基于溫光效應的小白菜營養品質模擬模型研究*2

譚 文，楊再強**，李 軍

（1. 南京信息工程大學氣象災害預報預警與評估協同創新中心，南京210044；2. 上海市氣候中心，上海200030）

?

基于溫光效應的小白菜營養品質模擬模型研究*2

譚 文1，楊再強1**，李 軍2

（1. 南京信息工程大學氣象災害預報預警與評估協同創新中心，南京210044；2. 上海市氣候中心，上海200030）

摘要：為了建立小白菜營養品質模型，本研究以小白菜品種“四月慢”為試材設計分期播種試驗，測定不同溫光條件下小白菜不同時期維生素C、纖維素、可溶性糖以及可溶性蛋白含量等營養品質指標，建立基于溫光效應 （Light and temperature function，LTF）的小白菜營養品質數學模型，并利用獨立試驗資料對模型進行檢驗。結果表明：本模型對小白菜的維生素C、纖維素、可溶性糖以及可溶性蛋白含量的預測結果回歸估計標準誤差（RMSE）比輻熱積法（Thermal effectiveness and photosynthetically active radiation，TEP）、積溫法（Growing degree days，GDD）顯著降低，與輻熱積法相比，各指標的RMSE分別降低81.14%、77.46%、77.23%、75.53%，與積溫法相比則分別降低77.15%、78.77%、79.90%、21.17%，表明模型的預測精度更高。本模型實測值與模擬值間的相關系數（r）均大于0.98，優于輻熱積法和積溫法的模擬結果，表明模擬值與實測值之間符合度較高。與傳統的輻熱積法和積溫法相比，溫光效應法顯著提高了小白菜營養品質預測精度，可為耐弱光的溫室作物營養品質模擬提供參考。

關鍵詞：小白菜；溫室；溫光效應；營養品質；模擬模型

譚文，楊再強，李軍.基于溫光效應的小白菜營養品質模擬模型研究[J].中國農業氣象，2016，37（1）:59-67

小白菜（Brassica campestris L.ssp. Chinesis L.）又名不結球白菜、油菜、白菜[1-2]。原產中國，各地均有種植[3]，是長江流域及其以南地區分布最廣、種類最多、種植面積及復種指數最大的蔬菜作物之一[4]。小白菜生長期短，管理簡便，營養豐富，深受青睞[5]。

隨著生產發展和消費水平的日益提高，市場對蔬菜不僅僅是數量上的簡單需求，也開始對品質提出更高的要求。因此，蔬菜各項營養品質指標的形成特點及調控措施成為較受關注的研究課題[5-6]。國內外已對不同環境條件下蔬菜營養品質開展較多研究。Wu等[7]認為，不同的LED光質對豌豆幼苗的抗氧化活性有顯著影響，其中紅光能顯著提高豌豆幼苗的抗氧化活性。劉素慧等[8]認為，藍光和紅藍混合光可提高香椿芽苗菜的氨基酸、維生素C和總黃酮含量，同時可降低硝酸鹽、粗纖維和單寧含量，藍光和紅藍混合光處理更有利于提高香椿芽苗菜品質。張余洋等[9]研究表明，播種密度為2.4kg·m-2、浸種24h、溫度20～25℃、培養8d后采收的豌豆芽苗品質最佳。王榮萍等[10]研究表明，蔬菜專用肥（磷銨＋尿素）處理小白菜其硝酸鹽累積量最低，且維生素C和可溶性糖含量均顯著或極顯著高于其它氮肥處理。

除了受作物遺傳因素影響外，影響營養品質形成的主要因子是環境條件如溫度、光照和水肥供應。目前，前人關于小白菜的研究大多集中于土壤栽培和無土基質方面，對小白菜在不同溫光條件下的營養品質形成影響的模擬報道研究較少。在作物生長過程中，氣象條件的變化對小白菜的營養品質產生重要影響[11-14]，因此，本研究設計分期播種試驗，以獲得不同批次的溫光條件，用以分析溫光效應對小白菜生長和營養品質的動態影響，從而構建小白菜的營養品質模型，以期為設施小白菜的品質預測及環境調控提供技術支持。

1 材料與方法

1.1 試驗設計

試驗于2014年3月-2015年1月在南京信息工程大學Venlo可控試驗溫室內進行，試驗溫室長30.0m，寬9.6m，頂高5.0m，肩高4.5m。以小白菜品種“四月慢”為試驗材料，供試土壤為中壤土，土壤肥力均一，土壤容重為1.32g·cm-3，有機質含量18.6g·kg-1，全氮0.99g·kg-1，全磷0.97g·kg-1，有效鉀283g·kg-1，pH7.4，前茬作物均為小白菜。2014年3 月11日、4月11日、5月11日、9月16日和11月1日進行分期播種，分別記為第1播期（S1）、第2播期（S2）、第3播期（S3）、第4播期（S4）和第5播期（S5）。每期播種量1.5g，面積為1m2（1m×1m），撒播，苗高5cm時疏苗，每平方米留苗400株，試驗設置3次重復。將HOBO的探頭埋在土壤5cm深處，以監測土壤含水量，使土壤相對含水量保持在80%左右。追肥選用復合肥料，自播種后1周開始，每周施入1次，施用標準為 26.67kg·667m-2。每天適當通風。幼苗第一片真葉完全展開后開始取樣，并開始計算生長天數，每3d在每小區內選取3株長勢一致的小白菜植株，測定維生素C、可溶性糖、可溶性蛋白和纖維素含量。當小白菜長出第9片葉時采收。

1.2 測定項目

（1）氣象數據采集：溫室內的光合有效輻射和溫度由數據采集器（HOBO）自動采集，采集頻率為每10s一次，存儲每30min的平均值。日平均溫度為1日內所測所有數據的平均值。

（2）維生素C的測定：采用2，6-二氯酚靛酚法測定[15]。取樣品加入2%草酸溶液研磨，定容至100mL，取10mL放入100mL錐形瓶中，用0.1%的2，6-二氯酚靛酚溶液滴定至淡紅色，并保持15s不褪色，即為滴定終點。記錄下所用2，6-二氯酚靛酚溶液的體積，計算果實中維生素C的含量（mg·100g-1）。

（3）纖維素的測定：采用蒽銅比色法測定[16]。將0.2g樣品放入燒杯中，加入60%H2SO4，并消化30min。將消化好的樣品溶液轉入100mL容量瓶中，并用60%H2SO4定容至100mL，取上述濾液5mL放入100mL容量瓶中，加蒸餾水稀釋至100mL，制得提取液。取2mL提取液至具塞試管中，加入0.5mL2%蒽酮試劑，并沿試管壁加入5mL濃H2SO4，塞上塞子，搖勻，靜置12min，在620nm波長下比色，得纖維素的吸光度。

（4）可溶性糖的測定：采用蒽銅比色法測定[15]。取0.05g干樣于離心管中，加入5～6mL水，沸水浴30min，然后4000轉·min-1離心10min，將上清液倒入25mL容量瓶中，重復3次，定容至25mL，制得提取液。吸取提取液0.1mL，加入3.0mL蒽酮試劑，90℃下水浴30min，620nm波長下比色，得可溶性糖的吸光度。

（5）可溶性蛋白的測定：采用考馬斯亮藍比色法測定[15]。取0.5g混合鮮樣加5mLpH7.8的磷酸緩沖液研磨后離心制得酶液。取20μL酶液加入3mL考馬斯亮蘭G-250反應液放置2min后在595nm下比色，得可溶性蛋白的吸光度。

1.3 溫光效應計算模型

溫度和輻射是影響作物生長的最重要的兩個環境因素[17-19]。在栽培方式一定的條件下，小白菜的生長和營養品質的積累主要由溫度熱效應（Temperature function，fT）和光效應（Light function，fI）決定，將溫度熱效應與光效應的乘積定義為溫光效應（Light and Temperature function，LTF）。通過小白菜生長期間的溫度和輻射資料，建立溫光效應與營養品質指標的動態關系，可預測第一片真葉完全展開后任意一天的小白菜營養品質指標。

溫度熱效應（fT）用相對熱效應（RTE）[20-22]表示，RTE與日平均溫度（T）的關系為

式中，RTE（T）為溫度為T時的相對熱效應；Tb、Tm分別為小白菜生長的下限、上限溫度；Tob、Tou分別為最適溫度下限、上限。據研究[23-26]，溫室小白菜生長的下限溫度為7℃，上限溫度為35℃，最適溫度上、下限分別為18℃、25℃。小白菜采收時仍處于苗期，所以整個計算過程中溫度熱效應的計算采用同一溫度上、下限值。

每日光合有效輻射由一日內每0.5h的平均光合有效輻射累加而得，即

式中，I為每日相對輻熱積（mmol·m-2·d-1）；PAR（i）為1日內第i個0.5h的平均光合有效輻射（mmol·m-2·s-1）；1800為將0.5h內的平均光合有效輻射換算成該0.5h內的總光合有效輻射的單位換算系數。

光效應（fI） 為

式中，I為每日相對輻熱積（mmol·m-2·d-1）；α為函數的曲率。溫室小白菜的函數曲率為0.001[27]。

則累積溫光效應（LTF）為

式中，LTF為小白菜生長過程中的累積溫光效應；fT（j）、fI（j）分別為小白菜生長期間第j天的溫度熱效應、光效應。

1.4 建模及模型檢驗方法

利用第1-3播期資料計算小白菜溫光效應以及營養品質指標，建立溫光效應與營養品質指標的動態關系，模擬第一片真葉完全展開后任意一天的小白菜營養品質指標。利用第4、5播期資料對模型預測效果進行檢驗。

為了評價模型的精度，本研究參考李永秀等[21，28]的計算方法，分別利用積溫法（GDD）和輻熱積（TEP）模型分析小白菜營養指標與GDD或TEP間的關系，建立相應的模型，與溫光效應模型進行對比。利用均方根誤差RMSE（Root Mean Squared Error）和相對誤差RE（Relative Estimation Error）對模擬值與實測值之間的符合度進行分析。RMSE和RE 值越小，表明模型的預測精度越高。同時利用模擬值與觀測值之間的1:1線和實測值與模擬值間的相關系數r表示模型的擬合度和可靠性[29]。

2 結果與分析

2.1 小白菜營養品質溫光效應模型的建立

從表1可以看出，不同播種期小白菜第1片真葉完全展開至收獲所需的時間明顯不同，第1播期最短（27d）、第5播期最長（60d）。從圖1a可以看出，各播期生長期間日平均氣溫波動均較大，總體上呈現第5播期＜第1播期＜第4播期＜第2播期＜第3播期。小白菜屬喜冷涼作物，第1播期的日平均氣溫大部分處于18～25℃，生長期間平均氣溫為19℃，有利于小白菜的生長。第4播期的日平均氣溫大部分處于小白菜最適溫度范圍內，略高于第1播期，且總體呈現生長前期高于生長后期，生長期間平均氣溫為22℃。第2播期在生長前期日平均氣溫處于20～25℃，處于小白菜生長最適宜的溫度范圍內，在小白菜第1片真葉完全展開的第23天后，溫度驟然升高，達到26～29℃，超出小白菜生長最適溫度范圍，較不利于小白菜的生長，生長期間平均氣溫為25℃。第5播期的日平均氣溫明顯低于其它播期，大部分處于10～16℃，生長期間平均氣溫為12℃，因此，第5播期小白菜生長較為緩慢，生長期大于其它播期。而第3播期的日平均氣溫較高，大部分處于25℃以上，最高時為31℃，生長期間平均氣溫為27℃，不利于小白菜的生長。

圖1b為不同播期小白菜日光合有效輻射的變化情況。從圖中可以看出，前3期小白菜日光合有效輻射波動均較大，大體呈現出第2播期＞第1播期＞第3播期＞第4播期＞第5播期。第2播期的日光合有效輻射優于其它播期且波動最大，最高時可達到5.73MJ·m-2，最低僅0.11MJ·m-2，在生長后期，日光合有效輻射也出現減弱的情況，生長期間累積光合有效輻射為91.02MJ·m-2。第1播期的日光合有效輻射波動也較大，最高時可達到4.83MJ·m-2，最低僅0.12MJ·m-2。隨著生長期的推進呈現先增加后減小再增大再減小的雙峰趨勢，尤其是在第1片真葉完全展開的第20天之后，日光合有效輻射小于1MJ·m-2，生長期間累積光合有效輻射為54.35MJ·m-2。第3播期的日光合有效輻射小于前兩期，最大日光合有效輻射為3.93MJ·m-2，大部分日光合有效輻射小于2MJ·m-2，生長期間累積光合有效輻射為49.93MJ·m-2。第4播期的日光合有效輻射波動較小，均小于2MJ·m-2，第4播期的日光合有效輻射總體表現為生長前期大于生長后期，尤其在第1片真葉完全展開的第21天后，日光合有效輻射小于1MJ·m-2，生長期間累積光合有效輻射為26.97MJ·m-2。第5播期的日光合有效輻射波動最小，大部分光合有效輻小于1MJ·m-2，但由于第5期的生長期較長，生長期間累積光合有效輻射為40.38MJ·m-2。

從5個播期的溫度和光合有效輻射來看，第1播期處于最適宜的生長環境，因此小白菜生長迅速，生長期短，品質最優。第2期溫度略高，但輻射條件最好，也有利于小白菜的生長。第4期的溫度適宜，但輻射較少，生長和品質較第1期略差。第5期溫度較低，輻射較少，因此生長緩慢，生長期最長。第3期溫度最高，生長受到影響，品質較差。

圖1 不同播期小白菜生長期內日平均氣溫（a）和日光合有效輻射（b）的變化Fig.1 Changes of the daily average temperature (a) and solar radiation (b) during different sowing treatment of pakchoiNote: S1 is the first sowing treatment （sowed on 2014-03-11）， S2 is the second sowing treatment （sowed on 2014-04-11）， S3 is the third sowing treatment （sowed on 2014-05-11）， S4 is the forth sowing treatment （sowed on 2014-09-16）， S5 is the fifth sowing treatment （sowed on 2014-11-01）.Growing days（GD）is the number of days after the first function leaf fully expanding. The same as below

表1 不同播期小白菜生長期內氣象條件及生長天數Table 1 Average value of meteorological condition in greenhouse and growing days of pakchoi during different sowing treatment

利用第1、第2、第3播期中溫室內溫度和輻射數據計算小白菜生長期間累計的溫光效應（LTF），將小白菜維生素C含量（Vitamin C Content，VCC）、纖維素含量（Cellulose Content，CEC）、可溶性糖含量（Soluble sugar content，SSC）、可溶性蛋白含量（Soluble protein content，SPC）與之進行擬合，結果見圖2。

由圖2可見，小白菜葉片維生素C含量、纖維素含量和可溶性蛋白含量與生長期間累積溫光效應（LTF）間為線性關系，均隨累積溫光效應的增加而增加，可用線性函數擬合（表2），可溶性糖含量也隨生長期間LTF而增加但其增加趨勢可用指數函數擬合。利用同樣的3個播期資料計算輻熱積（TEP）和積溫法（GDD）結果表明（表2），小白菜葉片中維生素C含量、纖維素含量、可溶性糖含量和可溶性蛋白含量均隨生長期間TEP和GDD的增加而增加，其中維生素C含量和可溶性蛋白含量的增加趨勢可用指數函數擬合，纖維素含量的增加趨勢可用線性函數擬合，可溶性糖含量的增加趨勢可用對數函數擬合。其擬合方程見表2。

圖2 小白菜葉片維生素C（a）、纖維素（b）、可溶性糖（c）、可溶性蛋白（d）含量與累積溫光效應的關系Fig. 2 Relationship between vitamin C(a), cellulose(b), soluble sugar(c), soluble protein(d) content of pakchoi leaves and accumulated LTF

表2 小白菜營養指標與累積溫光效應（LTF）、輻熱積（TEP，MJ·m-2）以及積溫（GDD，℃·d）的擬合結果Table 2 Relationship between the nutrient quality of pakchoi and the light and temperature index such as LTF , TEP(MJ·m-2), GDD(℃·d)

2.2 小白菜營養品質溫光效應模型的檢驗

利用第4播期和第5播期的各項營養品質指標含量實測數據和其相對應的溫度、輻射數據，對模型預測效果進行檢驗。并與輻熱積法和積溫法模擬的結果進行比較。

由圖3可以看出，基于溫光效應法構建的模型模擬值與實測值吻合結果最優。由表3可見，維生素C、纖維素、可溶性糖和可溶性蛋白模擬模型的回歸估計標準誤差 RMSE和相對誤差RE較小，實測值與模擬值間的相關系數r分別為0.9933、0.9917、0.9882、0.9851，均大于0.98，進一步表明了基于溫光效應構建的各項營養品質指標模型的模擬值與實測值匹配良好。

圖3 三種模擬方法對小白菜葉片維生素C（a）、纖維素（b）、可溶性糖（c）、可溶性蛋白（d）含量的模擬值和實測值的比較Fig. 3 Comparison between simulated and measured values of vitamin C(a), cellulose(b), soluble sugar(c), soluble protein(d) content of pakchoi leaf with 3 methods

表3 三種模型對小白菜營養品質模型模擬精度的比較Table 3 Comparison of simulation accuracy of three models for nutritional quality of pakchoi

而基于輻熱積法構建的小白菜維生素C、纖維素、可溶性糖和可溶性蛋白含量模擬模型的回歸估計標準誤差RMSE分別是溫光效應法的5.30、4.44、4.39和4.09倍，相對誤差RE分別是溫光效應法的3.55、3.34、2.70和3.11倍（表3），表明基于溫光效應法構建的營養品質模型的精度優于輻熱積法，實測值與模擬值間的相關系數r分別僅為0.7695、0.8201、0.8873和0.8433（表3），表明基于溫光效應構建的營養品質模擬的擬合度高于輻熱積法；從圖3a、圖3b和圖3d可以看出，第5播期小白菜維生素C、纖維素和可溶性蛋白含量基于輻熱積構建的模型模擬值與實測值吻合結果較好，而第4播期擬合精度較差，這可能是由于小白菜是耐弱光植物，對弱光利用效率較高，輻熱積指標不能完全反應弱輻射效應，而第4播期小白菜生長期間輻射較小，所以第4播期輻熱積積累較小，導致模擬值顯著低于實測值。

由表3還可見，基于積溫法法構建的小白菜維生素C、纖維素、可溶性糖和可溶性蛋白含量模擬模型的回歸估計標準誤差 RMSE分別是溫光效應法的4.38、4.71、4.53和5.18倍，相對誤差RE分別是溫光效應法的2.83、4.44、3.29和3.98倍（表3），表明基于溫光效應法構建的營養品質模型的精度優于積溫法，實測值與模擬值間的相關系數r分別僅為0.9548、0.9656、0.8958和0.8988（表3），表明基于溫光效應構建的營養品質模擬的擬合度高于積溫法；由圖3可知，基于積溫構建的模型模擬值與實測值吻合度較低，這可能是由于積溫法僅利用溫度構建模型，而沒有考慮輻射對小白菜各營養品質指標含量生產和積累的影響，由此產生了較大誤差。

由此可以看出，與輻熱積法和積溫法相比，本模型對小白菜各營養品質指標的預測結果RMSE值和RE值均較小，表明本模型的預測精度更高。本模型實測值與模擬值間的相關系數r大于輻熱積法和積溫法，表明模擬值與實測值之間符合度較高。說明本模型對小白菜各營養品質指標的模擬更為準確。

3 結論與討論

由于小白菜“四月慢”在8～10葉時口感最佳，因此本研究在小白菜長出第9葉時進行采收，此時小白菜仍處于苗期。衡量作物品質的重要參數包括作物成熟時的維生素c、纖維素、可溶性糖以及可溶性蛋白。本研究表明小白菜營養品質指標（維生素C、纖維素、可溶性糖和可溶性蛋白）含量均隨著作物生長而不斷累積增大。劉浩榮等[30]也有相似的研究結果，認為小白菜在苗期可溶性糖含量逐漸升高。成元剛[31]在紅花芽菜方面也有相似結論，認為在紅花芽菜生長發育過程中其維生素C、纖維素等營養成分的含量也是隨著培養天數的增加而呈上升趨勢。

對作物營養品質形成的模擬方式依賴于作物種類及模擬目標，目前，研究作物營養品質指標積累模型主要是基于果實品質指標積累所受環境條件影響，通過數學回歸方法建立的預測果實營養品質的生態模型[32]。Stenzel等[33]通過計算積溫來模擬柑橘果實發育時期可溶性糖、有機酸和糖酸比的積累，并建立了柑橘果實成熟曲線模型及以果實糖酸品質性狀預測果實成熟度的方法。但用積溫法模擬和預測小白菜營養品質僅考慮了溫度對作物生長及品質的影響，而忽略了光合有效輻射的效應，因此模擬各營養品質指標會產生較大誤差。劉希全等[26-28]克服了積溫法沒有考慮光合有效輻射的缺點和局限性，提出輻熱積法，并建立基于輻熱積的黃瓜和番茄作物生長模型。滕林[34]也建立了基于輻熱積的番茄果實維生素c、可溶性蛋白、可溶性糖、有機酸含量的預測模型。輻熱積法由于考慮到溫度、輻射對作物生長發育的影響，對光周期不敏感的溫室作物如番茄、黃瓜的生長發育模擬精度較高，但由于小白菜“四月慢”對弱光利用能力較強，是耐陰作物，采用輻熱積光溫指標不能反應在弱光環境下光合有效輻射對其生長和品質的影響，從而影響耐弱光作物的模擬精度。本研究進一步吸收輻熱積算法模型的優點，提出了溫光效應的算法，將原輻熱積指標中光合有效輻射用光效應代替，而且其取值范圍與溫度熱效應保持一致，確定在0～1之間，從而降低了輻熱積指標對光合有效輻射的敏感性程度，該模型吸收了輻熱積模型的優點，改進后模型更加適合耐弱光的溫室作物的模擬，其模擬效果均優于輻熱積法和積溫法，從而提高了小白菜品質的模擬精準度。

本研究僅選取“四月慢”作為試驗材料，在小白菜適宜生長的溫度范圍內進行研究，并用1a的試驗數據構建基于溫光效應的模擬模型。由于小白菜品種多，營養品質指標較多，今后可進一步研究溫光條件對其它小白菜品種及多種營養品質指標（如葉酸含量和硝酸鹽）含量的影響，對模型參數進行補充和完善。

參考文獻References

[1]Cao J S，Yu X L，Ye W Z，et al.Functional analysis of a novel male fertility CYP86MF gene in Chinese cabbage （Brassica campestris L.ssp.chinensis makino）[J].Plant Cell Reports，2006，24:715-723.

[2]李會合，王正銀，張浩，等.養分量比對基質栽培葉菜硝酸鹽累積及其營養品質的影響[J].中國生態農業學報，2004，12（3）:102-104. Li H H，Wang Z Y，Zhang H，et al.Effects of N，P，K combinations on nitrate accumulation and nutrient quality of foliage vegetables grown in soil-less culture. Chinese Journal of Eco-Agriculture，2004，12（3）:102-104.（in Chinese）

[3]呂國強，芮洪梅，左雯，等.幾種表面活性劑對農藥霧滴在小白菜葉面上蒸發的影響規律研究[J].西南大學學報（自然科學版），2014，36（3）:1-8. Lv G Q，Rui H M，Zuo W，et al.Influences of several surfactants on the evaporation process of pesticide droplets on Chinese white cabbage leaves[J].Journal of Souythwest University （Natural Science Edition），2014，36（3）:1-8.（in Chinese）

[4]蘇小俊，李彬，袁希漢，等.小白菜田間耐熱性鑒定方法研究[J].江蘇農業科學，2004，6（5）:63-65，95. Su X J，Li B，Yuan X H，et al.Study on Chinese cabbage field resistance identification method[J].Jiangsu Agricultural Sciences，2004，6（5）:63-65，95.（in Chinese）

[5]高升.1-MCP處理對小白菜采后生理特性及品質的影響研究[D].杭州:浙江農林大學，2013. Gao S.Study on the effect of 1-MCP on postharvest quality and physiological characteristics of Pakchoi[D].Hangzhou: Zhejiang A＆F University，2013.（in Chinese）

[6]郭文川，朱新華，郭康權.果品內在品質無損檢測技術的研究進展[J].農業工程學報，2001，17（5）:1-5. Guo W C，Zhu X H，Guo K Q.Research development of nondestructive determination technologies of internal qualities in fruits[J].Transactions of the CSAE，2001，17（5）:1-5.（in Chinese）

[7]Wu M C，Hou C Y，Jiang C M，et al.A novel approach of LED light radiation improves the antioxidant activity of pea seedlings[J].Food Chemistry，2007，101（4）:1753-1758.

[8]劉素慧，張立偉.紅藍光質對香椿芽苗菜營養品質的影響[J].中國農業氣象，2015，36（3）:306-312. Liu S H，Zhang L W.Effects of red and blue spectra on nutritional quality of Toona sinensis seedlings[J].Chinese Journal of Agrometeorology，2015，36（3）:306-312.（in Chinese）

[9]張余洋，胡全凌，李漢霞.不同處理對豌豆和蘿卜芽苗菜生長、產量及品質的影響[J].華中農業大學學報，2008，27（2）: 289-293. Zhang Y Y，Hu Q L，Li H X.Effects of treatments on the growth，yield and quality of pea and radish sprouts[J].Journal of Huazhong Agricultural University，2008，27（2）:289-293.（in Chinese）

[10] 王榮萍，藍佩玲，李淑儀，等.氮肥品種及施肥方式對小白菜產量與品質的影響[J].生態環境，2007，16（3）:1040-1043. Wang R P，Lan P L，Li S Y，et al.Effects of different nitrogen fertilizers and fertilization patterns on yield and quality of Brassica chinensis[J].Ecology and Environment，2007，16（3）: 1040-1043. （in Chinese）

[11] 任義方，王春乙，趙艷霞.氣溶膠輻射效應對作物及生態系統的影響綜述[J].中國農業氣象，2010，31（4）:533-540. Ren Y F，Wang C Y，Zhao Y X.Review on impact of atmospheric aerosol radiation effect on crops and ecological system[J].Chinese Journal of Agrometeorology，2010，31（4）: 533-540.（in Chinese）

[12] Moya Z T B，Weldon L H，Ouilang C.Microclimate in open top chambers:implications for predicting climate change effects on rice production[J].Transactions of the ASAE，1997，40（3）:739-747.

[13] Buan R D，Maglinao A R， Evangelista P P， et al.Vulnerability of rice and corn to climate change in the philippines[J].Water，Air and Soil Pollution，1996，92（1-2）:41-51.

[14] 符瑜，潘學標.草本植物物候及其物候模擬模型的研究進展[J].中國農業氣象，2011，32（3）:319-325. Fu Y，Pan X B.Research advances in Herbage plant phenology and phenological model of grassland[J].Chinese Journal of Agrometeorology，2011，32（3）:319-325.（in Chinese）

[15] 李合生.植物生理生化實驗原理和技術[M].北京:高等教育出版社，2000:184-185，195-197，246-248. Li H S.Principles and techniques of plant physiological biochemical experiment[M].Beijing:Higher Education Press，2000:184-185，195-197，246-248.（in Chinese）

[16] 伊靈燕.試驗分析方法[OL].http://www.doc88.com/p-2022462750687.html，2015-03-23. Yin L Y.Test analysis method[OL].http://www.doc88.com/p-2022462750687.html，2015-03-23. （in Chinese）

[17] Heinrich J L，Patricia C.Modeling elongation and leaf unfolding of easter lily during greenhouse forcing[J].Scientia Horticulturae，1990，（44）:149-162.

[18] Karlsson M G，Heins R D，Gerberick J O，et al.Temperaturedriven leaf unfolding rate in Hibiscus rosa-sinensis[J]. Scientia Horticulturae，1990，45:323-331.

[19] Heuvelink E，Marcelis L F M.Influence of assimilate supply on leaf formation in sweet pepper and tomato[J].Journal of Horticultural Science，1996，71（3）:405-414.

[20] 倪紀恒，羅衛紅，李永秀，等.溫室番茄葉面積與干物質生產的模擬[J].中國農業科學，2005， 38（8）:1629-1635. Ni J H，Luo W H，Li Y X，et al.Simulation of leaf area and dry matter production in greenhouse tomato[J].Scientia Agricultura Sinica，2005，38（8）:1629-1635.（in Chinese）

[21] 李永秀，羅衛紅，倪紀恒，等.用輻熱積法模擬溫室黃瓜葉面積、光合速率與干物質產量[J].農業工程學報，2005，21 （12）:131-136. Li Y X，Luo W H，Ni J H，et al.Simulation of leaf area，photosynthetic rate and dry matter production in greenhouse cucumber based on product of thermal effectiveness and photosynthetically active radiation[J].Transactions of the CSAE，2005，21（12）:131-136.（in Chinese）

[22] 李永秀，羅衛紅，倪紀恒，等.基于輻射和溫度熱效應的溫室水果黃瓜葉面積模型[J].植物生態學報，2006，30（5）: 861-867. Li Y X，Luo W H，Ni J H，et al.Simulation of greenhouse cucumber leaf area based on radiation and thermal effectiveness[J].Journal of Plant Ecology，2006，30（5）:861-867.（in Chinese）

[23] 周偉華，黃貞，陳興平.電導法鑒定小白菜耐熱性初步研究[J].長江蔬菜，1999，12（7）: 31-32. Zhou W H，Huang Z，Chen X P.Preliminary study on identification of Chinese cabbage heat conductance method[J].Journal of Changjiang Vegetables，1999，12（7）: 31-32.（in Chinese）

[24] Zhao X D，Zhang J Y，Fan S Y，et al.Research progress of heat-tolerance of Brassica campestris ssp. Chinensis[J]. Agricultural Science ＆Technology，2013，14（2）:248-253.

[25] 安林海，陳龍正，胡俏強，等.低溫脅迫對3個小白菜OguCMS與保持系生化指標的影響[J].中國蔬菜，2010，24（4）:19-23. An L H，Chen L Z，Hu Q Q，et al.Effects of cold stress to three non-heading Chinese cabbage OguCMS and biochemical indexes of its maintaining line[J].China Vegetables，2010，24（4）:19-23.（in Chinese）

[26] 劉希全.日光溫室小白菜無公害栽培技術[J].上海蔬菜，2012，6（2）:26-27. Liu X Q.Pollution-free cultivation techniques of Chinese cabbage in greenhouse[J].Shanghai Vegetables，2012，6（2）:26-27.（in Chinese）

[27] Larsen R U，Persson L.Modelling flower development in greenhouse chrysanthemum cultivars in relation to temperature and response group[J].Scientia Horticulturae，1999，80:73-89.

[28] 施澤平，郭世榮，康云艷，等.基于生長度日的溫室甜瓜發育模擬模型的研究[J].南京農業大學學報，2005，28（2）:129-132. Shi Z P，Guo S R，Kang Y Y，et al.Simulation of greenhouse muskmelon development based on growing degree days[J].Journal of Nanjing Agricultural University，2005，28（2）:129-132.（in Chinese）

[29] 王新，馬富裕，刁明，等.加工番茄地上部干物質分配與產量預測模擬模型[J].農業工程學報，2013，29（22）:171-179. Wang X，Ma F Y，Diao M，et al.Simulation of shoot dry matter partitioning and yield prediction of processing tomato[J]. Transactions of the CSAE，2013，29（22）:171-179.（in Chinese）

[30] 劉浩榮，宋海星，劉代平，等.油菜莖葉可溶性糖與游離氨基酸含量的動態變化[J].西北農業學報，2007，16（1）:123-126. Liu H R，Song H X，Liu D P，et al.Dynamics changes of soluble sugar and free amino acid contents in stem and leaf of different oilseed rape varieties[J].Acta Agriculturae Boreali-Occidentalis Sinica，2007，16（1）:123-126.（in Chinese）

[31] 成元剛.溫度、光照對紅花芽菜發育的影響及成分檢測[D].新鄉:河南科技學院， 2012. Cheng Y G. Influence of temperature and light intensity on safflower sprouts development and measurement[D]. Xinxiang:Henan Institute of Science and Technology，2012.（in Chinese）

[32] Wu B H，Gnard M，Lobit P.Analysis of citrate accumulation during peach fruit development via a model approach[J]. Journal of Experimental Botany，2007，58（10）: 2583-2594.

[33] Stenzel N M C，Neves C S V J，Marur C J，et al.Maturation curves and degree-days accumulation for fruits of “Folha Murcha” orange trees[J].Scientia Agricola，2006，63（3）: 219-225.

[34] 滕林.番茄果實品質形成特征及其與環境關系的模擬研究[D].楊凌:西北農林科技大學，2010. Teng L.Study of tomato fruit quality development and simulated with environmental relations[D].Yangling: Northwest A＆F University，2010.（in Chinese）

Simulation of Nutrient Quality of Pakchoi Based on Temperature-light Function

TAN Wen1，YANG Zai-qiang1，LI Jun2
（1.Collaborative Innovation Center on Forecast and Evaluation of Meteorological Disasters， Nanjing University of Information Science ＆ Technology， Nanjing 210044， China; 2.Shanghai Climate Center， Shanghai 200030）

Abstract:To establish the simulation model of the nutrient quality of pakchoi （Brassica chinensis）， the ‘Siyueman’was used as test strains from March 2014 to January 2015， including five sowing times. By measuring internal quality index: vitamin C， cellulose， soluble sugar and soluble protein content under different temperature and light conditions， the mathematical model of pakchoi internal quality based on light and temperature function （LTF） was established and validated by independent experimental data. The results showed that comparing with product of thermal effectiveness and photosynthetically active radiation （TEP） and growing degree days （GDD）， the root mean squared error （RMSE） of prediction values on pakchoi vitamin C， cellulose， soluble sugar and soluble protein content decreased significantly. The RMSE values decreased by 81.14%， 77.46%， 77.23%， 75.53% than that of the TEP method， and 77.15%， 78.77%， 79.90%， 21.17% than that of the GDD method respectively， which indicated the prediction accuracy of the model was higher. The correlation coefficient （r） between measured data and model prediction value was more than 0.98， higher than that of RMSE method and GDD method， which indicated the simulated values were closer to measured values. This prediction model significantly improved the prediction accuracy of pakchoi， which provided a reference for crop quality simulation with resistance to weak light inbook=60,ebook=63greenhouse.

Key words:Pakchoi；Greenhouse；Temperature-light function；Nutrient quality；Simulation model

作者簡介：譚文（1990-），女，碩士生，主要從事設施作物模擬研究。E-mail：tanwen603@163.com

基金項目：“十二五”國家科技支撐計劃項目（2014BAD10B07）；國家公益性行業（氣象）科研專項（GYHY201506001）；江蘇省科技計劃（社會發展）（BE2015693）

* 收稿日期：2015-06-08**通訊作者。E-mail：yzq@nuist.edu.cn

doi:10.3969/j.issn.1000-6362.2016.01.008