应用三因素五水平最优设计建立水稻施肥模型的研究

应用三因素五水平最优设计建立水稻施肥模型的研究（共5篇）

篇1：应用三因素五水平最优设计建立水稻施肥模型的研究

氮磷钾三因素四水平在水稻上的肥料效应研究

通过田间试验和系统软件分析,掌握当地土壤马肝土的供肥能力、水稻作物单产650kg级的养分吸收量和肥料利用率等参数,并通过此项试验来验证氮、磷、钾的.最高最优施肥量和配方,建立水稻产量与肥料之间的数学模型,为科学施肥和配方肥生产提供依据.

作 者：吴如成 包怀成 吴玉青 张辉芳  作者单位：吴如成,吴玉青,张辉芳(镇江市丹徒区土肥站)

包怀成(丹徒区上党镇农服中心)

刊 名：农业装备技术 英文刊名：AGRICULTURAL EQUIPMENT & TECHNOLOGY 年，卷(期)：2009 35(2) 分类号：S5 关键词： 

★ 泸西县水稻测土配方施肥肥效试验研究

★ 应用ABEEM σπ模型研究含氮杂环化合物的电荷分布

★ 数字高程模型(DEM)在构造地貌研究中的应用新进展

篇2：应用三因素五水平最优设计建立水稻施肥模型的研究

多因素多水平回归设计的田间试验，固然具有处理少，信息量丰富，和可不设置重复的优点。但得到非典型回归方程有相当的比例，结果事倍功半 [1] 。从田间试验研究中得到的模型，在通过了数学检验、生物学检验、计算机全模拟检验和部分历史产量模拟检验后，仍不能说明方程中各参数的方向和绝对值是完全准确的;实现重复建模，是对模型的最高要求。[2]   本研究利用3因素5水平12处理回归设计法，设置重复与小区拉丁方排列相结合，通过对建立的数学模型进行择优，可有效地提高试验的成功率;又可以实现不同年度的重复建模。

1  材料与方法

试验于~早季在宁德市农科所水稻土上进行，前作冬闲。试验田土壤肥力中等，供试品种常规稻宁早517。试验采用n(x1)、p2o5(x2)、k2o(x3)3因素5水平12处理最优设计。每公顷施肥的下限和上限量分别为n 0~300kg，p2o5 0~150kg ，k2o 0~225kg ;按施肥量=下限量+码值×(上限量 ― 下限量)计算出各处理养分和肥料量。按要求设计2个区组的重复，各区组内小区随机排列[1]，并贯彻拉丁方设计的原则进行双向控制地力差异。小区面积13.5m2。单排单灌3月22日播种，4月21日插秧;193月18日播种，4月19日插秧。插植规格17cm×20cm穴播5本，不同年度试验地块保持一致。

供试肥料全部采用化学肥料，犁耙前不施农家肥。n肥：以尿素总量的50%为基肥，30%为分蘖肥;p肥：过磷酸钙全部作基肥;k肥：kci基追肥各半。追肥期以叶龄为准。

收稿日期：-09-02;修订日期：2017-11-09

作者简介：张苇(1966-)，男，福建福安人，高级农艺师，主要从事作物规范化栽培研究。

2  结果与分析

2.1回归方程的配置

模型采用二次多项式：y=b0+b1x1+b2x2+b3x3+b4x1x2+b5x1x3+b6x2x3+ b7x12+b8x22+b9x23。式中y为产量，x1、x2、x3 分别代表n，p2o5，k2o用量。将两个区组24个处理分割成11种统计方式[1]后，以表1中的产量为依变量，采用中国农科院“creg3”程序在计算机上运算求解，得到22个数学模型的回归系数和统计检验参数。

22个回归方程中的b0值基本相同，绝大多数的b1、b2、b3(一次项)为正值，交互项有正有负，而b7、b8、b9(二次项)均为负值，表明不同施肥因素都具有一极大值，也说明本试验施肥设计量是合适的。复相关系数r值均达0.97以上，表明本试验所选因子对产量的贡献率达97%以上;回归检验f值则有不显著、显著和极显著之分;se值大小不一，表明各式的标准误有别。

2.2模型择优结果

由表2可知，计算所得的各式检验值及参数有别。在通过数学检验和生物学检验后，对符合条件的组合从中择优。分年度比较之下，以序号(3)和(18)组合算出的回归方程为最佳，其式为：

=4499.01 + 357.99x1 + 62.86x2 + 125.41x3 C 2.44x1x2 C 1.44x1x3 + 7.27x2x3 C

13.27x12 C11.08 x22 C 10.14x32

( r=0.9993  f=160.82**  se=4.79)        (3)

=4416.66+ 370.70x1 + 8.20x2 + 145.11x3 +2.02x1x2 C 4.38x1x3 + 3.55x2x3 C 13.65x12 C6.63 x22 C 7.68x32 (r=0.9998   f=469.45**   se=3.01)     (18)

可见，它们定量地描述了施肥后对水稻产量的效应，可作为作物生产决策的依据。

2.3重演检验结果

由表2可知，不同年度计算所得的各式的检验值及参数有别。在剔除回归检验f值不显著的组合系数后，对bi(i = 0，1，9)值进行年度间f检验，结果，除b0值f=5.65>f0.05(8..8)=3.44达差异显著水平外，其余各系数f值变幅为0.32~2.51

=4507.90 + 388.31x1 + 13.32x2 + 118.59x3 C 1.15x1x2 C 3.15x1x3 + 10.42x2x3 C 14.41x12 C9.96 x22 C 9.52x32( r=0.9976   f=46.76**  se=9.22)        (5)

=4466.31 + 346.32x1 + 56.10x2 + 156.72x3 + 4.22x1x2 C 2.25x1x3 C 0.76x2x3 C 13.87x12 C 9.60x22 C 8.86x32(r=0.9978  f=50.36**  se=9.03)           (21)

可见，(5)式模型可作为不同年度水稻施肥决策的依据。运用频率分布优选法，取步长为1确定产量在6750―7500Khm-2。时，氮磷钾肥用量情况结果：模型(3)、(18)、(5)、(21)取值均落入n：150~180Khm-2，p2o5 75~90Khm-2，k2o 120~150Khm-2之间。

3 结论与讨论

(1)在模型的检验中，数学检验是最基本的要求;生物学检验仅是方向性检验，其特性要求模型中的二次项系数必须为“负” ;模拟性检验可在实践中得到证实，但以上的检验仍不能说明方程中各参数的方向和绝对值的完全准确。由于作物品种的遗传性是稳定的，因此，作为作物环境系统的模型的参数也应具有相对的稳定性，在确定的条件下，重复试验中参数应当能够重演，我们认为在找出公认的因子和水平的条件下，可望实现参数的重演检验，从而通过生态条件达到定量控制水稻施肥的目的。

(2)尽管现代回归设计可以不设置重复，但农业科学面临的对象是极为复杂的，干扰因素很多，实际数据集很难都达到模型统计检验的要求，农业田间试验环境条件复杂性的客观存在，导致现代回归设计试验的成功率太低，采用设置重复与拉丁方排列相结合的方法，就可在试验结果的统计上增加了多倍次的重复，为回归模型进行选优和回归模型重演检验提供了可能。3因素5水平12处理回归设计法独具特点，区组小区汲取拉丁方排列的优点以3×4方式布局，2次重复可形成11种分割方式，使每一分割组成了一个完整的.回归设计处理组合，从而得到11个回归方程式。试验结果表明：通过对同一年度处理组合得到模型的r、f、se值以及回归系数进行全面比较、选优，可以找到典型的数学模型;通过对二年度处理组合得到模型的r、f、se值以及回归系数进行全面比较、选优，可以找到不同年度一致的数学模型，作为生产技术措施决策的依据。

(3)从数学角度提出的统计基本要求在纯数学上是必须严格满足的。但是，农业科学面临的对象是极为复杂的，干扰因素很多，实际数据很难都达到数学上某些统计检验的要求。本试验年度间模型参数bi值的f值是根据统计检验规则查f分布表得到的。bi值的相关性影响参数的选择，如b0值就要进行二次f值检验。因此，农业科学应用数学方法时比数学本身应用这些方法时前提条件当放宽些，其放宽程度应以统计检验规则为标准，在所选择的样本数不一致时，仍能通过f检验。

篇3：应用三因素五水平最优设计建立水稻施肥模型的研究

1 材料与方法

1.1 供试地点和品种

试验地点设在镇江市丹徒区上党镇丰城村陈应敖承包田块, 面积0.21 hm2;供试品种:水稻南粳44。

1.2 供试土壤

供试土壤为马肝土, 试验前采集土样并进行土壤养分的测定 (见表1) 。

1.3 试验设计

试验设氮磷钾3个因素、4个水平、14个处理, 回归最优设计 (简称“3414”) 。小区面积均为30 m2, 2次重复, 各小区间用薄膜包裹支埂并埋入地下30 cm, 支埂高出水面20 cm, 试验于2008年6月19日移栽, 拉线双本栽插, 株行距为15 cm×26.70 cm, 四周设保护行1.50 m以上。

1.4 肥料运筹

试验所需肥料均为单质化肥, 用尿素 (含N46%) 、过磷酸钙 (含P2O512%) 、氯化钾 (含K2O60%) 调配。氮肥分5次施用:基肥、分蘖肥、长粗肥、促花肥、保花肥;磷肥一次性作基肥施用;钾肥在基肥和长粗肥分二次施用。处理因子对应肥料用量见表2。

1.5 植株采样与测定

收割前采集试验各小区植株样本以备分析籽粒、茎秆全N、P、K的含量。

2 结果与分析

2.1 试验结果与分析

kg/667 m2

0水平:指不施肥;2水平:指当地最佳施肥量;1水平:2水平×0.5;3水平:2水平×1.5

kg/667 m2

从表3可以看出, 无肥区处理N0P0K0产量最低, 为375.90 kg/667 m2, 处理N0P2K2产量为397.50kg/667m2, 较无肥区增产21.60 kg/667 m2;而处理N1P2K1产量增幅最大, 较处理N0P2K2增产达155.50 kg/667 m2, 说明氮因素对水稻产量的影响较磷和钾因素都大。在氮、钾施肥量相对固定状况下, 处理N2P1K1与N2P2K1和处理N2P1K2与N2P3K2的产量比较:处理N2P2K1比处理N2P1K1增产17 kg/667 m2, 处理N2P3K2比处理N2P1K2增产8.50 kg/667 m2, 说明随着施肥量磷元素的增加, 增产幅度减小。处理N2P2K3产量最高, 为658.90 kg/667 m2, 比处理N2P2K2增产4.70kg/667 m2。

2.2 肥料不同因素处理结果的比较分析

由表4可知, N因素:虽然产量最高的是处理N3P2K2, 但增产系数和增值系数都非常低, 只有0.07和0.03;P因素:最高产量为处理N2P2K2, 处理N2P3K2 出现了减产和负值;K因素:虽然产量最高的是处理N2P2K3, 但与处理N2P2K2相比, K素投入产生的增产幅度、增产系数和增值系数都不大, 很不经济。因此, 综合N、P、K三因素, 既增产又有增产系数、增值系数的配方是N2P2K2。

说明:物价 (元/kg) N5.30、P2O56.70、K2O8.10、稻谷1.90;增产系数:1 kg肥料元素增产水稻kg数;增值系数:1元肥料增收水稻元数。

2.3 试验结果回归分析

表3试验数据通过“3414”试验统计分析软件进行回归分析得到回归方程 (产量与肥料之间的数学模型) :

决定系数R2=0.99, R0.05=0.92

由此可见, 氮、磷、钾肥的施用量与产量有显著的关系。

2.4 水稻最高、最佳经济施氮量

在磷、钾肥一致的基础上 (P2O5为6 kg/667 m2, K2O为12 kg/667 m2) , 水稻产量与氮肥用量进行“3414”试验统计分析软件回归分析得到水稻产量与氮肥施用量的效应方程:

决定系数R2=0.99★★, 达到极显著水平, 可见所获得的肥料效应方程与实际情况拟合较好, 水稻产量与氮肥施用量之间存在极显著的回归关系, 可用此模型提供推荐施肥量。

对氮肥施用量效应方程进行求解, 获得一阶偏导数方程dy/dn=20.66-0.81N, 当dy/dn=0时, 计算获得最高产量施氮量为25.50 kg/667 m2, 以当年肥料价N5.30元/kg、稻谷1.90元/kg计算, 获得最佳经济效益施氮量为22 kg/667 m2。

2.5 水稻最高、最佳经济施磷量

在氮、钾肥一致的基础上 (N为20 kg/667 m2, K2O12 kg/667 m2) , 水稻产量与磷肥用量进行“3414”试验统计分析软件回归分析得到水稻产量与磷 (P2O5) 肥施用量的效应方程:

决定系数R2=0.96★★, 达到极显著水平, 可见所获得的肥料效应方程与实际情况拟合较好, 水稻产量与磷肥施用量之间存在极显著的回归关系, 可用此模型提供推荐施肥量。

对磷 (P2O5) 肥施用量效应方程进行求解, 获得一阶偏导数方程dy/dp=13.41-1.98P, 当dy/dp=0时, 计算获得最高产量施磷量为6.80 kg/667 m2, 以当年肥料价P2O56.70元/kg、稻谷1.90元/kg计算, 获得最佳经济效益施磷量为5 kg/667 m2。

2.6 水稻最高、最佳经济钾量

在氮、磷肥一致的基础上 (N为20 kg/667 m2, P2O5为6 kg/667 m2) , 水稻产量与钾肥用量进行“3414”试验统计分析软件回归分析得到水稻产量与钾 (K2O) 肥施用量的效应方程:

决定系数R2=0.98★★, 达到极显著水平, 可见所获得的肥料效应方程与实际情况拟合较好, 水稻产量与钾肥施用量之间存在极显著的回归关系, 可用此模型提供推荐施肥量。

对钾 (K2O) 肥施用量效应方程进行求解, 获得一阶偏导数方程dy/dk=7.62-0.44K, 当dy/dn=0时, 计算获得最高产量施钾量为6.80 kg/667 m2, 以当年肥料价K2O 8.10元/kg、稻谷1.90元/kg计算, 获得最佳经济效益施钾量为7.60 kg/667 m2。

3 结论

3.1 试验结果表明, 在当地马肝土施用氮、磷、钾肥对水稻有明显的增产作用;

施用氮肥对水稻的增产效果最大。氮、磷、钾肥对水稻产量的影响顺序是氮肥>钾肥>磷肥。缺氮的平均相对产量为60.98%, 缺磷的平均相对产量为92.89%, 缺钾的平均相对产量为90.95%。

3.2 在本试验条件下, 通过“3414”试验统计分析软件进行回归分析得到:

篇4：应用三因素五水平最优设计建立水稻施肥模型的研究

模型库 (Model-Base) 的结构与模型管理系统 (MMS) 的研究, 是决策支持系统 (DSS) 的重要研究领域之一。一般认为, DSS模型库就是各种辅助决策所需的模型与方法的程序库, 即将各种模型与方法以子程序的形式存放在存储器中[1]。这样一种模型库, 实际上是一种固化的模型库, 不便于模型的扩充, 即要修改或增加模型, 则意味着程序代码的修改与增加, 而对于一般用户来说, 这一点是难以胜任的。近年来, 有人提出采用面向对象的方法 (OOP) 来构造DSS模型库[2], 虽然从理论上来说, 利用面向对象方法的封装性与继承性, 能够很方便地由一个类派生出其子类 (对于DSS模型库而言, 就是由一个已有的模型派生出一个新的模型) ;但实际上, 就现在流行的面向对象的程序开发语言 (如VC++, VB, VFP, Delphi, PB等) 来说, 一个新的子类只能在集成开发环境中建立, 或在应用程序中一次性定义, 而不能让用户在运行应用程序的过程中根据用户的需求来动态地生成[3]。因此, 采用面向对象方法构造的DSS模型库实际上仍是一种固化的模型库, 其所谓方便的模型扩充能力只是对程序员而不是对用户而言的。

1 决策支持系统模型库及其架构

1.1 面向问题的DSS模型库的概念

决策支持系统的重要目标之一就是为管理者所面临的各种决策问题提供辅助支持。众所周知, 管理活动是一个极其复杂的过程, 管理者每天都要面临各种各样的结构化或非结构化的决策问题, 而这些决策问题的特点之一, 就是其多样性与不可预知性。因此, DSS模型库中不可能包含解决一切问题的模型与方法, 这就要求DSS模型库应该具有较强的模型扩充能力[4]。

实际上, 任何一个决策模型, 都是为解决实际的决策问题服务的。任何一个新的模型都是在一个具体的决策问题出现时, 而现有模型不能解决的情况下才产生的。这说明, DSS模型库的扩充不是发生在DSS设计阶段, 而是在DSS的使用过程中。但一般来讲, DSS的用户是不具备编程能力的, 因此现有方法设计的DSS模型库难以有较强的模型扩充能力。

基于上述分析, 本人提出了一个面向问题的DSS模型库的概念, 其基本特征是:DSS模型库的设计与操作应以面向实际的决策问题为基础, 即要符合人们发现问题、分析问题、解决问题的思维习惯。具体地说, 用户只需对决策问题进行简单的描述, 系统就能够在模型库中自动搜索合适的模型并求解;同时, 模型库在设计时并不包含大量的决策模型, 而是在用户的使用过程中, 根据解决实际问题的需要来动态地生成, 并且新模型的生成亦不要求用户进行编程, 而只需要对模型作简单的描述, 因此模型库设计的重点是放在简便的用户接口与模型的自动生成与求解上[1]。

1.2 面向问题的REBFDSS模型库的架构

1.2.1 模型库的结构

在该系统中, REBFDSS模型库包含基本模型库、应用模型库与变量字典3个部分。

1) 基本模型库 (Basic Model Base) 。

基本模型库是由一些基本的算法来实现的, 如表达式求值、线性方程组、线性回归、微分方程、线性规划等, 而这些基本算法在一定的时间和范围内是稳定的, 即不会随实际的决策问题而改变 (除非数学家研究出了新的算法, 而这种情况相对于决策问题的多样性来说, 并不是经常发生的) 。因此, 可以将这些基本的通用算法独立出来, 作为一组基本算法模型, 从而构成一个基本模型库, 它对于用户来说是不透明的, 具有封装性。

2) 应用模型库 (Applied Model Base) 。

笔者在基本模型库的基础上可以针对平衡施肥决策来构造相应的几种平衡施肥决策模型, 即应用模型。这些模型存放在应用模型库中, 它对于用户来说则是透明的, 可以对模型进行增加、修改、删除、查询等各种操作。在这里, 所谓应用模型并不是一个完整的程序过程, 而仅仅只包含了实际决策模型的输入输出变量和所调用哪一个基本模型的描述以及对应用模型本身的描述, 这种描述一般以便于用户理解和操作的形式来表达。

3) 变量字典 (Variable Dictionary) 。

在REBFDSS模型库中, 除了基本模型库与应用模型库以外, 还包含一个变量字典, 它实际上是应用模型库中各应用模型的输入输出变量的描述集。该变量字典主要是为方便对决策问题的描述而建立。

1.2.2 模型库的操作

所谓对模型库的操作, 在面向问题的REBFDSS模型库中, 也就是利用模型库来解决现实决策问题的方法与过程。按照人们从发现问题、分析问题到解决问题的思维规律, 对该模型库的操作主要包含以下几个方面:

1) 问题描述。一般地, 对一个实际的决策问题, 通常是采用“当…时, 应该怎么办?”这样的方式来描述, 但是对于一个单纯的DSS来说, 似乎并不能完全解决这样的问题, 而只能解决“当…时, …是什么?”这样的问题, 也就是说, 只能利用已有的信息, 得到一些辅助决策的指标, 要最终解决“怎么办?”, 则还是需要加上决策者自己的判断, 或者利用专家系统[6]。因此, 在模型库的操作中, 对实际决策问题的描述, 实质上就对输入输出变量的描述。在对决策问题进行描述时, 系统会检查变量字典中是否包含了问题描述中所出现的输入输出变量, 如果没有, 说明模型库中没有解决该问题的应用模型[7]。同时, 还要求用户将输入输出变量与数据库中的具体数据相关联。对实际决策问题描述的信息集合, 把它叫做一个问题。

2) 搜索模型。根据用户对决策问题的描述, 系统会在应用模型库中搜索能够解决该问题的应用模型, 搜索的结果可能是单个的应用模型, 也可能是一组应用模型 (即需要利用一组应用模型联合求解问题) , 如:问题 (X, Y) →Z, 可能搜索出Z=f (X, W) 与W=f (X, Y) 这样两个模型或Y=f (x1, x2, x3) 。将搜索出来的这一个或一组模型叫作求解模型。

3) 新建或修改应用模型。如果模型库中没有合适的应用模型, 则要求用户新建一个应用模型或对已有某个模型进行修改。

4) 选择模型。如果系统搜索出不止一个求解模型, 则得到一个可用求解模型集合, 这时要求用户从中进行选择, 以确定要采用的求解模型。

5) 模型求解。在确定了求解模型以后, 系统将根据应用模型库中对应用模型的描述, 再调用基本模型库中相应的基本算法来对问题求解。

1.3 面向问题的REBFDSS模型库的实现

尽管现有的程序设计语言与数据库管理系统 (DBMS) 还存在某些限制, 但要实现上述REBFDSS模型库的构想并不十分困难。在此, 进一步来探讨面向问题的DSS模型库及其管理系统的实现问题。以下出现的程序代码以VB为例。

1.3.1 应用模型

Type AppModel

Model Name As Siring’模型名称

Comment As String

’模型说明

InputVar () As String

’输入变量数组, 存放输入变量名

OutputVar () As String

’输出变量数组, 存放输出变量名

Description () As String

’模型描述数组

BasicModel As String

’调用的基本模型名

End Type

其中, 对模型的描述, 可采用与一般数学语言相似的形式, 即由输入输出变量与运算符组成的数学表达式。例如, 对一个线性方程组模型, 可在Description中存放各个方程, 而对一个线性规划模型, 则可在Descrition中存放目标函数与各种约束条件等等。由于现有数据库管理系统的一些限制, AppModel数据不能存放在一个数据库表中, 但可以保存在一个二进制文件中。

1.3.2 问题

TypeProblem

VarName As String

’变量名

VarType As String

’变量类型, 指是输入还是输出变量

Data Base As String

’关联的数据库名

Field As String

’关联的字段

Scope As String

’关联的记录范围

End type

对一个决策问题的描述可用一组Problem记录来表示, 这组记录可存放在一张数据库表中。由于某一个变量可能是一个数, 也能是一个数组 (如回归模型的输入变量, 还款计划模型的输出变量等) , 因而要用一个Scope字段来表示变量在某一个数据库中存取数据的记录范围, 一般可用Current (当前记录) 、Top (第一条记录) 、Next10 (当前记录以后10条记录) 、Record10-30 (第10条至第30条记录) 、For条件表达式 (满足一定条件的记录) 等短语来表示。

1.3.3 求解模型

Type Solve Model

Var Name () As variant

’变量信息

VarValue () As Variant

’变量数据

AppModel () As String

’调用的应用模型名数组

End Type

求解模型由问题经对应用模型库搜索后得到, 其中VarName是一个二维数组 (在赋值时确定) , 第1列记录AppModel () 中各应用模型的输入输出变量名, 第2列记录该变量的个数 (若大于1, 说明该变量为1数组) , 各变量的数值 (由问题中指定数据库中取得) , 按顺序及个数依次在一维数组VarValue中排列。Appmodel () 中记录搜索到的应用模型或模型组, 其次序控调用先后排列。

2 水稻生态平衡施肥模型库的建立

在生态平衡施肥模型系统中, 模型库已有水稻参数、水稻分布地区、地区土壤类型等选择模型类 (selection) , 产生式推理模型类 (production) , 以及预测生态平衡施肥量计算模型类 (fertile) 。利用 (selection) 模型确定某种水稻参数, 利用专家知识, 由水稻生态平衡施肥决策支持系统仿真寻优, 最后利用生态平衡施肥量计算模型得到一个最优生态平衡施肥方案, 如图1所示。

土壤内作物营养所必须的大量元素是氮、磷、钾、钙、镁, 特别是氮磷经常不足, 而钾存在于母质中, 不易被植物利用。因此, 氮磷钾在土壤内的数量、状态对作物的生长影响最为显著。据分析结果证明, 每100kg稻谷中含有氮素1.4～2.0kg、磷素0.6～0.9kg、钾素0.3～1.8kg;每100kg稻草中含有氮素为0.6kg、磷素0.1kg、钾素0.9～2.0kg。各种养分含量不同的原因, 主要是由于水稻品种的差别, 土壤类型以及栽培方式的不同[8]。

把土壤肥力按土壤养分图分为Ⅰ, Ⅱ, Ⅲ, Ⅳ, Ⅴ级, 每个等级又用肥力度0, 1, 2来评估土壤肥力的优劣[9]。在本系统中, 有机质、氮素、磷素、钾素、pH值、碱解氮、速效磷、速效钾、容重、耕层厚度、排灌条件、土壤水分系数等元素应作为已知因子, 确定土地肥力, 设计培肥途径。

施肥模块:根据土壤肥力水平, 目标产量和土壤类型及有机肥施用量来确定施肥量。在系统中求解施肥问题的属性概念 (知识) 和智能行为 (知识处理方法) 被模型化为对象, 作为知识库中的一个独立知识单元, 称为对象 (或类) 。知识库系统的基本成分有:①对象, 将知识与使用知识的操作或过程封装成一个实体;②类, 具有相同结构、属性、功能的实体的集合;③消息, 集知识流与控制流于一体, 包含有调用对象、初值、过程名与返回值等信息的载体, 是系统内对象 (类) 间产生联系的纽带;④继承, 下位对象 (类) 继承上位对象 (类) 的属性与功能。整个知识系统由对象 (类) 组成一个层次网络模型, 各对象 (类) 通过消息相互联系, 形成一条自然推理链, 合作完成对一个问题的求解。生态平衡施肥模型如图2所示。

2.1 系统模型的调用方式

水稻生态平衡施肥决策支持系统中模型采用调用方式实现了与数据库、模型库和知识库建立必要的联系。模型调用关系, 如图3所示。

本系统模型库中还设计了水稻生长期吸氮量预测模型、水稻吸氮量规律产量预测模型、沼泽土种稻吸氮规律目标产量预测模型、沼泽土种稻土壤累计供氮量预测模型和水稻生态平衡施肥产量预测模型、水稻经济效益分析模型等。

2.2 模型基本单元存储方式的设计

水稻决策支持系统采用模型存储方式。以子程序方式、语句方式和数据方式存储, 其中对于数据方式存储是按照有规则的格式来存储数据, 把决策模型和数据合并到“知识表示”中。

3 模型库管理系统结构设计

本系统对模型库管理系统设计采用外部数据库、 内部数据库、模型库和模型子典的组合形式, 如图4 所示。

4 结论

水稻生态平衡施肥决策支持系统模型库管理系统, 是在Winodows xp操作环境下用VB语言开发, 工作性能好, 可移植性强, 界面友好。使用面向对象数据库构建DSS的模型库管理系统可以改良DSS的性能, 提高对决策支持力度, 使得DSS更加符合面向应用的设计原则, 从而为建立正确可靠的模型库, 确保决策支持系统的正确运行提供了强有力的保障。

参考文献

[1]吴泉源.人工智能与专家系统[M].长沙:国防科技大学出版社, 2005:17-86.

[2]朱海滨.面向对象计算机研究中的几个问题[J].计算机工程, 2006 (5) :16-29.

[3]D.W.P.atterson.Introduction to Artificial Intelligenece andExpert System[M].New Jersty:Prentice Hall, 2006:28-70.

[4]棠葆林.面向对象的软件开发方法[J].小型微型计算机2004, 15 (2) :38-41.

[5]张素萍.浅谈基于数据仓库模型的决策支持系统[J].计算机应用研究, 2006 (5) :5-12.

[6]Paul Dagum.Approximating Probabilistic Inference in Bayes-ian Belief network is NP-hard[J].Artificial Intelligence, 2006, 60:13-30.

[7]刘江宁.决策支持系统中证据的不确定性[J].计算机工程与应用, 2005 (4) :31-43.

[8]赵微平.土壤和植物养分的测定及施肥[M].北京:化学工业出版社, 2007:3-44.

篇5：应用三因素五水平最优设计建立水稻施肥模型的研究

1材料与方法

2015年早、晚造在惠来县隆江镇进行连片示范推广。试验前作为水稻,试验田农田排灌条件较好,肥力中等偏上。供试品种选用惠来县2015年水稻主导品种,早造品种为深优9516、晚造为广8优2168。试验设“三控”施肥和习惯施肥2个处理,“三控”施肥处理面积为13.3hm2,按“三控”施肥技术规程[2]进行。全程每667m2施用化肥:尿素19.5kg(晚造21 kg);过磷酸钙25kg(晚造15kg);氯化钾9.5kg(晚造10kg)。习惯施肥处理面积为13.1hm2,按照当地农户习惯施肥技术进行。全程每667m2施用化肥:尿素20kg(晚造22.5kg);碳胺25kg;过磷酸钙40kg(晚造25kg);氯化钾10kg(晚造11.5kg)。2种施肥处理的田间管理相同,试验期间调查有效穗数、总粒数、实粒数、结实率、千粒重及产量,并调查水稻病虫害发生和倒伏情况。

2结果与分析

2.1不同施肥处理的施肥量比较

从表1可知,2015年早造,“三控”施肥处理比习惯施肥处理(CK)氮肥施用量减少33.3%、磷肥的施用量减少37.5%、肥料总量减少27.1%;2015年晚造,氮肥施用量减少33.8%、磷肥用量减少40.0%、施肥总量减少28.7%。可见,“三控”施肥技术可以节省肥料用量。

2.2产量及其构成因素

从表2可知,“三控”施肥处理水稻产量为:早造540.2kg/667m2,比CK增产38.37kg,增幅为7.7%;晚造523.7kg/667m2,比CK增产39.37kg,增幅为8.1%。从产量构成因素来看,“三控”施肥处理的有效穗数增加4.1%~5.6%,总粒数增加6.6%~7.3%,结实率和千粒重变化不大。可见,“三控”施肥处理增产的主要原因是因为有效穗数和每穗粒数的增加[3]。

2.3经济效益分析

从表3可以看出,早造“三控”施肥处理产值为1188.4元/667m2,比CK增加84.4元,增幅为7.7%;纯收入为612.8元/667m2,比CK增加147.4元,增幅为31.7%;产投比增加23.5%;氮肥偏生产力增幅61.4%;节约肥料成本28%左右。晚造“三控”施肥处理产值为1152.1元/667m2,比CK增加86.6元,增幅为8.1%;纯收入为575.9元/667m2,比CK增加152.5元,增幅为36.0%;产投比增加17.7%;氮肥偏生产力增幅63.3%;节约肥料成本29%左右。可见,“三控”施肥技术表现出增产增益和提高肥料利用率的效果。

3结论与讨论

3.1“三控”施肥技术的应用效果

“三控”施肥技术在惠来县早、晚季示范应用的结果表明,与习惯施肥相比,可以节省肥料用量,每667m2节约27.1%~28.7%;能提高有效穗数和每穗总粒数,每667m2有效穗数增加4.1%~5.6%,总粒数增加6.6%~7.3%;表现出增产、增益和提高肥料利用率的效果,每667m2增产7.7%~8.1%、增收节支147.4~152.5元、氮肥偏生产力比CK提高61.4%~63.3%。因此,水稻“三控”施肥技术适合在惠来地区推广应用。

3.2注意事项

合理密植,保证基本苗数。实行双株移植,每667m2插基本苗5~6万条;适时控苗。一般当茎蘖苗数达到计划有效穗数的80%时开始轻晒田,杂交稻每667m2最高苗数控制在30万条左右;科学施肥。“三控”施肥法由于分蘖肥减少且推迟施用,前期禾苗生长速度不够快,这是水稻“三控”施肥技术的禾苗生长特点,因此,要严格按照技术规程适时、定量施肥[4]。

参考文献

[1]黄农荣,胡学应,钟旭华,等.水稻“三控”施肥技术的示范推广进展[J].广东农业科学,2010(12):21-23.

[2]钟旭华,黄农荣,郑海波,等.水稻“三控”施肥技术规程[J].广东农业科学,2007(5):13-15,43.

[3]梁广成,李侠涛,杜敏.水稻“三控”施肥技术的在汕头市示范应用效果[J].广东农业科学,2009(3):29-30.