西北干旱灌区紫花苜蓿高产田施肥效应及推荐施肥量研究

于铁峰，刘晓静*，吴勇，蒯佳琳

(1.甘肃农业大学草业学院, 草业生态系统教育部重点实验室,甘肃省草业工程实验室,中-美草地畜牧业可持续发展研究中心,甘肃 兰州 730070;2.甘肃省农业科学院蔬菜研究所,甘肃 兰州 730070)

紫花苜蓿(Medicagosativa)是重要的优质植物性蛋白饲料，主要种植于我国北方地区[1]，地处西北干旱区的甘肃省紫花苜蓿留床面积位居全国第一。甘肃河西走廊，干旱少雨，光热充足，地势平坦，具备灌溉条件，是我省高端苜蓿产品生产基地。近年来，甘肃省苜蓿种植面积仍在稳步增长，尤其是河西走廊沿祁连山区域，虽然气候冷凉，但光照充足，灌溉条件好，且苜蓿产品品质优。据调查，该地区户均苜蓿种植面积达到50%[2]，但生产水平普遍相对较低，苜蓿生产潜力并未得到充分挖掘，从而制约了该地区苜蓿产业的发展。

施肥是诸多影响粮食产量因素中最快、最有效、最重要的增产措施，利用科学的施肥技术来改善作物生产性能，在提高作物产量和品质方面成绩卓著[3]，对牧草产量及品质的提高也做出了重要贡献。研究表明，科学合理的养分管理是提高苜蓿生产性能的重要手段，施肥可明显增加苜蓿产量，提高苜蓿蛋白含量，改善苜蓿品质[4]。平衡方式施肥是合理利用肥料的必要条件，且利用平衡施肥数学模型能很好地反映养分用量与产量或品质间关系，是平衡施肥技术的核心内容之一。在小麦[5](Triticumaestivum)、玉米[6](Zeamays)、水稻[7](Oryzasativa)等主要粮食作物应用上取得了良好的应用效果。目前，施肥模型主要有以下3种：综合施肥模型、人工神经网络模型、回归效应模型。综合施肥模型是采用正交设计和正交趋势来分析肥料效应，可反映多指标及不同类指标与因变量的关系，但试验工作量大，误差不易控制[8]；人工神经网络的建立也需要大量的数据，建模成本较高[9]；回归模型是建立施肥模型中的常用方法，能成功建立施肥与产量或品质中某个指标的效应模型，方法简单，应用广泛[10]。其中“3414”试验设计虽然是不完全的试验设计，但由于其具有处理少、效率高、便于管理的优点，成了面积较大、多因素的田间试验的最优选择，在国内外应用较广[11],且该试验设计可构建一元、二元及三元函数模型，使施肥模型更加全面和完整[12]。“3414”试验设计在水稻[13]、玉米[14]、小麦[15]等主要农作物的研究中获得了良好的效果，因此，开展紫花苜蓿平衡施肥技术的研究，通过科学合理的养分投入，提高苜蓿的产出，是提升河西冷凉灌区苜蓿生产水平的重要途径。为此，本研究利用平衡施肥技术，在河西冷凉灌区通过“3414”田间试验，分析构建一元、二元及三元函数模型，建立适宜于河西冷凉灌区苜蓿高效生产的施肥模型，为该地区及同类区域紫花苜蓿优质、高效生产提供参考。

1 材料与方法

1.1 试验地基本概况

试验地位于甘肃省永昌县甘肃省农业科学院永昌试验站，该试验站南靠祁连山，北依腾格里沙漠，101°04′-102°42′ E，37°47′-38°35′ N，海拔1996 m，属温带大陆性干旱气候区，年平均气温4.8 ℃，夏秋季节平均气温20 ℃左右。多年平均降水量185.1 mm，降水年内分布不均，主要集中于6-9 月，年蒸发量2000.6 mm，≥10 ℃年积温2011 ℃，无霜期134 d，区域光照充沛，气候冷凉，昼夜温差大，是甘肃省河西走廊高原夏菜生产基地。土壤类型为灌漠土。土壤有机质含量14.8 g·kg-1，全氮含量0.88 g·kg-1，碱解氮含量38.8 mg·kg-1，有效磷含量30 mg·kg-1，速效钾含量104.4 mg·kg-1，pH值8.5。

1.2 试验材料

供试品种：紫花苜蓿品种为“甘农3号”(M.sativa‘Gannong No.3’)，由甘肃农业大学草业学院提供。供试氮肥：尿素CO(NH2)2(含N≥46%)，磷肥为过磷酸钙Ca(H2PO4)2(含P2O5≥12%)，硫酸钾(含K2O≥52%)。

1.3 试验设计

采用现代肥料二次回归3414试验设计。“3414”是指氮、磷、钾3个因素，4个水平(0、1、2、3),共14个处理(表1)。2水平指当地最佳施肥量；1水平=2水平×0.5；3水平=2水平×1.5(该水平为过量施肥水平)。每处理3次重复，共42个小区，小区面积为5 m ×5 m=25 m2，小区随机排列，以减少试验误差，小区之间以80 cm田埂分开，每个小区一侧有水渠。2015年4月播种，播量为15 kg·hm-2，播种深度为2～4 cm，条播，行距为20 cm。2015年8月14日播种，当年刈割1次，从第2年开始，每年刈割3次，初花期刈割，氮肥按刈割茬次平均施入，即为返青前和第1次、第2次刈割后，磷肥和钾肥于返青前一次性施入，施量为磷肥105 kg·hm-2(P2O5)、钾肥90 kg·hm-2(K)，施肥后充分灌溉。各小区除施氮肥不同外，其他同等管理。

表1 “3414”试验设计及施肥方案Table 1 “3414” test design and fertilization scheme

1.4 测定指标及方法

在紫花苜蓿初花期刈割测产，留茬3～5 cm，刈割后立即称鲜重，同时，分别取样约500 g自然风干至恒重，计算鲜干比，折算干草产量，年草产量为每次刈割产量之和。然后将植物样品在105 ℃杀青15 min，70 ℃烘干，测定干物质量。粉碎后用H2SO4-H2O2法消煮，采用半微量凯氏定氮法测定粗蛋白(crude protein，CP)含量；蛋白总量(total protein，TP，kg·hm-2)=刈割干物质量(kg·hm-2)×植株粗蛋白含量(g·kg-1·1000-1)。

1.5 数据处理

用SPSS 19.0统计软件Duncan法对数据进行多重比较，Design-Expert 8.0及Excel 2007绘图，所有数据以平均值±标准误表示，P<0.05为差异显著。采用离差标准化法，将紫花苜蓿氮、磷、钾施肥量进行数据标准化，将某变量中的观察值减去该变量的最小值，然后除以该变量的极差。即Xik=[Xik-Min(xk)]/Rk，经过离差标准化后，各种变量的观察值的数值范围都将在[0,1]，并且经标准化的数据都是没有单位的纯数量，标准化结果见(表1)编码值。

2 结果与分析

2.1 单因素肥料效应分析及推荐施肥量

2.1.1单因素肥料产量和蛋白总量效应 施肥可显著提高紫花苜蓿产量及蛋白总量，不同施肥处理间产量和蛋白总量存在差异，均显著高于P0K0N0处理(P<0.05)且建植第3年苜蓿产量高于建植第2年苜蓿产量(表2)。

氮肥效应，每年的总产量与蛋白总量均随氮水平的升高呈先增加后降低的变化趋势。产量分析，各处理间的产量差异均达显著水平(P<0.05)。每年P2K2N1处理产量最高，平均达21574.6 kg·hm-2。P2K2N3处理产量最低，且显著低于P2K2N0处理(P<0.05)。蛋白总量分析，在P2K2N2处理达最大值。每年P2K2N2处理蛋白总量最大，平均达2999.7 kg·hm-2，但与P2K2N1处理差异不显著(P>0.05)，与其他处理差异达显著水平(P<0.05)。

磷肥效应，每年的总产量与蛋白总量均随磷水平的升高呈先增加后降低的变化趋势。产量分析，每年P2K2N2处理产量最高，平均达20760.7 kg·hm-2，与P1K2N2处理相比差异不显著(P>0.05)，与其他处理差异均达显著水平(P<0.05)。蛋白总量分析，每年P2K2N2处理蛋白总量最高，平均达2999.7 kg·hm-2，各处理显著高于P0K2N2处理(P<0.05)。

钾肥效应，每年的总产量与蛋白总量均随钾水平的升高呈现先增加后降低的变化趋势。从产量分析，各处理间的总产量差异均达显著水平(P<0.05)。2016年P2K2N2处理产量最高，2017年P2K1N2处理产量最高。从蛋白总量分析，在P2K2N2处理达最大值，且显著高于其他处理(P<0.05)。

表2 紫花苜蓿产量及蛋白总量Table 2 The yield and total protein production of alfalfa (kg·hm-2)

注：不同小写字母表示差异显著(P<0.05)。下同。

Note: Different lowercase letters mean significant differences at the 0.05 level. The same below.

2.1.2施肥效果及推荐施肥量 根据N水平处理8、9、6、10；P水平处理2、3、6、11；K水平处理4、5、6、7的结果，将N、P、K施用量与产量和蛋白总量的关系拟合一元二次回归模型(图1)并进行了检测，P值均小于0.05。式中YN16、YP16、YK16分别表示不同N、P、K处理建植第2年紫花苜蓿产量；YN17、YP17、YK17分别表示不同N、P、K处理建植第3年紫花苜蓿产量；ZN16、ZP16、ZK16分别表示不同N、P、K处理建植第2年紫花苜蓿蛋白总量；ZN17、ZP17、ZK17分别表示不同N、P、K处理建植第3年紫花苜蓿蛋白总量。得到最佳N、P、K肥编码值及最佳产量。建植2年紫花苜蓿产量最佳N、P、K施用量分别为61.7 kg·hm-2(N)、95.8 kg·hm-2(P2O5)、91.5 kg·hm-2(K)，对应产量分别为20498.9、20101.8、19833.4 kg·hm-2；建植3年紫花苜蓿最佳N、P、K施用量分别为42.7 kg·hm-2(N)、77.0 kg·hm-2(P2O5)、59.2 kg·hm-2(K)，对应产量分别为23235.9、21955.4、22024.3 kg·hm-2；建植2年紫花苜蓿蛋白总量最佳N、P、K施用量分别为74.6 kg·hm-2(N)、117.7 kg·hm-2(P2O5)、106.9 kg·hm-2(K)，对应蛋白总量分别为2715.6、2678.7、2598.0 kg·hm-2；建植3年紫花苜蓿蛋白总量最佳N、P、K施用量分别为81.3 kg·hm-2(N)、80.4 kg·hm-2(P2O5)、61.2 kg·hm-2(K)，对应蛋白总量分别为3384.7、3322.1、3348.2 kg·hm-2。

图1 紫花苜蓿单因素肥料效应 Fig.1 Single factor fertilizer effect of alfalfa A: 建植第2年产量Yield of second year; B: 建植第3年产量Yield of third year; C: 建植第2年蛋白总量Total protein of second year; D: 建植第3年蛋白总量Total protein of third year.

2.2 交互效应及最佳施肥量

2.2.1氮钾、氮磷、磷钾交互对产量和蛋白总量的影响 根据“3414”试验设计原理，对氮、磷、钾间交互作用进一步分析(图2)显示，氮磷互作效应分析，建植第2年紫花苜蓿产量在低氮、中磷水平对产量的影响要优于其他施肥水平，高氮低磷水平产量下降最明显，建植第3年紫花苜蓿，中氮中磷施肥处理产量最佳，高氮、高磷处理减产效应最明显，其次为低氮、低磷处理。氮钾互作效应分析，两年中，二者表现为明显的互作效应，随着氮、钾施肥量的增加，产量呈先增加后降低的趋势，不同的是，建植第2年紫花苜蓿产量在低氮、中钾水平下达到峰值，高氮施肥处理减产明显高于高钾施肥；建植3年紫花苜蓿产量，低氮低钾施肥处理相互促进作用明显，高氮高钾水平下，产量下降明显。磷钾互作效应分析，二者有明显的交互作用，磷钾肥交互增产效果明显；建植第2年的紫花苜蓿，中等水平的磷、钾肥产量最佳，低水平及高水平磷钾肥产量均较低；建植第3年的紫花苜蓿，低钾，低磷水平产量下降最为明显，中磷高钾处理产量最佳。

互作效应对蛋白总量的影响(图3)，建植2年紫花苜蓿氮磷互作效应分析，随着氮、磷水平的增加，蛋白总量呈先增加后降低的趋势，不同的是，氮水平呈缓慢增高后急速下降的趋势，中氮及高磷水平蛋白总量出现峰值。由于建植第2年紫花苜蓿氮、钾，磷、钾二元二次方程拟合失败，氮钾、磷钾互作并不能很好的表征蛋白总量积累，本研究不再对二者的交互进行分析。

图2 建植第2、3年紫花苜蓿NK、NP、PK交互对产量的影响Fig.2 Effects of the interaction of NK, NP and PK on the yield of alfalfa for second, third year

图3 建植第2、3年紫花苜蓿NK、NP、PK交互对蛋白总量的影响Fig.3 Effects of the interaction of NK, NP and PK on total protein of alfalfa for second, third year

建植3年紫花苜蓿，氮磷、氮钾、磷钾交互效应明显。氮钾互作分析，中氮低钾水平下，蛋白总量出现最大值，低氮高钾蛋白总量最小，高氮低钾次之。氮磷互作分析，中量的磷更有利于促进氮肥肥效的发挥，对氮肥的增效作用显著，同理，中量的氮肥对磷肥肥效发挥同样促进作用明显。磷钾互作分析，中磷低钾水平蛋白总量出现峰值，低磷高钾水平下，蛋白总量下降最迅速，高磷高钾水平次之(图3)。

2.2.2交互效果及推荐施肥量 将试验方案中一个因素固定在 “2”水平上，对氮磷、氮钾、磷钾两因素间的交互进行回归分析(表3)，方程(8)(9)F值分别为7.93、7.63，P值均大于0.05，方程没有通过检测，方程拟合失败。其他方程检验达到显著水平(P<0.05)，且符合肥料报酬递减律(二次项为负值，一次项为正值)，说明拟合的函数是典型肥料函数，能较好地表述两种肥料施用量与其对应产量及蛋白总量的关系。采用微分偏导数法，求解得到建植2年紫花苜蓿及建植3年紫花苜蓿最高产量、最佳蛋白总量及对应施肥量(表4)。

表3 二元二次施肥模型拟合结果Table 3 The results simulated by binary quadratic equation fertilization models

表4 交互效应施肥量及最高产量Table 4 Fertilizer and the highest yield of interaction effects (kg·hm-2)

2.3 紫花苜蓿氮、磷、钾施肥效应模型及推荐施肥量

2.3.1三元二次施肥模型建立 依据“3414”田间肥料试验设计，分别以建植2年、建植3年紫花苜蓿产量及蛋白总量为因变量，施氮量、施磷量、施钾量为自变量，建立三元二次回归模型(表5)，式中，Y16、Y17分别代表第2年及第3年紫花苜蓿产量，Z16、Z17分别代表第2年及第3年紫花苜蓿蛋白总量，N为氮肥施用量，P为磷肥施用量，K为钾肥施用量。经显著性检验，P值均小于0.01，二次项系数为负，一次项系数为正，符合肥料报酬递减规律，各方程均拟合成功，能够很好地反映产量及蛋白总量与施肥量间的关系，由于得到数学模型是经无量纲化处理，线性代换后所得，各一次项偏回归系数绝对值的大小[16]可直接反映氮、磷、钾肥对紫花苜蓿产量及蛋白总量的影响程度,表现为，第2年产量K>P>N；第2年蛋白总量N>K>P；第3年产量P>K>N；第3年蛋白总量N>P>K。同时，偏回归系数为正数，表明氮、磷、钾肥都对紫花苜蓿增产产生正效应。

表5 三元二次施肥模型拟合结果Table 5 Ternary two fertilization model fitting results

2.3.2氮、磷、钾三因素协同效应及推荐施肥量 参照刘德平等[17]对小麦玉米肥料效应的研究方法，根据紫花苜蓿氮、磷、钾三因素产量回归模型，在N、P2O5、 K2O之间各取7个编码水平，可得到超过建植第2年紫花苜蓿产量均值17522.1 kg·hm-2的组合方案188套，占全部方案的54.8%，超过建植第3年紫花苜蓿产量均值19234.1 kg·hm-2的组合方案187套，占全部方案的54.5%。超过建植第2年紫花苜蓿蛋白总量均值2115.7 kg·hm-2的组合方案186套，占全部方案的54.2%，超过建植第3年紫花苜蓿蛋白总量均值2656.0 kg·hm-2的组合方案177套，占全部方案的51.6%。利用频率分析法对其施氮量、施磷量、施钾量各水平的频数进行统计，得到紫花苜蓿产量>产量平均值(建植第2年17522.1 kg·hm-2、建植第3年19234.1 kg·hm-2)的管理方案(表6)。以建植2年紫花苜蓿产量为例，当目标产量大于平均产量17522.1 kg·hm-2时，95%的置信区间的优化施肥组合为：N取0.3624～0.4348；P取0.4933～0.5745；K取0.5661～0.6458，对应的优化施肥量为：施氮56.27～67.51 kg·hm-2；施磷77.69～90.48 kg·hm-2；施钾76.43～87.18 kg·hm-2。同理可得建植第3年紫花苜蓿大于平均产量对应的氮、磷、钾推荐施肥量。建植第2、3年紫花苜蓿大于平均蛋白总量相对应的氮、磷、钾推荐施肥量(表6)。

表6 紫花苜蓿大于平均产量及蛋白总量的N、P、K编码值频率分布及施肥方案Table 6 Frequency distribution and fertilization scheme of N, P, K encoding value of alfalfa

3 讨论与结论

在干旱半干旱地区，水分和养分俱缺，作物产量和品质受两者共同影响。养分的发挥与有效利用需要适宜的水分供应[18]。本研究试验地位于西北灌区，水分供应充足，养分便成为影响作物产量及品质的最主要限制因子，施肥是提高土壤养分，保证大田持续利用和高效生产的有效手段。邸伟等[19]认为，氮素可明显促进大豆(Glycinemax)生长，提高大豆产量。施磷水平在125～137 kg·hm-2时小麦增产效果较好[20]。施K2O为180 kg·hm-2时，可获得较高钾肥利用率，并获得高产[21]。本研究通过对河西冷凉灌区苜蓿“3414”配方施肥发现，施肥可显著提高产量，增加总蛋白的产出量。但氮、磷、钾素对产量的影响程度不同，建植2年苜蓿钾元素对产量影响最大，其次是磷元素，氮元素对产量影响最小。而建植3年的苜蓿，磷对产量影响最大。这是由于苜蓿本身可进行根瘤固氮，且磷、钾肥可显著提高苜蓿的固氮能力[22]，使得苜蓿对氮的依赖程度减轻。试验地的年均气温仅4.8 ℃，土壤有效钾含量为104.4 mg·kg-1，属于贫钾地块，加之建植第2年的苜蓿根系较浅，抵御外界低温冷凉环境的能力较弱，因此需吸收更多的钾元素来增加自身抵御外界环境的能力，这也是建植2年钾元素对苜蓿产量影响较大的原因之一。随着生长年限的延长，建植3年的苜蓿根系较为发达，抵御外界环境的能力增强，且苜蓿属喜磷植物，施磷能显著增加苜蓿根系延伸土层深度[23]，显著提高根重以及主根的直径，以提高苜蓿吸收营养元素的面积及范围，加快植株的再生速度[24]，增加紫花苜蓿根颈部的分枝数[25]，从而提高干草产量。因此，建植3年的紫花苜蓿磷肥是其产量形成的最重要影响因子。然而营养元素不仅具有主要效应，其交互作用效应对作物产量的影响也是极为重要的，探明作物养分间交互作用的效果，找到适宜交互配比，才能使肥效发挥到极致[26]。刘晓静等[27]研究认为氮磷互作可显著提高紫花苜蓿的产量、株高及生长速度。张美俊等[28]研究表明合理的氮、磷、钾配比是糜子(Panicummiliaceum)产量形成的关键，氮磷、磷钾、氮钾肥间存在明显的交互作用。杨帆等[29]对柱花草(Stylosanthesguianensis)的研究表明氮与钾、磷与钾表现为协同作用，氮与磷则为拮抗作用，其中磷与钾交互作用最强。本试验结果表明适宜的氮、磷、钾交互可显著提高苜蓿产量，但氮磷、氮钾、磷钾互作增产效果不同，建植2年与建植3年紫花苜蓿交互增产效果均表现为氮磷效果最优。合理的氮、磷、钾配施是高产的关键，缺素或营养过盛均不利于产量的提高。本研究中建植2年苜蓿处理P1K2N1产量最高，增产率达47.1%。建植3年苜蓿处理P2K1N1产量最高，增产率达46.4%。

在苜蓿产业国际化的今天，作为优质植物性蛋白资源的紫花苜蓿，产量亦不是评判苜蓿生产的唯一重要指标，随着人们的认识不断提升，实现了从量到质的变化，品质亦成为饲草研究的重要目标。王德兴[30]研究表明氮、磷、钾肥均可促进油葵粗脂肪的产出，但增产效果为磷优于氮钾肥。王静等[31]研究表明3元素对桔梗总皂苷含量的影响程度依次为氮肥>磷肥>钾肥。本研究中，氮、磷、钾均可提高苜蓿蛋白总量，3因素对建植2年苜蓿蛋白总量的影响大小为氮>钾>磷，对建植3年苜蓿蛋白总量的影响大小为氮>磷>钾。说明氮素是蛋白积累最关键因子，磷钾起协调作用。与产量的形成相同，各元素间也存在交互作用。郝小雨等[32]通过长期定位施肥试验表明施磷可达到以磷促氮的效果，钾素可通过调节运送碳氮代谢产物，调节光合性能及植物催化剂(酶)的活性，提升苜蓿蛋白运转及积累。本研究表明肥料间互作对苜蓿蛋白产出效应不同，建植2年紫花苜蓿氮磷肥互作效应明显优于氮钾、磷钾互作，且氮钾、磷钾互作效应不显著。建植3年紫花苜蓿氮磷、氮钾、磷钾互作效应显著，并且氮磷、氮钾交互对苜蓿蛋白总量的增产效果明显大于磷钾交互，可见，氮素对蛋白积累的影响要优于磷钾肥。刘刚等[33]对桑叶品质的研究也得出相似的结论，即氮肥可显著提高桑叶中粗蛋白、可溶性糖和氨基酸的含量，磷、钾肥对新梢及叶片品质虽有促进作用，但效果不显著。3元素配合施用能够最大限度地发挥各自的肥效，本研究中建植2年紫花苜蓿P2K2N2蛋白总量最高，增产率达到68.6%，建植3年紫花苜蓿P2K1N1蛋白总量最高，增产率达到63.6%。

肥料效应函数是确定最佳施肥量的主要方法[34]，而肥料效应模型的选择尤为重要。现代肥料二次回归“3414”最优设计，具有减少处理、提高效率的优点，广泛应用于粮食、蔬菜等作物的肥效试验研究中，取得了显著的效果，但也有研究表明，模型拟合成功率低，如王圣瑞等[35]对27个冬小麦“3414”试验结果进行肥料效应函数的拟合研究，结果表明三元二次施肥模型进行拟合试验成功率仅为56%。针对三元二次模型拟合成功率较低的问题，杨俐苹等[36]对其原因进行了深入分析并指出，“3414”试验小区选择面积较大，各小区土壤肥力不均是其主要原因，且肥料用量水平数相对较少(只有4个水平)也是一个重要原因。在实践中，肥料效应函数应优先选择三元二次方程，在三元二次方程拟合度较低的情况下，再考虑二元和一元肥料效应方程。本研究中，以建植2、3年紫花苜蓿产量及蛋白总量为因变量，施氮量、施磷量、施钾量为自变量，建立三元二次方程，经显著性检验，P值均小于0.01，二次项系数为负，一次项系数为正，符合肥料报酬递减规律，三元二次方程拟合成功。由于影响测定指标的三元函数图形是四维空间的点集，待测指标受施肥因素的影响不能直接想象为函数的增减，三元函数驻点的多寡由函数的性质和特点确定。如果将二元函数最大值的求解方法简单应用于三元函数，可能会得出不正确的结果，即使是唯一的稳定点也不能断言此点就是最优解[37]。因此，本研究采用频度分析的方法，对此三元二次方程模型进行模拟寻优分析。结果表明建植2年紫花苜蓿目标产量大于平均产量17522.1 kg·hm-2时，优化施肥量为氮56.27～67.51 kg·hm-2、磷77.69～90.48 kg·hm-2、钾76.43～87.18 kg·hm-2；建植3年紫花苜蓿目标产量大于平均产量19234.1 kg·hm-2时，优化施肥量为氮46.75～57.66 kg·hm-2、磷80.15～92.28 kg·hm-2、钾57.79～69.74 kg·hm-2；建植2年紫花苜蓿目标蛋白总量大于平均2115.7 kg·hm-2时，优化施肥量为氮66.35～77.48 kg·hm-2、磷79.34～92.87 kg·hm-2、钾73.68～85.38 kg·hm-2；建植3年紫花苜蓿目标蛋白总量大于平均2656.0 kg·hm-2时，优化施肥量为氮68.44～79.50 kg·hm-2、磷72.74～85.96 kg·hm-2、钾50.68～61.61 kg·hm-2。