CN103257207A - 确定板栗叶片矿质元素盈缺的方法 - Google Patents

Abstract

本发明公开了确定板栗叶片矿质元素盈缺的方法，该方法包括：确定待测板栗叶片矿质元素的含量；基于所获得的矿质元素的含量，确定下列的度量：N/P、N/K、Mg/N、P/K、Mg/P、Mg/K、Fe/Mn、Fe/B、1000Ca/Mn、100Ca/B、1000Mg/Fe、1000Mg/Mn、100Mg/Cu、100P/B和1000N/Mn，以便获得度量集合；针对预定矿质元素，选择该度量集合中涉及该预定矿质元素的至少一个度量M_i；基于公式

Description

确定板栗叶片矿质元素盈缺的方法

技术领域

本发明涉及确定板栗叶片矿质元素盈缺的方法。

背景技术

板栗，是壳斗科（Fagaceae）栗属（Castanes Mill）落叶乔木，原产我国，是我国利用最早、具有较高经济价值的名优特农产品之一，有“铁杆庄稼”、“木本粮食”的美誉，因其栗实含糖量高、糯性强和涩皮易剥离等特点深受国内外消费者喜爱。在我国，板栗在全国14个省份均有栽培，其中河北、山东、安徽、湖北是著名的板栗主产区，尤其是河北燕山地区，板栗产量和品质均居全国首位。“中国板栗属京东，京东板栗属迁西”，迁西县位于燕山南麓，因其独特的土壤、气候等条件造就了迁西板栗绝佳的口感和风味，是河北省传统特色农产品，被誉为“中国名特优经济林京东板栗之乡”。通过科学选种和嫁接，该县培育了许多板栗优良品种，如燕山早丰、大板红、燕龙、燕山短枝等，其中由于燕山早丰的丰产性能及结果能力较好，在迁西板栗生产中占据主导地位。随着板栗产业链的快速发展，燕山早丰的栽培面积不断扩大。虽然燕山早丰的栽培面积广，总产量高，但由于管理粗放，重栽培轻管理，丰产栽培技术不配套，导致单位面积板栗产量仍未达到理想水平，其中盲目施肥、树体营养失调是制约板栗产量提高和品质改善的重要因素。

目前，已有较多对果树进行营养诊断从而指导栽培管理施肥的研究。但目前板栗营养诊断的研究还很滞后，尤其是针对迁西地区燕山早丰叶片营养诊断的研究还属于空白领域。因而，针对迁西地区燕山早丰板栗叶片营养诊断的研究，仍有待改进。

发明内容

本发明是基于发明人的下列发现而完成的：

目前，燕山早丰叶片营养诊断标准的缺乏，导致迁西地区燕山早丰板栗生产环节出现施肥不科学、不均衡的现象，甚至出现肥料滥用的情况，这与现在倡导的环境友好产业理念背道而驰，

本发明旨在至少解决现有技术中存在的技术问题之一。为此，本发明的一个目的在于针对迁西板栗生产中燕山早丰栗园存在的营养失衡问题，建立燕山早丰叶片营养诊断标准，为燕山早丰板栗的营养诊断和科学平衡施肥提供依据。

因而，根据本发明的一个方面，本发明提供了一种确定板栗叶片矿质元素盈缺的方法。根据本发明的实施例，该方法包括以下步骤：确定待测板栗叶片矿质元素的含量，其中，所述矿质元素为N、P、K、Ca、Mg、Fe、Mn、Cu和B；基于所获得的矿质元素的含量，确定下列的度量：N/P、N/K、Mg/N、P/K、Mg/P、Mg/K、Fe/Mn、Fe/B、1000Ca/Mn、100Ca/B、1000Mg/Fe、1000Mg/Mn、100Mg/Cu、100P/B和1000N/Mn，以便获得度量集合；针对预定矿质元素，选择所述度量集合中涉及所述预定矿质元素的至少一个度量M_i；基于公式

确定所述预定矿质元素的盈缺指数；以及基于所述预定矿质元素的盈缺指数，确定所述待测板栗叶片预定矿质元素的盈缺程度，其中，当所述度量M_i中，所述预定矿质元素作为分子时，d为偶数，当所述度量M_i中，所述预定矿质元素作为分母时，d为奇数；f（M_i）是基于公式 $f\left(M_i\right)=\left\{\begin{array}{cc}(\frac{M_i}{C_1}-1)\frac{1000}{C_2},& M_i\&GreaterEqual;C_1\\ (1-\frac{C_1}{M_i})\frac{1000}{C_2},& M_i<C_1\end{array}\right.$ 确定的，其中，

为预定的第一参数，表示预定的第二参数。该方法即为本发明所提供的燕山早丰叶片营养诊断标准。发明人惊奇地发现，利用该方法能够准确有效地确定迁西地区燕山早丰板栗叶片矿质元素的盈缺程度，进而能够为燕山早丰板栗的科学平衡施肥提供依据，有效地指导该待测板栗叶片来源的板栗植株或者板栗园的施肥管理，实现燕山早丰板栗植株及板栗园的科学平衡施肥，进一步有效调节板栗树体的营养状况，从而能够有效提高板栗产量，改善板栗品质。

需要说明的是，本发明是基于DRIS法的原理完成的。其中，DRIS法的理论依据是：植物正常生长发育所需养分是均衡的，一种养分与其它养分的比值存在最适值。只有矿质元素含量的比例处于最佳平衡状态下，植物才能发挥出应有的产量潜力，因此生产中叶片矿质元素含量的比值与最适值越接近，植物的养分状况越接近平衡。本发明通过DRIS指数法对迁西全县23个代表性栗园（见图2）的养分状况进行诊断，在DRIS参数确定的基础上，对各元素的DRIS指数进行等级划分，获得了表4所示的迁西地区燕山早丰叶片DRIS指数分级标准，从而，基于该DRIS指数分级标准，通过本发明的确定板栗叶片矿质元素盈缺的方法，能够有效诊断出待测板栗叶片及树体养分的盈缺状况，并且能够对该待测板栗叶片及树体的养分需求程度进行量化排序，进而能够有效用于指导栗园科学施肥，达到以最小施肥量获得最佳养分平衡状态的目的。

此外，还需要说明的是，本发明的确定板栗叶片矿质元素盈缺的方法适用于迁西地区的燕山早丰板栗。

另外，根据本发明上述实施例的确定板栗叶片矿质元素盈缺的方法，还可以具有如下附加的技术特征：

根据本发明的实施例，针对公式 $f\left(M_i\right)=\left\{\begin{array}{cc}(\frac{M_i}{C_1}-1)\frac{1000}{C_2},& M_i\&GreaterEqual;C_1\\ (1-\frac{C_1}{M_i})\frac{1000}{C_2},& M_i<C_1\end{array}\right.,$

当所述度量M_i为N/P时，C₁为15.493，C₂为9.459；

当所述度量M_i为N/K时，C₁为3.520，C₂为10.120；

当所述度量M_i为Mg/N时，C₁为0.341，C₂为9.960；

当所述度量M_i为P/K时，C₁为0.228，C₂为10.062；

当所述度量M_i为Mg/P时，C₁为5.277，C₂为13.226；

当所述度量M_i为Mg/K时，C₁为1.201，C₂为15.173；

当所述度量M_i为Fe/Mn时，C₁为1.201，C₂为20.788；

当所述度量M_i为Fe/B时，C₁为16.166，C₂为18.111；

当所述度量M_i为1000Ca/Mn时，C₁为2.271，C₂为20.432；

当所述度量M_i为100Ca/B时，C₁为3.055，C₂为16.794；

当所述度量M_i为1000Mg/Fe时，C₁为0.997，C₂为12.728；

当所述度量M_i为1000Mg/Mn时，C₁为1.202，C₂为27.040；

当所述度量M_i为100Mg/Cu时，C₁为5.370，C₂为11.171；

当所述度量M_i为100P/B时，C₁为0.306，C₂为16.939；

当所述度量M_i为1000N/Mn时，C₁为3.548，C₂为28.025。

根据本发明的实施例，基于所述预定矿质元素的盈缺指数，确定所述待测板栗叶片预定矿质元素的盈缺程度进一步包括：当所述预定矿质元素为N时，如果所述盈缺指数小于-4.347，则确定所述待测板栗叶片的N为重度缺乏；如果所述盈缺指数大于-4.347且小于-2.267时，则确定所述待测板栗叶片的N为轻度缺乏；如果所述盈缺指数大于-2.267且小于1.894时，则确定所述待测板栗叶片的N为适宜；如果所述盈缺指数大于1.894且小于3.975时，则确定所述待测板栗叶片的N为轻度过剩；如果所述盈缺指数大于3.975时，则确定所述待测板栗叶片的N为重度过剩。由此，能够有效地确定待测板栗叶片N的盈缺程度。

根据本发明的实施例，基于所述预定矿质元素的盈缺指数，确定所述待测板栗叶片预定矿质元素的盈缺程度进一步包括：当所述预定矿质元素为P时，如果所述盈缺指数小于-4.289，则确定所述待测板栗叶片的P为重度缺乏；如果所述盈缺指数大于-4.289且小于-2.157时，则确定所述待测板栗叶片的P为轻度缺乏；如果所述盈缺指数大于-2.157且小于2.108时，则确定所述待测板栗叶片的P为适宜；如果所述盈缺指数大于2.108且小于4.240时，则确定所述待测板栗叶片的P为轻度过剩；如果所述盈缺指数大于4.240时，则确定所述待测板栗叶片的P为重度过剩。由此，能够有效地确定待测板栗叶片P的盈缺程度。

根据本发明的实施例，基于所述预定矿质元素的盈缺指数，确定所述待测板栗叶片预定矿质元素的盈缺程度进一步包括：当所述预定矿质元素为K时，如果所述盈缺指数小于-4.346，则确定所述待测板栗叶片的K为重度缺乏；如果所述盈缺指数大于-4.346且小于-2.080时，则确定所述待测板栗叶片的K为轻度缺乏；如果所述盈缺指数大于-2.080且小于2.450时，则确定所述待测板栗叶片的K为适宜；如果所述盈缺指数大于2.450且小于4.716时，则确定所述待测板栗叶片的K为轻度过剩；如果所述盈缺指数大于4.716时，则确定所述待测板栗叶片的K为重度过剩。由此，能够有效地确定待测板栗叶片K的盈缺程度。

根据本发明的实施例，基于所述预定矿质元素的盈缺指数，确定所述待测板栗叶片预定矿质元素的盈缺程度进一步包括：当所述预定矿质元素为Ca时，如果所述盈缺指数小于-3.191，则确定所述待测板栗叶片的Ca为重度缺乏；如果所述盈缺指数大于-3.191且小于-1.719时，则确定所述待测板栗叶片的Ca为轻度缺乏；如果所述盈缺指数大于-1.719且小于1.224时，则确定所述待测板栗叶片的Ca为适宜；如果所述盈缺指数大于1.224且小于2.696时，则确定所述待测板栗叶片的Ca为轻度过剩；如果所述盈缺指数大于2.696时，则确定所述待测板栗叶片的Ca为重度过剩。由此，能够有效地确定待测板栗叶片Ca的盈缺程度。

根据本发明的实施例，基于所述预定矿质元素的盈缺指数，确定所述待测板栗叶片预定矿质元素的盈缺程度进一步包括：当所述预定矿质元素为Mg时，如果所述盈缺指数小于-7.421，则确定所述待测板栗叶片的Mg为重度缺乏；如果所述盈缺指数大于-7.421且小于-3.960时，则确定所述待测板栗叶片的Mg为轻度缺乏；如果所述盈缺指数大于-3.960且小于2.962时，则确定所述待测板栗叶片的Mg为适宜；如果所述盈缺指数大于2.962且小于6.424时，则确定所述待测板栗叶片的Mg为轻度过剩；如果所述盈缺指数大于6.424时，则确定所述待测板栗叶片的Mg为重度过剩。由此，能够有效地确定待测板栗叶片Mg的盈缺程度。

根据本发明的实施例，基于所述预定矿质元素的盈缺指数，确定所述待测板栗叶片预定矿质元素的盈缺程度进一步包括：当所述预定矿质元素为Fe时，如果所述盈缺指数小于-3.466，则确定所述待测板栗叶片的Fe为重度缺乏；如果所述盈缺指数大于-3.466且小于-1.807时，则确定所述待测板栗叶片的Fe为轻度缺乏；如果所述盈缺指数大于-1.807且小于1.510时，则确定所述待测板栗叶片的Fe为适宜；如果所述盈缺指数大于1.510且小于3.169时，则确定所述待测板栗叶片的Fe为轻度过剩；如果所述盈缺指数大于3.169时，则确定所述待测板栗叶片的Fe为重度过剩。由此，能够有效地确定待测板栗叶片Fe的盈缺程度。

根据本发明的实施例，基于所述预定矿质元素的盈缺指数，确定所述待测板栗叶片预定矿质元素的盈缺程度进一步包括：当所述预定矿质元素为Mn时，如果所述盈缺指数小于-6.542，则确定所述待测板栗叶片的Mn为重度缺乏；如果所述盈缺指数大于-6.542且小于-3.002时，则确定所述待测板栗叶片的Mn为轻度缺乏；如果所述盈缺指数大于-3.002且小于4.079时，则确定所述待测板栗叶片的Mn为适宜；如果所述盈缺指数大于4.079且小于7.619时，则确定所述待测板栗叶片的Mn为轻度过剩；如果所述盈缺指数大于7.619时，则确定所述待测板栗叶片的Mn为重度过剩。由此，能够有效地确定待测板栗叶片Mn的盈缺程度。

根据本发明的实施例，基于所述预定矿质元素的盈缺指数，确定所述待测板栗叶片预定矿质元素的盈缺程度进一步包括：当所述预定矿质元素为Cu时，如果所述盈缺指数小于-1.710，则确定所述待测板栗叶片的Cu为重度缺乏；如果所述盈缺指数大于-1.710且小于-0.826时，则确定所述待测板栗叶片的Cu为轻度缺乏；如果所述盈缺指数大于-0.826且小于0.943时，则确定所述待测板栗叶片的Cu为适宜；如果所述盈缺指数大于0.943且小于1.828时，则确定所述待测板栗叶片的Cu为轻度过剩；如果所述盈缺指数大于1.828时，则确定所述待测板栗叶片的Cu为重度过剩。由此，能够有效地确定待测板栗叶片Cu的盈缺程度。

根据本发明的实施例，基于所述预定矿质元素的盈缺指数，确定所述待测板栗叶片预定矿质元素的盈缺程度进一步包括：当所述预定矿质元素为B时，如果所述盈缺指数小于-4.577，则确定所述待测板栗叶片的B为重度缺乏；如果所述盈缺指数大于-4.577且小于-2.127时，则确定所述待测板栗叶片的B为轻度缺乏；如果所述盈缺指数大于-2.127且小于2.773时，则确定所述待测板栗叶片的B为适宜；如果所述盈缺指数大于2.773且小于5.224时，则确定所述待测板栗叶片的B为轻度过剩；如果所述盈缺指数大于5.224时，则确定所述待测板栗叶片的B为重度过剩。由此，能够有效地确定待测板栗叶片B的盈缺程度。

根据本发明的实施例，所述待测板栗叶片采集于树冠外围营养枝从基部起第5～6片叶，针对单株果树东、南、西、北各取1片叶。根据本发明的另一些实施例，采样时间均在上午9:00～10:00，采后立即置于冰盒中及时送回实验室进行处理。由此，能够准确地确定待测板栗叶片矿质元素的含量。

根据本发明的实施例，确定待测板栗叶片矿质元素的含量的方法不受特别限制，只要能够使获得的待测板栗叶片矿质元素的含量科学准确即可。根据本发明的一些实施例，采用凯氏定氮法确定所述待测板栗叶片全N的含量；采用钼锑抗比色法确定所述待测板栗叶片全P的含量；采用AAS法确定所述待测板栗叶片全K、Ca、Mg、Fe、Cu、Mn的含量；以及采用甲亚胺比色法确定所述待测板栗叶片全B的含量。由此，确定的待测板栗叶片矿质元素N、P、K、Ca、Mg、Fe、Mn、Cu和B的含量准确可靠，从而能够有效进行后续步骤。

根据本发明的实施例，本发明的确定板栗叶片矿质元素盈缺的方法进一步包括：基于所述待测板栗叶片至少两种矿质元素的盈缺程度，确定所述待测板栗叶片来源的板栗植株对所述至少两种矿质元素的需肥顺序。具体地，例如：当确定了待测板栗叶片的N为适宜范围，P为严重缺乏，K为轻度过剩时，则该待测板栗叶片来源的板栗植株对N、P、K的需肥顺序为：P>N>K，进而，针对该待测板栗叶片来源的板栗植株或者板栗园进行施肥时，管理人员应基于上述N、P、K的需肥顺序，选择多施P肥，少施或不施N肥和K肥，并结合该板栗园的土壤肥力情况及既往栽培管理史等确定准确的施肥量。由此，能够有效地指导该待测板栗叶片来源的板栗植株或者板栗园的施肥管理，实现燕山早丰板栗植株及板栗园的科学平衡施肥，进而有效调节板栗树体的营养状况，从而能够有效提高板栗产量，改善板栗品质。

根据本发明的另一些实施例，本发明的确定板栗叶片矿质元素盈缺的方法进一步包括：基于所述待测板栗叶片N、P、K、Ca、Mg、Fe、Mn、Cu和B的盈缺程度，确定所述待测板栗叶片来源的板栗植株对所述N、P、K、Ca、Mg、Fe、Mn、Cu和B的需肥顺序。具体地，例如：当确定了待测板栗叶片的N为适宜范围，P为严重缺乏，K为轻度过剩时，Ca、Mg、Fe为重度过剩，而Mn、Cu和B为轻度缺乏时，则该待测板栗叶片来源的板栗植株对N、P、K、Ca、Mg、Fe、Mn、Cu和B的需肥顺序为：P>Mn、Cu、B>N>K>Ca、Mg、Fe，进而，针对该待测板栗叶片来源的板栗植株或者板栗园进行施肥时，管理人员应基于上述各矿质元素的需肥顺序，确定多施P、Mn、Cu、B肥，少施N肥或不施K肥，不施Ca、Mg、Fe肥。然后进一步结合该板栗园的土壤肥力情况及既往栽培管理史等确定准确的施肥量。由此，能够有效地指导该待测板栗叶片来源的板栗植株或者板栗园的施肥管理，实现燕山早丰板栗植株及板栗园的科学平衡施肥，进而有效调节板栗树体的营养状况，从而能够有效提高板栗产量，改善板栗品质。

根据本发明的又一些实施例，本发明的确定板栗叶片矿质元素盈缺的方法进一步包括：将所获得的矿质元素的含量，与下述的板栗叶片各矿质元素含量的适宜范围进行比对，初步确定所述待测板栗叶片来源的板栗植株对所述矿质元素的需求量：N：1.997±0.169%，P：0.130±0.012%，K：0.571±0.059%，Ca：1.295±0.112%，Mg：0.679±0.075%，Fe：685.875±76.159mg/kg，Mn：593.780±131.690mg/kg，Cu：12.726±1.507mg/kg，B：43.418±7.889mg/kg；以及基于所述待测板栗叶片来源的板栗植株对所述矿质元素的需求量，并结合前面所述待测板栗叶片来源的板栗植株对所述N、P、K、Ca、Mg、Fe、Mn、Cu和B的需肥顺序，进一步确定针对所述板栗植株以及所述板栗植株来源的板栗园的施肥方案。由此，通过将传统的矿质元素含量测定法与本发明的方法有效结合，能够进一步提高本发明所确定的板栗叶片矿质元素盈缺程度结果的准确可靠性。

需要说明的是，将传统的矿质元素含量测定法与本发明的方法有效结合是因为：一方面，由于受各种因素的影响，不同植物叶片各矿质元素含量的理想值很难获取，通常采用高产群体叶片中各矿质元素含量的平均值作为适宜值。发明人发现，迁西地区燕山早丰栗园叶片的养分含量适宜范围分别为：N1.997±0.169%、P0.130±0.012%、K0.571±0.059%、Ca1.295±0.112%、Mg0.679±0.075%、Fe685.875±76.159mg/kg、Mn593.780±131.690mg/kg、Cu12.726±1.507mg/kg、B43.418±7.889mg/kg。另一方面，本发明的方法是基于DRIS法的原理进行的，利用该方法通过确定的各元素的指数分级标准（见表4）不仅能有效诊断出树体养分的盈缺状况，而且能够对树体的养分需求程度进行量化排序。而将传统的矿质元素含量测定法与本发明的方法有效结合，即可更加准确地判断栗园的各元素的盈缺程度，从而能够有效地指导栗园科学施肥，以便达到以最小施肥量获得最佳养分平衡状态的目的。

本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：

图1显示了根据本发明一个实施例的确定板栗叶片矿质元素盈缺的方法的流程示意图；

图2显示了根据本发明一个实施例，确定燕山早丰板栗叶片营养诊断标准过程中，所选择的代表性栗园的位点分布示意图。

具体实施方式

下面详细描述本发明的实施例。下面描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。实施例中未注明具体技术或条件的，按照本领域内的文献所描述的技术或条件或者按照产品说明书进行。所用试剂或仪器未注明生产厂商者，均为可以通过市购获得的常规产品。

一般方法：

根据本发明的实施例，参照图1，本发明的确定板栗叶片矿质元素盈缺的方法一般包括以下步骤：

首先，确定待测板栗叶片矿质元素的含量，其中，所述矿质元素为N、P、K、Ca、Mg、Fe、Mn、Cu和B。

其次，基于所获得的矿质元素的含量，确定下列的度量：N/P、N/K、Mg/N、P/K、Mg/P、Mg/K、Fe/Mn、Fe/B、1000Ca/Mn、100Ca/B、1000Mg/Fe、1000Mg/Mn、100Mg/Cu、100P/B和1000N/Mn，以便获得度量集合。

接着，针对预定矿质元素，选择所述度量集合中涉及所述预定矿质元素的至少一个度量M_i。

接下来，基于公式

确定所述预定矿质元素的盈缺指数。其中，当所述度量M_i中，所述预定矿质元素作为分子时，d为偶数，当所述度量M_i中，所述预定矿质元素作为分母时，d为奇数；f（M_i）是基于公式 $f\left(M_i\right)=\left\{\begin{array}{cc}(\frac{M_i}{C_1}-1)\frac{1000}{C_2},& M_i\&GreaterEqual;C_1\\ (1-\frac{C_1}{M_i})\frac{1000}{C_2},& M_i<C_1\end{array}\right.$ 确定的，其中，

为预定的第一参数，

表示预定的第二参数。

然后，基于所述预定矿质元素的盈缺指数，确定所述待测板栗叶片预定矿质元素的盈缺程度。

实施例1：

1、确定板栗叶片矿质元素的含量

1.1代表性栗园的选择

在当地板栗技术人员和栗农的协助下，发明人对迁西全县燕山早丰近年的农业生态背景和生产现状进行了全面调查，调查内容主要包括立地条件、栽培管理水平等。在综合考虑各调查因子的基础上，试验选取了全县各乡镇23个代表性栗园作为采样点，并利用GPS定位法制备了所选择的代表性栗园的位点分布示意图（见图2）。同时，发明人还详细记录了样地的坐标、海拔高度、土壤类型等，以便为后续工作做准备。

1.2样品的采集

燕山地区板栗叶片样品采集的最佳时期为7月中旬～8月中旬。发明人选取上述各代表性栗园中产量相对稳定、管理一致的燕山早丰板栗植株为目标采样树，于2012年7月中旬采集树冠外围营养枝从基部起第5～6片叶，单株果树东、南、西、北各取1片，每次多点混合采叶不少于100片，采样时间均在上午9:00～10:00，采后立即置于冰盒中及时送回实验室进行处理。并于2012年9月初，在果实成熟期分别统计各栗园产量，单位kg·667m^-2，根据产量差异，将23个代表性栗园划分为两个亚群：高产组（≥115kg·667m^-2）和低产组（<115kg·667m^-2）。其中，高产组为1、3、4、5、6、8、9、10、17、18和21号板栗园，低产组为2、7、11、12、13、14、15、16、19、20、22和23号板栗园。

1.3测定指标与方法

于实验室，将叶片按照自来水、0.1%洗涤剂、自来水、去离子水（重复3遍）的顺序清洗后，用烘箱于105℃下杀青30min，80℃下烘干至恒重，粉碎过筛，混匀后密闭于样品袋中待测。

叶片N、P、K的联合测定：称取上述准备好的样品0.2g（准确至0.001g），采用H₂SO₄-H₂O₂消煮，然后，采用凯氏定氮法测定全N含量，采用钼锑抗比色法测定全P含量，采用AAS法测定全K含量。

叶片全Ca、Mg、Fe、Cu、Mn、B的联合测定：称取上述准备好的样品0.5g（准确至0.001g），加浓HNO₃-HClO₄混合酸（8:2）10mL，放置过夜，接着继续加热消化，然后，采用AAS法分别测定全Ca、Mg、Fe、Cu、Mn的含量，采用甲亚胺比色法测定全B的含量。

结果见下表1。

表123个迁西地区代表性栗园的燕山早丰叶片矿质元素含量

此外，由于受各种因素的影响，不同植物叶片各矿质元素含量的理想值很难获取，通常采用高产群体叶片中各矿质元素含量的平均值作为适宜值。因此，根据表1所示的结果可知，燕山早丰栗园叶片营养诊断的养分含量适宜范围分别为：N1.997±0.169%、P0.130±0.012%、K0.571±0.059%、Ca1.295±0.112%、Mg0.679±0.075%、Fe685.875±76.159mg/kg、Mn593.780±131.690mg/kg、Cu12.726±1.507mg/kg、B43.418±7.889mg/kg。

2、确定“燕山早丰”叶片DRIS参数

DRIS法的理论依据是植物正常生长发育所需养分是均衡的，一种养分与其它养分的比值存在最适值。只有矿质元素含量的比例处于最佳平衡状态下，植物才能发挥出应有的产量潜力，生产中叶片矿质元素含量的比值与最适值越接近，植物的养分状况越接近平衡。

根据DRIS法的计算原理，分别计算23个迁西地区代表性栗园中高产组（1、3、4、5、6、8、9、10、17、18和21号板栗园）和低产组（2、7、11、12、13、14、15、16、19、20、22和23号板栗园）的各种表示形式（即N、P、K、Ca、Mg、Fe、Mn、Cu和B中，任意两种矿质元素含量的比值）的平均值、方差、变异系数及方差比（V_L/V_H），并对不同表示形式的方差比进行显著性检验，通过F检验筛选达到显著水平的表示形式（每对表示形式如N/K与K/N，只选择差异最显著的作为重要参数）的平均值、方差、变异系数作为DRIS参数。结果见下表2。如表2所示，发明人确定了9种表示形式的方差比达到5%显著水平，6种表示形式的方差比达到1%极显著差异水平，进而，根据DRIS法的计算原理，将栗园高产组的这15种表示形式的平均值、方差、变异系数作为DRIS参数。

表2DRIS参数统计表

注：**表示在1%水平（双侧）上显著相关；*表示在5%水平（双侧）上显著相关。

3、确定DRIS指数、需肥顺序

DRIS指数是反映作物对某一养分需求程度的指标。在DRIS参数（见表2）确定的基础上，依据下述的Walworth等于1987年提出的DRIS比值函数式和DRIS指数公式，计算23个代表性栗园的DRIS指数：

$f(A/B)=\left\{\begin{array}{cc}(\frac{A/B}{a/b}-1)\frac{1000}{\mathrm{CV}},& A/B\&GreaterEqual;a/b\\ (1-\frac{a/b}{A/B})\frac{1000}{\mathrm{CV}},& A/B<a/b\end{array}\right.---\left(1\right)$

其中，A/B代表表2所示的任意一种表示形式，a/b代表与高产组叶片中A/B表示形式相对应的平均值，CV为与高产组叶片中A/B表示形式相对应的变异系数，n为参与营养诊断的养分种类数，即n=9。

然后，采用EXCEL2010、SPSS18.0对计算获得的23个代表性栗园的DRIS指数数据进行统计分析。结果见下表3。

其中，需要说明的是，通过DRIS指数公式能够得出每一种元素的DRIS指数，依照DRIS法的原理，以元素DRIS指数的大小来反映该元素的平衡状况，每一种元素DRIS指数的理想值应为零，DRIS指数为正值时表示该元素在植物体内相对过剩，DRIS指数为负值时表示该元素在植物体内相对缺乏，而且对于每一个诊断样品来说，其所有元素的DRIS指数的代数和为零。

然后，针对每个代表性栗园，根据其各元素的DRIS指数的大小，将各元素进行排序，以便得出该代表性栗园对不同养分（即各元素）的需求顺序，结果见表3。

表323个迁西地区代表性栗园的燕山早丰叶片DRIS指数及需肥顺序

其中，如表3所示，NII表示养分不平衡指数。由表3可知，表中所示的12个低产栗园的养分不平衡指数（NII）普遍偏高，说明迁西地区的栗园养分管理中存在盲目施肥的现象。

4、“燕山早丰”叶片DRIS指数分级标准

基于上表3的结果，根据DRIS图示法的划分原理及下述公式，分别计算养分平衡区（即“适宜”）、中等不平衡区（即“轻度过剩”、“轻度缺乏”）和严重不平衡区（即“重度过剩”、“重度缺乏”）各养分指数的范围，从而初步制定出迁西燕山早丰叶片DRIS指数分级标准，结果见下表4：

1)养分平衡区（适宜）的范围为：平均值-2/3S～平均值+2/3S；

2)轻度过剩的范围为：平均值+2/3S～平均值+4/3S；

3)重度过剩的范围为：>平均值+4/3S；

4)轻度缺乏的范围为：平均值-4/3S～平均值-2/3S；

5)重度缺乏的范围为：<平均值-4/3S，

其中，各元素的平均值和标准差S（见表4），是高产组相应矿质元素的所有DRIS指数的算术平均值和标准差。

表4迁西燕山早丰叶片DRIS指数分级标准

元素

平均值

标准差

重度缺乏

轻度缺乏

适宜

轻度过剩

重度过剩

N

-0.186

3.121

<-4.347

-4.347～-2.267

-2.267～1.894

1.894～3.975

>3.975

P

-0.025

3.198

<-4.289

-4.289～-2.157

-2.157～2.108

2.108～4.240

>4.240

K

0.185

3.398

<-4.346

-4.346～-2.080

-2.080～2.450

2.450～4.716

>4.716

Ca

-0.247

2.208

<-3.191

-3.191～-1.719

-1.719～1.224

1.224～2.696

>2.696

Mg

-0.499

5.192

<-7.421

-7.421～-3.960

-3.960～2.962

2.962～6.424

>6.424

Fe

-0.149

2.488

<-3.466

-3.466～-1.807

-1.807～1.510

1.510～3.169

>3.169

Mn

0.539

5.310

<-6.542

-6.542～-3.002

-3.002～4.079

4.079～7.619

>7.619

Cu

0.059

1.327

<-1.710

-1.710～-0.826

-0.826～0.943

0.943～1.828

>1.828

B

0.323

3.675

<-4.577

-4.577～-2.127

-2.127～2.773

2.773～5.224

>5.224

由此，获得了迁西燕山早丰板栗叶片的DRIS指数分级标准。

实施例2

本实施例以图2所示的13号栗园（低产组）为例，反推验证实施例1获得的表4中各元素的指数分级标准的准确性，具体如下：

首先，由表3可知，低产组13号栗园燕山早丰板栗叶片的各元素的DRIS指数分别为：N：6.210、P：1.011、K：-6.910、Ca：9.368、Mg：13.127、Fe：16.549、Mn：-22.381、Cu：0.097、B：-17.070。

然后，将上述低产组13号栗园燕山早丰板栗叶片的各元素的DRIS指数。比对于表4所示的各元素的重度缺乏、轻度缺乏、适宜、轻度过剩和重度过剩这五种级别的指数范围。结果，可以判定该栗园的燕山早丰板栗叶片P、Cu属于适宜范围，K、Mn、B属于重度缺乏范围，而N、Ca、Mg、Fe则属于重度过剩范围，从而，可以初步确定13号栗园对上述各元素的需求顺序为K、Mn、B>P、Cu>N、Ca、Mg、Fe。进一步，通过各元素的指数（N：6.210、P：1.011、K：-6.910、Ca：9.368、Mg：13.127、Fe：16.549、Mn：-22.381、Cu：0.097、B：-17.070）与各指数范围的边界值的差异大小，可以准确地确定13号栗园对上述各元素的需求顺序，即：Mn>B>K>Cu>P>N>Ca>Mg>Fe。

上述结果与表3中直接通过DRIS指数法得出的13号栗园的养分需求顺序（Mn>B>K>Cu>P>N>Ca>Mg>Fe）一致。由此，证明了实施例1获得的表4中各元素的指数分级标准非常准确可靠。

进而，在实际生产中，针对13号栗园，管理人员应当增加K、Mn、B肥的施用量，同时减少N、Ca、Mg、Fe肥的施用，这样既能够满足栗树的养分需求，又能够避免肥料的浪费。

实施例3

本实施例以图2所示的5号栗园（高产组）为例，采用二次通用旋转组合设计获得该栗园燕山早丰叶面喷施微量元素Mn、Fe、B的产量模型，确定这三个因子对板栗产量的影响顺序，并将其与实施例1中采用叶片DRIS法得出的该板栗园的需肥顺序进行比较，以便验证实施例1获得的表4中指数分级标准的准确性，具体如下：

1材料与方法

1.1试验地概况

试验在河北省迁西县汉儿庄乡板栗示范基地（即图2所示的5号栗园）进行，该栗园土壤质地为沙壤土。供试材料为当地主栽板栗品种12年生的“燕山早丰”，株行距为3m×4m，树形为三主枝开心形。管理水平中等，以往秋季果实采收后施加有机肥，早春追施板栗专用肥（氮20%、磷10%、钾10%），施肥方式为树冠外围环状沟施，深度为30～40cm。土壤pH为6.14，有机质12.43g/kg，0～40cm土壤速效养分含量见下表。

供试果园土壤有效养分含量（mg/kg）

1.2试验方法

板栗对微量元素Mn、Fe、B较敏感，这三种微量元素是影响板栗产量、品质的重要因素。为验证诊断结果的准确性，试验采用三因素二次回归通用旋转设计，根据二次通用旋转参数表设计试验参数m_c=8，2m=6，m₀=6，γ=1.682，N=20，对板栗进行Mn、Fe、B叶面喷肥试验，各因素及水平编码见下表。

因素水平编码表

其中，本试验选择生长健壮、长势均匀一致的栗树，设20个小区（即本试验设计20个处理），随机排列，每个小区3株栗树，小区之间设隔离行，同时另设对照小区（对照处理不施肥）。于板栗盛花期（2012年06月12日、2012年06月17日）连续喷施两次，其中，两次喷施均于湿度较大的早晨（或傍晚）进行，喷施过程以叶面布满水珠但不滴水为宜，树叶正反面均匀喷施。

然后，于2012年9月初，在果实成熟期分别统计上述各小区栗树产量，单位kg·667m^-2。并采用软件Excel2010、DPS7.05进行数据统计分析。

2结果与分析

2.1回归模型的建立

叶面喷肥试验结果，见下表。

叶面喷肥试验结果

由“叶面喷肥试验结果”表中的试验数据可以看出，与对照处理产量（110kg·667m^-2）相比，叶面追施微量元素对板栗产量有一定的提高作用。根据表中试验数据，试验以燕山早丰产量为目标函数、以Mn、Fe、B三种微量元素叶面肥料的质量浓度为自变量，建立板栗产量（Y）与Fe（X₁）、B（X₂）、Mn（X₃）微肥质量浓度之间的三元二次数学回归模型：Y=61.743+67.128X₁+122.057X₂+126.736X₃-42.058X₁X₂-56.376X₁X₃-149.020X₂X₃-135.473X₁ ²-159.346X₂ ²-135.546X₃ ²。

接着，对上述回归方程进行显著性检验，结果表明，失拟性检验F₁(5,5)=1.493<F_0.05=5.05，说明本次试验建立的回归模型是恰当的；拟合性检验F₂(9,10)=8.546>F_0.01=4.94，达到极显著水平，说明模型的预测值与实测值吻合效果较好。其中，失拟性检验、拟合性检验的方法为常规统计分析中常用的拟合性检验方法。

然后，对上述回归模型中的各项系数进行显著性检验，结果见下表。

回归系数的显著性检验

一次项回归系数	交互项回归系数	二次项回归系数
			P1=0.0176<0.05	P12=0.4710>0.05	P11=0.0024<0.01
P2=0.0021<0.01	P13=0.3390>0.05	P22=0.0125<0.05
			P3=0.0016<0.01	P23=0.0600>0.05	P33=0.0272<0.05

发明人发现述回归模型中的一次项、二次项系数均达到显著或极显著水平（P<0.05），但交互项系数均未达到显著水平（P>0.05）。由此，在P=0.05显著水平下剔除不显著的交互项，从而获得优化后的回归方程：Y=61.743+67.128X₁+122.057X₂+126.736X₃-135.473X₁ ²-159.346X₂ ²-135.546X₃ ²。

2.2试验因子的产量效应分析

2.2.1影响板栗产量的主因子效应分析

在采用二次通用旋转组合设计建立的模型中，可由回归方程一次项系数绝对值的大小来直接比较各因子对产量影响的重要程度，系数的正负表示因子的正负效应（卢恩双等，2002）。因此，在本次试验建立的回归模型中，各因子对板栗产量的影响顺序为X₃>X₂>X₁，即锰肥>硼肥>铁肥，而且各因子一次项系数均为正值，对板栗产量的提高有积极作用。而交互项各项系数均未达到显著水平，说明锰肥、硼肥、铁肥间的交互作用对板栗产量的影响不明显。因此在生产中，应重视Mn肥和B肥的施用。

2.2.2单因子产量效应分析

在本次试验中，板栗产量函数是Mn、B、Fe因子共同作用的结果，可采用“降维法”将其中2个因子置于零水平，从而可解析出剩余的单个因子对板栗产量的效应。将回归模型中任何2个变量固定于零水平，可导出3个一维函数子模型：

Y₁=61.743+67.128X₁-135.473X₁ ²；

Y₂=61.743+122.057X₂-159.346X₂ ²；

Y₃=61.743+126.736X₃-135.546X₃ ²。

由上述3个子函数模型可以看出，二次项系数均为负值，一次项系数均为正值，说明3个子函数模型均为开口向下的抛物线，存在极大值。对3个子函数分别进行数学求导，可以得出：当X₁=0.248、X₂=0.383、X₃=0.468时，上述3个子函数分别获得最大值。因此，在本次试验采用的喷肥浓度范围内，板栗产量随叶面肥Fe、B浓度的增大呈先增加后降低趋势，但板栗产量随叶面肥Mn浓度的增大而增加。

2.3Mn、B、Fe肥配合喷施的优化分析

根据试验建立的板栗产量数学模型，运用计算机进行模拟寻优，结果Y_max=f(0.248,0.383,0.400)=122.4；在本次试验中，板栗产量在115kg·667m^-2以上的组合共有13个，其中Y_max=f(0.250,0.200,0.200)=125.5kg·667m^-2。具体低，本试验采用频率分析法进行模拟寻优，结果在95%置信区间内，预测板栗产量在115kg·667m^-2以上，优化后的叶面喷肥方案为：硫酸亚铁0.154%～0.262%、硼酸0.169%～0.262%、硫酸锰0.191%～0.277%（见下表）。表中各参数计算方法如下：

（1）平均编码（Mean）为各编码的加权均数，Mean=∑编码*频率；

（2）

（3）95%置信区间：Mean-1.96*SE≤95%置信区间≤Mean+1.96*SE。

（4）变化间距：

其中r为1.682，X_r为1.682水平下的叶面肥料的质量浓度，X₀为0水平下的叶面肥料的质量浓度（即因子，见上述因素水平编码表），以X₁为例，

（5）优化区间(%)=X₀+95%置信区间*Δ。X₀为0水平下的叶面肥料的质量浓度（即因子，见上述因素水平编码表），95%置信区间及Δ的计算方法如前所述。以X₁为例，X₁优化区间的上限为0.250+0.0795*0.1486=0.2618；优化区间的下限为0.250+（-0.6459*0.1486）=0.1540，从而综合上述获得的该因素的上下限即可得出X₁的优化区间为（0.1540，0.2618）。

板栗产量≥115kg/667m²的模拟喷肥方案

3结论与讨论

综上，试验采用二次通用旋转组合设计获得了图2所示的5号栗园燕山早丰叶面喷施微量元素的产量模型，并通过检验验证了模型与实际拟合效果良好。结果，发明人发现，在本次试验条件下，Mn、B、Fe三个因子对板栗产量的影响顺序为锰肥>硼肥>铁肥。因而，在板栗生产实践中，在和本次试验相似的立地条件下应重视锰肥、硼肥的施用，同时注意铁肥的配施。

上述结果与实施例1中采用叶片DRIS法得出的汉儿庄地区（5号栗园）板栗需肥顺序（Mn>B>N>Cu>K>P>Fe>Ca>Mg，见表3）一致，从而既肯定了模型与实际生产情况的拟合性，也证明了实施例1获得的表4中各元素的指数分级标准非常准确可靠。

实施例4

按照前述“一般方法”对随机选取的一个迁西县板栗园中的燕山早丰板栗植株的叶片进行营养诊断，具体如下：

待测板栗叶片样品采集于树冠外围营养枝从基部起第5～6片叶，单株栗树东、南、西、北各取1片叶，每次多点混合采叶不少于100片。在实验室经过前期处理（参照实施例1）后，采用凯氏定氮法确定待测板栗叶片全N的含量；采用钼锑抗比色法确定待测板栗叶片全P的含量；采用AAS法确定待测板栗叶片全K、Ca、Mg、Fe、Cu、Mn的含量；以及采用甲亚胺比色法确定待测板栗叶片全B的含量。结果，待测燕山早丰栗园叶片各矿质元素含量分别为：N2.248%、P0.142%、K0.686%、Ca1.651%、Mg0.727%、Fe637.029mg/kg、Mn829.576mg/kg、Cu12.817mg/kg、B46.877mg/kg。

基于所获得矿质元素的含量，确定下列的度量：N/P、N/K、Mg/N、P/K、Mg/P、Mg/K、Fe/Mn、Fe/B、1000Ca/Mn、100Ca/B、1000Mg/Fe、1000Mg/Mn、100Mg/Cu、100P/B和1000N/Mn，以便获得度量集合。

待测样品的度量集合

随后，基于公式

确定各矿质元素的盈缺指数，得出矿质元素N、P、K、Ca、Mg、Fe、Mn、Cu、B的DRIS指数（即盈缺指数）分别为-1.324、-1.333、3.274、0.274、-1.739、-6.121、7.352、-0.630、0.246。并基于上述各矿质元素的盈缺指数，确定了待测板栗园的需肥顺序为Fe>Mg>P>N>Cu>B>Ca>K>Mn。对照表4中迁西燕山早丰叶片DRIS指数分级标准，可以明确得出以下诊断结果：在该板栗园中，板栗叶片中的Fe属于重度缺乏；N、P、Mg、Ca、Cu、B属于是适宜范围；K、Mn属于轻度过剩范围，因此，生产上可以根据诊断结果科学调节施肥量，从而达到以最小的施肥量获得最大收益。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

尽管已经示出和描述了本发明的实施例，本领域的普通技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由权利要求及其等同物限定。

Claims (10)

1.一种确定板栗叶片矿质元素盈缺的方法，其特征在于，包括以下步骤：

确定待测板栗叶片矿质元素的含量，其中，所述矿质元素为N、P、K、Ca、Mg、Fe、Mn、Cu和B；

基于所获得的矿质元素的含量，确定下列的度量：N/P、N/K、Mg/N、P/K、Mg/P、Mg/K、Fe/Mn、Fe/B、1000Ca/Mn、100Ca/B、1000Mg/Fe、1000Mg/Mn、100Mg/Cu、100P/B和1000N/Mn，以便获得度量集合；

针对预定矿质元素，选择所述度量集合中涉及所述预定矿质元素的至少一个度量M_i；

基于公式

确定所述预定矿质元素的盈缺指数；以及

基于所述预定矿质元素的盈缺指数，确定所述待测板栗叶片预定矿质元素的盈缺程度，

其中，

当所述度量M_i中，所述预定矿质元素作为分子时，d为偶数，当所述度量M_i中，所述预定矿质元素作为分母时，d为奇数；

f（M_i）是基于公式 $f\left(M_i\right)=\left\{\begin{array}{cc}(\frac{M_i}{C_1}-1)\frac{1000}{C_2},& M_i\&GreaterEqual;C_1\\ (1-\frac{C_1}{M_i})\frac{1000}{C_2},& M_i<C_1\end{array}\right.$ 确定的，

其中，

为预定的第一参数，表示预定的第二参数。

2.根据权利要求1所述的方法，其特征在于，

当所述度量M_i为N/P时，C₁为15.493，C₂为9.459；

当所述度量M_i为N/K时，C₁为3.520，C₂为10.120；

当所述度量M_i为Mg/N时，C₁为0.341，C₂为9.960；

当所述度量M_i为P/K时，C₁为0.228，C₂为10.062；

当所述度量M_i为Mg/P时，C₁为5.277，C₂为13.226；

当所述度量M_i为Mg/K时，C₁为1.201，C₂为15.173；

当所述度量M_i为Fe/Mn时，C₁为1.201，C₂为20.788；

当所述度量M_i为Fe/B时，C₁为16.166，C₂为18.111；

当所述度量M_i为1000Ca/Mn时，C₁为2.271，C₂为20.432；

当所述度量M_i为100Ca/B时，C₁为3.055，C₂为16.794；

当所述度量M_i为1000Mg/Fe时，C₁为0.997，C₂为12.728；

当所述度量M_i为1000Mg/Mn时，C₁为1.202，C₂为27.040；

当所述度量M_i为100Mg/Cu时，C₁为5.370，C₂为11.171；

当所述度量M_i为100P/B时，C₁为0.306，C₂为16.939；

当所述度量M_i为1000N/Mn时，C₁为3.548，C₂为28.025。

3.根据权利要求1所述的方法，其特征在于，基于所述预定矿质元素的盈缺指数，确定所述待测板栗叶片预定矿质元素的盈缺程度进一步包括：

当所述预定矿质元素为N时，如果所述盈缺指数小于-4.347，则确定所述待测板栗叶片的N为重度缺乏；如果所述盈缺指数大于-4.347且小于-2.267时，则确定所述待测板栗叶片的N为轻度缺乏；如果所述盈缺指数大于-2.267且小于1.894时，则确定所述待测板栗叶片的N为适宜；如果所述盈缺指数大于1.894且小于3.975时，则确定所述待测板栗叶片的N为轻度过剩；如果所述盈缺指数大于3.975时，则确定所述待测板栗叶片的N为重度过剩。

4.根据权利要求3所述的方法，其特征在于，

当所述预定矿质元素为P时，如果所述盈缺指数小于-4.289，则确定所述待测板栗叶片的P为重度缺乏；如果所述盈缺指数大于-4.289且小于-2.157时，则确定所述待测板栗叶片的P为轻度缺乏；如果所述盈缺指数大于-2.157且小于2.108时，则确定所述待测板栗叶片的P为适宜；如果所述盈缺指数大于2.108且小于4.240时，则确定所述待测板栗叶片的P为轻度过剩；如果所述盈缺指数大于4.240时，则确定所述待测板栗叶片的P为重度过剩，

任选地，当所述预定矿质元素为K时，如果所述盈缺指数小于-4.346，则确定所述待测板栗叶片的K为重度缺乏；如果所述盈缺指数大于-4.346且小于-2.080时，则确定所述待测板栗叶片的K为轻度缺乏；如果所述盈缺指数大于-2.080且小于2.450时，则确定所述待测板栗叶片的K为适宜；如果所述盈缺指数大于2.450且小于4.716时，则确定所述待测板栗叶片的K为轻度过剩；如果所述盈缺指数大于4.716时，则确定所述待测板栗叶片的K为重度过剩，

任选地，当所述预定矿质元素为Ca时，如果所述盈缺指数小于-3.191，则确定所述待测板栗叶片的Ca为重度缺乏；如果所述盈缺指数大于-3.191且小于-1.719时，则确定所述待测板栗叶片的Ca为轻度缺乏；如果所述盈缺指数大于-1.719且小于1.224时，则确定所述待测板栗叶片的Ca为适宜；如果所述盈缺指数大于1.224且小于2.696时，则确定所述待测板栗叶片的Ca为轻度过剩；如果所述盈缺指数大于2.696时，则确定所述待测板栗叶片的Ca为重度过剩，

任选地，当所述预定矿质元素为Mg时，如果所述盈缺指数小于-7.421，则确定所述待测板栗叶片的Mg为重度缺乏；如果所述盈缺指数大于-7.421且小于-3.960时，则确定所述待测板栗叶片的Mg为轻度缺乏；如果所述盈缺指数大于-3.960且小于2.962时，则确定所述待测板栗叶片的Mg为适宜；如果所述盈缺指数大于2.962且小于6.424时，则确定所述待测板栗叶片的Mg为轻度过剩；如果所述盈缺指数大于6.424时，则确定所述待测板栗叶片的Mg为重度过剩。

5.根据权利要求3所述的方法，其特征在于，

当所述预定矿质元素为Fe时，如果所述盈缺指数小于-3.466，则确定所述待测板栗叶片的Fe为重度缺乏；如果所述盈缺指数大于-3.466且小于-1.807时，则确定所述待测板栗叶片的Fe为轻度缺乏；如果所述盈缺指数大于-1.807且小于1.510时，则确定所述待测板栗叶片的Fe为适宜；如果所述盈缺指数大于1.510且小于3.169时，则确定所述待测板栗叶片的Fe为轻度过剩；如果所述盈缺指数大于3.169时，则确定所述待测板栗叶片的Fe为重度过剩，

任选地，当所述预定矿质元素为Mn时，如果所述盈缺指数小于-6.542，则确定所述待测板栗叶片的Mn为重度缺乏；如果所述盈缺指数大于-6.542且小于-3.002时，则确定所述待测板栗叶片的Mn为轻度缺乏；如果所述盈缺指数大于-3.002且小于4.079时，则确定所述待测板栗叶片的Mn为适宜；如果所述盈缺指数大于4.079且小于7.619时，则确定所述待测板栗叶片的Mn为轻度过剩；如果所述盈缺指数大于7.619时，则确定所述待测板栗叶片的Mn为重度过剩，

任选地，当所述预定矿质元素为Cu时，如果所述盈缺指数小于-1.710，则确定所述待测板栗叶片的Cu为重度缺乏；如果所述盈缺指数大于-1.710且小于-0.826时，则确定所述待测板栗叶片的Cu为轻度缺乏；如果所述盈缺指数大于-0.826且小于0.943时，则确定所述待测板栗叶片的Cu为适宜；如果所述盈缺指数大于0.943且小于1.828时，则确定所述待测板栗叶片的Cu为轻度过剩；如果所述盈缺指数大于1.828时，则确定所述待测板栗叶片的Cu为重度过剩，

任选地，当所述预定矿质元素为B时，如果所述盈缺指数小于-4.577，则确定所述待测板栗叶片的B为重度缺乏；如果所述盈缺指数大于-4.577且小于-2.127时，则确定所述待测板栗叶片的B为轻度缺乏；如果所述盈缺指数大于-2.127且小于2.773时，则确定所述待测板栗叶片的B为适宜；如果所述盈缺指数大于2.773且小于5.224时，则确定所述待测板栗叶片的B为轻度过剩；如果所述盈缺指数大于5.224时，则确定所述待测板栗叶片的B为重度过剩。

6.根据权利要求1所述的方法，其特征在于，所述待测板栗叶片采集于树冠外围营养枝从基部起第5～6片叶，针对单株果树东、南、西、北各取1片叶。

7.根据权利要求1所述的方法，其特征在于，

采用凯氏定氮法确定所述待测板栗叶片全N的含量；

采用钼锑抗比色法确定所述待测板栗叶片全P的含量；

采用AAS法确定所述待测板栗叶片全K、Ca、Mg、Fe、Cu、Mn的含量；以及

采用甲亚胺比色法确定所述待测板栗叶片全B的含量。

8.根据权利要求1所述的方法，其特征在于，进一步包括：

基于所述待测板栗叶片至少两种矿质元素的盈缺程度，确定所述待测板栗叶片来源的板栗植株对所述至少两种矿质元素的需肥顺序。

9.根据权利要求1所述的方法，其特征在于，进一步包括：

基于所述待测板栗叶片N、P、K、Ca、Mg、Fe、Mn、Cu和B的盈缺程度，确定所述待测板栗叶片来源的板栗植株对所述N、P、K、Ca、Mg、Fe、Mn、Cu和B的需肥顺序。

10.根据权利要求9所述的方法，其特征在于，进一步包括：

将所获得的矿质元素的含量，与下述的板栗叶片各矿质元素含量的适宜范围进行比对，初步确定所述待测板栗叶片来源的板栗植株对所述矿质元素的需求量：

N：1.997±0.169%，

P：0.130±0.012%，

K：0.571±0.059%，

Ca：1.295±0.112%，

Mg：0.679±0.075%，

Fe：685.875±76.159mg/kg，

Mn：593.780±131.690mg/kg，

Cu：12.726±1.507mg/kg，

B：43.418±7.889mg/kg；以及

基于所述待测板栗叶片来源的板栗植株对所述矿质元素的需求量，并结合所述待测板栗叶片来源的板栗植株对所述N、P、K、Ca、Mg、Fe、Mn、Cu和B的需肥顺序，进一步确定针对所述板栗植株以及所述板栗植株来源的板栗园的施肥方案。

Images