CN110414711B - 一种基于生长季节降雨量的烟草产量预测方法 - Google Patents

一种基于生长季节降雨量的烟草产量预测方法 Download PDF

Info

Publication number
CN110414711B
CN110414711B CN201910536968.9A CN201910536968A CN110414711B CN 110414711 B CN110414711 B CN 110414711B CN 201910536968 A CN201910536968 A CN 201910536968A CN 110414711 B CN110414711 B CN 110414711B
Authority
CN
China
Prior art keywords
tobacco
rainfall
yield
month
growing season
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
Application number
CN201910536968.9A
Other languages
English (en)
Other versions
CN110414711A (zh
Inventor
邹聪明
兰星
向镜霖
任可
蔺忠龙
陈颐
胡彬彬
朱艳梅
赵高坤
胡小东
祝明亮
陈妍洁
沈俊儒
杨学书
普国瑞
晋艳
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Yunnan Academy of Tobacco Agricultural Sciences
Original Assignee
Yunnan Academy of Tobacco Agricultural Sciences
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Yunnan Academy of Tobacco Agricultural Sciences filed Critical Yunnan Academy of Tobacco Agricultural Sciences
Priority to CN201910536968.9A priority Critical patent/CN110414711B/zh
Publication of CN110414711A publication Critical patent/CN110414711A/zh
Application granted granted Critical
Publication of CN110414711B publication Critical patent/CN110414711B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • 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
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Animal Husbandry (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Agronomy & Crop Science (AREA)
  • Mining & Mineral Resources (AREA)
  • General Health & Medical Sciences (AREA)
  • Marine Sciences & Fisheries (AREA)
  • Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开一种基于生长季节降雨量的烟草产量预测方法，包括采集并统计多个植烟区历年烟草生长季节各月降雨量、烟草产量及当年烟草生长季节各月降雨量；分析植烟区历年烟草生长季节各月平均降雨量和近5年平均烟草产量，建立烟草产量预测模型A或模型B；将植烟区当年烟草生长季节各月的降雨量代入上述烟草产量预测模型得到当年烟草预测产量。本发明根据多地植烟区多年生长季节降雨量和烟叶产量记录，分析并建立预测模型预测烟草产量，模型中只含生长季节降雨量单一变量因子，不仅大田检测和预测计算相对简单、实用性强，而且预测结果更加稳定，可增加烟农收入并对于烤烟生产具有一定的指导意义，还可对烟草行业的提质增效起到积极作用。

Description

一种基于生长季节降雨量的烟草产量预测方法
技术领域
本发明属于烟草农业技术领域，具体涉及一种大田检测和预测计算相对简单、实用性强、预测结果稳定的基于生长季节降雨量的烟草产量预测方法。
背景技术
水分是影响烟叶生长发育和烟叶质量的重要生态因素之一，能有效调控烟叶产量和质量。水分不足或过多都将严重影响烟叶的生长发育和产质量，甚至会加重烟草病害的发生。另外，烟叶内部组织的含水量，对烟叶烘烤生理生化过程发挥决定性作用，诸如许多大分子化合物分解转化为小分子物质（香气前体物质），都依靠烟叶组织内部的自由水来参与其代谢过程。而烟草所需水分绝大多数都来自生长季节的降雨。烟草农业上有“五月干发根，六月调养生，七月湿旺长，八月调养熟，九月干采上部”的说法。在烟草生产中，对烟草产量进行预测具有极大的现实意义。对烟草产量进行预测，不仅有利于烟农根据烟叶价格变化及时调整种植面积与种植品种来增加烟农收入，还可以对烟草行业的提质增效起到积极作用。
目前，我国烟叶生产中还没有一个成熟可靠的产量预测模型，预测产量大多是依靠以前的种植经验或是运用统计学上的抽样调查方法计算和估计烟草产量，工作繁琐且偏差较大。虽然也有依照其他农作物产量预测模型建立烟草的产量预测模型，但由于烟草本身的需水需肥情况不同而会造成较大的误差，而且如光照、肥料、温度、水分等都作为变量因子加入产量预测模型，也会造成大田农艺措施和气候因子等参数检测、采集过程繁琐，模型计算过程相对复杂，预测结果不稳定。因此，建立一种大田检测和预测计算相对简单、预测结构稳定且准确的专门用于烟草产量预测的方法是非常必要的。
发明内容
针对现有技术的不足，本发明提供一种大田检测和预测计算相对简单、实用性强、预测结果稳定的基于生长季节降雨量的烟草产量预测方法。
本发明是这样实现的：包括数据采集、校正值计算、烘烤工艺调整步骤，具体步骤如下：
A、数据采集：采集并统计多个植烟区往年烟草生长季节各月的降雨量及烟草产量的数据，同时采集并统计植烟区当年烟草生长季节各月的降雨量；
B、建立烟草产量预测模型：根据降雨量对烟草产量的影响，结合烟草基本需水规律，分析植烟区各年在烟草生长季节各月的降雨量对烟草产量的贡献率，建立烟草生长季节各月的降雨量与最近5年烟草的产量为基础的烟草产量预测模型A或烟草产量预测模型B；
烟草产量预测模型A为：
QF=Q+ [ a×May+b×Jun+c×Jul+d×Aug+e×Sep]；
烟草产量预测模型B为：
QP=Q+[ a×May+b×Jun+ c×Jul+d×Aug]，
式中：QF及QP为当年预测产量，Q为当地最近五年的烟草平均产量；May为五月的降雨量，Jun为六月的降雨量，Jul为七月的降雨量，Aug为八月的降雨量，Sept为九月的降雨量；a、b、c、d、e分别表示生长季节各月降雨量对烟草产量的贡献率系数；产量的单位为kg/666.7㎡，降雨量的单位为cm；
C、预测产量计算：将前述采集并统计植烟区当年烟草生长季节各月的降雨量代入上述烟草产量预测模型，计算得到植烟区当年的烟草预测产量。
本发明的有益效果为：本发明根据多地植烟区烟草多年生长季节的降雨量和烟叶产量记录，分析烟草生长季节各月降雨量对烟草产量的贡献率，建立烟草产量预测模型以预测烟草的产量，由于模型中只含生长季节各月的降雨量这一单一变量因子，使得预测产量时不仅大田参数的检测、采集以及预测计算相对简单、实用性强，而且预测结果更加稳定。通过对烟草产量进行科学预测，不仅可以帮助烟农合理规划种植提高收入，也可以帮助技术人员根据预测产量合理调配烟叶，还可以对烟草行业的提质增效起到积极作用。
具体实施方式
下面结合实施例对本发明作进一步的说明，但不以任何方式对本发明加以限制，基于本发明教导所作的任何变更或改进，均属于本发明的保护范围。
本发明包括数据采集、校正值计算、烘烤工艺调整步骤，具体步骤如下：
A、数据采集：采集并统计多个植烟区往年烟草生长季节各月的降雨量及烟草产量的数据，同时采集并统计植烟区当年烟草生长季节各月的降雨量；
B、建立烟草产量预测模型：根据降雨量对烟草产量的影响，结合烟草基本需水规律，分析植烟区各年在烟草生长季节各月的降雨量对烟草产量的贡献率，建立烟草生长季节各月的降雨量与最近5年烟草的产量为基础的烟草产量预测模型A或烟草产量预测模型B；
烟草产量预测模型A为：
QF=Q+ [ a×May+b×Jun+c×Jul+d×Aug+e×Sep]；
烟草产量预测模型B为：
QP=Q+[ a×May+b×Jun+ c×Jul+d×Aug]，
式中：QF及QP为当年预测产量，Q为当地最近五年的烟草平均产量；May为五月的降雨量，Jun为六月的降雨量，Jul为七月的降雨量，Aug为八月的降雨量，Sept为九月的降雨量；a、b、c、d、e分别表示生长季节各月降雨量对烟草产量的贡献率系数；产量的单位为kg/666.7㎡，降雨量的单位为cm；
C、预测产量计算：将前述采集并统计植烟区当年烟草生长季节各月的降雨量代入上述烟草产量预测模型，计算得到植烟区当年的烟草预测产量。
所述烟草预测产量以植烟区当年的烟草在九月全部采收完成时选择烟草产量预测模型A进行预测产量的计算，而当年的烟草在八月采收完成时选择模烟草产量预测模型B进行预测产量的计算。
所述烟草为白肋烟或烤烟。
所述烟草为白肋烟时，烟草产量预测模型中各月降雨量对烟草产量的贡献率系数取值范围如表1：
表1 白肋烟各月降雨量对烟草产量的贡献率
其中：系数a的降雨量为5月份总降雨量，系数b的降雨量为6月份总降雨量，系数c的降雨量为7月份总降雨量，系数d的降雨量为8月份总降雨量，系数e的降雨量为9月份总降雨量。
所述烟草为烤烟时，烟草产量预测模型中各月降雨量对烟草产量的贡献率系数取值范围如表2：
表2 烤烟各月降雨量对烟草产量的贡献率
其中：系数a的降雨量为5月份总降雨量，系数b的降雨量为6月份总降雨量，系数c的降雨量为7月份总降雨量，系数d的降雨量为8月份总降雨量，系数e的降雨量为9月份总降雨量。
所述烟草生长季节为5~9月或5~8月。
所述烟草生长季节各月的降雨量为5~9月或5~8月的月总降雨量。
所述烟草生长季节各月的降雨量中最后一个月的降雨量测定至采摘前一天的降雨量数据。
实施例1
S10：Glasgow是英国的一个城市，属温带海洋性气候，温和湿润，多阴云雨雾，海拔218米，降雨多集中在5~9月，年降雨量约800毫米。Glasgow地区种植白肋烟，采集并统计Glasgow地区2000~2006年5~9月的月降雨量及烟草产量数据如表3。
S20：分析Glasgow地区各年在烟草生长季节各月的降雨量对烟草产量的贡献率，将植烟区2000~2006年共7年在烟草生长季节各月的平均降雨量和历年平均烟草产量结合，由于种植白肋烟且均在9月全部采收完成，因此建立烟草产量预测模型A；
烟草产量预测模型A为：
QF=Q+ [ a×May+b×Jun+c×Jul+d×Aug+e×Sep]；
式中：QF为当年预测产量，Q为当地最近五年的烟草平均产量；May为五月的降雨量，Jun为六月的降雨量，Jul为七月的降雨量，Aug为八月的降雨量，Sept为九月的降雨量；产量的单位为kg/666.7㎡，降雨量的单位为cm。
S30：将表3中烟草生长季节各月的降雨量代入上述烟草产量预测模型A中，计算得到Glasgow地区各年的烟草预测产量如表3；也可以带入2006年以后每一年烟草生长季节各月的降雨量，计算得到当年的烟草预测产量。
表3 Glasgow地区2000~2006年各月降雨量与亩产量
如表3所示，Glasgow地区2000~2006年的实际产量和预测产量比较可以看出，除了2005年预测偏差较大外，其余年份预测都与实际产量较为接近，说明该模型所预测的白肋烟产量较为准确。
实施例2
S10：Spindletop位于美国肯塔基州，海拔357米，年降雨量1200毫米。Spindletop地区种植白肋烟，采集并统计Glasgow地区2000~2006年5~9月的月降雨量及烟草产量数据如表4。
S20：分析Spindletop地区各年在烟草生长季节各月的降雨量对烟草产量的贡献率，将植烟区2000~2006年共7年在烟草生长季节各月的平均降雨量和历年平均烟草产量结合，由于种植白肋烟且均在9月全部采收完成，因此建立烟草产量预测模型A；
烟草产量预测模型A为：
QF=Q+ [a×May+b×Jun+c×Jul+d×Aug+e×Sep]；
式中：QF为当年预测产量，Q为当地最近五年的烟草平均产量；May为五月的降雨量，Jun为六月的降雨量，Jul为七月的降雨量，Aug为八月的降雨量，Sept为九月的降雨量；a、b、c、d、e分别表示生长季节各月降雨量对烟草产量的贡献率系数（取值见表1）；产量的单位为kg/666.7㎡，降雨量的单位为cm。
S30：将表4中烟草生长季节各月的降雨量代入上述烟草产量预测模型A中，计算得到Spindletop地区各年的烟草预测产量如表4；也可以带入2006年以后每一年烟草生长季节各月的降雨量，计算得到当年的烟草预测产量。
表4 Spindletop地区2000~2006年各月降雨量与亩产量
如表4所示，Spindletop地区2000~2006年的实际产量和预测产量比较可以看出，各年份预测都与实际产量较为接近，说明该模型所预测的白肋烟产量较为准确。
实施例3
S10：云南省玉溪市研和镇2016~2017年种植K326烤烟，采集并统计研和镇2016~2017年5~8月的月降雨量（如表5）及2011~2017烟草产量数据（如表6）。
S20：参照实施例1和实施例2，分析研和镇各年在烟草生长季节各月的降雨量对烟草产量的贡献率，将植烟区2016~2017年在烟草生长季节各月的平均降雨量和历年平均烟草产量结合，由于种植K326烤烟且均在8月全部采收完成，因此建立烟草产量预测模型B；
烟草产量预测模型B为：
QP=Q+ [a×May+b×Jun+c×Jul+d×Aug]；
式中：QF为当年预测产量，Q为当地最近五年的烟草平均产量；May为五月的降雨量，Jun为六月的降雨量，Jul为七月的降雨量，Aug为八月的降雨量；a、b、c、d、e分别表示生长季节各月降雨量对烟草产量的贡献率系数（取值见表1）；产量的单位为kg/666.7㎡，降雨量的单位为cm。
S30：将表5中烟草生长季节各月的降雨量代入上述烟草产量预测模型B中，计算得到研和镇各年的烟草预测产量如表3；也可以带入2018年烟草生长季节各月的降雨量，计算得到2018年的烟草预测产量。
表5 玉溪市研和镇2016~2017年各月降雨量与亩产量
表6 玉溪市研和镇2011~2017年实际亩产量（kg/666.7cm2）
年份 2011 2012 2013 2014 2015 2016 2017
<![CDATA[实际亩产量（kg/666.7cm<sup>2</sup>）]]> 164.66 154.65 167.46 163.86 132.56 175.88 168.50
如表5所示，玉溪市研和镇2016~2017年的实际产量和预测产量比较可以看出，两年预测都与实际产量较为接近，说明该模型所预测烤烟产量较为准确。
实施例4
S10：云南省玉溪市九溪镇2016~2017年种植红花大金元烤烟，采集并统计九溪镇2016~2017年5~8月的月降雨量（如表7）及2011~2017烟草产量数据（如表8）。
S20：参照实施例1和实施例2，分析九溪镇各年在烟草生长季节各月的降雨量对烟草产量的贡献率，将植烟区2016~2017年在烟草生长季节各月的平均降雨量和历年平均烟草产量结合，由于种植红花大金元烤烟且均在8月全部采收完成，因此建立烟草产量预测模型B；
烟草产量预测模型B为：
QP=Q+ [ a×May+b×Jun+c×Jul+d×Aug]；
式中：QF为当年预测产量，Q为当地最近五年的烟草平均产量；May为五月的降雨量，Jun为六月的降雨量，Jul为七月的降雨量，Aug为八月的降雨量；a、b、c、d、e分别表示生长季节各月降雨量对烟草产量的贡献率系数（取值见表1）；产量的单位为kg/666.7㎡，降雨量的单位为cm。
S30：将表7中烟草生长季节各月的降雨量代入上述烟草产量预测模型B中，计算得到九溪镇各年的烟草预测产量如表7；也可以带入2018年烟草生长季节各月的降雨量，计算得到2018年的烟草预测产量。
表7 玉溪市九溪镇2016~2017年各月降雨量与亩产量
表8 玉溪市九溪镇2011~2017年实际亩产量（kg/666.7cm2）
年份 2011 2012 2013 2014 2015 2016 2017
<![CDATA[实际亩产量（kg/666.7cm<sup>2</sup>）]]> 154.43 148.86 156.75 164.35 158.98 175.88 174.54
如表7所示，玉溪市九溪镇2016~2017年的实际产量和预测产量比较可以看出，两年预测都与实际产量较为接近，说明该模型所预测烤烟产量较为准确。

Claims (2)

1.一种基于生长季节降雨量的烟草产量预测方法，其特征在于，包括数据采集、校正值计算、烘烤工艺调整步骤，具体步骤如下：
A、数据采集：采集并统计多个植烟区往年烟草生长季节各月的降雨量及烟草产量的数据，同时采集并统计植烟区当年烟草生长季节各月的降雨量；
B、建立烟草产量预测模型：根据降雨量对烟草产量的影响，结合烟草基本需水规律，分析植烟区各年在烟草生长季节各月的降雨量对烟草产量的贡献率，建立烟草生长季节各月的降雨量与最近5年烟草的产量为基础的烟草产量预测模型A或烟草产量预测模型B；烟草生长季节为5~9月或5~8月，如果烟草预测产量以植烟区当年的烟草在九月全部采收完成时选择烟草产量预测模型A进行计算，如果以植烟区当年的烟草在八月采收完成时选择模烟草产量预测模型B进行计算；
烟草产量预测模型A为：QF=Q+ [ a×May+b×Jun+c×Jul+d×Aug+e×Sep]；
烟草产量预测模型B为：QP=Q+[ a×May+b×Jun+ c×Jul+d×Aug]；
式中：QF及QP为当年预测产量，Q为当地最近五年的烟草平均产量；May、Jun、Jul、Aug、Sept分别为五月、六月、七月、八月、九月的总降雨量；a、b、c、d、e分别表示生长季节各月降雨量对烟草产量的贡献率系数；产量的单位为kg/666.7m2，降雨量的单位为cm；
所述烟草为白肋烟或烤烟，烟草为白肋烟时，烟草产量预测模型中各月降雨量对烟草产量的贡献率系数取值范围如表1：
表1 白肋烟各月降雨量对烟草产量的贡献率
烟草为烤烟时，烟草产量预测模型中各月降雨量对烟草产量的贡献率系数取值范围如表2：
表2 烤烟各月降雨量对烟草产量的贡献率
其中：系数a、b、c、d、e的降雨量为5月、6月、7月、8月、9月份的总降雨量；
C、预测产量计算：将前述采集并统计植烟区当年烟草生长季节各月的降雨量代入上述烟草产量预测模型，计算得到植烟区当年的烟草预测产量。
2.根据权利要求1所述基于生长季节降雨量的烟草产量预测方法，其特征在于，所述烟草生长季节各月的降雨量中最后一个月的降雨量测定至采摘前一天的降雨量数据。
CN201910536968.9A 2019-06-20 2019-06-20 一种基于生长季节降雨量的烟草产量预测方法 Active CN110414711B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910536968.9A CN110414711B (zh) 2019-06-20 2019-06-20 一种基于生长季节降雨量的烟草产量预测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910536968.9A CN110414711B (zh) 2019-06-20 2019-06-20 一种基于生长季节降雨量的烟草产量预测方法

Publications (2)

Publication Number Publication Date
CN110414711A CN110414711A (zh) 2019-11-05
CN110414711B true CN110414711B (zh) 2023-04-07

Family

ID=68359408

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910536968.9A Active CN110414711B (zh) 2019-06-20 2019-06-20 一种基于生长季节降雨量的烟草产量预测方法

Country Status (1)

Country Link
CN (1) CN110414711B (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006254424A (ja) * 2005-02-14 2006-09-21 Mitsuhiro Kawasaki 空間情報関連物を携えた「平面画像情報が、目前に迫る５感覚立体化情報処理関連物」
CN106897803A (zh) * 2017-04-27 2017-06-27 云南中烟工业有限责任公司 一种基于组合灰色模型预测管理复烤烟叶原料需求的方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106717894A (zh) * 2016-12-09 2017-05-31 中国烟草总公司广东省公司 一种通过调节微生态环境来提高烤烟品种h892烟叶产量的方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006254424A (ja) * 2005-02-14 2006-09-21 Mitsuhiro Kawasaki 空間情報関連物を携えた「平面画像情報が、目前に迫る５感覚立体化情報処理関連物」
CN106897803A (zh) * 2017-04-27 2017-06-27 云南中烟工业有限责任公司 一种基于组合灰色模型预测管理复烤烟叶原料需求的方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
2013年南平烟区烤烟生产气候分析及气象服务;李冬梅等;《亚热带农业研究》(第01期);全文 *

Also Published As

Publication number Publication date
CN110414711A (zh) 2019-11-05

Similar Documents

Publication Publication Date Title
Shao et al. Root growth and root system architecture of field-grown maize in response to high planting density
CN109187441B (zh) 基于冠层光谱信息的夏玉米含氮量监测模型的构建方法
Moriana et al. Irrigation scheduling for traditional, low-density olive orchards: Water relations and influence on oil characteristics
CN109447426B (zh) 基于作物需水机理的灌溉需水对变化环境的响应分析方法
Ramos et al. Yield and olive oil characteristics of a low-density orchard (cv. Cordovil) subjected to different irrigation regimes
CN112493084B (zh) 一种基于天气预报信息的水平衡茶树浇水方法
Peltonen-Sainio et al. Declining rapeseed yields in Finland: how, why and what next?
CN111226727A (zh) 一种烟草-秋豌豆一年两熟种植方法
CN116362399A (zh) 一种基于气候变化的小麦物候期和产量预测方法及系统
Ramos et al. Water use and soil water balance of Mediterranean tree crops assessed with the SIMDualKc model in orchards of southern Portugal
Nederhoff et al. Leaf deformation and fruit production of glasshouse grown tomato (Lycopersicon esculentum Mill.) as affected by C02, plant density and pruning
CN110414711B (zh) 一种基于生长季节降雨量的烟草产量预测方法
De Ruiter et al. Nitrogen and dry matter partitioning of barley grown in a dryland environment
CN110432529B (zh) 一种基于移栽期-施肥量与降雨量的烤烟科学烘烤方法
CN111275569A (zh) 一种烤烟产区生态特征测定方法、系统、存储介质、终端
Corell et al. Extrapolating base-line trunk shrinkage reference equations across olive orchards
CN113673911A (zh) 一种基于果树光合产量和分配原理的评价调整修剪方法
Dobermann Crop potassium nutrition–implications for fertilizer recommendations
CN106296431A (zh) 神农架绿茶气候生态品质评价模式
CN105359690A (zh) 一种双条双层点施施肥方法
Al-Ghawry et al. Comparison of physiological response to growth stage-based supplemental and conventional irrigation management of wheat
RU2661829C1 (ru) Способ оценки урожая и продуктивности орошаемых сельскохозяйственных культур в лесозащищенных ландшафтах
CN111657044A (zh) 一种茶园高效间作种植方法
NOORI et al. Vegetative growth and fruit set of olive (Olea europaea L. cv.‘Zard’) in response to some soil and plant factors
Lin et al. Alfalfa nutritive quality for ruminant livestock as influenced by ambient air quality in west-central Alberta

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