王 瑾， 陳書濤*， 丁司丞， 姚雪雯， 張苗苗， 胡正華

1. 南京信息工程大學(xué)江蘇省農(nóng)業(yè)氣象重點實驗室， 江蘇 南京 210044

2. 南京信息工程大學(xué)應(yīng)用氣象學(xué)院， 江蘇 南京 210044

引 言

溫室氣體排放導(dǎo)致的全球變暖是人們關(guān)注的重要環(huán)境問題。 CO2是最主要的溫室氣體， 大氣中CO2濃度升高與全球碳循環(huán)有關(guān)[1]。 綠色植物葉片在通過光合作用固定CO2的同時還通過呼吸作用向大氣中排放CO2[2]。 在生態(tài)系統(tǒng)中， 植物葉片的呼吸是重要的生理生態(tài)過程， 有一部分光合產(chǎn)物通過葉片呼吸而消耗， 從而為植物生命活動供給能量[3]。

不同植物的葉片呼吸存在差異， 且同一種植物在不同生長階段的葉片呼吸也不同， 葉片呼吸與一系列葉片生長指標(biāo)和葉片性狀有關(guān)[4]。 以往研究表明， 具有不同代謝活性的不同類型植物的葉片呼吸存在差異， 這種差異與葉片基因型、 大小、 形狀、 質(zhì)量等因素有關(guān)[5-6]。 同一種植物在不同生長環(huán)境和生長階段下的葉片呼吸與比葉面積有關(guān)， 不同植物類型的葉片呼吸系數(shù)均與比葉面積呈現(xiàn)出線性回歸關(guān)系[7]。 研究表明， 葉片呼吸還與葉片氮含量表現(xiàn)為線性回歸關(guān)系[8]， 氮含量高低對葉片呼吸的影響可能體現(xiàn)了蛋白質(zhì)周轉(zhuǎn)過程和活性對生命維持活動的影響程度大小， 兩者間的這種關(guān)系不僅體現(xiàn)在不同植物類型上， 而且體現(xiàn)在同一種植物不同位置的葉片上[9-10]。 然而關(guān)于這方面的研究還相對較少， 與自然生態(tài)系統(tǒng)相比， 不同作物不同生長階段葉片的呼吸也存在差異。 利用高光譜技術(shù)測得的植被指數(shù)可反映作物的某些生理生長特征(如： 綠度、 葉面積指數(shù))[11-12]， 作為葉片生長狀況指標(biāo)的葉片呼吸與高光譜植被指數(shù)可能存在聯(lián)系。 然而關(guān)于作物葉片呼吸與植被指數(shù)關(guān)系的研究非常鮮見， 而基于植被指數(shù)和葉片性狀的作物葉片呼吸的模擬模型則更加缺乏。

本研究觀測大豆不同生長階段的葉片呼吸及呼吸系數(shù)， 并觀測高光譜植被指數(shù)和葉片葉綠素含量、 葉重、 葉面積、 比葉面積、 氮含量等葉片性狀， 分析葉片呼吸及呼吸系數(shù)與植被指數(shù)和葉片性狀的關(guān)系， 以期為更準(zhǔn)確地估算作物呼吸提供基礎(chǔ)數(shù)據(jù)和理論支撐。

1 實驗部分

1.1 試驗地點

在南京信息工程大學(xué)農(nóng)業(yè)氣象試驗站(32.21°N， 118.70°E)進(jìn)行田間試驗。 試驗地多年平均降水量為1 100 mm， 多年平均氣溫為15.6 ℃， 供試土壤為黃棕壤。 0～20 cm耕層土壤質(zhì)地為壤質(zhì)黏土， 土壤田間持水量25.6%， 容重1.54 g·cm-3， pH(H2O)為6.30， 有機碳含量8.91， 全氮含量0.81 g·kg-1。

1.2 田間試驗

于2020年06月至2020年10月進(jìn)行田間試驗， 在3個面積分別為2.5 m×2.5 m的小區(qū)種植大豆(GlycinemaxL.)， 大豆品種為八月白。 于2020.06.09施用基肥(復(fù)合肥51.3 g·m-2)， 復(fù)合肥N∶P2O5∶K2O之比分別為15%∶15%∶15%。 于2020年06月09日播種大豆， 大豆三葉期、 分枝期、 開花期、 結(jié)莢期分別為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。

1.3 數(shù)據(jù)采集及分析

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日期間采用紅外CO2氣體分析儀(SoilBox-FMS, Sable systems公司， USA)測定每個小區(qū)中各6片頂1葉(植株最頂端葉片)、 頂2葉(從頂端數(shù)第2片葉片)、 頂3葉(從頂端數(shù)第3片葉片)的葉片呼吸， 進(jìn)而計算單片葉片呼吸值(6片葉片的平均值)。 在測定葉片呼吸的同時記錄氣溫。 分別測定6片大豆葉片鮮重、 干重、 葉片面積， 以6片葉片平均值得到單片葉片鮮重、 干重及葉片面積， 進(jìn)而計算葉片含水量、 比葉面積。 以單葉片呼吸與葉片干重的比值作為葉片呼吸系數(shù)。 以便攜式葉綠素儀(SPAD-502PLUS， Konica Minolta公司， 日本)測定6片大豆頂1葉、 頂2葉、 頂3葉的葉綠素SPAD值， 進(jìn)而計算其單片葉片SPAD值。

在測定大豆葉片呼吸的當(dāng)天中午(此時光照條件較好)， 采用便攜式地物光譜儀(Fieldspec 4 Standardard-Res， ASD公司， 美國)采集田間大豆冠層反射率， 波段范圍為350～2 500 nm， 光譜采樣間隔為1.4～2nm， 探頭視場角為25°。 于11:00—14:00采集大豆冠層反射率， 測量時保持光譜儀探頭垂直向下， 距作物冠層上方約50 cm。 每次數(shù)據(jù)采集前使用40 cm×40 cm高光譜標(biāo)準(zhǔn)白板進(jìn)行校正， 白板前后校準(zhǔn)時間間隔不超過5 min。 在每個小區(qū)選擇2個點進(jìn)行測定， 每個點測量獲得5條光譜曲線， 在每個小區(qū)共測得10條反射率曲線。 采用ViewSepcPro光譜處理軟件對原始光譜曲線進(jìn)行預(yù)處理。 根據(jù)測定得到的大豆冠層反射率計算歸一化植被指數(shù)(NDVI)、 差值植被指數(shù)(DVI)、 比值植被指數(shù)(RVI)、 增強植被指數(shù)(EVI)、 光化學(xué)植被指數(shù)(PRI)、 紅邊葉綠素指數(shù)(RECI)(表1)。 由于植被葉片冠層結(jié)構(gòu)及海綿組織對近紅外光譜強烈反射而形成一個近紅外高臺， 植被生長越旺盛， 冠層密度越大， 反射越強， 由此構(gòu)建的植被指數(shù)NDVI， DVI， RVI和EVI可較好地反映植物生長狀況， 而PRI可反映植物元素含量[13]。 另外， RECI也是植被光譜曲線的特征值， 與植被生理特征關(guān)系密切， 當(dāng)植物生長旺盛， 覆蓋度大時， RECI值相對較大[14]。 由于作物呼吸作用與生長過程相關(guān)， 故選擇這些植被指數(shù)作為影響葉片呼吸的潛在變量。

表1 植被指數(shù)的計算公式

將不同日期烘干后的大豆頂1葉、 頂2葉、 頂3葉磨碎， 過100目篩， 采用凱氏定氮法測定大豆葉片全氮含量[15]。

1.4 數(shù)據(jù)分析

采用單因素方差分析判斷頂1葉、 頂2葉、 頂3葉季節(jié)平均單葉片呼吸及呼吸系數(shù)的差異顯著性。 以Pearson相關(guān)分析判斷單葉片呼吸及葉片呼吸系數(shù)與NDVI、 DVI、 RVI、 EVI、 PRI、 RECI、 SPAD值、 鮮重、 干重、 含水量、 葉面積、 比葉面積、 氮含量的關(guān)系。 建立基于高光譜植被指數(shù)與葉片性狀的單葉片呼吸和呼吸系數(shù)多元回歸方程， 以方差膨脹因子(VIF)來判斷各潛在影響變量的共線性， 當(dāng)某因素VIF<10時， 可作為多元非線性回歸的自變量。 以觀測的單葉片呼吸及呼吸系數(shù)與模擬的單葉片呼吸及呼吸系數(shù)進(jìn)行回歸模擬， 并結(jié)合均方根誤差(RMSE)、 模擬有效性(ME)、 平均絕對誤差(MAE)、 赤池信息準(zhǔn)則(AIC)、 貝葉斯信息準(zhǔn)則(BIC)[19]檢驗多元回歸模型的模擬有效性。 在評估針對某個因變量的模型時， RMSE， MAE， AIC和BIC越小， 模型模擬效果越好， 而ME越大， 模型模擬效果越好。

2 結(jié)果與討論

2.1 單片葉片呼吸及呼吸系數(shù)

單片葉片呼吸存在明顯的季節(jié)變化規(guī)律， 最高的頂1葉單葉片呼吸出現(xiàn)在2020年08月03日， 最低的頂3葉單葉片呼吸出現(xiàn)在2020年10月05日[圖1(a)]。 葉片呼吸系數(shù)總體呈逐漸降低的季節(jié)變化規(guī)律， 大豆生長后期的葉片呼吸系數(shù)低于生長前期， 頂1葉、 頂2葉最大呼吸系數(shù)均出現(xiàn)在2020年06月30日[圖1(b)]。 就季節(jié)平均值而言， 頂1葉、頂2葉、 頂3葉單葉片呼吸無顯著差異(p>0.05)， 其呼吸系數(shù)也無顯著差異(p>0.05)。

圖1 單片葉片呼吸及葉片呼吸系數(shù)的季節(jié)變化

2.2 高光譜植被指數(shù)及葉片性狀

由圖2(a—f)可見， 不同高光譜植被指數(shù)的季節(jié)動態(tài)之間存在差異， NDVI在不同時期的差異性相對其他植被指數(shù)而言更小一些， RVI， EVI， PRI和RECI在生長季中期的數(shù)值相對更大， 而生長初期和生長末期的數(shù)值相對更小， 表現(xiàn)為單峰曲線的變化規(guī)律， 例如EVI和PRI的最大值分別出現(xiàn)在2020年08月20日和2020年08月03日。 與呼吸系數(shù)類似， 2020年10月05日的EVI， PRI和RECI值高于2020年09月14日的值， 這說明作物生長后期不同葉片之間的性狀仍存在較大差異。

圖2 (a) NDVI， (b) DVI， (c) RVI， (d) EVI， (e) PRI， (f) RECI的季節(jié)變化

2.3 葉片呼吸和呼吸系數(shù)與高光譜植被指數(shù)和葉片性狀的關(guān)系

葉片SPAD值變異范圍為(34.58±2.05)～(52.23±1.62)， 除2020年06月30日的生長初期外， 其余觀測日頂3葉SPAD值總體上最低。 單片葉片鮮重的變異范圍為(0.19±0.05)～(1.41±0.17) g， 單片葉片干重的變異范圍為(0.57±0.07)～(0.10±0.01) g， 除2020年06月30日的生長初期外， 單片葉片鮮重和干重均表現(xiàn)為隨著葉片位置下降而逐漸降低。 葉片含水量的變異范圍為(0.41%±0.08%)～(0.73%±0.01%)， 2020年08月20日和2020年10月05日的葉片含水量相對較低， 不足50%。 除2020年06月30日的生長初期外， 單片葉片面積總體表現(xiàn)為隨著葉片位置下降而逐漸降低。 葉片比葉面積總體隨著生長季延長而降低。 葉片氮含量無明顯的季節(jié)增減規(guī)律， 這可能與取樣植株和葉片的具體生長情況有關(guān)。

Pearson相關(guān)分析表明， 單葉片呼吸與氣溫存在極顯著(p=0.009)相關(guān)關(guān)系， 單葉片呼吸與PRI存在極顯著(p=0.009)相關(guān)關(guān)系， 與RECI(p=0.024)和氮含量存在顯著(p=0.015)相關(guān)關(guān)系(表2)。 呼吸系數(shù)與氣溫存在顯著(p=0.017)相關(guān)關(guān)系， 呼吸系數(shù)與鮮重、 干重、 比葉面積存在極顯著(p<0.001)相關(guān)關(guān)系， 呼吸系數(shù)與SPAD值存在顯著(p=0.022)相關(guān)關(guān)系。 有的高光譜植被指數(shù)之間存在極顯著(p<0.001)相關(guān)關(guān)系， 例如NDVI與RVI， NDVI與RECI， DVI與EVI等。 有的葉片性狀之間存在顯著(p<0.05)或極顯著(p<0.001)相關(guān)關(guān)系， 例如葉片面積與SPAD值之間存在顯著(p=0.032)相關(guān)關(guān)系， 與鮮重、 干重之間存在極顯著(p<0.001)相關(guān)關(guān)系。

表2 葉片呼吸與氣溫、 NDVI、 DVI、 RVI、 EVI、 PRI、 RECI、 SPAD值、 鮮重、 干重、 含水量、 葉面積、 比葉面積、 氮含量的Pearson相關(guān)分析

多元回歸分析表明， 基于氣溫(AT)、 PRI、 RECI、 氮含量(N)的回歸方程可模擬單葉片呼吸(R)60.4%的變異[見式(1)]， 基于氣溫(AT)、 SPAD值、 葉片質(zhì)量(DM)、 比葉面積(SLA)的回歸方程可模擬葉片呼吸系數(shù)(Rc)72.4%的變異[見式(2)]。 對觀測的單葉片呼吸和呼吸系數(shù)與模擬的單葉片呼吸和呼吸系數(shù)進(jìn)行的回歸分析表明， 觀測值與模擬值之間具有極顯著的回歸關(guān)系， 其斜率分別為0.996 9和1.196 1， 非常接近1∶1的比例線[圖3(a,b)]。 描述單葉片呼吸和呼吸系數(shù)模型模擬效果的RMSE， MAE， AIC和BIC均較低， 而ME均較高。

圖3 觀測的單片葉片呼吸及呼吸系數(shù)與模擬的單片葉片呼吸與呼吸系數(shù)的關(guān)系

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)

2.4 葉片呼吸

作物葉片呼吸是重要的葉片生物學(xué)指標(biāo)， 反映了葉片維持其自身生命活動的能力， 葉片呼吸的底物來自于光合作用， 因而與光合作用有關(guān)的因素如葉片生長速率、 生物量大小、 氮含量、 葉片性狀均影響葉片呼吸[6]。 植被指數(shù)通過冠層反射率計算得到， 而反射率反映了植物色素含量、 元素含量、 冠層密度、 生物量等指標(biāo)， 這些指標(biāo)也是影響葉片呼吸的潛在變量。 葉片呼吸與植被指數(shù)具有內(nèi)在聯(lián)系(表2)。

本研究中， 測定大豆葉片呼吸速率的時間與光譜測定時間(中午)較為接近， 忽略大豆葉片呼吸速率日變化的原因一方面是本研究中主要考慮中午光譜數(shù)據(jù)的準(zhǔn)確性， 另一方面是主要考慮大豆葉片呼吸在不同生育期及葉片位置的差異， 且大豆葉片呼吸在不同生育期及葉片位置的差異與高光譜指數(shù)對應(yīng)。 以往研究表明頂1葉至頂3葉是監(jiān)測作物物質(zhì)含量的最佳葉位， 其在各個生育期的代表性比下部葉片更好[20-21]， 由于葉片呼吸作用與氮素含量有關(guān)[9]， 本研究選擇頂1葉、 頂2葉、 頂3葉作為測定呼吸作用的葉片。 以往研究表明， 熱帶雨林冠層頂部葉片呼吸高于下部葉片呼吸， 且上部葉片干重大于下部葉片， 而上部葉片比葉面積小于下部葉片[22-23]。 本研究中， 就整個生長季平均而言， 大豆頂1葉、 頂2葉、 頂3葉單葉片呼吸和呼吸系數(shù)無顯著(p>0.05)差異， 而生長中后期大豆頂1葉單葉片呼吸大于頂2葉和頂3葉。 造成這種差異的原因可能與大豆不同冠層高度光照和熱帶雨林不同冠層高度光照的差異有關(guān)， 本研究中大豆生長初期植株高度對光照的影響相對較小， 這可能使得大豆不同高度植株得到的光照相差不大， 而在大豆生長中后期隨著植株高度對光所受照的影響增大， 其單葉片呼吸也產(chǎn)生了差異。

2.5 葉片呼吸的影響因素

研究顯示了單葉片呼吸與高光譜植被指數(shù)的顯著相關(guān)性。 高光譜植被指數(shù)反映了作物生長狀況， 而葉片呼吸也與作物生長過程有關(guān)[24-25]。 研究中6個植被指數(shù)在作物生長初期和生長末期均相對較低， 而在作物生長中期(即旺盛生長階段)均相對較高， 特別是PRI和RECI的單峰曲線季節(jié)變化模式相對更為明顯。 植被指數(shù)是作物生長發(fā)育動態(tài)， 如色素、 結(jié)構(gòu)性指標(biāo)的綜合性作用結(jié)果， 其差異性體現(xiàn)了作物生長發(fā)育動態(tài)變化。 在作物生長中期， 葉片生長較快， 為后期的作物結(jié)實儲存營養(yǎng)物質(zhì)； 在作物生長末期， 葉片活性減弱， 色素含量發(fā)生變化， 而植被指數(shù)可反映這些不同生長階段的差異。 單葉片呼吸與高光譜植被指數(shù)的聯(lián)系表明葉片呼吸可通過高光譜植被指數(shù)模擬。 盡管高光譜植被指數(shù)隨作物生長階段的不同而存在差異， 但PRI和RECI均與單葉片呼吸存在顯著(p<0.05)相關(guān)關(guān)系。 以往研究表明， EVI比NDVI可更好地反映作物冠層結(jié)構(gòu)， 包含EVI的模擬生態(tài)系統(tǒng)呼吸的模型比包含NDVI的模型可更好地解釋生態(tài)系統(tǒng)呼吸的變異[26]。 本研究表明， 基于氣溫、 PRI、 RECI、 氮含量的模型可較好地解釋單葉片呼吸。 研究中葉片呼吸系數(shù)與高光譜植被指數(shù)無顯著相關(guān)性的原因主要在于高光譜植被指數(shù)反映的是作物冠層總體狀況， 而呼吸系數(shù)表征的是單位質(zhì)量葉片的呼吸強度， 其主要與作物葉片性狀有關(guān)(表2)。 SPAD值與光合作用有關(guān)， 而光合作用為葉片呼吸供給碳源， SPAD值與呼吸系數(shù)的關(guān)系間接反映了葉綠素與光合作用的聯(lián)系。 Reich等[27-28]的研究表明， 植物葉片呼吸系數(shù)與其比葉面積和氮含量之間均存在極顯著(p<0.01)線性回歸關(guān)系。 孫文娟等[29-30]的研究表明， 冬小麥和水稻地上部分呼吸系數(shù)與氮含量呈極顯著(p<0.01)線性回歸關(guān)系， 向土壤中添加氮元素可提高植株氮含量進(jìn)而提高地上部分呼吸系數(shù)。 氮是葉片蛋白質(zhì)的重要組成元素， 對維持蛋白質(zhì)活性和轉(zhuǎn)運起重要作用[31]， 呼吸系數(shù)與氮含量的關(guān)系體現(xiàn)了作物葉片呼吸與蛋白質(zhì)周轉(zhuǎn)和代謝等生命活動有關(guān)[32]。 表2表明， 具有更大質(zhì)量和比葉面積的大豆具有相對更高的呼吸活性(即呼吸系數(shù)更高)， 具有這些特征的葉片需要維持與碳固定有關(guān)的更高的代謝活性[33]， 其呼吸系數(shù)也更高。 比葉面積反映了葉片生長效率和維持生命活動的效率， 也與呼吸系數(shù)有關(guān)[34]。 大豆單葉片呼吸和呼吸效率與葉片性狀之間的相關(guān)性體現(xiàn)了葉片不同性狀和生理活性的內(nèi)在關(guān)聯(lián)性。

在模擬單葉片呼吸和呼吸系數(shù)時， 需采用不同的高光譜植被指數(shù)和葉片性狀指標(biāo)。 葉片呼吸與植被指數(shù)具有顯著相關(guān)性(表2)， 特別是單葉片呼吸與PRI的相關(guān)系數(shù)r達(dá)到0.597(p=0.009)， 在模擬葉片呼吸時， 在溫度和葉片性狀指標(biāo)基礎(chǔ)上加入植被指數(shù)因子可較好地解釋葉片呼吸的季節(jié)變化， 分別如圖3(a, b)所示。 本研究中基于地面觀測的高光譜植被指數(shù)和微觀尺度的葉片性狀指標(biāo)為基于高空和衛(wèi)星遙感的作物葉片呼吸的反演提供了可能， 進(jìn)而可對更大范圍的葉片呼吸進(jìn)行估算。 今后需對更多種作物葉片呼吸與高光譜植被指數(shù)和葉片性狀的關(guān)系進(jìn)行研究， 以期得到更具廣泛性的結(jié)果。

3 結(jié) 論

(1)大豆單片葉片呼吸和呼吸系數(shù)均存在明顯的季節(jié)變化規(guī)律， 但頂1葉、 頂2葉、 頂3葉的單片葉片呼吸和呼吸系數(shù)之間均無顯著差異。

(2)不同高光譜植被指數(shù)的季節(jié)變化規(guī)律不同。 除大豆生長初期外， 隨著葉片位置下降， SPAD值、 鮮重、 干重、 葉面積均逐漸下降。

(3)基于氣溫、 PRI、 RECI、 氮含量的模型可模擬單片葉片呼吸60.4%的季節(jié)性變異， 而基于氣溫、 SPAD值、 葉片干重、 比葉面積的模型可模擬葉片呼吸系數(shù)72.4%的季節(jié)性變異。