CN111289725A - 一种结合模型与时序采样的农田土壤有机碳储量估算方法及系统 - Google Patents
一种结合模型与时序采样的农田土壤有机碳储量估算方法及系统 Download PDFInfo
- Publication number
- CN111289725A CN111289725A CN202010189099.XA CN202010189099A CN111289725A CN 111289725 A CN111289725 A CN 111289725A CN 202010189099 A CN202010189099 A CN 202010189099A CN 111289725 A CN111289725 A CN 111289725A
- Authority
- CN
- China
- Prior art keywords
- organic carbon
- soil
- region
- model
- utilization mode
- 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.)
- Granted
Links
- 239000002689 soil Substances 0.000 title claims abstract description 128
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 title claims abstract description 103
- 229910052799 carbon Inorganic materials 0.000 title claims abstract description 103
- 238000005070 sampling Methods 0.000 title claims abstract description 44
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000004088 simulation Methods 0.000 claims abstract description 22
- 238000003860 storage Methods 0.000 claims abstract description 21
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000012935 Averaging Methods 0.000 claims description 2
- 239000000203 mixture Substances 0.000 claims 1
- 235000013311 vegetables Nutrition 0.000 description 17
- 238000010586 diagram Methods 0.000 description 7
- 238000005527 soil sampling Methods 0.000 description 4
- 230000007547 defect Effects 0.000 description 2
- 239000003337 fertilizer Substances 0.000 description 2
- 238000003973 irrigation Methods 0.000 description 2
- 230000002262 irrigation Effects 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 239000003895 organic fertilizer Substances 0.000 description 2
- 239000010902 straw Substances 0.000 description 2
- 241000209140 Triticum Species 0.000 description 1
- 235000021307 Triticum Nutrition 0.000 description 1
- 240000008042 Zea mays Species 0.000 description 1
- 235000005824 Zea mays ssp. parviglumis Nutrition 0.000 description 1
- 235000002017 Zea mays subsp mays Nutrition 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 235000005822 corn Nutrition 0.000 description 1
- 238000003967 crop rotation Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000035558 fertility Effects 0.000 description 1
- 239000005431 greenhouse gas Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Images
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
- G01N33/24—Earth materials
-
- G01N33/245—
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; 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
- Y02P90/80—Management or planning
- Y02P90/84—Greenhouse gas [GHG] management systems
Abstract
本发明公开了一种结合模型与时序采样的农田土壤有机碳储量估算方法及系统,将目标区域进行分类划分,结合模型模拟得到未考虑土地利用方式变化下土壤有机碳储量,后通过时序采样,计算得到考虑土地利用方式变化后的实际土壤有机碳储量;本发明通过结合模型和时序采样两种方法,能够在土地利用方式变化较大地区更高效的估算土壤有机碳储量的动态变化。
Description
技术领域
本发明涉及一种农田土壤有机碳储量估算方法及系统,特别是涉及一种结合模型和时序采样的农田土壤有机碳储量估算方法及系统。
背景技术
农业生态系统固存土壤有机碳,既有利于提高土壤肥力,又可以缓解温室气体排放带来的气候变化问题。准确估算区域尺度农用地的土壤有机碳储量能够为决策制定者提供有效的数据支撑。区域尺度上的许多因素,包括气候、土地利用方式、土壤性质和土地管理方式等,共同影响着土壤有机碳的变化。其中,农用地土地利用方式的变化对有机碳库的含量和分布的影响显著。在农用地土地利用变化剧烈的区域准确估算土壤有机碳储量的动态变化在应对气候变化和发展可持续性农业上具有重要意义。
目前,估算区域尺度土壤有机碳储量的常用方法主要有不同时间间隔上的区域土壤采样和基于过程的生态系统模型。其中,使用区域尺度上的土壤采样方法估算结果更为可靠。然而,只有具有足够数量土壤采样点的长期监测网络才能捕捉土壤有机碳在广阔时空尺度上的微小变化,由于区域尺度的土壤采样成本高、耗时长、劳动强度大、难以做到特定时间间隔的采样,因此,目前这样的长期监测网络数量非常有限。通常采用的做法是在两个时间点上进行区域土壤采样来估算土壤有机碳的变化,但是,这样无法估算该区域土壤有机碳在时间上的动态变化。基于过程的生态系统模型是估算和预测区域尺度土壤有机碳动态变化的有力工具。许多研究都已在土地利用方式变化不大的区域验证了模型估算结果的可靠性,但是,由于难以得到土地利用变化的空间数据集以及难以获取特殊作物的模型参数等诸多原因,在使用基于过程的生态系统模型估算区域尺度土壤有机碳储量及变化过程中,土地利用变化的影响通常被忽略。鉴于土地利用方式变化对土壤有机碳的显著影响,使模型应用于土地利用方式变化较大区域时模拟结果可能存在偏差。因此,在估算土地利用方式变化较大的区域,找到一种结合生态模型和时序采样的区域土壤有机碳估算方法以提高估算结果的可靠性是一个亟待解决的问题。
发明内容
发明目的:针对现有技术中的不足,本发明的目的之一是提供一种结合模型与时序采样的农田土壤有机碳储量估算方法,通过结合模型和时序采样两种方法,能够在土地利用方式变化较大地区更高效的估算土壤有机碳储量的动态变化;本发明的目的之二是提供一种结合模型与时序采样的农田土壤有机碳储量估算系统。
技术方案:本发明的结合模型与时序采样的农田土壤有机碳储量估算方法,包括如下步骤:
(1)将目标区域的农田进行土地利用方式变化区域划分,在时间段I1至In内,该农田分为土地利用方式未变化区域N和土地利用方式变化区域C;其中,可将农田依据农用地土地利用图、现场调查或者年鉴资料进行分类。
(2)结合模型进行模拟,结合模型进行模拟得到区域N和区域C在任意时间Ij(I1≤Ij≤In)上的土壤有机碳密度,将模拟单元面积与土壤有机碳密度相乘得到区域N及区域C的土壤有机碳储量;即为未考虑土地利用方式变化下的区域N及区域C的土壤有机碳储量,分别记为MSOCNj和MSOCCj;其中,可采用的模型为CENTURY模型、CENTURY模型,DayCent模型,DNDC模型,APSIM模型,RothC模型或现有技术中其他模型。
(3)根据土地利用变化情况,对区域C进行分类;将区域C的土地利用方式变化表示为区域Ci,其中,i=1,2,3...m;对分类后的区域Ci分别通过时序采样,通过计算得到区域C的考虑土地利用方式后的实际土壤有机碳储量SOCCj;
区域Ci的土地利用变化年限为Ti,1≤Ti≤(In-I1),在第Ij年份,该类土地利用变化面积为Sij;区域Ci的土地利用方式由ai变化为土地利用方式bi,对bi类土地利用方式下的耕作年限k的土壤及其邻近地区ai土地利用方式下的土壤进行采样,其中1≤k≤Ti。
后依次通过时序采样,分别得到bi土壤和ai土壤中土壤有机碳密度为SOCbik和SOCaik,bi类土地利用方式相对于ai土地利用方式土壤有机碳密度的变化速率为(SOCbik-SOCaik)/k,对所有年限k值的采样求平均,得到bi类土地利用方式相对于ai土地利用方式土壤有机碳密度的平均相对变化速率RCi;从而在每一年Ij上求得区域C的实际土壤有机碳储量为
(4)该待估算的农田土壤有机碳储量SOCj为区域N的土壤有机碳储量MSOCNj和区域C的实际土壤有机碳储量SOCCj之和。
发明原理:本发明是一种结合生态模型和时序采样的区域尺度农田土壤有机碳储量估算方法,在土地利用方式变化较大的地区估算土壤有机碳储量及变化时,充分利用基于过程的生态模型低成本,高效并且可以估算土壤有机碳动态变化的优点,以及土壤时序采样方法可以通过有限的采样数据获取土地利用方式变化引起的土壤有机碳变化速率的优点,通过结合模型和时序采样两种方法,克服目前区域尺度土壤有机碳估算中存在的区域尺度的土壤采样成本高、耗时长、劳动强度大,难以做到特定时间间隔的采样和模型应用于土地利用方式变化较大区域时模拟结果可能存在偏差的技术缺陷。
该估算方法包括如下步骤:
步骤001在目标地区估算农用地在时间点I1至In的土壤有机碳储量及动态变化,依据现有农用地土地利用图、现场调查或者年鉴资料将目标区域根据目标时间段内土地利用方式变化情况划分为土地利用方式未变化区域N,和土地利用方式变化区域C;
步骤002根据时间点I1的土地利用图,土壤类型图分别与区域N和区域C进行叠加,分别得到区域N和区域C的模拟单元;
步骤003进行模型参数设定及模型校准,模型验证;
步骤004根据每个模拟单元的具体土壤类型,位置,管理措施(化肥、有机肥施用量,秸秆还田比例及灌溉情况等),明确每个模拟单元的输入,构建模型模拟的数据库;
步骤005使用模型进行模拟,得到区域N及区域C在任意时间Ij(I1≤j≤In)上的土壤有机碳密度,模拟单元面积乘以土壤有机碳密度即得到土壤有机碳储量MSOCNj和MSOCCj,这是未考虑土地利用方式变化的前提下,获得的土壤有机碳储量,由于土地利用方式造成的土壤有机碳的相对变化量可以通过时序采样并计算获得;
步骤006对土地利用方式变化区域C进行分析并分类,调查搜集整理土地利用变化的类别、对应年限和面积的资料,整合出土地利用变化情况分类,土地利用方式变化表示为Ci,i=1,2,3...m,i代表不同分类,土地利用变化年限为Ti,在年份Ij(I1≤j≤In)该类土地利用变化面积为Sij;以C1为例,表示土地利用方式由a变化为土地利用方式b,时间为T1,(1≤T1≤In-I1),在年份Ij(I1≤j≤In)该类土地利用变化面积为S1j;
该步骤中分类的原则主要是根据现有资料分出几类主要的土地利用变化,分类最优的方案是分的类别越多,分的越细,计算的准确性更高,但是时序采样的工作量会更大,因此实际应用时,可以根据实际情况平衡两者之间的关系。
步骤007针对土地利用变化的不同类别,进行土壤时序采样,以C1为例(土地利用方式由a变化为土地利用方式b),对b类土地利用方式下某一耕作年限k(1≤k≤T1)的土壤及其邻近地区a土地利用方式下的土壤对进行采样,分别得到b土壤和a土壤中土壤有机碳密度为SOCbk和SOCak,b类土地利用方式相对于a土地利用方式土壤有机碳密度的变化速率为(SOCbk-SOCak)/k,对所有年限k值的采样对求平均,得到b类土地利用方式相对于a土地利用方式土壤有机碳密度的平均变化速率RC1;依次通过时序采样,得到所有土地利用方式变化类别土壤有机碳密度的平均相对变化速率RCi;
步骤009在每一年Ij(I1≤Ij≤In)求得整个区域农用地土壤有机碳储量的动态变化SOCj=SOCCj年MSOCNj。
本发明还提供了一种结合模型与时序采样的农田土壤有机碳储量估算系统,包括第一模块、第二模块、第三模块和第四模块;
第一模块将目标区域的农田进行土地利用方式变化区域划分,在时间段I1至In内,该农田分为土地利用方式未变化区域N和土地利用方式变化区域C;
第二模块通过结合模型进行模拟,计算得到未考虑土地利用方式变化下的区域N及区域C的土壤有机碳储量,并将计算值发送至第四模块;
第三模块用于将时序采样得到的结果,计算区域C考虑其土地利用方式变化后的实际土壤有机碳储量,并将计算结果发送至第四模块;
第四模块接收第二模块和第三模块的土壤有机碳储量数值,输出每一年Ij,该目标区域待估算的农田土壤有机碳储量SOCj,即为区域N的土壤有机碳储量MSOCNj和区域C的实际土壤有机碳储量SOCCj之和。
有益效果:本发明能够在土地利用方式变化较大地区更高效的估算土壤有机碳储量的动态变化。通过结合模型和时序采样两种方法,克服目前区域尺度土壤有机碳估算中存在的区域尺度的土壤采样成本高、耗时长、劳动强度大、难以做到特定时间间隔的采样和模型应用于土地利用方式变化较大区域时由于缺乏土地利用变化的空间分布无法模拟,或因土地利用方式变化复杂难以设置模型参数,而使模拟结果可能存在偏差的缺陷。既提高了估算结果的准确性和科学性,又节约成本,便于实施。
附图说明
图1是估算方法的流程示意图;
图2是小麦-玉米轮作区域与蔬菜种植区域示意图;
图3是小麦-玉米轮作区域模型模拟流程示意图;
图4是蔬菜地时序采样与计算流程示意图;
图5是兰陵县1980~2008年土壤有机碳储量动态变化示意图。
具体实施方式
下面结合实施例对本发明进一步地详细描述。
实施例1:
本实施例以估算山东省兰陵县农用地在时间1980至2008年的土壤有机碳储量动态变化为例。
图1为该方法在实例中运用的流程示意图;该估算方法包括如下步骤:
步骤01土地利用方式变化区域划分
依据现有农用地土地利用图、现场调查或者年鉴资料,将兰陵县农用地根据1980-2008年内土地利用方式变化情况划分为土地利用方式未变化区域(小麦-玉米轮作区域)和土地利用方式变化区域(蔬菜种植区域),图2显示了小麦-玉米轮作区域与蔬菜种植区域示意图,1980年之前,兰陵县以小麦-玉米轮作为最主要土地利用方式,1980年开始,蔬菜种植面积逐年迅速增长,面积见表1;
表1蔬菜种植面积
步骤02使用CENTURY模型模拟小麦-玉米轮作
图3显示了小麦-玉米轮作区域模型模拟流程示意图,根据1980年的土地利用图,土壤类型图分别与小麦玉米轮作区域和蔬菜种植区域进行叠加,分别得到小麦玉米轮作区域和蔬菜种植区域的模拟单元,共有227个模拟单元;
步骤021进行模型参数设定及模型校准,模型验证;
步骤022根据每个模拟单元的具体土壤类型,位置,管理措施(化肥、有机肥施用量,秸秆还田比例及灌溉情况等),明确每个模拟单元的输入,构建模型模拟的数据库;
步骤023使用模型进行模拟,得到小麦玉米轮作区域及蔬菜种植区域在任意时间Ij(1980≤Ij≤2008)上的土壤有机碳密度,模拟单元面积乘以土壤有机碳密度即得到土壤有机碳储量MSOCNj和MSOCCj,这是未考虑土地利用方式变化的前提下,获得的土壤有机碳储量,由于土地利用方式造成的土壤有机碳的相对变化量可以通过时序采样并计算获得;
步骤03蔬菜种植方式时序采样
图4显示了蔬菜地时序采样与计算流程示意图,对蔬菜种植方式区域进行分析,调查搜集整理土地利用变化的类别,对应年限和面积的资料,土地利用方式由小麦-玉米轮作变为蔬菜种植,土地利用变化年限为28,在年份Ij(1980≤Ij≤2008),土地利用变化面积为Sj;
步骤031对蔬菜种植方式下,种植年限为k(1≤k≤28)的土壤及其邻近地区小麦-玉米轮作土壤进行采样,分别得到土壤有机碳密度为SOCvk和SOCwk,蔬菜种植方式相对于小麦-玉米轮作方式土壤有机碳密度的变化速率为(SOCvk-SOCwk)/k,对所有年限k值的采样求平均,得到蔬菜种植方式相对于小麦-玉米轮作方式土壤有机碳密度的平均变化速率RCv=0.4Mg ha-1yr-1,单位Mg ha-1yr-1,其中Mg=106g,ha-1表示每公顷,yr-1表示每年。
步骤033在每一年Ij(1980≤Ij≤2008)求得整个兰陵县农用地土壤有机碳储量的动态变化SOCj=SOCCj+MSOCNj,图5显示了兰陵县农用地土壤有机碳储量的动态变化示意图,在2008年,与模型模拟结果(与实测值结果相差0.23Tg)相比,使用本发明得到的土壤有机碳储量值更接近于实测值,相差0.05Tg。
实施例2:
本实施例的结合模型与时序采样的农田土壤有机碳储量估算系统,包括第一模块、第二模块、第三模块和第四模块;以实施例1中的山东省兰陵县农用地在时间1980至2008年的土壤有机碳储量动态变化为例。
第一模块主要用于区域划分,将目标区域的农田进行土地利用方式变化区域划分,在时间段I1至In内,该农田分为土地利用方式未变化区域N和土地利用方式变化区域C;
第二模块通过结合模型进行模拟,计算得到未考虑土地利用方式变化下的区域N及区域C的土壤有机碳储量,并将计算值发送至第四模块;
第三模块用于将时序采样得到的结果,计算区域C考虑其土地利用方式变化后的实际土壤有机碳储量,并将计算结果发送至第四模块;
第四模块接收第二模块和第三模块的土壤有机碳储量数值,输出每一年Ij,该目标区域待估算的农田土壤有机碳储量SOCj,即为区域N的土壤有机碳储量MSOCNj和区域C的实际土壤有机碳储量SOCCj之和。本实施例的估算结果同实施例1。
Claims (6)
1.一种结合模型与时序采样的农田土壤有机碳储量估算方法,其特征在于包括如下步骤:
(1)将目标区域的农田进行土地利用方式变化区域划分,在时间段I1至In内,该农田分为土地利用方式未变化区域N和土地利用方式变化区域C;
(2)结合模型进行模拟,得到在第Ij年份,未考虑土地利用方式变化下的区域N及区域C的土壤有机碳储量,分别记为MSOCNj和MSOCCj;其中,I1≤Ij≤In;
(3)根据土地利用变化情况对区域C进行分类,将区域C的不同土地利用方式变化表示为区域Ci,其中,i=1,2,3,...m;对分类后的区域Ci分别通过时序采样,计算得到区域C的考虑土地利用方式变化后的实际土壤有机碳储量SOCCj;
(4)该待估算的农田土壤有机碳储量SOCj为区域N的土壤有机碳储量MSOCNj和区域C的实际土壤有机碳储量SOCCj之和。
2.根据权利要求1所述的结合模型与时序采样的农田土壤有机碳储量估算方法,其特征在于:步骤(3)中,区域Ci的土地利用变化年限为Ti,1≤Ti≤(In-I1);在第Ij年份,该类土地利用变化面积为Sij;
区域Ci的土地利用方式由ai变化为土地利用方式bi,对bi类土地利用方式下的耕作年限k的土壤及其邻近地区ai土地利用方式下的土壤进行采样,其中1≤k≤Ti;
3.根据权利要求1所述的结合模型与时序采样的农田土壤有机碳储量估算方法,其特征在于:步骤(2)的模型为CENTURY模型,DayCent模型,DNDC模型,APSIM模型,RothC模型。
4.根据权利要求1所述的结合模型与时序采样的农田土壤有机碳储量估算方法,其特征在于:步骤(1)中,将农田依据农用地土地利用图、现场调查或者年鉴资料进行分类。
5.根据权利要求1所述的结合模型与时序采样的农田土壤有机碳储量估算方法,其特征在于:步骤(2)中,结合模型进行模拟得到区域N和区域C在任意时间Ij上的土壤有机碳密度,将模拟单元面积与土壤有机碳密度相乘得到区域N及区域C的土壤有机碳储量。
6.一种结合模型与时序采样的农田土壤有机碳储量估算系统,其特征在于:包括第一模块、第二模块、第三模块和第四模块,第一模块将目标区域的农田进行土地利用方式变化区域划分,在时间段I1至In内,该农田分为土地利用方式未变化区域N和土地利用方式变化区域C;第二模块通过结合模型进行模拟,计算得到未考虑土地利用方式变化下的区域N及区域C的土壤有机碳储量,并将计算值发送至第四模块;第三模块用于将时序采样得到的结果,计算区域C考虑其土地利用方式变化后的实际土壤有机碳储量,并将计算结果发送至第四模块;第四模块接收第二模块和第三模块的土壤有机碳储量数值,输出每一年Ij,该目标区域待估算的农田土壤有机碳储量SOCj,即为区域N的土壤有机碳储量MSOCNj和区域C的实际土壤有机碳储量SOCCj之和。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010189099.XA CN111289725B (zh) | 2020-03-17 | 2020-03-17 | 一种结合模型与时序采样的农田土壤有机碳储量估算方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010189099.XA CN111289725B (zh) | 2020-03-17 | 2020-03-17 | 一种结合模型与时序采样的农田土壤有机碳储量估算方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111289725A true CN111289725A (zh) | 2020-06-16 |
CN111289725B CN111289725B (zh) | 2022-06-03 |
Family
ID=71023890
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010189099.XA Active CN111289725B (zh) | 2020-03-17 | 2020-03-17 | 一种结合模型与时序采样的农田土壤有机碳储量估算方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111289725B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112836610A (zh) * | 2021-01-26 | 2021-05-25 | 平衡机器科技(深圳)有限公司 | 一种基于遥感数据的土地利用变化与碳储量定量估算方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4816412A (en) * | 1986-05-22 | 1989-03-28 | Leybold-Heraeus Gmbh | Method for the determination of the content of solid carbon compounds in soil samples |
CN101510374A (zh) * | 2009-03-12 | 2009-08-19 | 中国科学院遥感应用研究所 | 一种基于历史数据及遥感数据的土地利用图自动更新方法 |
CN101984353A (zh) * | 2010-10-26 | 2011-03-09 | 南京信息工程大学 | 一种生态林土壤有机碳储量估算方法 |
CN104166782A (zh) * | 2014-06-05 | 2014-11-26 | 刘健 | 一种林地土壤有机碳遥感估测的方法 |
CN110032611A (zh) * | 2019-04-03 | 2019-07-19 | 海南省林业科学研究所 | 一种碳汇计量监测方法 |
CN110174506A (zh) * | 2019-06-28 | 2019-08-27 | 中国科学院地球化学研究所 | 一种喀斯特地区土壤有机碳估算方法 |
-
2020
- 2020-03-17 CN CN202010189099.XA patent/CN111289725B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4816412A (en) * | 1986-05-22 | 1989-03-28 | Leybold-Heraeus Gmbh | Method for the determination of the content of solid carbon compounds in soil samples |
CN101510374A (zh) * | 2009-03-12 | 2009-08-19 | 中国科学院遥感应用研究所 | 一种基于历史数据及遥感数据的土地利用图自动更新方法 |
CN101984353A (zh) * | 2010-10-26 | 2011-03-09 | 南京信息工程大学 | 一种生态林土壤有机碳储量估算方法 |
CN104166782A (zh) * | 2014-06-05 | 2014-11-26 | 刘健 | 一种林地土壤有机碳遥感估测的方法 |
CN110032611A (zh) * | 2019-04-03 | 2019-07-19 | 海南省林业科学研究所 | 一种碳汇计量监测方法 |
CN110174506A (zh) * | 2019-06-28 | 2019-08-27 | 中国科学院地球化学研究所 | 一种喀斯特地区土壤有机碳估算方法 |
Non-Patent Citations (1)
Title |
---|
詹劲昱: "基于遥感大样地调查的LULUCF碳汇计量监测方法", 《辽宁农业科技》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112836610A (zh) * | 2021-01-26 | 2021-05-25 | 平衡机器科技(深圳)有限公司 | 一种基于遥感数据的土地利用变化与碳储量定量估算方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111289725B (zh) | 2022-06-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Whetton et al. | Nonlinear parametric modelling to study how soil properties affect crop yields and NDVI | |
CN106372277B (zh) | 森林立地指数时空估测中的变异函数模型优化方法 | |
Easterling et al. | Improving the validation of model-simulated crop yield response to climate change: an application to the EPIC model | |
Tayari et al. | Role of GPS and GIS in precision agriculture | |
Miao et al. | An integrated approach to site-specific management zone delineation | |
CN107103378B (zh) | 一种玉米种植环境测试站点布局方法及系统 | |
CN114169161A (zh) | 一种土壤有机碳时空变异和固碳潜力估计方法和系统 | |
CN116629494A (zh) | 一种基于大数据平台的作物精准施肥方法及系统 | |
CN115423643A (zh) | 水肥计算方法、装置、电子设备和存储介质 | |
CN111289725B (zh) | 一种结合模型与时序采样的农田土壤有机碳储量估算方法及系统 | |
Rocha et al. | Early prediction of durum wheat yield in Spain using radial basis functions interpolation models based on agroclimatic data | |
CN104834971A (zh) | 基于gis和rs的耕地养分管理分区方法 | |
Bongiovanni et al. | Nitrogen management in corn using site-specific crop response estimates from a spatial regression model | |
CN110782112B (zh) | 一种农作物生产温室气体减排潜力估算方法及系统 | |
CN109978265B (zh) | 一种控释肥农田养分释放速率估算方法及系统 | |
CN115310719B (zh) | 基于三阶段k-means的农田土壤采样方案设计方法 | |
CN116420487A (zh) | 基于人工智能的土壤配肥方法、系统、设备及存储介质 | |
CN116401882A (zh) | 基于多因子胁迫的地表臭氧对冬小麦产量影响评估方法 | |
CN116258060A (zh) | 基于机器学习的测土配方施肥方法 | |
Brezhnev et al. | Modeling of agricultural spatial objects with heterogeneous dynamically changing spatial structure | |
CN111724073B (zh) | 一种模块化农业机械排放量计算及污染识别管控系统 | |
Kim et al. | Spatio-temporal association of fossil fuel CO2 emissions from crop production across US counties | |
CN114720665A (zh) | 测土配方施肥土壤全氮异常值检测方法及装置 | |
Van Der Gon et al. | Combining upscaling and downscaling of methane emissions from rice fields: methodologies and preliminary results | |
CN113533695A (zh) | 一种农田墒情数据估计方法及系统 |
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 |