2. 精准施肥理论基础
精准变量施肥的核心在于“因地制宜、按需供给”。其理论基础建立在三个关键支柱之上：土壤养分的空间变异性、作物的阶段性需肥规律，以及将二者耦合的施肥模型与处方图技术。本章将系统阐述这些核心概念，为后续的传感器选型、控制系统设计与算法实现奠定坚实的农学与工程基础。
2.1 土壤养分空间变异理论
土壤并非均质体。即使在同一个田块内，土壤的物理、化学和生物学性质也存在着显著的空间差异。这种差异被称为土壤养分空间变异性，是精准施肥的底层驱动力。
核心观点： 传统“一刀切”的均匀施肥方式，往往导致高肥力区域养分过剩（造成浪费与面源污染），而低肥力区域养分不足（限制产量）。精准施肥正是通过识别并管理这种变异性，实现资源的最优配置。
土壤养分变异通常分为两类：
- 系统变异： 由地形、母质、水文等结构性因素引起，具有空间自相关性（如：坡顶与洼地的有机质含量差异）。
- 随机变异： 由耕作、施肥、灌溉等人类活动引起，通常表现为局部斑块状分布（如：前茬作物施肥不均导致的残留差异）。
描述这种变异性的核心工具是半方差函数与克里金插值法。通过网格采样或实时传感器获取点状数据后，利用地统计学方法可以生成连续的养分分布图。
| 参数 | 定义 | 对精准施肥的意义 |
|---|---|---|
| 块金值 (Nugget) | 小于最小采样间距的变异或测量误差 | 决定采样密度下限；块金值过高时，需加密采样或采用在线传感器 |
| 基台值 (Sill) | 变量达到最大变异时的平稳值 | 反映田块整体变异程度；基台值越大，变量施肥的潜在收益越高 |
| 变程 (Range) | 变量存在空间自相关的最大距离 | 指导网格采样间距；采样间距应小于变程，否则无法捕捉空间结构 |
2.2 作物需肥规律
作物对养分的吸收并非恒定不变，而是遵循特定的阶段性规律。精准施肥必须与作物的生育期同步，在关键需肥期提供足量养分，在非需肥期避免浪费。
以氮素为例，主要粮食作物的需肥规律通常呈现“S”型曲线：
- 苗期（营养生长初期）： 需肥量小，但对养分敏感，主要依赖土壤基础肥力与种肥。
- 拔节-抽穗期（营养生长与生殖生长并进期）： 需肥量急剧增加，达到整个生育期的峰值，是追肥的关键窗口。
- 灌浆-成熟期（生殖生长后期）： 需肥量逐渐下降，过量施氮反而导致贪青晚熟或品质下降。
| 作物 | 氮素吸收高峰期 | 高峰期吸收占比 | 精准施肥策略 |
|---|---|---|---|
| 水稻 | 分蘖盛期至孕穗期 | 约 60% - 70% | 分蘖肥与穗肥的变量调控 |
| 小麦 | 拔节期至开花期 | 约 50% - 60% | 返青肥与拔节肥的精准追施 |
| 玉米 | 大喇叭口期至抽雄期 | 约 55% - 65% | 穗肥的变量深施 |
工程提示： 在设计变量施肥控制系统时，需将“作物生育期”作为重要的输入参数。系统应能根据作物模型或农艺日历，自动切换不同生育期的施肥目标值与响应曲线。
2.3 施肥模型与处方图概念
施肥模型是将“土壤养分状况”与“作物需肥规律”进行数学耦合的工具，其输出即为处方图——指导变量施肥作业的“行动指令”。
常见的施肥模型可分为三类：
- 养分平衡模型： 基于“目标产量需肥量 - 土壤供肥量 = 施肥量”的简单平衡。优点是参数少、易于工程实现；缺点是未考虑养分交互作用与动态释放。
- 作物生长模型： 如 DSSAT、APSIM 等，通过模拟作物-土壤-大气系统的动态过程来推荐施肥。精度高，但计算量大，对实时控制系统的算力要求高。
- 经验/统计模型： 基于大量田间试验数据建立的回归方程或查表法。实用性强，但区域局限性明显。
处方图是施肥模型的最终载体。它是一张带有地理坐标信息的栅格图或矢量图，每个栅格或区域都对应一个特定的施肥量指令。
工程避坑： 处方图的精度（栅格大小）并非越高越好。过小的栅格（如 1m × 1m）会导致执行机构频繁启停，降低作业效率与设备寿命。通常建议栅格大小与作业机具的幅宽（如 12m 或 18m）相匹配，或至少为幅宽的整数倍。
综上所述，精准施肥的理论闭环为：感知土壤变异 → 匹配作物需求 → 模型计算 → 生成处方图 → 变量执行。后续章节将围绕这一闭环，深入讲解传感器、控制器与执行机构的硬件实现。