膜下滴灌不同灌水下限对花生生长发育的影响及DMA 数字模型构建

张振子,孙翔龙,曹敏建,冯良山

(1.沈阳农业大学,辽宁 沈阳 110866; 2.辽宁省农业科学院,辽宁 沈阳 110161)

花生(Arachis hypogaea L.)是我国重要的油料作物和经济作物,因其含油量高、产量高而被广泛种植[1]。 发展花生产业,对保障我国粮食安全和促进农业经济发展具有重要意义[2]。 在干旱和半干旱地区由于干旱缺水,限制了花生产业发展,供水不及时会影响花生生长发育,导致产量降低、品质下降等[3～5]。

辽西地区花生种植面积较大,是我国花生的主产区之一。 随着高效节水灌溉技术的发展,膜下滴灌成为区域主推的节水灌溉技术之一。 但是由于缺乏合理的灌溉制度,在一定程度上影响了技术的应用效果。 为了探清辽西地区花生膜下滴灌最佳灌溉制度。 本试验以花生白沙1016 为试验对象进行大田试验,设置不同灌水量,通过研究花生生长发育变化,得到最优灌溉方式,并采用数学模型技术,建立花生干物质积累量动态的预测模型,为进一步量化花生高产技术参数,实现数字化高产栽培管理提供参考依据。

1 材料与方法

1.1 试验地概况

试验于2023 年5 ～10 月在辽宁省朝阳市建平县西部进行,该地属于半湿润半干旱季风型大陆性气候。 土壤为砂壤土,土壤容重1.4 g /cm3,土壤有机质11. 6 g/kg,全氮0.31 g /kg,碱解氮63. 7 mg/kg, 速效磷 62.2 mg/kg, 速效钾209 mg/kg,pH 值7.12。

1.2 试验设计

试验供试花生品种白沙101,试验以雨养为对照(CK),灌水下限分别设置50%(W50)、60%(W60)、70%(W70),共4 个处理,每个处理3 次重复,每个小区的种植面积为45 m2。 所有灌溉处理的灌水上限均为田间持水量的90%。 种植方式为大垄双行,垄宽1 m,垄高15 cm,行距50 cm,穴距15 cm,垄长15 m,每穴2 株。 灌溉方式选用膜下滴灌,在行间铺设一条滴灌带,采用流量为2 L/h 的压力补偿式滴头,滴灌头间距为15 cm,滴灌管布置为分叉控制方法,在处理每一个滴灌带前用控制阀进行控制,主管加装水表用于测定每次灌水量。 各处理均在播种前一次性施肥, 其中施氮(N) 180 kg/hm2、 磷( P2O5)75 kg/hm2和钾(K2O)150 kg/hm2。 各小区的农田管理措施(灭虫、除草)与当地保持一致。

1.3 测定项目与方法

1.3.1 植株生长性状

分别于始花期、花针期、结荚期、饱果期和成熟期进行取样测定。 叶面积:在每个小区内标记具有代表性的3 株花生,将花生上、中、下各取10片叶子,用干重法测定其叶面积,根据以下公式计算:花生单株叶面积 (cm2) = 圆片面积 (cm2) ×30×单株叶片重量(g)/小圆叶片总干重 (g),叶面积系数=花生单株叶面积 (cm2) ×单位面积株数/占地面积(cm2)。 株高:采用刻度尺测定挂牌标记的3 株地上部分花生主茎的高度。 干物质重:在每小区中取长势一致、有代表性的植株3株,装于生皮纸袋中,于105 ℃杀青0. 5 h 后75 ℃烘干至恒质量,称量其干物质重。

1.3.2 土壤含水量

在花生全生育期内采用烘干法每7 d 对各个处理的0～60 cm 的土壤进行土壤含水量的测定。土壤含水量(%)= (原土重-烘干土重)/烘干土重100%。

1.3.3 产量

在每个试验处理小区选取6 株代表性花生进行考种,分别测量花生产量的构成指标,具体包括单株荚果重、百果重、百粒重等。

1.3.4 作物耗水量及水分利用效率

公式(1)中,ET:作物耗水量(mm);P:全生育期降雨量;W1:播前土壤储水量(mm);W2:收获后土壤储水量(mm)

公式(2)中,Y:作物产量(kg/hm2);ET:作物耗水量(mm)。

1.4 气象数据

气象数据来源于辽宁省朝阳市建平县气象站官方数据,主要包括花生生育期间日最高气温(Tmax)、最低气温(Tmin)、日平均气温(Tiavg)及降雨量等。 第i 天有效积温(Ti)的计算公式: Ti=∑(Tiavg-10 ℃),其中10 ℃为作物生物学下限温度(℃)。

1.5 数据归一化处理及其应用

为了建立适于辽西花生干物质积累量(DMA)动态预测模型,需要将数据进行归一化处理,花生最大干物质积累量(DMAmax)、播种至成熟的有效积温(Tmax)定为 1,得到相对干物质积累量0～1(RDMA)、相对有效积温0 ～1(RT)的计算方法如下:RDMAi=DMAi/ DMAmax、RTi=Ti/Tmax。 其中,DMAi、Ti为为播种至某一生长时间的实测干物质积累量、有效积温,DMAmax、Tmax分别为最大干物质积累量、播种至成熟时有效积温总累积量。 以归一化处理后的RTi为自变量,RDMAi为因变量,利用Curve Expert 1.40 软件对RTi和RDMAi进行模拟。

2 结果与分析

2.1 不同灌水量对花生生长发育的影响

2.1.1 不同灌水量对花生株高的影响

花生全生育期内株高动态变化见图1,可以看出提高灌水量能显著增加花生的株高,促进花生的营养生长。 在花生全生育期内,株高的变化是表现为单向递增,初期缓慢增长,中期快速增长,饱果期后又趋于缓慢增长,到成熟期达到最大株高值。 不同灌水下限条件下对花生整个生育期的株高产生显著差异,处理间的株高高度的变化为W70＞W60＞W50＞CK,在成熟期时,W70 处理的株高为55. 7 cm,显著高于W60、W45、CK 处理,分别为2. 56%、8. 85%、20. 42%,说明W70 处理的表现最有利于花生株高的生长。

图1 花生生育期内株高动态变化Figure 1 Dynamic changes in plant height during peanut growth period

2.1.2 不同灌水量对花生LAI 的影响

花生生育期内LAI 变化动态如图2,不同灌水条件下的LAI 均呈现先上升再下降的变化趋势,各处理的LAI 均到饱果期时达到最大值。 始花期阶段不同灌区方式下的LAI 变化趋势不明显,无显著差异。 随着叶片的增长,在花针期、结荚期和饱果期的LAI 发生了显著变化。 在花针期时所有灌水处理均显著高于CK 处理,结荚期时W60 处理显著高于其他处理,饱果期时W70 处理显著高于其他处理,其LAI 为4.79,高于W60 处理12.09%、W45 处理14.14%、CK 处理17.31%。由此表明,W70 处理是对花生LAI 的表现最好,花生生育后期轻度控水有利于叶片生长。

图2 花生生育期内LAI 动态变化Figure 2 Dynamic changes of LAI during peanut growth period

2.1.3 不同灌水量对花生干物质积累量的影响

由图3 可看出,花生DMA 随生育期单向递增变化,即增长速度呈现慢—快—慢的变化趋势,且变化趋势基本一致。 整个生育期内,不同灌水处理间的花生DMA 产生显著影响,均表现为W70＞W60＞W50＞CK,且W70 处理的DMA 均显著高于其他处理。 在达至成熟期时,W70 处理的DMA为59.90 g/株,比CK 处理显著提高16.76%。 这可能由于在花生生长发育进程中,W70 处理适宜的水分亏缺条件更能促进花生的生长发育,进而有利于促进DMA 生长,而W60 和W50 处理较W70 处理显著降低DMA,说明重度亏水会比轻度亏水更加抑制花生的生长发育进程。 此外,在花生生长发育过程中,适量灌水有利于花生的DMA增长,但水分缺乏对花生结荚期和饱果期影响程度最大。

图3 花生生育期内干物质积累量动态变化Figure 3 Dynamic changes in dry matter accumulation during peanut growth period

2.2 不同灌水量对花生产量及水分利用效率的影响

由表1 可知,与雨养处理相比,灌水处理均可显著提高花生的产量及产量相关构成因素。 不同灌水处理对花生单株果数、百果重、百仁重、饱果率、出仁率及产量有显著影响。 其中,各项指标数值大小均表现为W70＞W60＞W50＞CK,W70 处理的单株荚果数、百果重、百粒重与CK 相比分别显著提高了74.13%、4.45%、7.9%。 同时,W70 处理的产量高达5 181. 81 kg/hm2,分别显著高于W60、W50 和CK 处理3.94%、8.75%和13.99%。此外,不同灌水量对花生的水分利用效率表现为W70＞W60＞CK＞W50,W70 处理的灌水量可以显著提高花生的水分利用效率并达到1.79 kg/m3。由此可见,本试验条件下,W70 处理灌水能够促进花生产量的提升,同时还有利于花生水分利用效率的提高。

表1 不同灌水量对花生产量及水分利用效率的影响Table 1 Effects of Different Irrigation Levels on Peanut Yield and Water Use Efficiency

2.3 不同灌水量花生DMA 数字模型构建

借助归一化方法,分别对各处理花生DMA和播种后有效积温进行处理, 利用Curve Expert 1.40 对花生RDMA 以有效积温为自变量进行拟合,得到MMF、Gompertz、Weibull 模型等在内的10 个模拟方程。 表2 为拟合相关系数R2效果较好的前6 个方程。 符合生物学意义的模型是一种S 型生长曲线,从(0,0)点开始,能够反映生物生长全过程,其函数方程必须具有单调递增性、过原点性和有界性等特征[6]。 以筛选更有效、更有生物学意义的DMA 模型,将6 组方程进行回归求极限值。 检验Weibull 模型,x →∞时,y 值在固定区间内变化,即不符合生物生长的单调递增性特点;检验MMF、有理函数模型,当x→0 时,y 值是负数,即没有生物学意义;检验高斯模型,x→∞时,y 值无限变大,即没有生物学意义。 检验表明,Gompertz、 Logistic 模型具有生物学意义,由于Gompertz 模型为三参数模型,Logistic 模型为四参数模型,考虑到实际应用的方便,本研究采用了相关系数R2更高的Gompertz 模型来模拟花生RDMA。

表2 花生干物质积累量动态生长模型Table 2 Dynamic Growth Model of Peanut Dry Matter Accumulation

Gompertz 模型的表达式为:y=ae-exp(b-cx)

Gompertz 模型方程中,y 表示RDMA;x 表示RT;a 表示花生干物质积累潜力有限值,这个值往往是达不到的;b 基本状态参数的表示,为截距系数;c 表示为相对干物质积累速率常数。 借助Curve Expert 1.40 软件对各处理随RT 动态变化的RDMA 进行Gompertz 模型的非线性回归分析得到表3。 结果表明,各处理回归方程的相关参数变化幅度较小,SD 标准差均小于0.02,相关系数R2均大于0.9990,方程达到了极显著的水平,表明基于RT 的Gompertz 模型可以准确地模拟不同灌水量的RDMA 动态变化。

表3 不同灌水量花生干物质积累量的动态Gompertz 模型参数Table 3 Dynamic Gompertz model parameters of dry matter accumulation in peanuts with different irrigation amounts

2.4 不同灌水下限花生干物质积累数字模型分析

各处理所得的Gompertz 模型,求一阶导数得到RDMA 增长速率方程(公式3),利用DMAmax和到收获时所需的有效积温累积总量,可以得到实际的干物质积累速率,即实际的干物质积累速率=相对干物质积累速率×(最大干物质积累量/有效积温累积总量)。

对公式(3)一阶求导,令公式(3)等于0,即可求得最大增长速率V1公式(4)和达到最大增长速率所需的有效积温T1公式(5)。

对公式(3)二阶求导,令其等于0,即可求得生长曲线上的两个拐点所需有效积温T2公式(7)、T3公式(8)。

综上所述,得到各项特征参数:

T1、T2和T3构成了作物生长曲线的3 个主要关键点,即最大速率所需的有效积温,进入快速生长阶段所需的有效积温和缓慢生长阶段所需的有效积温,即0～T2为生长渐增期、T2～T3为生长快增期、T3～成熟为生长缓增期。

由图4 可以看出,不同灌水条件下花生随相对有效积温的增长,相对干物质积累增长速率的变化表现为结荚期前快速增长、缓慢增长达至饱果期、饱果期后下降迅速。 有效积温在315. 3 ～1 833.2 ℃时,花生度过了始花期、花针期、结荚期、饱果期和成熟期,在此期间处理间增长速率均表现为W70 ＞W60 ＞W45 ＞CK。 有效积温在821.5 ℃此时花生处于饱果期时,W70 处理的增长速率最大,且比CK 处理增长速率快3.77%。表4 为不同灌水量花生干物质积累量动态变化Gompertz 模型特征参数的分析。 由表可得,各处理最大增长速率表现为W70 ＞W60 ＞W45 ＞CK,W70 和CK 处理相比显著提高了1.80%;各处理达到最大增长速率时所需的有效积温变化为W70 ＜W60 ＜W45 ＜CK,W70 比CK 处理少了26.21 ℃;进入快速和缓慢增长的阶段时所需有效积温均表现为W70＜W60＜W45＜CK,W70 比CK处理分别显著减少11.51%和18.06%。

表4 不同灌水量花生的干物质积累量动态变化Gompertz 模型特征参数Table 4 Dynamic changes in dry matter accumulation of peanuts with different irrigation amounts Gompertz model characteristic parameters

图4 不同灌水量花生随相对有效积温的RDMA 的增长速率变化Figure 4 Changes in the Growth Rate of RDMA of Peanuts with Different Irrigation Amounts as a Function of Relative Effective Accumulated Temperature

3 讨论与结论

通过分析不同灌水下限条件下对花生株高、LAI、DMA 及产量等指标的影响,可以得出:花生生育期内不同灌水条件能够显著影响花生的株高,其中W70 处理的长势最优,显著高于其他处理,说明灌水下限为70%能够促进花生株高的生长,这与刘浩然等研究结果相同[7]。 不同灌水条件下的花生LAI 在花针期、结荚期和饱果期时产生显著变化,其他时期均无显著变化,说明在该3个生育时期水分会对LAI 产生抑制作用。 花生干物质积累量在不同灌水条件下发生显著影响,其中W70 处理产量最高,达到5 181. 81 kg/hm2。不同灌水量对花生的水分利用效率分析可以看出,并非灌水量越大水分利用效率就越大,其中W50 和CK 处理恰好体现这一说法,说明只有在灌水量适度的情况下水分利用效率才会提高,这与陈高明等研究结果一致[8]。 本研究结果表明,W70 灌水处理在花生生育期内进行轻度控水,确保在促进花生生长的同时,从而达到高产栽培的目的。 推荐W70 处理为辽西地区适宜灌溉制度且与其他处理相比生长指标最优、叶面积增加、产量及水分利用效率都有所提高,这与孙放、张柏纶等人研究结果一致[8～10]。

当DMA 最大相对生长速率出现早,有助于作物营养生长阶段向生殖生长的转化,从而促进籽粒的生长,并提高作物产量[11～13]。 各处理DMA 动态Gompertz 模型的特征参数表现出较好的协调性,具有较优的拟合效果。 在不同灌水量下花生的相对干物质的积累速率达到峰值时,所需的有效积温不同,其中W70 的处理速率峰值发生较早,这意味着需要较少的有效积温就可达到最大的增长速率。 W70 处理灌溉制度可使花生的DMA 最大生长速率出现时间明显提前,且所用的有效积温较少,这与蔡甲冰、张迪等人研究结果相同[14～15]。 众多学者借助归一化法对作物生长所需的有效积温和生物量进行处理,并建立标准化的作物生长数字模型,通过调整参数可以达到准确和及时预测作物生长状况的目的。 陈杨建立了基于有效积温的不同氮水平下玉米的干物质和氮素积累的模型[16]。 王全九运用Logistic 生长模型证明了随有效积温马铃薯相对叶面积指数的变化特征,在不同地区具有较好的适用性[17]。 对于膜下滴灌花生群体DMA 的动态模拟研究未见报道。 本试验条件下,灌水下限为70%为该区膜下滴灌条件下花生最适宜的灌水量,在此基础上建立了基于归一化苗后有效积温为自变量的相对DMA 测的Gompertz 方程:

在实际应用中,仅确定膜下滴灌条件下不同灌区的群体DMAmax,即可借助于Gompertz 方程计算得到不同灌区的实际群体DMA 值和相关的特征参数值,具有良好的应用性。