毛麗萍，任 君

（1.山西省農(nóng)業(yè)科學院蔬菜研究所，山西 太原 030032；2.山西省農(nóng)業(yè)科學院作物科學研究所，山西 太原 030032）

精確定量地了解作物生產(chǎn)過程中葉面積指數(shù)的動態(tài)變化是揭示作物產(chǎn)量形成和掌握高產(chǎn)群體調(diào)控指標的重要內(nèi)容[1]。

目前，已在玉米、小麥、水稻、番茄和甜椒等作物上建立了葉面積指數(shù)動態(tài)模擬模型[2-11]，均能較好地模擬各種作物的葉面積動態(tài)變化，并且應(yīng)用于作物的遙感估測[12]。然而，在西葫蘆上還未見有成功的模擬模型的建立與應(yīng)用，為此，本研究建立了西葫蘆葉面積的動態(tài)模擬模型，并且進行了檢驗。

1 材料和方法

1.1 試驗設(shè)計

春提早西葫蘆品種為晉葫7號、早青一代、晉葫17號、早豐一代和碧爽。2008年2月17日播種于山西省農(nóng)業(yè)科學院蔬菜研究所1號日光溫室內(nèi)，密度為19500株/hm2。3月1日出苗，4月10日開花，4月20日進入采收期，6月25日拉秧。

秋延后西葫蘆品種為秋玉、晶瑩、熱抗王、東葫4號和早青一代。2008年8月17日播種于山西省農(nóng)業(yè)科學院蔬菜研究所1號日光溫室內(nèi)，密度為19500株/hm2。8月25日出苗，9月25日開花，10月5日進入采收期，11月25日拉秧。

越冬茬西葫蘆品種為早青一代、特早王、超越206、冬玉和冬麗。2008年1月5日播種于山西省農(nóng)業(yè)科學院蔬菜研究所5號日光溫室內(nèi)，密度為19500株/hm2。1月15日出苗，3月25日開花，4月10日進入采收期，5月25日拉秧。

3個茬口試驗均從三葉一心期開始，用遠程無限環(huán)境監(jiān)測系統(tǒng)（中國農(nóng)科院環(huán)境與可持續(xù)發(fā)展研究所研發(fā)）記錄環(huán)境溫度。

為降低個體間競爭，試驗種植密度相對較低，保證植株不受水分和養(yǎng)分脅迫。每處理選擇有代表性的植株4株，從三葉期開始每7～10 d定株測量各葉位葉片的葉長和最大葉寬。

1.2 數(shù)據(jù)處理

葉面積指數(shù)（LAI）采用回歸相關(guān)法[13]計算。

作物生育時期隨品種、播期、地域不同而變化，所以統(tǒng)一模型必須首先統(tǒng)一時間尺度。本研究用有效積溫（≥10℃）表示生育期長度，對葉面積指數(shù)和生長期作歸一化處理[14]，建立西葫蘆葉面積指數(shù)增長普適模型。將整個生育期最大葉面積指數(shù)（LAImax）定為1，作物生育期某日相對葉面積指數(shù)（RLAIj）可表示為:RLAIj＝LAIj/LAImax，其中，RLAIj取值為 0～1。

以開花期為界將整個生育期分為2個階段，出苗到開花前1 d為第1個階段，即營養(yǎng)生長階段，積溫用AT1表示；開花日到拉秧日為第2個階段，即生殖生長階段，積溫用AT2表示。

式中，m和n分別為出苗至開花日和開花日至拉秧的天數(shù)，Tj為逐日平均氣溫，DSj為積溫歸一化后數(shù)值，i為出苗到某次采集數(shù)據(jù)的天數(shù)。DSj取值范圍，營養(yǎng)生長階段為0～1，生殖生長階段為1～2。

以DSj為自變量，RLAIj為因變量，利用Curve Expert 1.38軟件進行相對LAI和相對有效積溫的模擬，篩選、建立具有生物學意義的相對LAI動態(tài)模擬模型。

2 結(jié)果與分析

2.1 西葫蘆LAI動態(tài)變化規(guī)律

從LAI動態(tài)變化曲線（圖1）可看出，3個茬口的西葫蘆LAI的變化趨勢基本一致，均為緩慢增長、快速增長和快速下降的偏峰曲線。但不同茬口西葫蘆的最大葉面積指數(shù)（LAImax）及其到達時間不同，春提早、越冬茬西葫蘆在出苗后98 d、秋延后西葫蘆在出苗后46 d左右達到LAImax值。若將LAImax定為1，用相對有效積溫表示生長期，對數(shù)據(jù)進行歸一化處理，則可以消除或縮小西葫蘆不同茬口間LAI和生育期天數(shù)的差異，數(shù)據(jù)點的離散程度會大大下降。因此，利用歸一化數(shù)據(jù)可以更好地模擬西葫蘆的LAI動態(tài)變化，有助于建立一個適用于不同茬口西葫蘆的LAI普適模型，且多個實例可能共用1條擬合曲線。

2.2 作物相對化LAI動態(tài)模型的建立

2.2.1 相對化LAI模型的篩選[1]對春提早、秋延后和越冬茬西葫蘆的LAI和有效積溫進行歸一化處理后，利用Curve Expert 1.38軟件對相對LAI和相對有效積溫進行模擬，得到了10余個模擬方程。取其中模擬效果較好的前6個方程，按其相關(guān)系數(shù)大小列于表1。由表1可知，有理方程、余弦曲線和三次多項式的相關(guān)系數(shù)（r）比較高，最高的為0.9720，均可用作西葫蘆LAI動態(tài)模擬模型。有理方程y＝（－0.0099＋0.0894x）/（1－1.3778x＋0.5343x2）的相關(guān)系數(shù)最高，所以采用有理方程作為西葫蘆相對化LAI動態(tài)模擬方程。

表1 3個茬口西葫蘆的相對化LAI模型

2.2.2 相對化LAI動態(tài)模型的建立 利用2.2.1方法，對3個茬口西葫蘆的歸一化數(shù)據(jù)分別進行模擬（圖2），春提早、秋延后和越冬茬西葫蘆的模擬模型分別為:y＝（-0.0400＋0.0875x）/（1－1.4738x＋0.5882x2）（r＝0.9922**，n＝50），y＝（0.0355＋0.0600x）/（1－1.3905x＋0.5431x2）（r＝0.9919**，n＝22），y＝（－0.0464＋0.1464x）/（1－1.3779x＋ 0.5590x2）（r＝0.9887**，n＝70），其中，相關(guān)系數(shù)均在0.98以上。有理方程通式y(tǒng)＝（a＋bx）/（1＋cx＋dx2）中，y為相對LAI值，x為相對有效積溫，a，b，c和d為常數(shù)。當x＝0時，y＝a，即a值為西葫蘆三葉期的相對LAI；當x=1時，y＝（a＋b）/（1＋c＋d），（a＋b）/（1＋c＋d）即為開花期時西葫蘆的相對LAI。方程只有1個峰值，且當x→∞時，y→0，說明有理方程能夠?qū)ξ骱J生長較合理地進行解釋，通過該方程可以計算出任意相對有效積溫時期的相對LAI。

由圖2可知，根據(jù)LAI動態(tài)模型模擬的春提早和秋延后西葫蘆模擬值與實測值吻合較好，能夠較好地反映這2個茬口西葫蘆的LAI動態(tài)變化；而越冬茬西葫蘆在生長前期的模擬值比實測值稍低（這是由于播種出苗期氣溫偏低，幼苗生長緩慢，葉面積增長較少所致），但在中后期該模型仍能較好模擬越冬茬的LAI動態(tài)變化，且相關(guān)系數(shù)較高（r＝0.9887**）。LAI動態(tài)模型對該地區(qū)不同品種不同栽培茬口西葫蘆具有通用性。

2.3 相對化LAI動態(tài)模擬模型的檢驗

分別利用春提早、秋延后和越冬茬西葫蘆不同生育時期的LAI測量值進行整個生育期間的LAI動態(tài)模擬，模擬值與實測值的散點圖如圖3所示。

由圖3可知，由相對化LAI模型模擬所得的模擬值與實測值比較接近，模擬結(jié)果的準確性（k）的變動范圍在0.9996～1.0007之間，近似于1。模擬的精確度（R2）在0.9769～0.9839之間，以對春提早西葫蘆的模擬精確度最高，R2＝0.9839；越冬茬西葫蘆的模擬精確度最低，R2＝0.9769。表明該模型的模擬準確度較高，模擬結(jié)果能較好地反映西葫蘆LAI動態(tài)變化。

3 討論

較早的作物LAI動態(tài)變化的數(shù)學模型為Logistic修正模型，后來出現(xiàn)了LAI變化的分段模型[8]，但因各階段的模型或參數(shù)差異較大，應(yīng)用較困難。Pronk等根據(jù)植物與光能利用率的關(guān)系，建立了干物質(zhì)積累和LAI動態(tài)模型，但預(yù)測效果較差[11]。張賓等[1]建立的相對化LAI普適性增長模型，比利用測量數(shù)據(jù)直接進行模擬前進了一步，但沒有考慮品種發(fā)育的積溫和光周期效應(yīng)。王冀川等[2]建立了基于相對發(fā)育期與相對LAI關(guān)系的加工番茄LAI普適性變化模型，模型預(yù)測效果較好。

本研究通過不同品種和茬口試驗，以相對有效積溫為自變量，建立了西葫蘆LAI動態(tài)變化模擬模型，可以用于不同茬口西葫蘆LAI的動態(tài)模擬，比單純以時間為自變量的葉面積指數(shù)曲線適用性更強[14]。該模型與張賓等[1]以相對時間表示生育時間建立小麥、玉米、水稻通用模型相似，而且能夠更準確地模擬作物LAI的動態(tài)變化。

本研究模型的建立不需先進儀器，只需知道作物生長期的有效積溫和葉面積即可?？朔擞趶姷萚15]水稻模型和林忠輝等[14]玉米模型只有知道LAImax才能進行模擬的缺點，也克服了作物分階段模型模擬LAI的繁瑣過程[8，16]，同時模型參數(shù)少，計算簡便。但由于受栽培研究資料的限制，本研究建立的模型在不同生態(tài)區(qū)域下的廣泛測試和驗證還有待進一步加強。

4 結(jié)論

將春提早、秋延后和越冬茬西葫蘆的LAImax和出苗至開花的有效積溫定為1，對歸一化處理后的相對LAI和相對有效積溫進行LAI動態(tài)模擬，建立了適用于這3個茬口的西葫蘆LAI動態(tài)模擬的普適模型y＝（a＋bx）/（1＋cx＋dx2）及各自的模型，春提早、秋延后和越冬茬西葫蘆的模擬模型分別為 y＝（－0.0400＋0.0875x）/（1－1.4738x＋0.5882x2）（r＝0.9922**，n＝50），y＝（0.0355＋0.0600x）/（1－1.3905x＋0.5431x2）（r＝0.9919**，n=22）和 y＝（-0.0464＋0.1464x）/（1－1.3779x＋0.5590x2）（r＝0.9887**，n＝70）。準確度（以k表示）分別為0.9996，1.0007和1.0005，精確度（以R2表示）分別為0.9839，0.9823和0.9769。西葫蘆LAI動態(tài)模型從西葫蘆三葉期就能夠比較準確地進行LAI動態(tài)預(yù)測，可用于區(qū)域作物生長檢測及遙感估產(chǎn)。

［1］張賓，趙明，董志強，等.作物高產(chǎn)群體LAI動態(tài)模擬模型的建立與檢驗[J].作物學報，2007，33（4）:612-619.

［2］王冀川，馬富裕，馮勝利，等.加工番茄葉面積指數(shù)動態(tài)的知識模型研究[J].石河子大學學報:自然科學版，2008，26（1）:35-40.

［3］倪紀恒，羅衛(wèi)紅，李永秀，等.溫室番茄葉面積與干物質(zhì)生產(chǎn)的模擬[J].中國農(nóng)業(yè)科學，2005，38（8）:1629-1635.

［4］鄭國清，尹紅征，段韶芬，等.作物模擬研究中的模型檢驗[J].華北農(nóng)學報，2003，18（2）:110-113.

［5］曹宏鑫，劉世軍，張立民，等.小麥群體葉面積的動態(tài)模擬[J].沈陽農(nóng)業(yè)大學學報，2000，31（3）:246-248.

［6］尹紅征，呂冰清，鄭國清，等.玉米產(chǎn)量形成模擬模型研究[J].華北農(nóng)學報，2004，19（3）:73-76.

［7］陳國慶，朱艷，曹衛(wèi)星.冬小麥葉片生長特征的動態(tài)模擬[J].作物學報，2005，31（11）:1524-1527.

［8］曹宏鑫，董玉紅，王旭清，等.不同產(chǎn)量水平小麥最適葉面積指數(shù)動態(tài)模擬模型研究 [J].麥類作物學報，2006，26（3）:128-131.

［9］王玲，謝德體，劉海隆，等.玉米葉面積指數(shù)的普適增長模型[J].西南農(nóng)業(yè)大學學報:自然科學版，2004，26（3）:304-311.

［10］刁明，戴劍鋒，羅衛(wèi)紅，等.溫室甜椒葉面積指數(shù)形成模擬模型[J].應(yīng)用生態(tài)學報，2008，19（10）:2277-2283.

［11］孫成明，莊恒揚，楊連新，等.FACE水稻葉面積指數(shù)的模擬研究[J].農(nóng)業(yè)環(huán)境科學學報，2007，26（3）:1003-1007.

［12］鄭國清，段韶芬，張瑞玲，等.基于模擬模型的玉米栽培管理信息系統(tǒng)[J].中國農(nóng)業(yè)科學，2004，37（4）:619-624.

［13］毛麗萍，郭尚.回歸相關(guān)法測定西葫蘆葉面積研究[J].上海蔬菜，2005（5）:74-75.

［14］林忠輝，項月琴，莫興國，等.夏玉米葉面積指數(shù)增長模型的研究[J].中國生態(tài)農(nóng)業(yè)學報，2003，11（4）:69-72.

［15］于強，傅抱璞，姚克敏.一種玉米葉面積普適增長模型[J].中國農(nóng)業(yè)氣象，1995，16（2）:6-8.

［16］馬韞韜，郭焱，展志崗，等.玉米生長虛擬模型GREENLAB-Maize的評估[J].作物學報，2006，32（7）:956-963.