施肥效果分析 第三组
肥料田间试验鉴定标准
肥料田间试验鉴定标准
肥料田间试验鉴定的标准通常涉及肥料在田间环境中的效果评估和性能测试。
这些标准旨在评估肥料对植物生长和土壤质量的影响。
以下是一些可能适用的肥料田间试验鉴定标准：
1. 施肥效果评估：评估施用肥料后植物生长情况，如植物高度、茎粗、叶片面积等，以及产量和品质等因素。
2. 土壤分析：分析施肥后土壤的理化性质变化，包括土壤pH值、有机质含量、养分含量（氮、磷、钾等）等。
3. 养分利用率评估：评估肥料中养分的利用率，了解植物对肥料养分的吸收和利用情况。
4. 环境影响评估：考虑肥料对环境的影响，包括土壤质量、水质、植物生态系统等方面的评估。
这些标准可能由农业部门、国际标准化组织（ISO）或其他相关行业组织制定。
具体的肥料田间试验鉴定标准可能因国家、地区和肥料类型的不同而异。
进行田间试验时，应参考适用的标准和方法，以确保试验的科学性和可靠性，并对肥料的效果和影响做出合理评估。
肥料施用效果评价测算方法
肥料施用效果测算方法肥料是重要的农业生产资料。
科学评价肥料施用效果，对于改进施肥技术，提高肥料资源利用效率，实现农业增产增效，保障农业可持续发展具有十分重要的意义。
评价肥料施用效果的主要方法和指标有肥料利用率、肥料农学效率、肥料偏生产力等。
具体测算方法如下：1、肥料利用率 1.1 定义肥料利用率（RE ）是指施用的肥料养分被作物吸收的百分数，随作物种类、肥料品种、土壤类型、气候条件、栽培管理以及施肥技术等因素发生变化而不同，是最常用的一个综合评价指标。
肥料利用率包括当季利用率和累计利用率，这里是指当季利用率。
1.2 测算方法 1.2.1 示踪法示踪法是指将已知养分数量的放射性或稳定性示踪肥料施入土壤，作物成熟后测定作物所吸收的放射性或稳定性同位素养分的数量，计算肥料利用率。
1.2.2 差值法差值法是施肥区作物吸收的养分量与不施肥区作物吸收的养分量之差与肥料投入量的比值。
从农学意义上看，应采用差值法测算氮、磷、钾肥的利用率。
计算式如下：%10001⨯-=FU U RE式中：RE 为肥料利用率；U 1、U 0分别为施肥区与缺素区作物吸收的养分量，单位为公斤/亩；F 为肥料养分（指N 、P 2O 5、K 2O ）投入量，单位为公斤/亩。
一般通过田间试验测算氮、磷、钾肥利用率。
包括以下几个步骤： 1.2.2.1 布置田间试验根据本区域土壤类型、种植制度、主要作物等安排田间试验，一般每个县、每种作物安排10-15个试验，具体试验设计如下：试验设5个处理： 处理1，空白对照； 处理2，无氮区（PK ）； 处理3，无磷区（NK ）； 处理4，无钾区（NP ）； 处理5，氮磷钾区（NPK ）。
1.2.2.2 测定作物吸收的养分 作物吸收的养分量，一般是指作物收获期收获取走部分（含果实和茎叶）的养分吸收量。
对于根茎类作物，除地上部分外，还应包括地下的块根块茎部分；对于整枝打叉作物，应收集、称量每次整枝打叉的生物量，并计算到总量中。
棉花微量元素施肥效果分析
文 章 编 号 ：０ １ ３ １ ２ ０ ） ２ — ０ ８ ０ １ ０ — ６ Ｘ（ ０ ９ ０ ６ ０ ６ － ２
施 肥 ） 花专 用 肥 ３ ｇ６ ７ｍ 。４月 １ 棉 ０ｋ ／６ ３日播 种 ， 品
种 为 自选 ２ ４品系 ；第 ２试验 区选在 一三 三 团六连 ０ ８轮 ２号地 ， 茬棉 花 ， 地 时深 施 （ 前 犁 全层 施 肥 ） 棉花
日／ 月
肥 料 后 株 高增 幅 比对 照 增 加 ０ ． ４～０８ｅ 叶 片数 增 ． ｍ；
加 ０２～０３片 ； 数增 加 ０６ Ｏ７ 个 。 ． ． 蕾 ． ２一 ．１
２３ 不 同处理 对棉 花花铃 期 生 长发 育的 影响 ．
从 表 ４调 查数 据分 析 可 以看 出 ，处 理株 高 比对 照 增 加 ０５～０９ｅ 叶 片 数 增 加 ０３～０７片 ； 枝 ． ． ｍ； ． ． 果 台数 增加 ０３～０５台／ ；蕾数 增 加 ０８～１３个 ； ． ． 株 ． ＿ 铃
棉 花 主栽 品种 （ ）２ ４品 系 、 陆早 ３ 系 ：０ 新 ３号 。
１３ 试 验 方 法 ．
２１ 不 同处理对 棉花 生 育进 程 的影 响 ．
第 ｌ 验 区选在 一三 三 团 ２连 １ 轮 ４号地 ， 试 ６ 前
从 表 ２可 以看 出 ， 经微 量元 素 肥料 处 理后 ， 花 棉 各 生育 期都 比对 照早 ， 别是 吐 絮期 ， 特 处理 比对 照早
６７ ６ ＋磷酸 二氢 钾 １ ０ｇ ６ ｍ ５ ６ ７ｍ 。其 中 ２连 每个处 ／
棉 田已进 入 硼 、 、 缺失 范 围。为 验证 微量 元 素肥 锌 锰
料 对棉 花生 长发育 及其 产量 的影 响 ，一 三 三 团试 验 站 在 棉 花上 进 行 的微 量 元 素肥 料 施 用试 验 示 范 ， 在 生 产实 践 中产生 了 明显 的经济 效益 。
肥料实验示范报告
肥料实验示范报告一、实验目的本次实验的目的是通过对不同种类的肥料在植物生长过程中的影响进行观察和分析，以便了解不同肥料对植物生长的效果，并为农田种植提供合理的肥料选择指导。
二、实验材料和方法2.1 实验材料•植物品种：选取了普通水稻作为测试植物•肥料种类：选择了无机肥（NPK）、有机肥（腐熟的有机物）和对照组（无施肥）•其他材料：培养土、水、浇灌工具等2.2 实验方法1.实验前的准备工作：–将培养土通过筛网过滤，除去杂质–将筛选后的培养土装入相同规格的盆中，每盆约500g–将种子均匀分布在每盆土壤中，并浇透水2.实验组设置：–实验分为三组：NPK组、有机肥组、对照组–每组设置3个重复–每个重复进行单独标记，以便观察和记录3.施肥和处理：–NPK组：按照包装说明将适量的NPK肥料均匀撒在土壤表面，并轻轻拌匀–有机肥组：将适量的腐熟有机物均匀撒在土壤表面，并轻轻拌匀–对照组：不添加任何肥料4.环境管理：–每天保持土壤湿润，适量浇水，以保持一定的湿度5.数据收集：–每周记录植株的生长情况，包括株高、叶片数量、茎粗等指标–实验周期为8周，每周进行一次记录三、实验结果经过8周的观察和记录，我们得到了以下实验结果：3.1 株高比较在实验的第8周，我们测量了各组植株的株高，并进行了比较。
结果显示，NPK组和有机肥组的植株株高明显高于对照组。
其中，NPK组的植株株高平均为50cm，有机肥组的植株株高平均为45cm，而对照组的植株株高平均仅为38cm。
3.2 叶片数量比较我们还对各组植株的叶片数量进行了统计和比较。
结果显示，NPK组和有机肥组的植株叶片数量明显多于对照组。
NPK组的植株平均叶片数量为12片，有机肥组的植株平均叶片数量为11片，而对照组的植株平均叶片数量仅为8片。
3.3 茎粗比较最后，我们还对各组植株的茎粗进行了测量和比较。
结果显示，NPK组和有机肥组的植株茎粗明显粗于对照组。
NPK组的植株平均茎粗为1.2cm，有机肥组的植株平均茎粗为1.1cm，而对照组的植株平均茎粗仅为0.9cm。
【全国大学生数学建模竞赛获奖优秀论文作品学习借鉴】1992年A题 施肥效果分析
K 施肥量
(kg/ha) 0 47 93 140 186 279 372 465 558 651
产量
(t/ha) 18.98 27.35 34.86 38.52 38.44 37.73 38.43 43.87 42.77 46.22
K 施肥量
(kg/ha) 0 47 93 140 168 279 372 465 554 651
N 施肥量
(kg/ha) 0 28 56 84 112 168 224 280 336 392
产量
(t/ha) 11.02 12.70 14.56 6.17 17.25 22.59 21.63 19.34 16.12 14.11
P 施肥量
(kg/ha) 0 24 49 73 98 147 196 245 294 342
产量
(t/ha) 15.75 16.76 16.89 16.24 17.56 19.20 17.97 15.84 20.11 19.40
１９９２ 年题 Ａ 施肥效果分析
某地区作物生长所需的营养素主要是氮(N),磷(P),钾(K) 某作物研究所在该地区对土豆 与生菜作乐一定数量的实验 实验数据如下列表格所示 其中 ha 表示公顷 t 表示吨 kg 表示公斤 当一个营养素的施肥量变化时 总将另二个营养素的施肥量保持在第七个水平上 如对土豆产量关于 N 的施肥量做实验时 P 与 K 的施肥量分别取为 195kg/ha 与 372kg/ha
试分析施肥量与生产量之间关系 并队所得结果从应用价值与如何改进等方面作出估 价
土豆:
生菜
Nห้องสมุดไป่ตู้施肥量
(kg/ha) 0 34 67 101 135 202 259 336 404 471
施肥效果分析
施肥效果分析本文研究了营养素对作物的产量的影响，分析了不同营养素对不同作物生长产量的差异，建立了施肥效果模型。
并采用控制变量法和计算机数据拟合法建立了营养素对作物生长影响的模型。
根据研究所所得的营养素与作物产量的数据，运用MATLAB得到营养素与作物产量关系的散点图。
进一步运用拟合工具进行拟合数据，得到多项式的二次，三次函数和正弦函数一项，两项和三项函数。
利用方差比较，得到N在三次多项式时拟合度最好，而P和K 在二次多项式时拟合度最好。
本文最后总结了模型的优点和不足之处，并对施肥效果改进意见。
关键词：散点图，方差比较，拟合方程，控制变量一．问题重述作物生长所需的营养素主要是氮（N）、钾（K）、磷（P）。
为研究三种营养素对作物生长的影响，某作物研究所在该地区选取土豆与生菜做了一定数量的实验，实验过程中当一个营养素的施肥量变化时，总将另二个营养素的施肥量保持在最适宜植物生长状态。
分析数据得出施肥量与产量之间关系，并对所得结果从应用价值与如何改进等方面作出估价。
二．问题分析氮元素可促进植株茎叶的生长，更好的进行光合作用。
磷元素具有一部分促根发育的作用还具有促进开花的作用。
钾元素主要是促进果实的干物质积累，用来膨大果实。
增加产量。
由施肥量与产量的关系表格可得营养素对土豆生菜的产量有明显的促进作用。
根据农业期刊《Biology and fertility of soils》，一般来说，产量W可以用营养素施肥量的多项正弦函数表示，故做拟合曲线并代入试验数据求得关系表达式；同时联想到Logistic函数的导函数曲线为二次多项式（也是随着自变量先增后减），因此作一次二次以及三次多项式拟合，并进行比较。
三．基本假设①每次试验独立且试验条件（如环境条件，种植密度，土壤条件）相同；②由于数据由研究所提供，所以假设试验数据不会出现较大误差；③三种元素的使施用量同作物产量有一定的函数关系，同一种元素对不同作物的作用表现为同一类的函数关系；④忽略土壤中原有的N、P、K对作物生长的影响；⑤三种元素对作物增长的作用是相互独立的；四．名词解释和符号说明名词解释:种植密度：单位面积作物种植量符号说明：①pi（i=1,2,3.....)多项式系数②ai，bi，ci正弦函数各项系数和常数项五.模型建立和求解采用MATLAB2021b中配置的curve fitting tool（曲线拟合工具），直接输入数据，进行曲线拟合。
襄阳市襄州区主要农作物测土配方施肥效果分析
１ ． ２ 试验 设计
可 以看 出 ， 不施肥（ Ｃ Ｋ ） 较农 民 习惯 施 肥和 配 方 施 肥产 量 差 异均 较大 。 配 方施 肥产 量均 高于 习惯 施肥 ， 效 果 明显 。
关键词 测 土配 方施 肥 ； 产量 ； 经济 效益 ； 湖北 襄 阳 ； 襄州区 中图分 类号 Ｓ１ ５ ８ ． ２ 文 献标 识码 Ａ 文章 编号 １ ０ ０ ７ — ５ ７ ３ ９（ ２ ０ １ ３ ） ０ ３ － － ０ ０１ ８ — ０ ２
襄 阳市 襄 州区 自 ２ ０ ０ ６年 开展 测土 配方 施 肥 以来 ， 得 到
氧化 钾 分别 为 ４ ３ ． ８ ５ 、 １ ２ ． ４ ０ 、 ２ ５ ． １ ５ ｋ ｇ ／ ｈ ｍ 。
２ ． ３ 配方 施肥 经济 效益情 况
从 表 ５可 以看 出 ， 玉 米 习惯 施肥 的肥 料 成 本 较 配方 施 肥高 ２ ０ ６ ． ７元／ Ｉ ｌ ｍ ２ 。 小麦 、 油菜 、 水稻 配 方施 肥 投肥 成 本 均增
表 ３ 不 同 处 理 产 量 对 比
从 表 ６可 以看 出 ， 水 稻 配方 施 肥 的肥 料 利 用 率最 好 ， ４
种作物 肥料利 用率纯 氮 、 五 氧化二磷 、 氧化 钾平 均 为 １ ７ ． ０ ８ ％、 １ ３ ． ０ ｏ ％、 ２ ４ ． ４ ２ ％。 较 习惯 施 肥 ， 配 方施 肥 明 显提 高 了肥 料 的
作 物起到 增产 的作用 ， 差异 显著 。 比 习惯施 肥和 空 白对照每 年增 产粮食 分别 为 １ １ ６ ４ ． １ ７ 、 ３ ９ １ ９ ． ０ ４ｋ ｇ ／ ｈ ｍ ， １ 年 为农 户节本增 收 ｌ ７ ５ ７ ． ４ １ 元／ ｈ ｍ ： 。 配方施 肥较 习惯施肥 明显 提 高 了肥料 的利 用率 ， 减 少 了肥料 的 浪 费。
肥料效果试验和评价通用要求
肥料效果试验和评价通用要求肥料效果试验和评价通用要求•试验结果准确可靠•评价指标全面科学•数据分析合理可行试验设计•控制组和实验组•随机分组和重复试验•多因素设计试验操作•肥料施用时间和方法•施肥量和比例•肥料种类和成分试验评价指标•植物生长情况•农作物产量和品质•土壤肥力指标•经济效益数据分析•统计学方法•假设检验•方差分析例子解释以某种作物的肥料效果试验为例，假设有两种不同的肥料A和B进行对比评价。
1.设计控制组和实验组，例如将相同的土地和作物分为两组，一组作为对照组不添加任何肥料，另一组作为实验组分别添加肥料A和B。
2.随机分组和重复试验，将实验组和对照组进行随机分配，保证样本的随机性和可比性，并进行多次重复试验以提高结果的可靠性。
3.在试验操作中，根据作物的生长周期和生长需要，确定肥料的合理施用时间和方法，例如在不同生长阶段进行不同方式的施肥。
4.根据试验的目的和肥料的种类，确定施肥量和比例，例如根据作物需求和肥料的含量配比确定合理的施肥量。
5.在评价指标中，考察植物的生长情况，例如测量作物的高度、叶片数量和叶片颜色等；考察农作物产量和品质，例如测量收获物的重量、大小和口感等；考察土壤肥力指标，例如测量土壤的pH值、有机质含量和养分含量等；考察经济效益，例如比较不同肥料下的成本投入和产出情况。
6.在数据分析中，采用统计学方法进行数据处理和分析，例如计算平均值、方差和标准差；进行假设检验，检验肥料效果是否显著；进行方差分析，比较不同肥料处理间的差异是否显著。
通过上述例子，可以看出针对肥料效果试验和评价通用的要求包括试验设计的科学性、试验操作的合理性、评价指标的全面性和合理性，以及数据分析的统计学方法的使用。
这些要求能够确保肥料效果试验和评价的可靠性和科学性，为农业生产提供实际指导。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
A 题施肥效果分析第三组摘要本文就施肥量与农作物产量的关系进行研究分析，运用逐步回归的思想建立数学模型，最初方案从比较简单的模型入手，逐步优化最终得到各营养素施肥量的最优配比，并使其应用价值得到推广。
思路：考虑到多种肥料对产量的影响复杂且不易得到其关系，因此我们采用控制单一变量的方法，做出散点图并进行逐步回归，得到产量与各个单一变量的关系式，在此基础上将多个变量做多元回归最终得到施肥量与产量的函数关系。
综合考虑各个方案选择最佳方案作为最终模型，并加以推广。
最终的最优模型为：当氮的施肥量为290.2542、磷的施肥量为303、钾的施肥量为536.0742时土豆产量达到最优解；当氮的施肥量为290.2542、磷的施肥量为290.2542、钾的施肥量为290.2542时生菜产量达到最优解。
我们通过运用excel、MATLAB、SPSS等软件做出散点图并进行曲线的拟合，用LINGO 软件规划求得给定目标函数在限制条件下的最优解,用SPSS进行一元回归。
综合以上所给出的最终模型，各营养素施肥量的最优配比对农作物产量的提高有很好的应用价值。
模型改进：因为获得的实际数据较少，使模型的精确度受到影响，采用的数学模型因此不够精准，改进建议是收集更多实际数据，统计分析，改进模型。
关键词：散点图逐步回归目标函数目录一、问题重述................................................................................. 错误！未定义书签。
二、符号说明................................................................................. 错误！未定义书签。
三、模型假设................................................................................. 错误！未定义书签。
四、问题分析................................................................................. 错误！未定义书签。
五、模型的建立与求解................................................................. 错误！未定义书签。
六、模型的改进与评价................................................................. 错误！未定义书签。
七、参考文献................................................................................. 错误！未定义书签。
八、附录......................................................................................... 错误！未定义书签。
一、问题重述某地区作物生长所需的营养素主要是氮N、钾K、磷P。
某研究所在该地区对土豆与生菜做了一定数量的实验，实验数据如下表所示，其中ha表示公顷，t表示吨，kg表示公斤。
当一个营养素的施肥量变化时，P与K的施肥量分别取为ha196与kg/ kg/372.ha试分析施肥量与产量之间的关系，并对所得结果从应用价值与如何改进等方面做出估价。
土豆：生菜：二、模型假设1.农作物实验是在相同的实验条件下进行，产量的变化仅由施肥量引起；2.土壤中有一定量的天然肥，满足其在不施肥下也能生长；3.当一个营养素的施肥量变化时，另两个营养素的施肥量总保持在第七水平上不变；4.每次实验独立进行，互不影响；5.剔除所给数据中偏差较大的点后进行曲线拟合。
三、符号说明x：每公顷土地中氮元素的施肥量1x：每公顷土地中磷元素的施肥量2x：每公顷土地中钾元素的施肥量3y：每公顷土地中施加氮后作物的产量1y：每公顷土地中施加磷后作物的产量2y：每公顷土地中施加钾后作物的产量3四、问题分析这是一个由多个变量控制的数学模型，以各营养素施肥量配比使产量达到较好状态为目标，因此需首先求得各个变量的最优解从而使产量达到最佳状态。
对题目中给出的数据进行处理，找出产量与单一营养素在其他营养素施肥量不变条件下的数据关系，绘出土豆和生菜的产量与施肥量的散点图观察其分布规律，选用适当的拟合曲线，并根据曲线类型得出函数关系式，运用SPSS对所得函数进行回归分析和假设检验最终得出各营养素的最终配比。
五、模型的建立与求解方案一：用excel表格做出施肥量与产量的拟合曲线如下图所示：1.施肥量对土豆产量的影响：氮元素：磷元素：钾元素：2.施肥量对生菜产量的影响：氮元素：磷元素：钾元素：综上第一套方案对曲线的拟合程度来看，虽然拟合程度很高，但是运用excel做出的拟合曲线并不能反映出施肥量对农作物产量的影响总体规律，只能是在给定的数据范围内达到拟合的要求，并不能准确的把握施肥量与产量之间的关系，故不具有应用价值，不可采用。
方案二：用SPSS做施肥量与产量的拟合曲线：1.施肥量对土豆产量的影响：氮元素：氮元素施肥量与土豆产量的关系式是：742.14197.02+=xy用SPSS对模型做回归分析所得数据：2R ：0.986，估计值的标准误差：1.272 所得模型符合总体要求。
磷元素：磷元素施肥量与土豆产量的关系式：005.3210493.6114.073+⨯+=-x x y 用SPSS 对模型做回归分析所得数据：2R ：0.898，估计值的标准误差：1.424 所得模型符合总体要求。
钾元素：钾元素施肥量与土豆产量的关系式：549.2010966.3168.072+⨯+=-x x y 用SPSS 对模型做回归分析所得数据：2R ：0.933，估计值的标准误差：2.578 所得模型符合总体要求。
2.施肥量对生菜产量的影响： 氮元素：氮元素施肥量与生菜产量的函数关系式：229.10101.0+=x y 用SPSS 对模型做回归分析所得数据：2R ：0.925，估计值的标准误差：1.167 所得模型符合总体要求。
磷元素：磷元素施肥量肥与生菜产量的函数关系式：685.510056.188.073+⨯+=-x x y 用SPSS 对模型做回归分析所得数据：2R ：0.978，估计值的标准误差：1.149 所得模型符合总体要求。
钾元素：钾与生菜产量的函数关系式：69.1510573.51047.5018.0853+⨯+⨯-=--x x x y 用SPSS 对模型做回归分析所得数据：2R ：0.515，估计值的标准误差：1.328 所得模型有误差。
综上对方案二的研究分析可以看出虽然SPSS 对曲线的拟合度较高，但是其所拟合的曲线并不符合实际规律，因为根据实际经验，肥料在一定量下并不是施的越多，作物产量越大，而是到超过一定量时，会导致土壤中溶液浓度过大而发生“烧苗”现象，经过综合实际情况与所得结果将施肥量与产量的关系定性为二次函数关系式，由此得出改进方案。
改进方案：SPSS 拟合的二次曲线对自变量系数偏差较大，在回归分析时误差较大，因此我们采用软件MATLAB 求解得到二次函数关系方程式，所得方程式用LINGO 软件进行分析并求解其最优解。
土豆产量与各个营养素施肥量的关系图：氮与土豆产量函数关系式7416.141971.0103953.324++⨯-=-x x y磷与土豆产量函数关系式7375.320659.0100825.124++⨯-=-x x y 钾与土豆产量函数关系式4144.240750.0109953.625++⨯-=-x x y用LINGO 软件求所得函数关系式的最优解：当氮的施肥量为290.2542时使得土豆产量达到最优解为43.34615； 当磷的施肥量为303时使得土豆产量达到最优解为42.7423；当钾的施肥量为536.0742时使得土豆产量达到最优解为44.51718.生菜产量与各个营养素施肥量的关系图：氮与生菜产量函数关系式2294.101013.0103815.224++⨯-=-x x y磷与生菜产量函数关系式8820.60606.0104577.525++⨯-=-x x y钾与生菜产量函数关系式8362.150106.0100768.726++⨯-=-x x y用LINGO软件求所得函数关系式的最优解：当氮的施肥量为290.2542时使得土豆产量达到最优解为43.34615当磷的施肥量为290.2542时使得土豆产量达到最优解为43.34615当钾的施肥量为290.2542时使得产量达到最优解为43.34615六、模型结果的改进与评价优点：1）本模型运用回归分析的方法求解，理论可得最优解。
2）问题的考虑是逐层深入，使得问题的各个因素考虑比较全面。
3）模型是分为两个独立的模型进行逐步回归。
4）我们运用的 MATLAB、SPSS等软件使得结果更加精确，误差主要取决于Lingo 的软件的精度。
缺点：1）在实际工作中，三种肥料之间除了与产量有直接的关系外，还有彼此之间的交互作用。
因此，本模型只是初步探讨，要得到三种营养素之间与产量的准确关系应在实验之初采用正交实验与均匀设计的方法，得到更有价值的实验数据，建立更有可信度的自变量与因变量之间的函数关系式。
2）整个方案中对于问题考虑的不全面，导致最终结果存在误差。
七、参考文献[1]崔群法、张瑜、杨光霞、李乃文.《数据建模与应用》.清华大学出版社[2]张举刚、张彩霞、李荣平、张小平.《统计学》.河北人民出版社[3]马昌风.《最优化方法及其MATLAB程序设计》.科学出版社[4]蔡建琼、于惠芳.《SPSS统计分析实例精选》.清华大学出版社八、附录x=[0 34 67 101 135 202 259 336 404 471];y=[15.18 21.36 25.72 32.29 34.03 39.45 43.15 43.46 40.83 30.75];subplot(2,3,1);plot(x,y,'o'),xlabel('N'),ylabel('CL'),title('N施肥量与土豆产量的关系');p=polyfit(x,y,2);m=p(1);b=p(2);c=p(3);x1=[0:5:500];y1=m*x1.^2+b*x1+c;subplot(2,3,4);plot(x1,y1,x,y,'o'),xlabel('N'),ylabel('CL'),x=[0 24 49 73 147 196 245 342];y=[33.46 32.47 36.06 37.96 40.09 41.26 42.17 42.73];subplot(2,3,2);plot(x,y,'o'),xlabel('P'),ylabel('CL'),title('P施肥量与土豆产量的关系');p=polyfit(x,y,2);m=p(1);b=p(2);a=p(3);x1=[0:5:500];y1=m*x1.^2+b*x1+a;subplot(2,3,5);plot(x1,y1,x,y,'o'),xlabel('N'),ylabel('CL'),x=[0 47 93 140 186 279 372 465 558 651];y=[18.98 27.35 34.86 38.52 38.44 37.73 38.43 43.87 42.77 46.22];subplot(2,3,3);plot(x,y,'o'),xlabel('K'),ylabel('CL'),title('K施肥量与土豆产量的关系') p=polyfit(x,y,2);m=p(1);b=p(2);a=p(3);x1=[0:5:700];y1=m*x1.^2+b*x1+a;subplot(2,3,6);plot(x1,y1,x,y,'o'),xlabel('K'),ylabel('CL'),x=[0 28 56 84 112 168 224 280 336 392];y=[11.02 12.70 14.56 16.27 17.75 22.59 21.63 19.34 16.12 14.11];subplot(2,3,1);plot(x,y,'o'),xlabel('N'),ylabel('CL'),title('N施肥量与生菜产量的关系');p=polyfit(x,y,2);m=p(1);b=p(2);a=p(3);x1=[0:5:500];y1=m*x1.^2+b*x1+a;subplot(2,3,4);plot(x1,y1,x,y,'o'),xlabel('N'),ylabel('CL'),x=[0 49 98 147 196 294 391 489 587 685];y=[6.39 9.48 12.46 14.38 17.10 21.94 22.64 21.34 22.07 24.53];subplot(2,3,2);plot(x,y,'o'),xlabel('P'),ylabel('CL'),title('P施肥量与生菜产量的关系');p=polyfit(x,y,2);m=p(1);b=p(2);a=p(3);x1=[0:5:700];y1=m*x1.^2+b*x1+a;subplot(2,3,5);plot(x1,y1,x,y,'o'),xlabel('P'),ylabel('CL'),x=[0 47 93 140 186 279 372 558 651];y=[15.75 16.76 16.89 16.24 17.56 19.20 17.97 20.11 19.40];subplot(2,3,3);plot(x,y,'o'),xlabel('K'),ylabel('CL'),title('K施肥量与生菜产量的关系');p=polyfit(x,y,2);m=p(1);b=p(2);a=p(3);x1=[0:5:700];y1=m*x1.^2+b*x1+a;subplot(2,3,6);plot(x1,y1,x,y,'o'),xlabel('K'),ylabel('CL'),x=[0 34 67 101 135 202 259 336 404 471];y=[15.18 21.36 25.72 32.29 34.03 39.45 43.15 43.46 40.83 30.75];subplot(2,3,1);plot(x,y,'o'),xlabel('N'),ylabel('CL'),title('N施肥量与土豆产量的关系');p=polyfit(x,y,2);m=p(1);b=p(2);c=p(3);x1=[0:5:500];y1=m*x1.^2+b*x1+c;subplot(2,3,4);plot(x1,y1,x,y,'o'),xlabel('N'),ylabel('CL'),x=[0 24 49 73 147 196 245 342];y=[33.46 32.47 36.06 37.96 40.09 41.26 42.17 42.73];subplot(2,3,2);plot(x,y,'o'),xlabel('P'),ylabel('CL'),title('P施肥量与土豆产量的关系');p=polyfit(x,y,2);m=p(1);b=p(2);a=p(3);x1=[0:5:500];y1=m*x1.^2+b*x1+a;subplot(2,3,5);plot(x1,y1,x,y,'o'),xlabel('N'),ylabel('CL'),x=[0 47 93 140 186 279 372 465 558 651];y=[18.98 27.35 34.86 38.52 38.44 37.73 38.43 43.87 42.77 46.22];subplot(2,3,3);plot(x,y,'o'),xlabel('K'),ylabel('CL'),title('K施肥量与土豆产量的关系') p=polyfit(x,y,2);m=p(1);b=p(2);a=p(3);x1=[0:5:700];y1=m*x1.^2+b*x1+a;subplot(2,3,6);plot(x1,y1,x,y,'o'),xlabel('K'),ylabel('CL'),x=[0 28 56 84 112 168 224 280 336 392];y=[11.02 12.70 14.56 16.27 17.75 22.59 21.63 19.34 16.12 14.11];subplot(2,3,1);plot(x,y,'o'),xlabel('N'),ylabel('CL'),title('N施肥量与生菜产量的关系');p=polyfit(x,y,2);m=p(1);b=p(2);a=p(3);x1=[0:5:500];y1=m*x1.^2+b*x1+a;subplot(2,3,4);plot(x1,y1,x,y,'o'),xlabel('N'),ylabel('CL'),x=[0 49 98 147 196 294 391 489 587 685];y=[6.39 9.48 12.46 14.38 17.10 21.94 22.64 21.34 22.07 24.53];subplot(2,3,2);plot(x,y,'o'),xlabel('P'),ylabel('CL'),title('P施肥量与生菜产量的关系');p=polyfit(x,y,2);m=p(1);b=p(2);a=p(3);x1=[0:5:700];y1=m*x1.^2+b*x1+a;subplot(2,3,5);plot(x1,y1,x,y,'o'),xlabel('P'),ylabel('CL'),x=[0 47 93 140 186 279 372 558 651];y=[15.75 16.76 16.89 16.24 17.56 19.20 17.97 20.11 19.40];subplot(2,3,3);plot(x,y,'o'),xlabel('K'),ylabel('CL'),title('K施肥量与生菜产量的关系');p=polyfit(x,y,2);m=p(1);b=p(2);a=p(3);x1=[0:5:700];y1=m*x1.^2+b*x1+a;subplot(2,3,6);plot(x1,y1,x,y,'o'),xlabel('K'),ylabel('CL'),。