CN110235583B - 肥料与作物匹配程度的分析方法及装置 - Google Patents

肥料与作物匹配程度的分析方法及装置 Download PDF

Info

Publication number
CN110235583B
CN110235583B CN201910661087.XA CN201910661087A CN110235583B CN 110235583 B CN110235583 B CN 110235583B CN 201910661087 A CN201910661087 A CN 201910661087A CN 110235583 B CN110235583 B CN 110235583B
Authority
CN
China
Prior art keywords
fertilizer
phosphorus
potassium
content
crop
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.)
Active
Application number
CN201910661087.XA
Other languages
English (en)
Other versions
CN110235583A (zh
Inventor
张亚会
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Batian Ecotypic Engineering Co Ltd
Original Assignee
Shenzhen Batian Ecotypic Engineering Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen Batian Ecotypic Engineering Co Ltd filed Critical Shenzhen Batian Ecotypic Engineering Co Ltd
Priority to CN201910661087.XA priority Critical patent/CN110235583B/zh
Publication of CN110235583A publication Critical patent/CN110235583A/zh
Application granted granted Critical
Publication of CN110235583B publication Critical patent/CN110235583B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis

Landscapes

  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Computational Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Soil Sciences (AREA)
  • Mathematical Analysis (AREA)
  • Probability & Statistics with Applications (AREA)
  • Operations Research (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Environmental Sciences (AREA)
  • Algebra (AREA)
  • Evolutionary Biology (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Fertilizers (AREA)

Abstract

本发明涉及一种肥料与作物匹配程度的分析方法及装置。该肥料与作物匹配程度的分析方法，包括以下步骤：获取土壤养分数据、肥料养分数据及作物需肥数据；根据磷钾养分恒量监控原则及土壤养分数据，确定土壤修正系数；根据作物需肥数据、肥料养分数据及土壤修正系数，计算肥料与作物的匹配率；及根据匹配率获得肥料与所述作物的匹配程度。上述肥料与作物匹配程度的分析方法能够准确确定肥料与作物的匹配程度。

Description

肥料与作物匹配程度的分析方法及装置
技术领域
本发明涉及肥料技术领域，特别是涉及一种肥料与作物匹配程度的分析方法及装置。
背景技术
肥料是指是指用于提供、保持或改善植物营养和土壤物理、化学性能经及生物活性，提高农产品产量，或改善农产品品质，或增强植物抗逆性的有机、无机、微生物及其混合物料。
目前部分种植户在肥料选择上比较盲目，常常因肥料选择不合理，造成农作物品质低。
发明内容
基于此，有必要提供一种肥料与作物匹配程度的分析方法，以便于给作物选取合适的肥料。
一种肥料与作物匹配程度的分析方法，包括以下步骤：
获取土壤养分数据、肥料养分数据及作物需肥数据；
根据磷钾养分恒量监控原则及所述土壤养分数据，确定土壤修正系数；
根据所述作物需肥数据、所述肥料养分数据及所述土壤修正系数，计算所述肥料与所述作物的匹配率；及
根据所述匹配率获得所述肥料与所述作物的匹配程度。
上述肥料与作物匹配程度的分析方法通过土壤养分数据、肥料养分数据及作物需肥数据，确定肥料与作物的匹配程度；该分析方法综合考虑了土壤养分情况、作物生长期对肥料的需求情况及肥料的养分情况，能够准确确定肥料与作物的匹配程度，进而指导肥料选择。
在其中一个实施例中，所述根据所述作物需肥数据、所述肥料养分数据及所述土壤修正系数，计算所述肥料与所述作物的匹配率的步骤包括：
分别将所述土壤养分数据及所述作物需肥数据进行归一化处理，得到归一化的土壤养分数据及归一化的作物需肥数据；及
根据所述归一化的土壤养分数据、所述归一化的作物需肥数据及所述土壤修正系数，计算所述肥料与所述作物的匹配率。
在其中一个实施例中，所述土壤修正系数包括磷修正系数和钾修正系数，所述肥料养分数据包括肥料的氮含量、肥料的磷含量及肥料的钾含量；所述作物需肥数据包括作物的氮需量、作物的磷需量和作物的钾需量；所述根据所述作物需肥数据、所述肥料养分数据及所述土壤修正系数，计算所述肥料与所述作物的匹配率的步骤包括：
分别将所述肥料养分数据和所述作物需肥数据进行归一化处理，得到肥料的磷相对量、肥料的钾相对量、作物的磷相对量和作物的钾相对量；
根据所述肥料的磷相对量、所述作物的磷相对量及所述磷修改正系数，得到磷含量偏差；
根据所述肥料的钾相对量、所述作物的钾相对量及所述钾修改正系数，得到钾含量偏差；及
根据所述磷含量偏差和所述钾含量偏差，计算所述肥料与所述作物的匹配率。
在其中一个实施例中，所述根据所述肥料的磷相对量、所述作物的磷相对量及所述磷修改正系数，得到磷含量偏差的步骤包括：
根据公式A＝d’-d×(1-C)，计算得到磷含量偏差；其中，A定义为磷含量偏差，d’定义为所述肥料的磷相对量，d定义为所述作物的磷相对量，C定义为所述磷修正系数。
在其中一个实施例中，所述根据所述肥料的钾相对量、所述作物的钾相对量及所述钾修改正系数，得到钾含量偏差的步骤包括：
根据公式B＝e’-e×(1-D)，计算得到钾含量偏差；其中，B定义为钾含量偏差，e’定义为所述肥料的钾相对量，e定义为所述作物的钾相对量，D定义为所述钾修正系数。
在其中一个实施例中，所述根据所述磷含量偏差和所述钾含量偏差，计算所述肥料与所述作物的匹配率的步骤包括：
根据公式E＝d/(d+e)，计算磷偏差权重，其中，E定义为磷偏差权重，d定义为所述作物的磷相对量，e定义为所述作物的钾相对量；
根据公式F＝e/(d+e)，计算钾偏差权重，其中，F为钾偏差权重；
根据公式G＝A2×E，计算磷偏差绝对占比，其中，G定义为磷偏差绝对占比，A定义为磷含量偏差；
根据公式H＝B2×F，计算钾偏差绝对占比，其中，H定义为钾偏差绝对占比，B定义为钾含量偏差；及
根据公式p＝(1-(G+H))×100％，计算所述肥料与所述作物的匹配率，其中，p定义为匹配率。
在其中一个实施例中，在所述根据磷钾养分恒量监控原则及所述土壤养分数据确定土壤修正系数的步骤中，当土壤中速效磷含量比碱解氮含量高两个等级及以上时，所述磷修正系数为0.2；当土壤中速效磷含量比碱解氮含量低两个等级及以上时，所述磷修正系数为-0.2；当土壤中速效磷含量与碱解氮含量相差一个等级或等级相同时，所述磷修正系数为0；当土壤中速效钾含量比碱解氮含量高两个等级及以上时，所述钾修正系数为0.2，当土壤中速效钾含量比碱解氮含量低两个等级及以上时，所述钾修正系数为-0.2；当土壤中速效钾含量与碱解氮含量相差一个等级或等级相同时，所述钾修正系数为0。
在其中一个实施例中，所述土壤养分数据包括碱解氮含量、速效磷含量及速效钾含量，所述碱解氮含量由碱解扩散法获得，所述速效磷含量由碳酸氢钠提取-钼锑抗比色法获得，所述速效钾含量由醋酸铵浸提-火焰光度计法获得。
一种肥料与作物匹配程度的分析装置，包括：
计算模块，用于根据磷钾养分恒量监控原则及土壤养分数据确定土壤修正系数，和用于根据作物需肥数据、肥料养分数据及所述土壤修正系数计算所述肥料与所述作物的匹配率。
在其中一个实施例中，还包括数据模块，所述数据模块为所述计算模块提供所述肥料养分数据、所述作物需肥数据及土壤养分数据；所述肥料养分数据包括肥料的氮含量、肥料的磷含量及肥料的钾含量，所述作物需肥数据包括作物的氮需量、作物的磷需量及作物的钾需量。
具体实施方式
为了便于理解本发明，下面将对本发明进行更全面的描述。但是，本发明可以以许多不同的形式来实现，并不限于本文所描述的实施例。相反地，提供这些实施例的目的是使本发明公开内容更加透彻全面。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。
一实施方式的肥料与作物匹配程度的分析方法，包括步骤S110～步骤S150，具体地：
步骤S110、获取土壤养分数据、肥料养分数据及作物需肥数据。
具体地，土壤养分数据中碱解氮含量由碱解扩散法获得；土壤养分数据中速效磷由碳酸氢钠提取-钼锑抗比色法获得；土壤养分数据中速效钾由醋酸铵浸提-火焰光度计法获得。在另一个实施例中，土壤养分从存储有目的种植区土壤的养分数据的土壤养分数据库中获取。
具体地，肥料养分数据包括肥料的氮含量、肥料的磷含量及肥料的钾含量。
在其中一个实施例中，肥料养分数据由肥料的成分表中获取。
在其中一个实施例中，肥料养分数据从存储有肥料的养分数据的肥料养分数据库中获取。
具体地，作物需肥数据包括作物的氮需量、作物的磷需量和作物的钾需量。进一步地，作物需肥数据包括至少一个时期的作物的氮需量、磷需量和钾需量。例如，作物需肥数据包括发芽期、幼苗期、开花期及结果期中至少一个阶段所需的氮含量、所需的磷含量和所需的钾含量。
在其中一个实施例中，作物需肥数据由文献中获得或水培法获得。
在其中一个实施例中，作物需肥数据从存储有作物所需的养分数据的作物需肥数据库中获取。
在其中一个实施例中，还包括建立土壤养分数据库、肥料养分数据库及作物需肥数据库中的至少一种的步骤。
具体地，收集土壤养分数据，建立土壤养分数据库；收集肥料养分数据，建立肥料养分数据库；收集作物所需养分数据，例如发芽期、幼苗期、生长期、开花期及结果期等不同时期所需的养分数据，建立作物需肥数据库。
可以理解的是，土壤养分数据不限于一个区域的土壤养分数据，还可以是不同区域的土壤养分数据的集合。肥料养分数据不限于一种肥料的养分数据，可以是多种不同肥料的养分数据的集合。作物需肥数据也不限于一种作物的养分数据，还可以是多种作物的养分数据的集合。当然，作物需肥数据可以包括作物整个发育周期中的所需养分数据，也可以包括发育周期中的一个或多个时期所需养分数据；例如包括发芽期和生长期所需养分数据。
当然，在一些实施例中，建立土壤养分数据库、肥料养分数据库及作物需肥数据库中的至少一种的步骤可以省略。此时，只要可获得的土壤养分数据、肥料养分数据及作物需肥数据即可。
可以理解的是，同一实施例中，肥料的氮含量、肥料的磷含量、肥料的钾含量、作物的氮需量、作物的磷含量及作物的钾含量的计量单位相同。例如，均以质量含量计或均以体积含量计。
步骤S130、根据磷钾养分恒量监控原则及土壤养分数据，确定土壤修正系数。
具体地，根据磷钾养分恒量监控原则和土壤中的速效磷含量、碱解氮含量及速效钾含量，确定土壤中磷修正系数和钾修正系数。
进一步地，当土壤中速效磷含量比碱解氮含量高两个等级及以上时，磷修正系数为0.2；当土壤中速效磷含量比碱解氮含量低两个等级及以上时，磷修正系数为-0.2；当土壤中速效磷含量与碱解氮含量相差一个等级或等级相同时，磷修正系数为0。当土壤中速效钾含量比碱解氮含量高两个等级及以上时，钾修正系数为0.2，当土壤中速效钾含量比碱解氮含量低两个等级及以上时，钾修正系数为-0.2；当土壤中速效钾含量与碱解氮含量相差一个等级或等级相同时，钾修正系数为0。具体地，土壤养分含量等级通过查询土壤养分含量等级表(表1)确定。
表1
Figure BDA0002138569740000071
当然，修正系数的取值还可以为0～0.4之间的其他数值。例如，将土壤中速效磷含量比碱解氮含量高两个等级及以上时的磷修正系数定义为0.3，将土壤中速效磷含量比碱解氮含量低两个等级及以上时的磷修正系数定义为-0.3，将土壤中速效磷含量与碱解氮含量相差一个等级或等级相同时，磷修正系数为0。此时，将土壤中速效钾含量比碱解氮含量高两个等级及以上时的钾修正系数定义为0.3，将土壤中速效钾含量比碱解氮含量低两个等级及以上时的钾修正系数定义为-0.3，将土壤中速效钾含量与碱解氮含量相差一个等级或等级相同时，钾修正系数定义为0。
步骤S150、根据作物需肥数据、肥料养分数据及土壤修正系数，计算肥料与作物的匹配率。
具体地，分别将土壤养分数据及作物需肥数据分别进行归一化处理，得到归一化的土壤数据及归一化的作物需肥数据；然后根据归一化的土壤数据、归一化的作物需肥数据及土壤修正系数，确定肥料与作物的匹配率。
在其中一个实施例中，以肥料中氮含量作为基数，将肥料养分数据中的其他养分数据进行归一化处理，得到肥料的磷相对量和肥料的钾相对量。以作物需肥数据中氮含量作为基数，将作物需肥数据中其他养分数据进行归一化处理，得到作物的磷相对量和作物的钾相对量；根据肥料的磷相对量、作物的磷相对量及磷修改正系数，确定磷含量偏差；根据肥料的钾相对量、作物的钾相对量及钾修改正系数，得到钾含量偏差；及根据磷含量偏差和钾含量偏差，确定肥料与作物的匹配率。将土壤养分数据及作物需肥数据进行归一化处理，以便后续计算。
可以理解的是，在其他一些实施例中，也可以以肥料中的磷含量作为基数，将肥料中的其他养分数据(氮含量、钾含量)进行归一化处理。此时，作物将作物需肥数据中的养分对应处理，对应地根据氮含量偏差和钾含量偏差计算匹配率计算即可。
进一步地，根据肥料的磷相对量、作物的磷相对量及磷修改正系数，得到磷含量偏差的步骤包括：
根据公式A＝d’-d×(1-C)，计算得到磷含量偏差；其中，A定义为磷含量偏差，d’定义为肥料的磷相对量，d定义为作物的磷相对量，C定义为磷修正系数。当然，d’＝b/a。a定义为肥料的氮含量；b定义为肥料的磷含量。此时，A＝b/a-d×(1-C)
进一步地，根据肥料的钾相对量、作物的钾相对量及钾修改正系数，得到钾含量偏差的步骤包括：
根据公式B＝e’-e×(1-D)，计算得到钾含量偏差。其中，B定义为钾含量偏差，e’定义为肥料的钾相对量，e定义为作物的钾相对量。当然，e’＝c/a。a定义为肥料的氮含量；c定义为肥料的钾含量。此时，B＝c/a-e×(1-D)。
当然，在一些实施例中，还包括对磷含量偏差及钾含量偏差进行修正的步骤。将磷含量偏差及钾含量偏差进行修正，避免磷含量偏差及钾含量偏差互相抵消。
具体地，取磷含量偏差的绝对值及钾含量偏差的绝对值进行后续计算。或者，将磷含量偏差及钾含量偏差分别平方之后进行后续计算。
进一步地，根据磷含量偏差和钾含量偏差，计算肥料与作物的匹配率的步骤包括：
根据公式E＝d/(d+e)，计算磷偏差权重，其中，E定义为磷偏差权重，d定义为作物的磷相对量，e定义为作物的钾相对量；根据公式F＝e/(d+e)，计算钾偏差权重。其中，F为钾偏差权重；然后根据公式G＝A2*E，计算磷偏差绝对占比，其中G定义为磷偏差绝对占比，A定义为磷含量偏差；根据公式H＝B2*F，计算钾偏差绝对占比，H定义为钾偏差绝对占比，B定义为钾含量偏差；最后根据公式p＝(1-(G+H))*100％，计算肥料与作物的匹配率，p定义为匹配率。
在其中一个实施例中，若p≧90％，则该肥料与作物匹配度为极好；该作物推荐使用该肥料。若80≦p<90％，则该肥料与作物匹配度为好；该作物可以使用该肥料。若70≦p<80％，则该肥料与作物匹配度为一般；该作物不推荐使用该肥料。若60≦p<70％，则该肥料与作物匹配度为较差；该作物不推荐使用该肥料。若p<60％，则该肥料与作物匹配度为差；该作物不推荐使用该肥料。
上述肥料与作物匹配程度的分析方法，通过土壤养分数据、肥料养分数据及作物需肥数据分析肥料来评估肥料与作物的匹配程度，综合考虑了土壤养分情况、作物生长期对肥料的需求情况及肥料的养分情况，能够针对不同的土壤及不同的作物分析肥料与作物的匹配程度，进而指导种植户能够选择合适的肥料，减少肥料浪费，提高肥料的利用率，提高作物的品质。
一实施方式的肥料与作物匹配程度的分析装置，包括：
计算模块，用于根据磷钾养分恒量监控原则及土壤养分数据确定土壤修正系数。计算模块还用于根据作物的作物需肥数据、肥料养分数据及土壤修正系数计算肥料与作物的匹配率。
在其中一个实施例中，还包括数据模块，数据模块为计算模块提供土壤养分数据、肥料养分数据及作物需肥数据。肥料养分数据包括肥料的氮含量、磷含量及钾含量，作物需肥数据包括所述作物的氮需量、磷需量及钾需量。土壤养分数据包括土壤的碱解氮、速效磷及速效钾。
当然，在其他一些实施例中，数据存储模块可以省略。此时，只要计算获取模块能够获得土壤养分数据、肥料养分数据及作物需肥数据即可。
在其中一个实施例中，还包括展示模块，所述展示模块用于展示肥料与所述作物的匹配率。
在一些实施例中，还包括肥料录入模块。肥料录入模块用于肥料养分的录入，以便数据获取模块获取。
上述肥料与作物匹配程度的分析装置通过计算模块，能够精确分析肥料与作物的匹配程度，且方便快捷。
具体实施例
以下结合具体实施例进行详细说明。实施例中未注明具体条件的实验方法，按照常规条件，例如文献、书本中所述的条件或者生产厂家推荐的方法实现。
需要说明的是，以下实施例中的含量均为质量百分含量。
实施例1
肥料(15-15-15)与黄瓜盛瓜期的匹配程度
(1)分别采用碱解扩散法、碳酸氢钠提取-钼锑抗比色法及醋酸铵浸提-火焰光度计法获得实施例1的土壤中碱解氮含量、速效磷含量及速效钾含量。实施例1的碱解氮含量为80ppm、速效磷含量为60ppm、速效钾含量为90ppm。通过查询土壤养分含量等级表，确定实施例1的土壤中碱解氮含量的等级为四级、速效磷含量的等级为一级、速效钾含量等级为四级。由肥料成分表获取肥料(15-15-15)的养分数据(以质量百分含量计)：氮含量为15％，磷含量为15％，钾含量为15％；由水培法获得黄瓜的盛瓜期作物需肥数据(以质量比例计，并已经过归一化处理)：氮含量：磷含量：钾含量的比例为1：0.4：1.48。所以，实施例1的a＝15，b＝15，c＝15，d＝0.4，e＝1.48。
(2)根据磷钾恒量监控技术为原则，判断土壤养分相对含量确定土壤的磷修正系数(C)和土壤的钾修正系数(D)。若土壤中速效磷含量比碱解氮高两个等级及以上，则C取0.2；若低两个等级及以上C取-0.2，否则C取0；C定义为磷修正系数。若土壤中的速效钾含量比碱解氮高两个等级及以上时D取0.2，若土壤中的速效钾含量比碱解氮低两个等级及以上D取-0.2；否则D取0，D定义为钾修正系数。所以，实施例1中的C＝0.2，D＝0。
(3)根据作物需肥比例计算肥料养分含量比例与偏差：将a＝15、b＝15、d＝0.4和C＝0.2代入公式A＝b/a-d×(1-C)中，得到实施例1的磷含量偏差为0.68，即A＝0.68。将a＝15，c＝15，e＝1.48，D＝0带入公式B＝c/a-e×(1-D)中，得到实施例1的钾含量偏差为-0.48，即B＝-0.48。
(4)根据磷含量偏差和钾含量偏差，计算肥料与作物的匹配率；将d＝0.4，e＝1.48代入公式E＝d/(d+e)，得到实施例1的磷偏差权重为0.21，即E＝0.21；将d＝0.4，e＝1.48代入公式F＝e/(d+e)，得到实施例1的钾偏差权重为0.79，即F＝0.79。将A＝0.68，E＝0.21代入公式G＝A2×E，得到实施例1的磷偏差绝对占比为0.097，即G＝0.097。将B＝-0.48，F＝0.79代入公式H＝B2×F，得到实施例1的磷偏差绝对占比为0.18，即H＝0.18。将G＝0.097，H＝0.18代入p＝(1-(G+H))*100％，得到实施例1的匹配率为72％。
所以，实施1的肥料(15-15-15)与黄瓜盛瓜期匹配程度为一般，在黄瓜盛瓜期不推荐使用肥料(15-15-15)。
实施例2
肥料(15-5-25)与黄瓜盛瓜期的匹配程度
(1)分别采用碱解扩散法、碳酸氢钠提取-钼锑抗比色法及醋酸铵浸提-火焰光度计法获得实施例2的土壤中碱解氮含量、速效磷含量及速效钾含量。实施例2的碱解氮含量为80ppm、速效磷含量为60ppm、速效钾含量为90ppm。实施例2的土壤养分数据与实施例1的相同。所以，同理，实施例2的C＝0.2，D＝0。由肥料成分表获取肥料(15-5-25)的养分数据(以质量百分含量计)：氮含量为15％，磷含量为5％，钾含量为25％；由水培法获得黄瓜盛瓜期作物需肥数据(以质量比例计，并已经过归一化处理)：氮含量：磷含量：钾含量的比例为1：0.4：1.48。所以，实施例2的a＝15，b＝5，c＝25，d＝0.4，e＝1.48。
(2)根据作物需肥比例计算肥料养分含量比例与偏差：将a＝15、b＝5、d＝0.4和C＝0.2代入公式A＝b/a-d×(1-C)中，得到实施例2的磷含量偏差为0.013，即A＝0.013。将a＝15，c＝25，e＝1.48，D＝0带入公式B＝c/a-e×(1-D)中，得到实施例2的钾含量偏差为0.187，即B＝0.187。
(3)根据磷含量偏差和钾含量偏差，计算肥料与作物的匹配率；将d＝0.4，e＝1.48代入公式E＝d/(d+e)，得到实施例2的磷偏差权重为0.21，即E＝0.21；将d＝0.4，e＝1.48代入公式F＝e/(d+e)，得到实施例2的钾偏差权重为0.79，即F＝0.79。将A＝0.013，E＝0.53代入公式G＝A2×E，得到实施例2的磷偏差绝对占比为0.000089，即G＝0.000089。将B＝0.187，F＝0.79代入公式H＝B2×F，得到实施例2的磷偏差绝对占比为0.028，即H＝0.028。将G＝0.000089，H＝0.028代入p＝(1-(G+H))*100％，得到实施例2的匹配率为97.19％，即p＝97.19％。
所以，实施例2的肥料(15-5-25)与黄瓜盛瓜期匹配程度为极好，在黄瓜盛瓜期推荐使用肥料(15-5-25)。
实施例3
验证实施例1和实施例2的结论
在土壤养分数据与实施例1和实施例2的相同的土地上种植黄瓜，黄瓜前期按照常规施肥，进入盛瓜期后将黄瓜分为两个处理，每个处理3个重复，处理一施用配方15-15-15的复合肥；处理二施用配方为15-5-25的复合肥，按照每亩每次冲施15公斤对应的复合肥，每10天一次，共6次，其他管理一样。
统计两种处理的黄瓜产量。
统计结果显示，处理一平均产量为每亩3776公斤，处理二平均产量为4543公斤，处理二产量较处理一增加了20.3％，增产达到了极显著水平。
实施例4
肥料(15-15-15)与番茄果期的匹配程度
(1)分别采用碱解扩散法、碳酸氢钠提取-钼锑抗比色法及醋酸铵浸提-火焰光度计法获得实施例4的土壤中碱解氮含量、速效磷含量及速效钾含量。实施例4的碱解氮含量为80ppm、速效磷含量为40ppm、速效钾含量为70ppm。通过查询土壤养分含量等级表，确定实施例4的土壤中碱解氮含量的等级为四级、速效磷含量的等级为二级、速效钾含量等级为四级。由肥料成分表获取肥料(15-15-15)的养分数据(以质量百分含量计)：氮含量为15％，磷含量为15％，钾含量为15％；由水培法获得番茄果期的作物需肥数据(以质量比例计，并已经过归一化处理)：氮含量：磷含量：钾含量的比例为1：0.26：1.8。所以，实施例4的a＝15，b＝15，c＝15，d＝0.26，e＝1.8。
(2)根据磷钾恒量监控技术为原则，判断土壤养分相对含量确定土壤的磷修正系数(C)和土壤的钾修正系数(D)。若土壤中速效磷含量比碱解氮高两个等级及以上，则C取0.2；若低两个等级及以上C取-0.2，否则C取0；C定义为磷修正系数。若土壤中的速效钾含量比碱解氮高两个等级及以上时D取0.2，若土壤中的速效钾含量比碱解氮低两个等级及以上D取-0.2；否则D取0，D定义为钾修正系数。所以，实施例4中的C＝0.2，D＝0。
(3)根据作物需肥比例计算肥料养分含量比例与偏差：将a＝15、b＝15、d＝0.26和C＝0.2代入公式A＝b/a-d×(1-C)中，得到实施例4的磷含量偏差为0.792，即A＝0.792。将a＝15，c＝15，e＝1.8，D＝0带入公式B＝c/a-e×(1-D)中，得到实施例4的钾含量偏差为-0.8，即B＝-0.8。
(4)根据磷含量偏差和钾含量偏差，计算肥料与作物的匹配率；将d＝0.26，e＝1.8代入公式E＝d/(d+e)，得到实施例4的磷偏差权重为0.13，即E＝0.13；将d＝0.26，e＝1.8代入公式F＝e/(d+e)，得到实施例4的钾偏差权重为0.87，即F＝0.87。将A＝0.792，E＝0.13代入公式G＝A2×E，得到实施例4的磷偏差绝对占比为0.082，即G＝0.082。将B＝-0.8，F＝0.87代入公式H＝B2×F，得到实施例4的磷偏差绝对占比为0.56，即H＝0.56。将G＝0.082，H＝0.56代入p＝(1-(G+H))*100％，得到实施例4的匹配率为36.12％。
所以，实施例4的肥料(15-15-15)与番茄果期配程度为差，在番茄果期不推荐使用肥料(15-15-15)。
实施例5
肥料(17-7-32)与番茄果期的匹配程度
(1)分别采用碱解扩散法、碳酸氢钠提取-钼锑抗比色法及醋酸铵浸提-火焰光度计法获得实施例5的土壤中碱解氮含量、速效磷含量及速效钾含量。实施例5的碱解氮含量为80ppm、速效磷含量为40ppm、速效钾含量为70ppm。实施例5的土壤养分数据与实施例4的相同。所以，同理，实施例5的C＝0.2，D＝0。实施例5的作物与实施例4的相同，均为番茄果期，所以，同理，实施例5的d＝0.26，e＝1.8。由肥料成分表获取肥料(17-7-32)的养分数据(以质量百分含量计)：氮含量为17％，磷含量为7％及钾含量为32％，所以，实施例5的a＝17,b＝7,c＝32。
(2)根据作物需肥比例计算肥料养分含量比例与偏差：将a＝17、b＝7、d＝0.26和C＝0.2代入公式A＝b/a-d×(1-C)中，得到实施例5的磷含量偏差为0.204，即A＝0.204。将a＝17，c＝32，e＝1.8，D＝0带入公式B＝c/a-e×(1-D)中，得到实施例5的钾含量偏差为0.082，即B＝0.082。
(3)根据磷含量偏差和钾含量偏差，计算肥料与作物的匹配率；将d＝0.26，e＝1.8代入公式E＝d/(d+e)，得到实施例5的磷偏差权重为0.13，即E＝0.13；将d＝0.4，e＝1.48代入公式F＝e/(d+e)，得到实施例5的钾偏差权重为0.87，即F＝0.87。将A＝0.204，E＝0.13代入公式G＝A2×E，得到实施例5的磷偏差绝对占比为0.0054，即G＝0.0054。将B＝0.082，F＝0.87代入公式H＝B2×F，得到实施例5的磷偏差绝对占比为0.0058，即H＝0.0058。将G＝0.0054，H＝0.0058代入p＝(1-(G+H))*100％，得到实施例5的匹配率为98.88％，即p＝98.88％。
所以，实施例5的肥料(17-7-32)与番茄果期匹配程度为极好，在番茄果期推荐使用肥料(17-7-32)。
实施例6
分析肥料(17-11-22)与番茄果期的匹配程度
(1)分别采用碱解扩散法、碳酸氢钠提取-钼锑抗比色法及醋酸铵浸提-火焰光度计法获得实施例6的土壤中碱解氮含量、速效磷含量及速效钾含量。实施例6的碱解氮含量为80ppm、速效磷含量为10ppm、速效钾含量为160ppm。实施例6的土壤养分数据与实施例4的相同。所以，同理可得实施例6的C＝0.2，D＝0。实施例6的作物与实施例4的相同，均为番茄果期，所以，同理可得实施例6的d＝0.26，e＝1.8。由肥料成分表获取实施例6的肥料(17-11-22)的养分数据(以质量百分含量计)：氮含量为17％，磷含量为11％，钾含量为22％。
(2)根据作物需肥比例计算肥料养分含量比例与偏差：将a＝17、b＝11、d＝0.26和C＝0.2代入公式A＝b/a-d×(1-C)中，得到实施例6的磷含量偏差为0.439，即A＝0.439。将a＝17，c＝22，e＝1.8，D＝0带入公式B＝c/a-e×(1-D)中，得到实施例6的钾含量偏差为-0.506，即B＝-0.506。
(3)根据磷含量偏差和钾含量偏差，计算肥料与作物的匹配率；将d＝0.26，e＝1.8代入公式E＝d/(d+e)，得到实施例6的磷偏差权重为0.13，即E＝0.13；将d＝0.4，e＝1.48代入公式F＝e/(d+e)，得到实施例6的钾偏差权重为0.87，即F＝0.87。将A＝0.439，E＝0.13代入公式G＝A2×E，得到实施例6的磷偏差绝对占比为0.025，即G＝0.025。将B＝-0.506，F＝0.87代入公式H＝B2×F，得到实施例6的磷偏差绝对占比为0.223，即F＝0.223。将G＝0.025，H＝0.223代入p＝(1-(G+H))*100％，得到实施例6的匹配率为75.22％，即p＝75.22％。
所以，实施例6的肥料(17-11-22)与番茄果期匹配程度为一般，在番茄果期不推荐使用肥料(17-11-22)。
实施例7
验证实施例4、实施例5和实施例6的结论
在土壤养分数据与实施例4、实施例5及实施例6的相同的土地上种植番茄，番茄前期按照常规施肥并保持一致，进入果期后将番茄分为三种处理(处理一、处理二、处理三)，每种处理三个重复。处理一施用肥料(15-15-15)；处理二施用肥料(17-7-32)，处理三施用肥料(17-11-22)，其他管理一样：按照每亩每次冲施20公斤对应的复合肥，每15天一次，共5次，其他管理一样。
统计三种处理的番茄产量。
统计结果显示，处理一平均产量为每亩4886公斤，处理二平均产量为6587公斤，处理三的平均产量为5822公斤，处理二产量较处理一增加了34.8％，增产达到了极显著水平。
以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (6)

1.一种肥料与作物匹配程度的分析方法，其特征在于，包括以下步骤：
获取土壤养分数据、肥料养分数据及作物需肥数据，所述土壤养分数据包括碱解氮含量、速效磷含量及速效钾含量，所述肥料养分数据包括肥料的氮含量、肥料的磷含量及肥料的钾含量；所述作物需肥数据包括作物的氮需量、作物的磷需量和作物的钾需量；
根据磷钾养分恒量监控原则及所述土壤养分数据，确定土壤修正系数，其中，所述土壤修正系数包括磷修正系数和钾修正系数，当土壤中速效磷含量比碱解氮含量高两个等级及以上时，所述磷修正系数为0.2；当土壤中速效磷含量比碱解氮含量低两个等级及以上时，所述磷修正系数为-0.2；当土壤中速效磷含量与碱解氮含量相差一个等级或等级相同时，所述磷修正系数为0；当土壤中速效钾含量比碱解氮含量高两个等级及以上时，所述钾修正系数为0.2，当土壤中速效钾含量比碱解氮含量低两个等级及以上时，所述钾修正系数为-0.2；当土壤中速效钾含量与碱解氮含量相差一个等级或等级相同时，所述钾修正系数为0；
分别将所述肥料养分数据和所述作物需肥数据进行归一化处理，得到肥料的磷相对量、肥料的钾相对量、作物的磷相对量和作物的钾相对量；
根据公式A＝d’-d×(1-C)，计算得到磷含量偏差；其中，A定义为磷含量偏差，d’定义为所述肥料的磷相对量，d定义为所述作物的磷相对量，C定义为所述磷修正系数；
根据公式B＝e’-e×(1-D)，计算得到钾含量偏差；其中，B定义为钾含量偏差，e’定义为所述肥料的钾相对量，e定义为所述作物的钾相对量，D定义为所述钾修正系数；
根据公式E＝d/(d+e)，计算磷偏差权重，其中，E定义为磷偏差权重，d定义为所述作物的磷相对量，e定义为所述作物的钾相对量；
根据公式F＝e/(d+e)，计算钾偏差权重，其中，F为钾偏差权重；
根据公式G＝A2×E，计算磷偏差绝对占比，其中，G定义为磷偏差绝对占比；
根据公式H＝B2×F，计算钾偏差绝对占比，其中，H定义为钾偏差绝对占比；及
根据公式p＝(1-(G+H))×100％，计算所述肥料与所述作物的匹配率，其中，p定义为匹配率。
2.根据权利要求1所述的肥料与作物匹配程度的分析方法，其特征在于，所述碱解氮含量由碱解扩散法获得，所述速效磷含量由碳酸氢钠提取-钼锑抗比色法获得，所述速效钾含量由醋酸铵浸提-火焰光度计法获得。
3.根据权利要求1所述的肥料与作物匹配程度的分析方法，其特征在于，所述肥料养分数据从肥料的成分表中获取。
4.一种肥料与作物匹配程度的分析装置，其特征在于，包括：
计算模块，用于根据磷钾养分恒量监控原则及土壤养分数据确定土壤修正系数和用于根据作物需肥数据、肥料养分数据及所述土壤修正系数计算所述肥料与所述作物的匹配率；
数据模块，所述数据模块为所述计算模块提供所述肥料养分数据、所述作物需肥数据及土壤养分数据；所述肥料养分数据包括肥料的氮含量、肥料的磷含量及肥料的钾含量，所述作物需肥数据包括作物的氮需量、作物的磷需量及作物的钾需量，所述土壤养分数据包括碱解氮含量、速效磷含量及速效钾含量；
所述土壤修正系数包括磷修正系数和钾修正系数，在所述根据磷钾养分恒量监控原则及土壤养分数据确定土壤修正系数的步骤中，当土壤中速效磷含量比碱解氮含量高两个等级及以上时，所述磷修正系数为0.2；当土壤中速效磷含量比碱解氮含量低两个等级及以上时，所述磷修正系数为-0.2；当土壤中速效磷含量与碱解氮含量相差一个等级或等级相同时，所述磷修正系数为0；当土壤中速效钾含量比碱解氮含量高两个等级及以上时，所述钾修正系数为0.2，当土壤中速效钾含量比碱解氮含量低两个等级及以上时，所述钾修正系数为-0.2；当土壤中速效钾含量与碱解氮含量相差一个等级或等级相同时，所述钾修正系数为0；
所述根据作物需肥数据、肥料养分数据及所述土壤修正系数计算所述肥料与所述作物的匹配率的步骤包括：
分别将所述肥料养分数据和所述作物需肥数据进行归一化处理，得到肥料的磷相对量、肥料的钾相对量、作物的磷相对量和作物的钾相对量；
根据公式A＝d’-d×(1-C)，计算得到磷含量偏差；其中，A定义为磷含量偏差，d’定义为所述肥料的磷相对量，d定义为所述作物的磷相对量，C定义为所述磷修正系数；
根据公式B＝e’-e×(1-D)，计算得到钾含量偏差；其中，B定义为钾含量偏差，e’定义为所述肥料的钾相对量，e定义为所述作物的钾相对量，D定义为所述钾修正系数；
根据公式E＝d/(d+e)，计算磷偏差权重，其中，E定义为磷偏差权重，d定义为所述作物的磷相对量，e定义为所述作物的钾相对量；
根据公式F＝e/(d+e)，计算钾偏差权重，其中，F为钾偏差权重；
根据公式G＝A2×E，计算磷偏差绝对占比，其中，G定义为磷偏差绝对占比；
根据公式H＝B2×F，计算钾偏差绝对占比，其中，H定义为钾偏差绝对占比；及
根据公式p＝(1-(G+H))×100％，计算所述肥料与所述作物的匹配率，其中，p定义为匹配率。
5.根据权利要求4所述的分析装置，其特征在于，所述分析装置还包括用于展示所述匹配率的展示模块。
6.根据权利要求4所述的分析装置，其特征在于，所述分析装置还包括用于所述肥料养分数据录入的肥料录入模块。
CN201910661087.XA 2019-07-22 2019-07-22 肥料与作物匹配程度的分析方法及装置 Active CN110235583B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910661087.XA CN110235583B (zh) 2019-07-22 2019-07-22 肥料与作物匹配程度的分析方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910661087.XA CN110235583B (zh) 2019-07-22 2019-07-22 肥料与作物匹配程度的分析方法及装置

Publications (2)

Publication Number Publication Date
CN110235583A CN110235583A (zh) 2019-09-17
CN110235583B true CN110235583B (zh) 2022-03-22

Family

ID=67893114

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910661087.XA Active CN110235583B (zh) 2019-07-22 2019-07-22 肥料与作物匹配程度的分析方法及装置

Country Status (1)

Country Link
CN (1) CN110235583B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN201838000U (zh) * 2010-09-01 2011-05-18 董巨河 测土配方施肥计算器
CN104429269A (zh) * 2014-11-28 2015-03-25 广西壮族自治区农业科学院农业资源与环境研究所 一种双目标施肥方法
CN104504494A (zh) * 2014-11-28 2015-04-08 广西壮族自治区农业科学院农业资源与环境研究所 一种肥料施用效果的评价方法
CN106385909A (zh) * 2016-01-21 2017-02-15 中国农业科学院农业资源与农业区划研究所 一种花生专用复合肥料的施用方法
CN106717405A (zh) * 2016-11-21 2017-05-31 江西省土壤肥料技术推广站 养分丰缺指标调整系数法施肥方法
CN107679756A (zh) * 2017-10-09 2018-02-09 青海大学 土壤适宜性评价方法及装置
CN108934355A (zh) * 2018-06-21 2018-12-07 北京市农林科学院 一种快速确定白菜施肥量的方法
CN108958329A (zh) * 2018-04-26 2018-12-07 中国农业大学 一种滴灌水肥一体化智能决策方法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4704160A (en) * 1984-04-02 1987-11-03 The O. M. Scott & Sons Company Combination fertilizer composition
US5188654A (en) * 1991-03-28 1993-02-23 Exxon Research And Engineering Company Coatings with ionically and covalently crosslinked neutralized carboxylated polymers
CN105622298A (zh) * 2014-11-28 2016-06-01 江阴市联业生物科技有限公司 一种玉米秸秆复合吸水树脂缓释尿素的生产工艺
CN105900585A (zh) * 2016-04-19 2016-08-31 陈绍庚 蔬菜的施肥方法
CN108370699A (zh) * 2018-03-15 2018-08-07 淮南市宋王优质粮食种植农民专业合作社 一种测土配方施肥的方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN201838000U (zh) * 2010-09-01 2011-05-18 董巨河 测土配方施肥计算器
CN104429269A (zh) * 2014-11-28 2015-03-25 广西壮族自治区农业科学院农业资源与环境研究所 一种双目标施肥方法
CN104504494A (zh) * 2014-11-28 2015-04-08 广西壮族自治区农业科学院农业资源与环境研究所 一种肥料施用效果的评价方法
CN106385909A (zh) * 2016-01-21 2017-02-15 中国农业科学院农业资源与农业区划研究所 一种花生专用复合肥料的施用方法
CN106717405A (zh) * 2016-11-21 2017-05-31 江西省土壤肥料技术推广站 养分丰缺指标调整系数法施肥方法
CN107679756A (zh) * 2017-10-09 2018-02-09 青海大学 土壤适宜性评价方法及装置
CN108958329A (zh) * 2018-04-26 2018-12-07 中国农业大学 一种滴灌水肥一体化智能决策方法
CN108934355A (zh) * 2018-06-21 2018-12-07 北京市农林科学院 一种快速确定白菜施肥量的方法

Also Published As

Publication number Publication date
CN110235583A (zh) 2019-09-17

Similar Documents

Publication Publication Date Title
Xu et al. Estimating nutrient uptake requirements for rice in China
Rosen et al. Potato yield and tuber set as affected by phosphorus fertilization
Huang et al. Soil testing at harvest to enhance productivity and reduce nitrate residues in dryland wheat production
Tully et al. The effect of mineral and organic nutrient input on yields and nitrogen balances in western Kenya
Mehrabi et al. Leaf nitrogen, based on SPAD chlorophyll reading can determine agronomic parameters of winter wheat
KV et al. The nitrogen nutrition of yam (Dioscorea spp)
Heuermann et al. Catch crop mixtures have higher potential for nutrient carry-over than pure stands under changing environments
Harre et al. Early-season nutrient competition between weeds and soybean
Tirfessa et al. Influence of blended NPSB fertilizer on nodulation and yield performance of Rhizobium inoculated common bean varieties in acidic soil, western Ethiopia
Majrashi et al. No-tillage and fertilizer-nitrogen improved sorghum yield in dryland wheat–sorghum–fallow rotation
Fernandes et al. Optimization of leaf nitrogen concentration and monitoring time for sustainable potato production in tropics
Morgan et al. Severe drought significantly reduces floral hemp (Cannabis sativa L.) yield and cannabinoid content but moderate drought does not
CN110235583B (zh) 肥料与作物匹配程度的分析方法及装置
Alam et al. Evaluation of different levels of potassium on the yield and protein content of wheat in the high Ganges river floodplain soil
Dermawan et al. Evaluation of five soil nutrient extraction methods for practical assessment of phosphorus and potassium availability for tomato (Solanum lycopersicum) fertilization in Andisols-Garut, Indonesia
CN110362781B (zh) 肥料与作物匹配程度的分析方法及装置
Amanullah et al. Cool season C3-grasses (wheat, rye, barley, and oats) differ in shoot: Root ratio when applied with different NPK sources
CN114246043B (zh) 基于土壤和植物检测的番茄施肥校正方法及装置
Sigdel et al. Do cover crop and soil-mediated legacy influence succeeding wheat production?
Gangopadhyay et al. Intensification and no till system are efficient nitrogen allocators in rice crops
CN112268867A (zh) 一种花椰菜光谱氮素营养诊断模型的构建方法
Banerjee et al. Fertilizer best management practices: concepts and recent advances
Getahun et al. Soil test based Phosphorous Calibration for Soybean [Glycine max (L.) Merrill] Production on Nitisols in Assosa Zone of Benishangul Gumuz Region, Western Ethiopia
Garcia et al. Methods to quantify the nitrogen derived from the fertilizer in maize applying blends of controlled-release and NBPT-treated urea
CN110140501B (zh) 一种晚稻钾肥用量推荐方法及装置

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