留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

灵武长枣果实品质与土壤肥力、叶片养分的相关性

严亮亮 ,  岳坤 ,  宋丽华

downloadPDF
文章导航 > 浙江农林大学学报  > 2020 >  37(4): 631-638
贾玉洁, 刘云根, 杨思林, 等. 面向Sentinel-2A影像的大理市土地利用分类方法适用性研究[J]. 浙江农林大学学报, 2022, 39(6): 1350-1358. DOI: 10.11833/j.issn.2095-0756.20220134
引用本文: 严亮亮, 岳坤, 宋丽华. 灵武长枣果实品质与土壤肥力、叶片养分的相关性[J]. 浙江农林大学学报, 2020, 37(4): 631-638. DOI: 10.11833/j.issn.2095-0756.20190462
shu
JIA Yujie, LIU Yungen, YANG Silin, et al. Applicability of land use classification method in Dali City based on Sentinel-2A image[J]. Journal of Zhejiang A&F University, 2022, 39(6): 1350-1358. DOI: 10.11833/j.issn.2095-0756.20220134
Citation: YAN Liangliang, YUE Kun, SONG Lihua. Correlation between fruit quality and soil fertility and leaf nutrients of Zizyphus jujuba ‘Lingwuchangzao’[J]. Journal of Zhejiang A&F University, 2020, 37(4): 631-638. DOI: 10.11833/j.issn.2095-0756.20190462
shu

灵武长枣果实品质与土壤肥力、叶片养分的相关性

DOI: 10.11833/j.issn.2095-0756.20190462

  • 宁夏大学 农学院，宁夏 银川 750021

基金项目: 西部一流大学重大创新资助项目(ZKZD2017008)
详细信息
    作者简介: 严亮亮，从事经济林栽培学。E-mail: 1226702154@qq.com
    通信作者: 宋丽华，教授，从事林木良种繁育与经济林栽培研究。E-mail: slh382@126.com

  • 中图分类号: S718.43

Correlation between fruit quality and soil fertility and leaf nutrients of Zizyphus jujuba ‘Lingwuchangzao’

  • School of Agriculture, Ningxia University, Yinchuan 750021, Ningxia, China

摘要

  • 摘要:   目的  研究土壤、叶片、果实养分与灵武长枣Zizyphus jujuba ‘Lingwuchangzao’品质的关系，用于建立灵武长枣的科学施肥体系。  方法  以宁夏灵武市5个灵武长枣栽植基地的果实、果树叶片及土壤为试材，通过多重线性逐步回归分析，研究了灵武长枣果实品质与土壤肥力、叶片养分的相关性。  结果  不同栽植基地土壤肥力差异较大，栽植基地普遍缺锰；灵武长枣果实纵径与土壤全钾、果实硬度与果实氮呈负相关；果实滴定酸与土壤速效钾、叶片磷、果实氮呈正相关，与果实铁呈负相关；果实氮与土壤有机质、叶片铁、果实锌呈正相关，与土壤硒呈负相关；果实钾与土壤有效铁呈负相关，与土壤全磷呈正相关；果实锌与土壤速效钾、叶片锌、果实氮呈正相关。  结论  灵武长枣栽植基地应增加有机肥和微量元素的施用量，特别是锰，而应减少铁的施用量。表11参24
    Abstract:   Objective  To establish a scientific fertilization system for Zizyphus jujuba ‘Lingwuchangzao’, the current study is aimed to figure out the correlation of soil, leaves and fruit nutrients with the quality of the above mentioned jujube.  Method  With the soil, leaves and fruit nutrients of 5 Z. jujuba ‘Lingwuchangzao’ as the study subjects, by using the multiple linear stepwise regression analysis the relationship between fruit quality with the soil fertility and leaf nutrients was established.  Result  The soil fertility properties of different planting bases were significantly different, and Mn was generally lacking in planting bases. The longitudinal diameter of fruit was negatively correlated with the soil total K, the fruit hardness and the fruit N content. The fruit titration acid content was positively correlated with the content of soil available K, leaf P and fruit N, but negatively correlated with the content of fruit Fe. The content of fruit N was positively correlated with the content of soil organic matter, leaf Fe and fruit Zn, but negatively correlated with the content of soil Se. The K content of fruit was negatively correlated with the effective Fe content of soil, but positively correlated with the total P content of soil. The content of Zn in fruits was positively correlated with the content of available K in soil, Zn in leaves and N in fruits.  Conclusion  The application amount of organic fertilizer and trace element fertilizer should be increased in the planting bases of Z. jujuba ‘Lingwuchangzao’, especially that of Mn, while that of Fe should be reduced. [Ch, 11 tab. 24 ref.]

  • 土地利用是城市发展规划及资源开发利用的关键信息，同时也是区域土地利用变化研究的重要基础[1]。然而高原山区的遥感影像自动分类相比其他地形区而言，传统的遥感分类方法在分类精度上受各方面因素影响，难以满足研究需求[2]。传统的监督分类方法和非监督分类方法，是基于像元的数理统计法，地物分类时考虑的主要为像元的光谱信息，对遥感影像的形状、纹理及空间关系等利用不够充分[3]，容易发生“同物异谱”和“同谱异物”。近年来，国内外许多学者尝试利用不同类型遥感影像来提高土地利用分类精度，在遥感影像的使用上多以Landsat和Modis系列的中低分辨率数据为主，分类精度经常受到影像空间分辨率的限制，在地物破碎的区域提取草地、水塘和小规模村庄等时存在较大的局限性[4]。近年来采用高分辨率卫星作为实验数据的分类研究逐年增多[5-7]，高分辨率影像可利用清晰的地物几何特征和纹理等信息，具有覆盖范围大、重访周期短、定量化探测等优点，但影像成本较高，获取难度较大[8]。哨兵二号遥感卫星最高的空间分辨率可达10 m，与传统遥感数据相比，Sentinel-2A遥感数据新增加的4个红边波段与叶绿素含量关系紧密[9]。在地物提取分类研究领域中，近年来有众多学者运用红边波段进行湿地提取[10]、作物识别[11]、地物类型划分[12]等方面的研究，均取得了较好的效果。随着计算机和3S技术的发展，遥感研究的逐渐深入，新的分类方法不断涌现，如多重滤波[13]、面向对象分类法[14]、模糊分类法[15]、随机森林分类法[16]、神经网络法[17]等。尽管这些分类方法在不同程度上均提高了分类精度，然而在分类结果中依然存在着或多或少的“椒盐效应”[18]。本研究以云南省大理市为研究区域，以Sentinel-2A遥感影像为数据源，提出一种面向对象特征与决策树规则相结合的分类方法，依靠多维遥感信息复合技术，充分利用地物的光谱特征[19]、几何结构和纹理等提高遥感影像在大理市不同土地利用类型的区分效果，可探索提高高原山区分类精度的有效途径。

    1.   研究区概况

    云南省大理市地处云贵高原，大理州中部，25°25′~25°58′N，99°58′~100°27′E，总面积为1 815 km2，基础海拔1 000 m以上，地面起伏较大，地形以山地为主，其中山地面积为1 278.8 km2，山区、半山区面积达70.5%。总体特征是西北高，东南低，四周高，中间低。研究区地处盆地，中部是洱海，被四周的高山环抱，西部是苍山，东侧为马尾山，四周山坡均朝向洱海。

    2.   研究方法

    2.1   数据来源与预处理

    本研究使用的Sentinel-2数据源通过欧空局的哥白尼数据中心下载，辅助数据包括2.5 m天地图影像数据和从地理空间数据云获取的大理市行政边界矢量数据。利用欧洲航天局(ESA)官方提供的SNAP软件和sen2cor插件对下载的原始影像进行大气校正，得到L2A级数据，采用最近邻插值法将波段重采样为10 m分辨率，基于ENVI软件对其进行几何校正。因高原山区云雾较多，为降低影像云覆盖对分类精度影响，将2020年1月1日至12月31日大理市Sentinel-2A影像最小云量进行年度多时相合成，通过大理市行政边界矢量数据对遥感影像数据进行裁剪。

    2.2   土地利用分类体系

    土地利用分类标准在参照GB/T 21010—2017《土地利用现状分类标准》[20]的基础上结合高原山区各方面特征，将研究区分为七大类，选出准确可靠的7个类型样本，进行样本间的分离度计算，计算结果如表1所示。

    表 1  各种类型地物样本组合的Jeffries-Matusita距离
    Table 1  Jeffries Matusita distance of various types of feature sample combinations
    土地利用类型分离度土地利用类型分离度
    林地-农田 1.953 农田-其他 1.994
    林地-水体 2.000 水体-草地 1.993
    林地-草地 1.895 水体-建设用地 2.000
    林地-建设用地 1.998 水体-冰川积雪 1.998
    林地-冰川积雪 1.995 水体-其他 1.996
    林地-其他 1.994 草地-建设用地 1.996
    农田-水体 1.983 草地-冰川积雪 1.997
    农田-草地 1.894 草地-其他 1.996
    农田-建设用地 1.993 建设用地-冰川积雪 1.992
    农田-冰川积雪 1.993 建设用地-其他 1.983
    冰川积雪-其他 1.990
    下载: 导出CSV 
    | 显示表格

    2.3   面向对象特征的决策树分类

    2.3.1   决策树分类模型粗分类

    为能充分利用基于像素和面向对象分类方法优势，组合方法已被广泛应用于土地利用分类领域[21]。QUEST决策树从运算速度和分类精度方面均衡考量，优于其他决策树方法[22]。利用面向对象特征的遥感分类方法，可结合研究对象的光谱、形状、纹理、空间关系等不同属性信息，将相同性质的像元组成为基本处理单元“对象”完成分类[23]。对研究区各地物类型的光谱特征、纹理特征和几何特征分析后，以第3绿光波段、第8近红外波段、第4红波段和第11短波红外为特征波段，再提取农田、草地、冰川积雪和其他等4个不同类别地类的面向对象特征，根据各特征建立分类规则进行建模。构建面向对象特征与QUEST决策树相结合的分类模型，如图1所示。

    图 1  分类模型流程图
    Figure 1  Flow chart of classification model
    下载: 全尺寸图片 幻灯片

    ①水体区域提取。基于研究区实地情况，本研究采取归一化差异水体指数(NDWI)方法[24]将研究区水体部分划分出来。根据对样本数据的初步分析以及人工判读，先将QUEST决策树分类条件设置为NDWI＞0.4125。②植被区域提取。因为Sentinel-2数据的优势是在红边范围含有3个波段的数据，且研究区是典型的高原山区，全域植被覆盖率较高，所以归一化植被指数(NDVI)能从影像中更加有效地提取植被区域[25]。以此为基础将决策树分类条件设置为NDVI＞0.312 5，可将植被区域与非植被区域分离开，且不与水体区域混淆。再通过设置NDVI指数范围阙值，进一步将植被中的农田、草地分类条件设置为0.312 5＜NDVI＜0.654 3，林地则设置为0.654 3＜NDVI＜1.000 0。③非植被区域提取。将研究区的水体和植被两大类提取成功后，其余部分则为非植被区域。为了进一步将建筑用地从非植被区域提取出来，在前几步的基础上又计算了归一化建筑指数(NDBI)，并将QUEST决策树分类条件设置为NDBI＞0，发现此时可将研究区大部分建设用地从非植被区域提取出来。

    2.3.2   面向对象特征的细分类

    面向对象可充分利用各对象的各类特征信息，本研究使用了面向对象的光谱特征、几何特征和纹理特征，其定义如表2所示。

    表 2  面向对象特征定义表
    Table 2  Object oriented feature definition
    类别特征定义和公式
    光谱特征 光谱均值　　 斑块内像素光谱均值
    纹理特征 纹理特征　　 灰度共生矩阵(GLCM，包括5×5卷积模板内的均值、方差、同质性、熵值、对比度、二阶矩、相关性)
    几何特征 面积　　　　 斑块总面积
    延伸率　　　 最大直径与最小直径比值
    矩形形状参数 矩形形状度量值(Rect)=面积/(最大直径×最小直径)
    下载: 导出CSV 
    | 显示表格

    本研究采用多尺度分割算法进行影像分割，共设置了一个分割层次，主要目的是将农田与草地、冰川积雪与其他进行区分。在确保影像分类精度的前提下进行多次实验，最终结果表明：分割尺度设置为30较为适宜，此时，各个分类对象均有较好的可分离性，且各个对象内部的同质性较高。再根据相邻对象的纹理特征和内部一致性确定归并尺度，对分割好的原始影像进行迭代归并，进一步完成相邻同类对象的归并。经多次实验，确定的归并尺度为65最为适宜。①草地与农田的面向对象特征。草地与农田相比，具有规则的几何形状，同时，草地与农田的光谱均值也有一定差异。所以，可将农田的对象筛选条件设置为：面积＞3 000 m2，矩形形状参数＞0.3，光谱均值＞3 000 nm，余下不满足设定的农田筛选条件的地区为草地。②冰川积雪与其他的面向对象特征。其他用地类型延伸率较小且形状不规则，光谱均值也有较大差异，而冰川积雪大都分布于苍山高海拔地区，且连续性高，面积较大。所以为将两者区分开来，设定其他用地的筛选条件为：延伸率＜3.5，1 210 nm＜光谱均值(第4波段)＜1 360 nm，1 225 nm＜光谱均值(第3波段)＜1 335 nm，1 400 nm＜光谱均值(第2波段)＜1 465 nm ，符合该条件的区域可判定为其他用地，余下不满足设定条件的则为冰川积雪。

    2.4   其他分类方法

    本研究还运用了最大似然分类法、ISODATA法与面向对象特征决策树法进行比较。ISODATA法分类与最大似然法均未引入面向对象特征，ISODATA法使用ENVI 5.3软件，选择IsoData分类器，预设22个类别和最大迭代次数为10进行分类计算，最后通过目视识别分类结果合并为本研究的7个类别。最大似然法基于ENVI 5.3软件使用ROIS方法定义7类训练样本进行分类。面向对象特征决策树分类使用IDL8.5结合ENVI 5.3编程实现。

    2.5   精度评定

    为了检验研究区影像分类解译结果的可信度，通过野外调查和2.5 m精度的天地图相结合的方式目视判读检验研究区各个样本点的真实土地利用类别，采用误差矩阵方法进行检验。在研究区内利用ArcGIS软件随机生成500个检验样本点，各地类验证点个数如表3所示。

    表 3  各地类验证点个数
    Table 3  Number of verification points of each class
    土地利用类型天地图验证点个数野外调查验证点个数
    水体　　945
    林地　　6858
    建设用地546
    农田　　6718
    草地　　898
    冰川积雪130
    其他　　164
    下载: 导出CSV 
    | 显示表格

    3.   结果与分析

    3.1   不同分类方法空间分布比较

    将3个分类结果与同期高分辨率天地图影像进行叠加对比(图2)：ISODATA法相比前2种方法虽然显示结果较差，但具有明显特征的地物基本都能被识别出来，冰川积雪与建筑用地因光谱特征类似，从而产生了部分混淆。最大似然分类和面向对象决策树分类得到的研究区地物分布与天地图影像显示结果基本一致。但是，由于高原山区草地和部分农田分布较为破碎，且研究区地表植被覆盖度较高，所以利用最大似然方法提取的某些林地、草地和面积较小的农田会产生部分混淆。而面向对象决策树分类由于构建特征指数将不同地物差异放大，且引入了面向对象特征，更有利于决策规则的制定，所以提取的结果在空间表现上相比与其他分类方法更合理。

    图 2  基于不同分类方法得到的大理市2020年土地利用类型示意图
    Figure 2  Land use type map of Dali City in 2020 based on different classification methods
    下载: 全尺寸图片 幻灯片

    对3种土地利用分类方法各地类的面积进行统计，并与欧空局公布的2020年10 m分辨率土地利用数据进行验证对比。结果如图3所示：面向对象特征的决策树法提取的研究区内林地面积最大，其次是农田、草地、水体、建设用地和冰川积雪，面积最小的为其他用地：3种分类方法中此方法结果与研究区的实际情况最为符合。 ISODATA法基于机器学习，在地物分布较为破碎的区域，机器学习的效果会受样本中噪声的影响，产生过拟合现象。最大似然法是基于统计分析的原理，可减轻样本中噪声的影响，提取结果在空间分布上也更为合理。面向对象特征的决策树法以对象为处理单元，充分利用研究对象的光谱、形状、纹理、空间关系等不同属性信息，所以提取的结果与实际情况最为接近。

    图 3  各类地物面积统计
    Figure 3  Area statistics of various features
    下载: 全尺寸图片 幻灯片

    3.2   不同地类的方法适用性比较

    为进一步比较不同方法下各类地物的提取差异，采用2.5 m天地图的500个样点结合野外调查对3种方法的分类结果进行验证，利用误差矩阵分析得到的分类结果进行精度评价，结果如表4所示。从制图精度角度看，ISODATA法制图精度由高到低依次是其他、建设用地、水体、林地、农田、冰川积雪和草地，其中精度最高的其他为89.37%，最低的草地仅为58.00%。对于用户精度，ISODATA法的水体用户精度最高，为97.44%。余下的地类用户精度由高到低分别为林地、其他、冰川积雪、草地、建设用地和农田。从以上2个精度对比来看，林地和水体的分类精度最高，建设用地、草地、冰川积雪和其他分类精度也较高，农田分类精度较低。分析认为，由于水体的光谱特性相对单一，误分状况较少。而林地、农田和草地三者误分与互相之间光谱特性重合有较大关系。建设用地的误分区域主要分布在洱海周边和建成区周围的裸地，因裸地和房屋具有相似的高反射特性，主要误分为建设用地和草地，草地和冰川积雪误分为建设用地由光谱特性相近导致。

    表 4  ISODATA法遥感解译误差矩阵
    Table 4  ISODATA remote sensing interpretation error matrix
    土地利用类型林地建设用地农田水体草地其他冰川积雪参考样本数用户精度/％
    林地 93 0 3 0 4 0 0 100 93.00
    建设用地 0 67 0 7 5 5 3 87 77.01
    农田 16 2 47 0 2 1 7 75 62.67
    水体 0 0 0 76 2 0 0 78 97.44
    草地 3 0 0 3 29 2 0 37 78.38
    其他 0 4 2 0 8 71 0 85 83.53
    冰川积雪 0 2 6 0 0 0 30 38 78.95
    分类样本数 112 75 58 86 50 79 40 500
    制图精度/％ 83.04 89.33 81.03 88.37 58.00 89.37 75.00
    下载: 导出CSV 
    | 显示表格

    由表5可得：基于最大似然法的水体制图精度最高，为94.79%，余下6个地类制图精度由高到低分别为林地、草地、其他、农田、冰川积雪和建设用地。用户精度最高的地类是水体，为100.00%，其他地类用户精度由高到低分别是林地、建设用地、草地、农田、其他和冰川积雪。冰川积雪精度最低，仅为66.67%。通过分析认为，水体的光谱特性较为单一，极少出现误分。充分利用不同类型的光谱表现特征和周边地理环境，所以林地和农田区分度较好，但和草地仍有部分混淆。部分建设用地位于山区，受周边地理环境影响较大，加之城区建设用地光谱特征较为复杂。农田误分主要是误分为林地、草地和建设用地，由于前三者均属于绿色植被，在气温湿度均较好的情况下，选择样本时会经常造成3类间的误分。与建设用地的误分由于山区农田与建设用地交错分布，难以分辨。其他地类误分为建设用地由于两者具有相似的高反射特性，极易造成混淆。

    表 5  最大似然法遥感解译误差矩阵
    Table 5  Maximum likelihood remote sensing interpretation error matrix
    土地利用类型林地建设用地农田水体草地其他冰川积雪参考样本数用户精度/％
    林地 119 0 0 0 2 0 0 121 98.35
    建设用地 3 51 2 5 1 2 0 64 79.69
    农田 6 4 61 0 4 4 1 80 76.25
    水体 0 0 0 91 0 0 0 91 100.00
    草地 5 4 7 0 55 0 3 74 74.32
    其他 0 14 2 0 0 36 0 52 69.23
    冰川积雪 1 4 0 0 1 0 12 18 66.67
    分类样本数 134 77 72 96 63 42 16 500
    制图精度/％ 88.81 66.23 84.72 94.79 87.30 85.71 75.00
    下载: 导出CSV 
    | 显示表格

    由表6可以看出：基于面向对象特征决策树法中的水体制图精度仍是最高，为93.94%，其他地类制图精度由高到低分别是林地、农田、草地、建设用地、其他和冰川积雪。冰川积雪虽然精度最低，但仍达76.92%。面向对象特征决策树法制图精度由高到低分别是水体、其他、林地、冰川积雪、草地、农田和建设用地，其中用户精度最高的水体为95.88%，最低的建设用地精度为83.61%。分析认为，误分情况主要是由于决策树粗分类时3个指数的参数设置原因。农田和草地之间的部分误分也与面向对象特征参数设置有关，此方法分类中冰川积雪和其他2个地类无错分现象，由此看出面向对象特征参数设置较为适合。

    表 6  面向对象特征决策树法遥感解译误差矩阵
    Table 6  Remote sensing interpretation error matrix of object-oriented feature decision tree method
    土地利用类型林地建设用地农田水体草地其他冰川积雪参考样本数用户精度/％
    林地 118 0 2 0 5 0 0 125 94.40
    建设用地 0 51 3 3 1 2 1 61 83.61
    农田 4 2 76 0 4 1 2 89 85.39
    水体 1 2 0 93 1 0 0 97 95.88
    草地 3 3 4 3 86 0 0 99 86.87
    其他 0 1 0 0 0 17 0 18 94.44
    冰川积雪 0 1 0 0 0 0 10 11 90.91
    分类样本数 126 60 85 99 97 20 13 500
    制图精度/％ 93.65 85.00 89.41 93.94 88.66 85.00 76.92
    下载: 导出CSV 
    | 显示表格

    以上精度分析可以看出，面向对象特征决策树法相比于其他方法在农田、草地、建设用地和其他这4类分类精度上有了显著提高，且在高原山区特有地类冰川积雪的信息提取上也有较好的适用性。而对于研究区水域和林地的提取来说，最大似然法的适用性更好。

    3.3   不同分类方法总体精度比较

    一般总体精度在80%以上可以认为精度良好，表7表明：3种分类方法分类精度良好。其中，ISODATA法总体分类精度最低，但也满足基本分类需求，总体分类精度为82.60%，Kappa系数为79.40%；其次是最大似然法，总体分类精度较ISODATA法略有提高，总体分类精度为85.00%，Kappa系数为81.90%，但最大似然法基于机器学习的提取方法也可能会带来过拟合效应，导致提取精度偏高；面向对象特征决策树分类方法精度最高，总体分类精度可达90.20%，Kappa系数为87.95%，说明此方法的分类结果与实际情况最为贴近，更加适用于高原山区土地利用分类。

    表 7  3种分类方法比较
    Table 7  Comparison of three classification methods
    分类方法总体分类精度/%Kappa系数/%
    ISODATA法分类 82.60 79.40
    最大似然法分类 85.00 81.90
    面向对象特征决策树法 90.20 87.95
    下载: 导出CSV 
    | 显示表格

    4.   结论

    本研究结果表明：①从地物空间分布上看，面向对象与决策树相结合的方法得到的最终分类结果与同期高分辨率天地图影像较为一致，表明与地物的实际分布情况更为接近。②从地类方法适用性角度来看，最大似然分类法在水域和林地的提取上适用性较好，面向对象特征决策树法在农田和草地、建设用地和其他这些光谱特征较为相似的地类区分度较好。在高原山地特有的地类冰川积雪提取上也表现出了极大的优越性。③从不同方法总体分类精度角度看，面向对象特征的决策树法在大理市的土地利用信息提取中效果最好，总体分类精度和Kappa系数分别为90.20%和87.95%，较传统的最大似然法和ISODATA法分类精度均有提升，可实现大理市土地利用的高精度提取。

    本研究在进行大理市土地利用分类时，利用先粗分类再进一步细分类的思想，将面向对象特征与决策树规则相结合，粗分类先设计决策树分类规则，在决策树基础上进行类别的细分类，此方法可避免区域之间的混淆问题，反映了提高遥感影像分类精度的一个方法，具有良好的应用前景[26]。面向对象特征辅助决策树分类，其分类精度和准确性虽有提高，但与欧空局面积仍存在一定的出入，说明分类过程中仅提取面向对象特征辅助是不够的。因此，在今后的计算机分类过程中，需进一步加强遥感影像计算机自动解译的研究，充分利用地物形状、纹理、空间关系、空间位置等特征，对影像进行综合评判，提高影像的分类精度。

  • 表  1  灵武长枣各栽植基地基本情况

    Table  1.   Basic situation of Z. jujuba ‘Lingwuchangzao’ plantation

    栽植基地海拔/m 地理位置株行距/(m×m)树龄/a土壤类型样地数/个样地面积/hm2
    大泉林场1 123.937°58′27″N，106°19′36″E4×212壤土　51 087
    银湖公司1 171.837°53ʹ51″N，106°23ʹ38″E4×210~12砂壤土3 925
    园艺场　1 113.438°05′20″N，106°23′26″E4×212壤土　21 200
    长枣庄园1 109.838°10ʹ57″N，106°20ʹ38″E4×210~12壤土　3 614
    中玺公司1 170.238°19′17″N，106°24′21″E4×210砂土　3 523
    下载: 导出CSV

    表  2  灵武长枣种植基地土壤肥力性质指标概况

    Table  2.   Soil nutrients situation of Z. jujuba ‘Lingwuchangzao’ plantation

    项目有机质/
    (g·kg−1)    		全氮/
    (g·kg−1)    		全磷/
    (g·kg−1)    		全钾/
    (g·kg−1)    		速效氮/
    (mg·kg−1)    		速效磷/
    (mg·kg−1)    		速效钾/
    (mg·kg−1)    		有效铁/
    (mg·kg−1)    		有效锌/
    (mg·kg−1)    		有效锰/
    (mg·kg−1)    		硒/
    (mg·kg−1)
    最大值16.901.401.9219.80168.00197.00520.0066.206.8817.000.310 0
    最小值 1.790.140.3414.10 12.00 3.51 70.00 1.600.18 1.340.020 0
    平均值 7.860.590.7816.16 54.86 43.31173.0715.711.00 4.120.150 0
    标准差 5.020.380.52 1.69 42.92 49.14130.4820.381.66 3.970.090 0
    下载: 导出CSV

    表  3  灵武长枣叶片矿物质养分

    Table  3.   Survey data of leaf nutrients in Z. jujuba ‘Lingwuchangzao’

    项目氮/(g·kg−1)磷/(g·kg−1)钾/(g·kg−1)钙/(g·kg−1)镁/(g·kg−1)锌/(mg·kg−1)铁/(mg·kg−1)硒/(mg·kg−1)
    最大值30.803.1924.0090.0014.0032.00504.000.130 0
    最小值19.501.72 9.3054.00 5.2014.00180.000.050 0
    平均值27.952.6916.4765.50 6.4017.33262.830.080 0
    标准差 1.980.20 4.1611.01 1.06 1.89 21.620.020 0
    下载: 导出CSV

    表  4  灵武长枣果实矿物质养分

    Table  4.   Survey data of fruit mineral nutrients in Z. jujuba ‘Lingwuchangzao’

    项目氮/(g·kg−1)磷/(g·kg−1)钾/(g·kg−1)钙/(g·kg−1)镁/(mg·kg−1)锌/(mg·kg−1)铁/(mg·kg−1)硒/(mg·kg−1)
    最大值3.000.422.824.58563.002.0011.600.003 3
    最小值2.050.371.900.16104.001.20 3.500.001 8
    平均值2.540.392.380.63277.691.49 5.310.002 4
    标准差0.260.010.221.02 84.200.24 2.420.000 4
    下载: 导出CSV

    表  5  灵武长枣果实品质

    Table  5.   Survey data of fruit quality in Z. jujuba ‘Lingwuchangzao’

    项目单果质量/g纵径/mm横径/mm硬度/
    (kg·cm−2)    		可溶性固形物/
    (mg·g−1)    		维生素C/
    (g·kg−1)    		滴定酸/
    (mol·L−1)    		可溶性糖/
    ( mg·g−1)
    最大值15.9147.3127.9115.2225.84 0.165 2 0.18 18.83
    最小值11.4740.9324.4313.1518.04 0.104 1 0.14 12.94
    平均值13.9044.2226.1014.1822.20 0.136 9 0.15 16.41
    标准差 1.44 2.04 1.07 0.62 2.15 0.148 8 0.01 1.45
    下载: 导出CSV

    表  6  土壤肥力与果实养分及品质之间的相关系数

    Table  6.   Correlation coefficients between soil nutrients and fruit index

    果实指标有机质全氮全磷全钾速效氮速效磷果实指标有机质全氮全磷全钾速效氮速效磷
    单果质量 0.136 0.158 0.207 0.266 0.189 0.257氮 0.819** 0.786** 0.684** 0.794** 0.680** 0.551*
    纵径 0.426 0.455 0.484 0.542* 0.452 0.475磷−0.183−0.182−0.150−0.007−0.291−0.179
    横径−0.221−0.216−0.169−0.186−0.118−0.065钾−0.137−0.188−0.191 0.010−0.371−0.165
    硬度−0.470−0.418−0.301−0.395−0.387−0.248钙−0.252−0.230−0.229−0.237−0.210−0.113
    可溶性固形物−0.140−0.144−0.077−0.226 0.026−0.005镁−0.242−0.217−0.154−0.243−0.156−0.036
    维生素C 0.079 0.082 0.115 0.060 0.098 0.022锌 0.748** 0.772** 0.779** 0.771** 0.761** 0.678**
    滴定酸 0.619* 0.607* 0.586* 0.589* 0.591* 0.444铁−0.142−0.133−0.217−0.079−0.108−0.147
    可溶性糖 0.394 0.446 0.605* 0.530* 0.543* 0.520*硒−0.203−0.214−0.197−0.220−0.226−0.254
    　　说明：*表示在0.05水平上显著相关；**表示在0.01水平上显著相关
    下载: 导出CSV

    表  7  叶片养分与果实指标之间的相关系数

    Table  7.   Correlation coefficients between leaf nutrients and fruit index

    果实指标氮磷钾钙镁锌铁硒
    滴定酸　0.557*0.683**0.541**−0.4690.506*0.4670.637**0.244
    可溶性糖0.671**0.565*0.259−0.2800.646**0.548*0.399−0.015
    氮　　　0.627**0.537*0.580*−0.4790.3580.519*0.710**0.329
    锌　　　0.1830.3220.3930.0070.4840.812**0.513*0.640**
    　　说明：*表示在0.05水平上显著相关；**表示在0.01水平上显著相关
    下载: 导出CSV

    表  8  果实养分与果实品质之间的相关系数

    Table  8.   Correlation coefficients between fruit nutrients and fruit quality

    果实指标氮镁锌
    单果质量　　0.211−0.0610.046
    纵径　　　　0.414−0.1590.344
    横径　　　　−0.1320.022−0.305
    硬度　　　　−0.673**0.542*−0.454
    可溶性固形物−0.156−0.098−0.156
    维生素C　　0.2750.0340.340
    滴定酸　　　0.687**−0.1740.539*
    可溶性糖　　0.439−0.0340.346
    　　说明：*表示在0.05水平上显著相关；**表示在0.01水平上　　　　　显著相关
    下载: 导出CSV

    表  9  影响果实养分及品质的土壤因子及回归方程

    Table  9.   Soil factors and regression equations that affect fruit nutrient and quality

    果实养分及品质影响果实的土壤因子回归方程FR2
    纵径(y1)全钾(x1)y1=33.066−0.693x15.834*0.213
    滴定酸(y2)速效钾(x2)y2=33.066−0.693x29.813**0.358
    可溶性糖(y3)速效钾(x2)y3=15.064+0.008x213.145**0.895
    氮(y4)有机质(x4)、硒(x5)y4=2.246+0.073x4−1.799x524.746***0.642
    钾(y5)有效铁(x6)、全磷(x7)y5=2.249−0.017x6+0.504x79.126**0.735
    锌(y6)速效钾(x2)y6=1.230+0.020x228.114**0.720
    　　说明：*表示在0.05水平上显著相关；**表示在0.01水平上显著相关；***表示在0.001水平上显著相关
    下载: 导出CSV

    表  10  影响果实养分及品质的主要叶片养分因子及回归方程

    Table  10.   Selection of leaf nutrient factors and establishment of regression equation affecting fruit nutrients

    果实养分及品质影响果实的叶片因子回归方程FR2
    滴定酸(y2)磷(α1)y2=0.044+0.039α112.248**0.667
    可溶性糖(y3)磷(α2)、镁(α3)y3=0.662+0.424α2+0.496α311.186**0.546
    氮(y4)铁(α4)y4=1.310+0.005α412.244**0.769
    锌(y6)锌(α5)y6=0.872+0.033α5 21.129***0.635
    　　说明：*表示在0.05水平上显著相关；**表示在0.01水平上显著相关；***表示在0.001水平上显著相关
    下载: 导出CSV

    表  11  影响果实养分及品质的主要果实矿物质因子及回归方程

    Table  11.   Selection of fruit mineral factors and establishment of regression equation affecting fruit nutrients

    果实养分及品质果实矿物质因子回归方程FR2
    硬度(y7)氮(β1)y7=18.248−1.600β117.591**0.714
    滴定酸(y2)氮(β1)、铁(β2)y2=0.690+0.380β1−0.002β212.241**0.626
    氮(y4)锌(β3)y4=1.536+0.673β38.775*0.841
    钙(y8)镁(β5)、铁(β2)y8=−3.250+0.012β5+0.114β246.118***0.857
    镁(y9)钙(β6)、铁(β2)y9=282.122+74.399β6−9.634β249.996***0.867
    锌(y6)氮(β1)y6=0.038+0.573β18.775*0.561
    硒(y10)镁(β5)y10=0.001−3.189×10−6 β59.171**0.553
    　　说明：*表示在0.05水平上显著相关；**表示在0.01水平上显著相关；***表示在0.001水平上显著相关
    下载: 导出CSV
  • [1] 曹兵, 侯晶东. 对“灵武长枣栽培技术创新与长枣产业发展”的思考[J]. 农业科学研究, 2011, 32(1): 46 − 49.

    CAO Bing, HOU Jingdong. Innovation of cultivating techniques and industry development of Zizyphus jujuba Mill. cv. Lingwu Changzao [J]. J Agric Sci, 2011, 32(1): 46 − 49.
    [2] 宋丽华, 曹兵, 张向东. 不同药剂喷施处理对设施栽培‘灵武长枣’的影响[J]. 中国农学通报, 2014, 30(4): 190 − 194.

    SONG Lihua, CAO Bing, ZHANG Xiangdong. Effect of different chemical treatment on ‘Lingwu Changzao’ planted in greenhouse [J]. Chin Agric Sci Bull, 2014, 30(4): 190 − 194.
    [3] 伍梅霞, 唐文林, 张宏霞. 灵武长枣产业发展中存在的问题及转型升级的思路与对策[J]. 山西果树, 2019(4): 30 − 32.

    WU Meixia, TANG Wenlin, ZHANG Hongxia. The problems of development and transformation and upgrading ideas and countermeasures of Lingwu Jujube [J]. Shanxi Fruits, 2019(4): 30 − 32.
    [4] 马亚平, 曹兵, 王艳. 灵武长枣土壤养分与果实品质间的相关性分析[J]. 经济林研究, 2017, 35(4): 106 − 111.

    MA Yaping, CAO Bing, WANG Yan. Correlation analysis between soil nutrients and fruit quality in Ziziphus jujuba Lingwuchangzao [J]. Nonwood For Res, 2017, 35(4): 106 − 111.
    [5] 王文放. 灵武长枣养分需求规律与配方施肥研究[D]. 银川: 宁夏大学, 2019.

    WANG Wenfang. Study on the Nutrient Requirement Characteristics and Formulated Fertilization of Ziziphus jujuba Mill. cv. Lingwuchangao[D]. Yinchuan: Ningxia University, 2019.
    [6] 白琳云, 严荣, 曹兵, 等. 覆盖对设施栽培灵武长枣生长和果实品质的影响[J]. 经济林研究, 2019, 37(1): 148 − 154.

    BAI Linyun, YAN Rong, CAO Bing, et al. Effects of mulch treatments on growth and fruit quality in Zizyphus jujuba Mill. cv. Lingwuchangzao under protected cultivation [J]. Nonwood For Res, 2019, 37(1): 148 − 154.
    [7] 孙亚萍, 党娜娜, 宋丽华, 等. 行间生草对‘灵武长枣’生长与果实品质的影响[J]. 中国果树, 2018(3): 47 − 49, 57.

    SUN Yaping, DANG Nana, SONG Lihua, et al. Effects of inter-row green covering on growth and fruit quality of ‘Lingwuchangzao’ jujuba [J]. China Fruits, 2018(3): 47 − 49, 57.
    [8] 贾昊, 李玲, 曹兵. 磁化水灌溉对设施灵武长枣生长与果实品质的影响[J]. 核农学报, 2019, 33(11): 2280 − 2286.

    JIA Hao, LI Ling, CAO Bing. Effects of magnetized water irrigation on vegetative growth and fruit quality of Lingwuchangzao [J]. J Nucl Agric Sci, 2019, 33(11): 2280 − 2286.
    [9] 陈薇宇, 曹兵. 不同种植基地灵武长枣果实品质比较与分析[J]. 农业科学研究, 2018, 39(3): 20 − 24.

    CHEN Weiyu, CAO Bing. Analysis of fruit quality of Lingwuchangzao (Ziziphus jujuba Mill.) in different plantations [J]. J Agric Sci, 2018, 39(3): 20 − 24.
    [10] 陈薇宇. 宁夏灵武长枣产地果实品质差异及其与土壤养分、气象因子的关系[D]. 银川: 宁夏大学, 2018.

    CHEN Weiyu. Differences of Fruit Quility and It’s Relationship with Soil Nutrients and Meteorological Factors in Jujuba Plantions of Ziziphus jujuba Mill. cv. Lingwuchangzao of Ningxia[D]. Yinchuan: Ningxia University, 2018.
    [11] 李慧, 李百云, 魏天军. 宁夏红枣主产区土壤养分的含量[J]. 贵州农业科学, 2019, 47(1): 30 − 35, 42.

    LI Hui, LI Baiyun, WEI Tianjun. Nutritional content of soils in red jujube main producing areas in Ningxia [J]. Guizhou Agric Sci, 2019, 47(1): 30 − 35, 42.
    [12] 李永华, 王五一, 杨林生, 等. 陕南土壤中水溶态硒、氟的含量及其在生态环境的表征[J]. 环境化学, 2005(3): 279 − 283.

    LI Yonghua, WANG Wuyi, YANG Linsheng, et al. Concentration and environmental significance of water soluble-Se and water soluble-F in soils of south Shananxi Province [J]. Environ Chem, 2005(3): 279 − 283.
    [13] 马建江, 罗洮峰, 李永丰. 不同产量的骏枣园土壤和叶片营养元素分析[J]. 新疆农业科学, 2016, 53(5): 850 − 856.

    MA Jianjiang, LUO Taofeng, LI Yongfeng. Analysis of nutrient status of soil and leaves in Ziziphus jujuba cv. Junzao orchards at different yield levels [J]. Xinjiang Agric Sci, 2016, 53(5): 850 − 856.
    [14] 王立新, 杨淘, 谢以萍. 四川攀西地区不同立地条件下红树莓果实品质的研究[J]. 现代农业科技, 2007(24): 10 − 12.

    WANG Lixin, YANG Tao, XIE Yiping. Study on fruit quality of red raspberry under different site conditions in Panxi area of Sichuan Province [J]. Modern Agric Sci Technol, 2007(24): 10 − 12.
    [15] 王宏安, 李记明, 姜文广, 等. 土壤质地对蛇龙珠葡萄酿酒品质的影响[J]. 中外葡萄与葡萄酒, 2013(4): 24 − 27.

    WANG Hongan, LI Jiming, JIANG Wenguang, et al. Effects of different soil textures on wine quality of Cabernet gernischt [J]. Sino-Overseas Grapevine Wine, 2013(4): 24 − 27.
    [16] 克热曼•赛米, 岳朝阳, 巴哈尔古丽, 等. 不同立地条件下‘木纳格’葡萄果实品质和矿质元素含量[J]. 北方园艺, 2016(18): 9 − 13.

    Kereman Saimi, YUE Chaoyang, Bahaerguli, et al. Fruit quality and mineral elements of ‘munake’ vineyards under different site condition [J]. North Hortic, 2016(18): 9 − 13.
    [17] 张强. ‘富士’苹果果实品质与土壤养分和气象因子关系的研究[D]. 北京: 中国农业大学, 2018.

    ZHANG Qiang. Study on Relationship between Fruit Quality of ‘Fuji’ Apple and Soil Nutrition, Meteorological Factor[D]. Beijing: China Agricultural University, 2018.
    [18] 许文博, 邵新庆, 王宇通, 等. 锰对植物的生理作用及锰中毒的研究进展[J]. 草原与草坪, 2011, 31(3): 5 − 14.

    XU Wenbo, SHAO Xinqing, WANG Yutong, et al. Research progress in physiological function of manganese and manganese poisoning in plants [J]. Grassl Turf, 2011, 31(3): 5 − 14.
    [19] 钱武兵, 李建设, 高艳明, 等. 营养液中添加不同盐类对水培番茄果实糖组分和相关酶活性的影响[J]. 浙江农林大学学报, 2018, 35(6): 1120 − 1127.

    QIAN Wubing, LI Jianshe, GAO Yanming, et al. Carbohydrate composition and sucrose-metabolizing enzyme activities of hydroponic tomato fruit with salts added to nutrient solutions [J]. J Zhejiang A&F Univ, 2018, 35(6): 1120 − 1127.
    [20] 何国庆, 俞春莲, 饶盈, 等. 山核桃果实成熟过程中矿质元素及脂肪酸组分变化[J]. 浙江农林大学学报, 2019, 36(6): 1208 − 1216.

    HE Guoqing, YU Chunlian, RAO Ying, et al. Dynamic changes in composition of mineral elements and fatty acids for hickory nuts (Carya cathayensis) during maturity [J]. J Zhejiang A&F Univ, 2019, 36(6): 1208 − 1216.
    [21] 韩建萍, 王敬民, 梁宗锁. 矿质元素与根类中草药根系生长发育及有效成分累积的关系[J]. 植物生理学通讯, 2003, 39(1): 78 − 82.

    HAN Jianping, WANG Jingmin, LIANG Zongsuo. The relationship between mineral element and the root growth and accumulation of effective ingredient in root of traditional herbs [J]. Plant Physiol J, 2003, 39(1): 78 − 82.
    [22] 张强, 巍钦平. 苹果园土壤养分与果实品质关系的多元分析及优化方案[J]. 中国农业科学, 2011, 44(8): 1654 − 1661.

    ZHANG Qiang, WEI Qinping. Multivariate analysis and optimum proposals of the relationship between soil nutrients and fruit qualities in apple orchard [J]. Sci Agric Sin, 2011, 44(8): 1654 − 1661.
    [23] 刘科鹏, 黄春辉, 冷建华, 等. 猕猴桃园土壤养分与果实品质的多元分析[J]. 果树学报, 2012, 29(6): 1047 − 1051.

    LIU Kepeng, HUANG Chunhui, LENG Jianhua, et al. Multivariate analysis between boil nutrients and fruit qualities in kiwifruit orchard [J]. J Fruit Sci, 2012, 29(6): 1047 − 1051.
    [24] 郑炳松, 程晓建, 蒋德安, 等. 钾元素对植物光合速率、Rubisco和RCA的影响[J]. 浙江林学院学报, 2002, 19(1): 104 − 108.

    ZHENG Bingsong, CHENG Xiaojian, JIANG Dean, et al. Effects of potassium on photosynthetic rate, Rubisco and RCA in plants [J]. J Zhejiang For Coll, 2002, 19(1): 104 − 108.
  • [1] 伍海兵, 何小丽, 梁晶.  园林绿化用搬迁地土壤肥力综合评价 . 浙江农林大学学报, 2021, 38(5): 1076-1081. doi: 10.11833/j.issn.2095-0756.20200753
    [2] 姜仕昆, 周运超, 谭伟, 陈竹, 黄剑峰.  马尾松林近自然不同经营管理措施下土壤肥力 . 浙江农林大学学报, 2020, 37(5): 876-882. doi: 10.11833/j.issn.2095-0756.20190549
    [3] 马闪闪, 赵科理, 丁立忠, 黄莎, 蔡铃, 赵伟明, 叶正钱.  临安市不同山核桃产区土壤肥力状况的差异性研究 . 浙江农林大学学报, 2016, 33(6): 953-960. doi: 10.11833/j.issn.2095-0756.2016.06.005
    [4] 伍海兵, 李爱平, 方海兰, 郝冠军.  绿地土壤孔隙度检测方法及其对土壤肥力评价的重要性 . 浙江农林大学学报, 2015, 32(1): 98-103. doi: 10.11833/j.issn.2095-0756.2015.01.014
    [5] 温玥, 苏淑钗, 马履一, 王湘南, 杨少燕.  赤霉素处理对油茶花芽形成和果实品质的影响 . 浙江农林大学学报, 2015, 32(6): 861-867. doi: 10.11833/j.issn.2095-0756.2015.06.006
    [6] 陈凤, 苏淑钗, 张兵, 陈志刚, 王文浩.  叶面喷肥对杂交榛产量和品质的影响 . 浙江农林大学学报, 2014, 31(6): 932-939. doi: 10.11833/j.issn.2095-0756.2014.06.016
    [7] 安晓芹, 廖康, 孙慧瑛, 刘娟, 李永闲, 廖小龙, 王云.  不同品种授粉对‘轮台白杏’坐果及果实品质的影响 . 浙江农林大学学报, 2013, 30(2): 187-193. doi: 10.11833/j.issn.2095-0756.2013.02.005
    [8] 郑蓉.  产地绿竹笋品质及土壤养分的主成分与典型相关分析 . 浙江农林大学学报, 2012, 29(5): 710-714. doi: 10.11833/j.issn.2095-0756.2012.05.012
    [9] 樊怀福, 杜长霞, 朱祝军, 李文君, 杨莉林, 张英.  限根栽培对大果型番茄浙杂204植株生长、 果实品质和产量的影响 . 浙江农林大学学报, 2011, 28(3): 343-348. doi: 10.11833/j.issn.2095-0756.2011.03.001
    [10] 颜晓捷, 黄坚钦, 邱智敏, 努尔阿米娜·热合曼, 朱旻华, 吴家森.  生草栽培对杨梅果园土壤理化性质和果实品质的影响 . 浙江农林大学学报, 2011, 28(6): 850-854.
    [11] 黎章矩, 华家其, 曾燕如.  油茶果实含油率影响因子研究 . 浙江农林大学学报, 2010, 27(6): 935-940. doi: 10.11833/j.issn.2095-0756.2010.06.022
    [12] 童根平, 王卫国, 张圆圆, 徐温新, 窦春英, 盛卫星, 虞青平, 叶正钱.  大田条件下山核桃林地土壤和叶片养分变化规律 . 浙江农林大学学报, 2009, 26(4): 516-521.
    [13] 蒋俊明, 朱维双, 刘国华, 费世民, 陈秀明.  川南毛竹林土壤肥力研究 . 浙江农林大学学报, 2008, 25(4): 486-490.
    [14] 邵果园, 秦国新, 武宇坤, 季昆.  温室葡萄结果枝叶片数对果实品质的影响 . 浙江农林大学学报, 2006, 23(6): 656-659.
    [15] 蔡丽平, 谢锦升, 林锦仪, 陈光水.  南亚热带侵蚀赤红壤治理前后土壤肥力的变化 . 浙江农林大学学报, 2001, 18(2): 131-135.
    [16] 钱银才, 顾志康, 姚建祥1, 蒋小凡, 王白坡.  4 种类型果袋套袋对梨不同品种果实品质的影响 . 浙江农林大学学报, 2000, 17(3): 276-279.
    [17] 王白坡, 戴文圣, 程晓建, 喻卫武, 王利忠, 鲍李洪, 鄢荣保.  8 种经济树种在低丘红壤上的表现及对土壤养分变化的影响 . 浙江农林大学学报, 1999, 16(4): 358-364.
    [18] 刘爱琴, 马祥庆, 俞立烜, 罗雪妹.  马尾松林下不同混交模式对土壤肥力的影响 . 浙江农林大学学报, 1998, 15(3): 250-255.
    [19] 林开敏, 林国清, 张沈龙, 俞立烜.  天然阔叶林与杉木连栽林地土壤肥力的差异* . 浙江农林大学学报, 1995, 12(2): 221-225.
    [20] 林平, 叶正环, 朱昌乐, 侯建育.  柳杉连栽林地的土壤肥力特性 . 浙江农林大学学报, 1994, 11(2): 138-142.

  • 期刊类型引用(5)

    1. 董亚坤，王钰，何紫玲，王鹏，赵昊，曾维军. 基于GEE的洱海流域土地利用/覆被分类算法对比研究. 西北林学院学报. 2024(01): 28-35 . 百度学术
    2. 武英洁，冯勇，徐晓琳，刘思宇，朱辉. 典型遥感影像分类方法适用性分析. 现代电子技术. 2024(06): 137-141 . 百度学术
    3. 廖超明，云子恒，罗恒，韦媛媛，凌子燕，潘桂颖. 基于特征优选的喀斯特地区覆被信息提取及精度分析. 测绘通报. 2024(02): 45-50 . 百度学术
    4. 包塔娜，范文义. 基于集合卡尔曼滤波的帽儿山森林多源LAI产品重建及融合校正方法. 浙江农林大学学报. 2024(04): 841-849 . 本站查看
    5. 李艳，张帆. 基于Sentinel-2影像的厦门市茶园遥感提取. 亚热带植物科学. 2023(04): 327-335 . 百度学术

    其他类型引用(6)

  • 加载中
  • 链接本文:

    https://zlxb.zafu.edu.cn/article/doi/10.11833/j.issn.2095-0756.20190462

    https://zlxb.zafu.edu.cn/article/zjnldxxb/2020/4/631

WeChat 点击查看大图
表(11)
计量
  • 文章访问数:  1595
  • HTML全文浏览量:  554
  • PDF下载量:  63
  • 被引次数: 11
出版历程
  • 收稿日期:  2019-08-05
  • 修回日期:  2019-12-01
  • 网络出版日期:  2020-07-21
  • 刊出日期:  2020-07-21

灵武长枣果实品质与土壤肥力、叶片养分的相关性

doi: 10.11833/j.issn.2095-0756.20190462
  • 宁夏大学 农学院，宁夏 银川 750021
    • 基金项目:  西部一流大学重大创新资助项目(ZKZD2017008)
    作者简介:

    严亮亮，从事经济林栽培学。E-mail: 1226702154@qq.com

    通信作者: 宋丽华，教授，从事林木良种繁育与经济林栽培研究。E-mail: slh382@126.com
  • 收稿日期: 2019-08-05
  • 修回日期: 2019-12-01
  • 网络出版日期: 2020-07-21
  • 刊出日期: 2020-07-21

  • 中图分类号: S718.43

摘要:   目的  研究土壤、叶片、果实养分与灵武长枣Zizyphus jujuba ‘Lingwuchangzao’品质的关系，用于建立灵武长枣的科学施肥体系。  方法  以宁夏灵武市5个灵武长枣栽植基地的果实、果树叶片及土壤为试材，通过多重线性逐步回归分析，研究了灵武长枣果实品质与土壤肥力、叶片养分的相关性。  结果  不同栽植基地土壤肥力差异较大，栽植基地普遍缺锰；灵武长枣果实纵径与土壤全钾、果实硬度与果实氮呈负相关；果实滴定酸与土壤速效钾、叶片磷、果实氮呈正相关，与果实铁呈负相关；果实氮与土壤有机质、叶片铁、果实锌呈正相关，与土壤硒呈负相关；果实钾与土壤有效铁呈负相关，与土壤全磷呈正相关；果实锌与土壤速效钾、叶片锌、果实氮呈正相关。  结论  灵武长枣栽植基地应增加有机肥和微量元素的施用量，特别是锰，而应减少铁的施用量。表11参24

English Abstract

贾玉洁, 刘云根, 杨思林, 等. 面向Sentinel-2A影像的大理市土地利用分类方法适用性研究[J]. 浙江农林大学学报, 2022, 39(6): 1350-1358. DOI: 10.11833/j.issn.2095-0756.20220134
引用本文: 严亮亮, 岳坤, 宋丽华. 灵武长枣果实品质与土壤肥力、叶片养分的相关性[J]. 浙江农林大学学报, 2020, 37(4): 631-638. DOI: 10.11833/j.issn.2095-0756.20190462
shu
JIA Yujie, LIU Yungen, YANG Silin, et al. Applicability of land use classification method in Dali City based on Sentinel-2A image[J]. Journal of Zhejiang A&F University, 2022, 39(6): 1350-1358. DOI: 10.11833/j.issn.2095-0756.20220134
Citation: YAN Liangliang, YUE Kun, SONG Lihua. Correlation between fruit quality and soil fertility and leaf nutrients of Zizyphus jujuba ‘Lingwuchangzao’[J]. Journal of Zhejiang A&F University, 2020, 37(4): 631-638. DOI: 10.11833/j.issn.2095-0756.20190462
shu

    全文HTML

  • 灵武长枣Zizyphus jujuba ‘Lingwuchangzao’是宁夏特色枣树栽培品种[1]，其果个大，味道好，口感脆，富含维生素，有“活维生素丸”的美称[2]。目前灵武长枣的栽植面积逐年增加，已达9 467 hm2[3]。随着灵武长枣栽植面积的不断扩大，产业规模越来越大，人们对灵武长枣的品质要求也越来越高。然而近几年，由于自然环境变化、管理技术不到位等因素导致灵武长枣的果实品质良莠不齐，个别栽植基地枣树的果实品质有所下降。为了全面了解灵武长枣不同栽植基地影响果品的因子，制定科学的施肥与管理措施，研究土壤、叶片、果实养分与灵武长枣品质的关系，对建立灵武长枣科学施肥体系，提高果实品质有重要意义。马亚平等[4]研究了灵武长枣果实品质与土壤肥力之间的相关性。王文放[5]研究表明：筛选合理的施肥配方可以揭示灵武长枣养分需求的规律；白琳云等[6]研究发现：覆盖处理有利于促进设施灵武长枣营养生长与果实营养品质的提高；孙亚萍等[7]研究表明：行间种草可以改善果实品质，提高坐果率；贾昊等[8]发现：不同磁强磁化水处理能促进灵武长枣的营养增加；另外，对不同栽植基地灵武长枣果实品质[9]、土壤与果实品质的关系[10]也开展了相关的研究。但是，对灵武长枣叶片与果实、土壤与叶片的相关性研究还未见报道。基于此，本研究对5个灵武长枣栽植基地的影响因素进行调查，分析了土壤、叶片、果实养分与果实品质之间的相关性，并对筛选的影响因子进行多重线性逐步回归分析，以期为灵武长枣科学施肥提供理论依据。

    • 1.   研究地区与研究方法

      1.1.   研究区概况

    • 宁夏灵武位于38°04′42″~38°04′47″N，106°31′45″~106°31′59″E，该区海拔1 250.0 m，属中温带大陆性干旱气候，春迟秋早，四季分明、日照充足、热量丰富、蒸发强烈、气候干燥、晴天多、雷雨少，全年日照时数4 434.7 h，平均无霜期157.0 d，植物生长期持续170.0 d，有效积温3 351.3 h，年平均气温8.8 ℃，年均降水量206.2~255.2 mm。土壤为砂壤土，土质深厚肥沃，引黄河水灌溉，水源充裕，极适宜长枣的生长。本研究5个种植基地施肥情况基本一致，春季3月中旬按照每棵树0.1 kg的量施用生物有机肥，夏季5月上旬按照每棵树各施用0.4 kg磷酸二铵、1.1 kg硫酸钾。6月中旬按照每棵树施用1.0 kg的元素水溶肥料[各元素配比为m(氮)∶m(五氧化二磷)∶m(氧化钾)=9∶15∶30。硼质量分数为0.20%，锌质量分数为0.05%]。各基地基本情况见表1。

      表 1  灵武长枣各栽植基地基本情况

      Table 1.  Basic situation of Z. jujuba ‘Lingwuchangzao’ plantation

      栽植基地海拔/m 地理位置株行距/(m×m)树龄/a土壤类型样地数/个样地面积/hm2
      大泉林场1 123.937°58′27″N，106°19′36″E4×212壤土　51 087
      银湖公司1 171.837°53ʹ51″N，106°23ʹ38″E4×210~12砂壤土3 925
      园艺场　1 113.438°05′20″N，106°23′26″E4×212壤土　21 200
      长枣庄园1 109.838°10ʹ57″N，106°20ʹ38″E4×210~12壤土　3 614
      中玺公司1 170.238°19′17″N，106°24′21″E4×210砂土　3 523

      • 1.2.   材料

    • 于2018年9月下旬，分别在银川灵武市5个灵武长枣栽植基地，采集树龄为10~12 a的成熟期灵武长枣、叶片和栽植基地土壤为试材，土壤类型均为砂壤土。

      • 1.3.   取样方法

      1.3.1.   土壤样品

    • 每个基地随机选取3个采样小区，每采样小区采用五点取样法采集0~60 cm土层土壤，灵武长枣根系深度分布为0~70 cm[5]，各取样点土样均匀混合，取样3份，将土样装入自封袋带回实验室自然风干，研磨后分别过2.25和1.00 mm的筛，装入自封袋中保存待测。

      • 1.3.2.   叶片样品

    • 在各栽植基地分别选3个样地，每个样地选取3棵树龄、长势基本一致的枣树，分别在每棵树的东、西、南、北4个方向选取二次枝中部，各取5片健康成熟的叶，每个取样点共180片叶，并对采集的树叶进行标记，带回实验室后洗净、杀青、经80 ℃烘干，粉碎后装入自封袋中保存。

      • 1.3.3.   果实样品

    • 在果实成熟期(2018年9月下旬)，分别在各栽植基地，选取采集叶片标记的植株，分别在每棵树的东、西、南、北4个方向各取5颗枣，每个取样点共180颗枣，带回实验室冷藏并进行果实品质测定。

      • 1.4.   测定方法

    • 土壤有机质采用重铬酸钾容量法，氮采用凯氏定氮法，碱解氮采用碱解扩散法，磷采用氢氧化钠-钼锑抗比色法，有效磷采用0.5 mol·L−1碳酸氢钠浸提-钼锑抗比色法，钾采用氢氟酸-高氯酸法，速效钾采用乙酸铵浸提-火焰光度计法，有效铁、有效锌、有效锰采用二乙基三胺五乙酸浸提-火焰光度计法，硒采用硝酸-高氯酸消煮荧光法。叶片和果实用硫酸-过氧化氢消煮后，采用凯氏定氮法测定氮，磷采用钼锑抗比色法测定，钾采用火焰光度计法测定，钙、镁、锌、铁、硒采用原子吸收法测定。果实品质用分析天平和游标卡尺分别测定单果质量和纵横经，用手持糖度计测定可溶性固形物，用手持果实硬度计测定硬度，采用2,6-二氯靛酚氧化滴定法测定维生素C，采用酸碱滴定法测定滴定酸，采用蒽酮比色法测定可溶性糖。叶片与果实测定时均使用鲜样。

      • 1.5.   数据处理

    • 采用Excel进行数据处理，采用SPSS 25.0进行数据统计分析。

    2.   结果与分析

      2.1.   栽植基地土壤、枣树叶片、果实养分和果实品质基本情况

      2.1.1.   枣树栽植基地土壤肥力

    • 由表2可知：根据灵武长枣栽植基地土壤肥力性质指标分级标准[11]，本次调查栽植基地有机质、全氮、速效氮的平均质量分数较低，全磷、速效磷、速效钾的平均质量分数较高。不同栽植基地有机质、速效氮、速效磷、速效钾的平均质量分数分别为7.86 g·kg−1、54.86 mg·kg−1、43.31 mg·kg−1、173.07 mg·kg−1，不同栽植基地之间有机质、氮、磷、钾有较大差异。根据宁夏土壤肥力性质指标分级标准[11]发现：本研究土壤有机质、全氮、速效氮极度缺乏。正常土壤硒为0.200 0 mg·kg−1，中国土壤硒的背景值为0.210 0 mg·kg−1，黄土高原地区的土壤硒为0.001 0~0.165 0 mg·kg−1[12]，可见，本研究土壤硒的平均值为0.150 0 mg·kg−1，在黄土高原地区属于正常范围。

      表 2  灵武长枣种植基地土壤肥力性质指标概况

      Table 2.  Soil nutrients situation of Z. jujuba ‘Lingwuchangzao’ plantation

      项目有机质/
      (g·kg−1)      		全氮/
      (g·kg−1)      		全磷/
      (g·kg−1)      		全钾/
      (g·kg−1)      		速效氮/
      (mg·kg−1)      		速效磷/
      (mg·kg−1)      		速效钾/
      (mg·kg−1)      		有效铁/
      (mg·kg−1)      		有效锌/
      (mg·kg−1)      		有效锰/
      (mg·kg−1)      		硒/
      (mg·kg−1)
      最大值16.901.401.9219.80168.00197.00520.0066.206.8817.000.310 0
      最小值 1.790.140.3414.10 12.00 3.51 70.00 1.600.18 1.340.020 0
      平均值 7.860.590.7816.16 54.86 43.31173.0715.711.00 4.120.150 0
      标准差 5.020.380.52 1.69 42.92 49.14130.4820.381.66 3.970.090 0
      • 2.1.2.   枣树叶片矿物质养分

    • 由表3可以看出：不同栽植基地枣树叶片全钾和钙质量分数差异较大。与马建江等[13]对骏枣Ziziphus jujuba ‘Junzao’叶片养分的研究相比，灵武长枣叶片全磷明显偏低，钙高于骏枣，全钾略高于骏枣，铁略低于骏枣。

      表 3  灵武长枣叶片矿物质养分

      Table 3.  Survey data of leaf nutrients in Z. jujuba ‘Lingwuchangzao’

      项目氮/(g·kg−1)磷/(g·kg−1)钾/(g·kg−1)钙/(g·kg−1)镁/(g·kg−1)锌/(mg·kg−1)铁/(mg·kg−1)硒/(mg·kg−1)
      最大值30.803.1924.0090.0014.0032.00504.000.130 0
      最小值19.501.72 9.3054.00 5.2014.00180.000.050 0
      平均值27.952.6916.4765.50 6.4017.33262.830.080 0
      标准差 1.980.20 4.1611.01 1.06 1.89 21.620.020 0
      • 2.1.3.   枣树果实养分和果实品质

    • 从表4和表5可以看出：不同栽植基地之间果实(不包含果核)矿物质养分和果实品质有较大差异。

      表 4  灵武长枣果实矿物质养分

      Table 4.  Survey data of fruit mineral nutrients in Z. jujuba ‘Lingwuchangzao’

      项目氮/(g·kg−1)磷/(g·kg−1)钾/(g·kg−1)钙/(g·kg−1)镁/(mg·kg−1)锌/(mg·kg−1)铁/(mg·kg−1)硒/(mg·kg−1)
      最大值3.000.422.824.58563.002.0011.600.003 3
      最小值2.050.371.900.16104.001.20 3.500.001 8
      平均值2.540.392.380.63277.691.49 5.310.002 4
      标准差0.260.010.221.02 84.200.24 2.420.000 4

      表 5  灵武长枣果实品质

      Table 5.  Survey data of fruit quality in Z. jujuba ‘Lingwuchangzao’

      项目单果质量/g纵径/mm横径/mm硬度/
      (kg·cm−2)      		可溶性固形物/
      (mg·g−1)      		维生素C/
      (g·kg−1)      		滴定酸/
      (mol·L−1)      		可溶性糖/
      ( mg·g−1)
      最大值15.9147.3127.9115.2225.84 0.165 2 0.18 18.83
      最小值11.4740.9324.4313.1518.04 0.104 1 0.14 12.94
      平均值13.9044.2226.1014.1822.20 0.136 9 0.15 16.41
      标准差 1.44 2.04 1.07 0.62 2.15 0.148 8 0.01 1.45

      • 2.2.   相关性分析

      2.2.1.   土壤肥力与果实养分及品质的相关性

    • 从表6可见：不同土壤肥力性质与灵武长枣果实养分及品质之间存在较强的相关性。其中：土壤有机质、全氮与枣果滴定酸、氮、锌都呈显著正相关(P＜0.01)；土壤全磷、速效氮与果实滴定酸、可溶性糖、氮、锌都呈显著正相关(P＜0.05)；土壤全钾与果实纵径、滴定酸、可溶性糖、氮、锌都呈显著正相关(P＜0.05)；土壤速效磷与果实可溶性糖、氮、锌呈显著正相关(P＜0.05)；土壤速效钾与果实滴定酸、可溶性糖、锌呈显著正相关(P＜0.05)；土壤有效铁与果实可溶性糖、钾、锌具有显著相关性(P＜0.05)，其中有效铁与钾呈负相关；土壤有效锌、有效锰、土壤硒与果实锌具有显著正相关性(P＜0.05)。

      表 6  土壤肥力与果实养分及品质之间的相关系数

      Table 6.  Correlation coefficients between soil nutrients and fruit index

      果实指标有机质全氮全磷全钾速效氮速效磷果实指标有机质全氮全磷全钾速效氮速效磷
      单果质量 0.136 0.158 0.207 0.266 0.189 0.257氮 0.819** 0.786** 0.684** 0.794** 0.680** 0.551*
      纵径 0.426 0.455 0.484 0.542* 0.452 0.475磷−0.183−0.182−0.150−0.007−0.291−0.179
      横径−0.221−0.216−0.169−0.186−0.118−0.065钾−0.137−0.188−0.191 0.010−0.371−0.165
      硬度−0.470−0.418−0.301−0.395−0.387−0.248钙−0.252−0.230−0.229−0.237−0.210−0.113
      可溶性固形物−0.140−0.144−0.077−0.226 0.026−0.005镁−0.242−0.217−0.154−0.243−0.156−0.036
      维生素C 0.079 0.082 0.115 0.060 0.098 0.022锌 0.748** 0.772** 0.779** 0.771** 0.761** 0.678**
      滴定酸 0.619* 0.607* 0.586* 0.589* 0.591* 0.444铁−0.142−0.133−0.217−0.079−0.108−0.147
      可溶性糖 0.394 0.446 0.605* 0.530* 0.543* 0.520*硒−0.203−0.214−0.197−0.220−0.226−0.254
      　　说明：*表示在0.05水平上显著相关；**表示在0.01水平上显著相关
      • 2.2.2.   叶片养分与果实指标之间的相关性

    • 从表7可见：叶片氮、磷与果实滴定酸、可溶性糖、氮呈显著相关(P＜0.05)或极显著相关(P＜0.01)；叶片钾与果实滴定酸(P＜0.01)、氮(P＜0.05)具有相关性；果实各指标与叶片钙相关不显著(P＞0.05)；叶片镁与果实滴定酸(P＜0.05)、可溶性糖(P＜0.01)具有相关性；叶片锌与果实可溶性糖(P＜0.05)、氮(P＜0.05)、锌(P＜0.01)具有相关性；叶片铁与果实滴定酸(P＜0.01)、氮(P＜0.01)、锌(P＜0.05)具有相关性；叶片硒与果实锌呈显著相关(P＜0.05)，并且以上均为正相关。而果实单果质量、纵横经、硬度、可溶性固形物、维生素C、磷、钾、钙、镁、铁、硒与所有测定的指标差异都不显著(P＞0.05)。

      表 7  叶片养分与果实指标之间的相关系数

      Table 7.  Correlation coefficients between leaf nutrients and fruit index

      果实指标氮磷钾钙镁锌铁硒
      滴定酸　0.557*0.683**0.541**−0.4690.506*0.4670.637**0.244
      可溶性糖0.671**0.565*0.259−0.2800.646**0.548*0.399−0.015
      氮　　　0.627**0.537*0.580*−0.4790.3580.519*0.710**0.329
      锌　　　0.1830.3220.3930.0070.4840.812**0.513*0.640**
      　　说明：*表示在0.05水平上显著相关；**表示在0.01水平上显著相关
      • 2.2.3.   果实养分与果实品质之间的相关性

    • 由表8可知：果实氮与硬度、滴定酸具有显著相关性(P＜0.01)，其中果实氮与硬度呈负相关；果实镁与硬度具有显著相关性(P＜0.05)；果实锌与滴定酸具有显著相关性(P＜0.05)；果实品质与果实中的磷、钾、钙、铁、硒相关不显著(P＞0.05)。

      表 8  果实养分与果实品质之间的相关系数

      Table 8.  Correlation coefficients between fruit nutrients and fruit quality

      果实指标氮镁锌
      单果质量　　0.211−0.0610.046
      纵径　　　　0.414−0.1590.344
      横径　　　　−0.1320.022−0.305
      硬度　　　　−0.673**0.542*−0.454
      可溶性固形物−0.156−0.098−0.156
      维生素C　　0.2750.0340.340
      滴定酸　　　0.687**−0.1740.539*
      可溶性糖　　0.439−0.0340.346
      　　说明：*表示在0.05水平上显著相关；**表示在0.01水平上　　　　　显著相关

      • 2.3.   影响因子及回归方程

    • 矿物质元素综合影响果树生长，简单的线性相关不能客观反映矿物质养分各因子对果实的综合影响。因此，本研究将果实与土壤指标进行多元线性逐步回归分析(表9)可知：影响果实纵径的因子是土壤全钾；影响果实滴定酸的因子是土壤速效钾；影响果实可溶性糖的因子是土壤速效钾；影响果实氮的因子是土壤有机质与硒；影响果实钾的因子是土壤有效铁与全磷；影响果实锌的因子是土壤速效钾。

      表 9  影响果实养分及品质的土壤因子及回归方程

      Table 9.  Soil factors and regression equations that affect fruit nutrient and quality

      果实养分及品质影响果实的土壤因子回归方程FR2
      纵径(y1)全钾(x1)y1=33.066−0.693x15.834*0.213
      滴定酸(y2)速效钾(x2)y2=33.066−0.693x29.813**0.358
      可溶性糖(y3)速效钾(x2)y3=15.064+0.008x213.145**0.895
      氮(y4)有机质(x4)、硒(x5)y4=2.246+0.073x4−1.799x524.746***0.642
      钾(y5)有效铁(x6)、全磷(x7)y5=2.249−0.017x6+0.504x79.126**0.735
      锌(y6)速效钾(x2)y6=1.230+0.020x228.114**0.720
      　　说明：*表示在0.05水平上显著相关；**表示在0.01水平上显著相关；***表示在0.001水平上显著相关

      用同样的方法，建立灵武长枣果实养分与叶片养分的回归方程。由表10可见：果实滴定酸主要受叶片磷的影响；果实可溶性糖主要受叶片磷和镁的影响；果实氮主要受叶片铁的影响；果实锌主要受叶片锌的影响。以上影响果实养分及品质的叶片因子与果实养分及品质之间均为正相关。

      表 10  影响果实养分及品质的主要叶片养分因子及回归方程

      Table 10.  Selection of leaf nutrient factors and establishment of regression equation affecting fruit nutrients

      果实养分及品质影响果实的叶片因子回归方程FR2
      滴定酸(y2)磷(α1)y2=0.044+0.039α112.248**0.667
      可溶性糖(y3)磷(α2)、镁(α3)y3=0.662+0.424α2+0.496α311.186**0.546
      氮(y4)铁(α4)y4=1.310+0.005α412.244**0.769
      锌(y6)锌(α5)y6=0.872+0.033α5 21.129***0.635
      　　说明：*表示在0.05水平上显著相关；**表示在0.01水平上显著相关；***表示在0.001水平上显著相关

      对影响果实养分及品质的主要矿物质因子进行多重线性逐步回归分析(表11)可知：果实硬度主要受果实氮的影响；果实滴定酸主要受果实氮和铁的共同影响；果实氮主要受果实锌的影响；果实钙主要受果实镁和铁的共同影响；果实镁主要受果实钙和铁的共同影响；果实锌主要受果实氮影响；果实硒主要受果实镁的影响。

      表 11  影响果实养分及品质的主要果实矿物质因子及回归方程

      Table 11.  Selection of fruit mineral factors and establishment of regression equation affecting fruit nutrients

      果实养分及品质果实矿物质因子回归方程FR2
      硬度(y7)氮(β1)y7=18.248−1.600β117.591**0.714
      滴定酸(y2)氮(β1)、铁(β2)y2=0.690+0.380β1−0.002β212.241**0.626
      氮(y4)锌(β3)y4=1.536+0.673β38.775*0.841
      钙(y8)镁(β5)、铁(β2)y8=−3.250+0.012β5+0.114β246.118***0.857
      镁(y9)钙(β6)、铁(β2)y9=282.122+74.399β6−9.634β249.996***0.867
      锌(y6)氮(β1)y6=0.038+0.573β18.775*0.561
      硒(y10)镁(β5)y10=0.001−3.189×10−6 β59.171**0.553
      　　说明：*表示在0.05水平上显著相关；**表示在0.01水平上显著相关；***表示在0.001水平上显著相关
    3.   讨论与结论

    • 土壤养分体系是一个复杂的系统，有机质与矿质元素水平间存在密切关系。王立新等[14]研究了不同立地条件下红树莓Rubus idaeus果实品质的差异性。王宏安等[15]研究了土壤质地对蛇龙珠葡萄Cabernet gernischet酿酒品质的影响，表明含砂石的壤土条件下生长的葡萄，酿酒品质较佳。克热曼·赛米等[16]研究表明：不同土壤类型下不同树龄葡萄果实品质之间存在一定的差异。本研究选取的5个试验点是灵武长枣主要产区，土壤和树体管理水平一致，但土壤类型分别属于壤土、砂壤土、砂土，存在一定差异，这种差异性也影响了灵武长枣果实的养分及品质。张强[17]研究表明：苹果Malus sieversii果园的土壤营养成分对果实品质特性的影响复杂，土壤营养元素间存在协同与拮抗作用及不同程度的相关性，用多元线性回归或逐步回归建立方程，容易导致系数不稳、系数符号相反或与生产实际不一致等问题。本研究根据灵武长枣种植基地土壤肥力性质指标分级标准[11]，在分析土壤肥力和果实养分的相关性过程中发现：栽植基地土壤中全氮和速效氮低于标准。大量元素中钾和磷较高，微量元素除锰外，各微量元素也处于较高水平，微量元素在果实生长发育过程中具有不可替代的作用。本研究表明：灵武长枣栽植基地锰含量较低，锰是植物叶绿体的组成和维持叶绿体形态的必要元素，也是植物体内多种酶的激活剂[18-20]，因此以后在进行施肥时应增加氮肥和微量元素中锰肥的施用。

      本研究通过相关性分析和多重线性逐步回归分析发现：灵武长枣果实养分及品质与土壤、叶片养分因子之间存在较大差异，说明一种营养元素的吸收和积蓄与其他元素具有密切关系[21]，不同的营养元素之间存在着相互作用，这与在苹果和猕猴桃Actinidia chinensis上的研究结果基本一致[22-23]。土壤有机质作为土壤中矿物质养分的主要来源，有利于提高土壤的保水保肥能力，本研究土壤有机质升高可以使果实氮升高，从而促使果实蛋白质升高。

      不同的矿质营养元素对果实品质的影响各异。钾对果实品质的形成影响显著[24]，相比于全钾，速效钾与果树的生长和果实品质形成的关系更加密切，速效钾的升高可使果实可溶性糖和锌提高。锌是植物正常生长发育所必需的微量营养元素，也是植物某些酶的成分。与叶绿素及生长素物质合成有关，在促进光合作用和碳水化合物的转化中具有重要作用。本研究发现：灵武长枣果实品质主要受土壤有机质、碱解氮、有效磷、钾、铁、锌锰、硒的相互影响，土壤有机质、全氮、有效钾、钙和铁对果实可溶性固形物具有较大的影响，说明不同果实品质受土壤养分的影响程度各异，不同土壤类型枣园，果实品质主要受土壤养分的共同影响因素所决定。

      本研究多重线性逐步回归分析发现：果实氮的升高可以使果实硬度降低，使滴定酸和果实锌提高，而提高土壤有机质可使果实氮增加。果实钙主要受果实镁和铁的影响，且为正相关；果实镁与果实钙为正相关，与铁为负相关。这说明果实钙与镁是相互促进的关系，果实镁与铁是拮抗关系，再次证明各元素在植物体内的相互作用不同。

      本研究各栽植基地普遍缺锰、有机质、全氮以及速效氮，其他微量元素均处于正常水平。为了提高灵武长枣果实品质和营养价值，提升灵武长枣经济价值，在各栽植基地应增加有机肥和微量元素的施用量，特别是锰，应减少铁元素的施用。在实际生产中应根据土壤质地的差异，采取不同的栽培管理措施来减轻土壤质地对灵武长枣果实品质和矿质元素的影响。如大泉林场、园艺场、长枣庄园栽植基地土壤属于壤土，应该适度控制肥水，结合配方施肥和痕量灌溉，加强微量元素的施用，以提高果实品质；银湖公司栽植基地属于砂壤土，应及时补充肥水，保证灵武长枣良好生长的同时，增加有机质施用量，可大大提高果实品质；中玺枣业栽植基地土壤为砂质土，土壤有机质严重缺乏，土壤养分差，果实脆度、含糖量明显下降，可加强生长期微量元素的补充。

参考文献 (24)

目录

  • 全文HTML

  • 1.   研究地区与研究方法

  • 1.1.   研究区概况

  • 1.2.   材料

  • 1.3.   取样方法

  • 1.3.1.   土壤样品
  • 1.3.2.   叶片样品
  • 1.3.3.   果实样品

  • 1.4.   测定方法

  • 1.5.   数据处理

  • 2.   结果与分析

  • 2.1.   栽植基地土壤、枣树叶片、果实养分和果实品质基本情况

  • 2.1.1.   枣树栽植基地土壤肥力
  • 2.1.2.   枣树叶片矿物质养分
  • 2.1.3.   枣树果实养分和果实品质

  • 2.2.   相关性分析

  • 2.2.1.   土壤肥力与果实养分及品质的相关性
  • 2.2.2.   叶片养分与果实指标之间的相关性
  • 2.2.3.   果实养分与果实品质之间的相关性

  • 2.3.   影响因子及回归方程

  • 3.   讨论与结论

/

返回文章
返回

浙ICP备11046845号

版权所有 © 2019 《浙江农林大学学报》编辑部

地址: 浙江省杭州市临安区武肃街666号 邮编: 311300 电话: 0571-63732749

E-Mail: :zlxb@zafu.edu.cn

本系统由 北京仁和汇智信息技术有限公司 开发 技术支持： info@rhhz.net   百度统计