基于QUEFTS模型和遥感诊断技术研究马铃薯精准施肥决策

《European Journal of Agronomy》：Research of potato precision fertilization decision based on QUEFTS model and remote sensing diagnosis of nutrient deficiency

　　

马圆圆| 段迪| 张杰| 冯海宽| 杨贵军| 宋晓宇

中国北京市农林科学院信息技术研究中心，北京100094

摘要

马铃薯是一种具有高产量潜力和营养价值的重要粮食作物，对粮食安全和饮食多样性做出了贡献。在马铃薯种植中过量施肥会降低产量并造成环境污染，这凸显了实时精准施肥的必要性。本研究使用了2022年和2023年在黑龙江省克山农场进行的氮肥和钾肥梯度实验的数据。应用了“热带土壤肥力定量评估（QUEFTS）”模型来确定氮、磷、钾的最佳潜在产量和养分吸收量。该模型表明，克山农场马铃薯的最佳潜在产量为每公顷42吨。在养分吸收曲线上达到潜在产量的70%时，每生产一吨马铃薯块茎所需的最佳养分分别为1.864千克氮、0.355千克磷和2.811千克钾。块茎对氮、磷和钾的吸收量分别占总植物吸收量的76.7%、71.3%和78.5%。随后获取了Planet卫星图像，并开发了一个随机森林（RF）回归模型来监测研究区域内的马铃薯植株中的氮含量。然后估算了植株的氮积累量，并获得了其在田间尺度上的空间分布。通过比较最佳养分需求与实际田间吸收量，计算出在最佳目标产量下的养分亏缺，并根据养分亏缺的实时诊断数据制定了变量施肥策略。结果表明，与均匀施肥策略相比，变量施肥策略使氮肥和磷肥的施用量分别减少了约12.9%和12.7%。本研究表明，将遥感数据与QUEFTS模型结合使用显著提高了肥料利用效率，并减轻了马铃薯关键生长期的环境污染。

引言

马铃薯是一种具有高产量潜力和显著营养价值的重要粮食作物，在粮食安全、农民收入和饮食多样性方面发挥着关键作用。在现代农业生产中，科学合理的施肥管理对于实现高作物产量和可持续农业发展至关重要（Grados等人，2020年；Xu等人，2022年；Zhang等人，2017年）。马铃薯有特定的养分需求，尤其是氮（N）、磷（P）和钾（K），然而土壤变异性、气候变化和施肥方式往往导致养分流失和环境污染。

由于传统的高投入方法，在集约化农业中普遍存在过量施肥现象，这降低了养分利用效率并增加了环境危害，包括淋溶和温室气体排放（Davenport等人，2005年；Vos，2009年；Koch等人，2020年；Naumann等人，2020年）。由于马铃薯具有浅根系且种植在沙壤土中，精细的田间管理，特别是精准施肥，对于提高产量和作物品质至关重要（Beeckman等人，2018年；Han等人，2022年；Xu等人，2013年）。

尽管已有成熟的施肥技术，包括传统的土壤测试公式、硝酸盐测试、叶绿素诊断和冠层氮诊断程序，但这些方法仍存在显著局限性。土壤测试和配方方法周期较长，无法及时调整施肥策略以适应作物生长阶段和环境变化。硝酸盐测试方法和叶绿素诊断方法主要用于调整追肥量，但无法准确确定基肥需求。在作物生长后期，尤其是高密度作物群体中，冠层氮检测的有效性会降低，导致灵敏度显著下降。因此，当前的施肥方法在监测周期、实时能力和动态调整潜力方面存在不足。这种方法降低了肥料利用效率并导致大量养分流失，加剧了环境污染问题。

近年来，由于遥感技术具有高通量、大范围和实时动态监测的能力，已被广泛用于监测作物的物理和化学性质（Cheng等人，2024年；Li等人，2024年）。尽管传统的土壤和作物营养监测技术精度较高，但由于依赖于地面采样和实验室分析，其大规模应用仍具有挑战性。遥感技术的快速发展使得利用遥感数据进行作物营养监测成为新兴趋势。利用无人机高光谱遥感图像开发出的纹理指数，结合优化算法评估植物图像中的氮含量，显著提高了氮营养状况监测的精度（Fan等人，2023年）。此外，Ma等人（2023年）引入了一种利用无人机遥感多光谱图像评估马铃薯中钾含量的方法，为精准农业中的养分管理提供了新的技术手段。

为了克服现有施肥方法的局限性，本研究提出了一种结合QUEFTS模型和遥感技术的精准施肥决策方法。该方法通过分析土壤肥力和作物养分吸收因素，模拟了不同目标产量下的作物养分需求。同时，利用遥感技术诊断了马铃薯的关键生长阶段的养分亏缺。本研究旨在将QUEFTS模型应用于马铃薯，以优化施肥管理，从而提高肥料利用效率，减少养分流失和环境污染，并为可持续马铃薯农业提供科学支持。

章节摘录

实验设计

本研究以黑龙江省土地垦复局齐齐哈尔分院的克山农场为研究区域，分别于2022年和2023年在那里进行了氮肥和钾肥的梯度处理试验。实验设置如图1所示。

2022年的实验马铃薯品种为Kenshu 1（P1）和Nei-9（P2），播种时间为5月13日。2023年的实验马铃薯品种为Vilas（P3）和Ney-9（P2），播种时间同上

养分内在效率分析

根据2022年和2023年马铃薯田间试验的数据分析（图4），研究区域的马铃薯块茎平均产量为20808.594千克/公顷（干重，不包括施肥处理）（表3）。实验结果表明，HI≥0.40的样本表现稳定，平均值为0.572千克/千克。Setiyono等人（2010年）得出结论，HI<0.40的数据对QUEFTS模型的拟合结果影响较小。因此，某些

QUEFTS模型的拟合性能

QUEFTS模型是一种广泛用于模拟作物养分吸收和土壤养分供应的工具，可以为农业决策提供支持。多项研究表明，QUEFTS模型在不同土壤类型和气候条件下表现良好。然而，它在处理土壤异质性、钾吸收偏差和高产环境下的非线性吸收特性时也存在局限性。

首先，在拟合精度方面，该

结论

本研究利用2022年和2023年的马铃薯地面数据校准了QUEFTS模型，以确定不同目标产量下的氮、磷和钾的吸收量。接下来，利用QUEFTS模型和基于遥感诊断的马铃薯养分亏缺的精准施肥决策方法构建了马铃薯施肥决策模型，实现了对作物养分需求的实时监测和施肥的动态调整

利益冲突声明

我们确认这是我们的原创工作，未同时提交给任何其他期刊。作者声明没有利益冲突。

致谢

本研究得到了黑龙江省重点科技项目（2021ZXJ05A05）和国家自然科学基金（41601346）的支持。