棉花株高变化动态分析及模型研究

2017-04-26王乐吴杨焕李杰杨平柴顺喜陈锐马富裕

新疆农业科学 2017年3期

关键词：有效积温高值株高

王乐，吴杨焕，李杰，杨平，柴顺喜，陈锐，马富裕

(1.石河子大学农学院/新疆生产建设兵团绿洲生态农业重点实验室，新疆石河子 832003；2.新疆生产建设兵团第六师农科所，新疆五家渠 831300)

棉花株高变化动态分析及模型研究

王乐1，吴杨焕2，李杰1，杨平1，柴顺喜1，陈锐1，马富裕1

(1.石河子大学农学院/新疆生产建设兵团绿洲生态农业重点实验室，新疆石河子 832003；2.新疆生产建设兵团第六师农科所，新疆五家渠 831300)

棉花；相对株高；相对有效积温；聚类分析；归一化；Richards函数

0 引言

【研究意义】棉花作为新疆地区主要的经济作物，2015年种植面积达190×104hm2左右，总产量350×104t左右，分别占全国的50%、62%。随着新疆棉花种植产业的发展，全国已形成“世界棉花形势看中国，中国棉花市场看新疆”的局面[1]。近年来，随着新疆棉区机械化、规模化生产的推广，与之配套的田间管理措施，如灌溉、施肥、化控等都存在盲目性[2,3]，为精准农业的实施带来不便，明确新疆地区棉花株高动态变化与温度的关系，可以实时掌握棉花生长发育状况，及时采取相应的栽培措施，为棉花精准、高效、高产栽培提供理论依据。【前人研究进展】国内外许多学者对株高的模拟研究中，以有效积温、相对有效积温、生理发育时间、每日热效应等为变量，研究了株高与有效积温、相对株高与相对有效积温、株高和生理发育时间等的关系，分别在冬小麦、紫花苜蓿、马铃薯等多种作物上建立了株高动态变化规律[4-12]。【本研究切入点】相关研究对棉花精准管理具有重要指导意义。但关于棉花多品种间相对株高与相对有效积温的研究，目前还未见报道。新疆产棉区，无霜期短、日照充足、昼夜温差较大，有利于棉花产量和品质的形成。棉花属于典型的喜温作物，其生长发育与产量的形成，受品种、栽培措施及环境等的综合影响，而棉花的长势长相，则是一种直观的综合反应的结果。因此，看苗管理是棉花种植栽培的一种重要措施。其中，株高是苗情诊断中最为直接的、最易获取的指标之一[13]。而株高变化受内外因素的共同调控，在外界因素中，影响株高增长最主要的因子为温度[14]。通过分析多品种间株高生长与有效积温的关系，利用归一化处理的方法及聚类分析法量化了品种间相对有效积温与相对株高的关系，可以有效地预测棉花株高动态变化[5,15]。【拟解决的关键问题】通过品种试验，研究品种间有效积温与株高动态变化之间的关系，获取气象数据预测不同品种棉花株高变化，为棉花的精准管理提供参考。

1 材料与方法

1.1 材料

供试品种为新疆多年主栽棉花品种，共29个品种，分早熟品种和中早熟品种，包括：新陆早7号、新陆早8号、新陆早10号、新陆早13号、新陆早17号、新陆早18号、新陆早19号、新陆早20号、新陆早23号、新陆早25号、新陆早26号、新陆早27号、新陆早30号、新陆早35号、新陆早36号、新陆早37号、新陆早38号、新陆早46号、新陆早47号、新陆早49号、新陆早58号、新陆早62号、新陆中14号、新陆中32号、新陆中36号、新陆中37号、新陆中48号、新陆中60号和中棉所49号。

1.2 方法

1.2.1 试验设计

试验于2015年4～10月在石河子大学试验站(44°20′N，86°3′E)进行，小区面积为7 m×5 m=35 m2，采用1条薄膜下铺3条滴灌带灌溉3行棉花，按照76 cm等行距方式种植，种植密度为24×104株/hm2，试验采用随机区组排列，3次重复。于2015年4月21日进行膜上点播种植，4月27日灌出苗水，棉花全生育期内施氮量400 kg/hm2，氮肥运筹为基肥施用25%，花铃施肥65%，盛铃期施肥10%，P2O5150 kg/hm2和K2O 75 kg/hm2做基肥一次性施入，其他田间管理措施均按大田栽培管理要求。表1

1.2.2 模型检验

试验于2014年4～10月在石河子大学试验站，供试材料为新陆早1号、新陆早6号、新陆早33号、新陆早45号、新陆早48号、鲁棉研24号。种植密度、种植模式及田间管理方式同于2015年。

表1 棉花灌水施肥方案
Table 1 The scheme of irrigation and fertilization in cotton

灌水次数Irrigationtimes灌水量Irrigationquantity(m3/hm2)N(kg/hm2)P2O5(kg/hm2)K2O(kg/hm2)1600100150752156150032341500431230005312300063514500739060008780600097803000103901500111170001278000合计450040015075

1.2.3 测试项目

1.2.3.1 株高测量及相对株高计算

从棉花三叶期开始，每个小区随机选取长势一致的5株棉花，挂牌标记，每隔7 d测量一次株高(子叶节至主茎生长点的距离)，至棉花打顶后株高不变时，停止测量。相对株高(RH)的计算用(1)式来表示。

(1)

其中，Hi为每次测量株高，Hmax为株高测量最大值。

1.2.3.2 相对有效积温(RGDD)计算

相对有效积温(Relative Growing degree day, RGDD)是指棉花生产到达某一生育阶段所需的有效积温与棉花出苗至打顶时期内总有效积温(取1 031.15℃)的比值。其中有效积温(Growing degree day，GDD)是指平均温度大于12℃的温度的总和。计算方式如下：

(2)

式中，Tav为棉花播种后第id的平均温度，计算方法：

(3)

式中，Tb为发育下限温度，这里取12℃。Tm为发育上限温度，Tmax为日最高温度，Tmin日最低温度。棉花生长阶段发育限性温度为表2所示[16]：

表2 棉花各发育时期的三基点温度
Table 2 Critical temperatures at different growth periods of cotton

生育期DevelopmentstagesTb(℃)To(℃)Tm(℃)播种-出苗Sowingtoemergence142640出苗-现蕾Emergencetosquaring172635现蕾-开花Squaringtoanthesis192835开花-吐絮Anthesistoopening132635

1.3 数据处理

采用SPSS19.0对数据进行方差分析、聚类分析和LSD多重比较，用Origin 8.5和CurveExpert 1.4进行数据分析和拟合，绘制模拟模型图、1∶1直线图等。

模型检验通常采用根均方差(Root mean squared error，RMSE)法，对模型模拟值与观测值进行比较,分析拟合度高低，公式如下：

(4)

式中：Oi为真实值，Si为模拟值，i为样本号，n为样本容量。在模型检验过程中，RMSE值越小，表明模拟值与观测值间的偏差越小，模型的预测精度则越高。也可通过1∶1直线及其回归方程决定系数(R2)直观展示模拟值与实测值的精确度。

2 结果与分析

2.1 棉花株高动态变化特征

研究表明，不同品种间棉花的生长发育存在差异，但在棉花生育期内，随着有效积温的累积，各棉花品种株高动态都符合相似的变化规律，即前期缓慢增长、中期快速增长、后期趋于平缓的Richards方程。在播种后72 d(有效积温GDD为1 031.15℃)时，为控制棉花长势，进行人工打顶后，棉花株高基本保持不变。图1

图1 有效积温与株高的关系
Fig.1 The relationship between GDD and plant height

为进一步精确的说明各品种棉花株高的变化特征，将各品种棉花株高最大值和有效积温最大值分别作为1，进行归一化处理(图2)，得到所有棉花品种的相对株高(RH)与相对有效积温(RGDD)，并对相对株高进行了聚类分析(图3)，将29个品种的相对株高分为3大类，第Ⅰ类含新陆早38号、新陆中32号、新陆早18号、新陆早26号、新陆早27号、新陆中48号、新陆中60号、新陆早23号、新陆中14号、新陆早35号、新陆早47号、新陆中36号、中棉所49号、新陆中37号，共14个品种，此类棉花在三叶期(有效积温值为283.94℃、棉花相对株高值小于0.14)至十一叶期(有效积温值为710.8℃、棉花相对株高值小于0.7)，株高生长速率较慢；第Ⅱ类含新陆早58号、新陆早49号、新陆早10号、新陆早62号、新陆早20号、新陆早37号、新陆早13号、新陆早25号、新陆早30号、新陆早36号、新陆早17号、新陆早19号、新陆早7号，13个品种，此类棉花在三叶期(棉花相对株高值在0.14～0.18)至十一叶期(棉花相对株高值在0.7～0.8)，株高生长速率较快；第Ⅲ类新陆早8号、新陆早46号，2个品种，此类棉花在三叶期(棉花相对株高值大于0.18)至十一叶期(棉花相对株高值大于0.8)，株高生长速率最快。利用处理后的数据，棉花相对株高的数值在0～1，消除不同品种间自然株高的遗传差异性，有助于建立适用于所有品种的株高动态模拟模型。图2，图3

图2 棉花群体相对株高随出苗后相对有效积温的变化
Fig.2 Changes of relative plant height with relative GDD after emergence

图3 品种聚类
Fig.3 Cluster figure of the tested varieties

2.2 棉花株高模型建立

将2015年三类棉花品种的株高、有效积温处理数据利用Curve Expert1.4软件进行拟合曲线，建立基于棉花相对株高(RH)与相对有效积温(RGDD)的统计模型，每类棉花品种得到了模拟效果较好的5个模型。利用求极限值分析筛选的方法，即：当x→∞时，y→1；研究表明，第Ⅰ类14个棉花品种的模拟模型2、4、5；第Ⅱ类13个棉花品种的模拟模型1、3、4、5和第Ⅲ类2个棉花品种模拟模型1、2、3、4的 11个模拟模型中相对株高的模拟值均不符合棉花打顶后株高生长发育特点；在第一类模拟模型1、3中，当x=0时，模型1的相对株高模拟值较模型3符合棉花出苗时相对株高值。因此，三类均选Richards模型作为棉花相对株高的动态模拟模型。其通式为：y=a/(1+exp(b-cx))1/d，式中，x为相对有效积温RGDD，y为相对株高RH；参数a为最大相对株高值，b为相对株高初始值，c为相对株高增长率参数，d为形状参数。当x=0时，y=a/(expb)1/d，即棉花出苗时相对株高；当x=1时，y=a/(1+exp(b-c))1/d，a/(1+exp(b-c))1/d即为棉花打顶后棉花相对株高值，且方程只有一个峰值。说明Richards模型能够对棉花株高生长进行较合理的解释，通过该模拟方程可以计算出棉花打顶之前生长阶段的相对株高值。表3

所有品种棉花相对株高与相对有效积温的拟合曲线，对应的模拟方程为：

通过该方程，利用株高测量日期内的最大有效积温值和最大株高值可较好地拟合出任意相对有效积温对应的相对株高，及时掌握棉花株高的动态变化。图4

图4 基于Richards函数的棉花相对株高与相对有效积温动态变化
Fig.4 Dynamic curve ofRHand RGDD in cotton based on Richards Function model

2.3 棉花相对株高动态模型关键参数

根据三类棉花品种相对株高与相对有效积温的结果分析，将2015年各棉花品种相对株高与相对有效积温分别建立模拟方程。研究表明，其相关系数r都在0.99以上，各模型中参数a值均趋于1，说明相对化株高动态模拟模型能够对棉花株高发展有较好的预测性；将各模拟方程参数b、c、d值进行比较，研究表明，品种间b、c、d值变幅较大，充分反映不同品种棉花相对株高增长速率不同，形状参数d值是由棉花品种的遗传特性决定。由此可见，不同品种棉花主要是通过调节参数b、c、d值实现对棉花相对株高动态模拟方程的调控。表4

2.4 棉花相对株高动态模拟模型检验

用2014年独立试验得到的观测数据对建立的模拟模型进行检验。将任意时刻的相对有效积温代入三类相对株高动态模型通式(5)，就可以求出与之对应的三个相对株高值(HR)，再进一步将该生育期的株高测量最大值(HM)分别与HR相比就可获得三个模拟株高最大值(Hs)，选择和测量最大值最为接近的株高模拟值，与不同时期的HR相乘即可获得相应时期的株高模拟值。采用此方法，计算出2014年试验中不同相对有效积温的株高动态模拟值，然后与实际测量值进行比较。模拟的决定相关系数R2为0.999 6，标准误RMSE为1.699 8 cm，说明模拟的准确性和精确度较高，棉花相对株高动态模拟模型能较准确地反映棉花群体动态变化。图5

表4 不同品种的相对株高最佳模型参数
Table 4 Parameters of optimal model of relative plant height under different varieties

品种名称Varieties参数 Parameterabcd相关系数r标准差SD新陆早38号0.998922.145628.92507.62040.99900.0197新陆中32号0.997131.476140.577411.03160.99860.0236新陆早18号1.001630.981740.544410.451500.99880.0222新陆早26号0.999116.393421.67315.37240.99870.0227新陆早27号0.993526.344634.59468.77130.99940.0154新陆中48号0.999638.566049.633813.33450.99970.0111新陆中60号0.996743.169254.532915.68210.99850.0235新陆早23号0.997419.764725.98316.18420.99920.0184新陆中14号0.999725.669233.29648.37330.99960.0127新陆早35号0.993140.598551.572913.26380.99950.0145新陆早47号0.999321.317327.23466.95640.99960.0132新陆中36号0.9988146.2267187.432946.04150.99980.0092中棉所49号0.995036.922346.869011.27180.99960.0138新陆中37号1.03219.406012.24592.93520.99940.0153新陆早58号0.989133.018541.251513.35060.99830.0240新陆早49号0.993853.176766.473421.87060.99800.0259新陆早10号0.999843.667955.781317.99250.99900.0185新陆早62号0.998853.095167.529721.64110.99670.0342新陆早20号1.00848.303111.84152.70680.99830.02480新陆早37号1.011810.360414.50563.37770.99850.0239新陆早13号1.000625.790933.18539.79800.99840.0238新陆早25号1.001319.975126.04867.60280.99830.0246新陆早30号1.016510.228713.91303.48850.99750.0304新陆早36号1.005383.34466.25484.32950.9990.030新陆早17号0.9929828.53381068.1568303.82960.99850.02354新陆早19号1.001128.400737.73249.77080.99910.0186新陆早7号1.04285.60748.45011.91120.99830.0234新陆早8号1.01308.880913.19843.43440.99850.0215新陆早46号1.01858.349012.33883.13080.99660.0331

图5 株高观测值与模拟值的比较
Fig.5 Comparison between plant height simulated value and plant height observed value In cotton

3 讨论

从不同棉花品种与相对有效积温的调控两个方面研究了不同品种间相对株高的动态变化，采用聚类分析法对试验栽培品种进行了分类并建立了相关的模拟模型。试验结果表明，棉花不同品种间相对株高随相对有效积温的增加变化趋势一致，适合Richards函数变化规律，建立的三个棉花相对株高动态模拟模型能够较好的模拟不同棉花品种株高的动态变化过程。在模型建立过程中，通过对棉花群体的株高及生育期有效积温进行归一化处理[5]，并采用聚类分析的方法将29个棉花品种的相对株高值分为三大类[15]，以此减小了品种间相对株高的变化差异。同时，该模型参数少、计算简便，建立与应用过程中，只需获取棉花株高测量日期内的株高值及对应的有效积温值，便可较为准确地模拟株高的动态变化。

株高是棉花看苗诊断的重要观测指标[9]。棉花高产栽培，对理想株型有着一定的要求，而理想株型是通过调控棉花株高生长实现的，合适的株高变化能使棉花节间分布均匀，达到理想株型要求，并且可以有效地控制棉花生长过快，棉花营养生长与生殖生长朝着协调合理的方向发展。株高动态变化规律对于确定采取对症的调控措施、形成棉花高产群体结构具有重要意义。

研究仅是在水肥充足条件下，建立了棉花相对株高与相对有效积温的关系模型并进行了初步检验，取得了较好的预测效果。但棉花株高生长除受棉花熟性因素和水肥、密度、播期等栽培因素外，还受光照、温度等生态因子的影响，这些综合因素驱动的棉花株高动态模拟模型还需进一步研究。

4 结论

将29个棉花品种的株高和有效积温用相对株高与相对有效积温表示，并将其分为三类建立相对株高动态模拟模型，第Ⅰ类y=0.997/(1+exp(26.08-33.62x))1/8.66(r=0.997 6)；第Ⅱ类：y=0.997/(1+exp(26.09-28.65x))1/8.41(r=0.996 7)；第Ⅲ类：y=1.02/(1+exp(8.55-12.68x))1/3.25(r=0.997 3)。该模型可较为准确的预测不同类棉花品种相对株高的动态变化，为通过看苗诊断棉花生长发育状况提供了参考。

References)

[1] 马俊贵, 马娟, 刘宏涛,等. 推进新疆棉花生产全程机械化技术的思考[J]. 新疆农业科技, 2013,(5):52-53.

MA Jun-gui, MA Juan, LIU Hong-tao, et al. (2013). Thoughts on promoting full mechanization of cotton production technology in Xinjiang [J].XinjiangAgriculturalScienceandTechnology, (5):52-53. (in Chinese)

[2]孙莉, 张清, 陈曦,等. 精准农业技术系统集成在新疆棉花种植中的应用[J]. 农业工程学报, 2005, 21(8):83-88.

SUN Li, ZHANG Qing, CHEN Xi, et al. (2015). Application of the integrated precision farming system of cotton growing in Xinjiang Region [J].TransactionsoftheChineseSocietyofAgriculturalEngineering, 21(8):83-88. (in Chinese)

[3]赵登峰,张立新,吴金林. 变量施肥研究现状及在新疆棉花上的应用展望[J]. 农机化研究,2012,34(4):213-218.

ZHAO Deng-feng, ZHANG Li-xin, WU Jin-lin. (2012). The research status of variable rate fertilization and its application prospects in Xinjiang cotton [J].JournalofAgriculturalMechanizationResearch, 34(4):213-218. (in Chinese)

[4]张明艳,李红岭,高晓阳, 等. 紫花苜蓿株高和叶面积指数变化动态及模拟模型[J]. 干旱区资源与环境,2013,27(4):187-192.

ZHANG Ming-yan, LI Hong-ling, GAO Xiao-yang, et al. (2013). Dynamic changes and simulation model of plant height and leaf area index of alfalfa [J].JournalofAridLandResources&Environment, 27(4):187-192. (in Chinese)

[5]王声锋, 段爱旺, 徐建新. 冬小麦株高和叶面积指数变化动态分析及模拟模型[J]. 灌溉排水学报, 2010, 29(4):97-100.

WANG Sheng-feng, DUAN Ai-wang, XU Jian-xin. (2010). Dynamic changes and simulation model of plant height and leaf area index of winter wheat [J].JournalofIrrigation&Drainage, 29(4):97-100. (in Chinese)

[6]齐维强. 积温对日光温室番茄生长发育效应的研究以及模型初探[D].杨凌：西北农林科技大学硕士论文,2004.

QI Wei-qiang. (2004).EffectsofAccumulationTemperatureonGrowthandDevelopmentofTomatoinSolarGreenhouseandPrimaryResearchofGrowthModeling[D]. Master Dissertation. North West A & F University, Yangling.(in Chinese)

[7]刘辉. 新疆特早熟棉花生长发育动态与有效积温关系研究[J]. 安徽农学通报, 2009, 15(3):123-125.

LIU Hui. (2009). Correlation between dynamic of specific early-maturing cotton growth and development and effective accumulated temperature in Xinjiang [J].AnhuiAgriculturalScienceBulletin, 15(3):123-125. (in Chinese)

[8]吴孔明, 刘孝纯. 棉花生育的积温模型[J]. 华北农学报, 1996, (2):74-80.

WU Kong-ming, LIU Xiao-chun. (1996). An accumulated temperature model for cotton growth and development [J].ActaAgricultureBoreallinica, (2):74-80. (in Chinese)

[9]张立桢, 曹卫星, 张思平,等. 棉花形态发生和叶面积指数的模拟模型[J]. 棉花学报, 2004, 16(2):77-83.

ZHANG Li-zhen, CAO Wei-xing, ZHANG Si-ping, et al. (2004). A simulation model for morphogenesis and lai in cotton [J].CottonScience, 16(2):77-83. (in Chinese)

[10]徐寿军, 李志刚, 杨恒山,等. 大豆茎秆、叶片及豆荚生长的动态模拟[J]. 农业工程学报, 2013,(20):151-159.

XU Shou-jun, LI Zhi-gang, YANG Heng-shan, et al. (2013). Dynamic simulation of stem, leaf and pod development on Soybean [J].TransactionsoftheChineseSocietyofAgriculturalEngineering, (20):151-159. (in Chinese)

[11]李红岭, 高晓阳, 张明艳,等. 大麦茎秆生长动态模拟模型[J]. 干旱地区农业研究, 2012, 30(4):129-132.

LI Hong-ling, GAO Xiao-yang, ZHANG Ming-yan, et al. (2012). Simulation model of internode dynamic growth in barley [J].AgriculturalResearchintheAridAreas, 30(4):129-132. (in Chinese)

[12]周岑岑. 马铃薯生育期及形态建成的模拟研究[D].武汉：华中农业大学硕士论文, 2015.

ZHOU Cen-cen. (2015).ModelingphenologicalstagesandmorphologicalformationinPotato[D]. Master Dissertation. Huazhong Agricultural University, Wuhan. (in Chinese)

[13]陈冠文. 棉花株高动态模拟与预测方法初探[J]. 中国农学通报, 2008, 24(10):211-216.

CHEN Guan-wen, (2008). A Simulation Model for Dynamics of Cotton Height and Prediction [J].ChineseAgriculturalScienceBulletin, 24(10):211-216. (in Chinese)

[14]张建华. 温度影响新疆地区棉花发育速度的模拟研究[J]. 大气科学学报, 1997,(4):447-452.

ZHANG Jian-hua. (1997). Numerical study of temperature impact on growth of cotton varieties in Xinjiang [J].TransactionsofAtmosphericSciences, (4):447-452. (in Chinese)

[15]陈荣江, 张万琴, 王文峰,等. 棉花数量性状的因子分析与品种的聚类分析[J]. 福建农林大学学报(自然科学版), 2009, 38(3):225-230.

CHEN Rong-jiang, ZHANG Wan-qin, WANG Wen-feng, et al. (2009). Factor analysis of quantitative characters of cotton and cluster analysis of cotton varieties [J].JournalofFujianAgricultureandForestryUniversity(NaturalScienceEdition) , 38(3):225-230. (in Chinese)

[16]马富裕, 曹卫星, 张立祯,等. 棉花生育时期及蕾铃发生发育模拟模型研究[J]. 应用生态学报, 2005, 16(4):626-630.

MA Fu-yu, CAO Wei-xing, ZHANG Li-zhen, et al, (2005). A physiological development time- based simulation model for cotton development stages and square-and boll formation. [J].ChineseJournalofAppliedEcology, 16(4):626-630. (in Chinese)

Supported by: The National Key Technology Support Program (2012BAD41B02), and the Graduate Student Science and Technology Innovation Program of Xinjiang Uyghur Autonomous Region, China (XJGRI2013064)

Dynamic Changes and Simulation Model of Plant Height of Cotton

WANG Le1, WU Yang-huan2, LI Jie1, YANG Ping1, CHAI Shun-xi1, CHEN Rui1, MA Fu-yu1

(1.KeyLaboratoryofOasisEco-agricultureofXinjiangProductionandConstructionCorps,CollegeofAgronomy,ShiheziUniversity,ShiheziXinjiang832003,China; 2.AgriculturalScientificInstituteoftheSixthAgriculturalDivision,XinjiangProductionandConstructionCorps,WujiaquXinjiang831300,China)