大數(shù)據(jù)時(shí)代精準(zhǔn)施肥模式實(shí)現(xiàn)路徑及其技術(shù)和方法研究展望

何山，孫媛媛，沈掌泉，王珂

（浙江大學(xué)農(nóng)業(yè)遙感與信息技術(shù)應(yīng)用研究所，浙江杭州 310058）

大數(shù)據(jù)時(shí)代精準(zhǔn)施肥模式實(shí)現(xiàn)路徑及其技術(shù)和方法研究展望

何山，孫媛媛，沈掌泉，王珂*

（浙江大學(xué)農(nóng)業(yè)遙感與信息技術(shù)應(yīng)用研究所，浙江杭州 310058）

自上世紀(jì)70年代起，我國(guó)開(kāi)展了田間養(yǎng)分精準(zhǔn)管理方法與技術(shù)的研究和推廣，包括測(cè)土配方施肥、土壤養(yǎng)分測(cè)試和作物營(yíng)養(yǎng)診斷，積累了大量土壤類型、肥力等基礎(chǔ)數(shù)據(jù)以及農(nóng)村地籍調(diào)查、農(nóng)業(yè)普查、作物需肥規(guī)律等田間養(yǎng)分管理相關(guān)數(shù)據(jù)。但田間養(yǎng)分精準(zhǔn)管理目前依舊存在重研究、輕應(yīng)用，重理論、輕技術(shù)，專業(yè)分工太細(xì)，分割化、碎片化嚴(yán)重，傳統(tǒng)與現(xiàn)代融合不夠，可實(shí)際應(yīng)用的產(chǎn)品、技術(shù)較少，農(nóng)戶體驗(yàn)差等問(wèn)題。日漸成熟的信息互聯(lián)、互通、互享技術(shù)與平臺(tái)，功能日益強(qiáng)化的人工智能技術(shù)等，為實(shí)現(xiàn)田間養(yǎng)分管理走向精細(xì)化、信息化與系統(tǒng)化，進(jìn)而為實(shí)現(xiàn)跨越式發(fā)展提供了契機(jī)。本文從我國(guó)農(nóng)田經(jīng)營(yíng)分散的實(shí)際國(guó)情出發(fā)，根據(jù)精準(zhǔn)施肥原理、認(rèn)識(shí)與定位，提出了“基準(zhǔn)+精準(zhǔn)”模式的田間養(yǎng)分管理方案，以測(cè)土配方施肥為基礎(chǔ)，結(jié)合數(shù)據(jù)挖掘技術(shù)對(duì)現(xiàn)有數(shù)據(jù)進(jìn)行綜合分析，更新制定當(dāng)年田間養(yǎng)分管理“基準(zhǔn)”施肥方案，包括基肥和追肥的施用數(shù)量及施用時(shí)間，同時(shí)利用云GIS可實(shí)現(xiàn)農(nóng)田數(shù)據(jù)的空間信息化和施肥方案田塊化管理的可視化，為移動(dòng)端施肥方案的推送和實(shí)現(xiàn)田塊尺度上的信息化精細(xì)管理奠定基礎(chǔ)。以數(shù)字圖像無(wú)損診斷作為技術(shù)支撐，通過(guò)機(jī)器學(xué)習(xí)作物數(shù)字圖像特征參數(shù)來(lái)建立營(yíng)養(yǎng)診斷模型，判斷得出作物營(yíng)養(yǎng)脅迫種類及程度，從而對(duì)當(dāng)季田間作物長(zhǎng)勢(shì)及營(yíng)養(yǎng)狀況進(jìn)行準(zhǔn)實(shí)時(shí)監(jiān)測(cè)與評(píng)價(jià)，進(jìn)而實(shí)現(xiàn)對(duì)田間“基準(zhǔn)”施肥方案特別是追肥施用的“精準(zhǔn)”修正。最后通過(guò)構(gòu)建“云+手持終端+數(shù)字圖像”系統(tǒng)架構(gòu)實(shí)現(xiàn)“基準(zhǔn)方案推送—無(wú)損診斷—精準(zhǔn)修訂—成效反饋—方案優(yōu)化”的動(dòng)態(tài)實(shí)施和更新，對(duì)測(cè)土配方施肥技術(shù)體系進(jìn)行完善，同時(shí)實(shí)現(xiàn)相關(guān)成果更新和持續(xù)利用，解決成果應(yīng)用的“最后一公里”問(wèn)題。

測(cè)土配方施肥；精準(zhǔn)施肥；大數(shù)據(jù)分析；光譜營(yíng)養(yǎng)診斷；“基準(zhǔn)+精準(zhǔn)”養(yǎng)分管理模式

建國(guó)以來(lái)，我國(guó)開(kāi)展了兩次全國(guó)性的土壤普查，并大力推進(jìn)測(cè)土配方施肥和耕地地力調(diào)查等系列工作，但化肥過(guò)量施用現(xiàn)象依舊普遍。據(jù)2015年世界糧農(nóng)組織 (FAO) 統(tǒng)計(jì)，我國(guó)化肥平均施用量為643.9 kg/hm2，是世界平均施肥水平的4.62倍[1]。2010年我國(guó)環(huán)保部發(fā)布的《第一次全國(guó)污染源普查公報(bào)》指出，我國(guó)農(nóng)業(yè)面源污染已超過(guò)點(diǎn)源污染，成為水環(huán)境污染的最大污染源，而其中化肥的過(guò)度施用是引起相關(guān)污染的重要原因之一。為此，國(guó)家提出“化肥減量工程”以進(jìn)一步提高區(qū)域耕地保護(hù)與管理水平和實(shí)現(xiàn)農(nóng)業(yè)可持續(xù)發(fā)展。2015年農(nóng)業(yè)部制定的《到2020年化肥使用量零增長(zhǎng)行動(dòng)方案》指出“力爭(zhēng)到2020年，主要農(nóng)作物化肥使用量實(shí)現(xiàn)零增長(zhǎng)”。所以，如何集成現(xiàn)有海量土壤養(yǎng)分和施肥管理的數(shù)據(jù)、技術(shù)和成果，并通過(guò)現(xiàn)代信息技術(shù)轉(zhuǎn)化為農(nóng)技人員和農(nóng)戶提供更容易接受與采納的服務(wù)方案和產(chǎn)品，是目前農(nóng)業(yè)“減肥工程”迫切需要解決的重點(diǎn)工作之一。因此，建立一套基于大量土肥基礎(chǔ)信息與當(dāng)前科研和應(yīng)用成果，又體現(xiàn)信息時(shí)代優(yōu)勢(shì)與特點(diǎn)的經(jīng)濟(jì)、高效、可持續(xù)的土壤養(yǎng)分管理和精準(zhǔn)施肥模式及其支撐技術(shù)體系意義重大。

1 研究進(jìn)展、存在問(wèn)題以及基于大數(shù)據(jù)時(shí)代的對(duì)策

1.1 研究進(jìn)展

1.1.1數(shù)據(jù)積累 隨著測(cè)土配方施肥的實(shí)施和農(nóng)業(yè)信

息技術(shù)的大范圍應(yīng)用與普及，土肥數(shù)據(jù)量呈爆炸式增長(zhǎng)。據(jù)統(tǒng)計(jì)，從2005年至2014年底，我國(guó)測(cè)土配方施肥工程共采集土壤樣品1798萬(wàn)個(gè)，獲得分析數(shù)據(jù)1.24億個(gè)[2]，并且在土壤測(cè)試的基礎(chǔ)上開(kāi)展耕地地力專題調(diào)查，建立耕地土壤豐缺指標(biāo)，開(kāi)發(fā)縣域耕地資源管理信息系統(tǒng)，初步摸清了1857個(gè)項(xiàng)目縣(場(chǎng)) 14億畝耕地土壤養(yǎng)分狀況[2]，建立了豐富多元化的土壤數(shù)據(jù)庫(kù)。與此同時(shí)，廣泛開(kāi)展主要農(nóng)作物的肥效試驗(yàn)，試驗(yàn)數(shù)累計(jì)達(dá)33萬(wàn)多個(gè)，初步摸清了土壤供肥量、肥料利用效率等基本參數(shù)，基本掌握了水稻、小麥、玉米等主要作物需肥規(guī)律，并向農(nóng)戶發(fā)放施肥建議卡共9.2億份[2]。以上工作積累了海量從縣級(jí)到省級(jí)的土壤類型、土壤養(yǎng)分、土壤肥力等基礎(chǔ)數(shù)據(jù)，以及農(nóng)村地籍調(diào)查、農(nóng)業(yè)普查、作物需肥規(guī)律、地形地貌、農(nóng)田水利設(shè)施等與養(yǎng)分精準(zhǔn)管理過(guò)程密切相關(guān)的空間數(shù)據(jù)和屬性數(shù)據(jù)，為進(jìn)一步制定合理的田間施肥方案、引導(dǎo)科學(xué)施肥等奠定了堅(jiān)實(shí)基礎(chǔ)。

1.1.2原理和理論 科學(xué)施肥需要遵循一定的原理和理論。1840年，德國(guó)化學(xué)家李比希創(chuàng)立礦質(zhì)養(yǎng)分歸還學(xué)說(shuō)，提出植物從土壤中帶走的養(yǎng)分，需通過(guò)施肥的方式歸還[3]，最小養(yǎng)分律、報(bào)酬遞減律、營(yíng)養(yǎng)元素的同等重要與不可替代律等，這些經(jīng)典的施肥理論在指導(dǎo)田間合理施肥的歷史進(jìn)程中發(fā)揮了重要作用，也是未來(lái)精準(zhǔn)養(yǎng)分管理、決策的重要理論依據(jù)[4]。測(cè)土配方施肥是聯(lián)合國(guó)在全世界推行的先進(jìn)農(nóng)業(yè)技術(shù)，是目前世界公認(rèn)的科學(xué)施肥方法之一。所謂測(cè)土配方是指通過(guò)測(cè)定土壤養(yǎng)分含量來(lái)因地制宜地制定田間施肥方案。測(cè)土配方施肥也是我國(guó)田間養(yǎng)分管理具有里程碑式的工作，取得了巨大的經(jīng)濟(jì)和社會(huì)效益。

1.1.3方法與技術(shù)

1) 測(cè)土配方施肥是制定田間養(yǎng)分管理基礎(chǔ)方案的方法依據(jù)。經(jīng)典測(cè)土配方施肥方法主要包括地力分區(qū)配方法，目標(biāo)產(chǎn)量配方法 (養(yǎng)分平衡法、地力差減法)，田間試驗(yàn)法 (肥料效應(yīng)函數(shù)法、養(yǎng)分豐缺指標(biāo)法、NPK比例法)。測(cè)土配方施肥方法所形成的一套包括“測(cè)土、配方、配肥、供應(yīng)、施肥指導(dǎo)”五個(gè)核心環(huán)節(jié)的成熟理論體系對(duì)作物田間養(yǎng)分管理方案的制定具有重要的指導(dǎo)意義[5]。

2) 土壤養(yǎng)分測(cè)試是制定田間養(yǎng)分管理基礎(chǔ)方案的核心內(nèi)容。傳統(tǒng)的土壤養(yǎng)分測(cè)試技術(shù)主要為室內(nèi)土樣化學(xué)分析。隨著現(xiàn)代化農(nóng)業(yè)的發(fā)展，各種土壤養(yǎng)分測(cè)試新技術(shù)不斷出現(xiàn)，包括高光譜遙感反演技術(shù)、多光譜遙感回歸分析技術(shù)以及應(yīng)用電磁感應(yīng)傳感器、探地雷達(dá)等設(shè)備原位獲取田間土壤養(yǎng)分信息等新技術(shù)[6–8]，為快速、有效獲取土壤養(yǎng)分狀況提供了可能。

3) 作物營(yíng)養(yǎng)診斷是實(shí)現(xiàn)作物田間養(yǎng)分精準(zhǔn)管理的技術(shù)支撐。植物營(yíng)養(yǎng)診斷技術(shù)主要包括專家經(jīng)驗(yàn)判斷、室內(nèi)化學(xué)分析以及田間無(wú)損診斷技術(shù)。其中，田間無(wú)損診斷技術(shù)又包括SPAD測(cè)量技術(shù)、高光譜成像技術(shù)、數(shù)字圖像診斷技術(shù) (數(shù)碼相機(jī)、掃描儀等) 以及航空、航天遙感技術(shù)等[9–11]。

1.1.4實(shí)踐與成效 我國(guó)精準(zhǔn)養(yǎng)分管理系列工作已取得了顯著成效，在農(nóng)業(yè)節(jié)本增效、增產(chǎn)增收等方面發(fā)揮了積極的作用。據(jù)農(nóng)業(yè)部全國(guó)農(nóng)業(yè)技術(shù)推廣服務(wù)中心統(tǒng)計(jì)，目前全國(guó)測(cè)土配方施肥推廣面積已近14億畝，覆蓋率達(dá)60%以上，而且我國(guó)2015年水稻、玉米、小麥三大糧食作物化肥利用率較2005年提高了7.2個(gè)百分點(diǎn)[12]；截至2013年底，全國(guó)累計(jì)減少不合理施肥950多萬(wàn)噸，有效減輕了農(nóng)業(yè)面源污染[2]。與此同時(shí)，各級(jí)農(nóng)業(yè)部門建立了國(guó)家、省、市、縣四級(jí)耕地質(zhì)量監(jiān)測(cè)網(wǎng)絡(luò)，布設(shè)了1萬(wàn)多個(gè)耕地質(zhì)量長(zhǎng)期定位監(jiān)測(cè)控制點(diǎn)，并于2014年底由農(nóng)業(yè)部牽頭完成了2400多個(gè)農(nóng)業(yè)縣的耕地地力調(diào)查與質(zhì)量評(píng)價(jià)[13]。精準(zhǔn)農(nóng)業(yè)系列工作不僅有效提高化肥利用率與實(shí)施耕地質(zhì)量監(jiān)測(cè)，還對(duì)不同地區(qū)土壤肥力、作物需肥規(guī)律以及作物產(chǎn)量做了大量系列調(diào)查與研究，并取得了豐碩成果。2017年3月農(nóng)業(yè)部發(fā)布的《2017年春季主要農(nóng)作物科學(xué)施肥指導(dǎo)意見(jiàn)》對(duì)包括小麥、玉米、水稻在內(nèi)的9大類作物提出了相應(yīng)地區(qū)的科學(xué)施肥建議，對(duì)作物田間養(yǎng)分管理工作的進(jìn)一步實(shí)施具有重要的意義。

1.2 存在問(wèn)題

1) 重研究、輕應(yīng)用，重理論、輕技術(shù)。精準(zhǔn)施肥的相關(guān)研究大都停留在研究層面和小尺度多點(diǎn)試驗(yàn)，綜合集成應(yīng)用工作偏少[14–16]，區(qū)域養(yǎng)分管理實(shí)現(xiàn)路徑、方法與技術(shù)的研究相對(duì)欠缺，尤其是針對(duì)測(cè)試技術(shù)、數(shù)據(jù)處理技術(shù)以及綜合集成應(yīng)用技術(shù)的研究較少，真正將研究成果進(jìn)行田間實(shí)踐和實(shí)際推廣應(yīng)用的不多，以至于研究成果與生產(chǎn)實(shí)踐部分脫節(jié)，阻礙了精準(zhǔn)施肥方案的推廣普及。通過(guò)什么樣的方法、技術(shù)與渠道，將研究成果真正應(yīng)用到實(shí)際中去，易為廣大農(nóng)戶應(yīng)用，一直是亟待解決的難題。

2) 專業(yè)分工太細(xì)，分割化、碎片化嚴(yán)重。土壤、植物、大氣是一個(gè)統(tǒng)一的、動(dòng)態(tài)的、互相反饋的連續(xù)系統(tǒng)[17]，這就導(dǎo)致精準(zhǔn)施肥涉及土壤學(xué)、植物營(yíng)養(yǎng)學(xué)等不同種類的相關(guān)學(xué)科知識(shí)背景。同時(shí)，隨著信息化時(shí)代現(xiàn)代農(nóng)業(yè)的不斷發(fā)展，計(jì)算機(jī)技術(shù)、遙感技術(shù)、地理信息技術(shù)等專業(yè)領(lǐng)域的新興技術(shù)也被廣泛地應(yīng)用于精準(zhǔn)施肥領(lǐng)域[18–19]，而多學(xué)科的交叉導(dǎo)致在解決實(shí)際問(wèn)題時(shí)專業(yè)分工太細(xì)，不同領(lǐng)域間綜合性、系統(tǒng)性的有機(jī)結(jié)合不夠，缺少將分散化的研究進(jìn)行系統(tǒng)融合、協(xié)同運(yùn)轉(zhuǎn)的平臺(tái)等問(wèn)題。研究和應(yīng)用分割化、碎片化的現(xiàn)象嚴(yán)重阻礙了田間精準(zhǔn)養(yǎng)分管理的綜合、全面實(shí)施。

3) 傳統(tǒng)與現(xiàn)代技術(shù)融合不夠。精準(zhǔn)養(yǎng)分管理方案的實(shí)施需要在傳統(tǒng)的分析技術(shù)中不斷引入3S技術(shù)、遙感技術(shù)、移動(dòng)GIS技術(shù)、云技術(shù)、機(jī)器學(xué)習(xí)、人工智能等現(xiàn)代化、智能化的新技術(shù)，不僅能夠獲取更多信息，而且能充分挖掘現(xiàn)有信息的價(jià)值，進(jìn)而實(shí)現(xiàn)對(duì)田間土壤、作物等進(jìn)行定位、定時(shí)、定量的監(jiān)測(cè)與管理。美國(guó)、意大利、加拿大等發(fā)達(dá)國(guó)家精準(zhǔn)農(nóng)業(yè)的實(shí)施較為成熟，已經(jīng)較好地實(shí)現(xiàn)了包括車載GPS土壤測(cè)繪傳感器制圖、GPS施肥作業(yè)、田間計(jì)算機(jī)遠(yuǎn)程監(jiān)控、航空以及航天遙感實(shí)時(shí)監(jiān)測(cè)等現(xiàn)代技術(shù)與傳統(tǒng)采樣分析技術(shù)的有效融合[20–24]。然而，在我國(guó)精準(zhǔn)養(yǎng)分管理的實(shí)施中，傳統(tǒng)技術(shù)與現(xiàn)代技術(shù)的融合嚴(yán)重滯后。因此，加強(qiáng)傳統(tǒng)技術(shù)與現(xiàn)代技術(shù)有效、全面、深入的融合可以為我國(guó)未來(lái)全面實(shí)施精準(zhǔn)養(yǎng)分管理奠定堅(jiān)實(shí)的基礎(chǔ)。

4) 可實(shí)際應(yīng)用的產(chǎn)品、技術(shù)較少，農(nóng)戶體驗(yàn)差。隨著精準(zhǔn)施肥的不斷發(fā)展，各類田間養(yǎng)分精準(zhǔn)管理相關(guān)產(chǎn)品也相繼出現(xiàn)。除了向農(nóng)戶散發(fā)的施肥建議卡外，一系列測(cè)土配方施肥綜合服務(wù)系統(tǒng)、土壤養(yǎng)分管理與作物推薦施肥信息系統(tǒng)、田間養(yǎng)分管理專家決策支持系統(tǒng)、移動(dòng)信息查詢系統(tǒng)等農(nóng)業(yè)服務(wù)產(chǎn)品[25–30]也相繼問(wèn)世，這些產(chǎn)品對(duì)田間養(yǎng)分科學(xué)、有效的管理產(chǎn)生了一定的作用。但是系統(tǒng)界面不友好、操作人性化水平低、用戶體驗(yàn)差的問(wèn)題仍然廣泛存在，真正得到用戶認(rèn)可并且能夠在農(nóng)戶與農(nóng)技管理人員中間廣泛普及使用的產(chǎn)品與技術(shù)數(shù)量較少，系統(tǒng)內(nèi)數(shù)據(jù)的更新及系統(tǒng)升級(jí)也不夠重視。

1.3 大數(shù)據(jù)時(shí)代的機(jī)遇與對(duì)策

1) 土壤、養(yǎng)分管理等數(shù)據(jù)積累日益豐富。一方面隨著精準(zhǔn)農(nóng)業(yè)的實(shí)施和農(nóng)業(yè)信息技術(shù)的大范圍應(yīng)用與普及，土肥數(shù)據(jù)量呈爆炸式增長(zhǎng)。另一方面，特別是物聯(lián)網(wǎng)技術(shù)的發(fā)展為大數(shù)據(jù)的獲取帶來(lái)新的契機(jī)，其所產(chǎn)生和積累的數(shù)據(jù)具有范圍廣、數(shù)量大、類型豐富等特點(diǎn)，可實(shí)現(xiàn)大數(shù)據(jù)的實(shí)時(shí)快速采集。而且目前由遙感衛(wèi)星[31–32]、無(wú)人機(jī)[33–35]、地面設(shè)備[9, 36]等平臺(tái)搭載傳感器組成的“天、空、地”立體監(jiān)測(cè)網(wǎng)絡(luò)逐漸發(fā)展起來(lái)，其所獲取的不同尺度遙感信息、地面監(jiān)測(cè)數(shù)據(jù)、網(wǎng)絡(luò)數(shù)據(jù)及其他信息正呈幾何級(jí)增長(zhǎng)。通過(guò)以上渠道的獲取積累而日益豐富的土壤、養(yǎng)分管理等相關(guān)空間數(shù)據(jù)和屬性數(shù)據(jù)為進(jìn)一步制定田間養(yǎng)分精細(xì)化管理方案奠定了堅(jiān)實(shí)的基礎(chǔ)。

2) 大數(shù)據(jù)集成與分析能力越來(lái)越強(qiáng)。隨著信息時(shí)代大數(shù)據(jù)量的爆炸式增長(zhǎng)，相應(yīng)的大數(shù)據(jù)集成與分析能力也越來(lái)越強(qiáng)。其中，數(shù)據(jù)挖掘技術(shù)在數(shù)據(jù)處理和可視化方面功能強(qiáng)大，可以快速實(shí)現(xiàn)對(duì)大數(shù)據(jù)的分類、估值、預(yù)測(cè)、關(guān)聯(lián)、聚類、描述以及可視化等方面的綜合歸納、整理與分析[37–41]。此外，各種meta分析也為提升各個(gè)領(lǐng)域空間和屬性大數(shù)據(jù)的綜合集成與分析能力提供了有效渠道。由于大數(shù)據(jù)時(shí)代精準(zhǔn)養(yǎng)分管理與大數(shù)據(jù)有緊密的聯(lián)系，因此通過(guò)對(duì)農(nóng)業(yè)大數(shù)據(jù)的綜合集成與分析可以助推精準(zhǔn)養(yǎng)分管理走向精細(xì)化、信息化與系統(tǒng)化，進(jìn)而實(shí)現(xiàn)跨越式發(fā)展。

3) 信息互聯(lián)、互通、共享的技術(shù)與平臺(tái)日漸成熟?；ヂ?lián)網(wǎng)、云計(jì)算、大數(shù)據(jù)挖掘以及移動(dòng)GIS等前沿技術(shù)在信息化時(shí)代進(jìn)程中相互聯(lián)結(jié)在一起，為急劇增長(zhǎng)的海量信息提供了良好的互聯(lián)、互通、共享的平臺(tái)[42–43]。其中，云技術(shù)有著計(jì)算速度快、存儲(chǔ)空間廣、交互能力強(qiáng)等優(yōu)點(diǎn)，可以實(shí)現(xiàn)對(duì)海量、多元數(shù)據(jù)的彈性管理和靈活計(jì)算[44–45]。此外，智能手機(jī)、平板電腦等移動(dòng)終端設(shè)備，具有便攜、操作簡(jiǎn)單、功能多樣、易傳遞等優(yōu)點(diǎn)，可以全程全網(wǎng)快速實(shí)現(xiàn)信息的在線查詢、獲取與傳輸。大數(shù)據(jù)時(shí)代精準(zhǔn)養(yǎng)分管理應(yīng)充分利用日漸成熟的信息互聯(lián)、互通、共享技術(shù)，從而提高農(nóng)戶與農(nóng)技人員對(duì)相關(guān)數(shù)據(jù)的經(jīng)濟(jì)、快速獲取能力，以及信息反饋與交流的互動(dòng)能力。

4) 人工智能與多樣化和適應(yīng)性。在中國(guó)耕地分散經(jīng)營(yíng)的體制下，農(nóng)業(yè)生產(chǎn)尤為復(fù)雜[46]，精準(zhǔn)養(yǎng)分管理需要根據(jù)長(zhǎng)期經(jīng)驗(yàn)積累和當(dāng)季變化做出一定的適應(yīng)性與修正才能得到進(jìn)一步推進(jìn)。人工智能 (artificial intelligence，AI) 是研究、開(kāi)發(fā)用于模擬、延伸和擴(kuò)展人的智能的理論、方法、技術(shù)，可以實(shí)現(xiàn)對(duì)大數(shù)據(jù)的推理、判斷和感知，在面對(duì)田間復(fù)雜、多元的影響因素時(shí)，具有一定的適應(yīng)性、歸納性與自主性[47–48]。人工智能與互聯(lián)網(wǎng)的深入融合為大數(shù)據(jù)時(shí)代田間精準(zhǔn)養(yǎng)分管理提供了契機(jī)，未來(lái)的精準(zhǔn)養(yǎng)分管理需把握住人工智能快速發(fā)展的機(jī)遇，深入發(fā)掘人工智能和精準(zhǔn)養(yǎng)分管理的有機(jī)結(jié)合，在農(nóng)業(yè)大數(shù)據(jù)的助力下，實(shí)現(xiàn)田間施肥的信息化與智能化。

2 精準(zhǔn)施肥的相關(guān)理論與模式

2.1 精準(zhǔn)施肥理論

測(cè)土配方施肥所遵循的礦質(zhì)養(yǎng)分歸還學(xué)說(shuō)、最小養(yǎng)分律、報(bào)酬遞減律等經(jīng)典施肥理論為田間養(yǎng)分管理提供了重要的理論依據(jù)。測(cè)土配方施肥是以土壤肥力變異性分析為基礎(chǔ)，根據(jù)不同區(qū)域土壤供肥性能、作物需肥規(guī)律以及肥料效應(yīng)的不同，提出針對(duì)特定區(qū)域的肥料施用數(shù)量、施用時(shí)間和施用方法，從而實(shí)現(xiàn)按需供肥，最終達(dá)到高產(chǎn)、優(yōu)質(zhì)和高效的目的，是作物田間養(yǎng)分科學(xué)、有效管理的核心理論依據(jù)[4]。

傳統(tǒng)的農(nóng)業(yè)生產(chǎn)把地塊當(dāng)作均質(zhì)、統(tǒng)一的單元來(lái)進(jìn)行管理，導(dǎo)致地塊內(nèi)某些區(qū)域施肥不足或施肥過(guò)量。實(shí)際上，土壤是一個(gè)開(kāi)放的復(fù)雜體系，其養(yǎng)分在時(shí)間與空間上的分布受生物、氣候、母質(zhì)、地形、時(shí)間[49]以及人為活動(dòng)等因素的共同影響，因此土壤肥力要素、供肥保肥能力在時(shí)空分布上具有復(fù)雜的變異性。然而，土壤養(yǎng)分的時(shí)空分布在一定條件下又是相對(duì)穩(wěn)定的，雖然在不同的農(nóng)藝管理等外界因素影響下會(huì)產(chǎn)生波動(dòng)，但這種波動(dòng)在一定的時(shí)空范圍內(nèi)不是隨機(jī)的，而是具有相關(guān)性和趨向性[50–51]，是有規(guī)律可循的。因此，田間土壤養(yǎng)分的歷史積累數(shù)據(jù)仍然具有可持續(xù)利用價(jià)值，通過(guò)數(shù)據(jù)挖掘技術(shù)可以實(shí)現(xiàn)對(duì)其演變規(guī)律的定量化，從而為大數(shù)據(jù)時(shí)代精準(zhǔn)施肥方案的制定提供強(qiáng)有力的基礎(chǔ)支撐。

2.2 精準(zhǔn)施肥的認(rèn)識(shí)、定位與目標(biāo)

精準(zhǔn)施肥是精準(zhǔn)農(nóng)業(yè)的核心內(nèi)容之一，目標(biāo)是實(shí)現(xiàn)經(jīng)濟(jì)、環(huán)境、資源等綜合效益最大化，但在我國(guó)過(guò)量施肥仍較普遍的現(xiàn)實(shí)情況下，其首要任務(wù)是確保不過(guò)量施肥。實(shí)現(xiàn)不過(guò)量施肥的核心內(nèi)容又是在充分了解土壤養(yǎng)分變異情況的基礎(chǔ)上，因地制宜地制定每一操作單元的施肥方案，從而進(jìn)行定量及平衡施肥作業(yè)，這對(duì)我國(guó)農(nóng)田經(jīng)營(yíng)分散化的國(guó)情來(lái)說(shuō)尤為重要，這也是我國(guó)過(guò)量施肥問(wèn)題仍很嚴(yán)重的主要原因之一。此外，隨著農(nóng)業(yè)信息技術(shù)的廣泛普及，根據(jù)作物、氣候等影響因子來(lái)進(jìn)行變量施肥成為可能，這種技術(shù)支撐下的變量施肥是對(duì)以土定肥法的進(jìn)一步調(diào)整與提升。因此，精準(zhǔn)施肥的首要目標(biāo)是如何集成現(xiàn)有成果，利用現(xiàn)代信息技術(shù)，讓農(nóng)戶及時(shí)獲得指導(dǎo)性明確、操作性強(qiáng)的施肥方案和建議，使施肥減量化有據(jù)可循，從而確保不過(guò)量，這是精準(zhǔn)施肥的根本。在此基礎(chǔ)上充分把握信息技術(shù)快速發(fā)展的機(jī)遇，通過(guò)經(jīng)濟(jì)、便捷的技術(shù)進(jìn)行變量施肥，進(jìn)一步提升施肥精度，實(shí)現(xiàn)精準(zhǔn)施肥綜合效益最大化的目標(biāo)。

2.3 精準(zhǔn)施肥模式

根據(jù)我國(guó)國(guó)情和養(yǎng)分管理現(xiàn)狀以及精準(zhǔn)施肥的原理、認(rèn)識(shí)與定位，通過(guò)建立“基準(zhǔn)+精準(zhǔn)”模式的田間養(yǎng)分管理方案，以作物田間施肥總量定額、基肥打底、變量追肥的路徑實(shí)現(xiàn)養(yǎng)分管理目標(biāo)。

2.3.1“基準(zhǔn)” 以現(xiàn)有土壤及養(yǎng)分管理大數(shù)據(jù)為基礎(chǔ)，通過(guò)對(duì)土壤養(yǎng)分時(shí)空分布規(guī)律的定量化挖掘，可以初步獲得田間土壤肥力分布情況。然后根據(jù)測(cè)土配方施肥的原理與方法，再結(jié)合作物需肥、氣候等其他田間基礎(chǔ)數(shù)據(jù)，可以制定田間“基準(zhǔn)”施肥方案，明確不同農(nóng)作物的施肥總量及其施肥方案，包括基肥與追肥的施用時(shí)間、施用數(shù)量以及施用結(jié)構(gòu)，最終實(shí)現(xiàn)田間養(yǎng)分的科學(xué)有效管理。

2.3.2“精準(zhǔn)” 在“基準(zhǔn)”施肥方案基礎(chǔ)上進(jìn)行追肥的“精準(zhǔn)”修正，可適應(yīng)土壤養(yǎng)分時(shí)空演變的波動(dòng)性以及當(dāng)季作物生長(zhǎng)變化。作物從播種到收獲，其產(chǎn)量與品質(zhì)除了受土壤營(yíng)養(yǎng)元素的影響外，還受氣候、水分、光照和病蟲(chóng)害等多重因素的共同作用，這些因素最終都綜合體現(xiàn)在作物植株上。然而現(xiàn)行的測(cè)土配方施肥等推薦施肥技術(shù)，雖能夠定量地控制施肥總量，但難以做到根據(jù)植物生長(zhǎng)的情況對(duì)肥料的施用進(jìn)行適時(shí)調(diào)整[25, 52–54]。土壤中營(yíng)養(yǎng)物質(zhì)的數(shù)量是否適宜于農(nóng)作物生長(zhǎng)，最準(zhǔn)確的指標(biāo)應(yīng)該是農(nóng)作物本身，因?yàn)檗r(nóng)作物生長(zhǎng)狀況和體內(nèi)養(yǎng)分水平正是土壤提供作物營(yíng)養(yǎng)物質(zhì)的綜合反映。因此，通過(guò)植物營(yíng)養(yǎng)診斷對(duì)田間養(yǎng)分管理的“基準(zhǔn)”施肥方案進(jìn)行追肥的“精準(zhǔn)”修正，實(shí)現(xiàn)作物田間養(yǎng)分的動(dòng)態(tài)管理是非常必要的。

3 實(shí)現(xiàn)模式的路徑、方法與技術(shù)

3.1 “基準(zhǔn)”施肥量的確定

通過(guò)數(shù)據(jù)挖掘技術(shù)充分挖掘歷史積累大數(shù)據(jù)的可持續(xù)利用價(jià)值，可以實(shí)現(xiàn)對(duì)土壤肥力、作物需肥規(guī)律、氣候等養(yǎng)分管理關(guān)鍵因子的時(shí)空預(yù)測(cè)與分析，再結(jié)合測(cè)土配方施肥原理與方法，進(jìn)而實(shí)現(xiàn)對(duì)土壤基礎(chǔ)肥力評(píng)價(jià)與更新、測(cè)土配方施肥成果的完善與更新，最終制定每個(gè)年度田間“基準(zhǔn)”施肥方案。

3.1.1數(shù)據(jù)挖掘是技術(shù)支撐 數(shù)據(jù)挖掘?yàn)樘镩g施肥“基準(zhǔn)”方案的制定提供強(qiáng)有力的數(shù)據(jù)與技術(shù)支撐。農(nóng)業(yè)部為充分發(fā)揮大數(shù)據(jù)在農(nóng)業(yè)農(nóng)村發(fā)展中的重要功能和巨大潛力，于2015年底出臺(tái)了《農(nóng)業(yè)部關(guān)于推進(jìn)農(nóng)業(yè)農(nóng)村大數(shù)據(jù)發(fā)展的實(shí)施意見(jiàn)》。隨著與精準(zhǔn)農(nóng)業(yè)相關(guān)的數(shù)據(jù)、產(chǎn)品、科研成果的共享門戶開(kāi)始陸續(xù)對(duì)社會(huì)開(kāi)放，歷史積累的土壤肥力、作物需肥等田間基礎(chǔ)數(shù)據(jù)，以及氣候、水利等輔助參考數(shù)據(jù)的獲取愈發(fā)便捷。通過(guò)數(shù)據(jù)挖掘技術(shù)可實(shí)現(xiàn)對(duì)這些海量基礎(chǔ)大數(shù)據(jù)潛在價(jià)值的充分挖掘，可制定田間“基準(zhǔn)”施肥方案。

近年來(lái)出現(xiàn)的數(shù)據(jù)挖掘方法按不同目的可分為分類、估值、預(yù)測(cè)、關(guān)聯(lián)、聚類、描述和可視化六大類。其中，空間聚類、關(guān)聯(lián)規(guī)則、神經(jīng)網(wǎng)絡(luò)、決策樹(shù)、時(shí)間序列分析和數(shù)據(jù)可視化等方法已應(yīng)用到土壤養(yǎng)分變異分析、土壤肥力分級(jí)、耕地地力等級(jí)劃分、田間管理區(qū)劃分和產(chǎn)量、施肥模型建立等農(nóng)業(yè)決策領(lǐng)域[55]，使面向復(fù)雜空間決策問(wèn)題時(shí)的決策能力大大提高。但當(dāng)前研究主要圍繞空間單層面，缺乏對(duì)大數(shù)據(jù)的時(shí)空分析。在數(shù)據(jù)呈爆炸式增長(zhǎng)的信息時(shí)代，時(shí)間序列數(shù)據(jù)越來(lái)越多，雖可能存在部分缺失的現(xiàn)象，但其潛在價(jià)值巨大。因此，運(yùn)用時(shí)空地統(tǒng)計(jì)學(xué) (Markov-Bayes 等)[56–58]、時(shí)空聚類法 (STDBSCAN等)[59–60]等時(shí)空序列四維分析技術(shù)，在填補(bǔ)田間歷史遺留數(shù)據(jù)部分缺失的空隙的同時(shí)，可以挖掘田間大數(shù)據(jù)隨時(shí)間變化的規(guī)律并進(jìn)行趨勢(shì)預(yù)測(cè)，是作物田間養(yǎng)分科學(xué)、有效管理堅(jiān)實(shí)的數(shù)據(jù)支撐和決策方法。

3.1.2測(cè)土配方施肥是方法依據(jù)和工作基礎(chǔ) 測(cè)土配方施肥是制定田間“基準(zhǔn)”施肥方案的方法依據(jù)。根據(jù)測(cè)土配方施肥原理，并結(jié)合田間歷史大數(shù)據(jù)的挖掘成果，可以初步確定“基準(zhǔn)”施肥方案，進(jìn)而實(shí)現(xiàn)作物田間養(yǎng)分管理的有效決策。經(jīng)典測(cè)土配方施肥方法中，地力分區(qū)法方便簡(jiǎn)單、群眾易接受，但局限性較大、經(jīng)驗(yàn)依賴性較多且對(duì)具體田塊針對(duì)性不強(qiáng)[61]；田間試驗(yàn)法的正交、回歸等田間試驗(yàn)設(shè)計(jì)[62–63]，費(fèi)時(shí)、費(fèi)力且技術(shù)性較強(qiáng)，適用于機(jī)理的研究，推廣應(yīng)用較難；目標(biāo)產(chǎn)量配方法[64–65]，概念清楚且容易掌握，而且利用數(shù)據(jù)挖掘技術(shù)對(duì)歷史遺留數(shù)據(jù)的潛在價(jià)值進(jìn)行深入挖掘，可以方便獲取目標(biāo)產(chǎn)量配方所需的土壤供肥性能和作物需肥規(guī)律等核心數(shù)據(jù)。因此，在當(dāng)前信息技術(shù)快速發(fā)展以及歷史數(shù)據(jù)大量積累的基礎(chǔ)上，測(cè)土配方施肥方法中的目標(biāo)產(chǎn)量法更具應(yīng)用潛力。

3.2 “精準(zhǔn)”追肥量的確定

通過(guò)植物營(yíng)養(yǎng)診斷技術(shù)對(duì)田間作物的長(zhǎng)勢(shì)及營(yíng)養(yǎng)狀況進(jìn)行監(jiān)測(cè)與評(píng)價(jià)，可以實(shí)現(xiàn)對(duì)田間“基準(zhǔn)”施肥方案的“精準(zhǔn)”修正，基于化學(xué)分析、田間形態(tài)診斷等傳統(tǒng)方法最終確定追肥施用量已有很好的研究與實(shí)踐。傳統(tǒng)的植物營(yíng)養(yǎng)診斷主要依靠采集田間植株樣品進(jìn)行室內(nèi)化學(xué)分析，雖然準(zhǔn)確性高，但耗費(fèi)大量的人力、物力、財(cái)力，時(shí)效性差，不利于推廣應(yīng)用[66]。此外，也有部分植物營(yíng)養(yǎng)診斷是根據(jù)專家經(jīng)驗(yàn)進(jìn)行判斷，但受主觀因素影響較大，且對(duì)技術(shù)人員有較高要求[67]。數(shù)字圖像無(wú)損診斷技術(shù)具有快速、簡(jiǎn)單、經(jīng)濟(jì)、便攜等優(yōu)勢(shì)，可更好地實(shí)現(xiàn)對(duì)田間“基準(zhǔn)”施肥方案的及時(shí)評(píng)價(jià)與“精準(zhǔn)”修正，具有巨大的發(fā)展空間。

隨著無(wú)損診斷技術(shù)的發(fā)展與廣泛應(yīng)用，通過(guò)光譜分析、數(shù)字圖像處理技術(shù)可以實(shí)現(xiàn)水稻營(yíng)養(yǎng)實(shí)時(shí)、快速、準(zhǔn)確的診斷[21, 60, 68–78]，為解決田間施肥無(wú)法適時(shí)調(diào)整的問(wèn)題提供了可行路徑。其中SPAD測(cè)量技術(shù)具有儀器便攜、易操作的優(yōu)點(diǎn)，但在使用時(shí)易受葉脈、葉斑及操作人員的影響[71, 79]。高光譜成像技術(shù)兼具光譜與圖像信息，信息豐富，但光譜信息綜合性強(qiáng)，診斷專一性和特異性不夠，且儀器價(jià)格昂貴，數(shù)據(jù)的采集對(duì)環(huán)境條件要求高，很難在田間實(shí)際生產(chǎn)中應(yīng)用推廣[80]。基于遙感影像的診斷模型通過(guò)航空或航天遙感獲取作物冠層光譜信息，然后通過(guò)將所確認(rèn)的作物長(zhǎng)勢(shì)與地面數(shù)據(jù)相結(jié)合的方式分析植株?duì)I養(yǎng)情況，具有監(jiān)測(cè)面積大、快速、便捷等優(yōu)勢(shì)，可以有效彌補(bǔ)地面數(shù)據(jù)的部分缺失，但對(duì)遙感儀器以及專業(yè)技術(shù)人員依賴程度較高，比較適用于規(guī)模大、組織管理統(tǒng)一的地區(qū)[81–82]，而其中無(wú)人機(jī)航拍相片相對(duì)衛(wèi)星影像靈活度高[83–85]，在制定田間施肥方案時(shí)具有重要的輔助參考價(jià)值。

數(shù)字圖像無(wú)損診斷技術(shù)能夠直觀反映水稻生長(zhǎng)狀況，通過(guò)圖像處理技術(shù)提取作物冠層、葉片的顏色、紋理、形態(tài)等特征來(lái)判斷作物營(yíng)養(yǎng)狀況[70, 86]，且儀器價(jià)格便宜、圖像獲取操作簡(jiǎn)單、信息豐富，適合我國(guó)農(nóng)村大部分為家庭聯(lián)產(chǎn)承包責(zé)任制的國(guó)情。目前，數(shù)字圖像采集與處理技術(shù)已基本實(shí)現(xiàn)對(duì)水稻是否處于營(yíng)養(yǎng)脅迫、營(yíng)養(yǎng)脅迫種類以及營(yíng)養(yǎng)脅迫程度的判斷[87–90]。雖然僅依靠數(shù)字圖像分析直接指導(dǎo)田間施肥的專一性、可靠性和穩(wěn)定性還不能完全解決，但作為一種“輔助”手段，充分發(fā)揮其快速、簡(jiǎn)單、經(jīng)濟(jì)、便攜等優(yōu)勢(shì)，實(shí)時(shí)監(jiān)測(cè)水稻生長(zhǎng)過(guò)程中的營(yíng)養(yǎng)狀況，對(duì)田間養(yǎng)分管理方案做出及時(shí)的評(píng)價(jià)和精準(zhǔn)修正，為實(shí)現(xiàn)“按需供肥”、農(nóng)業(yè)“減肥”提供輔助決策是有價(jià)值的，特別是在測(cè)土配方施肥成果應(yīng)用基礎(chǔ)上，作進(jìn)一步“精準(zhǔn)”應(yīng)用是可行的，值得進(jìn)一步研究和系統(tǒng)應(yīng)用及完善。

因此，數(shù)字圖像無(wú)損診斷和航空遙感無(wú)損診斷等信息化技術(shù)可以更好地實(shí)現(xiàn)對(duì)“基準(zhǔn)”施肥方案快速、經(jīng)濟(jì)、便捷的“精準(zhǔn)”修正。同時(shí)，隨著大數(shù)據(jù)時(shí)代人工智能、云技術(shù)、移動(dòng)GIS技術(shù)、手持式終端以及便攜式掃描儀的普及，通過(guò)數(shù)字圖像處理技術(shù)以及航空遙感圖像處理技術(shù)對(duì)作物營(yíng)養(yǎng)狀況進(jìn)行同步在線的快速精準(zhǔn)識(shí)別更具實(shí)際應(yīng)用價(jià)值和發(fā)展?jié)摿Α?/p>

4 精準(zhǔn)施肥實(shí)現(xiàn)的構(gòu)想

4.1 “基準(zhǔn)+精準(zhǔn)”

“基準(zhǔn)+精準(zhǔn)”模式可實(shí)現(xiàn)田間養(yǎng)分的精準(zhǔn)、動(dòng)態(tài)管理。

4.1.1地塊尺度“基準(zhǔn)”施肥方案的制定

1) 將充分收集的海量基礎(chǔ)數(shù)據(jù)進(jìn)行整理、歸納與標(biāo)準(zhǔn)化，從而建立包括土壤、作物、氣象、耕種模式、灌溉等信息的田間基礎(chǔ)數(shù)據(jù)庫(kù)。然后運(yùn)用GIS、地統(tǒng)計(jì)學(xué)以及時(shí)空數(shù)據(jù)挖掘 (Markov-Bayes、ST-DBSCAN等) 方法，實(shí)現(xiàn)對(duì)田間大數(shù)據(jù)的時(shí)空定量化挖掘，并結(jié)合耕地地力評(píng)價(jià)標(biāo)準(zhǔn)實(shí)現(xiàn)土壤基礎(chǔ)養(yǎng)分與肥力的分等定級(jí)。在對(duì)測(cè)土配方施肥成果與應(yīng)用以及土壤基礎(chǔ)肥力的總結(jié)分析基礎(chǔ)上，參照灌溉、氣候等田間輔助數(shù)據(jù)，最終得到包括基肥和追肥的施用數(shù)量及時(shí)間的“基準(zhǔn)”施肥方案。

2) 利用云GIS對(duì)制定施肥方案所需的基礎(chǔ)空間數(shù)據(jù)進(jìn)行存儲(chǔ)和管理，并以移動(dòng)GIS組件來(lái)構(gòu)建移動(dòng)端交互的APP，然后以大比例尺遙感影像圖或農(nóng)村地籍圖為底圖，從而實(shí)現(xiàn)農(nóng)田數(shù)據(jù)的空間信息化和施肥方案田塊化管理的可視化，并為移動(dòng)端施肥方案的推送和實(shí)現(xiàn)田塊尺度上的信息化精細(xì)管理奠定基礎(chǔ)。

4.1.2基于無(wú)損診斷技術(shù)的“精準(zhǔn)修正” 國(guó)外主要基于收割時(shí)獲取的產(chǎn)量圖來(lái)修正下一年度的施肥方案[91–92]，而我國(guó)目前還不能夠自主獲取相關(guān)數(shù)據(jù)，因此該方法還不適應(yīng)我國(guó)國(guó)情和發(fā)展階段，而無(wú)損測(cè)試可能是當(dāng)下的替代方法。作物不同營(yíng)養(yǎng)狀況的長(zhǎng)勢(shì)、冠層光譜特性、葉片葉色及形態(tài)存在顯著差異，因此通過(guò)無(wú)人機(jī)遙感技術(shù)獲取田間作物冠層圖像，計(jì)算葉面積指數(shù) (LAI)、冠層覆蓋度 (CC) 等指數(shù)，然后通過(guò)聚類分析 (cluster analysis) 對(duì)作物長(zhǎng)勢(shì)情況進(jìn)行等級(jí)分區(qū)，可初步判斷作物田間長(zhǎng)勢(shì)及營(yíng)養(yǎng)狀況。利用數(shù)碼拍照、掃描等手段獲取作物葉片數(shù)字圖像，通過(guò)對(duì)葉片特征的提取和量化，計(jì)算葉片面積、周長(zhǎng)、RGB顏色均值、深綠色指數(shù) (DGCI)等特征參數(shù)，再通過(guò)機(jī)器學(xué)習(xí)方法建立營(yíng)養(yǎng)診斷模型，判斷作物是否處于營(yíng)養(yǎng)脅迫、營(yíng)養(yǎng)脅迫種類及脅迫程度，最終依據(jù)營(yíng)養(yǎng)診斷結(jié)果，在已確定的“基準(zhǔn)”方案的基礎(chǔ)上，實(shí)現(xiàn)對(duì)追肥量進(jìn)行“精準(zhǔn)”修正。

4.2 “云+手持終端+數(shù)字圖像”

“云+手持終端+數(shù)字圖像”模式可實(shí)現(xiàn)田間“基準(zhǔn)+精準(zhǔn)”施肥方案的推廣普及。依托移動(dòng)GIS和云技術(shù)，構(gòu)建“云+手持終端+數(shù)字圖像”的田間養(yǎng)分管理運(yùn)行模式，可實(shí)現(xiàn)決策人員、管理人員、農(nóng)戶之間的多向互動(dòng)，進(jìn)而實(shí)現(xiàn)田間養(yǎng)分管理方案的推廣應(yīng)用。手持終端的開(kāi)發(fā)可依托于平板電腦或智能手機(jī)，開(kāi)發(fā)具有信息采集、查詢和施肥方案推薦等功能的APP，實(shí)現(xiàn)田塊信息查詢、數(shù)字圖像采集與上傳、管理方案接收以及管理成效反饋等功能 (包括作物產(chǎn)量、施肥量、作物品質(zhì)等信息)；云服務(wù)器可實(shí)現(xiàn)田間數(shù)據(jù)庫(kù)管理及查詢 (包括土壤基礎(chǔ)數(shù)據(jù)、灌溉信息、作物產(chǎn)量、需肥量等)、作物數(shù)字圖像無(wú)損營(yíng)養(yǎng)診斷、田間養(yǎng)分管理方案的決策與推送等功能。通過(guò)“云+手持終端+數(shù)字圖像”的系統(tǒng)架構(gòu)實(shí)現(xiàn)“基準(zhǔn)方案推送—無(wú)損診斷—精準(zhǔn)修訂—成效反饋—方案優(yōu)化”的動(dòng)態(tài)實(shí)施和更新模式，可實(shí)現(xiàn)對(duì)測(cè)土配方施肥技術(shù)體系的完善，同時(shí)實(shí)現(xiàn)相關(guān)成果更新和持續(xù)利用，為“化肥減量工程”的推廣普及做系統(tǒng)化技術(shù)支撐。

綜上所述，土壤肥力與作物養(yǎng)分需求規(guī)律在一定的時(shí)空范圍內(nèi)是相對(duì)穩(wěn)定并有規(guī)律可循的，因此可通過(guò)對(duì)海量基礎(chǔ)數(shù)據(jù)，特別是對(duì)測(cè)土配方施肥系列成果的深入挖掘、有效整合以及空間管理，建立每年施肥成果和方案更新的途徑和方法，進(jìn)而獲得田間養(yǎng)分管理的“基準(zhǔn)”施肥方案。此外，植物營(yíng)養(yǎng)無(wú)損診斷技術(shù)可以快速獲取作物營(yíng)養(yǎng)狀況，從而可實(shí)現(xiàn)對(duì)“基準(zhǔn)”方案特別是追肥施用的“精準(zhǔn)”修正。最后通過(guò)“云+手持終端+數(shù)字圖像”的系統(tǒng)架構(gòu)實(shí)現(xiàn)作物田間養(yǎng)分管理的動(dòng)態(tài)實(shí)施和推廣應(yīng)用。

5 “基準(zhǔn)+精準(zhǔn)”施肥模式的效益分析及實(shí)現(xiàn)對(duì)策

5.1 效益分析

新技術(shù)和新設(shè)備能否得到廣泛應(yīng)用與其成本投入和相應(yīng)的產(chǎn)出極其相關(guān)。我國(guó)在測(cè)土配方施肥、耕地土壤普查、耕地地力調(diào)查等方面做了大量投入，這些投入所產(chǎn)生的價(jià)值具有延續(xù)性和規(guī)律性，通過(guò)進(jìn)一步發(fā)掘應(yīng)用這些成果，可以實(shí)現(xiàn)其價(jià)值最大化，而且在現(xiàn)有成果基礎(chǔ)上進(jìn)行二次加工與開(kāi)發(fā)所需要的投入是相對(duì)較少的。

“基準(zhǔn)+精準(zhǔn)”田間養(yǎng)分管理模式的成本主要來(lái)源于農(nóng)業(yè)大數(shù)據(jù)、田間作物數(shù)字圖像、田間作物冠層信息等數(shù)據(jù)采集以及應(yīng)用軟件開(kāi)發(fā)、云服務(wù)器購(gòu)買和系統(tǒng)維護(hù)等。隨著信息時(shí)代的發(fā)展，國(guó)家日益重視數(shù)據(jù)共享，例如浙江省專門成立省數(shù)據(jù)管理中心，為農(nóng)業(yè)大數(shù)據(jù)分析應(yīng)用創(chuàng)造了條件和可能；田間作物數(shù)字圖像可直接通過(guò)農(nóng)戶手機(jī)實(shí)時(shí)拍照獲得；大面積作物冠層信息則可采用無(wú)人機(jī)直接獲取。目前，應(yīng)用軟件開(kāi)發(fā)、云服務(wù)器購(gòu)買以及系統(tǒng)維護(hù)在整個(gè)管理模式成本中占主要比重，而如能在其應(yīng)用中得到政府相關(guān)政策與資金以及相關(guān)科研單位和企業(yè)的支持，其應(yīng)用可以更容易實(shí)現(xiàn)?！盎鶞?zhǔn)+精準(zhǔn)”作物田間養(yǎng)分管理模式的最終目標(biāo)是面向農(nóng)戶，實(shí)現(xiàn)相關(guān)成果更新和持續(xù)利用，解決成果應(yīng)用“最后一公里”問(wèn)題。在推廣應(yīng)用精準(zhǔn)施肥方案時(shí)，可充分利用現(xiàn)有共享網(wǎng)絡(luò)傳播途徑，例如浙江省專門建立的農(nóng)民信箱以及微信、微博等信息、資源共享平臺(tái)，而這些建設(shè)和應(yīng)用的投入較少，受益面廣。

隨著我國(guó)信息時(shí)代的到來(lái)以及耕地集約化程度的增加，田間養(yǎng)分精準(zhǔn)管理必將朝著智能化與信息化發(fā)展?！盎鶞?zhǔn)+精準(zhǔn)”作物田間養(yǎng)分管理模式充分挖掘現(xiàn)有成果的可持續(xù)利用價(jià)值，可在長(zhǎng)期投入的基礎(chǔ)上獲得持續(xù)回報(bào)，不僅有利于相關(guān)科研成果得到實(shí)際應(yīng)用，同時(shí)可使農(nóng)業(yè)產(chǎn)出最大化進(jìn)一步得到實(shí)現(xiàn)。

5.2 實(shí)現(xiàn)對(duì)策

大數(shù)據(jù)時(shí)代“基準(zhǔn)+精準(zhǔn)”作物田間養(yǎng)分管理模式的經(jīng)濟(jì)、科學(xué)、有效實(shí)現(xiàn)，不僅需要政府、科研院所、企業(yè)和農(nóng)民扮演好各自的角色，更需要彼此間進(jìn)行優(yōu)勢(shì)互補(bǔ)、相互協(xié)作，尋求人才、技術(shù)、資源配置的最優(yōu)化，從而為“基準(zhǔn)+精準(zhǔn)”作物田間養(yǎng)分管理模式的動(dòng)態(tài)實(shí)施和推廣應(yīng)用提供有效保障。

5.2.1 政府 需根據(jù)當(dāng)?shù)剞r(nóng)業(yè)及企業(yè)的實(shí)際情況，依托相關(guān)科研院所的研究成果，出臺(tái)相應(yīng)的政策，同時(shí)提供必要的資金保障，為精準(zhǔn)施肥的有效、有序?qū)嵤┨峁┱弑Ｕ弦约爸С?。其中最主要的是提高精?zhǔn)農(nóng)業(yè)產(chǎn)業(yè)鏈條上大數(shù)據(jù)的開(kāi)放共享水平，打破政府各部門間、政府與民眾間的界線，組織協(xié)調(diào)數(shù)據(jù)整合與共享開(kāi)放，促進(jìn)數(shù)據(jù)應(yīng)用。為此，國(guó)家與地方政府已陸續(xù)出臺(tái)相應(yīng)政策，例如國(guó)務(wù)院2015年8月印發(fā)的《促進(jìn)大數(shù)據(jù)發(fā)展行動(dòng)綱要》以及各地方陸續(xù)出臺(tái)的《政務(wù)信息資源共享管理暫行辦法》、《大數(shù)據(jù)產(chǎn)業(yè)發(fā)展規(guī)劃》等。此外，政府也應(yīng)對(duì)精準(zhǔn)施肥模式的基本運(yùn)行以及研究成果產(chǎn)品化提供必要的資金支持，加大發(fā)展扶持力度，從而推動(dòng)精準(zhǔn)施肥的有效、有序?qū)嵤?/p>

5.2.2 科研院所 應(yīng)開(kāi)展并加強(qiáng)包括土壤學(xué)、植物營(yíng)養(yǎng)學(xué)、遙感學(xué)、地理信息系統(tǒng)、計(jì)算機(jī)科學(xué)等不同學(xué)科間的交流與合作，重視科研成果的綜合應(yīng)用，特別是信息化的應(yīng)用。例如美國(guó)哥倫比亞大學(xué)地球研究所國(guó)際地球科學(xué)信息網(wǎng) (CIESN) 建立了基于網(wǎng)絡(luò)的信息交流中心，將社會(huì)科學(xué)、自然科學(xué)、信息科學(xué)等多學(xué)科重要研究成果以及地理屬性、空間數(shù)據(jù)資源進(jìn)行存儲(chǔ)與共享，加強(qiáng)了學(xué)科間的交叉互動(dòng)。另外，科研院所也要加強(qiáng)與企業(yè)的合作，積極了解企業(yè)研發(fā)的產(chǎn)品在實(shí)際應(yīng)用中所面臨的問(wèn)題，從而進(jìn)行針對(duì)性研究，同時(shí)將最新的科研成果推廣到實(shí)際應(yīng)用中，使科研成果得到有效利用。

5.2.3企業(yè) 作為科研成果產(chǎn)業(yè)化的主體，主要面向一線，面向用戶，將最新的研究成果進(jìn)一步轉(zhuǎn)化為應(yīng)用產(chǎn)品并在實(shí)際應(yīng)用中進(jìn)行檢驗(yàn)。美國(guó)約翰迪爾公司在2012年推出的“綠色之星”精準(zhǔn)農(nóng)業(yè)系統(tǒng)和凱斯公司2013年初推出的新一代“先進(jìn)農(nóng)業(yè)”精準(zhǔn)農(nóng)業(yè)系統(tǒng)，是將全球定位系統(tǒng)、地理信息系統(tǒng)和物聯(lián)網(wǎng)技術(shù)綜合而成的新型精準(zhǔn)農(nóng)業(yè)系統(tǒng)，在美國(guó)得到了較為廣泛的應(yīng)用，是美國(guó)精準(zhǔn)農(nóng)業(yè)技術(shù)系統(tǒng)的集大成者。國(guó)內(nèi)企業(yè)應(yīng)在學(xué)習(xí)借鑒國(guó)外成功經(jīng)驗(yàn)的基礎(chǔ)上，研發(fā)出適合我國(guó)國(guó)情和發(fā)展階段的應(yīng)用產(chǎn)品，在為科研成果產(chǎn)品化提供技術(shù)支持的同時(shí)，還需與政府部門和科研院所進(jìn)行對(duì)接和優(yōu)勢(shì)互補(bǔ)，從而依靠科學(xué)和專業(yè)分析做出產(chǎn)品的優(yōu)化調(diào)整決策，針對(duì)不同用戶解決其反饋的具體問(wèn)題，進(jìn)而研發(fā)出更加經(jīng)濟(jì)、人性化、體驗(yàn)好且能為廣大農(nóng)戶所接受的產(chǎn)品，成為研究創(chuàng)新的積極推動(dòng)者。

5.2.4農(nóng)民 農(nóng)民是精準(zhǔn)施肥模式田間應(yīng)用的最終實(shí)踐者和受益者，例如美國(guó)農(nóng)場(chǎng)主利用3S技術(shù)進(jìn)行農(nóng)作物的精確化種植，節(jié)省肥料10%，小麥、玉米增產(chǎn)15%以上[93]；截止2014年底，我國(guó)也已有1.9億農(nóng)戶參與了測(cè)土配方施肥工程，獲得區(qū)域糧食作物單產(chǎn)提高6%至10%的良好收益[94]。智能化與信息化是未來(lái)田間養(yǎng)分精準(zhǔn)管理的發(fā)展趨勢(shì)，農(nóng)民應(yīng)積極配合并參加相關(guān)部門開(kāi)展的系列工作，了解、學(xué)習(xí)新理論，掌握、應(yīng)用新技術(shù)，反饋產(chǎn)量、收益和產(chǎn)品使用等相關(guān)信息，從而為科研院所和企業(yè)提供理論創(chuàng)新、方法改進(jìn)和產(chǎn)品升級(jí)的思路，進(jìn)而幫助實(shí)現(xiàn)作物“基準(zhǔn)+精準(zhǔn)”田間養(yǎng)分管理模式的田間有效應(yīng)用，最終實(shí)現(xiàn)化肥減量增效、農(nóng)民減本增收的良好效益。

6 結(jié)語(yǔ)

作物田間養(yǎng)分的科學(xué)、有效管理對(duì)增產(chǎn)增收、資源節(jié)約、環(huán)境保護(hù)等方面具有重要的現(xiàn)實(shí)意義。在制定精準(zhǔn)養(yǎng)分管理方案時(shí)應(yīng)充分繼承測(cè)土配方施肥的核心價(jià)值，挖掘現(xiàn)有大數(shù)據(jù)的潛在價(jià)值，做好關(guān)鍵技術(shù)的研究，走適合中國(guó)國(guó)情的精準(zhǔn)農(nóng)業(yè)發(fā)展道路。智能化與信息化是未來(lái)作物田間養(yǎng)分管理的發(fā)展趨勢(shì)，本文提出通過(guò)將大數(shù)據(jù)、云技術(shù)、移動(dòng)GIS、人工智能等前沿技術(shù)與精準(zhǔn)施肥現(xiàn)有成果的集成，構(gòu)建包括原理基礎(chǔ)、實(shí)現(xiàn)路徑、實(shí)現(xiàn)方法與技術(shù)于一體的能夠確定“基準(zhǔn)”施肥與“精準(zhǔn)”追肥施用模式的精準(zhǔn)養(yǎng)分管理平臺(tái)的設(shè)想，以期實(shí)現(xiàn)對(duì)測(cè)土配方施肥技術(shù)體系進(jìn)行完善，同時(shí)也能實(shí)現(xiàn)相關(guān)成果更新和持續(xù)利用，最終解決成果應(yīng)用的“最后一公里”問(wèn)題。

[1]FAO. Statistical yearbook 2014 [M]. Rome: Food and Agricultural Organization of the United Nations, 2015.

[2]陳泓. 測(cè)土配方施肥工作的主要成效[N]. 北京: 農(nóng)民日?qǐng)?bào)數(shù)字報(bào),2014.Chen H. The main effect of soil testing and formula fertilization [N].Beijing: The Digital Newspaper of Farmer’s Daily, 2014.

[3]李比希. 化學(xué)在農(nóng)業(yè)和生理學(xué)上的應(yīng)用[M]. 北京: 中國(guó)農(nóng)業(yè)出版社, 1983.Li B X. Applications of chemistry in agriculture and physiology [M].Beijing: China Agriculture Press, 1983.

[4]白由路, 楊俐蘋, 金繼運(yùn). 測(cè)土配方施肥原理與實(shí)踐—基于高效土壤養(yǎng)分測(cè)試技術(shù)[M]. 北京: 中國(guó)農(nóng)業(yè)出版社, 2007.Bai Y L, Yang L P, Jin J Y. Principle and practice of soil testing and formula fertilization based on high efficiency soil nutrient testing technology [M]. Beijing: China Agriculture Press, 2007.

[5]張福鎖. 測(cè)土配方施肥技術(shù)[M]. 北京: 中國(guó)農(nóng)業(yè)大學(xué)出版社, 2011.Zhang F S. Soil testing and formula fertilization technology [M].Beijing: China Agricultural University Press, 2011.

[6]Stevens F, Bogaert P, Wesemael B V. Detecting and quantifying field-related spatial variation of soil organic carbon using mixedeffect models and airborne imagery[J]. Geoderma, 2015, 259-260:93–103.

[7]Xu Y, Smith S E, Grunwald S, et al. Incorporation of satellite remote sensing pan-sharpened imagery into digital soil prediction and mapping models to characterize soil property variability in small agricultural fields[J]. Isprs Journal of Photogrammetry and Remote Sensing, 2017, 123: 1–19.

[8]Gomez C, Lagacherie P, Coulouma G. Regional predictions of eight common soil properties and their spatial structures from hyperspectral Vis-NIR data[J]. Geoderma, 2012, 189-190: 176–185.

[9]Gabriel J L, Zarco-Tejada P J, López-Herrera P J, et al. Airborne and ground level sensors for monitoring nitrogen status in a maize crop[J]. Biosystems Engineering, 2017, 160: 124–133.

[10]Wang L, Zhou X, Zhu X, et al. Estimation of leaf nitrogen concentration in wheat using the MK-SVR algorithm and satellite remote sensing data[J]. Computers and Electronics in Agriculture,2017, 140: 327–337.

[11]Génard T, Etienne P, Diquélou S, et al. Rapeseed-legume intercrops:plant growth and nitrogen balance in early stages of growth and development[J]. Heliyon, 2017, 3(3): e261.

[12]中華人民共和國(guó)農(nóng)業(yè)部. 農(nóng)業(yè)面源污染治理攻堅(jiān)戰(zhàn)專報(bào)2016年第 1 期[R]. 北京: 中華人民共和國(guó)農(nóng)業(yè)部, 2016.MOA. The first issue of the special report about the crucial governance of agricultural surface source pollution in 2016 [R].Beijing: Ministry of Agriculture, 2016.

[13]繆翼. 加強(qiáng)耕地質(zhì)量調(diào)查監(jiān)測(cè) 夯實(shí)農(nóng)業(yè)持續(xù)發(fā)展基礎(chǔ)[N]. 北京:農(nóng)民日?qǐng)?bào)數(shù)字報(bào), 2016.Miu Y. Strengthen monitoring and investigating the quality of cultivated land and stabilize the foundation of sustainable agricultural development [N]. Beijing: The Digital Newspaper of Farmer’s Daily,2016.

[14]Cao Q, Miao Y, Li F, et al. Developing a new crop circle active canopy sensor-based precision nitrogen management strategy for winter wheat in north China plain[J]. Precision Agriculture, 2016,18(1): 1–17.

[15]Mohanty S K, Singh A K, Jat S L, et al. Precision nitrogenmanagement practices influences growth and yield of wheat (Triticum aestivum) under conservation agriculture[J]. Indian Journal of Agronomy, 2015, 60(4): 617–621.

[16]Zhao F, Jiang B. The research of decision support system about processing tomatoes precise fertilization [J]. Journal of Agricultural Mechanization Research, 2016.

[17]孫菽芬. 土壤–植被–大氣統(tǒng)一體內(nèi)水分循環(huán)和能量交換—SPAC 模型[J]. 力學(xué)進(jìn)展, 1984, 14(1): 1–9.Sun S F. Soil – vegetation – atmosphere uniform water cycle and energy exchange – SPAC model[J]. Advances in Mechanics, 1984,14(1): 1–9.

[18]Chen C, Pan J, Shu K L. A review of precision fertilization research[J]. Environmental Earth Sciences, 2014, 71(9): 4073–4080.

[19]Diacono M, Rubino P, Montemurro F. Precision nitrogen management of wheat. A review[J]. Agronomy for Sustainable Development, 2013, 33(1): 219–241.

[20]Song X, Wang J, Huang W, et al. The delineation of agricultural management zones with high resolution remotely sensed data[J].Precision Agriculture, 2009, 10(6): 471–487.

[21]Saberioon M M, Amin M S M, Anuar A R, et al. Assessment of rice leaf chlorophyll content using visible bands at different growth stages at both the leaf and canopy scale[J]. International Journal of Applied Earth Observations and Geoinformation, 2014, 32(10): 35–45.

[22]Humphreys M T, Raun W R, Martin K L, et al. Indirect estimates of soil electrical conductivity for improved prediction of wheat grain yield[J]. Communications in Soil Science and Plant Analysis, 2005,35(17–18): 2639–2653.

[23]Eitel J U H, Long D S, Gessler P E, et al. Using in-situ measurements to evaluate the new RapidEye? satellite series for prediction of wheat nitrogen status[J]. International Journal of Remote Sensing,2007, 28(18): 4183–4190.

[24]Benedetto D D, Castrignano A, Sollitto D, et al. Integrating geophysical and geostatistical techniques to map the spatial variation of clay[J]. Geoderma, 2012, 171-172: 53–63.

[25]Papadopoulos A, Kalivas D, Hatzichristos T. GIS modelling for sitespecific nitrogen fertilization towards soil sustainability[J].Sustainability, 2015, 7(6): 6684–6705.

[26]Bian F, Sha Z, Hong W. An integrated GIS and knowledge-based decision support system in assisting farm-level agronomic decisionmaking [J]. Journal of Geographical Systems, 1995, 3: 49–67.

[27]Xie Y W, Yang J Y, Du S L, et al. A GIS-based fertilizer decision support system for farmers in Northeast China: a case study at Tongle village[J]. Nutrient Cycling in Agroecosystems, 2012, 93(3):323–336.

[28]Zhang Q, Yang Z, Li Y, et al. Spatial variability of soil nutrients and GIS-based nutrient management in Yongji County, China[J].International Journal of Geographical Information Science, 2010,24(7): 965–981.

[29]郭軍玲, 王永亮, 郭彩霞, 等. 基于GIS和測(cè)土配方數(shù)據(jù)的晉北縣域春玉米專用肥配方篩選[J]. 農(nóng)業(yè)工程學(xué)報(bào), 2016, 34(7): 158–164.Guo J L, Wang Y L, Guo C X, et al. Formulas screening of special fertilizer for spring maize in county area of northern Shanxi based on GIS and soil testing data[J]. Transactions of the Chinese Society of Agricultural Engineering, 2016, 34(7): 158–164.

[30]熊凱, 李言照, 韓仲志, 等. 測(cè)土配方施肥綜合服務(wù)平臺(tái)設(shè)計(jì)與實(shí)現(xiàn)[J]. 中國(guó)農(nóng)學(xué)通報(bào), 2013, (18): 96–102.Xiong K, Li Y Z, Han Z Z, et al. The design and implementation of soil testing and fertilizer recommendation integrated service platform[J]. Chinese Agricultural Science Bulletin, 2013, (18):96–102.

[31]Khanal S, Fulton J, Shearer S. An overview of current and potential applications of thermal remote sensing in precision agriculture[J].Computers and Electronics in Agriculture, 2017, 139: 22–32.

[32]Brown M E. Satellite remote sensing in agriculture and food security assessment[J]. Procedia Environmental Sciences, 2015, 29: 307.

[33]Vega F A, Ramírez F C, Saiz M P, et al. Multi-temporal imaging using an unmanned aerial vehicle for monitoring a sunflower crop[J].Biosystems Engineering, 2015, 132(13): 19–27.

[34]Pajares G. Overview and current status of remote sensing applications based on unmanned aerial vehicles (UAVs)[J]. Photogrammetric Engineering and Remote Sensing, 2015, 81(4): 281–329.

[35]Chang A, Jung J, Maeda M M, et al. Crop height monitoring with digital imagery from unmanned aerial system (UAS)[J]. Computers and Electronics in Agriculture, 2017, 141: 232–237.

[36]Karim F, Karim F, Frihida A. Monitoring system using web of things in precision agriculture[J]. Procedia Computer Science, 2017, 110:402–409.

[37]Nguyen P M, Haghverdi A, Pue J D, et al. Comparison of statistical regression and data-mining techniques in estimating soil water retention of tropical delta soils[J]. Biosystems Engineering, 2017,153: 12–27.

[38]Lu C, Zhou Z, Zhu Q, et al. Using residual analysis in electromagnetic induction data interpretation to improve the prediction of soil properties[J]. Catena, 2017, 149: 176–184.

[39]Zhao B, Liu Y, Goh S H, et al. Parallel finite element analysis of seismic soil structure interaction using a PC cluster[J]. Computers and Geotechnics, 2016, 80: 167–177.

[40]Sitton J D, Zeinali Y, Story B A. Rapid soil classification using artificial neural networks for use in constructing compressed earth blocks[J]. Construction and Building Materials, 2017, 138: 214–221.

[41]Potashev K, Sharonova N, Breus I. The use of cluster analysis for plant grouping by their tolerance to soil contamination with hydrocarbons at the germination stage[J]. Science of the Total Environment, 2014, 485-486: 71–82.

[42]Botta A, Donato W D, Persico V, et al. Integration of cloud computing and internet of things: A survey[J]. Future Generation Computer Systems, 2016, 56(C): 684–700.

[43]Jones J W, Antle J M, Basso B, et al. Toward a new generation of agricultural system data, models, and knowledge products: State of agricultural systems science[J]. Agricultural Systems, 2017, 155: 269.

[44]Li T. Cloud-based decision support and automation for precision agriculture in orchards[J]. IFAC-Papers On Line, 2016, 49(16):330–335.

[45]Ojha T, Misra S, Raghuwanshi N S. Sensing-cloud: leveraging the benefits for agricultural applications[J]. Computers and Electronics in Agriculture, 2017, 135: 96–107.

[46]朱宏登. 新時(shí)期我國(guó)耕地制度創(chuàng)新路徑研究[D]. 呼和浩特: 內(nèi)蒙古農(nóng)業(yè)大學(xué)博士學(xué)位論文, 2011.Zhu H D. Study on the path of farmland institutional transformation in China [D]. Hohhot: PhD Dissertation of Inner Mongolia Agricultural University, 2011.

[47]Popa C. Adoption of artificial intelligence in agriculture[J]. Bulletin of the University of Agricultural Sciences & Veterinary, 2011, 68(1):284–293.

[48]Shafaei S M, Nourmohamadi-Moghadami A, Kamgar S.Development of artificial intelligence based systems for prediction of hydration characteristics of wheat[J]. Computers and Electronics in Agriculture, 2016, 128: 34–45.

[49]Krumbein W C. Factors of soil formation: A system of quantitative pedology by Hans Jenny[J]. The Journal of Geology, 1942, 50(7):336–337.

[50]Goovaerts P. Geostatistical tools for characterizing the spatial variability of microbiological and physico-chemical soil properties[J].Biology and Fertility of Soils, 1998, 27(4): 315–334.

[51]Li Q, Zhou J H, Yang R S, et al. Soil nutrients spatial variability and soil fertility suitability in Qujing tobacco-planting area[J]. Chinese Journal of Applied Ecology, 2011, 22(4): 950.

[52]Lu C, Wang B, Peng X Y, et al. Study of intelligent agricultural cultivation management plan model based on geographic information system[J]. Open Biotechnology Journal, 2015, 9(1): 150–156.

[53]Wang J, Zhang F. Research on spatial data mining technology in agricultural spatial decision support system[J]. Journal of the Institute of Brewing, 2015, 46(2): 73–74.

[54]張海峰. 基于 Android 智能手機(jī)的農(nóng)業(yè)信息服務(wù)平臺(tái)應(yīng)用展望[J].黑龍江農(nóng)業(yè)科學(xué), 2014, (8): 126–128.Zhang H F. Prospect of application of agricultural information service platform based on android intelligent mobile phone[J]. Heilongjiang Agricultural Sciences, 2014, (8): 126–128.

[55]陳桂芬. 面向精準(zhǔn)農(nóng)業(yè)的空間數(shù)據(jù)挖掘技術(shù)研究與應(yīng)用[D]. 長(zhǎng)春:吉林大學(xué)博士學(xué)位論文, 2009.Chen G F. Research and application of spatial data mining technology for precision agriculture [D]. Changchun: PhD Dissertation of Jilin University, 2009.

[56]Vázquez-Quintero G, Solís-Moreno R, Pompa-García M, et al.Detection and projection of forest changes by using the markov chain model and cellular automata[J]. Sustainability, 2016, 8(3): 236.

[57]Yang Y, Zhang C T, Zhang R. BME prediction of continuous geographical properties using auxiliary variables[J]. Stochastic Environmental Research and Risk Assessment, 2016, 30(1): 1–18.

[58]張貝, 李衛(wèi)東, 楊勇, 等. 貝葉斯最大熵地統(tǒng)計(jì)學(xué)方法及其在土壤和環(huán)境科學(xué)上的應(yīng)用[J]. 土壤學(xué)報(bào), 2011, 48(4): 831–839.Zhang B, Li W D, Yang Y, et al. The bayesian maximum entropy geostatistical approach and its application in soil and environmental sciences[J]. Acta Pedologica Sinica, 2011, 48(4): 831–839.

[59]Birant D, Kut A. ST-DBSCAN: An algorithm for clustering spatialtemporal data[J]. Data and Knowledge Engineering, 2007, 60(1):208–221.

[60]Agrawal K P, Garg S, Sharma S, et al. Development and validation of OPTICS based spatio-temporal clustering technique[J]. Information Sciences, 2016, 369: 388–401.

[61]朱磊, 盛建東, 武紅旗. 基于GIS的和碩縣耕地地力評(píng)價(jià)與耕地土壤改良分區(qū)制圖[J]. 新疆農(nóng)業(yè)科學(xué), 2013, 50(1): 132–139.Zhu L, Sheng J D, Wu H Q. Evaluation of soil fertility of the cultivated land and zoning of soil improvement in Heshuo county based on GIS technique[J]. Xinjiang Agricultural Sciences, 2013,50(1): 132–139.

[62]Liu D, Chen G, Yu H, et al. A neural network ensemble method for precision fertilization modeling[J]. Mathematical and Computer Modelling, 2010, 51(11–12): 1375–1382.

[63]Zheng Z, Sha Z, Liu Y, et al. Modeling the impacts of alternative fertilization methods on nitrogen loading in rice production in Shanghai[J]. Science of the Total Environment, 2016, 566-567:1595–1603.

[64]孫桂清. 測(cè)土配方施肥的三類方法[J]. 農(nóng)村實(shí)用科技信息, 2007,(4): 13.Sun G Q. Three methods of soil testing and formula fertilization[J].Rural and Practical Technology Information, 2007, (4): 13.

[65]范勇毅, 劉志強(qiáng), 孫玉清. 利用目標(biāo)產(chǎn)量法進(jìn)行配方施肥的研究[J].內(nèi)蒙古農(nóng)業(yè)科技, 2003, (6): 15–16.Fan Y Y, Liu Z Q, Sun Y Q. Studies on fertilizer balance application using target yield[J]. Inner Mongolia Agricultural Science and Technology, 2003, (6): 15–16.

[66]Bouma D. Diagnosis of mineral deficiencies using plant tests [M].Berlin: Springer Berlin Heidelberg, 1983. 120–146.

[67]Patil S S, Dhandra B V, Angadi U B, et al. Web based expert system for diagnosis of micro nutrients’ deficiencies in crops[J]. Lecture Notes in Engineering and Computer Science, 2009, 2178(1).

[68]Lee K J, Lee B W. Estimation of rice growth and nitrogen nutrition status using color digital camera image analysis[J]. European Journal of Agronomy, 2013, 48(3): 57–65.

[69]Shi J Y, Zou X B, Zhao J W, et al. Nondestructive diagnostics of nitrogen deficiency by cucumber leaf chlorophyll distribution map based on near infrared hyperspectral imaging[J]. Scientia Horticulturae, 2012, 138: 190–197.

[70]Wang Y, Wang D, Shi P, et al. Estimating rice chlorophyll content and leaf nitrogen concentration with a digital still color camera under natural light[J]. Plant Methods, 2014, 10(1): 36.

[71]何俊俊, 楊京平, 楊虎, 等. 光照及氮素水平對(duì)水稻冠層葉片SPAD值動(dòng)態(tài)變化的影響[J]. 浙江大學(xué)學(xué)報(bào) (農(nóng)業(yè)與生命科學(xué)版),2014, 40(5): 495–504.He J J, Yang J P, Yang H, et al. Effects of light intensity and nitrogen supply on the dynamic characteristics of leaf SPAD value of rice canopy[J]. Journal of Zhejiang University (Agriculture & Life Sciences), 2014, 40(5): 495–504.

[72]Xue H, Han Y, Yabing L I, et al. Estimating light interception using the color attributes of digital images of cotton canopies[J]. Journal of Integrative Agriculture, 2017, 16(7): 1474–1485.

[73]Chen P F, Haboudane D, Tremblay N, et al. New spectral indicator assessing the efficiency of crop nitrogen treatment in corn and wheat[J]. Remote Sensing of Environment, 2010, 114(9): 1987–1997.

[74]He L, Zhang H Y, Zhang Y S, et al. Estimating canopy leaf nitrogen concentration in winter wheat based on multi-angular hyperspectral remote sensing[J]. European Journal of Agronomy, 2016, 73:170–185.

[75]Xia Y, Yan Z, Tian Y C, et al. Exploring hyperspectral bands and estimation indices for leaf nitrogen accumulation in wheat[J].International Journal of Applied Earth Observation and Geoinformation, 2010, 12(2): 89–100.

[76]Li F, Miao Y, Feng G, et al. Improving estimation of summer maize nitrogen status with red edge-based spectral vegetation indices[J].Field Crops Research, 2014, 157(2): 111–123.

[77]Feng W, Guo B B, Wang Z J, et al. Measuring leaf nitrogen concentration in winter wheat using double-peak spectral reflection remote sensing data[J]. Field Crops Research, 2014, 159(6): 43–52.

[78]Li L, Lu J, Wang S, et al. Methods for estimating leaf nitrogen concentration of winter oilseed rape (Brassica napus L.) using in situ leaf spectroscopy[J]. Industrial Crops and Products, 2016, 91:194–204.

[79]Jiang J P, Yang J P, Yang Z C, et al. Dynamic characteristics of SPAD value of rice leaf and adjacent leaf under different N application rates[J]. Journal of Zhejiang University, 2012, 38(2):166–174.

[80]Inoue Y, Sakaiya E, Zhu Y, et al. Diagnostic mapping of canopy nitrogen content in rice based on hyperspectral measurements[J].Remote Sensing of Environment, 2012, 126(6829): 210–221.

[81]Mulla D J. Twenty five years of remote sensing in precision agriculture: Key advances and remaining knowledge gaps[J].Biosystems Engineering, 2013, 114(4): 358–371.

[82]Yao H, Huang Y. Remote sensing applications to precision farming[J]. Applied Physics Letters, 2013, 96(9): 93506.

[83]祝錦霞, 陳祝爐, 石媛媛, 等. 基于無(wú)人機(jī)和地面數(shù)字影像的水稻氮素營(yíng)養(yǎng)診斷研究[J]. 浙江大學(xué)學(xué)報(bào) (農(nóng)業(yè)與生命科學(xué)版), 2010,36(1): 78–83.Zhu J X, Chen Z L, Shi Y Y, et al. Diagnoses of rice nitrogen status based on spectral characteristics of leaf and canopy[J]. Journal of Zhejiang University (Agriculture & Life Sciences), 2010, 36(1):78–83.

[84]Ramon D V, Jesus Z T P, Vincenzo A, et al. Automatic identification of agricultural terraces through object- oriented analysis of very high resolution DSM and multispectral imagery obtained from an unmanned aerial vehicle[J]. Journal of Environmental Management,2014, 134(4): 117.

[85]Duan T, Chapman S C, Guo Y, et al. Dynamic monitoring of NDVI in wheat agronomy and breeding trials using an unmanned aerial vehicle[J]. Field Crops Research, 2017, 210: 71–80.

[86]Wang Y, Wang D, Zhang G, et al. Estimating nitrogen status of rice using the image segmentation of G-R thresholding method[J]. Field Crops Research, 2013, 149: 33–39.

[87]Chen L S, Wang K. Diagnosing of rice nitrogen stress based on static scanning technology and image information extraction[J]. Journal of Soil Science and Plant Nutrition, 2013, 14: 382–393.

[88]Chen L, Lin L, Cai G, et al. Identification of nitrogen, phosphorus,and potassium deficiencies in rice based on static scanning technology and hierarchical identification method[J]. PLoS One,2014, 9(9): e113200.

[89]石媛媛. 基于數(shù)字圖像的水稻氮磷鉀營(yíng)養(yǎng)診斷與建模研究[D]. 杭州: 浙江大學(xué)博士學(xué)位論文, 2011.Shi Y Y. Rice nutrition diagnosis and modeling based on digital image [D]. Hangzhou: PhD Dissertation of Zhejiang University,2011.

[90]顧清, 鄧勁松, 陸超, 等. 基于光譜和形狀特征的水稻掃描葉片氮素營(yíng)養(yǎng)診斷[J]. 農(nóng)業(yè)機(jī)械學(xué)報(bào), 2012, 43(8): 170–174.Gu Q, Deng J S, Lu C, et al. Diagnosis of rice nitrogen nutrition based on spectral and shape characteristics of scanning leaves[J].Transactions of the Chinese Society for Agricultural Machinery,2012, 43(8): 170–174.

[91]Johnson C K, Mortensen D A, Wienhold B J, et al. Site-specific management zones based on soil electrical conductivity in a semiarid cropping system[J]. Agronomy Journal, 2003, 95(2): 303–315.

[92]Burks T F, Shearer S A, Sobolik C J, et al. Combine yield monitor test facility development[J]. Applied Engineering in Agriculture,2000, 19(1): 5–12.

[93]Schimmelpfennig D E. Cost savings from precision agriculture technologies on U.S. corn farms [J]. Amber Waves, 2016.

[94]李莎莎. 基于農(nóng)戶需求導(dǎo)向的測(cè)土配方施肥技術(shù)推廣服務(wù)機(jī)制研究[D]. 北京: 中國(guó)農(nóng)業(yè)大學(xué)博士學(xué)位論文, 2015.Li S S. Research on soil testing formula fertilization technology popularization service mechanism based on farmers’ demand oriented[D]. Beijing: PhD Dissertation of China Agricultural University,2015.

Advances in coupling big data technique with nutrient site-specific management: scheme, methods and outlook

HE Shan, SUN Yuan-yuan, SHEN Zhang-quan, WANG Ke*
( Institute of Agriculture Remote Sensing and Information Technology Application, Zhejiang University, Hangzhou 310058, China )

In this review, the methods and techniques of the field nutrient precision management were summarized, including soil testing and formulated fertilization technique, soil nutrient testing technique and crop nutrition diagnosis technique. The long term promotion of precise nutrient management work in our country has accumulated large amounts of soil types, soil fertility and other basic data, as well as some data related to field nutrient management, such as rural cadastral survey, agricultural census, characteristics of crop’s demand for nutrient and so on. However, some shortages remind to deal with. A lot of attention has been paid on theoretical researches but less on the application of the technical researches. The researchers are in state of over-divided and fragmentized, hardly connecting traditional field nutrient managements with modern precision ones. The research achievements are also need to be modified for better practical application for bothtechnicians and farmers. Nowadays, the big data technology provides solutions for the explosive growing data integration, exchanging and sharing. In this review, a fertilization management scheme of “basic fertilization and precise adjustment” was proposed by using the big data technology. Firstly, the basic fertilization plan was created through a comprehensive analysis and data mining, combined with the principle of formulated fertilization technique. The basic plan included the time and quantity of basal and top-dressed fertilizers. At the same time, the spatial visualization of field management of fertilization scheme could be realized by the use of cloud GIS, which laid the foundation for pushing fertilization scheme on mobile terminal and realizing the spatial and precise management of field information. The type and degree of crop nutritive stress were recognized by the nondestructive diagnostic technology such as digital image processing and the nutritional diagnostic model by machine learning characteristic parameters of crops. Therefore, the near-real-time monitoring and diagnosing could be performed to generate a precise adjustment to the quantity of topdressing in basic fertilization plan. An operating mode of “Pushing basic fertilization scheme, nondestructive diagnosing, precise adjusting, receiving feedback and optimizing the scheme” by the system framework of“cloud technique, handheld terminal and digital image” was proposed to support the application and updating of the fertilization scheme.

soil testing and formulated fertilization; precision fertilization; big data analysis; spectral analysis for nutrition diagnosis; basic fertilization and precise adjustment for nutrition management

2017–08–14 接受日期：2017–10–01

國(guó)家自然科學(xué)基金面上項(xiàng)目（31172023, 30571112）；863 自由探索項(xiàng)目（2006AA10Z104）資助。

何山（1991—），女，山東五蓮人，博士研究生，主要從事農(nóng)田養(yǎng)分信息化、精細(xì)化管理研究。E-mail：heshan33@zju.edu.cn* 通信作者 王珂 (1964—)，男，浙江嘉興人，博士，教授，主要從事資源環(huán)境遙感監(jiān)測(cè)、評(píng)價(jià)、規(guī)劃及其信息系統(tǒng)研制。E-mail：kwang@zju.edu.cn