CN113033875A - 蚕种生长模型的构建方法及最佳给桑量推荐方法 - Google Patents

蚕种生长模型的构建方法及最佳给桑量推荐方法 Download PDF

Info

Publication number
CN113033875A
CN113033875A CN202110234004.6A CN202110234004A CN113033875A CN 113033875 A CN113033875 A CN 113033875A CN 202110234004 A CN202110234004 A CN 202110234004A CN 113033875 A CN113033875 A CN 113033875A
Authority
CN
China
Prior art keywords
silkworm
mulberry
establishing
model
accumulated
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
Application number
CN202110234004.6A
Other languages
English (en)
Other versions
CN113033875B (zh
Inventor
曹欣然
骆淑云
王成群
吴江
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhejiang University of Technology ZJUT
Original Assignee
Zhejiang University of Technology ZJUT
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Zhejiang University of Technology ZJUT filed Critical Zhejiang University of Technology ZJUT
Priority to CN202110234004.6A priority Critical patent/CN113033875B/zh
Publication of CN113033875A publication Critical patent/CN113033875A/zh
Application granted granted Critical
Publication of CN113033875B publication Critical patent/CN113033875B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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"
    • A—HUMAN NECESSITIES
    • A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01K—ANIMAL HUSBANDRY; AVICULTURE; APICULTURE; PISCICULTURE; FISHING; REARING OR BREEDING ANIMALS, NOT OTHERWISE PROVIDED FOR; NEW BREEDS OF ANIMALS
    • A01K67/00—Rearing or breeding animals, not otherwise provided for; New or modified breeds of animals
    • A01K67/033—Rearing or breeding invertebrates; New breeds of invertebrates
    • A01K67/04—Silkworms
    • 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

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Animal Husbandry (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • Environmental Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Health & Medical Sciences (AREA)
  • Operations Research (AREA)
  • Agronomy & Crop Science (AREA)
  • Game Theory and Decision Science (AREA)
  • Marine Sciences & Fisheries (AREA)
  • Mining & Mineral Resources (AREA)
  • Quality & Reliability (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Animal Behavior & Ethology (AREA)
  • Zoology (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Development Economics (AREA)
  • Fodder In General (AREA)

Abstract

本发明公开了蚕种生长模型的构建方法及最佳给桑量推荐方法。构建方法包括：步骤1：采集数据；步骤2：根据数据，建立蚕种累计食桑量等；步骤3：绘制饲养桑蚕日食桑量、日累计食桑量与饲育时间的关系趋势图；步骤4：根据趋势图，建立蚕种前N龄阶段食桑量的函数，建立蚕种第N+1龄阶段食桑量的函数；步骤5：选取符合函数关系形式的曲线分别对桑蚕前N龄阶段和第N+1阶段的日累计食桑量数据进行拟合；步骤6：通过比较不同拟合结果，建立拟合模型并计算；步骤7：对拟合建立的模型进行误差分析，若误差小，执行步骤8；若拟合效果不好，执行步骤5；步骤8：根据确定的拟合结果，以蚕种日累计食桑量作为蚕种生长的度量标准，建立蚕种生长模型。

Description

蚕种生长模型的构建方法及最佳给桑量推荐方法
技术领域
本发明属于蚕桑养殖技术领域，具体涉及一种基于食桑量建立蚕种生长模型的方法及基于此模型推荐每日最佳给桑量的方法。
背景技术
我国是世界上最早开展桑蚕养殖的国家，享有“丝绸之乡”的美誉，桑蚕养殖的技术也在不断优化发展的过程中。发展养蚕业不仅可以增加农民的经济收入，而且对建立现代产业链、发展农业经济具有重要意义。中国作为丝绸的主要出口国之一，目前的丝绸产品已经出口到全球100多个国家，市场发展前景广阔。同时，在“东桑西移”发展战略的逐步推广之下，国家加大了对桑蚕产业的投资和政策支持。尽管如此，随着其他产业快速发展，蚕桑生态环境恶化，产业规划受阻，桑蚕管理亟需改进。因此，如何稳定扩大桑蚕产业的发展规模并不断稳定的提高其质量成为时下桑蚕养殖的热门问题。
随着西部地区桑蚕业的发展，为了通过桑园科学施肥提高桑树产叶量与生产效益，已有针对平衡施肥对桑树产量与品质影响及其施肥模型的研究，以桑叶产量为目标函数，选取对生长发育影响较大的肥料元素作为调控因子，模拟桑树产叶量与调控因子之间的回归关系；同时，也有通过建立桑树枝条长度与条重、叶重之间的数学模型对桑园产量进行预测的研究；通过回归分析的理论和方法，研究建立植桑养蚕的决策数学模型。借助这些已有的模型，有效的改善了桑树产叶量，对蚕桑生产的发展规律进行了经济分析和预测，更好地助推桑蚕产业的发展。但，现有技术无法为后续蚕桑养殖推荐最佳给桑量，也无法为蚕桑规划提出合理的最优决策方案提供助力。
发明内容
有鉴于此，本发明第一个目的在于提出了一种基于食桑量的蚕种生长模型的构建方法，其根据蚕种生长的普遍规律，可以构建出不同蚕种的生长模型。
本发明的第二个目的在于提出了一种基于蚕种生长模型推荐每日最佳给桑量的方法，其可以根据不用类型的蚕种提供不同的最佳给桑量的推荐。
为实现上述目的，本发明提供以下技术方案：
一种基于食桑量的蚕种生长模型的构建方法，其包括以下步骤：
步骤1：采集饲养桑蚕蚕种的相关数据，然后执行步骤2；
步骤2：根据步骤1的采集数据，建立蚕种孵化成蚁蚕后的饲育天数t，建立蚕种每日食桑量w(t)，计算并建立蚕种累计食桑量Wt，建立蚕种累计食桑量的增长率r(t)，然后执行步骤3；
步骤3：绘制饲养桑蚕日食桑量、日累计食桑量与饲育时间的关系趋势图，然后执行步骤4；
步骤4：根据步骤3的关系趋势图，发现桑蚕前N龄阶段的日累计食桑量满足J型曲线指数型增长，第N+1龄阶段的日累计食桑量满足S型曲线指数型增长；建立蚕种前N龄阶段食桑量的函数：
Wt＝W0r(t)t-1，
建立蚕种第N+1龄阶段食桑量的函数：
Figure BDA0002959563110000021
N为大于2的自然数，优选N为4；W为一张蚕种从孵化成蚁蚕至结茧的最大累计食桑量，W0为一张蚕种孵化成蚁蚕后第1天的初始累计食桑量
然后执行步骤5；
步骤5：选取符合函数关系形式的曲线分别对桑蚕前N龄阶段和第N+1阶段的日累计食桑量数据进行拟合，然后执行步骤6；
步骤6：通过比较不同拟合结果，建立并计算
(1)SSE(和方差)：SSE越小说明拟合效果越好。
Figure BDA0002959563110000022
(2)R-square(确定系数)：R-square越接近1，表明方程的变量对y的解释能力越强，这个模型对数据拟合的也较好。
Figure BDA0002959563110000023
yi表示实际日累计食桑量数据点，
Figure BDA0002959563110000024
表示拟合数据点，
Figure BDA0002959563110000025
表示实际日累计食桑量数据点的均值，wi表示拟合时每个点相应的权重，一般wi＝1，
选取SSE越接近于0，R-square越接近于1的曲线作为拟合结果，然后执行步骤7；
步骤7：对拟合建立的模型进行误差分析，若误差小，拟合结果良好，执行步骤8；若拟合效果不好，返回执行步骤5；
步骤8：根据确定的拟合结果，以蚕种日累计食桑量作为蚕种生长的度量标准，建立蚕种生长模型：
Figure BDA0002959563110000031
该蚕种生长模型适用于蚕种生长的普遍规律，若可以获取特定蚕种的相关数据，则以便于确定特定蚕种的生长模型，方便在实际桑蚕养殖中的运用。
本发明另一技术方案：基于上述蚕种生长模型推荐每日最佳给桑量的方法，其包括以下步骤：
步骤1：采集饲养桑蚕蚕种的相关数据，然后执行步骤2；
步骤2：建立该种桑蚕类型下蚕种的食桑量关系，从而建立桑蚕的生长模型，然后执行步骤3；
步骤3：将步骤2中建立的桑蚕模型用于后续该种类型桑蚕养殖的过程中，获取养殖过程中已知蚕种数据，结合桑蚕目前的生长状态，若实际情况与现有模型存在较大差异，则需要重新更新模型，返回执行步骤2；若实际情况与现有模型相符合，则执行步骤4；
步骤4：根据模型与步骤3中获取的已知数据，推断出后续饲养时间里每日最佳的给桑量。
根据技术方案1所述的基于食桑量建立蚕种生长模型，设计出一种基于蚕种生长模型推荐每日最佳给桑量的方法，通过获取养殖蚕种目前已知相关信息，结合设计思路，给出最佳给桑量，这样可以合理利用桑叶资源，实现使用最少资源的情况下实现蚕种的良好生长。
优选的，步骤1中蚕种的相关数据包括蚕种类型、数量、饲育天数以及对应的每日食桑量。
优选的，步骤3中已知蚕种数据包括蚕种类型、数量、目前饲育天数以及对应的每日食桑量。
本发明基于食桑量建立蚕种生长模型，包括对蚕种每日食桑量和日累计食桑量与饲育天数之间的关系的探究，通过探究蚕种食桑量与饲育天数的关系，建立五龄阶段蚕种的生长模型。借助模型和养殖过程中所获取的信息数据，为后续蚕桑养殖推荐最佳给桑量，也为建立桑蚕园区规划以及产茧量与社会生产之间的关系的模型奠定基础，同时也为蚕桑规划提出合理的最优决策方案提供助力。
附图说明
图1为本发明的基于食桑量建立蚕种生长模型的构建方法的流程示意图。
图2为采集饲养蚕种食桑量数据集。
图3为实施例桑蚕日食桑量、日累计食桑量与饲育时间的关系趋势图。
图4为实施例桑蚕拟合结果图。
图5为实施例构建模型结果与实施例数据集对比图。
图6为本发明的基于蚕种生长模型推荐每日最佳给桑量的设计方法的流程示意图。
具体实施方式
以下结合具体实施例对本发明创造作详细说明。
实施例1：一种基于食桑量的蚕种生长模型的构建方法，如图1所示，包括以下步骤：
步骤1：采集饲养桑蚕蚕种的相关数据，如图2，然后执行步骤2。
步骤2：根据步骤1的采集数据，建立蚕种孵化成蚁蚕后的饲育天数t，建立蚕种每日食桑量w(t)，计算并建立蚕种累计食桑量Wt，建立蚕种累计食桑量的增长率r(t)，然后执行步骤3。
步骤3：绘制饲养桑蚕日食桑量、日累计食桑量与饲育时间的关系趋势图，如图3，然后执行步骤4。
步骤4：根据步骤3的关系趋势图，发现桑蚕前四龄阶段的日累计食桑量满足“J”型曲线指数型增长，第五龄阶段的日累计食桑量满足“S”型曲线指数型增长；建立蚕种前四龄阶段食桑量的函数：Wt＝W0r(t)t-1；建立蚕种第五龄阶段食桑量的函数：
Figure BDA0002959563110000041
然后执行步骤5。
步骤5：选取符合函数关系形式的曲线分别对桑蚕前四龄阶段和第五阶段的日累计食桑量数据进行拟合，然后执行步骤6。
步骤6：通过比较不同拟合结果，建立并计算
Figure BDA0002959563110000042
Figure BDA0002959563110000043
yi表示实际日累计食桑量数据点，
Figure BDA0002959563110000044
表示拟合数据点，
Figure BDA0002959563110000045
表示实际日累计食桑量数据点的均值，wi表示拟合时每个点相应的权重，一般wi＝1。
选取SSE越接近于0，R-square越接近于1的曲线作为拟合结果，然后执行步骤7；
步骤7：对拟合建立的模型进行误差分析：
将模型拟合求解出的桑蚕日累计食桑量与表格1中的数据进行对比，如图5。该拟合模型下：SSE≈279.66，R-square≈1-0.00115＝0.99885→1，由此，可以确定该模型拟合程度较好，能够代表桑蚕五龄阶段的日累计食桑量的数学关系，然后执行步骤8。
步骤8：根据确定的拟合结果，以蚕种日累计食桑量作为蚕种生长的度量标准，建立蚕种生长模型：
Figure BDA0002959563110000051
实施例2：一种基于蚕种生长模型推荐每日最佳食桑量的方法，如图6所示，包括以下步骤：
步骤1：采集饲养桑蚕蚕种的相关数据，然后执行步骤2。蚕种的相关数据包括蚕种类型、数量、饲育天数以及对应的每日食桑量。
步骤2：通过实施例1建立该种桑蚕类型下蚕种的食桑量关系，从而建立桑蚕的生长模型，然后执行步骤3。
参考春蚕的龄期和一张蚕种的每日食桑量，如图2，基于食桑量建立春蚕五龄阶段的生长模型：
Figure BDA0002959563110000052
步骤3：将步骤2中建立的桑蚕模型用于后续该种类型桑蚕养殖的过程中，获取养殖过程中已知蚕种数据，结合桑蚕目前的生长状态，若实际情况与现有模型存在较大差异，则需要重新更新模型，执行步骤2；若实际情况与现有模型相符合，则执行步骤4。已知蚕种数据包括蚕种类型、数量、目前饲育天数以及对应的每日食桑量。
步骤4：根据模型与所给数据，推断出后续饲养时间里每日最佳的给桑量。
最后，应当说明的是，以上实施例仅用以说明本发明创造的技术方案，而非对本发明保护范围的限制，尽管参照实施例对本发明创造做了详细地说明，本领域的普通技术人员应当理解，可以对本发明创造的技术方案进行修改或者等同替换，而不脱离本发明创造技术方案的实质和范围。

Claims (4)

1.一种基于食桑量的蚕种生长模型的构建方法，其特征在于，包括以下步骤：
步骤1：采集饲养桑蚕蚕种的相关数据；
步骤2：根据步骤1的采集数据，建立蚕种孵化成蚁蚕后的饲育天数t，建立蚕种每日食桑量w(t)，计算并建立蚕种累计食桑量Wt，建立蚕种累计食桑量的增长率r(t)；
步骤3：绘制饲养桑蚕日食桑量、日累计食桑量与饲育时间的关系趋势图；
步骤4：根据步骤3的关系趋势图，发现桑蚕前N龄阶段的日累计食桑量满足J型曲线指数型增长，第N+1龄阶段的日累计食桑量满足S型曲线指数型增长；则建立蚕种前N龄阶段食桑量的函数：
Wt＝W0r(t)t-1，
建立蚕种第N+1龄阶段食桑量的函数：
Figure FDA0002959563100000011
N为大于2的自然数；W为一张蚕种从孵化成蚁蚕至结茧的最大累计食桑量，W0为一张蚕种孵化成蚁蚕后第1天的初始累计食桑量；
步骤5：选取符合函数关系形式的曲线分别对桑蚕前N龄阶段和第N+1阶段的日累计食桑量数据进行拟合；
步骤6：通过比较不同拟合结果，建立并计算
(1)SSE：SSE越小说明拟合效果越好；
Figure FDA0002959563100000012
(2)R-square：R-square越接近1，表明方程的变量对y的解释能力越强，这个模型对数据拟合的也较好；
Figure FDA0002959563100000013
yi表示实际日累计食桑量数据点，
Figure FDA0002959563100000014
表示拟合数据点，
Figure FDA0002959563100000015
表示实际日累计食桑量数据点的均值，wi表示拟合时每个点相应的权重，一般wi＝1，
选取SSE越接近于0，R-square越接近于1的曲线作为拟合结果；
步骤7：对拟合建立的模型进行误差分析，若误差小，拟合结果良好，则执行步骤8；若拟合效果不好，返回执行步骤5；
步骤8：根据确定的拟合结果，以蚕种日累计食桑量作为蚕种生长的度量标准，建立蚕种生长模型：
Figure FDA0002959563100000021
2.一种基于蚕种生长模型推荐每日最佳给桑量的方法，其特征在于，包括以下步骤：
步骤1：采集饲养桑蚕蚕种的相关数据；
步骤2：通过如权利要求1所述的构建方法建立该种桑蚕类型下蚕种的食桑量关系，建立桑蚕的生长模型；
步骤3：将步骤2中建立的桑蚕模型用于后续该种类型桑蚕养殖的过程中，获取养殖过程中已知蚕种数据，结合桑蚕目前的生长状态，若实际情况与现有模型存在较大差异，则需要重新更新模型，返回执行步骤2；若实际情况与现有模型相符合，则执行步骤4；
步骤4：根据桑蚕模型与步骤3中获取的已知数据，推断出后续饲养时间里每日最佳的给桑量。
3.根据权利要求2所述的一种基于蚕种生长模型推荐每日最佳给桑量的方法，其特征在于，步骤1中，蚕种的相关数据包括蚕种类型、数量、饲育天数以及对应的每日食桑量。
4.根据权利要求2所述的一种基于蚕种生长模型推荐每日最佳给桑量的方法，其特征在于，步骤3中，已知蚕种数据包括蚕种类型、数量、目前饲育天数以及对应的每日食桑量。
CN202110234004.6A 2021-03-03 2021-03-03 蚕种生长模型的构建方法及最佳给桑量推荐方法 Active CN113033875B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110234004.6A CN113033875B (zh) 2021-03-03 2021-03-03 蚕种生长模型的构建方法及最佳给桑量推荐方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110234004.6A CN113033875B (zh) 2021-03-03 2021-03-03 蚕种生长模型的构建方法及最佳给桑量推荐方法

Publications (2)

Publication Number Publication Date
CN113033875A true CN113033875A (zh) 2021-06-25
CN113033875B CN113033875B (zh) 2023-11-24

Family

ID=76465625

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110234004.6A Active CN113033875B (zh) 2021-03-03 2021-03-03 蚕种生长模型的构建方法及最佳给桑量推荐方法

Country Status (1)

Country Link
CN (1) CN113033875B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102073756A (zh) * 2010-11-03 2011-05-25 金华市农业科学研究院 一种通过建立蛋白质沉淀曲线方程提高生猪出肉率的方法
US20170188521A1 (en) * 2016-01-04 2017-07-06 Tata Consultancy Services Limited Systems and methods for estimating effective pest severity index
CN107736313A (zh) * 2017-10-31 2018-02-27 四川省农业机械研究设计院 蚕宝监控方法及系统
CN110338140A (zh) * 2019-07-02 2019-10-18 广东省农业科学院动物科学研究所 一种生长育肥猪能量摄入量的计算方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102073756A (zh) * 2010-11-03 2011-05-25 金华市农业科学研究院 一种通过建立蛋白质沉淀曲线方程提高生猪出肉率的方法
US20170188521A1 (en) * 2016-01-04 2017-07-06 Tata Consultancy Services Limited Systems and methods for estimating effective pest severity index
CN107736313A (zh) * 2017-10-31 2018-02-27 四川省农业机械研究设计院 蚕宝监控方法及系统
CN110338140A (zh) * 2019-07-02 2019-10-18 广东省农业科学院动物科学研究所 一种生长育肥猪能量摄入量的计算方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
王彦文, 邢黎峰, 牟志美, 刘同侠, 谢清忠: "家蚕5龄幼虫体重增长的数学模型", 河北林果研究, no. 02, pages 144 - 147 *

Also Published As

Publication number Publication date
CN113033875B (zh) 2023-11-24

Similar Documents

Publication Publication Date Title
Frisvold Does supervision matter? Some hypothesis tests using Indian farm-level data
JP6580334B2 (ja) 情報処理装置、プログラム及び情報処理方法
Guo et al. Maize with fewer nodal roots allocates mass to more lateral and deep roots that improve nitrogen uptake and shoot growth
Probert et al. Simulation of legume-cereal systems using APSIM
CN116776290A (zh) 一种烟草大数据模型构建方法
Haryanto et al. An analysis of technical efficiency variation in Indonesian rice farming
JP2016146046A (ja) 予測装置、予測方法及びプログラム
CN113033875A (zh) 蚕种生长模型的构建方法及最佳给桑量推荐方法
CN115759487B (zh) 南美白对虾养殖肥水作业窗口期的气象风险预测方法
Kholikova Multifactor econometric modeling and forecasting of cotton fiber production in uzbekistan
Kang et al. Analyzing and optimizing yield formation of tomato introgression lines using plant model
Kumaresan et al. Performance of large scale farming in sericulture–an economic analysis
Ruiz-Velazco et al. Evaluating partial harvesting strategies for whiteleg shrimp Litopenaeus (Penaeus) vannamei semi-intensive commercial production: profitability, uncertainty, and economic risk
Rasuljonovich Organizational and economic actual strategies for the further development of silk industry in the republic of Uzbekistan
Khai et al. Determinants of agricultural technology adoption: a case study in floricultural sector of Lam Dong province and Ho Chi Minh City, Vietnam
Hayami Mobilizing slack resources for economic development: the summer-fall rearing technology of sericulture in Japan
Ginige et al. Modelling the Dynamic Impact of Fertilizer Subsidy on Paddy Production: Empirical Evidence from Sri Lanka
Kallimani Constraints faced in the Adoption of Technologies by Chawki Rearing Centre Entrepreneurs
Bednar-Friedl et al. Climate change impacts on and adaptation measures for agriculture in Austria in 2020: Linking bottom-up and top-down models
Khalilzadeh et al. An MILP model for corn planting and harvest scheduling considering storage capacity and growing degree units
Valge et al. Strategic planning of grass forage production in North-West Russia
PAL et al. Predicting the seed cotton yield with value added medium range weather forecast data using CROPGRO-Cotton model at Bhathinda, Punjab
Pradhan et al. Studies on the performance of pilot project centers (PPCs) of Sundargarh
Hoshide et al. Ecological intensification and sustainable intensification: increasing benefits to and reducing impacts on the environment to improve future agricultural and food systems
Poersch et al. Calibration and evaluation of new irrigated rice cultivars in the SimulArroz model

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