李曉明，劉學忠，閆 亮，張曉琳

(海南神州新能源建設開發(fā)有限公司，海南?？?571100)

?

能源草莖葉生物量·干鮮比及產(chǎn)氣量預測模型構建

李曉明，劉學忠*，閆 亮，張曉琳

(海南神州新能源建設開發(fā)有限公司，海南?？?571100)

[目的]為能源草莖葉生物量、干鮮比及產(chǎn)氣量的估算提供簡便、快捷、準確的非破壞性方法。[方法]研究能源草植后90 d至首次刈割時期，莖葉生物量、干鮮比及產(chǎn)氣量與植后天數(shù)的關系。[結(jié)果]通過模型擬合和擇優(yōu)得到莖葉生物量的預測模型W=2.338d1.735、莖葉干鮮比的預測模型V=20.79-4 174 726Exp(-0.158 2d)及莖葉產(chǎn)氣量的預測模型G=2.209d1.73；生長后期莖葉干鮮比增速緩慢并逐步趨于穩(wěn)定，預測曲線顯示其最終穩(wěn)定在20.77%；莖葉產(chǎn)氣速度隨著植后天數(shù)的增加呈現(xiàn)出下降趨勢，二者之間呈顯著的負相關。[結(jié)論]該研究通過模型擬合和擇優(yōu)得到莖葉生物量、干鮮比和產(chǎn)氣量的預測模型，擬合優(yōu)度很高。

能源草；莖葉生物量；干鮮比；產(chǎn)氣量；預測模型

作物生物量是光合作用和呼吸作用的共同結(jié)果，調(diào)查作物生物量及其動態(tài)變化規(guī)律對于研究干物質(zhì)積累分配、產(chǎn)量形成、光合與呼吸特性等具有重要意義。能源草莖葉生物量、干鮮比及產(chǎn)氣量指標是利用能源草作為原料進行沼氣生產(chǎn)的重要指標，它影響著沼氣生產(chǎn)的經(jīng)濟性和能源草的刈割時間、次數(shù)，因此建立非破壞性的估測方法非常必要。

應用異速生長關系間接估測植物的生物量具有非破壞性、節(jié)省勞動力和提高效率等優(yōu)點，已在木薯、苗木及灌木等方面得到了較為廣泛的應用[1-5]，但迄今為止尚未見有利用能源草植后天數(shù)預測莖葉生物量、干鮮比及產(chǎn)氣量的報道。該研究探討了能源草植后90 d至首次刈割時期莖葉生物量、干鮮比及產(chǎn)氣量與植后天數(shù)的關系，構建能源草的回歸模型，旨在為能源草莖葉生物量、干鮮比及產(chǎn)氣量的估算提供簡便、快捷、準確的非破壞性方法。

1　材料與方法

1.1試驗概況試驗于2016年在海南神州新能源建設開發(fā)有限公司澄邁羅驛村能源草種植基地進行。供試材料為熱研4號王草和巨菌草2個能源草品種，1月7日定植，5月12日首次刈割。能源草定植時將每條種莖截斷為若干段，每段2個芽眼，水平擺放于溝內(nèi)，用溝土覆蓋。能源草種植密度為株距50 cm、行距60 cm(株距是指相鄰2段種莖的2個中心點之間的距離)，種莖芽眼總數(shù)為66 690個/hm2，每個芽眼的種植面積為0.15 m2。

1.2樣株選取能源草種莖定植后90 d進行第1次采樣，以后每間隔8 d采樣1次，首次刈割前共采樣5次，每次隨機選取5個樣本，在由2個種植品種、施用過磷酸鈣及追施沼液形成的5種不同栽培條件下各取1個樣本。采樣時隨機選擇采樣行，然后沿著采樣行隨機連續(xù)收割能源草植株0.9 m2(6個芽眼的種植面積)作為1個樣本，5次采樣共獲得數(shù)據(jù)完整的樣本25個。

1.3測定項目

1.3.1莖葉生物量及干鮮比。每次采樣后將能源草投入機器里切碎，混合均勻后稱量樣本鮮重，選取適量莖葉樣品，稱量樣品鮮重，將莖葉樣品置入80 ℃電熱鼓風干燥箱內(nèi)通風干燥72 h，冷卻至恒重，稱量莖、葉樣品的干物質(zhì)重量，即莖葉生物量。莖葉樣品的干物質(zhì)重與其鮮重的百分比即為莖葉干鮮比。

1.3.2莖葉產(chǎn)氣量。將莖葉樣品的干物質(zhì)置入箱式電阻爐內(nèi)580 ℃加熱2 h，充分燃燒后冷卻至恒重，稱量莖葉樣品的灰分重量，并計算莖葉干物質(zhì)的產(chǎn)氣率和產(chǎn)氣量，即莖葉產(chǎn)氣量。

1.3.3莖葉產(chǎn)氣速度。前、后2次采樣莖葉干物質(zhì)的產(chǎn)氣量之差，除以采樣的間隔天數(shù)，可以得到莖葉干物質(zhì)的產(chǎn)氣速度，即莖葉產(chǎn)氣速度。

1.4數(shù)據(jù)處理該研究采用SAS JMP 10.0.0軟件及Excel進行數(shù)據(jù)分析和模型擬合。

2　結(jié)果與分析

圖1　莖葉生物量與植后天數(shù)的關系Fig.1　The relationship between stem and leaf biomass and days after planting

2.1莖葉生物量的預測模型采用多種直線和曲線方程對植后天數(shù)與莖葉生物量的關系進行了模擬，結(jié)果表明乘冪函數(shù)關系式的擬合效果最好(圖1)。通過模型擬合和擇優(yōu)得到莖葉生物量的預測模型：W=2.338d1.735，式中W表示莖葉生物量(kg/hm2)，d表示植后天數(shù)(d)。經(jīng)檢驗，均方根誤差RMSE為915.870 0，決定系數(shù)R為0.856 7*，擬合優(yōu)度很高。

2.2莖葉干鮮比的預測模型采用多種直線和曲線方程對植后天數(shù)與莖葉干鮮比的關系進行了模擬，結(jié)果表明三參數(shù)指數(shù)關系式的擬合效果最好，其回歸曲線呈“廠”字形(圖2)。通過模型擬合和擇優(yōu)得到莖葉干鮮比的預測模型：V=20.79-4 174 726Exp(-0.158 2d)，式中V表示莖葉干鮮比(%)，d表示植后天數(shù)(d)。經(jīng)檢驗，均方根誤差RMSE為0.717 4，決定系數(shù)R為0.834 5*，擬合優(yōu)度很高?；貧w曲線顯示，生長后期能源草莖葉干鮮比的增速緩慢并逐步趨于穩(wěn)定。將植后天數(shù)代入預測模型，顯示干鮮比最終穩(wěn)定在20.77%。

圖2　莖葉干鮮比與植后天數(shù)的關系Fig.2　The relationship between dry and fresh ratio of stem and leaf and days after planting

2.3莖葉產(chǎn)氣量的預測模型采用多種直線和曲線方程對植后天數(shù)與莖葉產(chǎn)氣量的關系進行了模擬，結(jié)果表明乘冪函數(shù)關系式的擬合效果最好(圖3)。通過模型擬合和擇優(yōu)得到莖葉產(chǎn)氣量的預測模型：G=2.209d1.73，式中G表示莖葉產(chǎn)氣量(kg/hm2)，d表示植后天數(shù)(d)。經(jīng)檢驗，均方根誤差RMSE為868.41，決定系數(shù)R為0.847 9*，擬合優(yōu)度很高。

圖3　莖葉產(chǎn)氣量與植后天數(shù)的關系Fig.3　The relationship between stem and leaf gas production and days after planting

2.4莖葉產(chǎn)氣速度的動態(tài)變化莖葉產(chǎn)氣速度的動態(tài)變化如圖4所示，能源草生長后期莖葉產(chǎn)氣速度隨著植后天數(shù)的增加呈現(xiàn)出下降趨勢，相關系數(shù)r=-0.460 7，P=0.040 9，二者之間呈顯著負相關。

圖4　莖葉產(chǎn)氣速度的動態(tài)變化Fig.4　The dynamic change of stem and leaf gas production rate

3　結(jié)論與討論

(1)該研究在由2個種植品種、多個施磷和沼液水平形成的不同栽培條件下取得樣本，每次采樣數(shù)量以及不同種植品種之間、不同施磷和沼液水平之間的采樣數(shù)量相同，通過模型擬合和擇優(yōu)得到莖葉生物量和產(chǎn)氣量的預測模型，決定系數(shù)R分別為0.856 7和0.847 9，擬合優(yōu)度很高。該預測模型是在能源草種莖定植后90 d至首次刈割時期構建的，首茬能源草的生長前期由于干物質(zhì)積累速度較快，莖葉生物量和產(chǎn)氣量的動態(tài)變化有可能與生長后期產(chǎn)生差異；第2茬能源草由于分蘗數(shù)的持續(xù)增加，其莖葉生物量和產(chǎn)氣量的動態(tài)變化也有可能與第1茬不同，這些都有待后續(xù)進一步探討。

(2)有研究表明，對王草生物產(chǎn)量影響最大的是刈割頻率[6]，而種植密度和施肥水平對其產(chǎn)量的影響不顯著。也有報道指出，各牧草品種低海拔區(qū)的刈割次數(shù)為6次，中、高海拔區(qū)的刈割次數(shù)分別為5次和4次[7]。適時進行刈割，合理確定年刈割次數(shù)，對提高能源草莖葉生物產(chǎn)量及產(chǎn)氣量具有積極的意義。該研究結(jié)果顯示，首茬能源草莖葉干鮮比的回歸曲線呈“廠”字形，生長后期干鮮比增速緩慢并逐步趨于穩(wěn)定。將植后天數(shù)代入莖葉干鮮比的預測模型，顯示干鮮比最終穩(wěn)定在20.77%的水平，表明能源草干鮮比達20.77%時不再增加，此時進入適宜刈割期。

(3)該研究發(fā)現(xiàn)，能源草生長后期莖葉產(chǎn)氣速度隨著植后天數(shù)的增加呈現(xiàn)下降趨勢，二者之間呈顯著的負相關，表

明能源草刈割時間推遲會減少產(chǎn)氣數(shù)量。該研究受試驗條件的限制并沒有確定能源草產(chǎn)氣速度從上升轉(zhuǎn)為下降時的拐點，有待后續(xù)進一步研究。

(4)通過植后天數(shù)預測能源草的莖葉生物量、干鮮比和產(chǎn)氣量具有非破壞性，可以克服刈割實測受樣本數(shù)量限制的矛盾，提高了調(diào)查數(shù)據(jù)的精確度，還具有調(diào)查快捷、簡便，工作量少的特點。該研究構建的預測模型是在該試驗栽培條件下獲得的實測數(shù)據(jù)基礎上構建的，在此范圍內(nèi)進行能源草莖葉生物量、干鮮比及產(chǎn)氣量的估算，結(jié)果精確，若超出該范圍應進行適合性檢驗并確定校正值。

[1]李曉明，楊重法，左應梅，等.估測木薯莖葉生物量的一數(shù)學模型[J].熱帶作物學報，2009，30(4)：440-444.

[2]韓文軒，方精云.冪指數(shù)異速生長機制模型綜述[J].植物生態(tài)學報，2008，32(4)：951-960.

[3]陸霞梅，周長芳，安樹青，等.植物的表型可塑性、異速生長及其入侵能力[J].生態(tài)學雜志，2007，26(9)：1438-1444.

[4]李春萍，李剛，肖春旺.異速生長關系在陸地生態(tài)系統(tǒng)生物量估測中的應用[J].世界科技研究與發(fā)展，2007，29(2)：51-57.

[5]曾慧卿，劉琪璟，馬澤清，等.千煙洲灌木生物量模型研究[J].浙江林業(yè)科技，2006，26(1)：13-17.

[6]涂旭川，劉國道，白昌軍，等.熱研4號王草栽培技術初探[J].中國農(nóng)學通報，2008(10)：533-535.

[7]張進國，雷荷仙，黎紀鳳，等.3個牧草品種在銅仁市不同海拔區(qū)的生長表現(xiàn)[J].貴州農(nóng)業(yè)科學，2014(4)：86-89，93.

Construction of Prediction Model of Stem and Leaf Biomass,Dry-Fresh Ratio and Gas Production of Energy Grass

LI Xiao-ming,LIU Xue-zhong*,YAN Liang et al

(Hainan Shenzhou New Energy Construction and Development Co.Ltd.,Haikou,Hainan 571100)

[Objective]The aim was to provide a simple,rapid,accurate non-constructive method for estimation of stem and leaf biomass,dry-fresh ratio and gas production of energy grass.[Method]This study explored the relationships after planting 90 days to first harvest period between the biomass of stem and leaf,dry-fresh ratio,gas production of energy grass and the number of days after planting.[Result]Through the model fitting and preferred to get the prediction model of stem and leaf biomass W=2.338d1.735,the prediction model of dry-fresh ratio V = 20.79-4 174 726Exp(-0.158 2d) and the prediction model of gas production G=2.209d1.73;The dry-fresh ratio of the stem and leaf growing late grows at a snail’s pace and gradually tends to be stable.The prediction curve shows the final stability is at the level of 20.77%;The gas production rate of stem and leaf shows a downward trend with the increase of the number of days after planting,the significant negative correlation is presented between them.[Conclusion]Through model fitting and preferring,prediction model of stem and leaf biomass,dry-fresh ratio and gas production was obtained with high fitting degree.

Energy grass;Biomass of stem and leaf;Dry-fresh ratio;Gas production;Prediction model

海南省科技廳資助項目(CXY20130052)。

李曉明(1974- )，男，安徽霍邱人，農(nóng)藝師，碩士，從事作物栽培研究。*通訊作者，工程師，從事新能源研究與開發(fā)工作。

2016-06-22

S 543+.9

A

0517-6611(2016)25-010-02