基于輻熱積的NFT栽培生菜生長模型

陳永快　黃語燕　蘭婕　王濤　康育鑫

摘要：研究營養(yǎng)液膜（NFT）栽培技術栽植的生菜生長模型，以便為生菜生長管理提供理論依據(jù)和決策支持。在示范農(nóng)場可控溫玻璃溫室內(nèi)對一個品種的生菜開展3次重復試驗，采用NFT栽培技術進行栽培，每隔1～3 d采集生菜的葉片數(shù)、株高、產(chǎn)量、干物質(zhì)、總?cè)~面積等指標。根據(jù)生菜對溫度和光合有效輻射的響應，以輻熱積為驅(qū)動變量，采用Logistic曲線方程，建立生菜NFT栽培生長模型，包括單株生菜葉片數(shù)、株高、地上部鮮質(zhì)量、地上部干質(zhì)量、地下部鮮質(zhì)量、地下部干質(zhì)量、總?cè)~面積等模型，所建立模型的決定系數(shù)均達0.960以上。運用不同試驗數(shù)據(jù)對所建模型進行驗證，生菜葉片數(shù)、株高、地上部鮮質(zhì)量、地上部干質(zhì)量、地下部鮮質(zhì)量、地下部干質(zhì)量、總?cè)~面積的預測值與實際值之間基于1 ∶1直線的決定系數(shù)（r2）分別為0.962、0.960、0.983、0.987、0.980、0.969、0.970，回歸估計標準誤差（RMSE）分別為1.210張、1.725 cm、7.951 g、0.256 g、0.948 g、0.045 g、159.770 cm2。試驗結(jié)果表明所建立的生菜營養(yǎng)生長模型具有較高的預測精度，可為溫室NFT栽培生菜生長管理、預測產(chǎn)量和分析經(jīng)濟效益提供理論依據(jù)。

關鍵詞：營養(yǎng)液膜;輻熱積;生菜;營養(yǎng)生長模型;Logistic曲線方程

中圖分類號：S636.201;S126 文獻標志碼： A文章編號：1002-1302（2021）19-0201-04

農(nóng)業(yè)設施化、數(shù)字化是我國農(nóng)業(yè)水平提升的重要舉措，也是我國農(nóng)業(yè)提升的關鍵點^[1]。設施生產(chǎn)是一個非常復雜的過程，是硬件設施和軟件技術的統(tǒng)一體。如何開發(fā)并建立基于作物生長模擬模型的計算機控制系統(tǒng)、信息管理系統(tǒng)和專家系統(tǒng)，實現(xiàn)工廠化的生產(chǎn)目標，已成為現(xiàn)代化園藝設施的關鍵技術，而作物數(shù)字化模型的研究是解決上述關鍵技術的根本所在^[2]。溫室作物模擬研究始于 20 世紀 50 年代，國外對設施園藝主要作物模型的研究與應用已經(jīng)比較成熟^[3]。目前，國外建立了很多設施作物生長模型，也取得了較快的發(fā)展，較為典型的模型有COMAX、TOMARO、LIGNUM、GREEN-LAB、L-PEACH等^[4-8]。我國也開展了大量的作物模型研究，如李永秀等用輻熱積構建了不同整枝方式下的葉面積模型，并結(jié)合干物質(zhì)生產(chǎn)模型和光合速率，建立了適合我國種植技術的溫室黃瓜光合速率與干物質(zhì)生產(chǎn)模擬模型，模擬精度較高^[9];李青林等基于輻熱積法模擬了黃瓜葉片形態(tài)特性、葉柄長度和直徑以及節(jié)間高度，建立了黃瓜的可視化生長模型^[10];石小虎等利用累積輻熱積與干物質(zhì)總量進行擬合，較為準確地模擬了不同水分處理下番茄干物質(zhì)總量^[11];王丹丹等基于輻熱積建立了日光溫室不同茬次袋培番茄等干物質(zhì)模型^[12]。目前，我國作物模型研究在黃瓜、番茄上的研究比較多，關于營養(yǎng)液膜（nutrient film technique，簡稱NFT）栽培技術栽培模式下生菜模型的研究比較少。本研究基本采用經(jīng)驗模型，以輻熱積為變量，采用Logistic曲線方程，建立生菜NFT栽培生長模型，將生菜產(chǎn)量、株高和葉片數(shù)等與環(huán)境因子之間的關系直接用函數(shù)關系表達出來，對溫室環(huán)境和作物生長的優(yōu)化控制、生長期的定量化管理和提高溫室利用效率等具有十分重要的意義。

1材料與方法

1.1試驗設計

試驗在福建省福州市中以示范農(nóng)場一個可控溫玻璃溫室中進行，該溫室安裝有降溫空調(diào)、外遮陽、環(huán)境數(shù)據(jù)采集系統(tǒng)、NFT自動灌溉系統(tǒng)等。試驗品種為四季生菜（福建農(nóng)科農(nóng)業(yè)良種開發(fā)有限公司），栽培方式為NFT栽培，重復3次，其中試驗2的數(shù)據(jù)用于建立模型，試驗1、3的數(shù)據(jù)用于模型驗證。在試驗過程中采集生菜生長指標及環(huán)境數(shù)據(jù)。

供試品種在4葉1芯時，定植于NFT栽培槽。采用長×寬×高為750 cm×10 cm×5 cm規(guī)格的 NFT 栽培管，每孔定植1株，栽培密度為 293 000株/hm2。營養(yǎng)液電導率（EC）控制在1.2～1.8 mS/cm，pH值控制在6.0～6.5。栽培過程中溫室中溫度控制在40 ℃以下，使生菜生長不產(chǎn)生高溫脅迫。

從定植到采收期間每隔1～3 d測量1次生長指標，每次測量選取長勢具有代表性的3株進行試驗。每次測量單株生菜葉片數(shù)、株高、地上及地下部鮮質(zhì)量、地上及地下部干質(zhì)量、總?cè)~面積等指標。葉片數(shù)用計數(shù)法統(tǒng)計，株高用游標卡尺測量，地上及地下鮮質(zhì)量用電子天平進行稱量。干質(zhì)量測量是將材料放在烘箱中105 ℃殺青20 min，75 ℃烘干至恒質(zhì)量后再測量?？?cè)~面積用葉形紙稱質(zhì)量法測量^[13]。所有測定數(shù)據(jù)均取平均值進行分析。

環(huán)境數(shù)據(jù)采集系統(tǒng)可以采集溫度、濕度、光合有效輻射等環(huán)境數(shù)據(jù)，數(shù)據(jù)采集間隔可自行設置，本試驗設置為15 min。

本研究基本采用經(jīng)驗模型，以輻熱積為變量，采用Logistic曲線方程，建立生菜NFT栽培生長模型，應用 Excel 2013、SPSS 19數(shù)據(jù)處理軟件進行統(tǒng)計分析和作圖。

1.2模型描述及檢驗方法

相對熱效應（RTE）定義為作物在實際溫度下生長1 d相當于在最適溫度下生長1 d的比例。溫度與相對熱效應的關系可用線性函數(shù)描述。

式中：T為作物生長的實際溫度;T_b為發(fā)育下限溫度;T_m為發(fā)育上限溫度;T_ob為發(fā)育最適溫度下限;T_ou為發(fā)育最適溫度上限。本研究設定生菜營養(yǎng)生長階段的 3 基點溫度見表1^[14]。

輻熱積（TEP）是指相對熱效應（RTE）與光合有效輻射（PAR）的乘積^[15]。累積輻熱積由每日相對輻熱積（DTEP）累積而得，計算公式為

式中：L為時間步長，本試驗每15 min采集1次數(shù)據(jù)，因此L取900 s;n為1 d進行觀測的次數(shù)，若每15 min觀測1次數(shù)據(jù)，則n=96;PARj為第j時刻的光合有效輻射，μmol/（m²·s）。i表示第幾天;k為作物生長的總時間。

采用決定系數(shù)（r²）、回歸估計標準誤差（RMSE） 對模擬值與觀察值之間的符合度進行統(tǒng)計分析。r²越大，表明模型的擬合度越好;RMSE越小，表明模擬值與實際值的一致性越好，模型的模擬結(jié)果越精確、可靠^[16]。

式中：OBS_a為樣本a的實際觀測值;SIM_a為樣本a的模型預測值;b為樣本總量。

2模型建立及驗證

2.1模型建立

試驗1時間為2019年4月24日至5月24日，試驗2時間為2019年9月26日至10月30日，試驗3時間為2019年10月25日至11月24日。試驗期間的環(huán)境溫度、累積輔熱積見表2。

隨著天氣情況的變化，日累積輔熱積呈現(xiàn)逐漸減少的趨勢，試驗1至試驗3生菜所需的生長時間逐漸增加，試驗3中日均累積輔熱積最低，生長最慢，所需要的生長時間最多。

采用第2次試驗的數(shù)據(jù)來建立模型，用累積輻熱積為自變量，生菜葉片數(shù)、株高、地上部鮮質(zhì)量、地上部干質(zhì)量、地下部鮮質(zhì)量、地下部干質(zhì)量、總?cè)~面積等為因變量，結(jié)果見圖1。在生菜生長過程中，隨著累積輻熱積的增加，生菜各生長指標大致呈慢-快-慢的變化趨勢，故本研究采用Logistic曲線方程代替機理模型進行模擬，以克服模型過于復雜的缺點。Logistic曲線方程表達式為y=A/（1+Be^-kx）^[17]。其中：y為葉片數(shù)、株高等生長量的值;x為累積輻熱積;A為發(fā)育時間無限延長時的終極生長量;B、k為參數(shù)。

利用SPSS軟件對試驗數(shù)據(jù)進行回歸分析，得到生菜葉片數(shù)、株高、地上部鮮質(zhì)量、地上部干質(zhì)量、地下部鮮質(zhì)量、地下部干質(zhì)量、總?cè)~面積等的模型及模型決定系數(shù)（r²）見表2。

2.2模型檢驗

分別采用試驗1和試驗3的數(shù)據(jù)對各模型進行檢驗。由圖2可知，生菜葉片數(shù)、株高、地上部鮮質(zhì)量、地上部干質(zhì)量、地下部鮮質(zhì)量、地下部干質(zhì)量、總?cè)~面積的預測值與實際值之間相關性較好，變化

3討論與結(jié)論

根據(jù)生菜對溫度和有效光合輻射的響應，以輻熱積為驅(qū)動變量， 采用Logistic曲線方程，建立生菜NFT栽培生長模型，模型包括單株生菜葉片數(shù)、株高、地上部鮮質(zhì)量、地上部干質(zhì)量、地下部鮮質(zhì)量、地下部干質(zhì)量、總?cè)~面積等，所建立模型的決定系數(shù)均在0.960以上。運用重復試驗對所建模型進行驗證，生菜葉片數(shù)、株高、地上部鮮質(zhì)量、地上部干質(zhì)量、地下部鮮質(zhì)量、地下部干質(zhì)量的預測值與實際值之間基于1 ∶1直線的決定系數(shù)分別為0.962、0.960、0.983、0.987、0.980、0.969、0.970，RMSE分別為1.210張、1.725 cm、7.951 g、0.256 g、0.948 g、0.045 g、159.770 cm2，說明該模型預測值和實際值之間的吻合度較好。因此，所建立的生菜營養(yǎng)生長模型具有較高的預測精度。

本研究試驗品種單一，沒有考慮水肥的影響，試驗在可控溫溫室內(nèi)進行，溫室基本控制在生菜最適溫度范圍內(nèi)。模型適用于無肥水脅迫，無高低溫脅迫條件下的溫室NFT栽培生菜周年生產(chǎn)，可為特定類型溫室的生菜生長管理、預測產(chǎn)量和分析經(jīng)濟效益提供理論依據(jù)。后期須要對更多的生菜品種、溫室能耗等進行分析，為此類型的溫室提供更多的數(shù)據(jù)支撐。

參考文獻：

[1]羅衛(wèi)紅. 溫室作物生長模型與專家系統(tǒng)[M]. 北京：中國農(nóng)業(yè)出版社，2008.

[2]吳帆. 可控環(huán)境下黃瓜生物量積累模型研究[D]. 鎮(zhèn)江：江蘇大學，2009.

[3]楊靖民，楊靖一，姜旭，等. 作物模型研究進展[J]. 吉林農(nóng)業(yè)大學學報，2012，34（5）：553-561.

[4]Lemmon H. Comax：an expert system for cotton crop management[J]. Science，1986，233（4759）：29-33.

[5]Jones J W，Dayan E，Allen L H，et al. A dynamic tomato growth and yield model（TOMGRO）[J]. Transactions of the American Society of Agricultural and Biological Engineers，1991，34（2）：663-672.

[6]Perttunen J，Sievanen R，Nikinmaa E，et al. LIGNUM：a tree model based on simple structural units[J]. Ann Bot，1996，77（1）：87-98.

[7]Yan H P，Kang M Z，De R P，et al. A dynamic，architectural plant model simulating resource-dependent growth[J]. Annals of Botany，2004，93（5）：591-602.

[8] Lopez G，F(xiàn)avreau R R，Smith C，et al. L-PEACH：a computer-based model to understand how peach trees grow[J]. HortTechnology，2010，20（6）：983-990.

[9]李永秀，羅衛(wèi)紅，倪紀恒，等. 用輻熱積法模擬溫室黃瓜葉面積、光合速率與干物質(zhì)產(chǎn)量[J]. 農(nóng)業(yè)工程學報，2005，21（12）：131-136.

[10]李青林，毛罕平，李萍萍. 黃瓜地上部分形態(tài)-光溫響應模擬模型[J]. 農(nóng)業(yè)工程學報，2011，27（9）：122-127.

[11]石小虎，蔡煥杰，趙麗麗，等. 不同水分處理下基于輻熱積的溫室番茄干物質(zhì)生產(chǎn)及分配模型[J]. 農(nóng)業(yè)工程學報，2016，32（3）：69-77.

[12]王丹丹，呂振寧，李堅，等. 基于輻熱積的日光溫室不同茬次袋培番茄干物質(zhì)模型比較[J]. 西北農(nóng)業(yè)學報，2018，27（2）：238-243.

[13]譚一波，趙仲輝. 葉面積指數(shù)的主要測定方法[J]. 林業(yè)調(diào)查規(guī)劃，2008，33（3）：45-48.

[14]劉志剛，徐勤超. 基于輻熱積的溫室微灌基質(zhì)栽培生菜生長模擬[J]. 江蘇農(nóng)業(yè)學報，2016，32（6）：1315-1319.

[15]嚴妍. 溫度和光周期對水培生菜生長的影響及生長模型初探[D]. 武漢：華中農(nóng)業(yè)大學，2008.

[16]馬萬征，毛罕平，倪紀恒. 不同果實負載下溫室黃瓜干物質(zhì)分配的模擬[J]. 農(nóng)業(yè)工程學報，2010，26（10）：259-263.

[17]董江水. 應用SPSS軟件擬合Logistic曲線研究[J]. 金陵科技學院學報，2007，23（1）：21-24.

基金項目：福建省農(nóng)業(yè)科學院自由探索項目（編號：AA2018-26）;福建省農(nóng)業(yè)科學院一般性項目（編號：A2018-1）。

作者簡介：陳永快（1981—），男，福建霞浦人，碩士，助理研究員，研究方向為設施農(nóng)業(yè)。E-mail：stonecyk@126.com。