CN111418323B - 一种基于设施作物冠层覆盖度和株高的氮肥实时推荐方法 - Google Patents
一种基于设施作物冠层覆盖度和株高的氮肥实时推荐方法 Download PDFInfo
- Publication number
- CN111418323B CN111418323B CN202010396283.1A CN202010396283A CN111418323B CN 111418323 B CN111418323 B CN 111418323B CN 202010396283 A CN202010396283 A CN 202010396283A CN 111418323 B CN111418323 B CN 111418323B
- Authority
- CN
- China
- Prior art keywords
- nitrogen
- crops
- optimal
- nitrogen fertilizer
- planting area
- 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
Classifications
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01C—PLANTING; SOWING; FERTILISING
- A01C21/00—Methods of fertilising, sowing or planting
- A01C21/005—Following a specific plan, e.g. pattern
-
- 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
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Mathematical Optimization (AREA)
- Theoretical Computer Science (AREA)
- Soil Sciences (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Analysis (AREA)
- Data Mining & Analysis (AREA)
- Computational Mathematics (AREA)
- Algebra (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Operations Research (AREA)
- Environmental Sciences (AREA)
- Fertilizing (AREA)
- Hydroponics (AREA)
Abstract
本发明提供了一种基于设施作物冠层覆盖度和株高的氮肥实时推荐方法,属于农业种植技术领域,包括:以非最优施氮种植区的施氮量减去最优施氮种植区的施氮量,计为△F,并同时计算该非最优施氮种植区的氮肥推荐指数R,对所有非最优施氮种植区的△F值和对应R值进行线性回归分析,得到氮肥推荐公式;作物种植后,监测作物生长环境的日平均温度,于作物追肥前计算作物的氮肥推荐指数R值,将R值代入氮肥推荐公式中,得到相应的氮肥差值△F,将所述氮肥差值△F加上最优施氮种植区在本次追肥时的常规施氮量为氮肥的实时推荐量。本发明避免了单一特征在误差较大时造成的推荐不准确问题,提高了推荐施肥结果的准确性;大大缩短了模型建立周期。
Description
技术领域
本发明属于农业种植技术领域,尤其涉及一种基于设施作物冠层覆盖度和株高的作物氮肥实时推荐方法。
背景技术
设施作物相比于一般露天作物,投入的管理、生产资料等成本更多,经营者也期望更高的收益。调查资料和文献资料显示,我国设施作物的年氮肥施用量最高可达1000-2000kg/hm2,氮肥施用量大,远远超出了作物的需求量,造成肥料利用率极低,同时,设施农业在连年种植过程中易造成土壤板结、盐渍化等问题,严重影响了农业的可持续发展。
近年来人工智能研究不断升温,其主要研究方向计算机视觉技术也快速发展,相应的应用也已逐步融入各个行业。利用数码相机拍摄的可见光图像和计算机视觉技术对作物进行营养诊断已有较多研究。申请号为201610094126.9的发明专利公开了一种作物氮素营养无损诊断的图像评价指标的建立方法,申请号为201611175767.3的发明专利公开了一种基于可见光图像融合值的作物氮素营养检测方法。这些公开的氮素营养诊断方法可对农作物进行氮素营养诊断,但其方法诊断过程较为复杂,且方法的建立需要长期大量的试验研究。而设施作物品种繁多、生育期短,对设施作物逐个建立诊断模型将是一项巨大的工程。同时,设施作物品种更新周期快,花费大量人力和财力建立的诊断模型也将面临快速更替,使其难以在生产上进行大规模应用。
发明内容
有鉴于此,本发明的目的在于提供一种基于设施作物冠层覆盖度和株高的氮肥实时推荐方法。
为了实现上述发明目的,本发明提供了以下技术方案:
本发明提供了一种基于设施作物冠层覆盖度和株高的氮肥实时推荐方法,包括以下步骤:
1)选择作物种类,分别设置该作物至少5个不同氮素营养水平的种植区,监测作物生长环境的日平均温度,以预设周期时长,在各个周期采样时刻,获取作物的有效积温、冠层覆盖度和株高,以有效积温为x轴,冠层覆盖度和株高为y轴,分别绘制作物在最优施氮种植区的临界覆盖度曲线和临界株高曲线;
2)当所述作物的施肥总次数为1次时,以非最优施氮种植区的施氮量减去最优施氮种植区的施氮量,计为该非最优施氮种植区的氮肥差值△F,并同时计算该非最优施氮种植区的氮肥推荐指数R,对所有非最优施氮种植区的△F值和对应R值进行线性回归分析,得到氮肥推荐公式;
或
当所述作物的施肥总次数大于1次时,以非最优施氮种植区的累积施氮量减去最优施氮种植区的累积施氮量,计为该非最优施氮种植区的氮肥差值△F,并同时计算该非最优施氮种植区的氮肥推荐指数R,对所有非最优施氮种植区的△F值和对应R值进行线性回归分析,得到氮肥推荐公式;
氮肥推荐指数R的获取包括:获取作物在该计算时刻的有效积温、冠层覆盖度和株高,将有效积温代入步骤1)临界覆盖度曲线中获取有效积温对应的临界覆盖度值,将有效积温代入步骤1)临界株高曲线中获取有效积温对应的临界株高值,根据R=冠层覆盖度/临界覆盖度值+株高/临界株高值,计算得到R值;
3)作物种植后,监测作物生长环境的日平均温度,于作物追肥前计算作物的氮肥推荐指数R值,将R值代入步骤2)的氮肥推荐公式中,得到相应的氮肥差值△F,将所述氮肥差值△F加上最优施氮种植区在本次追肥时的常规施氮量为氮肥的实时推荐量。
优选的,所述最优施氮种植区的选择标准包括:作物收获后对产量进行方差分析,将产量无显著差异的作物种植区归为一组,将产量最高的一组中施氮量最少的的作物种植区设定为最优施氮种植区。
优选的,使用生长曲线模型对数据进行拟合,分别绘制临界覆盖度曲线和临界株高曲线。
优选的,所述作物的冠层覆盖度和株高通过数码相机、雷达、测距仪或光谱成像仪获取。
优选的,所述作物的收获时高度小于120cm。
本发明提供了一种基于设施作物冠层覆盖度和株高的氮肥实时推荐方法,有益效果为:
本发明提供的方法针对作物的冠层覆盖度和株高进行综合分析,避免了单一特征在误差较大时造成的推荐不准确问题,同时该方法能直接计算作物的推荐施肥量,显著提高了推荐施肥结果的准确性;最重要的是,本发明提供的氮肥实时推荐方法,仅需要一季作物的环境温度数据和冠层图像监测数据,即可建立氮肥推荐模型,大大缩短了模型建立周期,同时也具有建模和应用成本低的特点,与农业智能系统结合,可以很好的为设施作物提供氮肥推荐服务。
附图说明
图1为芹菜临界覆盖度曲线图;
图2为芹菜临界株高曲线;
图3为芹菜推荐施氮量方程。
具体实施方式
本发明提供了一种基于设施作物冠层覆盖度和株高的氮肥实时推荐方法,包括以下步骤:
1)选择作物种类,分别设置该作物至少5个不同氮素营养水平的种植区,监测作物生长环境的日平均温度,以预设周期时长,在各个周期采样时刻,获取作物的有效积温、冠层覆盖度和株高,以有效积温为x轴,冠层覆盖度和株高为y轴,分别绘制作物在最优施氮种植区的临界覆盖度曲线和临界株高曲线;
2)当所述作物的施肥总次数为1次时,以非最优施氮种植区的施氮量减去最优施氮种植区的施氮量,计为该非最优施氮种植区的氮肥差值△F,并同时计算该非最优施氮种植区的氮肥推荐指数R,对所有非最优施氮种植区的△F值和对应R值进行线性回归分析,得到氮肥推荐公式;
或
当所述作物的施肥总次数大于1次时,以非最优施氮种植区的累积施氮量减去最优施氮种植区的累积施氮量,计为该非最优施氮种植区的氮肥差值△F,并同时计算该非最优施氮种植区的氮肥推荐指数R,对所有非最优施氮种植区的△F值和对应R值进行线性回归分析,得到氮肥推荐公式;
氮肥推荐指数R的获取包括:获取作物在该计算时刻的有效积温、冠层覆盖度和株高,将有效积温代入步骤1)临界覆盖度曲线中获取有效积温对应的临界覆盖度值,将有效积温代入步骤1)临界株高曲线中获取有效积温对应的临界株高值,根据R=冠层覆盖度/临界覆盖度值+株高/临界株高值,计算得到R值;
3)作物种植后,监测作物生长环境的日平均温度,于作物追肥前计算作物的氮肥推荐指数R值,将R值代入步骤2)的氮肥推荐公式中,得到相应的氮肥差值△F,将所述氮肥差值△F加上最优施氮种植区在本次追肥时的常规施氮量为氮肥的实时推荐量。
在本发明中,所述非最优施氮种植区的施氮量减去最优施氮种植区的施氮量理解为逐个以最优施氮种植区以外的所有种植区的施氮量减去最优施氮种植区的施氮量。
在本发明中,所述预设周期时长根据作物生长周期的长度决定,可优选为1~7天。
在本发明中,所述作物的收获时高度优选小于120cm,所述作物优选包括大白菜、小白菜、甘蓝、生菜、菠菜、韭菜、芹菜、莴苣、油麦菜、空心菜、茼蒿、苋菜、娃娃菜、芥兰、荠菜、香菜、马齿苋、木耳叶、芥菜、油菜、萝卜、大葱、小葱、莴笋、芦笋、豌豆芽、花椰菜、辣椒、毛豆或塔菜。本发明优选使用生长曲线模型对数据进行拟合,分别绘制临界覆盖度曲线和临界株高曲线。在本发明中,所述作物的冠层覆盖度和株高优选通过数码相机、雷达、测距仪或光谱成像仪获取。
在本发明中,所述有效积温优选以△Ttest计,所述冠层覆盖度优选以Ctest计,所述株高优选以Htest计,所述临界覆盖度值优选以Copt计,所述临界株高值优选以Hopt计,所述R优选以Rtest计。
在本发明中,所述临界覆盖度曲线和临界株高曲线的绘制优选具体包括以下步骤:
1、以该作物的常规经验施氮量为基准,分别设置至少5个不同氮素营养水平的作物种植区,连续监测作物生长环境的日平均温度,并按预设第一周期时长,在各个周期采集时刻,分别采集各个作物种植区中作物的冠层覆盖度和株高信息,直至作物收获;
2、在作物收获时对各个作物种植区进行测产,记录产量,并对不同氮素营养水平作物种植区的产量进行方差分析,将产量无显著差异的作物种植区归为一组,将产量最高的一组中施氮量最少的作物种植区选定为最优施氮种植区;
3、分别针对各个周期采集时刻,以有效积温为x轴,作物冠层覆盖度和作物株高为y轴,将最优施氮种植区冠层覆盖度和株高测试值分别绘制于两坐标系,分别对两散点图进行拟合,得到临界覆盖度曲线和临界株高曲线。
在本发明中,所述氮肥施肥公式优选具体包括以下步骤:
(1)以所述作物的最优施氮量为基准,分别设置至少5个不同氮素营养水平的作物种植区,连续监测作物生长环境的日平均温度,计算有效积温,并按预设第一周期时长,在各个周期采集时刻,分别采集各个作物种植区中作物的冠层覆盖度和株高信息,直至作物收获;如果所述作物为一次性施肥作物,转入步骤(2-3);如果所述作物氮肥施用次数大于等于2次,则转入步骤(4-5);
(2)分别针对除最优施氮量作物种植区以外的各个作物种植区,将其施氮量与最优施氮量相减(某小区施氮量-最优施氮量),值记为△F,设定推荐施肥时有效积温为△Ttest,计算该施氮量小区对应的R值(得到该小区的一组△F,R值),对所有的(△F,R)值进行线性回归分析,得到推荐施氮量方程(△F和R的线性方程);
(3)将Rtest代入该方程,计算得到待测作物的推荐施氮量,按照推荐施氮量对作物进行追肥,流程结束。
(4)以该次对作物进行推荐追肥时为基准日,作物的有效积温△Ttest为基准,分别针对除最优施氮量作物种植区以外的各个作物种植区,将其在该基准日之前的累积施氮量与最优施氮量小区所对应的累积施氮量相减,值记为△F,设定有效积温为△Ttest,计算该施氮量小区对应的R值(得到该小区的一组△F,R值),对所有的(△F,R)值进行线性回归分析,得到推荐施氮量方程(△F和R的线性方程);
(5)将Rtest代入该方程,计算得到待测作物的推荐施氮量,将推荐施氮量与种植前指定的施肥计划中的施氮量相加,得到作物本次追肥用量,对作物进行追肥,流程结束。
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。
按照具体实施方式中的施肥步骤进行以下实施例。
实施例1
于2017年12月-2018年2月在宜兴市周铁镇蔬菜种植基地开展不同化肥施用量的芹菜种植试验,选择温室塑料大棚作为试验用地。设置8个不同氮肥施用量的处理,每个处理3次重复,共计24个作物种植小区。氮肥分三次施用(三次施用比例3:4:3),磷肥和钾肥作为基肥一次性施用。处理设置和肥料施用量见下表1,氮肥种类为尿素,磷肥种类为钙镁磷肥,钾肥种类为硫酸钾:
表1芹菜各处理氮磷钾肥料施用量
芹菜移栽后连续监测其生长环境的日平均温度,并设置取样周期为7天,每次取样时利用数码相机在垂直向下和30度俯角两个角度拍摄芹菜冠层图像,以30度俯角拍摄时在相机的对立面(种植小区离数码相机较远的一侧)设置刻度标尺。从拍摄的图像中提取芹菜的冠层覆盖度和株高信息。
在芹菜收获时对各个种植小区进行测产,记录产量,并对不同氮素营养水平下的芹菜产量进行方差分析,将产量无显著差异的处理归为一组,将产量最高的一组中施氮量最少的处理选定为最优施氮种植区,本试验最优施氮种植区为N4处理,对应的施氮量为240kg/hm2,也即是本试验指出当施氮量大于240kg/hm2时,继续增加施氮量,产量并未显著增加。
针对N4处理的3个重复小区,对每次取样时大于10℃的有效积温(△Ttest)、冠层覆盖度(Ctest)和株高(Htest)取平均值,以种植后每次取样时的有效积温为x轴,冠层覆盖度和株高为y轴,绘制并拟合得到芹菜的临界覆盖度曲线和临界株高曲线。
芹菜临界覆盖度曲线:
CC=1.02+(0.21-1.02)/(1+(△T/187.30)^3.39)。
芹菜临界株高曲线:
H=90.54+(22.79-90.54)/(1+(△T/181.47)^3.51)。
实施例2
对于实施例1中的同一田间试验,连续监测芹菜生长环境的日平均温度,计算有效积温,并按预设为7天的采样周期,在各个周期采集时刻,分别采集各个芹菜种植区中的冠层覆盖度和株高信息,直至收获;
以准备进行推荐施肥的日期(移栽后45天)为基准,计算芹菜移栽后至基准日的有效积温△Ttest(153.6℃),分别针对除最优施氮量种植区(N4)以外的各个种植区,将其在该基准日之前的累积施氮量与最优施氮量小区所对应的累积施氮量相减,值记为△F,芹菜各处理小区已施用氮肥量见下表2:
表2准备进行推荐施肥日期前小区已施用氮肥量
处理编号 | 已施氮量(kg/hm<sup>2</sup>) | △F(kg/hm<sup>2</sup>) |
N0 | 0 | 168 |
N1 | 42 | 126 |
N2 | 84 | 84 |
N3 | 126 | 42 |
N4 | 168 | 0 |
N5 | 210 | -42 |
N6 | 252 | -84 |
N7 | 294 | -126 |
将有效积温△Ttest(153.6℃)代入芹菜的临界覆盖度曲线和临界株高曲线,计算得到临界冠层覆盖度为0.48±0.06,计算得到临界株高为47.03±4.01cm。
分别针对除最优施氮量种植区(N4)以外的各个种植区,计算该施氮量小区对应的R值(得到该小区的一组△F,R值),对所有的(△F,R)值进行线性回归分析,得到推荐施氮量方程(△F和R的线性方程)。
芹菜推荐施氮量方程:
△F=1062.54-534.62*R。
实施例3
于2018年12月至2019年2月在宜兴市周铁镇塑料大棚种植芹菜,移栽前制定芹菜氮施肥施用量为200kg/hm2,按照3:4:3的比例进行施用,则三次施肥的氮肥用量分别计划为60、80、60kg/hm2;芹菜移栽后,连续监测其生长环境的日平均温度,计算有效积温,并在芹菜第三次施肥前对其进行氮素营养诊断和推荐施肥量进行计算,最优施氮种植区的常规施氮量为60kg/hm2,追肥当天获取芹菜的有效积温为(△Ttest)=176.5℃,代入实施例1的芹菜的临界覆盖度曲线和临界株高曲线计算得到Copt=0.57,Hopt=55.01,营养诊断当天测试芹菜冠层覆盖度Ctest=0.54,株高Htest=53.21;计算得到测试样本的Rtest=1.915;将Rtest代入实施例2的芹菜推荐施氮量方程,计算得到△F=38.74kg/hm2,则当前芹菜应追肥量为38.74kg/hm2+60kg/hm2=98.74kg/hm2。
实施例4
于2018年12月至2019年2月在宜兴市周铁镇塑料大棚种植芹菜,移栽前制定芹菜氮施肥施用量为300kg/hm2,按照3:4:3的比例进行施用,则三次施肥的氮肥用量分别计划为90kg/hm2、120kg/hm2、90kg/hm2;芹菜移栽后,连续监测其生长环境的日平均温度,计算有效积温,并在芹菜第三次施肥前对其进行氮素营养诊断和推荐施肥量进行计算,最优施氮种植区的常规施氮量为90kg/hm2,追肥当天获取芹菜的有效积温为(△Ttest)=176.5℃,代入实施例1的芹菜的临界覆盖度曲线和临界株高曲线计算得到Copt=0.57,Hopt=55.01,营养诊断当天测试芹菜冠层覆盖度Ctest=0.60,株高Htest=56.17;计算得到测试样本的Rtest=2.074;将Rtest代入实施例2的芹菜推荐施氮量方程,计算得到△F=-46.26kg/hm2,则当前芹菜应追肥量为-46.26kg/hm2+90kg/hm2=43.74kg/hm2。
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 (5)
1.一种基于设施作物冠层覆盖度和株高的氮肥实时推荐方法,其特征在于,包括以下步骤:
1)选择作物种类,分别设置该作物至少5个不同氮素营养水平的种植区,监测作物生长环境的日平均温度,以预设周期时长,在各个周期采样时刻,获取作物的有效积温、冠层覆盖度和株高,以有效积温为x轴,冠层覆盖度和株高为y轴,分别绘制作物在最优施氮种植区的临界覆盖度曲线和临界株高曲线;
2)当所述作物的施肥总次数为1次时,以非最优施氮种植区的施氮量减去最优施氮种植区的施氮量,计为该非最优施氮种植区的氮肥差值△F,并同时计算该非最优施氮种植区的氮肥推荐指数R,对所有非最优施氮种植区的△F值和对应R值进行线性回归分析,得到氮肥推荐公式;
或
当所述作物的施肥总次数大于1次时,以非最优施氮种植区的累积施氮量减去最优施氮种植区的累积施氮量,计为该非最优施氮种植区的氮肥差值△F,并同时计算该非最优施氮种植区的氮肥推荐指数R,对所有非最优施氮种植区的△F值和对应R值进行线性回归分析,得到氮肥推荐公式;
氮肥推荐指数R的获取包括:获取作物在该计算时刻的有效积温、冠层覆盖度和株高,将有效积温代入步骤1)临界覆盖度曲线中获取有效积温对应的临界覆盖度值,将有效积温代入步骤1)临界株高曲线中获取有效积温对应的临界株高值,根据R=冠层覆盖度/临界覆盖度值+株高/临界株高值,计算得到R值;
3)作物种植后,监测作物生长环境的日平均温度,于作物追肥前计算作物的氮肥推荐指数R值,将R值代入步骤2)的氮肥推荐公式中,得到相应的氮肥差值△F,将所述氮肥差值△F加上最优施氮种植区在本次追肥时的常规施氮量为氮肥的实时推荐量。
2.根据权利要求1所述的氮肥实时推荐方法,其特征在于,所述最优施氮种植区的选择标准包括:作物收获后对产量进行方差分析,将产量无显著差异的作物种植区归为一组,将产量最高的一组中施氮量最少的作物种植区设定为最优施氮种植区。
3.根据权利要求1所述的氮肥实时推荐方法,其特征在于,使用生长曲线模型对数据进行拟合,分别绘制临界覆盖度曲线和临界株高曲线。
4.根据权利要求1所述的氮肥实时推荐方法,其特征在于,所述作物的冠层覆盖度和株高通过数码相机、雷达、测距仪或光谱成像仪获取。
5.根据权利要求1所述的氮肥实时推荐方法,其特征在于,所述作物的收获时高度小于120cm。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010396283.1A CN111418323B (zh) | 2020-05-12 | 2020-05-12 | 一种基于设施作物冠层覆盖度和株高的氮肥实时推荐方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010396283.1A CN111418323B (zh) | 2020-05-12 | 2020-05-12 | 一种基于设施作物冠层覆盖度和株高的氮肥实时推荐方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111418323A CN111418323A (zh) | 2020-07-17 |
CN111418323B true CN111418323B (zh) | 2021-11-02 |
Family
ID=71558694
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010396283.1A Active CN111418323B (zh) | 2020-05-12 | 2020-05-12 | 一种基于设施作物冠层覆盖度和株高的氮肥实时推荐方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111418323B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE112021000233T5 (de) * | 2021-07-09 | 2023-03-23 | Guangxi Academy Of Agricultural Sciences | Verfahren zum anbau von pflanzen auf der grundlage einer optimierung einer stickstoffdüngermenge |
CN114402779B (zh) * | 2022-01-11 | 2022-10-25 | 同济大学 | 一种有机肥增施、化肥减量的柑橘变量测土配方施肥方法 |
CN115316097A (zh) * | 2022-08-02 | 2022-11-11 | 中联智慧农业股份有限公司 | 确定针对种植区域土壤的氮肥施加量的方法、处理器 |
CN115349338B (zh) * | 2022-08-17 | 2023-06-30 | 江苏省农业机械试验鉴定站 | 一种基于作物长势的变量追肥控制系统与方法 |
CN115481795A (zh) * | 2022-09-13 | 2022-12-16 | 苏州得墨忒耳科技有限公司 | 推荐模型的生成方法、氮肥施用量的推荐方法及其装置 |
CN117063686A (zh) * | 2023-09-01 | 2023-11-17 | 中国农业科学院农业信息研究所 | 玉米水肥一体灌溉方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102318466A (zh) * | 2011-07-12 | 2012-01-18 | 南京农业大学 | 一种基于氮素光谱指数法的水稻追氮调控方法 |
CN105675821A (zh) * | 2016-02-21 | 2016-06-15 | 南京农业大学 | 一种作物氮素营养无损诊断的图像评价指标的建立方法 |
CN106717425A (zh) * | 2017-01-20 | 2017-05-31 | 中国农业科学院农业资源与农业区划研究所 | 一种利用植株叶片相对spad值对作物进行氮肥推荐的方法 |
CN106841051A (zh) * | 2016-12-19 | 2017-06-13 | 中国科学院南京土壤研究所 | 一种基于可见光图像融合值的作物氮素营养检测方法 |
CN109115951A (zh) * | 2018-07-31 | 2019-01-01 | 东北农业大学 | 基于冠层结构与冠层光谱的水稻植株全氮估测方法 |
-
2020
- 2020-05-12 CN CN202010396283.1A patent/CN111418323B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102318466A (zh) * | 2011-07-12 | 2012-01-18 | 南京农业大学 | 一种基于氮素光谱指数法的水稻追氮调控方法 |
CN105675821A (zh) * | 2016-02-21 | 2016-06-15 | 南京农业大学 | 一种作物氮素营养无损诊断的图像评价指标的建立方法 |
CN106841051A (zh) * | 2016-12-19 | 2017-06-13 | 中国科学院南京土壤研究所 | 一种基于可见光图像融合值的作物氮素营养检测方法 |
CN106717425A (zh) * | 2017-01-20 | 2017-05-31 | 中国农业科学院农业资源与农业区划研究所 | 一种利用植株叶片相对spad值对作物进行氮肥推荐的方法 |
CN109115951A (zh) * | 2018-07-31 | 2019-01-01 | 东北农业大学 | 基于冠层结构与冠层光谱的水稻植株全氮估测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111418323A (zh) | 2020-07-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111418323B (zh) | 一种基于设施作物冠层覆盖度和株高的氮肥实时推荐方法 | |
CN109829234B (zh) | 一种基于高分辨率遥感数据和作物模型的跨尺度高精度动态作物长势监测和估产方法 | |
CN109211801B (zh) | 一种作物氮素需求量实时获取方法 | |
Yang et al. | Prediction of cotton yield and water demand under climate change and future adaptation measures | |
CN106372592B (zh) | 一种基于冬小麦面积指数的冬小麦种植面积计算方法 | |
Moreno et al. | Base temperature determination of tropical Panicum spp. grasses and its effects on degree-day-based models | |
CN111368736B (zh) | 基于sar和光学遥感数据的水稻精细化估产方法 | |
CN111241912A (zh) | 一种基于机器学习算法的多植被指数的水稻产量估测方法 | |
CN109829589A (zh) | 制作土壤施肥处方图的方法、土壤精准施肥处方图及应用 | |
CN112986158B (zh) | 基于无人机多光谱数据的甜菜氮素营养检测方法及系统 | |
CN108401634B (zh) | 一种大棚鲜食番茄氮素营养诊断及推荐施氮方法 | |
CN112042353A (zh) | 一种适用于日光温室的水肥精准决策方法及系统 | |
CN103745407A (zh) | 借助智能手机和gps制定作物精确栽培方案的方法和系统 | |
CN110516943B (zh) | 一种基于地表温度的春灌期灌溉面积动态监测遥感方法 | |
CN112330149A (zh) | 一种作物管理系统、方法、装置及电子设备 | |
CN116562139A (zh) | 一种糖料蔗种植区域碳汇量计算方法 | |
Aulakh et al. | Effect of different irrigation regimes and nitrogen levels on growth parameters and yield of late kharif sown maize (Zea mays L.) | |
CN117178769B (zh) | 一种基于自动化的园林植物养护方法及系统 | |
CN108985664A (zh) | 一种智能农场现场监测管理系统及方法 | |
Guerra-Hincapié et al. | Phenological patterns of defoliation and refoliation processes of rubber tree clones in the colombian northwest | |
Haun | Determination of Wheat Growth‐Environment Relationships 1 | |
CN112285062B (zh) | 一种高nue水稻筛选标志及筛选方法 | |
CN116451823A (zh) | 一种基于气象主控因子的苹果产量预测方法 | |
CN108334701B (zh) | 一种大棚黄瓜氮素营养诊断及推荐施氮方法 | |
CN112362803B (zh) | Ly9348在高通量筛选高nue水稻品种中的应用 |
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 |