CN112734133A - 一种基于水热条件预测土壤pH的方法 - Google Patents
一种基于水热条件预测土壤pH的方法 Download PDFInfo
- Publication number
- CN112734133A CN112734133A CN202110095180.6A CN202110095180A CN112734133A CN 112734133 A CN112734133 A CN 112734133A CN 202110095180 A CN202110095180 A CN 202110095180A CN 112734133 A CN112734133 A CN 112734133A
- Authority
- CN
- China
- Prior art keywords
- soil
- equal
- average
- model
- temperature
- 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 58
- 238000000034 method Methods 0.000 title claims abstract description 22
- 238000001556 precipitation Methods 0.000 claims abstract description 13
- 238000009825 accumulation Methods 0.000 claims description 4
- 238000013499 data model Methods 0.000 abstract description 2
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 8
- 230000020477 pH reduction Effects 0.000 description 6
- 239000002253 acid Substances 0.000 description 5
- UQSXHKLRYXJYBZ-UHFFFAOYSA-N Iron oxide Chemical compound [Fe]=O UQSXHKLRYXJYBZ-UHFFFAOYSA-N 0.000 description 4
- 229910052757 nitrogen Inorganic materials 0.000 description 4
- 230000003139 buffering effect Effects 0.000 description 3
- 239000003337 fertilizer Substances 0.000 description 3
- 239000000872 buffer Substances 0.000 description 2
- 125000003178 carboxy group Chemical group [H]OC(*)=O 0.000 description 2
- 238000005341 cation exchange Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 229910052595 hematite Inorganic materials 0.000 description 2
- 239000011019 hematite Substances 0.000 description 2
- LIKBJVNGSGBSGK-UHFFFAOYSA-N iron(3+);oxygen(2-) Chemical compound [O-2].[O-2].[O-2].[Fe+3].[Fe+3] LIKBJVNGSGBSGK-UHFFFAOYSA-N 0.000 description 2
- 229910052698 phosphorus Inorganic materials 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- QGZKDVFQNNGYKY-UHFFFAOYSA-O Ammonium Chemical compound [NH4+] QGZKDVFQNNGYKY-UHFFFAOYSA-O 0.000 description 1
- 241000196324 Embryophyta Species 0.000 description 1
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 description 1
- ZLMJMSJWJFRBEC-UHFFFAOYSA-N Potassium Chemical compound [K] ZLMJMSJWJFRBEC-UHFFFAOYSA-N 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
- 239000003513 alkali Substances 0.000 description 1
- 238000000540 analysis of variance Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000004071 biological effect Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 150000001768 cations Chemical class 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 235000005822 corn Nutrition 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000003795 desorption Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000009313 farming Methods 0.000 description 1
- 210000003608 fece Anatomy 0.000 description 1
- 230000004720 fertilization Effects 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 229910052598 goethite Inorganic materials 0.000 description 1
- AEIXRCIKZIZYPM-UHFFFAOYSA-M hydroxy(oxo)iron Chemical compound [O][Fe]O AEIXRCIKZIZYPM-UHFFFAOYSA-M 0.000 description 1
- 229910052500 inorganic mineral Inorganic materials 0.000 description 1
- 239000010871 livestock manure Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 239000011707 mineral Substances 0.000 description 1
- 230000000116 mitigating effect Effects 0.000 description 1
- 235000015097 nutrients Nutrition 0.000 description 1
- 239000003895 organic fertilizer Substances 0.000 description 1
- 239000006174 pH buffer Substances 0.000 description 1
- 239000011574 phosphorus Substances 0.000 description 1
- 230000008635 plant growth Effects 0.000 description 1
- 229910052700 potassium Inorganic materials 0.000 description 1
- 239000011591 potassium Substances 0.000 description 1
- 230000005588 protonation Effects 0.000 description 1
- 238000001179 sorption measurement Methods 0.000 description 1
- 239000010902 straw Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 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
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/067—Enterprise or organisation modelling
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Educational Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于水热条件预测土壤pH的方法，包括以下操作步骤：(1)获得待测地区的气象台编号，获得逐日历史气象数据；(2)使用标准气象台的标准数据作为模型的初始数据，得到预测土壤pH的模型如下：
Description
技术领域
本发明属于土壤pH预测技术领域，具体涉及一种基于水热条件预测土壤pH的方法。
背景技术
在陆地上生态系统，增加降水量可以提高植物生产力，刺激植物生长所需养分的消耗，并改变土壤阳离子库以缓冲酸性物质输入。土壤对氮、磷、钾的吸附和解吸受pH值、pH缓冲容量、有机质和阳离子交换容量的控制。土壤酸化是土壤退化的一种形式，它影响与提供生态系统服务相关的土壤功能，如水、粮食和能源安全，生物多样性保护、以及气候变化缓解。热带酸性土壤是一种强风化土壤，由于其存在于热带环境中，全年降雨量大，温度高，影响了氮素的有效性。长期施肥能够深刻地影响与农业土壤pH缓冲能力相关的物理化学和生物特性。通过耕作增加酸和碱是增加土壤酸度的重要因素之一。在一些农业土壤中，土壤酸化可归因于施用化肥如铵肥，尤其是在红壤中(铁酸盐形成土)，施氮引起的土壤酸化加剧，是限制产量的主要因素。化学氮处理降低了土壤中氧化铁总量和针铁矿与赤铁矿的比值(G/H值)，氧化铁的转化和赤铁矿在土壤中的积累会降低土壤对酸化的缓冲能力，与此相反，有机肥处理呈现相反的趋势。在pH值为4.5～7.5的土壤中，酸缓冲能力主要受CEC控制，CEC较高的土壤中有更多的阳离子交换位点来缓冲土壤溶液中的质子。施用粪肥或玉米秸秆与矿物肥料相结合能显著降低土壤的酸碱度，施用生物炭可以提高土壤pH，当pH值在4.5～7.0之间时，生物炭表面羧基的质子化是其抗酸化的主要机制，施用生物炭后土壤pH值较高(>6.0)和生物炭表面大量羧基是提高土壤抗酸化能力的关键。
区域范围内土壤pH除了受气候的主要影响外，还受成土母质、土壤理化性质、坡度等很多因素的影响，而年平均降水量和年平均温度是区域尺度土壤酸碱度分布的强预测因子。
广义提升回归模型(generalized boosted regression models，GBRMs)是基于梯度提升算法(gradient boost machine，GBM)思想的一种机器学习模型，该算法是一种基于回归树的集成算法，能够减少单个预测模型出现的偏差和误差，目前已被广泛应用于各个领域，但是因为该模型变量多，而且模型复杂且目前很少有人将其用于土壤pH的预测和制图。
近年来被广泛使用的地理权重回归(geographically weighted regression，GWR)法，因其既考虑了插值点的空间位置，又在模型中充分考虑了环境要素的作用，所以，该方法在空间插值问题上的应用受到了广泛关注，常被用于对空间非稳定关系的探讨，如在自变量与因变量间的空间稳定性假设不成立时，GWR法的预测效果十分有效。
但是上述模型均存在着参数多，变量复杂，模型复杂，非专业人士很难弄懂的缺陷。
发明内容
为了解决上述存在的问题，本发明提供一种基于水热条件预测土壤pH的方法。
本发明是通过以下技术方案实现的。
一种基于水热条件预测土壤pH的方法，包括以下操作步骤：
(1)获得待测地区的气象台编号，获得逐日历史气象数据，所述历史气象数据包括年平均降水量、≥10℃年平均积温；
(2)使用标准气象台的标准数据作为模型的初始数据，得到预测土壤pH的模型如下：
其中，y为土壤pH，α、β、γ、δ为常数，T为≥10℃年积温，T单位为℃，P为年平均降水量，P单位为mm，所述k为区域多年土壤pH常数，是水热条件综合影响下的一个常数。
具体地，所述年平均降水量P采用以下方法得到：日降水量是指每日20时至次日20时，降水量的累加值，一年内所有日降水量的累加为年降水量，多年年降水量平均值为年平均降水量P。
具体地，所述年平均≥10℃积温T采用以下方法得到：把当年大于或等于10℃持续期内的日平均温度累加起来得到的温度总和为年≥10℃积温，多年年≥10℃积温的平均值为年平均≥10℃积温T。
由以上的技术方案可知，本发明的有益效果是：
本发明提供的基于水热条件预测土壤pH的方法，基于国家标准气象台站的历史数据，使用参数少，变量简单，模型预测简单、实用，为区域地块大数据模型的建立提供数据保障，模型预测精度高。
具体实施方式
下面将结合实施例对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例1
一种基于水热条件预测土壤pH的方法，包括以下操作步骤：
(1)获得待测地区的气象台编号，获得逐日历史气象数据，所述历史气象数据包括年平均降水量、≥10℃年平均积温；
(2)使用标准气象台的标准数据作为模型的初始数据，得到预测土壤pH的模型如下：
其中，y为土壤pH，α、β、γ、δ为常数，T为≥10℃年平均积温，T单位为℃，P为年平均降水量，P单位为mm，所述k为区域多年土壤pH常数，是水热条件综合影响下的一个常数。
在本实施例中，所述年平均降水量P采用以下方法得到：日降水量是指每日20时至次日20时，降水量的累加值，一年内所有日降水量的累加为年降水量，多年年降水量平均值为年平均降水量P。
在本实施例中，所述年平均≥10℃积温T采用以下方法得到：把当年大于或等于10℃持续期内的日平均温度累加起来得到的温度总和为年≥10℃积温，多年年≥10℃积温的平均值为年平均≥10℃积温T。
试验：
表1土壤pH及气象数据
应用SPSS 15.0多元回归对以上数据进行验证后得出以下分析结果，见表2，
表2模型结果分析
然后对模型进行多元回归统计和方差分析，结果如表3和表4所示：
表3模型多元回归统计
表4模型方差分析
通过表2和表3回归统计可知，R2＝0.9997(r＝0.9998)，标准误差为0.0202，P＜0.01极显著相关。
通过表2可得，土壤pH预测模型的方程为：
其中，y为土壤pH值，α、β、γ、δ为常数，T为≥10℃年平均积温(℃)，P为年平均降水量(mm)，k为区域多年土壤pH常数，是水热条件综合影响下的一个常数。
以上所描述的实施例是本发明一部分实施例，而不是全部的实施例。本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
Claims (3)
1.一种基于水热条件预测土壤pH的方法，其特征在于，包括以下操作步骤：
(1)获得待测地区的气象台编号，获得逐日历史气象数据，所述历史气象数据包括年平均降水量、≥10℃年平均积温；
(2)使用标准气象台的标准数据作为模型的初始数据，得到预测土壤pH的模型如下：
其中，y为土壤pH，α、β、γ、δ为常数，T为≥10℃年平均积温，T单位为℃，P为年平均降水量，P单位为mm，所述k为区域多年土壤pH常数，是水热条件综合影响下的一个常数。
2.根据权利要求1所述一种基于水热条件预测土壤pH的方法，其特征在于，所述年平均降水量P采用以下方法得到：日降水量是指每日20时至次日20时，降水量的累加值，一年内所有日降水量的累加为年降水量，多年年降水量平均值为年平均降水量P。
3.根据权利要求1所述一种基于水热条件预测土壤pH的方法，其特征在于，所述年平均≥10℃积温T采用以下方法得到：把当年大于或等于10℃持续期内的日平均温度累加起来得到的温度总和为年≥10℃积温，多年年≥10℃积温的平均值为年平均≥10℃积温T。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110095180.6A CN112734133B (zh) | 2021-01-25 | 2021-01-25 | 一种基于水热条件预测土壤pH的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110095180.6A CN112734133B (zh) | 2021-01-25 | 2021-01-25 | 一种基于水热条件预测土壤pH的方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112734133A true CN112734133A (zh) | 2021-04-30 |
| CN112734133B CN112734133B (zh) | 2024-02-13 |
Family
ID=75594264
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110095180.6A Active CN112734133B (zh) | 2021-01-25 | 2021-01-25 | 一种基于水热条件预测土壤pH的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112734133B (zh) |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105426920A (zh) * | 2015-12-02 | 2016-03-23 | 江西理工大学 | 云模型人工蜂群优化的稀土矿区溪水pH值预测方法 |
| CN107860889A (zh) * | 2017-09-22 | 2018-03-30 | 华南农业大学 | 土壤有机质的预测方法和设备 |
| CN109100490A (zh) * | 2018-09-07 | 2018-12-28 | 中山大学 | 土壤酸化的定量预测方法 |
| CN109100289A (zh) * | 2018-07-30 | 2018-12-28 | 贵州电网有限责任公司 | 一种建立土壤腐蚀预测模型的方法 |
| CN109596672A (zh) * | 2019-01-31 | 2019-04-09 | 中冶华天工程技术有限公司 | 土壤pH预测方法 |
| JP2019175440A (ja) * | 2018-03-29 | 2019-10-10 | 国立研究開発法人農業・食品産業技術総合研究機構 | 農作物用土壌環境予測システム、農作物用土壌環境予測装置、及び農作物用土壌環境予測方法 |
| CN111047223A (zh) * | 2019-12-31 | 2020-04-21 | 黑龙江八一农垦大学 | 一种预测水稻中砷元素含量风险评估方法 |
| CN112986531A (zh) * | 2021-01-25 | 2021-06-18 | 南宁师范大学 | 一种基于水热条件预测土壤全氮含量的方法 |
| CN113009108A (zh) * | 2021-01-25 | 2021-06-22 | 南宁师范大学 | 一种基于水热条件预测土壤有机碳含量的预测方法 |
-
2021
- 2021-01-25 CN CN202110095180.6A patent/CN112734133B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105426920A (zh) * | 2015-12-02 | 2016-03-23 | 江西理工大学 | 云模型人工蜂群优化的稀土矿区溪水pH值预测方法 |
| CN107860889A (zh) * | 2017-09-22 | 2018-03-30 | 华南农业大学 | 土壤有机质的预测方法和设备 |
| JP2019175440A (ja) * | 2018-03-29 | 2019-10-10 | 国立研究開発法人農業・食品産業技術総合研究機構 | 農作物用土壌環境予測システム、農作物用土壌環境予測装置、及び農作物用土壌環境予測方法 |
| CN109100289A (zh) * | 2018-07-30 | 2018-12-28 | 贵州电网有限责任公司 | 一种建立土壤腐蚀预测模型的方法 |
| CN109100490A (zh) * | 2018-09-07 | 2018-12-28 | 中山大学 | 土壤酸化的定量预测方法 |
| CN109596672A (zh) * | 2019-01-31 | 2019-04-09 | 中冶华天工程技术有限公司 | 土壤pH预测方法 |
| CN111047223A (zh) * | 2019-12-31 | 2020-04-21 | 黑龙江八一农垦大学 | 一种预测水稻中砷元素含量风险评估方法 |
| CN112986531A (zh) * | 2021-01-25 | 2021-06-18 | 南宁师范大学 | 一种基于水热条件预测土壤全氮含量的方法 |
| CN113009108A (zh) * | 2021-01-25 | 2021-06-22 | 南宁师范大学 | 一种基于水热条件预测土壤有机碳含量的预测方法 |
Non-Patent Citations (6)
| Title |
|---|
| 冯春梅等: ""中国东部沿海季风区土壤全氮格局及其与水热条件关系"", 《广西师范学院学报(自然科学版)》, vol. 36, no. 01, pages 88 - 93 * |
| 卢宏亮等: "基于神经网络模型的安徽省土壤pH预测", 《江苏农业学报》, vol. 35, no. 05, pages 1119 - 1123 * |
| 周宏冀: "江西省耕地土壤pH空间变异与管理分区研究", 《中国优秀硕士学位论文全文数据库农业科技辑》, no. 01, pages 043 - 74 * |
| 周宏冀: "江西省耕地土壤pH空间变异与管理分区研究", 中国优秀硕士学位论文全文数据库农业科技辑, no. 01, pages 043 - 74 * |
| 徐福祥: "基于GIS技术的福建省耕地土壤酸化研究", 《中国优秀硕士学位论文全文数据库农业科技辑》, no. 05, pages 043 - 2 * |
| 王世航;卢宏亮;赵明松;周玲美;: "基于不同特征挖掘方法结合广义提升回归模型估测安徽省土壤pH", 应用生态学报, no. 10, pages 3509 - 3517 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112734133B (zh) | 2024-02-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Li et al. | Low yield gap of winter wheat in the North China Plain | |
| Giese et al. | Nitrogen availability in a grazed semi-arid grassland is dominated by seasonal rainfall | |
| Wang et al. | Rice yield potential, gaps and constraints during the past three decades in a climate-changing Northeast China | |
| Zhou et al. | Plastic film mulching stimulates brace root emergence and soil nutrient absorption of maize in an arid environment | |
| Qin et al. | Spatial-temporal changes of cropland and climate potential productivity in northern China during 1990–2010 | |
| Zhang et al. | Urease activity and its relationships to soil physiochemical properties in a highly saline-sodic soil | |
| Zhang et al. | The effects of agricultural management on selected soil properties of the arable soils in Tibet, China | |
| Trost et al. | Effects of irrigation and nitrogen fertilizer on yield, carbon inputs from above ground harvest residues and soil organic carbon contents of a sandy soil in G ermany | |
| Mohammed et al. | Identifying best crop management practices for chickpea (Cicer arietinum L.) in Northeastern Ethiopia under climate change condition | |
| Qiu et al. | Modeling the impacts of soil organic carbon content of croplands on crop yields in China | |
| Tomar et al. | Evaluation of sowing methods, irrigation schedules, chemical fertilizer doses and varieties of Plantago ovata Forsk. to rehabilitate degraded calcareous lands irrigated with saline water in dry regions of northwestern India | |
| CN112986531A (zh) | 一种基于水热条件预测土壤全氮含量的方法 | |
| Jones et al. | Practices to increase wheat grain protein | |
| Ray et al. | Full Research Correlation and Path Analysis Studies for Growth and Yield Contributing Traits in Indian Mustard (Brassica juncea L.) | |
| do Rosário Cameira et al. | Band application of acidified slurry as an alternative to slurry injection in Mediterranean winter conditions: Impact on nitrate leaching | |
| Galic et al. | Effects of agricultural practices on carbon emission and soil health | |
| Sun et al. | Impacts of future climate and agricultural land‐use changes on regional agricultural water use in a large irrigation district of northwest China | |
| Diacono et al. | Intercropping and rotation with leguminous plants in organic vegetables: Crop performance, soil properties and sustainability assessment | |
| Zhang et al. | Maize is stressed by salt rather than water under drip irrigation with soil matric potential higher than− 50 kPa in an arid saline area | |
| Asadi et al. | The association of crop production and precipitation; a comparison of two methodologies | |
| Setu | Effect of phosphorus and potassium fertilizers application on soil chemical characteristics and their accumulation in potato plant tissues | |
| CN112734133A (zh) | 一种基于水热条件预测土壤pH的方法 | |
| Amiri et al. | Growth, seed yield and quality of soybean as affected by integrated fertilizer managements and zeolite application | |
| CN113009108A (zh) | 一种基于水热条件预测土壤有机碳含量的预测方法 | |
| El Khodrani et al. | Evaluation of the impact of intensive agriculture on physico-chemical properties of soil and groundwater in the rural commune Sfafaa (Sidi Slimane. Gharb. Morocco) |
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 |