CN107766295A - 一种对土壤养分测试数据进行特异值处理的方法及*** - Google Patents

一种对土壤养分测试数据进行特异值处理的方法及*** Download PDF

Info

Publication number
CN107766295A
CN107766295A CN201710792639.1A CN201710792639A CN107766295A CN 107766295 A CN107766295 A CN 107766295A CN 201710792639 A CN201710792639 A CN 201710792639A CN 107766295 A CN107766295 A CN 107766295A
Authority
CN
China
Prior art keywords
data
value
processing
points
point
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
Application number
CN201710792639.1A
Other languages
English (en)
Inventor
李中元
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.)
Hubei University
Original Assignee
Hubei University
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 Hubei University filed Critical Hubei University
Priority to CN201710792639.1A priority Critical patent/CN107766295A/zh
Publication of CN107766295A publication Critical patent/CN107766295A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • 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
    • G01N33/245—Earth materials for agricultural purposes

Landscapes

  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Pathology (AREA)
  • Environmental & Geological Engineering (AREA)
  • Medicinal Chemistry (AREA)
  • Remote Sensing (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Geology (AREA)
  • Immunology (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Computational Mathematics (AREA)
  • Food Science & Technology (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Operations Research (AREA)
  • Probability & Statistics with Applications (AREA)
  • Evolutionary Biology (AREA)
  • Algebra (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Processing Of Solid Wastes (AREA)

Abstract

本发明属于特异值处理技术领域，公开了一种对土壤养分测试数据进行特异值处理的方法及***，所述对土壤养分测试数据进行特异值处理的方法为：利用邻近点数据比较法对土壤养分测试数据进行特异值处理；并对比分析了3σ准则、估计邻域法、影响系数法、邻近点数据比较法4种识别与处理特异值方法的优劣。结果表明，本发明的邻近点数据比较法对土壤养分测试数据进行特异值处理获得了较好的效果，对提高地质统计学研究结果的精度，有积极的作用。

Description

一种对土壤养分测试数据进行特异值处理的方法及***
技术领域
本发明属于特异值处理技术领域，尤其涉及一种对土壤养分测试数据进行特异值处理的方法及***。
背景技术
目前，基于区域化变量理论的地质统计学是研究既具有随机性又具结构性的自然现象的最好方法，特异值的存在却严重地影响了变异函数的计算，而变异函数计算的偏差无疑大大影响了地质统计学研究结果的最优无偏性及变异函数理论模型的精度，使得实验半方差函数发生畸变，甚至会掩盖变量固有的空间结构特征。在土壤养分时空变异的研究中发现，原始的实验数据往往呈“长尾巴”或偏态分布，主要原因是采样过程存在混合总体或特别是受特异值的影响。对于容量超过200的大样本，少数特异值仍可能歪曲统计样本的结果。为了降低这些因素的影响，对传统实验数据应进行特异值的分析和处理。途径之一为修改数据以适应方法，主要有3σ准则、估计邻域法和影响系数法。这些方法常用于地质统计学中，尚未在土壤养分空间变异中***应用与考查。
综上所述，现有技术存在的问题是：基于区域化变量理论的地质统计学中特异值的存在却严重地影响了变异函数的计算，使得实验半方差函数发生畸变，甚至会掩盖变量固有的空间结构特征；
而现在特异值处理的方法单一，不能很好地提高地质统计学研究结果的精度；不能为农田土壤养分数据空间变异研究的最优处理方法提供指导意义。
发明内容
针对现有技术存在的问题，本发明提供一种对土壤养分测试数据进行特异值处理的方法及***。
本发明是这样实现的，一种对土壤养分测试数据进行特异值处理的方法，所述对土壤养分测试数据进行特异值处理的方法为：利用邻近点数据比较法对土壤养分测试数据进行特异值处理。
具体方法：将常规统计特征与空间位置关系相结合，在判断样点数据是否可疑时，除了将该数据与ā加减三倍标准差进行比较外，还应该将该数据与周围邻近的8点的数据进行比较。如果该数据与总体数据比较值偏高，且与周围数据点比较也偏高，即该数据点数值偏高，而周围数据点数值较低，则该点为可疑点；如果该点与总体数据比较值偏低，且与周围数据点比较也偏低，即该数据点数值偏低，而周围数据点数值较高，则该点为可疑点；反过来，如果该数据与总体数据比较值偏高，而周围点也较高。该数据与总体数据比较偏低，而周围点也偏低，则该点不应去除。
定义一个3×3矩阵，
G为待估计值，在矩阵的中心，{x1,x2,…,xN}是周边8点的样本，为所有样本的平均值，S为样本的标准差，
xnb为G点邻近点的值，snb＝为G点邻近8 点的标准差。
判断条件：如果并且G点不是异常值,否则则为异常点，并用或者的值来替代异常值。
例如：对于某个样点的土壤养分数据，如果比总体均值大3倍标准差或以上，同时比邻近8点的均值大3倍标准差或以上；或者比总体均值小3倍标准差或以上，同时比邻近3点的均值小3倍标准差或以上：则认为该点数据可疑，予以删除或者用邻近8点的平均值+3倍标准差替代。否则，则予以保留。
进一步，将常规统计特征与空间位置关系相结合，在判断样点数据是否可疑时；将该数据与总体数据进行比较外，还将该数据与周围邻近的8点的数据进行比较；
具体包括：对于某个样点的土壤养分数据，如果比总体均值大3倍标准差或以上，同时比邻近8点的均值大3倍标准差或以上；或者比总体均值小3倍标准差或以上，同时比邻近8点的均值小3倍标准差或以上：该点数据可疑，予以删除；否则，则予以保留。
本发明的另一目的在与提供一种对土壤养分测试数据进行特异值处理***。
本发明的优点及积极效果为：本发明利用邻近点比较法进行特异值剔除，既可使各项数据更为稳健，又可以使得各指标数据有较好的空间变异函数拟合效果，所得结果较为理想，更有利于后序空间变异特征的分析工作。
本发明方法即邻近点比较法与标准差法相比，从偏度、峰度和残差分别降低了23.6％、48.79％以及34.97％的误差，相关系数提高了8.1％。
附图说明
图1是本发明实施例提供的利用邻近点数据比较法对土壤养分测试数据进行特异值处理流程图。
具体实施方式
为能进一步了解本发明的发明内容、特点及功效，兹例举以下实施例，并配合附图详细说明如下。
下面结合附图对本发明的结构作详细的描述。
本发明实施例提供对土壤养分测试数据进行特异值处理的方法，利用邻近点数据比较法对土壤养分测试数据进行特异值处理。
具体包括：
S101：将常规统计特征与空间位置关系相结合，在判断样点数据是否可疑时，除了将该数据与ā加减三倍标准差进行比较外，还应该将该数据与周围邻近的8点的数据进行比较。
S102：如果该数据与总体数据比较值偏高，且与周围数据点比较也偏高，即该数据点数值偏高，而周围数据点数值较低，则该点为可疑点；如果该点与总体数据比较值偏低，且与周围数据点比较也偏低，即该数据点数值偏低，而周围数据点数值较高，则该点为可疑点；反过来，如果该数据与总体数据比较值偏高，而周围点也较高。该数据与总体数据比较偏低，而周围点也偏低，则该点不应去除。
利用邻近点数据比较法对土壤养分测试数据进行特异值处理中，定义一个 3×3矩阵，
，G为待估计值，在矩阵的中心，{x1,x2,…,xN}是周边8点的样本，为所有样本的平均值，S为样本的标准差，
判断条件：如果并且G点不是异常值,否则则为异常点，并用或者的值来替代异常值。
其中，S为样本的标准差中，
xnb为G点邻近点的值，snb＝为G点邻近8 点的标准差。
下面结合具体实施例对本发明作进一步描述。
1材料与方法
1.1分析区基本情况
分析区在贵州省平坝县马场镇栗木村。海拔1240m，平均温14.1℃，无霜期 268～288d，年平均降雨量1298mm；耕地面积占土地总面积的15％左右，水田与旱地各占耕地面积的50％左右；土壤类型为黄壤性水稻土和黄壤旱地，典型的山原地貌，碳酸盐岩广布。该地气候特征、地貌特征代表着黔中一带的广大地区。
1.2土壤样品采集与分析
土壤样品采用GPS定位按50m×50m的网格进行定点取样，于冬季作物种植前采取土壤样品353个，取样深度为0～20cm。土壤样品由中国农业科学院土壤肥料研究所北京中一一加合作实验室采用国际农化服务中心推荐的ASI法分析，包括土壤pH、OM、NH4 +-N、有效磷、有效钾、Ca、Mg、B、S、Cu、Fe、Mn、Zn在内的13项土壤测试数据如表1。
表1土壤养分数据基本统计特征值
1.3数据处理
采用传统统计学和地统计学相结合的方法进行数据处理，通过3σ准则、估计邻域法、影响系数法、邻近点数据比较法4种识别与处理特异值方法剔除、检验处理后，以GS+forWindows 3.1进行偏度、峰度值、半方差函数及其模型计算拟合，以Sufer 8.0做Kriging插值。
2特异值的识别与处理方法
2.1 3σ准则
3σ准则识别特异值，即样本平均值ā加减三倍标准差s，在区间(ā±3σ) 以外的数据均定为特异值，然后分别用正常最大和正常最小值代替特异值。
2.2估计邻域法(ENM)
该法是D、G克立格及D、M霍金斯把地质统计的基本思想用于识别及处理特异值的方法。识别特异值的统计量I计算式为：I服从自由度为1和∞的F分布，当I>3.84时，可疑值G被确定为特异值，即表示在95％的置信区间的基础上确定G为特异值；m为不包含G的邻域内其它样品观测值的算术平均值；n为不包含G的邻域内的样品数；σ2为邻域内观测值的平均方差。在识别出特异值后，用特异值的下限值代替特异值。
2.3影响系数法(ICM)
该方法是在分析矿化变异程度的基础上，通过抑制特异值的影响程度找到的一种简明、易于量化的识别和处理特异值方案。其原理为：设有一组观测样品数为n，令M为包含特异值在内的n个观测值的均值，m为去掉特异值(n-1)个观测值的均值，当-K+1≤(M/m)≤K+1时认为该组观测值不是特异值，当M/m>K+1 或M/m<-K+1时该值被识别为特异值。用特异值的阈值来代替其值，K值根据所研究的区域化变量在空间的变异性人为赋予，例如当K＝0.1 时，说明全部样品值的特异值不得超过10％，即表明包含该特异值时，全部样品平均品味最多允许提高10％，若影响超过10％则该值被确认为特异值。
2.4邻近点数据比较法(即本发明方法)
将常规统计特征与空间位置关系相结合，在判断样点数据是否可疑时，除了将该数据与总体数据进行比较外，还应该将该数据与周围邻近的8点的数据进行比较。如果该数据与总体数据比较值偏高，且与周围数据点比较也偏高，则该点为可疑点；如果该点与总体数据比较值偏低，且与周围数据点比较也偏低，则该点为可疑点。反过来，如果该数据与总体数据比较值偏高，而周围点也较高，则该点不应去除；该数据与总体数据比较偏低，而周围点也偏低，则该点不应去除。在具体计算时，对于某个样点的土壤养分数据，如果比总体均值大3 倍标准差或以上，同时比邻近8点的均值大3倍标准差或以上；或者比总体均值小3倍标准差或以上，同时比邻近8点的均值小3倍标准差或以上：则认为该点数据可疑，予以删除。否则，则予以保留。
3结果与分析
3.1NH4 +-N
经3σ准则检验，得出NH4 +-N有10个样本数据为特异值；经估计邻域法检验，确定NH4 +-N数据中的样品值2个样本数据为特异值；经影响系数法检验，NH4 +-N样本数据中并无特异值；经邻近点比较法检验结果与估计邻域法检验结果相同，但对特异值的处理方法不同，而是将检验出的特异值用均值替代。
从经几种特异值剔除方法处理后NH4 +-N数据的偏度和峰度值以及空间变异函数的计算拟合结果(表2)可看出，经3σ准则处理后N元素样本数据的偏度、峰度值明显低于其它3种方法处理结果以及原始数据，并更接近于0；其次是邻近点数据比较法；估计邻域法处理后的数据虽然也在某种程度上比原始数据更趋向于正态分布，但效果不是很明显；经影响系数法检验，NH4 +-N样本数据中并无特异值，所以其偏度峰度值与原数据相同。如果单纯从处理后数据的偏度、峰度值和正态分布特性来看，3σ准则是最为严格，处理后的数据也最为稳健，是一种较为理想的特异值剔除方法。但从变异函数拟合效果来看，4种特异值处理方法中，邻近点比较法处理后的数据变异函数拟合的决定系数R2为0.849，与其余方法相比最趋近于1；残差RSS为1.828×10-5，在4种方法中最小且更趋近于 0，变异曲线的变化相对较平稳，空间变异函数的拟合效果优于其余3种方法；3 σ准则次之；估计邻域法略优于影响系数法。
表2几种特异值剔除方法处理后的土壤NH4 +-N偏度峰度值及空间变异函数对比
注：偏度系数和峰度系数越接近0，代表该组数据越符合正态分布；决定系数R2越趋近于1，残差RSS 越趋近于0，说明变异函数拟合效果越好。
3.2有效磷
经3σ准则检验，得出有6个样本数据为特异值；经估计邻域法检验，样本数据中并无特异值；经影响系数法检验，当K＝0.1时，也就是说全部样品值的特异值不得超过10％时，样本数据中并无特异值，与原数据相同。当K＝0.01时，也就是说全部样品值的特异值不得超过1％时，要求相对较为严格，检验出样本数据中有4个特异值；经邻近点比较法检验，样本数据中有3个样点为特异值。
从经几种特异值剔除方法处理后有效磷数据的偏度和峰度值以及空间变异函数的计算拟合结果(表3)可看出，经3σ准则处理后有效磷样本数据的偏度峰度值明显低于其他3种方法处理结果以及原始数据，并更接近于0；其次是邻近点数据比较法；经影响系数法处理后的数据虽然也在某种程度上比原始数据更趋向于正态分布，但效果不是很明显；因经估计邻域法检验，有效磷样本数据中并无特异值，所以其偏度峰度值与原数据相同。
如果单纯从偏度峰度值和正态分布特性来看，3σ准则是最为严格，处理后的数据也最为稳健，是一种较为理想的特异值剔除方法。但从变异函数拟合效果来看，4种特异值处理方法中，邻近点比较法处理后的数据变异函数拟合的决定系数R2为0.969，与其余方法相比最趋近于1；残差RSS为1.792×10-3，在4种方法中最小且更趋近于0，变异曲线的变化相对较平稳，空间变异函数的拟合效果优于其余3种方法；3σ准则次之；影响系数法略优于估计邻域法。
表3几种特异值剔除方法处理后的土壤有效磷偏度峰度值及空间变异函数对比
3.4有效钾、OM、Mg、S、Cu、Mn、Zn、土壤pH、Ca、B、Fe
经4种方法检验均未发现特异值，因此仍保留原始数据不变。
4结论与讨论
4.1在黔中农田土壤养分数据中，邻近点比较法与3σ准则对NH4 +-N、有效磷数据特异值的处理都可以达到相对较好的效果，由于本发明数据经特异值处理后主要用于空间变异函数的拟合，因此对于NH4 +-N、有效磷样本数据的特异值处理方法应选用邻近点比较法更为妥当。3σ准则对土壤OM、有效钾、Mg、S、 Cu、Mn、Zn元素样本数据特异值处理最优，选用3σ准则进行特异值处理较为合适。
就几种特异值处理方法自身的特点来说，3σ准则最为严格，使得处理后数据更接近于正态分布，而且对分析数据中各种土壤养分均能不同程度地检验和识别出其特异值，应用范围较广，普遍性较强；估计邻域法受到K值的影响结果而不同，随着K值的减小，特异值的范围和数量将会增加，但土壤养分数据特异值的敏感程度不高，适用性不是很强；邻近点比较法对土壤大量元素如NH4 +-N、有效磷的样本数据处理效果要优于其余3种方法，并且变异曲线的变化相对较平稳，能够很好地符合相应的理论模型，在空间变异函数拟合方面，适用性较强；影响系数法只对个别样本数据有微弱影响，其处理效果也不如其余几种处理方法，适用性不是很强。因此，利用邻近点比较法进行特异值剔除，既可使各项数据更为稳健，又可以使得各指标数据有较好的空间变异函数拟合效果，所得结果较为理想，更有利于后序空间变异特征的分析工作。
以上所述仅是对本发明的较佳实施例而已，并非对本发明作任何形式上的限制，凡是依据本发明的技术实质对以上实施例所做的任何简单修改，等同变化与修饰，均属于本发明技术方案的范围内。

Claims (4)

1.一种对土壤养分测试数据进行特异值处理的方法，其特征在于，所述对土壤养分测试数据进行特异值处理的方法为：利用邻近点数据比较法对土壤养分测试数据进行特异值处理。
2.如权利要求1所述的对土壤养分测试数据进行特异值处理的方法，其特征在于，所述利用邻近点数据比较法，具体包括：
将常规统计特征与空间位置关系相结合，在判断样点数据是否可疑时，除将样点数据与加减三倍标准差进行比较外，还将该样点数据与周围邻近的8点的数据进行比较；
定义一个3×3矩阵，G为待估计值，在矩阵的中心，{x1,x2,…,xN}是周边8点的样本，为所有样本的平均值，S为样本的标准差，
<mrow> <mi>s</mi> <mo>=</mo> <msqrt> <mrow> <mfrac> <mn>1</mn> <mrow> <mi>N</mi> <mo>-</mo> <mn>1</mn> </mrow> </mfrac> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>N</mi> </munderover> <msup> <mrow> <mo>(</mo> <msub> <mi>x</mi> <mi>i</mi> </msub> <mo>-</mo> <mover> <mi>x</mi> <mo>&amp;OverBar;</mo> </mover> <mo>)</mo> </mrow> <mn>2</mn> </msup> </mrow> </msqrt> <mo>;</mo> </mrow>
xnb为G点邻近点的值，邻近8点的平均值，snb＝为G点邻近8点的标准差。
3.如权利要求2所述的对土壤养分测试数据进行特异值处理的方法，其特征在于，
判断样点数据是否可疑时的判断条件为：如果并且 G点不是异常值,否则则为异常点，并用或者的值来替代异常值。
4.一种如权利要求1所述对土壤养分测试数据进行特异值处理的方法的对土壤养分测试数据进行特异值处理***。
CN201710792639.1A 2017-09-05 2017-09-05 一种对土壤养分测试数据进行特异值处理的方法及*** Pending CN107766295A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710792639.1A CN107766295A (zh) 2017-09-05 2017-09-05 一种对土壤养分测试数据进行特异值处理的方法及***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710792639.1A CN107766295A (zh) 2017-09-05 2017-09-05 一种对土壤养分测试数据进行特异值处理的方法及***

Publications (1)

Publication Number Publication Date
CN107766295A true CN107766295A (zh) 2018-03-06

Family

ID=61265859

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710792639.1A Pending CN107766295A (zh) 2017-09-05 2017-09-05 一种对土壤养分测试数据进行特异值处理的方法及***

Country Status (1)

Country Link
CN (1) CN107766295A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109325059A (zh) * 2018-12-03 2019-02-12 枘熠集成电路（上海）有限公司 一种数据比较方法及装置
CN109596788A (zh) * 2019-01-30 2019-04-09 湖南农业大学 一种双季超级稻水肥耦合测定方法
CN113152421A (zh) * 2021-04-25 2021-07-23 河南省建院勘测设计有限公司 静压钢管桩地基基础加固结构及地基土土质检测的方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5939324A (en) * 1997-12-02 1999-08-17 The United States Of America As Represented By The United States Department Of Energy Performance evaluation soil samples utilizing encapsulation technology
CN101625741A (zh) * 2009-07-07 2010-01-13 武汉大学 土地评价样点空间配置方法
CN102636632A (zh) * 2012-04-25 2012-08-15 上海交通大学 围垦地土壤重金属污染综合评价图生成方法
CN105911037A (zh) * 2016-04-19 2016-08-31 湖南科技大学 锰矿区土水界面污染流中锰及伴生重金属分布预测方法
CN106980603A (zh) * 2017-02-23 2017-07-25 中国科学院南京土壤研究所 基于土壤类型归并与多元回归的土壤锰含量预测方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5939324A (en) * 1997-12-02 1999-08-17 The United States Of America As Represented By The United States Department Of Energy Performance evaluation soil samples utilizing encapsulation technology
CN101625741A (zh) * 2009-07-07 2010-01-13 武汉大学 土地评价样点空间配置方法
CN102636632A (zh) * 2012-04-25 2012-08-15 上海交通大学 围垦地土壤重金属污染综合评价图生成方法
CN105911037A (zh) * 2016-04-19 2016-08-31 湖南科技大学 锰矿区土水界面污染流中锰及伴生重金属分布预测方法
CN106980603A (zh) * 2017-02-23 2017-07-25 中国科学院南京土壤研究所 基于土壤类型归并与多元回归的土壤锰含量预测方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
李中元: "土壤养分数据几种特异值处理方法的比较", 《贵州农业科学》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109325059A (zh) * 2018-12-03 2019-02-12 枘熠集成电路（上海）有限公司 一种数据比较方法及装置
CN109596788A (zh) * 2019-01-30 2019-04-09 湖南农业大学 一种双季超级稻水肥耦合测定方法
CN113152421A (zh) * 2021-04-25 2021-07-23 河南省建院勘测设计有限公司 静压钢管桩地基基础加固结构及地基土土质检测的方法

Similar Documents

Publication Publication Date Title
Vasu et al. Assessment of spatial variability of soil properties using geospatial techniques for farm level nutrient management
Jiang et al. Vegetation dynamics and responses to climate change and human activities in Central Asia
Juhos et al. Influence of soil properties on crop yield: a multivariate statistical approach
Kaspar et al. Relationship of corn and soybean yield to soil and terrain properties
Zhang et al. Influence of topography and land management on soil nutrients variability in Northeast China
CN108985260A (zh) 一种遥感及气象一体化水稻估产方法
CN107766295A (zh) 一种对土壤养分测试数据进行特异值处理的方法及***
Shoba et al. Modeling the contributing factors of desertification and evaluating their relationships to the soil degradation process through geomatic techniques
Zhao et al. Using satellite remote sensing to understand maize yield gaps in the North China Plain
Oliver et al. Quantifying the spatial pattern of the yield gap within a farm in a low rainfall Mediterranean climate
Zhang et al. Spatiotemporal heterogeneity of soil available nitrogen during crop growth stages on Mollisol slopes of Northeast China
CN103389370A (zh) 新疆扁桃叶片矿质元素营养诊断体系的建立与应用
Song et al. Spatio-temporal Variability of Heavy Metal Concentrations in Soil-rice System and Its Socio-environmental Analysis.
Mokrikov et al. Influence of precipitation and moisture reserves on the yield of crops under different tillage
Satalino et al. Wheat crop mapping by using ASAR AP data
Xin et al. Moisture sources for the weather pattern classified extreme precipitation in the first rainy season over South China
Srikanth et al. Mapping of Available Major Nutrients of a Microwatershed in Northern dry Zone of Karnataka
Wei-Xia et al. Effect of farming practices on the variability of phosphorus status in intensively managed soils
Yan et al. Optimised spatial sampling scheme for soil electriclal conductivity based on Variance Quad-Tree (VQT) method
Hegde et al. Spatial variability and mapping of selected soil properties in Kaligaudanahalli Microwatershed, Gundlupet Taluk, Chamarajanagar District, under hot semi arid agrosubregion of Central Karnataka Plateau, India
Chidowe et al. Soil organic carbon concentrations and stocks under maize/legume cropping system in Alfisols of a Savanna Zone, Nigeria
Hladky et al. Chernozem degradation in the Czech Republic over the last 50 years
Li et al. Forest in Karst Mountain Sinkhole of Southeastern China provides refugium for the preservation of bryophyte diversity
Rebollo et al. Delineation of management zones based on the Rasch model in an olive orchard
Pandiaraj et al. Assessing soil fertility status of tasar host plants growing soils in Purulia district of West Bengal state

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: 20180306

RJ01 Rejection of invention patent application after publication