CN115797093A - 一种基于农业投入产出数据的农田生态系统碳汇估算方法 - Google Patents

一种基于农业投入产出数据的农田生态系统碳汇估算方法 Download PDF

Info

Publication number
CN115797093A
CN115797093A CN202211413257.0A CN202211413257A CN115797093A CN 115797093 A CN115797093 A CN 115797093A CN 202211413257 A CN202211413257 A CN 202211413257A CN 115797093 A CN115797093 A CN 115797093A
Authority
CN
China
Prior art keywords
carbon
farmland
agricultural
output data
preset 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.)
Withdrawn
Application number
CN202211413257.0A
Other languages
English (en)
Inventor
缪诚
洪德和
杨奕人
李锋
钮卫东
胡洋洋
赵琳莹
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.)
Suzhou Planning & Design Research Institute Co ltd
Original Assignee
Suzhou Planning & Design Research Institute Co ltd
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 Suzhou Planning & Design Research Institute Co ltd filed Critical Suzhou Planning & Design Research Institute Co ltd
Priority to CN202211413257.0A priority Critical patent/CN115797093A/zh
Publication of CN115797093A publication Critical patent/CN115797093A/zh
Withdrawn legal-status Critical Current

Links

Images

Classifications

    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/80—Management or planning
    • Y02P90/84—Greenhouse gas [GHG] management systems

Landscapes

  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请涉及农田系统碳汇估算的领域，尤其是涉及一种基于农业投入产出数据的农田生态系统碳汇估算方法，其包括获取预设区域内农田所涉及的碳源种类，以及与每种碳源对应的碳排放信息和农业投入数据；对碳源种类、碳排放信息以及农业投入数据进行计算，得到预设区域内农田的总碳排放量；获取预设区域内农田所涉及的农作物种类，以及与每种农作物对应的碳吸收信息和农业产出数据；对农作物种类、碳吸收信息以及农业产出数据进行计算，得到预设区域内农田的总碳吸收量；对总碳排放量与总碳吸收量进行估算，得到预设区域内农田的碳汇量。本申请具有提升农田碳汇量测算方法的科学性与便利性的效果。

Description

一种基于农业投入产出数据的农田生态系统碳汇估算方法
技术领域
本申请涉及农田系统碳汇估算的领域，尤其是涉及一种基于农业投入产出数据的农田生态系统碳汇估算方法。
背景技术
碳源与碳汇是两个相对的概念，即碳源是指自然界中向大气释放碳的母体，碳汇是指自然界中碳的寄存体。
农作物种植是农业土地利用的主要方式之一，在世界农业中起着举足轻重的作用，农作物生态系统中二氧化碳的吸收与排放对陆地生态系统的碳循环起着不容忽视的作用，当农作物生态系统中二氧化碳的吸收量大于排放量时，便形成相应的碳汇。
现有技术中测量农田碳汇量的方法包括面积法，也即通过碳汇系数(单位面积的碳汇量)乘以面积得到碳汇量的快速估算方法，不同气候区种植类型不同，其碳汇系数也不同，面积法可控制的变量较少，是一种粗略的农田碳汇量测算方法，准确性欠佳；现有技术中测量农田碳汇量的方法还包括农田灌溉设备碳汇量测算法，但是该方法的实施例需要对农田灌溉设备数据进行大量的采集与整理，实施起来较为耗时。
在实现本申请的过程中，发现上述技术至少存在以下问题：通过现有技术中难以在较短时间内实现对农田碳汇量的准确测量，可见现有技术中农田碳汇量测算方法的科学性与便利性有待提高。
发明内容
为了提升农田碳汇量测算方法的科学性与便利性，本申请提供一种基于农业投入产出数据的农田生态系统碳汇估算方法。
第一方面，本申请提供一种基于农业投入产出数据的农田生态系统碳汇估算方法，采用如下的技术方案：
一种基于农业投入产出数据的农田生态系统碳汇估算方法，包括：
获取预设区域内农田所涉及的碳源种类，以及与每种所述碳源对应的碳排放信息和农业投入数据；
对所述碳源种类、所述碳排放信息以及所述农业投入数据进行计算，得到所述预设区域内农田的总碳排放量；
获取所述预设区域内农田所涉及的农作物种类，以及与每种所述农作物对应的碳吸收信息和农业产出数据；
对所述农作物种类、所述碳吸收信息以及所述农业产出数据进行计算，得到所述预设区域内农田的总碳吸收量；
对所述总碳排放量与所述总碳吸收量进行估算，得到所述预设区域内农田的碳汇量。
通过采用上述技术方案，先通过碳源种类、碳排放信息以及农业投入数据计算出所有碳源的总碳排放量，还通过农作物种类、碳吸收信息以及农业产出数据计算出所有碳源的总碳吸收量，最后再依据总碳吸收量与总碳排放量计算出所需的碳汇量；由于碳源种类、碳排放信息、农业投入数据、农作物种类、碳吸收信息以及农业产出数据都比较便于获取，故碳汇量可以在短时间内计算得出，且碳源种类、碳排放信息、农业投入数据、农作物种类、碳吸收信息以及农业产出数据都能准确反馈出农田碳循环的特性，故计算出的碳汇量也是较为准确的，综上，通过上述技术方案便于在短时间内获取较为准确的碳汇量，从而便于提升农田碳汇量测算方法的科学性与便利性。
在一个具体的可实施方案中，所述碳源种类包括化肥、农药、农膜产品、化石燃料以及农田灌溉设备。
通过采用上述技术方案，由于化肥、农药、农膜产品、化石燃料以及农田灌溉设备为农田中主要的碳源，如此便于使最后计算得到的碳汇量便于更贴近农田真实的碳汇量。
在一个具体的可实施方案中，所述碳排放信息包括与每种所述碳源对应的碳排放系数；所述农业投入数据包括与每种所述碳源对应的消耗量；
所述得到所述预设区域内农田的碳排放量的步骤包括：
对每种所述碳源的所述碳排放信息和所述农业投入数据进行乘积运算，得到与每种所述碳源一一对应的子碳排放量；
加和每种所述碳源的所述碳排放量，得到所述总碳排放量。
通过采用上述技术方案，通过计算出与每种碳源对应的子碳排放量，然后加和所有的子碳排放量，可计算出农田中的总碳排放量。
在一个具体的可实施方案中，所述碳吸收信息包括与每种所述农作物对应的碳吸收率和农作物经济系数，所述农业产出数据包括与每种所述农作物对应的农作物产量。
通过采用上述技术方案，可先确定出计算农田总碳吸收量所需各个运算因子。
在一个具体的可实施方案中，所述得到所述预设区域内农田的总碳吸收量的步骤包括：
对每种所述农作物的所述农作物产量与所述农作物经济系数进行计算，得到生物产量；
对每种所述农作物的所述碳吸收率与所述生物产量进行计算，得到与每种所述农作物一一对应的子碳吸收量；
加和每种所述所述农作物的所述子碳吸收量，得到所述总碳吸收量。
通过采用上述技术方案，便于依据每种农作物的农作物产量、农作物经济系数以及碳吸收率计算得到农田中的总碳吸收量。
第二方面，本申请提供一种基于农业投入产出数据的农田生态系统碳汇估算系统，采用如下的技术方案：
一种基于农业投入产出数据的农田生态系统碳汇估算系统，包括：
第一信息获取模块(100)，用于获取预设区域内农田所涉及的碳源种类，以及与每种所述碳源对应的碳排放信息和农业投入数据；
总碳排放量计算模块(200)，用于对所述碳源种类、所述碳排放信息以及所述农业投入数据进行计算，得到所述预设区域内农田的总碳排放量；
第二信息获取模块(300)，用于获取所述预设区域内农田所涉及的农作物种类，以及与每种所述农作物对应的碳吸收信息和农业产出数据；
总碳吸收量计算模块(400)，用于对所述农作物种类、所述碳吸收信息以及所述农业产出数据进行计算，得到所述预设区域内农田的总碳吸收量；
碳汇量计算模块(500)，用于对所述总碳排放量与所述总碳吸收量进行估算，得到所述预设区域内农田的碳汇量。
通过采用上述技术方案，先通过碳源种类、碳排放信息以及农业投入数据计算出所有碳源的总碳排放量，还通过农作物种类、碳吸收信息以及农业产出数据计算出所有碳源的总碳吸收量，最后再依据总碳吸收量与总碳排放量计算出所需的碳汇量；由于碳源种类、碳排放信息、农业投入数据、农作物种类、碳吸收信息以及农业产出数据都比较便于获取，故碳汇量可以在短时间内计算得出，且碳源种类、碳排放信息、农业投入数据、农作物种类、碳吸收信息以及农业产出数据都能准确反馈出农田碳循环的特性，故计算出的碳汇量也是较为准确的，综上，通过上述技术方案便于在短时间内获取较为准确的碳汇量，从而便于提升农田碳汇量测算方法的科学性与便利性。
第三方面，本申请提供一种计算机设备，采用如下技术方案：包括存储器和处理器，所述存储器上存储有能够被处理器加载并执行如上述任意一种基于农业投入产出数据的农田生态系统碳汇估算方法的计算机程序。
第四方面，本申请提供一种计算机可读存储介质，采用如下技术方案：存储有能够被处理器加载并执行上述任意一种基于农业投入产出数据的农田生态系统碳汇估算方法的计算机程序。
综上所述，本申请包括以下至少一种有益技术效果：
1.便于提升农田碳汇量测算方法的科学性与便利性；
2.便于使最后计算得到的碳汇量便于更贴近农田真实的碳汇量；
3.便于在短时内获取较为准确的农田碳汇量。
附图说明
图1是本申请实施例中一种基于农业投入产出数据的农田生态系统碳汇估算方法的流程示意图。
图2是本申请实施例中一种基于农业投入产出数据的农田生态系统碳汇估算的结构示意图。
附图标记说明：100、第一信息获取模块；200、总碳排放量计算模块；300、第二信息获取模块；400、总碳吸收量计算模块；500、碳汇量计算模块。
具体实施方式
以下结合附图1-2对本申请作进一步详细说明。
实施例1
本申请实施例1公开了一种基于农业投入产出数据的农田生态系统碳汇估算方法。参照图1，基于农业投入产出数据的农田生态系统碳汇估算方法包括：
S100、获取预设区域内农田所涉及的碳源种类，以及与每种碳源对应的碳排放信息和农业投入数据。
划定出处于预设区域内的农田，然后确定预设区域内农田中的碳源；在实施中，通过实际统计可以确定出预设区域内的碳源种类主要包括：化肥、农药、农膜产品、化石燃料以及农田灌溉设备。
为了便于对每种碳源产生的碳排放量进行计算，还需要根据从关于农田的统计年鉴或者统计公报中获取上述每种碳源的碳排放信息和农业投入数据；在本实施例中碳排放信息为碳源的碳排放系数EF，农业投入数据为碳源消耗量AD；碳排放系数EF表征一种能源燃烧或使用过程中单位能源所产生的碳排放数量。
在一个实施例中，通过历史统计年鉴或者历史统计公报可以获知的是，预设区域内的农田的化肥的EF为0.89KgCO2/kg，AD为Akg；农药的EF为23KgCO2/kg，AD为Bkg；农膜产品的EF为18.99KgCO2/kg，AD为Ckg；化石燃料的EF为3KgCO2/kg，AD为Dkg；农田灌溉设备的EF为3KgCO2/KWh，AD为Ekg；需要说明的是，A、B、C以及D为对应各碳源的使用量，E为对于对应农田灌溉设备进行灌溉时的耗电量。
S200、对碳源种类、碳排放信息以及农业投入数据进行计算，得到预设区域内农田的总碳排放量。
具体的，S200包括以下步骤：
S201、对每种碳源的碳排放信息和农业投入数据进行乘积运算，得到与每种碳源一一对应的子碳排放量。
通过历史统计年鉴或者历史统计公报获知与每种碳源对应的碳排放系数EF与碳源消耗量AD后，进一步计算与每种碳源对应的子碳排放量Ei，计算公式为：Ei＝EFi·ADi；
具体的：
化肥的子碳排放量E1＝EF1·AD1；
农药的子碳排放量E2＝EF2·AD2；
农膜产品的子碳排放量E3＝EF3·AD3；
化石燃料的子碳排放量E4＝EF4·AD4；
农田灌溉设备的子碳排放量E5＝EF5·AD5。
S202、加和每种碳源的碳排放量，得到总碳排放量。
通过S201步骤可以得到农田中主要碳源化肥、农药、农膜产品、化石燃料以及农田灌溉设备对应的子碳排放量分别为E1、E2、E3、E4以及E5。
预设区域内农田的总碳排放量E0为各个碳源子碳排放量的总和，也即，预设区域内农田的总碳排放量E0＝E1+E2+E3+E4+E5
＝EF1·AD1+EF2·AD2+EF3·AD3+EF4·AD4+EF5·AD5；
在本实例中，E0具体为：
E0＝0.89AKgCO2+23BKgCO2+18.99CKgCO2+3DKgCO2+3EKgCO2。
S300、获取预设区域内农田所涉及的农作物种类，以及与每种农作物对应的碳吸收信息和农业产出数据。
预设区域内农田上种植的农作物包括小麦、玉米、高粱以及薯类；碳吸收信息包括与每种农作物对应的碳吸收率和农作物经济系数；农业产出数据包括与每种农作物对应的农作物产量。
需要解释说明的是，碳吸收率表征农作物合成1g有机物所需的碳；农作物的经济系数Hi表示的是预设区域中某种农作物的经济产量Yw与预设区域中生物产量Dw的比值，此处总生物不仅包括农作物，还包括预设区域中与农作物一同生长的杂草等。
通过农田统计年鉴可以获取上述列举的每种农作物的碳吸收率Cfi与经济系数Hi；通过当年的农田统计公报可以获取上述上述列举的每种农作物的农作物经济产量Yw。
S400、对农作物种类、碳吸收信息以及农业产出数据进行计算，得到预设区域内农田的总碳吸收量。
具体的，S400包括以下步骤：
S401、对每种农作物的农作物产量与农作物经济系数进行计算，得到生物产量。
已知，经济系数Hi为农作物的经济产量Yw与生物产量Dw的比值，也即Hi＝Yw/Dw，在实施中，Dw难以直接测得，而上述每种农作物的经济系数Hi以及经济产量Yw则可通过农田统计年鉴以及农田统计公报直接获取，故，在获取某种农作物经济系数Hi以及经济产量Yw的前提下，依据上述经济系数Hi的计算公式，可以算出对应农作物所在区域内的生物产量Dw，也即Dw＝Yw/Hi；小麦、玉米、高粱以及薯类，据此，可以分别计算出小麦、玉米、高粱以及薯类各自所在区域中生物产量Dwi。
将小麦的经济系数记为Hi1，经济产量记为Yw1；
将玉米的经济系数记为Hi2，经济产量记为Yw2；
将高粱的经济系数记为Hi3，经济产量记为Yw3；
将薯类的经济系数记为Hi4，经济产量记为Yw4；
则：
小麦所在区域内的总生物产量Dw1＝Yw1/Hi1；
玉米所在区域内的总生物产量Dw2＝Yw2/Hi2；
高粱所在区域内的总生物产量Dw3＝Yw3/Hi3；
薯类所在区域内的总生物产量Dw4＝Yw4/Hi4。
S402、对每种农作物的碳吸收率与生物产量进行计算，得到与每种农作物一一对应的子碳吸收量。
公知的是，每种农作物的子碳吸收量Cdi为对应农作物的碳吸收率Cfi与对应农作物所在区域内生物产量Dwi的乘积，也即Cdi＝Cfi·Dwi。
依据Cdi＝Cfi·Dwi，可以计算得到的是：
预设区域农田中小麦的子碳吸收量Cd1＝Cf1·Dw1＝Cf1·Yw1/Hi1；
预设区域农田中玉米的子碳吸收量Cd2＝Cf2·Dw2＝Cf2·Yw2/Hi2；
预设区域农田中高粱的子碳吸收量Cd3＝Cf3·Dw3＝Cf3·Yw3/Hi3；
预设区域农田中薯类的子碳吸收量Cd4＝Cf4·Dw4＝Cf4·Yw4/Hi4。
S403、加和每种农作物的子碳吸收量，得到总碳吸收量。
预设区域内农田系统的总碳吸收量Cf0为农田系统所有农作物的子碳吸收量的总和，故，预设区域内农田系统的总碳吸收量Cd0＝Cd1+Cd2+Cd3+Cd4＝Cf1·Yw1/Hi1+Cf2·Yw2/Hi2+Cf3·Yw3/Hi3+Cf4·Yw4/Hi4。
S500、对总碳排放量与总碳吸收量进行估算，得到预设区域内农田的碳汇量。
碳汇量NC为上述总碳吸收量Cf0与上述总碳排放量E0的差值，也即NC＝Cd0﹣E0
＝(Cf1·Yw1/Hi1+Cf2·Yw2/Hi2+Cf3·Yw3/Hi3+Cf4·Yw4/Hi4)-(EF1·AD1+EF2·AD2+EF3·AD3+EF4·AD4+EF5·AD5)。此处计算得到的碳汇量NC并非农田系统碳汇量的真实值，而是一个较为贴合农田系统实际碳汇量的估计值。
以农业投入产出数据为基础，对农田生态系统碳汇量进行估算，可以有效反映农业生产活动的碳源与碳汇属性，有助于明晰不同农业投入产出对于农田生态系统的固碳影响，进而为提升农田碳汇、发展低碳农业提供更科学合理的参考依据，有助于实施更富有针对性的减排增汇措施。同时以较容易获取的农业投入产出数据作为碳汇估算的基础数据，相比农田土壤测算碳汇量等方法，简化了碳汇测算过程，并且更容易实现较宏观尺度农田生态系统碳汇量的测算，也有助于体现区域的差异性，为不同区域农田生态系统减排增汇提供参考。
图1为一个实施例中基于农业投入产出数据的农田生态系统碳汇估算方法的流程示意图。应该理解的是，虽然图1的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行；除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行；并且图1中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
实施例2
本申请实施例2公开了一种基于农业投入产出数据的农田生态系统碳汇估算系统，基于上述一种基于农业投入产出数据的农田生态系统碳汇估算方法。参照图2，基于农业投入产出数据的农田生态系统碳汇估算系统包括：
第一信息获取模块100，用于获取预设区域内农田所涉及的碳源种类，以及与每种碳源对应的碳排放信息和农业投入数据。
总碳排放量计算模块200，用于对碳源种类、碳排放信息以及农业投入数据进行计算，得到预设区域内农田的总碳排放量。
第二信息获取模块300，用于获取预设区域内农田所涉及的农作物种类，以及与每种农作物对应的碳吸收信息和农业产出数据。
总碳吸收量计算模块400，用于对农作物种类、碳吸收信息以及农业产出数据进行计算，得到预设区域内农田的总碳吸收量。
碳汇量计算模块500，用于对总碳排放量与总碳吸收量进行估算，得到预设区域内农田的碳汇量。
实施例3
在本实施例3中公开了一种计算机设备，包括存储器和处理器，存储器存储有计算机程序，计算机程序被处理器执行时，使得处理器执行上述一种基于农业投入产出数据的农田生态系统碳汇估算方法的步骤。此处一种基于农业投入产出数据的农田生态系统碳汇估算方法的步骤可以是上述各个实施例的一种基于农业投入产出数据的农田生态系统碳汇估算方法中的步骤。
实施例4
在本实施例4中公开了一种计算机可读存储介质，其存储有能够被处理器加载并执行如上述一种基于农业投入产出数据的农田生态系统碳汇估算方法的计算机程序，该计算机可读存储介质例如包括：U盘、移动硬盘、只读存储器(Read-OnlyMemory，ROM)、随机存取存储器(RandomAccessMemory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
本具体实施例仅仅是对本发明的解释，其并不是对本发明的限制，本领域技术人员在阅读完本说明书后可以根据需要对本实施例做出没有创造性贡献的修改，但只要在本发明的权利要求范围内都受到专利法的保护。

Claims (8)

1.一种基于农业投入产出数据的农田生态系统碳汇估算方法，其特征在于：包括：
获取预设区域内农田所涉及的碳源种类，以及与每种所述碳源对应的碳排放信息和农业投入数据；
对所述碳源种类、所述碳排放信息以及所述农业投入数据进行计算，得到所述预设区域内农田的总碳排放量；
获取所述预设区域内农田所涉及的农作物种类，以及与每种所述农作物对应的碳吸收信息和农业产出数据；
对所述农作物种类、所述碳吸收信息以及所述农业产出数据进行计算，得到所述预设区域内农田的总碳吸收量；
对所述总碳排放量与所述总碳吸收量进行估算，得到所述预设区域内农田的碳汇量。
2.根据权利要求1所述的基于农业投入产出数据的农田生态系统碳汇估算方法，其特征在于：所述碳源种类包括化肥、农药、农膜产品、化石燃料以及农田灌溉设备。
3.根据权利要求1所述的基于农业投入产出数据的农田生态系统碳汇估算方法，其特征在于：所述碳排放信息包括与每种所述碳源对应的碳排放系数；所述农业投入数据包括与每种所述碳源对应的消耗量；
所述得到所述预设区域内农田的总碳排放量的步骤包括：
对每种所述碳源的所述碳排放信息和所述农业投入数据进行乘积运算，得到与每种所述碳源一一对应的子碳排放量；
加和每种所述碳源的所述碳排放量，得到所述总碳排放量。
4.根据权利要求1所述的基于农业投入产出数据的农田生态系统碳汇估算方法，其特征在于：所述碳吸收信息包括与每种所述农作物对应的碳吸收率和农作物经济系数，所述农业产出数据包括与每种所述农作物对应的农作物产量。
5.根据权利要求4所述的基于农业投入产出数据的农田生态系统碳汇估算方法，其特征在于：所述得到所述预设区域内农田的总碳吸收量的步骤包括：
对每种所述农作物的所述农作物产量与所述农作物经济系数进行计算，得到生物产量；
对每种所述农作物的所述碳吸收率与所述生物产量进行计算，得到与每种所述农作物一一对应的子碳吸收量；
加和每种所述所述农作物的所述子碳吸收量，得到所述总碳吸收量。
6.一种基于农业投入产出数据的农田生态系统碳汇估算系统，其特征在于：包括：第一信息获取模块（100），用于获取预设区域内农田所涉及的碳源种类，以及与每种所述碳源对应的碳排放信息和农业投入数据；
总碳排放量计算模块（200），用于对所述碳源种类、所述碳排放信息以及所述农业投入数据进行计算，得到所述预设区域内农田的总碳排放量；
第二信息获取模块（300），用于获取所述预设区域内农田所涉及的农作物种类，以及与每种所述农作物对应的碳吸收信息和农业产出数据；
总碳吸收量计算模块（400），用于对所述农作物种类、所述碳吸收信息以及所述农业产出数据进行计算，得到所述预设区域内农田的总碳吸收量；
碳汇量计算模块（500），用于对所述总碳排放量与所述总碳吸收量进行估算，得到所述预设区域内农田的碳汇量。
7.一种计算机设备，其特征在于，所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如权利要求1-5所述的任意一种基于农业投入产出数据的农田生态系统碳汇估算方法。
8.一种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，使得所述处理器执行如权利要求1-5所述的任意一种基于农业投入产出数据的农田生态系统碳汇估算方法。
CN202211413257.0A 2022-11-11 2022-11-11 一种基于农业投入产出数据的农田生态系统碳汇估算方法 Withdrawn CN115797093A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211413257.0A CN115797093A (zh) 2022-11-11 2022-11-11 一种基于农业投入产出数据的农田生态系统碳汇估算方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211413257.0A CN115797093A (zh) 2022-11-11 2022-11-11 一种基于农业投入产出数据的农田生态系统碳汇估算方法

Publications (1)

Publication Number Publication Date
CN115797093A true CN115797093A (zh) 2023-03-14

Family

ID=85437065

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211413257.0A Withdrawn CN115797093A (zh) 2022-11-11 2022-11-11 一种基于农业投入产出数据的农田生态系统碳汇估算方法

Country Status (1)

Country Link
CN (1) CN115797093A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116485210A (zh) * 2023-06-14 2023-07-25 红杉天枰科技集团有限公司 基于神经网络的农业管理活动的减排策略生成方法及装置
CN116777082A (zh) * 2023-08-17 2023-09-19 北京建工环境修复股份有限公司 基于资源预估的农田碳排放预测方法及系统
CN116882637A (zh) * 2023-09-05 2023-10-13 北京建工环境修复股份有限公司 一种农田碳排放分析方法及系统
CN117151921A (zh) * 2023-10-30 2023-12-01 四川生工创新科学研究有限公司成都分公司 种植农业碳汇计量系统及方法

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116485210A (zh) * 2023-06-14 2023-07-25 红杉天枰科技集团有限公司 基于神经网络的农业管理活动的减排策略生成方法及装置
CN116485210B (zh) * 2023-06-14 2023-09-05 红杉天枰科技集团有限公司 基于神经网络的农业管理活动的减排策略生成方法及装置
CN116777082A (zh) * 2023-08-17 2023-09-19 北京建工环境修复股份有限公司 基于资源预估的农田碳排放预测方法及系统
CN116777082B (zh) * 2023-08-17 2023-10-27 北京建工环境修复股份有限公司 基于资源预估的农田碳排放预测方法及系统
CN116882637A (zh) * 2023-09-05 2023-10-13 北京建工环境修复股份有限公司 一种农田碳排放分析方法及系统
CN116882637B (zh) * 2023-09-05 2023-11-21 北京建工环境修复股份有限公司 一种农田碳排放分析方法及系统
CN117151921A (zh) * 2023-10-30 2023-12-01 四川生工创新科学研究有限公司成都分公司 种植农业碳汇计量系统及方法
CN117151921B (zh) * 2023-10-30 2024-01-23 四川生工创新科学研究有限公司成都分公司 种植农业碳汇计量系统及方法

Similar Documents

Publication Publication Date Title
CN115797093A (zh) 一种基于农业投入产出数据的农田生态系统碳汇估算方法
Nasrallah et al. Sentinel-1 data for winter wheat phenology monitoring and mapping
US12118625B2 (en) Systems to prescribe and deliver fertilizer over agricultural fields and related methods
Janzen et al. Management effects on soil C storage on the Canadian prairies
Millar et al. Nitrogen fertilizer management for nitrous oxide (N 2 O) mitigation in intensive corn (Maize) production: an emissions reduction protocol for US Midwest agriculture
Singh et al. Evaluation of CERES-Wheat and CropSyst models for water–nitrogen interactions in wheat crop
Nabavi-Pelesaraei et al. Determination of efficient and inefficient units for watermelon production-a case study: Guilan province of Iran
US20160309646A1 (en) Agronomic systems, methods and apparatuses
US11409982B2 (en) Refined average for zoning method and system
CN109829589A (zh) 制作土壤施肥处方图的方法、土壤精准施肥处方图及应用
US20220174935A1 (en) Method for remediating developmentally delayed plants
Crema et al. Influence of soil properties on maize and wheat nitrogen status assessment from Sentinel-2 data
Lu et al. Prospects for productivity growth in US agriculture
CN112581464B (zh) 一种作物长势情况分析方法、装置及存储介质
Sefeedpari et al. A source-wise and operation-wise energy use analysis for corn silage production, a case study of Tehran province, Iran
Seligman The crop model record: promise or poor show?
CN115423643A (zh) 水肥计算方法、装置、电子设备和存储介质
Babec et al. Potential of sunflower-legume intercropping: A way forward in sustainable production of sunflower in temperate climatic conditions
US20240135297A1 (en) Systems, methods and media, for evaluating a product, during any point in its lifecycle, based on at least a determined carbon footprint and/or a determined authenticity
Guidoboni et al. Conservation agriculture reduces climate change impact of a popcorn and wheat crop rotation
JPH11171679A (ja) 配合肥料設計システム、配合肥料設計方法、及び、配合肥料設計プログラムを記録した記録媒体
Maxwell et al. Can optimization associated with on-farm experimentation using site-specific technologies improve producer management decisions
Zheng et al. A generic methodological framework for accurately quantifying greenhouse gas footprints of crop cultivation systems
Sahni et al. Precision Agriculture Technologies
Norton Nutrient performance indicators from southern Australian grain farms

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
WW01 Invention patent application withdrawn after publication

Application publication date: 20230314

WW01 Invention patent application withdrawn after publication