摘要：【目的】研究不同基因型月季葉面積估算模型，并對其進行有效性檢驗，為月季葉面積測量和月季生長發(fā)育數(shù)字模型構(gòu)建提供參考依據(jù)。【方法】以300個月季品種的6000片葉片為試驗材料，采用游標卡尺測定每個品種月季葉片的葉長和葉寬，采用ImageJ圖像處理軟件獲得測量葉面積，基于決定系數(shù)（R2）、均方根誤差（RMSE）、歸一化均方根誤差（NRMSE）對建立的7個葉面積模型通過模擬葉面積分別與各品種的測量葉面積進行擬合，基于不同基因型月季的葉片品系、葉片形態(tài)的葉形系數(shù)3個因素對月季進行分類和模型系數(shù)的計算?！窘Y(jié)果】7個葉面積估算模型中，模型3、4、7的模擬葉面積和測量葉面積分布于1∶1線附近，說明能較好地預測月季葉面積，其中模型4的R2為0.907，RMSE為0.726 cm2，NRMSE為0.082 cm2，精度較高且簡便、通用性好，適用于大規(guī)模田間測量。不同月季品系間的模型系數(shù)無顯著差異（Pgt;0.05）。圓形葉片的平均模型系數(shù)顯著高于卵圓形和橢圓形葉片（Plt;0.05，下同）。將葉片按葉形系數(shù)以0.2為1個間隔分為7類的分類下RMSE總值為0.863 cm2，小于利用葉形系數(shù)以0.4間隔分類（0.894 cm2）。隨機選取70個月季品種對其葉面積模型進行驗證，結(jié)果顯示，葉形系數(shù)因子的葉面積模型系數(shù)的平均相對誤差值為-0.499%，小于5%，表明基于葉形系數(shù)的葉面積模型系數(shù)可適用于測定月季葉面積?！窘Y(jié)論】計算月季葉面積精度較高且通用性較好的模型公式為葉面積=平均模型系數(shù)×葉長×葉寬，葉形系數(shù)以0.2為1個間隔更能準確反映月季葉片的形狀特征，利用平均模型系數(shù)計算的葉面積精度較高。

關鍵詞：月季；葉面積模型；長寬法；不同基因型

中圖分類號：S685.12 文獻標志碼：A 文章編號：2095-1191（2024）11-3358-11

Leaf area estimation model by length and width method of rosewith different genotypes and validity test

YE Yun-yu1， WANG Jun-yun2， YIN Xuan-peng1， CHEN Jun-ji1， ZHU Hong-feng1，DUAN Sheng-sheng1， WU Hong-zhi1*

（1College of Landscape and Horticulture， Yunnan Agricultural University， Kunming， Yunnan 650201， China； 2YunnanFlower Technology Training and Promotion Center， Kunming， Yunnan 650034， China）

Abstract：【Objective】To study the estimation models of rose leaf area for different genotypes and test their validity， which could provide reference for measuring rose leaf area and constructing digital models of rose growth and develop‐ment.【 Method】Using 6000 leaves of 300 rose varieties as experimental materials， the longest leaf length and widest leaf width of each variety’s rose leaves were measured using a vernier caliper. The actual measured leaf area was obtained using ImageJ image processing software. Based on the coefficient of determination（ R2）， root mean square error（ RMSE）， and normalized root mean square error（ NRMSE）， 7 leaf area models were established to simulate leaf area and fit it to the actual measured leaf area of each variety. Based on the leaf strain， leaf shape and leaf shape coefficient of different genotypes of rose， the classification and model coefficient were calculated. 【Result】Among the 7 leaf area estimation models， the simulated leaf area and actual measured leaf area of models 3， 4， and 7 were distributed near 1∶1 line， indi‐cating good prediction of rose leaf area. Among them， model 4 had an R2 of 0.907， RMSE of 0.726 cm2， and NRMSE of0.082 cm2， with high accuracy， simplicity， and good universality， suitable for large-scale field measurements. There was no significant difference in the model coefficients between different rose strains（ Pgt;0.05）. The average model coefficient of circular leaves was significantly higher than that of oval and elliptical leaves（ Plt;0.05， the same below）. Under the clas‐sification of leaves into 7 categories with a leaf shape coefficient of 0.2 intervals， the mean RMSE was 0.863 cm2， which was lower than the classification using a leaf shape coefficient of 0.4 intervals（ 0.894 cm2）. Randomly selecting 70 rose varieties to validate their leaf area model， the results showed that the average relative error of the leaf area model coeffi‐cient based on the leaf shape coefficient factor was 0.499%， indicating that the leaf area model coefficient based on the leaf shape coefficient could be used to determine rose leaf area.【 Conclusion】The model formula for calculating rose leaf area with high accuracy and good universality is： leaf area=leaf area×leaf length×leaf width， the leaf shape coefficient with an interval of 0.2 can more accurately reflect the shape characteristics of rose leaves， and the obtained model coeffi‐cients have higher accuracy in calculating leaf area.

Key words： rose； leaf area model； length width method； different genotypes

Foundation items： Yunnan Major Science and Technology Special Projec（t 202102AE090001）； Yunnan Rural Revi‐talization Science and Technology Special Projec（t 202304BI090030）

0 引言

【研究意義】葉片是植物進行光合作用和蒸騰作用的重要營養(yǎng)器官。葉面積是反映植物生長發(fā)育、長勢、遺傳特性等指標的重要參數(shù)，廣泛應用于農(nóng)業(yè)科研服務和生產(chǎn)中（李新國等，2009；侯月爽等，2023）。葉面積大小對作物生長發(fā)育、抗逆性及產(chǎn)量形成的影響很大，是作物栽培和育種實踐中常用的評價指標，也是選育理想株型、測定病蟲害危害損失的重要指標（林宇茜和孫衛(wèi)，2023）。因此，建立方便、準確的葉面積測算方法，對于指導農(nóng)業(yè)生產(chǎn)實踐活動，制定高產(chǎn)、優(yōu)質(zhì)及高效的栽培技術措施具有積極意義?！厩叭搜芯窟M展】目前測定葉面積的方法有很多，傳統(tǒng)測定葉面積的方法主要有方格法（喬寶營等，2004）、稱重法、系數(shù)法和求積儀法等（章文才，1997；廖明安，2005），這些方法受試驗精確度、測量時間或儀器設備等各方面限制（唐力為等，2021），在實際應用中存在諸多不便，不適合大規(guī)模活體測量。在測定葉面積的方法中，葉面積模型估算通過測量植物葉片的葉長和葉寬，同時采用圖像處理技術（李瑞洋等，2019）獲得測量葉面積（肖強等，2005），建立葉片長度、寬度或長和寬的復合變量與葉面積間的線性回歸關系估算葉面積（張萌等，2020）。常見的葉面積模型方程主要有一元方程、二元方程、指數(shù)函數(shù)、冪函數(shù)及S曲線方程等?；谌~片形態(tài)特征的長、寬比值法即運用葉長、葉寬與葉面積的相關性建立數(shù)學模型估測葉面積，該方法因測量方便、不損壞葉片、無需昂貴儀器設備等優(yōu)點，廣泛用于生產(chǎn)上測量葉面積（只佳增等，2020）。數(shù)學模型估測葉面積因能夠在田間和野外調(diào)查時，根據(jù)相應的葉面積估算模型快速測算葉面積而日益受到重視。李先明等（2011）以7個早熟梨成熟葉片為試驗材料，通過研究不同品種葉長、葉寬以及葉長×葉寬與葉面積的關系，提出了計算梨樹葉面積的3個簡單線性回歸方程和3個二元回歸方程；Koubouris等（2018）以10個橄欖品種為研究對象，對2種灌溉制度下葉面積估算模型準確度進行研究，發(fā)現(xiàn)灌水對估算和測量葉面積大小無顯著影響，通用的橄欖葉面積估計模型的精確度受橄欖品種差異影響較大；只佳增等（2020）利用5個香蕉品種為供試材料，通過研究香蕉葉長、葉寬與實測葉面積之間的關系，總結(jié)出在科研和生產(chǎn)中適用的香蕉葉面積一元線性回歸模型。月季是隸屬于薔薇科（Rosaceae）薔薇屬（Rosa L.）的木本花卉，為世界第一大切花，也是我國的傳統(tǒng)名花，具有周年可以開花的優(yōu)點（王成元和王霞，2023）。月季在我國廣泛栽培和應用（源朝政等，2023），也是世界上最受歡迎的觀賞植物之一（Debener amd Byrne，2014）。目前，全世界的現(xiàn)代月季品種已經(jīng)超過35000個，并且隨著近代育種技術的不斷提高，月季品種的數(shù)量還在不斷增加（賈元義，2005）。隨著現(xiàn)代農(nóng)業(yè)的發(fā)展，基于月季生長發(fā)育模型的數(shù)字化管理已成為切花月季栽培的重要發(fā)展方向。月季品種種類豐富，不同月季品種的葉片在大小、形狀、葉緣特征等方面存在極大差異，要建立適應于不同月季品種的葉面積模型，關鍵在于明確影響月季葉面積校正系數(shù)的因子?！颈狙芯壳腥朦c】目前對于月季的研究主要集中在月季組織培養(yǎng)、抗性研究及品種選育等方面，有關不同基因型月季葉面積快速測量的方法鮮有報道?！緮M解決的關鍵問題】以國家林草植物新品種昆明測試站（嵩明）資源圃中的300個月季品種的葉片為材料，通過測量月季的葉長、葉寬，采用ImageJ圖像處理技術獲得葉片測量葉面積，采用長寬法等（肖強，2005；李瑞洋等，2019）構(gòu)建7個常用葉面積估算模型，進行總體樣本模型的擬合與驗證，篩選出最適合月季葉面積估算模型，并從品系、葉片形態(tài)、葉形系數(shù)3個因素上對不同基因型月季進行分類和模型系數(shù)進行計算，為月季葉面積測量和月季生長發(fā)育數(shù)字模型構(gòu)建提供參考依據(jù)。

1 材料與方法

1. 1 試驗材料

試驗在國家林草植物新品種昆明測試站（嵩明）資源圃進行，資源圃中每月季品種種植約10株，大壟雙行栽植，行距30 cm，株距20 cm，栽培土壤為紅壤。參試的月季為大豐收、第一紅、夏洛特等300個目前正在栽培或曾經(jīng)在生產(chǎn)中應用的品種。資源圃內(nèi)種植有上千個不同時期栽培流行的品種或月季野生資源，前一年冬季重剪，次年春季萌芽至開花期采用統(tǒng)一的栽培管理。月季植株生長發(fā)育狀態(tài)良好，具有較好的代表性。

1. 2 試驗方法

1. 2. 1 月季長寬以及測量葉面積獲取 于2023年8月中旬月季開花期在資源圃隨機選取生長發(fā)育正常的植株，每個品種按不同葉片大小采集不同植株主莖中部葉緣完整且無病蟲害的葉片20片，共計葉片6000片。

采用精度為0.1 mm的游標卡尺測定每品種月季葉片的葉長（L）和葉寬（W），將葉片展開放置于固定距離的攝像機下進行拍照，調(diào)節(jié)縮放比例為100%。

利用ImageJ圖像處理軟件選擇直線工具標定月季L和比例尺距離，根據(jù)實際測量得到的L和比例尺校正ImageJ已知距離，再選擇線段工具將葉片框選于不規(guī)則選框中點擊分析和測量得到葉面積，分別計算單葉葉面積后（圖1），獲得300個月季品種共6000個樣本的測量葉面積數(shù)據(jù)。

1. 2. 2 葉片面積模型構(gòu)建及驗證 構(gòu)建7個月季葉面積估算的候選模型（表1），編號為1～7。利用各模型分別對所有月季的L和W數(shù)據(jù)和各品種的測量葉面積進行擬合，獲取模型參數(shù)，構(gòu)建不區(qū)分品種的通用模型和各個品種的特異模型。模型擬合時，隨機選取各類樣本總量的70%和30%作為訓練集和測試集，利用測試集對模型精度進行驗證，比較觀測值與模擬值，評價指標包括決定系數(shù)（R2）、均方根誤差（RMSE）和歸一化均方根誤差（NRMSE）。

1. 2. 3 不同基因型月季的分類 由于月季品種繁多，不同基因型月季的葉片之間存在差異（圖2），參考薛麒麟等（2004）的分類系統(tǒng)將供試的300個月季品種分為藤本月季（Cl系）、歐洲月季（ER系）、豐花月季（F/FI系）、大花香水月季（HT系）、微型月季（Min系）和灌木月季（sh系）6個品系；按照葉片形態(tài)將供試月季品種分為圓形、卵圓形和橢圓形3類；將不同月季品種根據(jù)長寬比，即葉形系數(shù)劃分為以0.4和0.2各為1個間隔2個等級，探究不同基因型月季的模型系數(shù)和模型誤差。將300個月季品種的葉片按照葉形系數(shù)0.4和0.2為間隔分類得到的平均模型系數(shù)分別計算模擬葉面積，與測量葉面積進行比較，獲得不同分類條件下300個月季品種葉片的R2、RMSE和NRMSE總值。

1. 2. 4 模型系數(shù)驗證 于同年10月中旬月季開花期隨機選取70個月季品種，每個品種采集葉緣完整且無病蟲害的葉片樣品各5片，采用篩選獲得的最佳模型公式計算得到月季模擬葉面積，將其與利用ImageJ圖像處理獲得的測量葉面積進行比較，驗證模型系數(shù)的合理性。

1. 3 統(tǒng)計分析

使用Excel 2019和SPSS 26.0進行數(shù)據(jù)處理，使用Excel 2019進行作圖，使用R語言中nls命令分別對線性和非線性方程系數(shù)進行擬合。

2 結(jié)果與分析

2. 1 不同月季品種葉面積模型及擬合情況

7個葉面積估算模型模擬系數(shù)及誤差如表2所示，1～7模型的R2、RMSE、NRMSE分別為0.762～0.908、0.721～1.189 cm2、0.081～0.135 cm2。由圖3可知，基于R2、RMSE、NRMSE，模型3、模型4、模型7的模擬葉面積和測量葉面積分布于標準曲線附近，說明能較好地預測月季葉面積；模型2和模型6的預測效果較差。模型3的R2為0.908，RMSE為0.721 cm2，NRMSE為0.081 cm2，精度最高；模型4為利用模型系數(shù)估算的長寬法公式（陳欣，2022），即LA=K×L×W，模型4中的系數(shù)b即為葉面積校正系數(shù)（K），R2為0.907，RMSE為0.726 cm2，NRMSE為0.082 cm2，精度較好且簡便、通用性好，方便大規(guī)模的田間測量。2. 2 不同月季品種的模型系數(shù)

通過游標卡尺測量獲得葉片L和W，并利用ImageJ圖像處理法得到的月季葉片的測量葉面積，根據(jù)模型系數(shù)公式LA=b×L×W，計算各個月季品種的模型系數(shù)和月季平均模型系數(shù)。由圖4可知，各個月季品種中假日公主的平均模型系數(shù)最?。?.654），橘紅水花的平均模型系數(shù)最大（0.800）。由于不同月季品種的葉片形狀差異較大，導致模型系數(shù)差異較大，使用通用平均模型系數(shù)0.724可能會對葉面積的測量產(chǎn)生一定誤差，為了能夠精確測量不同葉片形態(tài)月季的葉面積，需要將不同月季品種的葉片形態(tài)分類并分別計算平均模型系數(shù)。

2. 3 不同月季品系的平均模型系數(shù)

通過將供試的300個月季品種按品系分為藤本月季、歐洲月季、豐花月季、大花香水月季、微型月季、灌木月季6個品系并分別計算其平均模型系數(shù)。由表3可知，不同的月季品系間平均模型系數(shù)差異不顯著（Pgt;0.05，下同）。

2. 4 不同葉片形態(tài)月季的平均模型系數(shù)及模型誤差分析

根據(jù)葉片形態(tài)將300個月季品種分為圓形、卵圓形、橢圓形3類，計算其平均模型系數(shù)并進行誤差分析。結(jié)果如表4所示，月季葉片形態(tài)多為卵圓形，占比62.3%，其次為圓形葉片占比25.0%，橢圓形葉片最少，占比僅12.7%。圓形葉片的平均模型系數(shù)為0.734，卵圓形葉片的平均模型系數(shù)為0.726，橢圓形葉片的葉片平均模型系數(shù)為0.716。圓形葉片的平均模型系數(shù)顯著高于卵圓形和橢圓形葉片（Plt;0.05，下同），但卵圓形與橢圓形葉片之間的平均模型系數(shù)差異不顯著。

將圓形、卵圓形、橢圓形3組葉片的理論葉面積與模型得到的估算葉面積進行比較，得到R2、RMSE、NRMSE，由表5可知，模型估算橢圓形葉面積的RMSE和NRMSE分別小于對圓形葉片面積的RMSE和NRMSE。 葉片形態(tài)分類下R2為0.969，RMSE為0.894 cm2。由圖5可知，模擬葉面積和測量葉面積分布于標準曲線附近，說明能較好地預測不同葉片形態(tài)月季葉面積。

2. 5 不同葉形系數(shù)月季的平均模型系數(shù)及模型誤差分析結(jié)果

2. 5. 1 葉形系數(shù)以0.4間隔的分類 將月季葉片按葉形系數(shù)0.4為1個間隔，將葉形系數(shù)從小到大分為4個類別，代入葉面積估算模型獲得平均模型系數(shù)。由表6可知，平均模型系數(shù)隨葉形系數(shù)增加呈減小的趨勢，即葉片越尖越長平均模型系數(shù)越小，葉片越寬越圓平均模型系數(shù)越大。葉形系數(shù)為1.1～1.5的月季平均模型系數(shù)為0.737；葉形系數(shù)為1.5～1.9的月季平均模型系數(shù)為0.721；葉形系數(shù)為1.9～2.3的月季平均模型系數(shù)為0.702；葉形系數(shù)為2.3～2.7的月季平均模型系數(shù)為0.682。月季葉形系數(shù)為1.1～1.5的平均模型系數(shù)顯著高于葉形系數(shù)為1.9～2.3和2.3～2.7，月季葉形系數(shù)為1.5～1.9的平均模型系數(shù)顯著高于葉形系數(shù)為2.3～2.7。

將4組不同葉形系數(shù)葉片的模擬葉面積與測量葉面積進行比較，得到R2、RMSE、NRMSE，由表7可知，模型對葉形系數(shù)為1.9～2.7的葉面積RMSE較小。葉形系數(shù)以0.4間隔的分類下R2總值為0.969，RMSE總值為0.890 cm2。由圖6可知，4個葉形系數(shù)范圍的模擬葉面積和測量葉面積均分布于1∶1線附近，說明以0.4為間隔的不同葉形系數(shù)能較好地預測月季葉面積。

2. 5. 2 葉形系數(shù)以0.2間隔的分類 將月季葉片按平均葉形系數(shù)0.2為1個間隔，將葉形系數(shù)從小到大分為7個類別，代入葉面積估算模型得到平均模型系數(shù)。由表8可知，不同葉形系數(shù)的月季間平均模型系數(shù)存在顯著差異，其中，葉形系數(shù)為1.1～1.3的月季平均模型系數(shù)最高，為0.755，顯著高于除葉形系數(shù)為1.3～1.5和1.5～1.7的其他葉形系數(shù)。葉形系數(shù)為2.3～2.5的月季平均模型系數(shù)最低，為0.682。葉形系數(shù)為1.3～1.5、1.5～1.7、1.7～1.9和1.9～2.1的月季平均模型系數(shù)分別為0.735、0.723、0.715和0.705，4個葉形系數(shù)的月季平均模型系數(shù)間無顯著差異。葉形系數(shù)為2.1～2.3的月季平均模型系數(shù)為0.689。

將7組不同葉形系數(shù)的葉片的測量葉面積與模似葉面積進行比較，得到R2、RMSE、NRMSE，由表9可知，葉形系數(shù)為2.3～2.5的葉面積RMSE最小，為0.315 cm2。葉形系數(shù)為0.2間隔的分類下R2總值為0.971，RMSE總值為0.863 cm2。由圖7可知，模擬葉面積和測量葉面積分布于1∶1曲線附近，說明能較好地預測以0.2為間隔的不同葉形系數(shù)的月季葉面積，且以0.2為間隔的不同葉形系數(shù)比以0.4為間隔的不同葉形系數(shù)和不同葉片形態(tài)能更準確預測不同月季的葉面積。

2. 6 70個月季品種的葉面積模型驗證

隨機選取70個月季品種的350片葉片，其葉面積相對誤差如圖8所示，以葉形系數(shù)0.2為1個間隔分為7類的分類計算得到平均相對誤差值為-0.499%，小于5%，說明基于葉形系數(shù)的葉面積平均模型系數(shù)可以適用。

3 討論

植物葉片是植物進行光合作用、蒸騰作用、呼吸作用、合成有機物的重要器官（潘介春，2019），對光能的獲取和轉(zhuǎn)化、營養(yǎng)物質(zhì)的吸收以及有機物質(zhì)的合成起著決定性作用（陳欣，2022）。葉面積是植物生長、光截留、光合效率、蒸騰等相關生理研究的關鍵變量，還可以作為確定作物生產(chǎn)、作物栽培措施如種植密度、灌溉與施肥等的依據(jù)（郁進元，2007），是決定生物量和產(chǎn)量的關鍵因子（談麗華，2020）。薔薇科薔薇屬共有200余個種，種類眾多，僅月季按照植株形態(tài)就可劃分為茶香雜種月季、藤本月季、灌木月季、豐花月季、地被月季、微型月季、大花壯花月季、樹狀月季等8個類型，不同月季的葉片形狀、大小、質(zhì)地與面積差異很大（源朝政，2022），且月季栽培品種更新速度較快。模型測定葉面積具有操作簡便且無損測量的優(yōu)點，可在田間和野外快速獲得葉面積。

基于數(shù)學模型的葉片形態(tài)參數(shù)的葉面積估算已經(jīng)應用于多種園藝植物，如棗（張萌，2020）、蘋果（王凱等，2023）等。為比較和驗證不同月季葉面積估算模型的模擬精準度，本研究構(gòu)建了7個月季葉面積估算模型，對采集的300個月季品種的6000片月季葉片進行數(shù)據(jù)處理，根據(jù)高精度的模型通常具有較高的R2和較低的RMSE和NRMSE，篩選出了精度高且適宜于月季葉面積估算的3個模型，其中模型4（LA=b×L×W），即為長寬法估算葉面積公式（陳欣，2022），相較于其他模型公式，利用模型4估算月季葉面積具有便捷而精準的特點。

由于月季葉片葉形多樣，基于葉形差異進行分類分析，能有效反映不同葉形的葉片特征。本研究將月季根據(jù)品系、葉片形態(tài)、葉形系數(shù)分別計算了不同月季的葉面積平均模型系數(shù)，即葉面積校正系數(shù)。本研究發(fā)現(xiàn)圓形葉片的平均模型系數(shù)顯著高于卵圓形和橢圓形葉片；葉形分類下R2總值為0.969，RMSE總值為0.894 cm2。

本研究中平均模型系數(shù)隨葉形系數(shù)增加呈減小的趨勢，即葉片越尖越長平均模型系數(shù)越小，葉片越寬越圓平均模型系數(shù)越大，說明月季的葉形對其平均模型系數(shù)有較大影響，與胡家峰等（2012）的研究結(jié)果相似，本研究中卵圓形月季的平均模型系數(shù)為0.726，略高于胡林（2015）對于9種植物葉片中的卵圓形葉片的平均模型系數(shù)（0.667），推測由于不同植物間葉片形態(tài)差異導致。

本研究中300個月季品種分為6個品系，品系間的平均模型系數(shù)差異不顯著。按葉片形態(tài)將月季葉片分類方式具有直觀便捷等優(yōu)點，但月季品類眾多，圓形、卵圓形、橢圓形、線性等葉片形態(tài)分類無法準確反映不同形狀的月季葉片類型，葉形系數(shù)根據(jù)葉片的長寬比劃分，對所有月季類型均適用。本研究中利用葉形系數(shù)以0.4間隔分類的方法RMSE總值（0.890 cm2）小于利用葉片形態(tài)分類下RMSE總值（0.894 cm2），但二者的R2總值相等，均為0.969，說明利用葉形系數(shù)較葉片形態(tài)分類更能準確地校正不同月季的葉面積差異。將葉片按葉形系數(shù)以0.2為1個間隔分為7類的分類下RMSE總值為0.863 cm2，小于利用葉形系數(shù)以0.4間隔分類下RMSE總值（0.890 cm2），說明葉形系數(shù)以0.2為1個間隔更能準確反映月季葉片的形狀特征，得到的平均模型系數(shù)

模擬葉面積的精度較高。

使用依靠平均模型系數(shù)建立的模型公式可快速而準確地測算不同月季的葉面積，下一步的工作將結(jié)合葉片質(zhì)地、氣孔導度、植株莖流、生物量等，對國家林草植物新品種昆明測試站（嵩明）資源圃中千余個月季種質(zhì)的植物蒸騰、干物質(zhì)合成進行研究，為探究月季水分利用率，建立月季生長發(fā)育數(shù)字化模型及月季數(shù)字化栽培管理提供技術支持。

4 結(jié)論

計算月季葉面積精度較高且通用性較好的模型公式為葉面積=平均模型系數(shù)×葉長×葉寬，葉形系數(shù)以0.2為1個間隔能準確反映月季葉片的形狀特征，利用平均模型系數(shù)計算的葉面積精度較高。

參考文獻（（References））：

陳欣，郭猛，黃勇，張紅瑞，李賀敏，周艷，高致明. 2022. 長寬法測定地黃葉面積的校正系數(shù)研究［J］. 浙江農(nóng)業(yè)科學，63（2）：293-295.［ Chen X，Guo M，Huang Y，Zhang H R，Li H M，Zhou Y，Gao Z M. 2022. Study on the correction coefficient for measuring the leaf area of Rehmannia gluti‐nosa using the length width method［J］. Journal of Zhe-jiang Agricultural Sciences，63（2）：293-295.］ doi：10.16178/j.issn.0528-9017.20212493.

侯月爽，陳靜，曹靜靜，王豪杰，孔德良，范國強. 2023. 遮蔭對白花泡桐葉片經(jīng)濟學、水力學和葉片大小性狀的影響［J］. 河南農(nóng)業(yè)大學學報，57（4）：581-590. ［Hou Y S，Chen J，Cao J J，Wang H J，Kong D L， Fan G Q. 2023. Effects of shading on leaf economic traits，hydraulic traits and leaf size traits in Paulownia fortune［J］. Journal of Henan Agricultural University，57（4）：581-590.］ doi：10. 16445/j.cnki.1000-2340.20230421.003.

胡家峰，郭遠，李夢，謝皓，陳學珍. 2012. 大豆不同葉形葉面積校正系數(shù)的研究［J］. 北京農(nóng)學院學報，2012，27（1）：9-11. ［Hu J F，Guo Y，Li M，Xie H，Chen X Z. 2012. Research on the correction coefficients from leaf areas for different soybeans leaf forms［J］. Journal of Beijing Uni‐versity of Agriculture，27（1）：9-11.］ doi：10.3969/j.issn. 1002-3186.2012.01.003.

胡林. 2015. 植物葉面積系數(shù)法改進研究［J］. 中國農(nóng)學通報，31（5）：228-233.［ Hu L. 2015. Research on adjusted coeffi‐cient method for leaf area measurement and its error［J］. Chinese Agricultural Science Bulletin，31（5）：228-233.］

賈元義.2005. 月季品種資源的收集、分類和評價［D］. 泰安：山東農(nóng)業(yè)大學.［ Jia Y Y. 2005. Collection，classification and evaluation of the cultivars resource of Rosa cv.［D］. Tai’an：Shandong Agricultural University.］ doi：10.7666/d.Y728968.

李瑞洋，崔倩倩，孔江坤，蔡泓文，陳俊達. 2019. 植物葉面積測定方法探討［J］. 中外企業(yè)家，（34）：200.［ Li R Y，Cui Q Q，Kong J K，Cai H W，Chen J D. 2019. Exploration of methods for measuring plant leaf area［J］. Chinese amp; Fo-reign Entrepreneurs，（34）：200.］

李先明，秦仲麒，涂俊凡，楊夫臣，朱紅艷，劉先琴. 2011. 7個早熟梨品種葉面積回歸方程的建立［J］. 江西農(nóng)業(yè)學報，23（5）：36-39.［ Li X M，Qin Z Q，Tu J F，Yang F C，Zhu H Y，Liu X Q. 2011. Establishment of regressive equation for leaf area of 7 early-mature pear cultivars［J］. Acta Agricul‐turae Jiangxi，23（5）：36-39.］ doi：10.19386/j.cnki.jxnyxb. 2011.05.013.

李新國，蔡勝忠，李紹鵬，王令霞，姜成東. 2009. 應用數(shù)字圖像技術測定油梨葉面積［J］. 熱帶農(nóng)業(yè)科學，29（2）：10-13.［ Li X G，Cai S Z，Li S P，Wang L X，Jiang C D. 2009. Measurement of avocado leaf area based on digital image processing technology［J］. Chinese Journal of Tropical Agri‐culture，29（2）：10-13.］ doi：10.3969/j.issn.1009-2196.2009. 02.003.

廖明安. 2005. 園藝植物研究法［M］. 北京：中國農(nóng)業(yè)出版社. ［Liao M A. 2005. Horticultural plant research methods［M］. Beijing：China Agriculture Press.］

林宇茜，孫衛(wèi). 2023. 9個丁香品種葉面積測量相關性分析及回歸方程的建立［J］. 安徽農(nóng)業(yè)科學，51（4）：118-122. ［Lin Y Q，Sun W. 2023. Correlation analysis of leaf area measurement of nine clove aarieties and establishment of regression equation［J］. Journal of Anhui Agricultural Scien-ces，51（4）：118-122.］ doi：10.3969/j.issn.0517-6611.2023. 04.028.

潘介春，黃幸，鄧英毅，丁峰，徐炯志，徐石蘭，黃思婕，楊亞涵，龍薔宇，王金英，李琳，王穎. 2019. 回歸方程法測定兩個龍眼品種葉面積研究［J］. 亞熱帶植物科學，48（2）：155-160.［ Pan J C，Huang X，Deng Y Y，Ding F，Xu J Z，Xu S L，Huang S J，Yang Y H，Long Q Y，Wang J Y，Li L，Wang Y. 2019. Leaf area measurement of two cultivars of longan by regression equation method［J］. Subtropical Plant Science，48（2）：155-160.］ doi：10.3969/j.issn.1009-7791. 2019.02.010.

喬寶營，黃海帆，張信栓，馬彩霞，李道德. 2004. 草莓葉面積簡易測定方法［J］. 果樹學報，21（6）：621-623.［ Qiao B Y，Huang H F，Zhang X S，Ma C X，Li D D. 2004. Simple methods for measuring the leaf area of strawberry［J］. Jour‐nal of Fruit Science，21（6）：621-623．］ doi：10.3969/j.issn. 1009-9980.2004.06.028.

談麗華，巫娟，胡妹珍，談太騰，武紅燕，張振燁，施建敏. 2020. 基于葉形分類的淡竹葉面積預測模型研究［J］. 世界竹藤通訊，18（1）：6-10.［ Tan L H，Wu J，Hu M Z，Tan T T，Wu H Y，Zhang Z Y，Shi J M. 2020. Leaf area predic-ting model for Phyllostachys glauca based on leaf mor‐phology classification［J］. World Bamboo and Rattan，18（1）：6-10.］ doi：10.12168/sjzttx.2020.01.002.

唐力為，李倩，蔣云，藺雨陽，補雪梅，劉誠誠，向裕華，代沙. 2021. 藜麥葉面積校正系數(shù)的初步研究［J］. 四川農(nóng)業(yè)科技，（9）：65-67.［ Tang L W，Li Q，Jiang Y，Lin Y Y，Bu X M，Liu C C，Xiang Y H，Dai S. 2021. Preliminary study on the correction coefficient of quinoa leaf area［J］. Sichuan Agriculture Science and Technology，（9）：65-67.］ doi：10. 3969/j.issn.1004-1028.2021.09.022.

王成元，王霞. 2023. 現(xiàn)代月季的栽培技術及應用分析［J］. 種子科技，41（14）：66-68.［ Wang C Y，Wang X. 2023. Culti‐vation techniques and application analysis of modern roses［J］. Seed Science amp; Technology，41（14）：66-68.］ doi：10.

19904/j.cnki.cn14-1160/s.2023.14.022.

王凱，李秀玲，F(xiàn)azal Haider，白茹，馮建榮，楊偉偉. 2023. 富士和嘎啦蘋果葉片面積估算模型構(gòu)建［J］. 新疆農(nóng)業(yè)科學，60（3）：664-674.［ Wang K，Li X L，Haider F，Bai R，F(xiàn)eng J R，Yang W W. 2023. Construction of apple leaf area esti‐mation model［J］. Xinjiang Agricultural Sciences，60（3）：664-674.］ doi：10.6048/j.issn.1001-4330.2023.03.017.

肖強，葉文景，朱珠，陳瑤，鄭海雷. 2005. 利用數(shù)碼相機和Photoshop軟件非破壞性測定葉面積的簡便方法［J］. 生態(tài)學雜志，（6）：711-714.［ Xiao Q，Ye W J，Zhu Z，Chen Y，Zheng H L. 2005. A simple non-destructive method to measure leaf area using digital camera and photoshop soft‐ware［J］. Chinese Journal of Ecology，（6）：711-714.］

薛麒麟，郭繼紅. 2004. 月季栽培與鑒賞［M］. 北京：科學普及出版社.［ Xue Q L，Guo J H. 2004. Rose cultivation and appreciation［ M］. Beijing：Popular Science Press.］

郁進元，何巖，趙忠福，王棟. 2007. 長寬法測定作物葉面積的校正系數(shù)研究［J］. 江蘇農(nóng)業(yè)科學，（2）：37-39.［ Yu J Y，He Y，Zhao Z F，Wang D. 2007. Correcting coefficient of leaf area by menstruation of the leaf length and width［J］. Jiangsu Agricultural Sciences，（2）：37-39.］ doi：10.3969/j.issn.1002-1302.2007.02.014.

源朝政，鄭明燕，高小峰，賈毛毛，王虹，周曉靜，楊廷勤. 2023. 月季育種研究進展［J］. 湖南農(nóng)業(yè)科學，（8）：96-100. ［Yuan C Z，Zheng M Y，Gao X F，Jia M M，Wang H，Zhou X J，Yang T Q. 2023. Research progress of rose breeding［J］. Hunan Agricultural Sciences，（8）：96-100.］ doi：10. 16498/j.cnki.hnnykx.2023.008.019.

源朝政，鄭明燕，鞠樂，陰志剛，高小峰，王虹. 2022. 50個月季品種表型多樣性分析及綜合評價［J］.天津農(nóng)業(yè)科學，28（10）：19-23.［ Yuan C Z，Zheng M Y，Ju L，Yin Z G，Gao X F，Wang H. 2022. Analysis and comprehensive evalua‐tion of phenotypic diversity of 50 rose varieties［J］. Tianjin Agricultural Sciences，28（10）：19-23.］ doi：10.3969/j.issn. 1006-6500.2022.10.004.

張萌，張德安，魯曉燕，楊偉偉. 2020. 棗樹葉面積估算模型構(gòu)建［J］. 果樹學報，37（12）：1964-1973.［ Zhang M，Zhang D A，Lu X Y，Yang W W. 2020. Establishment of leaf area estimation model for jujube trees［J］. Journal of Fruit Scien-ce，37（12）：1964-1973.］ doi：10.13925/j.cnki.gsxb.2020 0239.

章文才. 1997. 果樹研究法［M］. 北京：中國農(nóng)業(yè)出版社. ［Zhang W C. 1997. Research methods for fruit trees［M］. Beijing：China Agriculture Press.］

只佳增，杜浩，周勁松，李宗鍇，楊紹瓊，張光勇，陳偉強. 2020. 基于葉型特征的云南特色香蕉葉面積模型分析［J］. 江西農(nóng)業(yè)學報，32（10）：57-61.［ Zhi J Z，Du H，Zhou J S，Li Z K，Yang S Q，Zhang G Y，Chen W Q. 2020. Analysis of leaf area model of Yunnan characteristic banana based on leaf type characteristics［J］. Acta Agricul‐turae Jiangxi，32（10）：57-61.］ doi：10.19386/j.cnki.jxnyxb. 2020.10.11.

Koubouris G，Bouranis D ，Vogiatzis E ，Nejad A R， Giday H，Tsaniklidis G，Ligoxigakis E K，Blazakis K， Kalaitzi P， Fanourakis D. 2018. Leaf area estimation by considering leaf dimensions in olive tree［J］. Scientia Horticulturae，240：440-445. doi：10.1016/j.scienta.2018.06.034.

Debener T，Byrne D H. 2014. Disease resistance breeding in rose：Current status and potential of biotrchnological tools［J］. Plant Science，228：107-117. doi：10.1016/j.plantsci. 2014.04.005.

（責任編輯 李洪艷）