结合光合作用理论优化Laisk法：光下光呼吸CO2补偿点（Γ*）与CO2释放速率（DL）的精准估算新策略

本文系统评析了经典Laisk法在估算C3植物光呼吸CO2补偿点（Γ*）和光下CO2释放速率（DL）时因线性回归假设导致的系统性误差，创新性地提出将Farquhar-von Caemmerer-Berry（FvCB）光合模型整合至Laisk分析框架，有效克服温度与CO2范围对参数估计的干扰，为全球碳循环模型和作物抗逆生理研究提供更可靠的理论基础。

　　

1 引言

植物通过光合作用同化大气中的碳，该过程可通过数学模型描述，其中Farquhar-von Caemmerer-Berry（FvCB）模型是最广泛应用于C₃植物碳固定研究的理论框架。该模型中的两个关键参数——光呼吸CO₂补偿点（Γ*）和光下CO₂释放速率（D_L）——对理解植物碳动态至关重要。D_L包含呼吸作用和除光呼吸脱羧外的其他脱羧过程（如脂肪酸生物合成、磷酸戊糖途径和氨基酸生物合成）释放的CO₂。

传统Laisk法通过在不同低光强下测定净光合速率（A_net）与叶绿体CO₂分压（C_c）的关系，拟合线性回归线并以其交点估算Γ和D_L。然而，FvCB理论表明A_net-C_c关系存在固有曲率，线性近似会引入系统误差，尤其在低温或CO₂范围不包含Γ时可能导致Γ*低估和D_L的生理学不合理值（如负值）。

1.1 理论基础

FvCB模型将C₃光合作用分为三个组分：Rubisco羧化（总光合作用）、Rubisco氧化（光呼吸）和D_L（光下非光呼吸来源的CO₂释放）。净光合速率表示为：

A_net = V_c (1 - Γ*/C_c) - D_L

其中V_c为羧化速率，受Rubisco活性（W_c）、RuBP再生（W_j）和磷酸盐可用性（W_p）共同限制，即V_c = min{W_c, W_j, W_p}。W_c和W_j的计算涉及表观最大羧化速率（V'_cmax）、米氏常数（K_m）、电子传输速率（J）等参数，且通过平滑双曲线函数处理共限制区域，以更真实地反映光合响应。

2 材料与方法

实验以向日葵（Helianthus annuus）为材料，在控温生长单元中培养，使用GFS-3000便携式气体交换荧光系统测量光合参数。测量前叶片在6°C、40 Pa CO₂和300 μmol photons m^?2 s^?1光强下适应30分钟，后在80、150和300 μmol photons m^?2 s^?1三种光强下，测量CO₂分压1.2至9.2 Pa范围内的A_net-C_c响应。

研究通过模拟（5–40°C温度范围）和实验数据评估线性回归的偏差，并比较传统Laisk法与FvCB模型整合方法的性能。蒙特卡洛模拟引入0.07 μmol CO₂ m^?2 s^?1的测量误差，以量化不确定性。敏感性分析考察了叶肉导度（g_m）变异（0.5–10.0 μmol m^?2 s^?1 Pa^?1）对参数估计的影响，结果显示Γ*和D_L估计在g_m≥2.0时保持稳定，验证了方法在扩散梯度最小条件下的稳健性。

3 结果与讨论

3.1 线性回归在5–40°C范围内估算Γ*和D_L的偏差

模拟结果表明，低温下（5–10°C）线性回归导致D_L严重低估甚至出现负值，Γ估计也显著偏离参考值（Γ_ref）。在15°C以下，因Rubisco活性成为限制因素，误差从影响Γ转向影响D_L。高温下（20–40°C）估计值趋于合理，但Γ仍被系统低估。例如在15°C时，Γ*低估达1.43 Pa，40°C时低估0.69 Pa。

3.2 CO₂范围选择对参数估计的敏感性

当CO₂范围包含Γ_exp且跨度≤3 Pa时，线性回归误差较小；但当范围扩大或不包含Γ_exp时，误差急剧增加。排除Γ_exp时，5°C下Γ高估近2 Pa，40°C下宽范围导致Γ*低估2.5 Pa。D_L的低估在低温宽范围条件下尤为显著。

3.3 蒙特卡洛模拟比较线性回归与FvCB模型

FvCB模型在所有CO₂范围和温度下均产生一致且紧密聚集的Γ和D_L估计值（如6°C时Γ=1.67±0.03 Pa, D_L=1.01±0.05 μmol m^?2 s^?1）。线性回归在包含Γ_exp的窄范围内表现接近，但在宽范围或不包含Γ_exp时出现显著分散甚至无效值（如Γ*=0.24 Pa, D_L=0.14 μmol m^?2 s^?1）。

3.4 实验数据重分析验证

对6°C实验数据的重分析显示，当CO₂范围窄（1.2–3.6 Pa）且包含Γ_exp时，线性回归与FvCB模型交点重合；但当范围宽（3.6–9.2 Pa）且排除Γ_exp时，线性回归交点发散且出现生理学不合理值。FvCB模型在全范围（1.2–9.2 Pa）内保持稳定，交点集中且合理。

4 总体讨论

4.1 经典Laisk法的方法学局限

线性假设与A_net-C_c响应曲率的内在冲突是主要误差源，尤其在低温和宽CO₂范围条件下。既往研究中报告的负D_L值多源于方法学假象而非真实代谢调节。

4.2 Γ*_exp包含与CO₂范围优化的必要性

包含Γ_exp的窄CO₂范围（≤3 Pa）可大幅改善线性回归准确性，但FvCB模型在任意范围内均表现优越。研究建议先通过经验公式（如Brooks-Farquhar方程）或Rubisco特异性计算Γ_exp，再设计实验CO₂范围。

4.3 温度影响与文献差异解析

文献中Γ估计值的变异（如25°C时3.1–4.9 Pa）部分源于线性回归的系统低估和CO₂范围选择差异。低温下Γ降低且仪器限制常导致测量范围高于Γ*_exp，加剧误差。

4.4 整合FvCB模型的优势

FvCB模型通过机理框架处理非线性，避免外推误差，且对测量噪声不敏感。应用示例显示，对同一数据集的重新分析使C_i*从固定值35 μmol mol^?1调整为41.6 μmol mol^?1，D_L从0.97降至0.57 μmol m^?2 s^?1，凸显了传统方法的偏差。

4.6 结论与展望

整合FvCB模型的Laisk法显著提升Γ*和D_L估计的准确性与稳健性，适用于从叶片至生态系统尺度的碳通量建模。未来研究应注重物种间差异、环境胁迫响应及D_L对光强和CO₂的短期依赖性，以深化对植物碳平衡机制的理解并优化气候模型预测。