水培綠葉菜綜合品質模型參數變化規律研究*

劉宇晴 尹藝璐 張樣平 常麗英**

（1. 上海交通大學農業與生物學院，上海 閔行 200240；2. 上海綠立方農業發展有限公司，上海 浦東新區 201203）

近年來，我國各地蔬菜產業發展迅速，人均蔬菜消費量穩居世界首位[1]。隨著均衡營養觀念的普及和人們對蔬菜的高品質消費要求，倒逼蔬菜傳統生產模式不斷進行改良與創新[2]，專業化、規模化、標準化、多樣化的高品質蔬菜生產方式成為蔬菜生產創新的突破點[3]。綠葉菜生產是重要的農業產業類型[4]，其產量可間接反映人民的生活質量。我國城鎮化發展的不斷加快，使傳統葉菜的生產模式受土地與勞動力資源的制約越來越嚴重，北京等現代化都市葉菜自給率低的問題日益加劇[5]，有些城市的蔬菜自給率甚至低于30%，而蔬菜的種植面積仍在逐年減少[6]。

新型植物工廠作為現代農業發展的高級形式，為葉菜在大城市進行規模化、現代化生產提供了新思路[7]。葉菜工廠化生產是用計算機專家系統取代人的經驗化管理，精確、自動地控制葉菜各生長階段所需的最適環境條件，并對葉菜生長狀況進行智能監測，基本自主完成從播種到收獲、清理回收等種植全過程的生產模式[8-9]。專家系統的核心是算法模型。隨著設施園藝技術的不斷發展，對有關葉菜智能化栽培模型的研究越來越多。但現有葉菜栽培模型多為基于株高、質量、葉片數量、根長等變量的生長模型，對品質變量的研究較少，且基本只在同一品質變量中進行對比，未探究不同品質變量間的相互關系[10]。此外，葉菜品質易受氣候影響發生周年性變化，而現有模型多從某一單一季節的數據入手進行分析，在模型的普適性與準確性上有待進一步完善[11]。

本試驗以生菜和不結球白菜周年水培為試驗對象，探究生菜和不結球白菜的綜合營養品質在不同月份的變化規律，以及栽培季節對其綜合品質模型參數變異的影響，以期建立隨季節變化的蔬菜產品綜合品質模型。

1 材料與方法

1.1 試驗材料

供試生菜（Lactuca sativavar.crispa）品種為巴達維亞，購于北京鼎豐現代農業發展有限公司；不結球白菜（Brassica campestrisssp.chinensis Makino）品種為艷春，購于上海市農業科學院。

1.2 試驗方法

試驗分別于2018 年12 月～2019 年12 月設在上海市孫橋現代農業園日光型植物工廠內，2020 年9 月～2021年5月設在上海交通大學閔行校區日光型溫室內。1個試驗周期（栽培周期）約30 d，試驗共做了7個周期，分別為 4 月、5 月、6 月、7 月、8 月、11 月、12 月。根據試驗計劃，提前 15 d 在人工氣候箱（自然條件允許時在溫室）中播種育苗。將種子播于288孔穴盤中，白泥炭與珍珠巖按9∶1（體積比）混拌均勻作育苗基質，播后將育苗盤放在人工培養箱中育苗，幼苗長有二葉一心時定植。當月1號選健壯、大小均勻的幼苗定植于種植盤中，將種植盤置于軌道式栽培系統的栽培槽中。每個品種種植36 盤，每盤8 株，株間距10 cm。其他栽培管理措施同常規。軌道式栽培系統見圖1。

圖1 軌道式栽培系統

如圖1所示，栽培床長4.85 m、寬1.6 m，種植盤大小43.4 cm×24.2 cm，每個栽培床可放10排6列共60個種植盤。水培營養液采用上海綠立方農業發展有限公司自主研發的綠葉菜專用營養液，營養液的微量元素及其含量分別為Fe 2.5 mg/L、B 1.1 mg/L、Mn 0.5 mg/L、Cu 0.02 mg/L、Zn 0.05 mg/L、Mo 0.001 mg/L，大量元素及其含量分別為N 110 mg/L、K 200 mg/L、Ca 186 mg/L、P 31 mg/L、Mg 22 mg/L，營養液pH 值穩定在6.5～6.7、EC值穩定在1.6～2.0 ms/cm。營養液經臭氧（O3）消毒后，采用不間斷小流量方式供液。

1.3 指標測定

每隔7 d（即第7 d、14 d、21 d、28 d、35 d）采樣[12]，測定植株可溶性糖、可溶性蛋白、葉綠素a、葉綠素b、類胡蘿卜素、總酚、類黃酮等品質指標的含量，3次重復[13]。

1.4 統計分析

使用Excel 2016、SPSS 25.0、Origin 2021等軟件進行數據處理、繪圖。

1.4.1 顯著性檢驗

皮爾遜相關系數（Pearson correlation coefficient）的顯著性雙側檢驗主要應用于正態分布情形下的相關性檢驗、非正態分布情形下的大樣本相關性檢驗等分析中，較斯皮爾曼（Spearman）等方法的檢驗效能高[14-15]。

1.4.2 主成分分析

主成分分析是利用數據降維，將原來的多個相關變量重新組合成較少的幾個不相關的新變量，使新變量盡可能全面地反映原來變量信息的技術[16]。其前提是KMO檢驗和Bartlett球形度檢驗，核心為對若干綜合指標進行因子分析并提取公因子，再以每個因子的方差貢獻率作為權數，權數與對應因子的得分相乘后再相加，構造得分函數。其中，公因子反映了各變量中所含原始信息能被綜合品質指標表示的程度。

KMO 檢驗用于比較變量間的簡單相關系數和偏相關系數。當所有變量間的簡單相關系數平方和遠大于偏相關系數平方和時，KMO值越接近于1時變量越適合做因子分析，KMO值小于0.5時表示不適合做因子分析。

Bartlett 球形度檢驗近似于卡方檢驗，用于檢驗相關系數矩陣是否為單位矩陣，即各變量X 的獨立性。當顯著性值P小于0.05時，表明各變量不獨立，適合做主成分分析。

2 結果與分析

2.1 相關顯著性檢驗與KMO和Bartlett檢驗

營養品質指標兩兩之間相關性若大于0.3，則表明兩指標間存在相關性，在此基礎上若顯著性值P小于0.01或0.05時，可進一步證明品質指標之間具有較強的相關關系。相關顯著性分析結果顯示，生菜和不結球白菜的各項品質指標之間存在一定的相關性，可進一步進行回歸分析[15]。

兩種綠葉菜各項指標的原始變量，經Bartlett 球形度檢驗后P值均小于0.05，說明對應各變量間不獨立；經KMO 檢驗的系數分別為0.510、0.596，表明各變量間有較強的偏相關性，可進行主成分分析。為表征綜合營養品質信息，擬建立一個綜合評價指標，更全面地表示不同季節生菜與不結球白菜的營養品質在不同生長階段的變化關系。

2.2 兩種綠葉菜綜合品質指標I的計算模型建立

2.2.1 生菜綜合品質指標I的模型建立

生菜因子分析中主成分特征值及貢獻率見表1。

表1 生菜因子分析中主成分特征值及貢獻率

由表1 可知，前3 個因子的累計貢獻率為72.903%，能較好地反映原始變量的主要信息。為了考察多項品質指標間的相互作用并進行綜合評價，利用回歸方法計算得到生菜總葉綠素等成分的得分系數矩陣。生菜成分得分系數矩陣見表2。

表2 生菜成分得分系數矩陣

由表2可知，生菜品質指標成分矩陣的3個主因子（I1、I2、I3）得分函數可表示為：

生菜綜合品質指標I的表達式為：

2.2.2 不結球白菜綜合品質指標I的模型建立

不結球白菜因子分析中主成分特征值及貢獻率見表3。

表3 不結球白菜因子分析中主成分特征值及貢獻率

由表3 可知，前2 個因子的累計貢獻率為62.220%，能較好地反映原始變量的主要信息。為了考察多項品質指標間的相互作用并進行綜合評價，利用回歸方法計算得到不結球白菜總葉綠素等成分的得分系數矩陣。不結球白菜成分得分系數矩陣見表4。

表4 不結球白菜成分得分系數矩陣

由表4可知，不結球白菜品質指標成分矩陣的2個主因子（I1、I2）得分函數可表示為：

不結球白菜綜合品質指標I的表達式為：

2.3 兩種綠葉菜綜合品質模型的建立

2.3.1 生菜綜合品質模型的建立

不同月份生菜綜合品質基本模型參數見表5。

表5 不同月份生菜綜合品質基本模型參數

由公式（4）可建立各月份生菜樣品的I 值（y）隨生長天數（x）變化的基本模型。由表5 可知，由于用四次方程得到的擬合結果相較于其他多項式階的擬合結果隨季節變化的規律性更強，因此選擇四次方程用于綜合品質指標模型的建立（同不結球白菜）。

不同季節、月份生菜綜合品質變化規律不同。不同月份生菜綜合品質變化趨勢見圖2。

圖2 不同月份生菜綜合品質變化趨勢

由圖 2 可知，4 月、5 月、7 月生菜綜合品質變化規律相似，表現為升-降-升-降的雙峰值曲線，其中4 月、5月（春季）的生菜綜合品質在播種后第35 d（采收階段，下同）非常接近，分別為-1.193、-1.218。6 月、11 月、12月的綜合品質變化在第21 d后趨勢較為相似，11月與12月生菜的綜合品質變化規律雖然不完全相同，但兩者的綜合品質在第35 d較為接近，分別為-0.878、-0.936。整體上看，7月（夏季）生菜整個生長期的綜合品質高于其他月份，12月栽培的生菜生長初期綜合品質較好，6月采收的生菜綜合品質表現較好。

2.3.2 不結球白菜綜合品質模型的建立

由公式（7）可建立各月份不結球白菜樣品的I 值（y）隨生長天數（x）變化的基本模型。不同月份不結球白菜綜合品質模型參數見表6。

表6 不同月份不結球白菜綜合品質模型參數

不同月份不結球白菜綜合品質變化趨勢見圖3。

由圖3 可知，不同月份不結球白菜綜合品質的變化均表現為升-降-升-降的雙峰值曲線，不同月份間的差別主要體現在模型參數的大小上。其中，播種后第35 d 不結球白菜綜合品質從優至劣依次為6 月、12 月、4 月、5 月、11 月、7 月。可見，采收階段綜合品質整體上從優至劣依次為夏季、冬季、春季、秋季。7 月不結球白菜的綜合品質偏低，可能是夏季日光型植物工廠內溫度過高造成高溫脅迫，影響了不結球白菜的綜合品質。

圖3 不同月份不結球白菜綜合品質變化趨勢

2.4 兩種綠葉菜綜合參數變異模型的建立

2.4.1 生菜綜合參數變異模型的建立

本試驗采用4月、5月、6月、7月、11月和12月的試驗數據進行建模，通過對模型各項參數的分析以及對不同多項式階模型的擬合比較發現，三次方程擬合度較高，擬合結果如圖4所示。

圖4 生菜綜合品質模型各項參數隨季節變化擬合圖像

生菜綜合品質參數變異模型見表7。

表7 生菜綜合品質參數變異模型

由表7可知，五項模型參數隨季節的變化規律可用三次方程進行擬合，其中a1與c1、e1變化規律相似，b1、d1變化規律相似。因此，生菜綜合品質模型可表示為:

式中x表示生長天數，參數a1、b1、c1、d1、e1的模型表達式如上表所示，m表示月份。

2.4.2 不結球白菜綜合參數變異模型的建立

對不結球白菜各項指標參數進行擬合，發現三次方程擬合度較高。不結球白菜綜合品質模型各項參數隨季節變化擬合圖像見圖5。

圖5 不結球白菜綜合品質模型各項參數隨季節變化擬合圖像

不結球白菜品質參數變異模型見表8。

表8 不結球白菜品質參數變異模型

由表8 可知，五項模型參數隨季節的變化規律可用三次方程進行擬合，其中a2、c2和e2變化規律相似，b2和d2變化規律相似。因此，不結球白菜綜合品質模型也可表示為:

式中x表示生長天數，參數a2、b2、c2、d2、e2的模型表達式如上表所示，m表示月份。

3 討論

譚文等[14]研究發現，小白菜苗期綜合品質隨著作物生長逐漸提高，這與不結球白菜播種后14 d前的品質指標變化趨勢基本相符；陳子義等[17]發現，不同穴盤規格影響普通白菜采收期品質以及品質變化規律，且各規格穴盤處理下雞毛菜采收指數均在播種后第14 d達到峰值，播種后第17 d，288孔穴盤處理雞毛菜采收指數大幅下降，該結論與本研究中生菜、不結球白菜播種后前21 d 的營養品質變化規律基本相符。本研究與楊開寧[18]所得I值表達式在參數上存在差異，可能是由于楊開寧所用I值表達式是綜合小白菜和油菜及生菜三者的品質、生理、生長指標所得，而本文中式（4）和式（7）則是分別針對生菜、不結球白菜構建的I 值表達式。郭新波等[11]研究發現，不同品種間的生菜品質及其變化規律差異顯著，本研究中兩種綠葉菜均只選用1個品種進行試驗，后續可以在此基礎上開展不同品種間營養品質模型參數的對比。

4 小結

試驗結果表明，生菜和不結球白菜的綜合品質指標間均存在一定的相關性，且隨著生長期出現周期性變化；不同季節其綜合品質模型圖像變化趨勢差異相對較大。4月、5月、7月生菜模型圖像變化趨勢較為相似，與11月、12月的模型變化規律有較明顯的差別，采收期生菜綜合品質表現為夏季優于秋季、冬季優于春季。不結球白菜各月份綜合品質模型均呈雙峰曲線，但不同月份模型在參數上仍有差異。其中6月、8月采收期不結球白菜的綜合品質I值較高，7月份栽培的不結球白菜采收期I值低于其他月份。可見，夏季環境條件雖然可以提高不結球白菜的綜合品質，但極端高溫可能造成品質指標下降。整體上來看（夏季除外），不結球白菜采收期的綜合品質表現為冬季優于春季、秋季。