基于辐热积的NFT栽培生菜生长模型

陈永快　黄语燕　兰婕　王涛　康育鑫

摘要：研究营养液膜（NFT）栽培技术栽植的生菜生长模型，以便为生菜生长管理提供理论依据和决策支持。在示范农场可控温玻璃温室内对一个品种的生菜开展3次重复试验，采用NFT栽培技术进行栽培，每隔1～3 d采集生菜的叶片数、株高、产量、干物质、总叶面积等指标。根据生菜对温度和光合有效辐射的响应，以辐热积为驱动变量，采用Logistic曲线方程，建立生菜NFT栽培生长模型，包括单株生菜叶片数、株高、地上部鲜质量、地上部干质量、地下部鲜质量、地下部干质量、总叶面积等模型，所建立模型的决定系数均达0.960以上。运用不同试验数据对所建模型进行验证，生菜叶片数、株高、地上部鲜质量、地上部干质量、地下部鲜质量、地下部干质量、总叶面积的预测值与实际值之间基于1 ∶1直线的决定系数（r2）分别为0.962、0.960、0.983、0.987、0.980、0.969、0.970，回归估计标准误差（RMSE）分别为1.210张、1.725 cm、7.951 g、0.256 g、0.948 g、0.045 g、159.770 cm2。试验结果表明所建立的生菜营养生长模型具有较高的预测精度，可为温室NFT栽培生菜生长管理、预测产量和分析經济效益提供理论依据。

关键词：营养液膜;辐热积;生菜;营养生长模型;Logistic曲线方程

中图分类号：S636.201;S126 文献标志码： A文章编号：1002-1302（2021）19-0201-04

农业设施化、数字化是我国农业水平提升的重要举措，也是我国农业提升的关键点^[1]。设施生产是一个非常复杂的过程，是硬件设施和软件技术的统一体。如何开发并建立基于作物生长模拟模型的计算机控制系统、信息管理系统和专家系统，实现工厂化的生产目标，已成为现代化园艺设施的关键技术，而作物数字化模型的研究是解决上述关键技术的根本所在^[2]。温室作物模拟研究始于 20 世纪 50 年代，国外对设施园艺主要作物模型的研究与应用已经比较成熟^[3]。目前，国外建立了很多设施作物生长模型，也取得了较快的发展，较为典型的模型有COMAX、TOMARO、LIGNUM、GREEN-LAB、L-PEACH等^[4-8]。我国也开展了大量的作物模型研究，如李永秀等用辐热积构建了不同整枝方式下的叶面积模型，并结合干物质生产模型和光合速率，建立了适合我国种植技术的温室黄瓜光合速率与干物质生产模拟模型，模拟精度较高^[9];李青林等基于辐热积法模拟了黄瓜叶片形态特性、叶柄长度和直径以及节间高度，建立了黄瓜的可视化生长模型^[10];石小虎等利用累积辐热积与干物质总量进行拟合，较为准确地模拟了不同水分处理下番茄干物质总量^[11];王丹丹等基于辐热积建立了日光温室不同茬次袋培番茄等干物质模型^[12]。目前，我国作物模型研究在黄瓜、番茄上的研究比较多，关于营养液膜（nutrient film technique，简称NFT）栽培技术栽培模式下生菜模型的研究比较少。本研究基本采用经验模型，以辐热积为变量，采用Logistic曲线方程，建立生菜NFT栽培生长模型，将生菜产量、株高和叶片数等与环境因子之间的关系直接用函数关系表达出来，对温室环境和作物生长的优化控制、生长期的定量化管理和提高温室利用效率等具有十分重要的意义。

1材料与方法

1.1试验设计

试验在福建省福州市中以示范农场一个可控温玻璃温室中进行，该温室安装有降温空调、外遮阳、环境数据采集系统、NFT自动灌溉系统等。试验品种为四季生菜（福建农科农业良种开发有限公司），栽培方式为NFT栽培，重复3次，其中试验2的数据用于建立模型，试验1、3的数据用于模型验证。在试验过程中采集生菜生长指标及环境数据。

供试品种在4叶1芯时，定植于NFT栽培槽。采用长×宽×高为750 cm×10 cm×5 cm规格的 NFT 栽培管，每孔定植1株，栽培密度为 293 000株/hm2。营养液电导率（EC）控制在1.2～1.8 mS/cm，pH值控制在6.0～6.5。栽培过程中温室中温度控制在40 ℃以下，使生菜生长不产生高温胁迫。

从定植到采收期间每隔1～3 d测量1次生长指标，每次测量选取长势具有代表性的3株进行试验。每次测量单株生菜叶片数、株高、地上及地下部鲜质量、地上及地下部干质量、总叶面积等指标。叶片数用计数法统计，株高用游标卡尺测量，地上及地下鲜质量用电子天平进行称量。干质量测量是将材料放在烘箱中105 ℃杀青20 min，75 ℃烘干至恒质量后再测量。总叶面积用叶形纸称质量法测量^[13]。所有测定数据均取平均值进行分析。

环境数据采集系统可以采集温度、湿度、光合有效辐射等环境数据，数据采集间隔可自行设置，本试验设置为15 min。

本研究基本采用经验模型，以辐热积为变量，采用Logistic曲线方程，建立生菜NFT栽培生长模型，应用 Excel 2013、SPSS 19数据处理软件进行统计分析和作图。

1.2模型描述及检验方法

相对热效应（RTE）定义为作物在实际温度下生长1 d相当于在最适温度下生长1 d的比例。温度与相对热效应的关系可用线性函数描述。

式中：T为作物生长的实际温度;T_b为发育下限温度;T_m为发育上限温度;T_ob为发育最适温度下限;T_ou为发育最适温度上限。本研究设定生菜营养生长阶段的 3 基点温度见表1^[14]。

辐热积（TEP）是指相对热效应（RTE）与光合有效辐射（PAR）的乘积^[15]。累积辐热积由每日相对辐热积（DTEP）累积而得，计算公式为

式中：L为时间步长，本试验每15 min采集1次数据，因此L取900 s;n为1 d进行观测的次数，若每15 min观测1次数据，则n=96;PARj为第j时刻的光合有效辐射，μmol/（m²·s）。i表示第几天;k为作物生长的总时间。

采用决定系数（r²）、回归估计标准误差（RMSE） 对模拟值与观察值之间的符合度进行统计分析。r²越大，表明模型的拟合度越好;RMSE越小，表明模拟值与实际值的一致性越好，模型的模拟结果越精确、可靠^[16]。

式中：OBS_a为样本a的实际观测值;SIM_a为样本a的模型预测值;b为样本总量。

2模型建立及验证

2.1模型建立

试验1时间为2019年4月24日至5月24日，试验2时间为2019年9月26日至10月30日，试验3时间为2019年10月25日至11月24日。试验期间的环境温度、累积辅热积见表2。

随着天气情况的变化，日累积辅热积呈现逐渐减少的趋势，试验1至试验3生菜所需的生长时间逐渐增加，试验3中日均累积辅热积最低，生长最慢，所需要的生长时间最多。

采用第2次试验的数据来建立模型，用累积辐热积为自变量，生菜叶片数、株高、地上部鲜质量、地上部干质量、地下部鲜质量、地下部干质量、总叶面积等为因变量，结果见图1。在生菜生长过程中，随着累积辐热积的增加，生菜各生長指标大致呈慢-快-慢的变化趋势，故本研究采用Logistic曲线方程代替机理模型进行模拟，以克服模型过于复杂的缺点。Logistic曲线方程表达式为y=A/（1+Be^-kx）^[17]。其中：y为叶片数、株高等生长量的值;x为累积辐热积;A为发育时间无限延长时的终极生长量;B、k为参数。

利用SPSS软件对试验数据进行回归分析，得到生菜叶片数、株高、地上部鲜质量、地上部干质量、地下部鲜质量、地下部干质量、总叶面积等的模型及模型决定系数（r²）见表2。

2.2模型检验

分别采用试验1和试验3的数据对各模型进行检验。由图2可知，生菜叶片数、株高、地上部鲜质量、地上部干质量、地下部鲜质量、地下部干质量、总叶面积的预测值与实际值之间相关性较好，变化

3讨论与结论

根据生菜对温度和有效光合辐射的响应，以辐热积为驱动变量， 采用Logistic曲线方程，建立生菜NFT栽培生长模型，模型包括单株生菜叶片数、株高、地上部鲜质量、地上部干质量、地下部鲜质量、地下部干质量、总叶面积等，所建立模型的决定系数均在0.960以上。运用重复试验对所建模型进行验证，生菜叶片数、株高、地上部鲜质量、地上部干质量、地下部鲜质量、地下部干质量的预测值与实际值之间基于1 ∶1直线的决定系数分别为0.962、0.960、0.983、0.987、0.980、0.969、0.970，RMSE分别为1.210张、1.725 cm、7.951 g、0.256 g、0.948 g、0.045 g、159.770 cm2，说明该模型预测值和实际值之间的吻合度较好。因此，所建立的生菜营养生长模型具有较高的预测精度。

本研究试验品种单一，没有考虑水肥的影响，试验在可控温温室内进行，温室基本控制在生菜最适温度范围内。模型适用于无肥水胁迫，无高低温胁迫条件下的温室NFT栽培生菜周年生产，可为特定类型温室的生菜生长管理、预测产量和分析经济效益提供理论依据。后期须要对更多的生菜品种、温室能耗等进行分析，为此类型的温室提供更多的数据支撑。

参考文献：

[1]罗卫红. 温室作物生长模型与专家系统[M]. 北京：中国农业出版社，2008.

[2]吴帆. 可控环境下黄瓜生物量积累模型研究[D]. 镇江：江苏大学，2009.

[3]杨靖民，杨靖一，姜旭，等. 作物模型研究进展[J]. 吉林农业大学学报，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，罗卫红，倪纪恒，等. 用辐热积法模拟温室黄瓜叶面积、光合速率与干物质产量[J]. 农业工程学报，2005，21（12）：131-136.

[10]李青林，毛罕平，李萍萍. 黄瓜地上部分形态-光温响应模拟模型[J]. 农业工程学报，2011，27（9）：122-127.

[11]石小虎，蔡焕杰，赵丽丽，等. 不同水分处理下基于辐热积的温室番茄干物质生产及分配模型[J]. 农业工程学报，2016，32（3）：69-77.

[12]王丹丹，吕振宁，李坚，等. 基于辐热积的日光温室不同茬次袋培番茄干物质模型比较[J]. 西北农业学报，2018，27（2）：238-243.

[13]谭一波，赵仲辉. 叶面积指数的主要测定方法[J]. 林业调查规划，2008，33（3）：45-48.

[14]刘志刚，徐勤超. 基于辐热积的温室微灌基质栽培生菜生长模拟[J]. 江苏农业学报，2016，32（6）：1315-1319.

[15]严妍. 温度和光周期对水培生菜生长的影响及生长模型初探[D]. 武汉：华中农业大学，2008.

[16]马万征，毛罕平，倪纪恒. 不同果实负载下温室黄瓜干物质分配的模拟[J]. 农业工程学报，2010，26（10）：259-263.

[17]董江水. 应用SPSS软件拟合Logistic曲线研究[J]. 金陵科技学院学报，2007，23（1）：21-24.

基金项目：福建省农业科学院自由探索项目（编号：AA2018-26）;福建省农业科学院一般性项目（编号：A2018-1）。

作者简介：陈永快（1981—），男，福建霞浦人，硕士，助理研究员，研究方向为设施农业。E-mail：stonecyk@126.com。