CN112462030B - 一种畜禽粪污土地承载力测算方法及装置 - Google Patents
一种畜禽粪污土地承载力测算方法及装置 Download PDFInfo
- Publication number
- CN112462030B CN112462030B CN202011058529.0A CN202011058529A CN112462030B CN 112462030 B CN112462030 B CN 112462030B CN 202011058529 A CN202011058529 A CN 202011058529A CN 112462030 B CN112462030 B CN 112462030B
- Authority
- CN
- China
- Prior art keywords
- livestock
- poultry
- nutrient
- crop
- annual
- 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
- 244000144972 livestock Species 0.000 title claims abstract description 237
- 244000144977 poultry Species 0.000 title claims abstract description 187
- 210000003608 fece Anatomy 0.000 title claims abstract description 108
- 239000010871 livestock manure Substances 0.000 title claims abstract description 105
- 239000002689 soil Substances 0.000 title claims abstract description 85
- 238000000034 method Methods 0.000 title claims abstract description 66
- 235000015097 nutrients Nutrition 0.000 claims abstract description 263
- 238000011156 evaluation Methods 0.000 claims abstract description 115
- 238000003860 storage Methods 0.000 claims abstract description 60
- 238000004364 calculation method Methods 0.000 claims abstract description 25
- 230000002550 fecal effect Effects 0.000 claims abstract description 22
- 239000010865 sewage Substances 0.000 claims abstract description 20
- 241000894007 species Species 0.000 claims description 10
- 239000013074 reference sample Substances 0.000 claims description 6
- 241001465754 Metazoa Species 0.000 abstract description 5
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 110
- 229910052757 nitrogen Inorganic materials 0.000 description 55
- 241000282898 Sus scrofa Species 0.000 description 9
- 235000021048 nutrient requirements Nutrition 0.000 description 9
- 238000004590 computer program Methods 0.000 description 8
- 230000014759 maintenance of location Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 239000003337 fertilizer Substances 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 238000003306 harvesting Methods 0.000 description 6
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 description 5
- 241000282887 Suidae Species 0.000 description 5
- 230000029142 excretion Effects 0.000 description 5
- 238000004519 manufacturing process Methods 0.000 description 5
- 235000021049 nutrient content Nutrition 0.000 description 5
- 229910052698 phosphorus Inorganic materials 0.000 description 5
- 239000011574 phosphorus Substances 0.000 description 5
- 241000283690 Bos taurus Species 0.000 description 4
- 240000005979 Hordeum vulgare Species 0.000 description 4
- 235000007340 Hordeum vulgare Nutrition 0.000 description 4
- 238000009395 breeding Methods 0.000 description 4
- 230000001488 breeding effect Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 230000007547 defect Effects 0.000 description 4
- 238000000855 fermentation Methods 0.000 description 4
- 230000004151 fermentation Effects 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 244000068988 Glycine max Species 0.000 description 3
- 235000010469 Glycine max Nutrition 0.000 description 3
- 241000209140 Triticum Species 0.000 description 3
- 235000021307 Triticum Nutrition 0.000 description 3
- 240000008042 Zea mays Species 0.000 description 3
- 235000005824 Zea mays ssp. parviglumis Nutrition 0.000 description 3
- 235000002017 Zea mays subsp mays Nutrition 0.000 description 3
- 235000005822 corn Nutrition 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 240000007594 Oryza sativa Species 0.000 description 2
- 235000007164 Oryza sativa Nutrition 0.000 description 2
- 235000013365 dairy product Nutrition 0.000 description 2
- 238000009313 farming Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 235000009566 rice Nutrition 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 235000016068 Berberis vulgaris Nutrition 0.000 description 1
- 241000335053 Beta vulgaris Species 0.000 description 1
- 229920000742 Cotton Polymers 0.000 description 1
- 241000219146 Gossypium Species 0.000 description 1
- 244000061456 Solanum tuberosum Species 0.000 description 1
- 235000002595 Solanum tuberosum Nutrition 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 210000001503 joint Anatomy 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 239000002699 waste material 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
-
- 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—Earth materials for agricultural purposes
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Food Science & Technology (AREA)
- Analytical Chemistry (AREA)
- Geology (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Environmental & Geological Engineering (AREA)
- Medicinal Chemistry (AREA)
- Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种畜禽粪污土地承载力测算方法及装置,涉及农牧业技术领域。该方法的一实施例包括:获取评估区域和评估模式;确定与所述评估模式相应的作物种类和畜禽种类,生成作物列表和畜禽列表;分别从数据库中选取与所述评估区域对应的第一养分数据、与所述作物种类对应的第二养分数据,以及与所述畜禽种类对应的第三养分数据;获取所述作物列表中各作物年产量以及所述畜禽列表中各畜禽年存栏量;利用所述第一养分数据、第二养分数据和第三养分数据、各作物年产量以及各畜禽年存栏量,计算得到粪污土地的养分承载指数。由此,实现了养分承载指数自动化运算,提高了养分承载力测算的准确度。
Description
技术领域
本公开涉及农牧业技术领域,尤其涉及一种畜禽粪污土地承载力测算方法及装置。
背景技术
我国畜禽粪污每年产生量约为38亿吨,其养分含量相当于我国化肥年产量的27%。到目前为止,畜禽粪污还有40%没有被有效利用,由此不仅造成了环境污染,而且还浪费了资源。为此,2018年农业农村部颁布了《畜禽粪污土地承载力测算技术指南》(简称“指南”),该指南按照以地定畜、种养平衡的原则,从畜禽粪污养分供给和土壤粪肥养分需求的角度出发,提出了畜禽粪污土地承载力测算方法。
然而在实际应用中如果要测算某区域的畜禽粪污土地承载力,需要人工查阅大量的数据,例如作物种类和畜禽种类、每种作物养分数据、区域土壤养分数据,以及不同粪肥收集工艺对应的养分收集率等等,而且计算过程复杂。为此,采用人工测算畜禽粪污土地承载力不仅耗时、耗力,而且计算过程中容易出错,因此指南中的提出的畜禽粪污土地承载力测算方法在实际应用中具有局限性,无法有效指导畜牧业发展布局工作。
发明内容
为了解决上述技术问题,提出了本公开。本公开的实施例提供了一种畜禽粪污土地承载力测算方法及装置,通过软件系统构建不同的评估模式,从而能够快速、精准地测算养分承载指数,进而对评估区域畜牧业发展实现有效调节。
根据本公开实施例第一方面,提供一种畜禽粪污土地承载力测算方法,包括:获取评估区域和评估模式;确定与所述评估模式相应的作物种类和畜禽种类,生成作物列表和畜禽列表;分别从数据库中选取与所述评估区域对应的第一养分数据、与所述作物种类对应的第二养分数据,以及与所述畜禽种类对应的第三养分数据;获取所述作物列表中各作物年产量以及所述畜禽列表中各畜禽年存栏量;利用所述第一养分数据、第二养分数据和第三养分数据、各作物年产量以及各畜禽年存栏量,计算得到粪污土地的养分承载指数。
根据本公开实施例第二方面,还提供一种畜禽粪污土地承载力测算装置,包括:第一获取模块,用于获取评估区域和评估模式;确定模块,用于确定与所述评估模式相应的作物种类和畜禽种类,生成作物列表和畜禽列表;选取模块,用于分别从数据库中选取与所述评估区域对应的第一养分数据、与所述作物种类对应的第二养分数据,以及与所述畜禽种类对应的第三养分数据;第二获取模块,用于获取所述作物列表中各作物年产量以及所述畜禽列表中各畜禽年存栏量;计算模块,用于利用所述第一养分数据、第二养分数据和第三养分数据、各作物年产量以及各畜禽年存栏量,计算得到粪污土地的养分承载指数。
根据本公开实施例第三方面,还提供一种计算机可读介质,其上存储有计算机程序,所述程序被处理器执行时实现如第一方面所述的畜禽粪污土地承载力测算方法。
根据本公开实施例第四方面,还提供一种电子设备,所述电子设备包括:处理器;用于存储所述处理器可执行指令的存储器;所述处理器,用于从所述存储器中读取所述可执行指令,并执行所述可执行指令以实现上述第一方面中所述的畜禽粪污土地承载力测算方法。
与现有技术相比,采用本公开实施例提供的畜禽粪污土地承载力测算方法及装置,通过获取评估区域和评估模式,并确定与评估模式相应的作物种类和畜禽种类,生成作物列表和畜禽列表;之后获取作物列表中各作物年产量以及畜禽列表中各畜禽年存栏量,并从数据库中分别选取与评估区域、作物种类以及与畜禽种类对应的养分数据;最后利用养分数据、各作物年产量以及各畜禽年存栏量,从而计算得到粪污土地养分承载指数。由此,实现了养分承载指数自动化运算,提高了养分承载力测算的准确度。
上述的非惯用的可选方式所具有的进一步的效果将在下文结合具体实施方式加以说明。
附图说明
附图用于更好地理解本公开,不构成对本公开的不当限定。其中在附图中,相同或对应的标号表示相同或对应的部分。
图1为本公开一示例性实施例提供的畜禽粪污土地承载力测算方法的流程图;
图2为本公开一示例性实施例提供的畜禽粪污土地承载力测算方法的流程图;
图3为本公开一示例性实施例提供的畜禽粪污土地承载力测算装置示意图;
图4是适于用来实现本公开实施例的终端设备或服务器的计算机系统的结构示意图。
具体实施方式
下面,将参考附图详细地描述根据本公开的示例实施例。显然,所描述的实施例仅仅是本公开的一部分实施例,而不是本公开的全部实施例,应理解,本公开不受这里描述的示例实施例的限制。
申请概述
在现有技术中,对养分承载指数进行计算时,需要从指南中查询养分数据,并利用收集数据和查询到的养分数据进行人工计算以获得养分承载指数。然而现有指南存在如下缺陷:由于指南中只能查询到30种作物和13种畜禽的养分数据,因此指南存在基础数据量少且不完整的缺陷,在实际应用中具有局限性;由于养分承载指数的整个计算过程比较复杂,因此采用人工查询和人工计算是非常耗时、耗力的,且容易出错的;由于指南中的数据无法与年鉴数据对接,如果要对年鉴区域进行养分承载指数计算时,还需要进一步分析筛查数据,由此造成工作量大的问题;再者,指南中还缺少对承载力指数进行再调节的过程。
本公开提供的畜禽粪污土地承载力测算方法及装置,能够克服上述指南中存在的缺陷,对养分承载指数进行精准测算。
示例性方法
如图1所示,为本公开一示例性实施例提供的畜禽粪污土地承载力测算方法的流程图,该方法至少包括如下操作流程:
S101,获取评估区域和评估模式。
作物养分需求量和种植土壤有密切关系,在不同含量的养分土壤中种植相同作物,由于土壤所能供给的养分不同,因此同一作物在不同土壤中种植时需要粪肥提供的养分需求量是不同的。然而作物养分需求量是影响养分承载指数的一个重要因素。为此,依据土壤性质的差异性划分不同的评估区域,评估区域是预先录入系统的,例如由于新疆的北疆和南疆的土壤存在巨大的差异性,因此将新疆划分为北疆和南疆两个评估区域。录入系统的评估区域通常是指同时存在畜禽和作物的考察区域。
各作物年产量和各畜禽年存栏量也是影响养分承载力的重要参数。基于本公开承载力测算方法应用场景的不同,并在综合权衡了各作物年产量和各畜禽年存栏量获取难易程度以及准确度的基础上,将评估模式划分为3种不同的情况,分别为年鉴模式、普通模式,和养殖场模式。年鉴模式下的作物种类和畜禽种类数据是来自国家、省、市或县等区域;普通模式下作物种类和畜禽种类数据来自乡或村等区域;养殖场模式下的作物种类和畜禽种类数据源于不同养殖场。年鉴模式的作物种类和畜禽种类是符合年鉴数据要求的,普通模式和养殖场模式对作物种类和畜禽种类没有特别限定。
在这里,作物养分需求量是指从种植到收获作物的过程中,作物需要粪肥提供的养分需求量。各作物年产量是指在评估区域内种植一年某作物的作物收获量。各畜禽年存栏量是指在评估区域内养殖一年某一畜禽的畜禽总量。
具体地,针对客户端界面内评估区域选项的选择以及评估模式选项的选择,获取评估区域和评估模式。
S102,确定与评估模式相应的作物种类和畜禽种类,生成作物列表和畜禽列表。
由于每个地区对应的三种评估模式中作物种类和畜禽种类均来源于采集数据,因此不同地区对应的三种评估模式是不同的;例如新疆地区的年鉴模式和北京地区的年鉴模式对应的作物种类和畜禽种类是不同的。每个评估模式对应的作物种类和畜禽种类是以模板的方式预先录入系统的,由此,本公开实施例的评估模式采用模板录入的方式,能够实现不同地区之间数据,以及同一地区不同年份数据的对比,为后期分析管理和科学研究提供了基础。
针对同一地区,与评估模式对应的作物种类和畜禽种类是随着评估模式的变化而变化的,例如,针对新疆地区,年鉴模式对应的作物种类有23种,畜禽种类有8个;普通模式对应的作物种类有27种,畜禽种类有12个;养殖场模式对应的作物种类有116种,畜禽种类有16个。
具体地,作物列表显示与评估模式相应的所有作物种类,畜禽列表显示与评估模式相应的所有畜禽种类。
在现有技术中,每次对养分承载指数进行测算前,需要逐个查询考察的作物种类和畜禽种类,因此耗时耗力,本公开实施例通过构建不同的评估模式,减少了查询数据的工作量,而且避免了查询错误的情况,提高了不同区域养分承载指数测算的精确度;尤其是创建了年鉴模式,并在年鉴模式中将作物种类和畜禽种类的数据与年鉴数据进行对接,从而避免了现有技术中在对年鉴区域进行养分承载力测算时出现的数据筛查过程,提高了粪污土地承载力测算数据的权威性、准确性和便捷性,克服了现有技术的不足。
S103,分别从数据库中选取与评估区域对应的第一养分数据、与作物种类对应的第二养分数据,以及与畜禽种类对应的第三养分数据。
第一养分数据是指与评估区域土壤相关的数据,第一养分数据包括:粪肥替代化肥的比例、粪肥养分的当季利用率、不同土壤粪肥养分供给推荐值,以及土壤所含养分等级。
在这里,粪肥替代化肥的比例是指在评估区域种植作物所需要的化肥总量中能够被粪肥取代的比例,例如比例为30%表示评估区域需要100kg的化肥,其中30kg的化肥需要通过施粪肥去代替。粪肥养分的当季利用率是指在当前季度给作物施加粪肥,粪肥中养分的利用率。由于不同季度,土壤中水分含量是不同的,土壤的水分影响作物对粪肥养分的吸收,因此不同季度粪肥的养分当季利用率是不同的,例如利用率30%表示在当前季度施100g粪肥,其中只有30%是能够被有效利用的。不同土壤粪肥养分供给推荐值是指不同土壤养分含量下粪肥所能供给养分占比,例如在含30%氮养分的土壤和含30%氮养分的土壤中施相同量的粪肥所能供给作物的氮养分的比例是不同的,这是因为含30%氮养分的土壤除了能将粪肥中的氮养分提供给作物,还能够将土壤中的部分氮养分提供给作物,从而比30%氮养分的土壤能够提供更多的氮养分给作物,因此不同土壤养分含量下粪肥所能供给养分的比例是不同的。土壤所含养分等级是指根据土壤中氮养分含量不同划分土壤等级,例如含40%氮养分土壤,含30%氮养分土壤和含30%氮养分土壤,三种土壤的等级是不同的。
第二养分数据是指与作物相关的数据,第二养分数据包括:单位重量作物养分需求量。在这里,作物是指收获物,单位重量不作限定,可以参照指南中给出的数值,例如100kg。例如每100kg大麦收获物所需氮养分需求量。养殖场模式下具有116种作物,那么第一养分数据包括116个单位重量作物养分需求量,即每种作物对应一个单位重量作物养分需求量。
第三养分数据是指与畜禽种类相关的数据,第三养分数据包括:每种畜禽养分的日排泄量,不同粪污收集工艺的养分收集率,不同粪污处理方式的养分留存率。
在这里,每种畜禽养分的日排泄量是指每种畜禽日排泄的粪污中养分的产生量,例如猪氮养分的日排泄量,牛氮养分的日排泄量等等。不同粪污收集工艺的养分收集率是指同一粪污采用不同收集工艺所导致养分收集率是不同的,这是由于对于同样粪肥采用不同收集工艺所造成的损失是不一样的,因此不同粪污收集工艺的养分收集率是不同的。例如堆放收集猪粪肥所产生的氮养分收集率与发酵池收集猪粪肥所产生的氮养分收集率是不同的。不同粪污处理方式的养分留存率是指同一粪污采用不同处理方式所导致的养分留存率不同,这是由于同等粪肥采用不同处理方式损耗也是不同的,因此不同粪污处理方式养分留存率是不同的。例如厌氧处理猪粪肥的氮养分留存率和粉碎处理猪粪肥的氮养分留存率是不同的。
S104,获取作物列表中各作物年产量以及畜禽列表中各畜禽年存栏量。
各作物年产量和各畜禽年存栏量是通过采集获取的。确定评估模式后,作物列表中作物种类和畜禽列表中畜禽种类是固定的,但是由于评估区域不同,因此导致各作物年产量和各畜禽年存栏量是不同的。例如北疆区域年鉴模式对应的畜禽列表中奶牛年存栏量是72300头,南疆区域年鉴模式对应的畜禽列表中奶牛年存栏量是0头;北疆区域年鉴模式对应的作物列表中大麦年产量是0,南疆区域年鉴模式对应的作物列表中大麦年产量10000吨。因此在对不同评估区域养分承载指数进行测算前需要分别采集对应数据,以确定评估区域各作物年产量以及各畜禽年存量。
具体地,基于作物列表和畜禽列表的输入的采集数据获取各作物年产量和各畜禽的年存栏量。
S105,利用第一养分数据、第二养分数据和第三养分数据、各作物年产量以及各畜禽年存栏量,计算得到粪污土地的养分承载指数。
粪污土地的养分承载指数用于表征评估区域养分最大畜禽存栏量与所有畜禽年存栏量是否趋于平衡的参数。粪污土地的养分承载指数是通过计算养分最大畜禽存栏量与所有畜禽年存栏量之间的比值获得的。养分最大畜禽存栏量是指评估区域能够养殖的最多畜禽数量,用于反映评估区域内土地对于粪污养分的承载力。所有畜禽年存栏量是指各畜禽年存栏量的总和。
具体地,养分最大畜禽存栏量是由第一养分数据、第二养分数据、第三养分数据、各作物年产量,以及各畜禽年存栏量计算得到的。通常将养分最大畜禽存栏量折算成最大猪当量来表示,最大猪当量是指产生需求量的养分所需要养殖猪的最多数量值。
例如,计算粪污土地氮养分承载指数之前需要先确定评估区域内氮养分最大畜禽存栏量。氮养分最大畜禽存栏量(即2000头猪)是通过计算评估区域内所有作物对于粪肥中氮养分的总需求量(即100kg)与单位畜禽所产生的粪肥中氮养分供给量(即30g)之间的比值来确定的。然而,评估区域内所有作物对于粪肥中氮养分的总需求量(即100kg)是由所有作物氮养分总需求量(即2000kg)、粪肥中氮养分的占比(即20%)、粪肥替代化肥的比例(即30%),以及粪肥养分的当季利用率(即30%)相乘得到的。其中,所有作物氮养分总需求量是由多种作物中每种作物的单位重量作物养分需求量与对应作物年产量相乘后再加和得到的(即每100kg大麦收获物所需氮养分需求量*大麦年产量+每100kg玉米收获物所需氮养分需求量*玉米年产量+每100kg大豆收获物所需氮养分需求量*大豆年产量),在这里多种作物的数量不作限定,根据具体评估模式而确定。粪肥中氮养分的占比(即20%)是从不同土壤粪肥养分供给推荐值中选取与评估区域土壤所含养分等级相应的占比,例如30%氮养分的土壤粪肥氮养分供给推荐值为20%,40%氮养分的土壤粪肥氮养分供给推荐值为40%,这里不作列举,指南中对于不同氮养分含量的土壤粪肥氮养分供给推荐值有多个。在确定评估区域土壤所含养分等级为含30%氮养分,则从推荐值中选取粪肥中氮养分的占比为20%。
单位畜禽所产生的粪肥中氮养分供给量(即30g)是通过计算畜禽粪污氮养分总供给量(即1000kg)与所有畜禽猪当量(即20000头)之间的比值确定的。畜禽粪污氮养分总供给量(即1000kg)是由畜禽粪污氮养分总收集量(即2000kg)、各类粪污处理方式的占比(即在所有处理方式中厌氧处理方式的占比为80%,粉碎处理方式的占比为20%),以及不同粪污处理方式的养分留存率(即厌氧处理方式的养分留存率为30%和粉碎处理方式的留存率为20%)相乘得到的。畜禽粪污氮养分总收集量(即2000kg)是由利用评估区域内畜禽氮养分总产生量(即10000kg)、各类粪污收集工艺的占比(所有收集工艺中堆放收集工艺问答占比为20%,发酵池收集工艺的占比为80%),以及不同粪污收集工艺的养分收集率(堆放收集工艺的氮养分收集率为80%,发酵池收集工艺的氮养分收集率为20%)相乘而得到的。评估区域内畜禽氮养分总产生量是由畜禽中各畜禽年存栏量、每种畜禽养分的日排泄量和365天相乘得到的(即猪年存栏量*200g*365+牛年存栏量*300*365)。针对每种畜禽,基于畜禽年存栏量确定各类粪污收集工艺的占比、各类粪污处理方式的占比,以及所有畜禽猪当量。
在这里,所有畜禽年存栏量和养分最大畜禽存栏量均是以猪当量为计量单位。
需要说明的是,养分可以为氮养分或磷养分,还可以是其他养分。通常评估区域内畜禽粪污土地中包括氮养分和磷养分,但是粪污土地氮养分承载指数和粪污土地磷养分承载指数均需按照上述测算方法分别计算。对于磷养分承载指数的测算过程同上所述,唯一不同的是将测算过程中的氮养分替换成磷养分即可。
对于评估区域内氮养分最大畜禽存栏量和单位畜禽所产生的粪肥中氮养分供给量的计算过程除上述所描述的,还可能存在其他计算方法,这里不一一作列举。
优选的,若养分承载指数不满足预设阈值,则表征评估区域粪肥产生量与土地对粪肥的消纳面积趋于平衡。若养分承载指数满足预设阈值时,则调整评估区域内各畜禽年存栏量、和/或各作物年产量,以使养分承载指数满足预设阈值。
还需要说明的是,本公开实施例中出现的“粪污土地的养分承载指数”是针对评估区域所有畜禽粪污土地的养分承载指数。“各作物年产量”和“各畜禽年存栏量”中的年产量和年存栏量均是以测算年度为准,例如2019年小麦年产量是指2019年一整年小麦的年产量。“各类粪污收集工艺的占比”是指针对同一畜禽粪污有不同的收集工艺,每种收集工艺的占比是不同的,例如针对100kg猪粪肥,堆放收集工艺收集30%,发酵池收集工艺收集70%,各类粪污处理方式的占比也是针对同一畜禽粪污有不同的处理方式,每种处理方式的占比是不同的。
由此,本公开实施例通过获取评估区域、评估模式、各作物年产量和各畜禽年存栏量,从而能够利用数据库中的养分数据、各作物年产量,以及各畜禽年存栏量计算得到粪污土地的养分承载指数,提高了养分承载指数计算的准确度,避免了人工测算导致耗时、耗力且失误增多的现象发生。
针对新疆地区,本公开采集到年鉴模式下作物种类有23种,畜禽种类有8个;普通模式下作物种类有27种,畜禽种类有12个;养殖场模式下作物种类有116种,畜禽种类有16个。由此,相对于现有技术,本公开实施例采集了大量的数据,能够更全面,且更准确地测算畜禽粪污土地养分承载指数,克服了现有指南的缺陷。
如图2所示,本公开一示例性实施例提供的畜禽粪污土地承载力测算方法的流程图,该方法至少包括如下操作流程:其中,步骤S201、S202、S203和S204的具体实现过程与图1所示实施例中步骤S101、S102、S103和S104的具体实现过程相类似,这里不再赘述。
S205,利用第一养分数据、第二养分数据和第三养分数据、各作物年产量以及各畜禽年存栏量,计算得到粪污土地的养分承载指数;若养分的种类数为一种且养分承载指数满足预设阈值,则执行S206步骤;若养分的种类数大于一种且多个养分承载指数均满足预设阈值,则执行S207步骤。
在这里,每种养分对应一个养分承载指数。
S206,调整评估区域内各畜禽年存栏量、和/或各作物年产量,以使养分承载指数趋于预设阈值。
S207,从多个养分承载指数中选取最大值作为参考样本指数;调整评估区域内各畜禽年存栏量、和/或各作物年产量,以使参考样本指数趋于预设阈值。
具体地,调整评估区域内各畜禽年存栏量包括:计算最大畜禽存栏量与所有畜禽年存栏量之间的差值,得到候补畜禽存栏量;基于评估区域内候补畜禽存栏量调整各畜禽年存栏量。例如,在确定候补畜禽存栏量后,改变某一畜禽的年存栏量,其他畜禽的年存栏量会自动调整,以使各畜禽年存栏量的调整总量等于候补畜禽存栏量,从而使得粪污土地的养分承载指数趋于预设阈值。
调整评估区域内各作物年产量包括:通过调整评估区域内各作物年种植面积和作物种植结构,以调整评估区域内各作物年产量。调整评估区域内各作物年种植面积包括:获取作物种类对应的各作物年种植面积;计算作物养分总需求量与所有作物年种植面积之间的比值,得到单位种植面积的作物养分需求量;计算粪肥中养分供给量与单位种植面积的作物养分需求量之间的比值,得到作物最小种植面积;计算所述作物最小种植面积与所有作物年种植面积之间的差值,得到候补种植面积;基于评估区域内所述候补种植面积调整各作物年种植面积。例如,在确定候补种植面积后,改变某一作物的年种植面积,其他作物的年种植面积会自动调整,以使各作物年种植面积的调整总量等于候补种植面积,从而使得粪污土地的养分承载指数趋于预设阈值。
还可以在评估模式确定的作物种类中改变作物种植结构以调节粪污土地的养分承载指数。例如以前配套土地作物种植结构是水稻、冬小麦、玉米、大豆和马铃薯;为了调节粪污土地的养分承载指数趋于预设阈值,作物种植结构转变成水稻、棉花、甜菜和红枣。
在这里,“作物最小种植面积”、“候补种植面积”和“候补畜禽存栏量”均是以年为单位进行计算的。
需要说明的是,预设阈值是人为设定的,可以结合实际应用场景进行设置,例如预设阈值可以设为1。若养分承载指数等于1,则说明养分承载指数不满足预设阈值。若养分承载指数不等于1,则说明养分承载指数满足预设阈值;进一步,若养分承载指数大于1,则表征评估区域粪肥产生量处于超载状态,对此可以增大作物年种植面积、或改变作物种植结构,或减少畜禽年存栏量。若养分承载指数小于1,则表征评估区域粪肥产生量处于不超载状态,对此可以扩大区域畜禽存栏量。
由此,本公开实施例在对养分承载指数进行精准测算的同时,通过调整各畜禽年存栏量、各作物年种植面积以及作物种植结构,以使养分承载指数趋于预设阈值,从而使得评估区域粪肥产生量与土地对粪肥的消纳面积趋于平衡,进而有效指导种养结合与农牧循环,避免由于养殖量过大导致粪肥还田困难以及区域粪肥堆积导致的环保问题和资源浪费问题。
应理解,在本公开的各种实施例中,上述各过程的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在的逻辑确定,而不应对本公开实施例的实施过程构成任何限定。
如图3所示,为本公开一实施例的畜禽粪污土地承载力测算装置的示意图;该装置300包括:第一获取模块301,用于获取评估区域和评估模式;确定模块302,用于确定与评估模式相应的作物种类和畜禽种类;选取模块303,用于分别从数据库中选取与评估区域对应的第一养分数据、与作物种类对应的第二养分数据,以及与畜禽种类对应的第三养分数据;第二获取模块304,用于获取作物种类对应的各作物年产量以及畜禽种类对应的各畜禽年存栏量;计算模块305,用于利用第一养分数据、第二养分数据和第三养分数据、各作物年产量以及各畜禽年存栏量,计算得到粪污土地的养分承载指数。
在可选的实施例中,计算模块305包括:第一计算单元,用于利用所述第一养分数据、第二养分数据、第三养分数据、各作物年产量,以及各畜禽年存栏量,计算得到最大畜禽存栏量;第二计算单元,用于计算所述最大畜禽存栏量与所有畜禽年存栏量之间的比值,得到粪污土地的养分承载指数。
在可选的实施例中,若养分的种类数为一种时,该装置还包括:调整模块,用于若所述养分承载指数满足预设阈值时,则调整评估区域内所述各畜禽年存栏量、和/或各作物年产量,以使所述养分承载指数满足预设阈值。
在可选的实施例中,若养分的种类数大于一种时,则每种养分对应一个养分承载指数,调整模块进一步用于,若多个所述养分承载指数均满足预设阈值,则从多个所述养分承载指数中选取最大值作为参考样本指数;调整评估区域内所述各畜禽年存栏量、和/或各作物年产量,以使所述参考样本指数满足预设阈值。
在可选的实施例中,调整模块包括:第一计算单元,用于计算最大畜禽存栏量与所有畜禽年存栏量之间的差值,得到候补畜禽存栏量;第一调整单元,用于基于评估区域内候补畜禽存栏量调整各畜禽年存栏量。
在可选的实施例中,调整模块还包括:获取单元,用于获取所述作物列表中各作物年种植面积;第二计算单元,用于利用所述作物养分总需求量、所有作物种植面积,以及粪肥中养分供给量,计算得到作物最小种植面积;第三计算单元,用于计算所述作物最小种植面积与所有作物年种植面积之间的差值,得到候补种植面积;第二调整单元,用于基于评估区域内所述候补种植面积调整各作物种植面积。
上述装置可执行本公开实施例所提供的畜禽粪污土地承载力测算方法,具备执行畜禽粪污土地承载力测算方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节,可参见本公开实施例所提供的畜禽粪污土地承载力测算方法。
下面参考图4,其示出了适于用来实现实施例的终端设备或服务器的计算机系统的结构示意图。图4示出的终端设备仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图4所示,计算机系统400包括中央处理单元(CPU)401,其可以根据存储在只读存储器(ROM)402中的程序或者从存储部分408加载到随机访问存储器(RAM)403中的程序而执行各种适当的动作和处理。在RAM403中,还存储有系统400操作所需的各种程序和数据。CPU401、ROM402以及RAM403通过总线404彼此相连。输入/输出(I/O)接口405也连接至总线404。以下部件连接至I/O接口405:包括键盘、鼠标等的输入部分406;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分407;包括硬盘等的存储部分408;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分409。通信部分409经由诸如因特网的网络执行通信处理。驱动器410也根据需要连接至I/O接口405。可拆卸介质411,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器410上,以便于从其上读出的计算机程序根据需要被安装入存储部分408。
特别地,根据本公开公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分409从网络上被下载和安装,和/或从可拆卸介质411被安装。在该计算机程序被中央处理单元(CPU)401执行时,执行本公开的系统中限定的上述功能。
需要说明的是,本公开所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、系统或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中,计算机可读存储介质可以是任何包含或存储序的有形介质,该程序可以被指令执行系统、系统或者器件使用或者与其结合使用。而在本公开中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、系统或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的模块可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的模块也可以设置在处理器中,例如,可以描述为:一种处理器包括发送模块、获取模块、确定模块和第一处理模块。其中,这些模块的名称在某种情况下并不构成对该单元本身的限定,例如,发送模块还可以被描述为“向所连接的服务端发送图片获取请求的模块”。
作为另一方面,本公开还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的设备中所包含的;也可以是单独存在,而未装配入该设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被一个该设备执行时,使得该设备包括:S101,获取评估区域和评估模式。S102,确定与评估模式相应的作物种类和畜禽种类,生成作物列表和畜禽列表。S103,分别从数据库中选取与评估区域对应的第一养分数据、与作物种类对应的第二养分数据,以及与畜禽种类对应的第三养分数据。S104,获取所述作物列表中各作物年产量以及所述畜禽列表中各畜禽年存栏量。S105,利用第一养分数据、第二养分数据和第三养分数据、各作物年产量以及各畜禽年存栏量,计算得到粪污土地的养分承载指数。
本公开实施例畜禽粪污土地承载力测算方法不仅能够对不同评估模式下评估区域畜禽粪污土地承载力进行精准测算,而且能够对未来养殖发展空间进行预测,从而对超载的区域进行结构调整,
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”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公开的至少一个实施例或示例中。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或隐含地包括至少一个该特征。在本公开的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
以上所述,仅为本公开的具体实施方式,但本公开的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本公开揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本公开的保护范围之内。因此,本公开的保护范围应以所述权利要求的保护范围为准。
Claims (4)
1.一种畜禽粪污土地承载力测算方法,其特征在于,包括:
针对客户端界面内评估区域选项的选择以及评估模式选项的选择,获取评估区域和评估模式;其中,所述评估模式包括:年鉴模式、普通模式和养殖场模式;年鉴模式下的作物种类和畜禽种类数据是来自国家、省、市或县区域;普通模式下作物种类和畜禽种类数据来自乡或村区域;养殖场模式下的作物种类和畜禽种类数据源于不同养殖场;年鉴模式的作物种类和畜禽种类是符合年鉴数据要求的,每个评估模式对应的作物种类和畜禽种类是以模板的方式预先录入系统的;
确定与所述评估模式相应的作物种类和畜禽种类,生成作物列表和畜禽列表;
分别从数据库中选取与所述评估区域对应的第一养分数据、与所述作物种类对应的第二养分数据,以及与所述畜禽种类对应的第三养分数据;
获取所述作物列表中各作物年产量以及所述畜禽列表中各畜禽年存栏量;
利用所述第一养分数据、第二养分数据、第三养分数据、各作物年产量,以及各畜禽年存栏量,计算得到最大畜禽存栏量;
计算所述最大畜禽存栏量与所有畜禽年存栏量之间的比值,得到粪污土地的养分承载指数;
若所述养分的种类数为一种时,该方法还包括:若所述养分承载指数满足预设阈值时,则调整评估区域内所述各畜禽年存栏量和各作物年产量;若所述养分的种类数大于一种时,则每种养分对应一个养分承载指数,该方法还包括:若多个所述养分承载指数均满足预设阈值时,则从多个所述养分承载指数中选取最大值作为参考样本指数,调整评估区域内所述各畜禽年存栏量和各作物年产量;其中,所述调整评估区域内所述各畜禽年存栏量,包括:计算所述最大畜禽存栏量与所有畜禽年存栏量之间的差值,得到候补畜禽存栏量;在确定候补畜禽存栏量后,改变某一畜禽的年存栏量,其他畜禽的年存栏量会自动调整,以使各畜禽年存栏量的调整总量等于候补畜禽存栏量,从而使得粪污土地的养分承载指数趋于预设阈值。
2.根据权利要求1所述的方法,其特征在于,所述调整评估区域内所述各作物年产量,包括:
通过调整评估区域内各作物年种植面积和作物种植结构,以调整评估区域内各作物年产量。
3.根据权利要求2所述的方法,其特征在于,所述调整评估区域内各作物年种植面积,包括:
获取所述作物列表中各作物年种植面积;
利用所述作物养分总需求量、所有作物种植面积,以及粪肥中养分供给量,计算得到作物最小种植面积;
计算所述作物最小种植面积与所有作物年种植面积之间的差值,得到候补种植面积;
基于评估区域内所述候补种植面积调整各作物种植面积。
4.一种畜禽粪污土地承载力测算装置,其特征在于,包括:
第一获取模块,用于针对客户端界面内评估区域选项的选择以及评估模式选项的选择,获取评估区域和评估模式;其中,所述评估模式包括:年鉴模式、普通模式和养殖场模式;年鉴模式下的作物种类和畜禽种类数据是来自国家、省、市或县区域;普通模式下作物种类和畜禽种类数据来自乡或村区域;养殖场模式下的作物种类和畜禽种类数据源于不同养殖场;年鉴模式的作物种类和畜禽种类是符合年鉴数据要求的,每个评估模式对应的作物种类和畜禽种类是以模板的方式预先录入系统的;
确定模块,用于确定与所述评估模式相应的作物种类和畜禽种类,生成作物列表和畜禽列表;
选取模块,用于分别从数据库中选取与所述评估区域对应的第一养分数据、与所述作物种类对应的第二养分数据,以及与所述畜禽种类对应的第三养分数据;
第二获取模块,用于获取所述作物列表中各作物年产量以及所述畜禽列表中各畜禽年存栏量;
计算模块包括:第一计算单元,用于利用所述第一养分数据、第二养分数据、第三养分数据、各作物年产量,以及各畜禽年存栏量,计算得到最大畜禽存栏量;第二计算单元,用于计算所述最大畜禽存栏量与所有畜禽年存栏量之间的比值,得到粪污土地的养分承载指数;
调整模块,用于若所述养分的种类数为一种时,若所述养分承载指数满足预设阈值时,则调整评估区域内所述各畜禽年存栏量和各作物年产量;若所述养分的种类数大于一种时,则每种养分对应一个养分承载指数,若多个所述养分承载指数均满足预设阈值时,则从多个所述养分承载指数中选取最大值作为参考样本指数,调整评估区域内所述各畜禽年存栏量和各作物年产量;其中,所述调整评估区域内所述各畜禽年存栏量,包括:计算所述最大畜禽存栏量与所有畜禽年存栏量之间的差值,得到候补畜禽存栏量;在确定候补畜禽存栏量后,改变某一畜禽的年存栏量,其他畜禽的年存栏量会自动调整,以使各畜禽年存栏量的调整总量等于候补畜禽存栏量,从而使得粪污土地的养分承载指数趋于预设阈值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011058529.0A CN112462030B (zh) | 2020-09-30 | 2020-09-30 | 一种畜禽粪污土地承载力测算方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011058529.0A CN112462030B (zh) | 2020-09-30 | 2020-09-30 | 一种畜禽粪污土地承载力测算方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112462030A CN112462030A (zh) | 2021-03-09 |
CN112462030B true CN112462030B (zh) | 2022-04-29 |
Family
ID=74832880
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011058529.0A Active CN112462030B (zh) | 2020-09-30 | 2020-09-30 | 一种畜禽粪污土地承载力测算方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112462030B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114091761B (zh) * | 2021-11-24 | 2022-08-12 | 中国科学院地理科学与资源研究所 | 种养空间优化方法及装置 |
CN116340698B (zh) * | 2023-03-01 | 2024-04-19 | 中农创达(北京)环保科技有限公司 | 一种畜禽粪污土地承载力测算方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110046836A (zh) * | 2019-05-13 | 2019-07-23 | 生态环境部华南环境科学研究所 | 区域养殖总量控制线核算方法 |
-
2020
- 2020-09-30 CN CN202011058529.0A patent/CN112462030B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN112462030A (zh) | 2021-03-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Christie et al. | Simulated seasonal responses of grazed dairy pastures to nitrogen fertilizer in SE Australia: N loss and recovery | |
Barker et al. | Livestock manure nutrient assessment in North Carolina | |
Glithero et al. | Straw use and availability for second generation biofuels in England | |
Gourley et al. | Nutrient budgeting as an approach to improving nutrient management on Australian dairy farms | |
Beukes et al. | The relationship between milk production and farm-gate nitrogen surplus for the Waikato region, New Zealand | |
Cobuloglu et al. | A mixed-integer optimization model for the economic and environmental analysis of biomass production | |
Xu et al. | China’s agricultural non-point source pollution and green growth: Interaction and spatial spillover | |
Ma et al. | Application of grazing land models in ecosystem management: Current status and next frontiers | |
CN112462030B (zh) | 一种畜禽粪污土地承载力测算方法及装置 | |
Schuler et al. | The estimation of agricultural policy effects on soil erosion—An application for the bio-economic model MODAM | |
Rotz et al. | Organic dairy production systems in Pennsylvania: A case study evaluation | |
Taube et al. | Yield progress in forage maize in NW Europe—breeding progress or climate change effects? | |
Koesling et al. | Variations of energy intensities and potential for improvements in energy utilisation on conventional and organic Norwegian dairy farms | |
Curtin et al. | Biological and chemical assays to estimate nitrogen supplying power of soils with contrasting management histories | |
Yang et al. | Residual soil nitrogen in soil landscapes of Canada as affected by land use practices and agricultural policy scenarios | |
Avval et al. | Energy efficiency analysis in agricultural productions: parametric and non-parametric approaches | |
Pembleton et al. | Climate change effects on pasture-based dairy systems in south-eastern Australia | |
Syp et al. | Assessing Greenhouse Gas Emissions from Conventional Farms Based on the Farm Accountancy Data Network. | |
Farashah et al. | Energy Efficiency analysis of white button mushroom producers in Alburz Province of Iran: A data envelopment analysis approach | |
Meyer et al. | The energy balance of utilising meadow grass in Danish biogas production | |
Helin | Reducing nutrient loads from dairy farms: a bioeconomic model with endogenous feeding and land use | |
Liebert et al. | Winter cereal species, cultivar, and harvest timing affect trade-offs between forage quality and yield | |
Herrmann et al. | Can arable forage production be intensified sustainably? A case study from northern Germany | |
Bogale et al. | Modelling the impacts of climate change on faba bean (Vicia faba L.) production in Welmera area, central Ethiopia | |
Matthew et al. | Nitrogen loss: an emerging issue for the ongoing evolution of New Zealand dairy farming systems |
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 |