CN109168521A - 一种毛竹笋用林配方施肥方法 - Google Patents
一种毛竹笋用林配方施肥方法 Download PDFInfo
- Publication number
- CN109168521A CN109168521A CN201811384869.5A CN201811384869A CN109168521A CN 109168521 A CN109168521 A CN 109168521A CN 201811384869 A CN201811384869 A CN 201811384869A CN 109168521 A CN109168521 A CN 109168521A
- Authority
- CN
- China
- Prior art keywords
- shoot
- soil
- efficiency
- nutrient
- output
- 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.)
- Granted
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)
- Fertilizing (AREA)
- Fertilizers (AREA)
Abstract
本发明公开了一种笋用林配方施肥方法,属于配方施肥领域,是基于地形、气候和土壤多因子影响下的测土配方笋用林施肥方法;所述施肥方法是测定不同地形指标、气候指标和土壤指标以及相应的竹笋产量;采用主成分分析,德尔菲法和皮尔森相关分析,筛选出与竹笋产量具有相关性的地形指标、气候指标和/或土壤指标构成最小数据集;根据所述最小数据集,建立养分效益模型,计算不同养分分配比例;通过数据包络分析养分利用效率;根据所述不同养分分配比例和养分利用效率,确定不同地形、气候和土壤条件下笋用林施肥量。本发明提出的笋用林配方施肥方法,适用于不同地形、气候和土壤条件,从而使肥料投入合理化,提高肥料利用率和竹笋产量。
Description
技术领域
本发明涉及配方施肥领域,特别是指一种笋用林配方施肥方法。
背景技术
毛竹又名楠竹,主要为笋用林、材用林和笋材两用林。竹笋作为蔬菜,历来受到人们的喜爱,其味清香鲜美,而被视为菜中珍品。竹笋产量不仅受土壤肥力质量影响,同时受地形、气候和土壤共同影响。因此,通过选取适宜的地形、气候,进行合理的施肥抚育,有望大力发展竹笋人工林,以提高低产竹笋产量。已有研究表明竹笋产量与施肥及土壤肥力质量成正相关,合理施肥有利于提高竹笋产量。目前,现有施肥方案基于一个试验地取样,只适用于实验开展地区,提高一个特定试验地的土壤肥力质量,而忽略了地形、气候和土壤多因子等多因素对竹笋产量的影响,并不适用于不同地形和不同气候的笋用林。因此,现有施肥技术无法解决湖南地区地形多样条件下竹笋抚育过程中养分投入效率低的现状。
发明内容
有鉴于此,本发明的目的在于提出一种笋用林配方施肥方法,能够得出针对不同地形、气候和土壤多因子影响下的配方施肥方法,提高竹笋产量。
基于上述目的,本发明提供了一种笋用林配方施肥方法,包括:测定不同地形指标、气候指标和土壤指标以及相应的竹笋产量;采用主成分分析,德尔菲法和皮尔森相关分析,筛选出与竹笋产量具有相关性的地形指标、气候指标和/或土壤指标构成最小数据集;根据所述最小数据集,建立养分效益模型,计算不同养分分配比例;通过数据包络分析养分利用效率;根据所述不同养分分配比例和养分利用效率,确定不同地形、气候和土壤条件下毛竹笋用林施肥量。
可选的,所述地形包括盆地、平原、丘陵或高山区。
可选的,所述竹笋产量包括笋用林优势株生物量和叶片中养分含量。
可选的,运用主成分分析法、德尔菲法和皮尔森相关分析法筛选出影响所述竹笋产量的影响因子的最小数据集。
可选的,所述最小数据集包括总孔隙度、pH、有效磷、降雨量、土壤有机质和海拔。
可选的,所述养分效益模型的计算公式如下:
笋用林植株养分总需要量Y(kg/ha)=优势株产量×养分系数;
笋用林土壤养分有效性系数K(%)=植株吸收量(kg/ha)/[土壤养分含量+养分供给量×养分利用率(%)]×100%;
土壤养分供应量:N(kg/ha)=实测土壤养分含量×2.25×K(%);
施用养分元素含量:C(kg/ha)=(Y-N)/R。
可选的,所述养分利用效率通过数据包络分析,包括:综合技术效率、纯技术效率或规模效率。
可选的,所述综合技术效率=纯技术效率×规模效率,所述综合技术效率由所述纯技术效率和所述规模效率共同决定。
可选的,所述纯技术效率和所述规模效率的值为1时,地形养分投入和竹笋产出效率达到最大化,所述规模效率值为1说明养分投入和竹笋产出达到最优状态。
从上面所述可以看出,本发明提供的一种笋用林配方施肥方法与现有技术相比,通过建立针对不同地形,不同气候,不同笋用林养分需求量的情况,引入养分吸收效率模型,根据评价的土壤指标与产量的关系建立模型,合理投入肥料,提高肥料利用率和竹笋产量。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的笋用林配方施肥方法的流程示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,以下结合具体实施例,并参照附图,对本发明进一步详细说明。
本发明提供了毛竹笋用林配方施肥方法的一种实施例,可适用于不同地形、气候和土壤条件。
参考图1所示,所述毛竹笋用林配方施肥方法,包括:
步骤101:测定不同地形、气候和土壤指标以及相应的竹笋产量;
步骤102:经相关性分析,得到不同地形、气候和土壤条件下与竹笋产量的相关性,并筛选出最具有相关性的最小数据集;
步骤103:依据所筛选出的最小数据集,计算不同养分分配比例及施肥量;
步骤104:通过数据包络分析养分利用效率;
步骤105:确定不同地形、气候和土壤条件下笋用林施肥量。
从上述实施例可以看出,本发明提供的笋用林配方施肥方法,通过筛选出与竹笋产量相关的不同地形、气候的土壤指标最小数据集,并利用所述最小数据集计算相应参数,最后得到合适的施肥量,使得该施肥方法适用于不同地形、气候和土壤条件;该方法能充分考虑地形、气候和土壤多因子影响下有效提高竹笋产量,减少化肥使用,提高林地土壤环境质量。
本发明还提供了所述笋用林配方施肥方法的一种实施例。该笋用林配方施肥方法包括如下步骤:
1.确定地形
湖南省不同区域取盆地(东面罗霄山脉、西面雪峰山脉和南面南岭山脉包围的盆地区,以下称为region I)、平原(洞庭湖平原区,以下称为region II),300米以下丘陵(南岭山脉区,以下为region III)、300米以上高山区(武陵山脉和雪峰山脉区,以下为regionIV)四种不同的地形培育笋用林。
2.取样
上述四种不同地形笋用林中每种地形选取试验样地20个,共计80个试验样地。每个试验样地中选取3个能代表该样地特征的标准样地(20m×20m)。
选取的标准样地每个笋用林在土壤质地基本一致的林区,沿S型线路,设置6个采样点,均匀分布于样地中,同时避开路边、地角和堆积过肥料的地方,土钻取土深度为0~20cm,之后用四分法获得混合样。
土壤风干后全部过2mm筛、部分过0.149mm和1mm筛,用于测定土壤酶活性和理化性质的土壤样品指标。每个样地取环刀2~3个,设置一个土壤剖面,并进行土壤剖面调查。GPS采集每个标准样地海拔、坡度、坡向数据;年平均气温、年平均降雨量和年积温量由当地气象部门提供。每个标准样地中选取平均株、优势株测定其生物量。
3.测定
测定所述土壤样本指标。
(1)土壤容重、总孔隙度、饱和水含量、重量含水量和蓄水量的测定:依据LY/T1225-1999标准,采用环刀法;
所述LY/T 1225-1999为森林土壤颗粒组成(机械组成)的测定标准,其中LY/T1225-1999为标准号。
(2)土壤酸碱度(pH)的测定:依据LY/T1239-1999标准,采用电位法。
(3)土壤有机质的测定:依据LY/T1237-1999标准,采用重铬酸钾氧化—外加热法测定。
(4)土壤硝态氮(N)的测定:依据LY/T 1230-1999标准,采用酚二磺酸比色法。
(5)土壤全氮的测定:依据LY/T1228-1999标准,采用半微量凯氏法测定。
(6)森林土壤全钾(K)的测定:依据LY/T1254-1999标准,利用氢氟酸—高氯酸溶液消煮土壤样品,使土壤样品中的钾矿物分解成钙、镁、钾、钠、锰、铝等形成高氯酸盐类,用盐酸溶解残渣,成为可溶性的氯化物,制成钾的待测液,之后应用火焰光度计法测定土壤全钾量。
(7)森林土壤全磷(P)的测定:采用碱熔,在间断化学分析仪测定Smartchem 200(WestCo Scientific Instruments,Brookfield,CT,USA)。样品在银坩埚中用氢氧化钠高温熔融分解后,其中的不溶性磷酸盐转变成可溶性磷酸盐,待测液供测定全磷量。
(8)森林土壤有效硫(S)的测定:依据LY/T 1255-1999标准,采用燃烧碘量法和EDTA间接滴定法。
(9)森林土壤速效磷、速效钾、有效钙、有效镁、有效铁、有效锰、有效锌依据有效磷Mehlich 3方法提取,速效磷在间断化学分析仪测定Smartchem200(WestCo ScientificInstruments,Brookfield,CT,USA)。速效钾在火焰光度计下测定;有效钙、有效镁、有效铁、有效锰、有效硼和有效锌在原子吸收分光光度计下测定;
上述Mehlich3试剂(简称M3)是适用于多类土壤、多种大量和微量养分元素测试的通用浸提剂。
所述ICP-AES为电感耦合等离子体原子发射光谱法,是以电感耦合等离子矩为激发光源的光谱分析方法,用于元素的测定。
如上所述,测定每个标准样地中取一度竹笋重量和优势株生物量。
4.数据处理与结果分析
选取的湖南省四种不同地形中26个土壤、地形和气候指标方差分析表明,不同地形之间指标差异显著(p<0.01,见表1)。参考表1所述,盆地(Region I)中土壤指标铁、钙、硫、锌、pH、磷、有机质、硝态氮、全氮、全磷、总孔隙度、土层厚度、土壤蓄水量显著高于其他地形(p<0.01);容重显著低于其他地形(p<0.01);平原区(RegionII)铜、硼和镁显著高于其他地形,而钙、锰含量最低(p<0.01);丘陵区(Region III)铁、有机质、全氮、全磷和全钾含量最低(p<0.01);高山区(Region IV)锰和容重最高,而铜、硼、硫、锌、镁、pH、有效钾、速效磷、硝态氮,全氮、总孔隙度、土层厚度、土壤蓄水量含量较低。地形因子显示盆地多为缓坡,向阳面土层较厚,平原地区海拔最低,高山地区海拔最高,同时坡度最大,向阴面面积也多于其他地区;气候因子显示平原地区降雨量和光照亮最丰富,而高山地区最少。
表明速效磷、有效钾、有机质、硝态氮、总孔隙度、土层厚度、土壤蓄水量、温度、日照量与竹笋产量呈显著正相关,而容重、海拔、坡向、坡度、降水量与竹笋产量呈显著负相关。
表1土壤、地形和气候指标值及偏相关关系
**表示显著性小于0.01;
*表示显著性小于0.05;
小写字母表示Fisher's LSD多重比较不同样本之间显著性差异(p<0.05),所述Fisher's LSD为最小显著性差异法;
n表示样本重复数;
方位:1=南面;2=东南面;3=西南面;4=东面;5=西面;6=东北面;7=西北面;8=北面。
对26个土壤、地形和气候相关因子进行主成分分析,运用spss软件算出4个主成分因子解释了大于82.4%累计率。运用德尔菲法(Delphi)进行30个专家评分及皮尔森相关分析确定最小数据集。各因子载荷在方差极大旋转后显示主成分1中权重前10%的指标有土壤总孔隙度、有机质、有效磷,而Delphi法经过两轮问卷调查,其和谐系数为0.2,有显著统计意义(p=0.01),表明总孔隙度、有机质、有效磷均为竹笋产量关键影响因子。主成分2显示降雨量权重最高;主成分3显示有机质权重最高;主成分4表明海拔权重最高。
因此,选取土壤总孔隙度、pH、有效磷、降雨量、土壤有机质和海拔为衡量湖南省笋用林竹笋产量的最小数据集。
作为一种可选的实施方式,最小数据集中各指标得分采用隶属度函数(方程1-6)计算,对各指标进行标准化。其种,所述土壤有机质和有效磷采用方程1计算,土壤总孔隙度采用方程2计算,降雨量采用方程3,pH值采用方程4,海拔采用方程5。最小数据集中各指标隶属度函数式如下:
i)土壤有机质和有效磷隶属度函数:
ii)土壤总孔隙度隶属度函数:
iii)降雨量隶属度函数:
iv)pH值隶属度函数:
v)海拔隶属度函数:
其中,所述f(x)为土壤指标隶属度函数;x表示变量;x0表示变量的最小值;x1表示变量最大值。
从上述实施例可以看出,所有最小数据集中的变量通过层次分析确定权重。其中坡向权重最大,表明海拔对竹笋产量影响最为显著,随后排列为土壤蓄水量、总孔隙度、土壤有机质、有效磷和pH值。
依据方程6,计算不同地形笋用林质量指数。
其中,所述PQI表示笋用林质量指数,Wi表示指标的权重;Si表示指标分数;n表示最小数据集的个数。
结果显示不同地形笋用林质量指数PQI值在0.57到0.85之间,其中盆地(RegionI)的林地质量优于其他地形。笋用林质量等级排序如下:盆地(Region I),0.85±0.07;平原(Region II),0.75±0.03;丘陵(Region III),0.64±0.05;高山区(Region IV),0.57±0.06。采用分段回归法建立笋用林质量指数与竹笋产量的关系,林地质量指数与产量呈显著相关,方程描述如下:
y=5×10-5x+0.502(n=540,r2=0.953,p<0.05)
其中,所述y表示产量,x表示质量指数。
作为另一种可选的实施方式,采用灰色关联分析法分析26个土壤、地形和气候指标,其排序依次为:海拔、土壤有机质、速效磷、有效钾、硫、铁、锰、全钾、硼、全磷、钙、全氮、硝态氮、铜、坡向、光照时间、土壤蓄水量、温度、土层厚度、pH值、坡度、海拔、镁、容重、锌、降雨量、土壤含水量、总孔隙度。其中与竹笋产量显著相关的前三个因子分别为海拔、土壤有机质、速效磷。灰色关联系数显示笋用林质量排序依次为盆地,平原,丘陵和高山区。
其中,所述灰色关联分析法是根据因素之间发展趋势的相似或相异程度,亦即“灰色关联度”,作为衡量因素间关联程度的一种方法。
从上述实施例可以看出,所述海拔和土壤养分对竹笋产量的影响显著高于土壤养分指标对竹笋产量的影响。因此,施肥抚育笋用林主要考虑坡向、土壤蓄水量、总孔隙度、降雨量、土壤有机质、有效磷和pH值对产量的影响。
5.建立不同笋用林质量养分管理模型
本发明的一个优选实施例为建立不同立地条件养分管理模型。
其中所述立地条件为与竹笋生长发育有关的自然环境因子(如地形、土壤、水分等),统称为它的立地条件。
本实施例中,所述养分管理模型,公式如下:
笋用林植株养分总需要量Y(kg/ha)=优势株产量×养分系数;
笋用林土壤养分有效性系数K(%)=植株吸收量(kg/ha)/[土壤养分含量+养分供给量×养分利用率(%)]×100%
土壤养分供应量:N(kg/ha)=实测土壤养分含量×2.25×K(%);
施用养分元素含量:C(kg/ha)=(Y-N)/R。
(1)确定不同地形笋用林土壤有效养分校正系数
设立四种不同地形笋用林土壤硝态氮、有效磷和速效钾为自变量XNI-IV、XPI-IV和XKI-IV,对应的土壤有效养分校正系数为因变量YNI-IV、YPI-IV和YKI-IV,通过回归分析筛选出的最佳数学模型均为双曲线模型。
模型1:
模型2:
模型3:
以上12个数学模型均达到极显著水平,对土壤有效养分校正系数的拟合程度较高,可用来计算土壤大量养分含量所对应的有效养分校正系数。
(2)确定实际施用养分元素含量
作为一种优选实施方式,分别以氮、磷、钾的实际施肥纯量(Y)为因变量YN、YP和YK,取目标产量(X1)、土壤养分测试值(X2)为自变量,建立二元一次回归方程:
盆地RegionI施肥模型如下
施N量,YN I=-65.46+0.079X1-0.034X2(R2=0.864)
施P量,YPI==-34.64+0.0211X1-0.346X2(R2=0.822)
施K量,YKI=-67.64+0.0112X1-0.0643X2(R2=0.825)
平地RegionII施肥模型如下
施N量,YN II=-39.34+0.0342X1-0.013X2(R2=0.855)
施P量,YPII==-47.64+0.0752X1-0.012X2(R2=0.852)
施K量,YKII=-39.46+0.0367X1-0.0046X2(R2=0.825)
丘陵RegionIII施肥模型如下
施N量,YNIII=-77.69+0.0165X1-0.032X2(R2=0.912)
施P量,YPIII=-68.24+0.0165X1-0.035X2(R2=0.952)
施K量,YKIII=-62.32+0.0158X1-0.0352X2(R2=0.884)
高山区RegionIV施肥模型如下
施N量,YNIV=-62.34+0.0565X1-0.0134X2(R2=0.910)
施P量,YPIV=-92.35+0.0215X1-0.0465X2(R2=0.898)
施K量,YKIV=-54.35+0.00121X1-0.0621X2(R2=0.876)
将不同试验地的平均产量以及硝态氮、有效磷和速效钾平均值代入模型,计算出氮、磷、钾施肥量。
6.建立笋用林养分效益模型计算不同养分分配比例及施肥量,通过数据包络分析(date envelopment analysis,DEA)分析养分利用效率。
构建肥料效率投入、竹笋果产量指标,运用Deap 2.1软件,对四个不同地形的养分利用率进行测算,包括:综合技术效率、纯技术效率和规模效率。
本实施例中,模型中综合技术效率=纯技术效率×规模效率,说明综合技术效率由纯技术效率和规模效率共同决定。根据表2所述,RegionI和RegionII两个地形纯技术效率和规模效率的值为1,说明这两个地形养分投入和竹笋产出效率达到最大化,而规模效率值为1说明养分投入和竹笋果产出已达到最优状态,规模收益处于不变的状态。RegionIII和RegionIV两个地形纯技术效率值和规模效率值都分别为0.401和0.301,说明这两个地形的养分投入和竹笋产量结构不合理,没有实现养分的优化配置,规模效率值不为1说明养分投入和竹笋产量没有达到最优状态,养分投入水平还需要调整;RegionIII规模报酬递增,表明适当增加投入量并合理的利用,会带来更高比例的产出。而其余RegionIV规模报酬递减,表明增加投入量已经不可能带来更大的产出,只会造成更严重的资源浪费。
竹笋养分DEA效率为1的地区有RegionI和RegionII,这两个地形综合效率是处于DEA有效的状态;其余RegionIII和RegionIV的DEA值小于1,即处于DEA非有效的状态(所述DEA分析法效率值为1则表示DEA有效,效率值不为1则表示DEA非有效)。
表2湖南省四种不同地形笋用林养分利用相对效率值
“—”表示规模报酬不变;irs表示规模收益递增;drs表示规模收益递减,且综合技术效率=纯技术效率×规模效率。
根据表3所述,四个不同地形养分效率投入、产出指标松弛变量的测算结果可以看出,四个不同地形中RegionI和RegionII综合DEA效率为1,表示地形综合效率处于有效状态,不存在投入、产出松弛;RegionIII和RegionIV DEA值小于1,表示地形综合效率处于非有效状态,存在不同程度的投入冗余或是产出不足情况。其中,RegionIII规模效率呈现递增的趋势,从输入指标看,氮存在投入冗余,冗余量分别为:58.36kg/亩。虽然各个投入指标都有一定量的投入冗余,但是表现出一定的产出不足,不足量分别为:365.69kg/亩。说明RegionIII养分投入要素没有得到合理的分配,导致投入、产出不符,需要通过调整养分,从而提高效率。RegionIV同样存在投入冗余和产出不足同时存在的现状,但是却表现出规模效率递减的趋势,过多的投入不能带来更高比例的产出,此时要减少非有效的投入,将有效投入量合理利用转化为有效的产出。
表3湖南省笋用林养分投入、产出指标的松弛变量均值
7.验证笋用林专用肥施肥量
本实施例验证笋用林专用肥施肥量的效果,即不同施肥后对竹笋产量重量的影响。
在立地条件中,构成笋用林高产的因素很多,而土壤条件则是很重要的一个因子。根据表4所述,施笋用林配方肥比常规施肥和空白组相比,能明显提高竹笋产量。施笋用林配方肥比常规施肥提高了33.79%,比对照提高了87.12%。不同施肥处理对竹笋产量影响差异显著(p<0.01)。
表4不同施肥对竹笋产量的影响
所属领域的普通技术人员应当理解:以上任何实施例的讨论仅为示例性的,并非旨在暗示本公开的范围(包括权利要求)被限于这些例子;在本发明的思路下,以上实施例或者不同实施例中的技术特征之间也可以进行组合,步骤可以以任意顺序实现,并存在如上所述的本发明的不同方面的许多其它变化,为了简明它们没有在细节中提供。
本发明的实施例旨在涵盖落入所附权利要求的宽泛范围之内的所有这样的替换、修改和变型。因此,凡在本发明的精神和原则之内,所做的任何省略、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 (9)
1.一种毛竹笋用林配方施肥方法,其特征在于,包括:
测定不同地形指标、气候指标和土壤指标以及相应的竹笋产量;
采用主成分分析,德尔菲法和皮尔森相关分析,筛选出与竹笋产量具有相关性的地形指标、气候指标和/或土壤指标构成最小数据集;
根据所述最小数据集,建立养分效益模型,计算不同养分分配比例;
通过数据包络分析养分利用效率;
根据所述不同养分分配比例和养分利用效率,确定不同地形、气候和土壤条件下笋用林施肥量。
2.根据权利要求1所述的一种毛竹笋用林配方施肥方法,其特征在于,所述地形包括盆地、平原、丘陵或高山区。
3.根据权利要求1所述的一种毛竹笋用林配方施肥方法,其特征在于,所述竹笋产量包括笋用林优势株生物量和叶片中养分含量。
4.根据权利要求1所述的一种毛竹笋用林配方施肥方法,其特征在于,运用主成分分析法、德尔菲法和皮尔森相关分析法筛选出影响所述竹笋产量的影响因子的最小数据集。
5.根据权利要求1所述的一种毛竹笋用林配方施肥方法,其特征在于,所述最小数据集包括总孔隙度、pH、有效磷、降雨量、土壤有机质和海拔。
6.根据权利要求1所述的一种毛竹笋用林配方施肥方法,其特征在于,所述养分效益模型的计算公式如下:
笋用林植株养分总需要量Y(kg/ha)=优势株产量×养分系数;
笋用林土壤养分有效性系数K(%)=植株吸收量(kg/ha)/[土壤养分含量+养分供给量×养分利用率(%)]×100%;
土壤养分供应量:N(kg/ha)=实测土壤养分含量×2.25×K(%);
施用养分元素含量:C(kg/ha)=(Y-N)/R。
7.根据权利要求1所述的一种毛竹笋用林配方施肥方法,其特征在于,所述养分利用效率通过数据包络分析,包括:综合技术效率、纯技术效率或规模效率。
8.根据权利要求7所述的一种毛竹笋用林配方施肥方法,其特征在于,所述综合技术效率=纯技术效率×规模效率,所述综合技术效率由所述纯技术效率和所述规模效率共同决定。
9.根据权利要求8所述的一种毛竹笋用林配方施肥方法,其特征在于,所述纯技术效率和所述规模效率的值为1时,地形养分投入和竹笋产出效率达到最大化,所述规模效率值为1说明养分投入和竹笋产出达到最优状态。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811384869.5A CN109168521B (zh) | 2018-11-20 | 2018-11-20 | 一种毛竹笋用林配方施肥方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811384869.5A CN109168521B (zh) | 2018-11-20 | 2018-11-20 | 一种毛竹笋用林配方施肥方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109168521A true CN109168521A (zh) | 2019-01-11 |
CN109168521B CN109168521B (zh) | 2021-06-29 |
Family
ID=64940274
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811384869.5A Active CN109168521B (zh) | 2018-11-20 | 2018-11-20 | 一种毛竹笋用林配方施肥方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109168521B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114287314A (zh) * | 2021-08-23 | 2022-04-08 | 浙江省农业科学院 | 一种有机无机复混型园林专用污泥营养基质制备方法 |
CN114402778A (zh) * | 2021-12-29 | 2022-04-29 | 宜宾林竹产业研究院 | 一种基于测土配方分析设计竹林控释肥的方法 |
CN115049220A (zh) * | 2022-05-25 | 2022-09-13 | 广东省科学院生态环境与土壤研究所 | 分散式区域氮施用量估算方法、系统、计算机设备及介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102362567A (zh) * | 2011-09-22 | 2012-02-29 | 贵州凤冈净宇生物科技有限公司 | 测土配方施肥方法 |
CN103942649A (zh) * | 2014-04-23 | 2014-07-23 | 广西力源宝科技有限公司 | 竹子智能施肥系统 |
CN108684278A (zh) * | 2017-04-06 | 2018-10-23 | 点豆(山东)网络技术有限公司 | 智能配肥方法、装置和系统 |
CN108811651A (zh) * | 2018-05-29 | 2018-11-16 | 安徽润航农业科技开发有限公司 | 一种测土配方施肥的方法 |
-
2018
- 2018-11-20 CN CN201811384869.5A patent/CN109168521B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102362567A (zh) * | 2011-09-22 | 2012-02-29 | 贵州凤冈净宇生物科技有限公司 | 测土配方施肥方法 |
CN103942649A (zh) * | 2014-04-23 | 2014-07-23 | 广西力源宝科技有限公司 | 竹子智能施肥系统 |
CN108684278A (zh) * | 2017-04-06 | 2018-10-23 | 点豆(山东)网络技术有限公司 | 智能配肥方法、装置和系统 |
CN108811651A (zh) * | 2018-05-29 | 2018-11-16 | 安徽润航农业科技开发有限公司 | 一种测土配方施肥的方法 |
Non-Patent Citations (2)
Title |
---|
唐健等: "《麻竹配方施肥对竹笋产量和矿质养分含量的影响》", 《广西林业科学》 * |
张波等: "《黄土高原区苹果化肥利用效率及影响因素―基于358个苹果种植户的调查数据》", 《干旱区资源与环境》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114287314A (zh) * | 2021-08-23 | 2022-04-08 | 浙江省农业科学院 | 一种有机无机复混型园林专用污泥营养基质制备方法 |
CN114402778A (zh) * | 2021-12-29 | 2022-04-29 | 宜宾林竹产业研究院 | 一种基于测土配方分析设计竹林控释肥的方法 |
CN115049220A (zh) * | 2022-05-25 | 2022-09-13 | 广东省科学院生态环境与土壤研究所 | 分散式区域氮施用量估算方法、系统、计算机设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN109168521B (zh) | 2021-06-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Shunfeng et al. | Soil nutrient status and leaf nutrient diagnosis in the main apple producing regions in China | |
Messiga et al. | Long term impact of tillage practices and biennial P and N fertilization on maize and soybean yields and soil P status | |
Alva et al. | Improving nutrient-use efficiency in Chinese potato production: experiences from the United States | |
CN109258041B (zh) | 一种幼年油茶林配方施肥方法 | |
Isles et al. | Recent synchronous declines in DIN: TP in Swedish lakes | |
CN109168521A (zh) | 一种毛竹笋用林配方施肥方法 | |
Guo et al. | Spatial characteristics of ecological stoichiometry and their driving factors in farmland soils in Poyang Lake Plain, Southeast China | |
Chen et al. | Estimation of soil available potassium in Chinese agricultural fields using a modified sodium tetraphenyl boron method | |
Zhang et al. | The effects of agricultural management on selected soil properties of the arable soils in Tibet, China | |
Zhang et al. | Soil nutrient variance by slope position in a Mollisol farmland area of Northeast China | |
CN109258042B (zh) | 一种成年油茶林配方施肥方法 | |
Jiang et al. | Stoichiometric patterns of soil carbon, nitrogen, and phosphorus in farmland of the Poyang Lake region in Southern China | |
Hao et al. | Determining nitrogen and carbon footprints to reveal regional gross primary productivity and differentiation characteristics in karst and non-karst watersheds, China | |
Berghetti et al. | Growth and physiological attributes of Cordia trichotoma seedlings in response to fertilization with phosphorus and potassium | |
Lutter et al. | Twenty years of afforestation of former agricultural lands with silver birch plantations affects vertical distribution of SOC and macronutrients in the topsoil layer | |
Rutkowska et al. | Mineral nitrogen as a universal soil test to predict plant N requirements and ground water pollution–case study for Poland | |
Afolayan et al. | Evaluation of deterioration index in soil nutrients due to cultivation of different cocoa species in southwest Nigeria | |
Ma et al. | Detection, mapping, and interpretation of the main drivers of the Arctic GPP change from 2001 to 2019 | |
Heng et al. | Growth and nitrogen status of cotton (Gossypium hirsutum L.) under salt stress revealed using 15N-labeled fertilizer | |
Bekele | Economically optimal rates and nutrients use efficiency indices of maize to the application of different rates of nutrients in Central Rift Valley of Ethiopia. | |
Srivastava et al. | Spatial integration of rice-based cropping systems for soil and water quality assessment using geospatial tools and techniques | |
Mulumba | Land use effects on soil quality and productivity in the Lake Victoria Basin of Uganda | |
Okorie et al. | Physico-Chemical Soil Properties and Their Correlations with Maize and Cassava Production in Ebonyi, Nigeria | |
Johnston et al. | The essential role of potassium in diverse cropping systems: Future research needs and benefits | |
Lu et al. | Spatiotemporal Variation Characteristics and Driving Factors of Nitrogen Use Efficiency of Wheat–Rice Rotation Systems in the Taihu Lake Region |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |