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和決策支持。在示范農場可控溫玻璃溫室內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、株高、產量、干物質、總葉面積等指標。根據生菜對溫度和光合有效輻射的響應，以輻熱積為驅動變量，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、株高、地上部鮮質量、地上部干質量、地下部鮮質量、地下部干質量、總葉面積等模型，所建立模型的決定系數均達0.960以上。運用不同試驗數據對所建模型進行驗證，生菜葉片數、株高、地上部鮮質量、地上部干質量、地下部鮮質量、地下部干質量、總葉面積的預測值與實際值之間基于1 ∶1直線的決定系數（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。試驗結果表明所建立的生菜營養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、預測產量和分析經濟效益提供理論依據。

關鍵詞：營養液膜;輻熱積;生菜;營養生長模型;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

農業設施化、數字化是我國農業水平提升的重要舉措，也是我國農業提升的關鍵點^[1]。設施生產是一個非常復雜的過程，是硬件設施和軟件技術的統一體。如何開發并建立基于作物生長模擬模型的計算機控制系統、信息管理系統和專家系統，實現工廠化的生產目標，已成為現代化園藝設施的關鍵技術，而作物數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，并結合干物質生產模型和光合速率，建立了適合我國種植技術的溫室黃瓜光合速率與干物質生產模擬模型，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特性、葉柄長度和直徑以及節間高度，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，將生菜產量、株高和葉片數等與環境因子之間的關系直接用函數關系表達出來，對溫室環境和作物生長的優化控制、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場一個可控溫玻璃溫室中進行，該溫室安裝有降溫空調、外遮陽、環境數據采集系統、NFT自動灌溉系統等。試驗品種為四季生菜（福建農科農業良種開發有限公司），栽培方式為NFT栽培，重復3次，其中試驗2的數據用于建立模型，試驗1、3的數據用于模型驗證。在試驗過程中采集生菜生長指標及環境數據。

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規格的 NFT 栽培管，每孔定植1株，栽培密度為 293 000株/hm2。營養液電導率（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、株高、地上及地下部鮮質量、地上及地下部干質量、總葉面積等指標。葉片數用計數法統計，株高用游標卡尺測量，地上及地下鮮質量用電子天平進行稱量。干質量測量是將材料放在烘箱中105 ℃殺青20 min，75 ℃烘干至恒質量后再測量。總葉面積用葉形紙稱質量法測量^[13]。所有測定數據均取平均值進行分析。

環境數據采集系統可以采集溫度、濕度、光合有效輻射等環境數據，數據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數據處理軟件進行統計分析和作圖。

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描述。

式中：T為作物生長的實際溫度;T_b為發育下限溫度;T_m為發育上限溫度;T_ob為發育最適溫度下限;T_ou為發育最適溫度上限。本研究設定生菜營養生長階段的 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次數據，因此L取900 s;n為1 d進行觀測的次數，若每15 min觀測1次數據，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（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次試驗的數據來建立模型，用累積輻熱積為自變量，生菜葉片數、株高、地上部鮮質量、地上部干質量、地下部鮮質量、地下部干質量、總葉面積等為因變量，結果見圖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、株高等生長量的值;x為累積輻熱積;A為發育時間無限延長時的終極生長量;B、k為參數。

利用SPSS軟件對試驗數據進行回歸分析，得到生菜葉片數、株高、地上部鮮質量、地上部干質量、地下部鮮質量、地下部干質量、總葉面積等的模型及模型決定系數（r²）見表2。

2.2模型檢驗

分別采用試驗1和試驗3的數據對各模型進行檢驗。由圖2可知，生菜葉片數、株高、地上部鮮質量、地上部干質量、地下部鮮質量、地下部干質量、總葉面積的預測值與實際值之間相關性較好，變化

3討論與結論

根據生菜對溫度和有效光合輻射的響應，以輻熱積為驅動變量， 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、株高、地上部鮮質量、地上部干質量、地下部鮮質量、地下部干質量、總葉面積等，所建立模型的決定系數均在0.960以上。運用重復試驗對所建模型進行驗證，生菜葉片數、株高、地上部鮮質量、地上部干質量、地下部鮮質量、地下部干質量的預測值與實際值之間基于1 ∶1直線的決定系數分別為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進行，溫室基本控制在生菜最適溫度范圍內。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，可為特定類型溫室的生菜生長管理、預測產量和分析經濟效益提供理論依據。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據支撐。

參考文獻：

[1]羅衛紅. 溫室作物生長模型與專家系統[M]. 北京：中國農業出版社，2008.

[2]吳帆. 可控環境下黃瓜生物量積累模型研究[D]. 鎮江：江蘇大學，2009.

[3]楊靖民，楊靖一，姜旭，等. 作物模型研究進展[J]. 吉林農業大學學報，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，Favreau 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、光合速率與干物質產量[J]. 農業工程學報，2005，21（12）：131-136.

[10]李青林，毛罕平，李萍萍. 黃瓜地上部分形態-光溫響應模擬模型[J]. 農業工程學報，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生產及分配模型[J]. 農業工程學報，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模型比較[J]. 西北農業學報，2018，27（2）：238-243.

[13]譚一波，趙仲輝. 葉面積指數的主要測定方法[J]. 林業調查規劃，2008，33（3）：45-48.

[14]劉志剛，徐勤超. 基于輻熱積的溫室微灌基質栽培生菜生長模擬[J]. 江蘇農業學報，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：華中農業大學，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分配的模擬[J]. 農業工程學報，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：福建省農業科學院自由探索項目（編號：AA2018-26）;福建省農業科學院一般性項目（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，研究方向為設施農業。E-mail：stonecyk@126.com。