精準施肥技術(shù)發(fā)展現(xiàn)狀研究

宮 帥，郝文雅

（中化現(xiàn)代農(nóng)業(yè)有限公司 北京 100032）

農(nóng)業(yè)是我國社會經(jīng)濟發(fā)展的重要基礎(chǔ)，是國家安全和社會穩(wěn)定的重要保障。施肥作為農(nóng)作物增產(chǎn)的主要手段，但長期的施肥不均衡、施肥過量會對農(nóng)業(yè)生產(chǎn)及土壤環(huán)境造成嚴重破壞，隨著在精準農(nóng)業(yè)的發(fā)展，精準施肥技術(shù)的應(yīng)用勢在必行，是實現(xiàn)國家農(nóng)產(chǎn)品安全和農(nóng)業(yè)可持續(xù)發(fā)展的重要保障因素。本文整理總結(jié)與精準施肥相關(guān)的施肥推薦方法，作物模型、施肥決策系統(tǒng)等技術(shù)的方法及研究進展，并對精準施肥技術(shù)的發(fā)展進行的分析和展望。

1 基于土壤養(yǎng)分檢測的測土配方施肥技術(shù)

測土配方施肥技術(shù)以土壤養(yǎng)分檢測及肥料的田間試驗為基礎(chǔ)，根據(jù)作物需肥規(guī)律、土壤供肥能力及肥料效應(yīng)，在合理施用有機肥料的基礎(chǔ)上，提出氮、磷、鉀及中微量元素的施用時期、施用量和施用方法，其核心為調(diào)節(jié)作物需肥量與土壤供肥量的矛盾，通過培肥地力，因缺補缺，平衡施肥?？蓪崿F(xiàn)提高肥料利用率，改善農(nóng)產(chǎn)品品質(zhì)，節(jié)省人工，節(jié)支增收的目的。

1.1 土壤測試方法

土壤養(yǎng)分測試是準確了解土壤養(yǎng)分含量、開展肥料試驗的重要手段，現(xiàn)在主要的檢測手段有兩種。

一是基于國標的檢測方法。以土壤基礎(chǔ)五項為例：利用電位計法測定土壤pH，重鉻酸鉀加熱法測定有機質(zhì)，凱氏定氮法測試全氮，堿解擴散法測試堿解氮，碳酸氫鈉浸提－鉬銻抗比色法測有效磷，乙酸銨浸提－火焰光度法測定速效鉀。

二是土壤養(yǎng)分系統(tǒng)研究法，簡稱ASI，該方法于1980年美國的弗羅里達國際農(nóng)化服務(wù)中心提出，1989年引入我國，由于一次可以對包含有機質(zhì)、pH、硝態(tài)氮、銨態(tài)氮、有效磷、速效鉀、速效Ca、速效Mg等多達15個元素進行分析，極大的縮短了檢測時間。

1.2 測土配方施肥的主要方法

經(jīng)典測土配方施肥方法主要包括地力分區(qū)配方法，目標產(chǎn)量配方法(養(yǎng)分平衡法、地力差減法)，田間試驗法(肥料效應(yīng)函數(shù)法、養(yǎng)分豐缺指標法、NPK比例法、3414法)等。

1.2.2 養(yǎng)分豐缺指標法 通過田間試驗，建立不同養(yǎng)分測定值與產(chǎn)量之間的對應(yīng)關(guān)系，按照一定的范圍進行等級劃分，建立養(yǎng)分豐缺指標。應(yīng)用時，依據(jù)土壤養(yǎng)分測試值檢索進行施肥推薦。

1.2.3 目標產(chǎn)量法 首先分析作物產(chǎn)量構(gòu)成因素中氮、磷、鉀的含量，通常用百公斤產(chǎn)量的含量表示；其次，設(shè)置目標產(chǎn)量，計算養(yǎng)分需求量；最后，結(jié)合土壤和肥料中氮磷鉀養(yǎng)分的供應(yīng)量，計算肥料的施用量。

（4）“3414”試驗法：目前全國范圍內(nèi)對主要栽培的糧食作物和經(jīng)濟濟作物開展了廣泛的測土配方施肥工作，通常采用“3414”田間試驗來建立推薦施肥指標體系，實現(xiàn)科學施肥。它充分發(fā)揮了回歸最優(yōu)設(shè)計處理少、效率高的優(yōu)點，“其中3”是指氮、磷和鉀3種元素、“4”是指4個肥料用量水平、“14”是指一共設(shè)計14個處理。

2 基于作物的施肥推薦方法

通過對作物的表征的判斷和作物本體的營養(yǎng)診斷，建立相應(yīng)的評價標準，可以實現(xiàn)精準的施肥推薦。例如葉柄診斷、葉片診斷、葉色卡、SPAD值、冠層反射儀、植株缺素癥狀診斷等都是基于作物的施肥推薦方法。

2.1 營養(yǎng)診斷

作物營養(yǎng)診斷方法是一種基于植株本體營養(yǎng)診斷的施肥技術(shù)，植株中的營養(yǎng)是土壤養(yǎng)分供應(yīng)與作物所需營養(yǎng)之間的綜合反應(yīng)，該技術(shù)可分為組織液流速測量技術(shù)和植物組織營養(yǎng)診斷技術(shù)指標臨界值技術(shù)，從而建立不同時期養(yǎng)分需求規(guī)律和判斷指標，用于精準施肥推薦。國內(nèi)馬鈴薯的葉柄診斷、草莓的葉片診斷皆屬于營養(yǎng)診斷法。

2.2 表征的診斷

作物的營養(yǎng)情況會在外觀上有所體現(xiàn)，這些年基于作物表征的無損診斷技術(shù)，由于其操作簡單高效，得到了一定的發(fā)展和應(yīng)用，常見的方法有如下幾種：

2.2.1 基于葉綠素儀的氮肥推薦 大量研究表明，葉綠素（SPAD）值跟作物氮含量有顯著的正相關(guān)關(guān)系，通過建立SPAD值和作物氮含量的相關(guān)關(guān)系后，可以利用便攜式葉綠素儀進行無損檢測，指導(dǎo)氮肥的推薦。

2.2.2 葉色卡法 對葉片顏色深淺和葉片全氮含量之間的相關(guān)關(guān)系的分析，制作肉眼可分的擁有不同色階的葉色卡，使用時通過對比葉片顏色和葉色卡即可輕松判斷氮含量的豐缺情況。但引起葉色變化的原因不一定是氮素缺乏，人為判斷色差也存在一定偏差，指導(dǎo)氮肥施用時有一定的誤差。

系統(tǒng)進化樹顯示，薇甘菊頸盲與溫帶臭蟲Cimex lectularius（Cimicidae：Hemiptera）GST 基因的同源性處于同一分支上，進化關(guān)系最近（圖3），說明這2個delta GST可能起源于同一個祖先基因。

2.2.3 冠層光譜特征法 作物的冠層表現(xiàn)也直觀反映出作物的營養(yǎng)情況，通過利用冠層儀等設(shè)備建立作物冠層的光譜特征和植株氮含量的相關(guān)關(guān)系，實現(xiàn)精準的氮肥推薦。

2.2.4 基于作物缺素癥狀診斷法 基于作物體內(nèi)某些元素缺乏或過量時，在不同部位的不同表現(xiàn)，建立了作物缺素癥狀診斷方法。如缺氮葉片黃化，缺鋅葉片簇生，缺鎂脈間失綠，缺鈣葉片生長點壞死等。

3 基于作物模型的施肥推薦

作物模型是用系統(tǒng)分析方法和計算機模擬技術(shù)，以作物內(nèi)在的生長發(fā)育規(guī)律為基礎(chǔ)，綜合作物遺傳潛力、環(huán)境效應(yīng)、調(diào)控技術(shù)之間的因果關(guān)系，定量描述和預(yù)測作物生長發(fā)育過程及其環(huán)境的動態(tài)關(guān)系。

3.1 作物模型的構(gòu)建過程

3.1.1 基礎(chǔ)數(shù)據(jù)收集 通過文獻或大量試驗獲得多種條件下的試驗數(shù)據(jù)，如不同坐標位置、土壤質(zhì)地、土壤水分、土壤養(yǎng)分、氣象條件，不同作物品種、栽培密度、播種日期、作物株高、葉面積、品質(zhì)、產(chǎn)量等生長指標。

3.1.2 分析準備 依據(jù)作物生理學、植物營養(yǎng)學、土壤學、氣象學等專業(yè)知識，對將要構(gòu)建的作物模型進行梳理，明確如土壤養(yǎng)分供給、土壤水分遷移、作物光合作用、呼吸作用、蒸騰、葉面積增長、干物質(zhì)分配、衰老等生長發(fā)育過程及產(chǎn)量生成機理。

3.1.3 模型構(gòu)建 利用統(tǒng)計學、機器學習、深度學習等手段，對各作物各生理過程進行模擬，構(gòu)建基于生理生態(tài)過程的作物生長模型。

3.1.4 評估優(yōu)化 將通過真實環(huán)境獲得的數(shù)據(jù)導(dǎo)入模型，評價模型推薦結(jié)果的準確性和合理性，并以此對模型進行優(yōu)化。

3.1.5 模型發(fā)布 經(jīng)過對模型性能評估和優(yōu)化后，可以通過產(chǎn)品化設(shè)計，將模型進行封裝，并部署到服務(wù)器中以便于使用和推廣。

3.2 典型作物模型在精準施肥的應(yīng)用

3.2.1 WOFOST模型 是模擬特定的土壤和氣候條件下一年生作物生長的動態(tài)的、解釋性模型。在施肥管理上可通過估計某種作物最大潛在產(chǎn)量，提高灌溉和施肥的增產(chǎn)效益。對于一對營養(yǎng)元素來說，能夠以兩種方式來計算作物的產(chǎn)量。例如N和P，P的供給足夠時，計算N對作物產(chǎn)量的影響；N的供給足夠時，計算P對作物產(chǎn)量的影響。

3.2.2 DSSAT模型 它涵蓋土壤、植物、大氣模塊，包含十幾種作物模型。在施肥管理措施方面，涉及不同施肥管理措施條件下模型的校驗以及優(yōu)化等。例如楊靖民等應(yīng)用CERES-Maize和Century土壤模型，分析了施肥量和作物桔桿還田對吉林省黑土地區(qū)玉米生長、氮循環(huán)以及有機碳氮生態(tài)平衡的影響。

在農(nóng)田氮素管理方面，Arora等人應(yīng)用CERES-Rice和CERES-Wheat模型在印度半濕潤亞熱帶氣候條件下，研究不同氮素和作物殘留物施用量下水稻和小麥的氮素吸收、生長和產(chǎn)量。

4 基于決策支持系統(tǒng)的施肥推薦

農(nóng)業(yè)決策支持系統(tǒng)是人工智能與計算機技術(shù)在農(nóng)業(yè)領(lǐng)域應(yīng)用的有機結(jié)合，由數(shù)據(jù)、模型、推理和人機交互四部分組成。它可以根據(jù)模型、天氣條件、作物品種、肥料和土壤類型等進行決策，簡單地說，農(nóng)業(yè)決策支持系統(tǒng)集模型運行、數(shù)據(jù)傳輸和知識推理于一體，非常有效地解決了決策問題。

4.1 農(nóng)業(yè)決策支持系統(tǒng)的發(fā)展

1965年，DEWIT采用模擬玉米葉片的幾何光學特性和生理過程并開發(fā)了第一個模擬碳平衡的農(nóng)業(yè)計算機模型“ELCROS”,提出決策支持系統(tǒng)(DSS)的概念；20世紀70年代后期DSS通過支持過程的方法幫管理者做決策。20世紀80年代DSS快速發(fā)展，定義了DSS的基本結(jié)構(gòu)。近年來，DSS和各種技術(shù)融合發(fā)展，逐步出現(xiàn)群決策支持系統(tǒng)、分布式?jīng)Q策支持系統(tǒng)、決策支持中心、綜合決策支持系統(tǒng)、智能決策知識系統(tǒng)IDSS。IDSS綜合了決策支持系統(tǒng)和專家咨詢系統(tǒng)的優(yōu)點，將DSS系統(tǒng)發(fā)展推進新階段[15]。

4.2 農(nóng)業(yè)決策支持系統(tǒng)的應(yīng)用

決策系統(tǒng)的核心是作物模型和決策模型，前者量化解釋環(huán)境要素、管理技術(shù)、作物生長發(fā)育過程，后者用于基于規(guī)則的判斷形成清晰可執(zhí)行的文件。DSSAT、AQUACROP等模型實際已經(jīng)屬于決策支持系統(tǒng)范疇。下面以澳大利亞的NuMaSS、Atfarm、和HydroLOGIC為例簡單介紹。

NuMaSS：養(yǎng)分管理支持系統(tǒng)(NuMaSS)是一種根據(jù)農(nóng)學、經(jīng)濟和環(huán)境標準，針對特定區(qū)域的土壤診斷結(jié)果，選擇適當管理措施的工具，它能夠評估包括碳、氮、磷、水分含量、粘粒含量在內(nèi)的土壤特征。該系統(tǒng)包括pH、磷、氮三個模塊。每個模塊又包含診斷、預(yù)測、經(jīng)濟、環(huán)境評價。Atfarm平臺：該平臺經(jīng)過20多年的試驗積累，提供氮營養(yǎng)的監(jiān)測、診斷和方推薦，用戶可以通過Atfarm查看地塊下作物不同階段的長勢信息，發(fā)現(xiàn)地塊中的長勢差異，根據(jù)用戶需要生成農(nóng)機可以識別的處方圖，實現(xiàn)變量施肥作業(yè)，進一步提高肥料利用率。

HydroLOGIC：主要核心是棉花作物模擬模型(OZCOT)，該模型可用于模擬日常灌溉。所需的數(shù)據(jù)包括觀測數(shù)據(jù)、氣候數(shù)據(jù)和每個季節(jié)的替代灌溉管理方案等。灌溉模型包含四部分:土壤剖面、氣候和天氣、作物觀測和情景模擬。作物觀測包括灌溉記錄、葉面積指數(shù)、施氮量、果實數(shù)量和土壤含水量。施氮量模擬是一個子模塊，如果在播種后進行了氮肥補充，則在OZCOT模型中進行氮的模擬和更新，以在后續(xù)建議中實現(xiàn)氮肥平衡。

5 結(jié)論

隨著農(nóng)業(yè)基礎(chǔ)研究和信息技術(shù)的快速發(fā)展，精準施肥從過去傳統(tǒng)的簡單的試驗研究，發(fā)展到結(jié)合作物、土壤、大氣、管理于一體的作物模型，現(xiàn)如今已經(jīng)成為各農(nóng)業(yè)決策系統(tǒng)中必不可少的部分，應(yīng)用于廣大作物和地區(qū)，但仍然存在一些問題。

首先，環(huán)境要素復(fù)雜多變，作物生理生態(tài)機理需要繼續(xù)深入研究；各種施肥方法和作物模型的應(yīng)用，都必須依賴于大量科學可靠的基礎(chǔ)試驗作為基礎(chǔ)，數(shù)據(jù)來源成為限制施肥模型、作物模型發(fā)展和應(yīng)用的重要因素。其次，模型訓練和驗證所需要的田間試驗需要花費大量的人力、物力、時間成本，快速獲取試驗數(shù)據(jù)的方法需要優(yōu)化。最后，模型應(yīng)用時的參數(shù)調(diào)整和預(yù)測結(jié)果的評估缺少評價優(yōu)化手段，屬地化落地受到挑戰(zhàn)。

可以預(yù)見，隨著大數(shù)據(jù)、深度學習等計算機技術(shù)的發(fā)展，遙感、GIS技術(shù)在農(nóng)業(yè)中的應(yīng)用、傳感器技術(shù)在農(nóng)業(yè)中的普及，農(nóng)業(yè)信息采集的效率更高、維度更加豐富，作物模型和決策系統(tǒng)的也將面臨新的升級，幫助用戶做出更加及時、準確、有效的決策。