【www.zhangdahai.com--教学设计】
陈 杰，黄诗悦，林开颜，吴军辉
(同济大学 现代农业科学与工程研究院，上海 200092)
减少化肥施用，推进化肥减量增效，对促进我国农业可持续发展具有重大意义[1-3]。在我国的农作物自主生产过程中，施肥决策很大程度上依靠经验，土地化肥施用量和施肥方法缺乏合理科学依据和有效指导。测土配方施肥技术由来已久，也得到了一些应用，但传统的测土配方施肥，针对特定地块和作物，在土壤测试的前提下，一般需要以长期固定的田间试验结果为基础，费时费力，具有较大的局限性，并且施肥决策主要依据土壤信息和作物本身的需肥要求，而忽略了气象环境条件对作物养分吸收、生长和产量的影响。
近年来传统施肥决策系统逐渐朝着作物诊断、地理信息遥感、物联网、数据分析等多技术融合方向发展[4-8]。施肥决策系统通常结合建立施肥模型知识库而展开[9-13]。这不仅能有效解决作物推荐施肥系统中知识与数据紧密结合、模块固化的缺点，而且由于具有操作简单，可扩展性、可定义性强的特点而获得广泛应用。构建精准的施肥决策系统离不开农业基础数据的汇集更新和历年的测土配方施肥模型迭代，随着大数据产业的发展，将农业基础数据信息存储于云端服务器[14]，并借助Web服务、移动互联网等技术向用户提供便捷精准的地块管理、施肥决策服务成为新的发展方向。此外，利用专家知识库，可以让基础数据得到有效利用，有助于针对用户的地块自身情况获得适宜的施肥指导方案；
结合市场肥料信息的融合，有助于提高施肥配方的可执行度。
为实现绿色农业可持续发展的目标，鉴于我国施入化肥普遍过量的事实，实行化肥减量增效、有机肥增施的策略成为农作物种植过程的一个重要目标[15-18]。传统测土配方施肥方法往往只注重土壤本底养分和植物吸收情况，忽略了影响作物产量、作物养分吸收的气候条件。现有一些研究表明水稻、玉米等作物的发育或养分积累与温度之间有密切关联[19-21]，所以在传统测土配方施肥方法中引入地区有效积温的施肥影响参数可以为后续土壤养分供应与植物养分吸收的互作研究奠定理论基础，也能推进在不同地区和不同农产品上的进一步应用，为后续我国农业生产的绿色转型发展提供技术支撑。
当前研究中也有考虑气象条件的利用干物质动态监测和气象预报服务相结合的方法。该方法虽然可以更加有效地指导施肥决策，但也存在只考虑当年气象数据和只能指导单一肥料施肥决策的缺点。且当前研究未能将施肥决策与互联网技术结合，每次施肥指导都需要单独进行气象数据统计及计算，极大地增加了使用成本，降低了其实际价值。
综合以上问题，本文研究并设计了包含有机肥增施、气象参数调节追肥的改进型测土配方施肥决策平台,针对作物的施肥规律建立了养分平衡模型知识库，结合实时气象数据分析、地块土壤数据分析，对特定作物的养分平衡模型进行气象参数调优。用户可以在Web页面划定自己的地块，查看地块和气象信息，建立种植信息，根据种植情况，获取每一阶段的施肥决策配方，为科学种植、合理施肥提供决策依据，最大程度减少化肥的使用量，促进农业可持续发展。
为了突破传统测土配方施肥决策方法单一注重土壤本底养分和植物吸收的技术方案，本文对传统测土配方施肥技术进行改进，研究并实现了基于农业基础数据与施肥知识库的改进型施肥决策方案，该方案充分考虑了“土壤-植物-气候条件”的协调统一，依据作物生长当年的积温变化和长势情况调整追肥施用量，可进一步提高肥料的利用效率。在原有测土配方施肥的基础上，结合有机肥的增施，进一步减少了化肥的施用，减轻面源污染，提升农产品种植效益。
具体的施肥决策推理过程如图1所示。过程中需要输入的数据参数：作物名称PC、目标产量Pt(kg)、地块名称Pl、地块面积Pa(hm2)、施肥日期Pd。系统根据作物名称判断作物种类，并从知识库中推出对应的单位产量养分吸收量M(kg)和肥料利用率R(%)。当用户输入的目标产量不符合常理时，系统将目标产量改为调整值；
由地块名称确定地块所在的村镇和市县，进而得到该地块土壤养分测定值V(mg/kg)，包含碱解氮含量测定值、速效钾含量测定值、速效磷含量测定值，再根据有效养分系数模糊划定规则，分别得出土壤有效养分系数S。系统获取到以上地块相关信息后将其应用于养分平衡公式计算：计划总施肥量(kg/hm2)=(所需养分量(kg/hm2)-土壤养分供应量(kg/hm2))/(肥料养分含量(%)×作物肥料利用率(%))：
图1 施肥决策知识库推理过程
所需养分量=目标产量×单位产量养分吸收量：
碱解氮土壤供应量=0.15×碱解氮有效养分系数×土壤碱解氮测定值：
根据作物种类的阶段施肥需求，系统将计划总量按照比例分摊至作物施肥的每个阶段。有机肥施入量根据土壤供氮量进行计算，根据土壤有机质含量等级规则进行调整。有机肥总量=土壤供氮量/(施用的有机肥中氮含量×(100%-有机肥利用率))。在作物基肥阶段有机肥一次性全部施入。在追肥各个阶段，根据每个时期的气象变量参数对施肥量进行调整。
参与追肥调整的气象变量参数计算方法如图2所示。在历史气象数据表中选取从施肥当年算起的前30年连续日平均气温：Y1～Y30，当年的日平均气温为Y0。对Y0～Y30分别计算出施肥日期与前一次施肥日期间的有效积温：AY0、AY1～AY30；
对AY1～AY30从小到大排序后取前10个数的平均值作为积温下限值AMIN，后10个数的平均值作为积温上限值AMAX。用当年施肥周期中的有效积温AY0和上下限值比较，如果AY0＜AMIN，则按照减量三级参数对追肥配方量进行调整；
如果AMIN≤AY0≤AMAX，则按照减量二级参数对追肥配方量进行调整；
如果AY0＞AMAX，则按照减量一级参数对追肥配方量进行调整。
图2 气象参数计算流程图
本系统的核心是施肥决策，首先需要掌握地块土壤情况，实现以地定肥。地块管理功能需求由此而来，该功能包含地块信息创建与分类查询，按照土壤肥力将土壤分为6个等级，这是完成施肥决策的第一步；
建立相应地块，在获取到土壤信息后，就需要在相应地块上建立种植作物，根据种植作物品种和适应的气候条件等信息进行施肥决策查询，该功能模块主要包含种植信息创建、养分平衡配方模型的基础配方计算、气象参数计算与追肥配方调节等过程。在获取施肥方案后，用户可按照配方查询到对应投入品并创建投入记录，也可以查询历史投入信息。平台功能模块列表如图3所示。
图3 施肥决策平台功能需求
2.1 施肥决策平台架构
根据实际需求，所设计的施肥决策平台架构如图4所示。管理员享有最高权限。前端界面和后端的信息交互采用RESTful API设计，利用HTTP协议进行信息传送。共享的信息有地块、气象、种植和相应的施肥指导信息。在逻辑业务层，建立针对某一种特定作物的施肥决策模型调整方法，即在养分平衡模型库的基础上，结合作物目标产量、气象参数、有机肥参数制定的算法，对传统养分平衡模型计算的施肥量进行调整。算法的实现基于农业基础数据和地理信息的知识数据库之上，利用ASP.NET Boilerplate框架的Entity Framework数据库访问技术及时将底层数据库的海量基础数据反馈至逻辑业务层进行处理。该系统利用.Net框架的通用组件进行了异常处理、日志记录、安全验证和缓存等工作，保证决策平台运行可靠性。
图4 施肥决策平台架构方案
2.2 数据库设计
数据库是按照数据结构来存储和管理数据的仓库[22]，本系统利用SQL Server关系数据库存放农业基础数据与用户相关数据。本系统业务需求：用户进行创建施肥地块，制定作物种植计划，在种植计划中进行施肥决策等操作，最后针对施肥决策配方进行肥料投入管理。根据用户的实际业务需求，抽象出实体关系图(E-R图)，并把主要属性列出来后按数据库范式要求进行规范化处理，如图5所示。县市村镇表记录地域信息；
地块信息表记录用户创建的地块信息；
种植信息表记录用户创建的种植信息；
作物信息表存储管理员登记的作物信息；
历史气象信息存储前30年每天的相关气象信息，并可经过Python爬虫程序进行在线添加；
土壤信息表存储站点下村镇的土壤肥力信息；
肥料投入品信息表记录相关肥料信息。
图5 数据库实体关系图
2.3 Web服务接口设计
施肥决策项目采用前后端分离的方法进行设计，服务端利用Swagger接口测试工具生成接口文档，方便进行接口测试，所提供的接口服务可以用于PC或手机的前端界面调用。
通过HTTP协议的POST、GET、DELETE请求方式与对应用户参数获取数据库中农业基础数据，主要包含地块、作物、种植、投入品以及气象土壤等信息；
针对用户种植信息服务端给出施肥决策返回接口实例如表1所示。在GET请求方式中，用户参数包含地块面积、目标产量、所属村镇、种植作物种类、名称以及施肥时间。
表1 施肥决策返回接口示例
本系统界面根据Angular前端框架和NG-ZORRO前端组件进行设计。架构如图6所示，以用户或管理员登录页面为入口点；
在地块管理页面可调用创建或修改地块页面；
在种植页面中创建或修改种植信息或调用施肥指导页面。地块和种植的信息创建和修改都具有相同的共享依赖service-proxies.ts。除共享依赖外，每一个Angular组件都可成为页面依赖。
图6 前端结构
在系统Web服务中，当用户需要施肥指导时，首先进入地块信息界面判断用户是否创建了地块，如果地块信息存在则可进行施肥计算，如果没有创建相应地块信息则提示用户先创建属于自己的地块。施肥计算时，系统调用种植信息页的地块名称或者编号、作物品种、计划产量、地块面积、施肥日期5项参数，得到对应地块的施肥指导信息。如图7所示，该对话框页面最上方记录了相应地块和作物的基础信息，下面根据总量和阶段施肥信息进行展示，对话框页面下层就是系统主操作界面和种植信息页。
以2021年井冈山拿山乡江边村井冈蜜柚种植地为例，2021年产量为725 kg/亩，按照实际肥料施入数据计算实际配方施入数据如表2所示。基肥计划施入时间为2020年11月20日，萌芽肥计划施入日期为2021年2月26日，稳果肥计划施入日期为2021年5月1日，壮果肥计划施入日期为2021年8月10日；
在该施肥平台上，根据实际产量和实际施肥时间等数据计算的施肥配方如图7所示。与实际施肥配方数据相比，萌芽肥、稳果肥、壮果肥的全氮、P2O5、K2O配方总量各减少了4.01 kg/亩、0.082 5 kg/亩、5.07 kg/亩。
图7 施肥决策页面
表2 江边村实际与平台施肥配方数据对比(kg)
传统测土配方施肥方法积累了许多施肥经验，但存在施肥参考数据单一、施肥指导周期较长的问题。作物的生长发育与气候条件密切相关，一个地区的积温变化会影响到作物的生长和产量变化。本文对此展开研究，研究了协调统一“土壤-植物-气候条件”的改进型测土配方施肥决策方案。利用气候大数据，分析获得当地植物生长期内的有效积温，并与生产当年的同期有效积温进行对比。根据对比结果，决定追肥施用化肥的量，从而能够有效地控制追肥量、减少化肥施用总量、提升化肥的利用效率。
本文在建立模型的基础上，设计了基于Web服务的施肥决策平台，引入了当地积温数值以完善施肥决策，实现了改进型测土施肥方法与可供用户操作的施肥平台的融合。对于用户而言，可以有效利用平台中的土壤和气象信息进行施肥决策；
对于施肥专家而言，可以对知识库信息进行实时更新。系统平台设计了良好的用户交互界面，为农业用户在施肥减量增效方面提供了决策支持，契合绿色农业发展目标，有利于农业的绿色可持续发展。
