桑志勤，張占琴，段震宇，陳樹賓，王友德，郭斌，張小偉

（1.新疆農墾科學院，新疆石河子832000；2.新疆生產建設兵團第六師農業(yè)科學研究所，新疆五家渠831300）

玉米秸稈是我國3大主要糧食作物的副產品之一，秸稈產量占到全國作物秸稈總量的36.81%[1-2]。目前，在新疆許多奶牛場采用秸稈作為重要的青貯飼料來源，因此在新疆果穗收獲后新鮮的玉米秸稈是動物飼料重要發(fā)展方向之一。同時，作物的植株生物量是作物生長監(jiān)測和產量評估的重要指標之一，在農業(yè)生產和生態(tài)系統(tǒng)管理中發(fā)揮著重要作用[3-5]。作物的植株生物量與產量具有很強的相關性，在作物早期的生長發(fā)育階段依據其生物量確定精準的栽培管理措施具有重要意義[6-7]。然而，精確地評估秸稈生物量仍然是一項難度很高的任務，玉米的生物量測量技術仍然面臨著許多挑戰(zhàn)。田間直接測量會破壞生物體本身，干燥處理測量干物質質量，其測量過程費時、費力，并不適合于大規(guī)模不同時間和不同空間的測量。

國內外采用了多種不同的測量方法，通過玉米植株相關表型參數的評估來估算玉米的生物量。研究人員分析了不同光譜、紅綠藍植被指數以及覆蓋和密度的估計值，利用模型估算玉米植株生物量[8]，或采用高光譜和激光雷達掃描技術對玉米生物量運用偏最小二程回歸法進行估算[9-10]。與其他農作物相比，這些技術用于玉米秸稈生物量測量具有一定的難度。玉米地上部植株高度通常達到3 m左右，進行地面觀測實現準確測量需要考慮到高分辨率、地形的起伏和單株的3D結構等因素。而基于玉米株高的生物量測量和預測模型具有測量簡單、相關度高等優(yōu)勢[11-13]。本研究擬以376個不同的玉米雜交組合為材料，以玉米株高、葉片數為指標，進行線性回歸分析，建立玉米蠟熟期單株生物量預測模型，并對預測精確度進行評估，從而為實現玉米生物量高效測量提供理論依據。

1 材料與方法

1.1 數據獲取

試驗地點為新疆維吾爾自治區(qū)石河子市新疆農墾科學院作物研究所試驗地（85°94′E、44°27′N），海拔480 m。玉米于2018年4月28日播種，行長3 m，行距55 cm，田間栽培管理同當地大田滴灌玉米種植管理方式。本研究隨機選取試驗地內不同類型玉米雜交組合400份作為研究材料。相關參數測量日期為2018年8月27日（蠟熟期），測量時每個材料選取中間行代表性植株4株，分別測量玉米的株高（玉米雄穗頂端至地面的距離）、葉片數（于小口期用紅漆點第8張葉片作為標記），然后分部位收獲玉米的地上部分（莖稈+葉片），裝入網紗袋中，

放入烘干房中烘干，烘干溫度為45℃，待玉米植株質量恒定后稱量其各部位的干物質質量。

1.2 數據處理

對獲得的玉米株高、葉片數、葉片質量、莖稈質量數據進行初步篩選，計算葉片質量和莖稈質量的比值，剔除葉片質量大于莖稈質量的異常數據，總共得到376份樣本，用于數據對模型的檢驗[14-15]。

1.3 數據分析

以玉米株高（H）、葉片數（L）為自變量，玉米干物質質量（DW）為因變量，首先對回歸分析中的各個因素使用R 3.5.3軟件的cor函數進行皮爾森相關系數分析，再使用R 3.5.3軟件lm函數的多元線性回歸功能對玉米的各項數據進行回歸分析，建立玉米生物量的擬合模型。線性回歸分析中，選用決定系數、均方根誤差（RMSE）和相對均方根誤差（rRMSE）作為模型預測準確度的評價指標[13]。

式中：n表示樣本數量；Si表示人工測量值；Si1:表示預測值。通常R2越大，RMSE和rRMSE值越小，表示回歸分析的效果越好。選用值對回歸模型中的各參數顯著性進行檢驗。

2 結果與分析

2.1 樣本特征

對376個玉米單株樣本的單株干物質質量、株高、葉片數數據進行分析（表1和圖1），3個性狀均呈典型的正態(tài)分布。單株干物質質量的分布幅度為137.1～998.6 g，平均單株干物質質量為428.4 g，變異系數為34.5%。樣本株高分布幅度為164.0～390.0 cm，平均株高為304.0 cm，變異系數為12.4%。

表1 376個玉米雜交組合的主要特征

2.2 各變量之間的相關性分析

為了保證模型線性相關的準確性，對玉米株高、葉片數和單株干物質質量進行了相關性分析。由表2可見，單株秸稈生物量與株高、葉片數均呈極顯著正相關，株高與單株生物量的相關性最高，2個因變量都可用于建立模型分析。

表2 玉米雜交組合各性狀的相關性分析

2.3 玉米生物量預測多元回歸模型的建立

分別以株高、葉片數單一變量為自變量，或幾個因變量組合為自變量，以玉米單株干物質質量為因變量擬合多元線性回歸模型（表3）。在多種回歸模型的分析中，各自變量P值均小于0.01，表明統(tǒng)計結果顯著。

以株高、葉片數為單一變量建立表3中的模型1、模型2，由結果可知，株高的相關系數高于葉片數的。以株高、葉片數為輸入量，建立生物量預測表3中的模型3（圖2模型3），與玉米單株干物質質量的相關性較高，模型3的決定系數R2為0.39，均方根誤差RMSE為115.19 g，相對均方根誤差rRMSE為0.61。模型4的相關性最高，其決定系數R2為0.40，均方根誤差RMSE為114.62 g，相對均方根誤差rRMSE為0.60。在本研究中，多元回歸模型3、4、5、6均具有較高的擬合度。

表3 376個玉米雜交組合的生物量模型及評價

3 結論與討論

玉米單株秸稈干物質質量與各調查性狀的相關性分析表明，玉米秸稈的干質量變異系數大于株高和葉片數的變異系數，意味著玉米秸稈干物質積累的變異幅度大于其他性狀的變異幅度。趙紅香等的研究表明，農大108、高油298、鄭單958的單株秸稈干物質質量分別為217、168、230.9 g[16]。本研究所配置組合部分親本含有熱帶、亞熱帶血緣，株型高大、秸稈干物質產量高，更適宜于作為糧飼兼用型玉米。所有樣本單株干物質質量的變異系數均較大，可以代表較為豐富的多樣性來源，呈現出更加豐富的變異區(qū)間。仇瑞承等研究認為，玉米莖粗長軸和短軸與玉米干物質質量相關性高于玉米株高[15]，在本研究中，秸稈干物質質量與株高、葉片數之間密切的正相關，株高對秸稈產量的影響更大。

應用玉米株高、葉片數參數建立了玉米收獲期的生物量擬合模型。其中，多元回歸模型3、4、5、6都具有較好的適用性（圖2），模型的決定系數分別為0.39、0.40、0.40、0.39。仇瑞承等以玉米株高、莖粗長軸、莖粗短軸為因變量構建9種不同的線性模型用于玉米生物量的評估，認為多元回歸模型和逐步回歸模型具有較高的擬合精度[15]。秦佳梅等以苦碟子株高和植株干鮮質量進行分析，認為指數函數相比多元回歸模型具有更好的擬合度[14]。本研究回歸模型的決定系數不是很高。考慮到玉米蠟熟期的果穗質量占單株干物質質量的比例很大，而且莖稈粗度對干物質影響較大，本研究中未對果穗質量和莖稈粗度進行測量，進一步的分析中應該將果穗干質量和莖稈粗度考慮進去。