地布覆蓋不同滴灌量條件下蘋果樹干液流變化特征研究

楊凱，續海紅，2*，馬冬格，李旭強

（1.山西農業大學 果樹研究所，山西 太原 030031；2.果樹種質資源創制與利用山西省重點實驗室，山西 太原 030031；3.山西農業大學 園藝學院，山西 晉中 030815）

蘋果樹是我國北方干旱半干旱地區高密度果園重要的經濟果樹種類之一［1］。蘋果樹的種植對促進北方地區的鄉村振興以及改善三農問題具有重要意義［2］。然而，我國北方地區降雨量較少，且年均分布不均。蘋果樹蒸騰耗散作用較強，水分需求高且對灌溉要求嚴格［3］。水資源短缺問題進一步加劇了蘋果生長的水分供需矛盾，嚴重制約著當地蘋果產業的發展以及蘋果品質的提升［4］。因此，探尋適宜的灌溉模式下蘋果樹的蒸騰變化規律，對合理利用水資源、緩解我國北方果園用水矛盾、充分挖掘蘋果樹生產潛力具有重要意義。

其中，地布覆蓋具有早春提高地溫、蓄水保墑、調節果園微環境、抑制雜草生長等積極作用［5］。滴灌是近年來主要推廣應用的節水灌溉模式之一，能夠有效提高果園水分利用效率且具有減少土壤水分無效蒸發的優點［6］。目前將二者進行耦合廣泛運用于蘋果樹高效種植模式，分析其對果樹蒸騰耗散的影響研究對蘋果水肥一體化栽培模式有重要指導作用。相關研究指出，果樹的樹干液流變化特征在不同生育期［7］、不同氣候條件下［8］存在顯著的變化差異。程平等［9］、吳佳偉等［10］發現果實膨大期的樹干液流為生育期占比最高。黨宏忠等［11］對蘋果樹的液流監測也顯示，果實膨大期耗水量占果樹整個生育期耗水總量的51%（2017 年）和41%（2018年）。這種生育期的液流差異可能與氣象變化有關［4］。王檬檬等［12］對黃土殘塬溝壑區蘋果樹的液流研究表明太陽輻射、凈輻射、飽和水汽壓差與液流速率均為顯著正相關關系。而馮志文等［13］的分析顯示太陽輻射是液流變化的主要影響因子；張靜等［14］發現小時尺度下和日尺度下，地表溫度均為蘋果樹干液流速率的主導因子。這表明不同研究條件下果樹的樹干液流主要影響因子存在一定差異。同時，基于樹干液流影響因子進行果樹蒸騰模擬已成為研究熱點［15］。這其中，XGBoost 模型是在梯度提升決策樹GBDT 算法基礎上，引入正則項約束了損失函數的下降和模型整體的復雜度，并直接利用損失函數的一、二階導數值優化了模型效率與精度［16］。該方法對缺失值不敏感，且在數據較少時也具有較好的擬合效果，適用性較廣［17］。目前，基于XGBoost 進行蘋果樹干液流速率預測的研究相對較少。

因此，本研究利用熱擴散探針技術對地布覆蓋耦合滴灌系統模式下蘋果樹的樹干液流進行連續監測，探究不同生育期、不同灌溉水平下樹干液流速率的日變化特征及差異性，分析蘋果樹干液流速率與氣象因子的相關關系，并建立基于氣象因子的液流速率預測模型，為明確地布覆蓋滴灌蘋果樹的需水特征及制定果園精細灌溉方案提供理論指導。

1 材料和方法

1.1 試驗區概況

試驗于2022 年5 月-10 月在山西農業大學果樹研究所果樹有機旱作栽培生理試驗園（112°32′E，37°23′N，海拔800 m）中進行。園區位于晉中市西南部，屬于暖溫帶大陸性氣候。四季分明，春季干燥多風，夏季炎熱多雨，秋季天晴氣爽，冬季寒冷少雪，春、秋短促，冬、夏較長。土壤肥沃，土壤氣候條件獨特，是山西省優質果品基地之一［7］。試驗區0～1 m 土層的土壤質地為粉砂壤土，土壤平均容重為1.47 g·cm-3，平均田間體積持水率（θf）為30%。

1.2 試驗設計

本試驗的供試材料為8 年生矮化中間砧富士，基砧為八棱海棠，中間砧為SH38，行株距為4 m×2 m，采用起壟覆蓋栽培模式。以單株果樹為試驗小區，灌溉方式均為膜下滴灌，灌溉方式為1 行2 管地面滴灌，沿樹行兩側布設滴灌管距中心干50 cm，各小區的灌水量用帶有閥門的水表控制。起壟高度為25 cm，壟面寬度1.4 m，樹下起壟，覆蓋聚丙烯黑色地布。試驗過程中的施肥以及病蟲害防治措施均按常規管理。

參考賈俊杰等［18］對矮砧蘋果樹和石美娟等［19］對富士蘋果樹的試驗，設置2 個灌水處理，分別為高水 處 理（HI：70%θf～100%θf）和 低 水 處 理（LI：50%θf～70%θf）。每個處理設置3 個重復。每周利用土壤水分檢測儀（TDR）進行常規含水率測定，判斷是否需要灌溉。

1.3 測定指標與方法

1.3.1 樹干液流監測

于2022 年5 月中旬至2022 年10 月中旬，采用插針式植物熱擴散液流計TDP 監測蘋果樹干液流數據，每30 min自動采集1次。

1.3.2 氣象參數監測

采用自動氣象站監測試驗區的降雨量、大氣溫度、相對濕度、太陽輻射和風速等氣象參數，每15 min 測定1 次。飽和水汽壓差參照羅麗等［20］的公式進行計算。

1.4 數據處理

采用Microsoft Excel 2016 和IBM SPSS Statistics 24 進行試驗數據分析。其中各處理間比較采用One-way ANOVA 分析，差異顯著性分析用Duncan 法。相關性分析采用Pearson 檢驗法。采用Origin 9進行作圖。

模型擬合采用Python3.7 的XGBoost 包，模型的評價指標包括決定系數（R2）、均方誤差（Mean Square Error，MSE）以及平均絕對誤差（Mean Absolute Error，MAE）。其中R2用于檢驗模型的擬合度，R2越大模型的擬合精度越高。MSE、MAE 則用來檢驗預測模型的精度，它們值越小說明精度越高。具體公式如下：

其中yi實際值，y^i為平均預測值，m 是樣本數。

2 結果與分析

2.1 不同生育期蘋果樹液流速率變化特征

2.1.1 不同灌溉處理下液流速率日變化特征

選取不同灌溉處理蘋果樹各生育期典型晴日的樹干液流速率日變化數據進行分析。圖1 為新梢生長期、果實膨大期、果實成熟期的蘋果樹干液流速率日變化?？梢?，蘋果樹不同生育期的液流速率曲線均呈單峰型，存在明顯的晝高夜低日變化特征。其中，新梢生長期果樹液流自6：00 開始啟動，之后液流速率迅速增大，8：30 左右達到日峰值水平。8：30-16：00 時段液流速率仍保持峰值水平緩慢變化，15：00 后迅速降低，至20：00 左右恢復初始狀態。

圖1 不同灌溉處理下蘋果樹各生育期液流速率典型晴日變化Fig.1 Typical sunny day changes in liquid flow rates of apple trees at different growth stages under different irrigation treatments

果實膨大期的液流速率變化特征與新梢生長期類似，均存在顯著的上升、下降及穩定波動狀態。但果實膨大期的液流變化較新梢生長期滯后。其中果實膨大期的液流啟動時間為7：30，較新梢生長期滯后90 min。果實膨大期達到液流峰值水平的時間為9：30，較新梢生長期滯后60 min。同時果實膨大期液流速率開始降低的時間為15：30，這使得果實膨大期的峰值波動時間較新梢生長期縮短90 min。而果實成熟期的液流速率變化強度較前2個生育期明顯減弱，液流在10：30 之后啟動，只存在上升、下降階段，沒有峰值波動階段。不同生育期的液流數據對比顯示，液流速率的峰值大小為：新梢生長期＞果實膨大期＞果實成熟期，其中新梢生長期峰值最大，分別為0.008 58、0.005 11 cm?s-1。單日平均液流速率的大小為：新梢生長期＞果實膨大期＞果實成熟期，其中新梢生長期的日平均值最大，分別為0.003 68、0.002 31 cm?s-1。以上分析表明新梢生長期蘋果樹的液流變化強度最大，果樹的蒸騰耗散作用最強。

不同灌溉處理間的對比顯示，新梢生長期、果實膨大期、果實成熟期HI處理的液流速率峰值和單日平均液流速率均高于LI處理。新梢生長期、果實膨大期、果實成熟期LI 處理的液流速率峰值較HI處理分別降低了40.44%、44.75%、64.83%，單日平均液流速率較HI 處理分別降低了37.08%、46.44%、65.27%。其中果實成熟期2 處理的液流速率差值最大。同時曲線變化特征顯示，LI 處理的新梢生長、果實成熟期液流啟動時間較FI處理分別滯后了30 min 和90 min。這可能是因為水分虧缺時，蘋果樹的氣孔開度與蒸騰作用受到抑制，使得樹干液流的啟動時間滯后，變化強度減弱［21］。

2.1.2 氣象參數日變化特征及與液流速率的相關性

圖2 為不同生育期典型晴日的太陽輻射、相對濕度、大氣溫度、風速、飽和水汽壓差日變化。由圖可知，不同生育期的太陽輻射、大氣溫度、風速、飽和水汽壓差總體均呈單峰型日變化曲線，與蘋果樹的液流變化趨勢相同。而相對濕度呈倒“V”型曲線，與液流速率的變化趨勢相反。這表明太陽輻射、大氣溫度、風速、飽和水汽壓差升高，相對濕度下降時，液流速率處于上升階段。同時，生育期的氣象參數對比顯示，太陽輻射、大氣溫度、飽和水汽壓差的峰值從新梢生長期向果實成熟期遞減，相對濕度的日最小值從新梢生長期向果實成熟期遞增。

圖2 不同生育期典型晴日氣象參數變化Fig.2 Variation of meteorological parameters in typical sunny days at different growth stages

分別選取不同灌溉處理下蘋果各生育期典型晴日的液流速率與氣象參數數據進行相關性分析，結果如表1 所示。由表可知，不同生育期氣象參數與各處理液流速率的相關性較為一致，太陽輻射、大氣溫度、風速、飽和水汽壓差與液流速率為顯著正相關，相對濕度與液流速率為顯著負相關。但不同生育期的相關性強弱存在一定差異。全生育期、新梢生長期2 處理液流速率與氣象參數的相關性大小均為：太陽輻射＞飽和水汽壓差＞大氣溫度＞相對濕度＞風速，表明整體生育期及新梢生長期太陽輻射與液流變化的相關性最強，風速與液流變化的相關性最弱。果實膨大期太陽輻射、風速仍保持與液流速率最強/最弱的相關性。果實成熟期液流速率與氣象參數的相關性大小為：太陽輻射＞大氣溫度＞風速＞飽和水汽壓差＞相對濕度（HI處理）、太陽輻射＞飽和水汽壓差＞大氣溫度＞相對濕度＞風速（LI 處理），其中太陽輻射對不同灌溉處理的液流速率均具有顯著正效應，但相對濕度對HI處理液流變化的負效應減弱。

表1 不同灌溉處理下蘋果樹干液流速率與氣象參數的相關性Table.1 Correlation between apple tree fluid flow rates and meteorological parameters under different irrigation treatments

同時生育期的相關性對比還顯示，果實膨大期的液流速率與氣象參數的相關性最強，果實成熟期的液流速率與氣象參數相關性最弱。表明果實膨大期的液流速率變化更易受到氣象條件的影響。而不同灌溉處理間的相關性對比顯示，除果實成熟期的太陽輻射外，LI 處理液流速率與太陽輻射、相對濕度、大氣溫度、風速、飽和水汽壓差的相關性均較HI處理增大。表明灌溉條件改變時，氣象參數對LI處理液流變化的影響效果較HI處理增強。

2.1.3 不同灌溉處理下液流速率生長期變化特征

進一步對不同生育期的平均液流速率和最大液流速率進行分析，由圖3 可見，不同灌溉處理的平均液流速率均顯示新梢生長期的樹干液流變化最強，且呈現從新梢生長期向果實成熟期的遞減趨勢。其中HI 處理新梢生長期平均液流速率較果實膨大期和果實成熟期分別高12.35%、169.63%；LI處理新梢生長期平均液流速率較果實膨大期和果實成熟期分別高30.64%、292.73%。同時不同處理間的平均液流速率對比也顯示，水分虧缺時蘋果樹的液流變化強度減弱，LI 處理各個生育期的平均液流速率均較HI 減小。其中果實成熟期2 處理的平均速率降幅最顯著，達到了59.26%。

圖3 不同灌溉處理下蘋果樹干各生育期平均液流速率、日最大液流速率的均值Fig.3 The mean value of average liquid flow rates and daily maximum liquid flow rate of apple trees at different growth stages under different irrigation treatments

同時由蘋果樹各生育期最大液流速率變化可見（圖4），HI 處理的不同生育期的最大液流速率均達到了0.008 cm?s-1以上，其中新梢生長期的最大液流速率最高。LI 處理的各生育期的最大液流速率大小為：新梢生長期＞果實膨大期＞果實成熟期，與單日液流峰值變化趨勢保持一致，且隨生育期推進的速率降低。但不同處理間的生育期最大液流速率差值顯示，新梢生長期、果實膨大期、果實成熟期LI較HI處理顯著降低了41.33%、44.98%、58.72%。

圖4 不同灌溉處理下蘋果樹干各生育期最大液流速率Fig.4 The maximum fluid flow rate of apple trees at differentgrowth stages under different irrigation treatments

2.2 基于XGBoost 模型的液流速率預測

基于以上分析結果，從果樹的3 個生育期分別選取典型晴日的液流速率和氣象參數數據作為原始數據集。以太陽輻射、相對濕度、大氣溫度、風速、飽和水汽壓差作為輸入參數、液流速率作為預測參數，將數據集按8∶2 劃分，即前80%的數據作為訓練集，后20%數據作為測試集，建立基于XGBoost 模型的液流速率回歸預測模型。模型在訓練過程中，random_state 為100。并采用五折交叉驗證法進行參數調優，在權衡計算量與模型的綜合得分后將模型的參數max_depth 設為1、learning_rate 設為0.02、n_estimators 設 為600，其 余 參 照 默 認 值設置。

最終的模型的預測值與實際值的對比如圖5 所示，評價指標如表2 所示?？梢娔Ｐ偷念A測液流速率與實測液流速率具有較好的正相關趨勢，模型的R2為0.815，均方誤差為2×10-6，平均絕對誤差為0.000 92。表明基于氣象參數的XGBoost 模型對液流變化具有良好的預測效果。

表2 模型的評價指標Table.2 Evaluation indicators of the model

圖5 模型預測值與實際值的對比Fig.5 Comparison between the predicted values and the actual value of the model

進一步對模型的各個輸入參數進行重要性評價，結果如圖6 所示。特征重要性的大小為：太陽輻射＞大氣溫度＞飽和水汽壓差＞相對濕度＞風速，表明太陽輻射對蘋果樹干液流速率的影響效果最強，風速對液流速率的影響效果最弱。

圖6 模型輸入參數的重要性評價Fig.6 Importance evaluation of input model parameters

3 討論

研究表明，蘋果樹樹干液流具有顯著的晝夜變化特征，呈“幾”字形單峰曲線［7-14］。本試驗中，液流速率曲線呈單峰形變化，但不同生育期的啟動時間和峰值時間存在一定差異。其中新梢生長期蘋果樹液流的啟動時間、達到峰值的時間均較其它生育期提前，且峰值的持續時間增長?？赡苁且驗樾律疑L期太陽輻射和大氣溫度相對較高，對葉片的氣孔開度具有促進作用，使得果樹的蒸騰作用增強，液流速率的上升現象較為明顯［22］。此外研究顯示，飽和水汽壓差的升高會使得葉片內外的蒸汽壓梯度升高，對果樹的蒸騰作用也具有促進作用［23］。周玉燕等［24］對黃土高原山旱塬區蘋果樹的液流速率研究也顯示，日均液流速率隨著月份的增大呈現遞減趨勢，5 月的液流速率最高，9 月的液流變化最弱。而馬文濤等［25］對極端干旱區富士蘋果樹的液流研究顯示，7 月（果實膨大期）的液流速率達到生育期最高水平，與本文的研究結果存在一定差異。這可能是因為樹體的生命活動受氣象條件影響，不同試驗區的高溫高輻射天氣出現的頻率不同，植物的氣孔調節作用使得果樹的液流變化活躍度、持續時間不同。同時在極端干旱條件下過高的氣溫和太陽輻射促使氣孔關閉，果樹的蒸騰耗散強度減弱，使得液流速率單日呈雙峰型變化［26］。

氣象是液流速率的主要驅動條件，但不同研究者發現的液流主要影響因子存在一定差異。夏桂敏等［27］對‘寒富’果樹液流速率與氣象因子的相關性分析結果顯示液流速率與太陽輻射的正相關性最強，與相對濕度的負相關性最強。張靜等［14］的研究表明小時尺度下飽和水汽壓差在與蘋果樹液流速率呈極顯著正相關關系。劉鑫［28］對杉木的研究發現液流速率與太陽輻射的相關性不顯著，而與風速為顯著正相關關系。而丁日升等［29］的研究顯示蘋果樹液流速率與風速的相關性不顯著，因而對風速與液流的關系存在一定爭議。本試驗條件下，不同生育期蘋果樹液流速率與太陽輻射、大氣溫度、風速、飽和水汽壓差均呈極顯著正相關，與相對濕度呈極顯著負相關。其中太陽輻射的相關性最強，這是因為太陽輻射的升高對大氣溫度、飽和水汽壓差的升高具有正效應，對相對濕度具有負效應，使得蘋果樹的氣孔導度增大，蒸騰作用加強，進而促使液流速率增加。同時風速促進了葉面的水汽交換，增加葉面-空氣界面的水汽壓差，促進樹干液流向上運輸［30］。但風速在本試驗條件下對液流的影響作用最弱。此外，本研究還發現土壤水分是影響蘋果樹液流變化的關鍵因子，水分虧缺時不同生育期的液流速率的啟動時間滯后，變化強度減弱。趙明玉等［31］也發現，干旱脅迫條件下紅富士蘋果樹液流的啟動時間推遲，結束時間提前。馮永建等［32］對華北落葉松的研究顯示，土壤水分虧缺是影響華北落葉松蒸騰耗水差異的主要原因。同時本研究發現，氣象變化對水分虧缺時液流變化的影響效果較充分灌溉時增強。表明蘋果樹缺水時，樹干液流對外界環境變化更敏感。

綜上可知，氣象因素的變化與植物的蒸騰蒸散需求存在重要關聯性。近年來，由于高密度商業果園種植規模的擴大，通過樹干液流實時監測準確獲取樹體用水需求已成為果園灌溉管理的重要手段［33-34］。然而，由于監測設備的購買、安裝及維護要求，增加了果園的運行成本和時效成本。因此，相關研究者提出利用氣象因子與樹干液流間的相關關系預測樹體的蒸騰變化［35-36］，以達到合理估計果園用水量的目的。目前，關于液流與氣象因子間的模型主要是單變量回歸、多元線性回歸或經驗方程［14，24，26，37］。這些方法通常假設液流和氣象因子具有連續的線性關系。然而，考慮到不同因素間的非線性關系，機器學習等非線性模型可以提高預測的準確性［38］。故本文利用XGBoost 模型，建立了基于蘋果樹不同生育期典型晴日的氣象數據的液流速率預測模型，最終得到的模型R2、MSE、MAE 分別為0.815、2×10-6、0.000 92。表明在考慮非線性關系時，模型的預測效果相對較優。未來可利用該模型基于氣象參數的連續監測獲取果園整體的生理需水變化，進行適時灌溉。

4 結論

地布覆蓋條件下滴灌蘋果樹液流速率日變化在新梢生長期、果實膨大期、果實成熟期均呈單峰型曲線，具有明顯的晝夜變化差異。其中新梢生長期蘋果樹的液流變化最強，單日速率峰值、單日平均液流速率、生育期平均速率及生育期最大值均高于果實膨大期和果實成熟期。同時不同灌溉處理的液流變化也存在顯著差異，低水處理時蘋果樹的液流變化強度明顯減弱。不同生育期蘋果樹的液流變化均受氣象因子的影響，其中太陽輻射的正效應最顯著，相對濕度的負效應最顯著?；跉庀髤到⒘颂O果樹的液流速率預測模型，模型R2、MSE、MAE 分別為0.815、2×10-6、0.000 92，可用于高密度蘋果園的蒸騰耗水研究。