1、2、3、4、5。
优选地,所述土壤养分浓度还包括:铁、硼、砷、锰、铜、钴、钼稀有元素浓度;在进行农作物产量预测时,测定土壤中稀有元素浓度,作为农作物产量预测的影响因素。
优选地,所述预测农作物产量还包括如下:
进行农作物产量预测时,考虑空气中氧气及二氧化碳浓度是否异常,即是否不满足农作物正常生长的标准。
本发明具有以下有益效果:
本发明通过测定土壤性状包括土壤的相对湿度、酸碱度、氧气浓度、二氧化碳浓度以及土壤养分浓度对农作物收成的影响系数:相对湿度影响系数sn、酸碱度影响系数hn、氧气浓度影响系数kn、二氧化碳浓度影响系数ln、氮浓度的影响系数Nn、磷浓度的影响系数Pn、钾浓度的影响系数Kn,并通过Tp=kn*ln*sn*hn*(Nn*Pn*Kn)*T预测农作物的收成,同时方便对农作物施肥等救助、提高农作物产量。
当然,实施本发明的任一产品并不一定需要同时达到以上所述的所有优点。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明基于土壤性状监测的农作物种植收成预测方法的流程图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
请参阅图1所示,本发明为基于土壤性状监测的农作物种植收成预测方法,包括如下过程:
测定土壤性状对农作物收成的影响系数:
S00:在农作物其他必要生长条件适宜且相同条件下测定土壤中不同氧气浓度对农作物收成的影响系数K:
设定一组氧气浓度为10%、12%、14%、16%、18%、20%分别培育农作物并计算出亩产量Tk1、Tk2、Tk3、Tk4、Tk5、Tk6;同时计算对应氧浓度的影响系数:k1、k2、k3、k4、k5、k6;
S02:在农作物其他必要生长条件适宜且相同条件下测定土壤中不同二氧化碳浓度对农作物收成的影响系数L:
设定一组二氧化碳浓度为0.2%、0.3%、0.4%、0.5%、0.6%分别培育农作物并计算出亩产量Tl1、Tl2、Tl3、Tl4、Tl5;同时计算对应二氧化碳浓度的影响系数:l1、l2、l3、l4、l5;
S03:在农作物其他必要生长条件适宜且相同条件下测定土壤的不同相对湿度对农作物收成的影响系数S:
设定一组土壤相对湿度为60、70、80、90、100分别培育农作物并计算出亩产量Ts1、Ts2、Ts3、Ts4、Ts5;同时计算对应土壤湿度的影响系数:s1、s2、s3、s4、s5;
S04:在农作物其他必要生长条件适宜且相同条件下测定土壤不同酸碱度对农作物收成的影响系数H:
设定一组土壤酸碱度为6、6.5、7、7.5、8分别培育农作物并计算出亩产量Th1、Th2、Th3、Th4、Th5;同时计算对应酸碱度的影响系数:h1、h2、h3、h4、h5;
S05:在农作物其他必要生长条件适宜且相同条件下测定土壤养分浓度对农作物收成的影响系数NT:
其中,土壤养分浓度包括氮、磷、钾浓度;
设定一组土壤氮浓度为150、160、170、180、190、200分别培育农作物并计算出亩产量NTN1、NTN2、NTN3、NTN4、NTN5、NTN6;同时计算对应氮浓度的影响系数:N1、N2、N3、N4、N5、N6;
设定一组土壤磷浓度为60、70、80、90、100分别培育农作物并计算出亩产量NTP1、NTP2、NTP3、NTP4、NTP5;同时计算对应磷浓度的影响系数:P1、P2、P3、P4、P5;
设定一组土壤钾浓度为100、110、120、130、140、150分别培育农作物并计算出亩产量NTK1、NTK2、NTK3、NTK4、NTK5、NTK6;同时计算对应钾浓度的影响系数:K1、K2、K3、K4、K5、K6;
其中,土壤中氮浓度、钾浓度、磷浓度均为毫克/千克;
测定土壤性状并预测农作物产量:
B00:分别测定土壤中氧气浓度、二氧化碳浓度、土壤相对湿度、土壤酸碱度以及土壤养分浓度;
B01:预测农作物收成为:Tp=kn*ln*sn*hn*(Nn*Pn*Kn)*T;
其中,n的取值根据土壤中氧气浓度、二氧化碳浓度、土壤相对湿度、土壤酸碱度以及土壤养分浓度取对应的值。
其中,对应氧浓度的影响系数:k1、k2、k3、k4、k5、k6具体计算方法如下:
kn=Tkn/T;其中,T为农作物标准亩产量,n=1、2、3、4、5、6。
其中,对应二氧化碳浓度的影响系数:l1、l2、l3、l4、l5具体计算方法如下:
ln=Tln/T;其中,T为农作物标准亩产量,n=1、2、3、4、5。
其中,对应土壤湿度的影响系数:s1、s2、s3、s4、s5具体计算方法如下:
sn=Tsn/T;其中,T为农作物标准亩产量,n=1、2、3、4、5。
其中,对应酸碱度的影响系数:h1、h2、h3、h4、h5具体计算方法如下:
hn=Thn/T;其中,其中,T为农作物标准亩产量,n=1、2、3、4、5。
其中,土壤养分浓度还包括:铁、硼、砷、锰、铜、钴、钼稀有元素浓度;在进行农作物产量预测时,测定土壤中稀有元素浓度,作为农作物产量预测的影响因素。
其中,预测农作物产量还包括如下:
进行农作物产量预测时,考虑空气中氧气及二氧化碳浓度是否异常,即是否不满足农作物正常生长的标准。
本发明在实际使用过程中,测定出对应的氧浓度的影响系数:k1、k2、k3、k4、k5、k6;二氧化碳浓度的影响系数:l1、l2、l3、l4、l5;土壤湿度的影响系数:s1、s2、s3、s4、s5;酸碱度的影响系数:h1、h2、h3、h4、h5;然后通过溶解氧测定仪测定土壤中的氧浓度,并对应查看对应的氧浓度影响系数kn;采用二氧化碳测定仪测定土壤中的二氧化塔浓度ln,并对应查找对应的二氧化碳浓度影响系数ln;将土壤融入水中并搅拌后过滤突然获得滤液然后采用PH测试仪测试土壤中的酸碱度,并查找对应的酸碱度的影响系数hn;并通过湿度测定仪测定土壤的相对湿度,并查找对应的湿度影响系数sn;还要通过土壤养分浓度测定仪测定土壤中氮浓度的影响系数Nn、磷浓度的影响系数Pn、钾浓度的影响系数Kn,必要时还要测定土壤中稀有元素的浓度。通过Tp=kn*ln*sn*hn*(Nn*Pn*Kn)*T预测农作物的产量,在进行预测前为避免大气环境的影响,要监测农作物生长过程中,空气中氧气浓度以及二氧化碳浓度是否符合农作物正常生长的标准。
在本说明书的描述中,参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节,也不限制该发明仅为所述的具体实施方式。显然,根据本说明书的内容,可作很多的修改和变化。本说明书选取并具体描述这些实施例,是为了更好地解释本发明的原理和实际应用,从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。
Claims (5)
1.基于土壤性状监测的农作物种植收成预测方法,其特征在于,包括如下过程:
测定土壤性状对农作物收成的影响系数:
S00:在农作物其他必要生长条件适宜且相同条件下测定土壤中不同氧气浓度对农作物收成的影响系数K:
设定一组氧气浓度为10%、12%、14%、16%、18%、20%分别培育农作物并计算出亩产量Tk1、Tk2、Tk3、Tk4、Tk5、Tk6;同时计算对应氧浓度的影响系数:k1、k2、k3、k4、k5、k6;
S02:在农作物其他必要生长条件适宜且相同条件下测定土壤中不同二氧化碳浓度对农作物收成的影响系数L:
设定一组二氧化碳浓度为0.2%、0.3%、0.4%、0.5%、0.6%分别培育农作物并计算出亩产量Tl1、Tl2、Tl3、Tl4、Tl5;同时计算对应二氧化碳浓度的影响系数:l1、l2、l3、l4、l5;
S03:在农作物其他必要生长条件适宜且相同条件下测定土壤的不同相对湿度对农作物收成的影响系数S:
设定一组土壤相对湿度为60、70、80、90、100分别培育农作物并计算出亩产量Ts1、Ts2、Ts3、Ts4、Ts5;同时计算对应土壤湿度的影响系数:s1、s2、s3、s4、s5;
S04:在农作物其他必要生长条件适宜且相同条件下测定土壤不同酸碱度对农作物收成的影响系数H:
设定一组土壤酸碱度为6、6.5、7、7.5、8分别培育农作物并计算出亩产量Th1、Th2、Th3、Th4、Th5;同时计算对应酸碱度的影响系数:h1、h2、h3、h4、h5;
S05:在农作物其他必要生长条件适宜且相同条件下测定土壤养分浓度对农作物收成的影响系数NT:
其中,所述土壤养分浓度包括氮、磷、钾浓度;
设定一组土壤氮浓度为150、160、170、180、190、200分别培育农作物并计算出亩产量NTN1、NTN2、NTN3、NTN4、NTN5、NTN6;同时计算对应氮浓度的影响系数:N1、N2、N3、N4、N5、N6;
设定一组土壤磷浓度为60、70、80、90、100分别培育农作物并计算出亩产量NTP1、NTP2、NTP3、NTP4、NTP5;同时计算对应磷浓度的影响系数:P1、P2、P3、P4、P5;
设定一组土壤钾浓度为100、110、120、130、140、150分别培育农作物并计算出亩产量NTK1、NTK2、NTK3、NTK4、NTK5、NTK6;同时计算对应钾浓度的影响系数:K1、K2、K3、K4、K5、K6;
其中,土壤中氮浓度、钾浓度、磷浓度均为毫克/千克;
测定土壤性状并预测农作物产量:
B00:分别测定土壤中氧气浓度、二氧化碳浓度、土壤相对湿度、土壤酸碱度以及土壤养分浓度;
B01:预测农作物收成为:Tp=kn*ln*sn*hn*(Nn*Pn*Kn)*T;
其中,n的取值根据土壤中氧气浓度、二氧化碳浓度、土壤相对湿度、土壤酸碱度以及土壤养分浓度取对应的值;
所述对应氧浓度的影响系数:k1、k2、k3、k4、k5、k6具体计算方法如下:
kn=Tkn/T;其中,T为农作物标准亩产量,n=1、2、3、4、5、6;
所述对应二氧化碳浓度的影响系数:l1、l2、l3、l4、l5具体计算方法如下:
ln=Tln/T;其中,T为农作物标准亩产量,n=1、2、3、4、5。
2.根据权利要求1所述的基于土壤性状监测的农作物种植收成预测方法,其特征在于,所述对应土壤湿度的影响系数:s1、s2、s3、s4、s5具体计算方法如下:
sn=Tsn/T;其中,T为农作物标准亩产量,n=1、2、3、4、5。
3.根据权利要求1所述的基于土壤性状监测的农作物种植收成预测方法,其特征在于,所述对应酸碱度的影响系数:h1、h2、h3、h4、h5具体计算方法如下:
hn=Thn/T;其中,其中,T为农作物标准亩产量,n=1、2、3、4、5。
4.根据权利要求1所述的基于土壤性状监测的农作物种植收成预测方法,其特征在于,
所述土壤养分浓度还包括:铁、硼、砷、锰、铜、钴、钼稀有元素浓度;在进行农作物产量预测时,测定土壤中稀有元素浓度,作为农作物产量预测的影响因素。
5.根据权利要求1所述的基于土壤性状监测的农作物种植收成预测方法,其特征在于,所述预测农作物产量还包括如下:
进行农作物产量预测时,考虑空气中氧气及二氧化碳浓度是否异常,即是否不满足农作物正常生长的标准。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910197990.5A CN109816181B (zh) | 2019-03-15 | 2019-03-15 | 基于土壤性状监测的农作物种植收成预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910197990.5A CN109816181B (zh) | 2019-03-15 | 2019-03-15 | 基于土壤性状监测的农作物种植收成预测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109816181A CN109816181A (zh) | 2019-05-28 |
CN109816181B true CN109816181B (zh) | 2022-02-11 |
Family
ID=66609093
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910197990.5A Active CN109816181B (zh) | 2019-03-15 | 2019-03-15 | 基于土壤性状监测的农作物种植收成预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109816181B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110332957A (zh) * | 2019-07-12 | 2019-10-15 | 仲恺农业工程学院 | 一种农作物栽培信息处理系统及方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102229889A (zh) * | 2011-05-31 | 2011-11-02 | 中国科学院青岛生物能源与过程研究所 | 一株小球藻及其培养方法和应用 |
CN103646299A (zh) * | 2013-12-19 | 2014-03-19 | 浙江省公众信息产业有限公司 | 基于神经元网络的农作物预测方法与装置 |
CN105130680A (zh) * | 2015-09-23 | 2015-12-09 | 山东省农业科学院农业资源与环境研究所 | 含紫藤木屑的杏鲍菇的培养料及制作方法 |
US20160309659A1 (en) * | 2013-12-19 | 2016-10-27 | Phytech Ltd. | Method and system for treating crop according to predicted yield |
CN106875283A (zh) * | 2017-01-11 | 2017-06-20 | 江苏省海洋资源开发研究院(连云港) | 一种基于农业大数据的农田种植保险评估的系统及方法 |
CN108681344A (zh) * | 2018-04-09 | 2018-10-19 | 中国农业大学 | 一种设施栽培二氧化碳浓度的控制方法和系统 |
-
2019
- 2019-03-15 CN CN201910197990.5A patent/CN109816181B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102229889A (zh) * | 2011-05-31 | 2011-11-02 | 中国科学院青岛生物能源与过程研究所 | 一株小球藻及其培养方法和应用 |
CN103646299A (zh) * | 2013-12-19 | 2014-03-19 | 浙江省公众信息产业有限公司 | 基于神经元网络的农作物预测方法与装置 |
US20160309659A1 (en) * | 2013-12-19 | 2016-10-27 | Phytech Ltd. | Method and system for treating crop according to predicted yield |
CN105130680A (zh) * | 2015-09-23 | 2015-12-09 | 山东省农业科学院农业资源与环境研究所 | 含紫藤木屑的杏鲍菇的培养料及制作方法 |
CN106875283A (zh) * | 2017-01-11 | 2017-06-20 | 江苏省海洋资源开发研究院(连云港) | 一种基于农业大数据的农田种植保险评估的系统及方法 |
CN108681344A (zh) * | 2018-04-09 | 2018-10-19 | 中国农业大学 | 一种设施栽培二氧化碳浓度的控制方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN109816181A (zh) | 2019-05-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zampieri et al. | Wheat yield loss attributable to heat waves, drought and water excess at the global, national and subnational scales | |
Dawe et al. | How widespread are yield declines in long-term rice experiments in Asia? | |
Dobermann | Nutrient use efficiency–measurement and management | |
Yang et al. | The impact of free-air CO2 enrichment (FACE) and N supply on yield formation of rice crops with large panicle | |
CN111557159B (zh) | 一种带有农作物养分需求分析功能的水肥一体机控制系统及其控制方法 | |
Madhumathi et al. | Soil NPK and moisture analysis using wireless sensor networks | |
CN103125192B (zh) | 露地大樱桃测土施肥方法 | |
SHEN et al. | Top-grain filling characteristics at an early stage of maize (Zea mays L.) with different nitrogen use efficiencies | |
Mallarino et al. | Nutrient uptake by corn and soybean, removal, and recycling with crop residue | |
CN115938083B (zh) | 一种基于移动终端农业监测预警方法及系统 | |
CN109816181B (zh) | 基于土壤性状监测的农作物种植收成预测方法 | |
CN109673454A (zh) | 一种滴灌棉花氮素营养诊断模型的构建方法和应用 | |
CN111008789B (zh) | 一种核算种植业氮肥施用后氨排放量的方法 | |
Bakshi et al. | Integrated nutrient management induced changes in nutrient uptake, fruit yield and quality of Kinnow mandarin | |
Wang et al. | Changes in regional grain yield responses to chemical fertilizer use in China over the last 20 years | |
Prasad et al. | Development of critical limits for different crops grown in different soils and its use in optimizing fertilizer rates | |
Li et al. | Variations of soil quality from continuously planting greenhouses in North China | |
Srivastava et al. | Citrus nutrition: An Indian perspective | |
Wen et al. | Establishing a Physiology-Yield-Quality evaluation model for optimizing drip irrigation on grape fields in extremely arid regions | |
Vestberg et al. | Cropping system impact on soil quality determinants | |
Bhogal et al. | Fate of 15N-labelled fertilizer in a long-term field trial at Ropsley, UK | |
CN111642210A (zh) | 一种基于土壤Olsen-P测试与水磷一体化的马铃薯磷肥推荐方法 | |
Lonescu et al. | Intelligent command of an underground irrigation and fertilization system | |
Arango et al. | Phenotyping of Urochloa humidicola hybrids for its BNI potential, biomass production, forage quality and N2O Emissions | |
CN109892091B (zh) | 智能施肥方法及装置、服务器 |
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 |