不同配方葉面肥處理下蘋果光響應模型選擇及綜合評價

潘 越，郭 靖，韓政偉，張 浩，張志剛，李曦光

(新疆維吾爾自治區林業科學院，新疆 烏魯木齊 830063)

【研究意義】光照強度是植物產生光合作用最為重要的因子，對植物生長發育有著直接的影響[1]。光響應曲線可以擬合出綠色植物隨光強不同所采取的響應情況，借助曲線當中可以得出最大凈光合速率、光補償點、光飽和點和初始量子效率等影響植物光能利用效率的光響應特征參數[2-4]。通過國內外大量學者的研究，對修正直角雙曲線模型[5]、直角雙曲線模型[6]和非直角雙曲線模型[7]進行了改進和修正，使光合參數能更好地與相適應的模型匹配，減少試驗誤差?！厩叭搜芯窟M展】新疆豐富的光熱資源對發展特色林果業具有積極地推動作用，噴施葉面肥對提高植物光合利用效果，改善果品質量作用非常明顯[8-9]，但前人研究多集中在葉面肥對光合日變化的影響方面[10-11]，有關不同配方葉面肥的光響應模型篩選和評價的文獻為數較少?！颈狙芯壳腥朦c】為此，本試驗采用Li-6400便攜式光合儀，于抽梢期測定不同葉面肥處理蘋果的光響應曲線，并按數理統計法擬合3種模型?！緮M解決的關鍵問題】旨在篩選出各處理的最優模型，并借助主成分分析法建立主成分方程，比較不同處理下蘋果的光響應特性，篩選出最佳的葉面肥配方，從而為當地蘋果合理噴施葉面肥提供理論參考。

1 材料與方法

1.1 試驗地概況

示范園位于新疆維吾爾自治區阿克蘇市阿依庫勒鎮協合力村5組，屬塔里木盆地邊緣綠洲區域，占地1 hm2。屬暖溫帶干旱性氣候，晝夜溫差大；春季較短，多大風降溫天氣，時常有倒春寒現象發生，夏季炎熱而干燥，蒸發量大，降水量稀少，四季分配不均，降水量年際變化大，年均降水量不足100 mm；年均氣溫10.1 ℃，極端低溫-27.4 ℃，年均日照時數2885 h，≥10 ℃的積溫為2916.8～3198.6 ℃，無霜期205～219 d。

土壤為沙壤土，田間平均持水量為31.51 %，有機質含量14.67 g/kg，pH為8.42，速效氮74.68 mg/kg，速效磷19.49 mg/kg，速效鉀468.5 mg/kg。

1.2 試驗材料

試材選取阿克蘇市阿依庫勒鎮協合力村5組3年生富士蘋果‘長富2號’，地徑為8～10 cm。按照自由紡錘形方式修剪，采用溝施的施肥方式施肥3次，施肥周期為蘋果樹生長季的4-10月，灌溉方式為大水漫灌。供試的葉面肥分別為：氮肥(N)，選擇上海同瑞生物科技有限公司生產的含氮46.3 %的尿素CO(NH2)2結晶；氨基酸肥(A)，采用國光四高含氨基酸水溶肥料，其供應商為四川國光農化股份有限公司；鉀肥(K)即磷酸二氫鉀(KH2PO4)，為四川省國光農化股份公司生產的98 %分析純。

1.3 試驗方法

1.3.1 試驗設計 試驗采用隨機區組設計，共設5個處理(4個施肥處理、1個對照處理)，每個處理3個重復，以單株為重復，每組重復3株樣樹，合計45株樣樹。4個施肥處理的葉面肥配方分別為：配方Ⅰ，尿素4 g/L+氨基酸0.75 g/L；配方Ⅱ，尿素4 g/L+磷酸二氫鉀3 g/L；配方Ⅲ，氨基酸0.75 g/L+磷酸二氫鉀3 g/L；配方Ⅳ，尿素4 g/L+氨基酸0.75 g/L+磷酸二氫鉀3 g/L。以噴施清水作為對照處理(CK)。田間葉面噴肥時間為2018年6月1日至2018年8月30日，每隔15 d噴施1次(共計6次)。

1.3.2 光響應曲線的測定 試驗于2018年7月中旬進行，選在晴朗天氣進行測定，測定時間在上午12: 00-14: 00[12]。測定時每組處理挑選3株樹，作為3個重復，每株選擇南向中上部約100 cm處生長正常的成熟葉片。采用Li-6400便攜式光合測定儀，通過紅藍光設定光合有效輻射梯度分別為:1900、1700、1500、1200、1000、800、500、300、200、150、100、80、50、20、0 μmol·m-2·s-1，改變光照強度后，最少穩定時間設定為120 s，當測量結果變異率小于0.05 s時由儀器自動記錄。測定時為保持環境的穩定性，葉室CO2濃度設定在400 μmol·m-2·s-1，葉溫為(32±1) ℃，相對濕度變化范圍為70 %～80 %。通過光合電子流對光合作用和光響應的結果建立光響應機理模型[13]。進而繪制光響應曲線，得出光補償點(Ic)、飽和光強(Isat)、表觀量子效率(AQE)、最大凈光合速率(Pn max)、暗呼吸速率(Rd)等。

1.4 數據處理及分析

1.4.1 光響應模型的建立 本試驗共用到3組模型，分別是直角雙曲線修正模型[5]：

(1)

式中：Pn為凈光合速率(μmol·m-2·s-1)；α為初始量子效率(μmol·μmol-1)；β稱為修正系數，γ=α/Pn max，Pn max為最大凈光合速率(μmol·m-2·s-1)；I為光合有效輻射 (μmol·m-2·s-1) ；Rd為暗呼吸速率(μmol·m-2·s-1)?？筛鶕?1)求得光飽和點Isat(μmol·m-2·s-1)和最大凈光合速率Pn max(μmol·m-2·s-1)的解析解，分別為:

(2)

(3)

光補償點Ic(μmol·m-2·s-1)是凈光合速率為0時所對應的光合有效輻射；表觀光量子效率(apparent quantum efficiency, AQE)可對弱光下(≤200 μmol·m-2·s-1)的光響應數據進行直線擬合求得[13]。

直角雙曲線模型[6]：

(4)

式中,各參數含義同前。式(4)是一個沒有極值的函數，因此無法由式(4)求出植物的最大凈光合速率和光飽和點的解析解。因此，必須利用非線性最小二乘法估算Pn max；而對于Isat，則可根據求得的AQE(求解方法同前)解直線方程式Pn max=AQE×Isat-Rd得到[14]。

非直角雙曲線模型[7]：

模型表達式為

(5)

式中：Pn、α、I、Pn max、Rd的定義同前，θ為反映光響應曲線彎曲程度的曲角參數，取值范圍是0<θ≤1。AQE、Isat的求解方法與直角雙曲線模型相同。

1.4.2 精度評價指標 采用均方差(RMSE)和平均絕對誤差(MAE)對3個模型的擬合精度進行評價，誤差越小表明擬合值越接近于實際值[15]，計算公式如下：

(6)

(7)

1.4.3 數據佐證分析 使用SPSS21.0進行方差分析[16]和主成分分析[17-18]。分析前對數據進行標準化處理，公式8計算正相關指標系數，公式9計算負相關指標系數：

(8)

(9)

式(8)與(9)中，Uin和U’in分別為第n個樣品第i個指標原始值轉化后的隸屬函數值，Xin指第n個樣品第i個指標的原始測定值，Xi max和Xi min分別指樣品組中第i個指標的最大值與最小值。

主成分分析法：對標準化后的數據結果進行主成分分析，提取出對光響應參數有顯著影響的主成分，得出各主成分的分值Fjn，綜合分值Dn的以相應公因子的貢獻率Ej為權重，根據公式(10)計算。其計算公式如下：

(10)

式中，Dn表示以主成分分析法分析得到的各樣品光響應參數的綜合分值，Fjn表示第n個樣品第j個特征值>1的主成分的分值，m為特征值>1的主成分的個數，Ej為第j個主成分的貢獻率。

2 結果與分析

2.1 光合-光響應曲線的擬合與比較

借助直角雙曲線修正模型、直角雙曲線模型和非直角雙曲線模型和指數模型對擬合4種不同配方葉面肥的光響應曲線均有較好的效果(圖1～2)。各曲線的變化趨勢均呈“緩-陡-緩”，光強小于500 μmol·m-2·s-1時，各配方葉面肥(CK)Pn均增加，但差異不顯著；光強介于150～800 μmol·m-2·s-1間時，Pn快速增加；而光強大于1700 μmol·m-2·s-1時，除配方Ⅳ外，其他處理Pn呈下降趨勢，出現不同程度的光抑制現象。在光合有效輻射達1900 μmol·m-2·s-1時，配方Ⅲ的基礎上，增加N肥，葉片Pn提升了6.41 %，配方Ⅰ的基礎上，增加K肥，葉片Pn則提高了0.77 %，值得注意的是，配方Ⅱ的基礎上，增施A肥，葉片Pn反而降低了2.89 %，這與微量元素Fe、Zn與大量元素N、P、K間的拮抗作用有很大關系。由此可知，肥效高低依次是N>K>A。

各配方葉面肥模型擬合結果見圖2，配方Ⅰ的擬合程度大小依次是：直角雙曲線修正模型(0.99913)、直角雙曲線模型(0.99878)、非直角雙曲線模型(0.99885)；配方Ⅱ的擬合程度大小依次是：直角雙曲線修正模型(0.99907)、直角雙曲線模型(0.99829)、非直角雙曲線模型(0.99885)；配方Ⅲ的擬合程度大小依次是：直角雙曲線修正模型(0.99855)、直角雙曲線模型(0.99829)、非直角雙曲線模型(0.99829)；配方Ⅳ的擬合程度大小依次是：直角雙曲線修正模型(0.99917)、直角雙曲線模型(0.99911)、非直角雙曲線模型(0.999128)；CK的擬合程度大小依次是：直角雙曲線修正模型(0.99814)、非直角雙曲線模型(0.99222)、指數模型(0.9969)，R2越接近于1，說明擬合度越高，但不能證明擬合效果是為最好[19]，綜上來看，4種不同葉面肥配方(CK)均為直角雙曲線修正模型模擬效果最好，仍需對光響應擬合參數進一步分析。

2.2 不同模型擬合的光響應參數比較分析

數據模擬結果見表1。4組葉面肥配方(CK)最大凈光合速率Pn max模擬中，均為直角雙曲線修正模型模擬值與實測值最接近，而直角雙曲線模型和非直角雙曲線模型的模擬結果遠大于實測值。暗呼吸速率Rd模擬結果中，直角雙曲線模型在配方Ⅱ和CK的擬合結果同實測值最為接近，直角雙曲線修正模型在配方Ⅰ、配方Ⅲ、配方Ⅳ的擬合結果與實測值最為相近，非直角雙曲線模型則在所有處理中遠小于實測值。對比4組處理的LCP光補償點和LSP光飽和點結果，配方Ⅰ在直角雙曲線修正模型、直角雙曲線模型和非直角雙曲線模型的LCP擬合結果相近，但比實測值分別大3.4493、2.6817和2.8164 μmol·m-2·s-1，配方Ⅱ在直角雙曲線模型擬合的61.1070 μmol·m-2·s-1最接近于實測值，其他2種模型略大于實測值，配方Ⅲ的3種模型均大于實測值；配方Ⅳ在3組模型中擬合的結果均大于實測值；LSP的擬合結果中，直角雙曲線修正模型在所有處理(CK)的擬合值均與實測值最為相近，其他2組模型都遠小于實測值。綜合看來，3種模型中直角雙曲線修正模型的擬合結果最優。

暗呼吸速率是反映植物在弱光環境下光合能力大小的重要指標之一[20]。通過比較，Rd由高到低排序為：配方Ⅲ> 配方Ⅰ> 配方Ⅳ> 配方Ⅱ> CK。最大凈光合速率(Pn max)是葉片在達到光飽和點時的最大光強值[21]。各葉面肥處理下，葉片Pn max均大于CK，證明噴施葉面肥可以提高葉片在光飽和點時的光合能力。光飽和點反映葉片對強光的適應能力[22]，直角雙曲線修正模型中，除配方Ⅱ的Pn max略大于配方Ⅳ外，配方Ⅳ的Pn max和LSP較缺N、缺K和缺A葉面肥處理分別高出9.70 %、56.76 %，1.07 %、19.62 %和-0.80 %、50.56 %，在N、A、K的合理噴施下，混合葉面肥不易受到光抑制。

表1 不同模型計算出的生理參數和觀測值的比較

2.3 不同模型擬合的光響應參數比較分析

不同模型的均方差(RMSE)和平均絕對誤差(MAE)結果見表2。配方Ⅰ、配方Ⅱ和配方Ⅲ直角雙曲線模型和非直角雙曲線模型RMSE和MAE值最接近，說明2個模型擬合程度結果相似，但均小于直角雙曲線修正模型的RMSE和MAE的值；配方Ⅳ直角雙曲線修正模型和非直角雙曲線模型RMSE和MAE結果更為接近,均小于直角雙曲線模型的RMSE(0.21317)和MAE(0.18037)；CK的擬合優度區別較大，直角雙曲線修正模型>非直角雙曲線模型>直角雙曲線模型，直角雙曲線修正模型的RMSE(0.24757)和MAE(0.20522)分別比直角雙曲線模型的RMSE(0.50688)和MAE(0.43627)和非直角雙曲線模型的RMSE(0.31975)和MAE(0.25978)低出RMSE(0.25931)、MAE(0.23105)和RMSE(0.07218)、和MAE(0.05456)，綜合圖2、表1和表2，4種不同配方葉面肥(CK)擬合的最優模型為直角雙曲線修正模型。

2.4 不同葉面肥處理光響應參數的主成分分析

2.4.1 數據標準化 由于各配方葉面肥光響應參數指標單位的不一致，在進行主成分分析前應對數量綱進行統一[23]，結果見表3，根據新疆地區選育蘋果的需要，從光響應參數中選取4項重要指標，其中正相關參數為Pn max、LSP和Rd，負相關參數為LCP。

標準化后的數據進行主成分分析結果見表4。試驗結果通過了KMO和Bartlett檢驗，顯著性達0.099，符合分析要求，從4項指標中提取出了2個特征根>1的主成分，累計方差貢獻率達到92.983 %。

2.4.2 主成分分析 表5中，主成分f1載荷值較高且符號為正的光響應指標包括AQE和LCP，載荷權數分別是0.954和0.955，該2項指標均反映的是暗光條件下植被對環境的適應好壞情況，因此將該主成分命名為暗光因子；主成分f2中，載荷值較高且符號為正的指標是Pn max和LSP，載荷權數分別是0.893和0.996，與暗光因子相反，可將該主成分命名為強光因子。

表2 3種模型擬合優度

表3 不同配方葉面肥對蘋果光響應參數標準化的結果

表4 主成分的特征根、方差貢獻率和累計貢獻率

暗光因子f1排序中，配方Ⅲ> 配方Ⅱ> 配方Ⅰ> CK> 配方Ⅳ，噴施葉面肥配方Ⅲ對提高蘋果葉片的暗呼吸速率和降低光補償點作用明顯，但光飽和點和最大凈光合速率值較低，雖然噴施該配方葉面肥能提高蘋果對弱光環境和耐陰性效果的適應力，但總體上說對環境的適應力較弱；強光因子f2排序中，配方Ⅳ> 配方Ⅰ> 配方Ⅱ> 配方Ⅲ> CK，噴施配方Ⅳ的葉片，最大凈光合速率、光補償點和光飽和點較高，暗呼吸速率和初始量子效率值較低，說明其在光照充裕的地區能加速葉片的光合作用，但對利用弱光能力和耐陰性較差。綜合得分fz表現中，配方Ⅱ得分最高，在強光環境和弱光環境中均有不俗的表現，適生范圍最廣，光能利用效率高，在生產實際中，應當結合所在地實際選擇噴施。

表5 旋轉后的主成分載荷矩陣

表6 各主成分得分和綜合得分情況

3 討 論

由于直角雙曲線修正模型的一階導數可為0，有別于直角雙曲線模型、非直角雙曲線模型和指數模型等的無極值性，可以預測到植被的最大光合速率(Pn max)及光飽和點(LSP)[24-25]。本試驗中，直角雙曲線修正模型對Pn max、LCP和Rd修正結果較為精確，但對LSP修正結果偏差較大，較之其他模型，總體呈現出一定的穩定性。

主成分分析借助數據降維，是一項將若干具有相關性指標組合成一組獨立且相互獨立的綜合指標的評價辦法，通過各主成分的貢獻率，一方面反映其包含的原始數據信息比重，另一方面得出各主成分中的載荷值的高低對試驗處理進行綜合客觀的評價，從而避免了主觀認為因素的缺陷[26]。光響應指標參數包含表觀量子效率、暗呼吸速率、最大光合速率、光補償點、光飽和點等指標，且兩兩之間具有一定的相關性。

大量研究表明，葉面噴肥能增強植被的光合作用，提高果實產量和改善果實品質[27-28]。其中尿素對提高植物凈光合速率、促進呼吸底物積累效果明顯[29]。本試驗中，從各配方綜合得分排名來看，噴施葉面肥處理綜合得分均高于CK。噴施尿素、氨基酸和磷酸二氫鉀的葉片其強光因子響應指標Pn max和LSP均顯著高于尿素和磷酸二氫鉀、氨基酸和磷酸二氫鉀、CK處理的葉片，可見大量元素(N、P、K)肥料與微量元素(Fe、Zn、Cu)混合噴施最有助于提升蘋果葉片在強光環境下的適應能力。氨基酸富含多種微量元素，有增強植物抗旱、耐鹽堿性的效果[30]，磷、鉀元素是植物所需的大量元素，缺失會導致葉綠素質量分數降低，光合作用減弱，尿素、氨基酸和磷酸二氫鉀處理的葉片，Pn max和LSP等強光因子高于尿素、氨基酸處理，但AQE、Rd等弱光因子表現弱于后者，說明磷酸二氫鉀在提高蘋果葉片適應強光環境的同時，卻降低了葉片在弱光環境下的適應能力。尿素和磷酸二氫鉀處理的葉片弱光指標得分高于尿素和氨基酸處理的葉片，強光因子表現則反之，說明氨基酸對蘋果適應強光環境的能力大于磷酸二氫鉀，而磷酸二氫鉀對蘋果適應弱光環境的能力大于氨基酸。磷酸二氫鉀和氨基酸混合噴施暗光因子表現最佳，但強光因子表現僅略好于CK，說明缺失尿素后肥料供應主要用于提高葉片暗呼吸速率和降低光補償點以提高蘋果的耐陰性，具體營養分配機理尚有待進一步驗證。

4 結 論

本試驗中，通過比較上述3種模型擬合出的4種不同配方葉面肥的光響應效果，其R2均達到0.99以上，其中以直角雙曲線修正模型模擬效果最好，MRSE和MAE對實測值和擬合值進行比較，相對誤差最小，擬合精度最高。此模型已在柳樹[17]、金露梅[19]等樹種上獲得成功。

采用主成分分析法從5個光響應參數直角中提取出2個主成分，累計方差貢獻率達92.983 %，計算3次旋轉迭代載荷矩陣，并最終得出各配方葉面肥所在主成分得分和綜合得分情況，結果科學合理。