Tạo đường cong tới hạn nitơ pha loãng cho lúa Japonica

(A), Average (B), RFA (C), Mean (D), Median (E), and MPN (F). Giá trị NNI đo được tính bằng mỗi đường cong pha loãng N_C đặc thù dựa vào phương pháp truyền thống. Nguồn: Plant Phenomics (2023). DOI: 10.34133/plantphenomics.0036.

Lúa, cây lương thực chính được trồng rộng rãi ở Trung Quốc. Năng suất lúa và chất lượng hạt được cải thiện nhờ phân đạm (N), nhưng sử dụng chúng quá mức sẽ ảnh hưởng tiêu cực đến sản xuất cây trồng và gây hại cho môi trường. Vì vậy, việc xác định lượng phân đạm tối ưu để cây lúa sinh trưởng hiệu quả mà không lãng phí là rất quan trọng.

Các nhà nghiên cứu đã thực hiện điều đó bằng cách tạo ra các đường cong tới hạn của N pha loãng (N_C) liên quan đến nồng độ N_C của thực vật với trọng lượng chất khô (DW) hoặc sinh khối của chúng dưới dạng hàm năng lượng - N_C = a × DW^-b. Trong phương trình này, N_C là nồng độ N tối thiểu mà tại đó tốc độ tăng trưởng của DW là tối đa và a và b là các thông số phụ thuộc vào giống lúa và điều kiện môi trường.

Theo truyền thống, các nhà nghiên cứu ước tính các tham số a và b bằng cách lấy mẫu và cân các phép đo thực vật, điều này tốn nhiều công sức và thời gian. Một số nghiên cứu đã sử dụng hệ thống máy tính để tạo các đường cong N_C cho các giống cụ thể trong các môi trường cụ thể. Nhưng đường cong N_C phổ quát áp dụng trong một khu vực trong các điều kiện khác nhau sẽ thực tế hơn. Với suy nghĩ này, các nhà nghiên cứu Trung Quốc, Xiaojun Liu của Đại học Nông nghiệp Nam Kinh, đã tạo ra các đường cong N_C pha loãng phổ quát cho 10 giống lúa Japonica bằng cách tiến hành 13 thí nghiệm sử dụng phân bón N trong suốt 10 năm tại 7 địa điểm trong vùng sông Dương Tử. Nghiên cứu của nhóm đã được xuất bản trên tạp chí Plant Penomics.

Liu giải thích ngắn gọn về phương pháp nghiên cứu: "Sử dụng các lượng phân bón N khác nhau cho lúa với các tỷ lệ khác nhau ở các giai đoạn phát triển của cây trong mỗi thí nghiệm. Sau đó, N_C và DW được đo lần lượt bằng máy phân tích tự động dòng chảy liên tục và cân bằng micromet. Và các thông số a và b được xác định bằng ba cách tiếp cận - trộn dữ liệu đơn giản (SDM), thuật toán thống kê bằng máy ngẫu nhiên (RFA) và mô hình phân cấp Bayesian (BHM)".

Các nhà nghiên cứu phát hiện ra rằng a và b thay đổi theo giống cây trồng, năm, địa điểm cũng như lượng và tỷ lệ phân bón N. Đặc biệt, trong khi a có liên quan nhiều đến chiều cao cây, diện tích lá khi kết thúc quá trình đẻ nhánh và DW tối đa trong quá trình sinh trưởng sinh dưỡng, b bị ảnh hưởng bởi nhiệt độ hữu hiệu tích lũy vào cuối quá trình đẻ nhánh, tỷ lệ DW giữa thân và lá ở giai đoạn cuối đẻ nhánh và chỉ số diện tích lá tối đa trong thời kỳ sinh trưởng sinh dưỡng. Kết quả là, các điều kiện sinh trưởng của cây lúa khác nhau đã tạo ra các đường cong N_C cụ thể khác nhau.

Các tham số a và b của các đường cong cụ thể được tính bằng cách sử dụng RFA để tạo ra một đường cong N_C chung. Ngược lại, trong khi SDM liên quan đến việc khớp tất cả các điểm N_C với hàm lũy thừa, thì BHM thu được các bản phân phối sau của a và b bằng phương pháp Markov Chain Monte Carlo. Các phân phối MPN tương ứng đại diện cho các giá trị chung của hai tham số. Do đó, đã thu được hai đường cong N_C phổ quát hơn, tương ứng với SDM và BHM-MPN.

Với việc thu được ba đường cong N_C phổ quát, các nhà nghiên cứu đã xác nhận tính thực tế của chúng bằng cách so sánh chỉ số dinh dưỡng N của chúng - tỷ lệ giữa nồng độ N đo được theo thời gian thực với N_C - với tỷ lệ của các đường cong cụ thể tương ứng. Liu đi đến kết luận "Hệ số xác định trên 0,81 đối với cả ba phương pháp. Do đó, tất cả các đường cong N_C phổ quát có thể xác định chính xác nồng độ N theo thời gian thực và lượng phân bón N tối ưu. Tuy nhiên, phương pháp RFA và BHM-MPN, so với SDM, đơn giản hóa rất nhiều quá trình mô hình hóa và có tính ứng dụng cao ở cấp độ khu vực".

Đỗ Thi Thanh Trúc theo Phys.org