烟草气孔导度对光强的响应

气孔导度模型是评价植物叶片气孔调节的重要工具。为比较几种常用的气孔导度模型对烟草的适用性, 本研究采用Li-6400光合测定系统, 测定了大田条件下, 烟草叶片在控CO₂(390 μmol·mol^-1)和控温(20 ℃、25 ℃、30 ℃和35 ℃)情况下的气孔导度光响应曲线。以Ball-Berry模型(BB模型)、Leuning修正模型(BBL模型)、叶子飘和于强推导的机理模型(BBY模型), 对各温度下烟草的气孔导度进行拟合和比较, 将气孔导度模型与净光合速率的光响应修正模型进行耦合(耦合模型), 研究了烟草气孔导度的光响应特征, 并与Jarvis模型进行比较。拟合结果表明, 较之BB模型和BBL模型, BBY模型能更好地描述各温度下烟草气孔导度与净光合速率之间的关系。耦合模型和Jarvis模型都能较好地拟合烟草气孔导度对光强的响应曲线, 但耦合模型的拟合效果更好, 且可以直接估算最大气孔导度和对应的饱和光强, 同时可以研究最大气孔导度与最大净光合速率是否同步的问题。结果表明, 各温度下, 烟草最大气孔导度与最大净光合速率并不同步。20 ℃下气孔导度早于净光合速率达到最大值, 而其余温度下气孔导度晚于净光合速率达最大值。     

冬小麦气孔导度模型的比较

为评估不同模型模拟冬小麦气孔导度的适用性,从常用的Jarvis模型和Ball-Berry模型中分别选择两种,根据试验资料估算模型参数,并对模型预测效果进行检验和比较。结果表明：运用Jarvis模型1、Jarvis模型2、Ball-Berry模型1和Ball-Berry模型2预测冬小麦气孔导度时预测值与实测值之间的相关系数分别为0.854、0.777、0.751、0.784,均方根误差分别为0.149、0.247、0.183、0.169mol.m^-2.s^-1,据此可确定4种模型的预测精度为Jarvis模型1〉Ball-Berry模型2〉Ball-Berry模型1〉Jarvis模型2。研究结果可为现有的基于Jarvis模型和Ball-Berry模型的农田蒸散、陆面过程和生态系统模型提供参考。     

不同土壤水分条件下玉米叶片/冠层气孔导度的光谱监测模型

通过玉米水分控制试验,测定不同水分条件下各生育期叶片气孔导度、叶面积指数和冠层光谱反射率等,以分析玉米叶片气孔导度的变化规律及其与光谱植被指数的相关性,从而建立基于光谱植被指数和土壤湿度的叶片气孔导度模型。结果表明：玉米在可见光区和近红外中、长波区的反射率随着土壤水分的降低而上升,但叶片气孔导度（Gs）、叶面积指数（LAI）、比值植被指数（RVI）和归一化植被指数（NDVI）随着土壤水分的下降而降低;玉米NDVI和RVI与单叶片和冠层气孔导度均呈极显著指数函数关系（P〈0.01）,且对单叶片气孔导度的拟合效果优于对冠层导度的拟合效果,而经土壤湿度订正的RVI监测模型优于NDVI监测模型。表明通过测定冠层反射光谱率可实时、迅速地定量监测玉米叶片的气孔导度,为大面积作物气孔导度估算奠定基础。     

气孔导度,表面温度的环境响应模型研究

主要综述６０年代以来国内外有关气孔导度和植物表面温度的各类环境响应模型，讨论了模拟模型中存在的问题，并做了初步展望。其中主要包括气孔导度的多因子阶乘模型和组合因子模型，植被表面温度模拟的微气象模型。     

基于夏玉米叶片气孔导度提升的冠层导度估算模型

叶片气孔导度模拟及其向冠层导度的尺度提升是实现蒸散发尺度转换的基础,对农业水资源高效利用与评价意义重大。本文依据夏玉米叶片气孔导度和冠层导度实测值,在建立叶片气孔导度估算模型基础上,构建冠层导度估算模型。结果表明,夏玉米叶片气孔导度每日在10:00－14:00之间达到峰值,其日变化趋势与光合有效辐射的一致性较好,较大的饱和水汽压差对夏玉米叶片气孔导度具有一定的限制作用。根据光合有效辐射和饱和水汽压差建立的叶片气孔导度估算模型能较好反映当地夏玉米叶片气孔导度对主要环境因子的响应过程,以光合有效辐射作为尺度转换因子构建的冠层导度估算模型可较好实现从叶片气孔导度向冠层导度的尺度转换提升。     

几种气孔导度模型在华北地区适应性研究

利用LI-6400便携式光合测定仪,在山东农业大学试验基地对冬小麦品种鲁麦23生理生态多项指标进行系统测定,在此基础上,从Jarvis和Ball-Berry模型中分别选取两种模型,利用最小二乘法对气孔导度参数进行拟合检验,并对模型预测效果进行统计分析和对比。结果表明,Ball-Berry模型2预测精度最高,其预测值与实测值的相关系数和均方根误差分别为0.625(P<0.01)和0.158mol.m-2.s-1,Jarvis模型1优于Jarvis模型2,Ball-Berry模型1预测效果最差,其预测值与实测值的相关系数和均方根误差分别为0.369(P<0.01)和0.235mol.m-2.s-1。4种模型在华北地区的适应性与长江中下游地区相比存在一定差异,因此需要在更多地区对气孔导度模型进行更深入研究,以期为土壤-植被-大气系统研究提供更为可靠的参考依据。     

柑橘叶片气孔导度的环境响应模型研究

对柑橘叶片气孔导度的模拟研究结果表明 ,柑橘叶片气孔导度的环境响应模型中环境变量至少需含有光合有效辐射在内的 2个及其以上的环境变量 ;在温度较适宜的生长季除光合有效辐射外 ,环境变量对模型精度影响程度依次为饱和水汽压差 >叶片温度 >空气CO2 浓度 ;在温度和空气CO2 浓度变化较大的季节模型精确度则受单一环境变量和变量间交互作用的影响 ;3月份柑橘叶片气孔导度对环境因子的响应可采用Jarvis模型的G(Qp)g(De)形式 ,而 7月、11月和 3～ 11月份则均可采用G(Qp)g(De)g(Tl)形式描述     

植物气孔导度与表面温度的环境响应模型研究综述

本文主要综述60年代以来国内外有关气孔导度和植物表面温度研究的各类环境响应模型,其中包括气孔导度的多因子阶乘模型和组合因子模型,表面温度的植被表面温度模拟的微气象模型;并讨论了摸拟模型中存在的问题,做了简单展望。     

南方丘陵区油茶气孔导度模型修正

为探求南方丘陵地区油茶叶片气孔导度最优响应模型,该研究于2020年和2021年对油茶叶片的气孔导度、净光合速率、CO2浓度等参数进行观测,运用9种不同组合的Jarvis模型以及2种不同CO2浓度（叶片CO2浓度和胞间CO2浓度）计算的Ball-Woodrow-Berry（BWB）模型和Ball-Berry-Leuning（BBL）模型对油茶叶片气孔导度进行模拟,并引入油茶叶片叶气温差、气孔内外CO2浓度差对Jarvis模型和BBL模型进行修正和比较。结果表明：去除土壤水分函数提高了Jarvis模型的模拟效果,说明在南方丘陵区利用Jarvis模型时可以忽略土壤水分这一因子的影响。Jarvis-8模型以及用叶片CO2浓度计算出的BWB和BBL模型对油茶气孔导度模拟效果较好。在三种经典模型中,BBL模型的相关系数最大（R2=0.76）,绝对值平均误差最小（0.015）,说明其对油茶气孔导度模拟的效果较好。在引入两种参数后,叶气温差对Jarvis-8模型和BBL模型的模拟效果有所提高,但不显著;气孔内外CO2浓度差对Jarvis-8模型无明显改变,但显著提高了BBL模型的精度,引入气孔内外CO2浓度差后的BBL-C模型相关系数从BBL模型的0.76提高到了0.95,模型斜率非常接近于1（1.004）,模拟结果贴近于实测的气孔导度值,很好地模拟了2020年（R2=0.92）和2021年（R2=0.95）油茶生长关键期的叶片气孔导度值以及不同场景下的油茶气孔导度日变化值。因此推荐引入气孔内外CO2浓度差的 BBL模型作为南方丘陵区油茶叶片气孔导度响应模型。研究结果可为南方丘陵区油茶气孔导度模型选取提供参考依据。     

节水灌溉条件下水稻气孔导度模型的改进

为了研究节水灌溉条件下水稻叶片气孔导度与相关因子的响应关系模型,于2006年在河海大学国家重点实验室昆山试验研究基地进行了田间试验。根据实测资料分析了水稻气孔导度与各影响因子的响应关系,引入了水稻叶片叶气温差改进了气孔导度模型,并对两类气孔导度改进模型进行了比较。结果表明：改进的气孔导度模型在节水灌溉条件下具有更高的模拟解释能力;基于Jarvis模型改进的气孔导度模型比Leuning-Ball改进模型具有更好的模拟效果。推荐Jarvis改进气孔导度模型作为节水灌溉条件下的水稻叶片气孔导度响应模型。     

控制灌溉水稻气孔导度变化规律试验研究

根据江西示范区的现场试验资料,分析了晚稻叶片气孔导度的日变化以及全生育期内的变化规律,分析了控制灌溉条件下叶片气孔导度与外界影响因子等的相互关系,并对气孔导度进行了模拟。结果表明：气孔导度在不同的土壤水分条件下表现出不同的日变化规律,较低的土壤水分加大了其在中午的下降幅度;全生育期气孔导度先升后降,并随土壤水分降低而降低,灌水后出现反弹;叶气温差是影响气孔导度的关键因素;在一定的空气温度和CO₂浓度范围内,气孔导度随之增加而增加,超出该范围后,则出现下降趋势。引入叶气温差考虑土壤水分与植物水分亏缺的影响,建立了改进的Leuning-Ball模型,模型对大田试验数据的解释能力有所提高。     

Evapotranspiraton estimation based on scaling up from leaf stomatal conductance to canopy conductance

Evapotranspiraton (ET) estimation based on scaling up from leaf stomatal conductance (g_s) to canopy conductance (g_c) is important in improving effective use and evaluation of agricultural water resources. Taking a summer maize field in north China as an example, after the response of g_s to main environmental factors was analyzed based on the measured value, the Jarvis model for g_s was established and calibrated. Then the weighted integration model (WI model) was established on the basis of weighted model (W model) after considering the difference of intercept diffuse radiation by shaded leaves in different canopy heights and nonlinear relationship between g_s and the photosynthetically active radiation (PAR) to improve g_c estimation for shaded leaves using integration equation. Meanwhile the estimation accuracy of W and WI models for g_c was compared, and then field ET was estimated using the Penman-Monteith equation. Results indicate that the variation of g_s was similar to that of PAR and the Jarvis model could better express the response of g_s to PAR, vapour pressure deficit and air temperature. Compared to the W model, WI model could effectively improve the estimation accuracy of g_c, with the relative error of 4.4%. Penman-Monteith equation overestimated λET by 9.4% using the estimated g_c by the W model, but underestimated λET by 2.3% using the estimated g_c by the WI model. Therefore, Penman-Monteith equation can estimate maize field ET using the estimated g_c by WI model in the region.     

Automated measurement of canopy stomatal conductance based on infrared temperature

Decreased water uptake closes stomates, which reduces transpiration and increases leaf temperature. The leaf or canopy temperature has long been used to make an empirical estimate of plant water stress. However, with a few supplemental measurements and application of biophysical principles, infrared measurement of canopy temperature can be used to calculate canopy stomatal conductance (g_C), a physiological variable derived from the energy balance for a plant canopy. Calculation of g_C requires an accurate measurement of canopy temperature and an estimate of plant height, but all of the other measurements are available on automated weather stations. Canopy stomatal conductance provides a field-scale measurement of daily and seasonal stomatal response to prevailing soil water and atmospheric conditions, and facilitates a comparison of models that scale conductance from single leaves (measured with porometers) to canopies. A sensitivity analysis of the input measurements/estimates showed g_C is highly sensitive to small changes in canopy and air temperature, and less sensitive to the other required measurements (relative humidity, net radiation, wind speed, and plant canopy height). The measurement of g_C becomes increasingly sensitive to all of the component factors as the conditions become cloudier, cooler, and more humid. We determined g_C for alfalfa and turfgrass by making the necessary environmental measurements and coupling them with a two-source (plant canopy layer and soil layer) energy balance model. We then compared these g_C values to maximum single leaf values scaled-up to the canopy level (g_CP, defined as potential canopy stomatal conductance herein) for the two crops. For both crops, g_C matched g_CP within approximately 10% after irrigation. The turfgrass g_C measurements were also compared to mean single leaf values measured with a porometer. At mid-day, g_C values were typically about double the single leaf values. Because this approach for determining g_C allows continuous, non-contact measurement, it has considerable potential for coupling with measurements of soil moisture to better understand plant–soil water relations. It also has potential for use in precision drought stress and irrigation scheduling.     

根系吸水模型模拟覆膜旱作水稻气孔导度

为构建覆膜旱作水稻根系吸水模型,进一步改进气孔导度模型,该文在湖北十堰开展包含3个水分处理(淹水、覆膜湿润和覆膜旱作栽培)的田间试验,分析覆膜旱作水稻蒸腾(根系吸水)与根长之间的关系,在此基础上建立覆膜旱作水稻根系吸水模型,并将其代替彭曼(Penman-Monteith,PM)方程来估算蒸腾强度,进而与脱落酸(abscisic acid,ABA)参与调控的气孔导度模型耦合,模拟覆膜旱作条件下水稻气孔导度的日变化过程。结果表明,水稻蒸腾与根长呈线性正比关系(R~2=0.96,P0.05),据此建立的根系吸水模型可以较好地模拟覆膜旱作水稻的蒸腾(根系吸水)规律,使蒸腾强度模拟值和实测值间的相对误差基本控制在15%以内;经改进后的Tardieu-Davies气孔导度模型(TD模型)可有效描述不同土层根系吸水流中的ABA浓度及不同根系层ABA的合成对木质部蒸腾流中总ABA含量的贡献,可较好地模拟气孔导度的日变化过程。改进TD模型大大提高了模拟精度,使相对误差不超过7.0%。该研究可为覆膜旱作水稻生理节水机理和水分利用效率评估提供一定的理论依据。     

基于植被指数估算天山牧区不同利用类型草地总产草量

针对天山牧区草地面积广、生长环境差异大等特点,选用MODIS/MOD13Q1数据,生成归一化植被指数、增强植被指数、土壤调节植被指数和差值植被指数4种从不同角度反映牧草长势的植被指数,对4个不同牧草利用类型分区分别建立了4种指数及其组合与总产草量的4类回归方程。利用留一交叉检验法评价各模型精度,最终获得适合不同草地利用类型的产草量遥感估算模型。结果表明:4种植被指数都可用于产草量估算,不同植被指数估算模型的拟合精度有区域差异性。当采用SAVI和二次多项式拟合时,RMSE最大值出现在I区,为5 857 kg/hm2,当采用NDVI和二次多项式拟合时,最小值出现在III区,仅为616.487 kg/hm2。值得注意的是采用差值植被指数、土壤调节植被指数估算产草量需考虑植被覆盖状况。其次,多个植被指数组合有信息互补的优势,采用线性回归模型估产时,多个植被指数组合精度高于单一植被指数。该研究可为天山地区草地总产草量遥感估算提供有意义的借鉴。     

基于线性光谱混合模型的荒漠草地覆盖度估测

为了解决草地混合像元对草地植被覆盖度监测的影响,该研究以Landsat TM为数据源,探讨线性光谱混合模型进行混合像元分解的关键问题,分析混合光谱模型获得的不同组分分量与植被覆盖度之间的关系,以期建立适合天山北坡荒漠草地覆盖度监测模型。结果表明:通过光谱混合模型获得植被、沙丘以及盐碱化土壤3个基本组分,其中植被组分与覆盖度拟合效果较好(R2=0.62),与植被指数法估测草地覆盖度相比,决定系数R2均高于比值植被指数、归一化植被指数、土壤调节植被指数及修正土壤调整植被指数MSAVI。通过对所获模型精度检验,均方根误差RMSE为1.28,结果较为理想。因此,利用线性光谱混合模型解析混合像元估测天山北坡荒漠草地覆盖度具有可行性。     

滴灌冬小麦不同施氮量下光合-气孔导度耦合模拟和验证

针对华北平原冬小麦田过量施氮(N)现象,构建和参数化不同施N量下光合-气孔导度耦合模型有利于理解降低施N量对作物产量影响的生理基础。该文于2013—2014年连续2个生长季在滴灌冬小麦田设置3种施N量:290、190和110 kg/hm2,开展了光合及相关生理因子的测定,确定了光合-气孔导度耦合模型关键参数。结果表明:最大羧化速率V_(cmax)在84.5~153.3μmol/(m2·s)之间变化,V_(cmax)与叶片N含量之间的可用线性关系来量化;最大电子传递速率J_(max)在156.5~236.2μmol/(m2·s)之间变化,二者比值在处理间差异不显著;推导光合模型和气孔导度Ball-Berry模型联立的解析解来求解耦合模型,能较好模拟光合速率日进程,对2次测定模拟的平均绝对误差分别为2.11和2.23μmol/(m2·s)。通过对环境因子及生理因子差异的综合分析,模型可用于模拟施N条件下的光合速率变化,从而为较准确地预测小麦产量奠定基础。