CN114190264B - 一种精准灌溉方案确定方法、系统及终端设备 - Google Patents
一种精准灌溉方案确定方法、系统及终端设备 Download PDFInfo
- Publication number
- CN114190264B CN114190264B CN202111371932.3A CN202111371932A CN114190264B CN 114190264 B CN114190264 B CN 114190264B CN 202111371932 A CN202111371932 A CN 202111371932A CN 114190264 B CN114190264 B CN 114190264B
- Authority
- CN
- China
- Prior art keywords
- water
- irrigation
- target area
- data
- target user
- 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
Images
Classifications
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01G—HORTICULTURE; CULTIVATION OF VEGETABLES, FLOWERS, RICE, FRUIT, VINES, HOPS OR SEAWEED; FORESTRY; WATERING
- A01G25/00—Watering gardens, fields, sports grounds or the like
- A01G25/16—Control of watering
- A01G25/162—Sequential operation
Abstract
本申请适用于供水配给技术领域,提供了一种精准灌溉方案确定方法、系统及终端设备,该方法包括:获取目标区域的区域数据,区域数据包括:目标区域的全年可用水量、目标区域灌溉制度和灌溉指标以及目标区域土壤墒情;基于区域数据建立精准控灌数据库;获取目标区域以电折水系数和目标用户设备电量数据;基于精准控灌数据库、目标区域以电折水系数和目标用户设备电量数据计算目标用户水量数据;基于精准控灌数据库、所述目标用户水量数据和目标区域的气象数据,生成精准灌溉方案。本申请基于用电数据和土壤墒情预报,在满足地下水限采政策条件下,提升了限水灌溉下作物产量,对灌溉农业区域的可持续发展具有重要意义。
Description
技术领域
本申请属于供水配给技术领域,尤其涉及一种精准灌溉方案确定方法、系统及终端设备。
背景技术
华北区域作为我国重要粮食主产区,对水资源需求量很大,单靠降水已经不能满足当地农业生产的需求,因此灌溉就成为了决定作物产量高低的核心因素。而灌溉的水资源又主要来源于地下水,多年对地下水超采导致地下水位逐年下降,现已直接威胁到当地区域灌溉的可持续发展。
因此,亟需一套精准的灌溉方案,在满足地下水压采条件下,能够提升限水灌溉作物产量,推动区域灌溉农业可持续发展。
发明内容
为克服相关技术中存在的问题,本申请实施例提供了一种精准灌溉方案确定方法、系统及终端设备。
本申请是通过如下技术方案实现的:
第一方面,本申请实施例提供了一种精准灌溉方案确定方法,包括:
获取目标区域的区域数据,区域数据包括:目标区域的全年可用水量、目标区域灌溉制度和灌溉指标以及目标区域土壤墒情;
基于区域数据建立精准控灌数据库;
获取目标区域以电折水系数和目标用户设备电量数据;
基于精准控灌数据库、目标区域以电折水系数和目标用户设备电量数据计算目标用户水量数据;
基于精准控灌数据库、目标用户水量数据和目标区域的气象数据,生成精准灌溉方案。
在第一方面的一种可能的实现方式中,获取所述目标区域土壤墒情,包括:
通过Wi=Wi-1+P+I+G+Wr-ET-D计算目标区域的土壤含水量,其中,Wi为时段i的土壤含水量,Wi-1为i—1时段的土壤含水量,P为预测时段内的有效降水,I为预测时段内的灌溉量,G为预测时段内地下水补给量,Wr为预测时段内由于作物根系计划湿润层增加而相应增加的土壤含水量,ET预测时段内作物耗水量;D为预测时段内的深层渗漏量;
根据土壤含水量确定目标区域的土壤墒情。
在第一方面的一种可能的实现方式中,预测时段内作物耗水量ET=(Kcb+Ke)×ET0;其中,Kcb为基础作物系数,Ke为土壤蒸发系数,ET0为参考作物蒸散量。
在第一方面的一种可能的实现方式中,以电折水系数表征目标用户的用电量与抽取地下水的水量之间的换算关系;
目标用户设备用电数据为目标用户抽取地下水所用设备的用电量。
在第一方面的一种可能的实现方式中,目标用户水量数据包括:全年限额用水量、全年已用水量、全年剩余水量、上次用水时间、上次用水数量;
基于精准控灌数据库、目标区域以电折水系数和目标用户设备电量数据计算目标用户水量数据,包括:
基于精准控灌数据库和目标区域以电折水系数,计算全年限额用水量、全年已用水量和全年剩余水量;
根据目标用户设备电量数据,计算上次用水时间和上次用水数量。
在第一方面的一种可能的实现方式中,精准灌溉方案包括:所述目标用户全年剩余的用水量、下次灌溉用水量、下次灌溉时间;
基于精准控灌数据库、目标用户水量数据和目标区域的气象数据,生成精准灌溉方案,包括:
根据目标区域的气象数据,对精准控灌数据库中的目标区域的全年可用水量进行调整;
根据调整后的目标区域的全年可用水量,确定目标用户全年剩余的用水量;
根据目标区域的土壤墒情和目标区域的气象数据,确定下次灌溉用水量和下次灌溉时间。
在第一方面的一种可能的实现方式中,方法还包括:向用户终端发送所述精准灌溉方案;第二方面,本申请实施例提供了一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如第一方面任一项所述的一种精准控灌方案确定方法。
第三方面,申请实施例提供了一种精准灌溉系统,包括至少一个用户终端和第二方面提供的一种终端设备。
第四方面,本申请实施例提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如第一方面任一项所述的一种精准控灌方案确定方法。
第五方面,本申请实施例提供了一种计算机程序产品,当计算机程序产品在终端设备上运行时,使得终端设备执行上述第一方面中任一项所述的一种精控灌方案确定方法。
可以理解的是,上述第二方面至第五方面的有益效果可以参见上述第一方面中的相关描述,在此不再赘述。
本申请实施例与现有技术相比存在的有益效果是:
本申请实施例中,建立目标区域的精准控灌数据库,获取目标用户的用电数据,并结合目标区域的气象数据,以通过“以电折水”系数折算地下水灌溉用水量的方式,控制目标用户全年用水总量,在满足地下水限采政策条件下,不仅针对每户耕地提供了取得最高收益的灌溉时间和灌溉用水量,直接提升了作物产量,同时也对灌溉农业区域的可持续发展具有重要意义。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本说明书。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本申请一实施例提供的一种精确控灌系统的场景示意图;
图2是本申请一实施例提供的一种精确控灌方案确定方法的流程示意图;
图3是本申请一实施例提供的某省农业用水以电折水计量实施细则确定的河北省浅层和深层取水以电折水系数;
图4是本申请一实施例提供的2007-2016年三种灌水制度下小麦和玉米开花期和成熟期、生物量、籽粒产量和生育期蒸散量的模拟和实测结果对比;
图5是本申请一实施例提供的利用APSIM模型模拟三种灌水模式下2011-2016冬小麦夏玉米生长期间0-1m土壤体积含水量变化动态;
图6是本申请一实施例提供的A市利用APSIM模型模拟的年灌水总量210mm条件下2009-2019冬小麦和夏玉米生育期水量分配变化对两种作物产量的影响;
图7是本申请一实施例提供的利用APSIM模型模拟的2009-2019A市冬小麦生育期可用水量150mm条件下灌水次数变化对冬小麦产量影响;
图8是本申请实施例提供的用APSIM模型模拟的有限灌水下冬小麦生育期土壤水分下限指标;
图9是本申请实施例提供的2018-2019冬小麦夏玉米在三种灌水制度下叶面积指数动态、平均阶段日蒸散量和参考作物日蒸散量变化;
图10是本申请实施例提供的三种灌溉制度下利用水量平衡方法模拟和测定的根层平均土壤体积含水量的日变化比较
图11是本申请实施例提供的终端设备的结构示意图;
图12是本申请实施例提供的一种精准控灌系统的结构示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本申请实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本申请的描述。
应当理解,当在本申请说明书和所附权利要求书中使用时,术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
如在本申请说明书和所附权利要求书中所使用的那样,术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地,短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
另外,在本申请说明书和所附权利要求书的描述中,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。
在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此,在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例,而是意味着“一个或多个但不是所有的实施例”,除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”,除非是以其他方式另外特别强调。
以往,农户都是凭借经验进行作物的灌溉,灌溉间隔日期和灌溉用水量,没有适应当地的气象条件和水资源日益紧张对节水灌溉的要求。于此同时,即使相同的灌溉次数由于灌溉时间的不同,也会使作物产量差异较大。因此,在地下水限采条件下,需要根据灌溉总量限制,并根据作物生育期的气象条件及作物不同生育期对水分需求特征,制定精确的灌溉方案。
基于上述问题,本申请实施例中的一种精确控灌方案确定方法,基于目标区域的全年可用水量、目标区域灌溉制度和灌溉指标以及土壤墒情预报三个部分,建立精准控灌数据库,再通过监控灌溉设备的用电量的来调控农户全年限额用水量,结合当地的气象数据,可为当地生成精准的灌溉方案。
举例说明,本申请实施例可以应用到如图1所示的一种精确控灌系统的场景示意图,以下结合图1对进行详细说明。
建立的精准控灌系统主要包括,精准控灌数据库的终端设备和用户终端。精准控灌数据库由当地的区域数据,农户用电数据和当地的气象数据组成。经过精准控灌数据库分析计算后,输出给用户终端科学精准的灌溉方案。
区域数据包括,当地的全年可用水量、当灌溉制度和灌溉指标以及土地墒情。
用电数据包括,供电机构数据库的农户历史用电数据,以及根据以电折水换算出的全年的限额用电量。
气象数据包括,农户所在地的历史气象数据和未来7-15天内的天气预报数据。
示例性的,用户终端还可以将作物图片反馈至到精准控灌数据库,已了解作物的预计长势。同时,精准控灌数据库收到用户反馈后,还可对土壤墒情预报中所用的作物系数进行实施更正,以提供更可循精准的灌溉方案。所谓的用户可以是农户、科研工作者、行政机关人员等。
进一步的,用户终端反馈的信息还可以包括,农户的灌溉区域、灌溉面积、作物品种,灌溉方式、用电卡的编号等信息。该信息即可能是农户使用手机、电脑等终端设备输入,也可由各级行政单位获取相关数据后,输入至精准控灌数据库。
同时,精准控灌系统可根据农户的灌溉区域、灌溉方式、灌溉制度等信息,获取以电折水系数,再通过供电机构提供的农户历史灌溉用电数据,计算出农户当年可用水量、已用水量、剩余水量、上次灌溉时间和灌溉用水量等信息。
进一步的,精准控灌系统还可结合农户所在地的土壤情况、历史气象数据和未来7天的天气预报数据,系统自动开展土壤墒情预测,并根据剩余的灌溉可用水量和不同灌溉条件下的灌溉制度,确定下一次灌溉的时间、灌溉用水量,并同时显示剩余水量。
图2是本申请一实施例提供的一种精准控灌方案确定方法的流程示意图,参照图2,对该方法的详述如下:
在步骤101中,获取目标区域的区域数据,所述区域数据包括:目标区域的全年可用水量、目标区域灌溉制度和灌溉指标以及目标区域土壤墒情。
示例性的,在本申请收集了某县域水资源量、农业水资源量和亩均可用水量数据,根据水量平衡原理,以县域可分配水资源量为县域用水量的约束条件,根据现有各部门用水(水资源配置)总量,核算盈亏关系。对于总用水量超过可分配水资源量的县域,将亏缺量计入农业用水调减额度。进一步计算得到修正后的县域农业可分配水资源总量,平均分配至灌溉耕地,据此得到修正后的亩均水权。再根据现行的以取水为核算依据的农业灌溉用水计量原则,以修正后的亩均可利用水量作为灌溉用水红线,灌溉用水红线即为单位耕地面积可以利用的地下水量,再结合作物的灌溉区域,得出该县域的全年可用水量。
目标区域的土壤墒情主要是土壤含水量指标的确定。
示例性的,本研究选用APSIM模型(Agricultural Production SystemssIMulator)进行限水灌溉下灌溉制度优化和确定土壤水分指标。该模型以基因型×环境×管理措施(G×E×M)三者的交互作用为基础,利用不同管理措施、环境以及作物可测量的表型逆向求解基因型参数,然后对获取的参数进行校验。校验后的模型可以准确模拟作物在预设环境下的生长发育和作物产量形成过程。依据在冬小麦和夏玉米长期灌水试验获取的田间实测数据,对APSIM模型进行参数校验,利用校验的APSIM模型,模拟不同限水灌溉总量下的有限供水在生育期不同分配对作物产量的影响。以获取最高产量为目标,根据模拟结果确定针对不同限水灌溉目标下的灌溉时间、灌溉次数和次灌水量和土壤水分下限指标。试验时间从2007-2016共9个冬小麦夏玉米生长季。试验地点0~90cm土层主要为壤土,90cm以下土壤为黏壤土。0~2m土壤剖面平均田间持水量为35.6%(体积含水量),凋萎湿度为13.2%(体积含水量),pH为8。试验期间耕层(0-20cm)土壤有机质含量1.8-2.0%,速效氮在70-90mg/kg、速效磷20-40mg/kg、速效钾90-120mg/kg之间。每季冬小麦播种前,将全部磷肥(150-180kg/ha P2O5、20kg/ha K2O)及总量(350-400kg/ha N)的1/4作为基肥撒施于土壤表层。翻耕整地后播种小麦,冬小麦播量为225kg/ha,行距为“4密1稀”播种方式,平均行距15cm。其余氮肥分为等量两部分,在冬小麦拔节期及夏玉米大喇叭口期施入农田,夏玉米按照60cm等行距播种,密度在5.5-6株/m2。
用于模型校验的灌溉试验包括三个处理:冬小麦和夏玉米生育期分别进行充分灌水(FI,根据降水年型的不同生育期总灌水次数3-5次)、底墒充足条件下关键期灌水1次(CI,冬小麦拔节期和夏玉米大喇叭口期)和底墒充足条件下生育期不灌水的最小灌溉模式(MI)。每次灌水量70-90mm,每个处理四次重复。试验小区随机排列,每个小区面积5m×9m。各小区之间及试验地周边用2m宽的保护行隔开,保护行不灌水,减少相邻小区之间水分影响。灌溉水来源于当地地下水,通过低压管道输送到小区,用水表计量每个小区的灌水情况。试验期间,详细记录不同处理的生长发育时期和生物量。作物生长发育时期的确定根据20%、50%和80%出现的比例进行记载。冬小麦密度测定在每个小区定1米4行测定密度的动态变化,玉米在收获时测定收获的株数,计算密度。在每个小区安装2m深中子仪管,利用中子仪定期测定2m土层土壤含水量。在作物收获时,冬小麦每小区选取80茎冬小麦、玉米选取3株进行拷种分析。人工收割每个小区的冬小麦和夏玉米,脱粒晾干后测定产量(籽粒含水量在13%左右)。
进一步的,对农田水量平衡模拟土壤含水量动态变化做进一步的研究。
以作物根层土壤水量平衡为基础,结合气象和作物生长情况,进行水量平衡模拟,以确定各时段的土壤含水量,然后对比土壤水分指标,判断是否需要灌溉,并计算灌水量。如果忽略水平方向的径流,某一时段单位面积作物最大根系活动层内(H)储水量的变化可用如下水量平衡方程表示:
Wi=Wi-1+p+I+G+Wr-ET-D
其中,Wi为时段i的土壤含水量,Wi-1为i—1时段的土壤含水量,P为预测时段内的有效降水,I为预测时段内的灌溉量,G为预测时段内地下水补给量,Wr为预测时段内由于作物根系计划湿润层增加而相应增加的土壤含水量,ET预测时段内作物耗水量;D为预测时段内的深层渗漏量。
进一步的,式中ET的计算可根据双作物系数法进行:
ET=(Kcb+Ke)×ET0
式中,Kcb为基础作物系数,受作物冠层大小和土壤水分含量影响;Ke为土壤蒸发系数,主要受土壤表层含水量影响,可利用土壤含水量进行订正;ET0为参考作物蒸散量,受大气条件影响。上述三个参数均根据FAO-56双作物系数方法进行计算。
为了校验上述方法模拟土壤水分动态的可靠性,利用APSIM模型校验的2018-2019冬小麦和夏玉米三个灌水处理的结果进行验证。该试验年份安装了智墒仪,可以实现逐日逐时土壤体积含水量的测定,利用三种灌水制度下逐日含水量数据,验证水量平衡方法预测的土壤水分结果的可靠性。智墒仪埋深2m,以每10cm为一层逐小时测定土壤体积含水量变化,测定数据通过无线网络传输并可远程下载。其中,用于校验的数据选择每日0时的数据。
在步骤102中,基于所述区域数据建立精准控灌数据库。
将步骤101中确定的目标区域的全年可用水量和目标区域土壤墒情数据,以及目标区域的灌溉制度和灌溉指标等政策性数据,导入至精准控灌系统的终端设备,形成精准控灌数据库。
在步骤103中,获取目标区域以电折水系数和目标用户设备电量数据。
示例性的,以电折水系数是利用电表控制地下水开采的重要参数。“以电折水”是通过分析灌溉设备的用电量与抽取的地下水水量之间的转换关系,据此可以通过设备的用电量计算出抽水量。具体的以电折水的系数以目标区域的行政命令为准。
进一步的,只要把农户全年的限额用水量转换成灌溉设备的全年限额用电量,就可以实现对灌溉用水总量的监控。
示例性的,获取目标用户设备电量数据可以包括,农户灌溉设备的历史数据用电量、全年限额用电量、全年已用电量、全年剩余电量、上次用电时间等数据。
在步骤104中,基于所述精准控灌数据库、所述目标区域以电折水系数和所述目标用户设备电量数据计算目标用户水量数据。
示例性的,基于步骤102建立的精准控灌数据库,以及步骤103获取的以电折水系数和目标用户设备电量数据,可推算出农户的水量数据,包括,全年的限额用水量、全年已用水量、全年剩余水量、上次灌溉时间和灌溉数量等信息。
在步骤105中,基于所述精准控灌数据库、所述目标用户水量数据和所述目标区域的气象数据,生成精准灌溉方案。
众所周知,作物的长势受天气和气候的影响巨大,因此为了确定精准的灌溉方案,将气象数据引入到精准控灌数据库极为必要。
精准控灌系统能够自动获取目标区域的土壤情况、历史气象数据和未来时段的天气预报数据,并自动开展土壤墒情预测,可根据剩余的灌溉水量和不同气候条件下的灌溉制度,确定下一次灌溉时间、灌溉用水量,同时显示全年剩余可用水量等信息。
所确定的灌溉信息通过网络传输的方式传递给终用户终端,目标用户可以通过在手机端、电脑端获取该信息。所谓的目标用户不限于农户,也可是科研人员、行政机关人员等需要知道精准控灌方案的相关人员。
进一步的,利用后台土壤墒情预报系统时,目标用户可以选择终端设备上传图片到精准控灌系统获取遥感影像,对作物长势进行预判,对土壤墒情预报中所用的作物系数进行实时更正。
进一步的,精准控灌系统也可根据目标用户的反馈,调整精准控灌数据库。
上述精准控灌方案确定方法中,建立目标区域的精准控灌数据库,获取目标用户的用电数据,并结合目标区域的气象数据,以通过“以电折水”系数折算地下水灌溉用水量的方式,控制目标用户全年用水总量,在满足地下水限采政策条件下,不仅针对每户耕地提供了取得最高收益的灌溉时间和灌溉用水量,直接提升了作物产量,同时也对灌溉农业区域的可持续发展具有重要意义。
为了验证本申请方法的可行性和准确性,提供具体事例如下:
某省县域亩均可用水量的估算
依据区域可利用水量,分配至单位耕地面积,确定单位耕地用水上限指标,是完善农业水资源利用体系,提高水资源利用效率的重要手段。根据检索县级政府网站收集到的县域水资源量、农业水资源量以及相关文献资料,初步计算得到某省目标区域单位耕地面积年可利用水量为1752-2589m3/hm2;深层地下水超采区的中东部低平原单位耕地面积年可利用水量为1191-1784m3/hm2,部分环渤海县小于750m3/hm2(参照表1某省目标区域灌溉耕地面积和单位耕地面积可用水量)。根据现有各部门用水(水资源配置)总量,核算盈亏关系;对于总用水量超过可分配水资源量的县域,将全部的亏缺量都计入农业用水调减额度,计算得到修正后的县域农业可分配水资源总量后,平均分配至灌溉耕地,并据此得到调整后的单位耕地面积可用水量。调整后各县域平均单位耕地面积农业可用水量降幅在4%左右。在没有地表水灌溉的县域,单位耕地面积可用水量可以确定为地下水可开采量,作为地下水用水红线。在有地表水灌溉区域,可从确定的数值中减去地表水量,得到地下水可利用量的数值。
表1
以电折水系数的确定:
根据A市和B市两个区域的试验站机井的灌溉用水、用电记录,对不同机井和灌溉技术条件下的以电折水系数稳定性进行了评估,发现在较小的区域内,地下水水位、含水层水文地质条件、成井条件均相对一致,不同机井的灌溉用电量与取水量关系较为稳定,以电折水系数较一致。根据某省2017年出台的《某省农业用水以电折水计量实施细则(试行)》,给出了县域以电折水系数的初步测算结果,故可在某省井灌区开展灌溉用水的以电折水计量,参照图3某省农业用水以电折水计量实施细则确定的河北省浅层和深层取水以电折水系数。
有限供水下灌水制度和土壤水分下限指标确定:
利用2007-2016冬小麦和夏玉米三个灌水处理下的结果,对APSIM模型进行校验,获得冬小麦和夏玉米的作物参数。模拟和实测结果显示MI、CI和FI三个灌水处理下冬小麦产量的RMSE值分别为263、598和453kg/ha;玉米产量的相应RMSE值分别为591、997和1237kg/ha。MI、CI和FI处理下,冬小麦生长季蒸散量(ET)RMSE值分别为26.8、27.8和26.6mm;玉米季分别为39.8、43.6和26.0mm。由于玉米开花期高度集中(RMSE=1.42天),玉米花期儒略日的R2小于小麦(图4 2007-2016年三种灌水制度下小麦和玉米开花期和成熟期、生物量、籽粒产量和生育期蒸散量的模拟和实测结果对比)。经校正的APSIM模型可以解释87%的0–1m土壤剖面中总土壤水分变化(图5利用APSIM模型模拟三种灌水模式下2011-2016冬小麦夏玉米生长期间0-1m土壤体积含水量变化动态(上图为充分灌水、中图为关键期灌溉、下图为最小灌溉))、冬小麦90%的生长期、生物量积累、籽粒产量和生育期蒸散量,玉米模拟结果可以解释80-90%的相关性状。上述结果显示经过校验的APSIM能够较准确的模拟不同灌水处理下冬小麦夏玉米生育期、产量和土壤水分动态。
以A市为例,冬小麦和夏玉米按照年可利用灌水量210mm为上限指标,利用上述校验的APSIM模型,用当地最近10年的实际气象数据(2009-2019)进行不同灌水次数和次灌水量的模拟,模拟的情景包括年灌水次数3次、每次70mm的小频率供水至灌水次数10次、每次21mm的高频灌溉。夏玉米生育期降水量350mm左右,秸秆覆盖下常年平均耗水量360-380mm,多数年份降水基本满足作物需求。在设置夏玉米灌水制度时,考虑到夏玉米生育期较多的降水条件,设置了夏玉米最大灌水两次的灌水情景。由于冬小麦收获后上层土壤含水量很低,为了保证夏玉米正常出苗和群体的快速建立,夏玉米多数年份必须进行出苗水的灌溉,在设置夏玉米灌水制度时,设置了至少保证最少一次的出苗水灌溉情景。
模拟结果显示夏玉米生育期降水量较多,灌水频率对产量影响较小;在年总灌水量一定条件下增加玉米季的灌水对夏玉米产量影响较小,而增加冬小麦季的灌水,对冬小麦产量有明显促进作用(参照图6A市利用APSIM模型模拟的年灌水总量210mm条件下2009-2019冬小麦和夏玉米生育期水量分配变化对两种作物产量的影响),根据多情景的模拟,选择出210mm灌水分配到冬小麦生育期150mm、夏玉米生育期60mm的优化方案。夏玉米生育期的60mm灌水可实施在夏玉米播种时。对于冬小麦生育期,增加灌水频率至5-6次,产量达到最高(参照图7利用APSIM模型模拟的2009-2019A市冬小麦生育期可用水量150mm条件下灌水次数变化对冬小麦产量影响),平均次灌水量25-30mm,这种供水方式适用于滴灌等微灌技术。对于地面灌水,可根据实际情况尽可能加大灌水频率、减少次灌水量的灌溉制度,可利用次灌水量40-50mm、生育期灌水3-4次的灌水制度,据此模拟的冬小麦返青后1m土层平均体积含水量为19%可作为指导灌溉的土壤水分下限指标(参照图8利用APSIM模型模拟的有限灌水下冬小麦生育期土壤水分下限指标)。
田块水平土壤水分动态预测预报方法验证:
2018-2019冬小麦夏玉米生育期日参考作物蒸散量(ET0)以及三种灌溉制度下实际日蒸散量。最小灌溉、关键期灌溉和充分灌溉冬小麦和夏玉米生育期叶面积指数在生长中后期差异明显(参照图92018-2019冬小麦夏玉米在三种灌水制度下叶面积指数动态、平均阶段日蒸散量和参考作物日蒸散量变化),受冠层大小和土壤含水量影响的日蒸散量三个处理随着生育期的变化差异逐渐增大。在最小灌溉、关键期灌溉和充分灌溉下生育期总耗水分别为284.4、388.2和533.1mm,夏玉米为212.6、278.1和388.4mm。三个处理之间水分条件有明显差异,为验证水分平衡动态预测方法的可靠性提供了较大的土壤水分条件。
利用水量平衡公式和FAO56提供的双作物系数估算方法,对2018-2019冬小麦夏玉米三个灌水处理下根层平均体积含水量进行预测。其中冬小麦和夏玉米不同生育期最大根深(如表2利用水量平衡法预测冬小麦和夏玉米农田土壤水分动态不同生育期根深和充分供水下作物系数取值所示)。土壤蒸发最大深度按照0.15m计算,作物用水没有发生水分亏缺的下限指标按照冬小麦取土壤总有效水含量的55%、夏玉米取50%计算。土壤总有效水含量按照下式计算:TAW=1000(SWf-SWw)×Zr。式中,TAW为对应某一土壤深度的总有效水量;SWf为土壤田间持水量,SWw为凋萎湿度,Zr为根深。
表2
当根层土壤含水量低于有效含水量的45%(冬小麦)和50%(夏玉米),作物系数将随着含水量的降低呈直线递减,当土壤含水量降低到凋萎湿度时,Kc就为0。栾城试验站2m土层平均田间持水量按照35.6%、凋萎湿度13.2%计算。模拟和智墒仪测定的日平均土壤体积含水量的结果(如图10三种灌溉制度下利用水量平衡方法模拟和测定的根层平均土壤体积含水量的日变化比较(2018-2019冬小麦和夏玉米生长季)所示),表明利用上述方法能够准确预测根层土壤含水量的变动,用于指导灌溉决策。
应理解,上述实施例中各步骤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逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
本申请实施例还提供了一种终端设备,参见图11,该终端设300可以包括:至少一个处理器310、存储器320以及存储在所述存储器320中并可在所述至少一个处理器310上运行的计算机程序,所述处理器310执行所述计算机程序时实现上述任意各个方法实施例中的步骤,例如图2所示实施例中的步骤101至步骤105。或者,处理器310执行所述计算机程序时实现上述各装置实施例中各模块/单元的功能。
示例性的,计算机程序可以被分割成一个或多个模块/单元,一个或者多个模块/单元被存储在存储器320中,并由处理器310执行,以完成本申请。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序段,该程序段用于描述计算机程序在终端设备300中的执行过程。
本领域技术人员可以理解,图11仅仅是终端设备的示例,并不构成对终端设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如输入输出设备、网络接入设备、总线等。
处理器310可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(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、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器320可以是终端设备的内部存储单元,也可以是终端设备的外部存储设备,例如插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。所述存储器320用于存储所述计算机程序以及终端设备所需的其他程序和数据。所述存储器320还可以用于暂时地存储已经输出或者将要输出的数据。
总线可以是工业标准体系结构(Industry Standard Architecture,ISA)总线、外部设备互连(Peripheral Component,PCI)总线或扩展工业标准体系结构(ExtendedIndustry Standard Architecture,EISA)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示,本申请附图中的总线并不限定仅有一根总线或一种类型的总线。
本申请实施例提供的精准控灌方案确定方法可以应用于计算机、可穿戴设备、车载设备、平板电脑、笔记本电脑、上网本、个人数字助理(personal digital assistant,PDA)、增强现实(augmented reality,AR)/虚拟现实(virtual reality,VR)设备、手机等终端设备上,本申请实施例对终端设备的具体类型不作任何限制。
本申请实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现可实现上述一种精准控灌方案确定方法各个实施例中的步骤。
本申请实施例提供了一种计算机程序产品,当计算机程序产品在移动终端上运行时,使得移动终端执行时实现可实现上述种精准控灌方案确定方法各个实施例中的步骤。
图12示出了本申请实施例提供的一种精确控灌系统的架构示意图。参见图12,精确控灌系统可以包括终端设备300和用户终端400。
终端设备300获取目标区域的区域数据,基于区域数据建立精准控灌数据库;获取目标区域以电折水系数和目标用户设备电量数据;基于所述精准控灌数据库、所述目标区域以电折水系数和所述目标用户设备电量数据计算目标用户水量数据;基于所述精准控灌数据库、所述目标用户水量数据和所述目标区域的气象数据,生成精准灌溉方案。
进一步的,终端设备300将确定的精准控灌方案发送给用户终端400。
用户终端400接收终端设备300的确定的方案,并将土地墒情信息反馈给终端设备300。
示例性的,用户终端400可以为手机,计算机、工控机等通讯设备。
所述集成的单元如果以软件功能单元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,本申请实现上述实施例方法中的全部或部分流程,可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质至少可以包括:能够将计算机程序代码携带到拍照装置/终端设备的任何实体或装置、记录介质、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,RandomAccess Memory)、电载波信号、电信信号以及软件分发介质。例如U盘、移动硬盘、磁碟或者光盘等。在某些司法管辖区,根据立法和专利实践,计算机可读介质不可以是电载波信号和电信信号。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中,应该理解到,所揭露的装置/网络设备和方法,可以通过其它的方式实现。例如,以上所描述的装置/网络设备实施例仅仅是示意性的,例如,所述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
以上所述实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围,均应包含在本申请的保护范围之内。
Claims (7)
1.一种精准灌溉方案确定方法,其特征在于,包括:
获取目标区域的区域数据,所述区域数据包括:目标区域的全年可用水量、目标区域灌溉制度和灌溉指标以及目标区域土壤墒情;
基于所述区域数据建立精准控灌数据库;
获取目标区域以电折水系数和目标用户设备电量数据,所述以电折水系数表征目标用户的用电量与抽取地下水的水量之间的换算关系,所述目标用户设备电量数据为目标用户抽取地下水所用设备的用电量;
基于所述精准控灌数据库、所述目标区域以电折水系数和所述目标用户设备电量数据计算目标用户水量数据,所述目标用户水量数据包括全年限额用水量、全年已用水量、全年剩余水量、上次用水时间、上次用水数量;
基于所述精准控灌数据库、所述目标用户水量数据和目标区域的气象数据,生成精准灌溉方案,所述精准灌溉方案包括所述目标用户全年剩余的用水量、下次灌溉用水量、下次灌溉时间;
获取所述目标区域土壤墒情,包括:
通过计算目标区域的土壤含水量,其中,为时段i的土壤含水量,为i—1时段的土壤含水量,为预测时段内的有效降水,
为预测时段内的灌溉量,为预测时段内地下水补给量,为预测时段内由于作物根系计
划湿润层增加而相应增加的土壤含水量,为预测时段内作物耗水量;为预测时段内的
深层渗漏量;
根据所述土壤含水量确定目标区域的土壤墒情;
所述预测时段内作物耗水量ET=(K cb+K e)×ET 0 ,K cb为基础作物系数,K e为土壤蒸发系数,ET 0为参考作物蒸散量。
2.如权利要求1所述的精准灌溉方案确定方法,其特征在于,所述基于所述精准控灌数据库、所述目标区域以电折水系数和所述目标用户设备电量数据计算目标用户水量数据,包括:
基于所述精准控灌数据库和所述目标区域以电折水系数,计算所述全年限额用水量、所述全年已用水量和所述全年剩余水量;
根据所述目标用户设备电量数据,计算所述上次用水时间和所述上次用水数量。
3.如权利要求1所述的精准灌溉方案确定方法,其特征在于,所述基于所述精准控灌数据库、所述目标用户水量数据和所述目标区域的气象数据,生成精准灌溉方案,包括:
根据所述目标区域的气象数据,对所述精准控灌数据库中的目标区域的全年可用水量进行调整;
根据调整后的目标区域的全年可用水量,确定所述目标用户全年剩余的用水量;
根据所述目标区域的土壤墒情和所述目标区域的气象数据,确定所述下次灌溉用水量和所述下次灌溉时间。
4.如权利要求1所述的精准灌溉方案确定方法,其特征在于,所述方法还包括:向用户终端发送所述精准灌溉方案。
5.一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至4任一项所述的方法。
6.一种精准灌溉系统,其特征在于,包括至少一个用户终端和如权利要求5所述的终端设备。
7.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至4任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111371932.3A CN114190264B (zh) | 2021-11-18 | 2021-11-18 | 一种精准灌溉方案确定方法、系统及终端设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111371932.3A CN114190264B (zh) | 2021-11-18 | 2021-11-18 | 一种精准灌溉方案确定方法、系统及终端设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114190264A CN114190264A (zh) | 2022-03-18 |
CN114190264B true CN114190264B (zh) | 2022-11-08 |
Family
ID=80648056
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111371932.3A Active CN114190264B (zh) | 2021-11-18 | 2021-11-18 | 一种精准灌溉方案确定方法、系统及终端设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114190264B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115248905B (zh) * | 2022-08-02 | 2023-04-11 | 中国水利水电科学研究院 | 以电折水系数计算方法及装置 |
CN116739359B (zh) * | 2023-03-13 | 2024-04-19 | 水利部牧区水利科学研究所 | 井群系统综合以电折水系数、分级提水能耗量计算方法及装置 |
CN116050679B (zh) * | 2023-04-03 | 2023-06-20 | 中化现代农业有限公司 | 灌溉决策方法、装置和电子设备 |
CN116530376B (zh) * | 2023-07-05 | 2023-09-15 | 中国气象局气象干部培训学院 | 一种基于apsim模型的春小麦种植方法 |
CN117296689B (zh) * | 2023-11-17 | 2024-04-09 | 锦玉电力科技有限公司 | 一种基于井电双控的节能灌溉方法和系统 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101736735A (zh) * | 2009-12-22 | 2010-06-16 | 叶吉 | 软弱地基轻型井点管结合塑料排水板复合加固方法 |
CN102027366A (zh) * | 2008-03-28 | 2011-04-20 | 棉花集水社区合作研究中心有限公司 | 用于测量土壤水分含量的系统、设备与方法 |
CN102870654A (zh) * | 2012-09-28 | 2013-01-16 | 中国农业大学 | 作物非充分灌溉控制系统及方法 |
CN103645295A (zh) * | 2013-12-03 | 2014-03-19 | 中国科学院遥感与数字地球研究所 | 一种多层土壤水分模拟方法和系统 |
CN104521699A (zh) * | 2014-11-18 | 2015-04-22 | 华北水利水电大学 | 田间智能灌溉在线控制管理方法 |
CN108876005A (zh) * | 2018-05-07 | 2018-11-23 | 中国农业科学院农田灌溉研究所 | 基于天气信息的冬小麦灌溉预报方法 |
CN108874751A (zh) * | 2018-06-29 | 2018-11-23 | 华北水利水电大学 | 基于tdr测量技术的温室滴灌番茄需水量计算方法 |
CN109884279A (zh) * | 2019-04-04 | 2019-06-14 | 内蒙古工业大学 | 土壤含水量的反演方法和反演装置 |
CN110456026A (zh) * | 2019-08-13 | 2019-11-15 | 北京农业信息技术研究中心 | 一种土壤墒情监测方法及装置 |
CN112042353A (zh) * | 2020-09-03 | 2020-12-08 | 山东锋士信息技术有限公司 | 一种适用于日光温室的水肥精准决策方法及系统 |
CN112785078A (zh) * | 2021-02-02 | 2021-05-11 | 武汉中地云申科技有限公司 | 联合土壤水分信息和有效降雨的滑坡预测方法及终端 |
CN112990615A (zh) * | 2021-05-24 | 2021-06-18 | 长江水利委员会长江科学院 | 干旱预警方法、装置、计算机设备和存储介质 |
CN113486594A (zh) * | 2021-07-23 | 2021-10-08 | 北京奥特美克科技股份有限公司 | 以电折水计算模型构建方法、用水量确定方法及装置 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110299928A1 (en) * | 2010-06-02 | 2011-12-08 | Ian Jorge Garcia De Alba Flores | Irrigation System using Plastic Film Applied to Cultivated Furrows to Capture Rain Water or Water from Irrigation Systems that Simulate Rain and Method of Installation |
US20190297798A1 (en) * | 2017-12-22 | 2019-10-03 | Michael R. Levine | Method and Apparatus for Networked Irrigation Controllers that Adjust Watering Schedules in Response to Rainfall |
-
2021
- 2021-11-18 CN CN202111371932.3A patent/CN114190264B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102027366A (zh) * | 2008-03-28 | 2011-04-20 | 棉花集水社区合作研究中心有限公司 | 用于测量土壤水分含量的系统、设备与方法 |
CN101736735A (zh) * | 2009-12-22 | 2010-06-16 | 叶吉 | 软弱地基轻型井点管结合塑料排水板复合加固方法 |
CN102870654A (zh) * | 2012-09-28 | 2013-01-16 | 中国农业大学 | 作物非充分灌溉控制系统及方法 |
CN103645295A (zh) * | 2013-12-03 | 2014-03-19 | 中国科学院遥感与数字地球研究所 | 一种多层土壤水分模拟方法和系统 |
CN104521699A (zh) * | 2014-11-18 | 2015-04-22 | 华北水利水电大学 | 田间智能灌溉在线控制管理方法 |
CN108876005A (zh) * | 2018-05-07 | 2018-11-23 | 中国农业科学院农田灌溉研究所 | 基于天气信息的冬小麦灌溉预报方法 |
CN108874751A (zh) * | 2018-06-29 | 2018-11-23 | 华北水利水电大学 | 基于tdr测量技术的温室滴灌番茄需水量计算方法 |
CN109884279A (zh) * | 2019-04-04 | 2019-06-14 | 内蒙古工业大学 | 土壤含水量的反演方法和反演装置 |
CN110456026A (zh) * | 2019-08-13 | 2019-11-15 | 北京农业信息技术研究中心 | 一种土壤墒情监测方法及装置 |
CN112042353A (zh) * | 2020-09-03 | 2020-12-08 | 山东锋士信息技术有限公司 | 一种适用于日光温室的水肥精准决策方法及系统 |
CN112785078A (zh) * | 2021-02-02 | 2021-05-11 | 武汉中地云申科技有限公司 | 联合土壤水分信息和有效降雨的滑坡预测方法及终端 |
CN112990615A (zh) * | 2021-05-24 | 2021-06-18 | 长江水利委员会长江科学院 | 干旱预警方法、装置、计算机设备和存储介质 |
CN113486594A (zh) * | 2021-07-23 | 2021-10-08 | 北京奥特美克科技股份有限公司 | 以电折水计算模型构建方法、用水量确定方法及装置 |
Non-Patent Citations (1)
Title |
---|
有效降雨最优统计时段尺度研究;严聆嘉等;《人民长江》;20170614;第48卷(第11期);第51-56页 * |
Also Published As
Publication number | Publication date |
---|---|
CN114190264A (zh) | 2022-03-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114190264B (zh) | 一种精准灌溉方案确定方法、系统及终端设备 | |
Araya et al. | Simulating yield response to water of Teff (Eragrostis tef) with FAO's AquaCrop model | |
Panda et al. | Effective management of irrigation water for maize under stressed conditions | |
Hochman et al. | Reprint of “Quantifying yield gaps in rainfed cropping systems: A case study of wheat in Australia” | |
Araya et al. | Test of AquaCrop model in simulating biomass and yield of water deficient and irrigated barley (Hordeum vulgare) | |
Driessen et al. | Land-use systems analysis | |
US20160309646A1 (en) | Agronomic systems, methods and apparatuses | |
US20170270446A1 (en) | Agronomic systems, methods and apparatuses for determining yield limits | |
US20180014452A1 (en) | Agronomic systems, methods and apparatuses | |
Zhang et al. | Increasing cropping intensity in response to climate warming in Tibetan Plateau, China | |
US20150370935A1 (en) | Agronomic systems, methods and apparatuses | |
Guo et al. | Optimizing irrigation schedule in a large agricultural region under different hydrologic scenarios | |
Devkota et al. | Conservation agriculture improves agronomic, economic, and soil fertility indicators for a clay soil in a rainfed Mediterranean climate in Morocco | |
CN110909973A (zh) | 考虑下垫面条件的旱情综合监测评估方法 | |
CN113641946B (zh) | 耗水作物种植布局优化方法及装置 | |
Zhang et al. | Modeling maize production under growth stage-based deficit irrigation management with RZWQM2 | |
Ezekiel et al. | Calibrating and validating AquaCrop model for maize crop in Northern zone of Nigeria | |
Mwangi | A climate-smart agriculture approach using double digging, Zai pits and Aquacrop model in rain-fed sorghum cultivation at Wiyumiririe location of Laikipia County, Kenya | |
Ma et al. | Optimizing ET-based irrigation scheduling for wheat and maize with water constraints | |
Shi et al. | Modeling ammonia volatilization following urea and controlled-release urea application to paddy fields | |
Xu et al. | Identifying areas suitable for cultivation of Medicago sativa L. in a typical steppe of Inner Mongolia | |
CN104956871A (zh) | 水草畜平衡系统 | |
CN112715322B (zh) | 一种农业灌溉用水获取方法和装置 | |
Tran | Modelling yield response to deficit irrigation by Aquacrop in the mekong Delta, Vietnam | |
Lam et al. | Modelling maize yield impacts of improved water and fertilizer management in southern Africa using cropping system model coupled to an agro-hydrological model at field and catchment scale |
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 |