西南高海拔区域苹果光合作用与光和CO2响应模型的筛选

冯建文，吴亚维，宋 莎，韩秀梅，杨 华，李顺雨

（1.贵州省农业科学院 果树科学研究所，贵州 贵阳 550006；2.威宁县现代高效农业产业示范园区管理委员会，贵州 威宁 553100；3.威宁县果业中心，贵州 威宁 553100）

苹果Malus domestica属于蔷薇科Rosaceae苹果亚科Maloideae苹果属Malus落叶果树，与葡萄、柑橘和香蕉合称为“世界四大水果”[1]。我国作为全球第一大苹果主产国，2017年苹果栽种面积上升到222.04万hm2，占世界栽培面积的31.04%，产量上升至4 139.15万t，占世界总产量的33.29%[2]。

叶片的光合作用是苹果树生长发育和产量形成的基础，而光合作用受环境生态因子和生理因子的共同影响[3]。其中，光和CO2是光合作用的主要能量来源和底物，也是影响光合作用的最直接因子。国内外关于苹果叶片光合作用对光和CO2响应方面的研究已有报道[4-5]。西南冷凉高地是我国南方唯一的苹果优生区，该区域具有低纬度、高海拔、紫外线强、夏季气候冷凉、昼夜温差大等独特气候条件。已有该区域苹果品种光合特性的研究报道[6-7]，但未涉及苹果品种光合作用对光与CO2响应方面的研究。

光合作用对光和CO2的响应模型是植物生理和植物生态学的重要研究方法，可为研究植物光合特征对主要影响因子的响应提供依据[8]。选择合适的数学模型来拟合光合-光响应曲线和光合-CO2响应曲线，才能计算得到衡量植物光合能力的重要光合参数，从而为后续的研究提供可靠的数据[9]。目前，用于拟合光合-光响应的模型有直角双曲线模型[10-11]、非直角双曲线模型[12]、指数模型[13]、直角双曲线修正模型[14]等；用于拟合光合-CO2响应的模型有直角双曲线模型、Michaelis-Menten模型（M-M模型）、直角双曲线修正模型等[15]。

笔者在西南冷凉高地产区开展了5个苹果品种的光合-光响应和光合-CO2响应研究，并进行了苹果光合-光响应和光合-CO2响应的拟合效果分析，旨在探明苹果对光强度和CO2浓度变化的响应机制，筛选较适合西南冷凉高地的苹果光合-光响应和光合-CO2响应模型，为后续深入开展西南高海拔区域苹果光合特性研究提供参考。

1 材料与方法

1.1 材 料

在贵州省毕节市威宁县黑石头镇农业局示范园（26°45′21″N，103°59′47″E）进 行 试 验。该 示范园海拔2 120 m。所用5个苹果品种为‘黔选2号’（‘红富士’单株变异，2011年由贵州省果树蔬菜工作站审定）、‘黔选3号’（‘长富2号’单株变异，2011年由贵州省果树科学研究所审定）、‘嘎拉’‘蜜脆’和‘红星’，均为6年生，砧木均为丽江山荆子，常规管理，乔化栽植，株行距2 m×4 m。

1.2 方 法

1.2.1 光响应数据的测定

2018年7月下旬，选择连续3 d晴朗天气，于9:00—11:30用便携式光合测定系统（Li-6400XT，USA）测定光响应数据。CO2小钢瓶是CO2注入系统，为光合作用提供反应的CO2底物。在测定之前，对小钢瓶进行校准，保证CO2注入系统能够控制样品室内CO2浓度的稳定。CO2体积分数控制在400 μmol/mol，温度控制在33 ℃，空气相对湿度约为54%。光合有效辐射（PAR，photosynthetically active radiation）的梯度设置为2 000、1 500、1 000、500、250、120、60、30、15、0 μmol/(m2·s)。测定指标包括净光合速率（Pn）、气孔导度（Gs）、胞间CO2浓度（Ci）和蒸腾速率（Tr）等。不同光强设定数据采集时间为120～300 s。然后用各模型拟合光响应曲线，得到光响应曲线的初始斜率（即初始量子效率，α）、光饱和点（Isat）、光补偿点（Ic）、最大净光合速率（Pnmax）和暗呼吸速率（Rd）[16-17]。

1.2.2 CO2响应数据的测定

2018年7月下旬，选择连续3 d晴朗天气，于9:00—11:30用便携式光合测定系统（Li-6400XT，USA）测定CO2响应数据。CO2小钢瓶是CO2注入系统，为光合作用提供反应的CO2底物。在测定之前，对小钢瓶进行校准，保证CO2注入系统能够控制样品室内CO2浓度的稳定。样品室控制光强为1 200 μmol/(m2·s)，温度控制在33 ℃，空气相对湿度为54%左右。CO2体积分数的梯度设置为400、300、200、150、100、50、400、600、800、1 000、1 200、1 500、1 800、2 000 μmol/mol。测定指标包括净光合速率（Pn）、气孔导度（Gs）、胞间CO2浓度（Ci）和蒸腾速率（Tr）等。不同CO2浓度设定数据采集时间为120～300 s。然后用各模型拟合CO2响应曲线，得到CO2响应曲线的初始羧化速率（η）、CO2饱和点（CO2saturation point，CSP）、CO2补偿点（CO2compensation point，CCP）、最大净光合速率（Pnmax）和光呼吸速率（Rp）[9]。

1.2.3 光响应曲线和CO2响应曲线拟合模型

利用直角双曲线模型、非直角双曲线模型、指数方程模型和直角双曲线修正模型进行光合-光响应曲线的拟合；运用直角双曲线模型、Michaelis-Menten模型（M-M模型）、直角双曲线修正模型进行光合-CO2响应曲线拟合，各模型和数学表达式及具体参数设置情况见表1。

表1 拟合模型的数学表达式及参数设置†Table 1 Mathematical expressions and parameter setting of fitting models

根据光响应曲线和CO2响应曲线实测数据点的走势，估算Isat、Pnmax、Ic（Pn为0时的光合有效辐射PAR）、CCP、CSP，Rd和Rp等参数，估算出的光响应和CO2响应特征参数作为实测值与模型拟合值比较分析。

1.3 数据处理

运用软件“光合计算器”[14]光响应和CO2响应的模块对5个品种苹果光响应和CO2响应曲线实测数据进行拟合，得到α、β、Pnmax、Isat、Ic、CCP、CSP，Rd和Rp等指标，运用Office 2010软件进行数据整理和分析。

2 结果与分析

2.1 5个品种苹果叶片气体交换参数的光响应曲线比较

田间实测5个品种苹果叶片的光响应曲线如图1所示。由图1可见，随着PAR的增加，5个品种苹果叶片的Pn、Gs和Tr均逐渐增大，Ci值逐渐下降。光合有效辐射PAR在0～2 000 μmol/(m2·s)范围，5个品种苹果叶片Pn-PAR曲线变化趋势高度一致。随着PAR的增加，0～1 000 μmol/(m2·s) 范围内Pn随着PAR的增加快速上升，5个品种苹果叶片的Pn先迅速升高，达到最高Pn的67.53%～69.59%，随后逐渐趋于平缓，但5个苹果品种中，‘黔选3号’的Pn值比‘黔选2号’‘嘎拉’‘蜜脆’‘红星’的值低。随着PAR增加，Gs和Tr均整体呈现不稳定的上升趋势，Ci呈现较稳定的下降趋势，PAR在0～500 μmol/(m2·s)范围内随着PAR的增加快速下降，随后下降较缓慢。5个品种苹果叶片Gs-PAR、Tr-PAR变化总体呈上升趋势，PAR在0～120 μmol/(m2·s)范围内，‘蜜脆’和‘嘎拉’的Gs表现下降的趋势，而‘黔选2号’‘黔选3号’‘红星’3个品种叶片的Gs变化不大，有较小的波动，PAR在120～2 000 μmol/(m2·s)范围，5个品种叶片的Gs逐渐增加。在PAR达到1 500 μmol/(m2·s)时，‘嘎拉’苹果叶片的Gs、Ci和Tr均有一个明显峰值，但Pn依然呈现平稳缓慢上升，并未出现峰值。说明Gs的增加直接导致Ci和Tr的增加，1 200 μmol/(m2·s)光合辐射条件下，Gs不是‘嘎拉’苹果光合速率的限制因子。光合有效辐射PAR达2 000 μmol/(m2·s)时，5个品种苹果叶片的光合速率均未出现气孔限制。

图1 田间实测5个品种苹果叶片的光响应曲线Fig.1 Light response curses of five cultivars of M.domestica leaves measured in field

2.2 5个品种苹果叶片气体交换参数的CO2响应曲线比较

田间实测5个品种苹果叶片的CO2响应曲线如图2所示。由图2可见，当CO2体积分数在0～2 000 μmol/mol范围，5个品种苹果叶片的Pn-CO2和Ci-CO2曲线变化趋势基本一致，Gs-CO2和Tr-CO2曲线的变化趋势基本一致。0～600 μmol/mol 范围，随着CO2体积分数的增加，5个品种苹果叶片的Pn先迅速升高，达到最高Pn的56.66%～63.30%，随后平稳增长，Ci值基本呈线性增加，除‘蜜脆’苹果叶片Ci在CO2体积分数1 500～2 000 μmol/mol范围有较大波动外，‘黔选2号’‘黔选3号’‘嘎拉’‘红星’苹果Ci变化呈线性增加。5个品种苹果叶片Gs、Tr变化曲线呈现高度的相似性，说明Gs的变化直接影响Tr的变化，表现为同步变化，但Gs的变化并未影响Ci的值，各品种一致呈线性增加，尤其是‘黔选3号’的Gs明显低于其他4个品种且呈现缓慢下降趋势，但其Ci和其他4个品种无明显差异。

2.3 5个品种苹果叶片模型拟合Pn的光响应数值比较

运用直角双曲线模型、非直角双曲线模型、指数方程模型、直角双曲线修正模型4种光响应模型对5个品种苹果叶片Pn光响应数据进行拟合，由“光合计算器”得出的决定系数（R2）为0.997 3～1.000 0，拟合值与实测值的差值均小于1，拟合效果较好。5个品种苹果叶片光合作用光响应曲线测定数据及其拟合值见表2。

直角双曲线模型和指数模型的Pn拟合值的各个点与实测值存在较为明显的偏差。直角双曲线模型在PAR 0～15和250～500 μmol/(m2·s) 范围内，拟合值小于实测值，而指数方程模型在PAR 60～250和1 500～2 000 μmol/(m2·s)范围内，拟合值小于实测值，PAR 0～30和50～1 000 μmol/(m2·s)范围内，拟合值大于实测值。

直角双曲线修正模型Pn拟合值与实测值较为接近，但与实测值有偏差，表现在PAR 30～120和1 000 μmol/(m2·s)大于实测值，在其余PAR范围低于实测值。

非直角双曲线模型的Pn拟合值与实测值较为接近，但也有偏差，拟合值与实测值的差值为-0.17～0.17 μmol/(m2·s)。

图2 田间实测5个品种苹果叶片的CO2响应曲线Fig.2 CO2 response curses of five cultivars of M.domestica leaves measured in field

表2 5个品种苹果叶片光合作用Pn测定值及其光响应曲线拟合值Table 2 Measured Pn values in photosynthesis of five cultivars of M.domestica leaves and its fitted values based on light response curves

续表2Continuation of Table 2

2.4 5个品种苹果叶片模型拟合的光响应特征参数比较

用4种模型拟合不同苹果品种光响应曲线得到的特征参数α、Pnmax、Isat、Ic、Rd与实测值见表3。

直角双曲线模型的Pnmax拟合值均大于实测值，偏差较大，5个品种苹果叶片的α、Rd拟合值均比实测值大，除‘嘎拉’和‘红星’Ic的拟合值比实测值小外，‘黔选2号’‘黔选3号’‘蜜脆’的Ic拟合值比实测值大。

非直角双曲线模型的Pnmax拟合值均大于实测值，偏差较大，5个品种苹果叶片的α拟合值均比实测值大，‘黔选2号’‘嘎拉’‘蜜脆’的Rd拟合值比实测值大，但‘黔选3号’和‘红星’的Rd拟合值比实测值小，‘嘎拉’和‘红星’的Ic拟合值比实测值大，而‘黔选2号’‘黔选3号’‘蜜脆’的Ic拟合值比实测值小。

指数模型Pnmax、Ic、Rd的拟合值均比实测值小，且Ic和Rd的拟合值与实测值偏差较大。

用直角双曲线修正模型拟合的各参数值与实测值较为接近，5个品种苹果叶片的α值均大于实测值。

2.5 5个品种苹果叶片模型拟合Pn的CO2响应数值比较

运用直角双曲线模型、M-M模型、直角双曲线修正模型3种模型对5个品种苹果叶片Pn-CO2响应数据进行拟合，由“光合计算器”得出的决定系数（R2）为0.962 4～0.999 0，拟合效果较好。5个品种苹果叶片光合作用CO2响应曲线测定数据及其拟合值见表4。

直角双曲线模型和M-M模型的Pn拟合值均一致。直角双曲线模型在CO2体积分数0～10和600～1 500 μmol/mol范围内，拟合值小于实测值，M-M模型和直角双曲线拟合值完全一致；CO2体积分数在150～400和1 800～2 000 μmol/mol范围内，拟合值高于实测值。

直角双曲线修正模型的Pn拟合值与实测值较为接近，偏差范围表现在CO2体积分数150～300和1 200～1 800 μmol/mol，Pn拟合值大于实测值，其余CO2体积分数时Pn拟合值小于实测值。

表3 光响应模型拟合的决定系数与5个品种苹果叶片的主要光合参数Table 3 Fitted determination coefficients based on light response models and main photosynthesis parameters of five cultivars of M.domestica leaves

表4 5个品种苹果叶片光合作用Pn测定值及其CO2响应曲线拟合值Table 4 Measured Pn values in photosynthesis of five cultivars of M.domestica leaves and its fitted values based on CO2 response curves

续表4Continuation of Table 4

2.6 5个品种苹果叶片模型拟合CO2响应特征参数比较

用3种模型拟合不同品种苹果叶片CO2响应曲线得到的特征参数η、Pnmax、CCP、CSP、Rp与实测值见表5。

用直角双曲线模型和M-M模型拟合的Pnmax、CSP、Rp及R2拟合值完全一致，用2种模型均无法拟合出CSP，但用直角双曲线模型能拟合出η值，用M-M模型无法拟合出η值。用直角双曲线模型和M-M模型拟合的Pnmax、CCP、Rp及η值均大于实测值，偏差较大。此外，用直角双曲线模型拟合的5个品种的Rp是Rd的1.65～2.32倍。用直角双曲线修正模型拟合的各参数值与实测值较为接近，5个品种苹果叶片的η值均大于实测值（表5）。

3 结论与讨论

3.1 结 论

光合-光响应中，气孔导度（Gs）的变化影响蒸腾速率（Tr）的变化，5个品种苹果叶片的光合速率均对强光有较好的适应性，在其他影响因子相同的情况下，CO2浓度可能是生产中的实际限制因子。光合-CO2响应中，5个品种苹果叶片Gs与Tr表现为同步变化，但Gs的变化并未影响Ci值，Ci值呈线性增加，在CO2浓度满足光合作用底物消耗的情况下，PAR是苹果叶片发挥光合能力的限制因子。采用模型拟合不同品种苹果叶片光合-光响应曲线，拟合效果由优到劣依次为直角双曲线修正模型、非直角双曲线模型、直角双曲线模型、指数方程模型。采用模型拟合不同品种苹果叶片光合-CO2响应曲线，拟合效果由优到劣依次为直角双曲线修正模型、直角双曲线模型、M-M模型。

表5 CO2响应模型拟合的决定系数与5个品种苹果叶片的主要光合参数Table 5 Fitted determination coefficients based on CO2 response models and main photosynthesis parameters of five cultivars of M.domestica leaves

3.2 讨 论

3.2.1 苹果光合作用与PAR和CO2响应特性

从5个品种苹果叶片的光与CO2响应曲线来看，在环境CO2（体积分数400 μmol/mol）供给充足的条件下，PAR在500～1 000 μmol/(m2·s)时，苹果Pn可满足苹果光合；在PAR为1 200 μmol/(m2·s)的情况下，CO2供给体积分数达到750～1 000 μmol/mol，苹果Pn可满足苹果光合。通过在威宁开展苹果光合日变化研究，笔者发现9:00—18:00实测苹果PAR为98.61～1 194.38 μmol/(m2·s)，CO2体积分数为382.61～445.87 μmol/mol，与PAR在500～750 μmol/(m2·s)，CO2供给体积分数达到750～1 000 μmol/mol相比，自然环境中PAR远超过750 μmol/(m2·s)。因此，在其他影响因子相同的情况下，PAR不是苹果光合速率的限制因子，CO2浓度可能是生产中的实际限制因子。

叶片气孔是植物体与外界环境进行H2O、CO2和O2等气体交换的重要门户[18]。因此，在研究叶片光合速率变化的原因时，首先要查明是否存在光合作用的气孔限制。叶片光合速率对一些干扰响应过程中，确定气孔阻力占优势的一个重要依据，是叶肉细胞间CO2浓度（Ci）与净光合速率（Pnmax）在同一个方向上变化，如果这两者的变化方向是相反的，则占优势的限制因素是在叶肉细胞内，而非气孔[19]。在Pn-PAR响应研究中，随着PAR的增强，5个品种苹果叶片的Pn、Gs和Tr呈现增加趋势，说明气孔可能受PAR调控，与前人研究结果一致[20]。而Ci与Pn的变化相反，呈下降变化趋势，说明Ci主要受Pn影响，Pn的升高使得CO2的消耗增加，导致Ci对应下降。其间，尽管Gs随着PAR增强而增加，而Gs的增加也在一定程度上导致了Ci的提高，这在PAR为 1 500 μmol/(m2·s)时‘嘎拉’苹果上的表现最为明显，但并未对整体Ci变化趋势造成决定性影响。说明本试验中CO2浓度满足光合作用底物消耗的情况下，PAR是苹果叶片发挥光合能力的限制因子。在Pn-CO2响应研究中，CO2体积分数在0～750 μmol/mol时，随着CO2浓度的增加，Pn呈现快速上升，随后平缓上升，Ci呈现线性上升，而Gs和Tr呈现无规律变化，说明CO2供给增加能够促进Pn和Ci的增加，但对Gs无直接的规律性影响，Gs的变化对于Pn和Ci也未产生直接影响。在Pn-PAR和Pn-CO2响应研究中，Gs值与Tr值的变化趋势高度一致，说明Gs的变化直接决定Tr，进一步验证了叶片Gs与Tr正相关的结果[21]。

本研究中，PAR设定在0～2 000 μmol/(m2·s)，CO2体积分数也设定在50～2 000 μmol/mol，在西南冷凉高地苹果产区的威宁，本试验中测得的苹果园光合有效辐射PAR最高为1 194.38 μmol/(m2·s)，自然环境中CO2体积分数主要在382.61～445.87 μmol/mol，均较难达到2 000 μmol/mol的试验体积分数。

3.2.2 适合拟合苹果光响应曲线的光响应模型

在本研究中，采用直角双曲线模型、非直角双曲线模型、指数模型和直角双曲线修正模型，均能较好地拟合不同品种苹果叶片光合-光响应曲线，拟合效果由优到劣依次为直角双曲线修正模型、非直角双曲线模型、直角双曲线模型、指数方程模型。虽然非直角双曲线模型的拟合值与实测值较为接近，但由于直角双曲线、非直角双曲线模型和指数模型本身是无极值的模型，无法直接得到Isat。本研究中，指数模型拟合值普遍低于曲线模型，非直角双曲线模型能较好地拟合低光照范围的光响应曲线，直角双曲线模型和非直角双曲线模型拟合的最大净光合速率值偏高，指数模型拟合的暗呼吸速率值偏低，直角双曲线修正模型的拟合值在各个阶段与实测值均较为接近，研究结果与前人的研究结果一致[22-29]。此外，直角双曲线模型、非直角双曲线模型、指数模型拟合的决定系数R2＞0.99，但不能说明拟合的光合参数与实测值就很接近，因此，R2越大仅能说明模型拟合程度越高，并不能保证拟合的结果一定与实测值相符。从获得的特征参数数量和其与实测值的接近程度相比较，采用直角双曲线修正模型能够拟合出‘黔选2号’‘黔选3号’‘嘎拉’‘蜜脆’‘红星’的Isat，能够拟合得到的参数数量最多，且与实测值更为接近。但是在实际生产中，晴天中午的全日辐射仅为1 500～2 000 μmol/(m2·s)，不可能达到品种‘嘎拉’拟合的最高值3 746.05 μmol/(m2·s)，说明5个苹果品种对强光有较好的适应性，且在其他因子适宜的条件下，光合有效辐射的升高能进一步提高苹果叶片的净光合速率。

3.2.3 适合拟合苹果CO2响应曲线的CO2响应模型

在本研究中，直角双曲线修正模型、M-M模型和直角双曲线模型均能较好地拟合不同品种苹果叶片Pn-CO2响应曲线，拟合效果由优到劣依次为直角双曲线修正模型、直角双曲线模型、M-M模型。采用直角双曲线修正模型能够反映出光合作用的CO2饱和现象，反映叶片的光合能力，并得出CO2饱和点。羧化效率反映了植物叶片对CO2的利用情况，羧化效率越高，说明植物叶片对CO2的利用越充分[30]。M-M模型本身无初始羧化速率这个参数，所以无法拟合得到初始羧化速率这一数值。其他拟合值Pnmax、CCP、Rp、R2与直角双曲线模型相同，通过比较拟合得到的信息量及其与实测值的接近程度可知，直角双曲线修正模型优于直角双曲线模型和M-M模型，直角双曲线修正模型拟合的效果最佳[30-32]。前人的结论均是在CO2对光合作用饱和的情况下得出的，本研究中未出现较为明显的光合对CO2的饱和现象，可能与光诱导时间较短、固定光源强度 1 200 μmol/(m2·s)偏小有关[9]。

本研究的试验点位于威宁南部区域，北部区域也是苹果主产区，下一步考虑扩大研究区域。本研究中仅在相同的条件下控制光强和CO2浓度进行响应特征研究，而不同海拔、不同季节的环境因子存在差异，研究不同季节和海拔梯度果园苹果叶片光合作用与光和CO2的响应特征是下一步的研究方向。