CN115480046A - 一种基于黄土厚度预测土壤碳水储量的估算方法 - Google Patents
一种基于黄土厚度预测土壤碳水储量的估算方法 Download PDFInfo
- Publication number
- CN115480046A CN115480046A CN202211249143.7A CN202211249143A CN115480046A CN 115480046 A CN115480046 A CN 115480046A CN 202211249143 A CN202211249143 A CN 202211249143A CN 115480046 A CN115480046 A CN 115480046A
- Authority
- CN
- China
- Prior art keywords
- soil
- predicting
- loess
- thickness
- area
- 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
- 239000002689 soil Substances 0.000 title claims abstract description 103
- 238000000034 method Methods 0.000 title claims abstract description 29
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 title claims description 11
- 229910052799 carbon Inorganic materials 0.000 title claims description 11
- 238000005070 sampling Methods 0.000 claims abstract description 41
- 150000001720 carbohydrates Chemical class 0.000 claims abstract description 33
- VUZPPFZMUPKLLV-UHFFFAOYSA-N methane;hydrate Chemical compound C.O VUZPPFZMUPKLLV-UHFFFAOYSA-N 0.000 claims description 12
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 10
- 238000001514 detection method Methods 0.000 claims description 7
- 239000000126 substance Substances 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 230000007613 environmental effect Effects 0.000 claims description 4
- 235000008733 Citrus aurantifolia Nutrition 0.000 claims description 3
- 235000011941 Tilia x europaea Nutrition 0.000 claims description 3
- 239000004927 clay Substances 0.000 claims description 3
- 239000012634 fragment Substances 0.000 claims description 3
- 239000004571 lime Substances 0.000 claims description 3
- 239000011148 porous material Substances 0.000 claims description 3
- 239000011435 rock Substances 0.000 claims description 3
- 150000003839 salts Chemical class 0.000 claims description 3
- 201000008827 tuberculosis Diseases 0.000 claims 1
- 238000005192 partition Methods 0.000 abstract description 2
- 238000004162 soil erosion Methods 0.000 description 4
- 239000012615 aggregate Substances 0.000 description 2
- 230000000813 microbial effect Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 235000015097 nutrients Nutrition 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 1
- 239000002734 clay mineral Substances 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000003628 erosive effect Effects 0.000 description 1
- 239000003337 fertilizer Substances 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 229910021645 metal ion Inorganic materials 0.000 description 1
- 244000005700 microbiome Species 0.000 description 1
- 230000008635 plant growth Effects 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000002688 soil aggregate Substances 0.000 description 1
- 230000007306 turnover Effects 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
- G01N33/246—Earth materials for water content
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)
- Investigation Of Foundation Soil And Reinforcement Of Foundation Soil By Compacting Or Drainage (AREA)
Abstract
本发明公开了一种基于黄土厚度预测土壤碳水储量的估算方法，其特征在于，包括以下步骤：S1：将测量区内土地按照土壤类型划分种类并划分区域，获取不同区域的总面积Mi；并对不同种类的土壤厚度进行预测得到Di，通过Di×Mi得到区域内土壤的总量Hi；S2：在每个区域内分别标记若干个采样点以获取各个区域内各个采样点的碳水储量，分别求平均值Ci和Wi，并使用公式Ci×Hi和Wi×Hi分别得到各个区域内的碳水储量Xi和Zi；S3：将各个区域内的碳水储量Xi和Zi分别相加得到测量区内的土壤碳水总储量；本发明提出的预测技术还具有较好的稳定性，采用多点布控、分区布控的方法，保证各个区域内土壤特性信息不缺失，保证了预测精度的同时，也降低了土壤发生层厚度预测过程的误差。
Description
技术领域
本发明涉及土壤碳水储量估算技术领域，具体是一种基于黄土厚度预测土壤碳水储量的估算方法。
背景技术
碳和水是土壤中最重要、最活跃的成分之一，是土壤碳周转和水循环的重要组成部分，也是土壤中微生物活动的主要能源。碳、水含量和特性不仅影响土壤微生物活性，而且与土壤结构形成密切相关，是形成土壤团粒结构的重要胶结物质，能将土壤微团聚体粘合成大团聚体，从而增强土壤结构的稳定性，提高土壤抗侵蚀能力和保肥、保水能力。此外，土壤碳、水与黏土矿物、金属离子和微生物相互作用，影响土壤环境质量和土壤中物质的转化与循环。因此，碳水含量和储量已成为土壤物理学和生态学研究中一项重要指标。
基岩上沉积的黄土是西北旱区关键的土壤资源，能够为植物生长提供必需的水分和养分。然而，土壤在水、风、重力等外力的作用下很容易移位，形成土壤侵蚀。随着气候变化和人类活动的影响，土壤侵蚀在世界范围内日益普遍，特别是在生态脆弱和迅速城市化的地区。据估计，自然(地质)土壤侵蚀率为0.173mm a-1，世界上近三分之一的耕地由于土壤侵蚀而流失。由于侵蚀作用带走了表层土壤，从而导致土壤变薄，水分和养分发生流失，从而损害了生态系统可持续发展。因此，需要建立一个准确稳定的土壤监测系统，以监测不同厚度黄土中碳水储量。
现有技术中对土壤内碳水储量的监测一般时使用计算理论模型，缺乏实地取样检测数量，误差较大，估算不够准确。
发明内容
本发明目的是提供一种基于黄土厚度预测土壤碳水储量的估算方法。
为了实现上述目的，本发明的技术方案是：
一种基于黄土厚度预测土壤碳水储量的估算方法，其特征在于，包括以下步骤：
S1：将测量区内土壤按照地质类型划分种类并划分区域，获取不同区域的总面积Mi；并对不同种类的土壤厚度进行预测得到Di，通过Di×Mi得到区域内土壤的总量Hi；
S2：在每个区域内分别标记若干个采样点以获取各个区域内各个采样点的碳水储量，分别求平均值Ci和Wi，并使用公式Ci×Hi和Wi×Hi分别得到各个区域内的碳水储量Xi和Zi；
S3：将各个区域内的碳水储量Xi和Zi分别相加得到测量区内的土壤碳水储量。
进一步的，在步骤S1和步骤S2中，采样点共计有N个，各个采样点垂直深入到区域内土壤的最底层，并测得采样点的最大深度L1、L2、L3……Ln；
进一步的，在步骤S1中，区域内土黄的平均深度Di＝(L1+L2+、L3+……+Ln)/N据此得到区域内的平均深度即土壤厚度Di。
进一步的，在步骤S2中，各个采样点上设置有碳水检测单元，以检测采样点上的碳水储量，针对各个采样点位置的土壤属性信息进行加权计算，获得该采样点位置所对应各个土壤属性信息。
进一步的，步骤S2中碳水检测单元分别采集预设质量的土壤样品，并分别测定获得各个点位的土壤属性信息，进而获得目标土壤区域中各个样点位置分别所对应各个点位的土壤属性信息。
进一步的，步骤S2中，土壤信息包括碳含量、水含量。
进一步的，所述步骤S1中地质类型包括黄土塬、黄土梁、黄土峁。
进一步的，步骤S2中集合各个取样点位置的环境信息，所述环境信息包括植被覆盖率、岩石露头面积比、地形、重要标志物、地表粗碎块大小、地表裂隙状况、地表盐斑信息。
进一步的，所述土壤形态信息表示土壤干湿状况、土壤颜色、根系信息、孔隙信息、样品结构、斑纹组成物质、瘤状结核物质、胶结程度、石灰反应信息。
进一步的，步骤S1中土壤厚度进行预测方法为：
A1：确定各个区域内基岩的海拔高度Ai；
A2：确定区域内地面的海拔高度Bi，然后用地面的海拔高度减去基岩的海拔高度得出土壤厚度。
与现有技术相比，本发明具有的优点和积极效果是：
本发明所设计的一种基于黄土厚度预测土壤碳水储量的估算方法，通过针对不同地貌类型的分类，考虑了不同类型地貌黄土土壤属性水平，为准确计算测量区域内碳水储量提供了较好的技术思路；其中，采用多点布控、分区布控的方法，保证各个区域内土壤特性信息不缺失，实现了预测准确的优点，在农业应用、环境保护、国土资源等相关部门的工程调查方面具有广阔的应用前景。
本发明提出的预测技术还具有较好的稳定性，采用多点布控、分区布控的方法，保证各个区域内土壤特性信息不缺失，保证了预测精度的同时，也降低了土壤厚度预测过程的误差。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，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发明的一些实施例，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为本发明的流程示意图。
具体实施方式
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，所描述的实施例仅仅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。
在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制；术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性，此外，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
如图1所示，
一种基于黄土厚度预测土壤碳水储量的估算方法，其特征在于，包括以下步骤：
S1：将测量区内土壤按照地质类型划分种类并划分区域，获取不同区域的总面积Mi；并对不同种类的土壤厚度进行预测得到Di，通过Di×Mi得到区域内土壤的总量Hi；
S2：在每个区域内分别标记若干个采样点以获取各个区域内各个采样点的碳水储量，分别求平均值Ci和Wi，(Ci为碳储量，Wi为水储量)并使用公式Ci×Hi和Wi×Hi分别得到各个区域内的碳水储量Xi和Zi；
S3：将各个区域内的碳水储量Xi和Zi分别相加得到测量区内的土壤碳水储量。
本实施例中，在步骤S1和步骤S2中，采样点共计有N个，各个采样点垂直深入到区域内土壤的最底层，并测得采样点的最大深度L1、L2、L3……Ln；
本实施例中，在步骤S1中，区域内土黄的平均深度Di＝(L1+L2+、L3+……+Ln)/N据此得到区域内的平均深度即土壤厚度Di。
本实施例中，在步骤S2中，各个采样点上设置有碳水检测单元，以检测采样点上的碳水储量，针对各个采样点位置的土壤属性信息进行加权计算，获得该采样点位置所对应各个土壤属性信息。
本实施例中，步骤S2中碳水检测单元分别采集预设质量的土壤样品，并分别测定获得各个点位的土壤属性信息，进而获得目标土壤区域中各个样点位置分别所对应各个点位的土壤属性信息。
本实施例中，步骤S2中，土壤信息包括碳含量、水含量。
本实施例中，所述步骤S1中地质类型包括黄土塬、黄土梁、黄土峁。
本实施例中，步骤S2中集合各个取样点位置的环境信息，所述环境信息包括植被覆盖率、岩石露头面积比、地形、重要标志物、地表粗碎块大小、地表裂隙状况、地表盐斑信息。
本实施例中，所述土壤形态信息表示土壤干湿状况、土壤颜色、根系信息、孔隙信息、样品结构、斑纹组成物质、瘤状结核物质、胶结程度、石灰反应信息。
本实施例中，相邻采样点之间的距离不大于1km。
本实施例中，各采样点的采样方法为：采用网格采样的方法将感兴趣的区域划分为均匀的网格；每个网格的大小为45平方公里，每个网格只选择一个场地。
本实施例中，选址原则为：(1)地形相对平坦，(2)易达，远离人为干扰(3)。
本实施例中，在每个网格中，我们首先确定基岩的位置，并通过便携式GPS接收器(Stonex-S3II，Stonex有限公司，标高和水平线分辨率\20mm)记录基岩的标高(第一个点Ai)。然后，我们在相对平坦的位置，并记录了采样点的海拔(第二个点，Bi代表该地点)。这两点的高差近似等于该场地的黄土厚度，并记录了该场地的地理坐标。通过这种方法，我们得到了全地区每个采样点的黄土厚度观测值。
其中，基岩的位置为河床下游表面暴露的基岩。
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，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。
Claims (10)
1.一种基于黄土厚度预测土壤碳水储量的估算方法，其特征在于，包括以下步骤：
S1：将测量区内土壤按照地质类型划分种类并划分区域，获取不同区域的总面积Mi；并对不同种类的土壤厚度进行预测得到Di，通过Di×Mi得到区域内土壤的总量Hi；
S2：在每个区域内分别标记若干个采样点以获取各个区域内各个采样点的碳水储量，分别求平均值Ci和Wi，并使用公式Ci×Hi和Wi×Hi分别得到各个区域内的碳水储量Xi和Zi；
S3：将各个区域内的碳水储量Xi和Zi分别相加得到测量区内的土壤碳水总储量。
2.根据权利要求1所述的基于黄土厚度预测土壤碳水储量的估算方法，其特征在于：在步骤S1和步骤S2中，采样点共计有N个，各个采样点垂直深入到区域内土壤的最底层，并测得采样点的最大深度L1、L2、L3……Ln。
3.根据权利要求2所述的基于黄土厚度预测土壤碳水储量的估算方法，其特征在于：在步骤S1中，区域内土黄的平均深度Di＝(L1+L2+、L3+……+Ln)/N据此得到区域内的平均深度即土壤厚度Di。
4.根据权利要求1所述的基于黄土厚度预测土壤碳水储量的估算方法，其特征在于：在步骤S2中，各个采样点上设置有碳水检测单元，以检测采样点上的碳水储量，针对各个采样点位置的土壤属性信息进行加权计算，获得该采样点位置所对应各个土壤属性信息。
5.根据权利要求4所述的基于黄土厚度预测土壤碳水储量的估算方法，其特征在于：步骤S2中碳水检测单元分别采集预设质量的土壤样品，并分别测定获得各个点位的土壤属性信息，进而获得目标土壤区域中各个样点位置分别所对应各个点位的土壤属性信息。
6.根据权利要求5所述的基于黄土厚度预测土壤碳水储量的估算方法，其特征在于：步骤S2中，土壤信息包括碳含量、水含量。
7.根据权利要求1所述的基于黄土厚度预测土壤碳水储量的估算方法，其特征在于：所述步骤S1中地貌类型包括黄土塬、黄土梁、黄土峁。
8.根据权利要求1所述的基于黄土厚度预测土壤碳水储量的估算方法，其特征在于：步骤S2中集合各个取样点位置的环境信息，所述环境信息包括植被覆盖率、岩石露头面积比、地形、重要标志物、地表粗碎块大小、地表裂隙状况、地表盐斑信息。
9.根据权利要求8所述的基于黄土厚度预测土壤碳水储量的估算方法，其特征在于：所述土壤形态信息表示土壤干湿状况、土壤颜色、根系信息、孔隙信息、样品结构、斑纹组成物质、瘤状结核物质、胶结程度、石灰反应信息。
10.根据权利要求1所述的基于黄土厚度预测土壤碳水储量的估算方法，其特征在于：步骤S1中土壤厚度进行预测方法为：
A1：确定各个区域内基岩的海拔高度；
A2：确定区域内地面的海拔高度，然后用地面的海拔高度减去基岩的海拔高度得出土壤厚度。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211249143.7A CN115480046A (zh) | 2022-10-11 | 2022-10-11 | 一种基于黄土厚度预测土壤碳水储量的估算方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211249143.7A CN115480046A (zh) | 2022-10-11 | 2022-10-11 | 一种基于黄土厚度预测土壤碳水储量的估算方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115480046A true CN115480046A (zh) | 2022-12-16 |
Family
ID=84395976
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211249143.7A Pending CN115480046A (zh) | 2022-10-11 | 2022-10-11 | 一种基于黄土厚度预测土壤碳水储量的估算方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115480046A (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| AU2015258267A1 (en) * | 2011-11-01 | 2015-12-10 | Kenneth Michael Bellamy | A Method Of Building And Maintaining A Soil Carbon Reserve |
| WO2020082475A1 (zh) * | 2018-10-23 | 2020-04-30 | 西北农林科技大学 | 一种基于磁化率测量土壤层厚度的测定方法 |
| CN112782385A (zh) * | 2020-12-14 | 2021-05-11 | 南京信息工程大学 | 一种土壤有机碳密度和储量估算方法 |
| CN115078687A (zh) * | 2022-05-24 | 2022-09-20 | 西北农林科技大学 | 一种区域深层土壤剖面有机碳估算方法 |
-
2022
- 2022-10-11 CN CN202211249143.7A patent/CN115480046A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| AU2015258267A1 (en) * | 2011-11-01 | 2015-12-10 | Kenneth Michael Bellamy | A Method Of Building And Maintaining A Soil Carbon Reserve |
| WO2020082475A1 (zh) * | 2018-10-23 | 2020-04-30 | 西北农林科技大学 | 一种基于磁化率测量土壤层厚度的测定方法 |
| CN112782385A (zh) * | 2020-12-14 | 2021-05-11 | 南京信息工程大学 | 一种土壤有机碳密度和储量估算方法 |
| CN115078687A (zh) * | 2022-05-24 | 2022-09-20 | 西北农林科技大学 | 一种区域深层土壤剖面有机碳估算方法 |
Non-Patent Citations (5)
| Title |
|---|
| 张珍明;周运超;黄先飞;田潇;: "喀斯特小流域土壤有机碳密度及碳储量空间分布异质性" * |
| 梁二: "中国陆地土壤有机碳储量估算及其不确定性分析" * |
| 田娜;王义祥;翁伯琦;: "土壤碳储量估算研究进展" * |
| 赵秀兰;延晓冬;: "近20年黑龙江省土壤水储量变化趋势研究" * |
| 黄昕琦;李琳;吕烨;潘高娃;祁瑜;段成瑜;黄永梅;: "内蒙古乌梁素海湿地土壤有机碳组成与碳储量" * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Zeng et al. | Soil erosion evolution and spatial correlation analysis in a typical karst geomorphology using RUSLE with GIS | |
| Hedley et al. | A method for spatial prediction of daily soil water status for precise irrigation scheduling | |
| Ollobarren et al. | Effects of ephemeral gully erosion on soil degradation in a cultivated area in Sicily (Italy) | |
| Polyakov et al. | Tracking sediment redistribution in a small watershed: implications for agro‐landscape evolution | |
| CN105165164A (zh) | 一种基于煤矸石的采煤沉陷区充填复垦方法 | |
| CN113591288A (zh) | 一种基于克里格插值的土壤湿度数据预测方法及装置 | |
| Nie et al. | Estimating the Spatial Distribution of Soil Salinity with Geographically Weighted Regression Kriging and Its Relationship to Groundwater in the Western Jilin Irrigation Area, Northeast China. | |
| Xu et al. | Evaluation method and empirical application of human activity suitability of land resources in Qinghai-Tibet Plateau | |
| CN115480046A (zh) | 一种基于黄土厚度预测土壤碳水储量的估算方法 | |
| CN108614088A (zh) | 一种利用稀土元素示踪喀斯特地区土壤漏失的方法 | |
| Chiesi et al. | A semiempirical method to estimate actual evapotranspiration in mediterranean environments | |
| Johnson et al. | An introduction to the research in the Balquhidder experimental catchments | |
| CN103593576A (zh) | 一种人工增雨环境效应测评方法 | |
| Staugaitis et al. | Spatial variability of soil pH as influenced by different soil sampling methods and geostatistical techniques | |
| Griffith et al. | Assessing the influence of topography and canopy structure on Douglas fir throughfall with LiDAR and empirical data in the Santa Cruz mountains, USA | |
| Li et al. | Modified method for estimating organic carbon density in discontinuous Karst soil using ground-penetrating radar and geostatistics | |
| Jiang et al. | Investigating the Soil Wind Erosion in the Black Soil Region of Northeast China Based on 137 Cs Tracer Method. | |
| Adamson et al. | Changes in soil acidity and related variables over 25 years in the North Pennine Uplands, UK | |
| Yang et al. | The spatial pattern characteristics of soil nutrients at the field scale | |
| CN112730800A (zh) | 一种田间持水量的在线测量方法 | |
| Ning et al. | Simple assessment of farmland soil phosphorus loss risk at county scale with high landscape heterogeneity | |
| Fäth et al. | Combined 2D-and 3D ERT monitoring as a geophysical tool for investigating spatial and temporal soil moisture fluctuations in a pine-beech forest | |
| Lynn et al. | Testing a soil-andscape model for dry greywacke steeplands on three mountain ranges in the South Island, New Zealand | |
| Straker et al. | Developing a Functional Approach to Assessment of Land Capability: Utilizing Ecosystem Water and Carbon Nutrient Fluxes as Integrated Measures of Reclamation Performance | |
| Motroni et al. | Monitoring sensitive areas to desertification in Sardinia: The contribute of the Regional Agrometeorological Service |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20221216 |
|
| RJ01 | Rejection of invention patent application after publication |