基于光温效应的温室小白菜农艺指标动态模拟

蔡淑芳; 吴宝意; 廖水兰; 刘现; 雷锦桂

doi:10.19303/j.issn.1008-0384.2020.06.006

基于光温效应的温室小白菜农艺指标动态模拟

福建省农业科学院数字农业研究所,　福建　福州,　350003

基金项目: 福建省自然科学基金项目（2017J01045）；福建省农业科学院项目（A2018-4，YDXM2019006，STIT2017-2-12）

详细信息

作者简介:
蔡淑芳（1985−），女，助理研究员，研究方向：数字农业（csf2019@qq.com）

通讯作者:
雷锦桂（1973−），男，研究员，研究方向：数字农业（71906244@qq.com）

中图分类号: S 634.3
计量
- 文章访问数: 672
- HTML全文浏览量: 289
- PDF下载量: 37
出版历程
- 收稿日期: 2020-04-02
- 修回日期: 2020-05-08
- 刊出日期: 2020-08-09

Light and Temperature Effects on Agronomic Indices of Brassica chinensis L. in a Simulated Greenhouse Test

Institute of Digital Agriculture, Fujian Academy of Agriculture Sciences, Fuzhou, Fujian　350003, China

摘要

摘要:
目的研究小白菜在温室环境下的农艺指标动态，揭示小白菜形态和产量形成过程。
方法以耐热品种华冠小白菜为试材，在薄膜温室内开展水培试验。试验过程中，实时采集温室环境数据，并定期测定小白菜农艺指标。根据小白菜农艺指标与温度和光合有效辐射的关系，构建基于光温效应（LTF）的温室小白菜农艺指标动态模拟模型，并应用不同播期的试验数据对模型进行验证。
结果结果表明，小白菜株高、叶数、叶面积、茎粗、根长、鲜重等农艺指标均随LTF的增加而增长，拟合方程可用S型生长曲线函数描述。LTF模型的预测效果优于辐热积（TEP）模型和积温（GDD）模型；其不仅改善了农艺指标的模拟精度，且拟合度较佳。各项农艺指标模拟值与实测值之间的决定系数（R²）为0.907～0.984；回归估计标准误差（RMSE）为0.540～34.393，相对误差（RE）为6.79%～12.66%，RMSE和RE分别为TEP、GDD模型的5.29%～59.98%、31.30%～96.23%。
结论基于LTF的模型预测值与实测值吻合度较好，预测精度较高，可为温室小白菜生长模拟提供参考。
- 温室 /
- 小白菜 /
- 光温效应 /
- 农艺指标 /
- 模拟
Abstract:
Objective By studying changes on the agronomic properties of Brassica chinensis L. in response to the light and temperature conditions in a greenhouse, morphology and yield of the plant were investigated.
Method A hydroponics experiment with a heat-resistant B. chinensis in a greenhouse was carried out. The environmental data were collected in real time, and the agronomic properties of the plants monitored continuously. Relationship between the plant agronomy and the greenhouse temperature and photosynthetically active radiation (or, the light and temperature function, LTF) was used to compare with other dynamic simulation models.
Result The agronomic indices including plant height, leaf number, leaf area, stem diameter, root length, and fresh weight of B. chinensis increased with increasing LTF in a fitting equation of an s-shaped function. Prediction by the LTF-based model was better than either TEP- or GDD-based model. The LTF model was not only more precise but also better fitted between the simulated and measured agronomic indices. It showed a R² of 0.907-0.984, a RMSE of 0.540-34.393, and a RE of 6.79-12.66%, which were superior to the RMSE and RE of 5.29-59.98% and 31.30-96.23% for TEP and GDD models, respectively.
Conclusion The LTF-based model was found to more accurately predict the growth and yield of B. chinensis than did the other models.
- Greenhouse /
- Brassica chinensis L. /
- light and temperature function /
- agronomy /
- simulation

HTML全文

0. 引言

【研究意义】小白菜（Brassica chinensis L.）又称不结球白菜、青菜、油菜等，是我国主栽蔬菜种类之一。小白菜生产周期短，可常年种植，是温室设施栽培的良好作物选择。小白菜农艺指标包括植株的形态特征（株高、叶数、叶面积、茎粗、根长）及鲜重等，农艺指标与小白菜的生长状态息息相关。研究小白菜农艺指标动态特征，既可为优化采收期及生产茬口安排提供参考，亦可为作物生长过程调控提供依据。【前人研究进展】小白菜农艺指标的影响因素众多，包括光照、温度、水分、空气、肥料等诸多方面^[1-11]。现有文献主要报道是对不同环境条件下的小白菜生长结果进行对比分析，从而判定不同环境因素的影响程度以及筛选有利的环境条件。研究表明^[1-6]，光照和温度是最基本的影响因子，做好光温调控在生产中非常重要。基于光照和温度对作物生长发育的模拟研究方面，形成了光温效应（Light and Temperature Function，LTF）^[12-13]、辐热积（Thermal Effectiveness and Photosynthetically Active Radiation，TEP）^[14-15]和积温（Growing Degree Days，GDD）^[16]等3个主要方法。其中，LTF模型综合了光效应（Light Function，f_L）和温度热效应（Temperature Function，f_T），在模拟作物生长、生育期、品质等方面效果良好。【本研究切入点】目前，关于小白菜农艺指标动态模拟的系统性报道较少；而作物模拟模型是实现温室作物栽培和环境优化调控的有效工具。【拟解决的关键问题】通过开展分期试验，建立基于光温效应LTF的温室小白菜株高、叶数、叶面积、茎粗、根长、鲜重等模拟模型，为系统了解小白菜农艺指标特征及生产调控决策等提供理论依据。

1. 数据与方法

1.1 试验设计

本试验于2019年夏在福建省农业科学院中以示范农场薄膜温室进行，采用的小白菜品种为不结球类型的华冠小白菜。试验采取移栽方式种植：小白菜首先在育苗区成长，待长至4叶1心时移栽至营养液膜栽培技术(Nutrient Film Technique，NFT）栽培区生长，栽培密度为32株·m⁻²。温室内配置有“新农云”环境数据采集系统，自动采集环境温度和光合有效辐射等数据；并配备有水肥一体化系统，实现水肥自动化灌溉，EC和pH分别为1.4～1.9 ms·cm⁻¹、6.0～6.3。

试验共3期，试验1（2019年6月17日—7月18日）的环境和小白菜农艺指标数据用于建立模拟模型，试验2、3（2019年7月4日—8月8日、8月17日—9月15日）的环境和小白菜农艺指标数据用于检验模拟模型。

试验从第4片真叶出现后开始，待小白菜长至15～16片叶时试验结束。每2 d选取5株植株，测定植株株高、叶数、叶面积、茎粗、根长和鲜重等农艺指标。其中，在叶数测定上，每张叶片长度达到1 cm时定义为出叶和展开叶^[17]；在叶面积测定上，单张叶片面积的测量采用描叶法来确定^[18]，取样的全株单叶叶面积累加即为单株叶面积；在鲜重测定上，则需要对整株分部位进行洗净、晾干后称量，分部位鲜重累加即为单株鲜重。

1.2 模型描述

本模型主要参考光温效应LTF来定量分析温室小白菜的农艺指标动态。同时，参考辐热积TEP和积温GDD建立相应模型，与LTF模型进行比较。计算方法如下：

${{{f}}_{{\rm{T}}\left( {\rm{j}} \right)}} = {{RT}}{{{E}}_{\rm{j}}} = \left( {1/48} \right)\mathop \sum \nolimits_{{{i}} = 1}^{48} {{RTE}}\left( {{{{T}}_{\rm{i}}}} \right)$

(1)

${{RTE}}\left( {{{{T}}_{\rm{i}}}} \right) = \left\{ {\begin{array}{*{20}{c}} 0&{\left( {{{{T}}_{\rm{i}}} < {{{T}}_{\rm{b}}}} \right)}\\ {\left( {{{{T}}_{\rm{i}}} \!-\! {{{T}}_{\rm{b}}}} \right)\!/\!\left( {{{{T}}_{{\rm{ob}}}} \!-\! {{{T}}_{\rm{b}}}} \right)}&{\left( {{{{T}}_{\rm{b}}} \le {{{T}}_{\rm{i}}} < {{{T}}_{{\rm{ob}}}}} \right)}\\ 1&{\left( {{{{T}}_{{\rm{ob}}}} \le {{{T}}_{\rm{i}}} \le {{{T}}_{{\rm{ou}}}}} \right)}\\ {\left( {{{{T}}_{\rm{m}}} \!-\! {{{T}}_{\rm{i}}}} \right)\!/\!\left( {{{{T}}_{\rm{m}}} \!-\! {{{T}}_{{\rm{ou}}}}} \right)}&{\left( {{{{T}}_{{\rm{ou}}}} < {{{T}}_{\rm{i}}} \le {{{T}}_{\rm{m}}}} \right)}\\ 0&{\left( {{{{T}}_{\rm{i}}} > {{{T}}_{\rm{m}}}} \right)} \end{array}} \right.$

(2)

${{{L}}_{\rm{j}}} = {{PA}}{{{R}}_{\rm{j}}} = \mathop \sum \nolimits_{{\rm{i}} = 1}^{48} \left( {{{PAR}}\left( {\rm{i}} \right) \times 1\;800} \right)$

(3)

${{{f}}_{{\rm{L}}\left( {\rm{j}} \right)}} = \left( {1 - {{{e}}^{ - \propto {{\rm{L}}_{\rm{j}}}}}} \right)$

(4)

${{LTF}} = \mathop \sum \left( {{{{f}}_{{\rm{L}}\left( {\rm{j}} \right)}} \times {{{f}}_{{\rm{T}}\left( {\rm{j}} \right)}}} \right)$

(5)

${{TE}}{{{P}}_{\rm{j}}} \!= \! \mathop \sum \nolimits_{{\rm{i}} \!= \! 1}^{48} \left( {{{RTE}}\left( {{{{T}}_{\rm{i}}}} \right) \times {{PAR}}\left( {\rm{i}} \right) \times 1\;800/1\;000} \right)$

(6)

${{TEP}} = \mathop \sum {{TE}}{{{P}}_{\rm{j}}}$

(7)

${{GD}}{{{D}}_{\rm{j}}} = \left( {\left( {1/48} \right)\mathop \sum \nolimits_{{\rm{i}} = 1}^{48} {{{T}}_{\rm{i}}}} \right) - {{{T}}_{\rm{b}}}$

(8)

${{GDD}} = \mathop \sum {{GD}}{{{D}}_{\rm{j}}}$

(9)

为第j天温度热效应，RTE_j为第j天的日平均相对热效应；RTE（T_i）为温度T_i的相对热效应。T_i为1日内第i个0.5 h的温室平均温度，℃；T_m和T_b为生长温度上下限，分别为40 ℃和4 ℃；T_ou和T_ob为生长最适温度上下限，分别为35 ℃和20 ℃（白天）和25 ℃和15 ℃（夜间）^[6]。L_j为第j天光合有效辐射，mmol·m⁻²·d⁻¹；PAR（i）为1日内第i个0.5 h的平均光合有效辐射，mmol·m⁻²·s⁻¹；1800为将mmol·m⁻²·s⁻¹换算成mmol·m⁻²·（0.5 h）⁻¹的单位换算系数。α为函数的曲率，取值0.001^[6,13]。LTF为累积光温效应；f_L（j）为第j天的光效应。TEP_j为第j天的辐热积，mmol·m⁻²·d⁻¹；1/1000为将mmol·m⁻²·d⁻¹换算成mol·m⁻²·d⁻¹的单位换算系数；TEP为累积辐热积，mol·m⁻²·d⁻¹。GDD_j为第j天的积温，℃；GDD为累积积温，℃。

采用决定系数R²、回归估计标准误差（Root Mean Squared Error，RMSE）、相对误差（Relative Error，RE）对模型进行检验^[14-16]。R²越大，表明模型模拟值对实测值的解释程度越高，模型的拟合度越好；RMSE和RE越小，表明模型模拟值和实测值之间的偏差越小，预测精度越高。

应用Origin软件进行统计分析与作图。

2. 结果与分析

2.1 模型构建

试验期间环境温度和光合有效辐射情况如表1所示。试验1～3的试验天数分别为32、36和30 d。试验期间日平均气温的最大值为36.38 ℃，最小值为27.47 ℃，均值为33.26～34.51 ℃；日光合有效辐射的最大值为19.58 mol·m⁻²·d⁻¹，最小值为0.001 mol·m⁻²·d⁻¹，均值为8.18～13.64 mol·m⁻²·d⁻¹。其中，试验2日平均气温的均值最高，为34.51 ℃；日光合有效辐射的均值最低，为8.18 mol·m⁻²·d⁻¹。总体上来看，试验2的生长环境较差，因此小白菜生长缓慢，生长期最长。

表 1 试验期间环境温度和光合有效辐射情况

Table 1. Ambient temperature and photosynthetically active radiation applied for experimentation

试验期 Experiment	天数 Days/d	日平均气温 Daily average temperature/℃			日光合有效辐射 Daily photosynthetically active radiation/（mol·m⁻²·d⁻¹）
试验期 Experiment	天数 Days/d	最大值 Maximum	最小值 Minimum	均值 Mean	最大值 Maximum	最小值 Minimum	均值 Mean
1	32	35.87	27.47	33.51	16.86	3.61	10.65
2	36	36.38	31.62	34.51	19.58	0.001	8.18
3	30	34.83	31.25	33.26	19.30	7.67	13.64

下载: 导出CSV

| 显示表格

利用试验1～3的温室内温度和光合有效辐射资料计算LTF、TEP和GDD。经公式（1）～（9）计算，试验1～3期间的每日LTF分别为0.39～0.94、0.41～0.80、0.50～0.84，累积LTF分别为19.27，19.23、19.22；每日TEP分别为1.66～8.33、1.06～8.69、2.62～13.16 mol·m⁻²·d⁻¹，累积TEP分别为132.42、127.01、190.62 mol·m⁻²·d⁻¹；每日GDD分别为23.47～31.87、27.62～32.38、28.42～30.54 ℃，累积GDD分别为946.47、1 098.57、910.60 ℃。

结合试验1小白菜农艺指标数据，对试验期间小白菜单株株高、叶数、叶面积、茎粗、根长、鲜重与LTF关系进行拟合，结果见图1和表2。同时，将试验1小白菜农艺指标动态数据与TEP和GDD进行拟合，与LTF拟合结果进行比较（图1和表2）。由图1可知，小白菜农艺指标均随生长期间LTF、TEP、GDD的增加而增长；其中，叶数、叶面积、茎粗、鲜重呈现前期增长慢、后期增长快的趋势，株高和根长则在试验后期的增长趋势放缓。由表2可知，除叶面积的TEP模型用二次函数拟合外，小白菜农艺指标动态基本上可用S型生长曲线函数即Logistic和Gompertz函数来表达；基于LTF、TEP和GDD的拟合方程的R²均大于0.950，拟合效果较好。就LTF模型来看，株高、叶面积、茎粗、鲜重可用Gompertz函数拟合，叶数、根长可用Logistic函数拟合，R²为0.960～0.989。

图 1 小白菜单株株高（a）、叶数(b)、叶面积(c)、茎粗(d)、根长(e)、鲜重(f)与光温效应、辐热积以及积温的关系

Figure 1. Individual plant height （a）, leaf number （b）, leaf area （c）, stem diameter （d）, root length (e), and fresh weight (f) of B. chinensis in relation to LTF, TEP or GDD

下载: 全尺寸图片幻灯片

表 2 小白菜单株株高、叶数、叶面积、茎粗、根长、鲜重与光温效应、辐热积以及积温的拟合结果

Table 2. Individual plant height, leaf number, leaf area, stem diameter, root length, and fresh weight of B. chinensis as affected by LTF, TEP or GDD

指标 Index	方程 Equation	R²	RMSE	指标 Index	方程 Equation	R²	RMSE
株高 Plant height	23.539 3 EXP[−EXP （0.393 9−0.150 7 LTF）]	0.960	1.097	茎粗 Stem diameter	−16.657 9 EXP[−EXP （1.017 2−0.068 5 LTF）]	0.980	0.310
	−18.353 2/[1+（TEP/53.802 0）^{1.973 3}]+ 24.050 8	0.956	1.156		−17.041 5 EXP[−EXP （1.066 5−0.009 5 TEP）]	0.979	0.314
	−18.227 9/[1+（GDD/346.882 2）^{1.851 7}]+ 23.986 2	0.964	1.047		12.428 7 EXP[−EXP （0.950 0−0.001 7 GDD）]	0.985	0.263
叶数 Leaf number	−20.385 1/[1+（LTF/18.317 6）^{3.270 0}]+ 24.868 9	0.989	0.420	根长 Root length	−28.524 1/[1+（LTF/18.260 6）^{1.2605 9}]+ 32.544 8	0.976	0.755
	−29.309 3/[1+（TEP/154.911 0）^{2.998 7}]+ 33.748 2	0.987	0.451		−24.971 9/[1+（TEP/101.637 62）^{1.413 29}]+ 28.806 06	0.971	0.836
	−16.807 5/[1+（GDD/785.289 5）^{3.442 2}]+ 21.349 9	0.988	0.434		−24.030 76/[1+（GDD/659.621 19）^{1.338 13}]+ 27.959 84	0.973	0.802
叶面积 Leaf area	26 248 000 EXP[−EXP （2.613 8−0.014 5 LTF）]	0.978	39.761	鲜重 Fresh weight	8 347.241 8 EXP[−EXP （2.153 1−0.034 2 LTF）]	0.967	5.696
	30.496 0−1.419 1 TEP+0.054 9 TEP²	0.963	51.538		4 037 040 EXP[−EXP （2.680 0−0.002 43TEP）]	0.972	5.256
	34 100.942 0 EXP[−EXP （1.964 9−0.000 7 GDD）]	0.984	34.089		−1 006.914 6 EXP[−EXP （1.895 8−0.001 1 GDD）]	0.971	5.311

下载: 导出CSV

| 显示表格

2.2 模型检验

将试验2、3的LTF、TEP和GDD数据代入表2中的小白菜农艺指标拟合方程，得出试验2、3期间单株株高、叶数、叶面积、茎粗、根长、鲜重的拟合值，与实测值结果进行比较，检验模型的拟合度和可靠程度。由图2可知，LTF模型的模拟值和实测值的符合度最好，各项农艺指标的模拟值紧密围绕在1∶1直线（1∶1 line）周围。

图 2 小白菜单株株高(a)、叶数(b)、叶面积(c)、茎粗(d)、根长(e)、鲜重(f)模拟值和实测值比较

Figure 2. Simulated vs. measured individual plant height(a), leaf number(b), leaf area(c), stem diameter(d), root length(e), and fresh weight(f) of B. chinensis

下载: 全尺寸图片幻灯片

由表3可知，LTF模型对单株株高、叶数、叶面积、茎粗、根长、鲜重的模拟值与实测值之间的R²为0.907～0.984，RMSE为0.540～34.393，RE为6.79%～12.66%。LTF模型的R²较大说明模拟值与实测值的吻合度较好，RMSE和RE较小说明模拟值对实测值的预测精度较高。TEP、GDD模型对单株株高、叶数、叶面积、茎粗、根长、鲜重的模拟值与实测值之间的R²为0.346～0.874、0.891～0.947，RMSE为1.415～297.276、0.712～109.891，RE为11.32%～223.80%、7.38%～35.82%。除根长LTF模型的R²略小于GDD模型的R²外，其余农艺指标TEP、GDD模型的R²均小于LTF模型的R²，说明LTF模型模拟值与实测值的吻合度优于TEP、GDD模型。另外，LTF模型的RMSE和RE分别为TEP、GDD模型的5.29%～59.98%、31.30%～96.23%，说明LTF模型模拟值对实测值的预测精度高于TEP、GDD模型。

表 3 基于光温效应、辐热积以及积温的小白菜单株株高、叶数、叶面积、茎粗、根长、鲜重模型检验结果

Table 3. Test results of LTF, TEP and GDD models on individual plant height, leaf number, leaf area, stem diameter, root length, and fresh weight of B. chinensis

指标　　 Index	拟合方法 Fitting method	R²	RMSE	RE（%）	指标　　 Index	拟合方法 Fitting method	R²	RMSE	RE（%）
株高 Plant heigh	LTF	0.946	1.106	6.79	茎粗 Stem diameter	LTF	0.936	0.540	12.66
	TEP	0.874	1.843	11.32		TEP	0.744	1.415	33.18
	GDD	0.943	1.200	7.38		GDD	0.897	0.712	16.69
叶数 Leaf number	LTF	0.966	0.697	8.24	根长 Root length	LTF	0.907	1.338	9.97
	TEP	0.346	6.586	77.89		TEP	0.763	2.494	18.59
	GDD	0.947	0.998	11.81		GDD	0.912	1.390	10.36
叶面积 Leaf area	LTF	0.981	34.393	11.21	鲜重 Fresh weight	LTF	0.984	3.733	11.83
	TEP	0.630	297.276	96.91		TEP	0.463	70.648	223.80
	GDD	0.891	109.891	35.82		GDD	0.922	10.637	33.69

下载: 导出CSV

| 显示表格

由表3可知，相对而言，不同农艺指标LTF模型的R²、RMSE、RE变化区间较小，说明LTF模型具有较高的稳定性和良好的适用性；TEP、GDD模型的R²、RMSE、RE变化区间较大，说明TEP、GDD模型模拟结果不稳定，有的预测结果较理想，有的则误差较大。同时，GDD模型的R²均大于TEP模型的R²，GDD模型的RMSE和RE为TEP模型的15.05%～65.19%，说明模型模拟效果总体上为LTF模型＞GDD模型＞TEP模型。

由图2可知，试验2、3的叶数TEP模型的模拟值均明显偏离且高于1∶1直线，说明用光合有效辐射原值来预测叶数是不合适的。试验2、3之间叶面积、鲜重TEP模型的拟合值与1∶1直线间的距离差异较明显。相对地，试验2叶面积、鲜重的模拟值较紧密地分布在1∶1直线周围，说明模拟值与实测值较吻合；而试验3叶面积、鲜重的模拟值较偏离且高于1∶1直线，表明模拟值与实测值误差较大且模拟值偏高。这可能是试验3的光合有效辐射较高，TEP积累较多导致。

3. 结论与讨论

农艺指标是作物生长发育的重要参数，对评价作物生长情况、采收决策及田间管理等具有重要意义^[3]。株高、叶数、叶面积、茎粗、根长等形态特征直观反映小白菜发育情况，鲜重则是小白菜经济产量的直接体现。因此，定量分析小白菜生产过程中农艺指标的动态变化，有利于揭示小白菜形态和产量形成过程，亦可作为小白菜生产决策的参考依据。本研究以LTF为尺度建立了小白菜农艺指标动态模拟模型，拟合方程可用S型生长曲线函数描述。LTF模型简单易用，通过使用数据获取方便的光照和温度为参数，即可预测小白菜株高、叶数、叶面积、茎粗、根长、鲜重等特征。

本研究表明，基于LTF的小白菜株高、叶数、叶面积、茎粗、根长、鲜重模型预测值与实测值吻合度较好，预测精度较高；相关模型的R²为0.907～0.984，RMSE为0.540～34.393，RE为6.79%～12.66%。同时，LTF模型的拟合度和可靠性优于TEP和GDD模型，这与谭文等^[6]、杨再强等^[12]在作物营养品质、生育期模拟方面的观点类似。这是因为LTF模型改进了TEP模型中采用光合有效辐射原值的不足，克服了GDD模型中对光照考虑不全面的弊端，综合地分析了光照和温度对作物生长的促进和抑制作用^[13]。LTF模型对S型生长曲线的描述性较好，机理解释性强，对各项农艺指标拟合效果较好。

本研究结果表明，GDD模型预测效果优于TEP模型；其中试验2、3的叶数TEP模型模拟值明显偏离1∶1直线。这表明在营养生长阶段，相对于光照，温度可能是影响小白菜生长的更关键因素，其中温度对叶数的作用更为明显；这与雷波^[16]认为的温度是生菜营养生长主要影响因子的观点以及丁娟娟等^[19]发现的光照变化对小白菜叶片数影响不大的结论相似。另外，试验2的叶面积、鲜重TEP模型模拟值与实测值较吻合，而试验3则差异明显，表明较高的光合有效辐射对叶面积、鲜重存在抑制作用；这与丁娟娟等^[19]、Wentworth M等^[20]认为强光下植物为适应环境，会减少叶面积以避免吸收过量的光能，进而造成产量下降的观点一致。

本试验期间小白菜株高、叶数、叶面积、茎粗、根长、鲜重均随LTF的增加而增长，这与作物S型生长曲线的前期增长一致^[16]。在试验后期，小白菜株高、根长等增长幅度有所下降，说明植株的生长速度减缓，根部对植株营养和水分吸收逐渐减弱，因此在15～16片叶时商品化采收可能是较合适的，这与李曙轩等^[21]认为小白菜幼苗在15片左右时采收的观点类似。在后期研究中，需要与可溶性糖、可溶性蛋白、维生素C、纤维素等生理指标动态结合考虑，以综合评价最佳采收期。本研究仅以耐热小白菜品种：华冠为试材建立相关模型，且研究数据仅来源于3期的试验，品种类型、数据量等均偏少，需要后期更广泛的品种基础、更多的试验观测以提高模型的精度和普适性。

图 1 小白菜单株株高（a）、叶数(b)、叶面积(c)、茎粗(d)、根长(e)、鲜重(f)与光温效应、辐热积以及积温的关系

下载: 全尺寸图片幻灯片

图 2 小白菜单株株高(a)、叶数(b)、叶面积(c)、茎粗(d)、根长(e)、鲜重(f)模拟值和实测值比较

Figure 2. Simulated vs. measured individual plant height(a), leaf number(b), leaf area(c), stem diameter(d), root length(e), and fresh weight(f) of B. chinensis

下载: 全尺寸图片幻灯片

表 1 试验期间环境温度和光合有效辐射情况

Table 1 Ambient temperature and photosynthetically active radiation applied for experimentation

试验期 Experiment	天数 Days/d	日平均气温 Daily average temperature/℃			日光合有效辐射 Daily photosynthetically active radiation/（mol·m⁻²·d⁻¹）
试验期 Experiment	天数 Days/d	最大值 Maximum	最小值 Minimum	均值 Mean	最大值 Maximum	最小值 Minimum	均值 Mean
1	32	35.87	27.47	33.51	16.86	3.61	10.65
2	36	36.38	31.62	34.51	19.58	0.001	8.18
3	30	34.83	31.25	33.26	19.30	7.67	13.64

下载: 导出CSV

表 2 小白菜单株株高、叶数、叶面积、茎粗、根长、鲜重与光温效应、辐热积以及积温的拟合结果

Table 2 Individual plant height, leaf number, leaf area, stem diameter, root length, and fresh weight of B. chinensis as affected by LTF, TEP or GDD

指标 Index	方程 Equation	R²	RMSE	指标 Index	方程 Equation	R²	RMSE
株高 Plant height	23.539 3 EXP[−EXP （0.393 9−0.150 7 LTF）]	0.960	1.097	茎粗 Stem diameter	−16.657 9 EXP[−EXP （1.017 2−0.068 5 LTF）]	0.980	0.310
	−18.353 2/[1+（TEP/53.802 0）^{1.973 3}]+ 24.050 8	0.956	1.156		−17.041 5 EXP[−EXP （1.066 5−0.009 5 TEP）]	0.979	0.314
	−18.227 9/[1+（GDD/346.882 2）^{1.851 7}]+ 23.986 2	0.964	1.047		12.428 7 EXP[−EXP （0.950 0−0.001 7 GDD）]	0.985	0.263
叶数 Leaf number	−20.385 1/[1+（LTF/18.317 6）^{3.270 0}]+ 24.868 9	0.989	0.420	根长 Root length	−28.524 1/[1+（LTF/18.260 6）^{1.2605 9}]+ 32.544 8	0.976	0.755
	−29.309 3/[1+（TEP/154.911 0）^{2.998 7}]+ 33.748 2	0.987	0.451		−24.971 9/[1+（TEP/101.637 62）^{1.413 29}]+ 28.806 06	0.971	0.836
	−16.807 5/[1+（GDD/785.289 5）^{3.442 2}]+ 21.349 9	0.988	0.434		−24.030 76/[1+（GDD/659.621 19）^{1.338 13}]+ 27.959 84	0.973	0.802
叶面积 Leaf area	26 248 000 EXP[−EXP （2.613 8−0.014 5 LTF）]	0.978	39.761	鲜重 Fresh weight	8 347.241 8 EXP[−EXP （2.153 1−0.034 2 LTF）]	0.967	5.696
	30.496 0−1.419 1 TEP+0.054 9 TEP²	0.963	51.538		4 037 040 EXP[−EXP （2.680 0−0.002 43TEP）]	0.972	5.256
	34 100.942 0 EXP[−EXP （1.964 9−0.000 7 GDD）]	0.984	34.089		−1 006.914 6 EXP[−EXP （1.895 8−0.001 1 GDD）]	0.971	5.311

下载: 导出CSV

表 3 基于光温效应、辐热积以及积温的小白菜单株株高、叶数、叶面积、茎粗、根长、鲜重模型检验结果

Table 3 Test results of LTF, TEP and GDD models on individual plant height, leaf number, leaf area, stem diameter, root length, and fresh weight of B. chinensis

指标　　 Index	拟合方法 Fitting method	R²	RMSE	RE（%）	指标　　 Index	拟合方法 Fitting method	R²	RMSE	RE（%）
株高 Plant heigh	LTF	0.946	1.106	6.79	茎粗 Stem diameter	LTF	0.936	0.540	12.66
	TEP	0.874	1.843	11.32		TEP	0.744	1.415	33.18
	GDD	0.943	1.200	7.38		GDD	0.897	0.712	16.69
叶数 Leaf number	LTF	0.966	0.697	8.24	根长 Root length	LTF	0.907	1.338	9.97
	TEP	0.346	6.586	77.89		TEP	0.763	2.494	18.59
	GDD	0.947	0.998	11.81		GDD	0.912	1.390	10.36
叶面积 Leaf area	LTF	0.981	34.393	11.21	鲜重 Fresh weight	LTF	0.984	3.733	11.83
	TEP	0.630	297.276	96.91		TEP	0.463	70.648	223.80
	GDD	0.891	109.891	35.82		GDD	0.922	10.637	33.69

下载: 导出CSV

参考文献(21)

[1]	周成波. 光质对小白菜生长及生理特性的影响[D]. 泰安: 山东农业大学, 2017. ZHOU C B. Effect of light quality on growth and physiological characteristics of pakchoi[D]. Taian, China: Shandong Agricultural University, 2017. (in Chinese)
[2]	FREDE K, SCHREINER M, BALDERMANN S. Light quality-induced changes of carotenoid composition in pakchoi (<italic>Brassica rapa </italic>ssp.<italic>chinensis</italic>) [J]. <italic>Journal of Photochemistry and Photobiology. B, Biology</italic>, 2019, 193: 18−30. DOI: 10.1016/j.jphotobiol.2019.02.001
[3]	陆海洋, 刘晓英, 司聪聪, 等. 不同光密度对不结球白菜的生长与品质的影响 [J]. 植物生理学报, 2015, 51(6):909−915. LU H Y, LIU X Y, SI C C, et al. Effects of different PPFD on growth and quality of non-heading Chinese cabbages [J]. <italic>Plant Physiology Journal</italic>, 2015, 51(6): 909−915.(in Chinese)
[4]	陈岚. 补充紫外线-B照射对不结球白菜生长与品质及生理特性的影响[D]. 南京: 南京农业大学, 2007. CHEN L. Effects of supplementary ultraviolet-B radiation on plant growth, quality and physiology characteristics of non-heading Chinese cabbage[D]. Nanjing: Nanjing Agricultural University, 2007. (in Chinese)
[5]	薛思嘉, 杨再强, 李军. 高温对小白菜品质的影响及模拟研究 [J]. 中国生态农业学报, 2017, 25(7):1042−1051. XUE S J, YANG Z Q, LI J. Effect of high-temperature on the quality of pakchoi and its simulation [J]. <italic>Chinese Journal of Eco-Agriculture</italic>, 2017, 25(7): 1042−1051.(in Chinese)
[6]	谭文, 杨再强, 李军. 基于温光效应的小白菜营养品质模拟模型研究 [J]. 中国农业气象, 2016, 37(1):59−67. DOI: 10.3969/j.issn.1000-6362.2016.01.008 TAN W, YANG Z Q, LI J. Simulation of nutrient quality of pakchoi based on temperature-light function [J]. <italic>Chinese Journal of Agrometeorology</italic>, 2016, 37(1): 59−67.(in Chinese) DOI: 10.3969/j.issn.1000-6362.2016.01.008
[7]	况媛媛, 徐海, 陈龙正, 等. 湿害胁迫对不结球白菜生长及生理的影响 [J]. 江苏农业学报, 2014, 30(5):1115−1118. DOI: 10.3969/j.issn.1000-4440.2014.05.029 KUANG Y Y, XU H, CHEN L Z, et al. Growth and physiological changes induced by waterlogging in non-heading Chinese cabbage (<italic>Brassica campestris</italic> L. ssp. <italic>Chinensis</italic> Makino) [J]. <italic>Jiangsu Journal of Agricultural Sciences</italic>, 2014, 30(5): 1115−1118.(in Chinese) DOI: 10.3969/j.issn.1000-4440.2014.05.029
[8]	徐磊, 蒋芳玲, 吴震, 等. 基质含水量和光照度对不结球白菜生长及品质的影响 [J]. 江苏农业学报, 2009, 25(4):865−870. DOI: 10.3969/j.issn.1000-4440.2009.04.030 XU L, JIANG F L, WU Z, et al. Effects of substrate water content and light intensity on growth and quality of non-heading Chinese cabbage [J]. <italic>Jiangsu Journal of Agricultural Sciences</italic>, 2009, 25(4): 865−870.(in Chinese) DOI: 10.3969/j.issn.1000-4440.2009.04.030
[9]	张仟雨, 聂磊云, 李萍, 等. 大气CO<sub>2</sub>浓度升高对小白菜生长发育及品质的影响 [J]. 山西农业科学, 2017, 45(3):428−432. DOI: 10.3969/j.issn.1002-2481.2017.03.27 ZHANG Q Y, NIE L Y, LI P, et al. Effects of elevated CO<sub>2</sub> on pakchoi growth and quality [J]. <italic>Journal of Shanxi Agricultural Sciences</italic>, 2017, 45(3): 428−432.(in Chinese) DOI: 10.3969/j.issn.1002-2481.2017.03.27
[10]	谢静静. 化肥减量配施生物菌肥对不结球白菜生长及产量和品质的影响[D]. 南京: 南京农业大学, 2015. XIE J J. Effects of bio-bacterial manure with reduction of chemical fertilizer on growth, yield and quality of non-heading Chinese cabbage[D]. Nanjing: Nanjing Agricultural University, 2015. (in Chinese)
[11]	YASMIN K K, ALI B, CUI X Q, et al. Impact of different feedstocks derived biochar amendment with cadmium low uptake affinity cultivar of pak choi (<italic>Brassica rapa</italic> ssb. <italic>Chinensis</italic> L.) on phytoavoidation of Cd to reduce potential dietary toxicity [J]. <italic>Ecotoxicology and Environmental Safety</italic>, 2017, 141: 129−138. DOI: 10.1016/j.ecoenv.2017.03.020
[12]	杨再强, 黄海静, 金志凤, 等. 基于光温效应的杨梅生育期模型的建立与验证 [J]. 园艺学报, 2011, 38(7):1259−1266. YANG Z Q, HUANG H J, JIN Z F, et al. Development and validation of a photo-thermal effectiveness based simulation model for development of <italic>Myrica rubra</italic> [J]. <italic>Acta Horticulturae Sinica</italic>, 2011, 38(7): 1259−1266.(in Chinese)
[13]	LARSEN R, PERSSON L. Modelling flower development in greenhouse <italic>Chrysanthemum</italic> cultivars in relation to temperature and response group [J]. <italic>Scientia Horticulturae</italic>, 1999, 80(1): 73−89.
[14]	李永秀, 罗卫红, 倪纪恒, 等. 基于辐射和温度热效应的温室水果黄瓜叶面积模型 [J]. 植物生态学报, 2006, 30(5):861−867. DOI: 10.3321/j.issn:1005-264X.2006.05.017 LI Y X, LUO W H, NI J H, et al. Simulation of greenhouse cucumber leaf area based on radiation and thermal effectiveness [J]. <italic>Journal of Plant Ecology</italic>, 2006, 30(5): 861−867.(in Chinese) DOI: 10.3321/j.issn:1005-264X.2006.05.017
[15]	徐国彬, 罗卫红, 陈发棣, 等. 温度和辐射对一品红发育及主要品质指标的影响 [J]. 园艺学报, 2006, 33(1):168−171. DOI: 10.3321/j.issn:0513-353X.2006.01.039 XU G B, LUO W H, CHEN F D, et al. Effects of temperature and solar radiation on <italic>Euphorbia</italic> pulcherrim a development and main quality indices [J]. <italic>Acta Horticulturae Sinica</italic>, 2006, 33(1): 168−171.(in Chinese) DOI: 10.3321/j.issn:0513-353X.2006.01.039
[16]	雷波. 水培生菜生长发育模型的建立[D]. 武汉: 华中农业大学, 2009. LEI B. Models to estimate growth and development of hydroponic lettuce[D]. Wuhan: Huazhong Agricultural University, 2009. (in Chinese)
[17]	韩娴博, 戴剑锋, 徐蕊, 等. 防虫网覆盖塑料大棚小白菜采收期与产量预测模型 [J]. 农业工程学报, 2008, 24(12):155−160. DOI: 10.3321/j.issn:1002-6819.2008.12.033 HAN X B, DAI J F, XU R, et al. Prediction model for harvest date and yield of <italic>Brassica chinensis</italic> L. in plastic tunnels covered with insect-proof screens [J]. <italic>Transactions of the Chinese Society of Agricultural Engineering</italic>, 2008, 24(12): 155−160.(in Chinese) DOI: 10.3321/j.issn:1002-6819.2008.12.033
[18]	李娟, 郭世荣, 罗卫红. 温室黄瓜光合生产与干物质积累模拟模型 [J]. 农业工程学报, 2003, 19(4):241−244. DOI: 10.3321/j.issn:1002-6819.2003.04.060 LI J, GUO S R, LUO W H. Simulation model for photosynthesis and dry matter accumulation in greenhouse cucumber [J]. <italic>Transactions of the Chinese Society of Agricultural Engineering</italic>, 2003, 19(4): 241−244.(in Chinese) DOI: 10.3321/j.issn:1002-6819.2003.04.060
[19]	丁娟娟, 杨振超, 王鹏勃, 等. LED光强对不结球小白菜生长与光合特性的影响 [J]. 西北农林科技大学学报(自然科学版), 2015, 43(3):113−118. DING J J, YANG Z C, WANG P B, et al. Influence of LED light intensity on growth and photosynthetic characteristics of non-heading Chinese cabbage [J]. <italic>Journal of Northwest A&F University (Natural Science Edition)</italic>, 2015, 43(3): 113−118.(in Chinese)
[20]	WENTWORTH M, MURCHIE E H, GRAY J E, et al. Differential adaptation of two varieties of common bean to abiotic stressⅡ. Acclimation of photosynthesis [J]. <italic>Journal of Experimental Botany</italic>, 2006, 57(3): 699−709. DOI: 10.1093/jxb/erj061
[21]	李曙轩, 何平和, 叶自新. 白菜个体产量的形成及其与叶生长动态的关系 [J]. 园艺学报, 1962, 1(1):49−60. LI S X, HE P H, YE Z X. Formation of individual yield of Chinese cabbage and its relationship with leaf growth dynamics [J]. <italic>Acta Horticulturae Sinica</italic>, 1962, 1(1): 49−60.(in Chinese)

施引文献(3)

期刊类型引用(3)

1.	鄂利锋，徐金崇，陈修斌，权建华，华军，尹丽娟，王舜奇，赵文勤. 外源硅对盐胁迫下娃娃菜种子萌发及幼苗生理特性的影响. 作物杂志. 2024(06): 212-217 . 百度学术
2.	王宏梅，陈俊如，王建武，相微微，陈花. 耐寒短杆菌SDB5对小白菜农艺性状及营养品质的影响. 陕西农业科学. 2023(02): 50-54 . 百度学术
3.	李乐乐，钞锦龙，杨朔，赵德一，雷添杰，肖梦琳. 不同光照强度对温室大棚温湿环境的影响. 浙江农业科学. 2022(03): 517-523 . 百度学术

其他类型引用(0)

资源附件(0)

图(2) / 表(3)

计量

文章访问数: 672
HTML全文浏览量: 289
PDF下载量: 37
被引次数: 3

0. 引言
1. 数据与方法
1.1 试验设计
1.2 模型描述
2. 结果与分析
2.1 模型构建
2.2 模型检验
3. 结论与讨论

基于光温效应的温室小白菜农艺指标动态模拟

作者简介: 蔡淑芳（1985−），女，助理研究员，研究方向：数字农业（csf2019@qq.com）

通讯作者: 雷锦桂（1973−），男，研究员，研究方向：数字农业（71906244@qq.com）

计量

出版历程