桑志勤,張占琴,段震宇,陳樹賓,王友德,郭斌,張小偉
(1.新疆農(nóng)墾科學(xué)院,新疆石河子832000;2.新疆生產(chǎn)建設(shè)兵團(tuán)第六師農(nóng)業(yè)科學(xué)研究所,新疆五家渠831300)
玉米秸稈是我國3大主要糧食作物的副產(chǎn)品之一,秸稈產(chǎn)量占到全國作物秸稈總量的36.81%[1-2]。目前,在新疆許多奶牛場采用秸稈作為重要的青貯飼料來源,因此在新疆果穗收獲后新鮮的玉米秸稈是動(dòng)物飼料重要發(fā)展方向之一。同時(shí),作物的植株生物量是作物生長監(jiān)測和產(chǎn)量評(píng)估的重要指標(biāo)之一,在農(nóng)業(yè)生產(chǎn)和生態(tài)系統(tǒng)管理中發(fā)揮著重要作用[3-5]。作物的植株生物量與產(chǎn)量具有很強(qiáng)的相關(guān)性,在作物早期的生長發(fā)育階段依據(jù)其生物量確定精準(zhǔn)的栽培管理措施具有重要意義[6-7]。然而,精確地評(píng)估秸稈生物量仍然是一項(xiàng)難度很高的任務(wù),玉米的生物量測量技術(shù)仍然面臨著許多挑戰(zhàn)。田間直接測量會(huì)破壞生物體本身,干燥處理測量干物質(zhì)質(zhì)量,其測量過程費(fèi)時(shí)、費(fèi)力,并不適合于大規(guī)模不同時(shí)間和不同空間的測量。
國內(nèi)外采用了多種不同的測量方法,通過玉米植株相關(guān)表型參數(shù)的評(píng)估來估算玉米的生物量。研究人員分析了不同光譜、紅綠藍(lán)植被指數(shù)以及覆蓋和密度的估計(jì)值,利用模型估算玉米植株生物量[8],或采用高光譜和激光雷達(dá)掃描技術(shù)對(duì)玉米生物量運(yùn)用偏最小二程回歸法進(jìn)行估算[9-10]。與其他農(nóng)作物相比,這些技術(shù)用于玉米秸稈生物量測量具有一定的難度。玉米地上部植株高度通常達(dá)到3 m左右,進(jìn)行地面觀測實(shí)現(xiàn)準(zhǔn)確測量需要考慮到高分辨率、地形的起伏和單株的3D結(jié)構(gòu)等因素。而基于玉米株高的生物量測量和預(yù)測模型具有測量簡單、相關(guān)度高等優(yōu)勢[11-13]。本研究擬以376個(gè)不同的玉米雜交組合為材料,以玉米株高、葉片數(shù)為指標(biāo),進(jìn)行線性回歸分析,建立玉米蠟熟期單株生物量預(yù)測模型,并對(duì)預(yù)測精確度進(jìn)行評(píng)估,從而為實(shí)現(xiàn)玉米生物量高效測量提供理論依據(jù)。
試驗(yàn)地點(diǎn)為新疆維吾爾自治區(qū)石河子市新疆農(nóng)墾科學(xué)院作物研究所試驗(yàn)地(85°94′E、44°27′N),海拔480 m。玉米于2018年4月28日播種,行長3 m,行距55 cm,田間栽培管理同當(dāng)?shù)卮筇锏喂嘤衩追N植管理方式。本研究隨機(jī)選取試驗(yàn)地內(nèi)不同類型玉米雜交組合400份作為研究材料。相關(guān)參數(shù)測量日期為2018年8月27日(蠟熟期),測量時(shí)每個(gè)材料選取中間行代表性植株4株,分別測量玉米的株高(玉米雄穗頂端至地面的距離)、葉片數(shù)(于小口期用紅漆點(diǎn)第8張葉片作為標(biāo)記),然后分部位收獲玉米的地上部分(莖稈+葉片),裝入網(wǎng)紗袋中,
放入烘干房中烘干,烘干溫度為45℃,待玉米植株質(zhì)量恒定后稱量其各部位的干物質(zhì)質(zhì)量。
對(duì)獲得的玉米株高、葉片數(shù)、葉片質(zhì)量、莖稈質(zhì)量數(shù)據(jù)進(jìn)行初步篩選,計(jì)算葉片質(zhì)量和莖稈質(zhì)量的比值,剔除葉片質(zhì)量大于莖稈質(zhì)量的異常數(shù)據(jù),總共得到376份樣本,用于數(shù)據(jù)對(duì)模型的檢驗(yàn)[14-15]。
以玉米株高(H)、葉片數(shù)(L)為自變量,玉米干物質(zhì)質(zhì)量(DW)為因變量,首先對(duì)回歸分析中的各個(gè)因素使用R 3.5.3軟件的cor函數(shù)進(jìn)行皮爾森相關(guān)系數(shù)分析,再使用R 3.5.3軟件lm函數(shù)的多元線性回歸功能對(duì)玉米的各項(xiàng)數(shù)據(jù)進(jìn)行回歸分析,建立玉米生物量的擬合模型。線性回歸分析中,選用決定系數(shù)、均方根誤差(RMSE)和相對(duì)均方根誤差(rRMSE)作為模型預(yù)測準(zhǔn)確度的評(píng)價(jià)指標(biāo)[13]。
式中:n表示樣本數(shù)量;Si表示人工測量值;Si1:表示預(yù)測值。通常R2越大,RMSE和rRMSE值越小,表示回歸分析的效果越好。選用值對(duì)回歸模型中的各參數(shù)顯著性進(jìn)行檢驗(yàn)。
對(duì)376個(gè)玉米單株樣本的單株干物質(zhì)質(zhì)量、株高、葉片數(shù)數(shù)據(jù)進(jìn)行分析(表1和圖1),3個(gè)性狀均呈典型的正態(tài)分布。單株干物質(zhì)質(zhì)量的分布幅度為137.1~998.6 g,平均單株干物質(zhì)質(zhì)量為428.4 g,變異系數(shù)為34.5%。樣本株高分布幅度為164.0~390.0 cm,平均株高為304.0 cm,變異系數(shù)為12.4%。

表1 376個(gè)玉米雜交組合的主要特征
為了保證模型線性相關(guān)的準(zhǔn)確性,對(duì)玉米株高、葉片數(shù)和單株干物質(zhì)質(zhì)量進(jìn)行了相關(guān)性分析。由表2可見,單株秸稈生物量與株高、葉片數(shù)均呈極顯著正相關(guān),株高與單株生物量的相關(guān)性最高,2個(gè)因變量都可用于建立模型分析。

表2 玉米雜交組合各性狀的相關(guān)性分析
分別以株高、葉片數(shù)單一變量為自變量,或幾個(gè)因變量組合為自變量,以玉米單株干物質(zhì)質(zhì)量為因變量擬合多元線性回歸模型(表3)。在多種回歸模型的分析中,各自變量P值均小于0.01,表明統(tǒng)計(jì)結(jié)果顯著。
以株高、葉片數(shù)為單一變量建立表3中的模型1、模型2,由結(jié)果可知,株高的相關(guān)系數(shù)高于葉片數(shù)的。以株高、葉片數(shù)為輸入量,建立生物量預(yù)測表3中的模型3(圖2模型3),與玉米單株干物質(zhì)質(zhì)量的相關(guān)性較高,模型3的決定系數(shù)R2為0.39,均方根誤差RMSE為115.19 g,相對(duì)均方根誤差rRMSE為0.61。模型4的相關(guān)性最高,其決定系數(shù)R2為0.40,均方根誤差RMSE為114.62 g,相對(duì)均方根誤差rRMSE為0.60。在本研究中,多元回歸模型3、4、5、6均具有較高的擬合度。

表3 376個(gè)玉米雜交組合的生物量模型及評(píng)價(jià)
玉米單株秸稈干物質(zhì)質(zhì)量與各調(diào)查性狀的相關(guān)性分析表明,玉米秸稈的干質(zhì)量變異系數(shù)大于株高和葉片數(shù)的變異系數(shù),意味著玉米秸稈干物質(zhì)積累的變異幅度大于其他性狀的變異幅度。趙紅香等的研究表明,農(nóng)大108、高油298、鄭單958的單株秸稈干物質(zhì)質(zhì)量分別為217、168、230.9 g[16]。本研究所配置組合部分親本含有熱帶、亞熱帶血緣,株型高大、秸稈干物質(zhì)產(chǎn)量高,更適宜于作為糧飼兼用型玉米。所有樣本單株干物質(zhì)質(zhì)量的變異系數(shù)均較大,可以代表較為豐富的多樣性來源,呈現(xiàn)出更加豐富的變異區(qū)間。仇瑞承等研究認(rèn)為,玉米莖粗長軸和短軸與玉米干物質(zhì)質(zhì)量相關(guān)性高于玉米株高[15],在本研究中,秸稈干物質(zhì)質(zhì)量與株高、葉片數(shù)之間密切的正相關(guān),株高對(duì)秸稈產(chǎn)量的影響更大。
應(yīng)用玉米株高、葉片數(shù)參數(shù)建立了玉米收獲期的生物量擬合模型。其中,多元回歸模型3、4、5、6都具有較好的適用性(圖2),模型的決定系數(shù)分別為0.39、0.40、0.40、0.39。仇瑞承等以玉米株高、莖粗長軸、莖粗短軸為因變量構(gòu)建9種不同的線性模型用于玉米生物量的評(píng)估,認(rèn)為多元回歸模型和逐步回歸模型具有較高的擬合精度[15]。秦佳梅等以苦碟子株高和植株干鮮質(zhì)量進(jìn)行分析,認(rèn)為指數(shù)函數(shù)相比多元回歸模型具有更好的擬合度[14]。本研究回歸模型的決定系數(shù)不是很高。考慮到玉米蠟熟期的果穗質(zhì)量占單株干物質(zhì)質(zhì)量的比例很大,而且莖稈粗度對(duì)干物質(zhì)影響較大,本研究中未對(duì)果穗質(zhì)量和莖稈粗度進(jìn)行測量,進(jìn)一步的分析中應(yīng)該將果穗干質(zhì)量和莖稈粗度考慮進(jìn)去。