《AgriEngineering》：A Spatial and Economic Framework for Variable-Rate Corn Seeding Based on Liebig’s Law of the Minimum
编辑推荐：
玉米（Zea mays L.）播种密度是实现高产的关键管理因素，但变量播种（variable-rate seeding, VRS）处方常依赖土壤质地等经验代理指标。本研究旨在识别影响玉米籽粒产量的土壤属性，并评价Liebig最小因子定律（Liebig’s La
玉米（Zea mays L.）播种密度是实现高产的关键管理因素，但变量播种（variable-rate seeding, VRS）处方常依赖土壤质地等经验代理指标。本研究旨在识别影响玉米籽粒产量的土壤属性，并评价Liebig最小因子定律（Liebig’s Law of the Minimum）能否指导VRS决策，同时整合空间分析与经济可行性。试验在巴西Goiás州Chapad?o do Céu开展，田块面积97 ha，土壤变异性高。四个目标播种量（50、55、60和65千粒种子 ha?1）分配至136个地理参考小区。评估的土壤属性包括质地、阳离子交换量（cation exchange capacity, CEC）、pH、有机质、电导率及大量元素（Ca、Mg、K、P、S）。采用地质统计分析（半变异函数和克里金）以及双变量Moran’s I与局部空间关联指标（Local Indicators of Spatial Association, LISA）评估空间格局。除硫呈中等空间依赖外，所有属性均呈强空间依赖。籽粒产量与黏粒含量、CEC、Ca和Mg负相关，与砂粒含量正相关。LISA揭示“低-高”（Low-High）聚集区，其中高CEC和高黏粒含量与低产共存，受限制因子驱动：低pH（5.03–5.30）和低钾有效性（18.5–34.2 mg dm?3）。这些因子压过表观肥力，证实当最小因子未解决时，黏质土壤中较高植株密度适得其反。采用Monte Carlo模拟（10,000次迭代）的经济分析显示，净现值（Net Present Value, NPV）中位数为USD 63,552（14% p.a.折现率），简单和折现回收期分别为3.2年和4.2年。即使在保守情景（增产1.5 bags ha?1）下投资仍可行。研究结论：整合地质统计与经济评价可提供稳健框架，用于识别“低效区”（inefficiency zones，应降低密度）和“机会区”（opportunity zones，可采用较高群体），优化种子使用并增强巴西Cerrado玉米生产的可持续性。
研究背景与问题：玉米是世界重要作物，巴西玉米生产规模大，提高生产效率与盈利能力具有重要意义。土壤属性具有显著空间变异，传统采样与管理常难以捕捉这种异质性；精准农业（precision agriculture, PA）可利用空间信息实施靶向干预。播种密度是玉米高产的关键因素，但传统均一播种常忽略空间变异，可能限制产量与盈利。变量播种（VRS）机械已商业化，但定义玉米播种量的参数仍较主观，常依赖平均土壤质地、历史产量图或种子公司固定指南，较少同时考虑多个土壤化学与物理属性的交互，也未充分考虑Liebig最小因子定律。该定律认为作物产量受最缺乏因子限制，即使其他因子丰富，隐蔽限制因子（如低pH或低钾）仍可限产并使VRS处方失效。经济可行性也是玉米投资决策的重要因素，VRS经济回报取决于对土壤变异和限制因子的准确诊断。为此，研究人员在巴西Goiás州Chapad?o do Céu的Fazenda Alto Formoso开展研究，在97 ha高土壤变异田块设置136个地理参考小区（80×80 m），评估四种目标播种量，并分析土壤属性与玉米产量的空间关系，评价最小因子定律能否解释基于质地的VRS策略失效，提出基于空间统计的诊断方法，并开展VRS系统经济可行性研究。研究结论显示，低pH和低钾是最主要限制因子，“低-高”聚集区反映高CEC、高黏粒与低产共存；仅基于质地的VRS不足，整合地质统计与LISA可识别低效区和机会区；Monte Carlo模拟表明投资可行。其意义在于将VRS从相关性管理转向基于Liebig最小因子定律的原则性管理，为优化种子使用、降低投入成本和提高巴西Cerrado玉米生产可持续性提供框架。
关键技术方法（不超过250字）：研究地点为巴西Goiás州Chapad?o do Céu的Fazenda Alto Formoso，97 ha，136个地理参考小区，土壤采样97点（0–0.20 m），2022/2023第二季玉米。采用简单与交叉半变异函数、普通克里金分析空间格局；用全局与局部Moran’s I（LISA）及双变量Moran’s I评估空间自相关，GeoDa进行999次置换检验；以pH 5.5和K 30 mg dm
?3等临界值识别最小因子；构建实际处方、Liebig处方和均匀处方反事实比较；经济分析计算NPV、内部收益率（Internal Rate of Return, IRR）、简单与折现回收期，并用Monte Carlo模拟10,000次迭代评估不确定性。
研究结果：
3.1 地质统计分析：通过简单与交叉半变异函数及克里金分析得出，所有土壤属性呈强空间依赖，硫为中等空间依赖。产量图显示北部产量较高，植株群体分布较随机；电导率西部高、东部和东南部低；高程呈明显分区；pH变化较大；有机质中西部较高；CEC、盐基总和、Ca、Mg、K、P在西北、东部和中部较高；硫在东部较高；黏粒在北部、西北和东部较高，粉粒在中西部较高，砂粒在东部较高。交叉半变异函数表明，玉米产量与土壤电导率、海拔、CEC、盐基总和、Ca、Mg负相关；与黏粒负相关，与砂粒正相关。
3.2 双变量Moran分析：通过双变量Moran’s I及LISA聚类图分析玉米产量与CEC、电导率、pH、钾、黏粒和盐基总和的空间关联，得出产量与这些属性存在局部空间聚集；“低-高”（Low-High）聚集区表明低产出现在高CEC、高钾或高黏粒邻域，反映限制因子压过表观肥力；pH总体Moran相关系数为+0.064，但局部仍有7个点表现为高pH区域低产，提示最小因子定律 prevailing。
3.3 经济分析：通过Monte Carlo模拟（10,000次迭代）和确定性敏感性分析得出，NPV中位数为USD 63,552（14% p.a.折现率），简单回收期3.2年，折现回收期4.2年；NPV最敏感于增产（bags ha
?1），其次为玉米价格；即使增产1.5 bags ha
?1，回收期约3.2年（简单）和4.2年（折现），增产1.0 bag ha
?1时回收期仍低于5年；累计余额第4年转正，第10年累计储蓄超过USD 70,000；负NPV概率低于5%。
3.4 反事实比较：通过比较实际处方、Liebig处方和均匀处方（60,000 seeds ha
?1）的模拟产量与经济表现得出，Liebig处方平均模拟产量最高（8.92 Mg ha
?1），均匀处方为8.45 Mg ha
?1，实际处方为8.21 Mg ha
?1；Liebig处方较实际处方增产8.6%，较均匀处方增产5.6%；NPV中位数分别为USD 63,552、USD 55,890和USD 48,215；简单回收期分别为3.2、3.5和3.8年。研究人员强调这些为基于观测关系的模拟结果，尚非田间验证结果。
讨论总结：讨论围绕“在哪里、基于哪些因子改变植株密度”展开。所有属性存在空间相关，支持将土壤参数与作物生产力联合分析。交叉半变异函数显示产量与电导率、CEC、盐基总和、Ca、Mg及黏粒负相关，与砂粒正相关；这种表观反直觉关系由低pH和低钾等最小因子解释。LISA分析将宏观相关分解到局部：低-高聚集区为“低效区”，即高CEC或高黏粒与低产共存、增密无效的区域；高-高聚集区为“机会区”，即最小因子不明显限制、可采用较高群体的区域；高-低聚集区为需进一步调查的异常点。研究指出，仅依据黏粒或砂粒等单一质地属性制定VRS处方存在风险，应先诊断最限制因子并分析临界阳离子水平；在限制因子未识别时改变群体可能是错误的。经济分析表明，基于Liebig最小因子定律的VRS在财务上有吸引力，Monte Carlo模拟显示负NPV概率低，回收期较短，与精准农业经济研究一致。研究限制包括单作物、特定气象条件、单一试验地点、非随机设计导致密度效应不能与土壤属性和地形等混杂因素完全分离；最小因子识别基于既定临界值（pH 5.5、K 30 mg dm
?3），铝毒、病害和虫害未直接测定。未来需开展多年度、多地点、不同环境与作物验证，并研究VRS与土壤改良（如石灰、钾肥）的交互。结论部分翻译：本研究成功证明，土壤属性（包括质地、CEC、pH、K、Ca、Mg和有机质）的空间变异显著影响玉米生产力。整合地质统计（交叉半变异函数）与局部空间分析（双变量Moran’s LISA）提供了稳健框架，用于识别Liebig最小因子定律 prevailing 的区域。具体而言，“低-高”聚集区——高CEC和高黏粒但玉米低产的区域——受限制因子驱动，尤其是低土壤pH（5.03–5.30）和低钾浓度（低至18.5 mg dm
?3）。这些限制因子压过土壤肥力的预期正向效应，证实仅基于土壤质地的VRS策略不足，并可能导致种子投资浪费。然而，鉴于试验为非随机设计，本文证据应界定为诊断性而非验证性；缺乏随机化和重复时，密度效应不能与土壤属性和地形等混杂因素完全分离，因此密度相关结论应解释为相关性和空间格局描述，而非因果推断。该限制说明未来需在对比VRS处方下开展田间验证。经济分析验证了该方法的实践相关性：Monte Carlo模拟（10,000次迭代）显示NPV中位数为USD 63,552（14% p.a.折现率），财务损失概率低（负NPV迭代<5%）；确定性敏感性分析显示回收期最敏感于增产，保守情景（增产1.5 bags ha
?1）下简单回收期3.2年、折现回收期4.2年；反事实比较显示Liebig处方模拟产量较实际处方高8.6%，较均匀处方高5.6%，具有最高NPV中位数和最短回收期。这些结果与近期精准农业技术研究一致，表明基于最小因子定律的变量播种不仅农学上一致，而且经济上有吸引力、财务上稳健。实践意义包括：农民和农艺师在处方VRS前应进行充分的土壤属性空间诊断，识别最限制因子（如低pH、缺钾），划定“低效区”（应降低植株密度）和“机会区”（可采用较高群体），从而优化种子使用、降低投入成本并最大化产量潜力；精准农业方面，本研究提供基于原则（Liebig定律）的框架，使VRS从经验性、基于质地的推荐转向诊断驱动策略，交叉半变异函数与LISA图可映射限制因子并指导定点管理；未来研究应探索VRS与土壤改良（如石灰、钾肥）的交互，开展多年度、多地点试验，验证不同气候区、土壤类型和玉米杂交种的适用性，并优先纳入铝毒、病害和虫害等未测定因素。最终结论翻译：采用基于Liebig最小因子定律的变量播种，是提高巴西Cerrado玉米生产力和盈利能力的技术合理且经济可行策略；聚焦最限制因子不仅提高资源利用效率，也有助于增强Mato Grosso do Sul及以外地区玉米生产的可持续性和竞争力。
