评价一个降低成本活跃的归一化植被指数对作物养分管理传感器

文摘

有方法来增加通过光学传感器应用氮肥料氮利用效率;然而,传感器是昂贵的和成本高昂的农民在发展中国家。本研究评估一部小说,减少成本,原型,光学传感器,以确定是否可以使用相同的精度水平作为商业传感器。原型传感器的稳定性(口袋传感器)来维护一个精确校准随着时间的推移,运营商在传感器读数的影响,在玉米和小麦和传感器的性能评估。评估现有的传感器性能进行了小麦和玉米试验,以及草坪草的树冠在国际玉米和小麦改良中心,墨西哥Ciudad Obregon。传感器的原型是高度相关的商业GreenSeeker NDVI传感器在草坪草,小麦和玉米的树冠(,,、职责)。口袋传感器相比,缺乏一些精密的商业传感器;然而,尽管精度,降低了传感器的成本和鲁棒性N肥料算法弥补这个明显的弱点。口袋传感器是一种新的、可行的工具来评估小麦和玉米氮状态,使氮的建议基于这种传感器收集的数据。

1。介绍

氮通常最极限的养分在作物生产1,2]。尽管氮通常是限制、氮利用效率(自虐)应用化肥仍然很低。这是由于几个因素包括氮流失、淋溶、挥发、植物损失(3]。Smil (4]报道世界熔炼的接近50%,而Raun和约翰逊(3]报道值33%的氮利用效率(自虐)使用的公式 当时(1999年),他们发现,增加1%自虐是价值超过200000000美元。不管计算之间的区别这两种熔炼的比率,它可以推断出,熔炼的低,可以改进和熔炼,即使很小的增加会导致巨大的经济储蓄。

结合低熔炼的利率,世界上70%的氮肥是应用于发展中国家5),有一个大的需求开发方法,可以实现在世界不同的地区将增加熔炼,导致经济储蓄和小环境的影响。Blackmer et al。6)表明,光反射率可以用来检测氮不足种植玉米叶子。石等。7不仅记录了小麦氮差异,但也基于光谱数据应用可变利率氮。他们使用一种变体的归一化植被指数(NDVI)和含氮量的线性关系来确定氮施肥。这导致可变利率之间没有差异产生应用程序和制服应用程序;然而,有储蓄32至57公斤公顷⁻¹。进一步的工作由Raun et al。8]表明,利用NDVI值收集在作物生长季节可以用来预测作物产量潜力。这是很重要的,因为如果能够准确地预测作物产量、氮肥可以定制的应用程序特定的网站,反映氮状态和需要的作物以达到估计产量潜力。

Raun et al。9]发表全面的氮肥优化算法(NFOA),包括估计产量潜力,反应指数(RI),变异系数(CV)作为作物参数一致性。通过使用这些方法,Raun et al。10]表明,冬小麦熔炼是传统肥料实践相比提高了15%。光谱数据允许研究人员文档保持作物产量而储蓄肥料(7),证明早期的季节缺陷可能被纠正11),可变利率管理可以有效地时候是作物生长的限制因素(12]。

光谱辐射的使用和开发受精算法的工作领导能力提高熔炼。李等人。13)记录61%的熔炼的小麦在中国使用基于使用光学传感和肥料的建议受精的算法。这是记录的33%,远高于全球熔炼Raun和约翰逊(3,本研究是在一个发展中国家进行的。使用光学传感器管理应该增加世界各地,因为他们表现出的好处。的一个主要限制阻碍这项技术的采用成本。电流传感器是发展中国家的小农户成本高昂以及大量的农民在美国。如果一个小,负担得起的归一化植被指数传感器可以开发,它将有可能大大提高肥料管理实践对农民在发达国家和发展中国家。

虽然主动传感器测量归一化植被指数是商用,本研究主要集中在评估一个活跃的传感器,将对发展中国家的负担得起的。本研究的目的是确定一个创新的、更小、更具有成本效益的原型NDVI传感器(俄勒冈州立大学NDVI口袋传感器)可以用于复制的结果,更大的商业NDVI传感器(GreenSeeker)。作者的知识,这是第一个研究评估性能的低成本的归一化植被指数(口袋传感器)传感器商业传感器肥料管理。这项工作仅仅关注氮评估使用归一化植被指数;然而,归一化植被指数被用于广泛的作物叶面积指数(LAI)的参数,光合有效辐射(PAR) [14),和作物产量预测小麦、棉花、大米和玉米(15),传感器可以在这些领域中得到应用。

2。材料和方法

几场实验比较俄勒冈州立大学之间的归一化植被指数NDVI读数口袋传感器和手持式GreenSeeker传感器(美国天宝导航、桑尼维尔CA)。GreenSeeker传感器测量归一化植被指数(NDVI)通过使用高光(有源传感器)红色和近红外波长光源,(nm)和(分别海里)。GreenSeeker计算NDVI使用以下公式: 在哪里代表了近红外光谱辐射的一部分返回的感觉(反射)和领域代表发出红色感觉到辐射区域的分数(反射)。1厘米的GreenSeeker面积测量60厘米在正常操作范围的60厘米到100厘米的树冠。这个传感器收集>每秒10数据,这些信息存储在机载IPAQ控制单元。

俄亥俄州立大学的归一化植被指数的口袋传感器也是一个活跃的传感器,只有计算归一化植被指数。为了创建一个降低成本的传感器,俄勒冈州立大学NDVI口袋传感器有一些函数相比GreenSeeker减少。传感器使用LED(发光二极管)的活跃的光源。红灯是集中在657海里,红外线是集中在771 nm半宽度(应用)在20到25 nm,分别。然后口袋传感器校准与GreenSeeker使用二次方程,这口袋传感器显示的值调整相当于GreenSeeker值。传感器只收集1阅读每秒,在尺寸测量圆的面积,在60厘米的高度和作物树冠措施面积200厘米²。口袋传感器没有板载内存存储,一旦测量,屏幕上显示了阅读2秒,然后从内存中删除数据。虽然GreenSeeker毫无影响身高和传感器方位,口袋传感器读数明显影响传感器的高度和角度。保持类似的阅读所有口袋里的高度传感器数据被60厘米以上作物树冠与附加重量通过使用一个字符串,保持统一的树冠的高度。一个小气泡水平仪是连接到传感器,提供足够的指导与地面保持在最低点位置传感器。

2.1。传感器标定的可靠性

第一个实验来评估传感器标定的可靠性。口袋传感器监测读数在Ciudad Obregon六个多月,索诺拉,墨西哥,对传感器的性能进行评估。评估校准,口袋传感器和GreenSeeker读数接管选定的草坪草的树冠。的测量地区小块大约1 m×1 m。GreenSeeker读数被用作标准的价值。综述了每次校准,十个地点,代表NDVI值从0.150到0.850,。三个与GreenSeeker传感器监测读数,然后三个读数被每个口袋里的传感器。这些数据使用一个简单的线性回归分析过程在SAS(2003),为每个传感器对整个试用期,每个测量事件。

2.2。运营商对传感器读数的影响

口袋传感器更容易受到高度和角度的变化。由于这种变化,进行了试验,找出影响传感器操作员可能对传感器读数。阅读收集Obregon城,在现有小麦田间试验确定运营商传感器读数误差。四个床位的小麦10米长测量归一化植被指数使用两个GreenSeeker传感器和三个口袋传感器。从GreenSeeker NDVI值传感器被认为是标准的归一化植被指数,然后情节与每个传感器测量三次。两个不同的运营商使用每一行中的所有传感器导致5×2阶乘安排。这些数据使用SAS广义线性模型进行了分析。初始数据分析完成后,选择单自由度的对比分析来确定不同的传感器和运营商。所有操作符之前使用口袋传感器这个数据收集和熟悉口袋的操作传感器。因此,所有操作符是用来维护一个统一的高度与地面和最低点视图。

类似的实验也进行了使用两种不同的口袋传感器和两个不同的运营商。在这个实验中,口袋传感器的结果相互比较,没有GreenSeeker治疗代表一个控制参数。数据分析是类似的使用一般线性模型方差分析为一个2×2的阶乘8的位置。这些实验测试了运营商对传感器读数的影响,以及如何准确地互相口袋传感器可以测量归一化植被指数和不同运营商。

2.3。玉米和小麦的传感器读数

口袋传感器也评价玉米在雅基河河谷,墨西哥索诺拉。初步收集的数据显示,一个口袋传感器相比,阅读一个GreenSeeker阅读玉米没有提供准确的归一化植被指数的预测。决定,通过三个读数的口袋传感器和使用平均预测,归一化植被指数相关的GreenSeeker(数据没有显示)。

归一化植被指数监测读数开始在增长阶段V4 (16),直到玉米是太高采取额外的测量。成长阶段测量记录,随着玉米变得太高,情节的高度。高度被测量螺纹的高度,点的口袋传感器读数被从三个随机植物在每个情节。数据分析了类似于校准稳定方法,使用简单线性回归确定口袋传感器之间的相关系数和GreenSeeker读数。

2.4。传感器读数小麦

传感器读数被现有实验在Ciudad Obregon国际玉米和小麦改良中心实验台,墨西哥索诺拉。实验的景象被安放在melgas,平坦的表面种植,通过八个不同硬质和八个不同的面包小麦品种。有五种不同的种植前的。选择一个各种各样的面包小麦和硬质的读数。传感器读数被四次在生长季节相应的增长阶段Feekes电场(17]。三个口袋传感器读数被平均,然后相比GreenSeeker读数。简单线性回归是用来分析数据,使用相同的程序,用于校准稳定性实验。

3所示。结果

3.1。稳定的传感器校准

收集数据来评估口袋的校准传感器的稳定性。稳定的能力是传感器读取相同的归一化植被指数随时间变化的。在六个月期间(2010年12月6日,2011年5月27日),口袋里所有传感器,传感器保持稳定,没有明显趋势的校准改变随着时间的推移。口袋之间的相关性非常高的传感器和GreenSeeker系数的测定。通过这种高水平的相关性,口袋传感器准确预测归一化植被指数,这是描绘在图1为代表的口袋传感器,另一个测试4传感器表现出相同的结果。口袋传感器并保持一个紧密的置信区间与区间预测传感器平均值±0.018、0.032±截距和斜率,分别。

不仅是整体稳定性好,但在每个测试日期口袋传感器导致等效NDVI数据。是常见的口袋的斜率和截距传感器每次GreenSeeker相比会略有不同;然而,没有趋势表明,口袋中的校准传感器稳定性的改变或减少。表1显示结果的代表一个传感器在测试期间。

3.2。运营商对传感器读数的影响

方差分析的两个实验来评估的影响运营商传感器读数被发表在表上2和3。表2显示了八个不同的小麦阴谋的结果使用两种不同的口袋传感器和两个运营商。五的八块没有重大的发现,虽然两个情节有一个重要的传感器和运营商之间的相互作用和一个情节影响显著的运营商在0.05显著性水平。表3结果显示不同运营商和传感器的影响,包括GreenSeeker和口袋里的传感器。两行显示重要的运营商和传感器之间的相互作用,而其他两行显示的显著影响传感器在α= 0.05水平。传感器的效果可以预期,随着GreenSeeker比口袋传感器精度。基于这些发现,单个自由度的对比评估比较两个GreenSeeker传感器用于实验。两GreenSeekers统计不同两行中一个重要的传感器由操作员发生相互作用。

3.3。传感器读数的玉米

口袋电场传感器读数在玉米生长阶段总结在表4。V4-V10增长阶段,口袋传感器高度相关()和统计类似GreenSeeker执行的。数据收集后V10增长阶段;然而,随着玉米生长,它变得更加难以获得准确的测量的传感器。一旦工厂螺纹身高达到100厘米,口袋传感器读数下降。这是最有可能的控股口袋传感器高于视平线(100厘米树冠+ 60厘米以上树冠= 160厘米)和无法保持传感器水平。成长阶段V11和更大的数据并不包括在发生V4-V10数据分析,因为最好的模型。图2口袋传感器和显示之间的关系代表GreenSeeker读数在玉米。

3.4。传感器读数小麦

表5显示口袋传感器数据在Ciudad Obregon小麦。对所有数据,传感器都统计上类似于GreenSeeker斜率为1和0的拦截,分别。图3显示了最适合线和口袋代表传感器之间的相关性和GreenSeeker传感器从1月2月3日,2011年选择小麦情节。所有传感器对小麦的相关数据()略高于玉米,这是最有可能由于树冠结构小麦和玉米之间的区别。

4所示。讨论

4.1。稳定的传感器校准

口袋传感器校准稳定性好。口袋传感器读数收集6个月在草坪草的树冠持续复制类似的NDVI值GreenSeeker相比。这是一个很好的特质装置,是为发展中国家制造的。所显示的稳定性口袋传感器将允许一个初始校准,然后口袋传感器可用于长时间的不关心数据的质量。在测试期间,传感器被广泛使用,电池可以消散,指控,并再次使用,读数保持不变的稳定性。

一些变化的稳定性数据被发现;然而,它可能代表小运营商的影响,能够精确测量树冠GreenSeeker和口袋传感器。即使有这些限制,测试五个口袋GreenSeeker传感器平均NDVI±0.02执行。这是由使用上下95%回归估计和确定口袋传感器归一化植被指数(95%置信水平)会偏离控制价值(表6)。

4.2。运营商对传感器读数的影响

测试旨在确定经营者的影响传感器读数显示一些传感器和运营商之间的显著差异,以及传感器由操作员交互。然而,在检查数据,这种变化很小,当使用一个训练有素的操作员。一个训练有素的操作员被认为是人知道口袋传感器可以影响树冠的高度和视角的差异,除了一些(> 30分钟)操作经验与传感器。高度和角度传感器都可以影响读数,但传感器角度可能影响最因为使用60厘米高度控制字符串。使用泡沫角控制水平;然而,当运营商起初阅读,这对他们来说是挑战保持传感器和走在作物树冠。这个问题很容易纠正与操作经验,大多数运营商后很短的时间内(30分钟)可能需要可重复的结果。在口袋里的八个小麦情节传感器比较,只有一个传感器比较不同超过0.03归一化植被指数。稳定性数据,口袋传感器的精度±0.02归一化植被指数,连同SED(标准误差的差异两个同样复制意味着)大约0.012。与已知的归一化植被指数的读数误差,这不是令人惊讶的发现这些数据,并进一步分析讨论了归一化植被指数的细微差别。

在归一化植被指数的四行读了三个口袋传感器和两个GreenSeeker传感器,有一个重要的传感器和运营商两行之间的相互作用。其他两行显示传感器的显著影响。传感器的影响应该预期GreenSeeker更精确,和口袋传感器措施GreenSeeker±0.02归一化植被指数测量。

即使有观察到的差异,数据表明,不同的运营商可以获得类似的结果。这是极其重要的口袋传感器特别是如果要大规模生产,将会有许多运营商。获得相似的结果,运营商应该训练并采取足够数量的数据,以便他们使用口袋传感器舒适和自信。这个培训将帮助确保肥料推荐由任何运营商是准确的。

4.3。传感器读数的玉米

玉米的口袋传感器表现良好。通过评估置信区间和归一化植被指数的预测,玉米读数应该包括一个更广泛的调整比阅读草的树冠。玉米是归一化植被指数的平均阅读传感器±0.05(表6)。这种调整是合理的因为在树冠结构的区别。在草地上读数,树冠是封闭和统一;然而,在玉米、植物生长和植物之间存在空间。这个空间和树冠的失败完全关闭可能导致较弱的相关性在V4年轻营养阶段。即便如此,V4数据没有高度相关(而后来增长阶段),这些数据的曲线接近预期的值。相关性可能是低由于早期成长阶段和缺乏早期氮气压力。从V5开始,后来营养阶段,相关和模型改进最有可能由于一个更统一的树冠。Raun et al。18)报道,最大的变化发生在V6,树冠关闭,变异系数(简历)之间数据读数下降。传感器读数被V10后增长阶段;然而,这些数据的模型比V4和V10之间数据不准确。类似于发达树冠的问题,一旦玉米接近V12,存在问题采取读数由于植物的高度。虽然这可能是一个关注袖珍传感器的实用工具,准确的数据收集是保持经济增长阶段V10。Scharf et al。19)指出,大多数顶级礼服肥料应用在V8因为不需要特殊设备。V8之后,很可能需要高间隙设备以避免损坏的玉米,和这个设备不是现成的在发展中国家。

4.4。传感器读数小麦

口袋传感器读数在小麦GreenSeeker高度相关。基于置信区间,口袋传感器的准确性是NDVI±0.06。口袋里的传感器和GreenSeeker之间的相关性在小麦比玉米高。这可能是由于短well-closed树冠,小麦发展相比,玉米。

4.5。研究结果的意义

而GreenSeeker和口袋传感器相似,他们经常在α= 0.05水平上明显不同。GreenSeeker建立精密,精度影响传感器的成本。口袋传感器设计模拟相同的结果,但是在大约十分之一的成本。很多口袋传感器有95%置信水平在GreenSeeker水平,和几个显著不同是不同的在小值的归一化植被指数。口袋的终极目标传感器增加熔炼的发展中国家和经济利润返还给农民,0.02或0.05归一化植被指数的差异意味着什么?氮率,基于参考nonnitrogen限制区域,相比,农民的磁场所总结的Raun et al。9]。表7用传感器氮率计算器(http://www.soiltesting.okstate.edu/SBNRC/SBNRC.php)显示,氮的推荐率几个NDVI值两种玉米和小麦。假设口袋传感器可以准确读取±0.02归一化植被指数,建议在±4 - 6公斤N公顷只会有所不同⁻¹实际利率的玉米和小麦分别。即使在±0.05归一化植被指数,推荐氮不同的需要利率±8 - 12公斤N公顷⁻¹分别对玉米和小麦。劳伦斯和圣诞(2007)(20.)报道,尿素应用±5公斤N公顷⁻¹目标应用程序率只有24%的时间内使用碟机。因此,从口袋里推荐的速度传感器,即使有小的错误,通常会充分接近所需的速度,应用程序错误和其他环境变量可能对作物生长的影响比肥料推荐的量。

4.6。建议使用口袋传感器应用程序

基于本研究的结果,口袋传感器应该有优秀的效用使氮的建议。口袋GreenSeeker传感器相比,缺少一些精度;但是,可以采取适当的措施来克服这个限制。最可能的是使用已知的准确性和相应地调整口袋传感器读数。为应用程序中,这可能需要添加精度(0.03 + 0.025 +玉米和小麦,职责)丰富地带的部分领域,同时扣除相同级别的精度从农夫的做法。的读数丰富的地带和农民实践应该三个读数的平均值在每个各自的区域,类似于本研究的数据收集的方式。这种方法几乎总是会导致一些施肥,但任何试图更好地管理肥料在发展中国家或发达国家之间取得平衡满足作物需要,足够了达到最大经济效率虽然不是导致环境风险增加。任何方法,underapplies失去了经济生产力和结果将找不到接受农民之一。在许多高输入,集约农业地区在发展中国家,经常过度比不足的问题。例如,Ortiz-Monasterio和Raun21)发现减少应用程序和增加农民的利润雅基河山谷通过使用传感器氮管理。使用GreenSeeker传感器、平均速度应用程序是69公斤N公顷⁻¹不到农民的实践。

使用前面的方法会导致合理的施肥建议。在最坏的情况下,如果一个实际丰富地带阅读NDVI−0.06(精度)的全部价值和农夫实践NDVI + 0.06,使用上述方法将导致一个“小姐”的准确的建议0.06归一化植被指数或大约12公斤N公顷⁻¹。虽然这将导致作物产量降低,这是一个极端的例子的口袋传感器阅读两个情节最极端值。虽然这是可能的,这可以避免通过训练,因为实际的1.2归一化植被指数差异应该肉眼可见。这个场景的反面要求添加和过度,这不会导致收益减少。在集约化管理的地区,像雅基河河谷,额外的可能仍然低于农民将传统的应用(21]。口袋GreenSeeker传感器缺乏一些精度;然而,这个精度是降低成本的传感器。虽然精度可以增加口袋里传感器通过使用更精确的组件,增加的成本将使传感器更贵,因此不太可能用在发展中国家。这个传感器及其采用的大规模生产的发展中国家和发达国家有潜力增加农民经济生产力和减少过剩相关的环境问题受精。

利益冲突

任何商标的提到设备仅用于研究目的。作者没有直接的财务关系与任何命名设备制造。

确认

这项研究是由美国富布赖特计划成为可能,并支持的国际玉米和小麦改良中心(CIMMYT)。营养项目人员的帮助和支持在国际玉米和小麦改良中心是极大的赞赏。

引用

1. k .吉尔马s•霍尔茨b . Tubana j . Solie和w·Raun”氮积累在芽的函数增长阶段的玉米和冬小麦,”植物营养学杂志,34卷,不。2、165 - 182年,2011页。视图:出版商的网站|谷歌学术搜索
2. a . r . Szumigalski和r·c·阿克”年唯一氮产量和土地利用效率作物间作,”农学期刊,卷98,不。4、1030 - 1040年,2006页。视图:出版商的网站|谷歌学术搜索
3. w·r·Raun和g诉约翰逊”,提高谷物产量的氮利用效率。”农学期刊,卷91,不。3、357 - 363年,1999页。视图:谷歌学术搜索
4. 诉Smil,“氮在作物生产:一个帐户的全球流动,”全球生物地球化学循环,13卷,不。2、647 - 662年,1999页。视图:谷歌学术搜索
5. p .赛和m . Prud’homme,”世界农业和化肥需求,全球肥料供应和贸易2007 - 2008年”美国第33 IFA扩大理事会会议多哈,卡塔尔,2007。视图:谷歌学术搜索
6. t . m . Blackmer j·s·斯和g . e . Varvel”光反射率与其他应力测量玉米叶氮相比,“农学期刊,卷86,不。6,934 - 938年,1994页。视图:谷歌学术搜索
7. w·r·m·l·斯通j·b·Solie Raun, r·w·惠特尼美国l·泰勒和j . d .铃声”使用光谱辐射纠正当季肥料氮不足冬小麦,”美国农业工程师学会的事务,39卷,不。5,1623 - 1631年,1996页。视图:谷歌学术搜索
8. g·w·r·Raun j·b·Solie诉约翰逊et al .,“当令预测潜在的使用树冠反射率在冬小麦籽粒产量,”农学期刊,卷93,不。1,第138 - 131页,2001。视图:谷歌学术搜索
9. m·w·r·Raun j·b·Solie l .石头et al .,“农作物氮肥,光学传感器算法”通信在土壤科学和植物分析,36卷,不。月19日至20日,第2781 - 2759页,2005年。视图:出版商的网站|谷歌学术搜索
10. g·w·r·Raun j·b·Solie诉约翰逊et al .,“改善氮利用效率与光学传感和可变利率谷物粮食生产应用程序中,“农学期刊,卷94,不。4、815 - 820年,2002页。视图:谷歌学术搜索
11. g . e . Varvel j·s·斯·d·d·弗朗西斯,“当令校正能力缺氮的玉米使用叶绿素米,”美国土壤科学学会杂志》上,卷61,不。4、1233 - 1239年,1997页。视图:谷歌学术搜索
12. e . Zillmann s Graeff j .链接,w·d·巴舍乐,和w·Claupein”评估谷物氮需求派生的光学传感器在不同的土壤,通过“农学期刊,卷98,不。3、682 - 690年,2006页。视图:出版商的网站|谷歌学术搜索
13. f . Li y苗,f . Zhang et al .,“当令光学传感提高冬小麦的氮肥利用效率,”美国土壤科学学会杂志》上,卷73,不。5,1566 - 1574年,2009页。视图:出版商的网站|谷歌学术搜索
14. r . b . Myneni”,估计全球的叶面积指数和吸收利用辐射传输模型,”IEEE地球科学和遥感,35卷,不。6,1380 - 1393年,1997页。视图:谷歌学术搜索
15. n . a . Quarmby m·萨t·l·辛德和n . Silleos”的使用时段遥测AVHRR数据的归一化植被指数测量作物产量估计和预测,“国际遥感杂志》上,14卷,不。2、199 - 210年,1993页。视图:谷歌学术搜索
16. s w·里奇,j。j Hanway, g . o·本森玉米植株如何发展,爱荷华州立大学合作推广服务SR-48艾姆斯,爱荷华州,美国,1996。
17. e . c .大”增长阶段谷物,插图的Feekes规模,”植物病理学,3卷,第129 - 128页,1954年。视图:谷歌学术搜索
18. w·r·Raun j·b·Solie k·l·马丁et al。”在玉米生长阶段、开发和空间变异性评价使用光学传感器读数,”植物营养学杂志,28卷,不。1,第182 - 173页,2005。视图:出版商的网站|谷歌学术搜索
19. p c . Scharf w . j . Wiebold和j·a·洛里“玉米产量对氮肥反应时间和缺陷水平,”农学期刊,卷94,不。3、435 - 441年,2002页。视图:谷歌学术搜索
20. h·g·劳伦斯和i . j .圣诞“攷虑肥料应用的变化,评估”新西兰农业研究杂志》上,50卷,不。1,25-32,2007页。视图:谷歌学术搜索
21. j . i Ortiz-Monasterio和w . Raun降低氮和提高春小麦灌溉农业收入的雅基河山谷,墨西哥,使用基于传感器的氮管理”农业科学杂志卷,145年,页1 - 8,2007。视图:谷歌学术搜索

版权

版权©2012贾里德·克雷恩等。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。