基于不同回归模型的玉米秸秆生物量预测

桑志勤，张占琴，段震宇，陈树宾，王友德，郭斌，张小伟

（1.新疆农垦科学院，新疆石河子832000；2.新疆生产建设兵团第六师农业科学研究所，新疆五家渠831300）

玉米秸秆是我国3大主要粮食作物的副产品之一，秸秆产量占到全国作物秸秆总量的36.81%[1-2]。目前，在新疆许多奶牛场采用秸秆作为重要的青贮饲料来源，因此在新疆果穗收获后新鲜的玉米秸秆是动物饲料重要发展方向之一。同时，作物的植株生物量是作物生长监测和产量评估的重要指标之一，在农业生产和生态系统管理中发挥着重要作用[3-5]。作物的植株生物量与产量具有很强的相关性，在作物早期的生长发育阶段依据其生物量确定精准的栽培管理措施具有重要意义[6-7]。然而，精确地评估秸秆生物量仍然是一项难度很高的任务，玉米的生物量测量技术仍然面临着许多挑战。田间直接测量会破坏生物体本身，干燥处理测量干物质质量，其测量过程费时、费力，并不适合于大规模不同时间和不同空间的测量。

国内外采用了多种不同的测量方法，通过玉米植株相关表型参数的评估来估算玉米的生物量。研究人员分析了不同光谱、红绿蓝植被指数以及覆盖和密度的估计值，利用模型估算玉米植株生物量[8]，或采用高光谱和激光雷达扫描技术对玉米生物量运用偏最小二程回归法进行估算[9-10]。与其他农作物相比，这些技术用于玉米秸秆生物量测量具有一定的难度。玉米地上部植株高度通常达到3 m左右，进行地面观测实现准确测量需要考虑到高分辨率、地形的起伏和单株的3D结构等因素。而基于玉米株高的生物量测量和预测模型具有测量简单、相关度高等优势[11-13]。本研究拟以376个不同的玉米杂交组合为材料，以玉米株高、叶片数为指标，进行线性回归分析，建立玉米蜡熟期单株生物量预测模型，并对预测精确度进行评估，从而为实现玉米生物量高效测量提供理论依据。

1 材料与方法

1.1 数据获取

试验地点为新疆维吾尔自治区石河子市新疆农垦科学院作物研究所试验地（85°94′E、44°27′N），海拔480 m。玉米于2018年4月28日播种，行长3 m，行距55 cm，田间栽培管理同当地大田滴灌玉米种植管理方式。本研究随机选取试验地内不同类型玉米杂交组合400份作为研究材料。相关参数测量日期为2018年8月27日（蜡熟期），测量时每个材料选取中间行代表性植株4株，分别测量玉米的株高（玉米雄穗顶端至地面的距离）、叶片数（于小口期用红漆点第8张叶片作为标记），然后分部位收获玉米的地上部分（茎秆+叶片），装入网纱袋中，

放入烘干房中烘干，烘干温度为45℃，待玉米植株质量恒定后称量其各部位的干物质质量。

1.2 数据处理

对获得的玉米株高、叶片数、叶片质量、茎秆质量数据进行初步筛选，计算叶片质量和茎秆质量的比值，剔除叶片质量大于茎秆质量的异常数据，总共得到376份样本，用于数据对模型的检验[14-15]。

1.3 数据分析

以玉米株高（H）、叶片数（L）为自变量，玉米干物质质量（DW）为因变量，首先对回归分析中的各个因素使用R 3.5.3软件的cor函数进行皮尔森相关系数分析，再使用R 3.5.3软件lm函数的多元线性回归功能对玉米的各项数据进行回归分析，建立玉米生物量的拟合模型。线性回归分析中，选用决定系数、均方根误差（RMSE）和相对均方根误差（rRMSE）作为模型预测准确度的评价指标[13]。

式中：n表示样本数量；Si表示人工测量值；Si1:表示预测值。通常R2越大，RMSE和rRMSE值越小，表示回归分析的效果越好。选用值对回归模型中的各参数显著性进行检验。

2 结果与分析

2.1 样本特征

对376个玉米单株样本的单株干物质质量、株高、叶片数数据进行分析（表1和图1），3个性状均呈典型的正态分布。单株干物质质量的分布幅度为137.1～998.6 g，平均单株干物质质量为428.4 g，变异系数为34.5%。样本株高分布幅度为164.0～390.0 cm，平均株高为304.0 cm，变异系数为12.4%。

表1 376个玉米杂交组合的主要特征

2.2 各变量之间的相关性分析

为了保证模型线性相关的准确性，对玉米株高、叶片数和单株干物质质量进行了相关性分析。由表2可见，单株秸秆生物量与株高、叶片数均呈极显著正相关，株高与单株生物量的相关性最高，2个因变量都可用于建立模型分析。

表2 玉米杂交组合各性状的相关性分析

2.3 玉米生物量预测多元回归模型的建立

分别以株高、叶片数单一变量为自变量，或几个因变量组合为自变量，以玉米单株干物质质量为因变量拟合多元线性回归模型（表3）。在多种回归模型的分析中，各自变量P值均小于0.01，表明统计结果显著。

以株高、叶片数为单一变量建立表3中的模型1、模型2，由结果可知，株高的相关系数高于叶片数的。以株高、叶片数为输入量，建立生物量预测表3中的模型3（图2模型3），与玉米单株干物质质量的相关性较高，模型3的决定系数R2为0.39，均方根误差RMSE为115.19 g，相对均方根误差rRMSE为0.61。模型4的相关性最高，其决定系数R2为0.40，均方根误差RMSE为114.62 g，相对均方根误差rRMSE为0.60。在本研究中，多元回归模型3、4、5、6均具有较高的拟合度。

表3 376个玉米杂交组合的生物量模型及评价

3 结论与讨论

玉米单株秸秆干物质质量与各调查性状的相关性分析表明，玉米秸秆的干质量变异系数大于株高和叶片数的变异系数，意味着玉米秸秆干物质积累的变异幅度大于其他性状的变异幅度。赵红香等的研究表明，农大108、高油298、郑单958的单株秸秆干物质质量分别为217、168、230.9 g[16]。本研究所配置组合部分亲本含有热带、亚热带血缘，株型高大、秸秆干物质产量高，更适宜于作为粮饲兼用型玉米。所有样本单株干物质质量的变异系数均较大，可以代表较为丰富的多样性来源，呈现出更加丰富的变异区间。仇瑞承等研究认为，玉米茎粗长轴和短轴与玉米干物质质量相关性高于玉米株高[15]，在本研究中，秸秆干物质质量与株高、叶片数之间密切的正相关，株高对秸秆产量的影响更大。

应用玉米株高、叶片数参数建立了玉米收获期的生物量拟合模型。其中，多元回归模型3、4、5、6都具有较好的适用性（图2），模型的决定系数分别为0.39、0.40、0.40、0.39。仇瑞承等以玉米株高、茎粗长轴、茎粗短轴为因变量构建9种不同的线性模型用于玉米生物量的评估，认为多元回归模型和逐步回归模型具有较高的拟合精度[15]。秦佳梅等以苦碟子株高和植株干鲜质量进行分析，认为指数函数相比多元回归模型具有更好的拟合度[14]。本研究回归模型的决定系数不是很高。考虑到玉米蜡熟期的果穗质量占单株干物质质量的比例很大，而且茎秆粗度对干物质影响较大，本研究中未对果穗质量和茎秆粗度进行测量，进一步的分析中应该将果穗干质量和茎秆粗度考虑进去。