CN113128043A - 一种基于水分胁迫的植被生长模型构建方法及系统 - Google Patents
一种基于水分胁迫的植被生长模型构建方法及系统 Download PDFInfo
- Publication number
- CN113128043A CN113128043A CN202110402708.XA CN202110402708A CN113128043A CN 113128043 A CN113128043 A CN 113128043A CN 202110402708 A CN202110402708 A CN 202110402708A CN 113128043 A CN113128043 A CN 113128043A
- Authority
- CN
- China
- Prior art keywords
- vegetation
- data
- model
- development
- water
- 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
- 230000012010 growth Effects 0.000 title claims abstract description 171
- 208000005156 Dehydration Diseases 0.000 title claims abstract description 24
- 238000010276 construction Methods 0.000 title claims abstract description 13
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 163
- 238000011161 development Methods 0.000 claims abstract description 135
- 238000004177 carbon cycle Methods 0.000 claims abstract description 69
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims abstract description 50
- 229910052799 carbon Inorganic materials 0.000 claims abstract description 50
- 238000005094 computer simulation Methods 0.000 claims abstract description 45
- 238000009826 distribution Methods 0.000 claims abstract description 19
- 238000000034 method Methods 0.000 claims description 82
- 239000002689 soil Substances 0.000 claims description 24
- 230000029553 photosynthesis Effects 0.000 claims description 14
- 238000010672 photosynthesis Methods 0.000 claims description 14
- 238000004088 simulation Methods 0.000 claims description 14
- 238000001704 evaporation Methods 0.000 claims description 13
- 230000008020 evaporation Effects 0.000 claims description 13
- 230000029058 respiratory gaseous exchange Effects 0.000 claims description 13
- 239000002352 surface water Substances 0.000 claims description 10
- 238000000605 extraction Methods 0.000 claims description 9
- 239000003673 groundwater Substances 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 abstract description 16
- 230000008569 process Effects 0.000 description 45
- 241000894007 species Species 0.000 description 21
- 238000011160 research Methods 0.000 description 8
- 238000003860 storage Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 210000000056 organ Anatomy 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 230000035508 accumulation Effects 0.000 description 4
- 238000009825 accumulation Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 4
- 230000007246 mechanism Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 230000002349 favourable effect Effects 0.000 description 3
- 238000003973 irrigation Methods 0.000 description 3
- 230000002262 irrigation Effects 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 230000005068 transpiration Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 230000009189 diving Effects 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000007670 refining Methods 0.000 description 2
- 230000001850 reproductive effect Effects 0.000 description 2
- 230000009105 vegetative growth Effects 0.000 description 2
- 241000282414 Homo sapiens Species 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000029142 excretion Effects 0.000 description 1
- 230000035558 fertility Effects 0.000 description 1
- 230000007614 genetic variation Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000008235 industrial water Substances 0.000 description 1
- 230000008595 infiltration Effects 0.000 description 1
- 238000001764 infiltration Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 239000008239 natural water Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000035479 physiological effects, processes and functions Effects 0.000 description 1
- 238000001556 precipitation Methods 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Business, Economics & Management (AREA)
- Animal Husbandry (AREA)
- Mining & Mineral Resources (AREA)
- Agronomy & Crop Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Marine Sciences & Fisheries (AREA)
Abstract
本发明公开了一种基于水分胁迫的植被生长模型构建方法，包括以下步骤：获取并根据各个植被种类的标准植被数据提取各个植被种类的植被特征属性；建立发育动态模拟模型；建立碳循环动态模型；建立水循环动态模型；根据发育动态模拟模型、碳循环动态模型和水循环动态模型建立植被生长模型。涉及植被生长分析技术领域。本发明还公开了一种基于水分胁迫的植被生长模型构建系统。本发明结合多方面的因素，建立合理的植被生长模型，以分析和计算不同水分条件限制下的作物的干物质分配和产量情况，对植被生长进行有效把控。
Description
技术领域
本发明涉及植被生长分析技术领域，具体而言，涉及一种基于水分胁迫的植被生长模型构建方法及系统。
背景技术
植被生长模型研究是随着对作物生理生态过程机理认识的不断深入和计算机技术的迅猛发展而兴起的，是动态表达作物-土壤-大气系统中作物生长过程的计算机程序，目的是模拟并解释作物生长、发育、产量、质量和环境、管理措施或遗传变异的关系，作物生长模型可用于估算光、温、水、土等资源的生产潜力。
最初开发的植被生长模型大多是基于统计学和农业气象学的经验模型，随着人们对植被生长发育机理了解的越来越多，在经验模型基础上开发的机理模型迅速发展。模型根据开发的目的可以划分为单一植被生长模型和通用植被生长模型。由于各种植被的生理特性相差较大，用统一的方法对作物生长发育过程进行模拟的难度较大，因此目前除了包括WOFOST等几个为数不多的通用模型外，大多数模型都是单一作物模型。
目前绝大多数作物模型是土壤—作物—大气系统的一维垂向模型(田间尺度模型)，而在宏观水资源的研究中，研究者更关心对大气水—地表水—土壤水—地下水运移与转化在灌区和流域等大中尺度上的研究，对作物水在其中发挥的功能及机理研究重视不够，不利于拓宽水文学及水资源和植被生理研究，无法对植被生长进行很好的把控。
发明内容
为了克服上述问题或者至少部分地解决上述问题，本发明实施例提供一种基于水分胁迫的植被生长模型构建方法及系统，结合多方面的因素，建立合理的植被生长模型，以分析和计算不同水分条件限制下的作物的干物质分配和产量情况，对植被生长进行有效把控。
本发明的实施例是这样实现的：
第一方面，本发明实施例提供一种基于水分胁迫的植被生长模型构建方法，包括以下步骤：
获取并根据各个植被种类的标准植被数据提取各个植被种类的植被特征属性；
获取植被发育数据，并根据植被发育数据和各个植被种类的植被特征属性建立发育动态模拟模型；
获取植被碳循环数据，并根据植被碳循环数据和各个植被种类的植被特征属性建立碳循环动态模型；
获取植被水循环数据，并根据植被水循环数据和各个植被种类的植被特征属性建立水循环动态模型；
根据发育动态模拟模型、碳循环动态模型和水循环动态模型建立植被生长模型。
为了对植被生长进行精准的模拟，对植被生长过程进行有效把控，本方法结合植被发育、碳循环以及水循环多个方面进行分析，建立精确的植被生长模型，为进一步研究植被生长提供有效的数据基础。首先，为了保证对各个种类的植被进行针对性的把控，获取现有的各个植被种类的标准植被数据，根据标准植被数据提取不同种类的植被特征属性，为后续提供数据精确细化的数据参考，上述标准植被数据包括植被种类、植被正常生长状态、植被元素含量等信息。区分出不同种类植被的特征属性后，获取预设区域的植被发育数据，并根据植被发育数据中的种类、积温数据、发育阶段等数据和对应种类的植被特征数据建立一个发育动态模拟模型，模拟植被发育阶段的动态生长过程。除了对植被发育阶段进行把控外，还对植被生长环境中所需的碳循环和水循环进行分析，分别建立一个碳循环动态模型和水循环模型，通过碳循环动态模型和水循环模型对植被生长过程中的碳循环和水循环进行动态模拟，然后，结合上述三个模型建立完整的植被生长模型，模拟出植被生长的完整全面的情况，以便后续对植被生长进行分析研究。
本方法结合植被发育、碳循环以及水循环多个方面进行分析，建立精确的植被生长模型，对植被发育各个阶段的碳循环、水循环进行精确模拟，掌握植被生长过程的各种情况，以便后续对植被养殖，节水等进行精准有效的把控，有利于农业发展。本方法构建的植被生长模型可以针对多种植被的生长情况进行模拟的一种通用模型，其是基于不同植被种类建立的植被生长动态模拟的通用模型，可以更好的适应不同种类植被生长分析，从植被发育、碳循环、水循环等宏观和微观的角度进行结合，对植被生长动态进行全面的模拟分析。
基于第一方面，在本发明的一些实施例中，上述根据植被发育数据和各个植被种类的植被特征属性建立发育动态模拟模型的方法包括以下步骤：
将植被发育数据中的植被种类数据与各个植被种类特征属性进行匹配，以得到目标植被属性数据；
对植被发育数据进行分类处理，以得到多个阶段的植被数据；
根据各个阶段的植被数据和目标植被属性数据建立发育动态模拟模型。
基于第一方面，在本发明的一些实施例中，上述根据植被碳循环数据和各个植被种类的植被特征属性建立碳循环动态模型的方法包括以下步骤：
将植被碳循环数据中的植被种类数据与各个植被种类特征属性进行匹配，以得到目标植被属性数据；
根据植被碳循环数据中的光合作用数据、呼吸作用数据、干物质分配数据和目标植被属性数据建立碳循环动态模型。
基于第一方面，在本发明的一些实施例中，上述根据植被水循环数据和各个植被种类的植被特征属性建立水循环动态模型的方法包括以下步骤：
将植被水循环数据中的植被种类数据与各个植被种类特征属性进行匹配，以得到目标植被属性数据；
根据植被水循环数据中的蒸发数据、地表水数据、土壤水数据和地下水数据和目标植被属性数据建立水循环动态模型。
基于第一方面，在本发明的一些实施例中，上述根据发育动态模拟模型、碳循环动态模型和水循环动态模型建立植被生长模型的方法包括以下步骤：
将发育动态模拟模型中的植被特征属性、碳循环动态模型的植被特征属性和水循环动态模型的植被特征属性进行匹配，生成植被匹配数据；
根据植被匹配数据将发育动态模拟模型、碳循环动态模型和水循环动态模型进行关联，以得到植被生长模型。
第二方面，本发明实施例提供一种基于水分胁迫的植被生长模型构建系统，包括特征提取模块、发育模块、碳循环模块、水循环模块以及生长模型模块，其中：
特征提取模块，用于获取并根据各个植被种类的标准植被数据提取各个植被种类的植被特征属性；
发育模块，用于获取植被发育数据，并根据植被发育数据和各个植被种类的植被特征属性建立发育动态模拟模型；
碳循环模块，用于获取植被碳循环数据，并根据植被碳循环数据和各个植被种类的植被特征属性建立碳循环动态模型；
水循环模块，用于获取植被水循环数据，并根据植被水循环数据和各个植被种类的植被特征属性建立水循环动态模型；
生长模型模块，用于根据发育动态模拟模型、碳循环动态模型和水循环动态模型建立植被生长模型。
为了对植被生长进行精准的模拟，对植被生长过程进行有效把控，本系统结合植被发育、碳循环以及水循环多个方面进行分析，建立精确的植被生长模型，为进一步研究植被生长提供有效的数据基础。首先，为了保证对各个种类的植被进行针对性的把控，通过特征提取模块获取现有的各个植被种类的标准植被数据，根据标准植被数据提取不同种类的植被特征属性，为后续提供数据精确细化的数据参考，上述标准植被数据包括植被种类、植被正常生长状态、植被元素含量等信息。区分出不同种类植被的特征属性后，通过发育模块获取预设区域的植被发育数据，并根据植被发育数据中的种类、积温数据、发育阶段等数据和对应种类的植被特征数据建立一个发育动态模拟模型，模拟植被发育阶段的动态生长过程。除了对植被发育阶段进行把控外，还对植被生长环境中所需的碳循环和水循环进行分析，通过碳循环模块和水循环模块分别建立一个碳循环动态模型和水循环模型，通过碳循环动态模型和水循环模型对植被生长过程中的碳循环和水循环进行动态模拟，然后，生长模型模块结合上述三个模型建立完整的植被生长模型，模拟出植被生长的完整全面的情况，以便后续对植被生长进行分析研究。
本系统结合植被发育、碳循环以及水循环多个方面进行分析，建立精确的植被生长模型，对植被发育各个阶段的碳循环、水循环进行精确模拟，掌握植被生长过程的各种情况，以便后续对植被养殖，节水等进行精准有效的把控，有利于农业发展。本系统构建的植被生长模型可以针对多种植被的生长情况进行模拟的一种通用模型，其是基于不同植被种类建立的植被生长动态模拟的通用模型，可以更好的适应不同种类植被生长分析，从植被发育、碳循环、水循环等宏观和微观的角度进行结合，对植被生长动态进行全面的模拟分析。
基于第二方面，在本发明的一些实施例中，上述发育模块包括种类匹配子模块、分类子模块以及第一模型子模块，其中：
种类匹配子模块，用于将植被发育数据中的植被种类数据与各个植被种类特征属性进行匹配，以得到目标植被属性数据；
分类子模块，用于对植被发育数据进行分类处理，以得到多个阶段的植被数据；
第一模型子模块，用于根据各个阶段的植被数据和目标植被属性数据建立发育动态模拟模型。
基于第二方面，在本发明的一些实施例中，上述碳循环模块包括属性匹配子模块和第二模型子模块，其中：
属性匹配子模块，用于将植被碳循环数据中的植被种类数据与各个植被种类特征属性进行匹配，以得到目标植被属性数据；
第二模型子模块，用于根据植被碳循环数据中的光合作用数据、呼吸作用数据、干物质分配数据和目标植被属性数据建立碳循环动态模型。
基于第二方面，在本发明的一些实施例中，上述水循环模块包括目标属性子模块和第三模型子模块，其中：
目标属性子模块，用于将植被水循环数据中的植被种类数据与各个植被种类特征属性进行匹配，以得到目标植被属性数据；
第三模型子模块，用于根据植被水循环数据中的蒸发数据、地表水数据、土壤水数据和地下水数据和目标植被属性数据建立水循环动态模型。
基于第二方面，在本发明的一些实施例中，上述生长模型模块包括植被匹配子模块和模型关联子模块，其中：
植被匹配子模块，用于将发育动态模拟模型中的植被特征属性、碳循环动态模型的植被特征属性和水循环动态模型的植被特征属性进行匹配，生成植被匹配数据；
模型关联子模块，用于根据植被匹配数据将发育动态模拟模型、碳循环动态模型和水循环动态模型进行关联，以得到植被生长模型。
本发明实施例至少具有如下优点或有益效果：
本发明实施例提供一种基于水分胁迫的植被生长模型构建方法及系统，结合发育动态模拟模型、碳循环动态模型和水循环模型三个模型建立完整的植被生长模型，模拟出植被生长的完整全面的情况，以便后续对植被生长进行分析研究。本发明结合植被发育、碳循环以及水循环多个方面进行分析，建立精确的植被生长模型，对植被发育各个阶段的碳循环、水循环进行精确模拟，掌握植被生长过程的各种情况，以便后续对植被养殖，节水等进行精准有效的把控，有利于农业发展。本发明构建的植被生长模型可以针对多种植被的生长情况进行模拟的一种通用模型，其是基于不同植被种类建立的植被生长动态模拟的通用模型，可以更好的适应不同种类植被生长分析，从植被发育、碳循环、水循环等宏观和微观的角度进行结合，对植被生长动态进行全面的模拟分析。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1为本发明实施例基于水分胁迫的植被生长模型构建方法的流程图；
图2为本发明实施例基于水分胁迫的植被生长模型构建系统的原理框图。
图标：100、特征提取模块；200、发育模块；210、种类匹配子模块；220、分类子模块；230、第一模型子模块；300、碳循环模块；310、属性匹配子模块；320、第二模型子模块；400、水循环模块；410、目标属性子模块；420、第三模型子模块；500、生长模型模块；510、植被匹配子模块；520、模型关联子模块。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中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。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此，以下对在附图中提供的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。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
在本发明实施例的描述中，需要说明的是，若出现术语第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
实施例
如图1所示，第一方面，本发明实施例提供一种基于水分胁迫的植被生长模型构建方法，包括以下步骤：
S1、获取并根据各个植被种类的标准植被数据提取各个植被种类的植被特征属性；
在本发明的一些实施例中，为了保证对各个种类的植被进行针对性的把控，获取现有的各个植被种类的标准植被数据，根据标准植被数据提取不同种类的植被特征属性，为后续提供数据精确细化的数据参考，上述标准植被数据包括植被种类、植被正常生长状态、植被元素含量等信息。
S2、获取植被发育数据，并根据植被发育数据和各个植被种类的植被特征属性建立发育动态模拟模型；
在本发明的一些实施例中，区分出不同种类植被的特征属性后，获取预设区域的植被发育数据，并根据植被发育数据中的种类、积温数据、发育阶段等数据和对应种类的植被特征数据建立一个发育动态模拟模型，模拟植被发育阶段的动态生长过程。
S3、获取植被碳循环数据，并根据植被碳循环数据和各个植被种类的植被特征属性建立碳循环动态模型；
S4、获取植被水循环数据，并根据植被水循环数据和各个植被种类的植被特征属性建立水循环动态模型；
在本发明的一些实施例中，除了对植被发育阶段进行把控外，还对植被生长环境中所需的碳循环和水循环进行分析，分别建立一个碳循环动态模型和水循环模型，通过碳循环动态模型和水循环模型对植被生长过程中的碳循环和水循环进行动态模拟。
S5、根据发育动态模拟模型、碳循环动态模型和水循环动态模型建立植被生长模型。
结合上述三个模型建立完整的植被生长模型，模拟出植被生长的完整全面的情况，以便后续对植被生长进行分析研究。
为了对植被生长进行精准的模拟，对植被生长过程进行有效把控，本方法结合植被发育、碳循环以及水循环多个方面进行分析，建立精确的植被生长模型，为进一步研究植被生长提供有效的数据基础。本方法结合植被发育、碳循环以及水循环多个方面进行分析，建立精确的植被生长模型，对植被发育各个阶段的碳循环、水循环进行精确模拟，掌握植被生长过程的各种情况，以便后续对植被养殖，节水等进行精准有效的把控，有利于农业发展。本方法构建的植被生长模型可以针对多种植被的生长情况进行模拟的一种通用模型，其是基于不同植被种类建立的植被生长动态模拟的通用模型，可以更好的适应不同种类植被生长分析，从植被发育、碳循环、水循环等宏观和微观的角度进行结合，对植被生长动态进行全面的模拟分析。
基于第一方面，在本发明的一些实施例中，上述根据植被发育数据和各个植被种类的植被特征属性建立发育动态模拟模型的方法包括以下步骤：
将植被发育数据中的植被种类数据与各个植被种类特征属性进行匹配，以得到目标植被属性数据；
对植被发育数据进行分类处理，以得到多个阶段的植被数据；
根据各个阶段的植被数据和目标植被属性数据建立发育动态模拟模型。
为了保证针对不同种类的植被进行精确把控模拟，以便后续对不同种类的植被生长进行分析，将植被发育数据中的植被种类数据与各个植被种类特征属性进行匹配，匹配得到植被的种类，然后得到对应的目标植被属性数据。同时，植被发育也包括不同的阶段，不同阶段的植被特征不同，所以需要对植被进行阶段划分，将植被发育数据进行分类处理，以得到多个阶段的植被数据，主要包括营养生长期和生殖生长期，针对这个两个阶段进行模拟分析，根据上述两个阶段的植被数据和目标植被属性数据建立发育动态模拟模型，该模型分别对不同的种类的植被单独进行模拟。
基于第一方面，在本发明的一些实施例中，上述根据植被碳循环数据和各个植被种类的植被特征属性建立碳循环动态模型的方法包括以下步骤：
将植被碳循环数据中的植被种类数据与各个植被种类特征属性进行匹配，以得到目标植被属性数据；
根据植被碳循环数据中的光合作用数据、呼吸作用数据、干物质分配数据和目标植被属性数据建立碳循环动态模型。
植被生长过程中重要的一点是碳循环，为了对植被生长进行全面的包括，对植被生长过程中的碳循环进行模拟，其主要包括光合作用、呼吸作用和干物质的积累和分配，一般是从单株到群体对植被进行模拟的。根据植被碳循环数据中的光合作用数据、呼吸作用数据、干物质分配数据和对应的目标植被属性数据建立碳循环动态模型，通过该模型对植被光合作用、呼吸作用和干物质的积累和分配进行动态模拟展示。植被群体净同化量等于光合作用的生产量与呼吸作用的消耗量之间的差值。在模拟植被净同化物时需要考虑水分、温度和CO2浓度对光合作用的影响，水分胁迫系数FW的计算公式如下：
式中，θI—0～30cm土层平均含水量；θO,H,θO,L—最适土壤水分含量的上限和下限；θWP—凋萎点的土壤水分含量。单位均为cm3/cm3。模型中土壤含水量θI的动态值由WACM模型的水循环模块提供，采用WACM模型中逐日的第一层的含水量值进行水分胁迫系数的分析计算。同化物在不同器官间的分配与再分配模式随作物种类和生育进程而变。不同的植株器官(根、叶、茎和储藏器官)具有不同的分配系数，特定器官的分配系数随生理年龄而有较大变化，根据干物质与分配系数的乘积得到各器官的干物质重，从而可以模拟得到作物的产量。
基于第一方面，在本发明的一些实施例中，上述根据植被水循环数据和各个植被种类的植被特征属性建立水循环动态模型的方法包括以下步骤：
将植被水循环数据中的植被种类数据与各个植被种类特征属性进行匹配，以得到目标植被属性数据；
根据植被水循环数据中的蒸发数据、地表水数据、土壤水数据和地下水数据和目标植被属性数据建立水循环动态模型。
植被生长过程中还有很重要的一环，就是水循环，为了进一步提高对植被生长的掌握准确性，建立水循环动态模型，通过该水循环动态模型对区域蒸散发、地表水、土壤水和地下水转化进行模拟分析。上述水循环动态模型采用WACM中的水循环模拟模型，模型以日为步长，动态模拟区域蒸散发、地表水、土壤水和地下水转化过程。不仅反映了自然水循环系统的蒸发蒸腾、产流、汇流、入渗、排泄过程，而且也模拟了人类间接影响和直接创造的水循环过程，并系统描述了不同配水情况下的水循环内部转化过程。根据土地利用类型的不同，水循环模型的水域蒸发、植被截留蒸发、植被蒸腾和裸地蒸发分别采用采用Penman公式、Noilhan-Planton模型、Penman-Monteith公式以及修正后的Penman公式详细计算，不透水域的蒸发根据降水量、地表(洼地)储留能力和潜在蒸发能力进行求解。地表水模拟包括引水干渠、支渠渠系、排水系统以及湖泊湿地系统模拟，模拟区域径流量与径流深、渠系输水渗漏、灌溉排水退水补给天然湖泊湿地和排水渠道，以及居工地生活和工业耗用水量等关系。土壤水系统概化为地表储流层，土壤浅层和土壤深层，模拟降水和灌水后，由于植物蒸腾和土壤蒸发消耗土壤水引起的土壤水分再分布过程。地下水系统分为潜水含水层和承压含水层，两层地下水之间发生渗漏补给和越流补给，潜水含水层一方面可能通过深层土壤得到渗漏补给，另一方面向土壤水系统输送水分以调节墒情。
基于第一方面，在本发明的一些实施例中，上述根据发育动态模拟模型、碳循环动态模型和水循环动态模型建立植被生长模型的方法包括以下步骤：
将发育动态模拟模型中的植被特征属性、碳循环动态模型的植被特征属性和水循环动态模型的植被特征属性进行匹配，生成植被匹配数据；
根据植被匹配数据将发育动态模拟模型、碳循环动态模型和水循环动态模型进行关联，以得到植被生长模型。
根据上述三个模型中的植被特征属性将对应种类的植被的各个模型进行关联，建立完整的植被生长模型，该植被生长模型将各个植被种类的植被生长数据进行处理，形成动态的植被生长过程。
如图2所示，第二方面，本发明实施例提供一种基于水分胁迫的植被生长模型构建系统，包括特征提取模块100、发育模块200、碳循环模块300、水循环模块400以及生长模型模块500，其中：
特征提取模块100，用于获取并根据各个植被种类的标准植被数据提取各个植被种类的植被特征属性；
发育模块200，用于获取植被发育数据，并根据植被发育数据和各个植被种类的植被特征属性建立发育动态模拟模型；
碳循环模块300，用于获取植被碳循环数据，并根据植被碳循环数据和各个植被种类的植被特征属性建立碳循环动态模型；
水循环模块400，用于获取植被水循环数据，并根据植被水循环数据和各个植被种类的植被特征属性建立水循环动态模型；
生长模型模块500，用于根据发育动态模拟模型、碳循环动态模型和水循环动态模型建立植被生长模型。
为了对植被生长进行精准的模拟，对植被生长过程进行有效把控，本系统结合植被发育、碳循环以及水循环多个方面进行分析，建立精确的植被生长模型，为进一步研究植被生长提供有效的数据基础。首先，为了保证对各个种类的植被进行针对性的把控，通过特征提取模块100获取现有的各个植被种类的标准植被数据，根据标准植被数据提取不同种类的植被特征属性，为后续提供数据精确细化的数据参考，上述标准植被数据包括植被种类、植被正常生长状态、植被元素含量等信息。区分出不同种类植被的特征属性后，通过发育模块200获取预设区域的植被发育数据，并根据植被发育数据中的种类、积温数据、发育阶段等数据和对应种类的植被特征数据建立一个发育动态模拟模型，模拟植被发育阶段的动态生长过程。除了对植被发育阶段进行把控外，还对植被生长环境中所需的碳循环和水循环进行分析，通过碳循环模块300和水循环模块400分别建立一个碳循环动态模型和水循环模型，通过碳循环动态模型和水循环模型对植被生长过程中的碳循环和水循环进行动态模拟，然后，生长模型模块500结合上述三个模型建立完整的植被生长模型，模拟出植被生长的完整全面的情况，以便后续对植被生长进行分析研究。
本系统结合植被发育、碳循环以及水循环多个方面进行分析，建立精确的植被生长模型，对植被发育各个阶段的碳循环、水循环进行精确模拟，掌握植被生长过程的各种情况，以便后续对植被养殖，节水等进行精准有效的把控，有利于农业发展。本系统构建的植被生长模型可以针对多种植被的生长情况进行模拟的一种通用模型，其是基于不同植被种类建立的植被生长动态模拟的通用模型，可以更好的适应不同种类植被生长分析，从植被发育、碳循环、水循环等宏观和微观的角度进行结合，对植被生长动态进行全面的模拟分析。
如图2所示，基于第二方面，在本发明的一些实施例中，上述发育模块200包括种类匹配子模块210、分类子模块220以及第一模型子模块230，其中：
种类匹配子模块210，用于将植被发育数据中的植被种类数据与各个植被种类特征属性进行匹配，以得到目标植被属性数据；
分类子模块220，用于对植被发育数据进行分类处理，以得到多个阶段的植被数据；
第一模型子模块230，用于根据各个阶段的植被数据和目标植被属性数据建立发育动态模拟模型。
为了保证针对不同种类的植被进行精确把控模拟，以便后续对不同种类的植被生长进行分析，通过种类匹配子模块210将植被发育数据中的植被种类数据与各个植被种类特征属性进行匹配，匹配得到植被的种类，然后得到对应的目标植被属性数据。同时，植被发育也包括不同的阶段，不同阶段的植被特征不同，所以需要对植被进行阶段划分，分类子模块220将植被发育数据进行分类处理，以得到多个阶段的植被数据，主要包括营养生长期和生殖生长期，针对这个两个阶段进行模拟分析，第一模型子模块230根据上述两个阶段的植被数据和目标植被属性数据建立发育动态模拟模型，该模型分别对不同的种类的植被单独进行模拟。
如图2所示，基于第二方面，在本发明的一些实施例中，上述碳循环模块300包括属性匹配子模块310和第二模型子模块320，其中：
属性匹配子模块310，用于将植被碳循环数据中的植被种类数据与各个植被种类特征属性进行匹配，以得到目标植被属性数据；
第二模型子模块320，用于根据植被碳循环数据中的光合作用数据、呼吸作用数据、干物质分配数据和目标植被属性数据建立碳循环动态模型。
植被生长过程中重要的一点是碳循环，为了对植被生长进行全面的包括，对植被生长过程中的碳循环进行模拟，其主要包括光合作用、呼吸作用和干物质的积累和分配，一般是从单株到群体对植被进行模拟的。第二模型子模块320根据植被碳循环数据中的光合作用数据、呼吸作用数据、干物质分配数据和对应的目标植被属性数据建立碳循环动态模型，通过该模型对植被光合作用、呼吸作用和干物质的积累和分配进行动态模拟展示。
如图2所示，基于第二方面，在本发明的一些实施例中，上述水循环模块400包括目标属性子模块410和第三模型子模块420，其中：
目标属性子模块410，用于将植被水循环数据中的植被种类数据与各个植被种类特征属性进行匹配，以得到目标植被属性数据；
第三模型子模块420，用于根据植被水循环数据中的蒸发数据、地表水数据、土壤水数据和地下水数据和目标植被属性数据建立水循环动态模型。
植被生长过程中还有很重要的一环，就是水循环，为了进一步提高对植被生长的掌握准确性，通过第三模型子模块420建立水循环动态模型，通过该水循环动态模型对区域蒸散发、地表水、土壤水和地下水转化进行模拟分析。
如图2所示，基于第二方面，在本发明的一些实施例中，上述生长模型模块500包括植被匹配子模块510和模型关联子模块520，其中：
植被匹配子模块510，用于将发育动态模拟模型中的植被特征属性、碳循环动态模型的植被特征属性和水循环动态模型的植被特征属性进行匹配，生成植被匹配数据；
模型关联子模块520，用于根据植被匹配数据将发育动态模拟模型、碳循环动态模型和水循环动态模型进行关联，以得到植被生长模型。
模型关联子模块520根据上述三个模型中的植被特征属性将对应种类的植被的各个模型进行关联，建立完整的植被生长模型，该植被生长模型将各个植被种类的植被生长数据进行处理，形成动态的植被生长过程。
本系统还包括存储器、处理器和通信接口，该存储器、处理器和通信接口相互之间直接或间接地电性连接，以实现数据的传输或交互。例如，这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。存储器可用于存储软件程序及模块，处理器通过执行存储在存储器内的软件程序及模块，从而执行各种功能应用以及数据处理。该通信接口可用于与其他节点设备进行信令或数据的通信。
其中，存储器可以是但不限于，随机存取存储器(Random Access Memory，RAM)，只读存储器(Read Only Memory，ROM)，可编程只读存储器(Programmable Read-OnlyMemory，PROM)，可擦除只读存储器(Erasable Programmable Read-Only Memory，EPROM)，电可擦除只读存储器(Electric Erasable Programmable Read-Only Memory，EEPROM)等。
处理器可以是一种集成电路芯片，具有信号处理能力。该处理器可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(Network Processor，NP)等；还可以是数字信号处理器(Digital Signal Processing，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field－Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
在本申请所提供的实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本申请的多个实施例的装置、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，所述模块、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方式中，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，两个连续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，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动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。
另外，在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
对于本领域技术人员而言，显然本申请不限于上述示范性实施例的细节，而且在不背离本申请的精神或基本特征的情况下，能够以其它的具体形式实现本申请。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本申请的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本申请内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
Claims (10)
1.一种基于水分胁迫的植被生长模型构建方法，其特征在于，包括以下步骤：
获取并根据各个植被种类的标准植被数据提取各个植被种类的植被特征属性；
获取植被发育数据，并根据植被发育数据和各个植被种类的植被特征属性建立发育动态模拟模型；
获取植被碳循环数据，并根据植被碳循环数据和各个植被种类的植被特征属性建立碳循环动态模型；
获取植被水循环数据，并根据植被水循环数据和各个植被种类的植被特征属性建立水循环动态模型；
根据发育动态模拟模型、碳循环动态模型和水循环动态模型建立植被生长模型。
2.根据权利要求1所述的一种基于水分胁迫的植被生长模型构建方法，其特征在于，所述根据植被发育数据和各个植被种类的植被特征属性建立发育动态模拟模型的方法包括以下步骤：
将植被发育数据中的植被种类数据与各个植被种类特征属性进行匹配，以得到目标植被属性数据；
对植被发育数据进行分类处理，以得到多个阶段的植被数据；
根据各个阶段的植被数据和目标植被属性数据建立发育动态模拟模型。
3.根据权利要求1所述的一种基于水分胁迫的植被生长模型构建方法，其特征在于，所述根据植被碳循环数据和各个植被种类的植被特征属性建立碳循环动态模型的方法包括以下步骤：
将植被碳循环数据中的植被种类数据与各个植被种类特征属性进行匹配，以得到目标植被属性数据；
根据植被碳循环数据中的光合作用数据、呼吸作用数据、干物质分配数据和目标植被属性数据建立碳循环动态模型。
4.根据权利要求1所述的一种基于水分胁迫的植被生长模型构建方法，其特征在于，所述根据植被水循环数据和各个植被种类的植被特征属性建立水循环动态模型的方法包括以下步骤：
将植被水循环数据中的植被种类数据与各个植被种类特征属性进行匹配，以得到目标植被属性数据；
根据植被水循环数据中的蒸发数据、地表水数据、土壤水数据和地下水数据和目标植被属性数据建立水循环动态模型。
5.根据权利要求1所述的一种基于水分胁迫的植被生长模型构建方法，其特征在于，所述根据发育动态模拟模型、碳循环动态模型和水循环动态模型建立植被生长模型的方法包括以下步骤：
将发育动态模拟模型中的植被特征属性、碳循环动态模型的植被特征属性和水循环动态模型的植被特征属性进行匹配，生成植被匹配数据；
根据植被匹配数据将发育动态模拟模型、碳循环动态模型和水循环动态模型进行关联，以得到植被生长模型。
6.一种基于水分胁迫的植被生长模型构建系统，其特征在于，包括特征提取模块、发育模块、碳循环模块、水循环模块以及生长模型模块，其中：
特征提取模块，用于获取并根据各个植被种类的标准植被数据提取各个植被种类的植被特征属性；
发育模块，用于获取植被发育数据，并根据植被发育数据和各个植被种类的植被特征属性建立发育动态模拟模型；
碳循环模块，用于获取植被碳循环数据，并根据植被碳循环数据和各个植被种类的植被特征属性建立碳循环动态模型；
水循环模块，用于获取植被水循环数据，并根据植被水循环数据和各个植被种类的植被特征属性建立水循环动态模型；
生长模型模块，用于根据发育动态模拟模型、碳循环动态模型和水循环动态模型建立植被生长模型。
7.根据权利要求6所述的一种基于水分胁迫的植被生长模型构建系统，其特征在于，所述发育模块包括种类匹配子模块、分类子模块以及第一模型子模块，其中：
种类匹配子模块，用于将植被发育数据中的植被种类数据与各个植被种类特征属性进行匹配，以得到目标植被属性数据；
分类子模块，用于对植被发育数据进行分类处理，以得到多个阶段的植被数据；
第一模型子模块，用于根据各个阶段的植被数据和目标植被属性数据建立发育动态模拟模型。
8.根据权利要求6所述的一种基于水分胁迫的植被生长模型构建系统，其特征在于，所述碳循环模块包括属性匹配子模块和第二模型子模块，其中：
属性匹配子模块，用于将植被碳循环数据中的植被种类数据与各个植被种类特征属性进行匹配，以得到目标植被属性数据；
第二模型子模块，用于根据植被碳循环数据中的光合作用数据、呼吸作用数据、干物质分配数据和目标植被属性数据建立碳循环动态模型。
9.根据权利要求6所述的一种基于水分胁迫的植被生长模型构建系统，其特征在于，所述水循环模块包括目标属性子模块和第三模型子模块，其中：
目标属性子模块，用于将植被水循环数据中的植被种类数据与各个植被种类特征属性进行匹配，以得到目标植被属性数据；
第三模型子模块，用于根据植被水循环数据中的蒸发数据、地表水数据、土壤水数据和地下水数据和目标植被属性数据建立水循环动态模型。
10.根据权利要求6所述的一种基于水分胁迫的植被生长模型构建系统，其特征在于，所述生长模型模块包括植被匹配子模块和模型关联子模块，其中：
植被匹配子模块，用于将发育动态模拟模型中的植被特征属性、碳循环动态模型的植被特征属性和水循环动态模型的植被特征属性进行匹配，生成植被匹配数据；
模型关联子模块，用于根据植被匹配数据将发育动态模拟模型、碳循环动态模型和水循环动态模型进行关联，以得到植被生长模型。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110402708.XA CN113128043A (zh) | 2021-04-14 | 2021-04-14 | 一种基于水分胁迫的植被生长模型构建方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110402708.XA CN113128043A (zh) | 2021-04-14 | 2021-04-14 | 一种基于水分胁迫的植被生长模型构建方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113128043A true CN113128043A (zh) | 2021-07-16 |
Family
ID=76776448
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110402708.XA Pending CN113128043A (zh) | 2021-04-14 | 2021-04-14 | 一种基于水分胁迫的植被生长模型构建方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113128043A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115114797A (zh) * | 2022-07-07 | 2022-09-27 | 中国长江三峡集团有限公司 | 灌区冬灌方案确定方法、装置、计算机设备及存储介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101949916A (zh) * | 2010-08-12 | 2011-01-19 | 中国农业大学 | 土壤水分供给量的遥感定量反演方法 |
| CN104361249A (zh) * | 2014-11-25 | 2015-02-18 | 民政部国家减灾中心 | 基于作物生长模型的作物旱灾致灾强度指数计算方法 |
| CN108802728A (zh) * | 2018-04-28 | 2018-11-13 | 中国农业大学 | 双极化合成孔径雷达与作物模型同化的作物灌溉指导方法 |
| CN111898922A (zh) * | 2020-08-10 | 2020-11-06 | 深圳市大德众和科技有限公司 | 一种多尺度农作物产量评估方法及系统 |
-
2021
- 2021-04-14 CN CN202110402708.XA patent/CN113128043A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101949916A (zh) * | 2010-08-12 | 2011-01-19 | 中国农业大学 | 土壤水分供给量的遥感定量反演方法 |
| CN104361249A (zh) * | 2014-11-25 | 2015-02-18 | 民政部国家减灾中心 | 基于作物生长模型的作物旱灾致灾强度指数计算方法 |
| CN108802728A (zh) * | 2018-04-28 | 2018-11-13 | 中国农业大学 | 双极化合成孔径雷达与作物模型同化的作物灌溉指导方法 |
| CN111898922A (zh) * | 2020-08-10 | 2020-11-06 | 深圳市大德众和科技有限公司 | 一种多尺度农作物产量评估方法及系统 |
Non-Patent Citations (1)
| Title |
|---|
| 刘建刚等: "基于水分胁迫的植被生长模型的构建与应用", 《灌溉排水学报》 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115114797A (zh) * | 2022-07-07 | 2022-09-27 | 中国长江三峡集团有限公司 | 灌区冬灌方案确定方法、装置、计算机设备及存储介质 |
| CN115114797B (zh) * | 2022-07-07 | 2023-07-04 | 中国长江三峡集团有限公司 | 灌区冬灌方案确定方法、装置、计算机设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Valipour et al. | Agricultural water management in the world during past half century | |
| Zomer et al. | Trees and water: smallholder agroforestry on irrigated lands in Northern India | |
| Mabhaudhi et al. | Parameterisation and evaluation of the FAO-AquaCrop model for a South African taro (Colocasia esculenta L. Schott) landrace | |
| CN107944596A (zh) | 一种基于物联网的甜瓜生长管理专家系统 | |
| Thelemann et al. | The effect of landscape position on biomass crop yield | |
| Jia et al. | Maize drought disaster risk assessment of China based on EPIC model | |
| Cheruiyot et al. | High fertilizer rates increase susceptibility of tea to water stress | |
| Marrocos et al. | Mineral nutrition of cacao (Theobroma cacao L.): relationships between foliar concentrations of mineral nutrients and crop productivity | |
| Tari et al. | Simulating the impact of nitrogen management on rice yield and nitrogen uptake in irrigated lowland by ORYZA2000 Model | |
| Amiri et al. | Calibration and evaluation of CERES rice model under different nitrogen-and water-management options in semi-mediterranean climate condition | |
| Souza et al. | Assessment of nutritional status of guava seedlings using preliminary DRIS norms and sufficiency ranges | |
| Wang et al. | Assessing growth and water productivity for drip-irrigated maize under high plant density in arid to semi-humid climates | |
| Wimalasiri et al. | Crop model ideotyping for agricultural diversification | |
| Jia et al. | Relationships between leaf area index and evapotranspiration and crop coefficient of hilly apple orchard in the loess plateau | |
| Schreinemachers | The (Ir) relevance of the crop yield gap concept to food security in developing countries | |
| CN113128043A (zh) | 一种基于水分胁迫的植被生长模型构建方法及系统 | |
| Morianou et al. | A review of HYDRUS 2D/3D applications for simulations of water dynamics, root uptake and solute transport in tree crops under drip irrigation | |
| Seeger et al. | Dynamics of runoff and soil erosion on abandoned steep vineyards in the Mosel Area, Germany | |
| Li et al. | Simulation-optimization based real-time irrigation scheduling: A human-machine interactive method enhanced by data assimilation | |
| Rabati et al. | Qualitative and quantitative land-suitability evaluation for sunflower and maize in the north-west of Iran | |
| Barron et al. | Coping with rainfall variability: Dry spell mitigation and implication on landscape water balances in small-scale farming systems in semi-arid Niger | |
| CN109522376B (zh) | 一种中国农业自然条件和资源地图可视化呈现方法及装置 | |
| Gaaliche et al. | Shoot architecture and morphology of different branch orders in fig tree (Ficus carica L.) | |
| Lai et al. | Dry season temperature and rainy season precipitation significantly affect the spatio-temporal pattern of rubber plantation phenology in Yunnan province | |
| Mardaninejad et al. | Root water uptake of pepper plants (Capsicum annuum L.) under deficit irrigation system |
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 |