CN105574352A - 一种精确计算多年生禾本科牧草越冬率的方法 - Google Patents

Abstract

本发明涉及一种精确计算多年生禾本科牧草越冬率的方法，包括以下步骤：选定区域，在植株冬前休眠期时统计越冬前植株数量，越冬后在植株返青数量达到10％时，统计首次越冬后植株计数，之后每10天计数一次，统计若干次越冬后植株数量；以生态学中的逻辑斯谛方程为模型进行拟合，计算越冬后样段内植株拐点数量，再得出越冬率。本发明的方法根据多年生禾本科牧草自身生长特性和物候期特征，在植株越冬前休眠期和越冬返青后多次定期计数，符合植株生长发育基本规律，再通过生态学常用的种群增长模型逻辑斯谛方程，寻找返青植株数量增长拐点，计算拐点时间的植株越冬率，能够更加准确地描述越冬植株返青后的存活比例。

Description

一种精确计算多年生禾本科牧草越冬率的方法

技术领域

本发明涉及农业科技领域，特别是涉及一种精确计算多年生禾本科牧草越冬率的方法。

背景技术

禾本科牧草是畜牧养殖业生产中必不可少的主要饲草料之一，在我国分布广泛、资源量大，且营养丰富、易加工，便于储藏运输，也可以与其它成分混合制作不同用途饲料，为畜禽喜食。禾本科牧草抗逆性强、耐刈割、耐践踏，也是我国北方地区庭园绿化、防风固沙及水土保持的优良植物，在草地农业与草原生态系统中具有重要作用。禾本科牧草包括野生和栽培两类，依据寿命长短可以分为一年生、二年生和多年生，其中，二年生和多年生禾本科牧草在人工草地建植与牧草栽培生产中占有绝对优势地位。然而我国北方大部分地区气候寒冷，冬季少雪，尤其是西北干旱区、河北坝上高原及东北地区，极端气温可达零下20-40℃，给普通禾本科牧草及国外引进优质多年生禾本科牧草越冬带来极大挑战，由此，如何确保栽培牧草在寒冷的冬春季安全越冬存活并返青，便成为生产实践的关键问题。

由牧草栽培学或草地生态学可知，衡量禾本科牧草越冬存活效率的主要指标是越冬率，即，单位面积上禾本科牧草越冬返青后的存活数量占越冬前数量的比例，理论上讲，该定义是越冬率的本质含义，也是生产实际中迫切求知的指标，但该指标在实际操作中却难以准确获得，其主要原因与牧草生长特性有关，多年生禾本科牧草类型多样、分蘖与新生枝条繁殖方式复杂，且整个生长阶段植株数量始终处于动态变化状态，即，在进行植株数量统计时，哪一时间点记录的数据才能成为最具代表性的基础数据，将成为越冬率准确计算关键点和难点，由此，如果有一种方法能够精准确定越冬前后牧草植株数量统计的时间点，或者多年生禾本科牧草越冬率计算过程中，植株数量统计均以统一方法进行标准计数，那么，不同种类的多年生禾本科牧草越冬率数据之间才可能存在有效的可比性。

2006年10月颁布实施的中华人民共和国农业行业标准“草品种审定技术规程”(NY/T1091-2006)中，对禾本科牧草越冬率的描述是“在小区中选择有代表性的样段两处，每段长1m，在越冬前及第二年返青后分别计算样段中植株总数及返青数，便可统计越冬率”，其中，越冬前及第二年返青后的具体计数时间指定不明，实际测定中难以操作，其原因是多年生禾本科牧草越冬前及第二年返青后物候时间较长，尤其是第二年返青期有的甚至达到1-2个月，在此期间，植株数量一直处于变化状态，不同时间点样段内植株数量不同，则选择不同的时间点计数时，计算结果差异很大，则不同物种或处理间得出的越冬率缺乏可比性，另外，每个试验处理仅仅取两样段，则不能进行统计学的方面的差异显著性分析，再次降低了该试验数据的有效性和实用性。

2014年7月颁布实施的中华人民共和国国家标准“草品种审定技术规程”(GB/T30395-2013)中的描述是“在同一区组的小区中随机选择有代表性的样段3处，每段长1m，在越冬前后分别计数样段中植株数量，计算越冬率”，其中，将2006版中“在小区中选择有代表性的样段两处”修改为“在同一区组的小区中随机选择有代表性的样段3处”，避免了差异显著性分析时的统计数据不足，但将“越冬前及第二年返青后分别计算样段中植株总数及返青数”修改为“越冬前后分别计数样段中植株数量”，使实际测定时植株计数时间点的选择更加宽泛和模糊，进一步降低了不同物种或处理间计算结果的可比性，由此，需要结合多年生禾本科牧草生长发育等生物学特性和物候特征，选择一种准确性高、可比性强、执行中容易操作的测定方法，才是解决越冬率计算问题的关键所在。

发明内容

为了解决目前多年生禾本科牧草越冬率计算过程中，植株计数时间点难以准确选择、越冬率计算结果不唯一、测定数据缺乏有效性和可比性等主要问题，进一步提高该指标测定中的可操作性及其在生产实践中的指导意义，本发明的目的是提供一种精确计算多年生禾本科牧草越冬率的方法。

本发明提供一种精确计算多年生禾本科牧草越冬率的方法，包括以下步骤：

1)选定区域，在植株冬前休眠期时统计越冬前植株数量，越冬后在植株返青数量达到10％时，统计首次越冬后植株数量，之后每10天计数一次，共统计M次越冬后植株计数；

2)以步骤1)统计的数据拟合如下方程：

N＝K/[1+e^(a-rt)]

其中，t为测定日期，首次测定日期在计算公式中可以计数为10，其余测定日期均为10的倍数，N为测定日计数的植株数量，然后根据连续若干次的测定日期和植株计数数据，求得对应的函数关系式N＝f(t)；

3)以步骤2)的结果，求函数N的二阶导数等于零时的t值和N值，即，t是植株计数的测定日期，N是曲线拐点时样段内越冬植株的拐点数量；

4)以步骤3)所求N值，按如下公式计算越冬率：

越冬率＝越冬后样段内植株拐点数量/越冬前休眠期样段植株数量×100％。

其中，所述M次为5次及以上。

其中，所述选定区域为选1m长的样条。样条宽度以播种后的自然生长单垄为条宽。

其中，所述选定区域，同一处理设3个重复。

本发明还提供所述精确计算多年生禾本科牧草越冬率的方法在牧草种植中的应用。

本发明的关键点如下：

1、越冬前后植株计数时间点的确定：越冬前后植株计数是获得越冬率准确计算结果的基础，其中，越冬前的休眠期，植株形态与生理变化仅限于正常的生理代谢，数量基本不变，该时间段内测定的数据相对稳定；另外，越冬返青后，由于植株生长较快，不同时间点测定的数量差异较大，所以需要多次连续测定，才能最终确定合理的计算结果。

2、拟合方程式的选择：栽培后的多年生禾本科牧草草地，群落物种比较单一，基本上是由栽培种构建的单一种群，其种群数量的发展受到环境资源影响，变化趋势符合生态学常用的连续增长模型——逻辑斯谛方程，所以，以该方程为模型，求得方程中的主要参数，即得植株数量变化公式，这也是栽培牧草返青后的植株数量实际发展轨迹。

3、函数方程式二阶求导：严格地讲，越冬后计数的植株与越冬前应该有一定的对应性，是越冬率计算的理论基础，但是，实际环境中，植株越冬返青后数量的变化一般分为2个阶段，第一个阶段是越冬休眠芽在春季返青后生长发育为正常成株，而这一批成株也正是越冬后应该计入统计数据的植株，第二个阶段是生长发育后的成株产生新一级分蘖，且新一级分蘖又生长发育，最终成为又一批新的成株，同时，这两个阶段形成的正常成株在形态上难以区分，从而为植株的正确选择计数带来很大困难。不过，从高等数学知识可知，对函数求二阶导数，并使二阶导数为零，即可获得函数曲线的拐点值，也就是曲线斜率变化的极值，该点对应的自变量是测定日期，对应函数则是该测定日的植株拐点数量，正常情况下，牧草植株第一阶段与第二阶段的生长发育存在一定时间间隔，并在整体数量变化规律上表现为连续性的暂时打破，即为一个转折点，这也符合函数曲线拐点特征，由此，选择方程式进行二阶求导，并令导数为零，即可获得曲线变化中的拐点值，这也是越冬植株返青后完成第一阶段生长发育而成为正常成株关键点，同时也是第二阶段植株分蘖开始生长发育的起点，因此，由拐点处植株数量值除以越冬前休眠期植株数量值即为准确的植株越冬率计算结果。

本发明具有以下有益效果：

根据多年生禾本科牧草自身生长特性和物候期特征，在植株越冬前休眠期和越冬返青后多次定期计数，符合植株生长发育基本规律，再通过生态学常用的种群增长模型逻辑斯谛方程，寻找返青植株数量增长拐点，计算拐点时间的植株越冬率，能够更加准确地描述越冬植株返青后的存活比例，结果准确、唯一，具有很强的可比性。该发明与2006年和2014年颁布实施的农业行业标准及国标相比，虽然在植株计数次数和计算程序方面有所增加，但有效避免了计算结果的不确定性，同时，也使不同种类多年生禾本科牧草或不同处理间的植株越冬率比较成为可能，极大地增强了数据的利用效率，有助于禾本科牧草物候观测技术完善及生产实践中的技术应用与推广。

具体实施方式

以下实施例用于说明本发明，但不用来限制本发明的范围。

实施例1河北坝上地区猫尾草越冬率计算

河北坝上高原区海拔1400m，气候干旱，年降雨量仅300mm左右，且主要集中在7、8、9三个月，冬季多风寒冷，极端温度可达-35℃以下，而猫尾草(PhleumpretenseL.)属于禾本科梯牧草属半冬型多年生牧草，原产于欧亚大陆，虽喜冷凉湿润气候，但耐寒性相对较弱，因此，如何确保植株安全越冬便成为坝上地区猫尾草种植的主要技术瓶颈。2000-2001年期间，当地牧场前后2次播种建植猫尾草草地，总面积达到3000亩左右，均因植株越冬失败而绝收。2002年技术发明人应邀组织攻关该技术难题，在坝上沽源牧场建植猫尾草草地100亩，并通过一定的播种、灌溉、施肥、刈割等技术管理措施，大大提高了越冬植株的返青存活率，整个操作过程中，植株越冬率计算便成为衡量技术措施成败的关键。

2002年底，植株进行冬前休眠期时，在同一区组试验小区内随机选取3条1m长的样条，并在每个样条两端插地标进行标记，然后计数每个样条内的全部植株数量。

2003年猫尾草返青后，连续5次计数标定样段内植株数量，然后套用生态学逻辑斯谛模型，求得猫尾草返青后植株数量变化的曲线方程，并对函数进行二阶求导，当二阶导数为零时，所得的函数值便是猫尾草越冬后第一阶段的全部返青植株数量，然后将该数量值除以2002年越冬前休眠期计数的植株数量值，便可求得植株越冬率，该方法的应用及时准确地计算出了植株越冬率，由此也成为猫尾草越冬率计算的重要方法。

实施例2北京昌平地区无芒雀麦越冬率计算

北京昌平地区海拔低，仅50m左右，降雨较为充沛，年降雨量可达500mm以上，但冬季少雪寒冷，极端温度可达-15℃以下，对多年生牧草越冬也会产生一定影响。2009-2013年期间，因实际环境所限，该地区开展的多年生禾本科牧草无芒雀麦(BromusinermisL.)水土流失防治工作在坡度为15-25°的荒坡地展开，其中，坡度大，土壤贫瘠、干旱，且草地建植位置处于阴坡地带，日光照射不足，对建植草种无芒雀麦的植株越冬产生严重影响。

2009年9月，技术发明人在25°阴坡径流试验场播种建植无芒雀麦人工草地，并于12月初植株休眠期对不同处理小区进行样段标定，每样段长1m，每个处理3重复，然后计数样段内植株数量。2010年春季，无芒雀麦返青达到10％时，开始首次计数，之后每10天进行1次，连续计数6次，然后套用生态学逻辑斯谛模型，求得无芒雀麦返青后植株数量变化的曲线方程，对函数进行二阶求导，并令二阶导数等于零，求得函数值，该函数值便是无芒雀麦越冬后的拐点数量值，然后将拐点数量值除以2009年休眠期植株数量值，即得无芒雀麦植株越冬率。应用该方法计算出的植株越冬率，可以精确比较荒坡地不同处理间的植株越冬率大小，对不同处理间的差异有着很好的指示作用，因此也成为无芒雀麦植株越冬率计算的有效方法。

实施例3北京延庆山区扁穗冰草越冬率计算

延庆县地处北京西北部山区，海拔300-700m，属温带与中温带、半干旱与半湿润过渡带，受大陆性季风气候控制，无霜期短，155-165d左右，年降水量少，枯水年不足300mm，昼夜温差大，冬季极端气温可达-15℃以下。另外，荒滩地是延庆地区退化土地的主要类型之一，植被稀疏，土壤干旱、贫瘠，尤其是河滩废弃地，土层瘠薄、砾质化严重，人工草地建植难度大，其中，越冬率是衡量草地建植成败的重要指标。

2007-2013年期间，该地区建植多年生禾本科牧草扁穗冰草(AgropyroncristatumL.)人工草地，进行荒滩地植被快速恢复与重建，建植后播种当年植株进入休眠期时，设置不同处理试验小区，标定样段，样段长1m，每处理标定3条，然后计数样段内全部植株数量，播种后第2年春季，扁穗冰草返青率达到10％时，对标定样条进行首次计数，之后每10天进行1次，连续计数5次，然后以逻辑斯谛方程为模型，求得扁穗冰草返青后植株数量变化的曲线方程，并对函数进行二阶求导，再令二阶导数为零，求得拐点时的函数值，即，扁穗冰草返青后的第一阶段全部成株数量值，然后再将拐点成株数量值除以越冬前休眠期植株数量值，即得扁穗冰草植株越冬率。该方法精确计算出了不同处理下的植株越冬率，很好地解决了越冬率计算过程中植株计数时间不统一、处理间越冬率值难以比较的问题，因而成为扁穗冰草植株越冬率计算的可靠方法。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (5)

1.一种精确计算多年生禾本科牧草越冬率的方法，其特征在于，包括以下步骤：

1)选定区域，在植株冬前休眠期时统计越冬前植株数量，越冬后在植株返青数量达到10％时，统计首次越冬后植株数量，之后每10天计数一次，共统计M次越冬后植株计数；

2)以步骤1)统计的数据拟合如下方程：

N＝K/[1+e^(a-rt)]

其中，t为测定日期，首次测定日期在计算公式中可以计数为10，其余测定日期均为10的倍数，N为测定日计数的植株数量，然后根据连续若干次的测定日期和植株计数数据，求得对应的函数关系式N＝f(t)；

3)以步骤2)的结果，求函数N的二阶导数等于零时的t值和N值，即，t是植株计数的测定日期，N是曲线拐点时样段内越冬植株的拐点数量；

4)以步骤3)所求N值，按如下公式计算越冬率：

越冬率＝越冬后样段内植株拐点数量/越冬前休眠期样段植株数量×100％。

2.如权利要求1所述的精确计算多年生禾本科牧草越冬率的方法，其特征在于，所述M次为5次及以上。

3.如权利要求1所述的精确计算多年生禾本科牧草越冬率的方法，其特征在于，所述选定区域为选1m长的样条。

4.如权利要求3所述的精确计算多年生禾本科牧草越冬率的方法，其特征在于，所述选定区域，同一处理设3个重复。

5.权利要求1-4任一项所述的精确计算多年生禾本科牧草越冬率的方法在猫尾草种植中的应用。