8. A 4M Szimulációs Növénytermesztési Modell
8.8. Az szimulált eredmények elemzése/vizsgálata
A grafikus segédprogram az Eredmények|Futások elemzése menüpont választásával hívható meg. Ez az eszköz egyszerre 5 futás két különböző kimenő adatát képes megjeleníteni (61. ábra).
Többéves futások eredményei is ábrázolhatók egy lapon.
6. fejezet - Melléklet
1. Jelölések és mértékegységek
A napjainkban érvényben lévő Nemzetközi mértékegység-rendszer, SI szabvány a fizikai mennyiségek meghatározására és jelölésére vonatkozóan bizonyos előírásokat határoz meg. A fizikai mennyiség szimbóluma egyetlen latin vagy római betű lehet. Kivételt képeznek a dimenziónélküli mennyiségek, melyek a transzport folyamatok kifejezésénél használatosak, mint pl. a Re a Reynolds szám jelölésére. A szimbólumokat dőlt betűvel jelöljük. (megj.: írásban a dőlt betű helyett aláhúzással is jelölhetők ezek a mennyiségek.) Amikor a szimbólum vektor mennyiséget jelöl (mint a sugárzási fluxus), akkor félkövér betűt használunk. (hullámos aláhúzással helyettesíthető a félkövér betű.)
Az alsó és felső indexben való jelölés megengedett. Minden más betű és szám jelölése római mintára történik.
Eszerint, az eoa páranyomás jelölésére szolgál egy adott felületen, míg az eaa levegő páranyomását jelöli. Két vagy ennél több alsó indexben való jelölésnél vesszőt használunk az elválasztáshoz. A ’fajlagos’ kifejezés jelentése – ’tömegével osztva’. A ’moláris’ szó jelentése – ’anyag mennyiségével osztva’. Ezért a térfogat V, a neki megfelelő moláris térfogat (moltérfogat) Vm=V/n, ahol n az anyag mennyisége, azaz egy gramm molekuláris tömegnek megfelelő anyag mennyisége.
A mértékegységek megjelenítésére római típusú jelet használunk, és nem használjuk őket többes számban. A rövidítést nem követheti pont. Így, az 5 cm helyes; míg az 5 cmk, 5 cmk., 5 cm. nem elfogadott jelölések. Az összetett mértékegységeknél elválasztást kell alkalmaznunk a mértékegységek elkülönítésére; pl.: a méter gramm rövidítése m g és nem pedig mg. A tulajdonnévből képzett mértékegységek jelölése nagybetűvel történik bár az elnevezés maga kis betűvel írandó; pl.: a J, a joule szimbóluma.
Rövidítések és számítástechnikai változók használata megengedett a szövegben de egyenletekben nem szabályos. Ezért, a LAI használható szövegben a ’levélterület index’ kifejezésére; de egyenletekben az L használatos. Ügyeljünk arra, hogy a rövidítések és a számítástechnikai szakzsargon használata minimális legyen.
1.1. ÁRAMOK (FLUXUSOK) A NÖVÉNYÁLLOMÁNYBAN
Minden növényállományban végbemenő áramlást vízszintes felületegységekben jelenítünk meg, hacsak az másképpen nincs előírva. Mivel nincs általánosan elfogadott előírás a fluxus jelek megjelenítésére, ezért adjuk meg a szövegben szereplő jelölések jelentését. A fluxus szimbólumokat nagy, dőlt és kövér betűtípussal jelöljük, mivel vektor mennyiségek.
Ha szükséges, felfelé és lefelé mutató nyilakat adunk hozzá a sugárzási alsó indexekhez, mint Rl,↓.
1.2. LEVÉL LÉPTÉKŰ ÁRAMOK
Minden levél léptékű áramlást egységnyi levélterületre vonatkoztatva adjuk meg A szimbólumok megegyeznek a növényállomány esetében használtakkal, de nem kövér betűvel jelöljük azokat.
1.3. DIFFÚZIÓS ELLENÁLLÁS ÉS VEZETŐKÉPESSÉG
Mivel mind az ellenállás (r), mind a vezetőképesség (g) széles körben használatos a tudományos körökben, mindkettő elfogadható. Megjegyzés: az egyes levelekre vonatkozókat normál; míg a teljes növényállományra vonatkozókat kövér betűvel jelöljük. A mértékegységek: s m-1vagy s m2mol-1az ellenállásra vonatkozóan; és m s
-1vagy mol m-2s-1a vezetőképességre. A milliméter helyettesíthető méterrel, ahol ezt a számok nagysága indokolttá teszi. A növényállomány (canopy) értékei az egységnyi talajterületre vonatkozó áramokon alapulnak.
A levél léptékű értékek az egységnyi levélterületre vonatkozó áramokon alapulnak (kivéve a levél ellenállás vagy vezetőképesség, mely a levél mindkét oldalának fluxusán alapul). További alsó indexes jelölés használható, ha szükséges meghatározni a diffúz gázokat.
Állomány léptékű
Levél léptékű
1.4. PÁRATARTALOM ÉS VÍZGŐZ
Általában, a páratartalomra vonatkozó definíciók és szimbólumok a standard meteorológiai gyakorlatot követik (lásd Huschke, 1959).
1.5. VÍZPOTENCIÁL
1.6. VEGYES JELÖLÉSEK
184
Created by XMLmind XSL-FO Converter.
7. fejezet - Ajánlott irodalom
1.
1. Addiscott, T.M. 1993. Simulation modeling and soil behavior. Geoderma. 60: 15-40.
2. Addiscott, T.M., and R.J. Wagenet. 1985. Concepts of solute leaching in soils: A review of modelling approaches. J. Soil Sci. 36: 411-424.
3. Addiscott, T.M., and Whitmore, A.P. 1991. Simulation of solute leaching in soils of differing permeabilities.
Soil Use. Manage., 7: 94-102.
4. Anderson, J. R., J.L. Dillon and J.B. Hardeker. 1977. Agricultural Decision Analysis. Iowa Stata University Press.
5. Antal ZS., Huzsvai L. (2007): Grass production model based grazing as the sustainable utilization of protected grasslands. Cereal Research Communications Vol. 35. No. 2. ISNN 0133-3720, 189-199.p.
6. Antal ZS., Huzsvai L. (2007): Előkészítő vizsgálatok védett gyepterületek produkciójának modellezéséhez.
Debreceni Egyetem Agrártudományi Közlemények In: Jávor A. (szerk.): 2007/26. Különszám: 64-70.
7. Arnold, R.W., I. Szabolcs, and V.O. Targulian. 1990. Global soil change. IIASA, Laxenburg, Austria.
8. Bacsi,Zs., Hunkár, M. 1994. Assessment of the impacts of climate change on the yields of winter wheat and maize, usinng crop models. Időjárás. 98. 2. April-June
9. Ballangger, R. 1953. Talajvizsgálati módszerkönyv. Mezőgazdasági Kiadó, Budapest.
10. Booch, G. 1991. Object-oriented-design with applications. Benjamin/Cummings Publ. Co., Redwood City, CA.
11. Bossel, H. (1986) Ecological System Analysis. An introduction to modelling and simulation.
University of Kassel, Kassel.
12. Bouma, J. and M.J.D. Hack-ten Broeke. 1993. Simulation modeling as a method to study land qualities and crop productivity related to soil structure differences. Geoderma 57: 51-67.
13. Buccola, S. T. and A. Subaei. 1984. Mean-Gini analysis, stochastic efficiency and weak risk aversion.
Australian Journal of Agricultural Economics 28, 77-86.
14. Burman, R. – Pochov, L.D: Evaporation, evapotranspiration and climatic data. 1994. Elsevier, Amsterdam, 278 pp.
15. Carcoll, C.R. – Vandermeer, J.H. – Roselt, P.M.: Agroecology. Biol. Resource Manag. Ser., 1990, McGraw-Hill Publ. Comp., New York, 641 pp.
16. CERES User’s Guide 1989. A User’s Guide to CERES Wheat – V2.10, IFDC, Alabama 17. CERES User’s Guide 1991. A User’s Guide to CERES Wheat – V2.10, IFDC, Alabama
18. Chadwick, O.A., G.A. Brimhall, and D.M. Hendricks. 1990. From a black box to a gray box – a mass balance interpretation of pedogenesis. Geomorphology 3: 369-390.
19. Chapmann: Am. potato J. 28, 602-615; 1951
20. De Jong, R., Dumanski, J., and Bootsma, A. 1992. Implications of spatial averaging weather and soil moisture data for broad-scale modelling activities. Soil Use Manage., 8: 74-79.
21. Debreczeni, B., Debreczeni, B-né (szerk.) 1994. Trágyázási kutatások 1960-1990. Akadémiai Kiadó, Budapest.
22. Delcourt, H.R., and P.A. Delcourt. 1988. Quaternary landscape ecology: Relevant scales in space and time. Landscape Ecol. 2: 23-44.
23. Dokucsajev, V.V. 1883. Ruszkij csernozem., St. Petersburgh.
24. Doorenbos, J. – Kassam, A.H., Yield response to water. 1979, F.A.O., Rome, 193 pp.
25. Evans, C.V., and D.C. Roth. 1992. Conceptual and statistical models to characterize soil materials, landform and processes. Soil Sci. Soc. of Am. J. 52: 1104-1107.
26. F.A.O.: Expert consultation on revision of FAO methodologies for crop water requirements. F.A.O.-U.N. 1990.
27. Fawcett, R. H. and P.K. Thornton. 1990. Mean-Gini dominance in decision analysis. IMA Journal of Mathematics Applied in Business and Industry 6, 309-317.
28. Fehér J. Rajkai K. és Molnár E. (1999): A SZALINEXP szakértői rendszer. Agrokémia és Talajtan 48.
491-500.
29. Fehér J., K. Rajkai (1996): An expert system to predict climate change induced salinization processes in salt-affected soils. Int. Agrophysics.10: 209-223.
30. Finke, P.A., J. Bouma, and A. Stein. 1992. Measuring field variability of disturbed soils for simulation purposes with geostatistical and morphological techniques. Soil Sci. Soc. Am. J. 56: 187-192.
31. Foitzik, L., -Hinzpeter, H.,: Sonnenstrahlung und Lufttrűbung. 1958. Leipzig, Akad. Verl.ges., Geest-Portig, 309 pp.
32. Füleky Gy. és R. Végh K. 1999. A talaj tápelemszolgáltató képessége. in: Füleky Gy. (Ed.) Tápanyaggazdálkodás. Mezőgazda, Budapest. 91-139p.
33. Gates, D.M.: Biophysical ecology. 1980. Springer-Verl., New York-Heidelberg-Berlin, 611 pp.
34. Geng, S., J.S. Auburn, E. Brandsetter and B. Li. 1988. A program to simulate meterological variables:
Documentation for SIMMETEO. Agronomy Progress Report No. 204. Dept. of Agronomy and Range Sci., Univ. of California, Davis. CA.
35. Gockler, L. 2000. Mezőgazdasági gépi munkák költsége 2000-ben. Mezőgazdasági Gépüzemeltetés, FVM Kiadv., 2.1-29.
36. Grace, J. – Ford E.D. – Jarvis, P.G.: Plants and their atmospheric environment. 1981. Blackwell Sci.
Publ., Oxford.
37. Gyárfás, J. 1988. Sikeres gazdálkodás szárazságban. Magyar dry-farming. Mezőgazdasági Kiadó, Budapest.
38. Halter, A. N. and G.W. Dean. 1971. Decision under uncertainty with research applications. South-Western Publishing Company, Cincinnati, Oh.
39. Hanks, J., Ritchie, J.T. (ed.) Modelling Pland and Soil Systems. Agronomy series 31. ASA, CSSA, SSSA Publ. Madison, Wisconsin, USA.
40. Hoosbeek, M.R., and R.B. Bryant. 1992. Towards the quantitative modeling of pedogenesis-A review.
Geoderma 55: 183-210.
41. Hunkár, M. 1994. Validation of crop simulation model CERES-Maize. In: Időjárás, 98.1.
42. Hunt, L.A., J.W. Jones, P.K. Thorton, G. Hoogenboom, D.T. Imamura, G.Y.Tsuji and U. Singh. 1994.
Accessing data, models and application programs. In: Tsuji, G. Y., G. Uehara and S. Balas (eds.) DSSAT v3.
Vol. 1-3. University of Hawaii, Honolulu, HI.
43. Hutson, J.L., and R.J. Wagenet. 1992. LEACHM, leaching estimation and chemistry model. Version
44. Huzsvai, L., Pető, K., Kovács, G. J. 1995. Szimulációs modell alkalmazása a növénytermesztési kutatásban. Tiszántúli Mezőgazdasági Tudományos Napok, Hódmezővásárhely. 149-151.
45. L. Huzsvai, K. Rajkai (2009): Modeling of plant adaptation to climatic drought induced water deficit.
Biologia 64/3:1 DOI: 10.2478/s11756-009-0092-9
46. Huzsvai L., Dövényi Nagy T. (2010): A kukorica és talaj vízforgalmának modellezése. In: Nagy J.
(szerk) Az öntözés vállalati szintű elemzése. ISBN: 978-963-9732-94-0. Debreceni Egyetem Agrár és Gazdálkodástudományok Centruma. 82-111. oldal.
47. Huzsvai L., Dobos A. (2008): Napenergia-kukorica-bietanol. In: Baranyi B. – Nagy J. (szerk.) Regionalitás, területfejlesztés és modernizáció az Észak-alföldi régióban. ISBN 978-963-9732-24-7, DE Agrár- és Műszaki Tudományok Centruma és az MTA Regionális Kutatások Központja. Debrecen, p. 281-293.
48. Huzsvai L. (2006): Az Észak-alföldi régió természeti adottságainak kihasználása az agráriumban. In:
Baranyi B. – Nagy J. (szerk.) Területfejlesztés, agrárium és regionalitás Magyarországon. ISBN 963 9052 67 1, DE Agrártudományi Centrum és az MTA Regionális Kutatások Központja. Debrecen, p. 291-303.
49. Huzsvai L. (2006): A kukorica potenciális termésének modellezése. In: Nagy J. – Dobos A. (szerk.) Környezetkímélő növénytermesztés – minőségi termelés. ISBN 978 963 9732 09 4, Debreceni Egyetem Agrártudományi Centrum és DE ATC Területfejlesztési Kutatócsoport. Debrecen, p. 80-92.
50. Huzsvai L., Rajkai K., Szász G. (2005): Az agroökológia modellezéstechnikája. Elektronikus tankönyv az Oktatási Minisztérium Felsőoktatási Tankönyv és Szakkönyvtámogatás keretében. Debreceni Egyetem Agrártudományi Centrum, Debrecen, http://www.hik.hu/tankonyvtar/site/books/b114
51. IBSNAT 1986. Documentation for IBSNAT Crop Model Input and Output Files, Version 1.0.
Technical Report 5.
52. IBSNAT 1988. Experimental Design and DATA Collection Procedures for IBSNAT. Technical Report 1.
53. IBSNAT 1990. Field and Laboratory Methods for the Collection of the IBSNAT Minimum Data Set.
Technical Report 2.
54. IBSNAT Progress Report 1982-85. University of Hawaii at Manoa, Honolulu.
55. IBSNAT Progress Report 1985-87. University of Hawaii at Manoa, Honolulu.
56. IBSNAT Progress Report 1987-90. University of Hawaii at Manoa, Honolulu.
57. IBSNAT Symposium 1989. Procedings of 81 st Annual Meeting of the American Society of Agronomy, Las Vegas, Nevada, Part I-II.
58. Imamura, D.T. 1994. Creating management files to run crop models and document experiments. In:
Tsuji, G. Y., G. Uehara and S. Balas (eds.) DSSAT v3. Vol. 1-4. University of Hawaii, Honolulu, HI.
59. Jenny, H. 1941. Factors of soil formation-A system of quantitative pedology. McGraw-Hill, New York.
60. Jenny, H. 1980. The soil resource: Origin and behavior. Ecol. Stad. 37. Springer Verlag, New York.
61. Jones, C.A., Kiniry, J.R. (ed.) 1986. CERES-Maize. A Simulation Model of Maize Growth and
62. Jones, H.G.: Plants and microclimate. 1983, Cambridge Univ. Press, 323 pp.
63. Jones, J.W., L.A. Hunt, G. Hoogenboom, D.C. Godwin, U. Singh, G.Y. Tsuji, N. Pickering, P.K.
Thorton, W.T. Bowen, K.J. Boote and J.T. Ritchie. 1994. Input and output files. In: Tsuji, G. Y., G. Uehara and S. Balas (eds.) DSSAT v3. Vol. 2-1. University of Hawaii, Honolulu, HI.
64. Juhász-Nagy P. 1993. Az eltűnő sokféleség. Scientia Kiadó, Budapest.
65. Katchalsky, A., and P.F. Curran. 1967. Nonequilibrium thermodynamics in biophysics. Harvard Univ.
Press, Cambridge, MA.
66. Kirkby, M.J. 1985. A basis for soil profile modeling in a geomorphic context . J. Soil Sci. 36: 97-121.
67. Kovács, G. J. 1995. Útmutató a CERES modell használatához. Kézirat
68. Kovács, G.J. Németh, T. 1995. Termés és nitrát-felhalmozódás modellezése és összehasonlítása mérésekkel tartamkísérletekben. Agrokémia és Talajtan.
69. Kovács, G.J., Ritchie, J.T. Using Simulation Models to Estimate Nitrate Leaching and Crop Production at the Farm Level in Hungary. Invited paper at ASA-CSSA-SSSA Annual Meeting. Agronomy Abstract 21.
Seattle, Washington.
70. Kovács, G.J., Ritchie, J.T., Werner, A., Máthé-Gáspár G., Máthé, P. 1989. Modeling the Leaf Area Development of Different Maize Genotypes. IBSNAT Symposium, Procedings of 81st Annual Meeting of the American Society of Agronomy, Las Vegas, Nevada, Part II.
71. Kozlowski, T.T.: Water deficits and plant grouth. Vol. I. 1968, Academic Press, New York-London.
399 pp.
72. Lange, O.L. – Kappen, L. – Schulze, E.-D.: Water and plant life. Ecol. Stud. 19. 1976. Springer-Verl., Berlin Heidelberg New York, 530 pp.
73. Levine, E.R., and E.J. Ciolkosz. 1986. A computer simulation model for soil genesis applications. Soil Sci. Soc. Am. J. 50: 661-667.
74. Lucas, P., and L. van der Gaag. 1991. Principles of Expert Systems. Addison-Wesley Publ. Comp., New York.
75. Marion , G.M., W.H. Schlesinger and P.J. Fonteyn. 1985. CALDEP: A regional model for soil CaCO3 (caliche) deposition in southwestern deserts. Soil Sci. 139: 468-481.
76. Matheron, G. 1965. Les Variables Régionalisées et Leur Estimation. Masson, Paris.
77. Megyes A., Fodor N., Huzsvai L., Rátonyi T. (2008): Modelling the effect of tillage systems on water and nitrogen dynamics of chernozem soil in a long-term experiment. Cereal Research Communications Vol.
36. No. 1. 915-918. p.
78. Meyer, B. 1988. Object-oriented software construction. Prentice-Hall, New York.
79. Monteith, J.L.: Vegetation and the atmosphere. Vol. I-II., 1975, Academic Press, London-New York-San Francisco, 278, 439. pp.
80. Nagy, J. Huzsvai, L., Mika, J., Dobi, I., Fodor, N., Kovács, G. J. 1999. A method to link general circulation model to weather generator and crop models for long term decisions. 2ND International Conference on Multiple Objective Decision Support Systems for Land, Water and Environmental Management MODSS’99, Ausztrália (in print) poszter
81. Nagy, J., Huzsvai, L. 1995. Az évjárat hatás értékelése a kukorica (Zea mays L.) termésére.
Növénytermelés, 44.4:383-391.
82. Nagy, J., Huzsvai, L. 1997. The effects of precipitation on the yield of maize (Zea mays L.) yield.
Current Plant and Soil Science in Agriculture. Soil, Plant and Environment Relationships. 78-88.
83. Nagy, J., Huzsvai, L., Kovács, G. 1995. Modeling the fate agrochemicals and fertilizers in the environment. ESA Proceedings, Venice, 45.
84. Nagy, J., Huzsvai, L., Pető, K., Kovács, G. 1994. Validation of crop models based on field experiments. UNIPRESS, Padova, 409-420.
85. Nagy, J., Huzsvai, L., Tamás, J., Kovács, G.J., Mészáros, I. 1996. The effects of irrigation, fertilization,
86. Nagy, J., Pető, K., Huzsvai, L., Kovács, G. 1994. Results of University maize (Zea mays L.) hybrid trials in Hungary. 3rd ESA Congress Proceedings, Abano-Padova, III. 194-195.
87. Németh, T. 1994. Nitrátbemosódási és –felhalmozódási vizsgálatok az Országos Műtrágyázási Tartamkísérletekben (OMTK). In.: Debreczeni B. és Debreczeni B-né (szerk.) Trágyázási kutatások 1960-1990. Akadémiai Kiadó, Budapest.
88. Petach, M.C., R.J. Wagenet, and S.D. de Gloria. 1991. Regional water flow and pesticide leaching using simulations with spatially distributed data. Geoderma 48: 245-269.
89. Pethő M.: Mezőgazdasági növények élettana. Mezőgazdasági Kiadó. Budapest. 1984.
90. Pető, K., Huzsvai, L., Kovács, G. 1994. A műtrágyázás hatásának vizsgálati módszere a CERES MAIZE 2.1 modell segítségével kukorica monokultúrában. Növénytermelés. 43. 6. 521-531.
91. Pető, K., Huzsvai, L., Kovács, G. 1995. A főbb termesztési tényezők és a talajnedvesség összefüggéseinek értékelése CERES MAIZE szimulációs modell alkalmazásával. Tiszántúli Mezőgazdasági Tudományos Napok, Hódmezővásárhely. 170-173.
92. Raiffa, H. 1968. Decision Analysis. Addison Wesley, Reading, MA.
93. Rajkai, K. 1988. A talaj víztartó képessége és különböző talajtulajdonságok összefüggésének vizsgálata. Agrokémiai és Talajtan 36-37. 15-30.
94. Rákóczi F.: A planetáris határréteg. 1988. Budapest, ELTE, Tankönyvkiadó, 186 pp.
95. Rao, P.S.C., Rao, P.V., and Davidson, J.M. 1977. Estimation of the spatial variability of the soil-water flux. Soil Sci. Soc. Am. Proc., 41: 1208-1209.
96. Richardson, C.W. and D.A. Wright. 1984. WGEN: a model for generating daily weather variables.
United States Department of Agriculture, Agricultural Research Service, ARS-8, Washington, DC.
97. Richter, J. 1987. The soil as a reactor. Catena Verlag, Cremlingen, Germany.
98. Ritchie, J.T. 1981. Soil Water Availability. Plant and Soil 58.,327-338.
99. Ritchie, J.T. Singh, U., Godwin, D.C., Humpries, J. 1994. CERES CEREAL GENERIC MODEL FORTAN source code. Michigan State University, East-Lansing, MI.
100. Rose, C, W.: Agricultural physics – 1966, Pergamon Press, Oyford, 226 pp.
101. Ross, J.: The radiation regime and architecture of plant stands. 1981. W. Junk Publ., Hague-Boston-London., 391 pp.
102. Rumbaugh, J., M. Blaha, W. Premarlani, F. Eddy, and W. Lorensen. 1991. Object-oriented modeling and design. Prentice-Hall, Inc., New Jersey.
103. Runge, E.C.A. 1973. Soil development sequences and energy models. Soil Sci. 115, 183-193.
104. Smeck, N.E., E.C.A. Runge, and E.E. Mackintosh. 1983. Dynamics and genetic modelling of soil systems. p. 23-49. In: L.P. Wilding et al. (ed.) Pedogenesis and soil taxonomy 1. Concepts and Interactions.
Elsevier, Amtserdam.
105. Snedecor G. W. and W. G. Cochran: 1976. Statistical methods. Iowa State University Press 106. Soil Survey Staff. 1983. National soils handbook. U.S. Gov. Print. Office, Washington, DC.
107. Sposito, G., and R. Reginato. 1992. Opportunities in basic soil science research. SSSA, Madison, WI.
108. Stebutt, A. 1930. Lehrbuch der allgemeinen Bodenkunde. Borntraeger, Berlin.
109. Stefanovits, P. (szerk.) 1999. Talajtan. Mezőgazda Kiadó, Budapest.
110. Stefanovits, P. 1963. Magyarország talajai. 2. Kiadás. Akadémiai Kiadó, Budapest.
111. Stefanovits, P. 1975. Talajtan. Mezőgazdasági. Kiadó, Budapest.
112. Stein, A., I.G. Staritsky, J. Bouma, A.C. Van Eynsbergen, and A.K. Bergt. 1991. Simulation of moisture deficits and areal interpolation by universal co-kriging. Water Resour. Res. 27: 1963-1973.
113. Sutton, O.G.: 1953: Micrometeorology. New York, MCGraw-Hill Book Comp., INC., 333 pp.
114. Szász G.: Agrometeorológia –általános és speciális. 1988. Mezőgazd. Kiadó, Budapest 462 pp.
115. Tenhunen, J.D. – Lenz, R. – Hantschel, R. (ed.-s): Ecosystem approaches to landscape management in Central-Europe. Ecol. Stud. 147., 2001. Springer, Berlin, 652 pp.
116. Thorton, P.K. and G.Hoogenbomm. 1994. A computer program to analyze single-season crop model outputs. Agronomy Journal
117. Thorton, P.K., P.W. Wilkens, G. Hoogenboom and J.W. Jones. 1994. Sequence analysis. In: Tsuji, G.
Y., G. Uehara and S. Balas (eds.) DSSAT v3. Vol. 3-2. University of Hawaii, Honolulu, HI.
118. Upchurch, D.R., L.P. Wilding, and J.L. Hartfield. 1988. Methods to evaluate spatial variability. p.201-229. In L.R. Hossner (ed.) Reclamation of disturbed lands. CRC press, Boca Raton, FL.
119. USDA, Soil Conservation Service 1972. National Engineering Handbool, Hydrology Section 4, Chapter 4-10.
120. Van Wambeke. A.R., and D.G. Rossiter. 1992. Automated land evaluation system (ALES). Vers.
3.SCAS Teach. Ser. No. 2. Dep. Soil, Crop és Atmospheric Sci., Cornell Univ., Ithaca, New York.
121. Wagenet, R.J., J. Bouma, and P.B. Grossman. 1991. Minimum data sets for use of soil survey information in soil interpretive models. p. 161-182. In M.J. Mausbach and L.P. Wilding (ed.) Spatial variability of soils and landforms. SSSA Spec. Publ. 28. SSSA, Madison, WI.
122. Webster, R. and Oliver, M. A. (1990) Statistical Methods in Soil and Land Resource Survey. Oxford University Press. pp. 104-108.
123. Wegner, P. 1990. Concepts and paradigms of object-oriented software construction. Prentice-Hall, New York.
124. Whitmore, A.P. 1991. A method for assessing the goodness of computer simulation of soil processes. J.
Soil Sci. 42: 289-299.
125. Wilding, L.P., and L.R. Drees, 1983. Spatial variability and pedology . p. 83-116. In L.P. Wilding et al.
(ed) Pedogenesis and soil taxonomy: I. Concepts and interactions. Elsevier Publ. Co., Amsterdam.
126. Williams, J.R., Jones, C.A., Dyke, P.T. 1984. A modeling approach to determining the relationships between erosion and soil productivity. Transactions of the ASEA 27.1. 129-144.