小白菜器官生长动态与环境温度关系的模拟

蔡淑芳,刘 现,吴宝意,王 涛,廖水兰,郑鸿艺,雷锦桂

(福建省农业科学院数字农业研究所,福州350003)

小白菜亦称不结球白菜,是我国常见的蔬菜种类,拥有较大的栽培面积和市场销量。 小白菜生长周期较短、管理较为简单,是设施水培蔬菜生产的良好作物选择。

作物生长模型是设施作物生长的重要研究内容,也是实现温室环境自动控制的有效工具。 目前,成熟的作物生长模型大多是以番茄、黄瓜、甜瓜等果类作物为研究对象,如以色列的Tomgro 番茄模型和Hortisim 系统,开展了温度、太阳辐射、CO2等环境因素与番茄、黄瓜、甜椒等作物生长发育模拟的研究[1-2]。 我国的相关研究也取得了一定进展,如苏春杰[3]研究了温室环境因子对苗期、开花坐果期、结果期番茄生长的调控模型;唐卫东等[4]以温室黄瓜为例,研究了基于植株-环境交互的作物生长模型;雷波[5]、严妍[6]对水培生菜生长发育、生育期、干物质积累等模型进行了探讨;韩娴博等[7]开展了土壤栽培小白菜采收期与产量预测研究;谭文等[8]建立了土壤栽培小白菜营养品质模拟模型。

在小白菜生长发育方面,已有的研究主要是通过栽培对比试验对小白菜生长进行分析[9-12],关于小白菜特别是水培小白菜生长发育模型的研究比较少见。 温度特别是积温是影响作物生长的关键因素之一,基于积温的作物生长模型可以较好地反映实际情况[5-6]。 因此,分析小白菜器官生长与环境温度关系具有重要意义。 据此,本研究拟设计分期试验,分析环境温度对小白菜器官生长的影响,初步构建水培小白菜生长模型,以期为小白菜生长预测及环境调控提供参考。

1 材料与方法

1.1 试验设计

试验于2019 年3 月4 日—4 月2 日(试验1)和3 月9 日—4 月7 日(试验2)在福州的中以示范农场薄膜温室内进行,试验期均为30 d。 以当地小白菜主栽品种‘春油5 号’为试验材料,在温室育苗区进行育苗。 待幼苗长至4 叶1 心时,选取长势良好、株形一致的植株移栽至营养液膜技术栽培区并开始试验,栽培密度为32 株∕m2。 试验期间营养液EC 值控制在1.4—1.9 mS∕cm,pH 控制在6.0—6.3。 温室内配备有水肥控制系统,对营养液循环进行自动控制。 试验期间无加温处理措施,积温与辐射较同步,可应用积温法进行分析[6]。

1.2 测定项目

(1)气象数据采集:温度数据资料通过数据采集器自动采集,采集频率为每30 s 一次。 2 日平均温度为2 日内所采集所有温度数据的平均值。

(2)植株生长测定:每2 d 调查1 次株高、叶数、叶面积、茎粗、根长和鲜重等生长指标,每次选取5 株样本。 试验1 和试验2 测定的数据分别用于相关模型的建立和验证。

1.3 数据处理方法

温度数据的处理方法如下:

式中,ΔTn为第n个2 日平均有效温度;T为第n个2 日平均温度;T0为小白菜生长的生物学下限温度,一般认为温室环境下为7 ℃[8];Tn为第n个2 日平均有效积温;n为定植后测定次数。

采用SPSS 16.0 软件对试验数据进行统计分析和作图。

1.4 建模及模型检验方法

利用温室环境数据以及试验1 的小白菜生长指标,建立平均有效积温及生长指标的动态关系,模拟4叶1 心后的小白菜生长情况,决定系统R2以趋近于1 为佳。 利用试验2 的小白菜生长指标对模型预测效果进行检验。 一般认为,可利用均方根误差(root mean squared error,RMSE)及相对预测误差(relative prediction error,RE)对模拟值与实测值之间的吻合程度进行统计分析,RMSE以趋近于0 为佳,15 以内较好;RE为RMSE与实测样本平均值的比值,以10%以内为佳。 同时应用模拟值与实测值之间的相关系数r表示模型的拟合度和可靠性,r以大于0.9 为佳[8]。

2 结果与分析

2.1 小白菜生长指标与平均有效积温关系模型的建立

从图1 可以看出,试验期间,温室内平均气温波动较大。 温室内平均气温在升温后共出现3 次明显降温,分别出现在第5 天、第13 天和第19 天,其中第19 天降温幅度最大,达到9 ℃。 试验期间的日平均气温在14.12—24.95 ℃,总体平均气温为19.14 ℃,较适合小白菜的生长。

利用温室温度数据计算小白菜生长期间的平均有效积温,并将试验1 的小白菜株高、叶数、茎粗、根长、鲜重平均值与之进行拟合。 由图2 可知,小白菜株高、叶数、茎粗、根长、鲜重与生长期间平均有效积温间为非线性关系,均随平均有效积温的增加而增加。 小白菜株高、叶数、叶面积、茎粗的增加趋势可用二次函数拟合,根长、鲜重的增加趋势可用三次函数拟合,拟合函数的R2均达到0.950 以上。

从图2 可以看出,小白菜株高的增长趋势呈抛物线形,总体增长较平稳,前期增长速度快于后期增长速度。 在平均有效积温小于100 ℃时,株高增长相对较快;在平均有效积温大于100 ℃时,株高增长相对较慢。

相对于平稳的小白菜株高的变化曲线,小白菜叶数、叶面积、茎粗、根长的变化趋势较明显,且三者的变化趋势较一致。 首先表现为随着平均有效积温的增加而增加,其次表现为前期增长较慢和后期增长加快的速度差异。 平均有效积温为100 ℃是叶数、叶面积、茎粗和根长增长速度的分界点,小于该值时增长较缓,高于该值时增长加快。

与叶数、叶面积、茎粗、根长变化趋势相比较,小白菜鲜重的变化趋势既类似又有所不同。 类似的是,以100 ℃的平均有效积温为分隔点,小白菜鲜重的增加也表现为前期缓慢、后期加快的特征;不同的是小白菜鲜重后期增加更迅速,曲线呈急剧发展态势,后期鲜重较早期和分隔点时鲜重增长明显。

试验早期至平均有效积温达到100 ℃时,小白菜株高、叶数、叶面积、茎粗、根长、鲜重分别增长8 cm、2 片、274 cm2、2.74 mm、7 cm 和24 g 左右;平均有效积温100 ℃至试验结束时,小白菜株高、叶数、叶面积、茎粗、根长、鲜重分别增长6 cm、5 片、728 cm2、6 mm 、15 cm 和110 g 左右。 前者与后者的比值分别为1.33、0.40、0.37、0.46、0.47、0.22。

2.2 小白菜生长指标与平均有效积温关系模型的检验

利用试验2 的温室温度数据和建立的拟合模型计算出4 叶1 心后每2 d 的单株株高、叶数、叶面积、茎粗、根长和鲜重,并与实测值进行比较。 由图3 和表1 可知,基于平均有效积温构建的模型模拟值与实测值吻合结果较好。 总体上,小白菜生长指标拟合模型的回归估计标准误差RMSE较小,均在4 以内;小白菜叶面积由于数值较大,其拟合模型的回归估计标准误差RMSE相应较大,为33.862。 结合相对预测误差RE分析结果来看,所有模型的RE均在10%以内,其中叶面积模拟模型的RE为7.66%,预测误差也较小。 模拟值与实测值的相关系数r分别为0.983、0.992、0.993、0.986、0.997 和0.994,进一步表明基于平均有效积温构建的各项生长指标模型的模拟值和实测值符合度较高,建立的拟合模型对小白菜生长指标的模拟较为准确。

表1 小白菜生长指标拟合模型的模拟精度Table 1 Simulation accuracy of the model for growth index of non-heading Chinese cabbage

3 结论与讨论

本研究的2 个试验期均为30 d,试验1 结束时,小白菜株高、叶数、叶面积、茎粗、根长和鲜重分别为21 cm、11 片、1 028 cm2、9 mm、30 cm 和135 g 左右,此时小白菜的采收质量较佳,是商品化采收的较佳时期[8]。 试验采收的小白菜还处于苗期,仍保持着旺盛的生长潜力,在采收后的一段时间,除株高外,小白菜仍具有较强的生长倾向。

本研究选择的小白菜品种是南方地区越冬主栽品种,采用主流的NFT 生产方式,且生产过程由有经验的农民负责,能在一定程度上代表小白菜设施水培生产的普遍水平,所建立的模型具有一定的适用性。研究表明,小白菜株高、叶数、叶面积、茎粗与平均有效积温表现为二项式关系,根长、鲜重与平均有效积温表现为三项式关系。 模拟模型的发展呈抛物线形态,这与一般作物生长趋势一致[5]。 小白菜株高、叶数、叶面积、茎粗、根长和鲜重均随有效积温增加而不断增加,叶数、叶面积、茎粗、根长和鲜重等在试验后期均有较快增长,其中鲜重的增长明显;株高在试验后期增速放缓。 平均有效积温100 ℃可作为植株增长速度相对快慢的分界点,此时所对应的小白菜株高、叶数、茎粗、根长和鲜重分别为15 cm、6 片、300 cm2、3 mm、15 cm 和25 g 左右。

小白菜的生长发育是一个复杂的过程,本研究仅选取一个小白菜品种作为试验材料,且只应用2 期试验数据分别用于构建和检验基于有效积温的模拟模型。 而实际上蔬菜品种、光照、空气湿度、CO2浓度、营养和管理措施等因素均会影响小白菜的生长发育,且上述因素之间是互相作用、相互关联的。 因此,后期研究中需要综合考虑多方面因素,并开展多个播期和多品种试验,持续采集不同时间段和不同品种的小白菜生长特征,建立基于较多数据量的拟合模型,以提高模型预测的准确度和精度,扩展模型的应用范围。