一种用于确定作物最佳土壤测试磷（STP）水平的新型多维机理建模方法

《Journal of Soil and Water Conservation》：A new and multidimensional, mechanistic modeling approach for determining optimum soil test phosphorus levels for crops

　　

现代农业技术丰富，并且在资源和经济学方面具有实现更高精度和效率的潜力。例如，专用设备与详细地理空间信息（如地表起伏、高密度土壤测试结果和产量数据）相结合，可实现分区管理。精准农业（precision agriculture）最常见的应用之一是在肥料施用中。然而，如果指导此类施用的土壤肥料推荐不准确，那么研究人员就是在精确地施用不正确的养分量。1994年，North Carolina State University 的 F. R. Cox 发表了一篇关于当前磷有效性指标特征和缺点的论文。30年后，该论文中描述的缺点仍未得到纠正。无论磷（P）推荐是基于构建和维持（build and maintain）、充足性（sufficiency），还是两种策略的组合，它们都依赖于土壤测试磷（soil test phosphorus, STP）与产量之间的经验关系（empirical relationship）。因此，STP临界水平（critical level）被确定为相应的区域特异性STP水平，在该水平下可实现约90%至95%的产量。在临界水平下，添加P不太可能提高产量；低于该水平时，产量响应的概率随STP降低而增加。因此，无论P推荐策略如何，P施用率均作为当前STP和临界值的函数被推荐。与临界STP水平同等重要的是达到临界水平所需的P施肥需求量，该需求量随初始STP水平和土壤属性变化。本讨论的重点仅为临界STP水平，而非达到临界水平的施肥推荐。

研究背景与问题：现代农业技术丰富，精准农业（precision agriculture，一种基于详细地理空间信息和专用设备的分区管理方式）在肥料施用中应用广泛。然而，若指导施肥的土壤肥料推荐不准确，则会出现精确施用错误养分量的后果。1994年，F. R. Cox 已指出当前磷有效性指标的缺点，但30年后这些问题仍未纠正。当前磷（P）推荐，无论采用构建和维持（build and maintain）、充足性（sufficiency）还是二者组合，均依赖土壤测试磷（soil test phosphorus, STP）与产量之间的经验关系（empirical relationship）。STP临界水平（critical level）被定义为可实现约90%至95%产量的区域特异性STP水平；低于该水平时，产量响应概率随STP降低而增加，P施用率则依据当前STP和临界值推荐。问题在于，该经验关系仅基于相关关系，不能等同于因果关系，且随土壤属性和管理变化，但多数推荐未充分考虑这一点。已有研究表明，黏粒含量会显著影响 Mehlich-3 P（M₃-P）临界水平，M₃-P临界水平在不同研究中也存在宽范围。因此，研究人员提出开展一项新研究，旨在建立一种多维、机理建模方法，以确定作物最佳STP水平，减少对原始相关关系的依赖。

关键技术方法：本文为观点/方法论文，未涉及田间试验或样本队列。研究人员提出以过程机理养分吸收模型（mechanistic nutrient uptake model，基于过程方程模拟土壤养分向根迁移和吸收的模型）为基础，该模型源于 Barber-Cushman 和 Nye-Tinker 研究，分为土壤供应、移动和根系吸收三个子模型；根系吸收以 Michaelis-Menten 动力学描述，P向根表移动以扩散为主，土壤缓冲能力描述固液相再补给；整合作物P吸收质量需求、产量目标、根系分布、P位置和土壤属性，对难测参数采用代理变量。

研究结果：

MECHANISTIC UPTAKE MODELS AS THE FOUNDATION（机理吸收模型作为基础）：通过文献综述与理论推演，研究人员指出当前挑战需要机理方法。S. Barber 和 Beegle 早先已表述经验法与机理法差异，即单一土壤测试值未必与预测P吸收相关。几乎全部机理养分吸收模型均基于 Barber 和 Cushman、Nye 和 Tinker 的方程和算法，曾被森林土壤学家用于不同树种养分吸收研究，并作为研究工具在验证后使用。模型过程包括土壤供应、移动和根系吸收：土壤供应量化土壤向溶液释放P的能力；P向根移动以扩散为主；根系吸收由 Michaelis-Menten 动力学描述，并取决于溶液P浓度。三步同时发生并相互影响。早期因计算能力不足，复杂动态方程以瞬态模型求解，J. Cushman 创建了 Barber-Cushman 模型；后随计算发展，可在足够小时间步下以稳态模型获得类似结果。各模型均预测养分吸收质量随时间变化，需要土壤缓冲能力、孔隙水P浓度、扩散、根系密度和直径等，菌根可增加根表面积。

THE WAY FORWARD: ADAPTING NUTRIENT UPTAKE MODELS FOR MAKING RECOMMENDATIONS（前进方向：调整养分吸收模型以制定推荐）：通过提出质量平衡吸收方法（mass balance uptake approach）和理论动态流程，研究人员认为，实现最大产量需要有限的养分吸收质量。例如，在最佳条件和所有养分充足时，玉米（Zea mays L.）达到最大籽粒产量需要每株近600 mg P吸收；超过该质量不会增加籽粒产量，而会导致奢侈消费（luxury consumption）。该P吸收质量需求可能因杂交种变化，并随产量潜力降低而减少，因此需纳入产量目标。已知所需有限P吸收质量后，可用养分吸收模型估计特定土壤、管理和条件下的独特STP临界水平。输入包括P质量需求、作物P吸收动力学、影响土壤理化性质、根系生长和土壤溶液P动态的土壤特征；实际工具中，许多性质需通过代理获得，如P缓冲能力可通过可得土壤属性或土壤类型估计。输入共同决定达到目标P吸收所需的初始最小土壤溶液P浓度，临界STP水平和外部P需求（external P requirement）随质地和矿物学变化。P位置有效性（positional availability）和根系分布也影响最低初始溶液P浓度需求。管理措施决定P位置并影响根分布；免耕倾向于使P和根集中于表层，覆盖作物单独增加P分层。根分布是最难获取的参数，是未来关键研究需求。纹理控制扩散，进而影响溶液P浓度对P吸收速率的作用。P吸收动力学系数可内置，无需实际用户直接输入，但仍需为更多作物和养分测定。每个土壤、作物和条件会产生独特最低初始溶液P浓度，对应特定STP水平并随土壤属性变化。目前正在创建基于机理养分吸收模型的养分管理工具，纳入传统农艺提取剂、可用土壤属性（如pH、有机质、黏粒含量、排水和矿物学）以及管理；下一步将纳入P吸附平衡和动力学（P sorption equilibria and kinetics）以模拟施肥。

DISCLOSURE STATEMENT（利益冲突声明）：作者声明无利益冲突。

讨论与结论翻译：目前正在努力创建一种基于机理养分吸收模型的养分管理工具，该工具纳入传统农艺提取剂、可获得的土壤属性（如pH、有机质、黏粒含量、排水和矿物学）以及管理措施。下一步将纳入P吸附平衡和动力学，以模拟施肥。最终，提高P推荐的准确性和精确性将使改进土壤测试和肥料施用的潜力得以充分实现，并将提高P利用效率和生产经济性，同时减少对水质的负面影响。最后，只要获得适当输入（例如作物吸收动力学系数和描述土壤-溶液动态的方程），此类工具的开发可以很容易地从P扩展到其他养分。这说明了以机理模型作为管理工具基础的一个优点：它们本质上是通用的。