一种水稻叶片功能表型的估算方法

1.本发明涉及作物功能表型的估算新方法，具体是针对水稻叶片功能表型(电子传输速率和最大羧化速率)研发的一种新的高精度估算方法，属于智慧农业技术领域。


背景技术：

2.水稻通过光合作用固定co2同时生成有机物，是全球稻米生产的基础。在叶片尺度，水稻光合速率主要取决于两个过程：羧化过程和电子传输过程，其最重要的两个参数就是电子传输速率j和最大羧化速率v
cmax
。基于光合作用模型，j和v
cmax
决定着水稻叶片的光合作用速率，是水稻的两个重要功能表型性状。提高水稻叶片的电子传输速率和最大羧化速率是提高光能利用率的关键，也是未来提高全国水稻产量的关键。因此，准确估算水稻叶片电子传输速率和最大羧化速率，对研究水稻光合作用的潜在能力至关重要，也能够为水稻育种提供基础支撑。
3.目前对j和v
cmax
的估算主要采用线性统计模型方法，其主要思路在于基于大量叶片荧光sif观测的基础上，通过统计学方法构建sif与j和v
cmax
的线性模型，从而对两者进行估算。但是，大量研究已经证明，sif与j和v
cmax
的机理联系并非是线性的，基于简单线性统计关系估算的结果存在很大的偏差和不确定性。因此，需要发展sif与j和v
cmax
的非线性机理联系，在此基础上实现j和v
cmax
的高精度估算。
4.基于sif和非线性模型实现j和v
cmax
的估算，其核心问题在于如何定量化计算光系统ii的开放比例q
l
。本专利基于辐射传输模型阐明了q
l
与光合有效辐射i的指数函数关系，在此基础上构建了基于sif观测估算j和v
cmax
的非线性模型，实现了j和v
cmax
的准确估算。


技术实现要素：

5.本发明的目的是提供一种水稻叶片功能表型(电子传输速率和最大羧化速率)的估算方法，以实现水稻叶片功能表型的高精度估算。
6.为实现上述目的，本发明采取的技术方案如下：
7.一种水稻叶片功能表型的估算方法，其包括以下步骤：
8.s1：构建光系统ii的开放比例q
l
与光合有效辐射i的耦合关系；
9.s2：结合上述耦合关系，基于叶绿素荧光sif估算电子传输速率j；
10.s3：基于电子传输速率j估算最大羧化速率v
cmax
。
11.作为本方案的进一步优选，所述步骤s1中，基于辐射传输模型，生成典型水稻生态系统模拟结果，在此基础上构建光系统ii的开放比例q
l
与光合有效辐射i的指数函数关系。
12.作为本方案的进一步优选，所述步骤s1中，开放比例q
l
与光合有效辐射i的耦合关系构建步骤为：
13.首先基于遥感数据，获取水稻种植区叶片参数的平均状况；然后基于辐射传输模型，模拟不同光照条件下典型水稻生产系统的q
l
变化情况；最后，基于指数函数对q
l
与i的耦合关系进行定量拟合；其公式如下：
14.q
l
＝0.2618
·
e-0.001276
·i。
15.作为本方案的更进一步优选，获取水稻叶片参数包括但不限于叶面积指数、叶绿素含量；基于的辐射传输模型采用scope模型。
16.作为本方案的进一步优选，所述步骤s2中，基于叶片叶绿素荧光sif与电子传输速率j的紧密机理联系，结合上述耦合关系，基于sif观测实现水稻叶片j的准确估算；其中，基于叶片叶绿素荧光sif估算电子传输速率j的具体公式为：
[0017][0018]
式中，sif为叶绿素荧光观测，nirv和fpar分别为近红外波段反射率和光合有效辐射分量，可基于地面多光谱观测获得。
[0019]
作为本方案的进一步优选，所述步骤s3中，基于进化论最优性原理，结合j与最大羧化速率v
cmax
的机理联系，实现水稻叶片v
cmax
的精准估算；其中，基于最优性原理的v
cmax
计算公式为：
[0020][0021]
式中，其中ci为胞间co2浓度，γ
*
为co2补偿点，km为常数。
[0022]
本发明的有益效果是：本发明基于sif观测，实现了水稻叶片功能表型(电子传输速率和最大羧化速率)的高精度估算。与原始的线性模型方法相比，本发明的新方法能够有效提高v
cmax
的估算精度，有利于系统地描述水稻功能表型的变化情况及其对环境因子的响应结果，有助于准确评估与预测全国水稻产量。
附图说明
[0023]
图1为q
l
与i的拟合关系式，其中，x轴为光合有效辐射i，单位为w/m2，y轴为q
l
(无单位)。
[0024]
图2为基于本发明的j计算结果(折线图)，其中x轴为年积日，y轴为j与sif，单位分别为μmolm-2
s-1
、mwm-2
nm-1
sr-1
。
[0025]
图3为基于本发明的v
cmax
计算结果(折线图)，其中x轴为年积日，y轴为v
cmax
，单位为μmolm-2
s-1
；图中两条折线分别代表估算和观测结果。
[0026]
图4为基于本发明的v
cmax
计算结果(散点图)，其中x轴为观测v
cmax
，y轴为估算的v
cmax
，单位均为μmolm-2
s-1
；图中直线表示估算v
cmax
与观测v
cmax
的线性拟合关系。
具体实施方式
[0027]
下面结合具体实施方式对本发明的技术方案作进一步的介绍。
[0028]
一种水稻叶片功能表型的估算方法，该方法在构建q
l
与i的耦合关系的基础上，依托sif观测与电子传输速率和最大羧化速率的机理联系，实现水稻叶片j和v
cmax
的精准估算，并对非线性和线性估算的精度进行比较。其模型的详细构建流程如下所述：
[0029]
1)构建光系统ii的开放比例q
l
与光合有效辐射i的耦合关系；
[0030]
首先基于遥感数据，获取全球水稻种植区叶片参数的平均状况；然后基于辐射传输模型(scope模型)，模拟不同光照条件下典型水稻生产系统的q
l
变化情况；最后，基于指数函数对q
l
与i的耦合关系进行定量拟合，其公式为：q
l
＝0.2618
·
e-0.001276
·i。
[0031]
2)基于叶绿素荧光sif估算电子传输速率j；
[0032]
基于叶片叶绿素荧光sif与电子传输速率j的紧密机理联系，结合上述耦合关系，基于sif观测实现水稻叶片j的准确估算；其中，基于叶片叶绿素荧光sif估算电子传输速率j的具体公式为：
[0033][0034]
式中，sif为叶绿素荧光观测，nirv和fpar分别为近红外波段反射率和光合有效辐射分量，可基于地面多光谱观测获得。
[0035]
3)基于电子传输速率j估算最大羧化速率v
cmax
；
[0036]
基于进化论最优性原理，结合j与最大羧化速率(v
cmax
)的机理联系，，实现水稻叶片v
cmax
的精准估算；其中，基于最优性原理的v
cmax
计算公式为：
[0037][0038]
式中，其中ci为胞间co2浓度，γ
*
为co2补偿点，km为常数。
[0039]
4)非线性计算结果与线性计算结果精度比较。
[0040]
将上述v
cmax
的非线性计算结果与线性计算结果进行精度比较，以相关系数的平方(r2)、平均绝对误差(mae)、均方根误差(rmse)作为评价标准：
[0041]
表1非线性计算结果与线性计算结果的精度比较
[0042][0043]
从表(1)可以看出，相比于线性方法的计算结果，基于荧光观测的水稻功能表型(最大羧化速率)非线性估算方法可以大幅度提升v
cmax
的估算精度。非线性方法计算结果的均方根误差较线性方法提高了38.48％。
[0044]
以上显示和描述了本发明的基本原理、主要特征和优点。本领域的普通技术人员应该了解，上述实施例不以任何形式限制本发明的保护范围，凡采用等同替换等方式所获得的技术方案，均落于本发明的保护范围内。
[0045]
本发明未涉及部分均与现有技术相同或可采用现有技术加以实现。