蔬菜施肥量簡便快速推薦系統APP實現與應用*

張懷志，黃紹文※，冀宏杰，唐繼偉，李若楠，袁 碩

（1. 中國農業科學院農業資源與農業區劃研究所，北京 100081；2. 河北省農林科學院農業資源環境研究所，石家莊 050051）

0 前言

調查表明，全國主要蔬菜平均化肥養分（N+P2O5+K2O）用量1 092.0 kg/hm2，是全國農作物平均化肥養分用量的3.3倍；主要設施蔬菜平均（化肥+有機肥）養分總用量2 275.5 kg/hm2，其中N、P2O5和K2O施用總量分別為850.5 kg/hm2、726.0 kg/hm2和792.0 kg/hm2，平均分別是各自推薦施用量的1.9、5.4和1.6倍；設施蔬菜基肥化肥養分用量占化肥（基肥+追肥）養分總量比例過高，平均達到40%～50%［1-2］。這與農戶不了解蔬菜養分需求規律、隨意施肥、專用肥缺乏等有關。蔬菜的不合理施肥導致肥料利用率和生產效益低下、土壤次生鹽漬化比例較大、硝態氮和速效磷富集、地下水硝酸鹽超標等一系列較為嚴重的問題。推廣蔬菜科學施肥技術是解決蔬菜不合理施肥、保護環境的重要途徑之一。

科學施肥技術推廣除傳統的面對面傳授方式外，國外從20世紀70年代開始將計算機用于施肥技術的推廣中，美國國際農化服務中心研制的施肥軟件可以對140種作物的11種營養元素提供施肥咨詢服務［3］。20世紀80年代，中國科學院合肥智能化研究所與安徽省農業科學院合作開發了我國第一個施肥專家系統——砂姜黑土小麥施肥專家咨詢系統［4］后，先后出現了棉花［5-6］、水稻［7］、小麥［8］、果樹［9］以及包含多種作物的施肥專家系統［10-12］。隨著計算機、現代通信、網絡等科學技術發展，專家系統的載體除了計算機外，還出現了基于 PDA（Personal Digital Assistant，PDA）［13］、觸摸屏［14］、（智能）手機［15］等載體的施肥專家系統。

根據科學施肥原理，施肥推薦離不開土壤學、蔬菜學、植物營養學、肥料學等學科的海量數據支持。而基于PDA、觸摸屏、（智能）手機等載體的施肥系統由于受載體硬件容量影響，存儲的知識、數據量等有限，難以實現在田間地頭對任一農戶地塊蔬菜施肥進行技術指導；另外，推薦施肥需要的所有科學數據存在于每一個單獨的載體上，由于用戶分散、蔬菜施肥量推薦數據逐個更新難度大，4G移動通信技術、移動互聯網、云計算技術［16］以及計算機軟硬件的發展，為農業科學技術推廣提供了新途徑。

基于此，文章以作者所在中國農業科學院農業資源與農業區劃研究所蔬菜土壤肥料團隊研發的基于土壤養分系統平衡理念的蔬菜施肥量簡便快速推薦模型［1］為核心，利用移動通信、數據存儲等現代科學技術，并綜合考慮目前我國農戶的知識水平和消費水平，設計開發蔬菜施肥量簡便快速推薦系統，以期能夠經濟、便捷地將蔬菜施肥推薦技術指導送達千家萬戶，遏制我國蔬菜肥料施用不合理現象，實現減肥增效；同時也為大田作物及果樹施肥技術推廣、農業科技推廣探討新模式。

1 蔬菜施肥量簡便快速推薦模型

目前測土推薦施肥方法主要包括土壤肥力指標法、土壤肥力臨界值法、目標產量測土施肥法3個方法，都需要開展大量土壤測試、大量田間試驗，但較為準確的參數（如土壤養分利用系數、肥料當季利用率）仍難以獲得，計算也較為復雜。中國農業科學院農業資源與農業區劃研究所蔬菜土壤肥料團隊研制了基于土壤養分系統平衡理念的蔬菜施肥量簡便快速推薦方法，具體如下。

式（1）、（2）中共有3個參數，其中目標產量在近3年平均產量基礎上增加15%進行計算；單位產量養分吸收量參數可利用多年多點大量肥料試驗結果統計，容易獲得且較為準確；不同土壤肥力水平養分吸收量校正系數的確定是該方法核心。設施菜地肥力水平等級劃分標準參見文獻［17］，依據近些年研究獲得的有關蔬菜養分循環特征參數以及田間試驗數據等確定校正系數，如設施菜地施入的氮損失率累計可達到30%～40%（硝態氮淋失、氨氣揮發、N2O排放等），灌溉水氮帶入量為施N量的10%左右。

根據中肥力菜田土壤氮輸入=氮輸出平衡模型，計算出氮校正系數為1.3～1.5。中肥力菜田的氮平衡主要為維持性施肥，其中氮輸入=肥料氮施用量+灌溉水氮帶入量+雨水氮帶入量+種子氮帶入量；氮輸出=氮素吸收量+硝態氮淋失量+氨氣揮發量+N2O排放量。P2O5、K2O無揮發損失，土壤P2O5、K2O淋失忽略不計，根據中肥力菜田土壤P2O5/K2O輸入=P2O5/K2O輸出模型，可計算出P2O5、K2O校正系數均為1.0。根據菜田土壤養分系統平衡理念，高肥力土壤充分利用土壤養分，適當減少施肥，校正系數可在中肥力基礎上減少20%左右，而低肥力土壤需要達到增產、培肥地力雙重目標，適當增施肥料，校正系數可在中肥力基礎上增加20%左右。

針對農戶重視化肥施用、輕秸稈使用，磷施用嚴重超量，基肥化肥用量占比過高等問題，該方法體系還根據蔬菜不同生育階段需肥規律以及長期定位試驗結果，確定有機肥養分用量占總養分用量（化肥養分+有機肥養分）的比例為40%～50%，基肥化肥養分用量占總化肥養分用量的15%～20%，盡量選用低磷型復合肥、水溶肥。與已有施肥推薦方法比較，該方法的主要特點有：（1）協調了N、P2O5、K2O比例，匹配了養分形態（如硝態氮、銨態氮、酰胺態氮之間比例）；（2）有機肥/有機物料替代化肥，培肥土壤；（3）實現基肥、追肥合理運籌；（4）實現經濟效益與生態效益的統一。

2 蔬菜施肥量簡便快速推薦系統設計

該系統應用“移動終端+網絡+數據中心”架構模式，智能終端采用嵌入式模式，即智能手機終端應用軟件（APP），含有施肥推薦所必需的、應由用戶提供的信息以及展示蔬菜施肥推薦結果；網絡依托現有移動通信4G技術，數據中心具有存儲蔬菜施肥推薦數據、接受來自不同區域的訪問信息以及數據挖掘、施肥推薦計算等功能（圖1）。

圖1 蔬菜施肥量簡便快速推薦系統框架Fig.1 Framework for simplified vegetable fertilization recommendation system

2.1 智能手機終端應用軟件（APP）設計

根據我國蔬菜種植者知識水平的實際情況，終端人機交互界面設計要求：一是簡單、直觀，即要求輸入的內容都是用戶熟知的，同時展示的結果也易于用戶理解；二是界面友好，采用模塊化設計，便于用戶操作。根據基于土壤養分系統平衡理念的蔬菜施肥量簡便快速推薦模型，對蔬菜施肥推薦所需要的信息進行分類，據此設計人機交互界面相應的模塊。主要分為兩類：一是信息采集類模塊，主要用來進行蔬菜施肥推薦基本信息采集。該模塊包括3個子模塊：（1）目標產量子模塊，主要包括?。ㄊ?、自治區）名、縣（縣級市、區，旗）名、蔬菜名稱、蔬菜栽培方式（分為大棚、日光溫室以及露地3種）、蔬菜種植茬口（如早春茬、夏茬、越冬長茬、秋冬茬等）和具體的目標產量信息；（2）單位產量養分吸收量子模塊，包括每生產1 000 kg蔬菜產品對N、P2O5、K2O的吸收數量；（3）校正系數信息子模塊，主要包括地塊所在的鄉鎮名、村名、農戶名以及地塊土壤有機質（g/kg）、硝態氮（mg/kg）、速效P（mg/kg）、速效K（mg/kg）、pH值、電導率（mS/cm）、鹽分總量（g/kg）、速效Ca（mg/kg）、速效Mg（mg/kg）、速效S（mg/kg）、速效B（mg/kg）、速效Cu（mg/kg）、速效Fe（mg/kg）、速效Mn（mg/kg）、速效Zn（mg/kg）、速效Mo（mg/kg）等信息。3個子模塊的信息用戶可以輸入，也可以調用數據中心的數據信息。二是施肥量推薦結果類模塊，包括兩個子模塊：（1）養分推薦量子模塊，該模塊展示用戶輸入的?。ㄊ小⒆灾螀^）名、縣（市、區、旗）名、鄉（鎮）名、村名、用戶名、蔬菜栽培方式、蔬菜名稱、目標產量等信息，同時給出此條信息下的N、P2O5、K2O養分推薦用量；（2）肥料推薦量子模塊，該子模塊將N、P2O5、K2O養分用量轉化成具體的肥料用量以及肥料施用時間（基肥、追肥）。

2.2 數據中心設計

SVFRS采用Hadoop平臺搭建數據中心，中心采用三層架構體系，一層完成對智能終端界面信息的處理工作；二層采用WebService提供基于土壤養分系統平衡理念的蔬菜施肥量簡便快速推薦模型，完成施肥推薦量計算；三層完成科學施肥推薦數據庫的讀寫與存儲工作。數據訪問方式為ODBC，ODBC的最大優點是能以統一的方式處理所有的數據庫，具有良好的互用性和可移植性。

科學施肥推薦數據庫分為地名信息鏈接庫和專家施肥推薦海量信息數據庫。（1）地名信息鏈接庫。該庫構建的目的是為了準確運用蔬菜施肥推薦數據庫服務?，F代計算機硬件技術、數據存儲技術的發展，已不用考慮數據冗余，因此，本系統暫以?。ㄊ?、自治區）為單位，為每一個?。ㄊ小⒆灾螀^）構建了一個相應的蔬菜施肥推薦數據庫，通過地名信息鏈接庫，系統可快速定位到省級施肥推薦數據庫。（2）蔬菜施肥量推薦海量信息數據庫。由蔬菜作物信息子數據庫、土壤信息子數據庫、土壤肥力評價及校正系數子數據庫、基追肥比例子數據庫、專家推薦用肥料品種子數據庫等組成。其中，蔬菜作物信息子數據庫主要包括蔬菜名稱、蔬菜栽培方式、蔬菜茬口、噸經濟產量所需養分量等；土壤信息子數據庫含有土壤采樣點所在的省（市、自治區）名、縣（市、區、旗）名、鄉（鎮）名、村名、用戶名以及有機質（g/kg）、硝態氮（mg/kg）、速效P（mg/kg）、速效K（mg/kg）、土壤pH值、電導率（mS/cm）、鹽分總量（g/kg）、速效Ca（mg/kg）、速效Mg（mg/kg）、速效S（mg/kg）、速效B（mg/kg）、速效Cu（mg/kg）、速效Fe（mg/kg）、速效Mn（mg/kg）、速效Zn（mg/kg）、速效Mo（mg/kg）等含量信息；土壤肥力評價及校正系數子數據庫主要為土壤信息子數據庫中各數據項的等級評價指標及相應的校正系數等；基追肥比例子數據庫有蔬菜作物名稱、氮磷鉀等元素作為基肥或者追肥的比例；專家推薦用肥料品種子數據庫有專家設置、推薦用戶不同時期施用的肥料名稱。各個子數據庫中間以及子數據庫內通過關鍵詞進行鏈接，而關鍵詞主要有分布在界面上的蔬菜作物名、栽培方式名以及農戶名等構成。

SVFRS為數據庫、各子數據庫命名、結構制定了統一規則。當該區域數據更新或者該系統移植到異地應用時，只要遵循數據庫構建規則，由專家提前對數據進行加工處理后，就可以便捷地替換數據中心的現有數據內容，而不會影響系統運行，避免數據更新給每個用戶應用帶來的不便；同時也保證了SVFRS具有更好的區域適應性。

3 蔬菜施肥量簡便快速推薦系統APP實現與應用

在對智能手機用戶和手機市場調研的基礎上，產品開發最終選用了Android、iOS操作系統智能手機。推薦系統所有數據均來自于國家大宗蔬菜產業技術體系養分管理崗位經費項目、國家重點研發計劃課題“設施蔬菜化肥減施關鍵技術優化”等研究中獲得的數據以及與各地土壤肥料研究所、土壤肥料工作站等交換數據。數據庫采用Excel 2003構建。系統開發采用C＃、Java語言。圖2、圖3為智能客戶端安裝在基于Android操作系統的國內某知名手機品牌上的實際情況，其中圖2為推薦信息輸入界面，圖3為推薦結果輸出界面。

圖2 蔬菜施肥量簡便快速推薦系統APP推薦信息輸入Fig.2 Input interface of APP for simplified vegetable fertilization recommendation system

基于移動通訊技術的蔬菜施肥量簡便快速推薦系統在河北省定興縣、藁城區、永清縣、青縣以及天津市西青區、武清區等設施蔬菜優勢區核心示范基地應用，示范效果顯著，減施化肥養分30%，增產8%以上，增收15%以上。智能手機客戶端通過網絡訪問并調用數據中心的專家推薦施肥數據庫，僅消耗網絡流量，應用表明，完成一次施肥推薦僅需要0.1～0.2 M的流量，在河北省5元購買30 M網絡流量的模式下，僅需要0.02元。

圖3 蔬菜施肥量簡便快速推薦系統APP推薦結果輸出Fig.3 Output interface of APP for simplified vegetable fertilization recommendation system

4 討論

近年來，隨著移動通信技術的快速發展和農民經濟收入增加，智能手機在農村用戶群體呈幾何級數增長。2013年底，國家工信部頒發了4G牌照，4G技術也已走入尋常百姓家，5G移動通訊技術呼之欲出?，F在農民利用移動智能終端上網瀏覽新聞、娛樂、閱讀等日益普遍，應用技術也越來越熟練，也為國家測土配方施肥的工程實施，尤其是利用地塊測土信息進行精準施肥推薦奠定基礎。該系統與測土配方施肥短信通［18］、農戶自家地塊撥打手機的“手機信息服務系統”［19］等基于手機載體的專家施肥系統相比優勢明顯：一是采用了網絡流量，價格更為便宜；二是用戶一次輸入即可獲得專家施肥推薦，不需要數次往返的短信交流；三是在網絡暢通的情況下，用戶拿出手機，輕松輸入信息，即可隨時隨地獲得專家施肥指導。

關于專家施肥推薦數據庫的構建單元，該系統以?。ㄊ?、自治區）為主，但是我國省域規模差異較大且即使在同一省域內，由于受地形地貌等因素影響，同一種蔬菜的氮磷鉀養分推薦量也會有一定的差異；另一方面，我國人均耕地面積小，農戶眾多，要為每家農戶的每個地塊進行施肥推薦，每個省市土壤數據信息將達到10萬、100萬條以上。為了快速精確進行施肥推薦，可以充分利用硬件存儲技術發展成果，把專家數據庫的構建單位再進一步縮小到市、縣（市、區）。不同區域采用該本系統時候，專家只需專注于施肥科學數據的整理，嚴格遵循數據庫的構建規則，就可以因地制宜地、迅速地進行專家施肥推薦數據庫構建，進而完成精準施肥推薦。

該系統在專家施肥推薦上，除了完成常規的養分推薦量、施肥時期的推薦外，還可以根據當地市場的肥料供應情況、專家知識經驗等實現對肥料品種及其每種肥料的用量推薦，這樣更便于用戶使用該系統。同時也有利于與市場監管部門合作，推薦優質肥料，實現對肥料銷售市場的有效監管。

5 結論

基于現代移動通訊技術的蔬菜施肥量簡便快速推薦系統的成功研發，充分利用了現代計算機硬件存儲技術、移動通信技術等成果，為解決科學施肥技術推廣存在的最后一公里問題提供了有效方法。用戶利用本系統，通過網絡可以便捷、經濟地獲得地塊的蔬菜科學施肥技術指導。系統推廣示范表明，設施蔬菜化肥養分可減施30%，增產8%以上，每完成一次施肥推薦花費不足0.1元。

該系統施肥指導可以具體到肥料品種及其用量，更易于被農戶所使用。該系統通過便捷地更新科學施肥數據的方法，及時為用戶提供新的科學數據，提高了科學數據尤其是測土數據的利用效率，可實現精準施肥。