富士和嘎啦苹果叶片面积估算模型构建

[目的]建立准确、无损的适宜于苹果不同品种和枝梢类型的叶面积估算模型.[方法]以富士及嘎啦不同长度的营养枝梢和果台枝梢叶片为试材,采用数字扫描仪获取叶片长度(LL)、宽度(LW)和叶面积(LA)等叶片形态参数,并采用决定系数(R2)、均方根误差(RMSE)、赤池信息准则(AIC)对建立的17个有常数项和无常数项叶面积模型精度进行筛选和适宜性评价.[结果]共获得5207枚叶片形态参数,其中叶面积变异系数最大,达51.59％.叶片形态受品种及枝梢类型的显著影响,其中长枝梢叶片长、宽和叶面积显著大于同类型短枝梢叶片,而营养枝梢叶片长、宽和叶面积显著大于同长度果台枝梢,嘎啦叶片相比富士更为细长.以LL和LW复合变量为自变量的模型5:LA=a(LL×LW)、模型6:LA=a(LL+LW)2、模型9:LA=aLL2+bLW2、模型16:LA=a(LL×LW)b、模型17:LA=(LL×LW)b的精度可满足富士和嘎啦各类枝梢叶面积的估算,但需针对各品种和枝梢类型单独建模.同时包含LL和LW双变量的叶面积模型精度高于单一LL或LW变量的模型.无论富士还是嘎啦,对于不同类型枝梢,果台叶面积模型精度最高,短枝梢均比长枝梢精度高,营养长枝梢拟合精度最低.模型5和17可适用于富士和嘎啦各类枝梢叶面积的估算.模型5和17的R2分别为97.72％和97.37％,RMSE分别为1.7566和1.8319 cm2,模型系数分别为0.7123和0.9108.满足模型5和17精度所需的最低样品数量为241与3939枚叶片.[结论]筛选的叶面积模型可用于各品种和各个类型枝梢叶片面积估算,无需针对单个品种及枝梢独立建模,且模型无需添加常数项.叶片数量影响叶面积模型精度,需满足最低临界值.