基于生长模型的精准施肥技术在田间试验中显著提升了青葱的生长表现

作物生长模型与精准灌溉策略优化研究。绿葱（Sinheukgeumjang）作物通过Logistic、Gompertz和双对数模型拟合生长曲线，结合实时土壤电导率（EC）监测开发了模型驱动动态灌溉系统（MIDFS）。实验表明MIDFS较传统均匀灌溉（UFS）和比例灌溉（PFS）使植物生长效率提升14-15%，产量增加21-28%，显著降低养分流失风险。

　　

摘要

作物的生长特性受到环境条件、养分投入和气候的影响，因此需要采用适应性强的肥料管理策略。本研究建立了青葱（Sinheukgeumjang）的作物生长模型，并评估了三种施肥策略，以优化田间条件下的养分施用。通过Levenberg–Marquardt算法，利用Logistic模型、Gompertz模型和Double Logistic模型对定量施肥控制系统中的生长数据进行了拟合。模型性能通过决定系数（R2）和赤池信息量准则（AIC）进行评估，同时通过分层自助重采样方法量化了参数的不确定性。比较了三种施肥方案：（1）均匀施肥，在整个生长期均匀分配养分；（2）比例施肥，根据生长曲线的斜率来分配肥料；（3）基于模型的动态施肥，该方法在比例施肥的基础上结合了实时土壤电导率（EC）监测，根据模拟的生长情况和当前的田间条件调整养分施用量。2024年的田间试验表明，基于模型的动态施肥系统（MIDFS）在提高植株长度和产量方面显著优于其他方法。与均匀施肥系统（UFS）和比例施肥系统（PFS）相比，MIDFS分别使植株生长和产量提高了约14–15%和21–28%，证明了其相较于传统施肥方法的优势。通过使养分供应与作物需求相匹配，该策略降低了养分不足和过量的风险，并提高了资源利用效率。研究表明，将作物生长建模与不确定性估计及实时传感器数据相结合，为动态、特定地点的施肥管理提供了可靠的框架。这种方法支持精准养分施用和可持续农业生产，突显了基于模型、由传感器驱动的施肥策略的实际价值。