在南京信息工程大学农业气象试验站(32.21° N, 118.70° E)进行田间试验。 试验地多年平均降水量为1 100 mm, 多年平均气温为15.6 ℃, 供试土壤为黄棕壤。 0~20 cm耕层土壤质地为壤质黏土, 土壤田间持水量25.6%, 容重1.54 g· cm^-3, pH(H₂O)为6.30, 有机碳含量8.91, 全氮含量0.81 g· kg^-1。

于2020年06月至2020年10月进行田间试验, 在3个面积分别为2.5 m× 2.5 m的小区种植大豆(Glycine max L.), 大豆品种为八月白。 于2020.06.09施用基肥(复合肥51.3 g· m^-2), 复合肥N:P₂O₅:K₂O之比分别为15%:15%:15%。 于2020年06月09日播种大豆, 大豆三叶期、 分枝期、 开花期、 结荚期分别为2020年06月16日, 2020年06月23日, 2020年07月24日和2020年08月17日。

于2020年06月30日, 2020年07月10日, 2020年08月03日, 2020年08月20日, 2020年09月14日和2020年10月05日期间采用红外CO₂气体分析仪(SoilBox-FMS, Sable systems公司, USA)测定每个小区中各6片顶1叶(植株最顶端叶片)、 顶2叶(从顶端数第2片叶片)、 顶3叶(从顶端数第3片叶片)的叶片呼吸, 进而计算单片叶片呼吸值(6片叶片的平均值)。 在测定叶片呼吸的同时记录气温。 分别测定6片大豆叶片鲜重、 干重、 叶片面积, 以6片叶片平均值得到单片叶片鲜重、 干重及叶片面积, 进而计算叶片含水量、 比叶面积。 以单叶片呼吸与叶片干重的比值作为叶片呼吸系数。 以便携式叶绿素仪(SPAD-502PLUS, Konica Minolta公司, 日本)测定6片大豆顶1叶、 顶2叶、 顶3叶的叶绿素SPAD值, 进而计算其单片叶片SPAD值。

在测定大豆叶片呼吸的当天中午(此时光照条件较好), 采用便携式地物光谱仪(Fieldspec 4 Standardard-Res, ASD公司, 美国)采集田间大豆冠层反射率, 波段范围为350~2 500 nm, 光谱采样间隔为1.4~2nm, 探头视场角为25° 。 于11:00— 14:00采集大豆冠层反射率, 测量时保持光谱仪探头垂直向下, 距作物冠层上方约50 cm。 每次数据采集前使用40 cm× 40 cm高光谱标准白板进行校正, 白板前后校准时间间隔不超过5 min。 在每个小区选择2个点进行测定, 每个点测量获得5条光谱曲线, 在每个小区共测得10条反射率曲线。 采用ViewSepcPro光谱处理软件对原始光谱曲线进行预处理。 根据测定得到的大豆冠层反射率计算归一化植被指数(NDVI)、 差值植被指数(DVI)、 比值植被指数(RVI)、 增强植被指数(EVI)、 光化学植被指数(PRI)、 红边叶绿素指数(RECI)(表1)。 由于植被叶片冠层结构及海绵组织对近红外光谱强烈反射而形成一个近红外高台, 植被生长越旺盛, 冠层密度越大, 反射越强, 由此构建的植被指数NDVI, DVI, RVI和EVI可较好地反映植物生长状况, 而PRI可反映植物元素含量^[13]。 另外, RECI也是植被光谱曲线的特征值, 与植被生理特征关系密切, 当植物生长旺盛, 覆盖度大时, RECI值相对较大^[14]。 由于作物呼吸作用与生长过程相关, 故选择这些植被指数作为影响叶片呼吸的潜在变量。

表1

Table 1

表1(Table 1)

表1 植被指数的计算公式 Table 1 Functions to compute vegetation indexes 公式 文献 NDVI=(R800-R670)/(R800+R670) [16] DVI=R800-R670 [14, 17] RVI=R800/R670 [14, 17] EVI=2.5(R800- R670)/(1+R800+6 R670-7R479) [18] PRI=(R531-R570)/(R531+R570) [14, 17] RECI=R750/R710-1 [14] 注: R800, R670, R479, R531, R570, R710, R750分别为波长800, 670, 479, 531, 570, 710和750 nm处的作物冠层反射率 Note: R800, R670, R479, R531, R570, R710, and R750represent the crop canopy reflectance at the wavelengths of 800, 670, 479, 531, 570, 710 and 750 nm, respectively

表1 植被指数的计算公式 Table 1 Functions to compute vegetation indexes

将不同日期烘干后的大豆顶1叶、 顶2叶、 顶3叶磨碎, 过100目筛, 采用凯氏定氮法测定大豆叶片全氮含量^[15]。

采用单因素方差分析判断顶1叶、 顶2叶、 顶3叶季节平均单叶片呼吸及呼吸系数的差异显著性。 以Pearson相关分析判断单叶片呼吸及叶片呼吸系数与NDVI、 DVI、 RVI、 EVI、 PRI、 RECI、 SPAD值、 鲜重、 干重、 含水量、 叶面积、 比叶面积、 氮含量的关系。 建立基于高光谱植被指数与叶片性状的单叶片呼吸和呼吸系数多元回归方程, 以方差膨胀因子(VIF)来判断各潜在影响变量的共线性, 当某因素VIF< 10时, 可作为多元非线性回归的自变量。 以观测的单叶片呼吸及呼吸系数与模拟的单叶片呼吸及呼吸系数进行回归模拟, 并结合均方根误差(RMSE)、 模拟有效性(ME)、 平均绝对误差(MAE)、 赤池信息准则(AIC)、 贝叶斯信息准则(BIC)^[19]检验多元回归模型的模拟有效性。 在评估针对某个因变量的模型时, RMSE, MAE, AIC和BIC越小, 模型模拟效果越好, 而ME越大, 模型模拟效果越好。

单片叶片呼吸存在明显的季节变化规律, 最高的顶1叶单叶片呼吸出现在2020年08月03日, 最低的顶3叶单叶片呼吸出现在2020年10月05日[图1(a)]。 叶片呼吸系数总体呈逐渐降低的季节变化规律, 大豆生长后期的叶片呼吸系数低于生长前期, 顶1叶、 顶2叶最大呼吸系数均出现在2020年06月30日[图1(b)]。 就季节平均值而言, 顶1叶、 顶2叶、 顶3叶单叶片呼吸无显著差异(p> 0.05), 其呼吸系数也无显著差异(p> 0.05)。

图1

Fig.1

	Figure Option ViewDownloadNew Window
	图1 单片叶片呼吸及叶片呼吸系数的季节变化 (a): 单叶片呼吸; (b): 叶片呼吸系数Fig.1 Seasonal changes in the respiration of a single leaf and leaf respiration coefficient (a): Reasonal of a single leaf; (b): Leaf respriration coefficient

由图2(a— f)可见, 不同高光谱植被指数的季节动态之间存在差异, NDVI在不同时期的差异性相对其他植被指数而言更小一些, RVI, EVI, PRI和RECI在生长季中期的数值相对更大, 而生长初期和生长末期的数值相对更小, 表现为单峰曲线的变化规律, 例如EVI和PRI的最大值分别出现在2020年08月20日和2020年08月03日。 与呼吸系数类似, 2020年10月05日的EVI, PRI和RECI值高于2020年09月14日的值, 这说明作物生长后期不同叶片之间的性状仍存在较大差异。

图2

Fig.2

	Figure Option ViewDownloadNew Window
	图2 (a) NDVI, (b) DVI, (c) RVI, (d) EVI, (e) PRI, (f) RECI的季节变化Fig.2 Seasonal changes in the NDVI (a), DVI (b), RVI (c), EVI (d), PRI (e) and RECI (f)

叶片SPAD值变异范围为(34.58± 2.05)~(52.23± 1.62), 除2020年06月30日的生长初期外, 其余观测日顶3叶SPAD值总体上最低。 单片叶片鲜重的变异范围为(0.19± 0.05)~(1.41± 0.17) g, 单片叶片干重的变异范围为(0.57± 0.07)~(0.10± 0.01) g, 除2020年06月30日的生长初期外, 单片叶片鲜重和干重均表现为随着叶片位置下降而逐渐降低。 叶片含水量的变异范围为(0.41%± 0.08%)~(0.73%± 0.01%), 2020年08月20日和2020年10月05日的叶片含水量相对较低, 不足50%。 除2020年06月30日的生长初期外, 单片叶片面积总体表现为随着叶片位置下降而逐渐降低。 叶片比叶面积总体随着生长季延长而降低。 叶片氮含量无明显的季节增减规律, 这可能与取样植株和叶片的具体生长情况有关。

Pearson相关分析表明, 单叶片呼吸与气温存在极显著(p=0.009)相关关系, 单叶片呼吸与PRI存在极显著(p=0.009)相关关系, 与RECI(p=0.024)和氮含量存在显著(p=0.015)相关关系(表2)。 呼吸系数与气温存在显著(p=0.017)相关关系, 呼吸系数与鲜重、 干重、 比叶面积存在极显著(p< 0.001)相关关系, 呼吸系数与SPAD值存在显著(p=0.022)相关关系。 有的高光谱植被指数之间存在极显著(p< 0.001)相关关系, 例如NDVI与RVI, NDVI与RECI, DVI与EVI等。 有的叶片性状之间存在显著(p< 0.05)或极显著(p< 0.001)相关关系, 例如叶片面积与SPAD值之间存在显著(p=0.032)相关关系, 与鲜重、 干重之间存在极显著(p< 0.001)相关关系。

表2

Table 2

表2(Table 2)

表2 叶片呼吸与气温、 NDVI、 DVI、 RVI、 EVI、 PRI、 RECI、 SPAD值、 鲜重、 干重、 含水量、 叶面积、 比叶面积、 氮含量的Pearson相关分析 Table 2 Pearson's correlation between the leaf respiration and air temperature, NDVI, DVI, RVI, EVI, PRI and RECI, SPAD value, fresh mass, dried mass, water content, area, specific leaf area and nitrogen content of leaf 单片叶片 呼吸 呼吸系数 气温 NDVI DVI RVI EVI PRI RECI SPAD值 鲜重 干重 含水量 叶面积 比叶面积 呼吸系数 r 0.671 p 0.002 气温 r 0.595 0.554 p 0.009 0.017 NDVI r 0.016 0.196 0.669 p 0.950 0.436 0.002 DVI r -0.076 0.014 0.078 0.003 p 0.763 0.956 0.759 0.991 RVI r 0.047 0.220 0.655 0.939 0.139 p 0.853 0.381 0.003 0.000 0.583 EVI r -0.065 0.033 0.141 0.083 0.988 0.195 p 0.796 0.897 0.578 0.742 0.000 0.437 PRI r 0.597 0.275 0.624 0.234 0.163 0.390 0.169 p 0.009 0.270 0.006 0.350 0.518 0.110 0.503 RECI r 0.529 0.329 0.801 0.608 0.039 0.698 0.080 0.891 p 0.024 0.183 0.000 0.007 0.877 0.001 0.752 0.000 SPAD值 r 0.099 -0.537 -0.061 -0.271 -0.180 -0.305 -0.205 0.105 0.022 p 0.696 0.022 0.809 0.277 0.476 0.218 0.414 0.678 0.932 鲜重 r -0.337 -0.693 -0.214 0.149 -0.121 0.054 -0.093 -0.234 -0.109 0.417 p 0.171 0.001 0.393 0.555 0.631 0.830 0.714 0.350 0.667 0.085 干重 r -0.196 -0.757 -0.244 -0.100 -0.224 -0.206 -0.215 -0.144 -0.120 0.750 0.893 p 0.435 0.000 0.329 0.693 0.372 0.412 0.391 0.569 0.636 0.000 0.000 含水量 r -0.290 0.045 0.092 0.602 0.142 0.592 0.200 -0.186 0.068 -0.585 0.399 -0.050 p 0.243 0.861 0.716 0.008 0.575 0.010 0.437 0.461 0.788 0.011 0.101 0.843 叶面积 r 0.161 -0.381 0.271 0.221 -0.084 0.157 -0.038 0.326 0.371 0.506 0.767 0.768 0.180 p 0.522 0.119 0.277 0.377 0.742 0.533 0.880 0.186 0.129 0.032 0.000 0.000 0.474 比叶面积 r 0.224 0.736 0.459 0.427 0.229 0.494 0.263 0.248 0.335 -0.860 -0.509 -0.792 0.497 -0.298 p 0.371 0.000 0.055 0.077 0.361 0.037 0.291 0.322 0.174 0.000 0.031 0.000 0.036 0.230 氮含量 r 0.564 0.191 0.435 0.002 -0.356 -0.148 -0.310 0.298 0.329 0.450 0.058 0.288 -0.372 0.502 -0.166 p 0.015 0.448 0.071 0.994 0.147 0.557 0.211 0.229 0.183 0.061 0.820 0.246 0.128 0.034 0.511

表2 叶片呼吸与气温、 NDVI、 DVI、 RVI、 EVI、 PRI、 RECI、 SPAD值、 鲜重、 干重、 含水量、 叶面积、 比叶面积、 氮含量的Pearson相关分析 Table 2 Pearson's correlation between the leaf respiration and air temperature, NDVI, DVI, RVI, EVI, PRI and RECI, SPAD value, fresh mass, dried mass, water content, area, specific leaf area and nitrogen content of leaf

多元回归分析表明, 基于气温(AT)、 PRI、 RECI、 氮含量(N)的回归方程可模拟单叶片呼吸(R)60.4%的变异[见式(1)], 基于气温(AT)、 SPAD值、 叶片质量(DM)、 比叶面积(SLA)的回归方程可模拟叶片呼吸系数(R_c)72.4%的变异[见式(2)]。 对观测的单叶片呼吸和呼吸系数与模拟的单叶片呼吸和呼吸系数进行的回归分析表明, 观测值与模拟值之间具有极显著的回归关系, 其斜率分别为0.996 9和1.196 1, 非常接近1:1的比例线[图3(a, b)]。 描述单叶片呼吸和呼吸系数模型模拟效果的RMSE, MAE, AIC和BIC均较低, 而ME均较高。

R=0.029e(0.045AT+10.304PRI-0.388RECI+0.019N)(R2=0.604, p< 0.001)(1)

Rc=0.142e(0.047AT+0.010SPAD-4.131DM+0.001SLA)(R2=0.724, p< 0.001)(2)

图3

Fig.3

	Figure Option ViewDownloadNew Window
	图3 观测的单片叶片呼吸及呼吸系数与模拟的单片叶片呼吸与呼吸系数的关系 (a): 单叶片呼吸; (b): 叶片呼吸系数Fig.3 Relationships between the observedrespiration of a single leaf and respiration coefficient and the modeled respiration of a single leaf and respiration coefficient (a): Reasonal of a single leaf; (b): Leaf respriration coefficient

作物叶片呼吸是重要的叶片生物学指标, 反映了叶片维持其自身生命活动的能力, 叶片呼吸的底物来自于光合作用, 因而与光合作用有关的因素如叶片生长速率、 生物量大小、 氮含量、 叶片性状均影响叶片呼吸^[6]。 植被指数通过冠层反射率计算得到, 而反射率反映了植物色素含量、 元素含量、 冠层密度、 生物量等指标, 这些指标也是影响叶片呼吸的潜在变量。 叶片呼吸与植被指数具有内在联系(表2)。

本研究中, 测定大豆叶片呼吸速率的时间与光谱测定时间(中午)较为接近, 忽略大豆叶片呼吸速率日变化的原因一方面是本研究中主要考虑中午光谱数据的准确性, 另一方面是主要考虑大豆叶片呼吸在不同生育期及叶片位置的差异, 且大豆叶片呼吸在不同生育期及叶片位置的差异与高光谱指数对应。 以往研究表明顶1叶至顶3叶是监测作物物质含量的最佳叶位, 其在各个生育期的代表性比下部叶片更好^{[20, 21]}, 由于叶片呼吸作用与氮素含量有关^[9], 本研究选择顶1叶、 顶2叶、 顶3叶作为测定呼吸作用的叶片。 以往研究表明, 热带雨林冠层顶部叶片呼吸高于下部叶片呼吸, 且上部叶片干重大于下部叶片, 而上部叶片比叶面积小于下部叶片^{[22, 23]}。 本研究中, 就整个生长季平均而言, 大豆顶1叶、 顶2叶、 顶3叶单叶片呼吸和呼吸系数无显著(p> 0.05)差异, 而生长中后期大豆顶1叶单叶片呼吸大于顶2叶和顶3叶。 造成这种差异的原因可能与大豆不同冠层高度光照和热带雨林不同冠层高度光照的差异有关, 本研究中大豆生长初期植株高度对光照的影响相对较小, 这可能使得大豆不同高度植株得到的光照相差不大, 而在大豆生长中后期随着植株高度对光所受照的影响增大, 其单叶片呼吸也产生了差异。

研究显示了单叶片呼吸与高光谱植被指数的显著相关性。 高光谱植被指数反映了作物生长状况, 而叶片呼吸也与作物生长过程有关^{[24, 25]}。 研究中6个植被指数在作物生长初期和生长末期均相对较低, 而在作物生长中期(即旺盛生长阶段)均相对较高, 特别是PRI和RECI的单峰曲线季节变化模式相对更为明显。 植被指数是作物生长发育动态, 如色素、 结构性指标的综合性作用结果, 其差异性体现了作物生长发育动态变化。 在作物生长中期, 叶片生长较快, 为后期的作物结实储存营养物质; 在作物生长末期, 叶片活性减弱, 色素含量发生变化, 而植被指数可反映这些不同生长阶段的差异。 单叶片呼吸与高光谱植被指数的联系表明叶片呼吸可通过高光谱植被指数模拟。 尽管高光谱植被指数随作物生长阶段的不同而存在差异, 但PRI和RECI均与单叶片呼吸存在显著(p< 0.05)相关关系。 以往研究表明, EVI比NDVI可更好地反映作物冠层结构, 包含EVI的模拟生态系统呼吸的模型比包含NDVI的模型可更好地解释生态系统呼吸的变异^[26]。 本研究表明, 基于气温、 PRI、 RECI、 氮含量的模型可较好地解释单叶片呼吸。 研究中叶片呼吸系数与高光谱植被指数无显著相关性的原因主要在于高光谱植被指数反映的是作物冠层总体状况, 而呼吸系数表征的是单位质量叶片的呼吸强度, 其主要与作物叶片性状有关(表2)。 SPAD值与光合作用有关, 而光合作用为叶片呼吸供给碳源, SPAD值与呼吸系数的关系间接反映了叶绿素与光合作用的联系。 Reich等^{[27, 28]}的研究表明, 植物叶片呼吸系数与其比叶面积和氮含量之间均存在极显著(p< 0.01)线性回归关系。 孙文娟等^{[29, 30]}的研究表明, 冬小麦和水稻地上部分呼吸系数与氮含量呈极显著(p< 0.01)线性回归关系, 向土壤中添加氮元素可提高植株氮含量进而提高地上部分呼吸系数。 氮是叶片蛋白质的重要组成元素, 对维持蛋白质活性和转运起重要作用^[31], 呼吸系数与氮含量的关系体现了作物叶片呼吸与蛋白质周转和代谢等生命活动有关^[32]。 表2表明, 具有更大质量和比叶面积的大豆具有相对更高的呼吸活性(即呼吸系数更高), 具有这些特征的叶片需要维持与碳固定有关的更高的代谢活性^[33], 其呼吸系数也更高。 比叶面积反映了叶片生长效率和维持生命活动的效率, 也与呼吸系数有关^[34]。 大豆单叶片呼吸和呼吸效率与叶片性状之间的相关性体现了叶片不同性状和生理活性的内在关联性。

在模拟单叶片呼吸和呼吸系数时, 需采用不同的高光谱植被指数和叶片性状指标。 叶片呼吸与植被指数具有显著相关性(表2), 特别是单叶片呼吸与PRI的相关系数r达到0.597(p=0.009), 在模拟叶片呼吸时, 在温度和叶片性状指标基础上加入植被指数因子可较好地解释叶片呼吸的季节变化, 分别如图3(a, b)所示。 本研究中基于地面观测的高光谱植被指数和微观尺度的叶片性状指标为基于高空和卫星遥感的作物叶片呼吸的反演提供了可能, 进而可对更大范围的叶片呼吸进行估算。 今后需对更多种作物叶片呼吸与高光谱植被指数和叶片性状的关系进行研究, 以期得到更具广泛性的结果。