不同配方叶面肥处理下苹果光响应模型选择及综合评价

潘 越，郭 靖，韩政伟，张 浩，张志刚，李曦光

(新疆维吾尔自治区林业科学院，新疆 乌鲁木齐 830063)

【研究意义】光照强度是植物产生光合作用最为重要的因子，对植物生长发育有着直接的影响[1]。光响应曲线可以拟合出绿色植物随光强不同所采取的响应情况，借助曲线当中可以得出最大净光合速率、光补偿点、光饱和点和初始量子效率等影响植物光能利用效率的光响应特征参数[2-4]。通过国内外大量学者的研究，对修正直角双曲线模型[5]、直角双曲线模型[6]和非直角双曲线模型[7]进行了改进和修正，使光合参数能更好地与相适应的模型匹配，减少试验误差。【前人研究进展】新疆丰富的光热资源对发展特色林果业具有积极地推动作用，喷施叶面肥对提高植物光合利用效果，改善果品质量作用非常明显[8-9]，但前人研究多集中在叶面肥对光合日变化的影响方面[10-11]，有关不同配方叶面肥的光响应模型筛选和评价的文献为数较少。【本研究切入点】为此，本试验采用Li-6400便携式光合仪，于抽梢期测定不同叶面肥处理苹果的光响应曲线，并按数理统计法拟合3种模型。【拟解决的关键问题】旨在筛选出各处理的最优模型，并借助主成分分析法建立主成分方程，比较不同处理下苹果的光响应特性，筛选出最佳的叶面肥配方，从而为当地苹果合理喷施叶面肥提供理论参考。

1 材料与方法

1.1 试验地概况

示范园位于新疆维吾尔自治区阿克苏市阿依库勒镇协合力村5组，属塔里木盆地边缘绿洲区域，占地1 hm2。属暖温带干旱性气候，昼夜温差大；春季较短，多大风降温天气，时常有倒春寒现象发生，夏季炎热而干燥，蒸发量大，降水量稀少，四季分配不均，降水量年际变化大，年均降水量不足100 mm；年均气温10.1 ℃，极端低温-27.4 ℃，年均日照时数2885 h，≥10 ℃的积温为2916.8～3198.6 ℃，无霜期205～219 d。

土壤为沙壤土，田间平均持水量为31.51 %，有机质含量14.67 g/kg，pH为8.42，速效氮74.68 mg/kg，速效磷19.49 mg/kg，速效钾468.5 mg/kg。

1.2 试验材料

试材选取阿克苏市阿依库勒镇协合力村5组3年生富士苹果‘长富2号’，地径为8～10 cm。按照自由纺锤形方式修剪，采用沟施的施肥方式施肥3次，施肥周期为苹果树生长季的4-10月，灌溉方式为大水漫灌。供试的叶面肥分别为：氮肥(N)，选择上海同瑞生物科技有限公司生产的含氮46.3 %的尿素CO(NH2)2结晶；氨基酸肥(A)，采用国光四高含氨基酸水溶肥料，其供应商为四川国光农化股份有限公司；钾肥(K)即磷酸二氢钾(KH2PO4)，为四川省国光农化股份公司生产的98 %分析纯。

1.3 试验方法

1.3.1 试验设计 试验采用随机区组设计，共设5个处理(4个施肥处理、1个对照处理)，每个处理3个重复，以单株为重复，每组重复3株样树，合计45株样树。4个施肥处理的叶面肥配方分别为：配方Ⅰ，尿素4 g/L+氨基酸0.75 g/L；配方Ⅱ，尿素4 g/L+磷酸二氢钾3 g/L；配方Ⅲ，氨基酸0.75 g/L+磷酸二氢钾3 g/L；配方Ⅳ，尿素4 g/L+氨基酸0.75 g/L+磷酸二氢钾3 g/L。以喷施清水作为对照处理(CK)。田间叶面喷肥时间为2018年6月1日至2018年8月30日，每隔15 d喷施1次(共计6次)。

1.3.2 光响应曲线的测定 试验于2018年7月中旬进行，选在晴朗天气进行测定，测定时间在上午12: 00-14: 00[12]。测定时每组处理挑选3株树，作为3个重复，每株选择南向中上部约100 cm处生长正常的成熟叶片。采用Li-6400便携式光合测定仪，通过红蓝光设定光合有效辐射梯度分别为:1900、1700、1500、1200、1000、800、500、300、200、150、100、80、50、20、0 μmol·m-2·s-1，改变光照强度后，最少稳定时间设定为120 s，当测量结果变异率小于0.05 s时由仪器自动记录。测定时为保持环境的稳定性，叶室CO2浓度设定在400 μmol·m-2·s-1，叶温为(32±1) ℃，相对湿度变化范围为70 %～80 %。通过光合电子流对光合作用和光响应的结果建立光响应机理模型[13]。进而绘制光响应曲线，得出光补偿点(Ic)、饱和光强(Isat)、表观量子效率(AQE)、最大净光合速率(Pn max)、暗呼吸速率(Rd)等。

1.4 数据处理及分析

1.4.1 光响应模型的建立 本试验共用到3组模型，分别是直角双曲线修正模型[5]：

(1)

式中：Pn为净光合速率(μmol·m-2·s-1)；α为初始量子效率(μmol·μmol-1)；β称为修正系数，γ=α/Pn max，Pn max为最大净光合速率(μmol·m-2·s-1)；I为光合有效辐射 (μmol·m-2·s-1) ；Rd为暗呼吸速率(μmol·m-2·s-1)。可根据式(1)求得光饱和点Isat(μmol·m-2·s-1)和最大净光合速率Pn max(μmol·m-2·s-1)的解析解，分别为:

(2)

(3)

光补偿点Ic(μmol·m-2·s-1)是净光合速率为0时所对应的光合有效辐射；表观光量子效率(apparent quantum efficiency, AQE)可对弱光下(≤200 μmol·m-2·s-1)的光响应数据进行直线拟合求得[13]。

直角双曲线模型[6]：

(4)

式中,各参数含义同前。式(4)是一个没有极值的函数，因此无法由式(4)求出植物的最大净光合速率和光饱和点的解析解。因此，必须利用非线性最小二乘法估算Pn max；而对于Isat，则可根据求得的AQE(求解方法同前)解直线方程式Pn max=AQE×Isat-Rd得到[14]。

非直角双曲线模型[7]：

模型表达式为

(5)

式中：Pn、α、I、Pn max、Rd的定义同前，θ为反映光响应曲线弯曲程度的曲角参数，取值范围是0<θ≤1。AQE、Isat的求解方法与直角双曲线模型相同。

1.4.2 精度评价指标 采用均方差(RMSE)和平均绝对误差(MAE)对3个模型的拟合精度进行评价，误差越小表明拟合值越接近于实际值[15]，计算公式如下：

(6)

(7)

1.4.3 数据佐证分析 使用SPSS21.0进行方差分析[16]和主成分分析[17-18]。分析前对数据进行标准化处理，公式8计算正相关指标系数，公式9计算负相关指标系数：

(8)

(9)

式(8)与(9)中，Uin和U’in分别为第n个样品第i个指标原始值转化后的隶属函数值，Xin指第n个样品第i个指标的原始测定值，Xi max和Xi min分别指样品组中第i个指标的最大值与最小值。

主成分分析法：对标准化后的数据结果进行主成分分析，提取出对光响应参数有显著影响的主成分，得出各主成分的分值Fjn，综合分值Dn的以相应公因子的贡献率Ej为权重，根据公式(10)计算。其计算公式如下：

(10)

式中，Dn表示以主成分分析法分析得到的各样品光响应参数的综合分值，Fjn表示第n个样品第j个特征值>1的主成分的分值，m为特征值>1的主成分的个数，Ej为第j个主成分的贡献率。

2 结果与分析

2.1 光合-光响应曲线的拟合与比较

借助直角双曲线修正模型、直角双曲线模型和非直角双曲线模型和指数模型对拟合4种不同配方叶面肥的光响应曲线均有较好的效果(图1～2)。各曲线的变化趋势均呈“缓-陡-缓”，光强小于500 μmol·m-2·s-1时，各配方叶面肥(CK)Pn均增加，但差异不显著；光强介于150～800 μmol·m-2·s-1间时，Pn快速增加；而光强大于1700 μmol·m-2·s-1时，除配方Ⅳ外，其他处理Pn呈下降趋势，出现不同程度的光抑制现象。在光合有效辐射达1900 μmol·m-2·s-1时，配方Ⅲ的基础上，增加N肥，叶片Pn提升了6.41 %，配方Ⅰ的基础上，增加K肥，叶片Pn则提高了0.77 %，值得注意的是，配方Ⅱ的基础上，增施A肥，叶片Pn反而降低了2.89 %，这与微量元素Fe、Zn与大量元素N、P、K间的拮抗作用有很大关系。由此可知，肥效高低依次是N>K>A。

各配方叶面肥模型拟合结果见图2，配方Ⅰ的拟合程度大小依次是：直角双曲线修正模型(0.99913)、直角双曲线模型(0.99878)、非直角双曲线模型(0.99885)；配方Ⅱ的拟合程度大小依次是：直角双曲线修正模型(0.99907)、直角双曲线模型(0.99829)、非直角双曲线模型(0.99885)；配方Ⅲ的拟合程度大小依次是：直角双曲线修正模型(0.99855)、直角双曲线模型(0.99829)、非直角双曲线模型(0.99829)；配方Ⅳ的拟合程度大小依次是：直角双曲线修正模型(0.99917)、直角双曲线模型(0.99911)、非直角双曲线模型(0.999128)；CK的拟合程度大小依次是：直角双曲线修正模型(0.99814)、非直角双曲线模型(0.99222)、指数模型(0.9969)，R2越接近于1，说明拟合度越高，但不能证明拟合效果是为最好[19]，综上来看，4种不同叶面肥配方(CK)均为直角双曲线修正模型模拟效果最好，仍需对光响应拟合参数进一步分析。

2.2 不同模型拟合的光响应参数比较分析

数据模拟结果见表1。4组叶面肥配方(CK)最大净光合速率Pn max模拟中，均为直角双曲线修正模型模拟值与实测值最接近，而直角双曲线模型和非直角双曲线模型的模拟结果远大于实测值。暗呼吸速率Rd模拟结果中，直角双曲线模型在配方Ⅱ和CK的拟合结果同实测值最为接近，直角双曲线修正模型在配方Ⅰ、配方Ⅲ、配方Ⅳ的拟合结果与实测值最为相近，非直角双曲线模型则在所有处理中远小于实测值。对比4组处理的LCP光补偿点和LSP光饱和点结果，配方Ⅰ在直角双曲线修正模型、直角双曲线模型和非直角双曲线模型的LCP拟合结果相近，但比实测值分别大3.4493、2.6817和2.8164 μmol·m-2·s-1，配方Ⅱ在直角双曲线模型拟合的61.1070 μmol·m-2·s-1最接近于实测值，其他2种模型略大于实测值，配方Ⅲ的3种模型均大于实测值；配方Ⅳ在3组模型中拟合的结果均大于实测值；LSP的拟合结果中，直角双曲线修正模型在所有处理(CK)的拟合值均与实测值最为相近，其他2组模型都远小于实测值。综合看来，3种模型中直角双曲线修正模型的拟合结果最优。

暗呼吸速率是反映植物在弱光环境下光合能力大小的重要指标之一[20]。通过比较，Rd由高到低排序为：配方Ⅲ> 配方Ⅰ> 配方Ⅳ> 配方Ⅱ> CK。最大净光合速率(Pn max)是叶片在达到光饱和点时的最大光强值[21]。各叶面肥处理下，叶片Pn max均大于CK，证明喷施叶面肥可以提高叶片在光饱和点时的光合能力。光饱和点反映叶片对强光的适应能力[22]，直角双曲线修正模型中，除配方Ⅱ的Pn max略大于配方Ⅳ外，配方Ⅳ的Pn max和LSP较缺N、缺K和缺A叶面肥处理分别高出9.70 %、56.76 %，1.07 %、19.62 %和-0.80 %、50.56 %，在N、A、K的合理喷施下，混合叶面肥不易受到光抑制。

表1 不同模型计算出的生理参数和观测值的比较

2.3 不同模型拟合的光响应参数比较分析

不同模型的均方差(RMSE)和平均绝对误差(MAE)结果见表2。配方Ⅰ、配方Ⅱ和配方Ⅲ直角双曲线模型和非直角双曲线模型RMSE和MAE值最接近，说明2个模型拟合程度结果相似，但均小于直角双曲线修正模型的RMSE和MAE的值；配方Ⅳ直角双曲线修正模型和非直角双曲线模型RMSE和MAE结果更为接近,均小于直角双曲线模型的RMSE(0.21317)和MAE(0.18037)；CK的拟合优度区别较大，直角双曲线修正模型>非直角双曲线模型>直角双曲线模型，直角双曲线修正模型的RMSE(0.24757)和MAE(0.20522)分别比直角双曲线模型的RMSE(0.50688)和MAE(0.43627)和非直角双曲线模型的RMSE(0.31975)和MAE(0.25978)低出RMSE(0.25931)、MAE(0.23105)和RMSE(0.07218)、和MAE(0.05456)，综合图2、表1和表2，4种不同配方叶面肥(CK)拟合的最优模型为直角双曲线修正模型。

2.4 不同叶面肥处理光响应参数的主成分分析

2.4.1 数据标准化 由于各配方叶面肥光响应参数指标单位的不一致，在进行主成分分析前应对数量纲进行统一[23]，结果见表3，根据新疆地区选育苹果的需要，从光响应参数中选取4项重要指标，其中正相关参数为Pn max、LSP和Rd，负相关参数为LCP。

标准化后的数据进行主成分分析结果见表4。试验结果通过了KMO和Bartlett检验，显著性达0.099，符合分析要求，从4项指标中提取出了2个特征根>1的主成分，累计方差贡献率达到92.983 %。

2.4.2 主成分分析 表5中，主成分f1载荷值较高且符号为正的光响应指标包括AQE和LCP，载荷权数分别是0.954和0.955，该2项指标均反映的是暗光条件下植被对环境的适应好坏情况，因此将该主成分命名为暗光因子；主成分f2中，载荷值较高且符号为正的指标是Pn max和LSP，载荷权数分别是0.893和0.996，与暗光因子相反，可将该主成分命名为强光因子。

表2 3种模型拟合优度

表3 不同配方叶面肥对苹果光响应参数标准化的结果

表4 主成分的特征根、方差贡献率和累计贡献率

暗光因子f1排序中，配方Ⅲ> 配方Ⅱ> 配方Ⅰ> CK> 配方Ⅳ，喷施叶面肥配方Ⅲ对提高苹果叶片的暗呼吸速率和降低光补偿点作用明显，但光饱和点和最大净光合速率值较低，虽然喷施该配方叶面肥能提高苹果对弱光环境和耐阴性效果的适应力，但总体上说对环境的适应力较弱；强光因子f2排序中，配方Ⅳ> 配方Ⅰ> 配方Ⅱ> 配方Ⅲ> CK，喷施配方Ⅳ的叶片，最大净光合速率、光补偿点和光饱和点较高，暗呼吸速率和初始量子效率值较低，说明其在光照充裕的地区能加速叶片的光合作用，但对利用弱光能力和耐阴性较差。综合得分fz表现中，配方Ⅱ得分最高，在强光环境和弱光环境中均有不俗的表现，适生范围最广，光能利用效率高，在生产实际中，应当结合所在地实际选择喷施。

表5 旋转后的主成分载荷矩阵

表6 各主成分得分和综合得分情况

3 讨 论

由于直角双曲线修正模型的一阶导数可为0，有别于直角双曲线模型、非直角双曲线模型和指数模型等的无极值性，可以预测到植被的最大光合速率(Pn max)及光饱和点(LSP)[24-25]。本试验中，直角双曲线修正模型对Pn max、LCP和Rd修正结果较为精确，但对LSP修正结果偏差较大，较之其他模型，总体呈现出一定的稳定性。

主成分分析借助数据降维，是一项将若干具有相关性指标组合成一组独立且相互独立的综合指标的评价办法，通过各主成分的贡献率，一方面反映其包含的原始数据信息比重，另一方面得出各主成分中的载荷值的高低对试验处理进行综合客观的评价，从而避免了主观认为因素的缺陷[26]。光响应指标参数包含表观量子效率、暗呼吸速率、最大光合速率、光补偿点、光饱和点等指标，且两两之间具有一定的相关性。

大量研究表明，叶面喷肥能增强植被的光合作用，提高果实产量和改善果实品质[27-28]。其中尿素对提高植物净光合速率、促进呼吸底物积累效果明显[29]。本试验中，从各配方综合得分排名来看，喷施叶面肥处理综合得分均高于CK。喷施尿素、氨基酸和磷酸二氢钾的叶片其强光因子响应指标Pn max和LSP均显著高于尿素和磷酸二氢钾、氨基酸和磷酸二氢钾、CK处理的叶片，可见大量元素(N、P、K)肥料与微量元素(Fe、Zn、Cu)混合喷施最有助于提升苹果叶片在强光环境下的适应能力。氨基酸富含多种微量元素，有增强植物抗旱、耐盐碱性的效果[30]，磷、钾元素是植物所需的大量元素，缺失会导致叶绿素质量分数降低，光合作用减弱，尿素、氨基酸和磷酸二氢钾处理的叶片，Pn max和LSP等强光因子高于尿素、氨基酸处理，但AQE、Rd等弱光因子表现弱于后者，说明磷酸二氢钾在提高苹果叶片适应强光环境的同时，却降低了叶片在弱光环境下的适应能力。尿素和磷酸二氢钾处理的叶片弱光指标得分高于尿素和氨基酸处理的叶片，强光因子表现则反之，说明氨基酸对苹果适应强光环境的能力大于磷酸二氢钾，而磷酸二氢钾对苹果适应弱光环境的能力大于氨基酸。磷酸二氢钾和氨基酸混合喷施暗光因子表现最佳，但强光因子表现仅略好于CK，说明缺失尿素后肥料供应主要用于提高叶片暗呼吸速率和降低光补偿点以提高苹果的耐阴性，具体营养分配机理尚有待进一步验证。

4 结 论

本试验中，通过比较上述3种模型拟合出的4种不同配方叶面肥的光响应效果，其R2均达到0.99以上，其中以直角双曲线修正模型模拟效果最好，MRSE和MAE对实测值和拟合值进行比较，相对误差最小，拟合精度最高。此模型已在柳树[17]、金露梅[19]等树种上获得成功。

采用主成分分析法从5个光响应参数直角中提取出2个主成分，累计方差贡献率达92.983 %，计算3次旋转迭代载荷矩阵，并最终得出各配方叶面肥所在主成分得分和综合得分情况，结果科学合理。