Artykuł metodologiczny

Nawożenie stopniowo precyzyjne w celu ilościowego określenia akumulacji i podziału składników odżywczych w systemach dwusezonowych batatów

DOI:

10.3791/70881

24 kwietnia 2026

W tym artykule

Podsumowanie

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Protokół ten opisuje stopniowo precyzyjną metodę nawożenia zsynchronizowaną ze stadami fizjologicznego wzrostu, aby zoptymalizować dostawę składników odżywczych w systemach batatów o podwójnym sezonie. Zawiera procedury ilościowego akumulacji składników odżywczych specyficznych dla narządów, dopasowywanie nieliniowych modeli dynamicznych do trajektorii absorpcji oraz obliczanie pozornych bilansów składników odżywczych w celu ograniczenia ryzyka środowiskowego.

Streszczenie

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Produkcja świeżych batatów w dwusezonowym okresie często doświadcza niezgodności między dostawą składników odżywczych w glebie a zapotrzebowaniem na rośliny, co prowadzi do nieoptymalnych plonów i nieefektywnego wykorzystania zasobów. Tradycyjne nawożenie często opiera się na zastosowaniach bazalnych, które nie spełniają dynamicznych wymagań uprawy w określonych warunkach meteorologicznych wiosny i jesieni. Niniejszy artykuł przedstawia kompleksowy protokół dla precyzyjnej strategii nawożenia stopniowo, która synchronizuje dopływ azotu, fosforu i potasu z kluczowymi węzłami fenologicznymi. Metoda dzieli całkowite składniki odżywcze na pięć odrębnych zdarzeń aplikacji, odpowiadających konkretnym etapom wzrostu: założenie siewek, ekspansja winorośli, inicjacja bulwy, szybkie narastanie i dojrzewanie. Protokół opisuje również rygorystyczny destrukcyjny reżim pobierania próbek mających na celu rozłożenie na cele rośliny podziału składników odżywczych. Stosując logistyczne modele regresji nieliniowej, badacze mogą ilościowo określić maksymalną zdolność akumulacji, czas trwania fazy szybkiego wchłaniania oraz punkty zwrotu składników odżywczych. Takie podejście umożliwia precyzyjną identyfikację kluczowych okien absorpcji oraz ocenę pozornych bilansów składników odżywczych. Zastosowanie tego protokołu ułatwia optymalizację reżimów nawożenia, zwiększając zarówno plony korzeni magazynowe, jak i jakość komercyjną, jednocześnie zmniejszając ryzyko związane z deficytami lub nadwyżkami składników odżywczych w intensywnych systemach podwójnych upraw.

Wprowadzenie

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Batat (Ipomoea batatas. L.) przekształcił się z rośliny na własne potrzeby w wysokowartościowe, funkcjonalne źródło żywności i surowca przemysłowego 1,2. W intensywnych regionach rolniczych coraz częściej stosuje się systemy podwójnego uprawy — gdzie dwa plony są zbierane rocznie z tej samej ziemi — aby zmaksymalizować równoważne stosunki ziemi i zyski ekonomiczne3. Jednak trwałość tych systemów o wysokiej intensywności jest często zagrożona przez nieefektywne strategie zarządzania składnikami odżywczymi, które pomijają zmienność czasową zapotrzebowania na składniki odżywcze upraw oraz sezonowe wahania klimatyczne 4,5.

Podstawowe wyzwanie uprawy podwójnej sezonowej tkwi w specyficznych kontekstach meteorologicznych wiosennych i jesiennych sezonów wegetacyjnych6. Uprawy wiosenne rozwijają się pod rosnącymi temperaturami i wzrostem dnia, podczas gdy jesienne uprawy doświadczają stopniowo malejącej energii cieplnej i promieniowania słonecznego7. Te różnice środowiskowe znacząco zmieniają progresję fenologiczną, tempo akumulacji biomasy oraz efektywność translokacji źródło-pochłaniacz uprawy 5,8. Konwencjonalne praktyki nawożenia, które zazwyczaj obejmują intensywne stosowanie bazalnych nawozów złożonych, a następnie nieregularne stosowanie wierzchnie, często prowadzą do niedopasowania podaży i popytu2. To niedopasowanie objawia się albo jako luksusowa konsumpcja we wczesnej fazie wegetatywnej, prowadząca do nadmiernego wzrostu winorośli kosztem formowania bulw, albo ukryty głód w późnej fazie masy, gdzie przedwczesne starzenie ogranicza potencjał końcowy plonuo 2,9.

Zarządzanie azotem (N) stanowi szczególne wyzwanie w produkcji batatów ze względu na jego podwójne efekty fizjologiczne2. Chociaż niezbędny do tworzenia korony i zdolności fotosyntezy, nadmierna dostępność azotu przed inicjacją bulwy znacząco hamuje rozwój korzeni magazynowych, przesuwając podział asymilacji w kierunku liści, a nie podziemnych organów magazynowych 10,11,12. Natomiast niedobór azotu w późnych stadiach wzrostu przyspiesza starzenie liści i skraca efektywny okres fotosyntezy. Najnowsze metaanalizy wskazują, że optymalizacja tempa stosowania azotu i jego terminu jest najważniejszym czynnikiem stabilizującym plony na różnych typach gleb 6,13.

Dynamika fosforu (P) i potasu (K) wiąże się z równie złożonymi wymaganiami dotyczącymi zarządzania. Fosfor jest kluczowy dla inicjacji i transferu energii przez prymardię korzeniową, jednak często jest nadmiernie stosowany podczas nawożenia bazowego, co prowadzi do akumulacji gleby i potencjalnego spływu środowiskowego 1,14. Potas, często określany jako pierwiastek jakości upraw korzeniowych, jest potrzebny w znacznych ilościach podczas fazy szybkiego magazynowania powiększania korzeni, aby ułatwić ładowanie i transport sacharozy z liści do narządów pochłaniających15,16. Niedobór potasu w tym krytycznym okresie ogranicza nie tylko całkowity plon, ale także komercyjną przydatność bulw, prowadząc do złego stanu i obniżonej zawartości skrobi17,18.

Aby sprostać tym zawiłościom agronomicznym, istnieje pilna potrzeba ustandaryzowanej, mierzalnej metodologii, która wykracza poza empiryczne reguły nawożenia. Rolnictwo precyzyjne wymaga protokołów łączących konkretne działania zarządzania z reakcjami fizjologicznymi. Najnowsze osiągnięcia w modelowaniu trajektorii pobierania składników odżywczych z wykorzystaniem nieliniowych funkcji logistycznych dostarczyły nowych informacji o temporalnych wzorcach wymagań żywieniowych upraw19. Dopasowując te modele do danych terenowych, badacze mogą matematycznie określić początek i koniec faz szybkiego przyswajania, tym samym wskazując dokładne okna, w których interwencja zapłodnienia przynosi najwyższy marginalny zwrot20.

Konkretnie, podczas gdy tradycyjne aplikacje rozszczepione opierają się na dniach kalendarzowych, SPF określa zdarzenia zapłodnienia na podstawie mierzalnych punktów fizjologicznych zwrotów. Wyodrębniając parametry takie jak maksymalna szybkość akumulacji (Rmax) oraz czas punktu zwrotnego (t0) z modeli logistycznych, praktycy mogą precyzyjnie określić biologiczne okno interwencji. Minimalizuje to nadmiar składników odżywczych i bezpośrednio łączy strategie aplikacji czasowej z poprawą jakości komercyjnej.

W tym artykule przedstawiono protokół nawożenia stopniowego (SPF), zaprojektowany do synchronizacji dostarczania składników odżywczych z rytmem fizjologicznym batatów dwusezonowych. W przeciwieństwie do nawożenia statycznego, SPF stosuje dynamiczną strategię alokacji, która rozdziela składniki odżywcze na pięć kluczowych etapów wzrostu. Metoda ta integruje rygorystyczne ramy pobierania próbek i analizy, aby ilościowo określić specyficzne dla narządów podział składników odżywczych oraz trajektorie akumulacji całej rośliny. Celem jest zapewnienie powtarzalnego, naukowo solidnego przepływu pracy, który pozwala badaczom i zaawansowanym praktykom optymalizować efektywność wykorzystania składników odżywczych, zwiększyć plony komercyjne oraz utrzymać żyzność gleby w intensywnych systemach upraw21,22.

Tradycyjne modele nawożenia często szacują zawartość składników odżywczych na podstawie statycznych, liniowych założeń lub stałych dni kalendarzowych, które zasadniczo różnią się od naszego podejścia. Takie konwencjonalne metody nie uwzględniają dynamicznych, nieliniowych rytmów biologicznych wzrostu upraw oraz ograniczeń efektywności wykorzystania składników odżywczych23 . W konsekwencji pozostaje istotna luka badawcza w precyzyjnym synchronizowaniu dostaw składników odżywczych z rzeczywistymi, zmiennymi w czasie wymaganiami fizjologicznymi, szczególnie w systemach dwusezonowych, gdzie wiosna i jesień stanowią wyraźnie różne wyzwania meteorologiczne i rozwojowe24. Nasz protokół Stepwise Precision Fertilization (SPF) wypełnia tę lukę, integrując model logistycznego wzrostu do dynamicznej szacunki akumulacji składników odżywczych. W przeciwieństwie do metod statycznych, SPF wykorzystuje mierzalne punkty zwrotności do śledzenia przesunięcia czasowych poziomów składników odżywczych. Na podstawie tej metody przedstawiamy kluczową rekomendację: praktycy powinni przejść od dowolnych zastosowań podziału do interwencji napędzanych fizjologicznie, dynamicznie dostosowując wagi składników odżywczych w określonych węzłach fenologicznych, aby zoptymalizować sezonowe podziały i zminimalizować nadwyżkę środowiskową25.

Konkretnie, podczas gdy tradycyjne aplikacje rozszczepione opierają się na dniach kalendarzowych, SPF określa zdarzenia zapłodnienia na podstawie mierzalnych punktów fizjologicznych zwrotów. Wyodrębniając parametry takie jak maksymalna szybkość akumulacji (Rmax) oraz czas punktu zwrotnego (t0) z modeli logistycznych, praktycy mogą precyzyjnie określić biologiczne okno interwencji. Minimalizuje to nadmiar składników odżywczych i bezpośrednio łączy strategie aplikacji czasowej z poprawą jakości komercyjnej. Stosując ten protokół, użytkownicy mogą generować wysokorozdzielcze zbiory danych, które wyjaśniają mechanistyczne powiązania między czasem nawozu, stanem fizjologicznym roślin a końcowymi wynikami agronomicznymi.

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Protokół

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

1. Przygotowanie i projektowanie stanowiska eksperymentalnego

  1. Wybierz teren eksperymentalny z płaskim terenem, efektywnym drenażem i jednorodną żyznością gleby, aby zminimalizować nierówność przestrzenną.
  2. Pobieraj próbki gleby kompozytowej z górnej warstwy 0–20 cm za pomocą ślimaka Edelmana. Pobieraj próbki z pięciu losowych punktów w każdej działce i łącz je w jedną plastikową torbę przed przygotowaniem gruntu na każdy sezon wegetacyjny (wiosna i jesień).
  3. Suszyć próbki gleby na powietrzu w temperaturze pokojowej, mielć je mechanicznie i przepuszczać przez sito ze stali nierdzewnej o średnicy 2 mm, aby przeanalizować podstawowe właściwości fizykochemiczne, w tym pH, materię organiczną, całkowity azot, dostępny fosfor (Olsen-P) oraz dostępny potas (NH4OAc-ekstrahowalny K).
  4. Ustalić randomizowany projekt blokowy dla eksperymentu z minimum czterema replikacjami na jedno leczenie. Wprowadź cztery metody leczenia: nawożenie konwencjonalne (CON), nawożenie stopniowe precyzyjne (SPF), skoncentrowane na azotzie (NF) oraz potasa (KB). Zachowaj dokładnie te same przydziały fabuły zarówno na wiosnę, jak i jesień, aby uwzględnić potencjalne efekty dziedzictwa.
  5. Wyznacz poszczególne działki o powierzchni około 25m2 (gęstość sadzenia 40 000 roślin na hektar), zapewniając obecność rzędów buforowych (minimum 1 m szerokości) pomiędzy działkami, aby zapobiec krzyżowemu zanieczyszczeniu nawozem i bocznej migracji korzeni.
  6. Wyklucz dwa zewnętrzne wiersze każdego wykresu jako wiersze brzegowe, aby zminimalizować przestrzenne uprzedzenia. Określ kolejne 10 kolejnych zakładów ściśle jako Strefę Destrukcyjnego Pobierania Próbek. Pozostawić pozostałe centralne centrum działki (minimum 20 roślin) całkowicie nietknięte jako Strefę Zbiorów, zapewniając, że próbki w sezonie nie zaszkodzą końcowej gęstości roślin ani integralności plonów.

2. Obliczanie i wdrożenie nawożenia stopniowego

  1. Określ całkowitą sezonową dawkę docelową, obliczając różnicę między zapotrzebowaniem na składniki odżywcze dla z góry zdefiniowanym regionalnym plonowaniem a zaopatrzeniem składników odżywczych w glebie rodzimych. Na przykład, dążąc do celowego rdzenia magazynowego 35 t/ha, wartości absolutne zastosowane w tym badaniu wynosiły 150 kg·ha⁻1 dla N, 75 kg·ha⁻1 dla P2O5 oraz 225 kg·ha⁻1 dla K2O.
  2. Podziel całkowity składnik odżywczy na pięć różnych zdarzeń aplikacji (m = 5) odpowiadających następującym węzłom fenologicznym: aplikacja bazalna (przy przeszczepieniu); faza ekspansji winorośli (diagnozowana, gdy rozpoczyna się szybkie wydłużanie węzłów międzywęzłowych i stabilizuje się przeżywalność siewek); faza inicjacji bulwy (diagnozowana przy pierwszym widocznym obrzęku korzeni przygodnych do białych prymordiów); faza szybkiego narastania (diagnozowana, gdy zamknięcie korony osiąga ≥80%, a korzenie pierwotne wykazują szybkie pogrubienie); późna faza masy/dojrzewania (diagnozowana, gdy liście podstawowe zaczynają wczesne żółknięcie fizjologiczne).
  3. Oblicz dawkę specyficzną dla każdego zdarzenia aplikacji, stosując wzór na proporcje
    Fx,t = Fx × Rt (1)
    Gdzie Fx to całkowita sezonowa ilość składnika odżywczego x, a Rt to proporcja alokacji dlat-tego zdarzenia.
    UWAGA: Aby dostarczyć uzasadnienie fizjologiczne, wczesny luksusowy azot musi być unikany, aby zapobiec tłumieniu gruzów, natomiast K musi być utrzymywany podczas wypełniania, aby wspierać translokację skrobi. Dokładne proporcje Rt zalecane dla SPF w pięciu etapach to: bazalny (N: 20%, P: 50%, K: 10%), Ekspansja winorośli (N: 20%, P: 20%, K: 10%), Inicjacja bulwy (N: 20%, P: 20%, K: 20%), Szybkie Bulwarowanie (N: 30%, P: 10%, K: 40%) oraz Dojrzewanie (N: 10%, P: 0%, K: 20%).
  4. Waż konkretną ilość nawozu dla każdego działka osobno, używając precyzyjnej elektronicznej wagi.
  5. Nałóż nawóz.
    1. Do bruzd: Otworzyć płytki rów (o głębokości 10 cm) wzdłuż krawędzi kalenicy, równomiernie rozprowadzić nawóz i natychmiast przykryć ziemią.
    2. W systemach nawożenia kroplowego: Rozpuszcz obliczony nawóz całkowicie do maksymalnego stężenia 2 g/L, aby zapobiec zatykaniu się emitorów. Wstrzyknij roztwór w ustandaryzowanej objętości 150 L na działkę. Uruchom system w czystej wodzie przez 15 minut przed i po wstrzyknięciu, aby przepłukać linie, unikając zasolania i zapewniając równomierny rozkład przestrzenny.
  6. Zapisz dokładną datę, warunki meteorologiczne oraz stan wilgotności gleby w momencie każdej aplikacji.

3. Destrukcyjne próbkowanie i podział organów

  1. Zaplanuj osiem punktów pobierania próbek na sezon, aby uchwycić pełną trajektorię wzrostu: przetrwanie siewek, wydłużenie pnączy, zamknięcie korony, inicjację bulw, wczesne bulkowanie, środkowe bulkowanie, późne bulkowanie oraz przedzbiorcze.
  2. Stosując stratyfikowaną metodę losowego próbkowania, wybierz trzy rośliny ściśle z 10-roślinowej strefy destrukcyjnego próbkowania, nieprzerwanie omijając rzędy graniczne.
  3. Dokładnie wykop całą roślinę, używając łopaty, aby poluzować glebę o promieniu około 30 cm, aby zachować drobny system korzeniowy i małe rozwijające się bulwy.
  4. Opłucz zebrane rośliny wodą z kranu, aby usunąć całą przyklejoną glebę i zanieczyszczenia.
  5. Natychmiast podziel roślinę na cztery odrębne frakcje organów: liście (w tym ostrza), ogonki ogonkowe, łodygi (pnącza) oraz korzenie magazynujące (bulwy).
    UWAGA: Oddziel drobne włókniste korzenie od korzeni magazynujących na podstawie średnicy (>5 mm dla korzeni magazynowych).
  6. Natychmiast zważ świeżą masę każdego ułamku organów, aby uniknąć utraty wilgoci.
  7. Pokrój próbki łodygi i bulwy na małe (<1 cm) kostki, aby zapewnić równomierne wyschnięcie; Zachowaj liście i ogonki w całości, ale odosobnione.
  8. Każdą próbkę organów umieść w oznaczonej papierowej torbie.

4. Określanie materii suchej i analiza chemiczna

  1. Włóż worki do piekarnika z przymusowym powietrzem.
  2. Dezaktywuj enzymy, podgrzewając w temperaturze 105 °C przez 30 minut.
  3. Obniż temperaturę do 75 °C i susz próbki do uzyskania stałej wagi (zazwyczaj 48–72 h).
  4. Zważ próbki suche, aby określić nagromadzenie suchej materii (DMA) dla każdego organu.
  5. Zmielić wysuszone próbki w młynie do stali nierdzewnej i przepuścić proszek przez sito o grubości 0,25 mm.
  6. Trawić 0,2 g próbek sproszkowych przy użyciu mieszaniny 5:1 (v/v) skoncentrowanego kwasu siarkowego (H2, SO, 4) i nadtlenku wodoru 30% (H2, O2) w temperaturze 350 °C, aby uzyskać ekstrakcję składników odżywczych.
  7. Analizuj digest pod kątem całkowitego azotu za pomocą metody Kjeldahla lub zautomatyzowanego analizatora pierwiastkowego; całkowity fosfor metodą kolorymetryczną wanadu i molibdanu kolorymetrycznego; całkowity potas przy użyciu fotometrii płomienia.
  8. Oblicz akumulację składników odżywczych ($NA$, kg·ha-1) według wzoru:
    NA = figure-protocol-1 (2)

5. Analiza danych i dopasowywanie modeli

  1. Oblicz Wskaźnik Zbiorów (HI) oraz współczynnik podziału korzeni, aby ilościowo określić przydział biomasy do organów gospodarczych.
  2. Dopasuj dane o akumulacji składników odżywczych korzeni całej rośliny i magazynu do równania wzrostu logistycznego, używając funkcji nieliniowych najmniejszych kwadratów ('nls') w oprogramowaniu R:
    Y = figure-protocol-2 (3)
    Gdy Y to akumulacja, A to maksymalna teoretyczna akumulacja, k to współczynnik tempa wzrostu, a t0 to czas zwrotu.
  3. Wyznacz parametry wtórne programowo: czas trwania fazy szybkiej (Tszybki) oraz maksymalną szybkość (R max) za pomocą wyprowadzonych wzorów: t10 = t0 – ; t10 = t0 + figure-protocol-3; T rapid = t90 – t10; R max = figure-protocol-4
  4. Oblicz pozorny bilans składników odżywczych (B) dla każdego pola, gdzie 'całkowite usunięcie plonów' definiuje się ściśle jako całkowita masa składników odżywczych trwale eksportowana z pola przez zebrane korzenie magazynowe komercyjne i niekomercyjne (z wyłączeniem winorośli pozostawionych na polu):
    B = Całkowity wkład – całkowite usunięcie upraw (4)
    UWAGA: "Całkowite usuwanie upraw" jest ściśle definiowane jako całkowita masa składników odżywczych trwale eksportowana z pola za pomocą korzeni magazynowych zarówno komercyjnych, jak i niekomercyjnych. Pędy nadziemne pozostawione na polu jako pozostałości plonowe są wyłączane z obliczeń usuwania.
  5. Wykonaj analizę statystyczną z wykorzystaniem Linear Mixed-Effects Model (LMM) w R (np. pakiet 'lme4'), aby uwzględnić dwa czynniki (leczenie × sezon) oraz powtarzane miary w czasie (8 kolekcji), definiując 'Treatment' i 'Season' jako efekty stałe, a 'Wykres' jako efekt losowy.

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Wyniki

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Podstawowe cechy gleby i sezonowe zmiany

Tabela 1 przedstawia właściwości fizykochemiczne wierzchniej warstwy gleby (0–20 cm) określone przed przesadzeniem zarówno w sezonie wegetacyjnym wiosennym, jak i jesiennym. Analiza ujawnia, że podstawowe cechy gleby, w tym pH (utrzymywane w słabo kwaśnym zakresie 6,38–6,42), zawartość materii organicznej oraz gęstość objętości, pozostały statystycznie stabilne między dwoma sezonami. Ta stabilność potwierdza, że miejsce...

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Dyskusja

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Wdrożenie protokołu nawożenia stopniowego (SPF) pokazuje, że tworzenie wysokoplonowych w systemach dwusezonowych batatów w dużej mierze zależy od synchronizacji dostarczania składników odżywczych z fizjologicznym zapotrzebowaniem upraw26,27. Wyniki potwierdzają, że rytm dostarczania jest równie istotny jak całkowita dawka. Stosując protokół stopniowy, skutecznie złagodziliśmy powszechny kompromis między wzrostem wegetatywnym a magazynowaniem rozrodczym, zjawisko ...

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Oświadczenia

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Autorzy nie mają żadnych konfliktów interesów do ujawnienia.

Podziękowania

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Z wdzięcznością dziękujemy za oddaną pomoc personelu zarządzającego terenem oraz techników laboratoryjnych w Akademii Nauk Rolniczych Xianning za ich wsparcie podczas utrzymania upraw, destrukcyjnego pobierania próbek oraz analizy chemicznej. Dziękujemy również zespołowi badawczemu Akademii Nauk Rolniczych Hubei za ich wsparcie w zakresie projektowania eksperymentów. Prace te zostały finansowo wsparte przez Finansowanie Rozwoju Przemysłu Nasionowego Prowincji Hubei (Granty nr HBZY2023B002 i HBZY2023B002-4) oraz Projekt Miejskiego Planu Nauki i Technologii Xianning (Grant nr 2025NYYF101).

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Materiały

Lista materiałów użytych w tym artykule
NazwaFirmaNumer katalogowyKomentarze
Sitko analityczne (0,25 mm)RetschAS200Standaryzacja rozmiaru cząstek
Superfosforan wapniaSinofert Holding Co., Ltd. (Chiny)≥ 12% P2O5Źródło fosforu
Nawóz złożony (N– P2O5– K2O)Sinofert Holding Co., Ltd. (Chiny)Formułowanie na zamówienieStosowany do stopniowego nawożenia precyzyjnego
System bloków trawieniaGerhardtKjeldathermKwasowe trawienie materiału roślinnego
System nawadniania kroplowego i nawożeniaNetafimStandardowy system rolnictwaOpcjonalne zapłodnienie
Suszarka (wymuszona na powietrze)MemmertUF110Próbka schnie w 75 i ndash; 105 &°; C
Waga elektronicznaMettler ToledoMS204SWykorzystywane do precyzyjnego ważenia nawozów
Fotometr płomieniaSherwood ScientificModel 420Określanie potasu
Analizator azotu KjeldahlFossKjeltec 8400Określenie całkowitego azotu
Papierowe torby na próbkiCo, człowiekuKlasa 1Suszenie i przechowywanie próbek roślinnych
Siarczan potasuSinofert Holding Co., Ltd. (Chiny)≥ 50% K2OŹródło potasu w fazie masy
Ślimak do glebyEijkelkampŚwiert EdelmanaPobieranie próbek gleby (0– głębokość 20 cm)
Łopata i narzędzia ręczneLokalny dostawca rolnyDestrukcyjne pobieranie próbek całych roślin
Młynek do produkcji stali nierdzewnejRetschZM200Mielenie suszonych próbek roślinnych
Oprogramowanie do analizy statystycznejFundacja RWersja R 4.3.0Dopasowywanie modeli logistycznych i ANOVA
Materiał do sadzenia batatów (Ipomoea batatas L.)Lokalny certyfikowany dostawca nasionJednolita odmiana używana do dwusezonowego eksperymentu terenowego
Mocznik (nawóz azotowy)Sinofert Holding Co., Ltd. (Chiny)≥ 46% NŹródło azotu do aplikacji rozszczepionych
UV– Spektrofotometr VisShimadzuUV-1800Analiza kolorymetryczna fosforu

Bibliografia

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. Pérez-Pazos, J., Rosero, A., Vergara, E., Gámez, R. Response of sweet potato to substrates and acclimatization conditions in the greenhouse to produce high-quality planting material. Hortic J. , (2023).
  2. Shu, X., et al. The effect of nitrogen and potassium interaction on the leaf physiological characteristics, yield, and quality of sweet potato. Agronomy. , (2024).
  3. Yang, X., et al. Diversifying crop rotation increases food production, reduces net greenhouse gas emissions and improves soil health. Nat Commun. , (2024).
  4. George, J., et al. Sustainable sweet potato production in the United States: current status, challenges, and opportunities. Agron J. , (2024).
  5. Zhou, M., Sun, Y., Wang, S., Liu, Q., Li, H. Photosynthesis product allocation and yield in sweet potato in response to different late-season irrigation levels. Plants. , (2023).
  6. Kurata, R., Kobayashi, T., Kai, Y. Varietal differences in the yield and polyphenol content of sweet potato (Ipomoea batatas L.) foliage. Food Sci Technol Res. , (2021).
  7. Duque, L. O., Sánchez, E., Pecota, K., Yencho, C. A. A win–win situation: performance and adaptability of petite sweet potato production in a temperate region. Horticulturae. , (2022).
  8. Singh, K., et al. Sweet potato yield prediction using machine learning based on multispectral images acquired from a small unmanned aerial vehicle. Agriculture. , (2025).
  9. Higashikawa, F. S., et al. Yield, nutrition, and nitrogen use efficiency of sweet potato in response to nitrogen rates. Discover Agric. , (2025).
  10. Dong, H. T., Li, Y., Henderson, C., Brown, P., Xu, C. Y. Optimum nitrogen application promotes sweet potato storage root initiation. Horticulturae. , (2022).
  11. Joko, L. B., Eiasu, B. K., Ngwenya, S. M. The impact of nitrogen levels on the growth, development, and yield of orange-fleshed sweet potatoes (Ipomoea batatas L.). HortScience. , (2024).
  12. Duan, W., Zhang, H., Xie, B., Wang, B., Zhang, L. Impacts of nitrogen fertilization rate on the root yield, starch yield and starch physicochemical properties of the sweet potato cultivar Jishu 25. PLoS One. , (2019).
  13. Ji, H. T., et al. Meta-analysis on the effect and influence factors of nitrogen application on tuber yield of sweet potato in China. J Plant Nutr Fertil. , (2024).
  14. Kiemo, F. W., et al. Phosphorus fertilizer impacts on sweet potato yield and nutrient dynamics in the soil, roots, and leaves. Soil Sci Soc Am J. , (2025).
  15. Geng, J., et al. Effects of various potassium fertilizer dosages on agronomic and economic assessment of sweet potato fields. Horticulturae. , (2024).
  16. Sharmin, S., et al. Reduction of potassium supply alters the production and quality traits of Ipomoea batatas cv. BAU sweet potato-5 tubers. Stresses. , (2024).
  17. Bardisi, E. Productivity and quality of sweet potato roots affected by organic fertilization and some environmentally friendly nutrients. Sci J Agric Sci. , (2025).
  18. Liu, B. K., et al. Effect of potassium fertilization on storage root number, yield, and appearance quality of sweet potato (Ipomoea batatas L.). Front Plant Sci. , (2024).
  19. Fernandes, A. M., et al. Nitrogen efficiency indices for sustainable sweet potato production in tropical environments. Field Crops Res. , (2024).
  20. Zhao, Z., et al. Effects of nitrogen, phosphorus, and potassium fertilizers on storage root yield, nutrient use efficiency, and soil nutrient balance of sweet potato. BMC Plant Biol. , (2025).
  21. Parecido, R. J., et al. Castor meal and ground hydrothermalized phonolite optimize sweet potato nutrition, yield, and quality. Horticulturae. , (2024).
  22. Zhang, H., et al. Combined application of chemical fertilizer and organic amendment improved soil quality in a wheat–sweet potato rotation system. Agronomy. , (2024).
  23. Zekker, I., et al. Impacts of nitrogen fertilization and planting date on the physiology and yield of purple sweet potato at the extreme northern edge of cultivation. PLoS One. , (2025).
  24. Choi, J. W., et al. Application of multimodal data fusion and explainable AI for classifying water stress in sweet potatoes. Front Plant Sci. , (2025).
  25. Adewuyi, S. O., et al. Optimizing sweet potato productivity through precision propagation by vine cutting position and variety synergy in tropical Nigeria. Curr Sci Res Bull. , (2025).
  26. Yu-lin, C., et al. Basal application of equal ratio of citrate and water soluble potassium fertilizers is conducive to potassium accumulation across sweet potato growth stages and formation of tuber yield. J Plant Nutr Fertil. , (2024).
  27. Du, X., Xi, M., Kong, L. Split application of reduced nitrogen rate improves nitrogen uptake and use efficiency in sweet potato. Sci Rep. , (2019).
  28. Yang, X., et al. Modeling the leaf area dynamics of sweet potatoes under varying nitrogen conditions. Hortic J. , (2025).
  29. Liao, Q., et al. Enhancing yield and nutritional quality of sweet potato through genotype selection and selenium application. Front Plant Sci. , (2025).
  30. Pérez-Llorca, M., et al. Increasing soil organic matter and short-term nitrogen availability by combining ramial chipped wood with a crop rotation starting with sweet potato. Agric Ecosyst Environ. , (2025).

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Przedruki i uprawnienia

Poproś o pozwolenie na ponowne wykorzystanie tekstu lub ilustracji tego artykułu JoVE

Poproś o pozwolenie

Tagi

Podzia sk adnik w pokarmowychuprawa dwusezonowastadia fenologicznepobieranie pr b niszcz cychmodele regresji logistycznejazot fosfor potasplon korzeni spichrzowych

Powiązane artykuły