张 淼 潘林沛 阳清亮 郑 杰 陈 铭 汪懋华
(1.中国农业大学现代精细农业系统集成研究教育部重点实验室, 北京 100083;2.中国农业大学农业部农业信息获取技术重点实验室, 北京 100083)
氮、钾、钙是无土栽培营养液的主要养分[1-3],需依据其丰缺,合理调控营养液配比,使作物根际环境满足生长需求[4-5]。
现有营养液养分监测多使用电导率(EC)和酸碱度(pH值)传感器[6-7],实现了营养液总离子含量和各养分状态、转化和有效程度的定性分析[8-9]。应用中,仅依据EC及pH值传感信息作为营养液调控参考,存在无法定量监测特定单体养分、易导致养分失衡等问题[10-11]。
离子选择电极(Ion-selective electrode,ISE)近年来被应用于营养液养分监测。XAVIER等[12]利用ISE阵列监测无土栽培番茄营养液中的NO3-N、K+、Ca2+含量,作物生长期内3参数变化明显,含量波动范围分别为25~240 mg/L、5~250 mg/L、50~190 mg/L。KIM等[13]利用ISE阵列监测辣椒营养液中的NO3-N和K+变化情况,ISE预测精度分别达到15.8、6.8 mg/L。JUNG等[14]使用ISE监测生菜营养液NO3-N、K+、Ca2+等成分,基于两点校正算法修正Nernst线性模型,结果表明3养分参量变化范围分别为200~310 mg/L、90~250 mg/L、40~80 mg/L,预测精度达到10、18、6.2 mg/L。
文献[13,15-16]也报道了ISE在线监测稳定性不理想,检测电势存在漂移的问题,因尚缺乏有效数据处理方法,电极法营养液监测可行性受到质疑。斜率- 截距校正(Slope and bias correction,SBC)算法所需样本数目少,计算消耗小,适用于剔除由仪器自身不稳定而导致的检测信号波动[17],常被用于光谱数据预处理。
综上,本文以提高基于ISE的营养液NO3-N、K+和Ca2+监测稳定性、精度为目标,探索使用SBC校正算法修正ISE检测电势漂移,并验证校正后模型预测性能,使用ISE连续监测番茄营养液,分析其在线检测养分变化的可行性。
1.1.1斜率- 截距校正
斜率- 截距校正是利用标准值与偏移值之间斜率、截距关系校正数据。本研究中,利用其建立了标准检测电势和漂移电势之间斜率和截距表达式,即
ECorrect=KERaw+B
(1)
(2)
(3)
(4)
(5)
(6)
式中K——校正系数,表征漂移电势与标准电势的校正比例
B——校正基准电势,mV
Edrift——漂移电势,即不同时间用相同ISEs测量标准溶液的电势,mV
N——样本个数
ERaw——漂移电势组成的数组,即实际营养液样本测得的相应离子电势,mV
ECorrect——校正后的电势,mV
1.1.2Nernst模型
离子选择电极利用离子敏感膜的选择性测量溶液中离子浓度,检测的电势与目标离子浓度之间满足Nernst方程,即
ECorrecti=SlgCi+E0
(7)
式中S——响应斜率,mV/decade,decade为10倍物质的量浓度电化学标准单位
E0——截距电势,mV
Ci——目标离子物质的量浓度,mol/L
试验采用的仪器有UV- 2450型紫外可见分光光度计(日本Shimadzu公司),M410型火焰光度计(英国Sherwood公司)。TetraCon 925型EC传感器和FDO925型DO传感器(德国WTW公司)。其他材料:pH值电极(型号PH6000,美国Sensorex公司),所有试剂为分析纯等级(国药集团化学试剂北京有限公司)。所用溶液皆采用去离子水配置。
本文无土栽培作物选择为番茄,采用无机无土栽培方式,作物生长期仅供无机化肥,无其他形式养分供给。实验于中国农业大学水利与土木工程学院实验温室中开展。番茄营养液配方采用标准山崎番茄营养液配方,主要养分浓度如表1所示。实验选取121组样本,浓度范围根据无土栽培番茄种植规范选取[18],具体如表2所示。
表1 番茄营养液山崎配方Tab.1 Yamasaki recipe for tomato hydroponic cultivation
表2 测试样本信息Tab.2 Information of testing samples
图1 ISEs营养液养分含量监测系统结构Fig.1 Structure diagram of hydroponic monitoring system based on ISEs
试验监测期为84 d,监测参数包括NO3-N、K+和Ca2+浓度、溶解氧浓度(DO)、EC和pH值。营养液每周更换一次,84 d共更换13次。根据番茄生长期特点,分别以第1朵花开、第1次结果和第1个果实成熟为标志,将监测期划分为花期、果期及果实成熟结束监测期,根据番茄生长情况记录为:苗期(第1天~第22天)、花期(第23天~第44天)、果期(第45天~第84天)。
营养液养分浓度测定系统结构如图1所示。其中,传感器阵列、流体控制单元、数据采集器和上位机等模块实现系统检测功能[19]。流体控制单元完成营养液自动循环及传输功能。数据采集单元和流体控制单元通过串口与上位机软件进行通信。上位机软件可采用手动及自动两种模式,可设置蠕动泵工作时间,接收采集单元传送的数据,进而实现ISEs检测电势的校准与养分浓度分析。
图2 原始数据与斜率- 截距校正处理对比Fig.2 Comparison results between raw data and SBC-calibration data
经斜率- 截距校正算法处理,ISEs预测模型的稳定性得到了明显提高,有效消减了离子选择电极(ISE)电势漂移现象,校正后ISE检测电势平均偏差可以控制在2.1 mV,响应斜率漂移范围不超过0.40 mV/decade,截距漂移范围可控制在1 mV以内。
表3 漂移校正前后ISEs线性Nernst预测模型比较Tab.3 Comparison on linear Nernst models of ISEs between raw data and SBC-processed data
斜率- 截距算法校正前后Nernst模型预测NO3-N、K+、Ca2+含量与光学法测定结果如图3所示。
图3 Nernst模型预测值与标准值之间的线性关系Fig.3 Linear relationship of predicted and expected macronutrients concentrations
原始数据预测NO3-N含量的线性方程为y=1.20x+10.21,模型决定系数R2=0.46,Nernst模型预测结果与标准值线性关系差,NO3-N含量预测值与标准值误差较大。经斜率- 截距校正后,线性方程为y=0.97x+0.08,斜率接近1,截距接近0,模型决定系数R2=0.95,ISE预测结果与标准值线性关系显著,较未校正前明显提高。NO3-N含量的平均绝对误差和相对误差分别从43.12 mg/L、43.31%减少为6.51 mg/L、5.99%,符合通用营养液中NO3-N含量的相对误差标准(约7.5%)。
K+含量原始数据预测结果线性回归方程为y=0.62x+102.18。线性回归方程截距较大,表明K+浓度预测值偏离标准值;模型决定系数R2=0.08,预测值与标准值之间线性关系差。K+含量平均绝对误差和相对误差分别为57.55 mg/L、38.46%。显见原始数据预测结果无法反映番茄营养中K+浓度的真实值。校正后数据预测结果线性回归方程为y=0.97x-2.27,斜率接近1,截距接近0,模型具有较好预测能力,模型决定系数为R2=0.85,K+浓度预测值与标准值线性关系显著。K+含量平均绝对误差和相对误差分别为12.16 mg/L、7.44%,较未校正前显著降低。
图4 营养液养分质量浓度随时间的变化曲线Fig.4 Changing curves of macronutrients components in nutrient solution with time
原始数据预测Ca2+含量线性方程为y=1.07x+49.45,模型决定系数R2=0.19,平均绝对误差大于50 mg/L,相对误差为93.83%,预测值严重偏离标准值。校正后线性方程为y=1.46x-32.19平均绝对误差为27.85 mg/L,相对误差为27.96%,较未校正前显著下降,模型决定系数显著提高(R2=0.88),表明经斜率- 截距校正后,基于Ca2+ISE的预测结果与标准值具有较高的相关性。但校正后结果仍不符合标准误差,这与Ca2+检测浓度受营养液复杂环境的未知影响密切相关[13],合适的预测校正模型将是后期研究的重点。
NO3-N、K+和Ca2+浓度、DO、EC和pH值监测结果,如图4所示。图中垂直虚线表示营养液更换时间。由图4可得,84 d观察期内,DO保持在9 mg/L以上,波动范围极小,最大为1.4 mg/L,满足番茄生长过程所需溶解氧含量。由于番茄生长时根系分泌酸碱类物质,用硫酸或氢氧化钠调节营养液pH值保持在适宜的范围内(5.5~7.0)[20]。
番茄苗期营养液中NO3-N、Ca2+含量变化幅度小,K+含量波动大,12 d后NO3-N以及K+含量呈下降趋势,表示番茄养分吸收活跃。番茄花期营养液各养分浓度变化趋势较一致,在更换营养液前逐渐下降,NO3-N、K+和Ca2+质量浓度变化范围为87.29~47.84 mg/L(下降45.19%)、149.76~95.15 mg/L(下降36.46%)、84.76~61.09 mg/L(下降27.92%),期间NO3-N含量变化范围最大,表明番茄对其需求量最大。营养液EC反映溶液中可溶性离子含量,EC越高,可溶性离子浓度也越高[20]。苗期和花期营养液EC变化小,保持在1 300 μS/cm左右,表明期间营养液养分较平衡。番茄果期EC缓慢上升,与营养液养分浓度变化趋势保持一致,表明期间植物蒸腾作用显著,水分消耗大于单一养分吸收。
综上,结合斜率- 截距校正算法以及Nernst模型,ISEs阵列可有效监测番茄生长过程中营养液养分含量变化情况。较传统EC、pH值监测可提供更多营养液养分变化信息。
(1)SBC校正算法明显提高了ISE检测电势数据稳定性,提高了线性预测模型的重复性。ISE校正后检测电势平均误差可控制在2.1 mV,响应斜率波动不超过0.4 mV/decade,截距波动可控制在1 mV以内。
(2)利用SBC校正算法处理ISEs检测电势数据,Nernst模型预测精度显著提高。NO3-N、K+、Ca2+含量预测平均相对误差分别从43.31%、38.46%、93.83%降至5.99%、7.44%、27.96%。
(3)ISEs监测番茄生长期营养液NO3-N、K+、Ca2+含量变化,结果显示,番茄花期养分吸收较苗期和果实成熟期更为活跃,3种养分含量分别下降了45.19%、36.46%和27.92%。
1 BAS B,JELTE R.Symbiotic nitrogen fixation in legumes:perspectives for saline agriculture [J].Environmental & Experimental Botany,2013,92:134-143.
2 周德超.氮、磷、钾在植物体中的主要生理作用及植物对养分的吸收[J].生物学通报,1983(5):9-10.
ZHOU Dechao.Main physiological functions of nitrogen, phosphorus and potassium and the absorption of nutrients in plants[J].Bulletin Biology,1983(5):9-10.(in Chinese)
3 邢禹贤.新编无土栽培原理与技术[M].北京:中国农业出版社,2002.
4 陈善敏.酸铝胁迫下钙离子营养对植物生长的作用研究[D].南京:南京大学,2000.
CHEN Shanmin.Effect of calcium nutrition on plant growth under acidic aluminum stress[D].Nanjing:Nanjing University,2000.(in Chinese)
5 熊静,陈清,王敬国,等.供液方式对番茄基质栽培盐分累积与养分利用率的影响[J/OL].农业机械学报,2017,48(2):224-231.http:∥www.j-csam.org/jcsam/ch/reader/view_abstract.aspx?flag=1&file_no=20170230&journal_id=jcsam.DOI:10.6041/j.issn.1000-1298.2017.02.030.
XIONG Jing,CHEN Qing,WANG Jingguo,et al.Effect of culture systems on salt accumulation in substrate and nutrient use efficiency of tomato [J/OL].Transactions of the Chinese Society for Agricultural Machinery,2017,48(2):224-231.(in Chinese)
6 SAM E W.Crop physiological response to nutrient solution electrical conductivity and pH in an ebb-and flow hydroponic system[J].Scientia Horticulturae,2015,194:34-42.
7 袁洪波,王海华,庞树杰,等.日光温室封闭式栽培系统的设计与试验[J].农业工程学报,2013,29(21):159-165.
YUAN Hongbo,WANG Haihua,PANG Shujie,et al.Design and experiment of closed culture system for solar greenhouse[J].Transactions of the CSAE,2013,29(21):159-165.(in Chinese)
8 赵倩.无土栽培营养液在线测控系统研究[D].西安:西安工业大学,2016.
ZHAO Qian.Studies on online-measuring and controlling system for nutrient solution of soilless culture[D].Xi’an:Xi’an Technological University,2016.(in Chinese)
9 毛罕平,谢明岗,王多辉.无土栽培营养液循环灌溉系统[J].排灌机械,1997(2):49-52.
MAO Hanping,XIE Minggang,WANG Duohui.Nutrient liquid circulating irrigation system in soilless cultivation[J].Journal of Drainage and Irrigation Machinery Engineering,1997(2):49-52.(in Chinese)
10 MANUEL G,SALVADOR A, RAFAELA C,et al.Nutrient solution monitoring in greenhouse cultivation employing a potentiometric electronic tongue[J].Journal of Agricultural and Food Chemistry,2008,56(6):1810-1817.
11 GEOFFREY R C,MIKE A D,KARIN E A.Evaluation of sensor technologies for automated control of nutrient solutions in LSS using higher plants[C]∥Sixth European Symposium on Space Environmental Control System. Noordwijk European Space Agency,1997:851-857.
12 XAVIER R R, FRANCISCO J A, JORDI R, et al. Computer-operated analytical platform for the determination of nutrients in hydroponic systems[J]. Food Chemistry,2014(147):92-97.
13 KIM H J,KIM W K,ROM M Y,et al.Automated sensing of hydroponic macronutrients using a computer-controlled system with an array of ion-selective electrodes[J].Computers and Electronics in Agriculture,2013,93:46-54.
14 JUNG D H,KIM H J,CHOI G L,et al.Automated lettuce nutrient solution management using an array of ion-selective electrodes[J].Transactions of the ASABE,2015:1309-1319.
15 任海燕.基于离子选择电极的多通道养分检测系统改进研究[D].北京:中国农业大学,2016.
REN Haiyan.Research on improvement of a multi-channel nutrients detection system based on the ion-selective electrodes[D].Beijing:China Agricultural University,2016.(in Chinese)
16 张淼,孔盼,李雁华,等.基于极限学习机的土壤硝态氮预测模型研究[J/OL].农业机械学报,2016,47(6):93-99.http:∥www.j-csam.org/jcsam/ch/reader/view_abstract.aspx?flag=1&file_no=20160612&journal_id=jcsam. DOI:10.6041/j.issn.1000-1298.2016.06.012.
ZHANG Miao,KONG Pan,LI Yanhua,et al.Prediction model of soil NO3-N concentration based on extreme learning machine[J/OL].Transactions of the Chinese Society for Agricultural Machinery,2016,47(6):93-99.(in Chinese)
17 MACHO S,RIUS A,CALLAO M P,et al.Monitoring ethylene content in heterophasic copolymers by near-infrared spectroscopy standardisation of the calibration model[J].Analytica Chimica Acta,2001,445(2001):213-220.
18 HOWARD M R.Hydroponic food production[M].America:CRC Press,2013.
19 任海燕,张淼,孔盼,等.基于多参数融合的土壤硝态氮检测方法[J/OL].农业机械学报, 2015,46(增刊):96-101.http:∥www.j-csam.org/jcsam/ch/reader/view_abstract.aspx?flag=1&file_no=2015S017&journal_id=jcsam. DOI:10.6041/j.issn.1000-1298.2015.S0.017.
REN Haiyan,ZHANG Miao,KONG Pan,et al.Prediction of soil nitrate-nitrogen based on sensor fusion[J/OL].Transactions of the Chinese Society for Agricultural Machinery,2015,46(Supp.):96-101.(in Chinese)
20 张健,李孝良,孔卫晨,等.智能温室水培番茄结果期营养液性质及养分动态研究[J].安徽科技学院学报,2015,29(6):23-29.
ZHANG Jian,LI Xiaoliang,KONG Weichen,et al.Study on the dynamics of nutrient solution properties and nutrient contents of intelligent greenhouse hydroponic tomato[J].Journal of Anhui Science and Technology University,2015,29(6):23-29.(in Chinese)