引擎养分模型分析三种主要营养素(氮、磷、钾)的潜在有效性,并考虑了它们之间的相互作用。引擎用不使用任何肥料的作物预期产量作为土壤基础肥力衡量标准,对作物生育率水平进行了定量预测。引擎在肥料田间试验的基础上,建立了作物产量反应、农学效率及养分吸收与利用信息的数据库
养分专家系统基础是由肥料响应的数学模型组成。模型在高产作物养分吸收特征研究基础上,分析产量与养分吸收之间的关系,建立与高效施肥和养分管理直接相关的养分吸收定量参数。主要依据是两个重要的农学定律: 最小利比格Liebig’s Law定律和最佳利比舍尔Liebscher’s Law定律,避免单一或少量数据点获得养分吸收数据指导施肥的偏差。该模型应用大量田间试验数据研究作物产量与养分吸收之间的关系,并考虑了养分元素之间的两两交互作用。

模型通过对大数据开展高产作物养分吸收特征研究,分析产量与养分吸收之间的关系,建立与高效施肥和养分管理直接相关的养分吸收定量参数。
引擎养分模型分析三种主要营养素(氮、磷、钾)的潜在有效性,并考虑了它们之间的相互作用。引擎用不使用任何肥料的作物预期产量作为土壤基础肥力衡量标准,对作物生育率水平进行了定量预测。引擎在肥料田间试验的基础上,建立了作物产量反应、农学效率及养分吸收与利用信息的数据库,基于土壤基础养分供应特征、作物农学效率与产量反应的内在关系、以及作物最佳养分吸收和利用特征参数,建立了基于产量反应和农学效率的推荐施肥模型。
引擎决策施肥时是在水肥偶合中提出并发展了针对作物吸水、吸肥根系层位置的水肥精准施用方法。