水培綠葉菜生長模型參數(shù)的季節(jié)變異規(guī)律研究

嚴振寧,李興杰,尹藝璐,張樣平,李東波,蘇連泰,奧巖松

(1上海交通大學農(nóng)業(yè)與生物學院,上海 200240;2宜春學院生命科學與資源環(huán)境學院,宜春 336000;3上海市綠立方農(nóng)業(yè)發(fā)展有限公司,上海200120)

我國綠葉菜消費量巨大,在蔬菜生產(chǎn)中占據(jù)重要地位[1]。傳統(tǒng)的綠葉菜生產(chǎn)屬于勞動密集型產(chǎn)業(yè),近年來勞動力成本提高等問題日漸凸顯,制約了產(chǎn)業(yè)發(fā)展[2]。植物工廠作為現(xiàn)代農(nóng)業(yè)的典型代表[3],能夠有效緩解用工問題。因此,我國植物工廠無土栽培綠葉菜的種植面積正在快速增加[4]。水培綠葉菜工廠化種植具有環(huán)境條件便于調(diào)控、養(yǎng)分精準供給等優(yōu)勢,是實現(xiàn)葉菜高效生產(chǎn)的有效途徑。然而,要實現(xiàn)水培綠葉菜工廠化生產(chǎn)也存在諸多問題[5],例如前期建設與運維投資大,病蟲害易于在水培條件下快速傳播,環(huán)境調(diào)控等技術要求高,這其中環(huán)境自動化調(diào)控技術的提高對于其持續(xù)高產(chǎn)最為關鍵。而計算機專家系統(tǒng)可以代替?zhèn)鹘y(tǒng)的人工管理方式,對葉菜生長發(fā)育過程中的環(huán)境要素進行調(diào)控[6]。其中的作物生長模型則是植物工廠生產(chǎn)智能化操作與管理的核心邏輯[7]。

作物生長模型根據(jù)其功能的不同,可分為描述性模型和解釋性模型兩大類[8-9]。描述性模型以田間數(shù)據(jù)為基礎,是對作物生長簡單直觀的反映,模型參數(shù)較少且實用,常見的描述性模型有作物生長發(fā)育與產(chǎn)量模型。解釋性模型則有利于對復雜系統(tǒng)的理解,更加注重基礎理論研究的結(jié)合。作物生長模型在農(nóng)業(yè)生產(chǎn)中的應用前景廣泛,但是模型的研究仍處于初級階段,面臨的問題較多[10]。比如模型適應性較低,當環(huán)境條件的變化超出模型的規(guī)定時,模型的可靠性下降,導致模型難以解決生產(chǎn)中的實際問題[11]。過去的作物生長模型沒有達成統(tǒng)一性規(guī)律,有的模型是以個別季節(jié)茬口數(shù)據(jù)為基礎獲得的[12],數(shù)據(jù)標準不同,環(huán)境條件單一。因此,作物生長模型還需要在普適性和準確性等方面進一步完善[13],充分發(fā)揮其指導作用。

本試驗以散葉萵苣、不結(jié)球白菜中的杭白菜、青菜為研究對象,在水培條件下進行周年多茬口栽培。采用描述性模型對作物的生長過程進行過程模擬,建立周年基本生長模型和不同季節(jié)生長模型,研究季節(jié)對生長模型參數(shù)變異的影響規(guī)律。以期通過參數(shù)與實際氣溫的相對應,討論不同溫度條件下綠葉菜生長環(huán)境的調(diào)控,達到優(yōu)化種植的目標。

1 材料與方法

1.1 試驗材料

供試材料為散葉萵苣(Lactuca sativaL.)‘巴達維亞’(北京鼎豐現(xiàn)代農(nóng)業(yè)發(fā)展有限公司提供),不結(jié)球白菜(Brassica campestrisssp.chinensis)中的青菜‘艷春’(上海市農(nóng)業(yè)科學院提供)和杭白菜‘京研4號’(北京京研益農(nóng)種業(yè)有限公司提供)。

1.2 試驗方法

試驗于2018年12月至2019年12月,在上海市孫橋現(xiàn)代農(nóng)業(yè)園的植物工廠內(nèi)進行。每月安排1個茬口栽培試驗。每個品種的綠葉菜種植36個種植盤(43.4 cm×24.2 cm),每盤8株葉菜。根據(jù)定植時間安排提前15 d在人工氣候箱育苗,基質(zhì)為白泥炭與珍珠巖按9∶1體積比混拌均勻。每月1日選取健康且大小均勻一致(三葉一心)的幼苗定植,營養(yǎng)液配方采用公司自主研發(fā)的綠葉菜專用營養(yǎng)液,營養(yǎng)液中各元素構成和含量見表1。工作液通過O3消毒后,進行不間斷小流量供液。保持營養(yǎng)液pH穩(wěn)定在6.5—6.7,EC穩(wěn)定在1.6—2.0 mS∕cm。生長期采用的軌道式淺液流移動推盤栽培系統(tǒng)如圖1所示。生長期統(tǒng)一管理,從定植開始,每隔7 d進行1次數(shù)據(jù)測定,直到植株達到采收標準后進行采收,3種綠葉菜的采收標準如表2所示。

圖1 軌道式淺液流移動推盤栽培系統(tǒng)Fig.1 Shallow flow and mobile plate track cultivation system

表1 營養(yǎng)液中的元素配方Table 1 Formulation and content in nutrient solution mg·L-1

表2 綠葉菜采收標準Table 2 Leafy vegetables harvest standard

1.3 測定項目和方法

1.3.1 鮮重、干重和葉面積的測定

從定植的第1天起,每隔7 d,在3種綠葉菜中隨機選取5株長勢均勻且健康的植株,用純凈水沖洗3次,然后用濾紙吸干表面水分。使用葉面積儀測定葉面積、電子分析天平測定單株鮮重,之后在烘箱內(nèi)105℃殺青60 min,然后在80℃下通風干燥至恒重,使用電子分析天平稱取干重。

1.3.2 溫度的監(jiān)測

采用短程無線傳輸便攜式自動氣象站(HOBO-U30)定時監(jiān)測溫室環(huán)境,每隔10 min記錄溫室溫度和光照度。數(shù)據(jù)用于作物生長模型的驗證工作。

1.4 數(shù)據(jù)處理與統(tǒng)計分析

采用Excel 2016進行數(shù)據(jù)整理和分析,采用Sigmaplot 10.0進行繪圖。

生長分析的葉面積指數(shù)(LAI)及作物生長率(CGR)的計算公式為:

式中:A g表示所測定植物群體所占用的土地面積(m2),本試驗中的占用土地面積為種植盤面積的1∕8,即0.013 m2;A l為單位土地上的總?cè)~面積(m2)。

式中:W1及W2分別為第1次和第2次測定時的干重(g);A為土地面積(m2),t1和t2分別為第1次和第2次測定間隔的時間(d),C GR的單位為g∕(m2·d)。

2 結(jié)果與分析

2.1 綠葉菜的基本生長模型建立

利用已獲得的12個茬口散葉萵苣、不結(jié)球白菜的杭白菜和青菜的生長過程數(shù)據(jù),進行作物生長模型擬合。一般園藝作物整個生長周期的生長曲線基本上符合Logistic曲線。但本試驗中的綠葉菜生長到整個作物生長周期的中期時就已經(jīng)達到商品采收標準,并且回歸分析發(fā)現(xiàn)指數(shù)函數(shù)模型擬合度高于Logistic函數(shù)模型,因此選擇指數(shù)模型作為本試驗作物生長的函數(shù)模型。定植后的時間t(d)與鮮重y(g)關系的表達式為:

式中,y為整株鮮重(g),t為定植時間(d),e為自然常數(shù),a、b為常數(shù)。對于獲得的函數(shù)方程取對數(shù),得到關于y′=lna+bt的函數(shù),然后通過對方程的lna,b求均值,最后得到可代表綠葉菜周年中平均生長發(fā)育過程的基本生長方程:

式中,ˉy為平均鮮重,t、e同公式(3),ˉa,ˉb為常數(shù)a,b的周年平均值。

散葉萵苣和不結(jié)球白菜的杭白菜和青菜12個茬口生長模型的參數(shù)a,b如表3所示,鮮重數(shù)據(jù)及周年基本生長模型如圖2所示。

表3 3種綠葉菜生長模型參數(shù)隨季節(jié)變化情況Table 3 The parameters of three leafy vegetables growth model change with seasons

圖2 3種綠葉菜的基本生長模型Fig.2 The average growth model of three leafy vegetables

通過擬合,建立3種綠葉菜定植后天數(shù)(d)與鮮重的回歸關系式:散葉萵苣基本生長模型方程為ˉy=0.242e0.192t;杭白菜基本生長模型方程為ˉy=0.360e0.190t;青菜基本生長模型方程為ˉy=0.410e0.137t。

2.2 季節(jié)對綠葉菜生長模型參數(shù)的影響

月平均氣溫是根據(jù)氣象工作站監(jiān)測的氣溫數(shù)據(jù)在月內(nèi)求平均獲得的,它代表了當月氣溫的整體水平。植物工廠內(nèi)的月平均氣溫變化如圖3所示,擬合曲線為y=20.02+9.55sin(0.524x+4.35),R2=0.966。不同季節(jié)對綠葉菜生長模型的參數(shù)b具有顯著的影響?？傮w上,從1—12月份,b值先隨平均氣溫升高而升高,后隨平均氣溫降低而降低,如此周年循環(huán)。通過對特定品種多茬口模型參數(shù)a比較,發(fā)現(xiàn)參數(shù)a變化較小,因為a值大小受定植時的鮮重值影響較大,因此求得ˉa作為模型的參數(shù)a。根據(jù)不同綠葉菜的不同月份參數(shù)b進行回歸處理。

圖3 植物工廠內(nèi)的月平均氣溫Fig.3 The monthly average temperature of plant factory

將一年366 d轉(zhuǎn)化為2π的表達形式,表達式為:

式中:T是常數(shù),t代表一周年中的某天。

圖4為通過12個茬口栽培試驗擬合出的3種綠葉蔬菜的生長模型b隨季節(jié)的變化情況。從總體態(tài)勢看,3種葉菜生長模型參數(shù)b的變化趨勢相似。前期變化規(guī)律符合三角函數(shù),b值隨時間的增加而增加。中期則符合二次函數(shù)變化規(guī)律(灰色線段),b值隨時間的增加先下降后增加。后期依舊符合前期三角函數(shù)模型,b值隨時間的增加而降低。

圖4 3種綠葉菜生長模型參數(shù)b隨季節(jié)的變化Fig.4 The effect of seasons on the parameter b of three leafy vegetables growth model

從品種角度分析,3種綠葉菜的生長模型參數(shù)b變化存在差異。散葉萵苣b值在(0,2π]區(qū)間:在(0,和區(qū)間符合三角函數(shù)規(guī)律,隨著時間的變化在增加,降低;在區(qū)間符合二次函數(shù)的規(guī)律,表現(xiàn)為先降低、后升高的變化趨勢。散葉萵苣參數(shù)b的變化擬合為方程(5)。杭白菜b值在(0,2π]區(qū)間:在和區(qū)間內(nèi)符合三角函數(shù)規(guī)律,隨著時間的增加,在前一個區(qū)間增加,后一個區(qū)間降低;在區(qū)間內(nèi)則符合二次函數(shù)的規(guī)律,表現(xiàn)為隨時間的增加先降低、后升高的變化趨勢。杭白菜參數(shù)b的變化擬合為方程(6)。青菜b值變化規(guī)律跟杭白菜相似,在(0,2π]區(qū)間:b值在和區(qū)間符合三角函數(shù)規(guī)律,隨時間增加,在前一個區(qū)間增加,后一個區(qū)間降低;在區(qū)間內(nèi)符合二次函數(shù)的規(guī)律,表現(xiàn)為隨時間的增加先降低,后升高的變化趨勢。青菜參數(shù)b的變化擬合為方程(7)。

2.3 綠葉菜生長分析

生長分析就是將作物的生長過程以干重增長為對象,以干物質(zhì)的積累和分配來衡量作物產(chǎn)量形成的一種方法。植物生長以干物質(zhì)積累為基礎,而干物質(zhì)90%以上是通過光合作用形成。光合產(chǎn)物的多少決定于光合面積、光合速率與光合時間等因素[14]。對于綠葉菜而言,葉片是主要的光合場所。通過擬合,發(fā)現(xiàn)時間(t)和葉面積指數(shù)LAI(y)之間的關系滿足指數(shù)模型。3種綠葉菜LAI指數(shù)模型的參數(shù)b與時間的關系如圖5所示。3種綠葉菜LAI模型的參數(shù)b在周年中的變化情況與3種綠葉菜產(chǎn)量隨季節(jié)變化趨勢相似,隨時間的增加,呈現(xiàn)先增大后減小的趨勢,中間則出現(xiàn)先降低后升高的現(xiàn)象,且參數(shù)b杭白菜>b散葉萵苣>b青菜。

圖5 3種綠葉菜LAI函數(shù)的參數(shù)b隨季節(jié)的變化情況Fig.5 The parameter b of the LAI function of three leafy vegetables change with season

作物生長率(CGR)反映了作物干物質(zhì)積累的快慢。選取具有代表性的1月、4月和7月,擬合隨時間變化的CGR曲線,如圖6所示。綠葉菜在不同季節(jié)CGR曲線都是指數(shù)函數(shù),但因為b值不同,曲線差異較大,這與不同季節(jié)綠葉菜的生長模型曲線規(guī)律相似。從3種葉菜整體態(tài)勢來看,CGR杭白菜>CGR散葉萵苣>CGR青菜。這也與3種葉菜的生長速度相符。

圖6 3種綠葉菜CGR函數(shù)的參數(shù)b隨季節(jié)的變化Fig.6 The parameter b of the CGR function of three leafy vegetables change with season

3 討論與結(jié)論

試驗表明,不同季節(jié)條件下水培綠葉菜生長總體態(tài)勢均符合指數(shù)模型,生長速度受季節(jié)變化影響較大。在一定溫度范圍內(nèi),3種綠葉菜的生長速度與月平均氣溫的變化成正相關[15]。但均在一定時間出現(xiàn)異常。散葉萵苣在7—9月、不結(jié)球白菜的杭白菜和青菜在6—9月份均出現(xiàn)隨著氣溫繼續(xù)升高,植株生長速度下降,后隨氣溫下降生長速度升高,這與綠葉菜生長速度與溫度成正相關的結(jié)論相悖。主要是這些月份的氣溫過高,超過了3種綠葉菜生長最適溫度[16]。

對于散葉萵苣而言,1—6月份,隨溫度升高植株生長速度加快,到6月份生長速度達到最快,此時bmax=0.270,月平均氣溫為26.2℃。從7—8月份溫度繼續(xù)上升,生長速度則出現(xiàn)明顯下滑,至最高月平均溫度29.4℃時,b值達到極小值,在9—10月份隨氣溫的下降出現(xiàn)升高達到極大值,之后b值逐漸減小。這就說明月平均溫度26.2℃是散葉萵苣生長最適溫度。對于不結(jié)球白菜的杭白菜和青菜而言,從1—5月份,不結(jié)球白菜(杭白菜和青菜)生長速度隨月平均溫度的升高而升高。到5月份生長速度達到最快,此時杭白菜bmax=0.252,青菜bmax=0.174,月平均氣溫為22.7℃。6—8月份隨溫度繼續(xù)上升,b值下降,生長速度出現(xiàn)明顯下滑,b值達到極小值,生長受到抑制。9月份溫度開始下降,到10月份降至22.2℃時,生長速度又短期增加至極大值;后隨著氣溫的降低,生長速度開始下降。這就說明月平均溫度22.7℃是杭白菜和青菜的生長最適溫度。3種綠葉菜的生長最適溫度表現(xiàn)為散葉萵苣高于青菜和杭白菜,因此在生產(chǎn)條件允許的情況下,可將散葉萵苣與不結(jié)球白菜分棚種植,溫度調(diào)節(jié)采取不同的策略,從而達到優(yōu)化種植。

綠葉菜生長模型參數(shù)b隨時間呈周期性波動。利用綠葉菜生長最適溫度的bmax和基本生長模型的ˉb,將生長模型參數(shù)b分為3個區(qū)間,對應3個時間區(qū)組。對于散葉萵苣而言,第1組為從10月下旬到次年的3月下旬,這段時間內(nèi)生長模型的參數(shù)b均小于基本生長模型的ˉb,由于氣溫較低,散葉萵苣的生長較為緩慢。因此,需要采取減少通風、營養(yǎng)液加溫等措施來促進散葉萵苣的生長速度。第2組為4月上旬到6月上旬和9月中旬到10月下旬,這段時間內(nèi)生長模型參數(shù)b介于生長最適溫度參數(shù)bmax和基本生長模型參數(shù)ˉb,氣溫較適宜,散葉萵苣的生長總體上保持良好,只要配合正常的生育期管理。第3組是從6月中旬到9月上旬,生長模型的參數(shù)b低于生長最適溫度參數(shù)bmax,而氣溫高于散葉萵苣生長最適溫度。因此,需要采取適當?shù)呐飪?nèi)降溫和營養(yǎng)液降溫等措施,減少高溫對于散葉萵苣生長的抑制作用。對于生長趨勢接近的不結(jié)球白菜的杭白菜和青菜,第1組為10月下旬到次年3月中旬,這段時間生長模型參數(shù)b低于對應基本生長模型的參數(shù)ˉb,氣溫較低,不利于不結(jié)球白菜的杭白菜和青菜的生長發(fā)育。因此需要采取加溫措施來促進不結(jié)球白菜的正常生長速度。第2組為3月下旬到5月上旬和10月份,這段時間生長模型參數(shù)b大小介于基本生長模型ˉb與生長最適溫度時的參數(shù)bmax值,氣溫適宜杭白菜和青菜生長。因此,配合正常的生長期管理即可,不需要對溫度進行主動調(diào)節(jié)。第3組是5月中旬到10月上旬,生長模型的參數(shù)b值低于生長最適溫度時的參數(shù)bmax,主要由于氣溫總體上高于杭白菜和青菜的生長最適溫度。因此,需要采取適當?shù)呐飪?nèi)降溫等措施,減少高溫對于不結(jié)球白菜生長的影響。

另外,平均氣溫在5月和10月時大致相當,但是不管是青菜還是杭白菜都出現(xiàn)了10月生長速度低于5月,這可能與日照時長有關[17],上海地區(qū)5月的平均日照時長為13.7 h,相較于10月的平均日照時長11.4 h多出2.3 h。此規(guī)律對于后期進行不同綠葉蔬菜環(huán)境調(diào)節(jié)和管理都具一定的參考價值。

植物生長以干物質(zhì)積累為基礎。從干物質(zhì)積累的角度分析作物的生長顯得尤為重要。光合產(chǎn)物的多少取決于光合面積、光合速率與光合時間等因素[18]。對于綠葉菜而言,葉片是主要的光合場所,從生長分析發(fā)現(xiàn)葉面積指數(shù)(LAI)的增長速度與作物鮮重生長速度成正相關,作物在特定茬口中的作物生長率(CGR)的變化與作物生長速度成正相關。這說明可以通過調(diào)節(jié)增加綠葉菜葉面積和干物質(zhì)積累的方法來提高綠葉菜的生長速度和產(chǎn)量。

本研究僅對不同季節(jié)對綠葉菜生長模型的參數(shù)變化進行詳細探討,尚未考慮不同季節(jié)對于綠葉菜品質(zhì)生長模型參數(shù)的影響和不同品種綠葉菜在相同條件下對于綠葉菜生長模型參數(shù)的影響。下一步研究可以在模型中加入品質(zhì)參數(shù)和品種參數(shù),進一步提高模型的適用性和多維度參考性。同時可重復本試驗工作以提高模型參數(shù)精確度,從而使該模型能精準預測生長趨勢,為調(diào)節(jié)環(huán)境參數(shù)提供重要參考。