不同营养液配方对水培罗勒（Ocimum basilicum L.）生物量及挥发性有机化合物谱的影响与响应面预测

《Frontiers in Horticulture》：Biomass and volatile profile responses of hydroponically grown Basil (Ocimum basilicum L.) to different nutrient solution regimes

　　

水培是一种无土栽培技术，因其能够应对传统农业的特定限制，尤其是通过精准管理矿质营养和生长条件，而日益受到关注。本研究评估了由氮（N）和磷（P）浓度及随之变化的钾（K）浓度所定义的不同营养液配方，对在营养膜技术（nutrient film technique, NFT）系统中栽培的罗勒（Ocimum basilicum L.）的影响。在最终收获时分析了农艺参数和挥发性有机化合物（volatile organic compounds, VOCs），同时应用响应面法（response surface methodology, RSM）来识别与芳樟醇、丁香酚和桉叶油素产生相关的模型预测候选营养组合。评估了九种N和P浓度不同的营养处理，K被视为依赖营养元素，并以霍格兰营养液（Hoagland nutrient solution, HNS）作为参考处理。高N处理产生最高的地上部鲜重，分别达到430 g、408 g和365 g，接近HNS获得的值（471 g）。中等N处理的地上部鲜重值为154 g、254 g和210 g，而低N处理的地上部鲜重低于100 g。地上部干重、叶片数、叶面积和株高呈现相同趋势。相比之下，根部参数在各处理间总体相似。探索性主成分分析（principal component analysis, PCA）提示了三种组成分组：高N与丁香酚相关，中等N与桉叶油素相关，低N与芳樟醇相关，而HNS呈现中间轮廓。样本内二次模型拟合得出芳樟醇的R²值为0.64，丁香酚为0.82，桉叶油素为0.73。模型预测的N、P和相关K候选组合分别为：芳樟醇62.2、17.1和80 mg L^?1；丁香酚105、31和135 mg L^?1；桉叶油素58.2、31和93.5 mg L^?1。与HNS参考处理相比，这些条件提高了化合物生产指数（按地上部鲜重×相对GC峰面积（%）/100计算），芳樟醇从8.46提高至17.43，丁香酚从5.61提高至14.7，桉叶油素从1.29提高至4.10。这些发现表明，营养液配方可能影响罗勒生物量和选定VOC组分的相对丰度。结果还强调了营养配方作为调控特定VOC谱策略的潜力。此外，RSM可作为识别与选定VOC化合物变化相关的营养配方的探索性方法。

罗勒（Ocimum basilicum L.）是唇形科重要的芳香和药用植物，其经济价值主要来源于芳樟醇、丁香酚和桉叶油素等挥发性有机化合物（volatile organic compounds, VOCs）。水培作为一种无土栽培技术，通过精准调控矿质营养和生长条件，能够部分解决传统土壤农业面临的水资源约束和耕地有限等问题。以往对水培罗勒的研究多集中于生长、产量和矿质营养，而营养液组成如何影响VOC谱的研究相对有限；同时，预测性建模在连接营养液配方与特定VOC谱方面的应用尚属空白。为此，研究人员在比利时列日大学Gembloux Agro-Bio-Tech的TERRA教学与研究中心无土栽培温室中，采用营养膜技术（nutrient film technique, NFT）系统，以罗勒品种‘Grand Vert’（种子来自法国Vilmorin）为材料，设置了九个N、P浓度不同（K随之协同变化）的营养处理，并以霍格兰营养液（Hoagland nutrient solution, HNS）为参考，系统评价了营养液配方对罗勒农艺性状和主要VOC组分的影响。研究发现，高N处理的地上部鲜重、干重、株高、叶片数和叶面积均接近HNS，而低N处理显著下降；根部参数在各处理间差异不大。探索性主成分分析（principal component analysis, PCA）将营养处理分为三组：高N与丁香酚关联，中等N与桉叶油素关联，低N与芳樟醇关联，而HNS处于原点附近。进一步采用响应面法（response surface methodology, RSM）对三种VOC的化合物指数（compound index, CI）进行二次多项式建模，模型预测的候选N、P和关联K组合分别可提高芳樟醇、丁香酚和桉叶油素的CI值，较HNS参考处理有显著提升。该研究揭示了营养液配方不仅影响罗勒生物量，还可作为调节VOC谱的潜在策略，为水培系统中定向生产高价值次生代谢物提供了新思路。

在技术方法上，研究人员采用3×3全因子设计，九个营养处理外加一个HNS对照；营养液以KNO₃、KH₂PO₄、Ca(NO₃)₂·4H₂O和Ca(OH)₂配制，维持钙浓度一致。收获后测定株高、叶片数、叶面积、地上部和根部鲜/干重。VOC提取采用正己烷浸渍，经气相色谱-质谱联用（gas chromatography-mass spectrometry, GC-MS）进行半定量分析。为整合生物量与相对峰面积，计算了CI（地上部鲜重×相对GC峰面积/100）。随后对CI数据分别拟合含N、P线性、二次和交互项的二次多项式回归模型，并以R²和均方根误差（root mean square error, RMSE）评价模型拟合效果。由于缺乏NFT单元水平的独立重复，模型仅作为探索性和描述性工具，未用于确证性优化。

研究结果包括三个部分。第一，生长与农艺表现：按N水平将九种处理分为三组后，高N组（S1–S3）的地上部鲜重平均为401 g·株^?1，接近HNS的471 g·株^?1；中等N组（S4–S6）平均为206 g·株^?1；低N组（S7–S9）仅45.6 g·株^?1。地上部干重、叶片数、叶面积和株高变化趋势一致，而根鲜重和根干重在各组间差异较小。第二，VOC谱及芳樟醇、丁香酚和桉叶油素的CI：PCA结果显示，高N处理主要与丁香酚、3-己烯醇等关联，中等N处理与桉叶油素、柠檬烯等关联，低N处理与芳樟醇、β-月桂烯等关联，HNS位于原点附近，未归入任何特定营养组。计算CI后发现，丁香酚CI在S2和S3分别为14.7和13.6，高于HNS的5.6；桉叶油素CI在S4和S6分别为3.1和2.9，高于HNS的1.2；芳樟醇CI在S5达到12.8，高于HNS的8.4。第三，数学建模：三个二次模型的样本内R²分别为芳樟醇0.64、丁香酚0.82、桉叶油素0.73。响应面图显示，芳樟醇和桉叶油素呈驼峰状响应，最高预测CI分别出现在N 62.2 mg L^?1/P 17.1 mg L^?1和N 58.2 mg L^?1/P 31 mg L^?1；丁香酚则随N、P增加持续上升，最高预测值位于试验域上边界（N 105 mg L^?1/P 31 mg L^?1）。模型预测的候选条件下，三种化合物的拟合CI均高于HNS均值，差异具有描述性意义。

在讨论中，研究人员指出，罗勒的生长表现不仅取决于养分总量，还受养分平衡影响；N（伴随K）梯度是驱动农艺差异的主要因素，而P的独立作用不明显，根部参数的相似性可能反映了根系对养分可利用性的可塑性响应。不同N水平下VOC谱的分离与萜类（如通过质体甲基赤藓醇磷酸途径生成的芳樟醇和桉叶油素）及苯丙烷类（丁香酚）生物合成途径的差异有关。RSM能够捕捉N、P供应与次生代谢物积累之间的复杂非线性关系，但研究也承认K与N共变、未测定组织养分浓度、正己烷浸提可能提取非挥发性亲脂物质、单周期无独立重复等局限，故模型预测的配方应视为候选组合，需经独立栽培周期验证。研究结论可概括为：营养液组成与水培罗勒的营养生长及VOC积累密切相关，N梯度（伴随K）对农艺表现影响最显著，但无法将K与N的贡献统计分离；不同配方可定向促进特定VOC积累；二次模型识别出优于HNS的候选N、P、K组合，表明营养管理可用于调节次生代谢物合成，RSM则是开发更精准水培营养策略的有用工具。未来需在真实栽培条件和多个生产周期中验证这些配方。