Estimation of nutrient uptake requirements of greenhouse cucumber production in China based on the QUEFTS model
-
摘要:目的
黄瓜生产中普遍存在施肥量高、施肥不平衡等问题，严重影响了我国黄瓜产量与肥料利用效率。明确养分需求量是建立科学有效的黄瓜推荐施肥方法的前提，也是实现精准施肥的基础，对于我国黄瓜可持续生产至关重要。
方法以“黄瓜”、“黄瓜+产量”、“黄瓜+养分吸收”为关键词，收集汇总了来自国际植物营养研究所(IPNI)、中国知网数据库(CNKI)以及本课题在我国黄瓜主产区开展的田间试验。应用QUEFTS模型，预估不同目标产量下黄瓜的最佳养分需求量，并在天津、北京、河北和江苏四省市布置田间试验，验证模型得出的黄瓜养分需求量。
结果我国黄瓜平均产量可达86.2 t/hm2，但样本间产量差异较大，其变化范围为2.9～339.5 t/hm2。黄瓜果实氮(N)、磷(P)和钾(K)吸收量平均值分别为175.6、44.1和236.6 kg/hm2，变化范围分别为44.8～459.0、16.0～119.6和34.7～554.8 t/hm2；地上部N、P和K总吸收量平均分别为260.6、64.7和326.9 kg/hm2，变化范围分别为52.0～525.3、11.2～146.4和53.0～632.4 kg/hm2。不同种植区气候、土壤条件、黄瓜品种、灌水量以及养分管理措施等差异，造成产量与养分吸收量变化范围较大。去除养分内在效率上下2.5%的数值，得到最大稀释边界(d)和最大累积边界(a)参数，应用QUEFTS模型模拟不同目标产量下黄瓜的最佳养分需求量，得出每生产1000 kg黄瓜，其地上部养分需求量分别为N 2.25 kg、P 0.48 kg和K 2.84 kg，相应的N、P和K养分内在效率分别为444.9、2074.3和352.1 kg/kg。田间验证试验结果显示，N、P、K养分吸收量模拟值与实测值具有一致性，其N、P和K的拟合指数d值分别达到了0.996、0.978和0.997。
结论应用QUEFTS模型模拟了不同目标产量下黄瓜最佳养分需求量，确定了我国黄瓜产量与养分吸收之间的量化关系，为我国黄瓜推荐施肥方法的建立提供了养分需求参数。
Abstract:ObjectivesFertilization in cucumber production is commonly characterized by high application rates and imbalances, significantly affecting cucumber yields and fertilizer use efficiency in China. Determining nutrient requirements is a prerequisite for establishing scientific and effective fertilization recommendations for cucumbers and serves as the foundation for precise fertilization, which is crucial for sustainable cucumber production in China.
MethodsWe collected and summarized data from field experiments conducted by the International Plant Nutrition Institute (IPNI), the China National Knowledge Infrastructure (CNKI) database, and our research team in major cucumber-producing regions of China, using keywords such as “cucumber”, “cucumber + yield”, and “cucumber + nutrient absorption”. The QUEFTS model was applied to estimate optimal nutrient requirements for cucumbers at different target yields. Field experiments were conducted in Tianjin, Beijing, Hebei, and Jiangsu to validate the model-derived nutrient requirements for cucumbers.
ResultsThe average cucumber yield reached 86.2 t/hm² but varied widely, ranging from 2.9 to 339.5 t/hm². The average N, P, and K absorption by cucumber fruits were 175.6, 44.1, and 236.6 kg/hm², respectively, with ranges of 44.8−459.0, 16.0−119.6, and 34.7−554.8 kg/hm², respectively. The average total N, P, and K absorption by the aboveground parts were 260.6, 64.7, and 326.9 kg/hm², respectively, with ranges of 52.0−525.3, 11.2−146.4, and 53.0−632.4 kg/hm², respectively. Differences in climate, soil conditions, cucumber varieties, irrigation amounts, and nutrient management practices across different planting areas contributed to the high variation in yields and nutrient absorption. By excluding the top and bottom 2.5% of nutrient internal efficiency values, we obtained the maximum dilution boundary (d) and maximum accumulation boundary (a) parameters. Using the QUEFTS model to simulate optimal nutrient requirements for cucumbers at different target yields, we found that for every 1000 kg of cucumber produced, the aboveground nutrient requirements were 2.25 kg of N, 0.48 kg of P, and 2.84 kg of K, with corresponding nutrient internal efficiencies of 444.9, 2074.3, and 352.1 kg/kg for N, P, and K, respectively. Field validation experiments showed that the simulated and measured nutrient absorption values for N, P, and K were consistent, with fitting index (d) values of 0.996, 0.978, and 0.997, respectively.
ConclusionsThe QUEFTS model was used to simulate optimal nutrient requirements for cucumbers at different target yields, establishing a quantitative relationship between cucumber yield and nutrient absorption in China. This provides nutrient requirement parameters for the establishment of recommended fertilization methods for cucumbers in China.
-
黄瓜(Cucumis sativus L.)是我国重要的蔬菜之一，是全球性大众化蔬菜[1]。目前我国黄瓜种植面积居世界首位，约占全世界黄瓜总种植面积的60%。尽管我国黄瓜种植面积大，但单产仅为58.95 t/hm2，仅为荷兰、以色列等设施农业发达国家的1/6[2]。与粮食作物相比，蔬菜根系短浅，养分吸收量高，栽培过程中通常需要更密集的肥水供应，每年的氮肥投入是粮食作物的3～4倍[3−5]。在当前设施蔬菜生产中，为了追求高产、高收益，菜农的施肥量远超过蔬菜养分需求量，不仅造成肥料资源的巨大浪费，还导致养分损失和环境污染，已严重影响到我国设施蔬菜绿色可持续发展[6−7]。因此，合理有效的养分管理对于我国黄瓜可持续生产至关重要。
当前，基于土壤养分测试的推荐施肥方法已在黄瓜生产中得到应用，在产量提升和环境保护方面起到了积极作用，但存在测试成本高、测试结果不及时等困难，导致大规模推广仍难以突破，影响农户使用积极性[8−9]。基于作物的推荐施肥方法如叶绿素仪法和硝酸盐反射仪法等，在设施黄瓜生产中应用存在受光照辐射强度的影响、工作量较大和耗时长等缺点[10−11]。但建立这些施肥方法的基础是确定合理的养分需求量，这也是实现养分精准管理的前提。传统计算养分需求量时主要是依据测定的作物养分含量，再结合生物量折合成最终的养分吸收量。然而，这需要设置不同养分间交互的肥料用量试验才能确定最优的施肥处理，这对种植地块比较小的设施黄瓜而言显然不现实，且个别试验结果也缺乏代表性。QUEFTS (Quantitative Evaluation of the Fertility of Tropical Soils)模型为估算养分吸收提供了新思路，其不仅考虑氮(N)、磷(P)和钾(K)之间的交互作用[12−13]，同时以大量田间试验为基础分析作物养分吸收和产量关系，进而对养分吸收参数优化[14−16]。当前，QUEFTS模型已应用于我国玉米[17]、水稻[18]、小麦[19]、大豆[20]和马铃薯[21]等作物，但在模拟黄瓜最佳养分需求方面尚未有研究报道。为此，本研究以在中国开展的黄瓜田间试验为基础，拟开展如下研究：通过文献收集，分析中国黄瓜产量与养分吸收特征；应用QUEFTS模型模拟黄瓜产量与N、P、K的最佳养分需求关系；并通过田间试验评价QUEFTS模型得出的黄瓜N、P和K吸收参数。本研究旨在为我国黄瓜养分科学管理提供参考。
1. 材料与方法
1.1 数据来源
本研究收集汇总了2000—2023年在中国黄瓜主产区开展的田间试验数据，来源于国际植物营养研究所(IPNI)中国项目组、本团队开展的田间试验，以及以“黄瓜”、“黄瓜+产量”、“黄瓜+养分吸收”为关键词在中国知网数据库(CNKI)检索得到的公开发表文献数据，共计225个田间试验，具体土壤基础理化性质见表1。
表 1 全国各省(市)开展的黄瓜试验数量及土壤化学性质Table 1. The number of cucumber experiments and the soil chemical properties in various provinces (cities) in China省 (市)
Province (city)试验数量
Number of experimentpH 有机质 (g/kg)
Organic matter碱解氮 (mg/kg)
Alkali-hydratable N有效磷 (mg/kg)
Olsen-P速效钾 (mg/kg)
NH4OAc-K安徽 Anhui 25 5.9～6.4 14.6～24.0 120.0 39.8～136.0 62.0～243.0 北京 Beijing 168 7.4～8.3 2.3～56.9 116.0～315.0 35.8～400.0 66.5～782.8 甘肃 Gansu 57 5.9～7.6 9.6～17.7 48.0～96.9 12.1～66.3 76.0～268.0 广东 Guangdong 8 5.2～6.3 18.1～36.1 252.0 2.1 56.9～107.7 贵州 Guizhou 42 6.1～6.9 14.8～34.3 100.0～151.0 7.0～85.8 62.0～140.0 海南 Hainan 14 5.4 23.4 110.9 35.5 97.2 河北 Hebei 246 7.2～8.2 1.1～31.2 63.5～349.2 32.4～422.4 60.0～900.0 河南 Henan 61 7.6～8.0 1.4～19.5 40.3～66.2 8.9～25.8 65.0～192.9 黑龙江 Heilongjiang 27 6.9 3.8 162.3 16.6 156.7 湖南 Hunan 17 4.4～6.2 23.7～39.5 139.8～182.5 5.8～193.0 70.6～128.0 江苏 Jiangsu 159 5.6～8.3 1.2～27.0 88.2～169.6 2.8～196.7 56.2～455.3 辽宁 Liaoning 67 5.0～7.2 12.2～38.5 39.1～406.4 33.9～293.2 76.3～215.8 内蒙古 Inner Mongolia 37 7.2～7.7 10.5～34.4 62.4～117.0 78.2～85.6 121.0～342.6 宁夏 Ningxia 46 8.0～9.0 10.9～30.1 25.9～174.7 151.8～389.6 11.8～365.0 青海 Qinghai 14 6.8～8.3 11.3～24.5 73.0～122.0 9.7～129.6 178.9～235.0 山东 Shandong 174 3.8～7.9 1.3～45.0 85.0～243.3 70.5～230.3 65.3～521.2 山西 Shanxi 42 6.9～8.7 12.6～50.8 154.7～226.0 25.1～434.0 149.5～817.0 陕西 Shaanxi 111 4.6～8.6 6.5～26.2 3.6～108.0 25.8～204.0 77.7～328.0 上海 Shanghai 41 6.9 17.8 108.5 360.0 四川 Sichuan 11 4.8 23.4 60.7 138.7 天津 Tianjin 112 7.5～8.6 8.3～46.0 117.0～127.9 140.6～484.8 浙江 Zhejiang 23 5.1～8.7 19.2～46.2 254.9 17.4～61.3 62.8～288.0 重庆 Chongqing 3 7.2 19.1 113.2 7.4 112.0 1.2 QUEFTS模型介绍
QUEFTS模型基于大量试验数据模拟作物产量和养分吸收之间的量化关系，数据涵盖了不同施肥管理措施、灌溉量，以及不同地区土壤类型、气候类型和作物品种等，可以避免由于单一试验或某一养分开展养分管理引起的偏差。QUFETS模型通过考虑N、P和K三者之间的两两相互作用，利用去除养分内在效率值上下2.5%、5.0%和7.5%百分位数值的三组参数，确定作物养分最大稀释边界和最大累积边界。这两组参数的定义为养分在最大累积和最大稀释状态下所生产的产量，其含义为当土壤中某种养分供应不足时，作物体内该养分吸收处于稀释状态，随着该养分投入的不断增加，在作物体内该养分不断积累并逐渐达到最大累积状态。模型采用线性−抛物线−平台函数模拟作物产量和氮磷钾养分吸收关系曲线，以得到最佳养分需求量[17−21]。
1.3 养分吸收田间验证
于2023年，在我国黄瓜主产区天津、北京、河北和江苏开展田间试验，验证基于QUEFTS模型的模拟养分吸收值与实测值的一致性。各试验点黄瓜均为温室种植，3月下旬或4月初种植，7月上旬收获。各试验点基于初步建立的黄瓜养分专家系统进行推荐施肥，其氮、磷和钾肥施用量分别为N 450～550 kg/hm2、P2O5 170～200 kg/hm2和K2O 450～570 kg/hm2。试验小区面积为15.6～23.4 m2，种植密度为3.3～4.3万株/hm2。各试验点磷肥全部基施；氮、钾肥30%用作基肥，70%追施。在浇水定植1个月后每隔15天追肥1次，共追施5次，氮、钾肥基肥和追肥比例设置为3∶(2∶1.25∶1.25∶1.25∶1.25)。田间验证试验开始前0—20 cm耕层土壤基本理化性质见表2。
表 2 田间验证试验土壤基础理化性质Table 2. Basic soil properties of the fields for validation experiments试验点
Experimental site土壤类型
Soil typepH 有机质 (g/kg)
Organic matter全氮 (g/kg)
Total N有效磷 (mg/kg)
Olsen P速效钾 (mg/kg)
NH4OAc-K天津 Tianjin 潮土 Fluvo-aquic soil 8.6 24.1 1.4 127.9 465.9 北京 Beijing 褐土 Cinnamon soil 8.1 16.8 2.0 172.6 606.1 河北 Hebei 潮土 Fluvo-aquic soil 7.3 17.6 2.0 310.5 848.0 江苏 Jiangsu 水稻土 Paddy soil 7.9 27.0 2.1 196.7 316.3 1.4 样品采集与分析
黄瓜收获时各试验点位样品采集使用相同标准。采收小区中间两行黄瓜进行测产，并折合成95%含水量的产量。另外，于每小区采收长势均匀的黄瓜6株，分为果实和秸秆，于105℃杀青30 min，并于65℃烘干至恒重后称重。粉碎后的烘干样品经H2SO4−H2O2消煮后，分别采用凯氏法、钒钼黄比色法和原子吸收法测定黄瓜果实和秸秆中的全氮、磷和钾含量，计算养分累积量。氮、磷和钾肥施用量均用N、P2O5和K2O计算，养分累积量和模拟养分需求量均用N、P和K计算。
1.5 统计与分析
采用Excel 2020进行数据分析与图表绘制，使用SPSS 24.0在0.05水平上进行独立样本T检验。使用平均误差(MBE)、标准化均方根误差(nRMSE)、模拟效率(NSE)和拟合指数d评估QUEFTS模型模拟的养分吸收值与实测值之间的一致性，公式如下：
MBE=n∑i=1(Si−Mi)n nRMSE=√n∑i=1(Si−Mi)2/n¯M×100 NSE=1−n∑i=1(Si−Mi)2n∑i=1(Mi−¯M)2 d=1−n∑i=1(Si−Mi)2n∑i=1(|Si−¯M|+|Mi−¯M|)2 式中：Si和Mi分别表示N、P或K的模拟值和实测值，n为样本数，¯M为实测值的平均值。
平均误差(MBE)数值大于0时，表示模拟值大于实测值；当数值小于0时，表示模拟值小于实测值[22]。标准化均方根误差(nRMSE)取值范围为0～100%，当nRMSE＞30%时，表示模型模拟效果较差；15%<nRMSE≤30%时，表示模型模拟效果适中；nRMSE≤15%时，表示模型模拟效果较高[23]。模拟效率(NSE)取值范围为−∞～1，当0<NSE≤1时，NSE值越大表明模型模拟效果越好；当NSE<0时，表明模型模拟效果差[24]。d值用来衡量模拟值与实测值的拟合效果，其取值范围为0～1，当d<0.5时，表示模型模拟值与实测值的拟合效果较差；当0.5≤d<0.8时，表示模拟值与实测值的拟合效果中等；当0.8≤d<0.9时，表示模拟值与实测值的拟合效果较好；当d≥0.9时，表示模拟值与实测值的拟合效果很好[23, 25]。
2. 结果与分析
2.1 黄瓜产量和养分吸收特征
我国黄瓜产量和养分吸收特征结果(表3)显示，黄瓜平均产量为86.2 t/hm2，由于不同种植区黄瓜品种、肥料投入量、灌溉方式等措施的差异导致其产量变异很大，产量变化范围为2.9～339.5 t/hm2。对于养分吸收而言，果实中N、P和K养分含量平均分别为19.1、5.6和20.7 g/kg，变化范围分别为1.7～42.9、0.5～23.2和1.0～56.2 g/kg；秸秆中N、P和K养分含量平均分别为15.1、4.1和13.9 g/kg，变化范围分别为2.0～44.4、0.4～18.4和1.2～42.7 g/kg。黄瓜地上部N、P和K总养分吸收量平均分别为260.6、64.7和326.9 kg/hm2，变化范围分别为52.0～525.3、11.2～146.4和53.0～632.4 kg/hm2；果实N、P和K养分吸收量平均分别为175.6、44.1和236.6 kg/hm2，变化范围分别是44.8～459.0、16.0～119.6和34.7～554.8 kg/hm2；秸秆N、P和K养分吸收量平均分别为89.2、23.4和95.5 kg/hm2，变化范围分别是10.2～246.1、6.1～116.0和30.5～358.4 kg/hm2。对于黄瓜而言，N、P和K大部分积累在果实中，其N、P和K收获指数平均分别为0.66、0.66和0.71。
表 3 黄瓜养分吸收参数值Table 3. Values of nutrient uptake parameters for cucumber production参数
Parameter单位
Unit样本数
n平均值
Mean标准差
SD最小值
Minimum上四分位数
Top 25% value中数
Median下四分位数
Top 75% value最大值
Maximum产量 Yield t/hm2 1948 86.2 50.3 2.9 51.8 75.5 110.7 339.5 果实N含量 [N] in fruit g/kg 224 19.1 10.5 1.7 10.5 16.2 29.2 42.9 果实P含量 [P] in fruit g/kg 219 5.6 4.7 0.5 2.6 3.5 7.2 23.2 果实K含量 [K] in fruit g/kg 219 20.7 17.4 1.0 5.8 7.6 38.2 56.2 秸秆N含量 [N] in straw g/kg 195 15.1 9.1 2.0 9.2 10.3 23.6 44.4 秸秆P含量 [P] in straw g/kg 200 4.1 4.2 0.4 1.5 2.5 4.6 18.4 秸秆K含量 [K] in straw g/kg 206 13.9 13.1 1.2 4.7 5.9 25.3 42.7 果实N吸收量 N uptake in fruit kg/hm2 339 175.6 80.3 44.8 116.8 170.7 202.7 459.0 果实P吸收量 P uptake in fruit kg/hm2 257 44.1 17.8 16.0 32.1 40.4 49.5 119.6 果实K吸收量 K uptake in fruit kg/hm2 271 236.6 92.8 34.7 181.1 223.2 273.5 554.8 秸秆N吸收量 N uptake in straw kg/hm2 332 89.2 48.4 10.2 60.1 76.1 103.8 246.1 秸秆P吸收量 P uptake in straw kg/hm2 248 23.4 16.3 6.1 12.4 18.8 29.8 116.0 秸秆K吸收量 K uptake in straw kg/hm2 259 95.5 49.4 30.5 68.0 81.5 106.7 358.4 总N吸收量 Total N uptake kg/hm2 468 260.6 105.4 52.0 176.1 255.8 330.0 525.3 总P吸收量 Total P uptake kg/hm2 272 64.7 25.4 11.2 43.7 62.2 79.3 146.4 总K吸收量 Total K uptake kg/hm2 288 326.9 116.7 53.0 252.9 315.2 390.1 632.4 N收获指数 N harvest index kg/kg 339 0.66 0.11 0.29 0.62 0.66 0.71 0.92 P收获指数 P harvest index kg/kg 255 0.66 0.11 0.29 0.60 0.67 0.74 0.89 K收获指数 K harvest index kg/kg 272 0.71 0.09 0.38 0.67 0.71 0.75 0.92 2.2 黄瓜养分内在效率与单位产量养分吸收
养分内在效率(IE)指每吸收1 kg养分所生产的黄瓜经济产量，即经济产量与地上部养分吸收量的比值。养分内在效率倒数(RIE)代表单位产量养分吸收，即生产1 t黄瓜产量地上部植株所吸收的养分。QUEFTS模型利用IE和RIE表征黄瓜产量与植株养分吸收之间的关系。就IE和RIE数据(表4)而言，黄瓜植株N、P和K的IE平均值分别为410.6、1754.1和342.0 kg/kg，其变化范围分别为234.8～675.7、1071.2～3615.3和191.4～500.0 kg/kg；相应的RIE平均值分别为2.5、0.6和3.0 kg/t，其变化范围分别为1.5～4.3、0.3～0.9和2.0～5.2 kg/t。
表 4 黄瓜植株养分内在效率和养分内在效率倒数描述统计Table 4. Descriptive statistics of the internal efficiency (IE) and its reciprocal internal efficiency (RIE) in cucumber plant参数
Parameter单位
Unit样本数
n平均值
Mean标准差
SD最小值
Minimum上四分位数
Top 25% value中数
Median下四分位数
Top 75% value最大值
MaximumIE-N kg/kg 404 410.6 88.2 234.8 339.8 409.8 467.1 675.7 IE-P kg/kg 251 1754.1 523.6 1071.2 1378.0 1628.8 1860.9 3615.3 IE-K kg/kg 271 342.0 65.4 191.4 296.7 342.1 383.5 500.0 RIE-N kg/t 404 2.5 0.5 1.5 2.1 2.4 2.9 4.3 RIE-P kg/t 251 0.6 0.1 0.3 0.5 0.6 0.7 0.9 RIE-K kg/t 271 3.0 0.6 2.0 2.6 2.9 3.4 5.2 2.3 QUEFTS模型参数确定
最大累计边界和最大稀释边界是QUEFTS模型模拟不同目标产量下黄瓜最佳养分需求的重要参数。利用去除养分内在效率上下2.5% (参数Ⅰ)、5.0% (参数Ⅱ)和7.5% (参数Ⅲ)的数值，计算黄瓜N、P和K的参数最大累积边界、最大稀释边界(a、d)值(表5)。
表 5 黄瓜地上部最大累积边界(a)和最大稀释边界(d)养分需求量(kg/kg)Table 5. The maximum accumulation (a) and dilution (d) boundary of N, P and K requirements for the above-ground parts of cucumber养分
Nutrient参数Ⅰ Set Ⅰ 参数Ⅱ Set Ⅱ 参数Ⅲ Set Ⅲ a (2.5th) d (97.5th) a (5.0th) d (95.0th) a (7.5th) d (92.5th) N 269 624 290 571 297 548 P 1150 3169 1211 2998 1253 2899 K 221 475 236 456 244 442 以潜在产量200 t/hm2为例，应用QUEFTS模型模拟3组参数下黄瓜不同目标产量的养分吸收曲线。结果(图1)显示，三组参数对黄瓜模拟曲线影响较小，仅当目标产量接近潜在产量时才表现一定差异，由于在参数Ⅰ下两边界涵盖的范围更大，因此采用此参数对应的a和d值作为QUEFTS模型参数，对黄瓜的养分需求量进行模拟，即N、P、K的a和d值分别是269和624 kg/kg、1150和3169 kg/kg及221和475 kg/kg。
![]()
图 1 不同最大累积边界(a)和最大稀释边界(d)下黄瓜产量和养分吸收关系注：YA为植株养分最大累积边界，YD为植株养分最大稀释边界，YU为QUEFTS模型预估的最佳养分吸收曲线。Figure 1. The relationship between cucumber yield and nutrient uptake at different maximum accumulation and dilution boundaries (a, d)Note: YA is the maximum plant nutrient accumulation boundary, YD is the maximum plant nutrient dilution boundary, YU is the optimal nutrient uptake curve predicted by the QUEFTS model.2.4 黄瓜最佳养分需求估算
应用QUEFTS模型模拟了不同潜在产量(80～200 t/hm2)下达到一定目标产量的黄瓜N、P和K最佳养分需求量。结果(图2)显示，当目标产量为潜在产量的70%以内时，黄瓜养分吸收量随目标产量的增加呈线性增加趋势。
![]()
图 2 QUEFTS模型拟合的不同潜在产量下黄瓜最佳养分需求量注：YA为植株养分最大累积边界，YD为植株养分最大稀释边界，YU为QUEFTS模型预估的最佳养分吸收曲线，曲线自下而上的潜在产量分别为80、120、160和200 t/hm2。Figure 2. The optimal nutrient requirements of cucumber for different potential yields fitted by QUEFTS modelNote: YA is the maximum plant nutrient accumulation boundary, YD is the maximum plant nutrient dilution boundary, YU is the optimal nutrient uptake curve predicted by the QUEFTS model. The target yields from the bottom-up of the curve are 80, 120, 160 and 200 t/hm2.生产1000 kg黄瓜，地上部植株养分需求量分别为N 2.25 kg、P 0.48 kg和K 2.84 kg，相应的IE分别为444.9、2074.3和352.1 kg/kg (表6)，直线部分养分需求N∶P∶K为4.69∶1∶5.92。
表 6 QUEFTS模型拟合的黄瓜最佳养分吸收、养分内在效率和养分内在效率倒数Table 6. Optimal nutrient uptake, nutrient intrinsic efficiency and the reciprocal internal efficiency of N, P, and K as simulated by the QUEFTS model for cucumber产量
Yield
(t/hm2)总养分需求量 (kg/hm2)
Total nutrient requirement养分内在效率 (kg/kg)
Internal efficiency养分内在效率倒数 (kg/t)
Reciprocal internal efficiencyN P K N P K N P K 0 0 0 0 0 0 0 0 0 0 10 22.5 4.8 28.4 444.9 2074.3 352.1 2.25 0.48 2.84 20 45.0 9.6 56.8 444.9 2074.3 352.1 2.25 0.48 2.84 30 67.4 14.5 85.2 444.9 2074.3 352.1 2.25 0.48 2.84 40 89.9 19.3 113.6 444.9 2074.3 352.1 2.25 0.48 2.84 50 112.4 24.1 142.0 444.9 2074.3 352.1 2.25 0.48 2.84 60 134.9 28.9 170.4 444.9 2074.3 352.1 2.25 0.48 2.84 70 157.3 33.7 198.8 444.9 2074.3 352.1 2.25 0.48 2.84 80 179.8 38.6 227.2 444.9 2074.3 352.1 2.25 0.48 2.84 90 202.3 43.4 255.6 444.9 2074.3 352.1 2.25 0.48 2.84 100 224.8 48.2 284.0 444.9 2074.3 352.1 2.25 0.48 2.84 110 247.2 53.0 312.5 444.9 2074.3 352.1 2.25 0.48 2.84 120 269.7 57.8 340.9 444.9 2074.3 352.1 2.25 0.48 2.84 130 292.2 62.7 369.3 444.9 2074.3 352.1 2.25 0.48 2.84 140 314.7 67.5 397.7 444.9 2074.3 352.1 2.25 0.48 2.84 150 341.1 73.2 431.1 439.8 2050.3 348.0 2.27 0.49 2.87 160 377.0 80.9 476.4 424.4 1978.9 335.9 2.36 0.51 2.98 170 418.0 89.7 528.2 406.7 1896.3 321.8 2.46 0.53 3.11 180 467.4 100.2 590.6 385.1 1795.6 304.8 2.60 0.56 3.28 190 533.9 114.5 674.7 355.9 1659.3 281.6 2.81 0.60 3.55 200 732.8 157.2 926.1 272.9 1272.4 216.0 3.66 0.79 4.63 2.5 QUEFTS模型田间验证
黄瓜氮磷钾养分吸收实测值与模拟值相比较，MBE分别为−62.83、−9.17和−61.77 kg/hm2 (图3)，均为负值，表明模拟值均小于实测值；nRMSE分别为27.5%、33.5%和23.9%，表明P素吸收的模拟值与实测值吻合度一般，氮、钾素模拟值与实测值之间变异性较小；NSE值分别为0.39、0.14和0.48，均大于0；d值分别为0.996、0.978和0.997，表明氮、钾素养分吸收模拟效果相较磷素模拟效果更好。
![]()
图 3 黄瓜氮磷钾养分吸收实测值与模拟值比较Figure 3. Comparison of measured and simulated values of N, P and K nutrient uptake in cucumber3. 讨论
不同养分管理措施[26]、地区气候与土壤肥力状况、栽培方式[27]以及黄瓜品种[28]的差异，均会导致黄瓜产量和养分吸收变异。本研究田间试验汇总的平均黄瓜产量数据要低于2020年农业农村部公布的设施黄瓜产量(91.0 t/hm2)，主要原因是本研究收集整理的黄瓜数据库中包含了不同田间管理措施，如不施肥和缺素处理。产量的差异也导致黄瓜果实和秸秆中氮、磷和钾养分吸收量差距较大，原因是较低的养分吸收量数据主要来自于缺素处理，而较高的则来自于过量施肥处理。过量施肥不仅会导致黄瓜养分奢侈吸收，同时容易导致地下水污染等环境问题[29−30]。张涛等[31]研究结果表明，在施用氮肥的基础上，合理配施磷、钾肥，可促进黄瓜的生长发育，在一定程度上提高黄瓜产量和养分吸收。张红梅等[32]研究结果显示，有机无机肥配施可有效提高黄瓜产量和品质，且合理的有机无机肥配施比例对黄瓜的生长发育起着积极促进作用，提高黄瓜养分吸收。以上管理措施可在一定程度上提高黄瓜的产量与养分吸收，但上述结果均基于较少的养分吸收数据、单一养分管理措施，无法精准预估不同目标产量下黄瓜的最佳养分需求量。
确定养分吸收是建立推荐施肥方法及开展养分精准管理的前提，传统的测土配方施肥将土壤测试与肥料田间试验相结合，依据作物需肥规律、土壤供肥能力和肥料效应以确定肥料的施用量、施用时间[9]，其核心是解决作物需肥和土壤供肥之间的矛盾以实现作物的科学施肥[33]，在作物生产过程中起到一定的积极作用。但由于作物品种、土壤类型不同等原因，以及测土配方施肥时效性较差，难以短时间内满足大批量土壤测试需求，以及土壤测试值与作物反应的相关性差等原因导致推广应用难度较大[34]。叶绿素仪法直接接触植株叶片测定叶绿素相对含量，并根据植株含氮量进行作物氮肥推荐，具有快速、携带方便和对测定作物不造成损坏等优点[35]。由于需进行实时监测，反复测量，所以存在工作量较大的缺点[11]。QUEFTS模型不受限于土壤测试，其对黄瓜种植区多年多点的田间试验数据进行分析，避免了少数试验数据对结果带来的偏差，具有普遍性，在考虑氮、磷和钾养分两两交互作用的基础上，应用线性−抛物线−平台函数预估不同目标产量下作物的最佳养分吸收量[36]。
模拟结果发现，当目标产量不超过潜在产量的70%时，QUEFTS模型模拟的黄瓜养分吸收量随产量增加呈线性增加的趋势，这与关于其他作物如水稻[18]、小麦[19]、马铃薯[21]、萝卜[37]等的研究结果一致。汪建飞等[38]研究结果显示，生产1000 kg黄瓜的氮、磷和钾养分需求量分别为2.8、0.5和3.6 kg，氮、磷和钾养分吸收比例为1∶0.18∶1.25。虽然三大营养元素间的比例与本研究结果基本一致，但其氮和钾的养分需求量均大于本研究应用QUEFTS模型模拟的结果，主要原因是汪建飞等[38]的研究数据中不包含缺素试验处理，导致养分吸收偏高。王丽英等[39]研究表明，在优化水氮供应条件下，生产1000 kg黄瓜的氮、磷和钾养分需求量分别为2.25、0.59和2.61 kg，氮、磷和钾养分吸收比例为1∶0.19∶1.12，与本研究结果相近，然而王丽英等[39]研究仅仅是基于河北省一个试验点的点位数据，难以应用到全国黄瓜养分管理。
需要注意的是，本研究中磷的模拟值与实测值吻合度一般，如北京、河北及江苏试验点的磷素实测值要高于模拟值，位于1∶1线下方区域，这可能与3个试验点较高的土壤磷含量和施磷量导致的磷素奢侈吸收有关。当前设施蔬菜生产中，过量施磷问题普遍存在。李若楠等[40]研究显示，设施黄瓜的磷肥平均施用量为推荐量的15.5倍。程启鹏等[41]研究表明，我国黄瓜磷素减施30%时，可有效提高黄瓜磷素吸收和产量。而本研究中氮、钾的nRMSE均小于30.0%，且d值结果表明模拟值与实测值吻合度较高。以上结果表明，QUEFTS模型可用于预估黄瓜最佳养分需求量，对于建立养分推荐方法和优化黄瓜养分管理具有重要意义。
4. 结论
在收集汇总黄瓜田间试验数据基础上，建立了黄瓜产量和养分吸收数据库，应用QUEFTS模型模拟了黄瓜产量和养分需求量间的量化关系。当目标产量为潜在产量的70%以内时，黄瓜养分吸收量随产量增加呈线性增加，每生产1000 kg黄瓜，其N、P和K养分需求量分别为2.25、0.48和2.84 kg。在四省市布置的田间试验结果表明，QUEFTS模型可用于预估黄瓜的最佳养分吸收，可为制定合理的黄瓜施肥建议提供依据。
-
![]()
图 1 不同最大累积边界(a)和最大稀释边界(d)下黄瓜产量和养分吸收关系
注：YA为植株养分最大累积边界，YD为植株养分最大稀释边界，YU为QUEFTS模型预估的最佳养分吸收曲线。
Figure 1. The relationship between cucumber yield and nutrient uptake at different maximum accumulation and dilution boundaries (a, d)
Note: YA is the maximum plant nutrient accumulation boundary, YD is the maximum plant nutrient dilution boundary, YU is the optimal nutrient uptake curve predicted by the QUEFTS model.
![]()
图 2 QUEFTS模型拟合的不同潜在产量下黄瓜最佳养分需求量
注：YA为植株养分最大累积边界，YD为植株养分最大稀释边界，YU为QUEFTS模型预估的最佳养分吸收曲线，曲线自下而上的潜在产量分别为80、120、160和200 t/hm2。
Figure 2. The optimal nutrient requirements of cucumber for different potential yields fitted by QUEFTS model
Note: YA is the maximum plant nutrient accumulation boundary, YD is the maximum plant nutrient dilution boundary, YU is the optimal nutrient uptake curve predicted by the QUEFTS model. The target yields from the bottom-up of the curve are 80, 120, 160 and 200 t/hm2.
![]()
图 3 黄瓜氮磷钾养分吸收实测值与模拟值比较
Figure 3. Comparison of measured and simulated values of N, P and K nutrient uptake in cucumber
表 1 全国各省(市)开展的黄瓜试验数量及土壤化学性质
Table 1 The number of cucumber experiments and the soil chemical properties in various provinces (cities) in China
省 (市)
Province (city)试验数量
Number of experimentpH 有机质 (g/kg)
Organic matter碱解氮 (mg/kg)
Alkali-hydratable N有效磷 (mg/kg)
Olsen-P速效钾 (mg/kg)
NH4OAc-K安徽 Anhui 25 5.9～6.4 14.6～24.0 120.0 39.8～136.0 62.0～243.0 北京 Beijing 168 7.4～8.3 2.3～56.9 116.0～315.0 35.8～400.0 66.5～782.8 甘肃 Gansu 57 5.9～7.6 9.6～17.7 48.0～96.9 12.1～66.3 76.0～268.0 广东 Guangdong 8 5.2～6.3 18.1～36.1 252.0 2.1 56.9～107.7 贵州 Guizhou 42 6.1～6.9 14.8～34.3 100.0～151.0 7.0～85.8 62.0～140.0 海南 Hainan 14 5.4 23.4 110.9 35.5 97.2 河北 Hebei 246 7.2～8.2 1.1～31.2 63.5～349.2 32.4～422.4 60.0～900.0 河南 Henan 61 7.6～8.0 1.4～19.5 40.3～66.2 8.9～25.8 65.0～192.9 黑龙江 Heilongjiang 27 6.9 3.8 162.3 16.6 156.7 湖南 Hunan 17 4.4～6.2 23.7～39.5 139.8～182.5 5.8～193.0 70.6～128.0 江苏 Jiangsu 159 5.6～8.3 1.2～27.0 88.2～169.6 2.8～196.7 56.2～455.3 辽宁 Liaoning 67 5.0～7.2 12.2～38.5 39.1～406.4 33.9～293.2 76.3～215.8 内蒙古 Inner Mongolia 37 7.2～7.7 10.5～34.4 62.4～117.0 78.2～85.6 121.0～342.6 宁夏 Ningxia 46 8.0～9.0 10.9～30.1 25.9～174.7 151.8～389.6 11.8～365.0 青海 Qinghai 14 6.8～8.3 11.3～24.5 73.0～122.0 9.7～129.6 178.9～235.0 山东 Shandong 174 3.8～7.9 1.3～45.0 85.0～243.3 70.5～230.3 65.3～521.2 山西 Shanxi 42 6.9～8.7 12.6～50.8 154.7～226.0 25.1～434.0 149.5～817.0 陕西 Shaanxi 111 4.6～8.6 6.5～26.2 3.6～108.0 25.8～204.0 77.7～328.0 上海 Shanghai 41 6.9 17.8 108.5 360.0 四川 Sichuan 11 4.8 23.4 60.7 138.7 天津 Tianjin 112 7.5～8.6 8.3～46.0 117.0～127.9 140.6～484.8 浙江 Zhejiang 23 5.1～8.7 19.2～46.2 254.9 17.4～61.3 62.8～288.0 重庆 Chongqing 3 7.2 19.1 113.2 7.4 112.0 
下载: 导出CSV
表 2 田间验证试验土壤基础理化性质
Table 2 Basic soil properties of the fields for validation experiments
试验点
Experimental site土壤类型
Soil typepH 有机质 (g/kg)
Organic matter全氮 (g/kg)
Total N有效磷 (mg/kg)
Olsen P速效钾 (mg/kg)
NH4OAc-K天津 Tianjin 潮土 Fluvo-aquic soil 8.6 24.1 1.4 127.9 465.9 北京 Beijing 褐土 Cinnamon soil 8.1 16.8 2.0 172.6 606.1 河北 Hebei 潮土 Fluvo-aquic soil 7.3 17.6 2.0 310.5 848.0 江苏 Jiangsu 水稻土 Paddy soil 7.9 27.0 2.1 196.7 316.3
下载: 导出CSV
表 3 黄瓜养分吸收参数值
Table 3 Values of nutrient uptake parameters for cucumber production
参数
Parameter单位
Unit样本数
n平均值
Mean标准差
SD最小值
Minimum上四分位数
Top 25% value中数
Median下四分位数
Top 75% value最大值
Maximum产量 Yield t/hm2 1948 86.2 50.3 2.9 51.8 75.5 110.7 339.5 果实N含量 [N] in fruit g/kg 224 19.1 10.5 1.7 10.5 16.2 29.2 42.9 果实P含量 [P] in fruit g/kg 219 5.6 4.7 0.5 2.6 3.5 7.2 23.2 果实K含量 [K] in fruit g/kg 219 20.7 17.4 1.0 5.8 7.6 38.2 56.2 秸秆N含量 [N] in straw g/kg 195 15.1 9.1 2.0 9.2 10.3 23.6 44.4 秸秆P含量 [P] in straw g/kg 200 4.1 4.2 0.4 1.5 2.5 4.6 18.4 秸秆K含量 [K] in straw g/kg 206 13.9 13.1 1.2 4.7 5.9 25.3 42.7 果实N吸收量 N uptake in fruit kg/hm2 339 175.6 80.3 44.8 116.8 170.7 202.7 459.0 果实P吸收量 P uptake in fruit kg/hm2 257 44.1 17.8 16.0 32.1 40.4 49.5 119.6 果实K吸收量 K uptake in fruit kg/hm2 271 236.6 92.8 34.7 181.1 223.2 273.5 554.8 秸秆N吸收量 N uptake in straw kg/hm2 332 89.2 48.4 10.2 60.1 76.1 103.8 246.1 秸秆P吸收量 P uptake in straw kg/hm2 248 23.4 16.3 6.1 12.4 18.8 29.8 116.0 秸秆K吸收量 K uptake in straw kg/hm2 259 95.5 49.4 30.5 68.0 81.5 106.7 358.4 总N吸收量 Total N uptake kg/hm2 468 260.6 105.4 52.0 176.1 255.8 330.0 525.3 总P吸收量 Total P uptake kg/hm2 272 64.7 25.4 11.2 43.7 62.2 79.3 146.4 总K吸收量 Total K uptake kg/hm2 288 326.9 116.7 53.0 252.9 315.2 390.1 632.4 N收获指数 N harvest index kg/kg 339 0.66 0.11 0.29 0.62 0.66 0.71 0.92 P收获指数 P harvest index kg/kg 255 0.66 0.11 0.29 0.60 0.67 0.74 0.89 K收获指数 K harvest index kg/kg 272 0.71 0.09 0.38 0.67 0.71 0.75 0.92
下载: 导出CSV
表 4 黄瓜植株养分内在效率和养分内在效率倒数描述统计
Table 4 Descriptive statistics of the internal efficiency (IE) and its reciprocal internal efficiency (RIE) in cucumber plant
参数
Parameter单位
Unit样本数
n平均值
Mean标准差
SD最小值
Minimum上四分位数
Top 25% value中数
Median下四分位数
Top 75% value最大值
MaximumIE-N kg/kg 404 410.6 88.2 234.8 339.8 409.8 467.1 675.7 IE-P kg/kg 251 1754.1 523.6 1071.2 1378.0 1628.8 1860.9 3615.3 IE-K kg/kg 271 342.0 65.4 191.4 296.7 342.1 383.5 500.0 RIE-N kg/t 404 2.5 0.5 1.5 2.1 2.4 2.9 4.3 RIE-P kg/t 251 0.6 0.1 0.3 0.5 0.6 0.7 0.9 RIE-K kg/t 271 3.0 0.6 2.0 2.6 2.9 3.4 5.2
下载: 导出CSV
表 5 黄瓜地上部最大累积边界(a)和最大稀释边界(d)养分需求量(kg/kg)
Table 5 The maximum accumulation (a) and dilution (d) boundary of N, P and K requirements for the above-ground parts of cucumber
养分
Nutrient参数Ⅰ Set Ⅰ 参数Ⅱ Set Ⅱ 参数Ⅲ Set Ⅲ a (2.5th) d (97.5th) a (5.0th) d (95.0th) a (7.5th) d (92.5th) N 269 624 290 571 297 548 P 1150 3169 1211 2998 1253 2899 K 221 475 236 456 244 442
下载: 导出CSV
表 6 QUEFTS模型拟合的黄瓜最佳养分吸收、养分内在效率和养分内在效率倒数
Table 6 Optimal nutrient uptake, nutrient intrinsic efficiency and the reciprocal internal efficiency of N, P, and K as simulated by the QUEFTS model for cucumber
产量
Yield
(t/hm2)总养分需求量 (kg/hm2)
Total nutrient requirement养分内在效率 (kg/kg)
Internal efficiency养分内在效率倒数 (kg/t)
Reciprocal internal efficiencyN P K N P K N P K 0 0 0 0 0 0 0 0 0 0 10 22.5 4.8 28.4 444.9 2074.3 352.1 2.25 0.48 2.84 20 45.0 9.6 56.8 444.9 2074.3 352.1 2.25 0.48 2.84 30 67.4 14.5 85.2 444.9 2074.3 352.1 2.25 0.48 2.84 40 89.9 19.3 113.6 444.9 2074.3 352.1 2.25 0.48 2.84 50 112.4 24.1 142.0 444.9 2074.3 352.1 2.25 0.48 2.84 60 134.9 28.9 170.4 444.9 2074.3 352.1 2.25 0.48 2.84 70 157.3 33.7 198.8 444.9 2074.3 352.1 2.25 0.48 2.84 80 179.8 38.6 227.2 444.9 2074.3 352.1 2.25 0.48 2.84 90 202.3 43.4 255.6 444.9 2074.3 352.1 2.25 0.48 2.84 100 224.8 48.2 284.0 444.9 2074.3 352.1 2.25 0.48 2.84 110 247.2 53.0 312.5 444.9 2074.3 352.1 2.25 0.48 2.84 120 269.7 57.8 340.9 444.9 2074.3 352.1 2.25 0.48 2.84 130 292.2 62.7 369.3 444.9 2074.3 352.1 2.25 0.48 2.84 140 314.7 67.5 397.7 444.9 2074.3 352.1 2.25 0.48 2.84 150 341.1 73.2 431.1 439.8 2050.3 348.0 2.27 0.49 2.87 160 377.0 80.9 476.4 424.4 1978.9 335.9 2.36 0.51 2.98 170 418.0 89.7 528.2 406.7 1896.3 321.8 2.46 0.53 3.11 180 467.4 100.2 590.6 385.1 1795.6 304.8 2.60 0.56 3.28 190 533.9 114.5 674.7 355.9 1659.3 281.6 2.81 0.60 3.55 200 732.8 157.2 926.1 272.9 1272.4 216.0 3.66 0.79 4.63
下载: 导出CSV
-
[1] 郭芳, 王铁臣, 赵鹤, 等. 丛枝菌根菌剂对春大棚黄瓜生长和品质的影响[J]. 山西农业科学, 2021, 49(11): 1308−1311. DOI: 10.3969/j.issn.1002-2481.2021.11.11 Guo F, Wang T C, Zhao H, et al. Effects of arbuscular mycorrhizal fungus on growth and quality of greenhouse spring cucumber[J]. Journal of Shanxi Agricultural Sciences, 2021, 49(11): 1308−1311. DOI: 10.3969/j.issn.1002-2481.2021.11.11
[2] Food and Agriculture Organization of the United Nations. FAOSTAT[DB/OL]. [2024−05−21]. https://www.fao.org/faostat/en/#data/QCL.
[3] Zhao Y, Luo J H, Chen X Q, et al. Greenhouse tomato–cucumber yield and soil N leaching as affected by reducing N rate and adding manure: A case study in the Yellow River Irrigation Region China[J]. Nutrient Cycling in Agroecosystems, 2012, 94: 221−235. DOI: 10.1007/s10705-012-9535-8
[4] Li B, Fan C H, Zhang H, et al. Combined effects of nitrogen fertilization and biochar on the net global warming potential, greenhouse gas intensity and net ecosystem economic budget in intensive vegetable agriculture in southeastern China[J]. Atmospheric Environment, 2015, 100: 10−19. DOI: 10.1016/j.atmosenv.2014.10.034
[5] Chen Q, Zhang X S, Zhang H Y, et al. Evaluation of current fertilizer practice and soil fertility in vegetable production in the Beijing region[J]. Nutrient Cycling in Agroecosystems, 2004, 69: 51−58. DOI: 10.1023/B:FRES.0000025293.99199.ff
[6] 刘苹, 李彦, 江丽华, 等. 施肥对蔬菜产量的影响: 以寿光市设施蔬菜为例[J]. 应用生态学报, 2014, 25(6): 1752−1758. Liu P, Li Y, Jiang L H, et al. Effects of fertilizer application on greenhouse vegetable yield: A case study of Shouguang City[J]. Chinese Journal of Applied Ecology, 2014, 25(6): 1752−1758.
[7] 张彦才, 李巧云, 翟彩霞, 等. 河北省大棚蔬菜施肥状况分析与评价[J]. 河北农业科学, 2005, 9(3): 61−67. Zhang Y C, Li Q Y, Zhai C X, et al. The condition and appraisal of the vegetable apply fertilizer in greenhouse in Hebei Province[J]. Journal of Hebei Agricultural Sciences, 2005, 9(3): 61−67.
[8] 丁锁, 臧宏伟. 配方施肥对大棚黄瓜产量、品质及效益的影响[J]. 中国果菜, 2016, 36(4): 32−34. Ding S, Zang H W. Effects of different fertilization treatments on yield, quality and benefit of cucumber in greenhouse[J]. China Fruit & Vegetable, 2016, 36(4): 32−34.
[9] 罗小娟, 冯淑怡, 石晓平, 曲福田. 太湖流域农户环境友好型技术采纳行为及其环境和经济效应评价: 以测土配方施肥技术为例[J]. 自然资源学报, 2013, 28(11): 1891−1902. Luo X J, Feng S Y, Shi X P, Qu F T. Farm households' adoption behavior of environment friendly technology and the evaluation of their environmental and economic effects in Taihu Basin: Taking formula fertilization by soil testing technology as an example[J]. Journal of Natural Resources, 2013, 28(11): 1891−1902.
[10] 郭建华, 陈立平, 杨月英, 马伟. 温室黄瓜氮素营养状况诊断效果研究[J]. 长江蔬菜, 2010, (22): 60−63. Guo J H, Chen L P, Yang Y Y, Ma W. Effect of nitrogen nutrition diagnosis on cucumber in greenhouse[J]. Journal of Changjiang Vegetables, 2010, (22): 60−63.
[11] 郭建华, 赵春江, 王秀, 陈立平. 作物氮素营养诊断方法的研究现状及进展[J]. 中国土壤与肥料, 2008, (4): 10−14. Guo J H, Zhao C J, Wang X, Chen L P. Research advancement and status on crop nitrogen nutrition diagnosis[J]. Soil and Fertilizer Sciences in China, 2008, (4): 10−14.
[12] Janssen B H, Guiking F C T, van der Eijk D, et al. A system for quantitative evaluation of the fertility of tropical soils (QUEFTS)[J]. Geoderma, 1990, 46(4): 299−318. DOI: 10.1016/0016-7061(90)90021-Z
[13] Liu M Q, Yu Z R, Liu Y H, Konijn N T. Fertilizer requirements for wheat and maize in China: the QUEFTS approach[J]. Nutrient Cycling in Agroecosystems, 2006, 74: 245−258. DOI: 10.1007/s10705-006-9002-5
[14] Pampolino M F, Witt C, Pasuquin J M, et al. Development approach and evaluation of the Nutrient Expert software for nutrient management in cereal crops[J]. Computers and Electronics in Agriculture, 2012, 88: 103−110. DOI: 10.1016/j.compag.2012.07.007
[15] 何萍, 金继运, Pampolino M F, Johnston A M. 基于作物产量反应和农学效率的推荐施肥方法[J]. 植物营养与肥料学报, 2012, 18(2): 499−505. He P, Jin J Y, Pampolino M F, Johnston A M. Approach and decision support system based on crop yield response and agronomic efficiency[J]. Journal of Plant Nutrition and Fertilizers, 2012, 18(2): 499−505.
[16] Smaling E M A, Janssen B H. Calibration of QUEFTS, a model predicting nutrient uptake and yields from chemical soil fertility indices[J]. Geoderma, 1993, 59(1/4): 21−44.
[17] Xu X P, He P, Pampolino M F, et al. Nutrient requirements for maize in China based on QUEFTS analysis[J]. Field Crops Research, 2013, 150: 115−125. DOI: 10.1016/j.fcr.2013.06.006
[18] Xu X P, Xie J G, Hou Y P, et al. Estimating nutrient uptake requirements for rice in China[J]. Field Crops Research, 2015, 180: 37−45. DOI: 10.1016/j.fcr.2015.05.008
[19] Chuan L M, He P, Jin J Y, et al. Estimating nutrient uptake requirements for wheat in China[J]. Field Crops Research, 2013, 146: 96−104. DOI: 10.1016/j.fcr.2013.02.015
[20] Yang F Q, Xu X P, Wang W, et al. Estimating nutrient uptake requirements for soybean using QUEFTS model in China[J]. PLoS ONE, 2017, 12(5): e0177509. DOI: 10.1371/journal.pone.0177509
[21] Xu Y X, He P, Xu X P, et al. Estimating nutrient uptake requirements for potatoes based on QUEFTS analysis in China[J]. Agronomy Journal, 2019, 111(5): 2387−2394. DOI: 10.2134/agronj2018.09.0572
[22] Yang J, Greenwood D J, Rowell D L, et al. Statistical methods for evaluating a crop nitrogen simulation model, N_ABLE[J]. Agricultural Systems, 2000, 64(1): 37−53. DOI: 10.1016/S0308-521X(00)00010-X
[23] Liu S, Yang J Y, Zhang X Y, et al. Modelling crop yield, soil water content and soil temperature for a soybean–maize rotation under conventional and conservation tillage systems in Northeast China[J]. Agricultural Water Management, 2013, 123: 32−44. DOI: 10.1016/j.agwat.2013.03.001
[24] Moriasi D N, Arnold J G, Van Liew M W, et al. Model evaluation guidelines for systematic quantification of accuracy in watershed simulations[J]. Transactions of the ASABE, 2007, 50(3): 885−900. DOI: 10.13031/2013.23153
[25] Ren T, Zou J, Wang Y, et al. Estimating nutrient requirements for winter oilseed rape based on QUEFTS analysis[J]. The Journal of Agricultural Science, 2016, 154(3): 425−437. DOI: 10.1017/S0021859615000301
[26] 任天婧. 养分管理对设施菜地含氮气体排放及产量和品质的影响[D]. 北京: 中国农业科学院博士学位论文, 2022. Ren T J. Effect of nutrient management on nitrogen-containing gas emission and yield and quality of greenhouse vegetable[D]. Beijing: PhD Dissertation of Chinese Academy of Agricultural Sciences, 2022.
[27] 李怀智. 我国黄瓜栽培的现状及其发展趋势[J]. 蔬菜, 2003, (8): 3−4. Li H Z. The current situation of cucumber cultivation in China and its development trend[J]. Vegetables, 2003, (8): 3−4.
[28] 李传哲, 马洪波, 杨苏, 等. 滴灌减量施肥对设施黄瓜生长发育、产量及品质的影响[J]. 江苏农业科学, 2019, 47(15): 170−174. Li C Z, Ma H B, Yang S, et al. Effects of reduced fertilization by drip irrigation on growth, yield and quality of cucumber in greenhouse[J]. Jiangsu Agricultural Sciences, 2019, 47(15): 170−174.
[29] 燕飞, 邹志荣, 董洁, 等. 不同施肥处理对大棚黄瓜产量和品质的影响[J]. 西北农业学报, 2009, 18(5): 272−275. DOI: 10.3969/j.issn.1004-1389.2009.05.059 Yan F, Zou Z R, Dong J, et al. Effects of different fertilization treatment on yield and quality of cucumber in plastics greenhouse[J]. Acta Agriculturae Boreali-Occidentalis Sinica, 2009, 18(5): 272−275. DOI: 10.3969/j.issn.1004-1389.2009.05.059
[30] 赵营, 张学军, 罗健航, 等. 施肥对设施番茄−黄瓜养分利用与土壤氮素淋失的影响[J]. 植物营养与肥料学报, 2011, 17(2): 374−383. Zhao Y, Zhang X J, Luo J H, et al. Effect of fertilization on nitrogen leaching loss from soil and nutrients utilization by tomato and cucumber in greenhouse[J]. Journal of Plant Nutrition and Fertilizers, 2011, 17(2): 374−383.
[31] 张涛, 闵炬, 施卫明, 迟凤琴. 不同磷钾肥配比对大棚蔬菜养分吸收、产量及品质的影响[J]. 江苏农业学报, 2008, 24(5): 668−673. Zhang T, Min J, Shi W M, Chi F Q. Effects of chemical potash and phosphorus fertilizer input on yield, nutrient uptake and fruit quality of vegetables cultivated in plastic greenhouse[J]. Jiangsu Journal of Agricultural Sciences, 2008, 24(5): 668−673.
[32] 张红梅, 金海军, 丁小涛, 等. 有机肥无机肥配施对温室黄瓜生长、产量和品质的影响[J]. 植物营养与肥料学报, 2014, 20(1): 247−253. Zhang H M, Jin H J, Ding X T, et al. Effects of application of organic and inorganic fertilizers on the growth, yield and quality of cucumber in greenhouse[J]. Journal of Plant Nutrition and Fertilizers, 2014, 20(1): 247−253.
[33] 唐汉, 王金武, 徐常塑, 等. 化肥减施增效关键技术研究进展分析[J]. 农业机械学报, 2019, 50(4): 1−19. Tang H, Wang J W, Xu C S, et al. Research progress analysis on key technology of chemical fertilizer reduction and efficiency increase[J]. Transactions of the Chinese Society for Agricultural Machinery, 2019, 50(4): 1−19.
[34] 白由路, 杨俐苹. 我国农业中的测土配方施肥[J]. 土壤肥料, 2006, (2): 3−7. Bai Y L, Yang L P. Soil testing and fertilizer recommendation in Chinese agriculture[J]. Soil and Fertilizer, 2006, (2): 3−7.
[35] 王秋红, 周建朝, 王孝纯. 采用SPAD仪进行甜菜氮素营养诊断技术研究[J]. 中国农学通报, 2015, 31(36): 92−98. Wang Q H, Zhou J C, Wang X C. Diagnostic technique of sugarbeet nitrogen nutrient status using SPAD-502 chlorophyll meter[J]. Chinese Agricultural Science Bulletin, 2015, 31(36): 92−98.
[36] 徐新朋. 基于产量反应和农学效率的水稻和玉米推荐施肥方法研究[D]. 北京: 中国农业科学院博士学位论文, 2016. Xu X P. Methodology of fertilizer recommendation based on yield response and agronomic efficiency for maize[D]. Beijing: PhD Dissertation of Chinese Academy of Agricultural Sciences, 2016.
[37] Zhang J J, He P, Ding W C, et al. Estimating nutrient uptake requirements for radish in China based on QUEFTS model[J]. Scientific Reports, 2019, 9(1): 11663. DOI: 10.1038/s41598-019-48149-6
[38] 汪建飞, 邢素芝, 陈世勇, 等. 设施黄瓜干物质累积及NPK吸收规律[J]. 土壤通报, 2005, 36(5): 708−711. Wang J F, Xing S Z, Chen S Y, et al. Dry matter accumulation and NPK uptake by non-polluted cucumber in protected cultivation[J]. Chinese Journal of Soil Science, 2005, 36(5): 708−711.
[39] 王丽英, 张彦才, 李若楠, 等. 水氮供应对温室黄瓜干物质积累、养分吸收及分配规律的影响[J]. 华北农学报, 2012, 27(5): 230−238. Wang L Y, Zhang Y C, Li R N, et al. Effects of water and nitrogen supply on dry matter accumulation, nutrient uptake and distribution in greenhouse winter-spring cucumber[J]. Acta Agriculturae Boreali-Sinica, 2012, 27(5): 230−238.
[40] 李若楠, 武雪萍, 张彦才, 等. 减量施磷对温室菜地土壤磷素积累、迁移与利用的影响[J]. 中国农业科学, 2017, 50(20): 3944−3952. Zhang R N, Wu X P, Zhang Y C, et al. Effects of reduced phosphorus fertilization on soil phosphorus accumulation, leaching and utilization in greenhouse vegetable production[J]. Scientia Agricultura Sinica, 2017, 50(20): 3944−3952.
[41] 程启鹏, 熊启中, 徐雅婷, 等. 滴灌水肥一体化条件下磷肥减量对黄瓜磷素利用效率和产量的影响[J]. 中国土壤与肥料, 2023, (1): 65−72. Cheng Q P, Xiong Q Z, Xu Y T, et al. Effects of phosphate fertilizer reduction on phosphorous utilization efficiency and yield of cucumber under fertigation of drip irrigation[J]. Soil and Fertilizer Sciences in China, 2023, (1): 65−72.
计量
- 文章访问数: 105
- HTML全文浏览量: 10
- PDF下载量: 47
