我国是世界上肥料消费第一大国，以占世界9%的耕地养活了世界20%的人口，单位面积肥料用量是世界平均水平的3倍以上^[1]。过量施肥没能进一步提高产量，造成作物品质下降和生产成本增加，过量的肥料养分进入环境，还造成严重的生态环境问题，如地表水体富营养化^[2]，地下水硝酸盐含量超标^[3−4]，大量N₂O排放等^[5]，严重影响到农田可持续利用和农业绿色发展。因此，建立科学的养分推荐和管理方法对于保障作物高产优质、提高肥料利用率和保护环境具有重要意义。

国内外围绕养分管理和推荐施肥开展了大量研究和探索，发展了三大类推荐施肥方法，即基于测土推荐施肥方法^[6]，基于田间试验的肥料效应函数法^[7]，以及基于植物叶片冠层叶绿素含量、光谱反演图像识别及计算机视觉诊断等作物营养诊断法^[8]。测土施肥需要投入大量人力、物力、财力和时间成本，面对我国多季种植茬口紧的实际情况，测土施肥存在时效性差的问题。肥料效应函数法建立在多年多点田间试验的基础上，才能给出较为科学的推荐施肥量。植株营养诊断方法倾向于指导生育期的追肥，难以提出施肥总量，进行植株测试或者搭载专用设备，其实际应用也受到限制。

中国农业科学院农业资源与农业区划研究所会同全国39个土壤肥料研究团队，研发了适合我国农业生态条件和种植体系的基于产量反应和农学效率的作物推荐施肥方法。该方法在汇总分析全国各作物主产区开展的肥料田间试验的基础上，建立了包含作物产量反应(施用某养分与不施该养分的产量差)、农学效率(施入单位养分的作物增产量)及养分吸收与利用等信息的数据库，采用QUEFTS(quantitative evaluation of the fertility of tropical soils)模型模拟作物养分吸收，同时分析数据库中土壤基础养分供应、作物农学效率与产量反应的相关关系，在此基础上建立基于产量和农学效率的作物推荐施肥模型。同时，采用信息技术，把复杂的施肥原理研发成用户方便使用的“养分专家系统”(简称NE系统)^[9−11]，用户只需提供自家地块的一些基本信息，如往年农民习惯措施下的作物产量、施肥历史、有机无机肥料投入情况以及秸秆还田方式，NE系统就能给出基于该地块的个性化施肥方案。NE系统在推荐施肥中除了考虑土壤基础地力外，还考虑了上季作物养分残效和秸秆还田带入的养分，以及作物轮作体系和有机肥施用等，并采用4R养分管理策略（最佳肥料品种、最佳用量、最佳施用时间和最佳施用位置），同时兼顾施肥的农学、经济和环境效应。田间多点试验结果证实，NE系统推荐施肥在保证作物产量的前提下，能够科学平衡氮、磷和钾肥的施用，提高肥料利用率和农民收入，特别适合我国作物种植茬口紧、测土施肥不及时以及测试条件不具备的国情，是当前协调农学、经济和环境的重要的推荐施肥方法。下面系统介绍一下基于产量反应和农学效率的智能化推荐施肥原理与实践。

1.   土壤养分供应能力

评价土壤养分供应高低水平是推荐施肥的重要环节。传统测土施肥方法是通过采集土壤样品，然后进行室内化学分析，根据土壤养分测试结果的高低来表征土壤养分供应能力。但实际情况是，很多时候土壤测试由于各种不确定因素的影响无法很好地反映土壤养分供应状况，结果造成测试成本的较大投入和产量风险的不确定性，更重要的是小农户不具备测试条件^[12]。以田间试验无肥区即不施某养分小区的养分或产量来表征土壤基础养分供应能力；施肥后作物的增产效应定义为施肥的产量反应，即施用某养分处理的产量与不施该养分处理的产量差获得。无肥区产量越低，表明土壤基础养分供应越低，需要施用越多的肥料才能获得高产，因此作物的产量反应就越高；相反土壤基础养分供应越高，则需要施用较少的肥料就能获得高产。因此，可以根据作物施肥后的产量反应来表征土壤养分供应状况。

对于产量反应的获取，需要在某一地块开展减素试验才能获得。然而，实际生产中如果在某一地块没有做过减素试验，如何获得产量反应的信息呢？在这种情况下，我们利用在作物主产区建立起来的包含无肥区产量和养分吸收的海量数据信息，用数据库中相对产量，即缺素小区与养分供应充足小区产量的比值，来表征土壤养分供应状况。为了进一步对土壤基础养分供应高低进行分级，统计学上把数据库中相对产量的第25th、50th和75th个百分位数的数值作为土壤养分供应低、中、高的供应等级^[13−14]。因此，根据土壤养分供应低、中、高对应的相对产量数值即可求算产量反应系数(1−相对产量)，进而求算产量反应，即产量反应 = 目标产量×产量反应系数(以玉米为例，见表1)。

表  1  玉米相对产量和产量反应系数

Table  1.  Relative yield and yield response factor for different season maize

玉米 Maize	土壤养分等级 Soil nutrient grade	百分位数 Percentile	氮相对产量 N relative yield	磷相对产量 P relative yield	钾相对产量 K relative yield	氮产量反应系数 N yield response factor	磷产量反应系数 P yield response factor	钾产量反应系数 K yield response factor
春玉米 Spring maize	低 Low	25th	0.6444	0.7998	0.8151	0.3556	0.2002	0.1849
	中 Medium	50th	0.7466	0.8636	0.8736	0.2534	0.1364	0.1264
	高 High	75th	0.8395	0.9234	0.9253	0.1605	0.0766	0.0747
夏玉米 Summer maize	低 Low	25th	0.7088	0.8281	0.8445	0.2912	0.1719	0.1555
	中 Medium	50th	0.8021	0.8962	0.8928	0.1979	0.1038	0.1072
	高 High	75th	0.8740	0.9387	0.9360	0.1260	0.0613	0.0640
注：本表来自何萍等[11]。 Note: This table is modified from He et al [11].

下载: 导出CSV 

| 显示表格

如果已知土壤测试结果，则可根据土壤测试结果对应的土壤养分供应的低、中、高等级查询对应的产量反应系数来计算产量反应^[11]；如果没有土壤测试结果，则NE系统根据地块已知的表观信息，如土壤质地、颜色、有机质含量等信息，确定土壤养分供应等级(表2)。土壤养分供应低、中、高等级确定后，再对照表1的产量反应系数即可确定产量反应。

表  2  土壤养分等级的描述性判断原则

Table  2.  Principles for descriptive judgment of soil nutrient availability classes

土壤养分等级 Soil nutrient grade	判断标准 Judge principles
低 Low	有机质较低的砂质土，或颜色为微红或微黄的粘土或壤土 Sandy soil regardless of soil color, or reddish/yellowish clayey or loamy soils with low organic matter and low fertility
中 Medium	有机质中等的灰色或褐色粘质土或壤质土 Grayish or brownish clayey or loamy soils with medium organic matter and medium fertility
高 High	有机质含量较高的黑色粘质土或壤质土 Very dark clayey or loamy soils with high organic matter and high fertility
注：本表来源于Pampolino等[14]。 Note: This table is from Pampolino et al [14].

下载: 导出CSV 

| 显示表格

2.   作物养分吸收特征

单位经济产量下作物地上部和籽粒(收获部分)的养分需求是推荐施肥的重要参数。在推荐施肥中，该参数多基于少数试验点或局部试验结果获得，以此代表养分平衡供应下作物的最佳养分吸收，容易带来施肥偏差。QUEFTS模型最初用于预估热带地区不施肥条件下玉米的产量，后经过修改和校正可用于预估一定目标产量下作物的最佳养分需求量^[15]，其重要特征是考虑了氮、磷、钾3种养分元素间的两两相互作用。模型中两个比较重要的参数分别为养分最大累积边界(maximum accumulation，a)和养分最大稀释边界(maximum dilution，d)，其定义为某种养分在最大累积和最大稀释状态下所生产的产量，即两种状态下产量与地上部养分吸收的比值(斜率)，其含义为当土壤中某种养分供应不充足时，该养分在作物地上部吸收处于稀释状态，随着该养分的投入量不断增加，地上部该养分不断累积，并逐渐达到最大累积状态。QUEFTS 模型中使用养分内在效率(internal efficiency，IE，kg/kg)来表示这两个参数，定义为植株吸收1 kg养分所生产的经济产量，模型假定IE值是恒定不变的，直到目标产量达到潜在产量的70%~80%^[15]，IE可用于评估作物把从所有来源获得的养分转化为经济产量的能力。在模型中，分别采用计算的所有IE值的上下2.5%、5.0%和7.5%，分别作为最大养分稀释边界和最大养分累积边界对最佳养分需求量进行预估^[16−17]。但收获指数小于某一数值(如玉米为0.4 kg/kg)的数据需要被剔除，因为在使用该模型时，作物的生长必须不受除养分供应以外其它生物或非生物因素的影响，如洪涝、干旱、病虫害等^[15]。模型中根据每种养分最大稀释和最大累积状态的边界线以及需要达到的产量潜力，然后利用QUEFTS模型结合Microsoft Excel中的Solver (规划求解)过程，求解出该目标产量下的最佳养分吸收量，得出作物不同目标产量下的最佳养分吸收曲线。

以玉米为例，应用QUEFTS模型模拟玉米地上部氮、磷和钾养分吸收(图1)。从图1可以看出，春玉米和夏玉米产量和养分吸收关系出现明显分异，因此QUEFTS模型推荐养分时可以把春玉米和夏玉米分开进行。模拟结果也显示，当目标产量达到潜在产量的70%时，每吨玉米养分需要量与产量之间为直线关系，1 t春玉米产量所需地上部氮、磷和钾养分分别为15.9、4.1和13.8 kg，夏玉米分别为17.8、4.0和15.8 kg。由于我国高产玉米生产中目标产量均接近或超过产量潜力的70%，因此，在NE系统推荐施肥中^[11]，氮磷钾养分需求量是采用80%潜力产量下形成单位籽粒产量的养分吸收量，仍以玉米为例，QUEFTS模型计算的1 t春玉米籽粒产量所需地上部氮、磷和钾养分分别为18.2、4.7和15.8 kg，夏玉米分别为19.9、4.5和15.6 kg。

图  1  QUEFTS模型模拟的玉米不同潜在产量下地上部最佳养分吸收量^[18]

注：图中红色和黑色直线分别代表夏玉米和春玉米内在效率2.5%和 97.5%百分位数的边界线，即最大稀释边界和最大累积边界；红色和黑色曲线分别代表夏玉米和春玉米的最佳养分吸收曲线；曲线自下而上的潜在产量分别为10、15和20 t/hm²。

Figure  1.  The balance nutrient requirements simulated by the QUEFTS model under different potential yield for maize^[18]

Note: Red and black lines represent the maximum dilution and maximum accumulation lines when IE reaches 2.5% and 97.5% borders, and the red and black curves represent optimal nutrient uptake for summer maize and spring maize; the potential yield curves from below to above are 10, 15 and 20 t/hm².

下载: 全尺寸图片 幻灯片

3.   推荐施肥模型构建

确定了土壤养分供应状况和形成单位经济产量所需要的最佳养分吸收量，依据作物目标产量和产量反应，并综合考虑养分平衡，即可建立基于不同目标产量下氮磷钾养分推荐施肥模型。该方法依托土壤基础养分供应，同时还考虑作物轮作体系、秸秆还田以及上季作物养分残效。在制定施肥方案时考虑了施肥的农学、经济和环境效应，即在保障作物增产、增收的同时提高肥料利用率、保护环境。该方法采用 4R 养分管理策略，帮助用户在养分推荐中选择合适的肥料品种和适宜的用量，并在合适的施肥时间施在恰当的位置。

3.1   施肥量

3.1.1   氮素需求量的确定

作物产量形成需要的氮素，一部分来源于基础地力提供的氮素的贡献，另一部分则来源于从肥料施入的氮素供应，也即产量反应部分提供的氮素的贡献。基础地力氮素可由土壤有机质矿化不断补充^[12]，因此氮素需求量主要考虑作物产量增加部分需要的氮素，依据作物农学效率和产量反应的相关关系进行求算^[19]。以玉米为例(图2)，春玉米和夏玉米产量反应和农学效率的相关关系存在一定分异，因此把两种生态类型玉米分开进行考虑。但是无论春玉米还是夏玉米，共同的规律是在中低产量范围部分，产量反应和农学效率呈现线性关系，而随着产量增加，二者则呈现一元二次抛物线关系。由于图2包含了玉米生长环境、地力条件和玉米品种等信息，因此，可以依据二者关系进行氮肥需求量的求算。实践应用中，一旦产量反应得到确定，根据已知的产量反应与农学效率的关系就可以求算施氮量，即：施氮量(N kg/hm²) = 产量反应(t/hm²)/农学效率(kg/kg)×1000^[11]。

图  2  玉米产量反应和农学效率关系^[18]

Figure  2.  The relationship between yield response and agronomic efficiency for maize^[18]

下载: 全尺寸图片 幻灯片

3.1.2   磷素需求量的确定

与氮素需求量不同，对于磷素需求量的求算，除了考虑产量反应对磷素的需求外，其基础地力部分因作物收获部分移走的养分一定要进行归还，才能保障土壤磷素平衡。因此，根据养分平衡原则，磷素需求量(FP)主要考虑由3部分组成：①产量反应需磷量，②维持土壤磷素平衡量，③上季作物磷素残效，即FP = ①+②−③。

① 产量反应需磷量：磷素在酸性和碱性土壤条件下均容易与土壤中的铝离子、铁离子以及钙离子形成沉淀而严重影响土壤磷素有效性，通常情况下作物施磷后产量反应较低^{[11, 19]}，很难建立产量反应与农学效率之间的相关关系。因此，采用形成单位经济产量的养分需求量(RIE_P)并结合磷素回收率(RE_P)来求算产量反应需磷量，即产量反应(YR)需磷量= YR× RIE_P / RE_P。

② 维持土壤磷素平衡量：这部分磷素需求量主要用来考虑一定目标产量(Y_a)下因作物收获物带走而消耗基础地力那部分磷素养分的归还，归还比例取决于保持土壤磷素表观平衡在一定的范围。因此，维持土壤磷素平衡量= Y_a × RIE_P × HI_P × X_G%，式中HI_P 为籽粒磷素收获指数，归还籽粒移走量的比例X_G%取决于拟保障土壤磷素养分平衡量的高低来决定，以春玉米为例，拟保持土壤磷素表观平衡(磷素投入与磷素移走的差值)在P₂O₅ 0～30 kg/hm²范围，则需要归还籽粒磷素移走量的75%，因此X_G%定为75%。

③上季作物磷素残效：NE养分专家系统考虑作物轮作体系，如果上一季作物因施磷过量而导致土壤磷素表观盈余较多，则上季作物残留在土壤多余的磷素养分在确定当季作物磷素需求量时予以减扣。

3.1.3   钾素需求量的确定

与作物需磷量计算的原理一样，作物需钾量(FK)的计算也主要由3部分组成： ①产量反应需钾量，②维持土壤钾素平衡量，③上季作物钾素残效，即FK = ①+②−③。

①产量反应需钾量：与氮、磷产量反应不同，钾素过量施用由于在土壤中容易被作物奢侈吸收，且作物施钾后产量反应较低。因此，对于产量反应施钾量的求算用农学效率同样很难求算，因此采用单位籽粒产量养分需求量(RIE_k)并结合钾素回收率(RE_k)进行求算。即产量反应需钾量 = YR×RIE_k /RE_k。

②作物钾素移走量的归还：这部分钾素需求量主要用来考虑因作物收获部分带走而消耗基础地力那部分钾素养分的归还。由于秸秆中的钾素含量较高，除了考虑归还100%的籽粒钾素移走量外，还需考虑归还一定比例的秸秆钾素移走量才能保持土壤钾素表观平衡在一定的范围。因此，维持土壤钾素平衡量= Y_a × RIE_K × HI_k × X_G% + Y_a × RIE_k × (1−HI_k) × X_s%，式中HI_K为籽粒钾素收获指数，归还籽粒移走量的比例X_G%为100%，X_s%为归还秸秆移走量的比例，取决于拟保障土壤养分平衡量的高低来决定。以春玉米为例，除了考虑100%籽粒移走钾素的归还外，春玉米还需归还作物秸秆移走钾素的10%，才能保持土壤钾素表观平衡在K₂O 0～30 kg/hm²范围。

③上季钾素残效：计算方法同磷素。

基于产量反应和农学效率的推荐施肥方法，除了考虑大量元素的平衡施用，对于中、微量元素的推荐，主要依据土壤已知中、微量元素的缺乏情况进行适当补充推荐^[11]。

3.2   肥料种类

基于产量反应和农学效率的养分推荐方法建议有机与无机肥料配合施用，因此肥料种类可以选择有机肥料和无机肥料。考虑有些地区人工短缺，也可以选择控释肥料一次性施用。

选择肥料品种时还应考虑以下几方面^[20]：

1) 提供作物可利用的有效态养分：施入作物可以利用的养分形态，或者在土壤中可以及时转化成植物可吸收利用的形态。

2) 适合土壤的物理化学性质：例如，避免在渍水土壤中施用硝酸盐、在高pH土壤中表施尿素等。

3) 了解肥料的可掺混性：某些肥料品种混合起来易吸潮，从而影响掺混肥的均匀施用；肥料颗粒的大小应当相同，从而避免产品的分层等。

4) 了解肥料伴随元素对作物的益处和作物对其敏感性：绝大多数养分具有伴随离子，它可以对作物产生有益、无益无害或有害作用。例如，氯化钾中的氯对玉米有益，但烟草和某些水果的品质对其是敏感的。

5) 控制非营养元素的影响：例如，一些磷矿的自然沉积物含有非营养微量元素，如镉。必须把这些非营养元素控制在允许限量内。

3.3   施肥时间

肥料最佳施用时间根据作物生育期养分吸收规律确定，考虑养分吸收最佳临界期和最大效益期，实现养分供应与作物养分吸收同步。以玉米为例，建议生育期施氮1～3次，若根据目标产量和产量反应确定玉米总施氮量>180 kg/hm², 或施氮量在140～180 kg/hm²且土壤质地为砂质，NE系统建议分别在播种期、大喇叭口期和抽雄期分3次施用；若施氮量在140～180 kg/hm²且土壤质地为壤质或粘质，或施氮量<140 kg/hm²，NE系统建议分别在播种期和大喇叭口期分2次施用；若采用控释肥一次性施用，建议控释尿素与普通尿素按一定比例混合施用，综合经济和农学效应控释尿素比例建议40%～60%^[21]。

NE系统推荐氮肥基肥与追肥比例也因土壤基础养分供应高低而异，高肥力土壤建议氮素适当后移^[22−23]。以玉米为例，土壤氮素养分供应级别低时，氮肥的基追比分别为60%∶40% (2次施肥)和50%∶30%∶20% (3次施肥)，而土壤氮素养分供应级别高时，氮肥的基追比分别为25%∶75% (2次施肥)和25%∶50%∶25% (3次施肥)。

大部分作物磷肥建议作基肥一次性施入，某些水肥一体化施肥的作物如马铃薯、蔬菜等磷肥也建议分次施用；钾肥建议分1～2次施用，粮食作物若钾肥用量K₂O≥60 kg/hm²，或经济作物上K₂O≥90 kg/hm²分2次施用，否则一次施用。

3.4   施肥位置

正确的施肥位置是指将肥料施用在合适的位置上，使作物易于吸收利用。恰当的施肥位置能使作物在特定的环境条件下正常生长，实现其潜在产量。以玉米为例，种肥或基肥建议施肥位置为种子侧下方10～20 cm，追肥建议在植株行侧10～20 cm，追肥深度10～20 cm。相较于肥料种类、施用量和施用时间，施肥位置方面的研究比较薄弱，需要针对不同作物的根系特点开展深入研究。

4.   智能化养分专家系统研发

为方便用户使用，采用计算机技术，把上述复杂的养分推荐模型及算法通过计算机语言，研发成用户方便使用的养分专家系统(简称NE系统，在手机微信公众号上搜索“养分专家”即可注册使用)。用户只需提供地块的一些基本信息，如往年农户习惯施肥下的作物产量、施肥历史、有机无机肥料投入情况、秸秆还田方式，NE 系统通过智能云计算，给出该地块的个性化施肥方案^[10]。该方法在有和没有土壤测试条件的情况下均可使用，是一种先进轻简的指导施肥新方法，能够实现推荐施肥的“最后一公里”跨越。

5.   NE推荐施肥的减肥增效效果

基于以上推荐施肥原理，研发了粮食作物、经济作物、果树和蔬菜等4大类23种作物NE养分专家系统，并开展了多点田间试验验证。田间验证试验表明，与农民习惯施肥相比，NE处理能够平均增加作物产量11.3%、增收18.4%，平均分别节约氮、磷、钾肥24.0%、33.4%、7.0%，氮肥回收率提高12.3个百分点，或农学效率提高174.6% (表3)^[11]。

表  3  基于NE系统的推荐施肥相比于农民习惯施肥的减肥增效效果

Table  3.  Effects of NE based fertilizer recommendation on fertilizer saving and efficiency improvement over farmers’ practice

作物 Crop	减氮 N reduction (%)	减磷 P reduction (%)	减钾 K reduction (%)	增产 Yield increase (%)	增收 Profit increase (%)	氮素回收率增加 Percentage point increase in REN	氮素农学效率增加 Increase in AEN (%)
玉米 Maize	30.1	16.9	–43.1	4.0	4.3	10.8
水稻 Rice	10.0	4.4	17.5	6.4	7.7	12.9
小麦 Wheat	41.0	30.3	–54.2	2.5	6.3	13.5
马铃薯 Potato	32.6	25.7	–4.0	5.5	6.3	10.7
油菜 Rapeseed	4.6	0.0	51.8	6.7	10.3	4.0
棉花 Cotton	37.3	37.3	–40.3	4.9	6.9	17.6
大豆 Soybean	–51.3	–11.3	–80.1	27.4	26.9	12.7
花生 Peanut	40.2	32.0	-1.6	15.4	15.1	23.3
甘蔗 Sugarcane	3.5	48.9	3.4	6.4	45.9	7.8
番茄 Tomato	26.8	55.8	13.4	4.2	5.6	5.7
白菜 Chinese cabbage	19.7	39.8	–17.8	8.6	15.9	14.6
萝卜 Radish	37.8	56.4	19.4	4.2	13.7	11.4
大葱 Onion	15.9	52.5	38.6	2.2	2.9	9.5
西瓜 Water melon	46.2	48.9	35.8	21.1	35.1	17.0
茶叶 Tea	26.0	21.3	31.4	21.4	22.0		53.3
苹果 Apple	41.9	37	43.6	17.3	21.9		81.7
柑橘 Citrus	25.4	17.5	-32.9	20.3	13.3		116.5
梨 Pear	33.3	37.3	53.8	18.3	48.7		138.5
桃 Peach	8.5	16.7	37.6	29.1	32.8		234.8
葡萄 Grape	25.8	22.7	22.3	2.2	2.8		48.4
香蕉 Banana	31.0	45.8	33.4	18.8	37.9		750.0
荔枝Litchi	39.2	88.9	48.4	7.8	25.2		72.3
甜瓜 Muskmelon	26.4	44.2	–15.5	5.4	15.3		75.5
注：以上所有参数除氮素回收率外均为 (NE−FP)/FP×100，单位为%；REN为NE与FP之差，单位为百分点。 Note: REN and AEN represent the recovery and agronomic efficiency of nitrogen fertilizer, respectively. REN is calculated by the difference of NE and FP, the other indexes are calculated by (NE−FP)/FP ×100.

下载: 导出CSV 

| 显示表格

不同作物减肥增效效果存在显著差异。粮食作物中，以小麦和玉米减肥效果比较显著，分别减施氮肥41.0%和30.1% (表3)。Zhang等^[24]研究表明，NE系统推荐施肥通过减少夏玉米35.1%的氮肥用量(N 84.6 kg/hm²)，增加68.1%的钾肥用量(K₂O 25.8 kg/hm²)，并保持与农民习惯施肥(FP)相同的磷肥用量，NE显著提高了夏玉米产量和经济效益。NE处理的N₂O总排放量、温室气体(GHG)总排放量和温室气体排放强度分别降低35.1%、35.2%和37.3%。Zhang等^[25]对冬小麦的研究结果显示，NE处理使氮和磷的投入分别减少了41.4%和30.1% (N 115 kg/hm²和P₂O₅ 36 kg/hm²)，而K的投入增加了51.5% (K₂O 25 kg/hm²)。与FP相比，NE处理N₂O总排放量减少54.8%，温室气体总排放量减少44.8%，温室气体排放强度减少45.8%。Jiang等^[4]研究表明，与FP相比，NE处理的施氮量降低了21%，而产量显著提高了7%，氮素盈余和氮损失分别降低了48%和31%，NE处理推荐施氮量(N 182 kg/hm²)在氮素允许的农学阈值和环境阈值范围内，可以有效协同马铃薯农学效率和环境效应。

经济作物、蔬菜和果树氮、磷肥减施潜力较大，棉花、花生、番茄、萝卜、西瓜、苹果、荔枝氮肥减量分别为37.3%、40.2%、26.8%、37.8%、46.2%、41.9%、39.2%，番茄、萝卜、大葱、荔枝磷肥减量高于50% (表3)。以萝卜为例，与FP相比，NE处理显著降低萝卜氮、磷和钾肥施用量37.8%、56.4%和19.4%，氮素表观回收率提高11.4个百分点，氮素表观损失降低了110.8 kg/hm^{2 [26−28]}，施氮量在环境施氮阈值内，进一步从环境效益方面验证了其推荐施氮量的合理性。

这些试验结果证实，NE系统指导施肥在减少氮磷肥用量基础上，可保障作物增产增收，提高了肥料利用率，减少了土壤−作物系统氮磷表观盈余，进而减少过量的氮磷进入环境造成潜在的环境风险^[11]。

综上所述，基于产量反应和农学效率的推荐施肥方法，能够兼顾科学性和轻简性，实现施肥的农学、经济和环境三重目标的协同统一，具有广泛的应用前景。