小麥株型及冠層光分布模擬研究.pdf

1、作物株型和冠層結(jié)構(gòu)影響冠層內(nèi)光合有效輻射（PAR）的分布，進(jìn)而影響冠層光合作用與產(chǎn)量形成，因此定量分析和動(dòng)態(tài)模擬作物器官形態(tài)、株型指標(biāo)、冠層結(jié)構(gòu)、光合有效輻射在冠層內(nèi)的分布及其與光合作用之間的關(guān)系，對(duì)于提高作物群體光能利用率和單位面積產(chǎn)量具有重要意義。本研究以小麥（Triticum aestivum L.）為對(duì)象，通過實(shí)施不同株型品種與密度處理的田間試驗(yàn)，闡明了小麥不同器官形態(tài)、冠層結(jié)構(gòu)、株型指標(biāo)、冠層內(nèi)光合有效輻射的時(shí)空分布特征等，完

2、善和拓展了小麥器官形態(tài)建成模型，構(gòu)建了小麥冠層結(jié)構(gòu)和株型指標(biāo)模型，拓展了小麥冠層PAR分布模型和基于冠層結(jié)構(gòu)和光分布的小麥光合作用模型，并以上述模型為基礎(chǔ)，結(jié)合情景模擬方法，量化了不同情景下小麥株型與冠層光合作用間的關(guān)系。研究結(jié)果為虛擬小麥提供了高精度的個(gè)體和群體形態(tài)數(shù)據(jù)，為小麥株型改良和理想株型的優(yōu)化設(shè)計(jì)提供了理論依據(jù)和技術(shù)途徑。
　　 基于不同株型品種和不同密度處理的小麥田間試驗(yàn)，連續(xù)觀察并記錄各處理不同葉位葉長(zhǎng)、葉寬、節(jié)間

3、長(zhǎng)、節(jié)間寬、莖鞘夾角和葉曲線等二維形態(tài)指標(biāo)，并分析了密度對(duì)上述形態(tài)指標(biāo)的影響;進(jìn)一步利用系統(tǒng)分析方法和動(dòng)態(tài)建模技術(shù)，構(gòu)建了基于過程的小麥葉片莖鞘夾角和葉曲線的動(dòng)態(tài)模擬模型;結(jié)合課題組已有的小麥形態(tài)模型，模擬了小麥節(jié)間、葉鞘和葉片的空間形態(tài)。結(jié)果表明:密度對(duì)葉長(zhǎng)、葉寬、節(jié)間寬等指標(biāo)影響不顯著;節(jié)間長(zhǎng)隨著密度的增大而增長(zhǎng);小麥莖鞘夾角隨葉片生育進(jìn)程不斷加大，并隨密度的增大而減小;從第2葉開始，最大莖鞘夾角隨葉位的增加而減小。小麥前4葉彎曲較

4、小，5葉及其后葉片彎曲較大，且彎曲度隨密度的增大而增大。利用Logistic方程可以描述葉片莖鞘夾角隨生育進(jìn)程的動(dòng)態(tài)變化過程，使用分段函數(shù)描述最大莖鞘夾角隨葉位的動(dòng)態(tài)變化，引入品種參數(shù)（第2葉莖鞘夾角的最大值）量化了莖鞘夾角在不同品種之間的差異。分別利用直線和二次函數(shù)及其旋轉(zhuǎn)形式模擬了前4葉和5葉之后的葉曲線，使用葉基角和葉彎曲度描述了葉曲線隨生育進(jìn)程的變化過程，引入品種參數(shù)（旗葉最大彎曲度）量化了葉彎曲度的品種差異?；讵?dú)立的田間試驗(yàn)

5、資料對(duì)所建模型進(jìn)行了測(cè)試與檢驗(yàn)，結(jié)果顯示莖鞘夾角和節(jié)間長(zhǎng)模擬值與觀測(cè)值之間的RRMSE分別為11.79％和16.21％，表明模型對(duì)小麥冠層結(jié)構(gòu)的動(dòng)態(tài)變化過程具有較好的預(yù)測(cè)性。
　　 在3個(gè)播種密度水平下，以3個(gè)不同株型小麥品種為供試材料，通過連續(xù)觀測(cè)主要生育時(shí)期小麥主莖葉型和莖型指標(biāo)，分析株型指標(biāo)的動(dòng)態(tài)變化規(guī)律及播種密度對(duì)其的影響。結(jié)果表明，不同株型品種分層葉面積指數(shù)（LAI）均表現(xiàn)中部＞上部＞下部的分布特征，并隨著生育期的推進(jìn)

6、逐漸向中上部集中，且冠層中上部總是高密度群體LAI較大。所有品種高低密度間株高構(gòu)成指數(shù)（穗下節(jié)與倒二節(jié)間長(zhǎng)度之和與株高的比值，IL）均表現(xiàn)出顯著差異，不同株型品種株高構(gòu)成指數(shù)（n節(jié)間長(zhǎng)與n節(jié)間加n-1節(jié)間長(zhǎng)度之和的比值，In）表現(xiàn)為從下至上先減小后增大的趨勢(shì)，且上部節(jié)間受密度影響較大，而所有品種各密度下I1差異均不顯著。不同株型品種葉向值隨生育進(jìn)程的變化規(guī)律不同，較為緊湊的矮抗58葉向值總體平穩(wěn)，略微表現(xiàn)為增大-減小-趨緩的趨勢(shì);較為披

7、散的揚(yáng)麥12號(hào)中高密度下均表現(xiàn)為平緩-減小-平緩的趨勢(shì);揚(yáng)麥16號(hào)則表現(xiàn)為平緩-減小-略微增大的趨勢(shì)。在分析株型指標(biāo)變化趨勢(shì)和課題組已有形態(tài)模型的基礎(chǔ)上，利用組合的形態(tài)參數(shù)模擬了株高構(gòu)成指數(shù)和葉向值的動(dòng)態(tài)變化規(guī)律，通過冠層切割和葉面積積分的方法，模擬了葉面積指數(shù)的分層動(dòng)態(tài)變化規(guī)律，并通過對(duì)形態(tài)指標(biāo)的歸類分析，構(gòu)建了綜合性株型構(gòu)成指數(shù)，彌補(bǔ)了現(xiàn)有株型指標(biāo)僅能從單一角度反映株型特征的不足。利用獨(dú)立的試驗(yàn)資料對(duì)分層葉面積指數(shù)、株高構(gòu)成指數(shù)和葉

8、向值的動(dòng)態(tài)變化模型進(jìn)行了檢驗(yàn)，結(jié)果顯示其平均RRMSE分別為17.44％、7.64％和10.66％，表明模型對(duì)上述小麥株型指標(biāo)具有較好的預(yù)測(cè)性。
　　 通過實(shí)施不同株型品種和密度處理的小麥田間試驗(yàn)，連續(xù)觀察并分析了小麥冠層光分布特征的動(dòng)態(tài)變化規(guī)律;進(jìn)一步在已有小麥冠層結(jié)構(gòu)模型的基礎(chǔ)上，通過微分葉傾角、積分葉面積等方法，定量模擬了任意分層的葉傾角分布函數(shù)（f(θL)）和冠層消光系數(shù)（K(θ)），以及基于比爾定律的光合光量子通量密度

9、(photosynthetic photonflux density, PPFD)的垂直分布特征;以課題組已有的WheatGrow模型為基礎(chǔ)，構(gòu)建了基于冠層結(jié)構(gòu)和光分布的小麥光合作用模擬算法。利用獨(dú)立田間試驗(yàn)資料對(duì)上述模型進(jìn)行了測(cè)試與檢驗(yàn)，結(jié)果顯示分層PPFD和產(chǎn)量的平均RRMSE分別為19.35％和14.26％，表明模型對(duì)冠層光分布和光合作用的模擬具有較好的預(yù)測(cè)性。
　　 通過不同的冠層結(jié)構(gòu)參數(shù)組合設(shè)定了緊湊型和披散型兩個(gè)不同