CN105557166A - 基于gis的滴灌棉田氮素施肥管理方法 - Google Patents
基于gis的滴灌棉田氮素施肥管理方法 Download PDFInfo
- Publication number
- CN105557166A CN105557166A CN201610052890.XA CN201610052890A CN105557166A CN 105557166 A CN105557166 A CN 105557166A CN 201610052890 A CN201610052890 A CN 201610052890A CN 105557166 A CN105557166 A CN 105557166A
- Authority
- CN
- China
- Prior art keywords
- nitrogen
- soil
- cotton
- subregion
- ndvi
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01C—PLANTING; SOWING; FERTILISING
- A01C21/00—Methods of fertilising, sowing or planting
- A01C21/007—Determining fertilization requirements
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Soil Sciences (AREA)
- Environmental Sciences (AREA)
- Hydroponics (AREA)
Abstract
本发明公开一种基于GIS的滴灌棉田氮素施肥管理方法,以该方法以土壤的全氮、有机质和碱解氮为数据源,应用模糊c-均值聚类算法实现对滴灌棉田氮素养分分区管理,在该基础上,以土壤碱解氮为指标确定氮素基肥施用量,以基于叶片氮素积累量确定棉花各生育期的冠层NDVI临界值,再依据NDVI临界值与实测值,确定氮素追肥施用量。本发明方法可以克服传统施肥过程中没有考虑到不同养分含量导致低氮区施肥不足,高氮区又施肥过量的问题,避免影响作物生长和肥料的浪费。
Description
技术领域
本发明涉及农田管理领域,具体涉及一种基于GIS的滴灌棉田氮素施肥管理方法。
背景技术
在新疆内陆型绿洲进行基于多种土壤属性的农田精确管理分区研究,不仅可以认识绿洲农业生态环境特征与其特殊的生产功能,对绿洲农业的合理开发及可持续发展也有着重要作用。与以农户分散经营模式为主的地方农业不同,新疆生产建设兵团大型国有农场在农户分散经营模式的基础上,采用农业技术高度集约化管理的模式,为高新农业科学技术推广与普及带来巨大便利。农场农业生产和技术管理以团为基本管理单位,团以下又以连队为基本管理单元,团内自然条件和气候条件基本一致,因此团场耕地的土壤养分状况既具有连队间的差异性又具有团场内的一致性。在团场范围内以连队为基本单元进行土壤养分精确管理分区研究,较为符合兵团的实际特点,可为了解土壤养分平衡状况及农业变量投入的实施提供必要的理论依据和技术支持。
在前期的工作中,申请人利用主动遥感光谱仪进行棉花的氮素营养诊断,建立了棉花氮素追肥推荐模型(“棉花氮素营养诊断与追肥推荐模型”,李新伟等,《农业机械学报》,2014年12月,第45卷第12期),但该模型只研究了棉花地上部分的营养善而没有考虑土壤养分状况,而施肥量与土壤养分状况密切相关。因此,在棉花氮素施肥管理中如何考虑土壤养分状况,减少肥料浪费,为科学精准施肥管理提供依据具有重要的意义。
发明内容
本发明要解决的技术问题是克服现有的缺陷,提供了一种基于GIS的滴灌棉田氮素施肥管理方法。
为了解决上述技术问题,本发明提供了如下的技术方案:
基于GIS的滴灌棉田氮素施肥管理方法,包括如下步骤:
(A)滴灌棉田土壤氮素分区的确定
A1:采集土壤样本,测定土壤样本的全氮、有机质和碱解氮含量,获得样本数据集;
A2:采用模糊c-均值聚类算法,对样本数据集进行聚类分区,依据最大隶属度原则绘制滴灌棉田的土壤氮素分区图;
(B)滴灌棉田氮素基肥施用量的确定
B1:根据步骤A绘制的土壤氮素分区图,在各土壤氮素分区中分别随机选取试验区,进行棉花种植试验,测定播种前土壤的碱解氮含量、棉花产量;
B2:对碱解氮含量和棉花产量进行回归分析,获得碱解氮含量与棉花产量的一元二次回归方程;
B3:对B2的一元二次回归方程求导,d(棉花产量)/d(碱解氮含量)=0时的碱解氮含量即为各土壤氮素分区相应的土壤最佳供氮量;
B4:根据土壤氮素分区图及各土壤氮素分区相应的土壤最佳供氮量,氮素基肥施用量=(土壤最佳供氮量-播种前土壤的碱解氮含量)×f,其中f取值为20%~40%;
(C)滴灌棉田氮素追肥施用量的确定
C1:根据步骤A绘制的土壤氮素分区图,在各土壤氮素分区中分别随机选取试验区,进行棉花种植试验,测定棉花各生育期的冠层NDVI、叶片氮素积累量,以及施氮总量和棉花产量;
C2:对施氮量和棉花产量进行回归分析,获得施氮总量与棉花产量的一元二次回归方程,对一元二次回归方程求导,得到边际产量与施氮总量的关系式,以边际产量等于氮肥与棉花的价格比时的施氮总量为各土壤氮素分区的经济最佳施肥量,将经济最佳施肥量代入一元二次回归方程,得到经济最佳产量;
C3:对叶片氮素积累量和棉花产量进行回归分析,获得叶片氮素积累量与棉花产量的一元二次回归方程,对叶片氮素积累量和冠层NDVI进行回归分析,获得叶片氮素积累量与冠层NDVI的线性方程;
C4:将步骤C2的经济最佳产量代入步骤C3的一元二次回归方程,将计算出的叶片氮素积累量代入步骤C3的线性方程,得到各土壤氮素分区中棉花各生育期的冠层NDVI临界值;
C4:对冠层NDVI和施氮总量进行回归析,获得棉花各生育期的NDVI与施氮总量的线性方程;
C5:在棉花各生育期,比较冠层NDVI实测值与NDVI临界值的大小,判断各生育期是否进行追肥,并按如下公式确定各生育期时氮素的追肥量:Nd=(R0-Rx)/b,
式中Nd―各生育期追肥量
R0―NDVI临界值
Rx―NDVI实测值
b―各生育期NDVI与施氮总量的线性方程的回归系数。
进一步,步骤(A)聚类分区时分区数为2-10个,加权指数φ取1.2~2.0。
进一步,步骤(A)聚类分区时分区数为3个,加权指数φ取1.7。
进一步,步骤(B)测定土层浓度为0-20cm的土壤碱解氮含量。
进一步,步骤(B)的f取值为30%。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1是模糊性能指数(FPI)和归一化分类墒(NCE)随施肥分区数增加的变化趋势图;
图2是模糊类别c不同取值时的模糊加权指数;
图3为研究区土壤肥力单一模糊隶属度空间分布图;
图4是依据最大隶属度原则绘制的农田管理分区图;
图5小区试验分布图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
一、滴灌棉田土壤氮素分区的划分
本发明综合运用GIS(空间分析技术)、地统计学和模糊c-均值聚类算法(FCM)等技术方法,以小尺度条件下(本发明选取30m网格采样))土壤养分(全氮、有机质和碱解氮)为数据源,对研究区(新疆生产建设兵团第八师石河子总场滴灌棉田)土壤氮素养分进行分区划分,探讨以棉田氮素养分分区划分的可行性及其精度,为作物分区差异化管理、精准合理变量施肥提供理论参考。
1.1数据分析工具
(1)数据输入与整理采用MicrosoftExcel2010
(2)描述性统计、方差分析和LSD法多重比较用SPSS17.0软件进行
(3)相关性分析和模型建立与作图采用Origin8.5
(4)土壤养分半方差函数和插值模型拟合计算采用地统计学软件GS+7.0
(5)模糊c-均值聚类算法采用MATLAB7.0进行
(6)基础图件的数字化、图形的编辑、修改和显示以及图形的配准校正、地统计空间分析插值和插值图绘制等采用ArcGIS10.1地统计模块进行。
(7)全氮采用凯氏定氮法测定,仪器为凯氏定氮仪、半微量滴定管;碱解氮采用碱解扩散法测定,仪器包括扩散皿、滴定管、培养箱;有机质采用油浴加热-重铬酸钾容量法,仪器包括电子天平、玻璃试管、三角瓶、小漏斗、5mL重铬酸钾移液管、5mL浓硫酸移液管、油浴装置、360度温度计、玻璃棒一支、25mL活塞滴定管。
1.2模糊分类结果输出
首先通过SPSS17.0对土壤全氮、有机质和碱解氮的原始数据进行标准化化处理,为避免计算结果受变量数量级和量纲不同的影响,使每一指标准化值在某种共同的数据特性范围内统一。
把n×p(其中n为土壤样本个数:112个,p为所测定的养分种类数:3个)的土壤属性模糊集带入模糊c-均值聚类法中,利用MATLAB7.0软件进行模糊聚类分区,在聚类分析之前,软件参数设定为:取最大迭代次数为300,收敛域值为0.001,最大分区数为10个,最小分区数为2个。
利用软件分区处理的同时,计算出对应的各个分区的模糊性能指数(FPI)和归一化分类墒(NCE),聚类的效好坏是由FPI和NCE决定的,它们是验证最佳分区数的指标,两者的值越小越好,FPI越小表示聚类中的共用或重叠像元数越小,NCE越小则表示分解量越大。两者的值越小表示越好。
图1是模糊性能指数(FPI)和归一化分类墒(NCE)随施肥分区数增加的变化趋势图。可以看出,当分区(分类)数目为3时,产生的模糊性能指数FPI和归一化分类墒NCE都最小,即对此种算法研究区最佳的分区数目为3。
适宜的模糊加权指数和模糊类比数可以同时由φ的派生函数-[(δJ/δφ)c0.5]确定。当φ取1.2~2.0,分区数c取2~10时,不同c-φ组合下的派生函数-[(δJ/δφ)c0.5]的取值结果见图2,当c=3、φ=1.7时,-[(δJ/δφ)c0.5]曲线的峰值最早出现,且最小,因此,模糊c-均值聚类算法土壤属性模糊聚类的控制参数应为:c=3、φ=1.7,初步判定研究区域可划分为3个土壤氮素施肥区。经过72次迭代,J(F,C)达到最小值1145.52,此时得到各样本的隶属度函数矩阵。
表1研究区土壤养分模糊类别中心
由表1统计得到研究区域土壤属性数据集经过模糊c-均值聚类算法生成的聚类中心,对样品土壤分属的类别(氮素分区)进行初步评价可知:分区3具有最高的土壤养分水平;在分区1中,只有碱解氮含量均值最高,土壤全氮和有机质的均值都最低,因此判定该区土壤养分水平最低;分区2的养分水平趋于分区1和3二者中间水平。
表2研究区土壤类别隶属度和混乱度指数
表2显示了每个样点CI及样点对土壤各聚类类别的部分隶属度值。研究区的混乱指数CI均值为0.23,因此不确定性较小,从而表明土壤属性在各分区的隶属关系相对比较明晰。
1.3各分区隶属度的空间变异特征分析
根据表2数据,首先各分区隶属度进行半方差分析(表3)。
表3模糊分区隶属度半方差分析及拟合模型
由表3可以看出分区一、分区二和分区三的隶属度的最佳半方差拟合模型分别为球状(Spherical)、高斯(Gaussian)和指数(Exponential)模型,块金效应C0/(C0+C)分别为25.4%、24.9%和23.1%,说明各分区的空间自相关性较强;三种分区的隶属度的空间变程也都大于30m,再次说明20m和30m间距都可作为最佳采样间距。同样也说明此分区数较为合理。
1.4分区图的输出
依据最大隶属度原则绘制农田管理分区图:图3为研究区土壤肥力单一模糊隶属度空间分布图,图4为依据最大隶属度原则绘制的农田管理分区图。
图3为研究区域土壤养分单一模糊隶属度空间分布图,可以直观看出:分区1主要分布于研究区的西南、东南和中部区域内(C1);分区2主要分布于研究区的西北部、东北和中部区域内(C2);分区3主要分布于研究区的北部、中部并连接东部区域内(C3);。图4可以明显看出分区可视化效果,分区1、分区2和分区3与图3土壤养分单一模糊隶属度分布区域的重合度较高,进一步说明将研究区域划分为3个区域是可行的。分区1内的土壤含氮量最低,因此所需氮素施肥含量最多;分区3内的土壤含氮量最高,因此所需氮素施肥含量最少;分区2介于二者之间。
二、基于氮素养分分区的施肥模型建立试验
(1)试验区布置
在研究区划分高低(C1)、中(C2)、(C3)三个氮素养分分区的基础上,分别在三个区域中各选取面积为2亩的试验区,试验区分布见图4:
(2)基肥施肥模型建立试验
以土壤碱解氮作为土壤氮素养分诊断指标,通过建立与产量的回归关系,确定土壤最佳供氮量,最终实现根据实际土壤碱解氮状况的基肥推荐(追肥与当地施肥保持一致)。
(3)追肥施肥模型建立试验
本试验为氮素单因素试验,主要用于追肥模型建立。分别在不同分区中设5个氮处理,分别施纯氮0(N0)、120(N1)、240(N2)、360(N3)和480(N4)kg·hm-2。采用膜下滴灌栽培一膜两管六行模式,株行距配置为(10cm+66cm)×10cm。供试材料为棉花常规早熟品种新陆早48号,2011年4月28日出苗、7月8日打顶、9月10测产量,2012年5月1日出苗、7月10日打顶、9月15日测产量。留苗密度均为27万株·hm-2左右;小区面积均为10m×5.1m,各3次重复,小区在田间随机排列(如图5)。
各分区采用覆膜点播方式播种,膜下滴灌随水施肥。各N处理作为追肥随水施入,各小区间用埋深为80cm的防渗带隔开,独立滴灌,全生育期灌水11次,其它管理措施与当地大田管理一致。磷、钾肥作为基肥在播种前一次性施入,磷肥和钾肥施入量分别为225和227.5kg·hm-2。氮肥为尿素(含N质量分数46%)、磷肥为重过磷酸钙(含P2O5质量分数46%)、钾肥为氯化钾(含K2O质量分数50%)。N肥作为追肥,随滴灌水施入,水、氮肥配比如表4所示。
表4棉花不同生育期灌水量及各处理追施氮肥用量
(4)测定项目与方法
采用美国N-tech公司生产的手持便携式主动遥感光谱仪GreenSeeker获取NDVI值(植被覆盖指数)。该仪器为主动遥感,其中红光波段为(671±6)nm,近红外光波段(780±6)nm,光谱宽幅为0.6m。光谱信号通过***自带的软件处理,可以直接得到NDVI数据。测量时将光谱探照头平行于棉花植被冠层,行端各留2m缓冲区。行进速度1.25m/s、高度0.5m、长度10m,每小区选取长势均匀的3个点,3次重复。测定时间为上10:00-12:00,无风晴朗的天气测定。测试中在GreenSeeker的掌上电脑进行编号,通过数据线将掌上电脑上的数据保存在PC机上,选择NDVI平均值的TXT文档,利用EXCEL数据转化功能,转化成可EXCEL编辑的数据。
从现蕾期开始(2011年,出苗后50d;2012年,出苗后53d;2013年,出苗后52d)在棉花灌水或施肥前测定(每隔10天左右)到收获期结束.具体测定时间为:2011年取样时间分别在蕾期(06-19,07-01)、花期(07-11,07-25)、铃期(08-06,08-18)和吐絮期(08-26、09-10);2012年取样时间分别在蕾期(06-25、07-03)、花期(07-13,07-24)、铃期(08-04,08-16)和吐絮期(08-28、09-08)进行,对所获得的数据进行差异显著性分析后,取平均值作为该区的光谱测量值。
(4.1)叶面积测量
取样时间与测定光谱时间一致,每次各小区取长势均匀的3株具有代表性的棉花植株样品,用保鲜膜包裹带回实验室待测。将棉株样分离为茎、叶、蕾、花、铃和絮等,将叶片全部收集,采用LI-3100C数字叶面积仪(LI-COR,Lincoln,Nebraska,USA)测定棉花的叶面积LA,然后计算叶面积指数(Leafareaindex,LAI)。计算公式为:
LAI=单株叶面积(m2·plant-1)×单位面积株数(plant)/单位土地面积(m2)。
(4.2)植株氮累积量
在测定地上部生物量累积量(AGBA)之后粉碎或研磨,将叶片利用凯氏定氮法(NelsonandSommers,1972)获取植株各器官的N含量,消煮液为H2SO4-H2O2,通过分器官测定全氮含量,每个样品重复3次测定,计算出各器官含氮量,最后计算植株氮累积量。其计算公式如下:
棉株叶片全氮含量(N,g·kg-1)=(V1-V0)×c×14×100/(10×m)
其中,V1为样品测定所消耗标准酸体积(ml);V0为空白实验所消耗标准酸体积(ml);C表示标准酸的当量浓度(moll-1);14表示氮原子的摩尔质量(g·mol-1);100表示第1次定容体积(ml);10表示吸取体积(ml);m为棉株样本各器官的质量(g)。
叶片氮素积累量(LNA,g·m-2)=叶片的全氮含量×单位土地面积上的叶干重。
(4.3)地上部生物量累积
取样与测定光谱时间一致,于棉花现蕾、开花、结铃和吐絮期,分别在试验1的每个N处理选取代表性的棉株3×3=9株,在试验2选取生长一致的棉株10×3=30株,根据植株器官发育情况,将棉株样分离为茎、叶、蕾、花、铃和絮等,置于105℃烘箱中杀青30min,以80℃恒温烘干至恒重时称量,测定其干生物量。然后计算单位土地面积的地上部生物量累积量(Abovegroundbiomassaccumulation,AGBA)。其计算公式如下:
AGBA(g·m-2)=单株干生物量重(g·plant-1)×单位面积株数(plant)/单位土地面积(m2)。
或者:AGBA(t·hm-2)=单株干生物量重(t·plant-1)×单位面积株数(plant)/单位土地面积(hm2)。
(4.4)产量测定
籽棉产量测定于每年9月中旬试验地的棉花实际测产调查。在每小区选择生长均匀一致、有代表性的三个棉花生长点进行实测,参考“中华人民共和国农业部”(2010)测产方法进行测产:
①单铃重(克):每个样点随机收取吐絮铃45个(从棉株上中下部均匀采收),晾晒干后称重量,计算平均单铃重。单铃重(克/铃)=45个絮铃籽棉干重(克)/45。
②收获密度(株/亩)=667m2/(平均行距(米)×平均株距(米)),行距=总宽度/总行数。
③平均单株成铃数(个/株)=成铃数/株数,总成铃数=成铃数+絮铃数+1/3幼铃数
④籽棉亩产量(公斤/亩)=收获密度(株/亩)×平均单株成铃数(个/株)×单铃重(克/铃)/1000×校正系数(85%)。
三、不同氮素分区的基肥施肥模型的建立
土壤碱解氮或称水解性氮也叫有效氮,包括无机态氮(铵态氮、硝态氮)及易水解的有机态氮(氨基酸、酰胺和易水解蛋白质)。选择碱解氮作为土壤供氮能力的指标,主要是考虑到的是这种氮源能够反映农田土壤近期的氮素供应情况。本文研究了土壤碱解氮诊断在滴灌棉花基肥推荐过程中的应用,并在土壤氮素分区的基础上建立了低、中、高三种氮素养分分区的基肥推荐模型,为滴灌棉花基肥变量施肥提供技术支持。
3.1滴灌棉田不同氮素分区土壤供氮量与籽棉产量的关系
(1)低氮区不同土层土壤供氮量与籽棉产量关系
滴灌棉田低氮区0-80cm的土壤供氮量与滴灌棉花籽棉产量之间有较好的相关性,且籽棉产量与土壤各采样深度之间的相关性都达到了显著水平。以20cm为取样深度,通过回归分析建立了低氮区0-80cm土壤碱解氮与棉花籽棉产量的关系模型,分别为:
表5低氮区不同土层土壤供氮量(播前土壤碱解氮)与棉花产量的关系模型
模型分析结果表明,低氮区0-20cm土层的碱解氮含量与籽棉产量的相关性最高,并通过对回归模型求导计算得出,在0-20cm、20-40cm、40-60cm、60-80cm土壤供氮量作为供氮指标的时候,相应的土壤最佳供氮量(dy/dx=0)分别为149.96mg/kg、175.81mg/kg、177.78mg/kg、159.50mg/kg,结果表明低氮区土壤的供氮能力随着土层深度的增加表现出减小的趋势,最高的供氮土层为40-60cm,此土层中棉花根系分布较少,氮素的大量积累不利于棉花生长的氮素营养需求。
(2)中氮区不同土层土壤供氮量与籽棉产量关系
滴灌棉田中氮区0-80cm的土壤供氮量与滴灌棉花籽棉产量之间有较好的相关性,且籽棉产量与土壤各采样深度之间的相关性都达到了显著水平。且以0以20cm为取样深度,通过回归分析建立了中氮区0-80cm土壤碱解氮与棉花籽棉产量的关系模型,分别为:
表6中氮区土壤供氮量(播前土壤碱解氮)与棉花产量的关系模型
模型分析结果表明,中氮区0-20cm土层的碱解氮含量与籽棉产量的相关性最高,并通过对回归模型求导计算得出,在0-20cm、20-40cm、40-60cm、60-80cm土壤供氮量作为供氮指标的时候,相应的土壤最佳供氮量(dy/dx=0)分别为166.79mg/kg、183.93mg/kg、174.56mg/kg、172.41mg/kg,通过研究区获得的0-80cm最佳土壤供氮量计算得出,中氮区土壤的供氮能力随土层深度的增加而减小的趋势,最高供氮能力土层为20-40cm,此层为棉花根系主要分布土层,可以很好的为滴灌棉花的生长发育提供较好的氮素营养环境。
(3)高氮区不同土层土壤供氮量与籽棉产量关系
滴灌棉田高氮区0-80cm土层的碱解氮与滴灌棉花籽棉产量之间的相关性稍差于低氮区和中氮区,但总体上还是表现出了较好的相关性,且籽棉产量与土壤各采样深度之间的相关性都达到了显著水平。以20cm为取样深度,通过回归分析建立了高氮区0-80cm土壤碱解氮与棉花籽棉产量的关系模型,分别为:
表7高氮区土壤供氮量(播前土壤碱解氮)与棉花产量的关系模型
模型分析结果表明,高氮区土壤碱解氮含量与籽棉产量的最高相关性同样出现在0-20cm的土层,并通过对回归模型求导计算得出,在0-20cm、30-40cm、40-60cm、60-80cm土壤供氮量作为供氮指标的时候,相应的土壤最佳供氮量(dy/dx=0),分别为191.04mg/kg、205.61mg/kg、183.87mg/kg、192.04mg/kg,通过研究区获得的0-80cm最佳土壤供氮量计算得出,高氮区土壤的供氮能力随着土层深度的增加同样也表现减小的趋势,与中氮区最高供氮能力土层也为20-40cm。
3.2基于土壤碱解氮含量的滴灌棉田氮素分区基肥量的推荐
土壤的最佳供氮量指标可以为滴灌棉田氮肥施用总量和基肥施用量的确定提供一定的参考。采用此方法操作时,只需先测定滴灌棉田播前的土壤碱解氮含量,氮肥的施用总用量即为土壤碱解氮含量与土壤最佳供氮量的差值,再按照适当的基肥施用比例(f),就可以确定基肥的施用量。在实际生产中,不同区域的基肥施用量不同,根据对不同区域的基肥施用量的调研总结出,基肥施用比例(f)一般为20%、30%、40%三种情况。因此本研究分别计算出了滴灌棉花氮肥总施用量的20%、30%和40%作为播前施入的基肥量。滴灌棉田的氮肥总施用量和基肥施用量就可以用以下公式进行确定:
N=Nopt-Nmin(1)
Nb=(Nopt-Nmin)×f(2)
其中,N为氮肥施用总量,Nb为基肥施用量,Nopt为土层最佳供氮量,Nmin为播前相应土层碱解氮含量。各指标的单位均为kg/hm2。
当Nmin大于等于Nopt时,基肥不施用氮素。
由3.1结果分析得到,研究区低、中、高氮区的土壤最佳供氮量与籽棉产量的最好的拟合关系均出现在0-20cm的土层,由于前期计算出的土壤最佳供氮量均为单位千克质量的土壤中的碱解氮含量,经过公式换算成单位公顷土壤中氮土壤氮素含量,换算公式为:
每公顷土壤碱解氮含量(kg/hm2)=10000×土壤容重(1.25)×土层深度(0.2m)×1000kg×0.2m深土层碱解氮含量(mg/kg)÷106(3)
根据以上公式得到本研究滴灌棉花播前0-20cm不同土壤碱解氮测定值对应的氮肥施用总量和基肥推荐施用量(见表8)
表8基于0-20cm土壤碱解氮的滴灌棉田氮肥总量及基肥推荐用量
由表8推荐的滴灌棉花氮肥施用总量除了为推荐基肥用量提供依据以外,另一个重要的作用是为了确定其各生育期用量的大概范围,这样可以对氮肥施用量有一个总体概念。同时还可以看到,不同氮素养分分区的土壤碱解氮含量测定值对应的基肥推荐用量差异较大,而在传统施肥过程中没有考虑到不同养分含量情况,导致不论何种养分状况下的施肥量是均一的,因此会导致低氮区施肥不足影响作物生长,高氮区又施肥过量,在影响作物生长的同时也造成了肥料的浪费,所以可以看出分区施肥对于传统的经验施肥是非常必要的。一般情况下,建议滴灌棉花基肥施用量为总施肥量的30%,这样可以保证在滴灌棉花有足够的氮素供应直到其追肥期,在滴灌棉花生长的各生育期进行追肥时,可以通过作物营养快速诊断技术进行追肥推荐。
四、不同氮素分区追肥施肥模型的建立
4.1不同分区的最佳经济施肥模型的建立
在棉花低氮、中氮、高氮三个分区条件下,对棉花产量与氮素施肥总量进行回归分析。结果表明:用一元二次方程对棉花的氮肥效应进行拟合,得到低氮(a)、中氮(b)和高氮(c)区施肥总量与棉花产量的回归方程分别如下:
y=-0.0224x2+17.512x+2881.98(R2=8727;n=30)(4)
y=-0.028x2+17.084x+4155.73(R2=0.272;n=30)(5)
y=-0.0263x2+14.738x+4728.85(R2=0.8356;n=30)(6)
式中y―棉花籽棉产量,kg·hm-2
x―施纯氮量,kg·hm-2
对式(4)、(5)和(6)求导,当边际产量(dy/dx)=0,对应的施氮量分别为391kg/hm2、305kg/hm2和280kg/hm2。此施氮量为各分区全生育期总施氮量,可作为氮肥追施总量的参考。
当边际产量(dy/dx)等于氮肥与棉花的价格比(Py/Px)时,边际利润等于零,单位面积的施肥利润最大,此时的施肥量为经济最佳施肥量。对式(4)、(5)和(6)求导即可得到各分区的经济最佳施肥模型:
X1=391.0-22.32Py/Px(7)
X2=305.1-17.86Py/Px(8)
X3=280.2-19.01Py/Px(9)
式中Py为氮肥实时价格,元/kg;Px为棉花实时价格,元/kg;
X1―低氮区经济最佳施肥量,kg/hm2;X2―中氮区经济最佳施肥量,kg/hm2;
X3―高氮区经济最佳施肥量,kg/hm2;
以施尿素为例,氮肥价格为2.1元/kg,棉花价格为7元/kg,可得到低氮、中氮、高氮区经济最佳施氮量分别为384.304kg/hm2,299.642kg/hm2和274.497kg/hm2;将经济最佳施氮量分别代入相应的式(4-6),得经济最佳产量分别为6303.7kg/hm2,6760.8kg/hm2和6792.7kg/hm2。
4.2不同分区的NDVI值与施氮总量线性分析
由表9可知,在2011-2012年两年所测生育期内,棉花冠层NDVI均表现出随氮素施肥总量的增加而逐渐增加的线性趋势,且二者的决定系数均较高(R2>0.8000),但相关性随棉花生育期的推进先呈现先升高后下降的趋势,其中花期的决定系数最高,盛铃期决定系数较低,而初絮期决定系数最低。这是由于花期生长环境良好,水肥充足,棉花对氮肥需求敏感,NDVI与施氮总量相关性高;而在吐絮期,营养生长大幅度衰退,叶片干枯,对氮肥需求小,这就导致各处理的NDVI稳定性差;而在盛铃期营各氮处理的棉花营养生长达到最大冠层覆盖度差异不大,并且充足或过量的施肥使NDVI接近饱和,最终影响NDVI值与施氮总量的相关性。
表9NDVI与施氮量的关系
4.3不同分区的LNA与产量的回归分析
棉花盛蕾期、花期、盛铃期和初絮期叶片氮素积累量(LNA)和产量之间表现为二次曲线函数关系(表10)。即随着LNA的增加,产量也增加,但当LNA值达到一定值时,产量增加缓慢或略有下降。主要是由于当LNA增加到一定程度时,棉花植株不再吸收氮素,产量不再增加,当棉花植株含氮量过高时,反而会抑制棉花植株生长,导致产量略有下降。棉花LNA与产量之间的回归关系为氮素定量化诊断追肥提供了依据。
表10LNA与产量的关系
4.4不同分区的临界NDVI值的确定
基于LNA的氮素营养诊断指标的确定为氮素定量化诊断追肥提供了依据。产量以达到4.1小节的经济最佳产量所对应的LNA值作为氮素营养的临界值,进而依据LNA与NDVI的回归方程得到相应的NDVI临界值(表11),当测定值低于临界值时,需要补充氮肥,即通过追肥的方式提供氮肥,否则表明该时期不用施肥。
表11各分区叶片氮素积累量和NDVI临界值
4.4不同分区的追肥模型的建立
由于上面(4.2节)的分析可以看出,棉花各生育时期的NDVI值与施氮总量存在线性关系,当某生育时期的NDVI实测值小于对应生育时期的NDVI临界值时,实测NDVI所对应的施氮总量与临界NDVI所对应的施氮总量之间的差值实际反映了需要追施氮素的量(Nd),因此,根据棉花各生育时期的NDVI值与施氮总量的线性关系,结合确定的临界NDVI值,可以建立以NDVI诊断的追肥模型:
Nd=(R0-Rx)/b(10)
或者,Nd=(R0-Rx)×NNDVI×10(11)
式中Nd―各生育时期追肥量,kg·hm-2
R0―NDVI临界值
Rx―NDVI实测值
b―各生育时期NDVI值与施氮总量的线性方程的回归系数
NNDVI―各生育时期NDVI值每变动0.1单位所需的施肥量。
当某生育时期的NDVI实测值大于或等于对应生育时期的NDVI临界值时则不用追肥。
表12基于氮素营养诊断的滴灌棉花不同分区追肥模型
。
最后应说明的是:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (6)
1.基于GIS的滴灌棉田氮素施肥管理方法,包括如下步骤:
(A)滴灌棉田土壤氮素分区的确定
A1:采集土壤样本,测定土壤样本的全氮、有机质和碱解氮含量,获得样本数据集;
A2:采用模糊c-均值聚类算法,对样本数据集进行聚类分区,依据最大隶属度原则绘制滴灌棉田的土壤氮素分区图;
(B)滴灌棉田氮素基肥施用量的确定
B1:根据步骤A绘制的土壤氮素分区图,在各土壤氮素分区中分别随机选取试验区,进行棉花种植试验,测定播种前土壤的碱解氮含量、棉花产量;
B2:对碱解氮含量和棉花产量进行回归分析,获得碱解氮含量与棉花产量的一元二次回归方程;
B3:对B2的一元二次回归方程求导,d(棉花产量)/d(碱解氮含量)=0时的碱解氮含量即为各土壤氮素分区相应的土壤最佳供氮量;
B4:根据土壤氮素分区图及各土壤氮素分区相应的土壤最佳供氮量,氮素基肥施用量=(土壤最佳供氮量-播种前土壤的碱解氮含量)×f,其中f取值为20%~40%。
2.根据权利要求1所述的方法,其特征在于,步骤(A)聚类分区时分区数为2-10个,加权指数φ取1.2~2.0。
3.根据权利要求2所述的方法,其特征在于,步骤(A)聚类分区时分区数为3个,加权指数φ取1.7。
4.根据权利要求1所述的方法,其特征在于,步骤(B)测定土层浓度为0-20cm的土壤碱解氮含量。
5.根据权利要求1所述的方法,其特征在于,步骤(B)的f取值为30%。
6.基于GIS的滴灌棉田氮素施肥管理方法,包括如下步骤:
(A)滴灌棉田土壤氮素分区的确定
A1:采集土壤样本,测定土壤样本的全氮、有机质和碱解氮含量,获得样本数据集;
A2:采用模糊c-均值聚类算法,对样本数据集进行聚类分区,依据最大隶属度原则绘制滴灌棉田的土壤氮素分区图;
(C)滴灌棉田氮素追肥施用量的确定
C1:根据步骤A绘制的土壤氮素分区图,在各土壤氮素分区中分别随机选取试验区,进行棉花种植试验,测定棉花各生育期的冠层NDVI、叶片氮素积累量,以及施氮总量和棉花产量;
C2:对施氮量和棉花产量进行回归分析,获得施氮总量与棉花产量的一元二次回归方程,对一元二次回归方程求导,得到边际产量与施氮总量的关系式,以边际产量等于氮肥与棉花的价格比时的施氮总量为各土壤氮素分区的经济最佳施肥量,将经济最佳施肥量代入一元二次回归方程,得到经济最佳产量;
C3:对叶片氮素积累量和棉花产量进行回归分析,获得叶片氮素积累量与棉花产量的一元二次回归方程,对叶片氮素积累量和冠层NDVI进行回归分析,获得叶片氮素积累量与冠层NDVI的线性方程;
C4:将步骤C2的经济最佳产量代入步骤C3的一元二次回归方程,将计算出的叶片氮素积累量代入步骤C3的线性方程,得到各土壤氮素分区中棉花各生育期的冠层NDVI临界值;
C4:对冠层NDVI和施氮总量进行回归析,获得棉花各生育期的NDVI与施氮总量的线性方程;
C5:在棉花各生育期,比较冠层NDVI实测值与NDVI临界值的大小,判断各生育期是否进行追肥,并按如下公式确定各生育期时氮素的追肥量:Nd=(R0-Rx)/b,
式中Nd―各生育期追肥量
R0―NDVI临界值
Rx―NDVI实测值
b―各生育期NDVI与施氮总量的线性方程的回归系数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610052890.XA CN105557166A (zh) | 2016-01-26 | 2016-01-26 | 基于gis的滴灌棉田氮素施肥管理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610052890.XA CN105557166A (zh) | 2016-01-26 | 2016-01-26 | 基于gis的滴灌棉田氮素施肥管理方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105557166A true CN105557166A (zh) | 2016-05-11 |
Family
ID=55868300
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610052890.XA Pending CN105557166A (zh) | 2016-01-26 | 2016-01-26 | 基于gis的滴灌棉田氮素施肥管理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105557166A (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105960922A (zh) * | 2016-05-13 | 2016-09-28 | 中国农业科学院棉花研究所 | 一种基于土壤氮素平衡的棉田尿素施用方法 |
CN106612834A (zh) * | 2016-09-18 | 2017-05-10 | 北京市土肥工作站 | 基于区域土壤养分资源的专用肥料配方确定方法及装置 |
CN108230304A (zh) * | 2017-12-27 | 2018-06-29 | 定远县宏源农业机械有限公司 | 一种基于多区域分析的智能化农业调控*** |
CN108334701A (zh) * | 2018-02-07 | 2018-07-27 | 扬州大学 | 一种大棚黄瓜氮素营养诊断及推荐施氮方法 |
CN109115951A (zh) * | 2018-07-31 | 2019-01-01 | 东北农业大学 | 基于冠层结构与冠层光谱的水稻植株全氮估测方法 |
CN109872025A (zh) * | 2018-12-13 | 2019-06-11 | 中国科学院遥感与数字地球研究所 | 作物病虫害分区变量管理方法及装置 |
CN111158326A (zh) * | 2020-01-03 | 2020-05-15 | 重庆特斯联智慧科技股份有限公司 | 一种基于大数据时变分析的智能喷水控制方法和*** |
CN112268867A (zh) * | 2020-10-14 | 2021-01-26 | 云南新土壤农业科技有限公司 | 一种花椰菜光谱氮素营养诊断模型的构建方法 |
CN113031547A (zh) * | 2021-03-02 | 2021-06-25 | 成都亚讯星科科技股份有限公司 | 智慧农业生产***智能闭环控制方法 |
CN113052102A (zh) * | 2021-03-31 | 2021-06-29 | 北京农业信息技术研究中心 | 基于无人机多光谱影像的农田管理分区方法及装置 |
WO2024055784A1 (zh) * | 2022-09-13 | 2024-03-21 | 苏州得墨忒耳科技有限公司 | 推荐模型的生成方法、氮肥施用量的推荐方法及其装置 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1413081A (zh) * | 1999-12-20 | 2003-04-23 | 凯米拉农业公司 | 为栽培作物施肥以优化产物的数量和质量的方法 |
CN101950323A (zh) * | 2010-08-20 | 2011-01-19 | 江苏省农业科学院 | 基于土壤养分平衡的作物氮肥施用量的推荐方法 |
CN102982486A (zh) * | 2012-11-14 | 2013-03-20 | 北京农业信息技术研究中心 | 一种基于作物长势遥感监测信息的施肥决策方法 |
CN103081624A (zh) * | 2013-01-31 | 2013-05-08 | 中国热带农业科学院橡胶研究所 | 土壤养分分区管理方法 |
CN103646347A (zh) * | 2013-12-24 | 2014-03-19 | 中国农业科学院农业资源与农业区划研究所 | 一种确定作物氮肥施用量的方法 |
CN103814664A (zh) * | 2012-11-16 | 2014-05-28 | 中国农业机械化科学研究院 | 氮磷钾变量施肥机及其施肥量作业处方的确定方法 |
CN104488432A (zh) * | 2015-01-06 | 2015-04-08 | 石河子大学 | 一种高产滴灌玉米土壤养分诊断与氮肥推荐方法 |
-
2016
- 2016-01-26 CN CN201610052890.XA patent/CN105557166A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1413081A (zh) * | 1999-12-20 | 2003-04-23 | 凯米拉农业公司 | 为栽培作物施肥以优化产物的数量和质量的方法 |
CN101950323A (zh) * | 2010-08-20 | 2011-01-19 | 江苏省农业科学院 | 基于土壤养分平衡的作物氮肥施用量的推荐方法 |
CN102982486A (zh) * | 2012-11-14 | 2013-03-20 | 北京农业信息技术研究中心 | 一种基于作物长势遥感监测信息的施肥决策方法 |
CN103814664A (zh) * | 2012-11-16 | 2014-05-28 | 中国农业机械化科学研究院 | 氮磷钾变量施肥机及其施肥量作业处方的确定方法 |
CN103081624A (zh) * | 2013-01-31 | 2013-05-08 | 中国热带农业科学院橡胶研究所 | 土壤养分分区管理方法 |
CN103646347A (zh) * | 2013-12-24 | 2014-03-19 | 中国农业科学院农业资源与农业区划研究所 | 一种确定作物氮肥施用量的方法 |
CN104488432A (zh) * | 2015-01-06 | 2015-04-08 | 石河子大学 | 一种高产滴灌玉米土壤养分诊断与氮肥推荐方法 |
Non-Patent Citations (3)
Title |
---|
张泽: "基于GIS的土壤氮素分区管理与施肥模型建立研究", 《中国博士学位论文全文数据库 农业科技辑》 * |
李新伟等: "棉花氮素营养诊断与追肥推荐模型", 《农业机械学报》 * |
田敏等: "基于土壤硝态氮的滴灌春小麦氮素施肥模型建立研究", 《新疆农业科学》 * |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105960922A (zh) * | 2016-05-13 | 2016-09-28 | 中国农业科学院棉花研究所 | 一种基于土壤氮素平衡的棉田尿素施用方法 |
CN106612834A (zh) * | 2016-09-18 | 2017-05-10 | 北京市土肥工作站 | 基于区域土壤养分资源的专用肥料配方确定方法及装置 |
CN108230304A (zh) * | 2017-12-27 | 2018-06-29 | 定远县宏源农业机械有限公司 | 一种基于多区域分析的智能化农业调控*** |
CN108334701B (zh) * | 2018-02-07 | 2021-06-25 | 扬州大学 | 一种大棚黄瓜氮素营养诊断及推荐施氮方法 |
CN108334701A (zh) * | 2018-02-07 | 2018-07-27 | 扬州大学 | 一种大棚黄瓜氮素营养诊断及推荐施氮方法 |
CN109115951A (zh) * | 2018-07-31 | 2019-01-01 | 东北农业大学 | 基于冠层结构与冠层光谱的水稻植株全氮估测方法 |
CN109872025A (zh) * | 2018-12-13 | 2019-06-11 | 中国科学院遥感与数字地球研究所 | 作物病虫害分区变量管理方法及装置 |
CN111158326A (zh) * | 2020-01-03 | 2020-05-15 | 重庆特斯联智慧科技股份有限公司 | 一种基于大数据时变分析的智能喷水控制方法和*** |
CN111158326B (zh) * | 2020-01-03 | 2022-11-25 | 重庆特斯联智慧科技股份有限公司 | 一种基于大数据时变分析的智能喷水控制方法和*** |
CN112268867A (zh) * | 2020-10-14 | 2021-01-26 | 云南新土壤农业科技有限公司 | 一种花椰菜光谱氮素营养诊断模型的构建方法 |
CN112268867B (zh) * | 2020-10-14 | 2023-11-17 | 云南新土壤农业科技有限公司 | 一种花椰菜光谱氮素营养诊断模型的构建方法 |
CN113031547A (zh) * | 2021-03-02 | 2021-06-25 | 成都亚讯星科科技股份有限公司 | 智慧农业生产***智能闭环控制方法 |
CN113031547B (zh) * | 2021-03-02 | 2022-10-21 | 成都亚讯星科科技股份有限公司 | 智慧农业生产***智能闭环控制方法 |
CN113052102A (zh) * | 2021-03-31 | 2021-06-29 | 北京农业信息技术研究中心 | 基于无人机多光谱影像的农田管理分区方法及装置 |
WO2024055784A1 (zh) * | 2022-09-13 | 2024-03-21 | 苏州得墨忒耳科技有限公司 | 推荐模型的生成方法、氮肥施用量的推荐方法及其装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105557166A (zh) | 基于gis的滴灌棉田氮素施肥管理方法 | |
CN111557159B (zh) | 一种带有农作物养分需求分析功能的水肥一体机控制***及其控制方法 | |
CN110909933B (zh) | 一种耦合作物模型与机器学习语言的农业干旱快速诊断和评估方法 | |
CN109829589A (zh) | 制作土壤施肥处方图的方法、土壤精准施肥处方图及应用 | |
Mehrabi et al. | Interaction effects of planting method, irrigation regimes, and nitrogen application rates on yield, water and nitrogen use efficiencies of winter wheat (Triticum aestivum) | |
US20180276587A1 (en) | Farm work planning assistance system | |
Peng et al. | Determination of the critical soil mineral nitrogen concentration for maximizing maize grain yield | |
CN106941843A (zh) | 一种基于土壤地力和冠层光谱的水稻高产诊断施氮肥方法 | |
CN108958329A (zh) | 一种滴灌水肥一体化智能决策方法 | |
Zhai et al. | The water-saving potential of using micro-sprinkling irrigation for winter wheat production on the North China Plain | |
Getnet et al. | Yield gaps and resource use across farming zones in the central rift valley of Ethiopia | |
CN103927627A (zh) | 甘蔗智能施肥及地块信息管理*** | |
CN104488432A (zh) | 一种高产滴灌玉米土壤养分诊断与氮肥推荐方法 | |
Bo et al. | Determining nitrogen status and quantifying nitrogen fertilizer requirement using a critical nitrogen dilution curve for hybrid indica rice under mechanical pot-seedling transplanting pattern | |
Kautsar et al. | Farming Bot: Precision Agriculture System in Limited Land Based On Computer Numerical Control (CNC) | |
CN108401634A (zh) | 一种大棚鲜食番茄氮素营养诊断及推荐施氮方法 | |
Liao et al. | Novel models for simulating maize growth based on thermal time and photothermal units: Applications under various mulching practices | |
Billen et al. | Carbon sequestration in soils of SW-Germany as affected by agricultural management—calibration of the EPIC model for regional simulations | |
Zakirova et al. | Crop Management System Based on Digital Technologies | |
CN108334701A (zh) | 一种大棚黄瓜氮素营养诊断及推荐施氮方法 | |
Zhang et al. | The Nutrient Expert decision support system improves nutrient use efficiency and environmental performance of radish in North China | |
Wallor et al. | A comprehensive data set demonstrating the spatial variability of soil properties and crop growth conditions at field scale | |
CN112470650A (zh) | 一种肥料配制方法及*** | |
Koestoer et al. | Down-streaming Small-Scale Green Ammonia to Nitrogen-Phosphorus Fertilizer Tablets for Rural Communities | |
He et al. | WHCrop: A novel water-heat driven crop model for estimating the spatiotemporal dynamics of crop growth for arid region |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20160511 |
|
RJ01 | Rejection of invention patent application after publication |