基于温光效应的小白菜营养品质模拟模型研究*2

谭 文，杨再强**，李 军

（1. 南京信息工程大学气象灾害预报预警与评估协同创新中心，南京210044；2. 上海市气候中心，上海200030）



基于温光效应的小白菜营养品质模拟模型研究*2

谭 文1，杨再强1**，李 军2

（1. 南京信息工程大学气象灾害预报预警与评估协同创新中心，南京210044；2. 上海市气候中心，上海200030）

摘要：为了建立小白菜营养品质模型，本研究以小白菜品种“四月慢”为试材设计分期播种试验，测定不同温光条件下小白菜不同时期维生素C、纤维素、可溶性糖以及可溶性蛋白含量等营养品质指标，建立基于温光效应 （Light and temperature function，LTF）的小白菜营养品质数学模型，并利用独立试验资料对模型进行检验。结果表明：本模型对小白菜的维生素C、纤维素、可溶性糖以及可溶性蛋白含量的预测结果回归估计标准误差（RMSE）比辐热积法（Thermal effectiveness and photosynthetically active radiation，TEP）、积温法（Growing degree days，GDD）显著降低，与辐热积法相比，各指标的RMSE分别降低81.14%、77.46%、77.23%、75.53%，与积温法相比则分别降低77.15%、78.77%、79.90%、21.17%，表明模型的预测精度更高。本模型实测值与模拟值间的相关系数（r）均大于0.98，优于辐热积法和积温法的模拟结果，表明模拟值与实测值之间符合度较高。与传统的辐热积法和积温法相比，温光效应法显著提高了小白菜营养品质预测精度，可为耐弱光的温室作物营养品质模拟提供参考。

关键词：小白菜；温室；温光效应；营养品质；模拟模型

谭文，杨再强，李军.基于温光效应的小白菜营养品质模拟模型研究[J].中国农业气象，2016，37（1）:59-67

小白菜（Brassica campestris L.ssp. Chinesis L.）又名不结球白菜、油菜、白菜[1-2]。原产中国，各地均有种植[3]，是长江流域及其以南地区分布最广、种类最多、种植面积及复种指数最大的蔬菜作物之一[4]。小白菜生长期短，管理简便，营养丰富，深受青睐[5]。

随着生产发展和消费水平的日益提高，市场对蔬菜不仅仅是数量上的简单需求，也开始对品质提出更高的要求。因此，蔬菜各项营养品质指标的形成特点及调控措施成为较受关注的研究课题[5-6]。国内外已对不同环境条件下蔬菜营养品质开展较多研究。Wu等[7]认为，不同的LED光质对豌豆幼苗的抗氧化活性有显著影响，其中红光能显著提高豌豆幼苗的抗氧化活性。刘素慧等[8]认为，蓝光和红蓝混合光可提高香椿芽苗菜的氨基酸、维生素C和总黄酮含量，同时可降低硝酸盐、粗纤维和单宁含量，蓝光和红蓝混合光处理更有利于提高香椿芽苗菜品质。张余洋等[9]研究表明，播种密度为2.4kg·m-2、浸种24h、温度20～25℃、培养8d后采收的豌豆芽苗品质最佳。王荣萍等[10]研究表明，蔬菜专用肥（磷铵＋尿素）处理小白菜其硝酸盐累积量最低，且维生素C和可溶性糖含量均显著或极显著高于其它氮肥处理。

除了受作物遗传因素影响外，影响营养品质形成的主要因子是环境条件如温度、光照和水肥供应。目前，前人关于小白菜的研究大多集中于土壤栽培和无土基质方面，对小白菜在不同温光条件下的营养品质形成影响的模拟报道研究较少。在作物生长过程中，气象条件的变化对小白菜的营养品质产生重要影响[11-14]，因此，本研究设计分期播种试验，以获得不同批次的温光条件，用以分析温光效应对小白菜生长和营养品质的动态影响，从而构建小白菜的营养品质模型，以期为设施小白菜的品质预测及环境调控提供技术支持。

1 材料与方法

1.1 试验设计

试验于2014年3月-2015年1月在南京信息工程大学Venlo可控试验温室内进行，试验温室长30.0m，宽9.6m，顶高5.0m，肩高4.5m。以小白菜品种“四月慢”为试验材料，供试土壤为中壤土，土壤肥力均一，土壤容重为1.32g·cm-3，有机质含量18.6g·kg-1，全氮0.99g·kg-1，全磷0.97g·kg-1，有效钾283g·kg-1，pH7.4，前茬作物均为小白菜。2014年3 月11日、4月11日、5月11日、9月16日和11月1日进行分期播种，分别记为第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）。每期播种量1.5g，面积为1m2（1m×1m），撒播，苗高5cm时疏苗，每平方米留苗400株，试验设置3次重复。将HOBO的探头埋在土壤5cm深处，以监测土壤含水量，使土壤相对含水量保持在80%左右。追肥选用复合肥料，自播种后1周开始，每周施入1次，施用标准为 26.67kg·667m-2。每天适当通风。幼苗第一片真叶完全展开后开始取样，并开始计算生长天数，每3d在每小区内选取3株长势一致的小白菜植株，测定维生素C、可溶性糖、可溶性蛋白和纤维素含量。当小白菜长出第9片叶时采收。

1.2 测定项目

（1）气象数据采集：温室内的光合有效辐射和温度由数据采集器（HOBO）自动采集，采集频率为每10s一次，存储每30min的平均值。日平均温度为1日内所测所有数据的平均值。

（2）维生素C的测定：采用2，6-二氯酚靛酚法测定[15]。取样品加入2%草酸溶液研磨，定容至100mL，取10mL放入100mL锥形瓶中，用0.1%的2，6-二氯酚靛酚溶液滴定至淡红色，并保持15s不褪色，即为滴定终点。记录下所用2，6-二氯酚靛酚溶液的体积，计算果实中维生素C的含量（mg·100g-1）。

（3）纤维素的测定：采用蒽铜比色法测定[16]。将0.2g样品放入烧杯中，加入60%H2SO4，并消化30min。将消化好的样品溶液转入100mL容量瓶中，并用60%H2SO4定容至100mL，取上述滤液5mL放入100mL容量瓶中，加蒸馏水稀释至100mL，制得提取液。取2mL提取液至具塞试管中，加入0.5mL2%蒽酮试剂，并沿试管壁加入5mL浓H2SO4，塞上塞子，摇匀，静置12min，在620nm波长下比色，得纤维素的吸光度。

（4）可溶性糖的测定：采用蒽铜比色法测定[15]。取0.05g干样于离心管中，加入5～6mL水，沸水浴30min，然后4000转·min-1离心10min，将上清液倒入25mL容量瓶中，重复3次，定容至25mL，制得提取液。吸取提取液0.1mL，加入3.0mL蒽酮试剂，90℃下水浴30min，620nm波长下比色，得可溶性糖的吸光度。

（5）可溶性蛋白的测定：采用考马斯亮蓝比色法测定[15]。取0.5g混合鲜样加5mLpH7.8的磷酸缓冲液研磨后离心制得酶液。取20μL酶液加入3mL考马斯亮兰G-250反应液放置2min后在595nm下比色，得可溶性蛋白的吸光度。

1.3 温光效应计算模型

温度和辐射是影响作物生长的最重要的两个环境因素[17-19]。在栽培方式一定的条件下，小白菜的生长和营养品质的积累主要由温度热效应（Temperature function，fT）和光效应（Light function，fI）决定，将温度热效应与光效应的乘积定义为温光效应（Light and Temperature function，LTF）。通过小白菜生长期间的温度和辐射资料，建立温光效应与营养品质指标的动态关系，可预测第一片真叶完全展开后任意一天的小白菜营养品质指标。

温度热效应（fT）用相对热效应（RTE）[20-22]表示，RTE与日平均温度（T）的关系为

式中，RTE（T）为温度为T时的相对热效应；Tb、Tm分别为小白菜生长的下限、上限温度；Tob、Tou分别为最适温度下限、上限。据研究[23-26]，温室小白菜生长的下限温度为7℃，上限温度为35℃，最适温度上、下限分别为18℃、25℃。小白菜采收时仍处于苗期，所以整个计算过程中温度热效应的计算采用同一温度上、下限值。

每日光合有效辐射由一日内每0.5h的平均光合有效辐射累加而得，即

式中，I为每日相对辐热积（mmol·m-2·d-1）；PAR（i）为1日内第i个0.5h的平均光合有效辐射（mmol·m-2·s-1）；1800为将0.5h内的平均光合有效辐射换算成该0.5h内的总光合有效辐射的单位换算系数。

光效应（fI） 为

式中，I为每日相对辐热积（mmol·m-2·d-1）；α为函数的曲率。温室小白菜的函数曲率为0.001[27]。

则累积温光效应（LTF）为

式中，LTF为小白菜生长过程中的累积温光效应；fT（j）、fI（j）分别为小白菜生长期间第j天的温度热效应、光效应。

1.4 建模及模型检验方法

利用第1-3播期资料计算小白菜温光效应以及营养品质指标，建立温光效应与营养品质指标的动态关系，模拟第一片真叶完全展开后任意一天的小白菜营养品质指标。利用第4、5播期资料对模型预测效果进行检验。

为了评价模型的精度，本研究参考李永秀等[21，28]的计算方法，分别利用积温法（GDD）和辐热积（TEP）模型分析小白菜营养指标与GDD或TEP间的关系，建立相应的模型，与温光效应模型进行对比。利用均方根误差RMSE（Root Mean Squared Error）和相对误差RE（Relative Estimation Error）对模拟值与实测值之间的符合度进行分析。RMSE和RE 值越小，表明模型的预测精度越高。同时利用模拟值与观测值之间的1:1线和实测值与模拟值间的相关系数r表示模型的拟合度和可靠性[29]。

2 结果与分析

2.1 小白菜营养品质温光效应模型的建立

从表1可以看出，不同播种期小白菜第1片真叶完全展开至收获所需的时间明显不同，第1播期最短（27d）、第5播期最长（60d）。从图1a可以看出，各播期生长期间日平均气温波动均较大，总体上呈现第5播期＜第1播期＜第4播期＜第2播期＜第3播期。小白菜属喜冷凉作物，第1播期的日平均气温大部分处于18～25℃，生长期间平均气温为19℃，有利于小白菜的生长。第4播期的日平均气温大部分处于小白菜最适温度范围内，略高于第1播期，且总体呈现生长前期高于生长后期，生长期间平均气温为22℃。第2播期在生长前期日平均气温处于20～25℃，处于小白菜生长最适宜的温度范围内，在小白菜第1片真叶完全展开的第23天后，温度骤然升高，达到26～29℃，超出小白菜生长最适温度范围，较不利于小白菜的生长，生长期间平均气温为25℃。第5播期的日平均气温明显低于其它播期，大部分处于10～16℃，生长期间平均气温为12℃，因此，第5播期小白菜生长较为缓慢，生长期大于其它播期。而第3播期的日平均气温较高，大部分处于25℃以上，最高时为31℃，生长期间平均气温为27℃，不利于小白菜的生长。

图1b为不同播期小白菜日光合有效辐射的变化情况。从图中可以看出，前3期小白菜日光合有效辐射波动均较大，大体呈现出第2播期＞第1播期＞第3播期＞第4播期＞第5播期。第2播期的日光合有效辐射优于其它播期且波动最大，最高时可达到5.73MJ·m-2，最低仅0.11MJ·m-2，在生长后期，日光合有效辐射也出现减弱的情况，生长期间累积光合有效辐射为91.02MJ·m-2。第1播期的日光合有效辐射波动也较大，最高时可达到4.83MJ·m-2，最低仅0.12MJ·m-2。随着生长期的推进呈现先增加后减小再增大再减小的双峰趋势，尤其是在第1片真叶完全展开的第20天之后，日光合有效辐射小于1MJ·m-2，生长期间累积光合有效辐射为54.35MJ·m-2。第3播期的日光合有效辐射小于前两期，最大日光合有效辐射为3.93MJ·m-2，大部分日光合有效辐射小于2MJ·m-2，生长期间累积光合有效辐射为49.93MJ·m-2。第4播期的日光合有效辐射波动较小，均小于2MJ·m-2，第4播期的日光合有效辐射总体表现为生长前期大于生长后期，尤其在第1片真叶完全展开的第21天后，日光合有效辐射小于1MJ·m-2，生长期间累积光合有效辐射为26.97MJ·m-2。第5播期的日光合有效辐射波动最小，大部分光合有效辐小于1MJ·m-2，但由于第5期的生长期较长，生长期间累积光合有效辐射为40.38MJ·m-2。

从5个播期的温度和光合有效辐射来看，第1播期处于最适宜的生长环境，因此小白菜生长迅速，生长期短，品质最优。第2期温度略高，但辐射条件最好，也有利于小白菜的生长。第4期的温度适宜，但辐射较少，生长和品质较第1期略差。第5期温度较低，辐射较少，因此生长缓慢，生长期最长。第3期温度最高，生长受到影响，品质较差。

图1 不同播期小白菜生长期内日平均气温（a）和日光合有效辐射（b）的变化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 不同播期小白菜生长期内气象条件及生长天数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播期中温室内温度和辐射数据计算小白菜生长期间累计的温光效应（LTF），将小白菜维生素C含量（Vitamin C Content，VCC）、纤维素含量（Cellulose Content，CEC）、可溶性糖含量（Soluble sugar content，SSC）、可溶性蛋白含量（Soluble protein content，SPC）与之进行拟合，结果见图2。

由图2可见，小白菜叶片维生素C含量、纤维素含量和可溶性蛋白含量与生长期间累积温光效应（LTF）间为线性关系，均随累积温光效应的增加而增加，可用线性函数拟合（表2），可溶性糖含量也随生长期间LTF而增加但其增加趋势可用指数函数拟合。利用同样的3个播期资料计算辐热积（TEP）和积温法（GDD）结果表明（表2），小白菜叶片中维生素C含量、纤维素含量、可溶性糖含量和可溶性蛋白含量均随生长期间TEP和GDD的增加而增加，其中维生素C含量和可溶性蛋白含量的增加趋势可用指数函数拟合，纤维素含量的增加趋势可用线性函数拟合，可溶性糖含量的增加趋势可用对数函数拟合。其拟合方程见表2。

图2 小白菜叶片维生素C（a）、纤维素（b）、可溶性糖（c）、可溶性蛋白（d）含量与累积温光效应的关系Fig. 2 Relationship between vitamin C(a), cellulose(b), soluble sugar(c), soluble protein(d) content of pakchoi leaves and accumulated LTF

表2 小白菜营养指标与累积温光效应（LTF）、辐热积（TEP，MJ·m-2）以及积温（GDD，℃·d）的拟合结果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 小白菜营养品质温光效应模型的检验

利用第4播期和第5播期的各项营养品质指标含量实测数据和其相对应的温度、辐射数据，对模型预测效果进行检验。并与辐热积法和积温法模拟的结果进行比较。

由图3可以看出，基于温光效应法构建的模型模拟值与实测值吻合结果最优。由表3可见，维生素C、纤维素、可溶性糖和可溶性蛋白模拟模型的回归估计标准误差 RMSE和相对误差RE较小，实测值与模拟值间的相关系数r分别为0.9933、0.9917、0.9882、0.9851，均大于0.98，进一步表明了基于温光效应构建的各项营养品质指标模型的模拟值与实测值匹配良好。

图3 三种模拟方法对小白菜叶片维生素C（a）、纤维素（b）、可溶性糖（c）、可溶性蛋白（d）含量的模拟值和实测值的比较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 三种模型对小白菜营养品质模型模拟精度的比较Table 3 Comparison of simulation accuracy of three models for nutritional quality of pakchoi

而基于辐热积法构建的小白菜维生素C、纤维素、可溶性糖和可溶性蛋白含量模拟模型的回归估计标准误差RMSE分别是温光效应法的5.30、4.44、4.39和4.09倍，相对误差RE分别是温光效应法的3.55、3.34、2.70和3.11倍（表3），表明基于温光效应法构建的营养品质模型的精度优于辐热积法，实测值与模拟值间的相关系数r分别仅为0.7695、0.8201、0.8873和0.8433（表3），表明基于温光效应构建的营养品质模拟的拟合度高于辐热积法；从图3a、图3b和图3d可以看出，第5播期小白菜维生素C、纤维素和可溶性蛋白含量基于辐热积构建的模型模拟值与实测值吻合结果较好，而第4播期拟合精度较差，这可能是由于小白菜是耐弱光植物，对弱光利用效率较高，辐热积指标不能完全反应弱辐射效应，而第4播期小白菜生长期间辐射较小，所以第4播期辐热积积累较小，导致模拟值显著低于实测值。

由表3还可见，基于积温法法构建的小白菜维生素C、纤维素、可溶性糖和可溶性蛋白含量模拟模型的回归估计标准误差 RMSE分别是温光效应法的4.38、4.71、4.53和5.18倍，相对误差RE分别是温光效应法的2.83、4.44、3.29和3.98倍（表3），表明基于温光效应法构建的营养品质模型的精度优于积温法，实测值与模拟值间的相关系数r分别仅为0.9548、0.9656、0.8958和0.8988（表3），表明基于温光效应构建的营养品质模拟的拟合度高于积温法；由图3可知，基于积温构建的模型模拟值与实测值吻合度较低，这可能是由于积温法仅利用温度构建模型，而没有考虑辐射对小白菜各营养品质指标含量生产和积累的影响，由此产生了较大误差。

由此可以看出，与辐热积法和积温法相比，本模型对小白菜各营养品质指标的预测结果RMSE值和RE值均较小，表明本模型的预测精度更高。本模型实测值与模拟值间的相关系数r大于辐热积法和积温法，表明模拟值与实测值之间符合度较高。说明本模型对小白菜各营养品质指标的模拟更为准确。

3 结论与讨论

由于小白菜“四月慢”在8～10叶时口感最佳，因此本研究在小白菜长出第9叶时进行采收，此时小白菜仍处于苗期。衡量作物品质的重要参数包括作物成熟时的维生素c、纤维素、可溶性糖以及可溶性蛋白。本研究表明小白菜营养品质指标（维生素C、纤维素、可溶性糖和可溶性蛋白）含量均随着作物生长而不断累积增大。刘浩荣等[30]也有相似的研究结果，认为小白菜在苗期可溶性糖含量逐渐升高。成元刚[31]在红花芽菜方面也有相似结论，认为在红花芽菜生长发育过程中其维生素C、纤维素等营养成分的含量也是随着培养天数的增加而呈上升趋势。

对作物营养品质形成的模拟方式依赖于作物种类及模拟目标，目前，研究作物营养品质指标积累模型主要是基于果实品质指标积累所受环境条件影响，通过数学回归方法建立的预测果实营养品质的生态模型[32]。Stenzel等[33]通过计算积温来模拟柑橘果实发育时期可溶性糖、有机酸和糖酸比的积累，并建立了柑橘果实成熟曲线模型及以果实糖酸品质性状预测果实成熟度的方法。但用积温法模拟和预测小白菜营养品质仅考虑了温度对作物生长及品质的影响，而忽略了光合有效辐射的效应，因此模拟各营养品质指标会产生较大误差。刘希全等[26-28]克服了积温法没有考虑光合有效辐射的缺点和局限性，提出辐热积法，并建立基于辐热积的黄瓜和番茄作物生长模型。滕林[34]也建立了基于辐热积的番茄果实维生素c、可溶性蛋白、可溶性糖、有机酸含量的预测模型。辐热积法由于考虑到温度、辐射对作物生长发育的影响，对光周期不敏感的温室作物如番茄、黄瓜的生长发育模拟精度较高，但由于小白菜“四月慢”对弱光利用能力较强，是耐阴作物，采用辐热积光温指标不能反应在弱光环境下光合有效辐射对其生长和品质的影响，从而影响耐弱光作物的模拟精度。本研究进一步吸收辐热积算法模型的优点，提出了温光效应的算法，将原辐热积指标中光合有效辐射用光效应代替，而且其取值范围与温度热效应保持一致，确定在0～1之间，从而降低了辐热积指标对光合有效辐射的敏感性程度，该模型吸收了辐热积模型的优点，改进后模型更加适合耐弱光的温室作物的模拟，其模拟效果均优于辐热积法和积温法，从而提高了小白菜品质的模拟精准度。

本研究仅选取“四月慢”作为试验材料，在小白菜适宜生长的温度范围内进行研究，并用1a的试验数据构建基于温光效应的模拟模型。由于小白菜品种多，营养品质指标较多，今后可进一步研究温光条件对其它小白菜品种及多种营养品质指标（如叶酸含量和硝酸盐）含量的影响，对模型参数进行补充和完善。

参考文献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]李会合，王正银，张浩，等.养分量比对基质栽培叶菜硝酸盐累积及其营养品质的影响[J].中国生态农业学报，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]吕国强，芮洪梅，左雯，等.几种表面活性剂对农药雾滴在小白菜叶面上蒸发的影响规律研究[J].西南大学学报（自然科学版），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]苏小俊，李彬，袁希汉，等.小白菜田间耐热性鉴定方法研究[J].江苏农业科学，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处理对小白菜采后生理特性及品质的影响研究[D].杭州:浙江农林大学，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，朱新华，郭康权.果品内在品质无损检测技术的研究进展[J].农业工程学报，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]刘素慧，张立伟.红蓝光质对香椿芽苗菜营养品质的影响[J].中国农业气象，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]张余洋，胡全凌，李汉霞.不同处理对豌豆和萝卜芽苗菜生长、产量及品质的影响[J].华中农业大学学报，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] 王荣萍，蓝佩玲，李淑仪，等.氮肥品种及施肥方式对小白菜产量与品质的影响[J].生态环境，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] 任义方，王春乙，赵艳霞.气溶胶辐射效应对作物及生态系统的影响综述[J].中国农业气象，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，潘学标.草本植物物候及其物候模拟模型的研究进展[J].中国农业气象，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.植物生理生化实验原理和技术[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] 伊灵燕.试验分析方法[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] 倪纪恒，罗卫红，李永秀，等.温室番茄叶面积与干物质生产的模拟[J].中国农业科学，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，罗卫红，倪纪恒，等.用辐热积法模拟温室黄瓜叶面积、光合速率与干物质产量[J].农业工程学报，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，罗卫红，倪纪恒，等.基于辐射和温度热效应的温室水果黄瓜叶面积模型[J].植物生态学报，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] 周伟华，黄贞，陈兴平.电导法鉴定小白菜耐热性初步研究[J].长江蔬菜，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，陈龙正，胡俏强，等.低温胁迫对3个小白菜OguCMS与保持系生化指标的影响[J].中国蔬菜，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] 刘希全.日光温室小白菜无公害栽培技术[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] 施泽平，郭世荣，康云艳，等.基于生长度日的温室甜瓜发育模拟模型的研究[J].南京农业大学学报，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，马富裕，刁明，等.加工番茄地上部干物质分配与产量预测模拟模型[J].农业工程学报，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] 刘浩荣，宋海星，刘代平，等.油菜茎叶可溶性糖与游离氨基酸含量的动态变化[J].西北农业学报，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] 成元刚.温度、光照对红花芽菜发育的影响及成分检测[D].新乡:河南科技学院， 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.番茄果实品质形成特征及其与环境关系的模拟研究[D].杨凌:西北农林科技大学，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

作者简介：谭文（1990-），女，硕士生，主要从事设施作物模拟研究。E-mail：tanwen603@163.com

基金项目：“十二五”国家科技支撑计划项目（2014BAD10B07）；国家公益性行业（气象）科研专项（GYHY201506001）；江苏省科技计划（社会发展）（BE2015693）

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

doi:10.3969/j.issn.1000-6362.2016.01.008