巫 娟 胡姝珍 茅思雨 鄒 凱 鄭淇元 邱啟璜 施建敏
(1.江西農(nóng)業(yè)大學(xué)林學(xué)院 南昌 330045; 2.江西省竹子種質(zhì)資源與利用重點(diǎn)實(shí)驗室 南昌 330045)
葉片是植物進(jìn)行光合作用和蒸騰作用的重要場所(Ewert, 2004; Wilhelmetal., 2000),也是制造養(yǎng)分的重要器官,葉片的大小能直接影響葉片光截取和碳獲取能力(Luo, 2004; 趙東等, 2011)。葉面積是農(nóng)林生產(chǎn)和植物生態(tài)學(xué)研究中常用的指標(biāo)之一,它是作物遺傳育種、農(nóng)林生產(chǎn)經(jīng)營、模型估算以及植物生態(tài)功能特性(如比葉面積、比葉重等)分析的關(guān)鍵指標(biāo)(Luo, 2004; Lizasoetal., 2003; Niinemets, 2006)。
葉面積測量的方法有多種,如方格法、稱量法、圖像法、打孔稱重法、儀器法以及擬合法等。其中,方格法與稱重法費(fèi)時費(fèi)力、誤差大(馮冬霞等, 2005),目前應(yīng)用較少。圖像法精度高,但測量技術(shù)要求高,不適宜大批量測定(譚峰等, 2008; 張新平等, 2016)。葉面積儀是當(dāng)前科研中最常用的儀器,其利用光電掃描原理,使光源發(fā)出的光信號照射到待測葉片上,后判斷葉片反射或透射到光敏傳感器件上光能量,最后通過比較光信號經(jīng)過被測葉片的衰減量來確定葉片大小。葉面積儀提高了葉片測量的速度和效率,但是測量時葉片位置的改變、葉柄長短、抽取速度都會造成一定誤差(馮冬霞, 2005; 柳覲等, 2014; 張鑫等, 2008),且小葉片的誤差更甚。另外,葉面積儀價格昂貴(馮冬霞等, 2005),維護(hù)成本高,也限制了其應(yīng)用。擬合法只需獲得葉長、葉寬、葉厚度等易測指標(biāo),進(jìn)行擬合建模即可計算面積,具有簡單、便捷、低成本的優(yōu)點(diǎn),適宜大樣本測量,是目前葉面積測量的理想的方式(Williamsetal., 2003; Zanettietal., 2017)。
葉面積擬合模型的入選參數(shù)會影響模型精度及使用便捷性?,F(xiàn)有葉面積預(yù)測模型研究選用的預(yù)測指標(biāo)主要有葉長、葉寬、葉厚及葉質(zhì)量等(Rouphael, 2006, 2010;柳覲等, 2014),但越來越多研究證明以葉長和葉寬的乘積為自變量構(gòu)建的葉面積線性模型擬合度極高。如利用葉片長寬積建立草莓(Fragariaananassa)和黃瓜(Cacumisstsativus)的葉面積線性模型的擬合度分別高達(dá)0.993和0.995(Demirsoyetal., 2004; Blancoetal., 2005); Cristofori等(2007)建立的長寬積葉面積線性模型比非線性模型擬合度高3.8%。同時,基于葉形分異進(jìn)行分類擬合,有效提高了葉面積模型擬合精度。如王祎娜等(2015)考慮了木薯(Manihotesculenta)葉片類型,胡家峰等(2012)對大豆(Glycinemax)葉片分卵圓形、披針形、圓葉形分別擬合了模型,擬合度高達(dá)0.998。
毛竹(Phyllostachysedulis)是我國重要的經(jīng)濟(jì)竹種,其資源豐富、分布面廣,利用價值高(倪霞等, 2017; 王波等, 2019),同時具有水土保持、水源涵養(yǎng)等重要生態(tài)功能(陳雙林, 2011; 楊振亞等, 2018)。雖然毛竹是竹類研究的重點(diǎn),但其葉面積的快速、準(zhǔn)確測量一直是科研的難題,主要原因: 一是毛竹葉片具有泡狀細(xì)胞(陳建華等, 2006),采摘后短時間內(nèi)即因失水而卷曲,因此運(yùn)用儀器法或掃描法等進(jìn)行葉面積測量時需對毛竹葉片復(fù)水展平,程序繁瑣,費(fèi)時費(fèi)力; 二是毛竹葉片小,用葉面積儀測定精度低。鑒于此,本研究擬在研究毛竹葉片形態(tài)的基礎(chǔ)上,運(yùn)用葉片屬性數(shù)據(jù)(如長、寬等)進(jìn)行線性函數(shù)建模,以期快速、便捷、準(zhǔn)確預(yù)測葉片面積,為毛竹生態(tài)學(xué)研究和生產(chǎn)經(jīng)營提供技術(shù)支撐,為竹類植物葉面積測定提供借鑒。
供試植物毛竹葉片采自江西南昌、江西龍南、福建福州、浙江臨安、湖北武漢、江蘇連云港、湖南婁底、四川宜賓7省8個區(qū)域(表1),采樣范圍從西到東、從南到北覆蓋了毛竹的主要分布區(qū)和主產(chǎn)區(qū)。
試驗于2018年12月—2019年8月進(jìn)行。從各取樣區(qū)域至少選擇3株待測植株,從每竹株的東南西北不同方位,上、中、下不同冠層以及枝條的不同部位上隨機(jī)采取不少于30片完整的毛竹葉片泡水裝入自封袋備用,樣品量一共2 421片,隨機(jī)選取80 %(1 937片)的葉片建模, 20 %(484片)的葉片做模型檢驗。
通過測定葉片長、寬和實(shí)際葉片面積,以葉長和葉寬的組合指標(biāo)與實(shí)際面積進(jìn)行相關(guān)分析,以篩選葉片面積模型預(yù)測因子,再進(jìn)行葉面積線性模型建模。
1.2.1 葉片測量與分類 將竹葉擦干,對竹葉進(jìn)行編號,用直尺測量每片竹葉的長和寬,具體操作方法為: 沿竹葉中脈從葉基到葉尖的距離為長(不含葉柄長度),記為x1; 寬為葉子最寬部位垂直中脈的兩側(cè)葉緣,記為x2。按照葉片的長寬比進(jìn)行聚類分析以劃分葉片類型。
1.2.2 葉片掃描 將多片毛竹葉片和直尺平整置于Cannon scan掃描儀,擺放至葉片互不相連,以600 dpi掃描,然后將掃描所得圖片導(dǎo)入Image j軟件分析測定,作為葉片實(shí)際面積。
1.2.3 葉面積儀法 將CID-203手持葉面積儀開機(jī)預(yù)熱后,打開儀器的發(fā)光板蓋,把毛竹葉片平放在紅外線滾動輪上,勻速拉動毛竹葉片至完全拖出,記錄葉面積數(shù)據(jù)。
表1 毛竹葉片取樣概況
1.2.4 葉面積預(yù)測建模 用SPSS 22.0對毛竹葉長葉寬各種組合指標(biāo)與葉面積進(jìn)行相關(guān)(Pearson)分析,再利用最小二乘法對葉片數(shù)據(jù)進(jìn)行整體擬合和分類擬合: a)整體擬合: 不區(qū)分葉片類型,將葉片長、寬與掃描儀獲得的實(shí)際面積導(dǎo)入Excel 2010,采用最小二乘法解出方程系數(shù)代入方程求得葉面積線性擬合面積模型; b)分類擬合: 用SPSS 22.0的聚類分析對葉片長寬比范圍進(jìn)行分類,再將分類后的葉片數(shù)據(jù)與相應(yīng)的實(shí)際面積導(dǎo)入Excel2010分別進(jìn)行分類擬合,用最小二乘法解出方程系數(shù)并進(jìn)行計算得出葉面積分類線性擬合面積模型。
選用均方根誤差、卡方、赤池信息量準(zhǔn)則、預(yù)測精度(施建敏等, 2015; Diaoetal., 2010)4個統(tǒng)計量,檢驗?zāi)P偷恼`差和擬合度,分別用E1、E2、E3、E4表示(表2),并分析殘差(實(shí)際面積減預(yù)測面積)分布情況。以上統(tǒng)計量均在Excel 2010與SPSS 22.0處理。
表2 模型檢驗的統(tǒng)計量①
毛竹葉片形態(tài)可細(xì)分為3種類型: 1) 類三角形葉,多為竹枝基部葉片; 2) 長橢圓形葉,為典型竹葉形態(tài),生于竹枝中部; 3) 細(xì)長條形葉,一般長在竹枝頂部(圖1),這3類葉片在長寬比上具有差異。為此,通過對毛竹葉片樣本的長寬比進(jìn)行聚類分析(k平均),定量劃分3類葉片。各類葉片長(x1)寬(x2)比范圍分別為:x1/x2≤ 7.2、7.2
圖1 毛竹三類葉片形態(tài)
為選擇構(gòu)建模型的參數(shù),對毛竹葉片形態(tài)學(xué)指標(biāo)進(jìn)行相關(guān)(Pearson)分析(表4),以發(fā)現(xiàn)不同指標(biāo)對葉面積LA(leaf area)的影響大小。LA除了與葉寬LW(leaf width)、LW2線性相關(guān)程度較弱(r=0.749,r=0.745),與其他指標(biāo)都呈不同程度的顯著線性正相關(guān)。其中LA與葉長LL(leaf length)×LW呈極強(qiáng)線性相關(guān)(r=0.993,P<0.001),是所有單個形態(tài)特性指標(biāo)中相關(guān)性最強(qiáng)的。
根據(jù)聚類分析(表3)和的相關(guān)分析(表4),將80%樣本數(shù)(n=1 937)以葉片長寬積與葉片實(shí)際面積進(jìn)行葉面積整體線性擬合(式1)及分類線性擬合(式2)如下:
表3 毛竹葉片長寬比聚類分析
表4 毛竹葉片形態(tài)學(xué)特性相關(guān)(Pearson)分析④
式中y1為整體擬合葉片面積(cm2);y2為分類擬合葉片面積(cm2),x1為葉長(cm),x2為葉寬(cm),類三角形葉片適用式(1),長橢圓形葉片適用式(2),細(xì)長條形葉片適用式(3)。
整體擬合面積、分類擬合面積、葉面積儀測量面積分別與實(shí)際葉面積(掃描儀掃描面積)R2擬合結(jié)果(圖2): 整體擬合面積、分類擬合面積與實(shí)際面積擬合R2都較高,分別為0.985 7、0.990 1,分類擬合結(jié)果比整體擬合提高0.45%; 葉面積儀測量結(jié)果與實(shí)際面積擬合R2最低,僅為0.898 6。
整體擬合、分類擬合和葉面積儀3種測量方式的誤差統(tǒng)計顯示(表5): 均方根誤差分類擬合最小,整體擬合次之,葉面積儀與前兩種相差較大(為0.916 4)??ǚ綑z驗值和赤池信息量準(zhǔn)則檢驗值均為分類擬合最小,分別為10.368 1和-6 317.10; 最差為葉面積儀,分別是131.440 8和 -474.59。預(yù)測精度以分類擬合最高,達(dá)到97.73%,比整體擬合、葉面積儀的測量結(jié)果分別提高0.38%、13.5%。
整體擬合、分類擬合及葉面積儀測量面積與實(shí)際面積的殘差分別主要集中在-0.6~0.6、-0.6~0.6、-2~2之間,三者均為隨機(jī)分布。而三者位于-0.6~0.6區(qū)間的柯爾莫可洛夫-斯米洛夫檢驗?zāi)P偷慕葡喟楦怕手蹈怕蔖分別為0.993、0.999、0.970。分類擬合P值最大,其次為整體擬合、葉面積儀。
圖2 3種方法擬合度對比
表5 3種測量方式的誤差統(tǒng)計量
圖3 毛竹測量面積與實(shí)際面積的殘差分布
為驗證擬合模型的適用性,用剩下20%的樣本數(shù)據(jù)對分類擬合模型進(jìn)行檢驗,表明總相對誤差與平均相對誤差都在0.1%以內(nèi),均方根差為0.155 3,卡方c2=1.178 2 圖4 毛竹分類擬合模型檢驗擬合度 圖5 毛竹分類擬合模型檢驗殘差 毛竹葉片小且離體后極易失水卷曲,葉面積測量困難。葉面積儀是常用的葉面積測定方法,但有研究表明葉面積儀測量小型葉片效果不佳。于守超等(2012)用葉面積儀測量廣玉蘭(Magnoliagrandiflora)葉片時發(fā)現(xiàn)小葉片的測量誤差較大; 萬信等(2012)在測量馬鈴薯(Solanumtuberosum)葉片面積時,也發(fā)現(xiàn)測量值與實(shí)際馬鈴薯葉面積大小誤差較大,僅為實(shí)際面積的 71%左右。本研究葉面積儀所測的毛竹葉片面積普遍小于實(shí)際值,最大誤差高達(dá)4 cm2(圖3),這主要是毛竹葉片小,葉面積儀測量過程不易掌控均速掃描造成的實(shí)驗誤差(聶鵬程等, 2010; 楊勁峰等, 2002)。掃描儀法測量精準(zhǔn),但是要求待測葉片平整。在天氣炎熱時,毛竹葉片采后15 min便完全卷縮,需要浸泡復(fù)水后才能掃描測量,使得過程繁瑣又耗時。因此,對于毛竹葉面積測量而言,掃描儀法費(fèi)時費(fèi)力,不適合大批量樣本測量。 本研究利用葉片長寬積建立的葉面積模型具有極高擬合度,預(yù)測的葉面積比葉面積儀測量結(jié)果擬合度提高了9.6%,預(yù)測精度提升13.5%,優(yōu)于葉面積儀測量結(jié)果; 因整體擬合只需測量葉片長寬,測定100個樣本量不超過半小時,耗費(fèi)時間不及掃描儀測量的四分之一,且測量結(jié)果具有相當(dāng)高的精度,與實(shí)際面積相關(guān)系數(shù)高達(dá)0.986,預(yù)估精度為97.36%。綜合對比毛竹葉面積測量的葉面積儀法和掃描法,可見模型預(yù)測毛竹葉面積具有快速、精準(zhǔn)、便捷的優(yōu)點(diǎn)。其他物種葉面積測量研究也同樣證明模型擬合法具有高精度,如Rouphael等(2010)用長寬積法建立的西瓜(Citrulluslanatus)葉面積模型擁有最高的R2和最小的RMSE值; Peksen(2007)建立的蠶豆(Viciafaba)的葉面積模型LA=0.919 + 0.682LW、擬合度高達(dá)0.997。 植物葉片葉形各異,傳統(tǒng)的單一方程無法滿足各種葉形的精準(zhǔn)擬合(王家保等, 2003)。如王祎娜等(2017)針對木薯(Manihotesculenta)不同程度的缺裂葉片,建立的葉面積預(yù)測模型的R2分別為0.998,比未根據(jù)缺裂特征擬合的模型提高了8.3%; 游明安等(1991)對大豆(Glycinemax)不同莖層的復(fù)小葉和側(cè)葉擬合了不同系數(shù)方程,平均絕對誤差從0.29 cm2降到0.2 cm2左右,降低了45%。本研究基于毛竹葉片長寬比分成3類建模,擬合度高達(dá)0.99,預(yù)測精度達(dá)97.73%,比葉型不分類的整體擬合提高了擬合度0.45%和預(yù)測精度0.38%。本研究分類模型的3類方程系數(shù)分別為0.785 4、0.765 4、0.767 1,這與時培建等(2019)提出禾本科條形葉的葉面積預(yù)測蒙哥馬利方程系數(shù)范圍0.679 5~π/4的結(jié)果一致(Shietal., 2019)。 毛竹區(qū)域分布廣泛,本研究樣本跨7省8個區(qū)域(江西南昌、江西龍南、江蘇連云港、浙江臨安、四川宜賓、湖北武漢、湖南婁底、福建福州),采樣范圍基本覆蓋了毛竹的主要分布區(qū)和主產(chǎn)區(qū)。本研究對不同區(qū)域毛竹葉片的大小進(jìn)行了初步統(tǒng)計,發(fā)現(xiàn)毛竹葉形具有較大地理變異: 福建與江蘇的毛竹類三角形占比大,湖北毛竹細(xì)長條葉片居多,四川毛竹3種葉片比例相當(dāng); 各地毛竹有一定差異,葉片大小差異可能由于竹齡、地區(qū)分布而有所不同(Daniela, 2014; Niklas, 2011)。針對各地毛竹整體擬合和分類擬合的差異,本研究也進(jìn)行對比,整體擬合中各地毛竹與實(shí)際面積的相關(guān)系數(shù)為0.968 7~0.989 5,而分類擬合的相關(guān)系數(shù)為0.977 9~0.998 2,整體提升了約0.9%; 另外,由整體擬合與分類擬合的殘差圖可見,整體擬合的一部分殘差數(shù)值分散,而分類擬合較其更均勻,概率p值精確了0.6%。因此,整體擬合的方式可能會忽略毛竹葉片的區(qū)域差異性,使預(yù)測結(jié)果產(chǎn)生偏差,而分類擬合則避免了整體擬合的弊端,按不同葉型分類擬合預(yù)測,使結(jié)果更精確。這可能是因分類擬合降低了葉片地理變異的影響,提高了毛竹葉面積的擬合精度。因此,本研究建立在大區(qū)域、大樣本和分類擬合的毛竹葉片預(yù)測模型具有較高的適用性。該模型解決了毛竹葉片面積測量難題,為毛竹相關(guān)的生態(tài)學(xué)研究和經(jīng)營生產(chǎn)提供了技術(shù)支撐,為竹類植物葉面積的快速、準(zhǔn)確預(yù)測提供了新思路。 通過采集毛竹主要分布區(qū)7省份8個區(qū)域的毛竹葉片,對葉片形態(tài)進(jìn)行分類研究,利用葉片長寬積所構(gòu)建的毛竹葉面積分類擬合的線性預(yù)測模型可準(zhǔn)確預(yù)測毛竹葉片面積,模型的決定系數(shù)為0.9 901、均方根誤差為0.159 6、卡方值為10.368 1、赤池信息量準(zhǔn)則為-6 317.10、預(yù)測精度為97.73%。分類擬合模型的預(yù)測結(jié)果優(yōu)于葉形不分類的整體擬合和葉面積儀測量值,且模型只需葉長和葉寬指標(biāo),測量過程快速、便捷。3 討論
3.1 毛竹葉片特性與葉面積測定方法比較
3.2 葉片形態(tài)與分類擬合及其適用性
4 結(jié)論