盧闖 周穎俊 胡海棠 程成 淮賀舉 李存軍

摘要：以黑龍江省北安市趙光農(nóng)場春玉米為研究對象，利用追肥前的玉米無人機多光譜影像，基于歸一化植被指數(shù)和施肥模型進行變量施肥管理，通過網(wǎng)格法采樣驗證，以常規(guī)均一施肥處理為對照，分析玉米長勢、產(chǎn)量和土壤溶液硝態(tài)氮含量的處理間差異和處理內(nèi)變異。結(jié)果表明，在抽雄期，變量施肥處理玉米的平均SPAD值、LAI、地上部干質(zhì)量較對照顯著提高，變量施肥處理玉米株高、莖粗、LAI和生物量的變異系數(shù)在5.74%～11.21%，常規(guī)施肥玉米長勢變異范圍9.94%～16.39%;成熟期變量施肥處理玉米百粒質(zhì)量和穗粒數(shù)提高，禿尖率降低，產(chǎn)量增加5.99%，處理內(nèi)的產(chǎn)量變異性較對照降低36.30%;變量施肥降低了0～100 cm各層次土壤溶液中硝態(tài)氮含量，拔節(jié)期、抽雄期和成熟期1 m土體土壤硝態(tài)氮含量均值分別較均一施肥區(qū)降低20.10%、34.02%、26.56%。

關(guān)鍵詞：變量施肥;玉米;產(chǎn)量;硝態(tài)氮

中圖分類號：S513.06?? 文獻標(biāo)志碼： A

文章編號：1002-1302（2021）18-0090-05

收稿日期：2020-12-30

基金項目：國家重點研發(fā)計劃（編號：2016YFD0700303）。

作者簡介：盧 闖（1991—），男，河南新鄉(xiāng)人，碩士，主要從事農(nóng)田生態(tài)環(huán)境研究。E-mail： lupeichuang@163.com。

通信作者：李存軍，研究員，主要從事農(nóng)林遙感研究。 E-mail： licj@ nercita.org.cn。

玉米是黑龍江地區(qū)主要的糧食作物之一，在維系國家糧食安全方面具有舉足輕重的地位[1]。據(jù)統(tǒng)計，2018年黑龍江省玉米播種面積達到631.8萬hm2，總產(chǎn)量3 982.2萬t，占全國玉米總產(chǎn)量的15.48%[2]，同時有研究發(fā)現(xiàn)，黑龍江氮肥總投入量和玉米種植面積之間存在顯著的正相關(guān)關(guān)系，單位面積的施氮強度長期保持在4%左右的增加率，現(xiàn)今一些地區(qū)施氮強度已高達300? kg/hm2，而當(dāng)季肥料利用率只有約35%[3]。在高施用強度下，氮肥的邊緣效應(yīng)日益呈現(xiàn)，若繼續(xù)進一步加大施氮量不僅會影響籽粒品質(zhì)甚至減產(chǎn)，而且還會造成資源浪費、硝酸鹽污染、水體富營養(yǎng)化等問題，嚴(yán)重影響糧食生產(chǎn)和農(nóng)業(yè)環(huán)境的可持續(xù)性[4]，相關(guān)問題同時引起了國家有關(guān)部門的高度重視，農(nóng)業(yè)農(nóng)村部化肥施用量零增長行動方案指出，將減少化肥用量、降低面源污染作為農(nóng)業(yè)生產(chǎn)和農(nóng)村污染防治工作的重點[5]，因此，如何統(tǒng)籌兼顧糧食安全和生態(tài)環(huán)境是當(dāng)?shù)剞r(nóng)業(yè)發(fā)展面臨的重要課題。

變量施肥技術(shù)能夠根據(jù)田間具體情況因地制宜地調(diào)整施肥量，在減少用肥、提高肥料利用率方面具有重大潛力。安曉飛等研究表明，在黑龍江墾區(qū)進行4要素變量施肥管理，尿素和磷酸二銨施用量分別減少30.88%、13.79%，鉀肥施用量增加36.70%，玉米增產(chǎn)217 kg/hm2[6];陳靜等通過部分預(yù)算法對東北玉米田變量施肥的經(jīng)濟效益進行分析，計算得出變量施肥技術(shù)凈收益較常規(guī)施肥技術(shù)提高383.23元/hm2[7]。在華北冬小麥研究中，基于土壤肥力和目標(biāo)產(chǎn)量的變量施肥方法可以在氮肥用量減少30.2%～44.8%的情況下，使小麥籽粒產(chǎn)量增加 7.9%～11.6%[8];在棉花田進行變量施肥減少了氮肥消耗10.3%～16.9%，并使氮肥利用率提高了8.3%～11.0%[9]。目前關(guān)于變量施肥技術(shù)的研究多集中于經(jīng)濟效益評價和糧食增產(chǎn)等方面，關(guān)于變量施肥對東北玉米田土壤硝態(tài)氮淋溶的影響研究鮮有報道，此外，在田間信息獲取方面，目前施肥處方較多基于農(nóng)田土壤養(yǎng)分制圖，土壤樣點多且樣品分析費用昂貴，耗時較長缺乏實時性。近年來隨著無人機技術(shù)的發(fā)展，低成本的近地多光譜遙感影像能夠被方便、快捷地獲取，為農(nóng)業(yè)應(yīng)用研究提供了新的數(shù)據(jù)源。Maestrini等認(rèn)為，在田塊尺度內(nèi)遙感影像處方圖較產(chǎn)量圖能夠更好地指導(dǎo)農(nóng)業(yè)資源投入[10]，影像的光譜特征可表征作物長勢，進而為變量施肥提供決策，基于此，本試驗利用無人機獲取春玉米追肥前的田間影像，基于歸一化植被指數(shù)NDVI進行變量施肥，對玉米生長和氮素淋溶特征進行分析研究，以期為該地區(qū)制定作物持續(xù)高產(chǎn)及環(huán)境可持續(xù)的施肥方式提供理論依據(jù)。

1 材料與方法

1.1 試驗區(qū)概況

試驗于2018年在黑龍江省北安市趙光農(nóng)場科學(xué)園區(qū)（48°02′05″ N，126°44′01″ E）進行，屬于寒溫帶季風(fēng)氣候，年均氣溫-0.5 ℃，無霜期120 d，年均降水量670 mm，年均日照時數(shù)2 700 h，主要農(nóng)作物為玉米、大豆、高粱和馬鈴薯，2018年玉米生長季內(nèi)平均氣溫18.71 ℃，大于10 ℃的有效積溫為 1 234.9 ℃·d，日照時數(shù)共1 000.4 h，共降水 643.1 mm。試驗區(qū)土壤類型為粉沙壤土，試驗田塊高差3.6 m，土壤銨態(tài)氮含量為1.50 mg/kg，硝態(tài)氮含量為4.22 mg/kg，有效磷含量為40.75 mg/kg，速效鉀含量為138.56 mg/kg，土壤有機質(zhì)含量為 66.61 mg/kg。拔節(jié)期0～20、20～40、40～60、60～80、80～100 cm土層土壤含水率分別為23.83%、26.72%、28.92%、28.19%、27.54%，收獲期各土層土壤含水率分別為25.37%、28.63%、32.25%、31.74%、30.69%。

1.2 試驗設(shè)計及變量施肥

1.2.1 試驗設(shè)計 采用大區(qū)試驗，設(shè)置常規(guī)均一施氮（CF）和變量施氮（VF）2個處理，每個大區(qū)占地0.132 hm2，長150.0 m，寬8.8 m，大區(qū)之間設(shè)置 2.2 m 保護行。

玉米品種為德美亞1號，播種時間為2018年5月11日，種植方式為大壟雙行栽培，壟距 110 cm，壟上行間距44 cm，株距20 cm，播種密度90 000株/hm2。底肥一次性施入純N 60 kg/hm2、P2O5 80 kg/hm2、K2O 60 kg/hm2，底肥肥料分別為尿素、磷酸二銨、氯化鉀。2018年6月18日追施尿素，VF處理采用國家農(nóng)業(yè)信息化工程技術(shù)研究中心變量施肥機在壟上中間開溝施肥。2018年9月23日收獲測產(chǎn)，玉米生育期內(nèi)其他管理措施與當(dāng)?shù)剞r(nóng)戶一致。

1.2.2 基于無人機影像進行春玉米追肥計算 在追肥前，于2018年6月17日進行無人機影像獲取試驗，采用大疆 S1000+八旋翼無人機，搭載Parrot Sequoia多光譜相機，下架三軸自適應(yīng)穩(wěn)定云臺，可以保障無人機在高速飛行的狀態(tài)下獲取穩(wěn)定的遙感數(shù)據(jù)。Sequoia傳感器共可獲取4個波段的信息：綠光（green，G）波長550 nm，帶寬40 nm;紅光（red，R）波長660 nm，帶寬400 nm;紅邊光（red edge，RE）波長735 nm，帶寬10 nm;近紅外光 （near infrared，NIR）波長790 nm，帶寬40 nm。試驗過程中，多光譜相機固定到無人機懸掛的自適應(yīng)云臺上，使得傳感器鏡頭保持地面90°垂直，保證獲得多光譜正射影像的質(zhì)量，輻射傳感器（sunshine sensor）固定于無人機頂部，與無人機飛行方向相同，在飛行過程中將輻射校正數(shù)據(jù)寫入影像。無人機影像獲取試驗時，天氣晴朗無云、風(fēng)力較小，獲取影響時間為 10：00—11：00，此時太陽高度角較高，可減少光源對拍攝數(shù)據(jù)的影響。為保證無人機遙感影像獲取的準(zhǔn)確性，起飛前同時對Sequoia多光譜傳感器和輻射傳感器進行校準(zhǔn)，多光譜傳感器采集標(biāo)準(zhǔn)地面白板影像，同時，研究區(qū)內(nèi)放置6個正方行鐵框，用于影像配準(zhǔn)。設(shè)置飛行航線為“S”形，共計2條航線，單條航線長度180 m，幅寬10 m，高度為50 m。

在無人機采集完成后，將影像數(shù)據(jù)導(dǎo)入Pix4D Mapper進行拼接處理，根據(jù)公式（1）計算歸一化植被指數(shù)NDVI，試驗區(qū)NDVI見圖1。

結(jié)合公式（2）～（4）計算追肥量[11]：

NDVI=（NIR-R）/（NIR+R）;（1）

追肥量（N）=（Nx-Nz）/0.35;（2）

Nx=0.06/NDVI × [2 485 830（NDVI/D）2]-99 728（NDVI/45）+2 940.4;（3）

Nz=255.7（NDVI）0.593 6。（4）

式中：0.35為氮肥利用效率，Nx為玉米氮肥總需求量，Nz為追肥時期玉米氮含量，D為玉米播種到獲取影像之間日均溫度高于 0 ℃的天數(shù)。

由圖2可見，VF處理最終確定11個施肥小區(qū)，平均施純N為140 kg/hm2，為保證試驗的一致性，CF處理亦施純N 140 kg/hm2，均勻施用。

1.3 樣品采集及測定方法

1.3.1 玉米長勢及產(chǎn)量測定 將每個大區(qū)劃分為

20個15 m × 4.4 m的網(wǎng)格單元，于春玉米追肥前（2018年6月16日）在每個單元格內(nèi)隨機選取3株玉米測定株高、莖粗，烘干法測定地上植株干質(zhì)量;采用日本美能達公司產(chǎn)手持式 SPAD-502 型葉綠素計測定穗位葉至上位展開葉所有葉片的葉綠素相對含量SPAD值，每個單元格測取10株取平均值;用LAI-2200冠層分析儀測定冠層葉面積指數(shù)。追肥前植被指數(shù)和長勢統(tǒng)計結(jié)果見表1，其中NDVI、株高和植株干質(zhì)量具有較高程度的變異性，具有變量管理的必要性。

在抽雄期（2018年7月27日），同樣采樣方法獲取春玉米長勢信息，以驗證變量施肥效果;玉米成熟后（2018年9月23日），在每個網(wǎng)格單元收獲2.2 m×1.0 m面積玉米，裝入尼龍網(wǎng)袋曬干脫粒稱質(zhì)量，折算單元格產(chǎn)量;另取5穗玉米考種，調(diào)查穗長、穗粗、穗粒數(shù)、禿尖長和百粒質(zhì)量等。

1.3.2 土壤淋溶液的采集及測定 追肥前，選用丹麥PRENART土壤溶液取樣探頭（采用特氟隆和石英粉制成），VF處理在變量小區(qū)內(nèi)將探頭安裝在壟上中間位置，CF處理依照地勢排布監(jiān)測5個點位。安裝土層為0～20、>20～40、>40～60、>60～80、>80～100 cm。降雨后用真空泵（-850 mbar）提取土壤溶液，當(dāng)土壤太干時不能獲得提取液，生育期內(nèi)分別于2018年6月25日、2018年7月24日、2018年9月13日各采集1次，共3次。采集的土壤溶液帶回實驗室用連續(xù)流動分析儀測定液體硝態(tài)氮的濃度。

1.4 數(shù)據(jù)處理

用Microsoft Excel 2013對各單元格數(shù)據(jù)進行統(tǒng)計，利用變異系數(shù)CV衡量變量施肥和常規(guī)均一施肥對玉米長勢以及產(chǎn)量變異性的影響。

2 結(jié)果與分析

2.1 作物長勢及產(chǎn)量

在春玉米抽雄期獲取無人機遙感影像，NDVI值見圖3，對柵格數(shù)據(jù)進行統(tǒng)計，CF和VF處理NDVI均值分別為0.78、0.87（表2），變異系數(shù)則分別為18.27%、13.89%，可見在變量施肥措施下春玉米長勢變異性降低。同時采集該時期地面數(shù)據(jù)進行統(tǒng)計分析，VF處理SPAD均值較CF顯著提高6.80%（P<0.05），VF處理內(nèi)SPAD值的變異性明顯小于CF處理;從春玉米生長狀況來看，VF處理葉面積指數(shù)、株高、莖粗和地上生物量干質(zhì)量的均值分別較CF處理提高6.08%、2.11%、1.43%、8.27%，其中葉面積指數(shù)和地上干質(zhì)量差異達到顯著水平（P<0.05）。2種栽培措施下玉米長勢的變異系數(shù)不盡相同，CF處理各農(nóng)藝性狀的變異系數(shù)在9.94%～16.39%之間，高于VF處理的5.74%～11.21%。

從表3可以看出，VF處理的玉米產(chǎn)量較CF處理高5.99%，但差異不顯著（P>0.05），從變異系數(shù)來看VF處理較CF大幅降低36.30%，說明變量施肥措施降低了玉米產(chǎn)量的處理內(nèi)差異。比較作物產(chǎn)量構(gòu)成要素發(fā)現(xiàn)，變量施肥主要通過提高百粒質(zhì)量、穗粒數(shù)，并降低禿尖率。

2.2 土壤溶液硝態(tài)氮含量

春玉米不同生育期土壤溶液硝態(tài)氮含量見表4。在拔節(jié)期，隨著土層深度的增加，CF處理、VF處理土壤溶液硝態(tài)氮分布均呈現(xiàn)先增大后減小的趨勢，在 20～40 cm土層濃度最大，此時期VF處理由于各分區(qū)施肥量不同，各層次硝態(tài)氮濃度的變異系數(shù)較大，但從均值來看，VF處理各層次硝態(tài)氮濃度均小于CF處理，0～100 cm整個土體均值較CF降低20.10%。隨著玉米生育期的推進，土壤硝態(tài)氮濃度逐漸降低，在抽雄期和成熟期VF處理各層次硝態(tài)氮濃度仍較低，0～100 cm土體濃度均值分別較CF處理降低34.02%、26.56%，表明變量施肥整體上具有降低土壤硝態(tài)氮積累的潛力。

3 結(jié)論與討論

土壤在空間上具有很大的變異性，黑土區(qū)田塊面積大且地形波狀起伏，呈現(xiàn)“漫川漫崗”特點，進一步增大了土壤的空間變異程度[12]，作物生長也會在長勢和產(chǎn)量上表現(xiàn)出空間差異，不利于田間管理和采收工作。在田塊尺度內(nèi)，均一的施肥量可能在肥力較低、作物長勢較差的地塊因供肥不足而不能滿足作物生長需求，而在肥力較高、作物長勢較好的地塊則施肥過多造成浪費[13]。張云貴等研究表明，基于土壤養(yǎng)分的變量施肥方法提高了烤煙的整齊度，株高變異系數(shù)下降了29.6%，上等煙率和下等煙率同步減少[14]。李升東等研究表明，變量施肥顯著提高了冬小麥葉面積指數(shù)，促進了作物生長[8]。玉米抽雄期葉片SPAD 值與葉片氮濃度之間有很好的相關(guān)性[15]，本研究結(jié)果表明，變量施肥措施下玉米SPAD總體均值較常規(guī)施肥顯著提高6.80%，此外，變量施肥處理SPAD變異系數(shù)的降低說明各變量區(qū)在合適的氮素供應(yīng)下達到了較為一致的群體長勢，而常規(guī)的均一施肥方法沒有充分考慮玉米對氮肥的需求，因此各區(qū)域長勢差異比較明顯。變量施肥處理下玉米地上生物量干質(zhì)量顯著提高8.27%。變量施肥通過促進玉米對氮素的吸收利用，進而促進了物質(zhì)積累。

研究表明，變量施肥對作物產(chǎn)量可能提高、降低或沒有影響，這種差異可能和田間信息獲取、施肥量、變量施肥年限等多種因素有關(guān)。張書慧等根據(jù)土壤養(yǎng)分平衡原理進行變量施肥，第1年變量施肥處理增施肥料27.5 kg/hm2，玉米增產(chǎn)7.2%，第2年變量施肥處理減施肥料111.5 kg/hm2，玉米增產(chǎn)11%[16]。美國有研究表明，通過生物模型擬合的施氮量較均一施氮量減少13%且不影響玉米產(chǎn)量[17]。崔貝等研究認(rèn)為，基于光譜指數(shù)和作物生長模型相結(jié)合的算法進行施肥后冬小麥長勢最佳[18]。本研究采用的無人機多光譜影像克服了傳統(tǒng)方法以點帶面以及忽略作物長勢差異的誤差，將玉米生長與氮肥需求特征相結(jié)合，產(chǎn)量增加了544.05 kg/hm2，較常規(guī)施肥提高5.99%，但未達到顯著差異水平，可能是本試驗為保證一致性設(shè)置了相同的施肥總量，玉米群體在后期籽粒形成過程中未表現(xiàn)出明顯的差異，但從區(qū)內(nèi)變異性來看變量施肥減小了產(chǎn)量變異系數(shù)。在本試驗條件下變量施肥技術(shù)的節(jié)肥潛力還有待進一步研究，此外，本研究中基于NDVI的施肥模型參考了劉洪利研究的總體框架[11]，該施肥模型對不同地區(qū)、不同玉米品種的適用性還有待多年試驗的驗證。

不合理施氮會顯著增加土壤硝態(tài)氮含量，引起硝態(tài)氮在土壤中的積累[19]。變量施肥的環(huán)境效益主要來自于2個方面，一是通過減少化肥需求而減少其淋溶與徑流量，二是提高作物的肥料利用率進而減少無效損失[20]。Godwin等認(rèn)為，減少化肥過量施用可以使氮素淋溶量減少33%[21]。Bruno等研究表明，分區(qū)管理施肥降低了0～30 cm土壤氮含量[22]。在總施肥量和常規(guī)區(qū)相同的條件下，蔣阿寧等研究表明，變量施肥減少了冬小麥田0～60 cm土壤的硝態(tài)氮含量和變異系數(shù)，氮肥利用率提高了34.56%[23]。本研究結(jié)果表明，變量施肥后0～100 cm 土壤溶液中的硝態(tài)氮含量均值低于均一施肥區(qū)，說明根據(jù)作物需求進行的氮肥管理措施有利于減少作物-土壤系統(tǒng)的氮盈余量，進而降低氮肥淋失造成的環(huán)境風(fēng)險。

參考文獻：

[1]Lu L P，Yang S，Liu Z Q，et al. Consideration for the construction of golden maize belt in the northeast [J]. Journal of Maize Sciences，2008，16（3）：134-136.

[2]黑龍江省統(tǒng)計局，國家統(tǒng)計局黑龍江調(diào)查總隊. 黑龍江統(tǒng)計年鑒：2019[M]. 北京：中國統(tǒng)計出版社，2019.

[3]閆 平.黑龍江省玉米種植變化原因及利弊分析[D]. 哈爾濱：東北農(nóng)業(yè)大學(xué)，2015.

[4]張亦濤，劉宏斌，王洪媛，等. 農(nóng)田施氮對水質(zhì)和氮素流失的影響[J]. 生態(tài)學(xué)報，2016，36（20）：6664-6676.

[5]中華人共和國農(nóng)業(yè)農(nóng)村部. 農(nóng)業(yè)部關(guān)于印發(fā)《到2020年化肥使用零增長行動方案》和《到2020年農(nóng)藥使用零增長行動方案》的通知[EB/OL]. （2017-11-29）[2020-11-30]. http：//www.moa.gov.cn/nybgb/2015/san/201711/t20171129_5923401.htm.

[6]安曉飛，付衛(wèi)強，魏學(xué)禮，等. 基于處方圖的壟作玉米四要素變量施肥機作業(yè)效果評價[J]. 農(nóng)業(yè)機械學(xué)報，2017，48（增刊1）：66-70.

[7]陳 靜，吳永常，陳立平，等. 基于部分預(yù)算法的玉米大田變量施肥經(jīng)濟效益分析[J]. 農(nóng)業(yè)工程學(xué)報，2017，33（19）：141-146.

[8]李升東，畢香君，韓 偉，等. 氮素精準(zhǔn)管理對小麥產(chǎn)量和氮素利用的影響[J]. 麥類作物學(xué)報，2020，40（2）：195-201.

[9]Yu J M，Yin X H，Raper T B，et al.Nitrogen consumption and productivity of cotton under sensor-based variable-rate nitrogen fertilization[J]. Agronomy Journal，2019，111（6）：3320-3328.

[10]Maestrini B，Basso B.Predicting spatial patterns of within-field crop yield variability[J]. Field Crops Research，2018，219：106-112.

[11]劉洪利.玉米冠層NDVI實時檢測及智能施肥分區(qū)方法的研究[D]. 大慶：黑龍江八一農(nóng)墾大學(xué)，2019.

[12]郭文義.規(guī)模經(jīng)營農(nóng)田養(yǎng)分空間變異與精準(zhǔn)管理[D]. 北京：中國農(nóng)業(yè)科學(xué)院，2011.

[13]Diacono M，Rubino P，Montemurro F.Precision nitrogen management of wheat.A review[J]. Agronomy for Sustainable Development，2013，33（1）：219-241.

[14]張云貴，邱建軍，李志宏，等. 基于施肥處方的烤煙變量施肥機設(shè)計及應(yīng)用[J]. 植物營養(yǎng)與肥料學(xué)報，2014，20（3）：726-736.

[15]Blackmer T M，Schepers J S.Techniques for monitoring crop nitrogen status in corn[J]. Communications in Soil Science and Plant Analysis，1994，25（9/10）：1791-1800.

[16]張書慧，馬成林，李 偉，等. 變量施肥對玉米產(chǎn)量及土壤養(yǎng)分影響的試驗[J]. 農(nóng)業(yè)工程學(xué)報，2006，22（8）：64-67.

[17]Sela S，van Es H M，Moebius-Clune B N，et al.Dynamic model-based recommendations increase the precision and sustainability of N fertilization in Midwestern US maize production[J]. Computers and Electronics in Agriculture，2018，153：256-265.

[18]崔 貝，黃文江，楊武德，等. 不同施肥決策對冬小麥生長影響的高光譜監(jiān)測及對比分析[J]. 植物營養(yǎng)與肥料學(xué)報，2013，19（1）：11-19.

[19]董 環(huán)，婁春榮，王秀娟，等. 氮、鉀運籌對設(shè)施番茄產(chǎn)量、果實硝酸鹽含量及土壤硝態(tài)氮含量的影響[J]. 江蘇農(nóng)業(yè)學(xué)報，2019，35（2）：378-383.

[20]王永生，陳 靜，陶 歡，等. 精準(zhǔn)農(nóng)業(yè)技術(shù)對生態(tài)環(huán)境的影響評價研究進展[J]. 中國農(nóng)業(yè)科技導(dǎo)報，2016，18（4）：73-78.

[21]Godwin R J，Wood G A，Taylor J C，et al.Precision farming of cereal crops：a review of a six year experiment to develop management guidelines[J]. Biosystems Engineering，2003，84（4）：375-391.

[22]Basso B，Dumont B，de Cammarano D，et al.Environmental and economic benefits of variable rate nitrogen fertilization in a nitrate vulnerable zone[J]. Science of the Total Environment，2016，545-546：227-235.

[23]蔣阿寧，黃文江，趙春江，等. 基于光譜指數(shù)的冬小麥變量施肥效應(yīng)研究[J]. 中國農(nóng)業(yè)科學(xué)，2007，40（9）：1907-1913.