1、课题来源与背景

　　本项目属于土壤施肥技术领域。当前，我国以7%的耕地养活了世界22%的人口，但消耗了世界35%的化肥。开展化肥减量增效技术研究和应用，是农业可持续发展、农业环境保护和建设美丽乡村的迫切需要。为此，农业部在2015年提出力争到2020年主要农作物化肥使用量实现零增长的行动方案，随后被纳入到国家"十三·五"规划纲要，由部门行动上升到了国家意志。本项目正是在配合国家需求的背景下开展相关研究和应用。

　　水稻和蔬菜是福建播种面积最大的农作物。自2011年以来，在福建省公益科研专项、国家自然科学基金项目、农业部公益科研专项等课题的资助下，本项目开展了计量施肥理论模型和氮磷钾施肥限量标准研究，建立智慧农业推荐施肥系统，研发双层结构有机无机复合肥和配方肥。提出化肥计量施肥技术模式和有机肥替代化肥技术模式的减肥增效技术解决方案。

　　2、技术原理及性能指标

　　肥料效应函数是农作物计量施肥的主要技术手段。但常规肥效模型建模成功率低，严重制约了模型实用价值和计量准确性。研究表明，常规多项式肥效模型存在设定偏误、多重共线性和异方差等问题，导致建模成功率低。在水稻和蔬菜1122个氮磷钾田间肥效试验中，针对模型设定偏误，分别构建了一元、二元、三元非结构肥效模型，建模成功率从经典建模法的19.8%提高到41.4%；针对多重共线性和异方差问题，分别提出主成分回归法和广义最小二乘法等建模技术。提出计量施肥理论模型四步建模法，建模成功率进一步提高到57.5%。针对多点试验资料如何定量归类总结，提出系统聚类分析结合类别间差异显著性检验的思路和技术，建立了施肥类别归属的贝叶斯判别准则，水稻和蔬菜施肥类别的判别准确率分别达到81.0%和84.7%，满足了推荐施肥精度要求。相关研究结果为田间肥效试验数据处理提供了新的理论方法。

　　应用上述理论方法，建立了基于贝叶斯模式识别原理的智慧农业推荐施肥系统，推荐的氮磷钾最佳施肥量比常规模型推荐量降低10%左右，为化肥减施增效提供了新的技术方法。

　　3、技术的创造性与先进性

　　（1）在计量施肥理论模型方面，基于营养元素功能不可相互替代原理，构建了非结构肥效模型；提出多项式肥效模型主成分回归和广义最小二乘回归等建模法；提出计量施肥理论模型综合应用的四步建模法，结果使建模成功率从常规建模法的19.8%提高到57.5%。目前针对肥效模型建模成功率偏低问题，尽管国内外开展了许多研究，但对肥效模型设定本身的合理性这个核心问题未被涉及，相关问题长期未能较好解决。

　　（2）在多点肥效试验资料如何定量归类总结方面，提出系统聚类分析结合类别间差异显著性检验的方法，确保了分类结果的唯一性。国内外在相关问题上仅根据空白区或施肥区产量变化幅度，凭经验划分肥力等级，难以保证类别间具有显著差异和结果的唯一性。

　　（3）在推荐施肥方面，建立了基于贝叶斯模式识别原理的智慧农业推荐施肥系统，推荐的氮磷钾最佳施肥量比常规模型推荐量降低10%左右；在应用时无需测土。目前国内外大都通过土壤测定做出施肥决策，存在土样采集难，测试费用高和常误农事等问题。

　　（4）有机肥替代化肥技术方面，提出有机肥替代25%化肥技术模式；研发双层结构有机无机复合肥，获2个发明专利。

　　4、推广应用的规模与效益

　　自2016年以来，以本项目研究成果作为核心技术，在福建水稻和蔬菜化肥减量增效和地力提升等农业推广项目中推广应用。至2019年4月，在水稻推荐施肥技术上推广应用面积562.3万亩，比习惯施肥增产35.7kg/亩，平均增产7.3%，每亩净增收68.1元。在蔬菜推荐施肥上推广应用441.7万亩，比习惯施肥增产205.8kg/亩，平均增产9.9%，每亩净增收182.7元。累计推广应用面积1004.0万亩，创社会经济效益113491.1万元。

　　5、促进行业科技进步的作用

　　（1）在计量施肥理论方面，本项目研发了非结构肥效模型、提出多项式肥效模型主成分回归和广义最小二乘法等建模新技术，计量施肥理论模型综合应用的四步建模法，较好地解决了长期困扰计量施肥建模成功率明显偏低的问题。提出系统聚类分析结合类别间差异显著性检验的方法，确保区域施肥类别划分结果的唯一性；建立了贝叶斯模式识别推荐施肥技术，较好地克服了施肥类别定量分类和传统测土的难题。

　　（2）在水稻和蔬菜化肥减施增效技术解决方案方面，建立了基于贝叶斯模式识别原理的智慧农业推荐施肥系统，应用时无需测土，推荐的氮磷钾最佳施肥量比常规模型推荐量降低10%左右。研发双层结构的有机无机复合肥，提出有机肥替代25%化肥技术模式。

　　（3）在农业环境保护方面，化肥推荐施肥技术模式使水稻亩降低N2.5kg和P2O51.1kg投入，蔬菜亩降低N3.1kg和P2O57.5kg投入。有机肥替代25%化肥技术模式则进一步降低了化肥投入量，有效减轻了因过量施用化肥对土壤质量和农业环境的压力。