李曉明，劉學忠，閆 亮，張曉琳

(海南神州新能源建設開發(fā)有限公司，海南?？?571100)

?

能源草莖葉生物量·干鮮比及產氣量預測模型構建

李曉明，劉學忠*，閆 亮，張曉琳

(海南神州新能源建設開發(fā)有限公司，海南?？?571100)

[目的]為能源草莖葉生物量、干鮮比及產氣量的估算提供簡便、快捷、準確的非破壞性方法。[方法]研究能源草植后90 d至首次刈割時期，莖葉生物量、干鮮比及產氣量與植后天數的關系。[結果]通過模型擬合和擇優(yōu)得到莖葉生物量的預測模型W=2.338d1.735、莖葉干鮮比的預測模型V=20.79-4 174 726Exp(-0.158 2d)及莖葉產氣量的預測模型G=2.209d1.73；生長后期莖葉干鮮比增速緩慢并逐步趨于穩(wěn)定，預測曲線顯示其最終穩(wěn)定在20.77%；莖葉產氣速度隨著植后天數的增加呈現(xiàn)出下降趨勢，二者之間呈顯著的負相關。[結論]該研究通過模型擬合和擇優(yōu)得到莖葉生物量、干鮮比和產氣量的預測模型，擬合優(yōu)度很高。

能源草；莖葉生物量；干鮮比；產氣量；預測模型

作物生物量是光合作用和呼吸作用的共同結果，調查作物生物量及其動態(tài)變化規(guī)律對于研究干物質積累分配、產量形成、光合與呼吸特性等具有重要意義。能源草莖葉生物量、干鮮比及產氣量指標是利用能源草作為原料進行沼氣生產的重要指標，它影響著沼氣生產的經濟性和能源草的刈割時間、次數，因此建立非破壞性的估測方法非常必要。

應用異速生長關系間接估測植物的生物量具有非破壞性、節(jié)省勞動力和提高效率等優(yōu)點，已在木薯、苗木及灌木等方面得到了較為廣泛的應用[1-5]，但迄今為止尚未見有利用能源草植后天數預測莖葉生物量、干鮮比及產氣量的報道。該研究探討了能源草植后90 d至首次刈割時期莖葉生物量、干鮮比及產氣量與植后天數的關系，構建能源草的回歸模型，旨在為能源草莖葉生物量、干鮮比及產氣量的估算提供簡便、快捷、準確的非破壞性方法。

1　材料與方法

1.1試驗概況試驗于2016年在海南神州新能源建設開發(fā)有限公司澄邁羅驛村能源草種植基地進行。供試材料為熱研4號王草和巨菌草2個能源草品種，1月7日定植，5月12日首次刈割。能源草定植時將每條種莖截斷為若干段，每段2個芽眼，水平擺放于溝內，用溝土覆蓋。能源草種植密度為株距50 cm、行距60 cm(株距是指相鄰2段種莖的2個中心點之間的距離)，種莖芽眼總數為66 690個/hm2，每個芽眼的種植面積為0.15 m2。

1.2樣株選取能源草種莖定植后90 d進行第1次采樣，以后每間隔8 d采樣1次，首次刈割前共采樣5次，每次隨機選取5個樣本，在由2個種植品種、施用過磷酸鈣及追施沼液形成的5種不同栽培條件下各取1個樣本。采樣時隨機選擇采樣行，然后沿著采樣行隨機連續(xù)收割能源草植株0.9 m2(6個芽眼的種植面積)作為1個樣本，5次采樣共獲得數據完整的樣本25個。

1.3測定項目

1.3.1莖葉生物量及干鮮比。每次采樣后將能源草投入機器里切碎，混合均勻后稱量樣本鮮重，選取適量莖葉樣品，稱量樣品鮮重，將莖葉樣品置入80 ℃電熱鼓風干燥箱內通風干燥72 h，冷卻至恒重，稱量莖、葉樣品的干物質重量，即莖葉生物量。莖葉樣品的干物質重與其鮮重的百分比即為莖葉干鮮比。

1.3.2莖葉產氣量。將莖葉樣品的干物質置入箱式電阻爐內580 ℃加熱2 h，充分燃燒后冷卻至恒重，稱量莖葉樣品的灰分重量，并計算莖葉干物質的產氣率和產氣量，即莖葉產氣量。

1.3.3莖葉產氣速度。前、后2次采樣莖葉干物質的產氣量之差，除以采樣的間隔天數，可以得到莖葉干物質的產氣速度，即莖葉產氣速度。

1.4數據處理該研究采用SAS JMP 10.0.0軟件及Excel進行數據分析和模型擬合。

2　結果與分析

圖1　莖葉生物量與植后天數的關系Fig.1　The relationship between stem and leaf biomass and days after planting

2.1莖葉生物量的預測模型采用多種直線和曲線方程對植后天數與莖葉生物量的關系進行了模擬，結果表明乘冪函數關系式的擬合效果最好(圖1)。通過模型擬合和擇優(yōu)得到莖葉生物量的預測模型：W=2.338d1.735，式中W表示莖葉生物量(kg/hm2)，d表示植后天數(d)。經檢驗，均方根誤差RMSE為915.870 0，決定系數R為0.856 7*，擬合優(yōu)度很高。

2.2莖葉干鮮比的預測模型采用多種直線和曲線方程對植后天數與莖葉干鮮比的關系進行了模擬，結果表明三參數指數關系式的擬合效果最好，其回歸曲線呈“廠”字形(圖2)。通過模型擬合和擇優(yōu)得到莖葉干鮮比的預測模型：V=20.79-4 174 726Exp(-0.158 2d)，式中V表示莖葉干鮮比(%)，d表示植后天數(d)。經檢驗，均方根誤差RMSE為0.717 4，決定系數R為0.834 5*，擬合優(yōu)度很高?；貧w曲線顯示，生長后期能源草莖葉干鮮比的增速緩慢并逐步趨于穩(wěn)定。將植后天數代入預測模型，顯示干鮮比最終穩(wěn)定在20.77%。

圖2　莖葉干鮮比與植后天數的關系Fig.2　The relationship between dry and fresh ratio of stem and leaf and days after planting

2.3莖葉產氣量的預測模型采用多種直線和曲線方程對植后天數與莖葉產氣量的關系進行了模擬，結果表明乘冪函數關系式的擬合效果最好(圖3)。通過模型擬合和擇優(yōu)得到莖葉產氣量的預測模型：G=2.209d1.73，式中G表示莖葉產氣量(kg/hm2)，d表示植后天數(d)。經檢驗，均方根誤差RMSE為868.41，決定系數R為0.847 9*，擬合優(yōu)度很高。

圖3　莖葉產氣量與植后天數的關系Fig.3　The relationship between stem and leaf gas production and days after planting

2.4莖葉產氣速度的動態(tài)變化莖葉產氣速度的動態(tài)變化如圖4所示，能源草生長后期莖葉產氣速度隨著植后天數的增加呈現(xiàn)出下降趨勢，相關系數r=-0.460 7，P=0.040 9，二者之間呈顯著負相關。

圖4　莖葉產氣速度的動態(tài)變化Fig.4　The dynamic change of stem and leaf gas production rate

3　結論與討論

(1)該研究在由2個種植品種、多個施磷和沼液水平形成的不同栽培條件下取得樣本，每次采樣數量以及不同種植品種之間、不同施磷和沼液水平之間的采樣數量相同，通過模型擬合和擇優(yōu)得到莖葉生物量和產氣量的預測模型，決定系數R分別為0.856 7和0.847 9，擬合優(yōu)度很高。該預測模型是在能源草種莖定植后90 d至首次刈割時期構建的，首茬能源草的生長前期由于干物質積累速度較快，莖葉生物量和產氣量的動態(tài)變化有可能與生長后期產生差異；第2茬能源草由于分蘗數的持續(xù)增加，其莖葉生物量和產氣量的動態(tài)變化也有可能與第1茬不同，這些都有待后續(xù)進一步探討。

(2)有研究表明，對王草生物產量影響最大的是刈割頻率[6]，而種植密度和施肥水平對其產量的影響不顯著。也有報道指出，各牧草品種低海拔區(qū)的刈割次數為6次，中、高海拔區(qū)的刈割次數分別為5次和4次[7]。適時進行刈割，合理確定年刈割次數，對提高能源草莖葉生物產量及產氣量具有積極的意義。該研究結果顯示，首茬能源草莖葉干鮮比的回歸曲線呈“廠”字形，生長后期干鮮比增速緩慢并逐步趨于穩(wěn)定。將植后天數代入莖葉干鮮比的預測模型，顯示干鮮比最終穩(wěn)定在20.77%的水平，表明能源草干鮮比達20.77%時不再增加，此時進入適宜刈割期。

(3)該研究發(fā)現(xiàn)，能源草生長后期莖葉產氣速度隨著植后天數的增加呈現(xiàn)下降趨勢，二者之間呈顯著的負相關，表

明能源草刈割時間推遲會減少產氣數量。該研究受試驗條件的限制并沒有確定能源草產氣速度從上升轉為下降時的拐點，有待后續(xù)進一步研究。

(4)通過植后天數預測能源草的莖葉生物量、干鮮比和產氣量具有非破壞性，可以克服刈割實測受樣本數量限制的矛盾，提高了調查數據的精確度，還具有調查快捷、簡便，工作量少的特點。該研究構建的預測模型是在該試驗栽培條件下獲得的實測數據基礎上構建的，在此范圍內進行能源草莖葉生物量、干鮮比及產氣量的估算，結果精確，若超出該范圍應進行適合性檢驗并確定校正值。

[1]李曉明，楊重法，左應梅，等.估測木薯莖葉生物量的一數學模型[J].熱帶作物學報，2009，30(4)：440-444.

[2]韓文軒，方精云.冪指數異速生長機制模型綜述[J].植物生態(tài)學報，2008，32(4)：951-960.

[3]陸霞梅，周長芳，安樹青，等.植物的表型可塑性、異速生長及其入侵能力[J].生態(tài)學雜志，2007，26(9)：1438-1444.

[4]李春萍，李剛，肖春旺.異速生長關系在陸地生態(tài)系統(tǒng)生物量估測中的應用[J].世界科技研究與發(fā)展，2007，29(2)：51-57.

[5]曾慧卿，劉琪璟，馬澤清，等.千煙洲灌木生物量模型研究[J].浙江林業(yè)科技，2006，26(1)：13-17.

[6]涂旭川，劉國道，白昌軍，等.熱研4號王草栽培技術初探[J].中國農學通報，2008(10)：533-535.

[7]張進國，雷荷仙，黎紀鳳，等.3個牧草品種在銅仁市不同海拔區(qū)的生長表現(xiàn)[J].貴州農業(yè)科學，2014(4)：86-89，93.

Construction of Prediction Model of Stem and Leaf Biomass,Dry-Fresh Ratio and Gas Production of Energy Grass

LI Xiao-ming,LIU Xue-zhong*,YAN Liang et al

(Hainan Shenzhou New Energy Construction and Development Co.Ltd.,Haikou,Hainan 571100)

[Objective]The aim was to provide a simple,rapid,accurate non-constructive method for estimation of stem and leaf biomass,dry-fresh ratio and gas production of energy grass.[Method]This study explored the relationships after planting 90 days to first harvest period between the biomass of stem and leaf,dry-fresh ratio,gas production of energy grass and the number of days after planting.[Result]Through the model fitting and preferred to get the prediction model of stem and leaf biomass W=2.338d1.735,the prediction model of dry-fresh ratio V = 20.79-4 174 726Exp(-0.158 2d) and the prediction model of gas production G=2.209d1.73;The dry-fresh ratio of the stem and leaf growing late grows at a snail’s pace and gradually tends to be stable.The prediction curve shows the final stability is at the level of 20.77%;The gas production rate of stem and leaf shows a downward trend with the increase of the number of days after planting,the significant negative correlation is presented between them.[Conclusion]Through model fitting and preferring,prediction model of stem and leaf biomass,dry-fresh ratio and gas production was obtained with high fitting degree.

Energy grass;Biomass of stem and leaf;Dry-fresh ratio;Gas production;Prediction model

海南省科技廳資助項目(CXY20130052)。

李曉明(1974- )，男，安徽霍邱人，農藝師，碩士，從事作物栽培研究。*通訊作者，工程師，從事新能源研究與開發(fā)工作。

2016-06-22

S 543+.9

A

0517-6611(2016)25-010-02