CN112183802A - 中国28种乔木树种相对生长预测预报方法 - Google Patents
中国28种乔木树种相对生长预测预报方法 Download PDFInfo
- Publication number
- CN112183802A CN112183802A CN201910597149.5A CN201910597149A CN112183802A CN 112183802 A CN112183802 A CN 112183802A CN 201910597149 A CN201910597149 A CN 201910597149A CN 112183802 A CN112183802 A CN 112183802A
- Authority
- CN
- China
- Prior art keywords
- tree
- model
- data
- species
- relative
- 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
- 238000000034 method Methods 0.000 title claims abstract description 22
- 210000000481 breast Anatomy 0.000 claims abstract description 34
- 230000001419 dependent effect Effects 0.000 claims abstract description 6
- 238000012795 verification Methods 0.000 claims abstract description 5
- 238000007619 statistical method Methods 0.000 claims abstract description 4
- 238000011835 investigation Methods 0.000 claims description 9
- 238000011156 evaluation Methods 0.000 claims description 3
- 241000894007 species Species 0.000 claims 19
- 241000018650 Pinus massoniana Species 0.000 claims 2
- 238000007405 data analysis Methods 0.000 claims 2
- DSSYKIVIOFKYAU-XCBNKYQSSA-N (R)-camphor Chemical compound C1C[C@@]2(C)C(=O)C[C@@H]1C2(C)C DSSYKIVIOFKYAU-XCBNKYQSSA-N 0.000 claims 1
- 235000005638 Austrian pine Nutrition 0.000 claims 1
- 235000018185 Betula X alpestris Nutrition 0.000 claims 1
- 235000018212 Betula X uliginosa Nutrition 0.000 claims 1
- 244000274847 Betula papyrifera Species 0.000 claims 1
- 235000009113 Betula papyrifera Nutrition 0.000 claims 1
- 235000009109 Betula pendula Nutrition 0.000 claims 1
- 235000010928 Betula populifolia Nutrition 0.000 claims 1
- 235000002992 Betula pubescens Nutrition 0.000 claims 1
- 240000006055 Dacrydium cupressinum Species 0.000 claims 1
- 235000018782 Dacrydium cupressinum Nutrition 0.000 claims 1
- 244000166124 Eucalyptus globulus Species 0.000 claims 1
- 235000011201 Ginkgo Nutrition 0.000 claims 1
- 244000194101 Ginkgo biloba Species 0.000 claims 1
- 235000008100 Ginkgo biloba Nutrition 0.000 claims 1
- 240000007049 Juglans regia Species 0.000 claims 1
- 235000009496 Juglans regia Nutrition 0.000 claims 1
- 241000218652 Larix Species 0.000 claims 1
- 235000005590 Larix decidua Nutrition 0.000 claims 1
- 241000208682 Liquidambar Species 0.000 claims 1
- 235000006552 Liquidambar styraciflua Nutrition 0.000 claims 1
- 241000218657 Picea Species 0.000 claims 1
- 235000008331 Pinus X rigitaeda Nutrition 0.000 claims 1
- 235000008565 Pinus banksiana Nutrition 0.000 claims 1
- 241000018646 Pinus brutia Species 0.000 claims 1
- 235000011613 Pinus brutia Nutrition 0.000 claims 1
- 244000019397 Pinus jeffreyi Species 0.000 claims 1
- 235000013264 Pinus jeffreyi Nutrition 0.000 claims 1
- 240000007263 Pinus koraiensis Species 0.000 claims 1
- 235000011615 Pinus koraiensis Nutrition 0.000 claims 1
- 235000011609 Pinus massoniana Nutrition 0.000 claims 1
- 235000013697 Pinus resinosa Nutrition 0.000 claims 1
- 235000008578 Pinus strobus Nutrition 0.000 claims 1
- 235000011610 Pinus tabuliformis Nutrition 0.000 claims 1
- 235000008585 Pinus thunbergii Nutrition 0.000 claims 1
- 235000011611 Pinus yunnanensis Nutrition 0.000 claims 1
- 241000018652 Pinus yunnanensis Species 0.000 claims 1
- 235000014030 Podocarpus spicatus Nutrition 0.000 claims 1
- 241000219000 Populus Species 0.000 claims 1
- 241000219492 Quercus Species 0.000 claims 1
- 235000016976 Quercus macrolepis Nutrition 0.000 claims 1
- 241000124033 Salix Species 0.000 claims 1
- 244000082946 Tarchonanthus camphoratus Species 0.000 claims 1
- 235000005701 Tarchonanthus camphoratus Nutrition 0.000 claims 1
- 241001116500 Taxus Species 0.000 claims 1
- 241001149649 Taxus wallichiana var. chinensis Species 0.000 claims 1
- 241001106462 Ulmus Species 0.000 claims 1
- 238000005065 mining Methods 0.000 claims 1
- 235000017985 rocky mountain lodgepole pine Nutrition 0.000 claims 1
- 235000020234 walnut Nutrition 0.000 claims 1
- 239000002023 wood Substances 0.000 claims 1
- 238000004458 analytical method Methods 0.000 abstract description 10
- 238000000611 regression analysis Methods 0.000 abstract description 4
- 238000012545 processing Methods 0.000 abstract description 2
- 238000009412 basement excavation Methods 0.000 abstract 1
- 230000006698 induction Effects 0.000 abstract 1
- 238000005259 measurement Methods 0.000 description 5
- 230000007547 defect Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 2
- 239000002028 Biomass Substances 0.000 description 1
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 210000000020 growth cone Anatomy 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
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
- 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
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Data Mining & Analysis (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Operations Research (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Pure & Applied Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Probability & Statistics with Applications (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Quality & Reliability (AREA)
- Entrepreneurship & Innovation (AREA)
- Algebra (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Agronomy & Crop Science (AREA)
- Animal Husbandry (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了中国28种乔木树种相对生长预测预报方法。该发明是根据统计学的方法,以中国28种树种的多组解析木数据作为主体,SPSS软件作为辅助工具,利用SPSS软件的回归分析功能对解析木数据进行整理归纳分析和挖掘,以树龄t作为输入自变量,归一化后的树高或胸径值作为输入因变量,对解析木数据进行回归分析操作,进而分别求得相对树高生长模型H=a*ebt和相对胸径生长模型d=a*ebt参数a、b,并使用偏差、相对偏差、均方根误差、相对均方根误差和验证相关系数对模型精度和有效性进行评估,证明了该模型对28种特定树种的相对树高和胸径预测的有效性。
Description
一、技术领域
本发明涉及中国28种乔木树种相对生长预测预报方法,特别是特定乔木树种相对生长预测预报方法。
二、技术背景
中国拥有十分丰富的多样性生态系统,森林植被占据着中国陆地生态系统总生物量的69.5%,因此,森林在中国陆地生态系统中起着主导作用。中国森林面积2.08亿公顷,森林覆盖率21.63%,森林蓄积151.37亿立方米,其中,人工林面积6933万公顷,蓄积24.83亿立方米,人工林面积保持世界首位,森林植被总碳储量84.27亿吨。目前中国仍是一个缺林少绿、生态脆弱的中国,森林覆盖率远低于全球31%的平均水平,人均森林面积仅为世界人均水平的1/4,人均森林蓄积只有世界人均水平的1/7,森林资源人均量不足、质量不高、分布不均的状况仍未得到根本改变,难以满足经济社会发展和人民日常生活的需求。面对中国森林资源调查的一系列复杂性问题,迫切需要现代数学技术与计算机技术相结合,建立森林乔木生长模型,使得森林资源数据处理变得更加简单有效。
中国有大量的森林资源,但在森林资源的管理上缺乏科学和精准管理,森林资源调查技术比较落后,到目前为止,森林资源调查主要是靠人力,测定乔木树木生长量的方法主要采用通过数年轮确定树龄进而测定生长量和直接量测树木计算生长量,但在实际测定过程中,传统的测定方法存在着明显的缺点和不足,具体体现在:
①采用传统的测定乔木树木生长量的方法需要耗费大量的人力物力和财力,需要调查人员进行实地测量,适合于小范围的精测,对于大范围林场的测定需要的工作量太大,且效率很低;
②传统的测定树木生长量的方法需要通过生长锥进而获得树木的年龄,伐倒树木进行生长测定,这种方法成本高,对树木毁坏严重;
③传统的测定树木生长量的方法小范围内可以实现林木生长量的精确测量,大范围内测定林木生长量存在较大误差;
因此,目前采用传统的测定树木生长量方法存在明显的缺点与不足,工作量大且效率低,这给树木生长量的测定带来了极大的不便。
三、发明内容
为了克服传统的测定树木生长量方法存在明显的缺点与不足,更高效省时省力的确定树木生长量,本发明提出了中国28种乔木树种相对生长预测预报方法。
本发明是这样实现的:
①通过掌握已有的全国树种解析木生长量数据将其整理分析和归纳,以时间为自变量建立全国主导乔木树种相对生长模型,针对某种特定的乔木树种的解析木数据进行整理分析,以该树种中树龄最小的解析木数据为基础,以其对应的树高为标准对该树种所有解析木中的树高数据进行归一化处理,解析木的年龄t作为自变量输入,归一化后的树高数据作为因变量输入SPSS数据分析软件,进而求得树木树高相对生长模型H=a*ebt系数a、b的值;使用偏差、相对偏差、均方根误差、相对均方根误差和验证相关系数对模型精度和有效性进行评估。
②根据全国主导乔木解析木生长数据,以时间为自变量建立全国主导乔木树种相对生长模型,针对某种特定的乔木树种的解析木数据进行整理分析,以该树种中树龄最小的解析木数据为基础,以其对应的胸径值为标准对该树种所有解析木中的胸径数据进行归一化处理,解析木的年龄t作为自变量输入,归一化后的胸径数据作为因变量输入SPSS数据分析软件,进而求得树木胸径相对生长模型d=a*ebt系数a、b的值;使用偏差、相对偏差、均方根误差、相对均方根误差和验证相关系数对模型精度和有效性进行评估。
③根据已知今年树木树高的情况下运用相对生长模型对该棵树木来年的树高进行预测,依据解析木数据所建立相对生长树高模型H=a*ebt,H为预测的树木高度值,a、b为相对生长模型系数,t为调查时树木年龄,在已知该树种的前提下,即可实现使用该树高预测模型对未来特定年份该树木高度的预测预报。
④根据已知今年树木胸径的情况下运用相对生长模型对该棵树木来年的胸径进行预测,依据解析木数据所建立相对生长胸径模型d=a*ebt,d为预测的树木胸径值,a、b为相对生长模型系数,t为调查时树木年龄,在已知该树种的前提下,即可实现使用该胸径预测模型对未来特定年份该树木胸径的预测预报。
本发明具有以下优点:
①无需林业从业人员到天然林中实地测量,工作量相对较小,节省了大量的人力物力。
②通过相对生长模型和连年生长模型对中国28种乔木树种的胸径和树高计算更为简单,大大节省了时间。
③可适用于中国28种乔木树种生长量的测定,通过中国28种乔木树种相对生长预测预报方法可以实现对全国28种乔木树种更好的监测。
四、附图说明
无
五、具体实施方式:
SPSS软件主要应用于统计学分析运算、数据挖掘、预测分析和决策支持任务的软件产品及相关服务。本发明利用同树种多组解析木数据结合SPSS软件的聚类与回归分析功能构建特定树种相对生长量模型。具体实现流程如下:
1、对搜集到的中国28种乔木树种解析木数据进行整理,剔除存在明显错误的数据,整理数据表格式,以同种树种树龄最小者为基础,以其对应树高值为标准对该树种所有解析木中的树高数据进行归一化处理;以其对应胸径值为标准对该树种所有解析木中的胸径数据进行归一化处理。
2、以统计学为基础,以解析木的年龄t作为自变量输入,归一化后的树高或胸径值数据作为因变量输入SPSS软件对数据进行回归分析,进而分别求得相对树高生长模型和相对胸径生长模型系数a、b。
3、在SPSS软件中对中国28种树种分别进行第2步操作,分别求得全国28种乔木树种的相对树高生长模型和相对胸径生长模型a、b系数,求得特定树种的相对树高生长模型为:H=a*ebt,a、b为相对树高生长模型系数,t为调查时树龄,H为在树龄t时对应预测的树高值,特定树种的相对胸径生长模型为:d=a*ebt,其中a、b为相对胸径生长模型系数,t为调查时树龄,d为在树龄t时对应预测的胸径值,经过对该模型的评估检验,验证了该模型在进行特定树种树高、胸径预测的有效性。
Claims (5)
1.中国28种乔木树种相对生长预测预报方法,其特征是:根据收集的全国28种乔木树种解析木数据(刺槐、杉木、云杉、其软阔类、落叶松、楠木、白桦、红松、赤松、樟木、其他松类、胡桃揪、马尾松、云南松、榆树、黑松、油松、华山松、桉树、银杏、紫杉(红豆杉)、杨树、柳树、栎类、桦木、枫香、其他硬阔类),通过对数据整理分析挖掘建立我国28种主导乔木树种的相对生长模型,根据树木的种植年限即可对树木的胸径进行推算和预测预报。
2.根据权利要求一所述的中国28种乔木树种相对生长模型,其特征是:根据全国主导乔木解析木生长数据,以时间为自变量建立全国主导乔木树种相对生长模型,针对某种特定的乔木树种的解析木数据进行整理分析,以该树种中树龄最小的解析木数据为基础,以其对应的树高为标准对该树种所有解析木中的树高数据进行归一化处理,解析木的年龄t作为自变量输入,归一化后的树高数据作为因变量输入SPSS数据分析软件,进而求得树木树高相对生长模型H=a*ebt系数a、b的值;使用偏差、相对偏差、均方根误差、相对均方根误差和验证相关系数对模型精度和有效性进行评估(评估结果如表1所示),从数据分析结果中可知该模型对树高进行评估具有一定的有效性。
表1中国28种主导乔木相对生长模型树高统计分析数据
3.根据权利要求一所述的中国28种乔木树种相对生长模型,其特征是:根据全国主导乔木解析木生长数据,以时间为自变量建立全国主导乔木树种相对生长模型,针对某种特定的乔木树种的解析木数据进行整理分析,以该树种中树龄最小的解析木数据为基础,以其对应的胸径值为标准对该树种所有解析木中的胸径数据进行归一化处理,解析木的年龄t作为自变量输入,归一化后的胸径数据作为因变量输入SPSS数据分析软件,进而求得树木胸径相对生长模型d=a*ebt系数a、b的值;使用偏差、相对偏差、均方根误差、相对均方根误差和验证相关系数对模型精度和有效性进行评估(评估结果如表2所示),从数据分析结果中可知该模型对树木胸径进行评估具有一定的有效性。
表2中国28种主导乔木相对生长模型胸径统计分析数据
4.根据权利要求一所述的中国28种乔木树种相对生长模型,其特征是:根据已知今年树木树高的情况下运用相对生长模型对该棵树木来年的树高进行预测,依据解析木数据所建立相对生长树高模型H=a*ebt,H为预测的树木高度值,a、b为相对生长模型系数,t为调查时树木年龄,在已知该树种的前提下,即可实现使用该树高预测模型对未来特定年份该树木高度的预测预报。
5.根据权利要求一所述的中国28种乔木树种相对生长模型,其特征是:根据已知今年树木胸径的情况下运用相对生长模型对该棵树木来年的胸径进行预测,依据解析木数据所建立相对生长胸径模型d=a*ebt,d为预测的树木胸径值,a、b为相对生长模型系数,t为调查时树木年龄,在已知该树种的前提下,即可实现使用该胸径预测模型对未来特定年份该树木胸径的预测预报。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910597149.5A CN112183802A (zh) | 2019-07-02 | 2019-07-02 | 中国28种乔木树种相对生长预测预报方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910597149.5A CN112183802A (zh) | 2019-07-02 | 2019-07-02 | 中国28种乔木树种相对生长预测预报方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112183802A true CN112183802A (zh) | 2021-01-05 |
Family
ID=73915456
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910597149.5A Pending CN112183802A (zh) | 2019-07-02 | 2019-07-02 | 中国28种乔木树种相对生长预测预报方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112183802A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114970119A (zh) * | 2022-05-09 | 2022-08-30 | 山东高速云南发展有限公司 | 一种带状区域内的树木碳汇量预测方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100070441A1 (en) * | 2007-03-27 | 2010-03-18 | Fujitsu Limited | Method, apparatus, and program for generating prediction model based on multiple regression analysis |
CN105303299A (zh) * | 2015-10-12 | 2016-02-03 | 北京林业大学 | 一种确定森林生长模型的方法 |
CN106294990A (zh) * | 2016-08-08 | 2017-01-04 | 青岛智能产业技术研究院 | 树木胸径预测方法 |
CN108510182A (zh) * | 2018-03-28 | 2018-09-07 | 中南林业科技大学 | 一种天然异龄林年龄测计方法 |
-
2019
- 2019-07-02 CN CN201910597149.5A patent/CN112183802A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100070441A1 (en) * | 2007-03-27 | 2010-03-18 | Fujitsu Limited | Method, apparatus, and program for generating prediction model based on multiple regression analysis |
CN105303299A (zh) * | 2015-10-12 | 2016-02-03 | 北京林业大学 | 一种确定森林生长模型的方法 |
CN106294990A (zh) * | 2016-08-08 | 2017-01-04 | 青岛智能产业技术研究院 | 树木胸径预测方法 |
CN108510182A (zh) * | 2018-03-28 | 2018-09-07 | 中南林业科技大学 | 一种天然异龄林年龄测计方法 |
Non-Patent Citations (1)
Title |
---|
韦雪花 等: "北京市13个常见树种胸径估测研究", 《北京林业大学学报》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114970119A (zh) * | 2022-05-09 | 2022-08-30 | 山东高速云南发展有限公司 | 一种带状区域内的树木碳汇量预测方法 |
CN114970119B (zh) * | 2022-05-09 | 2023-04-18 | 山东高速云南发展有限公司 | 一种带状区域内的树木碳汇量预测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107764976B (zh) | 土壤氮素快速诊断方法及在线监测系统 | |
CN105675539A (zh) | 一种农产品品质综合评价方法 | |
CN107132266A (zh) | 一种基于随机森林的水质分类方法及系统 | |
CN111814110B (zh) | 一种桥梁健康监测数据控制图分析方法 | |
CN104142311A (zh) | 一种用近红外光谱技术预测火炬松松脂产量的方法 | |
CN104155264A (zh) | 一种用近红外光谱技术预测火炬松松脂中松节油含量的方法 | |
CN114663782A (zh) | 一种林地环境数据的林业碳源汇计量方法 | |
CN103902798B (zh) | 数据预处理方法 | |
CN112183802A (zh) | 中国28种乔木树种相对生长预测预报方法 | |
CN106442382A (zh) | 一种快速预测尾细桉木材基本密度的方法 | |
Lyhykäinen et al. | Predicting lumber grade and by-product yields for Scots pine trees | |
CN105223102A (zh) | 一种利用近红外光谱技术快速测定制浆材基本密度的方法 | |
CN108182642B (zh) | 瓦斯突出参数在线管理系统及方法 | |
CN101968439A (zh) | 一种利用群落地上生物量指标监测土壤石油污染的方法 | |
CN111521568B (zh) | 一种基于光谱角的土壤含水量预测方法 | |
CN104006767A (zh) | 一种基于图像处理的高通量测定植物株型的方法 | |
CN113537758A (zh) | 基于大数据技术的制造业高质量发展综合评价方法和系统 | |
CN109685174B (zh) | 一种黄瓜丰产性自动分析装置及方法 | |
CN110308139B (zh) | 基于激光诱导击穿光谱的水稻种子活力分级检测方法 | |
CN112257214A (zh) | 中国36种乔木树种对数差分生长预测预报方法 | |
CN111126647A (zh) | 一种朝鲜柳生长预测方法 | |
Havreljuk et al. | Predicting Lumber Grade Occurrence and Volume in Sugar Maple and Yellow Birch Logs | |
CN115879745B (zh) | 一种农业灌溉用水分析调度和业务管理方法及平台 | |
CN111368248A (zh) | 一种云南松苗木生物量的估算方法 | |
CN106885559A (zh) | 一种结合互联网进行森林二类调查的方法 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20210105 |