下载:
-
香榧Torreya grandis‘Merrillii’属裸子植物红豆杉科Taxaceae榧树属Torreya常绿乔木，为第三纪孑遗植物[1]，是榧树Torreya grandis中唯一优良栽培类型，也是中国特有的珍贵经济干果树种。由于香榧具有极高的经济价值，产值超18亿元，近年香榧产业向榧树分布的省市推广扩展，发展速度位居山地经济林之首[2]。结果母枝是着生结果枝的基枝，是香榧生长发育所需要营养的主要输送通道，对种实表现出来的性状产生很大影响。减少香榧树体的营养消耗，培育重点结果母枝，对增加结果枝的结实能力、坐果率及提高种实的品质有重要的意义。叶淑媛等[3]研究发现：香榧砧苗分枝数越少，表皮越光滑，越有利于嫁接口的愈合；刘萌萌等[4-5]研究了香榧叶片中矿质元素年周期季节性变化规律及矿质元素动态变化的关系。邬玉芬等[6]研究发现：香榧枝条黄化与钙、镁、铁元素水平低以及氮、锰元素水平过高有关；詹利云等[7]研究发现：香榧叶片长度在居群间差异显著(P＜0.05)。但是，目前有关香榧结果母枝性状方面的研究还未见报道。鉴于此，本研究对香榧初结果林的结果母枝分布规律与结实关系及枝叶矿质元素间的关联性进行分析，旨在为香榧科学控梢、培养结果母枝、提高种实产量提供理论依据。
-
研究区位于浙江省杭州市临安区锦源村(29°56′~30°23′N，118°51′~119°52′E)。该区属中亚热带季风气候区南缘季风型气候，温暖湿润，日照充足，雨量充沛，四季分明。6—7月为集中降雨期，年均降水量为1 613.9 mm，降水日158 d，无霜期237 d。研究区内有原生榧树分布，为适宜栽培区。
-
供试材料为2007年12月种植的3年生香榧苗，株行距4 m×5 m，树势生长健壮，无病害的初结果香榧林。林分单株地径为9.55~14.97 cm，种植后从未进行过人为树体干预，单株均已开花结果。研究区0~20 cm土壤中全氮质量分数为1 846.19 mg·kg−1，全磷质量分数为802.85 mg·kg−1，全钾质量分数为9 816.70 mg·kg−1。每年施用复合肥2~3次，平均750~1 000 g·株−1·a−1，有机肥隔年施1次。
-
用卷尺、游标卡尺分别测定9株香榧株高、冠幅(东西向和南北向的树冠直径计算冠幅)、地径、主干茎周等表观指标。株高小于2.8 m，地径小于11.0 cm为弱势树；株高2.8~3.5 m、地径11.1~13.0 cm为中庸树；株高大于3.5 m、地径大于13.0 cm为强壮树。确定3种类型香榧树作为研究对象，每种类型重复3个。
中庸树的标准：叶色绿，主枝、延长枝生长旺盛，顶芽粗壮，树体中部结果枝数量多，结果枝比例近40%。
-
于2019年5月上旬，待混合芽、营养芽全部开展后，分单株统计3种类型树体的全部混合芽(发展成结果枝)、营养芽(发展成营养枝)数量，计算混合芽比例。
-
将香榧树体高度3等分，划定树体的上、中、下3个层面。于2019年3月(落果前)和6月(落果后)，对3种树势树体上、中、下3个层面的东南西北方向各取5个3年生枝条，共540个枝条。图1为2017年生枝条。同时各树势植株上、中、下3个层面的东南西北方向各取1个3年生枝条，3个重复，共108个枝条，用游标卡尺测其结果母枝的粗度和长度，重复3次；根据测定结果，计算整株树结果母枝粗度和长度。
图 1 香榧3年生枝叶测量部位示意图
Figure 1. Schematic diagram of measuring parts of the 3-year-old branches and leaves of T. grandis ‘Merrillii’
-
2019年3月统计单株膨大前的2代果幼果数量，并于7月初(生理落果后)，统计枝条着生的膨大果，计算全株2代果坐果率=(7月种实数量/3月种实数量)×100%。
-
将采集的样品分别用自来水、纯净水冲洗干净，再用滤纸干燥，待测。将香榧1年生枝叶去顶端和末梢，取中段枝叶进行测定。将枝条置于烘箱中，105 ℃杀青30 min，然后60 ℃左右烘干至恒量，计算枝叶样品的含水率。用植物粉碎机研磨烘干的枝条，过60目筛均匀混合。用硫酸-过氧化氢(H2SO4-H2O2)联合消煮液消煮待测样品。分别采用凯氏定氮法、钼锑抗比色法、原子吸收分光光度法[8]测定氮、磷、钾、钙、镁、锰、锌等质量分数。
-
利用SPSS 22.0开展单因素方差分析和相关分析，采用最小显著差数法(LSD法)进行平均数间多重比较，计算变异系数和回归系数，并用Excel 2007作图。
-
由表1可知：香榧单株树体营养枝数量为5 134条，结果枝数量为2 909条，结果母枝粗度2.34 mm、长度8.57 cm，膨大果数量538个，坐果率3.78%。其中冠幅、结果母枝粗度和膨大果数量均在中庸树最大，而结果母枝数量则在中庸树最少，树势越强坐果率越低，其余参数均随树势增加而增大。
表 1 9棵香榧树体基本情况与调查结果
Table 1. Basic information and investigation results of 9 T. grandis ‘Merrillii’ trees
编号 地径/cm 株高/m 冠幅/m2 营养枝
数量/条结果枝
数量/条结果母枝
粗度/mm结果母枝
长度/cm膨大果
数量/个坐果率/% 1 9.55 2.28 5.63 1 247 3 031 2.48 8.05 615 4.17 2 10.83 2.82 6.16 3 054 4 339 2.51 9.25 319 3.79 3 9.87 3.06 4.94 2 014 3 299 1.94 7.01 924 8.58 4 11.15 3.19 9.30 5 965 2 929 2.62 8.69 606 3.44 5 12.10 2.78 5.28 2 167 1 158 2.46 8.76 1 004 4.27 6 13.69 3.12 5.63 3 924 2 203 2.35 8.97 442 3.23 7 12.74 3.82 5.28 8 033 3 451 2.12 8.38 277 2.37 8 14.97 3.70 6.00 10 162 2 517 2.49 9.10 266 1.38 9 14.01 3.55 7.56 9 638 3 252 2.11 8.89 390 2.75 平均值 12.10 3.15 6.20 5 134 2 909 2.34 8.57 538 3.78 -
如表2所示：单株间的结果母枝粗度、长度、混合芽比例、膨大果数量和坐果率的性状均存在较大变幅，其中坐果率变幅最大，变异系数为53.44%；结果母枝粗度、长度变幅分别为9.85%、8.04%。表明香榧树单株间的结果母枝粗度和长度差异较小，受树势影响较小；混合芽比例、膨大果数量及坐果率在树体单株间变化较大。
表 2 结果母枝及结实性状
Table 2. Seed-bearing mother shoots and seed-bearing traits
参数 结果母枝粗度/mm 结果母枝长度/cm 混合芽比例/% 膨大果数量/个 坐果率/% 平均值 2.34±0.23 8.57±0.69 41.16±18.00 538.00±273.00 3.78±2.02 变异系数/% 9.85 8.04 43.74 50.81 53.44 -
如表3所示：3种树势的结果母枝数量均无显著差异(P＞0.05)；中庸树的结果母枝粗度最粗，与其余2种树型呈显著差异(P＜0.05)，强壮树与弱势树的结果母枝粗度无显著差异(P＞0.05)；中庸树和强壮树的结果母枝长度无显著差异(P＞0.05)，但两者均显著大于弱势树(P＜0.05)；弱势树的混合芽比例显著高于其他2种树型(P＜0.05)，坐果率在3种树势间均存在显著差异(P＜0.05)，两者从大到小依次均为弱势树、中庸树、强壮树。
表 3 树势间结果母枝及结实性状的多重比较
Table 3. A multiple comparison in seed-bearing mother shoots and seed-bearing traits among trees of various vigor
树势 结果枝数/条 结果母枝粗度/mm 结果母枝长度/cm 混合芽比例/% 坐果率/% 弱势树 3 556.33±690.93 a 2.31±0.32 b 8.10±1.12 b 63.88±6.27 a 5.51±2.66 a 中庸树 2 096.67±890.28 a 2.48±0.14 a 8.81±0.15 a 34.57±1.53 b 3.62±0.58 b 强壮树 3 073.33±491.97 a 2.24±0.22 b 8.79±0.37 a 25.04±5.10 b 2.07±0.69 c 说明：不同小写字母表示同一指标不同树势间差异显著(P＜0.05) -
如表4所示：3种树势的结果枝数量均无显著差异(P＞0.05)；结果母枝粗度在树势间均为上层最粗，下层最细(P＜0.05)，其中中庸树的上层、中层无显著差异(P＞0.05)；弱势树和强壮树的结果母枝长度均是上层最长，其中弱势树中层、下层无显著差异(P＞0.05)，强壮树则是下层最短，中层居中(P＜0.05)，中庸树层面间无显著差异(P＞0.05)；中庸树与弱势树均是下层的坐果率最高，上层的最低(P＜0.05)，其中中庸树的上层、中层之间的坐果率无显著差异(P＞0.05)。
表 4 层面间结果母枝及结实性状的多重比较
Table 4. A multiple comparison in seed-bearing mother shoots and seed-bearing traits among layers of a crown
树势 层面 结果枝数/条 结果母枝粗度/mm 结果母枝长度/cm 混合芽比例/% 坐果率/% 弱势树 上 26.00±5.00 a 2.56±0.86 a 8.54±2.89 a 56.83±27.62 b 5.29±4.00 b 中 25.33±10.26 a 1.90±0.64 b 6.79±2.45 b 71.67±33.08 ab 6.70±6.66 ab 下 26.33±3.21 a 1.55±0.82 c 5.92±3.00 b 75.83±27.97 a 8.92±9.87 a 中庸树 上 85.67±1.53 a 2.37±1.16 a 7.74±3.74 a 43.85±20.52 a 3.69±4.01 b 中 56.33±3.79 a 2.43±0.29 a 8.64±1.12 a 36.24±17.58 a 3.33±3.09 b 下 103.33±68.13 a 2.06±0.73 b 7.82±2.54 a 45.60±16.14 a 5.83±5.33 a 强壮树 上 160.33±71.11 a 2.17±084 a 8.81±3.42 a 57.40±20.95 a 1.40±1.94 a 中 67.33±3.06 a 1.81±0.95 ab 7.24±3.68 b 43.72±18.63 b 2.52±3.47 a 下 90.33±22.23 a 1.49±0.94 b 5.83±3.58 c 53.56±22.78 ab 2.03±3.61 a 说明：不同小写字母表示同一指标不同树势间差异显著(P＜0.05) -
图2所示：粗度在1.91~2.50 mm的结果母枝数量最多，占44.49%；粗度在2.51~3.10 mm的结果母枝数量次之，占26.40%；粗度≤1.90 mm和≥3.11 mm的结果母枝数量最少，分别占21.83%和7.28%。长度在5.51~8.70 cm的结果母枝数量最多，占57.56%；长度在8.71~11.90的结果母枝数量次之，占38.92%；长度≤5.50和≥11.90的结果母枝数量均较少，共占3.52%。
图 2 结果母枝粗度和长度分布比例
Figure 2. Distribution map of thickness and length of fruiting mother branch
-
如表5所示：结果母枝数量、2代果总数和膨大果数量在粗度1.91~2.50 mm最多，2.51~3.10 mm次之，≤1.90 mm和≥3.11 mm最少(P＜0.05)；此3项指标在长度为5.51~8.70 cm最多，8.70~11.90 cm次之，≤5.50 cm和≥11.90 cm最少(P＜0.05)；坐果率在不同粗度和长度均无显著差异(P＞0.05)。
表 5 粗度、长度区间结果母枝及结实性状的多重比较
Table 5. A multiple comparison in seed-bearing mother shoots and seed-bearing traits in terms of thickness and length
指标 区间 结果母枝数/条 2代果总数/个 膨大果数量/个 坐果率/% 结果母枝粗度/mm ≤1.90 11.67±16.61 b 110.78±150.61 b 5.00±9.43 b 2.38±2.65 a 1.91~2.50 23.78±4.49 a 345.78±138.25 a 14.78±10.79 a 3.94±1.90 a 2.51~3.10 14.11±7.85 ab 209.56±124.62 a 7.78±5.65 ab 3.43±1.91 a ≥3.11 3.89±2.76 b 81.56±60.27 b 3.00±2.87 b 3.22±3.18 a 结果母枝长度/cm ≤5.50 0.78±1.99 b 8.22±21.18 b 0.44±1.01 b 1.63±3.50 a 5.51~8.70 30.89±18.20 a 424.11±242.82 a 18.22±18.19 a 3.72±1.96 a 8.71~11.90 20.89±8.13 a 294.78±158.08 a 11.78±6.42 a 4.33±2.24 a ≥11.90 1.11±1.27 b 8.33±10.77 b 0.11±0.33 b 1.11±3.33 a 说明：不同小写字母表示同一指标不同粗度、长度区间差异显著(P＜0.05) -
如表6所示：结果母枝粗度、长度与混合芽比例均呈负相关，相关系数分别为−0.043、−0.552，相关性均不显著；同样，结果母枝粗度及长度与营养芽比例相关性也不显著。结果母枝粗度及长度与2代果坐果率均呈负相关，其中结果母枝长度与2代果坐果率的相关系数为−0.825，呈极显著负相关(P＜0.01)。结果母枝粗度与2代果坐果率相关系数为−0.461，无显著相关；混合芽比例与坐果率的相关系数为0.680，呈显著正相关(P＜0.05)。
表 6 结果母枝与结实性状的相关性分析
Table 6. Correlation between seed-bearing mother shoots and seed-bearing traits
性状 相关系数 回归方程 结果母枝粗度(x)与混合芽比例(y) −0.043 y=−2.665 3x+47.409 结果母枝长度(x)与混合芽比例(y) −0.552 y=−0.144 3x+1.647 7 结果母枝粗度(x)与坐果率(y) −0.461 y=−3.956 3x+13.045 结果母枝长度(x)与坐果率(y) −0.825** y=−2.422 2x+24.525 混合芽比例(x)与坐果率(y) 0.680* y=0.076 4x+0.632 5 说明：*表示显著相关(P＜0.05)；**表示极显著相关(P＜0.01) -
图3所示：3月香榧枝叶的氮质量分数从大到小依次为强壮树、中庸树、弱势树(P＜0.05)；而6月中庸树、弱势树氮质量分数极显著高于强壮树(P＜0.05)，弱势树与中庸树间无显著差异(P＞0.05)；3和6月的磷、钾质量分数在树势间均无显著差异(P＞0.05)，但磷、钾质量分数均为6月大于3月；3月的钙质量分数无显著差异(P＞0.05)，6月强壮树钙质量分数显著低于另外2种树势(P＜0.05)，弱势树与中庸树间没有显著差异(P＞0.05)。其中3月的强壮树、中庸树、弱势树间的磷、钾质量分数接近，6月强壮树磷最低，中庸树钾最低；3种树势的钙质量分数均为3月大于6月，3月3种树势间钙质量分数接近，6月强壮树最低。
图 3 3和6月枝叶矿质元素之间的多重比较
Figure 3. Multiple comparison of mineral elements in branches and leaves of T. grandis ‘Merrillii’ in March and June
-
如表7所示：3月结果母枝粗度与钙呈显著负相关(P＜0.05)；混合芽比例与氮呈极显著负相关(P＜0.01)，与锌、锰呈显著负相关(P＜0.05)；其余各指标之间无显著相关。6月结果母枝粗度与氮呈极显著正相关(P＜0.01)，与磷呈显著正相关(P＜0.05)；结果母枝长度与钙呈显著负相关(P＜0.05)，与铁呈显著正相关(P＜0.05)；混合芽比例与锰呈显著的负相关(P＜0.05)；坐果率与钙、铁分别呈极显著正、负相关(P＜0.01)。
表 7 3和6月结果母枝、结实性状与枝叶矿质元素相关性分析
Table 7. Correlation between seed-bearing mother shoots and seed-bearing traits and mineral elements in March and June
月份 参数 氮 磷 钾 钙 镁 铁 锌 锰 钠 3 结果母枝粗度 −0.009 −0.267 0.106 −0.687* 0.529 0.483 0.160 −0.045 0.400 结果母枝长度 0.133 −0.474 0.383 −0.465 −0.048 −0.091 0.326 0.243 0.240 混合芽比例 −0.804** 0.006 −0.319 −0.131 0.490 0.152 −0.756* −0.697* −0.351 坐果率 −0.470 0.251 −0.393 0.241 0.199 −0.200 −0.525 −0.485 −0.238 6 结果母枝粗度 0.847** 0.728* 0.434 −0.347 0.459 0.470 0.408 0.082 0.180 结果母枝长度 0.407 0.589 0.606 −0.791* 0.048 0.766* 0.448 0.340 0.632 混合芽比例 0.277 0.318 0.097 0.573 0.562 −0.528 −0.416 −0.774* −0.521 坐果率 −0.039 −0.205 −0.364 0.859** 0.060 −0.866** −0.551 −0.582 −0.543 说明：*表示显著相关(P＜0.05)；**表示极显著相关(P＜0.01) -
如表8所示：营养芽与混合芽比例呈极显著负相关(P＜0.01)，与膨大果数量及坐果率呈显著负相关(P＜0.05)，相关系数分别为−0.830、−0.673和−0.692。
表 8 香榧营养生长与生殖生长相关性分析
Table 8. Analysis of correlation between vegetative growth and reproductive growth
性状 相关系数 回归方程 营养芽(x)与混合芽比例(y) −0.830** y=−0.004 4x+63.535 营养芽(x)与膨大果数量(y) −0.673* y=−0.053 7x+813.57 营养芽(x)与坐果率(y) −0.692* y=−0.000 4x+5.869 3 说明：*表示显著相关(P＜0.05)；**表示极显著相关(P＜0.01) -
香榧结果母枝是着生结果枝的基枝，是香榧种实生长发育所需营养的主要供应源，因此结果母枝的生长状况对香榧种实性状及产量有重要影响[9-10]。变异系数的大小反映了性状离散程度的高低，可衡量性状间的变异程度[10]。本研究发现：未在人为干预情况下，结果母枝粗度与长度在单株间较为稳定，而结果枝比例、膨大果数量及坐果率的性状特征可能受树势影响较大，导致其变异程度较大。
本研究结果显示：结果母枝数量与树势、层面均无密切关系；而结果母枝粗度及长度、混合芽比例及坐果率受树势的影响较为明显。中庸树结果母枝粗度、长度均最大，混合芽比例及坐果率在中庸树中表现良好，表明初结果林分香榧树的树势越强，营养生长越强，反之，则生殖生长强于营养生长。中庸树的生殖生长和营养生长较为平衡，可根据生产实际需求，以中庸树为培育目标。同时，结果母枝粗度自下而上均越来越粗；长度在强壮树、弱势树中也是自下而上越来越长；混合芽比例弱势树为下层最高，强壮树为上层最高；坐果率在弱势树和中庸树中均是下层最高，表明树势的强弱、层面的分布均能影响结果母枝的粗度和长度。随着层面的增高，营养生长逐渐增强，这与光照强度由下向上逐渐增加的规律一致[11]。层面越低生殖生长越明显，可能与香榧树下垂枝有关。
结果母枝粗度、长度分布情况与结果母枝数量、2代果总数和膨大果数量(结果量)呈一致性，均在粗度为1.91~2.50 mm最多，长度为5.51~8.70 cm最多，坐果率不受结果母枝粗度和长度的影响。由此可见，初结果林分香榧树的结果性状在不同粗度、长度的分布状况呈现一定的规律，枝粗和枝长是影响结果性状指标的重要因素之一，是能否迅速提高早期产量的关键，也是衡量结果母枝坐果能力的重要指标，这与陈霞等[12]的研究相一致。本研究相关分析显示：与产量相关的坐果率和混合芽比例等参数受结果母枝粗度、长度的制约，结果母枝粗度越粗，长度越大，香榧树的坐果率就越低，特别是枝越长坐果率越低。结果母枝粗度、长度对混合芽、营养芽的生长也有一定的影响，但影响不明显；混合芽比例越高坐果率越高。同时，香榧初结果树的营养生长制约着生殖生长，营养生长越旺盛，越不利于香榧果实的膨大和产量的提高。因此，培养中庸树型，保持营养生长与生殖生长平衡，对提高香榧种实产量有重要意义。
氮、磷、钾是香榧种子生长发育所必需的矿质元素，对香榧苗木生长的影响作用从大到小依次为氮、钾、磷[13]。本研究表明：3和6月的氮在树势间均呈极显著差异，氮质量分数在3月从大到小依次为强壮树、中庸树、弱势树，但在6月强壮树氮质量分数最低，且3月平均值高于6月，可能与香榧种子开始生长膨大，叶片中的氮元素优先供应种子的生长发育有关。本研究结果与刘萌萌等[5]的结论相一致。而6月强壮树氮质量分数下降的幅度高于另外2种树势类型，可能与叶片中的氮元素在供应种子生长和营养枝旺盛生长的同时，消耗了大量氮元素有关，这与其他物种果实发育的研究结论一致[14]。钾能促进果实的增大和质量的增加，尤以在氮营养水平较高时，钾多则效果更为明显，因为钾可提高原生质活性，促进糖的转运，增加果实干质量[15]。磷、钾质量分数不受香榧树势影响，但6月的磷、钾质量分数均高于3月，这可能是由于6月叶片中的磷质量分数相对稳定，钾质量分数有所增加，香榧速生期和种子内部充实期，是对氮、钾需求量最大的时期[5]。香榧花芽分化受到氮、锌、锰的影响，摄入过多的氮、锌、锰会制约混合芽数量增加，这种现象在杏Armeniaca vulgaris树中也存在[16]。3、6月镁与混合芽比例无显著相关，可能是由于该时期枝叶中的镁并不是香榧花芽中镁的供应源[17]，表明树体矿质元素随时间季节存在动态变化[5]，因此，施肥时要考虑元素间的相互作用。
钙是果胶质中重要物质——果胶酸钙的主要组成物质，也是细胞壁构成成分，果实中钙的高低，影响果实硬度和耐储性[18]。本研究显示：6月铁质量分数的提高促进了结果母枝长度的生长，但抑制了香榧种子的膨大；而钙与枝叶长度呈显著负相关，可能是由于随着香榧种实膨大、细胞分裂迅速，大量的钙元素流向种子，钙元素促进了种子的发育。但当种子由细胞分裂转入增大时，正值新梢旺盛生长期，从而加剧了对钙的竞争。由此可见，种实膨大期适时适度增施钙肥，可以提高香榧坐果率。钙与硼对悬浮细胞的生长有显著的交互作用，增加钙可以部分减缓缺硼对细胞生长的影响[19]，植物在缺硼状态下，会触发钙离子的信号转导途径，影响植物体某些蛋白的合成，从而导致植物体的代谢变化[20]。硼、钙与腐植酸的配合施用能够显著提高番茄的株高、果数、单果质量及产量[21]。因此，后续还需开展香榧初结果林中不同钙肥水平对硼等其他元素的响应研究。
-
不同树势和冠层部位的结果母枝类型、结实性状及矿质营养元素特征差异显著。生产实践中，平衡氮肥和钙肥的施用，培养中庸树型，控制香榧结果母枝长度和树体的高度，将树体修剪成开心型，控制结果母枝粗度在1.91~3.10 mm、长度5.51~11.90 cm，有利于提高香榧坐果率和混合芽的比例，对实现香榧丰产、稳产具有重要意义。
Relationship between character changing and seed-bearing capacity of initial seed-bearing mother shoots in Torreya grandis ‘Merrillii’
-
摘要:
目的 探究香榧Torreya grandis‘Merrillii’初结果林分树体结果母枝性状变化规律与结实能力的关系，为科学控梢、培养结果母枝及提高种实产量提供依据。 方法 以浙江省杭州市临安区锦源村香榧初结果林为研究对象，分析树势间和层面间的结果母枝性状、结果母枝粗度及长度区间分布、枝叶矿质元素质量分数与结果指标的关系。 结果 中庸树的结果母枝粗度最大，其结果母枝长度显著高于弱势树(P＜0.05)；不同树势树体的混合芽比例和坐果率差异显著(P＜0.05)，弱势树的混合芽比例和坐果率较高，强壮树的混合芽比例和坐果率较低；树冠上层的结果母枝粗度和长度最大，下层最小(P＜0.05)，混合芽比例和坐果率在不同冠层部位间差异显著(P＜0.05)，而且在不同树势的树体间表现不同，其中坐果率在中庸树和弱势树体的树冠下层最高；结果母枝粗度1.91 ~ 2.50 mm、长度5.51 ~ 8.70 cm的2代果总数和膨大果数量最多，且坐果率与结果母枝长度呈显著负相关(P＜0.01)。此外，在枝叶矿质营养特征方面，不同树势树体枝叶的氮质量分数之间差异显著(P＜0.05)，6月中庸树势树体枝叶的氮质量分数最高；钙质量分数与结果母枝长度呈显著负相关，与坐果率呈显著正相关(P＜0.05)。 结论 生产实践中，培养中庸树型，适当控制结果母枝长度和树体高度，有利于香榧坐果率、混合芽比例的提高；保留粗度1.91~3.10 mm、长度5.51~11.90 cm的结果母枝，对提高香榧坐果率、产量有重要意义；施钙肥，对促进香榧种子生长和提高坐果率有重要作用。图3表8参21 Abstract:Objective With an exploration of the relationship between the character changing patterns of seed-bearing mother shoots and the seed-bearing capacity of initial seed bearers in Torreya grandis ‘Merrillii’, this study is aimed to provide theoretical and technical rationale for the control of shooting, the culture of seed-bearing mother shoots, and the promotion of seed yield. Method With the T. grandis ‘Merrillii’ trees located in Jinyuan village of Lin’an District, Hangzhou City of Zhejiang Province selected as the subjects, an analysis was conducted of the characteristics of seed-bearing mother shoots either among trees of various levels of vigor or among different layers of a crown, the distribution of seed-bearing mother shoots in terms of shoot length and thickness, and the relationship between the content of mineral elements in shoots and leaves and seed-bearing parameters. Result The seed-bearing mother shoots from moderately vigorous trees were the thickest and significantly longer than those from the trees of weak vigor (P＜0.05). Trees of various levels of vigor were significantly different in the percentage of mixed buds and seed-setting rate (P＜0.05), with the percentage of mixed buds and seed-setting rate of weak trees being higher than those of vigorous trees. The seed-bearing mother shoots in the upper layer of the crown were the thickest and longest while those in the lower layer of the crown were the thinnest and shortest (P＜0.05). The proportion of mixed buds and seed-setting rate were significantly different among layers of the crown (P＜0.05) and varied with the vigor of trees, with the seed-setting rate being the highest in the lower layer of the crown of the moderately vigorous and weak trees. The mother shoots with a thickness of 1.91−2.50 mm and a length of 5.51−8.70 cm took up the highest percentage in new seeds and swollen seeds while the seed-setting rate was significantly negatively correlated with the length of the mother shoot (P＜0.01). In terms of mineral nutrition, the nitrogen content in the shoots and leaves was significantly different among trees of various levels of vigor (P＜0.05), with the percentage of nitrogen in the shoots and leaves sampled in June from the trees of moderate vigor being the highest whereas the Ca content was significantly positively correlated with the length of mother shoots, but significantly negatively correlated with the seed-setting rate (P＜0.05). Conclusion In the process of production, the cultivation of moderately growing trees with a proper control over the length of mother shoots and the tree height would be conducive to the increase in seed setting rate and mixed bud proportion. On the other hand, it is of great significance to retain the mother shoots with a thickness of 1.91−3.10 mm and a length of 5.51−11.90 cm to achieve the promotion of seed-setting rate and yield. Also, calcium fertilizer plays an important role in promoting seed growth and improving the seed-setting rate in T. grandis ‘Merrillii’. [Ch, 3 fig. 8 tab. 21 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 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。
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) 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 94 5 林地 68 58 建设用地 54 6 农田 67 18 草地 89 8 冰川积雪 13 0 其他 16 4 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。
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 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 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 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 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。
-
图 1 香榧3年生枝叶测量部位示意图
Figure 1 Schematic diagram of measuring parts of the 3-year-old branches and leaves of T. grandis ‘Merrillii’
图 2 结果母枝粗度和长度分布比例
Figure 2 Distribution map of thickness and length of fruiting mother branch
图 3 3和6月枝叶矿质元素之间的多重比较
不同小写字母表示差异显著(P＜0.05)
Figure 3 Multiple comparison of mineral elements in branches and leaves of T. grandis ‘Merrillii’ in March and June
表 1 9棵香榧树体基本情况与调查结果
Table 1. Basic information and investigation results of 9 T. grandis ‘Merrillii’ trees
编号 地径/cm 株高/m 冠幅/m2 营养枝
数量/条结果枝
数量/条结果母枝
粗度/mm结果母枝
长度/cm膨大果
数量/个坐果率/% 1 9.55 2.28 5.63 1 247 3 031 2.48 8.05 615 4.17 2 10.83 2.82 6.16 3 054 4 339 2.51 9.25 319 3.79 3 9.87 3.06 4.94 2 014 3 299 1.94 7.01 924 8.58 4 11.15 3.19 9.30 5 965 2 929 2.62 8.69 606 3.44 5 12.10 2.78 5.28 2 167 1 158 2.46 8.76 1 004 4.27 6 13.69 3.12 5.63 3 924 2 203 2.35 8.97 442 3.23 7 12.74 3.82 5.28 8 033 3 451 2.12 8.38 277 2.37 8 14.97 3.70 6.00 10 162 2 517 2.49 9.10 266 1.38 9 14.01 3.55 7.56 9 638 3 252 2.11 8.89 390 2.75 平均值 12.10 3.15 6.20 5 134 2 909 2.34 8.57 538 3.78 
下载: 导出CSV
表 2 结果母枝及结实性状
Table 2. Seed-bearing mother shoots and seed-bearing traits
参数 结果母枝粗度/mm 结果母枝长度/cm 混合芽比例/% 膨大果数量/个 坐果率/% 平均值 2.34±0.23 8.57±0.69 41.16±18.00 538.00±273.00 3.78±2.02 变异系数/% 9.85 8.04 43.74 50.81 53.44
下载: 导出CSV
表 3 树势间结果母枝及结实性状的多重比较
Table 3. A multiple comparison in seed-bearing mother shoots and seed-bearing traits among trees of various vigor
树势 结果枝数/条 结果母枝粗度/mm 结果母枝长度/cm 混合芽比例/% 坐果率/% 弱势树 3 556.33±690.93 a 2.31±0.32 b 8.10±1.12 b 63.88±6.27 a 5.51±2.66 a 中庸树 2 096.67±890.28 a 2.48±0.14 a 8.81±0.15 a 34.57±1.53 b 3.62±0.58 b 强壮树 3 073.33±491.97 a 2.24±0.22 b 8.79±0.37 a 25.04±5.10 b 2.07±0.69 c 说明：不同小写字母表示同一指标不同树势间差异显著(P＜0.05)
下载: 导出CSV
表 4 层面间结果母枝及结实性状的多重比较
Table 4. A multiple comparison in seed-bearing mother shoots and seed-bearing traits among layers of a crown
树势 层面 结果枝数/条 结果母枝粗度/mm 结果母枝长度/cm 混合芽比例/% 坐果率/% 弱势树 上 26.00±5.00 a 2.56±0.86 a 8.54±2.89 a 56.83±27.62 b 5.29±4.00 b 中 25.33±10.26 a 1.90±0.64 b 6.79±2.45 b 71.67±33.08 ab 6.70±6.66 ab 下 26.33±3.21 a 1.55±0.82 c 5.92±3.00 b 75.83±27.97 a 8.92±9.87 a 中庸树 上 85.67±1.53 a 2.37±1.16 a 7.74±3.74 a 43.85±20.52 a 3.69±4.01 b 中 56.33±3.79 a 2.43±0.29 a 8.64±1.12 a 36.24±17.58 a 3.33±3.09 b 下 103.33±68.13 a 2.06±0.73 b 7.82±2.54 a 45.60±16.14 a 5.83±5.33 a 强壮树 上 160.33±71.11 a 2.17±084 a 8.81±3.42 a 57.40±20.95 a 1.40±1.94 a 中 67.33±3.06 a 1.81±0.95 ab 7.24±3.68 b 43.72±18.63 b 2.52±3.47 a 下 90.33±22.23 a 1.49±0.94 b 5.83±3.58 c 53.56±22.78 ab 2.03±3.61 a 说明：不同小写字母表示同一指标不同树势间差异显著(P＜0.05)
下载: 导出CSV
表 5 粗度、长度区间结果母枝及结实性状的多重比较
Table 5. A multiple comparison in seed-bearing mother shoots and seed-bearing traits in terms of thickness and length
指标 区间 结果母枝数/条 2代果总数/个 膨大果数量/个 坐果率/% 结果母枝粗度/mm ≤1.90 11.67±16.61 b 110.78±150.61 b 5.00±9.43 b 2.38±2.65 a 1.91~2.50 23.78±4.49 a 345.78±138.25 a 14.78±10.79 a 3.94±1.90 a 2.51~3.10 14.11±7.85 ab 209.56±124.62 a 7.78±5.65 ab 3.43±1.91 a ≥3.11 3.89±2.76 b 81.56±60.27 b 3.00±2.87 b 3.22±3.18 a 结果母枝长度/cm ≤5.50 0.78±1.99 b 8.22±21.18 b 0.44±1.01 b 1.63±3.50 a 5.51~8.70 30.89±18.20 a 424.11±242.82 a 18.22±18.19 a 3.72±1.96 a 8.71~11.90 20.89±8.13 a 294.78±158.08 a 11.78±6.42 a 4.33±2.24 a ≥11.90 1.11±1.27 b 8.33±10.77 b 0.11±0.33 b 1.11±3.33 a 说明：不同小写字母表示同一指标不同粗度、长度区间差异显著(P＜0.05)
下载: 导出CSV
表 6 结果母枝与结实性状的相关性分析
Table 6. Correlation between seed-bearing mother shoots and seed-bearing traits
性状 相关系数 回归方程 结果母枝粗度(x)与混合芽比例(y) −0.043 y=−2.665 3x+47.409 结果母枝长度(x)与混合芽比例(y) −0.552 y=−0.144 3x+1.647 7 结果母枝粗度(x)与坐果率(y) −0.461 y=−3.956 3x+13.045 结果母枝长度(x)与坐果率(y) −0.825** y=−2.422 2x+24.525 混合芽比例(x)与坐果率(y) 0.680* y=0.076 4x+0.632 5 说明：*表示显著相关(P＜0.05)；**表示极显著相关(P＜0.01)
下载: 导出CSV
表 7 3和6月结果母枝、结实性状与枝叶矿质元素相关性分析
Table 7. Correlation between seed-bearing mother shoots and seed-bearing traits and mineral elements in March and June
月份 参数 氮 磷 钾 钙 镁 铁 锌 锰 钠 3 结果母枝粗度 −0.009 −0.267 0.106 −0.687* 0.529 0.483 0.160 −0.045 0.400 结果母枝长度 0.133 −0.474 0.383 −0.465 −0.048 −0.091 0.326 0.243 0.240 混合芽比例 −0.804** 0.006 −0.319 −0.131 0.490 0.152 −0.756* −0.697* −0.351 坐果率 −0.470 0.251 −0.393 0.241 0.199 −0.200 −0.525 −0.485 −0.238 6 结果母枝粗度 0.847** 0.728* 0.434 −0.347 0.459 0.470 0.408 0.082 0.180 结果母枝长度 0.407 0.589 0.606 −0.791* 0.048 0.766* 0.448 0.340 0.632 混合芽比例 0.277 0.318 0.097 0.573 0.562 −0.528 −0.416 −0.774* −0.521 坐果率 −0.039 −0.205 −0.364 0.859** 0.060 −0.866** −0.551 −0.582 −0.543 说明：*表示显著相关(P＜0.05)；**表示极显著相关(P＜0.01)
下载: 导出CSV
表 8 香榧营养生长与生殖生长相关性分析
Table 8. Analysis of correlation between vegetative growth and reproductive growth
性状 相关系数 回归方程 营养芽(x)与混合芽比例(y) −0.830** y=−0.004 4x+63.535 营养芽(x)与膨大果数量(y) −0.673* y=−0.053 7x+813.57 营养芽(x)与坐果率(y) −0.692* y=−0.000 4x+5.869 3 说明：*表示显著相关(P＜0.05)；**表示极显著相关(P＜0.01)
下载: 导出CSV
-
[1] 武栋. 安徽徽州榧树种群内种子理化性质的分析[D]. 杭州: 浙江农林大学, 2012. WU Dong. Analysis of Physico-Chemical Properties of the Seeds from a Natural Torreya Population in Huizhou, Anhui[D]. Hangzhou: Zhejiang A&F University, 2012. [2] 何祯, 王宗星, 张骏, 等. 浙江省香榧产业发展现状与对策[J]. 浙江农业科学, 2020, 61(7): 1345 − 1347. HE Zhen, WANG Zongxing, ZHANG Jun, et al. Present situation and countermeasures of Torreya grandis ‘Merrillii’ industry development in Zhejiang Province [J]. J Zhejiang Agric Sci, 2020, 61(7): 1345 − 1347. [3] 叶淑媛, 董雷鸣, 董昂, 等. 榧树半同胞子代幼苗生长性状的遗传参数估算[J]. 浙江农林大学学报, 2020, 37(4): 817 − 822. YE Shuyuan, DONG Leiming, DONG Ang, et al. Estimation of genetic parameters for juvenile growth of half-sib seedlings of Torreya grandis [J]. J Zhejiang A&F Univ, 2020, 37(4): 817 − 822. [4] 刘萌萌, 曾燕如, 江建斌, 等. 香榧生长期叶片和种子中矿质元素动态变化研究[J]. 浙江农林大学学报, 2014, 31(5): 724 − 729. LIU Mengmeng, ZENG Yanru, JIANG Jianbin, et al. Mineral elements in leaves and seeds of Torreya grandis ‘Merrillii’ during seed development [J]. J Zhejiang A&F Univ, 2014, 31(5): 724 − 729. [5] 刘萌萌, 曾燕如, 江建斌, 等. 香榧叶片中8种矿质元素年周期季节性变化规律[J]. 经济林研究, 2014, 32(2): 105 − 109. LIU Mengmeng, ZENG Yanru, JIANG Jianbin, et al. Seasonal dynamic changes of eight mineral elements in Torreya grandis leaf [J]. Non-wood For Res, 2014, 32(2): 105 − 109. [6] 邬玉芬, 刘萌萌, 储开江, 等. 香榧枝叶黄化与营养元素丰缺的相关性[J]. 福建林业科技, 2015, 42(2): 20 − 23, 66. WU Yufen, LIU Mengmeng, CHU Kaijiang, et al. Relationship between branch leaves yellowing degree and nutrimental elements levels in Torreya grandis ‘Merrillii’ [J]. J Fujian For Sci Technol, 2015, 42(2): 20 − 23, 66. [7] 詹利云, 刘琏, 曾燕如, 等. 雄性榧树天然居群表型多样性及优株初选[J]. 浙江农林大学学报, 2020, 37(6): 1120 − 1127. ZHAN Liyun, LIU Lian, ZENG Yanru, et al. Phenotypic diversity of male cones and the selection of superior plants among male populations in Torreya grandis [J]. J Zhejiang A&F Univ, 2020, 37(6): 1120 − 1127. [8] 鲁如坤. 土壤农业化学分析方法[M]. 北京: 中国农业科技出版社, 2000. LU Rukun. The Analysis Method of Soil Agricultural Chemistry[M]. Beijing: China Agricultural Science and Technology Press, 2000 [9] 朱祥枝, 陈秀萍, 蒋际谋, 等. 早钟6号枇杷结果母枝性状与果实形质的相关[J]. 福建农业学报, 2002, 17(1): 33 − 37. ZHU Xiangzhi, CHEN Xiuping, JIANG Jimou, et al. Correlationship between bearing base shoot character with form quality of fruit of Zaozhong 6 loquat [J]. Fujian J Agric Sci, 2002, 17(1): 33 − 37. [10] 甘露, 吴佳宏, 刘艳, 等. 杂交稻7个米质性状的变异及相关性分析[J]. 杂交水稻, 2019, 34(2): 63 − 68. GAN Lu, WU Jiahong, LIU Yan, et al. Variation and correlation analysis of seven grain quality traits of hybrid rice [J]. Hybrid Rice, 2019, 34(2): 63 − 68. [11] 张秀美, 王宏, 刘志, 等. ‘岳帅’苹果不同负载量光照分布与果实品质的关系[J]. 果树学报, 2017, 34(11): 1408 − 1414. ZHANG Xiumei, WANG Hong, LIU Zhi, et al. Relationships between distribution of relative light intensity and quality in ‘Yueshuai’ apple with different fruit loads [J]. J Fruit Sci, 2017, 34(11): 1408 − 1414. [12] 陈霞, 刘改霞. ‘香玲’核桃结果母枝与结果枝性状相关性研究[J]. 林业科技通讯, 2017(11): 13 − 16. CHEN Xia, LIU Gaixia. Character correlation study of ‘Xiangling’ walnut fruiting mother branch and fruiting branch [J]. For Sci Technol, 2017(11): 13 − 16. [13] 何学燕, 聂朝俊. 氮磷钾营养元素对香榧幼苗生长效果的影响[J]. 贵州林业科技, 2017, 45(1): 39 − 46. HE Xueyan, NIE Chaojun. Impact of nutritive element N, P, K on the effect of Torreya grandis seeding [J]. Guizhou For Sci Technol, 2017, 45(1): 39 − 46. [14] 陈艳秋, 曲柏宏, 牛广才, 等. 苹果梨果实矿质元素含量及其品质效应的研究[J]. 吉林农业科学, 2000, 25(6): 44 − 48. CHEN Yanqiu, QU Baihong, NIU Guangcai, et al. Study on seasonal variation of mineral elements content in pingguoli pear fruits [J]. J Jilin Agric Sci, 2000, 25(6): 44 − 48. [15] TAIZ L, ZEIGER E. 植物生理学[M]. 5版. 宋纯鹏. 译. 北京: 科学出版社, 2015. TAIZ L, ZEIGER E. Plant Physiology [M]. 5th ed. SONG Chunpeng. trans. Beijing: Science Press, 2015. [16] 李利红, 任敏. 杏树花芽分化期叶片矿质元素含量动态变化的研究[J]. 安徽农业科学, 2007, 35(21): 6361 − 6362. LI Lihong, REN Min. Studies on the dynamic variation of mineral element content in leaf during flower bud differentiation stage of apricot [J]. J Anhui Agric Sci, 2007, 35(21): 6361 − 6362. [17] 黎章矩, 戴文圣. 中国香榧[M]. 北京: 科学出版社, 2007. LI Zhangju, DAI Wensheng. Torreya grandis ‘Merrillii’ of China[M]. Beijing: Science Press, 2007. [18] 潘立忠, 张森, 王延书, 等. 常见落叶果树果实矿质营养的研究现状[J]. 安徽农学通报, 2006, 12(10): 77 − 80. PAN Lizhong, ZHANG Sen, WANG Yanshu, et al. Advances in research on mineral nutrition of fruit of common deciduous fruit tree [J]. Anhui Agric Sci Bull, 2006, 12(10): 77 − 80. [19] 王火焰, 王运华. 不同硼效率甘蓝型油菜品种悬浮细胞的硼钙营养效应[J]. 植物营养与肥料学报, 2002, 8(1): 100 − 104. WANG Huoyan, WANG Yunhua. Effects of boron-calcium nutrition on suspension-cell of rape cultivars with different boron efficiency [J]. Plant Nutr Fert Sci, 2002, 8(1): 100 − 104. [20] 刘亚林, 吴秀文, 闫磊, 等. 植物硼钙效应及其在细胞壁中互作机制的研究[J]. 植物科学学报, 2018, 36(5): 767 − 773. LIU Yalin, WU Xiuwen, YAN Lei, et al. Research progress on the effect of boron and calcium on plants and the interaction mechanism in the cell wall [J]. Plant Sci J, 2018, 36(5): 767 − 773. [21] 徐炜南. 硼对番茄生长及果实风味品质的影响[D]. 杨凌: 西北农林科技大学, 2017. XU Weinan. Effects of Boron on the Growthand Fruit Flavor of Tomato[D]. Yangling: Northwest A&F University, 2017. 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)
-
-
链接本文:
https://zlxb.zafu.edu.cn/article/doi/10.11833/j.issn.2095-0756.20200622
点击查看大图
计量
- 文章访问数: 1149
- HTML全文浏览量: 195
- PDF下载量: 41
- 被引次数: 11
