运用光学与破坏性方法结合混合效应模型和加法模型来评估叶片叶绿素动态的年际变化

《Journal of Plant Research》：Assessing interannual variation in leaf chlorophyll dynamics using optical and destructive methods with mixed-effects and additive modelling

　　

摘要

准确评估叶片叶绿素含量对于了解植物对环境变化的生理反应至关重要。虽然溶剂提取法能够提供精确的叶绿素测量值，但该方法具有破坏性且受时间限制，而像CCM-300这样的便携式光学仪器则可以快速、无损地测量叶绿素荧光比率（CFR），不过需要针对不同物种和季节进行校准。本研究评估了CCM-300的测量性能，并重建了英国两个不同夏季期间田 maple（Acer campestre）的季节性叶绿素变化情况。研究利用2023年收集的CFR数据与丙酮提取的叶绿素数据来建立校准模型。在校准数据集中，随机森林回归法的预测性能最佳，但在叶片层面仍存在较大不确定性；因此，由于简单线性模型在外推时更为稳定，便被用于跨年度预测。将这一校准模型应用于2022年的每日CFR测量数据，可生成连续的“虚拟丙酮”曲线，从而与2023年的每周破坏性提取数据进行定性比较。两年均出现生长季中叶绿素含量达到峰值后于夏末下降的现象；不过，在更为温暖干燥的2022年，叶片开始持续下降的时间更早。混合效应建模表明，2022年温度和风速对CFR有正向影响，而对2023年数据进行的广义加性建模则显示，在相对温和的条件下叶绿素含量呈非线性季节性下降。由于跨年度预测依赖于拟合度较低的线性校准模型，因此年份间的差异主要从季节性变化曲线的形状和时间上进行分析，而非叶绿素含量的绝对数值。