《Agricultural Water Management》:Multi-indicator integrated irrigation assessment for solar greenhouse grapevines using coupled CWSI and LAI ranges
编辑推荐:
日光温室葡萄生产受灌溉制度影响,作物水分胁迫指数(crop water stress index,CWSI)与叶面积指数(leaf area index,LAI)可作为精准灌溉的冠层指标。研究人员构建的葡萄生产评价值整合了多个生产指标;支持向量回归(suppo
日光温室葡萄生产受灌溉制度影响,作物水分胁迫指数(crop water stress index,CWSI)与叶面积指数(leaf area index,LAI)可作为精准灌溉的冠层指标。研究人员构建的葡萄生产评价值整合了多个生产指标;支持向量回归(support vector regression,SVR)模型对D值表现出最高预测精度;I1处理下的冠层阈值可协同改善多项生产指标。为确定基于冠层信息的灌溉参考,研究于2023—2025年在日光温室设置CK、I1、I2和I3处理,分析CWSI、LAI与生长、水分状态、产量和果实品质的关系,采用主成分分析(principal component analysis,PCA)与隶属函数建立综合评分(D值),并比较K近邻(k-nearest neighbor,KNN)、SVR和高斯过程回归(Gaussian process regression,GPR)对D值的预测。结果表明,CWSI与LAI同生产指标呈阶段依赖关联,I1在无显著减产条件下改善水分利用与果实品质,SVR预测D值精度最高;基于SVR偏依赖分析与I1实测冠层范围,提出四个物候阶段的CWSI–LAI候选控制范围。该研究为日光温室葡萄基于冠层信息的精准灌溉管理提供量化依据。
研究背景方面,葡萄是世界重要经济果树,中国鲜食葡萄生产规模大;东北地区昼夜温差大、太阳辐射充足,适宜葡萄栽培,但极端天气影响果蔬生产,因此日光温室被广泛用于鲜食葡萄栽培。当前温室栽培中常以过量灌溉追求高产,灌溉制度与不同生育期需水不匹配,易导致减产、果实品质下降和果实霉病增加;高效用水对果树可持续生产十分重要。CWSI和LAI是指导作物水分管理的重要冠层指标,但东北寒冷地区日光温室葡萄的CWSI指导灌溉研究不足;鲜食葡萄对水分胁迫呈非线性响应,适宜CWSI阈值受品种、环境、栽培方式等影响而不一致,多指标优化困难;多数研究基于产量、品质与土壤水分相关性,利用冠层信息表征葡萄生长和资源利用效率的研究仍有限,因此需要建立基于冠层信息的稳健生产性能评价方法。机器学习可灵活刻画非线性关系,为葡萄生产评价提供数据驱动手段。
研究人员于2023—2025年在辽宁沈阳日光温室开展研究,以7年生‘Muscat Hamburg’葡萄为对象,设置CK、I1、I2、I3四个基于田间持水量(θ
f)的土壤水分控制处理,覆盖新梢生长期、开花坐果期、果实膨大期和成熟期,分析不同灌溉处理下生产指标动态、CWSI和LAI与生产指标关系,并评价由冠层信息预测综合生产评分及识别各物候期有利CWSI–LAI范围的可行性。研究结论表明,I1处理在避免显著减产的同时改善水分利用和果实品质,SVR对D值预测总体略优,I1下实测CWSI–LAI范围可作为基于冠层的灌溉管理实践参考。其意义在于为日光温室葡萄提供由冠层无损信息驱动的多指标精准灌溉评价框架。
关键技术方法方面,样本队列来源为辽宁沈阳日光温室2023—2025三个生长季的‘Muscat Hamburg’葡萄。设置CK、I1、I2、I3四个基于θ
f的土壤水分控制处理,覆盖四个物候阶段;连续监测温室微环境、土壤含水量、冠层温度、冠层蒸腾和叶面积,计算CWSI、LAI、标准化水分利用效率(WP
*)和拦截光合有效辐射(IPAR);测定生长、生理、产量和品质指标;采用PCA与隶属函数构建D值,比较KNN、SVR、GPR预测性能,并以SVR二维偏依赖分析结合I1实测冠层范围确定CWSI–LAI候选区间。
研究结果如下。“葡萄生长、生理与品质指标”:通过三年重复测量线性混合模型比较不同灌溉处理,ADMA、ET和LAI随灌水量增加而增加,CWSI呈相反趋势;I1与CK的ADMA无显著差异,成熟期I1的ADMA仅比CK低3.59%,同时降低ET和冠层遮阴;I1在成熟期产量为29.47 t hm
?2、总可溶性固形物(TSS)为14.55 °Brix,显著提高TSS且无显著减产;I2的pH和TSS最高但显著减产,I3生产指标整体恶化;Ψ
PL、Ψ
ML和G
c随灌水量减少而降低,I1未显著降低Ψ
PL和Ψ
ML(G
c在成熟期除外),WP
*先增后减且I1最高。“CWSI、LAI与葡萄生产的关系”:通过Mantel检验和偏最小二乘路径模型(PLS-PM)分析,CWSI与LAI在StageⅠ和StageⅡ显著负相关,路径系数分别为?0.857和?0.850;CWSI和LAI通过植物水分状态指标影响ADMA、ET、WP
*和产量;StageⅢ—Ⅳ CWSI与果实品质指标显著负相关,成熟期模型对ADMA和ET解释度较高(R
2=0.932和0.776);CWSI和LAI与果实品质及WP
*相关性较弱,仅用二者构建综合评价模型适用性有限。“综合葡萄生产评价评分”:通过PCA与隶属函数分析,累计贡献率为85.00%,按年份独立计算D值;StageⅠ和Ⅱ D值随灌水量减少而降低,CK最高(0.74—0.95),I1次之(0.52—0.76);StageⅢ和Ⅳ I1的D值最高;相对I1,StageⅢ其他处理D值降低12.12%—13.92%(CK)、10.13%—18.18%(I2)和77.22%—87.88%(I3),StageⅣ分别降低6.57%—10.48%、14.48%—28.36%和73.68%—88.06%。“基于CWSI和LAI预测综合评分及适用范围”:通过比较SVR、KNN和GPR,SVR测试集NRMSE最低(24.19±3.98%),R
2为0.83,t检验和K-S检验无显著系统偏差,因而选用SVR;一维偏依赖显示StageⅠ—Ⅱ D值随CWSI升高单调下降,StageⅢ CWSI小于0.20、StageⅣ CWSI小于0.30时D值较高(0.50—0.75),超过阈值后明显下降;LAI效应具阶段差异,成熟期LAI超过约5.10—5.20 m
2 m
?2后D值下降;二维偏依赖高D区为StageⅠ CWSI小于0.20且LAI 0—1.5 m
2 m
?2、StageⅡ CWSI小于0.20且LAI 1.20—2.40 m
2 m
?2、StageⅢ CWSI 0.15—0.25且LAI 3.00—5.00 m
2 m
?2、StageⅣ CWSI 0.20—0.35且LAI 4.75—5.25 m
2 m
?2;I1实测范围与高D区最一致,故推荐I1实测范围为StageⅠ CWSI 0.14—0.24、LAI 0.02—1.35 m
2 m
?2,StageⅡ CWSI 0.14—0.23、LAI 1.52—2.16 m
2 m
?2,StageⅢ CWSI 0.15—0.23、LAI 2.73—4.70 m
2 m
?2,StageⅣ CWSI 0.22—0.29、LAI 4.71—4.99 m
2 m
?2。
讨论部分总结:I1轻度水分胁迫可降低ET和冠层遮阴,节水且不显著抑制ADMA,而I2和I3显著抑制ADMA和产量;研究CWSI总体低于0.5,适宜范围受品种、环境和灌溉方式影响;I1的Ψ
ML、Ψ
PL和WP
*表现支持节水灌溉下维持生理活动,G
c对水分变化较Ψ
ML和Ψ
PL更敏感;I1实现产量与果实组成参数协同优化,I2虽提高pH和TSS但减产,I3整体恶化。CWSI与LAI显著负相关,CWSI与Ψ
PL、Ψ
ML相关性较G
c更强;CWSI和ET过高或不足均不利于品质,D值呈阶段依赖变化。与传统静态相关和回归相比,机器学习纳入CWSI、LAI、IPAR和灌溉量可提高D值预测,SVR拟合并无显著系统偏移;PCA与隶属函数构建D值可降低多指标冗余,偏依赖分析使阈值确定更客观。优势在于建立基于冠层参数和机器学习的综合评价体系,D值可缓解多指标信息冗余和评价标准不一致,ML提高适应性与精度;局限包括2025年虽作为独立时间测试集但仍来自同一温室、品种、处理布局和管理框架,D值可能掩盖产量与品质权衡,相邻处理SWC控制带部分重叠,研究仅涉及水分单因素而未涉及氮等多因素协同,冠层参数不能像土壤水分一样由灌溉阀门即时操纵且响应存在时滞,结果受区域、设施和品种限制,未纳入冠层三维结构参数,灌溉处理与行位空间可能存在混杂,今后需独立温室、品种、地点、管理及实际灌溉控制实验验证。
研究结论翻译:本研究考察了日光温室不同灌溉制度下CWSI和LAI与葡萄生长、水分状态、产量及果实组成指标的关系。PLS-PM表明,CWSI和LAI与干物质积累、产量和果实特征存在阶段依赖关联,植物水分状态指标表现出重要的中间统计关系。综合D值概括了多项生产响应。相对CK,I1通常表现出较好的生产性能和高D值且无显著减产。在评估模型中,SVR对D值预测的总体性能略优。考虑模型指示的有利响应区域与I1观测冠层条件的一致性,以及I1良好的节水和生产表现,将I1下观测的CWSI–LAI范围推荐为实践冠层控制范围。四个物候阶段的CWSI–LAI范围分别为:0.14—0.24和0.02—1.35 m
2 m
?2;0.14—0.23和1.52—2.16 m
2 m
?2;0.15—0.23和2.73—4.70 m
2 m
?2;0.22—0.29和4.71—4.99 m
2 m
?2。这些范围应解释为当前温室条件下‘Muscat Hamburg’的候选管理参考,而非广泛验证的灌溉阈值;在更广泛应用前,需通过处理布局、品种、温室环境和实际灌溉控制实验进行独立验证。