地布覆盖不同滴灌量条件下苹果树干液流变化特征研究

杨凯，续海红，2*，马冬格，李旭强

（1.山西农业大学 果树研究所，山西 太原 030031；2.果树种质资源创制与利用山西省重点实验室，山西 太原 030031；3.山西农业大学 园艺学院，山西 晋中 030815）

苹果树是我国北方干旱半干旱地区高密度果园重要的经济果树种类之一［1］。苹果树的种植对促进北方地区的乡村振兴以及改善三农问题具有重要意义［2］。然而，我国北方地区降雨量较少，且年均分布不均。苹果树蒸腾耗散作用较强，水分需求高且对灌溉要求严格［3］。水资源短缺问题进一步加剧了苹果生长的水分供需矛盾，严重制约着当地苹果产业的发展以及苹果品质的提升［4］。因此，探寻适宜的灌溉模式下苹果树的蒸腾变化规律，对合理利用水资源、缓解我国北方果园用水矛盾、充分挖掘苹果树生产潜力具有重要意义。

其中，地布覆盖具有早春提高地温、蓄水保墒、调节果园微环境、抑制杂草生长等积极作用［5］。滴灌是近年来主要推广应用的节水灌溉模式之一，能够有效提高果园水分利用效率且具有减少土壤水分无效蒸发的优点［6］。目前将二者进行耦合广泛运用于苹果树高效种植模式，分析其对果树蒸腾耗散的影响研究对苹果水肥一体化栽培模式有重要指导作用。相关研究指出，果树的树干液流变化特征在不同生育期［7］、不同气候条件下［8］存在显著的变化差异。程平等［9］、吴佳伟等［10］发现果实膨大期的树干液流为生育期占比最高。党宏忠等［11］对苹果树的液流监测也显示，果实膨大期耗水量占果树整个生育期耗水总量的51%（2017 年）和41%（2018年）。这种生育期的液流差异可能与气象变化有关［4］。王檬檬等［12］对黄土残塬沟壑区苹果树的液流研究表明太阳辐射、净辐射、饱和水汽压差与液流速率均为显著正相关关系。而冯志文等［13］的分析显示太阳辐射是液流变化的主要影响因子；张静等［14］发现小时尺度下和日尺度下，地表温度均为苹果树干液流速率的主导因子。这表明不同研究条件下果树的树干液流主要影响因子存在一定差异。同时，基于树干液流影响因子进行果树蒸腾模拟已成为研究热点［15］。这其中，XGBoost 模型是在梯度提升决策树GBDT 算法基础上，引入正则项约束了损失函数的下降和模型整体的复杂度，并直接利用损失函数的一、二阶导数值优化了模型效率与精度［16］。该方法对缺失值不敏感，且在数据较少时也具有较好的拟合效果，适用性较广［17］。目前，基于XGBoost 进行苹果树干液流速率预测的研究相对较少。

因此，本研究利用热扩散探针技术对地布覆盖耦合滴灌系统模式下苹果树的树干液流进行连续监测，探究不同生育期、不同灌溉水平下树干液流速率的日变化特征及差异性，分析苹果树干液流速率与气象因子的相关关系，并建立基于气象因子的液流速率预测模型，为明确地布覆盖滴灌苹果树的需水特征及制定果园精细灌溉方案提供理论指导。

1 材料和方法

1.1 试验区概况

试验于2022 年5 月-10 月在山西农业大学果树研究所果树有机旱作栽培生理试验园（112°32′E，37°23′N，海拔800 m）中进行。园区位于晋中市西南部，属于暖温带大陆性气候。四季分明，春季干燥多风，夏季炎热多雨，秋季天晴气爽，冬季寒冷少雪，春、秋短促，冬、夏较长。土壤肥沃，土壤气候条件独特，是山西省优质果品基地之一［7］。试验区0～1 m 土层的土壤质地为粉砂壤土，土壤平均容重为1.47 g·cm-3，平均田间体积持水率（θf）为30%。

1.2 试验设计

本试验的供试材料为8 年生矮化中间砧富士，基砧为八棱海棠，中间砧为SH38，行株距为4 m×2 m，采用起垄覆盖栽培模式。以单株果树为试验小区，灌溉方式均为膜下滴灌，灌溉方式为1 行2 管地面滴灌，沿树行两侧布设滴灌管距中心干50 cm，各小区的灌水量用带有阀门的水表控制。起垄高度为25 cm，垄面宽度1.4 m，树下起垄，覆盖聚丙烯黑色地布。试验过程中的施肥以及病虫害防治措施均按常规管理。

参考贾俊杰等［18］对矮砧苹果树和石美娟等［19］对富士苹果树的试验，设置2 个灌水处理，分别为高水 处 理（HI：70%θf～100%θf）和 低 水 处 理（LI：50%θf～70%θf）。每个处理设置3 个重复。每周利用土壤水分检测仪（TDR）进行常规含水率测定，判断是否需要灌溉。

1.3 测定指标与方法

1.3.1 树干液流监测

于2022 年5 月中旬至2022 年10 月中旬，采用插针式植物热扩散液流计TDP 监测苹果树干液流数据，每30 min自动采集1次。

1.3.2 气象参数监测

采用自动气象站监测试验区的降雨量、大气温度、相对湿度、太阳辐射和风速等气象参数，每15 min 测定1 次。饱和水汽压差参照罗丽等［20］的公式进行计算。

1.4 数据处理

采用Microsoft Excel 2016 和IBM SPSS Statistics 24 进行试验数据分析。其中各处理间比较采用One-way ANOVA 分析，差异显著性分析用Duncan 法。相关性分析采用Pearson 检验法。采用Origin 9进行作图。

模型拟合采用Python3.7 的XGBoost 包，模型的评价指标包括决定系数（R2）、均方误差（Mean Square Error，MSE）以及平均绝对误差（Mean Absolute Error，MAE）。其中R2用于检验模型的拟合度，R2越大模型的拟合精度越高。MSE、MAE 则用来检验预测模型的精度，它们值越小说明精度越高。具体公式如下：

其中yi实际值，y^i为平均预测值，m 是样本数。

2 结果与分析

2.1 不同生育期苹果树液流速率变化特征

2.1.1 不同灌溉处理下液流速率日变化特征

选取不同灌溉处理苹果树各生育期典型晴日的树干液流速率日变化数据进行分析。图1 为新梢生长期、果实膨大期、果实成熟期的苹果树干液流速率日变化。可见，苹果树不同生育期的液流速率曲线均呈单峰型，存在明显的昼高夜低日变化特征。其中，新梢生长期果树液流自6：00 开始启动，之后液流速率迅速增大，8：30 左右达到日峰值水平。8：30-16：00 时段液流速率仍保持峰值水平缓慢变化，15：00 后迅速降低，至20：00 左右恢复初始状态。

图1 不同灌溉处理下苹果树各生育期液流速率典型晴日变化Fig.1 Typical sunny day changes in liquid flow rates of apple trees at different growth stages under different irrigation treatments

果实膨大期的液流速率变化特征与新梢生长期类似，均存在显著的上升、下降及稳定波动状态。但果实膨大期的液流变化较新梢生长期滞后。其中果实膨大期的液流启动时间为7：30，较新梢生长期滞后90 min。果实膨大期达到液流峰值水平的时间为9：30，较新梢生长期滞后60 min。同时果实膨大期液流速率开始降低的时间为15：30，这使得果实膨大期的峰值波动时间较新梢生长期缩短90 min。而果实成熟期的液流速率变化强度较前2个生育期明显减弱，液流在10：30 之后启动，只存在上升、下降阶段，没有峰值波动阶段。不同生育期的液流数据对比显示，液流速率的峰值大小为：新梢生长期＞果实膨大期＞果实成熟期，其中新梢生长期峰值最大，分别为0.008 58、0.005 11 cm‧s-1。单日平均液流速率的大小为：新梢生长期＞果实膨大期＞果实成熟期，其中新梢生长期的日平均值最大，分别为0.003 68、0.002 31 cm‧s-1。以上分析表明新梢生长期苹果树的液流变化强度最大，果树的蒸腾耗散作用最强。

不同灌溉处理间的对比显示，新梢生长期、果实膨大期、果实成熟期HI处理的液流速率峰值和单日平均液流速率均高于LI处理。新梢生长期、果实膨大期、果实成熟期LI 处理的液流速率峰值较HI处理分别降低了40.44%、44.75%、64.83%，单日平均液流速率较HI 处理分别降低了37.08%、46.44%、65.27%。其中果实成熟期2 处理的液流速率差值最大。同时曲线变化特征显示，LI 处理的新梢生长、果实成熟期液流启动时间较FI处理分别滞后了30 min 和90 min。这可能是因为水分亏缺时，苹果树的气孔开度与蒸腾作用受到抑制，使得树干液流的启动时间滞后，变化强度减弱［21］。

2.1.2 气象参数日变化特征及与液流速率的相关性

图2 为不同生育期典型晴日的太阳辐射、相对湿度、大气温度、风速、饱和水汽压差日变化。由图可知，不同生育期的太阳辐射、大气温度、风速、饱和水汽压差总体均呈单峰型日变化曲线，与苹果树的液流变化趋势相同。而相对湿度呈倒“V”型曲线，与液流速率的变化趋势相反。这表明太阳辐射、大气温度、风速、饱和水汽压差升高，相对湿度下降时，液流速率处于上升阶段。同时，生育期的气象参数对比显示，太阳辐射、大气温度、饱和水汽压差的峰值从新梢生长期向果实成熟期递减，相对湿度的日最小值从新梢生长期向果实成熟期递增。

图2 不同生育期典型晴日气象参数变化Fig.2 Variation of meteorological parameters in typical sunny days at different growth stages

分别选取不同灌溉处理下苹果各生育期典型晴日的液流速率与气象参数数据进行相关性分析，结果如表1 所示。由表可知，不同生育期气象参数与各处理液流速率的相关性较为一致，太阳辐射、大气温度、风速、饱和水汽压差与液流速率为显著正相关，相对湿度与液流速率为显著负相关。但不同生育期的相关性强弱存在一定差异。全生育期、新梢生长期2 处理液流速率与气象参数的相关性大小均为：太阳辐射＞饱和水汽压差＞大气温度＞相对湿度＞风速，表明整体生育期及新梢生长期太阳辐射与液流变化的相关性最强，风速与液流变化的相关性最弱。果实膨大期太阳辐射、风速仍保持与液流速率最强/最弱的相关性。果实成熟期液流速率与气象参数的相关性大小为：太阳辐射＞大气温度＞风速＞饱和水汽压差＞相对湿度（HI处理）、太阳辐射＞饱和水汽压差＞大气温度＞相对湿度＞风速（LI 处理），其中太阳辐射对不同灌溉处理的液流速率均具有显著正效应，但相对湿度对HI处理液流变化的负效应减弱。

表1 不同灌溉处理下苹果树干液流速率与气象参数的相关性Table.1 Correlation between apple tree fluid flow rates and meteorological parameters under different irrigation treatments

同时生育期的相关性对比还显示，果实膨大期的液流速率与气象参数的相关性最强，果实成熟期的液流速率与气象参数相关性最弱。表明果实膨大期的液流速率变化更易受到气象条件的影响。而不同灌溉处理间的相关性对比显示，除果实成熟期的太阳辐射外，LI 处理液流速率与太阳辐射、相对湿度、大气温度、风速、饱和水汽压差的相关性均较HI处理增大。表明灌溉条件改变时，气象参数对LI处理液流变化的影响效果较HI处理增强。

2.1.3 不同灌溉处理下液流速率生长期变化特征

进一步对不同生育期的平均液流速率和最大液流速率进行分析，由图3 可见，不同灌溉处理的平均液流速率均显示新梢生长期的树干液流变化最强，且呈现从新梢生长期向果实成熟期的递减趋势。其中HI 处理新梢生长期平均液流速率较果实膨大期和果实成熟期分别高12.35%、169.63%；LI处理新梢生长期平均液流速率较果实膨大期和果实成熟期分别高30.64%、292.73%。同时不同处理间的平均液流速率对比也显示，水分亏缺时苹果树的液流变化强度减弱，LI 处理各个生育期的平均液流速率均较HI 减小。其中果实成熟期2 处理的平均速率降幅最显著，达到了59.26%。

图3 不同灌溉处理下苹果树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

同时由苹果树各生育期最大液流速率变化可见（图4），HI 处理的不同生育期的最大液流速率均达到了0.008 cm‧s-1以上，其中新梢生长期的最大液流速率最高。LI 处理的各生育期的最大液流速率大小为：新梢生长期＞果实膨大期＞果实成熟期，与单日液流峰值变化趋势保持一致，且随生育期推进的速率降低。但不同处理间的生育期最大液流速率差值显示，新梢生长期、果实膨大期、果实成熟期LI较HI处理显著降低了41.33%、44.98%、58.72%。

图4 不同灌溉处理下苹果树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 模型的液流速率预测

基于以上分析结果，从果树的3 个生育期分别选取典型晴日的液流速率和气象参数数据作为原始数据集。以太阳辐射、相对湿度、大气温度、风速、饱和水汽压差作为输入参数、液流速率作为预测参数，将数据集按8∶2 划分，即前80%的数据作为训练集，后20%数据作为测试集，建立基于XGBoost 模型的液流速率回归预测模型。模型在训练过程中，random_state 为100。并采用五折交叉验证法进行参数调优，在权衡计算量与模型的综合得分后将模型的参数max_depth 设为1、learning_rate 设为0.02、n_estimators 设 为600，其 余 参 照 默 认 值设置。

最终的模型的预测值与实际值的对比如图5 所示，评价指标如表2 所示。可见模型的预测液流速率与实测液流速率具有较好的正相关趋势，模型的R2为0.815，均方误差为2×10-6，平均绝对误差为0.000 92。表明基于气象参数的XGBoost 模型对液流变化具有良好的预测效果。

表2 模型的评价指标Table.2 Evaluation indicators of the model

图5 模型预测值与实际值的对比Fig.5 Comparison between the predicted values and the actual value of the model

进一步对模型的各个输入参数进行重要性评价，结果如图6 所示。特征重要性的大小为：太阳辐射＞大气温度＞饱和水汽压差＞相对湿度＞风速，表明太阳辐射对苹果树干液流速率的影响效果最强，风速对液流速率的影响效果最弱。

图6 模型输入参数的重要性评价Fig.6 Importance evaluation of input model parameters

3 讨论

研究表明，苹果树树干液流具有显著的昼夜变化特征，呈“几”字形单峰曲线［7-14］。本试验中，液流速率曲线呈单峰形变化，但不同生育期的启动时间和峰值时间存在一定差异。其中新梢生长期苹果树液流的启动时间、达到峰值的时间均较其它生育期提前，且峰值的持续时间增长。可能是因为新梢生长期太阳辐射和大气温度相对较高，对叶片的气孔开度具有促进作用，使得果树的蒸腾作用增强，液流速率的上升现象较为明显［22］。此外研究显示，饱和水汽压差的升高会使得叶片内外的蒸汽压梯度升高，对果树的蒸腾作用也具有促进作用［23］。周玉燕等［24］对黄土高原山旱塬区苹果树的液流速率研究也显示，日均液流速率随着月份的增大呈现递减趋势，5 月的液流速率最高，9 月的液流变化最弱。而马文涛等［25］对极端干旱区富士苹果树的液流研究显示，7 月（果实膨大期）的液流速率达到生育期最高水平，与本文的研究结果存在一定差异。这可能是因为树体的生命活动受气象条件影响，不同试验区的高温高辐射天气出现的频率不同，植物的气孔调节作用使得果树的液流变化活跃度、持续时间不同。同时在极端干旱条件下过高的气温和太阳辐射促使气孔关闭，果树的蒸腾耗散强度减弱，使得液流速率单日呈双峰型变化［26］。

气象是液流速率的主要驱动条件，但不同研究者发现的液流主要影响因子存在一定差异。夏桂敏等［27］对‘寒富’果树液流速率与气象因子的相关性分析结果显示液流速率与太阳辐射的正相关性最强，与相对湿度的负相关性最强。张静等［14］的研究表明小时尺度下饱和水汽压差在与苹果树液流速率呈极显著正相关关系。刘鑫［28］对杉木的研究发现液流速率与太阳辐射的相关性不显著，而与风速为显著正相关关系。而丁日升等［29］的研究显示苹果树液流速率与风速的相关性不显著，因而对风速与液流的关系存在一定争议。本试验条件下，不同生育期苹果树液流速率与太阳辐射、大气温度、风速、饱和水汽压差均呈极显著正相关，与相对湿度呈极显著负相关。其中太阳辐射的相关性最强，这是因为太阳辐射的升高对大气温度、饱和水汽压差的升高具有正效应，对相对湿度具有负效应，使得苹果树的气孔导度增大，蒸腾作用加强，进而促使液流速率增加。同时风速促进了叶面的水汽交换，增加叶面-空气界面的水汽压差，促进树干液流向上运输［30］。但风速在本试验条件下对液流的影响作用最弱。此外，本研究还发现土壤水分是影响苹果树液流变化的关键因子，水分亏缺时不同生育期的液流速率的启动时间滞后，变化强度减弱。赵明玉等［31］也发现，干旱胁迫条件下红富士苹果树液流的启动时间推迟，结束时间提前。冯永建等［32］对华北落叶松的研究显示，土壤水分亏缺是影响华北落叶松蒸腾耗水差异的主要原因。同时本研究发现，气象变化对水分亏缺时液流变化的影响效果较充分灌溉时增强。表明苹果树缺水时，树干液流对外界环境变化更敏感。

综上可知，气象因素的变化与植物的蒸腾蒸散需求存在重要关联性。近年来，由于高密度商业果园种植规模的扩大，通过树干液流实时监测准确获取树体用水需求已成为果园灌溉管理的重要手段［33-34］。然而，由于监测设备的购买、安装及维护要求，增加了果园的运行成本和时效成本。因此，相关研究者提出利用气象因子与树干液流间的相关关系预测树体的蒸腾变化［35-36］，以达到合理估计果园用水量的目的。目前，关于液流与气象因子间的模型主要是单变量回归、多元线性回归或经验方程［14，24，26，37］。这些方法通常假设液流和气象因子具有连续的线性关系。然而，考虑到不同因素间的非线性关系，机器学习等非线性模型可以提高预测的准确性［38］。故本文利用XGBoost 模型，建立了基于苹果树不同生育期典型晴日的气象数据的液流速率预测模型，最终得到的模型R2、MSE、MAE 分别为0.815、2×10-6、0.000 92。表明在考虑非线性关系时，模型的预测效果相对较优。未来可利用该模型基于气象参数的连续监测获取果园整体的生理需水变化，进行适时灌溉。

4 结论

地布覆盖条件下滴灌苹果树液流速率日变化在新梢生长期、果实膨大期、果实成熟期均呈单峰型曲线，具有明显的昼夜变化差异。其中新梢生长期苹果树的液流变化最强，单日速率峰值、单日平均液流速率、生育期平均速率及生育期最大值均高于果实膨大期和果实成熟期。同时不同灌溉处理的液流变化也存在显著差异，低水处理时苹果树的液流变化强度明显减弱。不同生育期苹果树的液流变化均受气象因子的影响，其中太阳辐射的正效应最显著，相对湿度的负效应最显著。基于气象参数建立了苹果树的液流速率预测模型，模型R2、MSE、MAE 分别为0.815、2×10-6、0.000 92，可用于高密度苹果园的蒸腾耗水研究。