CN117540409A - 土壤采样样本点加密方法、装置、电子设备及存储介质 - Google Patents
土壤采样样本点加密方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN117540409A CN117540409A CN202410035943.1A CN202410035943A CN117540409A CN 117540409 A CN117540409 A CN 117540409A CN 202410035943 A CN202410035943 A CN 202410035943A CN 117540409 A CN117540409 A CN 117540409A
- Authority
- CN
- China
- Prior art keywords
- soil
- point
- grid
- points
- value
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 60
- 238000005527 soil sampling Methods 0.000 title claims abstract description 59
- 238000003860 storage Methods 0.000 title claims abstract description 14
- 239000002689 soil Substances 0.000 claims abstract description 261
- 235000015097 nutrients Nutrition 0.000 claims abstract description 208
- 238000005070 sampling Methods 0.000 claims abstract description 107
- 230000035558 fertility Effects 0.000 claims description 19
- 238000001514 detection method Methods 0.000 claims description 17
- 238000010586 diagram Methods 0.000 claims description 16
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 7
- 239000005416 organic matter Substances 0.000 claims description 5
- 229910052757 nitrogen Inorganic materials 0.000 claims description 4
- 229910052698 phosphorus Inorganic materials 0.000 claims description 4
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 claims description 3
- ZLMJMSJWJFRBEC-UHFFFAOYSA-N Potassium Chemical compound [K] ZLMJMSJWJFRBEC-UHFFFAOYSA-N 0.000 claims description 3
- 239000011574 phosphorus Substances 0.000 claims description 3
- 229910052700 potassium Inorganic materials 0.000 claims description 3
- 239000011591 potassium Substances 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 235000013619 trace mineral Nutrition 0.000 claims description 3
- 239000011573 trace mineral Substances 0.000 claims description 3
- 238000012545 processing Methods 0.000 abstract description 2
- 230000007812 deficiency Effects 0.000 abstract 1
- 238000004458 analytical method Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 230000006872 improvement Effects 0.000 description 5
- 230000004720 fertilization Effects 0.000 description 4
- 229910052729 chemical element Inorganic materials 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 2
- 238000012067 mathematical method Methods 0.000 description 2
- 230000000813 microbial effect Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000000513 principal component analysis Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000013441 quality evaluation Methods 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000008485 antagonism Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 229910001385 heavy metal Inorganic materials 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000003973 irrigation Methods 0.000 description 1
- 230000002262 irrigation Effects 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 235000021049 nutrient content Nutrition 0.000 description 1
- 238000009406 nutrient management Methods 0.000 description 1
- 239000000447 pesticide residue Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/60—Protecting data
- G06F21/602—Providing cryptographic facilities or services
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Bioethics (AREA)
- General Health & Medical Sciences (AREA)
- Computer Hardware Design (AREA)
- Computer Security & Cryptography (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
Abstract
本发明提供一种土壤采样样本点加密方法、装置、电子设备及存储介质,属于数据处理技术领域,包括:根据采样区域内每个已知样本点的土壤养分值;对采样区域进行网格划分后,根据已知样本点的土壤养分值确定每个格点的土壤养分值;并根据每个格点的土壤养分值与已知样本点的土壤养分值,确定格点的离群绝对值;根据每个格点的所述离群绝对值挑选出至少一个加密样本点。本发明根据土壤养分空间分布情况在一定区域内新增土壤采样点,克服了依赖经验选取采样点的代表性不足问题;且将土壤区域划分为格点后,根据已知采样点的土壤养分值推算任一格点的土壤养分值,从而根据土壤养分情况的空间差异程度针对性地加密采样点,以实现相应的土壤采样目的。
Description
技术领域
本发明涉及数据处理技术领域,尤其涉及一种土壤采样样本点加密方法、装置、电子设备及存储介质。
背景技术
在土壤管理、研究、保护、改良、评估等众多领域中,一般都需要对地块土壤进行采样分析。例如,如果要对地块进行施肥,就需要通过土壤采样,进而通过对土壤样本的分析了解该地块的土壤具体情况,从而针对性地进行施肥。
目前,技术人员面对当前的采样点过于稀疏,不能有效地表征当前采样区域内的土壤情况时,一般通过随机或者凭借经验去新增一些土壤采样点。
然而,依据经验选取的加密采样点往往不具有代表性,难以全面、精确地反映土壤具体情况。
发明内容
本发明提供一种土壤采样样本点加密方法、装置、电子设备及存储介质,用以解决现有技术中加密采样点不具有代表性,难以全面、精确地反映土壤具体情况的缺陷。
第一方面,本发明提供一种土壤采样样本点加密方法,包括:
根据采样区域内每个已知样本点的土壤指标检测数据,确定每个已知样本点的土壤养分值;
对所述采样区域进行网格划分,根据所述网格划分后的每个格点预设范围内的已知样本点的土壤养分值,确定每个格点的土壤养分值;
根据每个格点的土壤养分值与所述格点预设范围内的已知样本点的土壤养分值,确定所述格点的离群绝对值;
根据每个格点的所述离群绝对值,从所有格点中挑选出至少一个目标格点作为加密样本点。
根据本发明提供的一种土壤采样样本点加密方法,针对任一格点,根据距所述任一格点所述预设范围内的已知样本点的土壤养分值,确定所述任一格点的土壤养分值,包括:
获取所述任一格点与所述预设范围内的每个所述已知样本点之间的距离,以根据所述距离确定每个所述已知样本点的权重;
根据每个所述已知样本点的权重和每个所述已知样本点的土壤养分值,计算加权和作为所述任一格点的土壤养分值。
根据本发明提供的一种土壤采样样本点加密方法,针对任一格点,根据所述任一格点的土壤养分值与距所述任一格点所述预设范围内的已知样本点的土壤养分值,确定所述任一格点的离群绝对值,包括:
计算所述任一格点和预设范围内的所有所述已知样本点的土壤养分值的土壤养分均值;
根据所述土壤养分均值,确定任一格点和所有所述已知样本点的土壤养分值的标准差;
计算所述任一格点的土壤养分值与所述土壤养分均值之间的土壤养分差值,以基于所述土壤养分差值和所述标准差,确定所述任一格点的离群绝对值。
根据本发明提供的一种土壤采样样本点加密方法,所述根据每个格点的所述离群绝对值,从所有格点中挑选出至少一个目标格点作为加密样本点,包括:
根据每个格点的所述离群绝对值的由大至小对所有格点进行排序,获取格点序列;
确定所述格点序列中排序靠前的预设数量的格点,作为所述加密样本点。
根据本发明提供的一种土壤采样样本点加密方法,在从所述格点序列中选择所述预设数量的格点时,若存在多个待确定的格点的所述离群绝对值相等,则执行以下操作:
绘制对所述采样区域进行网格划分后的养分空间分布图,在所述养分空间分布图上根据每个格点的养分等级划定有多个养分等级区域,所述养分等级是基于所述土壤养分值确定的;
确定每个所述待确定的格点所在的养分等级区域中的已知样本点数量;
选择所述已知样本点数量最少的所述待确定的格点,作为所述加密样本点。
根据本发明提供的一种土壤采样样本点加密方法,所述根据每个格点的所述离群绝对值,从所有格点中挑选出至少一个目标格点作为加密样本点,包括:
选取所述离群绝对值大于预设离群阈值的所有格点,作为所述加密样本点。
根据本发明提供的一种土壤采样样本点加密方法,所述预设离群阈值是基于当前气候、所述采样区域的土壤类型、作物种植类型及模式中的一种或多种确定的。
根据本发明提供的一种土壤采样样本点加密方法,所述土壤养分值为综合肥力值或土壤肥力限制因子;
所述土壤肥力限制因子包括pH值、有机质含量、速效氮含量、有效磷含量、速效钾含量和中微量元素含量。
根据本发明提供的一种土壤采样样本点加密方法,所述预设范围是基于所述采样区域的面积、土壤性质区域差异度以及空间变异精度确定的。
第二方面,本发明还提供一种土壤采样样本点加密装置,包括:
指标计算单元,用于根据采样区域内每个已知样本点的土壤指标检测数据,确定每个已知样本点的土壤养分值;
网格划分单元,用于对所述采样区域进行网格划分,根据所述网格划分后的每个格点预设范围内的已知样本点的土壤养分值,确定每个格点的土壤养分值;
离群值运算单元,用于根据每个格点的土壤养分值与距所述格点预设范围内的已知样本点的土壤养分值,确定所述格点的离群绝对值;
样本点筛选单元,用于根据每个格点的所述离群绝对值,从所有格点中挑选出至少一个目标格点作为加密样本点。
第三方面,本发明提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如上述任一种所述土壤采样样本点加密方法。
第四方面,本发明还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如上述任一种所述土壤采样样本点加密方法。
本发明提供的土壤采样样本点加密方法、装置、电子设备及存储介质,根据土壤养分空间分布情况在一定区域内新增土壤采样点,克服了依赖经验选取采样点的代表性不足问题;且将土壤区域划分为格点后,根据已知采样点的土壤养分值推算任一格点的土壤养分值,从而根据土壤养分情况的空间差异程度针对性地加密采样点,以实现相应的土壤采样目的。
附图说明
为了更清楚地说明本发明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一简单地介绍,显而易见地,下面描述中的附图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的前提下,还可以根据这些附图获得其他的附图。
图1是本发明提供的土壤采样样本点加密方法的流程示意图;
图2是本发明提供的采样区域的示例图;
图3是本发明提供的养分空间分布图的示例图;
图4是本发明提供的土壤采样样本点加密装置的结构示意图;
图5是本发明提供的电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合本发明中的附图,对本发明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。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。
需要说明的是,在本发明的描述中,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。术语“上”、“下”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。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。
本发明中的术语“第一”、“第二”等是用于区别类似的对象,而不用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施,且“第一”、“第二”等所区分的对象通常为一类,并不限定对象的个数,例如第一对象可以是一个,也可以是多个。
下面结合图1-图5描述本发明所提供的土壤采样样本点加密方法、装置、电子设备及存储介质。
需要说明的是,本发明提供的土壤采样样本点加密方法的执行主体可以是服务器、计算机设备,例如手机、平板电脑、笔记本电脑、掌上电脑、超级移动个人计算机(ultra-mobile personal computer,UMPC)、上网本或者个人数字助理(personal digitalassistant,PDA)等。
图1是本发明提供的土壤采样样本点加密方法的流程示意图,如图1所示,包括但不限于以下步骤:
步骤101:根据采样区域内每个已知样本点的土壤指标检测数据,确定每个已知样本点的土壤养分值。
采样区域是指基于土壤采样目的所确定的、对其进行土壤采样的一个区域。
土壤采样目的包括但不限于以下中的一种或多种:施肥、灌溉、耕作等农田管理目的;学术研究目的;防水土流失、防土地退化等保护目的;改善土壤结构等改良目的;了解土壤中各种养分含量、有机质含量、重金属和农药残留等情况的质量评估目的等等。
具体地,根据土壤采样目的确定的采样区域可以是一个或多个农田单元(如具体的田地、耕地)、一个或多个行政区划(如省、市、县、乡、镇)、一个或多个地理区域(如平原、盆地、三角洲)等等,本发明对此不作限制。
在一采样区域内,存在土壤指标检测数据已知的若干样本点,称作已知样本点。根据采样区域内每个已知样本点的土壤指标检测数据,则可确定每个已知样本点的土壤养分值。
土壤养分值是基于不同土壤指标的检测数据对土壤养分情况的描述,用于描述土壤养分情况的土壤指标可根据土壤采样目的、土壤的类型与特性、土壤使用需求、土壤利用方式等综合确定。
其中,土壤指标包括但不限于以下的一种或多种:pH值、有机质含量、综合肥力值、水分状况、微生物活性、土壤肥力限制因子、各种化学元素含量等等。
对于已知样本点的土壤指标检测数据,可以是在本发明具体实施之前,使用“五点采样法”采集土壤样品,并对土壤样品进行预处理和土壤养分实验分析后得到的。当然,也可以使用其他采样方法采集土壤样品,并进行与土壤采样目的相适应的预处理和土壤养分值实验分析,从而获取该样本点对应的土壤指标检测数据。
根据已知样本点的土壤指标检测数据,通过建立土壤养分值与土壤指标检测数据之间的数学关系模型,可确定已知样本点的土壤养分值。其中,建立数学关系模型的方法包括但不限于多元线性回归分析、主成分分析(Principal Component Analysis,PCA)、支持向量机(Support Vector Machines,SVM)等。
需要说明的是,对于已知样本点土壤指标检测数据的获取方法,以及已知样本点土壤养分值的确定方法,还可以采用其他常用方法进行,本发明对此不作限制。
作为一种可选的实施例,土壤养分值是综合肥力值或土壤肥力限制因子。
土壤肥力限制因子是指影响植物正常生长发育的土壤因子,包括但不限于pH值、有机质含量、速效氮含量、有效磷含量、速效钾含量和中微量元素含量中的一个或多个。
将土壤肥力限制因子作为土壤养分值,能够更加准确地了解土壤中某些特定养分的含量、限制作物生长的养分因素等等,从而有针对性地制定施肥方案或土壤改良方案,实现对土壤的养分管理和调控。
综合肥力值是对土壤指标检测数据进行综合性分析后所得到的土壤的肥力值,其中综合肥力值可以综合有机质含量、pH值、速效氮含量、各种化学元素含量等土壤指标得到。
具体地,综合肥力值可以通过一个评分函数得到,该评分函数根据作物生长土壤指标适宜范围、土壤养分拮抗效应和土壤数据置信上限值,以及作物生长土壤pH最佳范围和生长胁迫pH临界点等数据拟合构建得到。
将综合肥力值作为土壤养分值,能够对土壤的整体肥力状况进行质量评估,有利于根据土壤质量确定合适的土壤利用方式。
步骤102:对所述采样区域进行网格划分,根据所述网格划分后的每个格点预设范围内的已知样本点的土壤养分值,确定每个格点的土壤养分值。
具体地,对采样区域进行网格划分后,采样区域即划分成若干个格点。对于任一格点,以该格点为中心,基于该格点预设范围内已知样本点的土壤养分值,使用各种数学方法,确定该格点的土壤养分值。重复以上步骤,能够推算得到采样区域内每个格点的土壤养分值。
其中,各个格点之间的形状、面积大小可以相同,也可以不相同。
此外,确定每个格点的大小及其预设范围的因素包括但不限于:采样区域的面积、采样区域内的土壤情况、土壤采样目的等等。
作为一种可选的实施例,所述预设范围是基于所述采样区域的面积、土壤性质区域差异度以及空间变异精度确定的。
其中,土壤性质区域差异度和空间变异精度是在空间上描述土壤性质变异性的指标。
土壤性质区域差异度是指在一定的空间范围内,各土地单元(如土壤样点)之间的土壤性质差异程度,可以通过计算某个区域内的样本点的数据变异程度来评估。土壤性质区域差异度可以进行统计学分析,具体表现为方差或标准差等,从而反映土壤性质在空间上的异质性程度大小。
空间变异精度是指通过采用不同密度或不同方式的采样方案,能够实现特定空间尺度下预定精度水平的程度。也就是说,利用空间变异精度可以进行合理的土壤采样方案设计,以尽可能减小土壤样品数量,同时保证所获取数据的准确性和精度。
在一实施例中,根据每个格点与其距离最近的已知采样点之间的距离,确定每个格点的大小和/或预设范围。
对于任一格点,设该格点为正方形,边长为,其预设范围为/>,其与距离最近的已知采样点之间的距离为/>。
那么,格点边长的取值小于/>,该格点的面积为/>,预设范围/>的取值大于,小于/>。
其中,为小于1、大于0的系数因子,/>、/>为大于1的系数因子,且/>。
例如,,/>,/>。
在另一实施例中,根据每个格点与其距离较近的N个已知采样点之间的距离,确定每个格点的预设范围。
例如,根据已知采样点与某一格点之间的距离,将距离该格点较近的8个已知采样点按照距离从大至小进行排序,并将距离最大的已知采样点与该格点之间的距离,确定为该格点的预设范围。
步骤103:根据每个格点的土壤养分值与所述格点预设范围内的已知样本点的土壤养分值,确定所述格点的离群绝对值。
其中,离群绝对值表征某一格点的土壤养分情况与预设范围内的其他土壤的土壤养分情况的空间分布差异程度,离群绝对值越大,空间分布差异程度越大。
基于不同的土壤采样目的,构成土壤养分值的土壤指标有所不同,基于土壤养分值确定的离群绝对值,也就能够表征采样区域内土壤的pH值、有机质含量、综合肥力值、水分状况、微生物活性、各种化学元素含量等的差异程度。
具体地,利用前述步骤102推算的某一格点的土壤养分值,根据该推算的土壤养分值与该格点预设范围内的已知样本点的土壤养分值,使用各种数学方法,确定该格点的离群绝对值。重复以上步骤,能够确定采样区域内每个格点的离群绝对值。
步骤104:根据每个格点的所述离群绝对值,从所有格点中挑选出至少一个目标格点作为加密样本点。
基于管理、研究、保护、改良等不同的土壤采样目的,以格点内土壤的差异程度为核心,根据不同的挑选规则确定目标格点及其数量,将其作为加密样本点进行采样,使得样本点的加密更具有代表性。
其中,目标格点既可以是不存在已知采样点的格点,也可以是存在已知采样点的格点。
将不存在已知采样点的格点作为加密样本点,能够对采样区域内土壤养分值不明的区域进行摸排,更全面地掌握采样区域的土壤情况;将不存在已知采样点的格点作为加密样本点,能够对采样区域内已知采样点的土壤养分值进行更新,也能够对采样区域内土壤养分值可能存在的异常值进行检查,更精准地实时掌握采样区域的土壤情况。
进一步地,掌握到采样区域土壤的具体养分情况后,土壤的管理者就能够据此制定更加精细化的决策方案。
例如,土壤的管理者能够制定精细化的、合理的施肥管理决策(如变量施肥),能够在养分情况有所区别的土壤上种植合适的作物、能够根据区域内不同土壤存在的问题制定针对性的土壤结构改良方案、保护方案等等。
本发明提供的土壤采样样本点加密方法,根据土壤养分空间分布情况在一定区域内新增土壤采样点,克服了依赖经验选取采样点的代表性不足问题;且将土壤区域划分为格点后,根据已知采样点的土壤养分值推算任一格点的土壤养分值,从而根据土壤养分情况的空间差异程度针对性地加密采样点,以实现相应的土壤采样目的。
基于上述实施例,作为一种可选的实施例,针对任一格点,根据距所述任一格点所述预设范围内的已知样本点的土壤养分值,确定所述任一格点的土壤养分值,包括:
获取所述任一格点与所述预设范围内的每个所述已知样本点之间的距离,以根据所述距离确定每个所述已知样本点的权重;
根据每个所述已知样本点的权重和每个所述已知样本点的土壤养分值,计算加权和作为所述任一格点的土壤养分值。
图2是本发明提供的采样区域的示例图,如图2所示,不规则实线框是采样区域,对采样区域进行网格划分,形成若干个格点,已知采样点使用“+”标注。
对于任一格点P0,其格点预设范围D内存在n个已知采样点P1、P2……Pn,已知采样点的土壤养分值p i 分别是p 1 、p 2 ……p n 。相应的,已知采样点与格点P0之间的距离d i 分别记为d 1 、d 2 ……d n 。
设格点P0的坐标为,各个已知采样点的坐标为/>,各个已知采样点与格点P0之间的距离d i 的计算公式如下:
;(1)
根据格点P0与已知样本点之间的距离,确定已知样本点的权重的计算公式如下:
;(2)
根据每个已知样本点的权重和每个已知样本点的土壤养分值,计算加权和作为格点P0的土壤养分值的计算公式如下:
;(3)
其中,p 0 为格点P0的土壤养分值。
本发明提供的土壤采样样本点加密方法,在没有进行实际采样的情况下,根据已知采样点与格点之间的距离,赋予已知采样点的土壤养分值以不同的权重,也能推算出未采样土壤区域的土壤养分值,对土壤进行评估。
并且,格点与已知采样点之间的距离越小,两点之间的土壤养分情况就越接近,权重越大。因此,根据格点预设范围内每个已知样本点的权重和每个已知样本点的土壤养分值,更接近实际土壤养分情况的格点土壤养分值,进而提高了土壤采样样本点加密的准确度。
基于上述实施例,作为一种可选的实施例,针对任一格点,根据所述任一格点的土壤养分值与距所述任一格点所述预设范围内的已知样本点的土壤养分值,确定所述任一格点的离群绝对值,包括:
计算所述任一格点和预设范围内的所有所述已知样本点的土壤养分值的土壤养分均值;
根据所述土壤养分均值,确定任一格点和所有所述已知样本点的土壤养分值的标准差;
计算所述任一格点的土壤养分值与所述土壤养分均值之间的土壤养分差值,以基于所述土壤养分差值和所述标准差,确定所述任一格点的离群绝对值。
其中,离群绝对值也即任一格点的Z分数(Z-score)的绝对值。
具体地,预设范围内,所有已知样本点以及所述任一格点P0的土壤养分值p i 的土壤养分均值的计算公式如下:
;(4)
根据土壤养分均值,确定所有已知样本点以及所述任一格点P0的土壤养分值/>的标准差/>的计算公式如下:
;(5)
利用任一格点P0的土壤养分值与土壤养分均值之间的土壤养分差值,结合土壤养分值的标准差/>,确定任一格点P0的离群绝对值的计算公式如下:
;(6)
其中,Z为格点P的离群绝对值。
本发明提供的土壤采样样本点加密方法,在根据任一格点预设范围内的已知采样点的土壤养分值推算出该格点的土壤养分值之后,通过计算该格点的离群绝对值,在没有通过实际采样检测该格点的土壤养分值时,也能评估该格点与预设范围内其他区域的土壤养分情况的空间分布差异程度,为加密土壤采样样本点提供依据。
基于上述实施例,作为一种可选的实施例,所述根据每个格点的所述离群绝对值,从所有格点中挑选出至少一个目标格点作为加密样本点,包括:
根据每个格点的所述离群绝对值的由大至小对所有格点进行排序,获取格点序列;
确定所述格点序列中排序靠前的预设数量的格点,作为所述加密样本点。
具体地,依据上述任一实施例中的步骤获取每个格点的离群绝对值之后,根据每个格点的离群绝对值大小,由大至小对所有格点进行排序后,得到格点序列,然后从格点序列中挑选排序靠前的预设数量格点作为加密采样点。
其中,预设数量根据土壤采样目的、土壤的类型与特性、采样计划的成本或预算等因素中的一种或多种确定,本发明对此不做限制。
本发明提供的土壤采样样本点加密方法,优先将离群绝对值越大的格点挑选为加密采样点,能够快速、精准地确定采样区域内的土壤养分情况空间分布差异程度较大的区域,并在该区域内设置采样点,针对性地对将采样资源更多地分配至土壤差异度大的区域,进而使得土壤采样与后续分析更加精细化,减少了采样与分析资源的浪费。
基于上述实施例,作为一种可选的实施例,在从所述格点序列中选择所述预设数量的格点时,若存在多个待确定的格点的所述离群绝对值相等,则执行以下操作:
绘制对所述采样区域进行网格划分后的养分空间分布图,在所述养分空间分布图上根据每个格点的养分等级划定有多个养分等级区域,所述养分等级是基于所述土壤养分值确定的;
确定每个所述待确定的格点所在的养分等级区域中的已知样本点数量;
选择所述已知样本点数量最少的所述待确定的格点,作为所述加密样本点。
在确定格点序列中排序靠前的预设数量的格点时,会存在多个离群绝对值相等的待确定的格点,若将该多个离群绝对值相等的格点均挑选为目标格点,就会导致目标格点的数量超过预设数量。
此时,使用绘图软件(如ArcGIS map)在采样区域已经进行网格划分的基础上,绘制采样空间的养分空间分布图,并在养分空间分布图上划定养分等级区域。
其中,养分等级区域是根据土壤养分值确定的。
例如,设土壤养分值满分为100分,并按0-20、20-40、40-60、60-80、80-100分等间距划分成5个等级。
又例如,设30分为第一养分等级的阈值、60分为第二养分等级的阈值、80分为第三养分等级的阈值,根据不同养分等级的阈值将土壤养分值划分为Ⅰ、Ⅱ、Ⅲ三个等级。
图3是本发明提供的养分空间分布图的示例图,如图3所示,该养分空间分布图划分为Ⅰ、Ⅱ、Ⅲ三个养分等级,格点P0、P0’、P0’’均为待确定的格点,需要从待确定的格点P0、P0’、P0’’中确定一个格点为目标格点。
其中,待确定的格点P0位于第一养分等级区域Ⅰ中,待确定的格点P0’位于第三养分等级区域Ⅲ中,待确定的格点P0’’位于第二养分等级区域Ⅱ中。
进一步地,对每个待确定的格点所在的养分等级区域的已知采样点数量进行统计,得到:待确定的格点P0所位于的第一养分等级区域Ⅰ中,已知样本点数量为0个;待确定的格点P0’所位于的第三养分等级区域Ⅲ中,已知样本点数量为26个;待确定的格点P0’’位于的第二养分等级区域Ⅱ中,已知样本点数量为1个。
因此,选择所在养分等级区域中已知样本点数量最少的、待确定的格点P0,作为所述加密样本点。
在另一实施例中,如果若干个待确定的格点处于同一养分等级,或其所在的养分等级中已知采样点的数量相同,则从中随机挑选一个或多个待确定的格点作为目标格点。
本发明提供的土壤采样样本点加密方法,在多个待确定的格点的所述离群绝对值相等时,将位于已知采样点数量较少的养分等级区域中的待确定的格点挑选为目标格点,有助于摸排采样区域中不同养分等级区域的具体土壤养分空间分布情况,从而全面地评估采样区域。
基于上述实施例,作为一种可选的实施例,所述根据每个格点的所述离群绝对值,从所有格点中挑选出至少一个目标格点作为加密样本点,包括:
选取所述离群绝对值大于预设离群阈值的所有格点,作为所述加密样本点。
作为一种可选的实施例,预设离群阈值是基于当前气候、所述采样区域的土壤类型、作物种植类型及模式中的一种或多种确定的。
本发明提供的土壤采样样本点加密方法,将离群绝对值大于预设离群阈值的所有格点均作为加密样本点,对一定数量的、具有一定差异程度的土壤进行采样,能够充分、详细摸清采样范围内的土壤养分情况。
图4是本发明提供的土壤采样样本点加密装置的结构示意图,如图4所示,包括但不限于:
指标计算单元401,用于根据采样区域内每个已知样本点的土壤指标检测数据,确定每个已知样本点的土壤养分值;
网格划分单元402,用于对所述采样区域进行网格划分,根据所述网格划分后的每个格点预设范围内的已知样本点的土壤养分值,确定每个格点的土壤养分值;
离群值运算单元403,用于根据每个格点的土壤养分值与距所述格点预设范围内的已知样本点的土壤养分值,确定所述格点的离群绝对值;
样本点筛选单元404,用于根据每个格点的所述离群绝对值,从所有格点中挑选出至少一个目标格点作为加密样本点。
需要说明的是,本发明提供的土壤采样样本点加密装置,在具体运行时,可以执行上述任一实施例所述的土壤采样样本点加密方法,对此本实施例不作赘述。
本发明提供的土壤采样样本点加密装置,根据土壤养分空间分布情况在一定区域内新增土壤采样点,克服了依赖经验选取采样点的代表性不足问题;且将土壤区域划分为格点后,根据已知采样点的土壤养分值推算任一格点的土壤养分值,从而根据土壤养分情况的空间差异程度针对性地加密采样点,以实现相应的土壤采样目的。
图5是本发明提供的电子设备的结构示意图,如图5所示,该电子设备可以包括:处理器(processor)510、通信接口(Communications Interface)520、存储器(memory)530和通信总线540,其中,处理器510,通信接口520,存储器530通过通信总线540完成相互间的通信。处理器510可以调用存储器530中的逻辑指令,以执行土壤采样样本点加密方法,该方法包括:根据采样区域内每个已知样本点的土壤指标检测数据,确定每个已知样本点的土壤养分值;对所述采样区域进行网格划分,根据所述网格划分后的每个格点预设范围内的已知样本点的土壤养分值,确定每个格点的土壤养分值;根据每个格点的土壤养分值与距所述格点预设范围内的已知样本点的土壤养分值,确定所述格点的离群绝对值;根据每个格点的所述离群绝对值,从所有格点中挑选出至少一个目标格点作为加密样本点。
此外,上述的存储器530中的逻辑指令可以通过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,本发明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)执行本发明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。
又一方面,本发明还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现以执行上述各实施例提供的土壤采样样本点加密方法,该方法包括:根据采样区域内每个已知样本点的土壤指标检测数据,确定每个已知样本点的土壤养分值;对所述采样区域进行网格划分,根据所述网格划分后的每个格点预设范围内的已知样本点的土壤养分值,确定每个格点的土壤养分值;根据每个格点的土壤养分值与距所述格点预设范围内的已知样本点的土壤养分值,确定所述格点的离群绝对值;根据每个格点的所述离群绝对值,从所有格点中挑选出至少一个目标格点作为加密样本点。
以上所描述的装置实施例仅仅是示意性的,其中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模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,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)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,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发明各实施例技术方案的精神和范围。
Claims (12)
1.一种土壤采样样本点加密方法,其特征在于,包括:
根据采样区域内每个已知样本点的土壤指标检测数据,确定每个已知样本点的土壤养分值;
对所述采样区域进行网格划分,根据所述网格划分后的每个格点预设范围内的已知样本点的土壤养分值,确定每个格点的土壤养分值;
根据每个格点的土壤养分值与所述格点预设范围内的已知样本点的土壤养分值,确定所述格点的离群绝对值;
根据每个格点的所述离群绝对值,从所有格点中挑选出至少一个目标格点作为加密样本点。
2.根据权利要求1所述的土壤采样样本点加密方法,其特征在于,针对任一格点,根据距所述任一格点所述预设范围内的已知样本点的土壤养分值,确定所述任一格点的土壤养分值,包括:
获取所述任一格点与所述预设范围内的每个所述已知样本点之间的距离,以根据所述距离确定每个所述已知样本点的权重;
根据每个所述已知样本点的权重和每个所述已知样本点的土壤养分值,计算加权和作为所述任一格点的土壤养分值。
3.根据权利要求1所述的土壤采样样本点加密方法,其特征在于,针对任一格点,根据所述任一格点的土壤养分值与距所述任一格点所述预设范围内的已知样本点的土壤养分值,确定所述任一格点的离群绝对值,包括:
计算所述任一格点和预设范围内的所有所述已知样本点的土壤养分值的土壤养分均值;
根据所述土壤养分均值,确定任一格点和所有所述已知样本点的土壤养分值的标准差;
计算所述任一格点的土壤养分值与所述土壤养分均值之间的土壤养分差值,以基于所述土壤养分差值和所述标准差,确定所述任一格点的离群绝对值。
4.根据权利要求1所述的土壤采样样本点加密方法,其特征在于,所述根据每个格点的所述离群绝对值,从所有格点中挑选出至少一个目标格点作为加密样本点,包括:
根据每个格点的所述离群绝对值的由大至小对所有格点进行排序,获取格点序列;
确定所述格点序列中排序靠前的预设数量的格点,作为所述加密样本点。
5.根据权利要求4所述的土壤采样样本点加密方法,其特征在于,在从所述格点序列中选择所述预设数量的格点时,若存在多个待确定的格点的所述离群绝对值相等,则执行以下操作:
绘制对所述采样区域进行网格划分后的养分空间分布图,在所述养分空间分布图上根据每个格点的养分等级划定有多个养分等级区域,所述养分等级是基于所述土壤养分值确定的;
确定每个所述待确定的格点所在的养分等级区域中的已知样本点数量;
选择所述已知样本点数量最少的所述待确定的格点,作为所述加密样本点。
6.根据权利要求1所述的土壤采样样本点加密方法,其特征在于,所述根据每个格点的所述离群绝对值,从所有格点中挑选出至少一个目标格点作为加密样本点,包括:
选取所述离群绝对值大于预设离群阈值的所有格点,作为所述加密样本点。
7.根据权利要求6所述的土壤采样样本点加密方法,其特征在于,所述预设离群阈值是基于当前气候、所述采样区域的土壤类型、作物种植类型及模式中的一种或多种确定的。
8.根据权利要求1-7任一项所述的土壤采样样本点加密方法,其特征在于,所述土壤养分值为综合肥力值或土壤肥力限制因子;
所述土壤肥力限制因子包括pH值、有机质含量、速效氮含量、有效磷含量、速效钾含量和中微量元素含量。
9.根据权利要求1-7任一项所述的土壤采样样本点加密方法,其特征在于,所述预设范围是基于所述采样区域的面积、土壤性质区域差异度以及空间变异精度确定的。
10.一种土壤采样样本点加密装置,其特征在于,包括:
指标计算单元,用于根据采样区域内每个已知样本点的土壤指标检测数据,确定每个已知样本点的土壤养分值;
网格划分单元,用于对所述采样区域进行网格划分,根据所述网格划分后的每个格点预设范围内的已知样本点的土壤养分值,确定每个格点的土壤养分值;
离群值运算单元,用于根据每个格点的土壤养分值与距所述格点预设范围内的已知样本点的土壤养分值,确定所述格点的离群绝对值;
样本点筛选单元,用于根据每个格点的所述离群绝对值,从所有格点中挑选出至少一个目标格点作为加密样本点。
11.一种电子设备,包括存储器、处理器及存储在所述存储器上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9任一项所述土壤采样样本点加密方法。
12.一种非暂态计算机可读存储介质,其上存储有计算机程序,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9任一项所述土壤采样样本点加密方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410035943.1A CN117540409B (zh) | 2024-01-10 | 2024-01-10 | 土壤采样样本点加密方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410035943.1A CN117540409B (zh) | 2024-01-10 | 2024-01-10 | 土壤采样样本点加密方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117540409A true CN117540409A (zh) | 2024-02-09 |
CN117540409B CN117540409B (zh) | 2024-04-19 |
Family
ID=89786603
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410035943.1A Active CN117540409B (zh) | 2024-01-10 | 2024-01-10 | 土壤采样样本点加密方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117540409B (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2010132816A (ru) * | 2010-08-04 | 2012-02-10 | Государственное образовательное учреждение высшего профессионального образования Марийский государственный технический университе | Способ отбора проб для анализа почвы |
CN106951720A (zh) * | 2017-04-12 | 2017-07-14 | 山东省科学院海洋仪器仪表研究所 | 基于典型相关性分析及线性插值的土壤养分模型转移方法 |
CN109374860A (zh) * | 2018-11-13 | 2019-02-22 | 西北大学 | 一种基于机器学习算法的土壤养分预测及综合评价方法 |
AU2020104068A4 (en) * | 2020-12-14 | 2021-02-25 | Shihezi University | Method for zone-based management of soil nutrients of cultivated land based on geographic information system (gis) and remote sensing (rs) |
CN113159454A (zh) * | 2021-05-18 | 2021-07-23 | 辽宁大学 | 一种鉴定评估土壤环境损害实物量的加密优化布点方法 |
CN114544913A (zh) * | 2022-02-23 | 2022-05-27 | 沈阳建筑大学 | 一种土壤调查加密采样布点优化方法 |
CN114595956A (zh) * | 2022-03-02 | 2022-06-07 | 桂林理工大学 | 一种基于灰度关联法模糊聚类算法的桉树土壤肥力分析方法 |
CN114880373A (zh) * | 2022-04-11 | 2022-08-09 | 中国地质调查局哈尔滨自然资源综合调查中心 | 一种土壤采样方法、系统、存储介质和电子设备 |
CN115620825A (zh) * | 2022-12-20 | 2023-01-17 | 中化现代农业有限公司 | 土壤肥力评价方法、装置、设备及存储介质 |
CN116383589A (zh) * | 2023-04-12 | 2023-07-04 | 黑龙江碳谷工贸有限公司 | 一种土壤养分的空间插值预测方法 |
CN116629494A (zh) * | 2023-06-05 | 2023-08-22 | 中国烟草总公司重庆市公司烟叶分公司 | 一种基于大数据平台的作物精准施肥方法及系统 |
CN117171223A (zh) * | 2023-11-02 | 2023-12-05 | 北京建工环境修复股份有限公司 | 一种微生物修复过程中的微生物培养方案推荐方法及系统 |
-
2024
- 2024-01-10 CN CN202410035943.1A patent/CN117540409B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2010132816A (ru) * | 2010-08-04 | 2012-02-10 | Государственное образовательное учреждение высшего профессионального образования Марийский государственный технический университе | Способ отбора проб для анализа почвы |
CN106951720A (zh) * | 2017-04-12 | 2017-07-14 | 山东省科学院海洋仪器仪表研究所 | 基于典型相关性分析及线性插值的土壤养分模型转移方法 |
CN109374860A (zh) * | 2018-11-13 | 2019-02-22 | 西北大学 | 一种基于机器学习算法的土壤养分预测及综合评价方法 |
AU2020104068A4 (en) * | 2020-12-14 | 2021-02-25 | Shihezi University | Method for zone-based management of soil nutrients of cultivated land based on geographic information system (gis) and remote sensing (rs) |
CN113159454A (zh) * | 2021-05-18 | 2021-07-23 | 辽宁大学 | 一种鉴定评估土壤环境损害实物量的加密优化布点方法 |
CN114544913A (zh) * | 2022-02-23 | 2022-05-27 | 沈阳建筑大学 | 一种土壤调查加密采样布点优化方法 |
CN114595956A (zh) * | 2022-03-02 | 2022-06-07 | 桂林理工大学 | 一种基于灰度关联法模糊聚类算法的桉树土壤肥力分析方法 |
CN114880373A (zh) * | 2022-04-11 | 2022-08-09 | 中国地质调查局哈尔滨自然资源综合调查中心 | 一种土壤采样方法、系统、存储介质和电子设备 |
CN115620825A (zh) * | 2022-12-20 | 2023-01-17 | 中化现代农业有限公司 | 土壤肥力评价方法、装置、设备及存储介质 |
CN116383589A (zh) * | 2023-04-12 | 2023-07-04 | 黑龙江碳谷工贸有限公司 | 一种土壤养分的空间插值预测方法 |
CN116629494A (zh) * | 2023-06-05 | 2023-08-22 | 中国烟草总公司重庆市公司烟叶分公司 | 一种基于大数据平台的作物精准施肥方法及系统 |
CN117171223A (zh) * | 2023-11-02 | 2023-12-05 | 北京建工环境修复股份有限公司 | 一种微生物修复过程中的微生物培养方案推荐方法及系统 |
Non-Patent Citations (7)
Title |
---|
万家山;汪忠国;孙怡川;陈蕾;吴云志;: "半梯形隶属函数下土壤养分流失的模糊数学模型――以皖南山区为例", 中国农学通报, no. 06, 25 February 2017 (2017-02-25) * |
林清火;郭澎涛;罗微;茶正早;张培松;: "基于空间模拟退火算法的橡胶园土壤取样布局优化", 热带作物学报, no. 10, 25 October 2018 (2018-10-25) * |
肖秋生, 聂俊华, 陈红艳, 康惊涛: "麦田土壤区域化养分管理研究", 云南农业大学学报, no. 04, 30 August 2004 (2004-08-30) * |
胡冲冲;毕如田;: "省域尺度下土壤养分的最佳采样尺度确定", 山西农业大学学报(自然科学版), no. 03 * |
谢志宜;罗小玲;郭庆荣;陈丹青;吕小明;陆泗进;王业耀;梁耀杰;朱晓辉;: "耕地土壤环境质量监测网最优网格尺度识别研究――以珠三角耕地土壤镉为例", 生态环境学报, no. 09, 18 September 2015 (2015-09-18) * |
郝易成;师华定;白中科;杨泽栋;秦治恒;: "土壤污染调查加密布点区域优化及效率研究", 农业环境科学学报, no. 05, 20 May 2019 (2019-05-20) * |
高辉: "不同土类土壤养分时空变异与水稻精确施肥决策支持系统研究", 《中国博士学位论文全文数据库(电子期刊)》, 15 June 2013 (2013-06-15) * |
Also Published As
Publication number | Publication date |
---|---|
CN117540409B (zh) | 2024-04-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Pecchi et al. | Species distribution modelling to support forest management. A literature review | |
Aertsen et al. | Comparison and ranking of different modelling techniques for prediction of site index in Mediterranean mountain forests | |
CN108536908B (zh) | 基于非点源氮磷流失风险对流域水环境安全评估的方法 | |
CN109541172B (zh) | 土壤属性值的计算方法及装置 | |
CN108918815B (zh) | 一种土壤重金属风险预测方法 | |
CN109064039B (zh) | 一种农田土壤健康评价方法 | |
Piotrowski et al. | Are modern metaheuristics successful in calibrating simple conceptual rainfall–runoff models? | |
Kalogiros et al. | Analysis of root growth from a phenotyping data set using a density-based model | |
CN109118004B (zh) | 一种工程构筑选址适宜区预测方法 | |
de Oliveira et al. | From spreadsheets to sugar content modeling: A data mining approach | |
Nor et al. | A comparative study of different imputation methods for daily rainfall data in east-coast Peninsular Malaysia | |
Verma et al. | Comparative analysis of CMIP5 and CMIP6 in conjunction with the hydrological processes of reservoir catchment, Chhattisgarh, India | |
CN115618720A (zh) | 一种基于海拔高度的土壤盐渍化预测方法及系统 | |
CN111462834A (zh) | 一种植物中镉过量的概率值的预测方法及系统 | |
CN117540409B (zh) | 土壤采样样本点加密方法、装置、电子设备及存储介质 | |
CN113139717A (zh) | 作物苗情分级遥感监测方法及装置 | |
Confalonieri et al. | An integrated procedure to evaluate hydrological models | |
CN116307383B (zh) | 一种基于生态平衡的土地精细化保育改良方法及系统 | |
Van Griensven et al. | Dealing with unidentifiable sources of uncertainty within environmental models | |
Karimi et al. | Monthly rainfall prediction using ARIMA and gene expression programming: A case study in Urmia, Iran | |
Shulika et al. | Control over grape yield in the North-Eastern region of Ukraine using mathematical modeling | |
Chandana et al. | A comprehensive survey of classification algorithms for formulating crop yield prediction using data mining techniques | |
CN110458438A (zh) | 植被水分利用效率wue的影响因子的计算方法及装置 | |
Sommer et al. | Extrapolating species ranges and biodiversity in data-poor countries: The computerized model BIOM | |
Hoang et al. | A robust parameter approach for estimating CERES-Rice model parameters for the Vietnam Mekong Delta |
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 |