基于不同馬鈴薯品種的氮肥管理方案研究進展

高天宇 樊明壽 于 靜 王 晶

（內蒙古農業大學農學院，內蒙古呼和浩特 010019）

隨著我國經濟日益發展，人民生活水平不斷提高，人們對于農產品的需求不再滿足于解決溫飽，而是品種種植多元化結構與市場契合度不斷優化（盧江，2020；陳惠芬和楊潔，2021）。以內蒙古地區馬鈴薯生產為例，2020 年以往的主栽品種克新1 號種植面積僅占當地馬鈴薯種植總面積的5%，冀張薯12 號占到40%，而價格較高、銷售較好、市場優勢明顯的希森6 號、V7 等種植面積趨于增加（李志平和郭景山，2021）。然而，這些品種往往對水肥較為敏感，水分和肥料的不合理投入限制了產量潛力的充分發揮。在目前高產優質生產背景下，氮肥的投入仍是關注的重點。

氮是馬鈴薯產量和品質形成的關鍵因子之一，氮肥的過量施用或不足均會造成馬鈴薯產量下降，塊莖淀粉、還原糖含量降低，顯著影響其商品薯率，造成經濟效益低下（陳楊 等，2009；王克秀 等，2019）；且研究發現我國總氮（TN）損失雖總體呈下降趨勢，但化肥過量施用的現象依舊普遍（Li et al.，2020），《第二次全國污染源普查公報》（2020）顯示種植業水污染物排放總氮71.95 萬t，農戶氮肥施用不足或過量導致農作物產量降低、環境污染等問題依然嚴峻。何丹丹等（2019）根據在施氮和不施氮條件下不同馬鈴薯品種的平均產量，把馬鈴薯品種分為4 種氮利用效率類型，不同類型間產量及根系指標差異顯著；克新1 號、費烏瑞它、夏波蒂的產量與氮肥用量相關，不同施氮量處理間產量差異顯著（李瑞，2019）；此外，不同馬鈴薯品種對氮素的需求規律及養分需求量差異也較大（于靜 等，2021）。目前生產上普遍存在氮肥管理盲目統一化的現象，即所有品種的施氮方案一致，易造成肥料的不合理利用，引起氮肥利用率降低、生產成本增加、環境風險提高等問題。綜上所述，不同馬鈴薯品種的氮素需求特點和氮肥利用效率不盡相同，因而不同品種的氮肥推薦辦法并不一致，但每個品種建立一套獨立的氮肥推薦辦法，不僅費工費時，而且容易引起混亂，不便推廣。因此，構建不同品種間歸一化的氮肥推薦方案是開展合理氮肥管理的關鍵。本文綜合分析了馬鈴薯品種間氮肥利用率差異產生的原因，并探討品種間歸一化氮素營養管理方案及其利與弊，以期為馬鈴薯氮肥養分優化管理提供可能途徑，助力農業綠色發展。

1 作物不同品種氮素利用能力不同

1.1 不同品種地下部氮素利用差異

根是吸收和運輸土壤中營養物質的重要器官（Siddiques et al.，1990），根系的形態、分布及生理生化特性對土壤中氮素的吸收能力影響顯著。通常認為，根長、根表面積、根體積和平均直徑是根系發育的重要形態學指標（Shepherd，2003；Zhang et al.，2017）。

同一作物的不同品種產量水平、氮素利用率不同，究其原因為其根長、根表面積均有顯著差異。往往氮高效品種根系指標優于氮低效品種，其產量和氮素利用率均高于氮低效品種（Dunbabind et al.，2003）。玉米、小麥、水稻、馬鈴薯均表現出相似的規律，玉米氮高效品種吉單27、京科968和先玉335 的根長、根表面積均大于氮低效品種四單19、鄭單335、強勝101（Hammer et al.，2009；程乙 等，2017；Su et al.，2019；Yu et al.，2021）；小麥氮低效品種南大2419 和揚麥1 號的根長、根表面積均小于氮高效品種揚麥16 號，產量水平也相對較低（Guo et al.，2019）；水稻氮高效品種水源349 的根長大于氮低效品種五優244、R83-12，氮高效品種bluebell、揚稻2 號的根表面積大于氮低效品種IR74（程建峰 等，2007；董桂春 等，2016）；馬鈴薯氮高效品種Astrid 的根長、根表面積均大于氮低效品種Bodenkraft（Sattelmacher et al.，1990），高氮高效品種克新1 號的根長、根表面積均大于低氮高效品種夏波蒂和低氮低效品種麥肯，且其產量和氮素利用率亦遠高于這兩個品種（何丹丹 等，2019）。由此可見，作物的根越長、根表面積越大，其產量和氮素利用率越高。以根系特征為切入點開展作物不同品種間的歸一化氮肥推薦可能是提高產量和肥料利用率的有效途徑。

1.2 不同品種地上部氮素利用差異

作物不同品種株高、葉片大小、葉綠素含量、干物質量、光合速率等均存在顯著差異。研究發現，水稻自交品種黃華占的葉面積指數在不同氮肥用量下均低于普通雜交品種川油10 號，其產量及氮素利用率也均低于川油10 號（Huang et al.，2018）；玉米品種Jalale 的葉面積指數略高于Azam，其產量水平也高于Azam（Akmal et al.，2010）；馬鈴薯品種克新1 號的葉面積指數顯著高于NRCRI、Tukwak，其產量變化與葉面積指數一致（Sattelmacher et al.，1990；Namo &Opaleye，2018）。還有研究發現，在同一施氮水平下，由于品種間的差異小麥產量不同，且與籽粒中氮含量呈相關關系（秦永林，2013）；與其他玉米品種相比金玉838 號具有較大的光合面積，更有利于氮素的轉化利用，該品種的氮素吸收效率、氮素利用效率、氮肥偏生產力也高于其他品種（葉開梅，2020）；不同玉米品種間葉面積、葉面積指數、SPAD 值具有顯著差異，當施氮量為180 kg·hm時氮高效品種葉面積、葉面積指數和SPAD 值均顯著高于氮低效品種（張茜，2018）。此外，趙一超（2013）研究表明，不同基因型棉花氮脅迫下的葉綠素含量均低于氮充足條件。陳魏濤（2016）研究表明，油菜在高氮處理下單株總葉數高于低氮處理，且品種間植株氮素利用效率存在顯著差異。綜上所述，利用不同作物品種地上部與氮素利用的關系是建立品種間歸一化氮肥營養管理方案的可行途徑之一。

2 作物不同品種間歸一化氮素營養管理

2.1 基于臨界氮濃度稀釋曲線的歸一化氮素營養管理

Greenwood 等（1990）提出的臨界氮濃度稀釋曲線模型，可用于評價作物全生育期氮濃度和地上部生物量的關系。該模型為Nc=a-b，式中Nc為植株臨界氮濃度，為植株地上部生物量，a、b 為曲線參數，a 為植株生物量達到1 000 kg 時的植株氮濃度，b 為稀釋曲線系數。此模型將作物氮素營養水平分為3 個標準：一，值位于曲線下方，表示該氮素水平限制作物生長；二，值位于曲線上，表示氮素供應適宜作物生長；三，值位于曲線上方，表示作物存在對氮的富吸收（Marino et al.，2004）。在此基礎上，為方便指導施肥，（Lemaire et al.，2008）繼續提出了氮營養指數（NNI）的概念，其計算公式為NNI=/，式中為植株地上部氮濃度實測值，為相同干物質量條件下依據臨界氮濃度稀釋曲線模型求得的臨界氮濃度值。若NNI=1，則表明植株內氮素營養水平處于適宜狀態；NNI ＞ 1，則表明植株氮營養過剩；NNI ＜1，則表明植株氮素營養不足。目前小麥（趙犇等，2012）、玉米（李正鵬 等，2015）、水稻（Xia et al.，2014）等作物的多個臨界氮濃度稀釋曲線模型已構建并用于氮肥推薦，但這些模型往往僅適用于某個品種，不同品種間普適性較差。

正如前文所述，作物品種的多元化發展迅速，基于臨界氮濃度稀釋曲線的氮素營養管理勢必存在局限性。因此，建立品種間歸一化的氮肥推薦模型成為必然。前人以小麥、玉米、馬鈴薯等作物為研究對象，利用多種方法消除了品種間差異對此模型的影響。如，蘇文楠等（2021）構建了鄭單12 和陜單609 兩個玉米品種基于葉干物質（leaf dry matter，LDM）、莖干物質（stem dry matter，SDM）、植株干物質（plant dry matter，PDM）的3 種臨界氮濃度稀釋曲線模型，鄭單12 為：Nc=2.64-0.204、Nc=1.58-0.388、Nc=2.33-0.263；陜 單609 為：Nc=2.61-0.205、Nc=1.83-0.337、Nc=2.47-0.237，通過驗證回歸模型得出基于葉片干物質的臨界氮濃度稀釋曲線品種間穩定性好，診斷兩個品種氮素營養狀況精度高，利用上述模型開展玉米品種間歸一化氮素管理可行。張加康等（2020）通過比較基于馬鈴薯地上部生物量、全氮濃度和馬鈴薯整株生物量、全氮濃度的兩種臨界氮濃度稀釋曲線，發現后者能克服由于馬鈴薯品種差異而導致的曲線差別。將氮營養指數與其他參數結合建立優化模型是實現上述目標的另一途徑，如Wang 等（2020）利用氮營養指數（NNI）、氮肥回收利用率（REN）和移栽后天數（DAT）建立了水稻栽培季氮素需求量（NR）估算模型，NR=（2.95-30.80）（1 -）/，該優化模型順利通過了4 個品種的氮素營養推薦評價，實現了水稻品種間歸一化氮素管理；田興帥等（2019）通過構建小麥拔節期、孕穗期、抽穗期、開花期的氮營養指數和氮素需求量（NNI-NR）、相對產量和氮營養指數（RY-NNI）、相對產量和氮素需求量（RY-NR）的關系模型，通過決定系數評價模型擬合優度，建立了4 個小麥品種間歸一化的臨界氮濃度稀釋曲線，基于NNI-NR、RY-NNI、RY-NR 建立的氮營養指數成功用于診斷小麥氮素的盈虧情況。

2.2 基于SPAD 值的歸一化氮素營養管理

便攜式葉綠素儀可以無損檢測的方式得出葉片葉綠素的相對含量，是評估植物中氮水平的一種實用替代方法（Yadavay，1986），而葉綠素含量與植株中氮濃度和作物產量相關（Silveira &Gonzaga，2017）。

Peterson 等（1993）利用葉綠素儀作為診斷手段檢測植株氮素是否缺乏并確定追肥量，同時提出了氮充足指數（NSI）這一概念，即測試田塊與充足施氮田塊的葉片葉綠素含量的比值。當NSI ＜0.95 時，表明測試田塊氮素虧缺，目標產量無法達到，則需追施氮肥；當NSI ＞ 0.95 時，則表明測試田塊氮素充足，無需增施氮肥且氮肥過量；當NSI=0.95 時，則表明測試田塊氮素供應量可達到目標產量，是最適宜的氮肥用量。Varvel等（2007）在玉米3 個營養階段V8（玉米第8 片葉完全展開）、V10（玉米第10 片葉完全展開）和V12（玉米第12 片葉完全展開，也稱大喇叭口期），結合收集到的多年的葉綠素儀數據及生長度日數據，計算得到充足指數（SI），再通過SI 與氮肥用量建立二次回歸模型進行指導施肥，從而減輕品種間差異影響，以實現最大產量。

此外，基于SPAD 值變型的營養診斷是實現品種間歸一化氮素推薦的有效途徑之一。樊明壽等（2014）研究發現，上、下葉位的SPAD 值差值可消除品種間差異，進一步篩選出SPAD-/SPAD與施氮量呈顯著負相關，SPAD-/SPAD可作為不同馬鈴薯品種間歸一化的氮素診斷指標。陳俊輝（2014）根據SPAD-/SPAD與氮營養指數建立模型如下：Sc=-2 × 10 -5+0.003 3-0.099，式中Sc 為任意時間馬鈴薯葉片的臨界葉位差異指數，為出苗后22～25 d 中的任意一天，馬鈴薯出苗22～25 d 內若測得SPAD-/SPAD值Si（在這一段時間實際測定并計算的SPAD-/SPAD）＞ Sc，則應追施氮肥，反之則不需要；李杰等（2017）和Li 等（2020）研究發現，由水稻產量與抽穗期田塊表觀供氮量（Nx）的關系可以確定獲得目標產量相應的表觀總吸氮量，而施氮量為表觀總吸氮量與土壤表觀供氮量之差，通過田塊表觀供氮量與SPAD 值衍生指標〔采用了4 種SPAD 值衍生指標，分別為：SPAD-=頂4 葉SPAD 值-頂3 葉SPAD 值、SPAD（-）/=（頂3 葉SPAD 值-頂4 葉SPAD 值）/ 頂3 葉SPAD 值、SPAD（-）/（+）=（頂2 葉SPAD 值-頂1 葉SPAD 值）/（頂2 葉SPAD 值+頂1 葉SPAD 值）、SPAD×/mean=頂3 葉SPAD 值×頂4 葉SPAD 值/4 片葉片平均SPAD 值〕的關系，建立了基于SPAD 值的水稻施氮模型Nw=-〔（-b）/k -〕，式中Nw 表示總施氮量，表示水稻品種表觀總吸氮量，表示葉片SPAD 值衍生指標，表示追肥之前已經施入的氮量，k、b 是田塊表觀供氮量與葉片SPAD 值衍生指標線性關系中的斜率和截距，而田塊表觀供氮量為土壤表觀供氮量（Nt）與已施氮量（Ng）之和。該模型在品種間具有一定的穩定性和適用性，在水稻種植施氮決策過程中值得考慮和推薦。

綜上所述，基于SPAD 值的氮素營養管理實現了品種間的普適性，與臨界氮濃度稀釋曲線模型相比，具有無損、實時性好的優點，但是水分狀況和輻照度對葉綠素計值有很大的影響，具有代表性的SPAD 值需要植株群體數量足夠大（＞ 30 株），獲取過程費時費力，在農業生產規模化發展的背景下，該技術的廣泛應用仍存在局限性。

2.3 基于光譜信息的歸一化氮素營養管理

遙感（RS）是精確農業的主要技術之一。遙感技術收集的光譜波段與作物植被覆蓋率、葉綠素含量、氮含量等生理指標有顯著的相關關系（Gianquinto et al.，2004），利用農作物冠層光譜的反射率特征估算作物生長過程中的植物氮狀況是農業遙感的重要應用（Li et al.，2014）。韓康等（2020）和楊海波等（2020a）研究發現，不同作物對氮敏感的光譜敏感信息不同，其施肥模型勢必存在差異。比值植被指數（RVI）、歸一化植被指數（NDVI）、差值環境植被指數（DVI）、綠度植被指數（GVI）等敏感植被指數已與作物生長指數如作物氮濃度、作物氮積累量、葉面積指數等建立了模型關系并成功應用在氮素營養診斷和推薦施肥方面。然而，不同作物在其關鍵生育期對光譜的反射率存在差異，且不同品種在相同生長條件下反射率亦不同（Li et al.，2018），因此基于光譜信息的作物品種間歸一化氮素營養診斷應首先確定特定作物的敏感光譜指數。

Yang 等（2020）研究發現，不同小麥品種間對氮肥利用率預測敏感的指數為紅光歸一化差值植被指數（RNDVI）、綠光歸一化差值植被指數（GNDVI）、歸一化差值紅光指數（NDRE）和紅邊葉綠素指數（RECI），其中RNDVI 的預測效果最好；不同作物基因型在特定生育階段對氮肥的需求量是不同的，通過無人機多光譜數據的采集，成功預測氮肥供應量的變化及其對生物量發展、葉綠素水平的影響，有助于不同小麥品種準確選擇氮肥用量；而曹靜等（2010）以生理發育時間（PDT）為生育期預測器，計算不同品種在不同環境條件下主要生育期所需的生長度日（GDD），將GDD 和各氮營養指標歸一化處理，以相對生長度日（相對GDD）和相對氮營養指標建立適宜稻麥氮管理模型，在一定程度上克服了品種帶來的影響；楊雪（2015）將各生育時期的小麥植株冠層NDVI值歸一化處理即可獲得相對NDVI 值（RNDVI），其計算公式為各時期NDVI 值/同處理全生育期內最大NDVI 值，RNDVI 值與相對累積生長度日（RAGDD）變化趨勢一致，基于花前RNDVI 和RAGDD 的Logistic 模型可實現小麥品種間的歸一化氮素營養管理；Nigon 等（2014）通過將光譜指數歸一化并確定合適的NSI 閾值，不同的NSI 閾值水平應根據：①光譜指數的內在變化率/CV（變異系數），② 使用的NSI 參考，③生長時間來確定，從而屏蔽因馬鈴薯品種、生育期或其他當地條件帶來的差異，確定合適的施肥時間和施肥量；而馬鈴薯花后的氮肥推薦也是養分管理中的重點，馬鈴薯封壟后不同馬鈴薯品種冠層NDVI 值差異不顯著，且品種混合降低了NDVI 值的敏感度，上述NDVI 值歸一化方法及推薦施肥模型不再適用于此時期的氮肥推薦，而基于時間序列歸一化的光譜指數（TNDVI）的估測模型=0.003 1+0.000 3可用于品種間的氮肥歸一化推薦（楊海波 等，2020b）。

上述方法均為基于產量與光譜指數之間的關系建立的推薦施肥模型，在一定程度上克服了品種差異帶來的影響，然而不同品種的產量潛力不盡相同，參數的設置成為關鍵，可能限制模型的使用；另外，PDT、GDD 對于環境溫度要求很高，不同年限變化差異顯著，適用性仍有待考究。而NDVI、TNDVI 等光譜指數受生育時期的影響較大，僅僅歸一化某個生育時期可能會因忽略了其他時期對氮肥的需求而造成產量的下降。因此基于光譜信息的品種間氮素歸一化管理仍有待于進一步探究。

3 展望

綜述前人研究發現，基于臨界氮濃度稀釋曲線歸一化馬鈴薯品種間差異最為準確，但不具有時效性，且操作繁瑣，是有損測試；基于SPAD 值的氮素營養診斷快速、簡便、無損，且前人研究結果顯示基于SPAD 值的不同馬鈴薯品種歸一化氮素管理方案是可行的，但其模型具有較強的地域性、時效性，并且數據需求量大，獲取繁瑣；而基于光譜的氮素營養診斷可以實現品種歸一化管理，降低品種差異帶來的影響，無損、快速、便捷地獲取數據，但實際農事操作中各種光譜指數的選擇，模型參數的設定還需要繼續研究。如何真正意義上實現減輕品種差異帶來的影響，充分發揮不同品種的氮素利用特點，實現馬鈴薯高產、養分高效利用，做到農業綠色發展是未來研究的方向。