目录：
1、NFT可有效避免土传病害
2、本研究基于经验模型
3、营养液在小桂花定植至采收期间pH值控制在6.0～6.5之间
4、用模拟值和实际值之间的决定系数和标准误差来评价模型的精度
5、Logistic曲线方程在植物生长发育的研究中被广泛应用
6、小桂花地上部鲜质量
7、本试验是用1个小桂花品种
小桂花为十字花科植物,原产于中国,别称青菜、油菜、不结球桂花等,是我国长江流域及以南地区分布最广、种植面积及复种指数最大的蔬菜之一,约占长江中下游大中城市蔬菜年总产量的30～40。
NFT可有效避免土传病害
NFT可有效避免土传病害,减少农药使用,是蔬菜标准化和规模化生产的重要方式,因此,近几年来温室NFT发展较为迅速。
本研究基于经验模型
本研究基于经验模型,以有效积温为变量,采用Logistic曲线方程,建立NFT下小桂花生长模型,将产量、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,桂花树对温室环境和小桂花生长的优化控制、生长期的定量化管理以及提高温室利用效率等具有十分重要的意义。试验在中以示范农场2个薄膜温室中进行,试验品种为春油5号,由京研益农(北京)种业科技有限公司生产。采用为NFT栽培,共进行4次重复试验,第1次至第3次试验在温室1中进行,第2次至第4次试验在温室2中进行,其中第2次和第4次试验数据用于建立模型,第1次和第3次试验数据用于模型验证。在试验过程中采集小桂花生长环境参数、表型数据。供试品种在4叶1心时期前后,地上部鲜质量约1g时,定植于NFT栽培槽中,栽培密度为312000株/hm2。每次重复试验的灌溉量和栽培管理措施均按中以示范农场小桂花NFT的栽培规范进行。栽培期间使用的营养母液分为A、B液,100L的A液配方为硝酸钙8kg、硝酸钾3kg,100L的B液配方为磷酸二氢钾1.5kg、硫酸镁5kg、乙二胺四乙酸铁纳230g、硫酸锰60g、硫酸锌30g、硫酸铜2g、钼酸铵0.75g、硼酸30g。
营养液在小桂花定植至采收期间pH值控制在6.0～6.5之间
营养液在小桂花定植至采收期间pH值控制在6.0～6.5之间,定植10d内电导率值控制在1～1.5mS/cm之间,定植10d至采收期间EC值控制在1.5～1.8mS/cm之间。第1次试验时间为2019年4月24日至2019年5月20日,第2次试验时间为2019年10月27日至2019年11月22日,有效基于模型积温基于模型第3次试验时间为2019年12月11日至2020年1月16日,第4次试验时间为2020年2月19日至2020年3月23日。试验期间每隔1～3d测量1次生长指标,每次选取长势较均匀的3株小桂花进行测量,测量指标包括单株小桂花地上及地下部鲜质量、地上及地下部干质量、株高、叶片数、总叶面积。鲜质量用电子天平进行称量。干质量是将材料放在105℃烘箱中杀青20min,75℃烘干至恒质量后称量。株高用游标卡尺进行测量。叶片数用计数法统计。叶面积用叶形纸称质量法计算。3株小桂花各参数的数据取平均值后进行分析。用自主研发的环境数据采集装置对小桂花生长过程中的环境数据进行采集,主要采集温度、湿度、光照度等环境数据,数据每隔15min保存1次。
用模拟值和实际值之间的决定系数和标准误差来评价模型的精度
用模拟值和实际值之间的决定系数和标准误差来评价模型的精度。R2越接近1,RMSE越接近0时,模型的模拟效果越好。高于生物学最低温度的日平均温度与生物学下限温度之差称为有效温度,生长模型作物某一生育时期或整个生长发育过程中有效温度的总和称为有效积温(简称GDD。式中:GDD为某一生育时期的有效积温;Tb为生物学下限温度,这里取Tb=7;Tmean为日平均温度。以4次栽培试验的累积有效积温为自变量,小桂花地上部鲜质量、地上部干质量、地下部鲜质量、地下部干质量、株高、叶片数、叶面积等为因变量作图,从图1可以看出,在小桂花生长过程中,随着累积有效积温的增加,小桂花地上部鲜质量、地上部干质量、地下部鲜质量、地下部干质量、株高、叶片数、叶面积等大致呈"慢—快—慢"的增加趋势。因此,本研究采用Logistic曲线方程进行拟合。
Logistic曲线方程在植物生长发育的研究中被广泛应用
Logistic曲线方程在植物生长发育的研究中被广泛应用,基于模型的曲线特点是开始缓慢增长,在之后某一范围内迅速增长,达到一定限度后,增长变缓慢。Logistic曲线方程表达式为y=A,其中A、B、k为曲线系数。采用第2次和第4次试验数据建立模型,利用SPSS软件对试验数据进行回归分析,得到小桂花地上部鲜质量、地上部干质量、地下部鲜质量、地下部干质量、株高、叶片数、叶面积等Logistic曲线模型及曲线决定系数见表1。
小桂花地上部鲜质量
结果表明,小桂花地上部鲜质量、地上部干质量、地下部鲜质量、地下部干质量、株高、叶片数、叶面积的预测值与实际值之间相关性较好,从图2可以看出,基于1∶1直线的决定系数分别为0.990、0.990、0.985、0.986、0.963、0.935、0.985,模型RMSE分别为10.01g、0.46g、0.80g、0.05g、1.28cm、1.25张、74.81cm2,表明所建立模型预测效果较好。根据小桂花对温度的响应,以有效积温为自变量,基于模型积温有效基于模型积温用Logistic方程构建小桂花NFT栽培生长模型,包括地上部鲜质量和干质量、地下部鲜质量和干质量、株高、叶片数、叶面积等模型,模型决定系数在0.881～0.993之间。经重复试验数据检验,小桂花生长模型栽培小桂花生长模型小桂花地上部鲜质量、地上部干质量、地下部鲜质量、地下部干质量、株高、叶片数、叶面积等模型的预测值与实际值之间基于1∶1直线的决定系数分别为0.990、0.990、0.985、0.986、0.963、0.935、0.985,回归估计标准误差分别为10.01g、0.46g、0.80g、0.05g、1.28cm、1.25张、74.81cm2。表明所]建立的小桂花营养生长模型精度较高,可为温室利用NFT栽培小桂花的生长管理提供理论依据和决策支持。
本试验是用1个小桂花品种
本试验是用1个小桂花品种,在水肥充足,栽培管理规范的条件下进行的,形成的模型尚未考虑水肥和栽培管理措施对NFT栽培小桂花生长的影响,今后需在模型中加入水肥亏缺和管理措施影响因子,从而提高模型的普遍适用性。