• 与目前的最佳管理措施相比，由作物传感器确定的施肥时机提高了利润和氮肥利用效率。
• 与种植者管理相比，已经显示了基于传感器的灌溉的农业规模实施，从而提高了利润和NUE。
• 农业规模的大规模变异

方法

• 在SCAL(黏土中心)和WCREC(北普拉特)实施了三年的传感器和模型信息施肥处理。
• 治疗方法:
  • 检查(5磅N/英亩作为发酵剂)。
  • 高N引用(non-N限制治疗)。
  • 多人算法(当前的N率BMP，根据产量目标和N积分在季节中的一次侧穿)。
  • 荷兰 - Schepers（H-S）(传感器- bmp类似于Project SENSE，每一季由传感器指导一次侧装)(Holland和Schepers, 2010)。
  • Reactive-fixed灌溉施肥(传感器指导施肥:对缺氮有反应，施氮量固定)。
  • 反应模型灌溉(传感器指导施肥:对缺氮反应，施氮量由作物计算机模型决定)。
  • 缓释反应模型灌溉灌溉(初始氮作为聚合物包被尿素[缓释]施用，由传感器指导施肥:对缺氮反应，施氮量由作物计算机模型确定)。
  • Model-fertigation（不通知传感器，通过作物模型通知主动N管理）。
  • 除了Check外，所有的传感器都收到了一个初始的氮基准率，以保持充足的氮，直到传感器在V8下变得可靠有效。
  • n被应用于UAN，除了作为初始基率接受缓释氮的缓慢释放处理。
  • 基于传感器的方法使用充分性指数(SI)来指示氮胁迫水平。

  

  

  结果

  • 3年(5个地点年)研究的结论证实，与当前的最佳管理措施(BMPs)相比，传感器施肥处理始终是最有利可图和最有效的施氮方法(图1和2)。
  • 基于传感器的N管理方法更有效地是当前BMP。
  • 基于传感器的侧装应用在不同地点和年份的成功程度不同。
  • 在2016年的SCAL现场，反应-缓释-施肥处理没有一个正确的肥料氮缓释模型。这导致了过量的氮肥施用，导致了低利润的施用。2017年，添加了修正的缓释模型，结果表明，在2017年和2018年，该方法相对于当前的bmp既有利可图又有效。