基于不同马铃薯品种的氮肥管理方案研究进展

高天宇 樊明寿 于 静 王 晶

（内蒙古农业大学农学院，内蒙古呼和浩特 010019）

随着我国经济日益发展，人民生活水平不断提高，人们对于农产品的需求不再满足于解决温饱，而是品种种植多元化结构与市场契合度不断优化（卢江，2020；陈惠芬和杨洁，2021）。以内蒙古地区马铃薯生产为例，2020 年以往的主栽品种克新1 号种植面积仅占当地马铃薯种植总面积的5%，冀张薯12 号占到40%，而价格较高、销售较好、市场优势明显的希森6 号、V7 等种植面积趋于增加（李志平和郭景山，2021）。然而，这些品种往往对水肥较为敏感，水分和肥料的不合理投入限制了产量潜力的充分发挥。在目前高产优质生产背景下，氮肥的投入仍是关注的重点。

氮是马铃薯产量和品质形成的关键因子之一，氮肥的过量施用或不足均会造成马铃薯产量下降，块茎淀粉、还原糖含量降低，显著影响其商品薯率，造成经济效益低下（陈杨 等，2009；王克秀 等，2019）；且研究发现我国总氮（TN）损失虽总体呈下降趋势，但化肥过量施用的现象依旧普遍（Li et al.，2020），《第二次全国污染源普查公报》（2020）显示种植业水污染物排放总氮71.95 万t，农户氮肥施用不足或过量导致农作物产量降低、环境污染等问题依然严峻。何丹丹等（2019）根据在施氮和不施氮条件下不同马铃薯品种的平均产量，把马铃薯品种分为4 种氮利用效率类型，不同类型间产量及根系指标差异显著；克新1 号、费乌瑞它、夏波蒂的产量与氮肥用量相关，不同施氮量处理间产量差异显著（李瑞，2019）；此外，不同马铃薯品种对氮素的需求规律及养分需求量差异也较大（于静 等，2021）。目前生产上普遍存在氮肥管理盲目统一化的现象，即所有品种的施氮方案一致，易造成肥料的不合理利用，引起氮肥利用率降低、生产成本增加、环境风险提高等问题。综上所述，不同马铃薯品种的氮素需求特点和氮肥利用效率不尽相同，因而不同品种的氮肥推荐办法并不一致，但每个品种建立一套独立的氮肥推荐办法，不仅费工费时，而且容易引起混乱，不便推广。因此，构建不同品种间归一化的氮肥推荐方案是开展合理氮肥管理的关键。本文综合分析了马铃薯品种间氮肥利用率差异产生的原因，并探讨品种间归一化氮素营养管理方案及其利与弊，以期为马铃薯氮肥养分优化管理提供可能途径，助力农业绿色发展。

1 作物不同品种氮素利用能力不同

1.1 不同品种地下部氮素利用差异

根是吸收和运输土壤中营养物质的重要器官（Siddiques et al.，1990），根系的形态、分布及生理生化特性对土壤中氮素的吸收能力影响显著。通常认为，根长、根表面积、根体积和平均直径是根系发育的重要形态学指标（Shepherd，2003；Zhang et al.，2017）。

同一作物的不同品种产量水平、氮素利用率不同，究其原因为其根长、根表面积均有显著差异。往往氮高效品种根系指标优于氮低效品种，其产量和氮素利用率均高于氮低效品种（Dunbabind et al.，2003）。玉米、小麦、水稻、马铃薯均表现出相似的规律，玉米氮高效品种吉单27、京科968和先玉335 的根长、根表面积均大于氮低效品种四单19、郑单335、强胜101（Hammer et al.，2009；程乙 等，2017；Su et al.，2019；Yu et al.，2021）；小麦氮低效品种南大2419 和扬麦1 号的根长、根表面积均小于氮高效品种扬麦16 号，产量水平也相对较低（Guo et al.，2019）；水稻氮高效品种水源349 的根长大于氮低效品种五优244、R83-12，氮高效品种bluebell、扬稻2 号的根表面积大于氮低效品种IR74（程建峰 等，2007；董桂春 等，2016）；马铃薯氮高效品种Astrid 的根长、根表面积均大于氮低效品种Bodenkraft（Sattelmacher et al.，1990），高氮高效品种克新1 号的根长、根表面积均大于低氮高效品种夏波蒂和低氮低效品种麦肯，且其产量和氮素利用率亦远高于这两个品种（何丹丹 等，2019）。由此可见，作物的根越长、根表面积越大，其产量和氮素利用率越高。以根系特征为切入点开展作物不同品种间的归一化氮肥推荐可能是提高产量和肥料利用率的有效途径。

1.2 不同品种地上部氮素利用差异

作物不同品种株高、叶片大小、叶绿素含量、干物质量、光合速率等均存在显著差异。研究发现，水稻自交品种黄华占的叶面积指数在不同氮肥用量下均低于普通杂交品种川油10 号，其产量及氮素利用率也均低于川油10 号（Huang et al.，2018）；玉米品种Jalale 的叶面积指数略高于Azam，其产量水平也高于Azam（Akmal et al.，2010）；马铃薯品种克新1 号的叶面积指数显著高于NRCRI、Tukwak，其产量变化与叶面积指数一致（Sattelmacher et al.，1990；Namo &Opaleye，2018）。还有研究发现，在同一施氮水平下，由于品种间的差异小麦产量不同，且与籽粒中氮含量呈相关关系（秦永林，2013）；与其他玉米品种相比金玉838 号具有较大的光合面积，更有利于氮素的转化利用，该品种的氮素吸收效率、氮素利用效率、氮肥偏生产力也高于其他品种（叶开梅，2020）；不同玉米品种间叶面积、叶面积指数、SPAD 值具有显著差异，当施氮量为180 kg·hm时氮高效品种叶面积、叶面积指数和SPAD 值均显著高于氮低效品种（张茜，2018）。此外，赵一超（2013）研究表明，不同基因型棉花氮胁迫下的叶绿素含量均低于氮充足条件。陈魏涛（2016）研究表明，油菜在高氮处理下单株总叶数高于低氮处理，且品种间植株氮素利用效率存在显著差异。综上所述，利用不同作物品种地上部与氮素利用的关系是建立品种间归一化氮肥营养管理方案的可行途径之一。

2 作物不同品种间归一化氮素营养管理

2.1 基于临界氮浓度稀释曲线的归一化氮素营养管理

Greenwood 等（1990）提出的临界氮浓度稀释曲线模型，可用于评价作物全生育期氮浓度和地上部生物量的关系。该模型为Nc=a-b，式中Nc为植株临界氮浓度，为植株地上部生物量，a、b 为曲线参数，a 为植株生物量达到1 000 kg 时的植株氮浓度，b 为稀释曲线系数。此模型将作物氮素营养水平分为3 个标准：一，值位于曲线下方，表示该氮素水平限制作物生长；二，值位于曲线上，表示氮素供应适宜作物生长；三，值位于曲线上方，表示作物存在对氮的富吸收（Marino et al.，2004）。在此基础上，为方便指导施肥，（Lemaire et al.，2008）继续提出了氮营养指数（NNI）的概念，其计算公式为NNI=/，式中为植株地上部氮浓度实测值，为相同干物质量条件下依据临界氮浓度稀释曲线模型求得的临界氮浓度值。若NNI=1，则表明植株内氮素营养水平处于适宜状态；NNI ＞ 1，则表明植株氮营养过剩；NNI ＜1，则表明植株氮素营养不足。目前小麦（赵犇等，2012）、玉米（李正鹏 等，2015）、水稻（Xia et al.，2014）等作物的多个临界氮浓度稀释曲线模型已构建并用于氮肥推荐，但这些模型往往仅适用于某个品种，不同品种间普适性较差。

正如前文所述，作物品种的多元化发展迅速，基于临界氮浓度稀释曲线的氮素营养管理势必存在局限性。因此，建立品种间归一化的氮肥推荐模型成为必然。前人以小麦、玉米、马铃薯等作物为研究对象，利用多种方法消除了品种间差异对此模型的影响。如，苏文楠等（2021）构建了郑单12 和陕单609 两个玉米品种基于叶干物质（leaf dry matter，LDM）、茎干物质（stem dry matter，SDM）、植株干物质（plant dry matter，PDM）的3 种临界氮浓度稀释曲线模型，郑单12 为：Nc=2.64-0.204、Nc=1.58-0.388、Nc=2.33-0.263；陕 单609 为：Nc=2.61-0.205、Nc=1.83-0.337、Nc=2.47-0.237，通过验证回归模型得出基于叶片干物质的临界氮浓度稀释曲线品种间稳定性好，诊断两个品种氮素营养状况精度高，利用上述模型开展玉米品种间归一化氮素管理可行。张加康等（2020）通过比较基于马铃薯地上部生物量、全氮浓度和马铃薯整株生物量、全氮浓度的两种临界氮浓度稀释曲线，发现后者能克服由于马铃薯品种差异而导致的曲线差别。将氮营养指数与其他参数结合建立优化模型是实现上述目标的另一途径，如Wang 等（2020）利用氮营养指数（NNI）、氮肥回收利用率（REN）和移栽后天数（DAT）建立了水稻栽培季氮素需求量（NR）估算模型，NR=（2.95-30.80）（1 -）/，该优化模型顺利通过了4 个品种的氮素营养推荐评价，实现了水稻品种间归一化氮素管理；田兴帅等（2019）通过构建小麦拔节期、孕穗期、抽穗期、开花期的氮营养指数和氮素需求量（NNI-NR）、相对产量和氮营养指数（RY-NNI）、相对产量和氮素需求量（RY-NR）的关系模型，通过决定系数评价模型拟合优度，建立了4 个小麦品种间归一化的临界氮浓度稀释曲线，基于NNI-NR、RY-NNI、RY-NR 建立的氮营养指数成功用于诊断小麦氮素的盈亏情况。

2.2 基于SPAD 值的归一化氮素营养管理

便携式叶绿素仪可以无损检测的方式得出叶片叶绿素的相对含量，是评估植物中氮水平的一种实用替代方法（Yadavay，1986），而叶绿素含量与植株中氮浓度和作物产量相关（Silveira &Gonzaga，2017）。

Peterson 等（1993）利用叶绿素仪作为诊断手段检测植株氮素是否缺乏并确定追肥量，同时提出了氮充足指数（NSI）这一概念，即测试田块与充足施氮田块的叶片叶绿素含量的比值。当NSI ＜0.95 时，表明测试田块氮素亏缺，目标产量无法达到，则需追施氮肥；当NSI ＞ 0.95 时，则表明测试田块氮素充足，无需增施氮肥且氮肥过量；当NSI=0.95 时，则表明测试田块氮素供应量可达到目标产量，是最适宜的氮肥用量。Varvel等（2007）在玉米3 个营养阶段V8（玉米第8 片叶完全展开）、V10（玉米第10 片叶完全展开）和V12（玉米第12 片叶完全展开，也称大喇叭口期），结合收集到的多年的叶绿素仪数据及生长度日数据，计算得到充足指数（SI），再通过SI 与氮肥用量建立二次回归模型进行指导施肥，从而减轻品种间差异影响，以实现最大产量。

此外，基于SPAD 值变型的营养诊断是实现品种间归一化氮素推荐的有效途径之一。樊明寿等（2014）研究发现，上、下叶位的SPAD 值差值可消除品种间差异，进一步筛选出SPAD-/SPAD与施氮量呈显著负相关，SPAD-/SPAD可作为不同马铃薯品种间归一化的氮素诊断指标。陈俊辉（2014）根据SPAD-/SPAD与氮营养指数建立模型如下：Sc=-2 × 10 -5+0.003 3-0.099，式中Sc 为任意时间马铃薯叶片的临界叶位差异指数，为出苗后22～25 d 中的任意一天，马铃薯出苗22～25 d 内若测得SPAD-/SPAD值Si（在这一段时间实际测定并计算的SPAD-/SPAD）＞ Sc，则应追施氮肥，反之则不需要；李杰等（2017）和Li 等（2020）研究发现，由水稻产量与抽穗期田块表观供氮量（Nx）的关系可以确定获得目标产量相应的表观总吸氮量，而施氮量为表观总吸氮量与土壤表观供氮量之差，通过田块表观供氮量与SPAD 值衍生指标〔采用了4 种SPAD 值衍生指标，分别为：SPAD-=顶4 叶SPAD 值-顶3 叶SPAD 值、SPAD（-）/=（顶3 叶SPAD 值-顶4 叶SPAD 值）/ 顶3 叶SPAD 值、SPAD（-）/（+）=（顶2 叶SPAD 值-顶1 叶SPAD 值）/（顶2 叶SPAD 值+顶1 叶SPAD 值）、SPAD×/mean=顶3 叶SPAD 值×顶4 叶SPAD 值/4 片叶片平均SPAD 值〕的关系，建立了基于SPAD 值的水稻施氮模型Nw=-〔（-b）/k -〕，式中Nw 表示总施氮量，表示水稻品种表观总吸氮量，表示叶片SPAD 值衍生指标，表示追肥之前已经施入的氮量，k、b 是田块表观供氮量与叶片SPAD 值衍生指标线性关系中的斜率和截距，而田块表观供氮量为土壤表观供氮量（Nt）与已施氮量（Ng）之和。该模型在品种间具有一定的稳定性和适用性，在水稻种植施氮决策过程中值得考虑和推荐。

综上所述，基于SPAD 值的氮素营养管理实现了品种间的普适性，与临界氮浓度稀释曲线模型相比，具有无损、实时性好的优点，但是水分状况和辐照度对叶绿素计值有很大的影响，具有代表性的SPAD 值需要植株群体数量足够大（＞ 30 株），获取过程费时费力，在农业生产规模化发展的背景下，该技术的广泛应用仍存在局限性。

2.3 基于光谱信息的归一化氮素营养管理

遥感（RS）是精确农业的主要技术之一。遥感技术收集的光谱波段与作物植被覆盖率、叶绿素含量、氮含量等生理指标有显著的相关关系（Gianquinto et al.，2004），利用农作物冠层光谱的反射率特征估算作物生长过程中的植物氮状况是农业遥感的重要应用（Li et al.，2014）。韩康等（2020）和杨海波等（2020a）研究发现，不同作物对氮敏感的光谱敏感信息不同，其施肥模型势必存在差异。比值植被指数（RVI）、归一化植被指数（NDVI）、差值环境植被指数（DVI）、绿度植被指数（GVI）等敏感植被指数已与作物生长指数如作物氮浓度、作物氮积累量、叶面积指数等建立了模型关系并成功应用在氮素营养诊断和推荐施肥方面。然而，不同作物在其关键生育期对光谱的反射率存在差异，且不同品种在相同生长条件下反射率亦不同（Li et al.，2018），因此基于光谱信息的作物品种间归一化氮素营养诊断应首先确定特定作物的敏感光谱指数。

Yang 等（2020）研究发现，不同小麦品种间对氮肥利用率预测敏感的指数为红光归一化差值植被指数（RNDVI）、绿光归一化差值植被指数（GNDVI）、归一化差值红光指数（NDRE）和红边叶绿素指数（RECI），其中RNDVI 的预测效果最好；不同作物基因型在特定生育阶段对氮肥的需求量是不同的，通过无人机多光谱数据的采集，成功预测氮肥供应量的变化及其对生物量发展、叶绿素水平的影响，有助于不同小麦品种准确选择氮肥用量；而曹静等（2010）以生理发育时间（PDT）为生育期预测器，计算不同品种在不同环境条件下主要生育期所需的生长度日（GDD），将GDD 和各氮营养指标归一化处理，以相对生长度日（相对GDD）和相对氮营养指标建立适宜稻麦氮管理模型，在一定程度上克服了品种带来的影响；杨雪（2015）将各生育时期的小麦植株冠层NDVI值归一化处理即可获得相对NDVI 值（RNDVI），其计算公式为各时期NDVI 值/同处理全生育期内最大NDVI 值，RNDVI 值与相对累积生长度日（RAGDD）变化趋势一致，基于花前RNDVI 和RAGDD 的Logistic 模型可实现小麦品种间的归一化氮素营养管理；Nigon 等（2014）通过将光谱指数归一化并确定合适的NSI 阈值，不同的NSI 阈值水平应根据：①光谱指数的内在变化率/CV（变异系数），② 使用的NSI 参考，③生长时间来确定，从而屏蔽因马铃薯品种、生育期或其他当地条件带来的差异，确定合适的施肥时间和施肥量；而马铃薯花后的氮肥推荐也是养分管理中的重点，马铃薯封垄后不同马铃薯品种冠层NDVI 值差异不显著，且品种混合降低了NDVI 值的敏感度，上述NDVI 值归一化方法及推荐施肥模型不再适用于此时期的氮肥推荐，而基于时间序列归一化的光谱指数（TNDVI）的估测模型=0.003 1+0.000 3可用于品种间的氮肥归一化推荐（杨海波 等，2020b）。

上述方法均为基于产量与光谱指数之间的关系建立的推荐施肥模型，在一定程度上克服了品种差异带来的影响，然而不同品种的产量潜力不尽相同，参数的设置成为关键，可能限制模型的使用；另外，PDT、GDD 对于环境温度要求很高，不同年限变化差异显著，适用性仍有待考究。而NDVI、TNDVI 等光谱指数受生育时期的影响较大，仅仅归一化某个生育时期可能会因忽略了其他时期对氮肥的需求而造成产量的下降。因此基于光谱信息的品种间氮素归一化管理仍有待于进一步探究。

3 展望

综述前人研究发现，基于临界氮浓度稀释曲线归一化马铃薯品种间差异最为准确，但不具有时效性，且操作繁琐，是有损测试；基于SPAD 值的氮素营养诊断快速、简便、无损，且前人研究结果显示基于SPAD 值的不同马铃薯品种归一化氮素管理方案是可行的，但其模型具有较强的地域性、时效性，并且数据需求量大，获取繁琐；而基于光谱的氮素营养诊断可以实现品种归一化管理，降低品种差异带来的影响，无损、快速、便捷地获取数据，但实际农事操作中各种光谱指数的选择，模型参数的设定还需要继续研究。如何真正意义上实现减轻品种差异带来的影响，充分发挥不同品种的氮素利用特点，实现马铃薯高产、养分高效利用，做到农业绿色发展是未来研究的方向。