目前，氮素管理面临诸多挑战，种植系统之间在氮肥施用和NUE方面存在显著差异，可能造成供应过剩或不足。为提升作物生产力，亟需改善全球氮素管理，实现肥料使用的平衡。开发动态评估工具，以考虑种植面积、产量和NUE变化至关重要。传统研究往往依赖统计分析，缺乏对土壤与植物氮供需平衡的深入理解，因此需要重新评估氮管理方法，动态监测作物的氮需求。临界氮（Nc）稀释曲线可作为诊断工具，量化氮供需不足对作物生长的影响，并进行季节性评估和氮营养指数（NNI）的计算。未来研究将集中于构建综合的作物诊断策略，旨在实现更可持续、高效的农业管理，并深入理解基因型、环境与管理之间的相互作用。
2022年4月19日 ，Computers and Electronics in Agriculture由南京农业大学Xinyu Li及合作者发表的题为“Advances in the estimations and applications of critical nitrogen dilution curve and nitrogen nutrition index of major cereal crops”的研究论文。文章回顾了小麦、玉米和水稻的Nc曲线研究进展，比较了不同环境和基因型对Nc曲线的影响，并探讨了遥感技术在NNI无损估计中的应用。最后，分析了基于Nc曲线的NNI在氮素诊断、需求预测及籽粒产量和品质评估中的适用性，并展望未来研究方向以提升对作物生产的影响。
2.临界氮稀释曲线的测定
在冬小麦、玉米和水稻的Nc稀释曲线研究中，地区性差异显著。冬小麦在亚洲和欧洲的曲线参数b一致，但北美春小麦因生育期短而显著不同。欧洲冬小麦早期生长较快，当植物干重(PDM)达到1 t/ha时，Nc稀释尚未开始，导致其ac值较高。亚洲的小麦Nc曲线受氮水平、土壤水分以及环境与品种多样性影响，样本量也对参数准确性有显著作用。水稻曲线主要集中在亚洲，中国的ac和b参数较低，受到气候、品种生态型和生长模式的影响，粳稻和籼稻的生理差异也对Nc稀释曲线的建立产生影响。玉米的Nc稀释曲线参数在全球范围变化较大，但在欧洲和北美相对一致。总体而言，水稻、小麦和玉米的Nc稀释曲线参数受气候、栽培模式和生物特性等多重因素的影响。因此，研究应着重于现有曲线的修改与验证，而非仅仅开发新曲线，以确保研究方法的科学性和可靠性。
图1. 在不同的试验站进行不同施氮量和主要作物品种的试验:(a)中国江苏省兴化高产高效作物生产产业园，(b)中国江苏省如皋市国家信息农业工程技术中心实验站，(c)中国内蒙古通辽现代农业科技园。图片来源:(a)中国科学院网络研究所：吉旭生，(b)中国科学院网络研究所：杨天成，(c)中国农业科学院：明博。
3.氮营养指数的估算
3.1 破坏性方法
氮浓度稀释曲线用于揭示作物氮浓度稀释与干物质积累和叶面积扩张的关系。氮营养指数（NNI）由氮稀释曲线推导，评估作物氮状态、肥料推荐、粮食产量和品质。计算NNI涉及破坏性取样、干燥称重以确定生物量和化学分析以获取氮浓度，同时需计算临界氮浓度，此过程忽略田间变化，且需更多采样点，大幅增加工作量。尽管准确性高，此方法因耗时耗力及高成本限制了其在大规模生产中的应用。因此，快速方法如叶柄和茎基硝酸盐检测被提议，但尚未广泛关注。
3.2 非破坏性方法
快速非破坏性评估作物NNI对于商业作物生产至关重要。NNI可以通过两种非破坏性方法进行估算：第一种方法利用遥感获取的植被指数（VIs），评估植物氮浓度（PNC）及植物干重（PDM），从PDM推导出%Nc，并计算NNI；第二种方法使用植物吸氮量（PNU）代替PNC，从PDM与临界氮浓度得出关键吸氮量，再计算NNI。虽然VIs在相关性上表现良好，但受光谱波段选择和时空可转移性限制；辐射传输模型（RTM）方法可利用全部光谱信息以克服这些限制，但需更多遥感专业知识。此外，半经验方法如直接基于VIs的估算、与参考像元对比及作物传感器确定氮充足指数（NSI）作为阈值。Yu等（2021）提出的基于两个VIs的NNI遥感指数（NNIRS）表现更优。总体来看，非破坏性NNI采集方法可分为基于叶片、树冠、无人机（UAV）和卫星的遥感技术。
图2. 临界氮稀释曲线的建立。斜线表示随着氮素供给的增加，植株氮浓度(%)和干物质(t/ha)均增加。竖线表示随着氮供给的增加，植株氮浓度(%)增加，而植株干物质(t/ha)没有增加。红色的红线表示临界N稀释曲线。三角形、圆形和十字符号分别代表次优、最优和超优氮营养状态。(读者可参阅本文的网页版本，以了解此图例中有关颜色的解释。)
图3. 3种主要谷类作物的临界氮稀释曲线(a:小麦;B:玉米;C:水稻)是世界上以地上生物量为基础的作物。
4.临界氮稀释曲线和氮营养指数的应用
4.1作物氮素状态诊断
氮营养指数（NNI）被广泛用于有效诊断作物的氮素状态。NNI值为1表示最佳氮营养，>1表示氮供应过剩，<1则表明氮缺乏。在玉米中，NNI的应用尤为重要，尽管NNI=1的情况较为少见，建议玉米和水稻的最佳NNI阈值设定在0.95-1.05和0.9之间。氮状态受环境变化影响，建议结合作物传感器数据及天气和管理信息，以提高管理效果。未来研究应关注基于相对粮食产量的阈值设置及机器学习在氮状态诊断中的应用，以增强准确性和效率。
图4. 测定临界氮的统计注意事项。第一类错误是指拒绝了一个实际上为真的零假设，而第二类错误是指不拒绝一个实际上为假的零假设。图中所示的第一类和第二类误差，由于没有考虑不确定性，可能导致对临界N点的高估或低估。一种新发展的贝叶斯分析可以克服这个问题(这个图是根据Gilles Lemarie修改的)。
4.2.粮食产量和品质评估
氮肥施用需依据谷物产量对氮的需求，NNI在小麦、玉米和水稻产量评估中显示出重要性，NNI与产量及相对产量（RY）密切相关。当NNI低于1时，RY随着NNI增加而提升，接近1时达到最大值并趋于平稳。NNI与产量之间呈二次关系，尤其在水稻的穗期和孕穗期显著。同时，仍需进一步研究NNI与谷物品质（如淀粉和蛋白质含量）的关系。NNI作为产量基准，可以帮助识别和修正产量差距，但在特定时点上NNI的产量预测能力有限，提示需提升其在产量和品质预测中的有效性。
图5. 临界氮浓度曲线的概念表明，它可以区分次优(NNI < 1)、最优(NNI = 1)和超优(NNI bb0 1)氮营养。
4.3.氮肥建议
1. Nc曲线和N率法：通过不同氮水平下的NNI计算施氮量，目标设定为NNI约1。建议河南省施氮量为180 kg/ha，长江流域为150-225 kg/ha，以符合经济最优施氮量。此方法在优化经济和环境成本方面存在局限，尤其在未达到最优施氮量时。
2. 关键生长阶段NNI与氮需求量（NR）关系法：通过建立关键生长阶段NNI与NR的函数关系，调整追肥速率。研究显示，基于NNI的氮推荐算法可提高氮利用效率（NUE），如水稻氮素管理模型结合移植后天数和NUE支持精准施氮。
3. 氮素状态图法：使用NNI构建氮素状态图，提供基于经验的追肥推荐，适合亚洲局部应用。此方法在NNI低于1时难以量化追肥率，亟需研究作物生育期氮量与追肥量的关系，以实现季节性优化。
图6. 相对产量与氮素营养指数的关系
5.结论与展望
作物氮素状况的准确估计是氮素诊断管理的基础，需要开发关键稀释曲线和指标，如氮营养指数（NNI）。与传统的破坏性和依赖实验室分析的方法相比，NNI的快速无损检测提供了一种简单、经济的方式，在氮的诊断和管理中展现出更大的应用潜力。Nc稀释曲线作为一种诊断工具，有助于减小作物产量对氮供应响应预测中的不确定性，并能够预测作物生长、氮需求、粮食产量及品质。稀释曲线还能深入揭示作物生产中的G × E × M相互作用，作为减少遗传或环境变异的工具。然而，要避免与错误方法（如添加早期或晚期数据点和不当统计分析）相关的不确定性，以减小现有文献中的噪声。新开发的贝叶斯方法有潜力降低这些不确定性，并可以构建适用于区域到全球的应用曲线。最后，文章提出了利用该方法进行未来研究的方向和领域。
