CN116663937A - 农作物施氮策略的确定方法、装置及设备 - Google Patents
农作物施氮策略的确定方法、装置及设备 Download PDFInfo
- Publication number
- CN116663937A CN116663937A CN202310937281.2A CN202310937281A CN116663937A CN 116663937 A CN116663937 A CN 116663937A CN 202310937281 A CN202310937281 A CN 202310937281A CN 116663937 A CN116663937 A CN 116663937A
- Authority
- CN
- China
- Prior art keywords
- nitrogen
- yield
- target
- target area
- type information
- 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
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 title claims abstract description 1374
- 229910052757 nitrogen Inorganic materials 0.000 title claims abstract description 692
- 238000000034 method Methods 0.000 title claims abstract description 71
- 238000007726 management method Methods 0.000 claims description 71
- 230000014075 nitrogen utilization Effects 0.000 claims description 59
- 238000004364 calculation method Methods 0.000 claims description 25
- 239000003337 fertilizer Substances 0.000 claims description 20
- 238000004519 manufacturing process Methods 0.000 claims description 18
- 239000003621 irrigation water Substances 0.000 claims description 14
- 239000003895 organic fertilizer Substances 0.000 claims description 12
- 239000010902 straw Substances 0.000 claims description 11
- 230000007613 environmental effect Effects 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 7
- 238000001556 precipitation Methods 0.000 claims description 7
- 238000009331 sowing Methods 0.000 claims description 6
- QJGQUHMNIGDVPM-UHFFFAOYSA-N nitrogen group Chemical group [N] QJGQUHMNIGDVPM-UHFFFAOYSA-N 0.000 claims description 5
- VHUUQVKOLVNVRT-UHFFFAOYSA-N Ammonium hydroxide Chemical compound [NH4+].[OH-] VHUUQVKOLVNVRT-UHFFFAOYSA-N 0.000 claims description 3
- 239000000618 nitrogen fertilizer Substances 0.000 abstract description 22
- 230000033228 biological regulation Effects 0.000 abstract description 4
- 238000003860 storage Methods 0.000 abstract description 3
- 241000209140 Triticum Species 0.000 description 171
- 235000021307 Triticum Nutrition 0.000 description 170
- 238000002386 leaching Methods 0.000 description 30
- 239000005431 greenhouse gas Substances 0.000 description 24
- 230000009467 reduction Effects 0.000 description 24
- 230000006872 improvement Effects 0.000 description 19
- 230000004720 fertilization Effects 0.000 description 17
- 238000005457 optimization Methods 0.000 description 16
- 241000209094 Oryza Species 0.000 description 12
- 235000007164 Oryza sativa Nutrition 0.000 description 12
- 235000009566 rice Nutrition 0.000 description 12
- 230000008569 process Effects 0.000 description 9
- 238000007637 random forest analysis Methods 0.000 description 7
- 239000002689 soil Substances 0.000 description 7
- 238000003306 harvesting Methods 0.000 description 6
- 238000003973 irrigation Methods 0.000 description 6
- 230000002262 irrigation Effects 0.000 description 6
- 239000004973 liquid crystal related substance Substances 0.000 description 6
- 238000000605 extraction Methods 0.000 description 5
- 238000006243 chemical reaction Methods 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 4
- 230000007774 longterm Effects 0.000 description 4
- 240000008042 Zea mays Species 0.000 description 3
- 235000005824 Zea mays ssp. parviglumis Nutrition 0.000 description 3
- 235000002017 Zea mays subsp mays Nutrition 0.000 description 3
- 150000001875 compounds Chemical class 0.000 description 3
- 235000005822 corn Nutrition 0.000 description 3
- 238000003066 decision tree Methods 0.000 description 3
- 230000007423 decrease Effects 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 239000006259 organic additive Substances 0.000 description 3
- 238000005192 partition Methods 0.000 description 3
- 238000012795 verification Methods 0.000 description 3
- QGZKDVFQNNGYKY-UHFFFAOYSA-N Ammonia Chemical compound N QGZKDVFQNNGYKY-UHFFFAOYSA-N 0.000 description 2
- 241000283690 Bos taurus Species 0.000 description 2
- 241001465754 Metazoa Species 0.000 description 2
- GQPLMRYTRLFLPF-UHFFFAOYSA-N Nitrous Oxide Chemical compound [O-][N+]#N GQPLMRYTRLFLPF-UHFFFAOYSA-N 0.000 description 2
- 230000002411 adverse Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000007599 discharging Methods 0.000 description 2
- 230000009977 dual effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000009313 farming Methods 0.000 description 2
- 235000013305 food Nutrition 0.000 description 2
- 235000015097 nutrients Nutrition 0.000 description 2
- 239000005416 organic matter Substances 0.000 description 2
- 235000019890 Amylum Nutrition 0.000 description 1
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 241000282414 Homo sapiens Species 0.000 description 1
- 241001494479 Pecora Species 0.000 description 1
- 229920002472 Starch Polymers 0.000 description 1
- 229910000831 Steel Inorganic materials 0.000 description 1
- 241000282887 Suidae Species 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 229910021529 ammonia Inorganic materials 0.000 description 1
- 230000033558 biomineral tissue development Effects 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 235000013339 cereals Nutrition 0.000 description 1
- 239000004927 clay Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000001704 evaporation Methods 0.000 description 1
- 230000008020 evaporation Effects 0.000 description 1
- 230000029142 excretion Effects 0.000 description 1
- 230000002550 fecal effect Effects 0.000 description 1
- 210000003608 fece Anatomy 0.000 description 1
- 230000035558 fertility Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 244000144972 livestock Species 0.000 description 1
- 239000010871 livestock manure Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 239000001272 nitrous oxide Substances 0.000 description 1
- 230000037361 pathway Effects 0.000 description 1
- 244000144977 poultry Species 0.000 description 1
- 239000000843 powder Substances 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- 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
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P60/00—Technologies relating to agriculture, livestock or agroalimentary industries
- Y02P60/20—Reduction of greenhouse gas [GHG] emissions in agriculture, e.g. CO2
- Y02P60/21—Dinitrogen oxide [N2O], e.g. using aquaponics, hydroponics or efficiency measures
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Soil Sciences (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Agronomy & Crop Science (AREA)
- Animal Husbandry (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Development Economics (AREA)
- Environmental Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Fertilizing (AREA)
Abstract
本发明公开了一种农作物施氮策略的确定方法、装置、存储介质及设备,其中,方法包括:根据目标作物在目标区域内的平均单产和平均潜在单产,得到目标作物在目标区域内的产量水平信息,产量水平信息包括平均单产占平均潜在单产的比值;根据目标作物的氮产出量和氮投入总量,得到目标作物在目标区域内的氮管理水平信息;根据预设的分类规则对产量水平信息和氮管理水平信息进行分析,确定目标区域对应的类型信息;根据目标区域对应的类型信息,确定目标作物在目标区域的施氮策略。本发明通过目标作物在目标区域内的产量水平信息和氮管理水平信息,确定与目标区域的类型信息相符的施氮策略,以便于对氮肥施用调控提供参考。
Description
技术领域
本发明属于农业资源环境评价技术领域,具体涉及一种农作物施氮策略的确定方法、装置及设备。
背景技术
氮(N)是促进作物生长发育所需的一种必须养分,是提高作物产量从而确保全球粮食安全的关键因素。氮素主要通过氮肥、粪肥以及土壤中有机物和作物残茬的矿化作用传递给作物。然而,大量的氮肥和粪肥投入农田中后,导致氮通过淋溶、径流或挥发途径流失到自然环境中,从而对生态环境造成不利影响,并威胁到人类健康。氮肥使用不当可能会导致作物产量和品质下降,并导致土壤和环境退化。因此,农业氮管理对于满足不断增长的食物需求的同时,保持或提高土壤肥力、尽量减少对环境的不利影响至关重要。
虽然,近年来随着信息技术的发展,已经开发出多种方法能够探索合理的作物施氮量,如可以根据产量、氮素利用率(Nitrogenuse efficiency, NUE)、作物对N的吸收或环境影响等不同指标采用不同的N肥施用量。但是,现有方法根据不同的产量和环境目标得出了不同的氮肥优化管理方案和推荐施氮量,但大多只针对特定区域给出了指导策略或针对大尺度提出较为简单的评估方法,对大尺度范围的空间异质针对性措施研究还相对较少。此外,目前方法较少同时考虑作物产量、氮素利用率和氮盈余对目标区域进行分类的针对性施氮策略。
发明内容
鉴于此,本发明提供一种农作物施氮策略的确定方法、装置及设备,主要目的在于实现通过目标作物在目标区域内的产量水平信息和氮管理水平信息,确定与目标区域的类型信息相符的施氮策略,即建立了一项具有空间针对性的综合施氮策略优选框架,对于指导目标区域农作物氮肥合理施用和评估其带来的资源环境效应改善潜力具有现实意义。
依据本发明的第一个方面,提供了一种农作物施氮策略的确定方法,包括:根据目标作物在目标区域内的平均单产和平均潜在单产,得到所述目标作物在所述目标区域内的产量水平信息,所述产量水平信息包括平均单产占平均潜在单产的比值;根据所述目标作物的氮产出量和氮投入总量,得到所述目标作物在所述目标区域内的氮管理水平信息,所述氮管理水平信息包括氮素利用率和氮盈余量;根据预设的分类规则对所述产量水平信息和氮管理水平信息进行分析,确定所述目标区域对应的类型信息;所述类型信息包括高产氮高效类型信息、高产氮低效类型信息、低产氮高效类型信息和低产氮低效类型信息;根据所述目标区域对应的类型信息,确定所述目标作物在所述目标区域的施氮策略;其中,当所述目标区域对应的类型信息为高产氮高效类型信息时,将所述施氮策略确定为:氮阈值边界策略;当所述目标区域对应的类型信息为高产氮低效类型信息时,将所述确定为:稳态氮平衡策略;当所述目标区域对应的类型信息为低产氮高效类型信息时,将所述施氮策略确定为:对所述目标作物进行提产后,更新所述氮素利用率和氮盈余量,将所述施氮策略确定为氮阈值边界策略;当所述目标区域对应的类型信息为低产氮低效类型信息时,将所述施氮策略确定为:对所述目标作物进行提产后,更新所述氮素利用率和氮盈余量,判断所述目标作物在所述目标区域内的氮管理水平信息是否符合氮高效类型信息,若符合氮高效类型信息,则将所述施氮策略确定为所述氮阈值边界策略;若不符合氮高效类型信息,则将所述施氮策略确定为所述稳态氮平衡策略。
依据本发明的第二个方面,提供了一种农作物施氮策略的确定装置,包括:产量水平信息获得模块,用于根据目标作物在目标区域内的平均单产和平均潜在单产,得到所述目标作物在所述目标区域内的产量水平信息,所述产量水平信息包括平均单产占平均潜在单产的比值;氮管理水平信息获得模块,用于根据所述目标作物的氮产出量和氮投入总量,得到所述目标作物在所述目标区域内的氮管理水平信息,所述氮管理水平信息包括氮素利用率和氮盈余量;类型信息确定模块,用于根据预设的分类规则对所述产量水平信息和氮管理水平信息进行分析,确定所述目标区域对应的类型信息;所述类型信息包括高产氮高效类型信息、高产氮低效类型信息、低产氮高效类型信息和低产氮低效类型信息;施氮策略确定模块,用于根据所述目标区域对应的类型信息,确定所述目标作物在所述目标区域的施氮策略;其中,当所述目标区域对应的类型信息为高产氮高效类型信息时,将所述施氮策略确定为:氮阈值边界策略;当所述目标区域对应的类型信息为高产氮低效类型信息时,将所述确定为:稳态氮平衡策略;当所述目标区域对应的类型信息为低产氮高效类型信息时,将所述施氮策略确定为:对所述目标作物进行提产后,更新所述氮素利用率和氮盈余量,将所述施氮策略确定为氮阈值边界策略;当所述目标区域对应的类型信息为低产氮低效类型信息时,将所述施氮策略确定为:对所述目标作物进行提产后,更新所述氮素利用率和氮盈余量,判断所述目标作物在所述目标区域内的氮管理水平信息是否符合氮高效类型信息,若符合氮高效类型信息,则将所述施氮策略确定为所述氮阈值边界策略;若不符合氮高效类型信息,则将所述施氮策略确定为所述稳态氮平衡策略。
依据本发明的第三个方面,提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述所述的方法的步骤。
依据本发明的第四个方面,提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述计算机程序被处理器执行时实现上述所述的方法的步骤。
借由上述技术方案,本发明实施例提供的技术方案至少具有下列优点:
通过根据目标作物在目标区域内的平均单产和平均潜在单产,得到目标作物在目标区域内的产量水平信息,产量水平信息包括平均单产占平均潜在单产的比值;再根据目标作物的氮产出量和氮投入总量,得到目标作物在目标区域内的氮管理水平信息;根据预设的分类规则对产量水平信息和氮管理水平信息进行分析,确定目标区域对应的类型信息;最后,根据目标区域对应的类型信息,确定目标作物在目标区域的施氮策略,以实现通过目标作物在目标区域内的产量水平信息和氮管理水平信息,确定与目标区域的类型信息相符的施氮策略,以便于对氮肥施用调控提供参考。
附图说明
图1示出了本发明实施例提供的一种农作物施氮策略的确定方法的流程示意图;
图2示出了县级类型划分流程示意图;
图3示出了本发明实施例提供的一种农作物施氮策略的确定装置的结构示意图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。参看图1,根据本公开的一些实施例的一种农作物施氮策略的确定方法,方法200包括:
201、根据目标作物在目标区域内的平均单产和平均潜在单产,得到目标作物在目标区域内的产量水平信息,产量水平信息包括平均单产占平均潜在单产的比值。
需要说明的是,目标区域为县级尺度对应的区域;目标作物可以为粮食作物,如小麦、玉米和水稻中的一种或多种;平均单产即为平均实际单产。
在一些可能的实施方式中,根据目标作物在目标区域内的平均单产和平均潜在单产,得到目标作物在目标区域内的产量水平信息,产量水平信息包括平均单产占平均潜在单产的比值,可以是:基于全球农业生态区划(Global Agro-ecological Zones,GAEZ)模型,得到目标作物在目标区域内的平均潜在单产;根据目标作物在目标区域内的平均单产和平均潜在单产,计算目标作物的平均单产占平均潜在单产的比值。
这里,根据统计数据计算的县级尺度的目标作物对应的平均单产与目标作物在目标区域内的平均潜在单产,计算目标作物的平均单产占平均潜在单产的比值,且目标作物的平均单产占平均潜在单产的比值的计算公式为:;其中,/>表示目标作物/>的平均单产占平均潜在单产的比值;/>表示目标作物/>的平均单产(kg/ha);/>表示目标作物/>的平均潜在单产(kg/ha)。
202、根据目标作物的氮产出量和氮投入总量,得到目标作物在目标区域内的氮管理水平信息。
这里,氮管理水平信息包括氮素利用率和氮盈余量。氮素利用率(Nitrogenuseefficiency,NUE)表示作物的氮产出量与氮投入总量(包括无机肥氮投入量、有机肥氮投入量、固氮量、大气氮沉降量、灌溉水含氮量)之比(%)。
在一些可能的实施方式中,根据目标作物的氮产出量和氮投入总量,得到目标作物在目标区域内的氮管理水平信息,步骤202包括如下具体步骤:
步骤:根据目标作物在目标区域内对应的无机肥氮投入量、有机肥氮投入量、固氮量、大气氮沉降量和灌溉水含氮量,计算目标作物的氮投入总量。
这里,氮投入总量为无机肥氮投入量、有机肥氮投入量、固氮量、大气氮沉降量、灌溉水含氮量之和。
目标作物在目标区域内对应的无机肥氮投入量的计算公式为:;其中,/>为目标作物/>的无机肥氮投入量(kg);/>为目标作物/>的施氮量(kg N/ha);/>为目标作物/>在目标区域的播种面积(ha);这里,县级尺度对应的目标区域的施氮量取自农业调查数据中县级平均施氮量。若县级单位数据缺失,缺失县数值可由农业部作物信息数据库中县级氮肥和复合肥用量(kg)以及国际肥料协会(International Fertilizer Association,IFA)的报告汇编的中国每种作物的全国平均化肥施用量计算而来。为了获得单一营养肥料和复合肥的总氮消耗量,首先根据IFA数据计算了复混肥中氮的全国平均比例。然后,将施肥数据分配到县级尺度,最终获得目标作物的无机肥氮投入量。
目标作物在目标区域内对应的有机肥氮投入量的计算公式为:;其中,/>为目标作物/>的有机肥氮投入量;;其中,/>表示目标作物/>的单位面积有机肥氮投入量(kg N/ha);/>表示/>类牲畜年末存栏数量(head);表示/>类牲畜氮排出率(kg/head/yr);/>表示/>类牲畜的施用于农田之前的粪便流失率(%);/>表示/>类牲畜的氮回收率(%);/>表示/>类牲畜的氮挥发率(%);其中,/>类牲畜包括以下几类牲畜:牛(头)、奶牛(头)、猪(头)、羊(头)、家禽(只),/>表示目标区域所有作物的总播种面积(ha)。
目标作物在目标区域内对应的固氮量的计算公式为: ;其中,/>为目标作物/>的固氮量(kg);/>为目标作物/>的单位面积固氮量(kg N/ha),/>表示目标作物/>的播种面积(ha)。
以小麦为例,中国不同分区下的小麦单位面积固氮量如下表1所示:
表1
目标作物在目标区域内对应的大气氮沉降量的计算公式为: ;其中,/>为目标作物/>的大气氮沉降量;/>为目标作物/>的单位面积大气氮沉降量。这里,单位面积大气氮沉降量计算公式为:;其中,/>表示目标区域的全年单位面积氮湿沉降量(kg/ha/yr);/>表示目标区域的全年单位面积氮干沉降量(kg/ha/yr);/>表示目标作物/>的从播种到收获的生育期长度全年占比(%)。
目标作物在目标区域内对应的灌溉水含氮量计算公式为: ;其中,/>为目标作物/>的灌溉水含氮量(kg);/>为目标作物/>的单位面积灌溉水含氮量(kg N/ha)。
以小麦为例,不同地区不同作物单位面积灌溉水含氮量如下表2所示:
表2
步骤:根据目标作物的氮产出量和氮投入总量,得到目标作物在目标区域内的氮素利用率。
氮产出量计算公式为:;其中,/>表示目标作物/>的产量(kg),该产量为总产量;/>表示目标作物/>收获时期含氮比例(%),例如小麦、玉米和水稻分别取值为2.1%、1.6%和1.4%。
目标作物在目标区域内的氮素利用率的计算公式如下:
;/>表示目标作物/>的氮素利用率(%);/>表示目标作物/>收获利用的氮含量(kg),即目标作物/>的氮产出量;/>表示目标作物/>的无机肥氮投入量(kg);/>表示目标作物/>的有机肥氮投入量(kg);/>表示目标作物/>的固氮量(kg);/>表示目标作物/>的大气氮沉降量(kg);/>表示目标作物/>的灌溉水含氮量(kg)。
步骤:根据氮投入总量、秸秆还田量和氮产出量,得到目标作物在目标区域内的氮盈余量。
秸秆还田量的计算公式如下:
;其中,/>表示秸秆还田含氮量(kg);表示目标作物/>的产量(kg);/>表示目标作物/>的秸秆还田比例(%);/>表示目标作物/>的秸秆含氮量(g N/kg);/>表示目标作物/>的收获指数。
以小麦为例,中国小麦不同分区下平均秸秆还田比例、收获指数(HI)和秸秆含氮量如下表3所示:
表3
目标作物在目标区域内的氮盈余量可反映氮肥投入与产出的差距,氮盈余量的计算公式如下:
其中,表示氮盈余量(kg);/>表示目标作物/>的无机肥氮投入量(kg);表示目标作物/>的有机肥氮投入量(kg);/>表示目标作物/>的固氮量(kg);/>表示目标作物/>的大气氮沉降量(kg);/>表示灌溉水含氮量(kg);/>表示秸秆还田量;/>表示目标作物/>收获利用的氮含量(kg),即目标作物/>的氮产出量。
203、根据预设的分类规则对产量水平信息和氮管理水平信息进行分析,确定目标区域对应的类型信息。
其中,类型信息包括高产氮高效类型信息、高产氮低效类型信息、低产氮高效类型信息和低产氮低效类型信息。
例如:根据以县级尺度对应的目标区域的平均单产与平均潜在单产的比值、氮素利用率和氮盈余量状况,对不同目标区域按照产量水平信息(高产和低产)和氮管理水平信息(氮高效和氮低效)进行分类。如:高产县表示平均单产距离潜在单产差距较小(如两者的比值不小于第一预设阈值)或平均单产大于等于全国平均水平且与潜在单产的比值不小于第二预设阈值,产量水平相对较高;反之为低产县;氮高效县表示当前氮素利用率较高(如大于等于预设氮素利用率阈值)且氮盈余量较小(如小于等于预设氮盈余量阈值),氮素管理水平较优,反之为氮低效县。
目前,平均单产与平均潜在单产的比值大于等于0.75被认为是可实现的产量目标。因此,高产县和低产县的划分依据为:(1)平均单产/平均潜在单产≥0.75,或者(2)0.75>平均单产/平均潜在单产≥0.5且县级单产≥全国平均单产的县被定义为高产县(HY),否则为低产县(LY)。基于氮素利用率和氮盈余量划分指标,氮高效县和氮低效县的划分依据为:氮素利用率≥50%且氮盈余量≤80kg N/ha的县被定义为氮高效县(HN),否则为氮低效县(LN)。最终,产量水平信息和氮管理水平信息相互组合,将所有县划分为高产氮高效(HYHN)、高产氮低效(HYLN)、低产氮高效(LYHN)和低产氮低效(LYLN)四个类别。因此,本申请中的类型信息可以包括高产氮高效类型信息、高产氮低效类型信息、低产氮高效类型信息和低产氮低效类型信息。需要说明的是,可以将:高产氮高效类型信息、高产氮低效类型信息、低产氮高效类型信息和低产氮低效类型信息分别记为:高产-氮高效类型信息、高产-氮低效类型信息、低产-氮高效类型信息和低产-氮低效类型信息。
在一些可能的实施方式中,预设的分类规则包括以平均单产占平均潜在单产的比值、氮素利用率和氮盈余量分别为维度确定目标区域对应的类型信息;根据预设的分类规则对产量水平信息和氮管理水平信息进行分析,确定目标区域对应的类型信息,步骤203可以包括如下步骤:
步骤:若目标作物在目标区域的平均单产占平均潜在单产的比值不小于第一预设阈值,则将目标区域的第一标记信息确定为高产区域。
这里,第一预设阈值优选为0.75,即为目标作物在目标区域的平均单产占平均潜在单产的比值不小于0.75时,则将目标区域的第一标记信息确定为高产区域。
步骤:若目标作物在目标区域的平均单产占平均潜在单产的比值小于第一预设阈值且不小于第二预设阈值,则将目标作物在目标区域的平均单产与目标作物的全国平均单产进行对比。
这里,第二预设阈值优选为0.5,即为目标作物在目标区域的平均单产占平均潜在单产的比值小于0.75且不小于0.5时,将目标作物在目标区域的平均单产与目标作物的全国平均单产进行对比。
步骤:若目标作物在目标区域的平均单产不小于全国平均单产,则将目标区域的第一标记信息确定为高产区域,否则将目标区域的第一标记信息确定为低产区域,以将未标记为高产区域的目标区域的第一标记信息确定为低产区域。
例如:目标区域为目标县A、B和C,若目标作物在目标县A的平均单产占平均潜在单产的比值小于0.75且不小于0.5,且目标作物在目标县A的平均单产不小于全国平均单产,即为目标县A为高产县,则目标县A的第一标记信息确定为高产区域;若目标作物在目标县B的平均单产占平均潜在单产的比值小于0.75且不小于0.5,且目标作物在目标县B的平均单产小于全国平均单产,即为目标县B为低产县,则目标县B的第一标记信息确定为低产区域;若目标作物在目标县C的平均单产占平均潜在单产的比值小于0.5,即为目标县C为低产县,则目标县C的第一标记信息确定为低产区域。
步骤:若目标作物在目标区域的氮素利用率不小于第三预设阈值,且目标作物在目标区域的氮盈余量不大于第四预设阈值,则将目标区域的第二标记信息确定为氮高效区域,否则将目标区域的第二标记信息确定为氮低效区域,以将未标记为氮高效区域的目标区域的第二标记信息确定为氮低效区域。
这里,第三预设阈值优选为50%,第四预设阈值优选为80kg N/ha。例如:目标区域为目标县D、E和F,若目标作物在目标县D的氮素利用率≥50%且氮盈余量≤80kg N/ha,即为目标县D为氮高效县,则将目标县D的第二标记信息确定为氮高效区域;若目标作物在目标县E的氮素利用率小于50%,目标作物在目标县F的氮盈余量大于80kg N/ha,则目标县E和F均为氮低效县,则将目标县E和F的第二标记信息确定为氮低效区域。
步骤:根据目标区域对应的第一标记信息和第二标记信息,确定目标区域对应的类型信息。
例如:若目标区域1对应的第一标记信息为高产区域,目标区域1对应的第二标记信息为氮高效区域,则该目标区域1对应的类型信息为高产氮高效类型信息;若目标区域2对应的第一标记信息为高产区域,目标区域2对应的第二标记信息为氮低效区域,则该目标区域2对应的类型信息为高产氮低效类型信息;若目标区域3对应的第一标记信息为低产区域,目标区域3对应的第二标记信息为氮高效区域,则该目标区域3对应的类型信息为低产氮高效类型信息;若目标区域4对应的第一标记信息为低产区域,目标区域4对应的第二标记信息为氮低效区域,则该目标区域4对应的类型信息为低产氮低效类型信息。
204、根据目标区域对应的类型信息,确定目标作物在目标区域的施氮策略。
本申请根据目标区域对应的类型信息,确定不同的施肥情景,进而确定出目标作物在目标区域的施氮策略,为目标区域内目标作物的可持续生产提供支撑。
在一些可能的实施方式中,根据目标区域对应的类型信息,确定目标作物在目标区域的施氮策略,步骤204包括:
步骤:当目标区域对应的类型信息为高产氮高效类型信息时,将施氮策略确定为氮阈值边界策略。
步骤:当目标区域对应的类型信息为高产氮低效类型信息时,将施氮策略确定为稳态氮平衡策略。
步骤:当目标区域对应的类型信息为低产氮高效类型信息时,将施氮策略确定为:对目标作物进行提产后,更新氮素利用率和氮盈余量,将施氮策略确定为氮阈值边界策略。
步骤:当目标区域对应的类型信息为低产氮低效类型信息时,将施氮策略确定为对目标作物进行提产后,判断目标作物在目标区域内的氮管理水平信息是否符合氮高效类型信息,若符合氮高效类型信息,则将施氮策略确定为氮阈值边界策略;若不符合氮高效类型信息,则将施氮策略确定为稳态氮平衡策略。
这里,氮阈值边界规则包括目标区域的氮盈余量不大于80kg N/ha且氮素利用率不小于50%及不大于90%。
其中,氮阈值边界策略包括若目标作物在目标区域内的氮盈余量不大于80kg N/ha且氮素利用率不小于50%及不大于90%且,则将施氮策略确定为维持目标区域的当前施氮量状态;若目标作物在目标区域内的氮素利用率大于90%且氮盈余量不大于80kg N/ha,则控制目标作物在目标区域内的施氮量,使目标作物在目标区域内的氮素利用率保持为90%;然后若目标区域对应的类型信息为氮低效类型信息,调整目标区域的施氮量至氮盈余量不大于80kg N/ha且氮素利用率不小于50%及不大于90%。
具体的,目标区域包括具有不同类型信息的各个县,针对各个县的不同类型,分类设定了四个情景,情景S1和情景S2为维持现状产量情景,情景S3和情景S4为产量提升情景,具体设置如下:
情景S1(氮高效情景:氮阈值边界策略):所有县维持现状产量,控制氮低效县施氮量至氮盈余量≤80kgN/ha并且氮素利用率≥50%及≤90%,对于氮素利用率>90%且氮盈余量不大于80kg N/ha的县增加其施氮量以控制其氮素利用率=90%,确定优化后的施氮量;对于氮素利用率不大于90%且不小于50%以及所述氮盈余量不大于80kg N/ha的县,将维持当前施氮量状态;
情景S2(氮高效情景:长期稳态氮平衡策略):所有县维持现状产量,所有县根据稳态氮平衡策略,确定最优施氮量;
情景S3(高产氮高效情景:氮阈值边界策略):首先,对低产县进行产量目标提升,高产县维持现状产量;然后,对提升后县重新计算氮素利用率和氮盈余量,若符合氮高效县定义,则不改变其施氮量,若产量提升后仍为氮低效县,则控制其施氮量至氮盈余量≤80kgN/ha并且氮素利用率≥50%及≤90%,对于氮素利用率>90%且氮盈余量不大于80kg N/ha的县增加其施氮量控制其氮素利用率=90%,以此确定每个县优化后的施氮量;
情景S4(高产氮高效情景:长期稳态氮平衡策略):首先,对低产县进行产量目标提升,高产县维持现状产量。然后,所有县根据最新的产量目标按照长期稳态氮平衡策略确定最优施氮量。
关于情景的说明可参见表4:
表4
上述情景中,长期稳态氮平衡策略确定最优施氮量具体计算公式如下:
其中,/>表示最优施氮量(kg N/ha);/>表示氮移出率(kg N/ha),/>表示环境氮投入(kg N/ha),包括大气氮沉降量(干沉降和湿沉降)、固氮量和灌溉水含氮量;/>表示总氮损失因子(%)。
这里,氮移出率( )计算公式如下:
其中,表示目标作物氮吸收量(kg N/ha),根据目标作物(例如小麦、玉米和水稻)的单产估算而来;/>表示秸秆还田量(kg N/ha);/>表示目标作物单产(kg/ha),这里,单产指目标作物的单位面积产量。
对于低产县的单产目标提升,可结合平均潜在单产和全国平均单产将其提升至其能够实现的最低幅度,具体计算过程如下:
其中,表示低产县提升后作物单产(kg /ha);/>表示平均潜在单产(kg /ha);/>表示全国平均单产水平(kg /ha)。
最后,基于四个情景结果进行策略优选。策略优选具体对应不同的情景,情景选择方法具体如下:
若该县现状即为高产氮高效县且氮素利用率未超过90%,则维持现状即可(对应S0情景),若氮素利用率超过90%,则应适当提升施氮量,采取情景S1;
若该县现状为高产氮低效县,则应该按照现状产量进行控制施肥,采取情景S2管理;
若该县为低产氮高效县,则采取情景S3管理提升产量即可;
若该县为低产氮低效县,若在提产后满足氮高效类型信息,则采取情景S3管理,若提产后不满足氮高效类型信息,则采取情景S4管理。
在一些可能的实施方式中,在当目标区域对应的类型信息为高产氮低效类型信息时,即在当目标区域为高产氮低效县时,将施氮策略确定为稳态氮平衡策略之后,还包括:
在根据稳态氮平衡策略向目标作物在目标区域内施氮后,若目标作物在目标区域内的氮管理水平信息不符合氮阈值边界规则,则选择氮阈值边界策略向目标作物施氮;若目标作物在目标区域内的氮管理水平信息符合氮阈值边界规则,则保留选择稳态氮平衡策略向目标作物施氮。
具体为,若目标区域为县级尺度对应的区域,且该县现状为高产氮低效县,则应该按照现状产量进行控制施肥,采取情景S2管理,若在情景S2下不符合氮阈值边界(例如:氮素利用率<50%或氮盈余量>80kg N/ha),则应该按照情景S1控制氮阈值边界,在情景S2下若符合氮阈值边界(即氮素利用率≥50%且氮盈余量≤80kg N/ha),则单独采用情景S2即可(S2)。
在一些可能的实施方式中,在当目标区域对应的类型信息为低产氮低效类型信息时,将施氮策略确定为:对目标作物进行提产后,更新氮素利用率和氮盈余量,判断目标作物在目标区域内的氮管理水平信息是否符合氮高效类型信息,若符合氮高效类型信息,则将施氮策略确定为氮阈值边界策略;若不符合氮高效类型信息,则将施氮策略确定为稳态氮平衡策略之后,还包括:
在根据稳态氮平衡策略确定向目标作物在目标区域内的最优施氮量之后,若目标作物在目标区域内的氮管理水平信息不符合氮阈值边界规则,则选择氮阈值边界策略向目标作物施氮;若目标作物在目标区域内的氮管理水平信息符合氮阈值边界规则,则保持选择稳态氮平衡策略向目标作物施氮。
具体为,若目标区域为县级尺度对应的区域,且该县现状为低产氮低效县,若在提产后满足氮高效边界,则采取情景S3管理,若提产后仍不满足氮高效边界,则按照S4管理,若在情景S4下不符合氮阈值边界,则应该按照情景S3控制氮阈值边界,若在情景S4下符合氮阈值边界,则单独采用情景S4即可。
这里,还对目标区域的资源利用和环境效应改善进行了潜力评估,该评估具体包括如下过程:
由于,环境效应包括活性氮损失和温室气体排放。氮肥施用到农田系统未被利用的部分会以各种形式损失到环境中,氮损失同时又和农田温室气体排放相关。活性氮损失排放因子使用每个指标的活性氮损失量和氮肥投入量的比值计算而来,所有氮损失指标的排放因子加和结果即为总氮损失量。氮损失因子计算公式如下:
/>
式中,EF表示氮损失因子(%),用比值表示;E t 是表示施肥处理实验组活性氮排放量(kg N/ha),E b 表示未施肥对照组活性氮排放量(kg N/ha);N rate 表示施氮量(kg N/ha)。
基于田间尺度的氨气(NH3)、氧化亚氮(N2O)和氮淋溶三个氮损失因子(EF)的计算结果,将其输入构建的随机森林模型进行空间预测。随机森林模型是一项利用机器学习技术的二进制决策规则模型。模型由多个决策树构成,共总数为n的选取的k个特征组成(k<n),在选定的特征中创建节点d和子节点。然后,模型重复此步骤构建一个有n个决策树的森林模型。最终采用测试数据集来创建决策树并预测新的输出结果。氮损失因子EF作为随机森林回归模型的因变量,各项环境变量为自变量,包括总降水量、潜在蒸发量和生育期日平均气温、土壤容重、pH值、砂粒、粉粒、粘粒、总氮和土壤有机碳(SOC)。模型构建过程中,每项氮损失指标被随机分为10个大小相等的子集,其中7个子集被用来训练随机森林模型,其余的数据被用于模型性能验证,验证次数为100次。精度评估使用回归决定系数(R2)、均方根误差(RMSE)和归一化均方根误差(NRMSE)三项指标评估模型性能。基于随机森林模型结果输出,提取出作物的县级NH3、N2O和氮淋溶氮损失因子EF。氮损失除NH3、N2O和氮淋溶外,还有一部分通过径流、一氧化氮(NO)和氮气(N2)等形式损失至环境中,可使用上述其余三种途径的氮损失因子结合NH3、N2O和氮淋溶随机森林模型结果加总,构成总的氮肥施用损失因子(EFNloss,%)。小麦NH3、氮淋溶和N2O三项氮损失指标随机森林模型模拟结果精度验证如表5所示,中国小麦其它几种氮损失途径损失比例如表6所示:
表5
表6
各项氮损失量计算公式如下:
式中,/>分别表示目标作物/>氮肥施用以NH 3 、N 2 O、氮淋溶、NO、N 2 和氮径流形式损失的氮损失率;/>分别表示目标作物/>的NH 3 、N 2 O和氮淋溶排放因子;/>表示目标作物i的施氮量。
基于氮损失结果,进一步计算出三大作物的温室气体(Greenhouse Gas,GHG)排放量,包括农田直接排放和氮肥生产运输排放两个部分。农田直接排放具体包括N 2 O直接排放、由NH 3 挥发和氮淋溶引起的间接N 2 O排放和水稻CH 4 排放。具体计算公式如下:
式中,GHG为温室气体总排放量(kg CO2eq);GHG m 和GHG t 分别表示氮肥生产过程和运输过程中的排放(kg CO2eq/kg N),分别取值为8.21和0.09kg CO2eq/kg N,表示施氮量(kg N/ha);N 2 O、NH 3 和NO 3 - 表示N 2 O、NH 3 和氮淋溶的强度(kg N/ha);0.01和0.0075分别是NH 3 和氮淋溶的间接N 2 O排放因子;CH 4 表示稻田CH 4 的排放率(kg CH4/ha);265和28分别是N2O和CH4的增温潜势。
稻田CH4排放量的估算方法如下:
;
式中,CH4表示稻田CH4排放强度(Gg CH4/yr);表示 CH4排放因子(kg CH4/ha/day);/>表示水稻种植生育期长度(day);/>表示水稻种植面积(ha);/>表示不同的水稻种植生态系统、水管理制度和有机物添加等影响水稻CH4排放的不同条件。
稻田CH4排放因子计算方法如下:/>;
式中,表示单位种植面积下的单日CH4排放因子;/>表示不使用有机物添加的连续淹水田的基准排放系数;/>表示不同水稻管理条件的换算系数(scalingfactor);/>表示水稻种植季前排水条件的换算系数;/>表示有机添加物种类和使用量的换算系数。
换算系数计算公式如下:
;
式中,为不同类型的有机添加物;/>表示水稻添加物/>的施用量(t/ha),秸秆使用干重表示,其他部分用鲜重表示;/>表示水稻有机添加物/>的转换系数。
本实施例的小麦产量及氮素利用状况现状如下:
氮肥施用方面,全国小麦平均施氮量为200.32kg N/ha,25%~75%比例的县施氮量集中在106.21~218.03kg N/ha。施氮量较高的地区为华北冬麦区(NCP)和长江中下游冬麦区(YR),总体施氮量分别为217.36kg N/ha和211.84kgN/ha,华北冬麦区(NCP)同时也是小麦种植氮肥消耗量最大的区域,其消耗了全国麦区62%的氮肥量。其次是西北麦区(NW)和青藏冬春麦区(TP),二者总体施氮量分别为174.66kg N/ha和161.54kg N/ha。西南麦区(SW)总体施氮量居中,为133.16kgN/ha。华南麦区(SC)和东北麦区(NE)施氮量最低,分别为102.37kg N/ha和90.50kg N/ha。省级行政单位中,河南、宁夏、江苏、北京、河南和福建总体施氮量较高,均大于250kgN/ha。河南、山东、江苏、河北和安徽五省小麦氮肥消耗量最高,仅五省就消耗了全国72%的小麦施用氮肥。县级单位中,全国61%的县施氮量集中在100~250kgN/ha,有17%的县施氮量大于250kgN/ha,22%的县施氮量小于100kg N/ ha。施氮量较高的县集中分布于华北冬麦区(NCP)、长江中下游冬麦区(YR)和西北春麦区(NW),高施氮量县(>250kg N/ha)有86%均位于这三个分区。
通过作物的氮产出与氮投入总量的比值计算出作物的氮素利用率(NUE)。全国小麦平均NUE为45.87%,全国25%~75%的县小麦NUE集中在31%~58%。全国有76%的县NUE集中在25%~75%,有14%的县NUE<25%,另外有10%的县NUE>75%。NUE较高的县主要分布在西北灌溉麦区(NW2)、青藏冬春麦区(TP)和东北春麦区(NE),华北冬麦区(NCP)和长江中下游麦区(YR)部分县NUE也相对较高。不同种植区中东北春麦区(NE)和青藏冬春麦区(TP)和整体NUE最高,大于60%,西北麦区(NW)、华南麦区(SC)和华北冬麦区(NCP)次之,介于40%~50%,长江中下游麦区(YR)和西南麦区(SW)NUE相对较低,分别为39.89%和39.50%。不同省份中,西藏、黑龙江、新疆和江西小麦NUE相对较高,均大于60%,北京、湖南、天津和宁夏NUE最低,均小于30%。
全国小麦平均氮盈余量为158.57kg N/ha,全国25%~75%的县小麦氮盈余量集中在78.73~186.76kg N/ha。空间分布上,小麦氮盈余量较高的地区全国各地均有零星分布,氮盈余量高(大于160kg N/ha)的县占比34%,多数县(41%)氮盈余量集中在19~160kg N/ha,有26%的县氮盈余量状况较优(小于80kg N/ha)。不同小麦种植区中,华北冬麦区(NCP)和长江中下游麦区(YR)氮盈余量均最高,单位面积氮盈余量分别为173.73kgN/ha和169.15kg N/ha,二者总和占了全国82%的氮盈余量。东北春麦区(NE)、青藏冬春麦区(TP)和华南麦区(SC)氮盈余量状况较好,小于100kg N/ha,西南麦区(SW)和西北麦区氮盈余量介于120~130kg N/ha。不同省份中,天津、北京、宁夏、湖南和河南氮盈余量最高,大于200kg N/ha。西藏、黑龙江、江西、广西、内蒙古和福建总体单位面积氮盈余量较优,均小于80kgN/ha。
根据三种作物平均单产与平均潜在单产的比值、NUE及氮盈余量状况,将全国小麦种植县划分为高产氮高效(HYHN)、低产氮高效(LYHN)、高产氮低效(HYLN)和低产氮低效(LYLN)四个类别。高产县分类标准为现状单产与平均潜在单产比值大于0.75或现状单产与平均潜在单产比值大于等于0.5且小于0.75但该县单产水平大于等于全国平均单产,此外剩余的县即为低产县。值得说明的是,高产县和低产县并不是以单产数值的绝对高低衡量,高产县表示该县现状单产已经较优,改善潜力较小,低产县表示该县现状单产距离平均潜在单产还有一定提升空间。氮高效县的分类标准参考欧盟氮管理小组制定的标准,同时满足NUE≥50%并且氮盈余量≤80kg N/ha这两个指标的县即为高效县,剩余的县即为低效县。氮高效县表示该县氮投入和氮产出较为匹配,氮素管理水平较好,氮低效县表示该县氮素管理水平有待提高,应采取措施改善NUE和氮盈余量状况,避免过多的氮损失至环境中造成污染。
全国有数据的2047个小麦种植县中,氮高效县占比22%,其中高产氮高效县有141个(占比7%),低产氮高效县共305个(占比15%)。氮高效县主要分布在东北春麦区(NCP)、西北灌溉麦区(NW2)和青藏麦区(TP)。小麦氮低效县较多,共占比78%。其中高产氮低效县有415个(占比20%),大部分(占比69%)集中分布在华北冬麦区(NCP),少部分县分布在西北灌溉麦区(NW2)、长江中下游麦区(YR)和青藏冬春麦区(TP)。低产氮低效县最多,共1186个(占比58%),广泛分布于全国各地,在西南麦区(SW)和长江中下游麦区(YR)较为集中。各小麦种植分区中,西南麦区(SW)和长江中下游麦区(YR)有超过70%的县为低产氮低效县,说明该区域小麦单产和氮素管理水平均有较大的提升空间。华北冬麦区(NCP)虽然单产水平较高,但氮素管理水平还有一定提升空间。青藏高原冬春麦区(TP)虽然小麦播种面积和总产均较小,但单产水平较好,施氮量也较为合适,该区域的高产氮高效县比例最高。
策略优选施肥后,全国小麦施氮量由现状的200.32kg N/ha下降至89.23~127.05kg N/ha。在不同情景下,大部分县施氮量均有下降,其中情景S2施氮量下降的县所占比例最高,情景S1~S4分别有78%、90%、59%和72%的县施氮量较现状有所下降。施氮量下降幅度较大的县主要集中分布于华北冬麦区(NCP)和长江中下游麦区(YR),所有情景下施氮量减少量大于150kg N/ha的县中均有超过一半的县(55%~70%)位于这两个区域。在现状产量水平下(情景S1和S2),青藏冬春麦区(TP)和西北麦区(SW)部分县需要对施氮量有所提升。此外,在产量水平提升后(情景S3和S4),西南麦区(SW)和东北春麦区(NE)部分县也应注意补充施肥,避免过量消耗土壤氮。不同情景中,提产情景(S3和S4)较现状情景(S1和S2)总氮投入更高,氮阈值边界施肥情景(S1和S3)较稳态氮平衡策略施肥法情景(S2和S4)单位面积氮投入更高。提产前,情景S1和S2全国所有县氮投入区间(5%~95%水平,下同)在83.42~195.69kg N/ha和57.92~176.89kgN/ha;提产后,情景S3和S4全国所有县氮投入区间升至124.70~197.75kg N/ha和128.50~119.18kg N/ha。
按不同小麦分区对施氮量变化量汇总统计,结果显示大部分区域降幅均较大。在情景S1和S2下,除东北春麦区(NE)、青藏冬春麦区(TP)和西北灌溉麦区(NW2)外,其他所有区域施氮量均下降超过40%。即使在产量提升后(情景S3和S4)施氮量下降也较大,华北冬麦区(NCP)和长江中下游麦区(YR)整体施氮量下降最大,施氮量较现状下降30%以上,同时这两个区域施氮量下降量也在不同分区中最高。值得注意的是,东北冬春麦区(NE)现状施氮量较低,若维持现状产量水平施氮量应提升3%~7%(情景S1和S2),产量提升后施氮量应提升18%~33%(情景S3和S4)。施氮优化后,由于单产水平较高,青藏冬春麦区(TP)在所有分区中施氮量较高,大于130kg N/ha。总氮投入方面,华北冬麦区(NCP)和长江中下游麦区(YR)最高,在情景S1~S4,整体总氮投入分别为148.05~170.86kgN/ha和150.92~119.15kg N/ha。
策略优选施氮后,小麦NUE和氮盈余量状况均较现状有明显改善。在各情景下,小麦全国整体NUE由现状的45.87%提升至69.21%~82.01%,全国整体小麦氮盈余量由现状的158.57kg N/ha下降至47.48~74.05kg N/ha。不同分区中,华北冬麦区(NCP)改善潜力最大,优化后NUE较现状提升了26%~40%,氮盈余量较现状减少了55%~72%。此外,西北麦区(NW)和长江中下游冬麦区(YR)改善潜力也相对较大,优化后NUE较现状分别提升了21%~32%和22%~31%,氮盈余量与现状相比分别降低了49%~67%和54%~68%。不同情景中,情景S2和S3(稳态氮平衡策略)较情景S1和S2提升幅度更大,尤其在情景S2下所有分区NUE均超过70%,氮盈余量小于60kg N/ha。NUE提升状况方面,情景S1下大部分县(61%)NUE较现状提升幅度介于0%~30%,有17%的县提升幅度大于30%。情景S3提升幅度大于情景S1,有38%的县NUE提升幅度大于30%。情景S2和情景S4下NUE提升幅度最大,分别有57%和58%的县NUE提升幅度大于30%。氮盈余量减少状况方面,情景S1和情景S3下大部分县(45%和58%)氮盈余量较现状减少幅度介于0~90kg N/ha,另外有33%和30%的县提升幅度大于90kg N/ha。情景S2和情景S4氮盈余量减少幅度大于情景S1和情景S3。情景S2和情景S4下分别有42%和46%的县氮盈余量较现状减少幅度介于0~90kg N/ha,有47%和40%的县减少幅度大于90kg N/ha。
策略优选后,小麦作物施氮量也较现状明显下降。小麦施氮量由现状的200.32kgN/ha下降至106.33kg N/ha。同样,策略优选后NUE和氮盈余量状况也较现状明显改善。小麦NUE提升至81.42%,优化后小麦全国水平氮盈余量小于80kg N/ha,较现状水平减少了66.37%。同时,在策略优选条件下,小麦单产水平分别提升至6.13t/ha,与现状单产水平相比提升了11.25%,实现了单产提升和氮素利用平衡的双重目标。
全国小麦现状施肥引起的NH3排放强度为15.63kg NH3-N/ha,优化施肥后改善明显,下降至6.98~9.78kg NH3-N/ha,管理策略优选后排放强度为8.19kg NH3-N/ha,较现状下降了47.64%。不同区域中,华北冬麦区(NCP)和长江中下游冬麦区(YR)NH3排放强度最高,现状排放强度大于17kg NH3-N/ha,同时这两个区域也是小麦主产区,施肥较多,导致NH3排放量也最高,有81.67%因小麦施肥导致的NH3排放集中在这两个区域。东北春麦区(NE)、青藏冬春麦区(TP)和华南麦区(SC)排放强度较低,另外二者排放量占比不足3%。华北冬麦区(NCP)和长江中下游冬麦区(YR)的改善潜力最高,管理策略优选后减排量均超过40%,西北麦区(NW)其次,减少了24.76%的NH3排放。由于东北春麦区(NE)现状施氮量较低,部分县存在过量消耗土壤氮的情况,因此需要补充施肥,最终导致区域整体施氮量上升,所以该区域NH3排放相较于现状会上升30.40%,但其总排放量较低,对全国影响不大。
不同情景中,情景S2对小麦NH3减排改善潜力最大,情景S3改善潜力相对较小。在情景S2下,全国有60%的小麦种植县NH3排放强度小于6kg NH3 -N/ha,排放强度大于10kg NH3 -N/ha的县仅占7%。但在情景S3下,排放强度大于10kg NH3 -N/ha的县比例高达33%,仅有9%的县NH3排放强度小于6kg NH3 -N/ha。情景S1和情景S4介于二者之间,在情景S1和S4下,排放强度大于10kg NH3 -N/ha的县占比18%,主要集中在华北冬麦区(NCP)和西北灌溉麦区(NW2)。不同区域中,NH3排放强度较低的县主要位于西南麦区(SW)、长江中下游冬麦区(YR)、华北灌溉冬麦区(NCP1)和西北雨养旱作麦区(NW1)。与现状相比,不同情景下大部分县NH3排放强度减少介于2~10kg NH3 -N/ha。情景S2下县级NH3排放强度下降幅度最大,有29%的县减排幅度大于10kg NH3 -N/ha,在情景S1、S3和S4下这一比例分别为19%、15%和20%。减排幅度较大的县主要位于华北灌溉冬麦区(NCP1)、长江中下游冬麦区(YR)和西南麦区(SW)。
氮淋溶方面,全国小麦现状施肥引起的氮淋溶强度为27.61kg NO3 --N/ha,优化施肥在不同情景下降至12.27~17.40kg NO3 --N/ha,管理策略优选后排放强度为14.51kgNO3 --N/ha,较现状下降了47.44%。与NH3排放格局相似,华北冬麦区(NCP)和长江中下游冬麦区(YR)氮淋溶强度最高,现状强度大于14kg NO3 --N/ha,氮淋溶量也主要集中在这两个区域,共占比82.56%。西南麦区(NW)、东北春麦区(NE)、青藏冬春麦区(TP)和华南麦区(SC)排放强度较低,另外排放量共占比不足7%。华北冬麦区(NCP)和长江中下游冬麦区(YR)是改善潜力最大的两个区域,策略优选后分别能减少50.09%和43.35%的氮淋溶。除东北春麦区(NE)和华南麦区(SC)外,其它区域减少比例也均超过10%。东北春麦区(NE)由于增加施肥,氮淋溶相较于现状会上升29.89%,但同样其总排放量较低(占全国总量不足1%),对全国整体影响不大。
不同情景的氮淋溶方面,同样情景S2对小麦氮淋溶改善潜力最大,情景S3改善潜力相对较小。在不同情景下,大部分县氮淋溶强度介于10~20kg NO3 --N/ha。在情景S2下,全国有56%的小麦种植县氮淋溶强度小于10kg NO3 --N/ha,氮淋溶强度大于20kg NO3 --N/ha的县仅占5%。在情景S3下,淋溶强度大于10kg NO3 --N/ha的县比例升至15%,仅有6%的县氮淋溶强度小于6kg NO3 --N/ha。在情景S1和S4下,排放强度大于20kg NO3 --N/ha的县分别占比10%和15%。不同区域中,优化后氮淋溶强度较高的县主要位于西北灌溉麦区(NW2)、华北灌溉冬麦区(NCP1)和青藏麦区(TP),氮淋溶强度较低的县主要位于西南麦区(SW)和长江中下游冬麦区(YR)。与现状相比,不同情景下大部分县氮淋溶强度减少介于5~20kg NO3 -N/ha。情景S2下县级氮淋溶强度下降幅度最大,有23%的县减排幅度大于20kg NO3 --N/ha,在情景S1、S3和S4下这一比例分别为16%、13%和17%。优化后氮淋溶减少幅度较大的县主要位于华北灌溉冬麦区(NCP1)、长江中下游冬麦区(YR),其次是西南麦区(SW)和西北雨养旱作麦区(NW1)。优化后氮淋溶减少幅度较小的县主要位于西南麦区(SW)和长江中下游冬麦区(YR)。
策略优选后,全国水平小麦温室气体排放强度下降至1062.34~1521.06kg CO2eq/ha,策略优选下排放强度为1219.96kg CO2eq/ha,较现状水平下降了45.97%。各小麦种植分区中,华北冬麦区(NCP)和长江中下游麦区(YR)温室气体排放强度优化潜力最大,较现状下降了40%以上。西南麦区(SW)、青藏冬春麦区(TP)和华南麦区(SC)优化潜力相对较小。东北春麦区(NE)由于施氮量增加,温室气体排放强度上升了26.84%,但东北春麦区(NE)和华南麦区(SC)小麦施肥产生的温室气体排放强度和排放量均较低,二者排放总量不到全国2%。不同情景中,情景S2减缓潜力最大,情景S3减缓潜力相对较小。现状小麦温室气体排放强度大于2000kg CO2eq/ha的县共占比44%,在全国各区域均有分布,其中在华北冬麦区(NCP)和长江中下游冬麦区(YR)分布较多。在现状产量情景中(情景S1和S2),该比例大幅下降至4%和2%。尤其在情景S2中,大量县温室气体排放强度降至1000kg CO2eq/ha以下,这一类别县比例现状仅占13%,在情景2下大幅升至60%。即使在产量提升的前提下,实行较优的氮管理水平(情景S3和S4),排放强度大于2000kg CO2eq/ha的比例也大幅下降至10%和3%。情景S3和S4下县级温室气体排放强度下降幅度小于情景S1和S2,大部分县温室气体排放强度集中在1000~2000kg CO2eq/ha,这一类别县在情景S3和S4下占比均在19%以上。在综合现状和各情景的管理措施优选条件下,排放强度大于2000kg CO2eq/ha的比例降至13%。综上表明氮管理优化措施能显著改善现状温室气体高排放强度县的状况。
与现状相比优化后温室气体排放下降幅度方面,大部分县降幅集中在500~2000kgCO2eq/ha。情景S2下各县温室气体降幅最大,全国有21%的县下降幅度大于2000kg CO2eq/ha,这一比例在情景S1、S3和S4下分别为14%、11%和14%。情景S3温室气体改善后较现状下降幅度最小,有32%的县温室气体排放较现状还有所上升。优化后温室气体排放下降幅度较大的县主要位于华北冬麦区(NCP)和长江中下游冬麦区(YR),在情景S2下降幅大于2000kgCO2eq/ha的县有63%均位于这两个区域。相比之下,东北春麦区(NE)、青藏冬春麦区(TP)和华南麦区(SC)下降幅度相对较小。
本实施例提供的技术方案具有以下结果:
(1)采用情景S1~S4后,全国小麦NUE提升至69.21%~71.06%,氮盈余量下降至47.48~74.05kg N/ha。策略优选后,小麦施氮量下降至106.33 kg N/ha,同时NUE和氮盈余量较现状明显改善,实现了增产和提效的双重目标。不同情景中,小麦在稳态氮平衡情景(S2和S4)下较氮阈值边界法情景(S1和S3)优化提升幅度更大。优化策略中,小麦有73%、77%和54%的县需要采取增产措施,78%、84%和85%的县应该降低现状施氮量。
(2)策略优选施肥后能明显降低有关环境效应的排放强度。氮损失方面,小麦NH3排放在策略优选下较现状减少了47.64%,氮淋溶较现状减少了47.44%。温室气体排放方面,策略优选后小麦较现状降低了45.97%。
本申请提供的一种农作物施氮策略的确定方法,通过根据目标作物在目标区域内的平均单产和平均潜在单产,得到目标作物在目标区域内的平均单产占平均潜在单产的比值;再根据目标作物的氮产出量和氮投入总量,得到目标作物在目标区域内的氮管理水平信息;根据预设的分类规则对产量水平信息和氮管理水平信息进行分析,确定目标区域对应的类型信息;最后,根据目标区域对应的类型信息,确定目标作物在目标区域的施氮策略,以实现通过目标作物在目标区域内的产量水平信息和氮管理水平信息,确定与目标区域的类型信息相符的施氮策略,以便于对氮肥施用调控提供参考。
进一步的,作为对上述图1所示方法的实现,本发明实施例提供了一种农作物施氮策略的确定装置,参见图3,该装置包括:
产量水平信息获得模块181,用于根据目标作物在目标区域内的平均单产和平均潜在单产,得到目标作物在目标区域内的产量水平信息,产量水平信息包括平均单产占平均潜在单产的比值;
氮管理水平信息获得模块182,用于根据目标作物的氮产出量和氮投入总量,得到目标作物在目标区域内的氮管理水平信息;
类型信息确定模块183,用于根据预设的分类规则对产量水平信息和氮管理水平信息进行分析,确定目标区域对应的类型信息;类型信息包括高产氮高效类型信息、高产氮低效类型信息、低产氮高效类型信息和低产氮低效类型信息;
施氮策略确定模块184,用于根据目标区域对应的类型信息,确定目标作物在目标区域的施氮策略。
本申请提供的一种农作物施氮的策略确定装置,通过根据目标作物在目标区域内的平均单产和平均潜在单产,得到目标作物在目标区域内的产量水平信息,产量水平信息包括平均单产占平均潜在单产的比值;再根据目标作物的氮产出量和氮投入总量,得到目标作物在目标区域内的氮管理水平信息;根据预设的分类规则对产量水平信息和氮管理水平信息进行分析,确定目标区域对应的类型信息;最后,根据目标区域对应的类型信息,确定目标作物在目标区域的施氮策略,以实现通过目标作物在目标区域内的产量水平信息和氮管理水平信息,确定与目标区域的类型信息相符的施氮策略,以便于对氮肥施用调控提供参考。
需要说明的是:上述实施例提供的农作物施氮策略的确定装置在实现时,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将设备的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。另外,上述实施例提供的农作物施氮策略的确定装置与农作物施氮策略的确定方法实施例属于同一构思,其具体实现过程详见方法实施例,此处不再一一赘述。
根据本公开的另一方面,还提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现根据本公开所述的方法的步骤。
根据本公开的另一方面,还提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述计算机程序被处理器执行时实现根据本公开所述的方法的步骤。
虽然已经参照附图描述了本公开的实施例或示例,但应理解,上述的方法、系统和设备仅仅是示例性的实施例或示例,本发明的范围并不由这些实施例或示例限制,而是仅由授权后的权利要求书及其等同范围来限定。实施例或示例中的各种要素可以被省略或者可由其等同要素替代。此外,可以通过不同于本公开中描述的次序来执行各步骤。进一步地,可以以各种方式组合实施例或示例中的各种要素。重要的是随着技术的演进,在此描述的很多要素可以由本公开之后出现的等同要素进行替换。
Claims (10)
1.一种农作物施氮策略的确定方法,其特征在于,包括:
根据目标作物在目标区域内的平均单产和平均潜在单产,得到所述目标作物在所述目标区域内的产量水平信息,所述产量水平信息包括平均单产占平均潜在单产的比值;
根据所述目标作物的氮产出量和氮投入总量,得到所述目标作物在所述目标区域内的氮管理水平信息,所述氮管理水平信息包括氮素利用率和氮盈余量;
根据预设的分类规则对所述产量水平信息和氮管理水平信息进行分析,确定所述目标区域对应的类型信息;所述类型信息包括高产氮高效类型信息、高产氮低效类型信息、低产氮高效类型信息和低产氮低效类型信息;
根据所述目标区域对应的类型信息,确定所述目标作物在所述目标区域的施氮策略;
其中,当所述目标区域对应的类型信息为高产氮高效类型信息时,将所述施氮策略确定为:氮阈值边界策略;
当所述目标区域对应的类型信息为高产氮低效类型信息时,将所述确定为:稳态氮平衡策略;
当所述目标区域对应的类型信息为低产氮高效类型信息时,将所述施氮策略确定为:对所述目标作物进行提产后,更新所述氮素利用率和氮盈余量,将所述施氮策略确定为氮阈值边界策略;
当所述目标区域对应的类型信息为低产氮低效类型信息时,将所述施氮策略确定为:对所述目标作物进行提产后,更新所述氮素利用率和氮盈余量,判断所述目标作物在所述目标区域内的氮管理水平信息是否符合氮高效类型信息,若符合氮高效类型信息,则将所述施氮策略确定为所述氮阈值边界策略;若不符合氮高效类型信息,则将所述施氮策略确定为所述稳态氮平衡策略。
2.根据权利要求1所述的方法,其特征在于,所述根据目标作物在目标区域内的平均单产和平均潜在单产,得到所述目标作物在所述目标区域内的产量水平信息,所述产量水平信息包括平均单产占平均潜在单产的比值,包括:
基于全球农业生态区划模型,得到所述目标作物在所述目标区域内的平均潜在单产;
根据所述目标作物在所述目标区域内的平均单产和平均潜在单产,计算所述目标作物的平均单产占平均潜在单产的比值。
3.根据权利要求1所述的方法,其特征在于,所述氮管理水平信息包括氮素利用率和氮盈余量;所述根据所述目标作物的氮产出量和氮投入总量,得到所述目标作物在所述目标区域内的氮管理水平信息,包括:
根据所述目标作物的产量和含氮比例,计算所述目标作物的所述氮产出量;
根据所述目标作物在所述目标区域内对应的无机肥氮投入量、有机肥氮投入量、固氮量、大气氮沉降量和灌溉水含氮量,计算所述目标作物的所述氮投入总量;
根据所述目标作物的氮产出量和氮投入总量,得到所述目标作物在所述目标区域内的氮素利用率;
根据所述氮投入总量、秸秆还田量和氮产出量,得到所述目标作物在所述目标区域内的氮盈余量。
4.根据权利要求1所述的方法,其特征在于,所述预设的分类规则包括以所述平均单产占平均潜在单产的比值、氮素利用率和氮盈余量分别为维度确定所述目标区域对应的类型信息;所述根据预设的分类规则对所述产量水平信息和氮管理水平信息进行分析,确定所述目标区域对应的类型信息,包括:
若所述目标作物在所述目标区域的平均单产占平均潜在单产的比值不小于第一预设阈值,则将所述目标区域的第一标记信息确定为高产区域;
若所述目标作物在所述目标区域的平均单产占平均潜在单产的比值小于所述第一预设阈值且不小于第二预设阈值,则将所述目标作物在所述目标区域的平均单产与所述目标作物的全国平均单产进行对比;
若所述目标作物在所述目标区域的所述平均单产不小于所述全国平均单产,则将所述目标区域的第一标记信息确定为高产区域,并将未标记为所述高产区域的所述目标区域的第一标记信息确定为低产区域;
若所述目标作物在所述目标区域的所述氮素利用率不小于第三预设阈值,且所述目标作物在所述目标区域的所述氮盈余量不大于第四预设阈值,则将所述目标区域的第二标记信息确定为氮高效区域,并将未标记为所述氮高效区域的所述目标区域的第二标记信息确定为氮低效区域;
根据所述目标区域对应的第一标记信息和第二标记信息,确定所述目标区域对应的类型信息。
5.根据权利要求3所述的方法,其特征在于,所述目标作物在所述目标区域内对应的无机肥氮投入量的计算公式为:;其中,/>为目标作物/>的无机肥氮投入量;/>为目标作物/>的施氮量;/>为目标作物/>的播种面积;
所述目标作物在所述目标区域内对应的有机肥氮投入量的计算公式为:;其中,/>为目标作物/>的有机肥氮投入量;/>为目标作物/>的单位面积有机肥投入量;
所述目标作物在所述目标区域内对应的固氮量的计算公式为:;其中,/>为目标作物/>的固氮量;/>为目标作物/>的单位面积固氮量;
所述目标作物在所述目标区域内对应的大气氮沉降量的计算公式为:;其中,/>为目标作物/>的大气氮沉降量;/>为目标作物/>的单位面积大气氮沉降量;
所述目标作物在所述目标区域内对应的灌溉水含氮量计算公式为:;其中,/>为目标作物/>的灌溉水含氮量;/> 为目标作物/>的单位面积灌溉水含氮量。
6.根据权利要求1所述的方法,其特征在于,所述氮阈值边界规则包括所述目标区域的氮盈余量不大于80kg N/ha且氮素利用率不小于50%及不大于90%;
所述氮阈值边界策略包括:若所述目标作物在所述目标区域内的所述氮盈余量不大于80kg N/ha且氮素利用率不小于50%及不大于90%,则将所述施氮策略确定为维持所述目标区域的当前施氮量状态;若所述目标作物在所述目标区域内的氮素利用率大于90%且所述氮盈余量不大于80kg N/ha,则控制所述目标作物在所述目标区域内的施氮量,使所述目标作物在所述目标区域内的氮素利用率保持为90%;然后若所述目标区域对应的类型信息为氮低效类型信息,调整所述目标区域的施氮量至氮盈余量不大于80kg N/ha且氮素利用率不小于50%及不大于90%;
所述稳态氮平衡策略包括根据所述目标作物的目标产量以及在所述目标区域内的氮移出率、环境氮投入量和总氮损失因子,确定向所述目标作物在所述目标区域内的最优施氮量。
7.根据权利要求6所述的方法,其特征在于,在所述当所述目标区域对应的类型信息为高产氮低效类型信息时,将所述施氮策略确定为稳态氮平衡策略之后,还包括:
在根据所述稳态氮平衡策略确定向所述目标作物在所述目标区域内的最优施氮量之后,若所述目标作物在所述目标区域内的氮管理水平信息不符合所述氮阈值边界规则,则选择所述氮阈值边界策略向所述目标作物施氮;
若所述目标作物在所述目标区域内的氮管理水平信息符合氮阈值边界规则,则保持选择所述稳态氮平衡策略向所述目标作物施氮。
8.根据权利要求6所述的方法,其特征在于,当所述目标区域对应的类型信息为低产氮低效类型信息时,若不符合氮高效类型信息,则将所述施氮策略确定为所述稳态氮平衡策略之后,还包括:
在根据所述稳态氮平衡策略确定向所述目标作物在所述目标区域内的最优施氮量之后,若所述目标作物在所述目标区域内的氮管理水平信息不符合所述氮阈值边界规则,则选择所述氮阈值边界策略向所述目标作物施氮;
若所述目标作物在所述目标区域内的氮管理水平信息符合氮阈值边界规则,则保持选择所述稳态氮平衡策略向所述目标作物施氮。
9.一种农作物施氮策略的确定装置,其特征在于,包括:
产量水平信息获得模块,用于根据目标作物在目标区域内的平均单产和平均潜在单产,得到所述目标作物在所述目标区域内的产量水平信息,所述产量水平信息包括平均单产占平均潜在单产的比值;
氮管理水平信息获得模块,用于根据所述目标作物的氮产出量和氮投入总量,得到所述目标作物在所述目标区域内的氮管理水平信息,所述氮管理水平信息包括氮素利用率和氮盈余量;
类型信息确定模块,用于根据预设的分类规则对所述产量水平信息和氮管理水平信息进行分析,确定所述目标区域对应的类型信息;所述类型信息包括高产氮高效类型信息、高产氮低效类型信息、低产氮高效类型信息和低产氮低效类型信息;
施氮策略确定模块,用于根据所述目标区域对应的类型信息,确定所述目标作物在所述目标区域的施氮策略;
其中,当所述目标区域对应的类型信息为高产氮高效类型信息时,将所述施氮策略确定为:氮阈值边界策略;
当所述目标区域对应的类型信息为高产氮低效类型信息时,将所述确定为:稳态氮平衡策略;
当所述目标区域对应的类型信息为低产氮高效类型信息时,将所述施氮策略确定为:对所述目标作物进行提产后,更新所述氮素利用率和氮盈余量,将所述施氮策略确定为氮阈值边界策略;
当所述目标区域对应的类型信息为低产氮低效类型信息时,将所述施氮策略确定为:对所述目标作物进行提产后,更新所述氮素利用率和氮盈余量,判断所述目标作物在所述目标区域内的氮管理水平信息是否符合氮高效类型信息,若符合氮高效类型信息,则将所述施氮策略确定为所述氮阈值边界策略;若不符合氮高效类型信息,则将所述施氮策略确定为所述稳态氮平衡策略。
10.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至8中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310937281.2A CN116663937B (zh) | 2023-07-28 | 2023-07-28 | 农作物施氮策略的确定方法、装置及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310937281.2A CN116663937B (zh) | 2023-07-28 | 2023-07-28 | 农作物施氮策略的确定方法、装置及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116663937A true CN116663937A (zh) | 2023-08-29 |
CN116663937B CN116663937B (zh) | 2023-11-14 |
Family
ID=87712170
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310937281.2A Active CN116663937B (zh) | 2023-07-28 | 2023-07-28 | 农作物施氮策略的确定方法、装置及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116663937B (zh) |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103168588A (zh) * | 2013-02-07 | 2013-06-26 | 中国农业科学院农业资源与农业区划研究所 | 利用优化施肥技术降低北方设施番茄硝态氮残留的方法 |
CN103636417A (zh) * | 2013-11-29 | 2014-03-19 | 中国科学院南京土壤研究所 | 一种稻田氮肥施用量的确定方法 |
CN104285574A (zh) * | 2014-09-02 | 2015-01-21 | 云南省农业科学院农业环境资源研究所 | 一种农田氮素投入阈值的计算方法 |
CN104782301A (zh) * | 2015-04-03 | 2015-07-22 | 北京市农林科学院 | 一种兼顾区域产量与环境风险的北京地区夏玉米分区施氮的方法 |
CN104813789A (zh) * | 2015-04-03 | 2015-08-05 | 北京市农林科学院 | 一种兼顾区域产量与环境风险的北京地区冬小麦分区施氮的方法 |
CN104969705A (zh) * | 2015-06-13 | 2015-10-14 | 内蒙古农业大学 | 一种基于农田氮素平衡的玉米水肥一体化施肥方法 |
CN105009768A (zh) * | 2015-07-06 | 2015-11-04 | 中国农业科学院农业资源与农业区划研究所 | 一种流域尺度氮素化肥最大允许投入量的确定方法 |
CN105279324A (zh) * | 2015-10-11 | 2016-01-27 | 中国农业科学院农业资源与农业区划研究所 | 一种基于区域尺度旱地作物氮投入环境阈值的确定方法 |
FR3027187A1 (fr) * | 2014-10-16 | 2016-04-22 | Centre Technique Interprofessionnel Des Oleagineux Et Du Chanvre (Cetiom) | Procede de determination de la quantite d'azote a fournir a une culture |
CN108633424A (zh) * | 2018-03-16 | 2018-10-12 | 中国农业科学院农业资源与农业区划研究所 | 一种冬小麦施肥方法 |
CN109328594A (zh) * | 2018-11-27 | 2019-02-15 | 大连民族大学 | 一种提高氮肥利用率的方法 |
US20200068797A1 (en) * | 2018-08-31 | 2020-03-05 | Farmers Edge Inc. | Method and system for estimating effective crop nitrogen applications |
CN113269374A (zh) * | 2021-06-25 | 2021-08-17 | 内蒙古农业大学 | 基于优化光谱指数的玉米生长季氮肥施用方法 |
CN113269450A (zh) * | 2021-05-31 | 2021-08-17 | 中国科学院地理科学与资源研究所 | 一种县级尺度农作物资源利用与环境效应评估方法与系统 |
CN115413462A (zh) * | 2022-09-29 | 2022-12-02 | 中国科学院南京土壤研究所 | 一种水稻氮肥施用量的确定方法 |
-
2023
- 2023-07-28 CN CN202310937281.2A patent/CN116663937B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103168588A (zh) * | 2013-02-07 | 2013-06-26 | 中国农业科学院农业资源与农业区划研究所 | 利用优化施肥技术降低北方设施番茄硝态氮残留的方法 |
CN103636417A (zh) * | 2013-11-29 | 2014-03-19 | 中国科学院南京土壤研究所 | 一种稻田氮肥施用量的确定方法 |
CN104285574A (zh) * | 2014-09-02 | 2015-01-21 | 云南省农业科学院农业环境资源研究所 | 一种农田氮素投入阈值的计算方法 |
FR3027187A1 (fr) * | 2014-10-16 | 2016-04-22 | Centre Technique Interprofessionnel Des Oleagineux Et Du Chanvre (Cetiom) | Procede de determination de la quantite d'azote a fournir a une culture |
CN104782301A (zh) * | 2015-04-03 | 2015-07-22 | 北京市农林科学院 | 一种兼顾区域产量与环境风险的北京地区夏玉米分区施氮的方法 |
CN104813789A (zh) * | 2015-04-03 | 2015-08-05 | 北京市农林科学院 | 一种兼顾区域产量与环境风险的北京地区冬小麦分区施氮的方法 |
CN104969705A (zh) * | 2015-06-13 | 2015-10-14 | 内蒙古农业大学 | 一种基于农田氮素平衡的玉米水肥一体化施肥方法 |
CN105009768A (zh) * | 2015-07-06 | 2015-11-04 | 中国农业科学院农业资源与农业区划研究所 | 一种流域尺度氮素化肥最大允许投入量的确定方法 |
CN105279324A (zh) * | 2015-10-11 | 2016-01-27 | 中国农业科学院农业资源与农业区划研究所 | 一种基于区域尺度旱地作物氮投入环境阈值的确定方法 |
CN108633424A (zh) * | 2018-03-16 | 2018-10-12 | 中国农业科学院农业资源与农业区划研究所 | 一种冬小麦施肥方法 |
US20200068797A1 (en) * | 2018-08-31 | 2020-03-05 | Farmers Edge Inc. | Method and system for estimating effective crop nitrogen applications |
CN109328594A (zh) * | 2018-11-27 | 2019-02-15 | 大连民族大学 | 一种提高氮肥利用率的方法 |
CN113269450A (zh) * | 2021-05-31 | 2021-08-17 | 中国科学院地理科学与资源研究所 | 一种县级尺度农作物资源利用与环境效应评估方法与系统 |
CN113269374A (zh) * | 2021-06-25 | 2021-08-17 | 内蒙古农业大学 | 基于优化光谱指数的玉米生长季氮肥施用方法 |
CN115413462A (zh) * | 2022-09-29 | 2022-12-02 | 中国科学院南京土壤研究所 | 一种水稻氮肥施用量的确定方法 |
Also Published As
Publication number | Publication date |
---|---|
CN116663937B (zh) | 2023-11-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Sileshi et al. | Nutrient use efficiency and crop yield response to the combined application of cattle manure and inorganic fertilizer in sub-Saharan Africa | |
CN107660368B (zh) | 一种春玉米施肥方法 | |
Pathak et al. | Introducing greenhouse gas mitigation as a development objective in rice-based agriculture: I. Generation of technical coefficients | |
Gao et al. | New estimates of direct N 2 O emissions from Chinese croplands from 1980 to 2007 using localized emission factors | |
Hopkins et al. | Implications of climate change for grassland in Europe: impacts, adaptations and mitigation options: a review | |
Wang et al. | Greenhouse gas intensity of three main crops and implications for low-carbon agriculture in China | |
CN113487079A (zh) | 一种城市土地利用规模结构低碳化布局的方法及装置 | |
Piwowar | Low-carbon agriculture in Poland: Theoretical and practical challenges | |
CN112700035B (zh) | 一种区域尺度农作物分区水肥管理模式的优化方法 | |
CN116128161B (zh) | 一种农业用地碳排放预测方法与系统 | |
CN115413462B (zh) | 一种水稻氮肥施用量的确定方法 | |
Zhuang et al. | Effects and potential of optimized fertilization practices for rice production in China | |
CN102855351A (zh) | 一种基于统计数据和遥感数据的农作物秸秆资源空间化方法 | |
Lyu et al. | Performance assessment of rice production based on yield, economic output, energy consumption, and carbon emissions in Southwest China during 2004–2016 | |
Jin et al. | Energy assessment of different rice–wheat rotation systems | |
Yang et al. | Can reduced-input direct seeding improve resource use efficiencies and profitability of hybrid rice in China? | |
Liu et al. | Production in peatlands: Comparing ecosystem services of different land use options following conventional farming | |
Chen et al. | Combing mechanical side-deep fertilization and controlled-release nitrogen fertilizer to increase nitrogen use efficiency by reducing ammonia volatilization in a double rice cropping system | |
Yu'e et al. | Emissions of N2O, NH3 and NOx from fuel combustion, industrial processes and the agricultural sectors in China | |
CN116663937B (zh) | 农作物施氮策略的确定方法、装置及设备 | |
Dhillon et al. | Influence of staggered sown Spring sunflower (Helianthus annuus L.) at varying intra–row spacing and applied–N on pre–and post–anthesis N dynamics and dry matter partitioning in Indo–Gangetic Plains Region | |
Cheng et al. | Is scale production more advantageous than smallholders for Chinese rice production? | |
Chai et al. | Mitigation potential of greenhouse gases under different scenarios of optimal synthetic nitrogen application rate for grain crops in China | |
CN111008789A (zh) | 一种核算种植业氮肥施用后氨排放量的方法 | |
He et al. | Research on characteristics and effecting factors of crop farming carbon emission in Henan Province, China |
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 |