CN114814099B - 一种基于葡萄叶片形状的光合作用预测方法 - Google Patents

Abstract

本发明公开了一种基于葡萄叶片形状的光合作用预测方法，属于农艺作物信息检测技术领域。通过测定同一品种、无病害、完整的葡萄叶片的净光合速率An和叶形参数α和β，叶形参数α和β均为叶齿至分支点的距离与上端裂刻至叶柄交界处的比值。进一步利用一元一次方程构建模拟对象叶片的净光合速率An与叶形指标参数α和β之间关系的数学方程。选取相同品种的叶片作为考察样品，测定其叶形参数α和β，并计算考察样品叶片的净光合速率Ans。本发明具有操作简单快捷、精准度高等优点，为提高葡萄除叶工作的效率与精准度，避免光合作用能力旺盛的叶片被去除，提供了科学依据和新策略。

Description

一种基于葡萄叶片形状的光合作用预测方法

技术领域

本发明属于农艺作物信息检测技术领域，具体涉及一种基于葡萄叶片形状的光合作用预测方法。

背景技术

葡萄枝蔓一般由主干、主蔓、侧蔓、结果母枝和新梢组成。结果母枝上芽眼抽生的带有花穗的新梢被称为结果枝，结果枝的数量和质量决定了当年葡萄产品的产量和品质。结果枝上叶片数量、叶面积、光合能力和密度直接或间接影响结果枝固定CO₂和为果实提供碳源的能力。然而，由于发育时期和微环境的差异，同一结果枝上不同节位叶片的大小、形态和生理特征可能并不完全一致，这可能导致不同节位的叶片光合速率及为果实提供碳源的能力存在差异。

除叶是一种常见的葡萄栽培生产方式，应用于葡萄园的树冠管理。大量实践证明在开花前、开花后、转色前、转色后等不同发育时期对葡萄结果枝进行除叶，可以改善叶幕微气候条件和果穗构成，增加果实受光辐射程度，并降低病害压力。在当前葡萄生产中往往简单粗暴地去除结果枝内的叶片，未能有参考标准进行选择性的除叶工作，导致部分正处于光合作用能力旺盛的叶片被去除，影响结果枝整体的光能利用效率。

为了提高除叶工作的效率与精准度，避免光合作用能力旺盛的叶片被去除，引入叶片形态这种能够被肉眼目测和机器高效识别的生理指标，探究叶片形态与净光合速率的直接关系，便于通过叶片形态预测叶片光合作用水平，建立精准、高效的除叶策略。

发明内容

本发明提供了一种基于葡萄叶片形状的光合作用预测方法，提高除叶工作的效率与精准度，避免光合作用能力旺盛的叶片被去除。

为解决上述技术问题，本发明采用如下技术方案：

一种基于葡萄叶片形状的光合作用预测方法，包括如下步骤：

步骤一，选择无病害、完整、同一品种的葡萄叶片作为标准样品，在叶片上依次标记15个点：①叶柄交界处、②顶端叶齿、③左上端裂刻、④右上端裂刻、⑤左上端叶齿、⑥右上端叶齿、⑦左下端叶齿、⑧右下端叶齿、⑨左末端叶齿、⑩右末端叶齿、中叶脉分支点、左叶脉分支点、/>右叶脉分支点、/>左近端叶脉分支点、/>右近端叶脉分支点；

步骤二，分别测量标记点①至③和④、至⑦和⑨、/>至⑤、/>至②、/>至⑥、/>至⑧和⑩之间的距离，并依此标记为a～i；

即：a为①至③、b为①至④、c为至⑦、d为/>至⑨、e为/>至⑤、f为/>至②、g为至⑥、h为/>至⑧、i为/>至⑩之间的距离；

步骤三，将步骤二测量得到的标记a～i带入公式，计算标准样品叶形指标参数α＝(d+h)/(a+b)，和/或β＝2×(c+d+e+f+g+h+i)/(a+b)；所述公式中的a、b、c、d、e、f、g、h、i是指步骤二中测量得到的距离标记a～i；

步骤四，选择晴天或少云天气的上午9:00～12:00测定标准样品叶片的净光合速率An；所述标准样品叶片为已完成步骤一叶形标记的叶片。

步骤五，利用一元一次回归方程拟合，构建净光合速率An与叶形指标参数α和/或β之间关系的数学方程：An＝mα+n和/或An＝oβ+p；其中m、n、o、p为方程拟合后所得到的值。

步骤六，选择与标准样品相同品种且无病害、完整的葡萄叶片作为待测样品，依据步骤一至步骤三得到待测样品的叶形指标参数；

步骤七，依据步骤五中构建的数学方程和步骤六得到的待测样品叶形指标参数，求出待测样品叶片的净光合速率Ans。

优选的，步骤一标准样品叶片数量不低于20片。

本发明的有益效果为：

(1)本方法引入叶片形态这种能够被肉眼目测和机器高效识别的生理指标，并能够快速无损地测定葡萄叶片净光合速率，通过建立叶片形态指标与净光合速率之间关系的数学模型，可基于葡萄叶片形态指标对光合作用水平进行精准预测。

(2)本方法提供两个模型：An＝mα+n、An＝oβ+p对叶片形态指标与净光合速率进行拟合，该两个模型均能够快速、简单获得拟合模型，无需通过复杂的数学计算，能够被各层次葡萄生产者学习与接受。

(3)本方法通过对被考察叶片的净光合速率进行预测，探索需要除叶的阈值，可用于判断需要去除叶片的标准。

附图说明

图1叶片主要形态结构特征的标注。

图1中圆形数字表示确定葡萄叶片上依次标记15个点：①叶柄交界处、②顶端叶齿、③左上端裂刻、④右上端裂刻、⑤左上端叶齿、⑥右上端叶齿、⑦左下端叶齿、⑧右下端叶齿、⑨左末端叶齿、⑩右末端叶齿、中叶脉分支点、/>左叶脉分支点、/>右叶脉分支点、左近端叶脉分支点、/>右近端叶脉分支点；a、b：表示叶柄连接到上端裂刻的距离，c～i：表示分支点到叶齿的距离。

图2为净光合速率和叶形参数α、β之间关系的一元拟合方程。

具体实施方式

根据下述实施例，可以更好地理解本发明。然而，本领域的技术人员容易理解，实施例所描述的内容仅用于说明本发明，而不应当也不会限制权利要求书中所详细描述的本发明。

本发明公开了一种基于葡萄叶片形状的光合作用预测方法，具体如下：

选择种植于南京农业大学白马试验基地中‘夏黑’作为试验品种，葡萄树龄均为4年，葡萄园采用“Y形”树形，种植方向呈南北走向，行间距为1.4×2.1m。在每个生长季节均采用标准的葡萄园管理措施，包括病虫害防治和树冠管理。当结果枝发育到12–14片叶片后打顶，产生的副梢均被抹除。随机选择24片生长一致且无病害的叶片作为模拟对象(即，标准样品)，并用相机记录叶片外观和形态特征。

如图1所示对24片模拟对象叶片依次标记15个点：①叶柄交界处、②顶端叶齿、③左上端裂刻、④右上端裂刻、⑤左上端叶齿、⑥右上端叶齿、⑦左下端叶齿、⑧右下端叶齿、⑨左末端叶齿、⑩右末端叶齿、中叶脉分支点、/>左叶脉分支点、/>右叶脉分支点、/>左近端叶脉分支点、/>右近端叶脉分支点。

分别测量标记点①至③和④、至⑦和⑨、/>至⑤、/>至②、/>至⑥、/>至⑧和⑩之间的距离，并依此标记为a～i如图1；

分别计算24片模拟对象叶片指标参数α：(d+h)/(a+b)，β：2×(c+d+e+f+g+h+i)/(a+b)；

选择晴天或少云天气的9:00AM～12:00AM测定已完成叶形标记对24片模拟对象叶片净光合速率An；

模拟对象叶片的净光合速率An和叶形参数α、β的数据见表1：

表1模拟对象叶片的净光合速率和叶形参数

通过Excel软件对净光合速率An和叶形参数α、β之间的关系进行一元一次回归方程拟合，如图2所示，分别得到拟合方程(1)An＝11.526α-9.4212(R²＝0.8785)和(2)An＝1.7862β-10.909(R²＝0.8525)。

选取同一葡萄园内无病害、完整的‘夏黑’葡萄叶片作为考察样品(即待测样品)，以与标准样品相同标记方法在叶片上依次标记15个点，并测量①至③和④、至⑦和⑨、至⑤、/>至②、/>至⑥、/>至⑧和⑩之间的距离，得到待测样品的标记a～i，依据α＝(d+h)/(a+b)，β＝2×(c+d+e+f+g+h+i)/(a+b)计算得到待测样品的叶形参数α和β；并选择晴天或少云天气的9:00AM～12:00AM测定叶片的净光合速率An。

将待测样品的叶形参数α和β分别代入依据标准样品构建的拟合方程(1)和(2)，求出基于叶形参数α和β的葡萄净光合速率预测值Ans。考察样品的净光合速率An和叶形参数α、β的数据见表2。

待测样品的叶形参数α、β对叶片净光合速率的预测值Ans及与实际测得的净光合速率An比对预测效果见表2。

表2不同葡萄叶片的净光合速率预测值与实测值之间的误差

结果显示：通过叶形参数α、β所预测‘夏黑’葡萄叶片的的净光合速率Ans与实测值An之间的相对误差的平均值分别为0.248和0.148μmol·m^-2·s^-1。

结果表明，通过净光合速率An和叶形参数α、β之间的关系的数学模型An＝11.526α-9.4212和An＝1.7862β-10.909，均能够较为精准的通过叶片形状的变化来预测净光合速率。本发明所述An＝mα+n、An＝oβ+p可以单独使用，也可以同时使用。

通过对不同节位叶片净光合速率，准确选择光合作用弱的叶片并予以去除，提高结果枝的光能利用效率。

以上所述，仅是本发明的较优实施例，并非是对本发明作其它形式的限制，任何熟悉本专业的技术人员可能利用上述揭示的技术内容加以变更或改型为等同变化的等效实施例应用于其它领域，但是凡是未脱离本发明技术方案内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与改型，仍属于本发明技术方案的保护范围。

Claims (2)

1.一种基于葡萄叶片形状的光合作用预测方法，其特征在于，包括如下步骤：

步骤一，选择无病害、完整、同一品种的葡萄叶片作为标准样品，在叶片上依次标记15个点：①叶柄交界处、②顶端叶齿、③左上端裂刻、④右上端裂刻、⑤左上端叶齿、⑥右上端叶齿、⑦左下端叶齿、⑧右下端叶齿、⑨左末端叶齿、⑩右末端叶齿、中叶脉分支点、/>左叶脉分支点、/>右叶脉分支点、/>左近端叶脉分支点、/>右近端叶脉分支点；

步骤二，分别测量标记点①至③和④、至⑦和⑨、/>至⑤、/>至②、/>至⑥、/>至⑧和⑩之间的距离，并依此标记为a～i；

步骤三，将步骤二测量得到的标记a～i带入公式，计算标准样品叶形指标参数α＝(d+h)/(a+b)，和/或β＝2×(c+d+e+f+g+h+i)/(a+b)；

步骤四，选择晴天或少云天气的上午9:00～12:00测定标准样品叶片的净光合速率An；

步骤五，利用一元一次回归方程拟合，构建净光合速率An与叶形指标参数α和/或β之间关系的数学方程：An＝mα+n和/或An＝oβ+p；

步骤六，选择与标准样品相同品种且无病害、完整的葡萄叶片作为待测样品，依据步骤一至步骤三得到待测样品的叶形指标参数；

步骤七，依据步骤五中构建的数学方程和步骤六得到的待测样品叶形指标参数，求出待测样品叶片的净光合速率Ans。

2.根据权利要求1所述的基于葡萄叶片形状的光合作用预测方法，其特征在于，步骤一标准样品叶片数量不低于20片。