植物气孔导度对CO_(2)响应模型的构建

构建一个普适性的植物叶片气孔导度(g_(s))对CO_(2)浓度响应(g_(s)-C_(a))的模型,对定量研究植物叶片gs对CO_(2)浓度的响应变化尤为必要。该研究运用便携式光合仪(LI-6400)测量了大豆(Glycine max)和小麦(Triticum aestivum)光合作用对CO_(2)的响应曲线(A_(n)-C_(a)),在比较传统的Michaelis-Menten模型(M-M模型)和叶子飘构建的CO_(2)响应模型拟合大豆和小麦A_(n)-C_(a)效果的基础上,构建了g_(s)-C_(a)响应新模型。然后用新构建的模型拟合大豆和小麦的g_(s)-C_(a)曲线,并将拟合结果与传统模型的拟合结果,以及与其对应的观测数据进行比较,以判断所构建模型是否合理。结果显示:叶子飘构建的A_(n)-C_(a)模型可较好地拟合大豆和小麦的A_(n)-C_(a)曲线,确定系数(R^2)均高达0.999。M-M模型拟合大豆和小麦的A_(n)-C_(a)曲线时的R^2虽然也较高,但在较高CO_(2)浓度时的拟合曲线偏离观测曲线。因此,基于叶子飘的A_(n)-C_(a)模型构建g_(s)-C_(a)模型更为可行。新构建的g_(s)-C_(a)模型可较好地拟合大豆和小麦的g_(s)-C_(a)曲线, R^2分别为0.995和0.994,而且还可以直接给出最大气孔导度(g_(s-max))、最小气孔导度(g_(s-min)),以及与g_(s-min)相对应的CO_(2)浓度值(C_(s-min))。拟合得到大豆和小麦的g_(s-max)分别为0.686和0.481 mol·m^(-2)·s^(-1),与其对应的观测值(分别为0.666和0.471 mol·m^(-2)·s^(-1))之间均不存在显著差异;同样,拟合得到的大豆和小麦的g_(s-min)分别为0.271和0.297mol·m^(-2)·s^(-1),与其对应的观测值(分别为0.279和0.293mol·m^(-2)·s^(-1))之间也均不存在显著差异;此外,新构建的g_(s)-C_(a)模型给出大豆和小麦的C_(s-min)值分别为741.45和1 112.43μmol·mol^(-1),与其对应的观测值(732.78和1 200.34μmol·mol^(-1))也不存在显著差异。由此可见,该研究新构建的g_(s)-C_(a)模型可作为定量研究植物叶片气孔导度对CO_(2)浓度变化的有效数学工具。