拔节期和孕穗期低温处理对小麦叶片光合及叶绿素荧光特性的影响

【目的】研究自然温度日变化模式下低温处理对小麦光合及荧光特性的影响。【方法】以温度敏感性不同的2个小麦品种扬麦16和徐麦30为材料,于拔节期和孕穗期在全自动人工气候室中进行4个低温水平和3个低温持续时间的处理,于低温处理期间及低温处理结束后7 d内每天测定小麦第一张全展叶的光合和荧光参数。【结果】低温处理期间,扬麦16和徐麦30叶片净光合速率(Pn)、气孔导度(Gs)、蒸腾速率(Tr)、最大光化学效率(Fv/Fm)、实际光化学效率(ФPSII)、光化学猝灭系数(qP)均随温度的降低而下降。拔节期低温处理期间,叶片Pn、Gs、Tr、Fv/Fm、ФPSII和qP随低温持续时间的延长呈先降低后升高的趋势,而孕穗期低温处理期间,则随低温持续时间的延长呈下降趋势。低温处理结束后,除孕穗期T4(Tmin/Tmax/Tavg,-6℃/4℃/-1℃)处理外,其他处理的叶片Pn、Gs、Tr、Fv/Fm、ФPSII、qP和非光化学猝灭系数(NPQ)均可恢复到正常水平。低温胁迫下,相对Pn与相对Fv/Fm、ФPSII、qP呈显著的正相关关系,而与相对NPQ呈显著的负相关关系,且相对Pn与相对ФPSII、qP的相关性要高于相对Fv/Fm和相对NPQ。【结论】低温主要通过降低叶片ФPSII和qP,引起小麦叶片光合速率下降,进而降低小麦干物质积累,最终导致产量下降。

小麦生长模型对拔节期和孕穗期低温胁迫响应能力的比较

【目的】作物生长模型是预测和评估气候变化对作物生产力影响的重要量化工具,明确典型作物生长模型对小麦拔节期和孕穗期低温胁迫响应能力的不足,可以为进一步改进低温胁迫对小麦生产力影响的模拟算法提供指导。【方法】本研究将来自4套国际知名小麦生长模型(美国密歇根州立大学的CERES-Wheat、美国华盛顿州立大学的CropSyst、荷兰瓦赫宁根大学的WOFOST和法国国家农业科学研究院的STICS模型)的典型低温胁迫效应算法,与本课题组研发的小麦生长模拟模型Wheat Grow相耦合,利用2012—2013年南京和2013—2015如皋不同品种(扬麦16和徐麦30)、不同温度水平(最低至-6℃)和持续时间(2、4、6 d)的人工气候室低温盆栽试验资料,检验和评价了原WheatGrow模型和耦合后低温胁迫效应算法的WheatGrow模型在拔节期和孕穗期低温胁迫下对小麦叶面积指数动态、茎生物量、地上部总生物量、籽粒产量等指标的预测能力。【结果】拔节—孕穗期低温胁迫明显降低了小麦叶面积指数、地上部生物量积累和籽粒产量,且随低温水平的降低和持续时间的增加降低幅度呈明显升高趋势。比较不同处理时期和品种发现,小麦生长发育及产量对孕穗期低温处理较拔节期低温处理更加敏感,扬麦16较徐麦30对低温胁迫更为敏感。耦合了4种低温胁迫效应算法的WheatGrow模型在模拟叶面积指数动态上较原WheatGrow模型有所改善,但模拟误差仍然较大,其中对孕穗期低温处理的模拟误差大于拔节期处理。4种低温胁迫算法均低估了低温胁迫对茎生物量以及成熟期地上部生物量积累的不利影响。综合比较4种低温胁迫算法的预测能力可以看出,对于叶面积指数和地上部生物量的动态模拟,CropSyst模型中的低温胁迫效应算法表现最好;对于茎生物量的动态模拟,WOFOST模型中的低温胁迫效应算法表现最好,特别是孕穗期低温处理;对于籽粒产量的模拟,STICS模型中的低温胁迫效应算法表现最好,其次是CropSyst模型。【结论】耦合低温胁迫效应算法后的WheatGrow模型,在模拟叶面积指数、茎生物量、地上部生物量和籽粒产量上均好于原WheatGrow模型,且在弱低温条件下的模拟效果好于强低温条件,但是4套算法由于没有考虑低温胁迫对茎秆的直接伤害、低温胁迫对干物质分配的影响以及低温胁迫后的恢复和补偿效应,因此在模拟茎生物量积累,以及模拟不同低温持续时间下的地上部生物量积累存在明显不足。此外,4套低温效应算法引入参数较多,为模型的参数化带来一定的困难,有待今后进一步改进和完善。研究结果对改进小麦生长模型对低温胁迫响应,降低气候变化背景下作物生产力的预测预警的不确定性具有重要意义。

植物根系碳输入对非根际土壤碳库贡献的全球定量研究

植物根系碳输入(Iroot)是土壤碳的主要来源.一部分Iroot进入土壤后会通过根际微生物呼吸、淋溶和动物啃食等过程迅速离开土壤(Iloss),从而限制Iroot对土壤固碳的贡献.然而,全球尺度上鲜有针对Iroot和Iloss的定量研究.通过整合三套全球观测数据集(包括土壤放射性碳同位素14C、植物地上和地下净初级生产力以及植物根系生物量垂直分布,共计2,034个站点),文章估算了Iroot和Iloss及其全球分布格局.结果表明,全球0~200cm土壤中,Iroot平均为3.5Mg ha–1a–1,其中约80%为Iloss.Iroot随土层深度增加指数减少,全球0~200cm土壤中超过60%的Iroot集中在表层0~20cm;Iloss的绝对量也同样随土层深度增加而迅速减少.利用机器学习模型模拟的方法,文章进一步在全球1km×1km空间分辨率上对不同土层的Iroot和Iloss进行了数字制图.这项研究在全球尺度上证明了大部分植物根系碳输入并不直接贡献于非根际土壤的长期固碳,并为促进全球土壤碳动态的准确预测提供了一系列高精度土壤碳输入数据产品.

数字农业“把脉”未来

近百年来,全球气候变化非常明显,气候波动增加,致使极端气候事件频发,这会给农业生产带来怎样的影响呢?“全球温度每升高1摄氏度,小麦产量将平均降低5.7%,这也意味全球每年将损失近4000万吨小麦。”这是我们课题组在朱艳教授带领下在气候变化领域顶尖杂志《自然-气候变化》上发表的研究结果。