基于产量反应的粮食作物养分专家系统微信版应用

徐新朋，张佳佳，丁文成，仇少君，赵士诚，周 卫，何 萍

（中国农业科学院农业资源与农业区划研究所，北京100081）

0 引言

肥料在保障我国粮食安全中起着不可替代的支撑作用。虽然我国粮食产量实现了连续增长，但农民盲目追求产量的同时也产生了一些问题，尤其是肥料的过量施用，其中以氮肥和磷肥尤为严重，不仅产量没有进一步增加，相反降低了肥料利用效率，威胁到生态环境安全。过量的养分在土壤中累积，或流失到环境中造成温室气体排放、水体富营养化以及土壤盐渍化等，直接影响到农田的可持续利用［1-3］。研究表明，我国粮食作物的平均氮肥和磷肥利用率普遍低于30%［4-6］。农业生产带来的环境污染问题日益受到关注，如何进行精准施肥，优化作物养分管理措施，提高肥料利用率，在保障产量的同时保护农业生态环境，实现农业的可持续发展，是我国发展绿色生态农业面临的严峻挑战之一［2-3，7］。

国内外已有诸多方法通过优化作物养分管理，用于农业生产实践，提高了作物产量和肥料利用效率，如地力分级法、目标产量法、肥料效应函数法等基于土壤测试的推荐施肥方法［8-12］，养分动态模型模拟法、作物生长模型、快速叶绿素测定法等［13-16］基于作物反应的养分管理方法。然而，我国作物种植区域辽阔、同一作物处于不同生态区，其气候和土壤特征差异导致使用单一的施肥参数（包括养分吸收、土壤养分供应和养分利用效率等）不能有针对性地对我国不同地区或作物进行个性化养分管理，并限制作物产量潜力发挥和肥料利用率的提高［17］，而我国小农户经营的农田管理模式对科学指导施肥并进一步增加集约化作物生产力是一个主要挑战。以往田间试验可为建立养分模型和施肥原则提供数据支撑，但如何简化推荐施肥程序是当前农业发展亟需解决的问题之一。

合理施肥不仅要保障粮食产量，还要提高养分利用效率。施肥量、作物养分吸收以及施肥后的产量效应存在着密切关系。因此应用作物施肥后的产量反应（施肥与不施某种肥料的产量差）或不施某种养分地上部的养分吸收可以用来表征土壤中某种养分供应状况。在前期大量的田间试验数据（包括测土配方施肥试验、不同肥料用量试验以及减素试验等）的基础上建立的基于作物产量反应和农学效率的推荐施肥方法，通过分析各农学特征参数，包括土壤基础养分供应、产量反应和农学效率等，应用计算机软件技术开发了一种简便易行，易于被广大科学工作者和农民接受的推荐施肥系统，即养分专家系统（Nutrient Expert，NE）。NE系统只需要使用者通过点菜单的形式回答一些简单的问题，就可以得出合理的施肥量，其最大的优点是在有无土壤测试情况下都可使用。基于此，文章在已有电脑版和网络版养分专家系统基础上，把复杂的养分管理问题简化成用户方便使用的基于微信公众号的操作界面，并进行了多点田间试验对该版本水稻、玉米和小麦养分专家系统进行验证，以期建立科学、合理、易于操作的施肥方法。

1 材料与方法

水稻、玉米和小麦养分专家系统的原理是基于产量反应和农学效率进行推荐施肥，是为了适应我国当前小农户经营管理方式而建立的一种易于操作的推荐施肥和养分管理方法。

1.1 养分专家系统推荐施肥原则

养分专家系统是在实地养分管理（Site-Specific Nutrient Management，SSNM）方法基础上，结合4R原则（应用合适的肥料品种、给予合适施用量、在合适的时间、施在合适的位置），针对特定农田和作物生长环境制定肥料施用决策而制作的一个施肥决策软件。NE系统的指导原则是：（1）应用产量反应或不施某种养分地上部的养分吸收表征土壤基础养分供应状况，充分利用土壤基础养分供应；（2）为防止作物对养分的奢侈吸收或不足，平衡施用肥料（包括大量及中微量元素）；（3）增加短期和中期的效益；（4）维持土壤肥力。NE软件只需要农民或当地农技专家回答一些简单的问题，就可以向无法进行土壤检测或土壤测试不及时、复种指数高的地区的小农户提供特定施肥建议；此外，用户还可以选择当地可利用的肥料资源，并能够快速得出施肥量并规划出肥料施用的指导方针。

NE系统以产量反应和农学效率为基础，考虑了产量反应、农学效率、相对产量和土壤基础养分供应间的内在联系［18-20］。其氮肥推荐主要是依据氮素产量反应和氮素农学效率关系确定（施氮量=产量反应/农学效率），其产量反应定义为：不施某种养分处理的产量与氮磷钾全施处理的产量差，农学效率定义为：单位施用某种养分的产量增量［21］。如果在试验田块做过相关减素试验，获得有产量反应数据时，将产量反应数据直接填入系统，系统会根据已有的产量反应和农学效率关系给出氮肥推荐用量。在没有氮素产量反应数据时，系统会依据填入的土壤质地、土壤颜色（有机质含量）和土壤障碍因子等信息确定土壤基础养分供应低、中、高等级，进而获得产量反应系数，再依据目标产量和产量反应系数就可以得到产量反应，进而得出氮肥施用量。对于磷钾养分推荐，除了考虑产量反应外，还需考虑维持土壤养分平衡部分，即需要归还一定目标产量下作物移走的部分养分才能保证土壤肥力（施磷或施钾量=作物产量反应施磷或施钾量+维持土壤平衡部分）［21］，维持土壤平衡部分主要依据QUEFTS模型得出的最佳养分吸收量来求算［22-25］。如果作物施肥没有增产即产量反应为零时，则只考虑作物收获部分养分移走量。对磷钾肥料的推荐还考虑了上季作物养分残效，主要考虑包括作物秸秆处理方式、有机肥施入及上季作物养分带入量等信息。

1.2 养分专家系统数据来源

养分专家系统以大量的田间试验数据为基础，当前微信版本系统数据来源于2000—2015年中国粮食作物主产区的田间和试验站试验，共计1.693 2万个试验，水稻、玉米和小麦三大作物的试验量分别为5 556、5 893和5 483个。田间试验来自于国际植物营养研究所（IPNI）中国项目部、中国农业科学院农业资源与农业区划研究所植物营养课题组研究成果以及在公开发表的期刊上通过搜索“小麦”、“玉米”、“水稻”、“产量”、“产量+养分吸收”和“产量+养分利用率”等关键词获得。试验点涵盖了我国三大粮食作物（水稻、玉米和小麦）主要种植区域，包含了不同种植类型、气候特征、土壤类型以及主栽品种；含有不同试验处理：包括不同肥料用量处理、农民习惯施肥措施处理、优化施肥处理以及不施某种养分处理等；包括生物量、籽粒和秸秆N、P和K养分吸收等指标。

1.3 养分专家系统微信版

基于作物产量反应和农学效率的养分专家系统微信版，是继电脑版、网络版和手机版后又一操作更加简便、适应范围更广的推荐施肥系统。用户只需扫描“二维码”（图1），关注“养分专家”微信公众号，注册后即可免费使用微信版养分专家系统。手机微信版养分专家系统面对的是我国小农户经营主体，适应当前科技发展形势和传播技术需求，是直接面向用户的作物养分管理工具，也是一款基于计算机软件的施肥决策系统，能够针对某一具体地块或操作单元给出个性化的施肥方案，其最大的优点是用户不需下载安装，界面更加简洁，操作更加简单，并可随时向后台提出问题，后台操作者会及时反馈信息，为用户提供服务，互动性更强。

养分专家系统微信版，增加了后台数据库的数据量，仍然延续电脑版的施肥原理。系统包含4个界面：上季信息、本季信息、推荐施肥和效益分析。用户通过点菜单形式即可完成，最大化地简化了操作步骤，并可以向用户即时推送最新养分管理信息及相应技术，实现农业技术指导人员与农户之间文字、图片、语言的全方位沟通与互动。

图1 养分专家系统作物选择界面及微信二维码Fig.1 Crop selection interface in Nutrient Expert system and WeChat two-dimensional code

1.4 养分专家系统微信版田间验证

2017—2018年在三大作物主产区开展了225个田间试验对养分专家系统微信版从产量、经济和农学效益进行田间验证。水稻试验位于一季稻种植区吉林省和黑龙江省，中稻种植区湖北省和安徽省，早晚稻种植区湖南省和江西省，共计106个田间试验；玉米试验位于春玉米种植区吉林省、黑龙江省和内蒙古自治区，夏玉米种植区山东省、山西省和河北省，共计93个田间试验；小麦试验位于华北平原冬小麦种植区山东省、山西省和河北省，共计26个田间试验。具体土壤理化性状见表1。

每个试验包含6个处理：（1）NE处理，即基于养分专家系统微信版得出的推荐施肥处理，在布置试验前依据养分专家系统要求填入试验地块的质地和颜色、过去3～5年该作物的平均产量、施肥量、施肥措施、秸秆处理方式、是否施用有机肥以及是否进行过土壤测试等一些简单问题，形成施肥套餐，并按照NE系统推荐方案实施；（2）FP处理，即基于农民习惯施肥措施进行管理，记录农民所使用的肥料品种、施肥量、施肥次数等信息；（3）ST处理，即基于测土配方施肥处理，如测土不及时或条件不具备，采用当地农技推广部门的推荐量；（4）基于NE处理的不施氮处理；（5）基于NE处理的不施磷处理；（6）基于NE处理的不施钾处理。其中（4）～（6）处理用于计算肥料利用率。肥料使用尿素、过磷酸钙、磷酸氢二铵、氯化钾和硫酸钾等，同一试验中各处理设置的密度相同，且病虫草害防治进行统一管理。

表1 田间试验点信息Table 1 Soil characteristics of the experimental sites

1.5 测试与分析方法

每个试验点的样品采集采用相同标准，在作物成熟后测定籽粒和秸秆产量，并采集部分样品于60℃下烘干72 h至恒重，粉碎后测定籽粒和秸秆N、P和K的养分含量。采用H2SO4-H2O2方法消煮，全N采用凯氏法，全P采用钒钼黄比色法，全K采用原子吸收法测定。数据采用Excel 2010进行分析处理，使用SPSS软件在0.05概率水平上对不同处理间的产量、肥料花费、净效益和养分利用率差异进行ANOVA分析。

氮素回收利用率（Recovery Efficiency to N fertilizer application，REN）的计算公式为： REN=（施氮区植株地上部氮累积量-不施氮区地上部植株氮累积量）/施氮量×100%

磷和钾回收利用率分别用REP和REK表示，其计算公式与式（1）类似，将氮素分别改成磷和钾即可。

氮素农学利用率（Agronomic Efficiency to N fertilizer application，AEN）的计算公式为：

磷和钾农学效率分别用AEP和AEK表示，其计算公式与式（2）类似。

氮素偏生产力（Partial Factor Productivity to N fertilizer application，PFPN）的计算公式为：

磷和钾偏生产力分别用PFPP和PFPK表示，其计算公式与式（3）类似。

肥料花费（Total Fertilizer Cost，TFC）为氮磷钾肥料花费总和。

净效益（Gross Return above Fertilizer cost，GRF）为收获后的产量利润减去肥料成本和额外追肥成本。

2 结果与分析

2.1 节肥效益

2017—2018年水稻2年试验施肥量结果显示（图2a），NE处理的氮、磷和钾肥（分别为N、P2O5和K2O,下同）用量分别为156、63和85 kg/hm2，FP处理的分别为175、78和116 kg/hm2，ST处理的分别为170、63和97 kg/hm2。与FP相比，NE处理的氮、磷和钾肥用量分别降低了10.9%、19.2%和26.7%；与ST相比，NE处理的氮和钾肥用量分别降低了8.2%和12.4%，但磷肥用量相同。虽然3个处理的氮、磷和钾肥用量的平均值差异不大，但FP处理的施肥量具有较大的变异范围，氮肥和钾肥的最大和最小用量相差都在100 kg/hm2以上。

图2 水稻、玉米和小麦不同处理施肥量比较Fig.2 Comparison of fertilizer application rate in different treatments for rice，maize and wheat

玉米2年试验施肥量结果显示（图2b），NE处理的氮、磷和钾肥用量分别为186、83和92 kg/hm2，FP处理的分别为232、109和68 kg/hm2，ST处理的分别为203、95和83 kg/hm2。与FP和ST处理相比，NE处理显著降低了氮肥和磷肥用量，提高了钾肥用量，氮肥用量分别降低了19.8%和8.4%，磷肥用量分别降低了23.9%和12.6%，但钾肥用量分别提高了35.3%和10.8%。

小麦2年试验施肥量结果显示（图2c），NE处理的氮、磷和钾肥用量分别为166、86和73 kg/hm2，FP处理的分别为263、95和56 kg/hm2，ST处理的分别为217、101和81 kg/hm2。与FP相比，NE处理显著降低了氮肥用量，降低幅度达到了36.9%；磷肥用量无显著差异，但降低了9.5%；显著增加了钾肥用量，增幅30.4%。与ST相比，NE处理显著降低了氮肥用量，降低了23.5%，磷肥和钾肥用量无显著差异，但分别降低了14.9%和9.9%。

2.2 产量和经济效益

产量结果显示（表2），水稻NE处理的产量显著高于FP处理，高0.6 t/hm2，增幅8.0%；虽然NE与ST处理产量统计上无显著差异，但前者比后者高0.3 t/hm2，增幅3.8%。玉米和小麦3个处理的产量均无显著差异，但都以NE处理的产量最高，分别为11.1和8.2 t/hm2。玉米NE处理的产量比FP处理和ST处理的分别高0.6和0.2 t/hm2，但小麦的产量均只高出0.1 t/hm2。

表2 水稻、玉米和小麦不同处理产量和经济效益比较Table 2 Comparison of grain yield and economic benefit in different treatments for rice，maize and wheat

水稻、小麦和玉米三大作物均以NE处理的TFC最低，其次为ST处理，最高的为FP处理（表2）。水稻NE处理的TFC比FP和ST处理分别降低了226和81元/hm2，玉米分别降低了245和105元/hm2，小麦分别降低了464和396元/hm2。NE处理保障产量的同时降低了肥料用量和肥料花费，增加了净效益。与FP和ST处理相比，NE处理的净效益水稻分别增加了1798和894元/hm2，玉米分别增加了895和360元/hm2，小麦分别增加了528和365元/hm2。与FP处理相比，由水稻、玉米和小麦增产带来的净效益分别占总净效益的87.4%、72.6%和11.9%。

2.3 肥料利用率

水稻肥料利用率结果显示（表3），NE处理的REN、REP和REK均显著高于FP和ST处理，其中REN分别增加了11.8和9.0个百分点，REP分别增加了10.8和7.4个百分点，REK分别增加了22.3和16.1个百分点。NE处理的AEN、AEP和AEK也均显著高于FP和ST处理，其中AEN分别提高了4.2和2.8 kg/kg，AEP分别提高了9.5和5.1 kg/kg，AEK分别提高了5.4和3.5 kg/kg。NE处理的PFPN和PFPK均显著高于FP和ST处理，但NE与ST的PFPP无显著差异，但均显著高于FP处理；与FP和ST处理，NE处理的PFPN分别提高了7.2和5.8 kg/kg，PFPP分别提高了29.3和8.9 kg/kg，PFPK分别提高了19.5和17.2 kg/kg。

表3 水稻、玉米和小麦不同处理肥料利用率比较Table 3 Comparison of nutrient use efficiency in different treatments for rice，maize and wheat

玉米肥料利用率结果显示（表3），NE处理的REN、REP和REK均显著高于FP处理，虽然NE和ST处理的REN和REK无显著差异，但前者要高于后者。与FP和ST处理相比，NE处理的REN、REP和REK分别提高了9.6和4.5个百分点、9.5和5.1个百分点、21.4和5.6个百分点。NE处理的AEN、AEP和AEK均显著高于FP处理，与ST均无显著差异，但都以NE处理最高。NE处理的AEN、AEP和AEK比FP和ST处理分别提高了4.1和1.9 kg/kg、6.6和2.6 kg/kg、3.4和0.7 kg/kg。NE处理的PFPN和PFPP显著高于FP和ST，分别高12.3和5.8 kg/kg、38.9和18.8 kg/kg；3个处理的PFPK无显著差异，这主要是因为NE处理的钾肥施用量要高于FP和ST。

小麦肥料利用率结果显示（表3），NE处理REN、REP和REK均显著高于FP处理，但REN和REK与ST处理无显著差异，NE处理REN、REP和REK比FP和ST处理分别高13.1和8.1个百分点、5.2和6.7个百分点、3.7和1.1个百分点。3个处理的AEN和AEP无显著差异，但NE和FP处理的AEK高于ST处理，主要是因为ST处理的施钾量要高于前两者。PFP也均以NE处理的最高，其中PFPN显著高于FP和ST处理，分别高17.1和11.4 kg/kg；NE处理PFPP显著高于ST处理，但与FP处理无显著差异；FP处理的PFPK显著高于NE和ST处理，是因为FP处理施钾量显著低于NE和ST处理。

3 结论

为方便用户使用，建立了基于作物产量反应和农学效率的养分专家系统微信版，并在水稻、玉米和小麦主产区开展了2年共计225个田间试验，对粮食作物养分专家系统进行验证。结果表明，粮食作物养分专家系统微信版显著降低了肥料用量，尤其是氮肥和磷肥用量，与农民习惯施肥措施相比，养分专家系统的氮肥和磷肥降低幅度到达了9.5%～36.9%，但产量却增加了0.1～0.6 t/hm2。养分专家系统降低了肥料花费，增加了净效益，其中由水稻、玉米和小麦产量增加带来的净效益分别占总净效益的87.4%、72.6%和11.9%。养分专家系统显著提高了肥料利用率，除玉米氮肥回收利用率外，其余氮、磷和钾回收利用率的增幅都在50%以上。目前，该系统中已经上线的作物有水稻、玉米、小麦、大豆、马铃薯、油菜、棉花、白菜、萝卜、大葱等24种作物，正式发布的作物有4种，其余为试用版，后续会继续开展田间试验不断扩充各作物数据库，并不断完善各作物系统。