马奶子葡萄叶面积评估模型的建立

2020-02-14钟海霞潘明启张付春伍新宇

新疆农业科学 2020年1期

张钰，钟海霞，潘明启，张付春，伍新宇，李疆

(1.新疆农业大学特色果树研究中心，乌鲁木齐 830052；2.新疆农业科学院园艺作物研究所,乌鲁木齐 830091)

0 引言

【研究意义】葡萄(VitisuiniferaL)在世界果树生产中占有重要位置，我国是世界葡萄的主产区之一，新疆又是我国葡萄的第一大产区[1]，属于欧亚种，是吐鲁番和南疆地区鲜食葡萄的主栽品种之一，马奶子葡萄属中早熟品种，丰产，味甜，鲜食可口。叶片作为植物进行蒸腾作用、呼吸作用、光合作用的重要营养器官。叶片面积的大小在一定程度上影响产量和果实品质，在生产中叶面积也是衡量果树生长发育和营养状况的重要因素。研究葡萄叶片形态指标叶面积相关性，对田间快速测定叶面积，快速评估葡萄园管理水平、指导葡萄园管理有重要意义。【前人研究进展】袁贇等[2]对朝阳市4中乡土树种叶面积进行研究，对每个树种的叶面积与胸径或冠幅、树高之间的关系建立的回归方程，具有较高的可操作性。杨伟等[3]对红枣的叶面积与产量具有一定的相关性，研究结果表明，测定叶长、叶宽可以估算叶面积，通过整形使叶面积达到合适的值，以期提高产量。安佳佳等[4]通过对不同品种香蕉的叶长、叶宽，叶长×叶宽与叶面积之间的相关性，建立了普适性应用模型，实测更简便易算。研究[5]对叶面积与产量之间的关系进行研究分析，根据田间最佳叶面积，估算出植株留叶量。回归分析法是利用叶面积与其叶长、叶宽等指标之间的相关性分析来建立模型，从而估算叶面积。在叶面积回归模型的建立中，一般采用叶长、叶宽与叶长×叶宽指标[6-7]，目前通过此方法已建立香蕉[4]、西瓜[5]、黄瓜[8]等植物叶面积模型。【本研究切入点】常规的叶面积测量方法很多，使用频率最高的是求积仪法、米格纸法、重量法、叶面积仪测量法[9-11]、回归分析法等。其中米格纸法测量的精确度高、但是速度慢、耗时长；重量法繁琐，不能精确的精量每一片叶片的面积，误差较大；叶面积仪测量误差小，精确度高，但是价格昂贵，携带不便，且对叶子的大小有限制。【拟解决的关键问题】测定新疆南疆鲜食葡萄马奶子的叶面积与叶长、叶宽、叶长×叶宽等指标，分析其相关性，建立最适合葡萄叶面积的回归方程，为葡萄叶面积测定提供快捷有效方法，为葡萄叶幕管理提供理论依据。

1 材料与方法

1.1 材料

试验于2019年5月在新疆克孜勒苏柯尔克孜自治州阿图什市葡萄基地进行，试验所在地为典型的温带大陆性气候，年降雨量250 mm以上。试验葡萄园为砂性土壤，滴灌条件，灌水量约400 m3/667 m2·年，以成龄马奶子葡萄为试验材料。采用小棚架栽培，株行距为3.5 m×2 m，负载量约700 kg/667 m2。

1.2 方法

1.2.1 样品采集

7月下旬新梢生长速度放缓，随机选取长势一致的马奶子葡萄6株，每株树上剪取1根1年生完整枝条(叶片数大于10枚)，按2、4、6、8、10叶序摘取无病虫害、特征典型的成熟叶片各5枚，共30枚作为样本，立即带回实验室测量相关指标。

1.2.2 叶长、叶宽及叶面积的测定

采用 YMJ-B叶面积仪器测定叶长、叶宽及叶面积。

1.2.3 模型的建立

利用Microsoft Office Excel 2017系统分别做叶长与叶面积、叶宽与叶面积、叶长×叶宽与叶面积的散点分布图。根据散点分布图的曲线呈现，来计算适合葡萄的回归方程。

1.3 数据处理

利用SPSS 20.0数据处理系统分析叶长与叶面积、叶宽与叶面积、叶长×叶宽与叶面积的相关性，对所求的回归方程进行拟合性检验，依据相关系数，拟合性检验结果来确定最适葡萄的回归方程。

将测量的马奶子葡萄叶片的叶长、叶宽、叶长×叶宽和叶面积数据录入计算机中，利用Excel 2017数据处理系统的功能进行各指标之间的散点图制作。

表1 马奶子葡萄叶长、叶宽、叶长×叶宽与叶面积实测数据
Table 1 Niunai grape leaf length, leaf width, leaf length × leaf width and leaf area measured data

序号No.叶长(cm)Leaf length叶宽(cm)Leaf width叶面积(cm2)Leaf area序号No.叶长(cm)Leaf length叶宽(cm)Leaf width叶面积(cm2)Leaf area19.4314.3891.831614.3119.28164.8627.6813.1666.181712.3118.36152.7139.6014.8995.921814.4019.50175.8247.5112.2860.851911.8717.94124.2356.9811.3254.132010.5216.97109.3569.0814.1687.472113.9619.06161.3177.4211.6460.172211.1717.82115.3088.4713.3882.022313.6118.97155.2496.4610.9647.65249.9515.59100.44109.9515.3898.382515.8019.87184.76117.7713.2181.882612.5718.38154.92126.8110.9950.302710.4716.55107.76139.7715.3196.832815.7119.65183.18147.6812.3762.842912.2218.06145.28157.4211.3254.283010.7317.28109.86

2 结果与分析

2.1 马奶子葡萄叶长、叶宽与叶面积的简单线性回归方程

2.1.1 散点图

研究表明，马奶子葡萄叶长在6.46～15.80 cm，叶宽在10.96～19.87 cm，叶面积在47.65～184.76 cm2。马奶子葡萄叶片的叶长、叶宽、叶片×叶宽与叶面积之间都是呈直线关系。图1

图1 马奶子葡萄叶长、叶宽、叶长×叶宽与叶面积散点
Fig.1 Scatter plot of leaf length, leaf width, leaf length × leaf width and leaf area of Niunai grape

2.1.2 简单一元线性回归方程的建立

研究表明,马奶子葡萄叶片的叶长和叶面积、叶宽和叶面积、叶长×叶宽和叶面积的相关系数分别为0.992、0.971、0.992，经检验呈极显著相关(P<0.01)。叶长和叶面积、叶宽和叶面积、叶长×叶宽和叶面积均存在正相关性。由于叶长和叶面积的相关系数(0.992)大于叶宽和叶面积的相关系数(0.971)、叶长和叶面积的相关系数(0.992)又等于叶长×叶宽和叶面积的相关系数(0.992)。表2

2.2 马奶子葡萄叶长、叶宽与叶面积的二元回归方程的拟合

研究表明,以下x1为叶长、x2为叶宽、x3为叶长×叶宽，x1和x2、x1和x3、x2和x3复相关系数分别为0.992、0.991、0.991，经P检验均达到极显著(P<0.01)，其中x1和x2复相关系数最大(0.992)，葡萄用y1二元回归方程估算叶面积使用效果最佳。表3

表2 马奶子葡萄叶面积估算的一元回归方程拟合
Table 2 Fitting of the one-dimensional regression equation for estimating the leaf area ofNiunaigrape

相关因子Correlationfactor回归方程Regressionequation相关系数CorrelationcoefficientP值P value叶长y=0.063x1+3.596R=0.992∗∗P<0.01叶宽y=0.067x2+8.323R=0.971∗∗P<0.01叶长×叶宽y=0.17x3-12.592R=0.992∗∗P<0.01

注：y表示叶面积，叶长为x1，叶宽为x2，叶长×叶宽为x3；R代表相关程度；**为经显著性检验达到极显著；P<0.01为差异极显著

Note: y indicates leaf area, leaf length is x1, leaf width is x2, leaf length × leaf width is x3;Rrepresents correlation degree;**is extremely significant by significance test;P<0.01 is extremely significant

表3 马奶子葡萄叶面积估算的二元回归方程的拟合
Table 3 Fitting of binary and ternary equations for estimation of grape leaf area in Niunai grape

相关因子Correlationfactor回归方程Regressionequation复相关系数Multiple correlationcoefficientP值P value叶长和叶宽Leaf length and widthy1=12.990x1+2.501x2-66.109R=0.992∗∗P<0.01叶长和叶长×叶宽Leaf length and Leaf length×Leaf widthy2=10.291x1+0.205x3-33.863R=0.991∗∗P<0.01叶宽和叶长×叶宽Leaf width and Leaf length×Leaf widthy3=2.059x2+0.500x3-9.360R=0.991∗∗P<0.01

注：y表示叶面积，叶长为x1，叶宽为x2，叶长×叶宽为x3；R代表相关程度；**为经显著性检验达到极显著；P<0.01为差异极显著

Note:ymeans leaf area, leaf length isx1, leaf width isx2, leaf length × leaf width isx3;Rrepresents correlation degree;**is extremely significant by significance test;P<0.01 is extremely significant

2.3 回归法估测马奶子葡萄叶面积的误差检验

将从不同枝条的不同叶序采取、测量的叶片中随机抽取10枚叶片，将x1、x2值带入到二元回归方程y1=12.990x1+2.501x2-66.109中，将估算的叶面积值与实际叶面积值相比按照从小到大顺序排列。研究表明，实际叶面积与估测叶面积差值极小，差异百分率在0.1%～7.2%，差别极小，此二元回归方程的建立准确率高，结果可靠。表4

表4 估算叶面积与实际叶面积的比较
Table 4 Comparison of estimated leaf area and actual leaf area

叶序Leaforder叶长Leaf length(cm)叶宽Leaf wide(cm)实际叶面积Actual leaf area(cm2)估测叶面积Estimated leaf area(cm2)差值Difference(cm2)差异百分率Percentage difference(%)17.6812.3762.8464.59-1.750.02829.6014.8995.9295.830.090.00139.9515.59100.44102.13-1.690.017413.6118.97155.24158.13-2.890.01959.0814.1687.4787.250.220.003611.1717.82115.30123.56-8.260.072714.3119.28164.86167.99-3.130.01987.6813.1666.1866.57-0.390.00696.4610.9647.6545.222.430.0511010.4716.55107.76111.29-3.530.033

注：差值=实际叶面积-估测叶面积；差异百分率=(实际叶面积-估测叶面积)/实际叶面积×100%

Note: difference = actual leaf area - estimated leaf area; percentage difference = (actual leaf area - estimated leaf area) / actual leaf area x 100%

3 讨论

马奶子葡萄的叶长、叶宽、叶长×叶宽与叶面积均存在正相关关系，叶长与叶面积、叶宽与叶面积、叶长×叶宽与叶面积均呈现极显著相关。这与张传来等[12]研究新高梨叶面积相关性分析基本一致，相关系数叶长与叶面积和叶长×叶宽与叶面积的最大，利用叶长和叶宽拟合的二元回归方程估测的叶面积值与实际叶面积值差异百分率最小，与白云岗等[13]估测无核白叶面积回归方程一致。用叶长和叶宽拟合的回归方程估测马奶子葡萄叶面积比用叶长与叶面积、叶宽与叶面积所拟合的简单线性回归方程以及用叶长和叶长×叶宽与叶面积、叶宽和叶长×叶宽与叶面积拟合的二元回归方程测算的结果精确。

由于叶长与叶面积、叶宽与叶面积、叶长×叶宽与叶面积的复相关系数以及叶长和叶宽与叶面积、叶长和叶长×叶宽与叶面积、叶宽和叶长×叶宽与叶面积的复相关系数均呈极显著水平。试验建立的3个简单线性回归方程和3个二元回归方程均可作为估测马奶子葡萄叶面积的回归方程。通过SPSS 20.0建立的叶长和叶宽与叶面积的二元回归方程估测马奶子叶面积更为准确。

运用Excel2017系统与SPSS 20.0数据处理系统对马奶子葡萄测量的叶片形态数据进行相关回归分析，从而建立马奶子葡萄叶片长、宽以及叶长×叶宽对其叶面积的简单线性及二元回归方程。结果表明，建立的二元回归方程估测叶面积值与实际叶面积值差异极小，可靠性强，平均差异百分率仅2.103%，是估测葡萄叶面积的最佳回归方程。