厚皮甜瓜叶面积测定方法的研究

王 颖，杨重法，奚浩然，王玲蕊

（海南大学农学院 海口 570228）

叶片是作物进行光合作用、蒸腾作用和呼吸作用的主要器官[1]。叶片的数量和叶面积的大小，对作物的生长发育、光能利用、干物质积累、产量等都有显著的影响[2]。作物的叶面积是作物栽培、作物育种、植物营养、作物生理生态等研究领域的重要考察指标[3]。因此，准确地测定叶面积十分重要。

叶面积测定包括方格法、称重法、打孔法、求积仪法、长宽系数法等传统方法和近年开发的光电扫描法、图像像素解析法等方法。方格法、称重法、打孔法、求积仪法、图像像素解析法费时费工并且具有破坏性，便携式扫描仪由于扫描方向和速度的稳定性难以控制而误差较大[4-6]。长宽系数法或线性回归方程法具有快速、简便、便于连续观察等优点，在生产和科研上应用较多[4-5]，主要通过叶片的长宽、形状及小叶的数量等特征指标计算系数或建立回归方程来估算叶面积[7-13]，但是由于没有估算缺刻对叶面积的影响，仅适合于比较规则的叶片，因此模型的适应性差，测定准确度有待提高。目前关于缺刻对估算叶面积影响的研究鲜见报道。

厚皮甜瓜的叶片因品种和生育期不同，缺刻深浅和数量差异很大。吕雅兰等[14]通过叶片丰满度等间接缺刻指标估算厚皮甜瓜的叶面积，但是部分参数的生物学意义不明确。笔者在前人研究的长宽系数法和叶片丰满度的研究基础上，探讨通过叶长、叶宽及缺刻深度等叶片形态指标估算叶面积的可行性，以期提高估算厚皮甜瓜叶面积的准确度和适应性。

1 材料与方法

1.1 材料

试验材料来源于海南大学农学院（儋州校区）试验基地，包括台湾农友种苗（中国）有限公司的厚皮网纹甜瓜品种‘长香玉’、珠海太阳现代农业有限公司的厚皮网纹甜瓜品种‘激情’、白皮红肉甜瓜品种‘秋月’、红皮白肉甜瓜品种‘红姑’。

1.2 试验设计

2015年3—6月和9—12月分别进行4个甜瓜品种的夏季和秋季栽培，于2015年5月28日至6月5日（夏茬甜瓜果实成熟期）、2015年10月20日、11月5日、11月20日、12月10日（秋茬甜瓜伸蔓期至果实成熟期）采摘主茎上全部完整叶片，每个品种采摘20株，共计1 298片叶。

1.3 方法

叶片形态指标测量方法如图1所示。厚皮甜瓜的叶片大致左右对称，有些叶片无缺刻，有些叶片有1～2对对称的缺刻。为了便于观察，选择叶片左侧的叶长和缺刻形态作为观测对象。首先目测叶片，确定叶片有无缺刻。若无缺刻，则测量左侧叶长L和全叶叶宽W。若有缺刻，确定缺刻的数量、叶缘尖点或拐点即 a、b、c、d、e 的位置。然后测量左侧叶长L；测量叶宽，W1为叶基（叶柄与叶身连接处）上部的宽度，W2为叶基下部的宽度。最后测量缺刻N，缺刻凹点与切线bc或cd的垂直距离，凹陷取负值。

图1 厚皮甜瓜叶片形态测量方法的示意图

采用扫描法测定叶面积，先用HP Scanjet 2400扫描仪对叶片进行扫描，然后使用Lia32软件计算被扫描叶片的面积。

1.4 数据处理

全叶的叶宽取W1和W2中最大值W。使用Ex⁃cel 2007软件进行数据整理和分类，使用JMP10软件进行数据分析和模型拟合。

2 结果与分析

2.1 厚皮甜瓜叶片的特征

厚皮甜瓜叶面积及主要形态指标的数据特征如表1所示，样本数为1298，叶面积在16.8～422.3cm2范围，变异系数为44.68%；叶长L在5.9～27.2 cm范围，变异系数为23.21%；叶宽W1的距离在5.7～26.3cm范围，变异系数为23.60%；叶宽W2的距离在0.00～23.4cm范围，变异系数为61.80%；全叶最大叶宽W的距离在5.7～26.3 cm范围，变异系数为23.50%；缺刻N1的距离在-7.3～0.0 cm范围，变异系数为-91.37%；缺刻N2在-4.3～0.0 cm范围，变异系数为-121.35%。以上数据显示，叶片面积及各项形态指标的变化幅度较大。

表1 厚皮甜瓜叶面积及形态指标的数据特征

2.2 主要形态指标间的相关性分析

主要叶面积及其形态指标之间的相关性分析结果如表2。叶面积与各形态指标之间有一定的相关性，相关系数在-0.448～0.994 范围，L、W1、W 与叶面积的相关性较高。L和W1、W以及W1和W之间高度相关，相关系数大于0.9%。

表2 主要形态指标之间的相关性

2.3 厚皮甜瓜叶面积预测模型的建立与验证

2.3.1 叶面积预测模型的建立与外部验证 按采样时间次序进行间隔抽样，将获得的1 298组数据划分为3组，其中2组用于建模，1组用于模型的外部验证。基于各形态指标与叶面积之间的关系、多重共线性分析、不同模型的拟合和验证效果对模型进行优化，得到预测厚皮甜瓜叶面积的模型（式1）。式1中，L·W反映了叶片大小与叶面积的关系，N1·L 反映了缺刻 1 与叶面积的关系，N2·L 反映了缺刻2与叶面积的关系。模型拟合结果，决定系数R2为0.988 6，均方根误差RMSE为7.686。

S=-13.289 7+（L·W）0.943+0.267N1·L+0.153 N2·L（式 1）

图2 厚皮甜瓜实测叶面积与预测叶面积的关系

图2显示了厚皮甜瓜叶面积预测模型的外部验证结果，预测值与实测值之间的相关系数r为0.9950，均方根误差RMSE为7.201，表明模型预测的准确度很高。

2.3.2 模型的适应性验证 为了检验模型的适应性，对‘长香玉’‘秋月’‘激情’‘红姑’4 个品种的独立数据分别进行了外部验证，结果如表3所示。预测值与实测值之间的相关系数r均达到0.994 0以上，均方根误差RMSE均小于6.900，表明模型对各个品种的叶面积预测准确度很高。

表3 4个品种的模型验证比较

3 讨论与结论

前人通过系数法和回归分析法在多种不同作物上预测叶面积，主要通过以易测变量长和宽及其组合变量建立叶面积的预测模型[8，15-21]，但其系数或回归方程多针对某一品种或叶形而建立，且很少考察缺刻程度指标及其缺刻对叶面积的影响，适用范围较小，准确度有待提高。目前，关于厚皮甜瓜、草莓、葡萄、番茄等具有缺刻的非规则叶片的研究多集中在叶片大小如叶长、叶宽等变量对叶面积的影响方面，而关于缺刻或缺刻变量对叶面积影响的研究鲜见报道。笔者除保留反映叶片大小的变量外，又导入了能够直观地反映叶片缺刻形态的变量，得到预测模型的准确度高于仅用叶长、叶宽的乘积建立的回归方程。另外，由于厚皮甜瓜的叶片大致左右对称，本研究选择叶片左侧的叶长和缺刻形态作为观测对象既有代表性又省时省力。

不同的甜瓜品种，叶形存在一定的差异，甚至同一甜瓜品种，因其取叶节位、生态条件不同，叶形也存在差异。通常在日照强烈、高温干燥条件下高节位的叶片缺刻较深，而阴雨潮湿及低节位叶片缺刻较浅或无缺刻[5]。有些叶片呈下部较宽的心形，有些呈具有缺刻的不规则形状。如果仅通过反映叶片大小的变量长和宽预测叶面积，难免会产生误差。预测叶面积模型的外部验证结果显示，当自变量中没有缺刻变量时，预测叶面积与实测叶面积的均方根误差9.434；当在自变量中添加缺刻变量N1·L和N2·L后，均方根误差RMSE降低到7.201（数据省略）：表明添加缺刻变量可以提高预测叶面积的准确度。预测叶面积模型对4个甜瓜品种的验证结果显示，模型对各个品种的叶面积预测准确度也很高。由此可知，本研究通过对不同品种的大量数据采集及分析，得到的预测模型既适用于心形叶片也适用于具有缺刻的非规则叶片，同时也适用于网纹甜瓜和光皮甜瓜等多个品种。因此，在预测模型中导入反映缺刻深浅的变量可减小和消除品种之间在缺刻上存在的系统差异，提高了预测的准确度。另一方面，缺刻变量可以消减叶片因缺刻特征产生的误差，增加了模型对不同叶形和不同品种叶片的适应性。

综上所述，将反映缺刻的变量导入预测模型，可以提高预测准确度和增强预测模型的适应性。本研究基于叶片大小和缺刻特征构建的厚皮甜瓜叶面积的预测模型，预测准确高、适应性较强，因而在科研和生产中，可以通过测量叶长、叶宽及缺刻深度来计算叶面积。该方法操作简单，且无需离体测量，具有较高的应用价值。