CN117787567A - 一种耕地土壤质量分析评价方法、设备及存储介质 - Google Patents
一种耕地土壤质量分析评价方法、设备及存储介质 Download PDFInfo
- Publication number
- CN117787567A CN117787567A CN202410199570.1A CN202410199570A CN117787567A CN 117787567 A CN117787567 A CN 117787567A CN 202410199570 A CN202410199570 A CN 202410199570A CN 117787567 A CN117787567 A CN 117787567A
- Authority
- CN
- China
- Prior art keywords
- soil
- cultivated land
- data
- determining
- crops
- 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 323
- 238000011156 evaluation Methods 0.000 title claims abstract description 58
- 238000004458 analytical method Methods 0.000 title claims abstract description 22
- 238000003860 storage Methods 0.000 title claims abstract description 18
- 230000006978 adaptation Effects 0.000 claims abstract description 118
- 238000000034 method Methods 0.000 claims abstract description 80
- 230000012010 growth Effects 0.000 claims abstract description 50
- 230000003044 adaptive effect Effects 0.000 claims abstract description 35
- 238000011084 recovery Methods 0.000 claims description 26
- 230000008859 change Effects 0.000 claims description 14
- 238000009826 distribution Methods 0.000 claims description 13
- 230000008439 repair process Effects 0.000 claims description 10
- 238000012423 maintenance Methods 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 240000007124 Brassica oleracea Species 0.000 description 13
- 235000003899 Brassica oleracea var acephala Nutrition 0.000 description 13
- 235000011301 Brassica oleracea var capitata Nutrition 0.000 description 13
- 235000001169 Brassica oleracea var oleracea Nutrition 0.000 description 13
- 241000196324 Embryophyta Species 0.000 description 11
- 238000010586 diagram Methods 0.000 description 8
- 238000004590 computer program Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 235000002566 Capsicum Nutrition 0.000 description 6
- 235000003228 Lactuca sativa Nutrition 0.000 description 6
- 230000000694 effects Effects 0.000 description 6
- 241000208822 Lactuca Species 0.000 description 5
- 240000008042 Zea mays Species 0.000 description 5
- 235000005824 Zea mays ssp. parviglumis Nutrition 0.000 description 5
- 235000002017 Zea mays subsp mays Nutrition 0.000 description 5
- 235000005822 corn Nutrition 0.000 description 5
- 235000015097 nutrients Nutrition 0.000 description 5
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 4
- 240000008574 Capsicum frutescens Species 0.000 description 4
- 239000001390 capsicum minimum Substances 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000003971 tillage Methods 0.000 description 4
- 238000011282 treatment Methods 0.000 description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 4
- 240000007087 Apium graveolens Species 0.000 description 3
- 235000015849 Apium graveolens Dulce Group Nutrition 0.000 description 3
- 235000010591 Appio Nutrition 0.000 description 3
- 235000007688 Lycopersicon esculentum Nutrition 0.000 description 3
- 240000003768 Solanum lycopersicum Species 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 3
- 239000003795 chemical substances by application Substances 0.000 description 3
- 235000010149 Brassica rapa subsp chinensis Nutrition 0.000 description 2
- 235000000536 Brassica rapa subsp pekinensis Nutrition 0.000 description 2
- 241000499436 Brassica rapa subsp. pekinensis Species 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000013079 data visualisation Methods 0.000 description 2
- 239000003344 environmental pollutant Substances 0.000 description 2
- 230000002427 irreversible effect Effects 0.000 description 2
- 238000003973 irrigation Methods 0.000 description 2
- 230000002262 irrigation Effects 0.000 description 2
- 244000005700 microbiome Species 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 229910052757 nitrogen Inorganic materials 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000005416 organic matter Substances 0.000 description 2
- 230000020477 pH reduction Effects 0.000 description 2
- 231100000719 pollutant Toxicity 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000012800 visualization Methods 0.000 description 2
- 241000238631 Hexapoda Species 0.000 description 1
- 240000008415 Lactuca sativa Species 0.000 description 1
- 239000006002 Pepper Substances 0.000 description 1
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 description 1
- 235000016761 Piper aduncum Nutrition 0.000 description 1
- 235000017804 Piper guineense Nutrition 0.000 description 1
- 244000203593 Piper nigrum Species 0.000 description 1
- 235000008184 Piper nigrum Nutrition 0.000 description 1
- 241000758706 Piperaceae Species 0.000 description 1
- ZLMJMSJWJFRBEC-UHFFFAOYSA-N Potassium Chemical compound [K] ZLMJMSJWJFRBEC-UHFFFAOYSA-N 0.000 description 1
- 241001464837 Viridiplantae Species 0.000 description 1
- 241000607479 Yersinia pestis Species 0.000 description 1
- 230000002378 acidificating effect Effects 0.000 description 1
- 238000012271 agricultural production Methods 0.000 description 1
- 239000003513 alkali Substances 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 150000001720 carbohydrates Chemical class 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000035558 fertility Effects 0.000 description 1
- 230000004720 fertilization Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 231100001240 inorganic pollutant Toxicity 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000007935 neutral effect Effects 0.000 description 1
- 235000016709 nutrition Nutrition 0.000 description 1
- 230000035764 nutrition Effects 0.000 description 1
- 238000011369 optimal treatment Methods 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 229910052698 phosphorus Inorganic materials 0.000 description 1
- 239000011574 phosphorus Substances 0.000 description 1
- 230000008635 plant growth Effects 0.000 description 1
- 239000011591 potassium Substances 0.000 description 1
- 229910052700 potassium Inorganic materials 0.000 description 1
- 238000001556 precipitation Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000005067 remediation Methods 0.000 description 1
- LJRGBERXYNQPJI-UHFFFAOYSA-M sodium;3-nitrobenzenesulfonate Chemical compound [Na+].[O-][N+](=O)C1=CC=CC(S([O-])(=O)=O)=C1 LJRGBERXYNQPJI-UHFFFAOYSA-M 0.000 description 1
- 230000000087 stabilizing effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
- 230000001988 toxicity Effects 0.000 description 1
- 231100000419 toxicity Toxicity 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 235000013311 vegetables Nutrition 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种耕地土壤质量分析评价方法、设备及存储介质，涉及耕地土壤质量智能分析技术领域。方法包括：根据待评估作物的作物生长需求数据和耕地土壤数据，确定耕地土壤与待评估作物的适配程度；基于适配程度，通过预设的适配度阈值，确定适配作物；对适配作物进行作物生长评估，以得到耕地土壤对应的土壤影响预估数据；基于土壤影响预估数据，判断预设年限内适配作物是否仍适配耕地土壤，并根据判断结果，确定作物种植评价等级；根据作物种植评价等级，判断耕地土壤通过植物修复方法是否达到适配度阈值，得到判断结果。本发明解决了现有技术缺乏科学依据和数据支持且无法预测种植作物对该耕地土壤带来的影响的技术问题。
Description
技术领域
本发明涉及耕地土壤质量智能分析技术领域，尤其涉及一种耕地土壤质量分析评价方法、设备及存储介质。
背景技术
耕地质量状况并不理想，存在中低产田比例大、水土流失严重、土壤退化、酸化、沙化、盐渍化加剧等问题。部分城镇化高速发展区域的耕地还呈现出由集中、连片、优质向破碎、零星、劣质转变的趋势。耕地的质量对于农作物的生长和产量具有重要影响，适配农作物的选择也是影响农作物生长和产量的关键因素之一，在传统的农业生产中，适配农作物的选择通常依赖于农民的经验和判断，缺乏科学依据和数据支持；且无法预测种植作物对该耕地土壤带来的影响，延误治理时机。
发明内容
本发明实施例提供了一种耕地土壤质量分析评价方法、设备及存储介质，解决了现有技术缺乏科学依据和数据支持且无法预测种植作物对该耕地土壤带来的影响的技术问题。
第一方面，本发明实施例提供了一种耕地土壤质量分析评价方法，其特征在于，方法包括：根据待评估作物的作物生长需求数据和耕地土壤数据，确定耕地土壤与待评估作物的适配程度；基于适配程度，通过预设的适配度阈值，确定适配作物；对适配作物进行作物生长评估，以得到耕地土壤对应的土壤影响预估数据；其中，土壤影响预估数据用于确定可影响的耕地土壤数据以及对应的单位年限影响值；基于土壤影响预估数据，判断预设年限内适配作物是否仍适配耕地土壤，并根据判断结果，确定作物种植评价等级；根据作物种植评价等级，判断耕地土壤通过植物修复方法是否达到适配度阈值，得到判断结果。
在本发明的一种实现方式中，根据待评估作物的作物生长需求数据和耕地土壤数据，确定耕地土壤与待评估作物的适配程度，具体包括：基于作物生长需求数据，通过作物生长指标权重分配规则，确定待评估作物的生长指标权重；根据耕地土壤数据，通过匹配生长指标权重，得到匹配序列；基于匹配序列，获取预设排序序号阈值内的指标，得到权重分配数据；根据权重分配数据，通过结合生长指标权重，确定耕地土壤与待评估作物的适配程度。
上述技术方案通过对耕地土壤和待评估作物进行适配程度分析，实现了通过数据直观地呈现了某块耕地可以种植的作物的程度，具有耕地土壤与作物匹配可视化和科学化的技术效果。
在本发明的一种实现方式中，基于适配程度，通过预设的适配度阈值，确定适配作物，具体包括：判断适配程度是否符合适配度阈值，得到判断结果；在适配程度高于适配度阈值的情况下，判断结果为一级适配度，得到一级适配序列；在适配程度低于适配度阈值的情况下，判断结果为二级适配度，并基于二级适配度进行适配度排序，得到二级适配序列；根据一级适配序列，确定适配作物类型，并根据二级适配序列，确定候补作物类型。
上述技术方案通过设置阈值，判断哪些作物更适合该耕地土壤，哪些较为合适，哪些无法种植；能够满足对作物品种的筛选，提高对耕地土壤适配度的分析效率。
在本发明的一种实现方式中，对适配作物进行作物生长评估，以得到耕地土壤对应的土壤影响预估数据，具体包括：根据适配作物，通过作物生长评估，得到土壤年影响预估数据；基于土壤年影响预估数据，通过预设的趋势拟合方法，得到土壤年影响变化趋势数据；根据土壤年影响变化趋势数据，确定所需年份的土壤年影响预估数据；并整合土壤年影响预估数据，得到土壤影响预估数据。
通过上述技术方案，对作物对耕地土壤可能存在的影响进行预估，提高了耕地土壤保护效率，能够使使用者直观地看到种植某种作物在未来一段时间内的土壤变化，为耕地土壤保护与治理提供了数据基础。
在本发明的一种实现方式中，基于土壤影响预估数据，判断预设年限内适配作物是否仍适配耕地土壤，并根据判断结果，确定作物种植评价等级，具体包括：基于土壤影响预估数据，判断预设年限内的耕地土壤数据是否仍适配作物，得到判断结果；在土壤影响预估数据与作物的适配度低于适配度阈值的情况下，判断结果为预设年限内的适配作物不适配耕地土壤数据；在土壤影响预估数据与作物的适配度高于适配度阈值的情况下，判断结果为预设年限内的适配作物仍适配耕地土壤数据；根据判断结果，确定作物种植评价等级；其中，物种植评价等级包括：推荐、可种植、不推荐种植、不可种植。
通过上述技术方案，在获取设定年限内的耕地受作物影响的趋势数据后，判断耕地土壤在某时间节点是否还能够满足种植该作物；并根据适配情况进行分级，实现了对耕地土壤变化预测的评估，使耕地土壤与作物的关系直观化。
在本发明的一种实现方式中，根据作物种植评价等级，判断耕地土壤通过植物修复方法是否达到适配度阈值，得到判断结果，具体包括：根据作物种植评价等级，通过匹配对应的植物修复方法，得到土壤修复数据；基于土壤修复数据，确定土壤修复数据与适配作物的修复适配度；在修复适配度高于适配度阈值的情况下，判断结果为耕地土壤能够通过植物修复方法实现土质恢复；在修复适配度低于适配度阈值的情况下，判断结果为耕地土壤无法通过植物修复方法实现土质恢复，并根据判断结果，通过对恢复指标进行权重分析，确定耕地土壤恢复方案；其中，恢复指标为耕地土壤需要恢复的指标数据类型。
通过上述技术方案，判断对耕地土壤实施的修复方法，以使耕地土壤恢复至能够满足对应作物的状态，实现了对修复方法的自动选取和分析，提高耕地土壤恢复的效率。
在本发明的一种实现方式中，根据判断结果，通过恢复指标分析，确定耕地土壤恢复方案，具体包括：基于恢复指标，确定耕地土壤的恢复指标权重；根据恢复指标权重，通过对比恢复优先级，得到恢复指标序列；基于恢复指标序列，确定耕地土壤恢复方案。
在本发明的一种实现方式中，在根据作物种植评价等级，判断耕地土壤通过植物修复方法是否达到适配度阈值，得到判断结果之后，方法还包括：根据判断结果，通过预设的恢复能力预估模型，确定耕地土壤的自我恢复能力；根据自我恢复能力，确定耕地土壤维护告警时间阈值。
通过上述技术方案，实现了对耕地土壤数据的监控和预警，降低了耕地土壤出现不可逆危害的可能性。
第二方面，本发明实施例还提供了一种耕地土壤质量分析评价设备，其特征在于，设备包括：至少一个处理器；以及，与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够：根据待评估作物的作物生长需求数据和耕地土壤数据，确定耕地土壤与待评估作物的适配程度；基于适配程度，通过预设的适配度阈值，确定适配作物；对适配作物进行作物生长评估，以得到耕地土壤对应的土壤影响预估数据；其中，土壤影响预估数据用于确定可影响的耕地土壤数据以及对应的单位年限影响值；基于土壤影响预估数据，判断预设年限内适配作物是否仍适配耕地土壤，并根据判断结果，确定作物种植评价等级；根据作物种植评价等级，判断耕地土壤通过植物修复方法是否达到适配度阈值，得到判断结果。
第三方面，本发明实施例还提供了一种耕地土壤质量分析评价方法的非易失性计算机存储介质，存储有计算机可执行指令，其特征在于，计算机可执行指令设置为：根据待评估作物的作物生长需求数据和耕地土壤数据，确定耕地土壤与待评估作物的适配程度；基于适配程度，通过预设的适配度阈值，确定适配作物；对适配作物进行作物生长评估，以得到耕地土壤对应的土壤影响预估数据；其中，土壤影响预估数据用于确定可影响的耕地土壤数据以及对应的单位年限影响值；基于土壤影响预估数据，判断预设年限内适配作物是否仍适配耕地土壤，并根据判断结果，确定作物种植评价等级；根据作物种植评价等级，判断耕地土壤通过植物修复方法是否达到适配度阈值，得到判断结果。
本发明实施例提供了一种耕地土壤质量分析评价方法、设备及存储介质，通过判断对耕地土壤和作物之间的匹配程度以及对作物在该耕地土壤生长对土质的影响预测，解决了现有技术缺乏科学依据和数据支持且无法预测种植作物对该耕地土壤带来的影响的技术问题，实现了耕地土壤预保护、耕地土壤种植科学化分配以及耕地土壤指标数据可视化的技术效果。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本发明的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1为本发明实施例提供的一种耕地土壤质量分析评价方法流程图；
图2为本发明实施例提供的一种耕地土壤质量分析评价设备内部结构示意图。
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，下面将结合本发明具体实施例及相应的附图对本发明技术方案进行清楚、完整地描述。显然，所描述的实施例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。
本发明实施例提供了一种耕地土壤质量分析评价方法、设备及存储介质，通过判断对耕地土壤和作物之间的匹配程度以及对作物在该耕地土壤生长对土质的影响预测，解决了现有技术缺乏科学依据和数据支持且无法预测种植作物对该耕地土壤带来的影响的技术问题，实现了耕地土壤预保护、耕地土壤种植科学化分配以及耕地土壤指标数据可视化的技术效果。下面通过附图对本发明实施例提出的技术方案进行详细的说明。
图1为本发明实施例提供的一种耕地土壤质量分析评价方法流程图。如图1所示，本发明实施例提供的一种耕地土壤质量分析评价方法，具体包括以下步骤：
步骤101、根据待评估作物的作物生长需求数据和耕地土壤数据，确定耕地土壤与待评估作物的适配程度。
具体包括：基于作物生长需求数据，通过作物生长指标权重分配规则，确定待评估作物的生长指标权重；根据耕地土壤数据，通过匹配生长指标权重，得到匹配序列；基于匹配序列，获取预设排序序号阈值内的指标，得到权重分配数据；根据权重分配数据，通过结合生长指标权重，确定耕地土壤与待评估作物的适配程度。
上述技术方案通过对耕地土壤和待评估作物进行适配程度分析，实现了通过数据直观地呈现了某块耕地可以种植的作物的程度，具有耕地土壤与作物匹配可视化和科学化的优点。
在本发明实施例中，通过下述例1进行详细解释。
例1：白菜对于生长环境要求并不算苛刻，但为了能够提高产量，充分并科学合理地运用耕地土壤资源，需要对耕地与白菜的适配程度进行分析。
白菜最适合在肥沃、松软、排水良好的土壤中生长。土壤的酸碱度也有一定要求，一般在微酸性到弱碱性之间（pH值在6.5～8之间）都能正常生长；外界因素的方面，白菜的生长过程中需要大量水分以及充足的养分；另外，由于白菜容易受到病虫害的侵袭，因此，应采取有效的措施进行防治。
所以需要对于白菜的生长需求指标需要进行分析，在作物生长指标权重分配规则的配置下，给土壤水分的权值是最高的。原因也是白菜对水分的需求重要度极高，如果白菜缺水，就会导致植株生长缓慢、叶片枯黄、落花落果等问题，严重时甚至会枯死。通过对不同指标进行相应的权值赋予，再对土壤本身进行土壤数据进行分析，根据要分析的土壤确定其水分、pH值等参数，结合前面得到权值分布，综合分析二者的适配度。
A地区的耕地土壤pH值在6.9，靠近河岸且地方降水稳定，土壤肥沃（泛指针对于白菜需求的元素均不缺乏），该耕地土壤与白菜的适配度为85%。
步骤102、基于适配程度，通过预设的适配度阈值，确定适配作物。
具体包括：判断适配程度是否符合适配度阈值，得到判断结果；在适配程度高于适配度阈值的情况下，判断结果为一级适配度，得到一级适配序列；在适配程度低于适配度阈值的情况下，判断结果为二级适配度，并基于二级适配度进行适配度排序，得到二级适配序列；根据一级适配序列，确定适配作物类型，并根据二级适配序列，确定候补作物类型。
上述技术方案通过设置阈值，判断哪些作物更适合该耕地土壤，哪些较为合适，哪些无法种植；通过上述技术方案能够满足对作物品种的筛选，提高对耕地土壤适配度的分析效率。
在本发明实施例中，通过下述例2进行详细解释。
例2：将适配度阈值在80%以上的作物类型作为适宜种植且作物生长预期很好的作物。低于该阈值的作物需要进行适配度排序，前5类作为候补作物类型。需要注意的是，适配度低于50%的作物即使在前5类的范围内也不会作为候补作物类型，该类作物不适合作为该耕地土壤中种植的作物。
对于A地区的耕地土壤，除了白菜之外，还可以种植芹菜、甘蓝、生菜、番茄、辣椒等作物；其中第一序列中白菜、芹菜、甘蓝、番茄，第二序列中包括辣椒、生菜（不足五个的情况下按照最靠前的选取），具体的作物需求通过下述内容介绍。
芹菜：需要耕地土壤营养丰富，富含有机质，地势平坦、开阔，排水灌溉性能好，土壤肥力足。
甘蓝：适合种植在有机质含量高的地块，喜微酸至中性土壤，但也能耐盐碱，最佳条件为是土壤肥沃、土质细且排灌方便。
生菜：属半耐寒性蔬菜，喜温和的气候条件，适宜生长温度为白天18～25℃，夜间10～12℃。喜光照忌阴蔽，属长日照作物，适宜湿润的土壤条件，不耐干旱。
番茄：对土壤条件要求不太严苛，在土层深厚、排水良好、富含有机质的肥沃壤土中生长良好。土壤酸碱度以pH6～7为宜。
辣椒：根系对氧要求严格，因此要求土质疏松、通透性好的土壤，切忌低洼地栽培。对土壤酸碱度要求不严，pH6.2～8.5范围内都能适应。
由于生菜和辣椒对于环境要求较高一点，所以对A地区的耕地土壤的适配程度略低于其他作物，但由于较为接近阈值范围，也可作为推荐的作物。
步骤103、对适配作物进行作物生长评估，以得到耕地土壤对应的土壤影响预估数据。
其中，土壤影响预估数据用于确定可影响的耕地土壤数据以及对应的单位年限影响值。
具体包括：根据适配作物，通过作物生长评估，得到土壤年影响预估数据；基于土壤年影响预估数据，通过预设的趋势拟合方法，得到土壤年影响变化趋势数据；根据土壤年影响变化趋势数据，确定所需年份的土壤年影响预估数据；并整合土壤年影响预估数据，得到土壤影响预估数据。
由于作物存在着种植过程中对土壤产生影响的情况，影响既有积极影响也有消极影响，通过上述技术方案，对作物对耕地土壤可能存在的影响进行预估，提高了耕地土壤保护效率，能够使使用者直观地看到种植某种作物在未来一段时间内的土壤变化，为耕地土壤保护与治理提供了数据基础。
在本发明实施例中，通过下述例3进行详细解释。
例3：B地区的耕地土壤适合种植的作物类型中有玉米这一作物，对氮、磷、钾等养分的需求大，连续种植或大规模种植的话容易造成土壤养分失衡；而为避免出现养分出现不足或失衡的情况下，施肥的量过多也有可能造成土壤酸化或碱化；玉米根系分泌的有机物和糖类等，也有可能会促进一些有害微生物生长和繁殖。
鉴于上述针对于玉米对B地区的耕地土壤的消极影响，对该耕地进行玉米种植模拟，根据模拟结果以年为单位（根据地区的不同，作物种植频率也不尽相同）。获取连续五年的数据，通过拟合曲线对每年的数据进行连续拟合，得到能够表示耕地土壤变化趋势的曲线数据。
其中，变化的主要数据pH值：6.6、6.6、6.5、6.4、6.4；氮含量：30mg/kg、27mg/kg、26mg/kg、23mg/kg、21mg/kg（均为以年份为顺序从前到后排序）；由此可见，B地区种植玉米后的耕地土壤的变化趋势为土壤养分降低，土地酸度增加，即为土壤影响预估数据。
步骤104、基于土壤影响预估数据，判断预设年限内适配作物是否仍适配耕地土壤，并根据判断结果，确定作物种植评价等级。
具体包括：基于土壤影响预估数据，判断预设年限内的耕地土壤数据是否仍适配作物，得到判断结果；在土壤影响预估数据与作物的适配度低于适配度阈值的情况下，判断结果为预设年限内的适配作物不适配耕地土壤数据；在土壤影响预估数据与作物的适配度高于适配度阈值的情况下，判断结果为预设年限内的适配作物仍适配耕地土壤数据；根据判断结果，确定作物种植评价等级；其中，物种植评价等级包括：推荐、可种植、不推荐种植、不可种植。
通过上述技术方案，在获取设定年限内的耕地受作物影响的趋势数据后，判断耕地土壤在某时间节点是否还能够满足种植该作物；并根据适配情况进行分级，实现了对耕地土壤变化预测的评估，使耕地土壤与作物的关系更加直观化。
步骤105、根据作物种植评价等级，判断耕地土壤通过植物修复方法是否达到适配度阈值，得到判断结果。
具体包括：根据作物种植评价等级，通过匹配对应的植物修复方法，得到土壤修复数据；基于土壤修复数据，确定土壤修复数据与适配作物的修复适配度；在修复适配度高于适配度阈值的情况下，判断结果为耕地土壤能够通过植物修复方法实现土质恢复；在修复适配度低于适配度阈值的情况下，判断结果为耕地土壤无法通过植物修复方法实现土质恢复，并根据判断结果，通过对恢复指标进行权重分析，确定耕地土壤恢复方案；其中，恢复指标为耕地土壤需要恢复的指标数据类型。
通过上述技术方案，判断对耕地土壤实施的修复方法，以使耕地土壤恢复至能够满足对应作物的状态，实现了对修复方法的自动选取和分析，提高耕地土壤恢复的效率。
根据判断结果，通过恢复指标分析，确定耕地土壤恢复方案，具体包括：基于恢复指标，确定耕地土壤的恢复指标权重；根据恢复指标权重，通过对比恢复优先级，得到恢复指标序列；基于恢复指标序列，确定耕地土壤恢复方案。
在根据作物种植评价等级，判断耕地土壤通过植物修复方法是否达到适配度阈值，得到判断结果之后，方法还包括：根据判断结果，通过预设的恢复能力预估模型，确定耕地土壤的自我恢复能力；根据自我恢复能力，确定耕地土壤维护告警时间阈值。
通过上述技术方案，实现了对耕地土壤数据的监控和预警，降低了耕地土壤出现不可逆危害的可能性。
在本发明实施例中，通过下述例4进行详细解释。
例4：植物修复是一种利用绿色植物及其共生微生物提取、转移、吸收、分解、转化或固定土壤中的有机或无机污染物，从而达到移除、削减或稳定污染物，或降低污染物毒性等目的的技术。
由于部分耕地的土壤环境恶化现象比较严重，贫瘠的土壤环境只能满足少数作物的生长基本需求。又因为部分地区的施肥量过高和不注重污染治理，导致土壤中的有机物和无机物含量均不平衡。通过植物修复可以低成本且持续地优化此类耕地。当然，植物对耕地土壤的修复是有限度的，系统根据耕地土壤来判断耕地是否能够进行植物修复。
在能够进行植物修复的情况下，系统对植物修复的能力进行估算，推算耕地土壤能够修复至满足对应作物种植的年数。
C地区耕地土壤由于铅污染严重，无法通过植物修复的方法进行恢复，系统会根据其污染情况选用农田土壤铅（Pb）污染修复技术。该技术适用于耕地土壤中铅（Pb）含量低于350毫克/千克污染土壤修复。采用钝化剂结合深耕措施进行修复。将钝化剂均匀撒于地表，然后旋耕，使钝化剂均匀混入表层土壤，并用深耕农机进行约30厘米的土壤深耕，再进行旋耕整平。
为防止后续出现二次污染的情况，也可在修复后采取植物修复方式进行土壤修复的稳固。
根据耕地土壤适合种植作物对其的影响以及收到该影响或其他影响的土壤的自恢复情况（需要人工介入的回复技术方案一并统计周期），进行土壤的影响周期评估，在土壤将会进入需要恢复的时间提前进行恢复准备，并通过系统对使用者进行告警，以免延误最佳治理时间。
以上为本发明提出的方法实施例。基于同样的发明构思，本发明实施例还提供了一种耕地土壤质量分析评价设备，其结构如图2所示。
图2为本发明实施例提供的一种耕地土壤质量分析评价设备内部结构示意图。如图2所示，设备包括：
至少一个处理器201；
以及，与至少一个处理器通信连接的存储器202；
其中，存储器202存储有可被至少一个处理器执行的指令，指令被至少一个处理器201执行，以使至少一个处理器201能够：
根据待评估作物的作物生长需求数据和耕地土壤数据，确定耕地土壤与待评估作物的适配程度；基于适配程度，通过预设的适配度阈值，确定适配作物；对适配作物进行作物生长评估，以得到耕地土壤对应的土壤影响预估数据；其中，土壤影响预估数据用于确定可影响的耕地土壤数据以及对应的单位年限影响值；基于土壤影响预估数据，判断预设年限内适配作物是否仍适配耕地土壤，并根据判断结果，确定作物种植评价等级；根据作物种植评价等级，判断耕地土壤通过植物修复方法是否达到适配度阈值，得到判断结果。
本发明的一些实施例提供的对应于图1的一种耕地土壤质量分析评价方法的非易失性计算机存储介质，存储有计算机可执行指令，计算机可执行指令设置为：
根据待评估作物的作物生长需求数据和耕地土壤数据，确定耕地土壤与待评估作物的适配程度；基于适配程度，通过预设的适配度阈值，确定适配作物；对适配作物进行作物生长评估，以得到耕地土壤对应的土壤影响预估数据；其中，土壤影响预估数据用于确定可影响的耕地土壤数据以及对应的单位年限影响值；基于土壤影响预估数据，判断预设年限内适配作物是否仍适配耕地土壤，并根据判断结果，确定作物种植评价等级；根据作物种植评价等级，判断耕地土壤通过植物修复方法是否达到适配度阈值，得到判断结果。
本发明中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于物联网设备和介质实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
本发明实施例提供的系统和介质与方法是一一对应的，因此，系统和介质也具有与其对应的方法类似的有益技术效果，由于上面已经对方法的有益技术效果进行了详细说明，因此，这里不再赘述系统和介质的有益技术效果。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备（系统）、和计算机程序产品的流程图和／或方框图来描述的。应理解可由计算机程序指令实现流程图和／或方框图中的每一流程和／或方框、以及流程图和／或方框图中的流程和／或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中，计算设备包括一个或多个处理器 (CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器 (RAM) 和/或非易失性内存等形式，如只读存储器 (ROM) 或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存 (PRAM)、静态随机存取存储器 (SRAM)、动态随机存取存储器 (DRAM)、其他类型的随机存取存储器 (RAM)、只读存储器 (ROM)、电可擦除可编程只读存储器 (EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘 (DVD) 或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体 (transitory media)，如调制的数据信号和载波。
还需要说明的是，术语“包括”、“包含”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、商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、商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，并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
以上仅为本发明的实施例而已，并不用于限制本发明。对于本领域技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原理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权利要求范围之内。
Claims (10)
1.一种耕地土壤质量分析评价方法，其特征在于，所述方法包括：
根据待评估作物的作物生长需求数据和耕地土壤数据，确定耕地土壤与待评估作物的适配程度；
基于所述适配程度，通过预设的适配度阈值，确定适配作物；
对所述适配作物进行作物生长评估，以得到所述耕地土壤对应的土壤影响预估数据；其中，所述土壤影响预估数据用于确定可影响的耕地土壤数据以及对应的单位年限影响值；
基于所述土壤影响预估数据，判断预设年限内所述适配作物是否仍适配所述耕地土壤，并根据判断结果，确定作物种植评价等级；
根据所述作物种植评价等级，判断所述耕地土壤通过植物修复方法是否达到所述适配度阈值，得到判断结果。
2.根据权利要求1所述的一种耕地土壤质量分析评价方法，其特征在于，根据待评估作物的作物生长需求数据和耕地土壤数据，确定耕地土壤与待评估作物的适配程度，具体包括：
基于所述作物生长需求数据，通过作物生长指标权重分配规则，确定所述待评估作物的生长指标权重；
根据所述耕地土壤数据，通过匹配所述生长指标权重，得到匹配序列；
基于所述匹配序列，获取预设排序序号阈值内的指标，得到权重分配数据；
根据所述权重分配数据，通过结合所述生长指标权重，确定所述耕地土壤与所述待评估作物的适配程度。
3.根据权利要求1所述的一种耕地土壤质量分析评价方法，其特征在于，基于所述适配程度，通过预设的适配度阈值，确定适配作物，具体包括：
判断所述适配程度是否符合所述适配度阈值，得到判断结果；
在所述适配程度高于所述适配度阈值的情况下，判断结果为一级适配度，得到一级适配序列；
在所述适配程度低于所述适配度阈值的情况下，判断结果为二级适配度，并基于所述二级适配度进行适配度排序，得到二级适配序列；
根据所述一级适配序列，确定所述适配作物类型，并根据所述二级适配序列，确定候补作物类型。
4.根据权利要求1所述的一种耕地土壤质量分析评价方法，其特征在于，对所述适配作物进行作物生长评估，以得到所述耕地土壤对应的土壤影响预估数据，具体包括：
根据所述适配作物，通过所述作物生长评估，得到土壤年影响预估数据；
基于所述土壤年影响预估数据，通过预设的趋势拟合方法，得到土壤年影响变化趋势数据；
根据所述土壤年影响变化趋势数据，确定所需年份的土壤年影响预估数据；并整合所述土壤年影响预估数据，得到土壤影响预估数据。
5.根据权利要求1所述的一种耕地土壤质量分析评价方法，其特征在于，基于所述土壤影响预估数据，判断预设年限内所述适配作物是否仍适配所述耕地土壤，并根据判断结果，确定作物种植评价等级，具体包括：
基于所述土壤影响预估数据，判断预设年限内的耕地土壤数据是否仍适配所述作物，得到判断结果；
在所述土壤影响预估数据与所述作物的适配度低于所述适配度阈值的情况下，判断结果为预设年限内的所述适配作物不适配耕地土壤数据；
在所述土壤影响预估数据与所述作物的适配度高于所述适配度阈值的情况下，判断结果为预设年限内的所述适配作物仍适配耕地土壤数据；
根据所述判断结果，确定作物种植评价等级；其中，所述物种植评价等级包括：推荐、可种植、不推荐种植、不可种植。
6.根据权利要求1所述的一种耕地土壤质量分析评价方法，其特征在于，根据所述作物种植评价等级，判断所述耕地土壤通过植物修复方法是否达到所述适配度阈值，得到判断结果，具体包括：
根据所述作物种植评价等级，通过匹配对应的植物修复方法，得到土壤修复数据；
基于所述土壤修复数据，确定所述土壤修复数据与所述适配作物的修复适配度；
在所述修复适配度高于所述适配度阈值的情况下，所述判断结果为所述耕地土壤能够通过植物修复方法实现土质恢复；
在所述修复适配度低于所述适配度阈值的情况下，所述判断结果为所述耕地土壤无法通过植物修复方法实现土质恢复，并根据所述判断结果，通过对恢复指标进行权重分析，确定耕地土壤恢复方案；其中，所述恢复指标为所述耕地土壤需要恢复的指标数据类型。
7.根据权利要求6所述的一种耕地土壤质量分析评价方法，其特征在于，根据所述判断结果，通过恢复指标分析，确定耕地土壤恢复方案，具体包括：
基于所述恢复指标，确定所述耕地土壤的恢复指标权重；
根据所述恢复指标权重，通过对比恢复优先级，得到恢复指标序列；
基于所述恢复指标序列，确定耕地土壤恢复方案。
8.根据权利要求1所述的一种耕地土壤质量分析评价方法，其特征在于，在根据所述作物种植评价等级，判断所述耕地土壤通过植物修复方法是否达到所述适配度阈值，得到判断结果之后，所述方法还包括：
根据所述判断结果，通过预设的恢复能力预估模型，确定所述耕地土壤的自我恢复能力；
根据所述自我恢复能力，确定所述耕地土壤维护告警时间阈值。
9.一种耕地土壤质量分析评价设备，其特征在于，所述设备包括：
至少一个处理器；
以及，与所述至少一个处理器通信连接的存储器；
其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够：
根据待评估作物的作物生长需求数据和耕地土壤数据，确定耕地土壤与待评估作物的适配程度；
基于所述适配程度，通过预设的适配度阈值，确定适配作物；
对所述适配作物进行作物生长评估，以得到所述耕地土壤对应的土壤影响预估数据；其中，所述土壤影响预估数据用于确定可影响的耕地土壤数据以及对应的单位年限影响值；
基于所述土壤影响预估数据，判断预设年限内所述适配作物是否仍适配所述耕地土壤，并根据判断结果，确定作物种植评价等级；
根据所述作物种植评价等级，判断所述耕地土壤通过植物修复方法是否达到所述适配度阈值，得到判断结果。
10.一种耕地土壤质量分析评价方法的非易失性计算机存储介质，存储有计算机可执行指令，其特征在于，所述计算机可执行指令设置为：
根据待评估作物的作物生长需求数据和耕地土壤数据，确定耕地土壤与待评估作物的适配程度；
基于所述适配程度，通过预设的适配度阈值，确定适配作物；
对所述适配作物进行作物生长评估，以得到所述耕地土壤对应的土壤影响预估数据；其中，所述土壤影响预估数据用于确定可影响的耕地土壤数据以及对应的单位年限影响值；
基于所述土壤影响预估数据，判断预设年限内所述适配作物是否仍适配所述耕地土壤，并根据判断结果，确定作物种植评价等级；
根据所述作物种植评价等级，判断所述耕地土壤通过植物修复方法是否达到所述适配度阈值，得到判断结果。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410199570.1A CN117787567A (zh) | 2024-02-23 | 2024-02-23 | 一种耕地土壤质量分析评价方法、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410199570.1A CN117787567A (zh) | 2024-02-23 | 2024-02-23 | 一种耕地土壤质量分析评价方法、设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117787567A true CN117787567A (zh) | 2024-03-29 |
Family
ID=90392815
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410199570.1A Pending CN117787567A (zh) | 2024-02-23 | 2024-02-23 | 一种耕地土壤质量分析评价方法、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117787567A (zh) |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104718933A (zh) * | 2015-02-12 | 2015-06-24 | 潘小胜 | 一种周年连作宽垄沟的玉米产量的预测方法和灌水质量的评价方法 |
| CN105701615A (zh) * | 2016-01-13 | 2016-06-22 | 湖南盛鼎科技发展有限责任公司 | 一种基于环境信息的农作物适宜性评价方法 |
| CN107680000A (zh) * | 2017-09-21 | 2018-02-09 | 中国农业科学院农业资源与农业区划研究所 | 区域作物种植选择方法 |
| CN107784453A (zh) * | 2017-11-14 | 2018-03-09 | 中国环境科学研究院 | 一种污染土壤钝化修复成效评估的多层次指标赋权方法 |
| CN116384743A (zh) * | 2023-03-29 | 2023-07-04 | 海南省林业科学研究院(海南省红树林研究院) | 一种基于生态数据分析的植物生长风险评估系统 |
| CN116703241A (zh) * | 2023-07-11 | 2023-09-05 | 甘肃省地质调查院 | 一种基于地块评价单元的耕地土壤环境质量类别划定方法 |
| CN116894514A (zh) * | 2023-07-13 | 2023-10-17 | 中国农业科学院农业环境与可持续发展研究所 | 一种基于土壤质量指标的作物产量预测方法及系统 |
| CN117036087A (zh) * | 2023-08-10 | 2023-11-10 | 菏泽市牡丹区自然资源局 | 一种基于耕地保护的耕地质量监测系统 |
| CN117314024A (zh) * | 2023-11-29 | 2023-12-29 | 杨凌职业技术学院 | 一种智慧农业病虫害云平台 |
-
2024
- 2024-02-23 CN CN202410199570.1A patent/CN117787567A/zh active Pending
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104718933A (zh) * | 2015-02-12 | 2015-06-24 | 潘小胜 | 一种周年连作宽垄沟的玉米产量的预测方法和灌水质量的评价方法 |
| CN105701615A (zh) * | 2016-01-13 | 2016-06-22 | 湖南盛鼎科技发展有限责任公司 | 一种基于环境信息的农作物适宜性评价方法 |
| CN107680000A (zh) * | 2017-09-21 | 2018-02-09 | 中国农业科学院农业资源与农业区划研究所 | 区域作物种植选择方法 |
| CN107784453A (zh) * | 2017-11-14 | 2018-03-09 | 中国环境科学研究院 | 一种污染土壤钝化修复成效评估的多层次指标赋权方法 |
| CN116384743A (zh) * | 2023-03-29 | 2023-07-04 | 海南省林业科学研究院(海南省红树林研究院) | 一种基于生态数据分析的植物生长风险评估系统 |
| CN116703241A (zh) * | 2023-07-11 | 2023-09-05 | 甘肃省地质调查院 | 一种基于地块评价单元的耕地土壤环境质量类别划定方法 |
| CN116894514A (zh) * | 2023-07-13 | 2023-10-17 | 中国农业科学院农业环境与可持续发展研究所 | 一种基于土壤质量指标的作物产量预测方法及系统 |
| CN117036087A (zh) * | 2023-08-10 | 2023-11-10 | 菏泽市牡丹区自然资源局 | 一种基于耕地保护的耕地质量监测系统 |
| CN117314024A (zh) * | 2023-11-29 | 2023-12-29 | 杨凌职业技术学院 | 一种智慧农业病虫害云平台 |
Non-Patent Citations (3)
| Title |
|---|
| 吴淑霞 等著: "《水利水电工程与水资源保护》", 31 January 2022, 吉林科学技术出版社, pages: 30 * |
| 杨波 等主编: "《毕节耕地》", 30 November 2016, 贵州科技出版社, pages: 91 - 92 * |
| 江苏省土壤学会 编: "《江苏土壤肥料科学与农业环境》", 31 July 2006, 河海大学出版社, pages: 6 - 7 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Wijewardana et al. | Quantifying soil moisture deficit effects on soybean yield and yield component distribution patterns | |
| Zhou et al. | Multisplit nitrogen application via drip irrigation improves maize grain yield and nitrogen use efficiency | |
| Amdemariam et al. | Effect of soil and water conservation measures on selected soil physical and chemical properties and barley (Hordeum spp.) yield | |
| Banyal et al. | Agroforestry for rehabilitation and sustenance of saline ecologies | |
| Yadav et al. | Geographical perspectives of mango production in India | |
| Everaarts | General and quantitative aspects of nitrogen fertilizer use in the cultivation of Brassica vegetables | |
| CN117787567A (zh) | 一种耕地土壤质量分析评价方法、设备及存储介质 | |
| Lovatt et al. | Yield characteristics of ‘Hass’ avocado trees under California growing conditions | |
| Ismail et al. | Agricultural System Transformation for Food and Income Security in Coastal Zones | |
| Wabela et al. | Effects of Irrigation Scheduling on Yield of Potato and Water Productivity Southern, Ethiopia | |
| Tran | Modelling yield response to deficit irrigation by Aquacrop in the mekong Delta, Vietnam | |
| Goh et al. | Managing soils for plantation tree crops I: General soil management | |
| Al-Harbi et al. | Effects of salinity and irrigation management on growth and yield of tomato grown under greenhouse conditions | |
| Saifuzzaman et al. | Stem Characteristics and Local Environmental Variables for Assessment of Alfalfa Winter Survival | |
| Teklu | Effect of furrow irrigation methods and deficit levels on soil properties and yield of tomato (Solanum lycopersicum L.) at Dugda District, Central Rift Valley, Ethiopia | |
| Al-Jawadi et al. | Effect of Both Soil Improvements and Irrigation Levels on Potato Productions | |
| Hidayat et al. | Land suitability evaluation of arabica coffee (Coffea Arabica L) plantation in Subdistrict Aie Dingin, Lembah Gumanti, Indonesia | |
| Ahmed et al. | Demonstration and Promotion of Perennial Forage Species under Salt Affected Soil in Aysaita and Afambo Districts of Afar Regional State | |
| Dzikraini et al. | Exposure pattern of tobacco cultivation places due to climate change in Probolinggo district, East Java | |
| Urich et al. | Plantation forestry in tropical limestone uplands: environmental constraints and opportunities | |
| Zahraei et al. | Deficit irrigation: farmlands | |
| Cojocaru et al. | The multifunctional role of protective forest strips around and inside agricultural fields | |
| Hauser et al. | The Sustainability of the World's Soils | |
| Mustafa | Impacts of global climate change on rice production in Bangladesh and related policy implications for food security | |
| Anwar | Response pattern of local, inbred and hybrid monsoon rice varieties to elevated nitrogen levels |
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 |