全球气候变化导致气温升高、降水量和强度增加以及干旱期频率增加,尤其是在农业区,如葡萄酒生产区(IPCC, 2025)。这些变化会极大地影响土壤的水分供应、土壤有机质(SOM)的矿化速率,进而影响葡萄能够吸收的矿物氮(N)的形式(Vercambre等人,2024年;Xue等人,2024年)。鉴于此,叶片氮浓度的临界水平和充足范围(SR)决定了为了最大化产量同时保持理想的葡萄和葡萄酒成分所需的氮肥施用量。鉴于这些变化,临界水平和充足范围可能需要根据新的季节性气候模式(包括温度和降水量变化)进行更新。
在葡萄园中过量施用氮肥会导致植株过于茂盛,枝条过长。这会增加树冠密度,减少葡萄果串的直射光照,延缓果实成熟。这些条件会改变葡萄的关键成分,包括总可溶性固形物(TSS)、pH值、总滴定酸度(TTA)、花青素浓度和葡萄汁中的营养成分(Thomidis等人,2016年;Karoglan等人,2019年;Stefanello等人,2021年)。这些变化可能对葡萄汁和葡萄酒的成分产生负面影响,最终影响消费者的接受度。
此外,过量施用氮肥会因氮肥成本高昂(Hebebrand和Laborde Debucquet,2023年)而降低葡萄园的盈利能力,并提高土壤中的硝酸盐(NO₃⁻)含量,增加葡萄园附近地表水和地下水的污染风险(Cui等人,2020年;Marsala等人,2021年)。相反,土壤中氮素供应不足会降低果实中的氮含量,干扰酿酒过程(Bell和Henschke,2005年),并降低白葡萄酒的香气质量和陈酿潜力(Lacroux等人,2008年)。
因此,确定不同葡萄品种的叶片氮浓度临界水平和充足范围,以及最佳氮肥施用量,是制定精确施肥计划的关键策略。这种方法可以确保葡萄和葡萄酒的最佳产量和理想的酿酒特性。利用机器学习等先进工具探索稳健的数据集在现代农业中变得越来越普遍(Andrade等人,2023年;Araújo等人,2023年;Dimitri和Alberto Trambusti,2024年)。机器学习算法擅长分析复杂数据、检测模式并生成预测模型(Araújo等人,2023年;Dimitri和Alberto Trambusti,2024年)。这些方法可以纳入温度和降水量等独立变量,这些变量显著影响植物反应(例如葡萄产量和品质)。例如,在贝叶斯框架内,观测数据可以生成后验分布并模拟新的结果(Theobald和Talbot,2002年;Kyveryga等人,2013年)。因此,基于概率生成的参考值(临界水平、充足范围和氮肥剂量)预计会更加准确。然而,基于气候变量或具有相似气候条件的生长季节组别提出临界水平、充足范围和氮肥剂量的研究在文献中仍然较少,尤其是在亚热带气候条件下。此类研究可以显著提高葡萄园氮肥施用的精确度和效果。
基于此,本研究假设‘黑皮诺’和‘霞多丽’品种在不同气候条件下的生长季节组别中,叶片氮浓度的临界水平和氮肥施用的最大技术效率剂量存在差异。本研究旨在:(i)评估年份气候条件对‘黑皮诺’和‘霞多丽’葡萄的产量以及葡萄和葡萄酒化学成分的影响;(ii)为具有13年施肥历史的葡萄园提出叶片氮浓度的临界水平和氮肥施用的最大技术效率剂量。