高晨凱，劉水苗，李煜銘，趙志恒，邵京，于昊琳，吳鵬年，王艷麗，關(guān)小康，王同朝，溫鵬飛

冬小麥水分利用效率相關(guān)驅(qū)動(dòng)因子及其預(yù)測(cè)模型構(gòu)建

高晨凱1，劉水苗1，李煜銘1，趙志恒1，邵京1，于昊琳1，吳鵬年2，王艷麗2，關(guān)小康1，王同朝1，溫鵬飛1

1河南農(nóng)業(yè)大學(xué)農(nóng)學(xué)院，鄭州 450046；2河南農(nóng)業(yè)大學(xué)資源與環(huán)境學(xué)院，鄭州 450046

【目的】水分利用效率能夠綜合反映冬小麥生長(zhǎng)適宜度和能量轉(zhuǎn)化效率，篩選并探究冬小麥各生育時(shí)期響應(yīng)標(biāo)準(zhǔn)化水分利用效率（WP*）的驅(qū)動(dòng)因子，構(gòu)建相關(guān)驅(qū)動(dòng)因子的WP*預(yù)測(cè)模型，對(duì)黃淮海平原冬小麥水分利用效率監(jiān)測(cè)及水資源高效利用具有重要意義?！痉椒ā恳远←湠檠芯繉?duì)象，設(shè)置3個(gè)水分處理，包括水分虧缺處理（W1）：35 mm和（W2）：48 mm，對(duì)照處理（W3）：68 mm，獲取冬小麥拔節(jié)期、孕穗期和灌漿期的冠層溫度參數(shù)、生理指標(biāo)和標(biāo)準(zhǔn)化水分利用效率（WP*）。通過(guò)逐步回歸和通徑分析篩選各生育時(shí)期響應(yīng)WP*變化的主要驅(qū)動(dòng)因子，探究WP*與相關(guān)驅(qū)動(dòng)因子間關(guān)系，最后采用偏最小二乘回歸（PLSR）和支持向量機(jī)（SVM）方法構(gòu)建各生育時(shí)期基于驅(qū)動(dòng)因子的WP*預(yù)測(cè)模型。【結(jié)果】較對(duì)照處理（常規(guī)灌溉），水分虧缺處理下冬小麥冠層溫度參數(shù)、生理指標(biāo)和WP*均表現(xiàn)出顯著差異?；谥鸩交貧w方法篩選出了各生育時(shí)期響應(yīng)WP*的主要驅(qū)動(dòng)因子，并采用通徑分析得到各驅(qū)動(dòng)因子響應(yīng)WP*敏感程度排序，即拔節(jié)期依次為冠層溫度極差（MTD）、氣孔導(dǎo)度（s）、葉片含水量（LWC）和POD；孕穗期依次為冠層相對(duì)溫差（CRTD）、等效水厚度（EWT）、可溶性糖含量（SSC）和作物水分脅迫指數(shù)（CWSI）；灌漿期依次為SSC、冠層溫度標(biāo)準(zhǔn)差（CTSD）、LWC和s。最后，采用偏最小二乘回歸（PLSR）和支持向量機(jī)（SVM）基于篩選后的驅(qū)動(dòng)因子構(gòu)建了各生育時(shí)期WP*預(yù)測(cè)模型，其中以SVM構(gòu)建的孕穗期WP*預(yù)測(cè)模型精度最優(yōu)，2cal（2val）、RMSEcal（RMSEval）和nRMSEcal（nRMSEval）分別為0.945（0.926）、0.533 g·m-2（0.580 g·m-2）和2.844%（3.075%）?！窘Y(jié)論】通過(guò)篩選冬小麥各生育時(shí)期響應(yīng)WP*的相關(guān)驅(qū)動(dòng)因子信息及構(gòu)建冬小麥水分利用效率預(yù)測(cè)模型，為黃淮海平原冬小麥水分精準(zhǔn)監(jiān)測(cè)與管理提供了理論基礎(chǔ)。

冬小麥；標(biāo)準(zhǔn)化水分利用效率（WP*）；驅(qū)動(dòng)因子；通徑分析；支持向量機(jī)

0 引言

【研究意義】全球氣候變暖與水資源日益緊缺，為我國(guó)農(nóng)業(yè)生產(chǎn)帶來(lái)嚴(yán)峻挑戰(zhàn)[1-2]。黃淮海平原是我國(guó)重要的冬小麥生產(chǎn)區(qū)，該地區(qū)冬小麥生長(zhǎng)期內(nèi)降水一般低于300 mm，水資源季節(jié)分配不均嚴(yán)重制約了當(dāng)?shù)囟←湹目沙掷m(xù)生產(chǎn)[3-4]。冬小麥?zhǔn)撬置舾凶魑?，尤其在拔?jié)期、孕穗期和灌漿期缺水會(huì)使小麥生長(zhǎng)發(fā)育遲緩，葉片萎蔫，甚至減產(chǎn)[5-6]。水分利用效率能夠反映作物同化物積累和水分消耗間的關(guān)系，是評(píng)價(jià)作物生長(zhǎng)適宜度的綜合生理生態(tài)指標(biāo)[7]。由于作物自身的需水特性不同，不同發(fā)育階段的作物水分利用效率及其驅(qū)動(dòng)因子存在差異性[8-9]。因此，探尋冬小麥不同生育時(shí)期水分利用效率相關(guān)驅(qū)動(dòng)因子及精準(zhǔn)的水分利用效率監(jiān)測(cè)對(duì)黃淮海地區(qū)小麥生產(chǎn)管理具有重要意義?！厩叭搜芯窟M(jìn)展】水分利用效率是評(píng)價(jià)作物水分虧缺下生長(zhǎng)狀況的綜合指標(biāo)，能夠表征作物協(xié)調(diào)水分耗散和碳同化間關(guān)系，尤其在葉片水平上的水分利用效率可以揭示作物內(nèi)在耗水機(jī)制[10]。劉軒等[11]將水分利用效率的變化作為生態(tài)干旱敏感性問(wèn)題的決策因子，可以很好地反映植被遭受干旱脅迫的程度。崔茜琳等[12]基于MODIS遙感數(shù)據(jù)分析得到影響青藏高原植被水分利用效率的主要因子為氣溫和降水。陳露等[13]得出CO2通量和葉面積指數(shù)是響應(yīng)冬小麥-夏玉米輪作雨養(yǎng)農(nóng)田生態(tài)系統(tǒng)水分利用效率的主要因子。莊淏然等[14]揭示了在寧夏引黃灌區(qū)土壤水分和VPD是影響玉米農(nóng)田生態(tài)系統(tǒng)水分利用效率的關(guān)鍵因素。周青云等[15]發(fā)現(xiàn)冬小麥不同冠層葉片水分利用效率隨光合有效輻射增加而呈升高趨勢(shì)，且上、中層水分利用效率高于下層。JIN等[16]得出水分脅迫下冬小麥水分利用效率取決于產(chǎn)量及實(shí)際蒸散量。國(guó)際糧農(nóng)組織FAO推出的AquaCrop作物模型對(duì)水分利用效率進(jìn)行歸一化處理，YUAN等[17]的研究表明采用歸一化的水分利用效率（WP*）比WUE（單位產(chǎn)量/單位水）更能穩(wěn)定評(píng)估氣候多變的內(nèi)蒙古地區(qū)的作物生長(zhǎng)等參數(shù)。CAMPOS等[18]結(jié)合多遙感平臺(tái)數(shù)據(jù)，采用標(biāo)準(zhǔn)化水分利用效率（WP*）模型實(shí)現(xiàn)春小麥生物量反演，結(jié)果與實(shí)測(cè)值具有良好的一致性。韓文霆等[19]也得出結(jié)合無(wú)人機(jī)平臺(tái)，WP*較WUE更能精準(zhǔn)估測(cè)玉米生物量和水分利用效率。【本研究切入點(diǎn)】前人研究大多集中在環(huán)境因子（氣溫、降水、光照等）對(duì)農(nóng)田水分利用效率的響應(yīng)方面，而對(duì)于作物內(nèi)在生理特征，如氣孔導(dǎo)度、抗氧化酶類(lèi)和冠層溫度等驅(qū)動(dòng)因素方面研究較少。由于作物各生育時(shí)期具有不同的需水特征，僅采用單一生育時(shí)期指標(biāo)參數(shù)響應(yīng)水分利用效率存在信息片面性及精度較低等問(wèn)題[20-21]。【擬解決的關(guān)鍵問(wèn)題】以冬小麥為研究對(duì)象，分析不同水分處理下冬小麥各生育時(shí)期冠層溫度參數(shù)、生理指標(biāo)和標(biāo)準(zhǔn)化水分利用效率（WP*）變化特征，利用逐步回歸、通徑分析篩選各生育時(shí)期響應(yīng)標(biāo)準(zhǔn)化水分利用效率（WP*）變化的相關(guān)驅(qū)動(dòng)因子，最后采用偏最小二乘回歸（partial least squares regression，PLSR）和支持向量機(jī)（support vector machine，SVM）構(gòu)建相關(guān)驅(qū)動(dòng)因子的WP*預(yù)測(cè)模型，以期為黃淮海平原冬小麥水分利用效率監(jiān)測(cè)和水分高效利用提供理論依據(jù)。

1 材料與方法

1.1 試驗(yàn)設(shè)計(jì)

試驗(yàn)于2020—2022年在河南農(nóng)業(yè)大學(xué)教科園區(qū)毛莊農(nóng)場(chǎng)（34°47′N(xiāo)，113°38′E）進(jìn)行。該地區(qū)屬暖溫帶大陸性季風(fēng)氣候，年均氣溫15.2 ℃，多年平均降雨量640 mm。2020—2021年和2021—2022年冬小麥生長(zhǎng)期內(nèi)降雨量分別為168.8和100.4 mm。試驗(yàn)地0—30 cm土層為沙壤土，容重為1.31 g·cm-3，有機(jī)質(zhì)為12.3 g·kg-1，全氮為1.05 g·kg-1，速效磷為13.45 mg·kg-1，速效鉀為120.5 mg·kg-1。

試驗(yàn)品種為洛麥22（一般耐旱品種）和周麥27（弱耐旱品種）。采用隨機(jī)區(qū)組設(shè)計(jì)，設(shè)置3個(gè)水分梯度，水分虧缺處理（W1）：35 mm和（W2）：48 mm，對(duì)照處理（W3）：68 mm，3次重復(fù)，共計(jì)18個(gè)小區(qū)，每個(gè)小區(qū)四周用13.5 cm的墻磚隔離防止水分側(cè)滲，小區(qū)面積3 m×2.2 m＝6.6 m2，區(qū)組間走道寬1 m。兩年試驗(yàn)均于拔節(jié)期（2021年3月21日和2022年3月23日）進(jìn)行一次性灌水處理，灌溉方式為地表滴灌，冬小麥播種日期分別為2020年10月11日和2021年10月13日，收獲日期分別為2021年5月26日和2022年5月26日。播種前翻地并施入復(fù)合肥N-P2O5-K2O（18%-18%-18%）750 kg·hm-2。拔節(jié)時(shí)期各處理統(tǒng)一追氮肥225 kg N·hm-2，其他管理措施按照當(dāng)?shù)馗弋a(chǎn)小麥進(jìn)行田間管理。

1.2 冬小麥地面數(shù)據(jù)獲取

1.2.1 生理指標(biāo)獲取 分別于冬小麥拔節(jié)期、孕穗期和灌漿期，選擇晴朗無(wú)云無(wú)風(fēng)的上午12：00— 14：00，采用美國(guó)便攜式全自動(dòng)光合儀（LI-6400，Li-COR，Lincoln，NE，USA），選取各小區(qū)有代表性的小麥植株頂部第一張完全展開(kāi)葉測(cè)定蒸騰速率（transpirationrate，r）和氣孔導(dǎo)度（stomatal conductance，s）。隨即，在各小區(qū)選取20 cm單行有代表性的植株，兩次重復(fù)，用保鮮膜包裹嚴(yán)實(shí)并帶入實(shí)驗(yàn)室內(nèi)，按器官裁剪并分別稱(chēng)鮮重后放入105 ℃烘箱殺青30 min，在80 ℃下烘干至恒重稱(chēng)取干重得到地上部生物量。采用干重法測(cè)算葉面積，并計(jì)算葉片含水量（LWC），葉片等效水厚度（EWT）為葉片鮮干重之差與葉面積的比值。滲透調(diào)節(jié)類(lèi)物質(zhì)可溶性糖含量（SSC）采用蒽酮比色法測(cè)定[22]，脯氨酸（Pro）含量采用茚三酮法測(cè)定[22]，POD酶活性采用愈創(chuàng)木酚比色法測(cè)定[23]，SOD酶活性采用NBT比色法測(cè)定[24]。

1.2.2 土壤含水量的獲取 與各生理指標(biāo)獲取同步，每個(gè)小區(qū)隨機(jī)選擇3個(gè)地點(diǎn)在距離小麥中心點(diǎn)15 cm的四個(gè)方位每隔10 cm分層獲取0—30 cm土樣，帶回實(shí)驗(yàn)室測(cè)定土壤濕重0和土壤干重s，然后分別計(jì)算土壤重量含水量（g·g-1）和土壤體積含水量（cm3·cm-3），公式為：

=（2）

式中，、0和s分別為土壤重量含水量（g·g-1）、土壤濕重（g）和干重（g），為土壤容重（1.31 g·cm-3），為土壤體積含水量（cm3·cm-3）。

1.2.3 氣象數(shù)據(jù)的獲取 氣象數(shù)據(jù)來(lái)源于試驗(yàn)地附近的小型氣象站，獲取氣象資料包括各生育時(shí)期的降水、氣溫、風(fēng)速和日照時(shí)數(shù)等。

1.2.4 冠層溫度參數(shù)的獲取 與各生理指標(biāo)獲取同步，采用高分辨率的便攜式熱紅外成像儀（FLIR Systems Inc，Wilsonville，OR，USA），獲取各小區(qū)的熱紅外圖像，各小區(qū)取兩次重復(fù)。運(yùn)用熱紅外成像儀配套圖像分析軟件FLIR Tools，將熱紅外圖像中像素點(diǎn)全部導(dǎo)出到Excel中（各像素點(diǎn)均代表一個(gè)溫度點(diǎn)）；利用Excel中的數(shù)據(jù)分析加載模塊和統(tǒng)計(jì)直方圖分析，將導(dǎo)出的像素溫度點(diǎn)的值按照已知的植株溫度閾值進(jìn)行篩選統(tǒng)計(jì)，得到不同溫度值占據(jù)的點(diǎn)位數(shù)，經(jīng)過(guò)計(jì)算得到水分處理下兩個(gè)小麥品種的4個(gè)冠層溫度特征參數(shù)。

冠層溫度極差（MTD）：熱成像所得小麥植株冠層像元有效溫度最大值與最小值之差；

冠層溫度標(biāo)準(zhǔn)差（CTSD）[25]：熱成像相機(jī)采集的小麥植株冠層像元溫度離散程度大小；

冠層相對(duì)溫差（CRTD）[26]：每個(gè)采樣小區(qū)的熱紅外圖像，經(jīng)數(shù)據(jù)統(tǒng)計(jì)分析提取小麥冠層溫度最大值與最小值，其計(jì)算公式為：

式中，Tmax和Tmin分別為每個(gè)采樣小區(qū)中小麥冠層溫度最大值和最小值。

作物水分脅迫指數(shù)（CWSI）：本研究采用JONES[27]提出的水分脅迫指數(shù)簡(jiǎn)化的計(jì)算公式如下：

式中，T為作物冠層溫度（℃）；T和T分別代表在相同氣象條件下冠層溫度的下限和上限（℃），本研究T和T采用經(jīng)驗(yàn)法，利用自然葉片干濕參考測(cè)量計(jì)算，試驗(yàn)過(guò)程中選取小麥冠層生長(zhǎng)良好的葉片進(jìn)行2種極端處理，通過(guò)給小麥冠層葉片噴水的方式確定T，以及給小麥葉片正反面涂抹凡士林確定T。T和T的測(cè)量與熱紅外圖像采集冠層溫度同步。

1.3 基于生物量的標(biāo)準(zhǔn)化水分利用效率模型

植物生長(zhǎng)和生物量的積累是光合作用過(guò)程中CO2同化和水分通過(guò)植物氣孔的蒸騰交換的結(jié)果，其中所需的能量由太陽(yáng)輻射提供，這一生理基礎(chǔ)的經(jīng)典模擬方法是將蒸騰的水分轉(zhuǎn)化為生物量的效率，即水分利用效率（WUE）模型[28]。由于WUE容易受不同年份、區(qū)域和管理措施的影響而產(chǎn)生差異，需針對(duì)不同環(huán)境條件下的蒸發(fā)情況進(jìn)行標(biāo)準(zhǔn)化處理[19]。在FAO發(fā)布的AquaCrop模型中認(rèn)為針對(duì)氣候差異使用參考蒸發(fā)蒸騰量（0）是最佳水分利用效率標(biāo)準(zhǔn)化方法，并提出標(biāo)準(zhǔn)化水分利用效率（WP*）的計(jì)算模型[29-30]。

式中，m：t—t時(shí)間段內(nèi)增長(zhǎng)的地上部干生物量，g·m-2；WP*：標(biāo)準(zhǔn)化水分利用效率，g·m-2；k：蒸騰系數(shù)；k：水分脅迫系數(shù)；k：溫度脅迫系數(shù)（考慮到兩年冬小麥生育期內(nèi)所需熱量基本能滿(mǎn)足生長(zhǎng)所需，因此溫度脅迫系數(shù)k取值為1）。

1.3.1 作物蒸騰系數(shù)k的確定 傳統(tǒng)的大面積農(nóng)田上作物蒸騰系數(shù)k的獲取方法存在費(fèi)時(shí)費(fèi)力等缺陷，而無(wú)人機(jī)遙感平臺(tái)操作簡(jiǎn)單、獲取信息快速的優(yōu)勢(shì)能克服傳統(tǒng)方法獲取作物蒸騰系數(shù)k的困難。研究表明，通過(guò)植被指數(shù)的經(jīng)驗(yàn)?zāi)Ｐ湍芴峁┨镩g尺度詳細(xì)連續(xù)的k分布，實(shí)現(xiàn)作物蒸騰系數(shù)較好的估測(cè)效果[18]。與各生理指標(biāo)獲取同步，選擇晴朗無(wú)云無(wú)風(fēng)的上午12：00 —14：00使用大疆四旋翼無(wú)人機(jī)P4 Multispectral于冬小麥拔節(jié)期、孕穗期和灌漿期獲取冬小麥多光譜影像。無(wú)人機(jī)數(shù)據(jù)采集后使用Agisoft PhotoScan1.5.0軟件進(jìn)行無(wú)人機(jī)多光譜影像拼接，生成DSM和數(shù)字正射影像圖（digital orthophoto map，DOM），利用ENVI 5.0軟件對(duì)生成的影像進(jìn)行輻射校正，獲取正射影像及各生育時(shí)期的歸一化植被指數(shù)（NDVI）。本研究采用GONZáLEZ-DUGO等[31]基于歸一化植被指數(shù)NDVI的蒸騰系數(shù)模型：

式中，t,max：作物達(dá)到完全覆蓋時(shí)的最大蒸騰系數(shù)，NDVImax：作物達(dá)到全覆蓋時(shí)最大NDVI，NDVImin：裸土狀態(tài)下NDVI[32]，：模型經(jīng)驗(yàn)系數(shù)。

經(jīng)過(guò)上述方法計(jì)算，本研究實(shí)測(cè)NDVImax、NDVImin分別為0.85和0.20，k,max根據(jù)雙作物系數(shù)計(jì)算[33]，代入氣象數(shù)據(jù)與作物參數(shù)可計(jì)算得到k,max為1.15；本研究采用線(xiàn)性模型，因此取1。代入（7）式中可得：

1.3.2 水分脅迫系數(shù)k的確定 本試驗(yàn)設(shè)置了不同的水分處理，當(dāng)土壤水分低于小麥適宜生長(zhǎng)的含水率時(shí)會(huì)產(chǎn)生水分脅迫，影響冬小麥生物量的積累。水分脅迫系數(shù)計(jì)算公式為[34]：

式中，：作物根系層土壤含水率，%；：田間持水率（體積含水率），取22%[19]；：凋萎系數(shù)（體積含水率），取7.3%；：適宜土壤含水率，取8.9%[19]；：發(fā)生水分脅迫之前根系中所消耗水量與土壤總有效水量的比值，取0.55[19]。

通過(guò)標(biāo)準(zhǔn)化水分利用效率模型與遙感植被指數(shù)NDVI間關(guān)系，本研究基于無(wú)人機(jī)遙感數(shù)據(jù)結(jié)合水分利用效率模型估算冬小麥標(biāo)準(zhǔn)化水分利用效率，具體流程為：

利用無(wú)人機(jī)遙感平臺(tái)獲取冬小麥各生育時(shí)期不同水分處理的NDVI值分布；通過(guò)式（7）、（8）獲取各小區(qū)的蒸騰系數(shù)k；結(jié)合各生育時(shí)期獲取的土壤水分?jǐn)?shù)據(jù)和氣象數(shù)據(jù)得到校正數(shù)據(jù)k和0；通過(guò)式（6）得到各生育時(shí)期各小區(qū)的∑kkk和∑T；使用實(shí)測(cè)生物量數(shù)據(jù)通過(guò)式（5）可計(jì)算出各處理的WP*值。

1.4 建模方法

偏最小二乘回歸（PLSR）是一種典型相關(guān)分析、多元線(xiàn)性回歸分析及主成分分析集成的建模方法，通過(guò)主成分分析篩選對(duì)因變量解釋性最強(qiáng)的樣本并引入模型，克服了變量間多重相關(guān)性等問(wèn)題[35]。支持向量機(jī)（SVM）是建立在結(jié)構(gòu)風(fēng)險(xiǎn)最小化原理和統(tǒng)計(jì)學(xué)習(xí)VC理論基礎(chǔ)上的機(jī)器學(xué)習(xí)方法，在利用SVM解決回歸問(wèn)題時(shí)，通過(guò)核函數(shù)將非線(xiàn)性數(shù)據(jù)變換到高維特征空間中建立模型來(lái)擬合回歸函數(shù)[36]。SVM方法采用徑向基核函數(shù)（radial basis function，RBF kernel），（懲罰因子）和（徑向基核函數(shù)方差）取值分別為2和0.5。

1.5 數(shù)據(jù)分析及模型精度評(píng)價(jià)

采用Excel 2019和Origin 2021等軟件進(jìn)行統(tǒng)計(jì)分析和制圖。采用SPSS 26.0進(jìn)行逐步回歸及通徑分析。偏最小二乘回歸和支持向量機(jī)2種方法在R studio環(huán)境中分別使用（pls）和（e1071）軟件包實(shí)現(xiàn)。將試驗(yàn)兩年拔節(jié)期、孕穗期和灌漿期每個(gè)生育時(shí)期36個(gè)數(shù)據(jù)的2/3樣本（n=24）作為建模數(shù)據(jù)，1/3樣本（n=12）作為驗(yàn)證數(shù)據(jù)。采用決定系數(shù)（coefficient of determination，2）、均方根誤差（root mean square error，RMSE）和標(biāo)準(zhǔn)均方根誤差（normalized root mean square error，nRMSE）對(duì)模型進(jìn)行評(píng)價(jià)，其中，2越接近1，RMSE和nRMSE越小，預(yù)測(cè)模型效果越好。

2 結(jié)果

2.1 不同水分處理對(duì)冬小麥冠層溫度參數(shù)、生理性狀和WP*的影響

通過(guò)分析熱紅外圖像信息并獲取小麥冠層溫度，計(jì)算得到冠層溫度極差（MTD）、冠層溫度標(biāo)準(zhǔn)差（CTSD）、冠層相對(duì)溫差（CRTD）和作物水分脅迫指數(shù)（CWSI）。不同水分處理對(duì)冬小麥拔節(jié)期、孕穗期和灌漿期的冠層溫度參數(shù)具有顯著影響。如表1所示，隨著水分虧缺程度的減弱，各生育時(shí)期2個(gè)品種小麥的冠層溫度參數(shù)MTD、CTSD、CRTD和CWSI均表現(xiàn)降低趨勢(shì)。以洛麥22的CWSI值為例，不同水分處理下，拔節(jié)期、孕穗期和灌漿期水分虧缺處理的CWSI數(shù)值范圍分別為W1：0.41—0.45、0.42—0.48和0.45—0.51，W2：0.34—0.36、0.37—0.39和0.42—0.45，W3：0.30—0.32、0.29—0.33和0.31—0.38。

不同水分處理對(duì)冬小麥拔節(jié)期、孕穗期和灌漿期的生理性狀影響顯著。如表1所示，同一生育時(shí)期內(nèi)，較W3處理相比，W1和W2處理的各生理指標(biāo)存在差異，其中孕穗期和灌漿期達(dá)到顯著水平（＜0.05）。同一水分處理下，洛麥22各生理指標(biāo)均高于周麥27，各生育時(shí)期表現(xiàn)一致。2個(gè)品種小麥的POD酶活性、SOD酶活性、可溶性糖含量（SSC）和脯氨酸（Pro）含量隨生育時(shí)期推進(jìn)呈上升趨勢(shì)；在灌漿期，較W3處理相比，洛麥22W1和W2處理的POD酶活性、SOD酶活性、SSC和Pro值分別升高了30.94%— 75.39%、8.23%—14.93%、31.33%—52.68%和25.56% —47.02%；周麥27分別升高了31.16%—70.62%、7.54%—12.50%、42.75%—69.62%和23.76%—48.28%。葉片含水量（LWC）和等效水厚度（EWT）隨生育時(shí)期推進(jìn)呈下降趨勢(shì)，而氣孔導(dǎo)度（s）和蒸騰速率（T）呈先升高后降低趨勢(shì)。在孕穗期，洛麥22 W1和W2處理下的LWC、EWT、s和T值較W3處理下降了7.81%—12.33%、15.38%—30.77%、7.14%—46.43%和20.91%—32.06%；周麥27分別下降了5.19%— 10.10%、8.33%—25.00%、20.69%—31.03%和23.79% —35.52%。

采用1.3中方法對(duì)水分利用效率進(jìn)行標(biāo)準(zhǔn)化，通過(guò)計(jì)算各生育時(shí)期的生物量、作物系數(shù)k和水分脅迫指數(shù)k最終得到WP*值。如表1所示，同一生育時(shí)期內(nèi)W1、W2處理較W3處理存在差異，而WP*隨生育時(shí)期推進(jìn)呈升高趨勢(shì)但變化不顯著，數(shù)值均在15—20 g·m-2范圍。

2.2 不同生育時(shí)期WP*驅(qū)動(dòng)因子篩選

采用逐步回歸分析篩選拔節(jié)期、孕穗期和灌漿期響應(yīng)標(biāo)準(zhǔn)化水分利用效率（WP*）的驅(qū)動(dòng)因素，剔除無(wú)顯著性的統(tǒng)計(jì)變量，并建立回歸方程。由表2、3可知，各生育時(shí)期構(gòu)建的回歸方程均達(dá)到顯著水平。拔節(jié)期篩選出的4個(gè)自變量可以解釋88.6%的因變量變異，其中，POD（X5）、LWC（X9）和s（X11）對(duì)WP*的作用為正，而MTD（X1）對(duì)WP*的作用為負(fù)；孕穗期篩選出的4個(gè)自變量可以解釋93.9%的因變量變異，EWT（X10）對(duì)WP*的作用為正，CRTD（X3）、CWSI（X4）和SSC（X7）對(duì)WP*作用為負(fù)；灌漿期篩選出的4個(gè)自變量可以解釋91.3%的因變量變異，LWC（X9）和s（X11）對(duì)WP*作用為正，CTSD（X2）和SSC（X7）對(duì)WP*作用為負(fù)。

進(jìn)一步建立各生育時(shí)期驅(qū)動(dòng)因子與WP*的相關(guān)性分析，由圖1可知，各生育時(shí)期WP*與驅(qū)動(dòng)因子間均存在顯著性相關(guān)關(guān)系。其中，拔節(jié)期WP*與MTD和POD呈負(fù)相關(guān)關(guān)系，相關(guān)系數(shù)（）分別為-0.89和-0.73，與LWC和s呈正相關(guān)關(guān)系，相關(guān)系數(shù)（）分別為0.78和0.80；孕穗期WP*與CRTD、CWSI和SSC呈負(fù)相關(guān)關(guān)系，與EWT呈正相關(guān)關(guān)系，相關(guān)系數(shù)（）分別為-0.93、-0.87、-0.91和0.92；灌漿期WP*與CTSD和SSC呈負(fù)相關(guān)關(guān)系，與LWC和s呈正相關(guān)關(guān)系，相關(guān)系數(shù)（）分別為-0.80、-0.83、0.76和0.72。綜合逐步回歸和相關(guān)性分析結(jié)果，各生育時(shí)期篩選的驅(qū)動(dòng)因子均達(dá)到顯著水平，均能夠指示W(wǎng)P*變化。

表1 不同水分處理對(duì)兩個(gè)品種小麥冠層溫度參數(shù)、生理性狀和WP*的影響

表2 不同生育時(shí)期基于各生理指標(biāo)的逐步回歸分析

2為對(duì)標(biāo)準(zhǔn)化水分利用效率變異的解釋率2indicates explained the variation of WP*

表3 不同生育時(shí)期基于WP*與各生理指標(biāo)的逐步回歸方程

Y：WP*（標(biāo)準(zhǔn)化水分利用效率 Standardized water use efficiency）；X1：MTD（冠層溫度極差 Maximum temperature difference）；X2：CTSD（冠層溫度標(biāo)準(zhǔn)差 Canopy temperature standard deviation）；X3：CRTD（冠層相對(duì)溫差 Canopy relative temperature difference）；X4：CWSI（作物水分脅迫指數(shù) Crop water stress index）；X5：POD（過(guò)氧化物酶 Peroxidase）；X7：SSC（可溶性糖含量 Soluble sugar contents）；X9：LWC（葉片含水量 Leaf water content）；X10：EWT（等效水厚度 Equivalent water thickness）；X11：s（氣孔導(dǎo)度 Stomatal conductance）。下同 The same as below

不同顏色表示相關(guān)性的強(qiáng)度，越接近紅色（正）或藍(lán)色（負(fù)）說(shuō)明相關(guān)性越高，正方形越大說(shuō)明相關(guān)系數(shù)越大，無(wú)*表示沒(méi)有顯著相關(guān)性（P＜0.05）

2.3 不同生育時(shí)期WP*相關(guān)驅(qū)動(dòng)因子分析

對(duì)各生育時(shí)期WP*相關(guān)驅(qū)動(dòng)因子進(jìn)行通徑分析得到各生育時(shí)期不同指標(biāo)對(duì)WP*的直接和間接通徑系數(shù)。如圖2所示，在拔節(jié)期，MTD對(duì)WP*的負(fù)效應(yīng)直接通徑系數(shù)最大，為-0.671，POD、LWC和s對(duì)WP*的直接效應(yīng)為正，分別為0.345、0.252和0.429。而POD對(duì)WP*的綜合作用為負(fù)，說(shuō)明POD通過(guò)其他生理指標(biāo)對(duì)WP*的間接效應(yīng)較大，應(yīng)主要考慮通過(guò)MTD、LWC和s對(duì)WP*的間接效應(yīng)。將各驅(qū)動(dòng)因子的直接通徑系數(shù)與間接通徑系數(shù)相加，得到MTD、s、LWC和POD對(duì)WP*的綜合作用分別為-0.894、0.796、0.778和-0.732，通過(guò)正負(fù)效應(yīng)抵消得到各驅(qū)動(dòng)因子對(duì)WP*的綜合效應(yīng)排序：MTD＞s＞LWC＞POD；孕穗期EWT對(duì)WP*正效應(yīng)直接通徑系數(shù)最大，為0.299；CRTD、CWSI和SSC對(duì)WP*的直接效應(yīng)為負(fù)，分別為-0.284、-0.200、-0.247，將各驅(qū)動(dòng)因子的直接通徑系數(shù)與間接通徑系數(shù)相加，得到CRTD、EWT、SSC和CWSI對(duì)WP*的綜合作用分別為-0.930、0.925、-0.907和-0.877，通過(guò)正負(fù)效應(yīng)抵消得到各驅(qū)動(dòng)因子對(duì)WP*的綜合效應(yīng)排序：CRTD＞EWT＞SSC＞CWSI；在灌漿期，SSC對(duì)WP*負(fù)效應(yīng)直接通徑系數(shù)最大，為-0.359，CTSD次之，為-0.340，LWC和s對(duì)WP*的直接效應(yīng)為正，分別為0.252和0.209，將各驅(qū)動(dòng)因子的直接通徑系數(shù)與間接通徑系數(shù)相加，得到SSC、CTSD、LWC和s對(duì)WP*的綜合作用分別為-0.834、-0.802、0.761和0.722，通過(guò)正負(fù)效應(yīng)抵消得到各驅(qū)動(dòng)因子對(duì)WP*的綜合效應(yīng)排序：SSC＞CTSD＞LWC＞s。

圖2 不同生育時(shí)期WP*相關(guān)驅(qū)動(dòng)因子的通徑分析

2.4 不同生育時(shí)期WP*預(yù)測(cè)模型的構(gòu)建

利用偏最小二乘回歸（PLSR）和支持向量機(jī)（SVM）方法，以標(biāo)準(zhǔn)化水分利用效率WP*為因變量，篩選出的驅(qū)動(dòng)因子和全部指標(biāo)分別為輸入變量，構(gòu)建各生育時(shí)期基于驅(qū)動(dòng)因子和全部指標(biāo)的WP*預(yù)測(cè)模型。如圖3所示，基于驅(qū)動(dòng)因子構(gòu)建的WP*預(yù)測(cè)模型精度均高于全部指標(biāo)構(gòu)建的WP*預(yù)測(cè)模型。與全部指標(biāo)建立的WP*模型相比，拔節(jié)期基于驅(qū)動(dòng)因子的WP*模型建模集和驗(yàn)證集2分別提高了1.28%—3.43%和2.77%—4.04%，RMSE分別降低了12.61%—18.11%和9.02%—9.92%，nRMSE分別降低了13.04%—18.14%和7.02%—9.54%；孕穗期建模集和驗(yàn)證集2分別提高了4.19%—6.58%和6.31%—8.12%，RMSE分別降低了19.12%—19.70%和13.89%—15.94%，nRMSE分別降低了18.46%—19.32%和13.26%—15.62%；灌漿期建模集和驗(yàn)證集2分別提高了3.65%—4.05%和3.88%—5.47%，RMSE分別降低了17.57%—18.31%和20.99%—21.79%，nRMSE分別降低了17.31%—18.28%和20.57%—21.64%。

a1—f1表示基于驅(qū)動(dòng)因子構(gòu)建的WP*預(yù)測(cè)模型 a1-f1 represents the WP* prediction model based on the driving factors；a2—f2分別表示基于全部指標(biāo)構(gòu)建的WP*預(yù)測(cè)模型 a2-f2 represents the WP* prediction model based on all indicators

不同生育時(shí)期和不同方法分別構(gòu)建的WP*預(yù)測(cè)模型效果均有差異（圖3）。就不同生育時(shí)期而言，拔節(jié)期構(gòu)建的基于驅(qū)動(dòng)因子的WP*預(yù)測(cè)模型精度較低（2=0.868-0.904），而孕穗期模型精度最高（2= 0.939-0.945）。進(jìn)一步對(duì)比不同方法構(gòu)建的WP*預(yù)測(cè)模型發(fā)現(xiàn)，基于SVM方法構(gòu)建的模型預(yù)測(cè)精度在各生育時(shí)期均高于PLSR模型，基于全部指標(biāo)的WP*預(yù)測(cè)模型也具有同樣表現(xiàn)。以孕穗期為例，基于PLSR和SVM方法構(gòu)建的驅(qū)動(dòng)因子WP*預(yù)測(cè)模型建模集2、RMSE和nRMSE分別為0.939、0.555 g·m-2、2.958%和0.945、0.533 g·m-2、2.844%；驗(yàn)證集2、RMSE和nRMSE分別為0.905、0.618 g·m-2、3.273%和0.926、0.580 g·m-2、3.075%。綜合模型分析可知，各生育期分別構(gòu)建的預(yù)測(cè)模型以孕穗期表現(xiàn)效果最優(yōu)，其次是灌漿期和拔節(jié)期，兩種方法構(gòu)建的WP*預(yù)測(cè)模型以SVM方法效果最佳。

3 討論

3.1 標(biāo)準(zhǔn)化水分利用效率WP*的水分虧缺響應(yīng)

前人研究表明，通過(guò)無(wú)人機(jī)遙感平臺(tái)與基于A(yíng)quacrop模型簡(jiǎn)化的水分利用效率模型集成能夠提高作物生長(zhǎng)參數(shù)的模擬精度[37]。由1.3節(jié)可知，隨時(shí)間變化的作物蒸騰量T和地上部生物量是標(biāo)準(zhǔn)化水分利用效率（WP*）的核心，其中基礎(chǔ)作物系數(shù)k是計(jì)算蒸騰量T的關(guān)鍵指標(biāo)。因此，本研究同樣采用無(wú)人機(jī)遙感平臺(tái)的方法獲取冬小麥各生育時(shí)期植被指數(shù)（NDVI）計(jì)算得到基礎(chǔ)作物系數(shù)k，同步計(jì)算得到水分脅迫系數(shù)k。結(jié)果表明，冬小麥拔節(jié)期、孕穗期和灌漿期W1、W2處理的WP*值均低于W3處理，這可能是由于水分處理使得各生育時(shí)期冬小麥地上部生物量k和k的變化程度不同，從而使WP*產(chǎn)生差異。但WP*均值并未隨著生育時(shí)期的推進(jìn)呈現(xiàn)顯著變化趨勢(shì)，且符合FAO-66[38]界定的C3作物WP*為15—20 g·m-2的范圍，這與ALBRIZIO等[39]研究認(rèn)為大田作物的WP*在大部分生育時(shí)期是穩(wěn)定的結(jié)果一致。因此，標(biāo)準(zhǔn)化水分利用效率（WP*）可作為指示作物生長(zhǎng)及水分利用的穩(wěn)定指標(biāo)。

3.2 響應(yīng)水分利用效率的驅(qū)動(dòng)因子指標(biāo)篩選

作物水分利用效率是多種性狀的綜合反應(yīng)，直接采用單一指標(biāo)進(jìn)行監(jiān)測(cè)不能真實(shí)反映作物生長(zhǎng)及水分狀況[40-41]。前人研究表明，冬小麥不同生育時(shí)期對(duì)水分虧缺響應(yīng)程度不同，僅采用同一指標(biāo)表征冬小麥各個(gè)生育期的水分利用效率會(huì)存在片面性，需要進(jìn)一步采用多指標(biāo)、多時(shí)期相結(jié)合的方式來(lái)確定響應(yīng)水分利用效率的驅(qū)動(dòng)因子，從而提高作物水分利用效率監(jiān)測(cè)的穩(wěn)定性和準(zhǔn)確性[42]。本研究以標(biāo)準(zhǔn)化水分利用效率（WP*）為自變量，通過(guò)逐步回歸對(duì)各生育時(shí)期冬小麥12個(gè)因變量指標(biāo)進(jìn)行篩選，并采用通徑分析探究各生育時(shí)期響應(yīng)標(biāo)準(zhǔn)化水分利用效率（WP*）的驅(qū)動(dòng)因子。結(jié)果表明，拔節(jié)期冠層溫度極差（MTD）、葉片含水量（LWC）和氣孔導(dǎo)度（s）是影響WP*的主要指標(biāo)，POD酶活性主要通過(guò)LWC、s和MTD間接作用影響WP*，這表明在作物受到水分虧缺前期，葉片含水量下降，光合作用水分供應(yīng)不足導(dǎo)致氣孔導(dǎo)度減小，蒸騰散熱降低，使得冠層溫度升高，冠層溫度極差增大，同時(shí)，作物自身抗氧化酶活性增加[43-45]。孕穗期篩選出冠層相對(duì)溫差（CRTD）、葉片等效水厚度（EWT）、可溶性糖含量（SSC）和水分脅迫指數(shù)（CWSI）為WP*的主要驅(qū)動(dòng)因素，其中等效水厚度（EWT）對(duì)WP*的直接作用最大，這可能是由于持續(xù)水分虧缺加劇了孕穗期冬小麥各處理間生物量及葉面積的差異[46]。本研究中WP*主要由冬小麥地上部生物量、植被指數(shù)估算的蒸騰系數(shù)以及水分脅迫系數(shù)構(gòu)成，而等效水厚度中也包含了葉面積和葉片含水量的信息，因此孕穗期EWT響應(yīng)WP*效果較好。而灌漿期篩選得到影響WP*的主要驅(qū)動(dòng)因子為可溶性糖含量（SSC）、冠層溫度標(biāo)準(zhǔn)差（CTSD）、葉片含水量（LWC）和氣孔導(dǎo)度（s），可溶性糖含量（SSC）對(duì)WP*的直接作用及綜合作用最大，這也表明在水分虧缺后期，植株滲透調(diào)節(jié)物質(zhì)大量積累以減緩體內(nèi)水分流失，冠層溫度變異進(jìn)一步增大[47-48]。

3.3 基于驅(qū)動(dòng)因子的WP*預(yù)測(cè)模型構(gòu)建分析

作物水分利用效率監(jiān)測(cè)的關(guān)鍵是合理選擇評(píng)價(jià)指標(biāo)，篩選出能夠較好反映作物水分虧缺的指標(biāo)有助于更精準(zhǔn)地反映作物水分利用狀況[49]。前人對(duì)作物水分利用效率監(jiān)測(cè)多采用同一指標(biāo)表征整個(gè)生育時(shí)期的響應(yīng)效果，而隨生育時(shí)期推進(jìn)的作物需水特征是一個(gè)復(fù)雜的生物學(xué)性狀。宜篩選不同生育時(shí)期影響作物水分最顯著的指標(biāo)，才能更全面地反映作物水分利用狀況[42]。本研究以標(biāo)準(zhǔn)化水分利用效率（WP*）為因變量，通過(guò)逐步回歸篩選出各生育時(shí)期影響WP*變化的驅(qū)動(dòng)因子，采用偏最小二乘回歸（PLSR）和支持向量機(jī)（SVM）方法構(gòu)建各生育時(shí)期WP*預(yù)測(cè)模型。結(jié)果表明，與全部指標(biāo)作為模型輸入變量相比，各生育時(shí)期以篩選后的驅(qū)動(dòng)因子構(gòu)建的WP*模型精度最高，其中基于各驅(qū)動(dòng)因子WP*模型的RMSE和nRMSE精度提升較大，拔節(jié)期、孕穗期和灌漿期建模集降幅分別為12.61%—18.11%和13.04%—18.14%、19.12%— 19.70%和18.46%—19.32%、17.57%—18.31%和17.31% —18.28%，這是由于相對(duì)于各驅(qū)動(dòng)因子，不同生育時(shí)期未篩選的全部指標(biāo)中包含了較多響應(yīng)WP*變化的不敏感指標(biāo)，導(dǎo)致模型RMSE和nRMSE增幅較大，整體精度低于篩選指標(biāo)的WP*模型，這與楊寶華等[45]在冬小麥冠層氮含量估測(cè)模型的研究中篩選出敏感波段能夠提升建模質(zhì)量的結(jié)果一致。此外，孕穗期基于驅(qū)動(dòng)因子的WP*模型精度高于其他生育時(shí)期，可能是由于孕穗期冬小麥葉面積完全展開(kāi)，持續(xù)水分虧缺使得生物量差異逐漸增大，且各類(lèi)指標(biāo)響應(yīng)WP*效果較好；而拔節(jié)期和灌漿期模型精度低于孕穗期，可能是由于拔節(jié)期冬小麥處于試驗(yàn)中的水分處理早期，植株葉面積和生物量差異未達(dá)到最大水平，灌漿期處于試驗(yàn)中水分虧缺后期，部分指標(biāo)響應(yīng)WP*敏感性下降，這與樊意廣等[50]在馬鈴薯植株氮含量估算中的研究結(jié)果類(lèi)似?；赑LSR的WP*預(yù)測(cè)模型精度低于SVM方法的WP*模型，可能是由于SVM方法在預(yù)測(cè)功能上能夠解決各生育時(shí)期不同指標(biāo)與WP*間復(fù)雜的非線(xiàn)性問(wèn)題，并且SVM能夠在樣本量較少的條件下得到較高的模型預(yù)測(cè)精度，這與LI等[51]的研究結(jié)果類(lèi)似。此外，本研究結(jié)果雖然是基于兩年實(shí)驗(yàn)數(shù)據(jù)得出的，但基于各生育時(shí)期篩選驅(qū)動(dòng)因子構(gòu)建的預(yù)測(cè)模型還不盡完善，未來(lái)可嘗試多種篩選方法或加入更多響應(yīng)水分脅迫的敏感參數(shù)，以增強(qiáng)WP*預(yù)測(cè)模型的適用性。

4 結(jié)論

明確冬小麥各生育時(shí)期水分利用效率相關(guān)驅(qū)動(dòng)因子基礎(chǔ)上，構(gòu)建基于篩選后的驅(qū)動(dòng)因子的標(biāo)準(zhǔn)化水分利用效率（WP*）預(yù)測(cè)模型。結(jié)果表明，水分虧缺對(duì)冬小麥各冠層溫度參數(shù)、生理指標(biāo)和WP*影響顯著。采用逐步回歸方法對(duì)各生育時(shí)期12個(gè)指標(biāo)進(jìn)行篩選，各生育時(shí)期分別得到4個(gè)響應(yīng)WP*的驅(qū)動(dòng)因子，進(jìn)一步采用通徑分析得到各生育時(shí)期篩選后各驅(qū)動(dòng)因子間響應(yīng)WP*的敏感程度（拔節(jié)期依次為MTD、s、LWC和POD；孕穗期依次為CRTD、EWT、SSC和CWSI；灌漿期依次為SSC、CTSD、LWC和s）。最后，基于各生育時(shí)期篩選后得到的驅(qū)動(dòng)因子和全部指標(biāo)分別構(gòu)建各生育時(shí)期WP*預(yù)測(cè)模型，較全部指標(biāo)構(gòu)建的WP*模型相比，驅(qū)動(dòng)因子構(gòu)建的WP*模型精度均有提高，其中以SVM方法構(gòu)建的孕穗期驅(qū)動(dòng)因子WP*模型精度最佳。因此，基于各生育時(shí)期驅(qū)動(dòng)因子構(gòu)建的WP*預(yù)測(cè)模型能較好地反映冬小麥各生育時(shí)期的水分利用效率，為黃淮海地區(qū)冬小麥水分高效利用工作提供理論依據(jù)。

[1] 杜玲, 徐長(zhǎng)春, 尹小剛, 遆晉松, 陳阜. 氣候變化對(duì)河北低平原冬小麥需水量及水分生態(tài)適應(yīng)性的影響. 中國(guó)農(nóng)業(yè)大學(xué)學(xué)報(bào), 2017, 22(12): 1-9.

DU L, XU C C, YIN X G, TI J S, CHEN F. Impact of climate change on crop evapotranspiration and water ecological adaptability of winter wheat in Hebei lowland plain. Journal of China Agricultural University, 2017, 22(12): 1-9. (in Chinese)

[2] PIAO S L, CIAIS P, HUANG Y, SHEN Z H, PENG S S, LI J S, ZHOU L P, LIU H Y, MA Y C, DING Y H, FRIEDLINGSTEIN P, LIU C Z, TAN K, YU Y Q, ZHANG T Y, FANG J Y. The impacts of climate change on water resources and agriculture in China. Nature, 2010, 467(7311): 43-51.

[3] 楊曉琳, 宋振偉, 王宏, 石全紅, 陳阜, 褚慶全. 黃淮海農(nóng)作區(qū)冬小麥需水量時(shí)空變化特征及氣候影響因素分析. 中國(guó)生態(tài)農(nóng)業(yè)學(xué)報(bào), 2012, 20(3): 356-362.

YANG X L, SONG Z W, WANG H, SHI Q H, CHEN F, CHU Q Q. Spatio-temporal variations of winter wheat water requirement and climatic causes in Huang-Huai-Hai Farming Region. Chinese Journal of Eco-Agriculture, 2012, 20(3): 356-362. (in Chinese)

[4] 姚寧, 宋利兵, 劉健, 馮浩, 吳淑芳, 何建強(qiáng). 不同生長(zhǎng)階段水分脅迫對(duì)旱區(qū)冬小麥生長(zhǎng)發(fā)育和產(chǎn)量的影響. 中國(guó)農(nóng)業(yè)科學(xué), 2015, 48(12): 2379-2389. doi: 10.3864/j.issn.0578-1752.2015.12.011.

YAO N, SONG L B, LIU J, FENG H, WU S F, HE J Q. Effects of water stress at different growth stages on the development and yields of winter wheat in arid region. Scientia Agricultura Sinica, 2015, 48(12): 2379-2389. doi: 10.3864/j.issn.0578-1752.2015.12.011. (in Chinese)

[5] SALLAM A, ALQUDAH A M, DAWOOD M F A, BAENZIGER P S, B?RNER A. Drought stress tolerance in wheat and barley: Advances in physiology, breeding and genetics research. International Journal of Molecular Sciences, 2019, 20(13): 3137.

[6] WU J J, CHENG G, WANG N, SHEN H Z, MA X Y. Spatiotemporal patterns of multiscale drought and its impact on winter wheat yield over North China Plain. Agronomy, 2022, 12(5): 1205-1209.

[7] 張歲岐, 山侖. 植物水分利用效率及其研究進(jìn)展. 干旱地區(qū)農(nóng)業(yè)研究, 2002, 20(4): 1-5.

ZHANG S Q, SHAN L. Research progress on water use efficiency of plant. Agricultural Reseach in the Arid Areas, 2002, 20(4): 1-5. (in Chinese)

[8] 胡瑾, 隆星月, 鄧一飛, 完香蓓, 李斌, 吳華瑞. 基于水分利用率與光合速率的溫室作物需水模型研究. 農(nóng)業(yè)機(jī)械學(xué)報(bào), 2020, 51(10): 362-370.

HU J, LONG X Y, DENG Y F, WAN X B, LI B, WU H R. Water demand model for greenhouse crops considering water use efficiency and photosynthetic rate. Transactions of the Chinese Society for Agricultural Machinery, 2020, 51(10): 362-370. (in Chinese)

[9] THORP K, THOMPSON A, HARDERS S, FRENCH A, WARD R. High-throughput phenotyping of crop water use efficiency via multispectral drone imagery and a daily soil water balance model.Remote Sensing, 2018, 10(11): 1682.

[10] 曹生奎, 馮起, 司建華, 常宗強(qiáng), 卓瑪錯(cuò), 席海洋, 蘇永紅. 植物葉片水分利用效率研究綜述. 生態(tài)學(xué)報(bào), 2009, 29(7): 3882-3892.

CAO S K, FENG Q, SI J H, CHANG Z Q, ZHUO M C, XI H Y, SU Y H. Summary on the plant water use efficiency at leaf level. Acta Ecologica Sinica, 2009, 29(7): 3882-3892. (in Chinese)

[11] 劉軒, 粟曉玲, 姜田亮, 劉雨翰. 基于水分利用效率的生態(tài)干旱敏感性評(píng)估. 西北農(nóng)林科技大學(xué)學(xué)報(bào)(自然科學(xué)版), 2023, 51(6): 81-90.

LIU X, SU X L, JIANG T L, LIU Y H. Assessment of ecological drought sensitivity based on water use efficiency. Journal of Northwest A & F University (Natural Science Edition), 2023, 51(6): 81-90. (in Chinese)

[12] 崔茜琳, 何云玲, 李宗善. 青藏高原植被水分利用效率時(shí)空變化及與氣候因子的關(guān)系. 應(yīng)用生態(tài)學(xué)報(bào), 2022, 33(6): 1525-1532.

CUI X L, HE Y L, LI Z S. Spatial-temporal variation of vegetation water use efficiency and its relationship with climate factors over the Qinghai-Tibet Plateau, China. Chinese Journal of Applied Ecology, 2022, 33(6): 1525-1532. (in Chinese)

[13] 陳露, 章熙鋒, 王艷強(qiáng), 高美榮, 唐家良. 紫色土坡耕地農(nóng)田生態(tài)系統(tǒng)蒸散發(fā)與水分利用效率及其影響因素. 中國(guó)生態(tài)農(nóng)業(yè)學(xué)報(bào)(中英文), 2021, 29(6): 991-1007.

CHEN L, ZHANG X F, WANG Y Q, GAO M R, TANG J L. Temporal characteristics and influencing factors of evapotranspiration and water use efficiency on sloping farmlands with purple soil. Chinese Journal of Eco-Agriculture, 2021, 29(6): 991-1007. (in Chinese)

[14] 莊淏然, 馮克鵬, 許德浩. 蒸散分離的玉米水分利用效率變化及影響因素. 干旱區(qū)研究, 2023, 40(7): 1117-1130.

ZHUANG H R, FENG K P, XU D H. Changes, influencing factors and sensitivity of water use efficiency in maize farmland ecosystems based on evapotranspiration separation in the Ningxia irrigated area. Arid Zone Research, 2023, 40(7): 1117-1130. (in Chinese)

[15] 周青云, 燕琪琦, 張寶忠, 尹林萍. 冬小麥不同冠層葉片光合蒸騰和水分利用效率變化特征及對(duì)灌溉的響應(yīng). 麥類(lèi)作物學(xué)報(bào), 2021, 41(10): 1247-1255.

ZHOU Q Y, YAN Q Q, ZHANG B Z, YIN L P. Variation characteristics of photosynthesis, transpiration and WUE of winter wheat leaves in different canopy layers of winter wheat and their response to irrigation.Journal of Triticeae Crops, 2021, 41(10): 1247-1255. (in Chinese)

[16] JIN N, REN W, TAO B, HE L, REN Q F, LI S Q, YU Q. Effects of water stress on water use efficiency of irrigated and rainfed wheat in the Loess Plateau, China. The Science of the Total Environment, 2018, 642: 1-11.

[17] YUAN M, ZHANG L, GOU F, SU Z, SPIERTZ J H J, VAN DER WERF W. Assessment of crop growth and water productivity for five C3 species in semi-arid Inner Mongolia. Agricultural Water Management, 2013, 122(2): 28-38.

[18] CAMPOS I, GONZáLEZ-GóMEZ L, VILLODRE J, GONZáLEZ- PIQUERAS J, SUYKER A E, CALERA A. Remote sensing-based crop biomass with water or light-driven crop growth models in wheat commercial fields. Field Crops Research, 2018, 216(2): 175-188.

[19] 韓文霆, 湯建棟, 張立元, 牛亞曉, 王彤華. 基于無(wú)人機(jī)遙感的玉米水分利用效率與生物量監(jiān)測(cè). 農(nóng)業(yè)機(jī)械學(xué)報(bào), 2021, 52(5): 129-141.

HAN W T, TANG J D, ZHANG L Y, NIU Y X, WANG T H. Maize water use efficiency and biomass estimation based on unmanned aerial vehicle remote sensing. Transactions of the Chinese Society for Agricultural Machinery, 2021, 52(5): 129-141. (in Chinese)

[20] 孫現(xiàn)軍, 姜奇彥, 胡正, 張惠媛, 徐長(zhǎng)兵, 邸一桓, 韓龍植, 張輝. 水稻資源全生育期耐鹽性鑒定篩選. 作物學(xué)報(bào), 2019, 45(11): 1656-1663.

SUN X J, JIANG Q Y, HU Z, ZHANG H Y, XU C B, DI Y H, HAN L Z, ZHANG H. Screening and identification of salt-tolerant rice germplasm in whole growth period. Acta Agronomica Sinica, 2019, 45(11): 1656-1663. (in Chinese)

[21] 賀佳, 劉冰鋒, 李軍. 不同生育時(shí)期冬小麥葉面積指數(shù)高光譜遙感監(jiān)測(cè)模型. 農(nóng)業(yè)工程學(xué)報(bào), 2014, 30(24): 141-150.

HE J, LIU B F, LI J. Monitoring model of leaf area index of winter wheat based on hyperspectral reflectance at different growth stages. Transactions of the Chinese Society of Agricultural Engineering, 2014, 30(24): 141-150. (in Chinese)

[22] 李合生. 植物生理生化實(shí)驗(yàn)原理和技術(shù). 北京: 高等教育出版社, 2000:184-197.

LI H S. Principles and techniques of plant physiological biochemical experiment. Beijing: Higher Education Press, 2000: 184-197. (in Chinese)

[23] MAEHLY A C, CHANCE B. The assay of catalases and peroxidases. Methods of Biochemical Analysis, 1954, 1: 357-424.

[24] GIANNOPOLITIS C N, RIES S K. Superoxide dismutases: I. Occurrence in higher plants. Plant Physiology, 1977, 59(2): 309-314.

[25] 張智韜, 邊江, 韓文霆, 付秋萍, 陳碩博, 崔婷. 無(wú)人機(jī)熱紅外圖像計(jì)算冠層溫度特征數(shù)診斷棉花水分脅迫. 農(nóng)業(yè)工程學(xué)報(bào), 2018, 34(15): 77-84.

ZHANG Z T, BIAN J, HAN W T, FU Q P, CHEN S B, CUI T. Cotton moisture stress diagnosis based on canopy temperature characteristics calculated from UAV thermal infrared image. Transactions of the Chinese Society of Agricultural Engineering, 2018, 34(15): 77-84. (in Chinese)

[26] 張智韜, 許崇豪, 譚丞軒, 李宇, 寧紀(jì)鋒. 基于無(wú)人機(jī)熱紅外遙感的玉米地土壤含水率診斷方法. 農(nóng)業(yè)機(jī)械學(xué)報(bào), 2020, 51(3): 180-190.

ZHANG Z T, XU C H, TAN C X, LI Y, NING J F. Diagnosing method of soil moisture content in corn field based on thermal infrared remote sensing of UAV. Transactions of the Chinese Society for Agricultural Machinery, 2020, 51(3): 180-190. (in Chinese)

[27] JONES H G. Use of infrared thermometry for estimation of stomatal conductance as a possible aid to irrigation scheduling. Agricultural and Forest Meteorology, 1999, 95(3): 139-149.

[28] ROSENBERG N J, BLAD B L, VERMA S B. Microclimate: The Biological Environment. John Wiley & Sons, 1983.

[29] STEDUTO P, HSIAO T C, RAES D, FERERES E. AquaCrop-The FAO crop model to simulate yield response to water: I. concepts and underlying principles.Agronomy Journal, 2009, 101(3): 426-437.

[30] STEDUTO P, ALBRIZIO R. Resource use efficiency of field-grown sunflower, sorghum, wheat and chickpea. Agricultural and Forest Meteorology, 2005, 130(3/4): 269-281.

[31] GONZáLEZ-DUGO M P, MATEOS L. Spectral vegetation indices for benchmarking water productivity of irrigated cotton and sugarbeet crops. Agricultural Water Management, 2008, 95(1): 48-58.

[32] BANNARI A, MORIN D, BONN F, HUETE A R. A review of vegetation indices. Remote Sensing Reviews, 1995, 13(1/2): 95-120.

[33] 馮禹, 崔寧博, 龔道枝, 王罕博, 郝衛(wèi)平, 梅旭榮. 基于葉面積指數(shù)改進(jìn)雙作物系數(shù)法估算旱作玉米蒸散. 農(nóng)業(yè)工程學(xué)報(bào), 2016, 32(9): 90-98.

FENG Y, CUI N B, GONG D Z, WANG H B, HAO W P, MEI X R. Estimating rainfed spring maize evapotranspiration using modified dual crop coefficient approach based on leaf area index. Transactions of the Chinese Society of Agricultural Engineering, 2016, 32(9): 90-98. (in Chinese)

[34] 趙娜娜, 劉鈺, 蔡甲冰. 夏玉米作物系數(shù)計(jì)算與耗水量研究. 水利學(xué)報(bào), 2010, 41(8): 953-959, 969.

ZHAO N N, LIU Y, CAI J B. Calculation of crop coefficient and water consumption of summer maize. Journal of Hydraulic Engineering, 2010, 41(8): 953-959, 969. (in Chinese)

[35] 付元元, 王紀(jì)華, 楊貴軍, 宋曉宇, 徐新剛, 馮海寬. 應(yīng)用波段深度分析和偏最小二乘回歸的冬小麥生物量高光譜估算. 光譜學(xué)與光譜分析, 2013, 32(5): 1315-1319.

FU Y Y, WANG J H, YANG G J, SONG X Y, XU X G, FENG H K. Band depth analysis and partial least square regression based winter wheat biomass estimation using hyperspectral measurements. Spectroscopy and Spectral Analysis, 2013, 32(5): 1315-1319. (in Chinese)

[36] 丁世飛, 齊丙娟, 譚紅艷. 支持向量機(jī)理論與算法研究綜述. 電子科技大學(xué)學(xué)報(bào), 2011, 40(1): 2-10.

DING S F, QI B J, TAN H Y. An overview on theory and algorithm of support vector machines. Journal of University of Electronic Science and Technology of China, 2011, 40(1): 2-10. (in Chinese)

[37] ZHANG L Y, ZHANG H H, NIU Y X, HAN W T. Mapping maize water stress based on UAV multispectral remote sensing. Remote Sensing, 2019, 11(6): 605.

[38] RAES D, STEDUTO P, HSIAO T C, FERERES, E. AquaCrop version 3.1 plus: FAO cropwater productivity model to simulate yield response to water. Reference ManualFAO, Rome, 2011.

[39] ALBRIZIO R, STEDUTO P. Resource use efficiency of field-grown sunflower, sorghum, wheat and chickpea. Agricultural and Forest Meteorology, 2005, 130(3/4): 254-268.

[40] 裴浩杰, 馮海寬, 李長(zhǎng)春, 金秀良, 李振海, 楊貴軍. 基于綜合指標(biāo)的冬小麥長(zhǎng)勢(shì)無(wú)人機(jī)遙感監(jiān)測(cè). 農(nóng)業(yè)工程學(xué)報(bào), 2017, 33(20): 74-82.

PEI H J, FENG H K, LI C C, JIN X L, LI Z H, YANG G J. Remote sensing monitoring of winter wheat growth with UAV based on comprehensive index. Transactions of the Chinese Society of Agricultural Engineering, 2017, 33(20): 74-82. (in Chinese)

[41] 李敏, 蘇慧, 李陽(yáng)陽(yáng), 李金鵬, 李金才, 朱玉磊, 宋有洪. 黃淮海麥區(qū)小麥耐熱性分析及其鑒定指標(biāo)的篩選. 中國(guó)農(nóng)業(yè)科學(xué), 2021, 54(16): 3381-3393. doi: 10.3864/j.issn.0578-1752.2021.16.002.

LI M, SU H, LI Y Y, LI J P, LI J C, ZHU Y L, SONG Y H. Analysis of heat tolerance of wheat with different genotypes and screening of identification indexes in Huang-Huai-Hai Region. Scientia Agricultura Sinica, 2021, 54(16): 3381-3393. doi: 10.3864/j.issn.0578-1752.2021. 16.002. (in Chinese)

[42] 孟雨, 田文仲, 溫鵬飛, 丁志強(qiáng), 張學(xué)品, 賀利, 段劍釗, 劉萬(wàn)代, 郭天財(cái), 馮偉. 基于不同發(fā)育階段協(xié)同的小麥品種抗旱性綜合評(píng)判. 作物學(xué)報(bào), 2023, 49(2): 570-582.

MENG Y, TIAN W Z, WEN P F, DING Z Q, ZHANG X P, HE L, DUAN J Z, LIU W D, GUO T C, FENG W. Comprehensive evaluation of drought resistance of wheat varieties based on synergy of different developmental stages. Acta Agronomica Sinica, 2023, 49(2): 570-582. (in Chinese)

[43] 孟雨, 溫鵬飛, 丁志強(qiáng), 田文仲, 張學(xué)品, 賀利, 段劍釗, 劉萬(wàn)代, 馮偉. 基于熱紅外圖像的小麥品種抗旱性鑒定與評(píng)價(jià). 中國(guó)農(nóng)業(yè)科學(xué), 2022, 55(13): 2538-2551. doi: 10.3864/j.issn.0578-1752.2022. 13.005.

MENG Y, WEN P F, DING Z Q, TIAN W Z, ZHANG X P, HE L, DUAN J Z, LIU W D, FENG W. Identification and evaluation of drought resistance of wheat varieties based on thermal infrared image. Scientia Agricultura Sinica, 2022, 55(13): 2538-2551. doi: 10.3864/ j.issn.0578-1752.2022.13.005. (in Chinese)

[44] 胡程達(dá), 劉榮花, 王秀萍, 劉忠陽(yáng), 李彤宵. 干旱對(duì)冬小麥光合、滲透調(diào)節(jié)物質(zhì)和抗氧化酶活性的影響. 中國(guó)農(nóng)業(yè)氣象, 2015, 36(5): 602-610.

HU C D, LIU R H, WANG X P, LIU Z Y, LI T X. Effects of drought stress on photosynthetic, osmotic adjustment substance and antioxidase activities of winter wheat level. Chinese Journal of Agrometeorology, 2015, 36(5): 602-610. (in Chinese)

[45] 楊寶華, 陳建林, 陳林海, 曹衛(wèi)星, 姚霞, 朱艷. 基于敏感波段的小麥冠層氮含量估測(cè)模型. 農(nóng)業(yè)工程學(xué)報(bào), 2015, 31(22): 176-182.

YANG B H, CHEN J L, CHEN L H, CAO W X, YAO X, ZHU Y. Estimation model of wheat canopy nitrogen content based on sensitive bands. Transactions of the Chinese Society of Agricultural Engineering, 2015, 31(22): 176-182. (in Chinese)

[46] 李彥彬, 馮婭, 邊澤鵬, 李道西, 朱亞南. 花前干旱脅迫對(duì)冬小麥生長(zhǎng)指標(biāo)的影響. 灌溉排水學(xué)報(bào), 2021, 40(3): 23-30.

LI Y B, FENG Y, BIAN Z P, LI D X, ZHU Y N. Effect of drought stress before anthesis on growth indexes of winter wheat. Journal of Irrigation and Drainage, 2021, 40(3): 23-30. (in Chinese)

[47] 張?chǎng)? 孔祥, 李勇, 駱永麗, 黃翠, 金敏. 外源ABA對(duì)干旱條件下小麥冠層溫度及光合同化物積累與分配的調(diào)控效應(yīng). 麥類(lèi)作物學(xué)報(bào), 2019, 39(9): 1080-1094.

ZHANG X, KONG X, LI Y, LUO Y L, HUANG C, JIN M. Effect of exogenous ABA on the canopy temperature and accumulation and distribution of photoassimilates in wheat under drought conditions. Journal of Triticeae Crops, 2019, 39(9): 1080-1094. (in Chinese)

[48] 李君艷, 姚得秀, 郭曉磊, 王志敏, 張英華. 花后干旱對(duì)冬小麥光合、抗氧化特性和C4光合酶活性的影響. 生態(tài)學(xué)雜志, 2023, 42(1): 49-57.

LI J Y, YAO D X, GUO X L, WANG Z M, ZHANG Y H. Effects of post-anthesis drought on photosynthesis, antioxidant properties,and C4 photosynthetic enzyme activity in winter wheat. Chinese Journal of Ecology, 2023, 42(1): 49-57. (in Chinese)

[49] 武曉玲, 梁海媛, 楊峰, 劉衛(wèi)國(guó), 佘躍輝, 楊文鈺. 大豆苗期耐蔭性綜合評(píng)價(jià)及其鑒定指標(biāo)的篩選. 中國(guó)農(nóng)業(yè)科學(xué), 2015, 48(13): 2497-2507. doi: 10.3864/j.issn.0578-1752.2015.13.002.

WU X L, LIANG H Y, YANG F, LIU W G, SHE Y H, YANG W Y. Comprehensive evaluation and screening identification indexes of shade tolerance at seedling in soybean. Scientia Agricultura Sinica, 2015, 48(13): 2497-2507. doi: 10.3864/j.issn.0578-1752.2015.13.002. (in Chinese)

[50] 樊意廣, 馮海寬, 劉楊, 邊明博, 孟煬, 楊貴軍. 基于冠層光譜特征和株高的馬鈴薯植株氮含量估算. 農(nóng)業(yè)機(jī)械學(xué)報(bào), 2022, 53(6): 202-208,294.

FAN Y G, FENG H K, LIU Y, BIAN M B, MENG Y, YANG G J. Estimation of potato plant nitrogen content based on canopy spectral characteristics and plant height. Transactions of the Chinese Society for Agricultural Machinery, 2022, 53(6): 202-208,294. (in Chinese)

[51] LI Z, NIE C, WEI C, XU X, SONG X, WANG J. Comparison of four chemometric techniques for estimating leaf nitrogen concentrations in winter wheat () based on hyperspectral features. Journal of Applied Spectroscopy, 2016, 83(2): 240-247.

The Related Driving Factors of Water Use Efficiency and Its Prediction Model Construction in Winter Wheat

GAO ChenKai1, LIU ShuiMiao1, LI YuMing1, ZHAO ZhiHeng1, SHAO Jing1, YU HaoLin1, WU PengNian2, WANG YanLi2, GUAN XiaoKang1, WANG TongChao1, WEN PengFei1

1Agronomy College of Henan Agriculture University, Zhengzhou 450046;2Resources and Environment College of Henan Agriculture University, Zhengzhou 450046

【Objective】The water use efficiency can comprehensively reflect the growth suitability and energy conversion efficiency of winter wheat. The driving factors of winter wheat in response to standardized water use efficiency (WP*) at different growth stages were screened and explored, and the WP* prediction model of related driving factors was constructed, which was of great significance for the monitoring of water use efficiency and efficient use of water resources in winter wheat in the Huang-Huai-Hai Plain.【Method】Three water treatments were set up, including water deficit treatments (W1:35 mm, and W2:48 mm) and control treatment (W3: 68 mm), and the canopy temperature parameters, physiological indexes and standardized WP* of winter wheat at the jointing, booting and filling stages were measured. Stepwise regression and pathway analysis were used to screen the main driving factors in response to WP* changes at each growth stage, the relationship between WP* and related drivers was explored, and finally the partial least squares regression (PLSR) and support vector machine (SVM) methods were used to construct a driver-based WP* prediction model in each growth stage. 【Result】Compared with W3, the canopy temperature parameters, physiological indexes and WP* of winter wheat under the water deficit treatments showed significant differences. Based on the stepwise regression method, the main driving factors in response to WP* at each growth stage were screened, and the sensitivity of each driving factor in response to WP* was ranked by pathway analysis, that is, maximum temperature difference (MTD), stomatal conductance (s), leaf water content (LWC) and POD were selected at the jointing stage; canopy relative temperature difference (CRTD), equivalent water thickness (EWT), soluble sugar content (SSC) and crop water stress index (CWSI) were selected at the booting stage; SSC, standard deviation of canopy temperature (CTSD), LWC andswere selected at the filling stage. Finally, the driver-based WP* prediction model for each growth stage was construct by using PLSR and SVM. Among them, the prediction model of WP* at booting stage constructed by SVM had the best accuracy, with2cal(2val), RMSEcal(RMSEval) and nRMSEcal(nRMSEval) of 0.945 (0.926), 0.533 g·m-2(0.580 g·m-2) and 2.844% (3.075%), respectively. 【Conclusion】By screening the relevant driving factors of WP* at each growth stage of winter wheat and constructing a prediction model of winter wheat water use efficiency, this paper provided a theoretical basis for accurate monitoring and management of winter wheat moisture in the Huang-Huai-Hai Plain.

winter wheat; standardized water use efficiency (WP*); driving factor; pathway analysis; support vector machine

10.3864/j.issn.0578-1752.2024.07.006

2023-10-11；

2023-12-13

國(guó)家重點(diǎn)研發(fā)計(jì)劃（2021YFD1700900）、河南省高等學(xué)校重點(diǎn)科研項(xiàng)目計(jì)劃（23A210017）、河南省重點(diǎn)研發(fā)與推廣專(zhuān)項(xiàng)（科技攻關(guān)）（232102110298）

高晨凱，E-mail：13849068126@163.com。通信作者王同朝，E-mail：wtcwrn@henau.edu.cn。通信作者溫鵬飛，E-mail：18792966980@163.com

（責(zé)任編輯 李秋雨）