作物营养诊断施肥综合法（ＤｉａｇｎｏｓｉｓａｎｄＲｅｃｏｍｍｅｎｄａｔｉｏｎＩｎｔｅｇｒ ａｄｅＳｙｓｔｅｍ简称ＤＲＩＳ）是以作物丰产时营养元素的质量分数间最适比例为基础来诊断 营养元素丰缺的一种方法。该法由南非学者Ｂｅａｕｆｉｌｓ［１］１９７３年首先提出，随后许 多国家和地区成功地应用于玉米［２］、甘蔗［３，４］、大豆［５］、马铃薯［６，７］、小麦 ［８，９］、高梁［１０］、紫花苜蓿［１１］、白杨［１２］、苹果［１３］和牧草［１４，１ ５］等作物的营养诊断上，取得了良好的诊断与施肥效果，证明该方法比传统的临界值法（ＣＮＬ ）具有较大的优越性。具体表现在：①诊断中同时考虑的所有养分都能被定量或定性表达；②从养 分平衡角度进行营养诊断，其结果更符合作物高产营养的实际；③除受作物种类影响外，诊断结果 不受栽培品种、株龄、采样部位及当地气候的限制，但对果树等多年生植物不适用；④能够反映出 作物对各种营养元素需求的相对顺序［１～３，８，９，１６，１７］。尽管ＤＲＩＳ具有上述优 越性，由于ＤＲＩＳ不能区分出限制产量的元素和不限制产量的元素，每次应用时，总是诊断出一 个或多个营养元素缺乏，当所有元素不缺乏时，应用ＤＲＩＳ易出现错误诊断［１８］；样本的某 一养分质量分数比值（简称养分比）大于或小于该比值的群体平均值时，有两种不同的函数方程表 达式，养分指数的计算因养分比本身的两种不同形式（如Ｎ／Ｐ与Ｐ／Ｎ）及其函数式的不同引起 数学计算式上的偏差而影响ＤＲＩＳ诊断准确性［１９，２０］；群体样本数的多少与产量水平的 高低也影响ＤＲＩＳ诊断指标的建立和修正［２１］。本文针对上述几个具体问题就如何提高ＤＲ ＩＳ诊断准确性的改进方法及其应用加以介绍和评述。１计算干物质指数的ＤＲＩＳ（ｍ－ＤＲＩ Ｓ）ＤＲＩＳ能较好地诊断出作物营养元素的缺乏顺序，每次均可诊断出一个或多个元素缺乏，但 难以明确地区分出不缺乏的元素。为了解决这一问题，加入养分的质量分数到该养分指数的计算式 中，同时计算干物质（ＤＭ）指数，以修正传统的ＤＲＩＳ法，这即为ｍ－ＤＲＩＳ法［１８］。 Ｗａｌｗｏｒｔｈ等［２２］首先用玉米得出干物质指数值，利用该值能有效地从不限制产量的养 分中区分出限制产量的养分。以Ｎ指数为例，考虑到Ｐ、Ｋ、Ｃａ和Ｍｇ元素时，当加入Ｎ元素的 质量分数后，原ＤＲＩＳ指数计算公式修改为：Ｎ指数＝［ｆ（Ｎ／Ｐ）＋ｆ（Ｎ／Ｋ）＋ｆ（Ｎ ／Ｃａ）＋ｆ（Ｎ／Ｍｇ）＋ｆ（Ｎ／ＤＭ）］／５ＤＭ指数＝［－ｆ（Ｎ／ＤＭ）－ｆ（Ｐ／Ｄ Ｍ）－ｆ（Ｋ／ＤＭ）－ｆ（Ｃａ／ＤＭ）－ｆ（Ｍｇ／ＤＭ）］／５式中Ｎ／Ｐ为Ｎ与Ｐ的质量 比，余类推。当某一元素指数比干物质指数更小时，表示缺乏；当更大或相等时，表示丰足。ＤＭ 指数为试图从不限制产量的元素中分离出限制产量的元素提供了一个基数。使用ｍ－ＤＲＩＳ法， 分离出了不限制产量的元素，有助于减少ＤＲＩＳ的不正确诊断，提高其诊断准确性。Ｈａｌｍａ ｒｋ等［１８］利用ＤＲＩＳ和ｍ－ＤＲＩＳ法研究Ｐ、Ｋ、Ｃａ施用量与大豆产量的关系，结果 表明：当诊断出最缺乏的元素为Ｋ时，ｍ－ＤＲＩＳ法准确率达８５．７％，而ＤＲＩＳ法仅为６ ６．７％；当诊断出元素不缺乏时，ｍ－ＤＲＩＳ准确率达７６．５％，而ＤＲＩＳ为０，即全部 诊断为元素缺乏（缺Ｐ或Ｋ，甚至缺Ｎ），若此时施肥，既浪费肥料又可能导致减产。但ＤＭ指数 的使用不当，也会带来不正确诊断。Ｈａｌｍａｒｋ等［１８］发现尽管施Ｐ后大豆产量增加了５ ４３ｋｇ／ｈｍ２，而通过ｍ－ＤＲＩＳ法诊断却没有显示出Ｐ元素的缺乏，原因是由于ｍ－ＤＲ ＩＳ标准中Ｐ的质量分数偏低产生的，需将其调整到稍高点后重新诊断。Ｈａｌ－ｍａｒｋ等［２ ３］还发现在检测Ｚｎ缺乏和Ｍｎ不缺乏时，ｍ－ＤＲＩＳ法显著不如丰足范围法（ＳＲＭ）准确 ，原因是由于ｍ－ＤＲＩＳ群体中Ｃａ、Ｍｎ的质量分数的平均值分别比ＳＲＭ中相应元素最小值 大几倍，而Ｚｎ的质量分数的平均值确定得太小，导致Ｃａ、Ｍｎ指数更负，ＤＭ和Ｚｎ指数更正 ，影响了Ｍｎ和Ｚｎ诊断的准确性。因此，为了提高ｍ－ＤＲＩＳ诊断准确性，需要进一步研究高 产群体中养分的质量分数的平均值和标准差，来正确区分出不限制产量的元素。２调整高产亚群体 的样本数过去应用ＤＲＩＳ，其群体样本数通常包括有不同地区和环境条件下的大量资料［５，８ ，１１，１３，１４，１６，２４］，ＤＲＩＳ诊断标准都是从健壮、高产的作物群体中导出的， 它是基于假设生长在不同环境条件下的高产作物都含有相似的养分组成［１６］。有许多文献［９ ，１６，２５，２６］报导了ＤＲＩＳ标准在资料来源地域之外的其它地理位置上的作物营养诊断 的有效性，也有些学者则建议在他们的诊断中开发地域性标准［７，１３，２１，２７，２８］。 Ｅｓｃａｎｏ等［２８］选择１５个玉米试验的低产和高产亚群体中各９０个小区产量，建立地方 性ＤＲＩＳ诊断标准，与其公开发表的玉米旗叶最佳养分比为基础的ＤＲＩＳ标准比较，提高了Ｎ 、Ｐ诊断准确率，分别高８％和２％。从以下三方面提高诊断的准确性：①正确选择高产亚群体； ②基于对诊断准确性的试验效果选择ＤＲＩＳ诊断指标；③使用１０种而不是３种或３６种养分比 计算ＤＲＩＳ指标。Ｗａｌｗｏｒｔｈ等［２９］从玉米Ｎ、Ｐ、Ｋ盆栽试验中高产（＞１８ｔ／ ｈｍ２）、有限（１０个样本）的资料建立的玉米ＤＲＩＳ标准比全球性的广泛资料建立的标准， 在预测其产量增加方面要准确得多。Ｌｅｔｚｓｃｈ等［２１］研究了群体样本数与高、低产组产 量水平对确定ＤＲＩＳ诊断指标的影响，结果发现：用于确定ＤＲＩＳ诊断指标的最佳样本数应包 括大量资料（几千套）的随机样本，并含有一定比例的高产数据，且样本数随观测产量水平的提高 变为不关键性因素。上述文献［２１，２８，２９］中没有使用ＤＭ指数，无法判断样本数的多少 和地域资料对ｍ－ＤＲＩＳ诊断作物营养准确性的影响。Ｈａｌｍａｒｋ等［３０］在大豆Ｐ、Ｋ 、Ｃａ肥料试验研究中，利用４种不同资料（有选择性的窄范围资料（Ｓ）、数量大的宽范围资料 （Ｌ）、美国中西部（ＭＷ）和东南部（ＳＥ）区域性资料）建立的ｍ－ＤＲＩＳ标准诊断Ｐ、Ｋ 营养状况。结果发现：由Ｌ资料建立的ｍ－ＤＲＩＳ标准比Ｓ资料建立的标准在诊断大豆Ｐ、Ｋ营 养方面更准确，区域性资料同Ｌ资料比较，并没有提高其诊断准确性。３修改养分比的函数方程表 达式传统的ＤＲＩＳ法，计算养分比的函数式时，依样本养分比大于或小于群体养分比的平均值的 不同而使用两个不同的函数方程式。Ｊｏｎｅｓ［３１］修改为：无论样本养分比大于还是小于群 体养分比时，计算时总是将样本养分比出现在函数式分子上。以养分Ｎ和Ｐ为例，函数式修改为： ｆ（Ｎ／Ｐ）＝（Ｎ／Ｐｎ／ｐ－１）×１００／ＣＶ这里，Ｎ／Ｐ：样本养分质量比；ｎ／ｐ： 群体养分质量比的平均值；ＣＶ：群体该养分质量比的变异系数。这样，既简化了函数式的中间计 算，又消除了函数式本身在数学计算上的偏差。Ｈａｌ－ｍａｒｋ等［３２，３３］比较了ｍ－Ｄ ＲＩＳ和Ｊｏｎｅｓ法因函数表达式的不同产生的对大豆Ｐ、Ｋ诊断的影响，结果表明：Ｊｏｎｅ ｓ法比ｍ－ＤＲＩＳ提高了Ｐ、Ｋ诊断准确性，且在诊断第二个潜在性限制产量的养分方面，Ｊｏ ｎｅｓ法比ｍ－ＤＲＩＳ法更准确。４修改养分比的表现形式Ｂｅｖｅｒｌｙ［２０］从养分比的 不对称性分布中得出结论。认为：ＤＲＩＳ和ｍ－ＤＲＩＳ诊断标准中含有内在的系统误差，即养 分比的两种不同表现形式（如Ｎ／Ｐ和Ｐ／Ｎ）产生数学计算上的偏差。比较群体养分比的两种不 同表现形式间的平均值（即ｎ／ｐ和ｐ／ｎ），总是有以下关系：ｎ／ｐ＞（ｐ／ｎ）－１如果不 考虑函数方程的表达形式，函数式的值和养分指数值也受到养分比的表现形式的影响。Ｂｅｖｅｒ ｌｙ［２０］认为养分比的表现形式影响养分的诊断，但没有检验对诊断准确性的影响效果。在传 统的ＤＲＩＳ诊断中，总是选择高、低产亚群体的养分比（如ｎ／ｐ或ｐ／ｎ）的方差比值达显著 水平的表现形式作为重要参数。这样，所考虑诊断的养分就会出现在养分比的分子和分母中，产生 计算上的偏差，即系统误差。Ｈａｌｍａｒｋ等［３２］也证实了系统误差的存在，并比较了Ｊｏ ｎｅｓ法与传统的ＤＲＩＳ和ｍ－ＤＲＩＳ法中所考虑的养分（含ＤＭ）出现在养分比的分子和分 母中对大豆Ｐ、Ｋ诊断的影响，结果表明：养分比的表现形式不同，影响大豆Ｐ、Ｋ的营养诊断， 将所需考虑诊断的养分一律放置在养分比的分子（如Ｎ／ＤＭ、Ｎ／Ｐ、Ｎ／Ｋ、Ｎ／Ｃａ等）或 者分母（如ＤＭ／Ｎ、Ｐ／Ｎ、Ｋ／Ｎ、Ｃａ／Ｎ等）中，均可显著地减少系统误差，提高其诊断 准确率。养分比的不同形式，经对数转换后计算群体的平均值（Ｘ）、标准差（ＳＤ）和变异系数 （ＣＶ）有如下关系：（ｌｎ（ｎ／ｐ））ｘ＝－（ｌｎ（ｐ／ｎ））Ｘ（ｌｎ（ｎ／ｐ））ＳＤ ＝－（ｌｎ（ｐ／ｎ））ＳＤ（ｌｎ（ｎ／ｐ））ＣＶ＝－（ｌｎ（ｐ／ｎ））ＣＶ故，使用自然 对数转换［２０，３４］可有效地消除群体养分比因其表现形式不同产生的Ｘ、ＳＤ和ＣＶ计算上 的偏差，避免了对养分表现形式的选择。对数转换后，某养分比函数式的一般计算公式为：ｆ（Ａ ／Ｂ）＝［ｌｎ（Ａ／Ｂ）－ｌｎ（ａ／ｂ）］×１００／（ｌｎ（ａ／ｂ）ＳＤ（８）这里，Ａ ／Ｂ：样本养分比ａ／ｂ：群体养分比的平均值（ｌｎ（ａ／ｂ）ＳＤ：群体养分比的对数值的标 准差Ｂｅａｕｆｉｌｓ［１］曾指出，在中产和低产群体中，某养分比的平均值是相似的，但在高 产群体中不同，且其标准差随产量水平增加而减少。但通过对数转换，由大于最高产量的５０％、７５％、９０％、９５％和９９％组成的５种不同高产亚群体养分比的对数值（ｌｎ（ａ／ｂ）的平均数变化看，均不足群体相应养分比对数值的平均数的５％，而标准差随产量水平增加而减小［２０］。Ｈａｌｍａｒｋ等［３４］认为通过对数转换，可消除养分比表现形式不同产生的内部偏
More abstracts about the 提高DRIS诊断准确性的几种改进方法