土壤健康指标与常规土壤肥力指标结合能否提高玉米钾肥推荐准确性？

《Agronomy Journal》：Can soil health measures improve corn potassium fertilizer recommendations?

　　

将土壤健康测量与传统土壤肥力测量相结合，有可能提高玉米（Zea mays L.）钾（K）肥料推荐的准确性。本研究的目的是确定结合土壤健康与经典土壤测试指标是否会改进钾肥推荐。该项目于2019–2022年在美国南达科他州中部和东部商业农田内的97个试验区域开展。将112 kg K₂O ha^?1的施肥处理与不施钾肥的对照进行比较。在施肥前采集土壤健康和肥力样品（0–15 cm），并分析肥力和健康指标。仅用钾（K）预测玉米产量对钾肥响应的可预测性，其R²值为0.11，均方根误差（root mean square error, RMSE）为6%。加入额外的土壤肥力和土壤碳（C）测量指标后，R²值提高了0.12。加入土壤健康变量并未进一步提高可预测性（R²=0.20）。具有最佳R²值的最简模型包括土壤测试钾（soil test potassium, STK）、pH、土壤有机质（soil organic matter, SOM）和总碳（total C）等变量（R²=0.23）。这些结果不支持在南达科他州使用土壤健康指标来指导玉米钾肥推荐，而是建议在基础土壤肥力测量基础上添加总碳，以指导玉米肥力决策。

土壤测试是制定钾（K）肥推荐的核心依据，但仅依赖土壤测试钾（STK）往往难以准确预测玉米（Zea mays L.）产量对钾肥的响应。美国41%的州不清楚其磷（P）、钾（K）相关性建立或验证的时间，南达科他州即属此类。现行推荐大多基于高强度耕作时期制定，而自20世纪80年代以来减少耕作导致土壤有机质上升，因此需重新评估现行指南的适用性。已有研究表明，单一STK模型解释率仅为9%–28%，且K有效性受pH、阳离子交换量（CEC）、有机质等因子影响。土壤健康测试因涉及微生物解钾作用也可能有潜力，但缺乏应用框架。为此，研究人员于2019–2022年在南达科他州中东部28个商业农田设置97个钾肥响应试验点，比较不施钾对照与112 kg K₂O ha^?1施肥处理，结合随机森林模型评估不同变量组合对相对产量（施钾区/对照区产量×100）的预测能力。

研究方法上，研究人员在春季施肥前采集0–15 cm深度加权混合土样，分析常规肥力指标（pH、SOM、STK、表观阳离子交换量[apparent cation exchange capacity, CEC^a]、总C、高锰酸盐氧化性碳[permanganate oxidizable C, POX-C]）和土壤健康指标（β-葡萄糖