刘宇晴 尹艺璐 张样平 常丽英**

（1. 上海交通大学农业与生物学院，上海 闵行 200240；2. 上海绿立方农业发展有限公司，上海 浦东新区 201203）

近年来，我国各地蔬菜产业发展迅速，人均蔬菜消费量稳居世界首位[1]。随着均衡营养观念的普及和人们对蔬菜的高品质消费要求，倒逼蔬菜传统生产模式不断进行改良与创新[2]，专业化、规模化、标准化、多样化的高品质蔬菜生产方式成为蔬菜生产创新的突破点[3]。绿叶菜生产是重要的农业产业类型[4]，其产量可间接反映人民的生活质量。我国城镇化发展的不断加快，使传统叶菜的生产模式受土地与劳动力资源的制约越来越严重，北京等现代化都市叶菜自给率低的问题日益加剧[5]，有些城市的蔬菜自给率甚至低于30%，而蔬菜的种植面积仍在逐年减少[6]。

新型植物工厂作为现代农业发展的高级形式，为叶菜在大城市进行规模化、现代化生产提供了新思路[7]。叶菜工厂化生产是用计算机专家系统取代人的经验化管理，精确、自动地控制叶菜各生长阶段所需的最适环境条件，并对叶菜生长状况进行智能监测，基本自主完成从播种到收获、清理回收等种植全过程的生产模式[8-9]。专家系统的核心是算法模型。随着设施园艺技术的不断发展，对有关叶菜智能化栽培模型的研究越来越多。但现有叶菜栽培模型多为基于株高、质量、叶片数量、根长等变量的生长模型，对品质变量的研究较少，且基本只在同一品质变量中进行对比，未探究不同品质变量间的相互关系[10]。此外，叶菜品质易受气候影响发生周年性变化，而现有模型多从某一单一季节的数据入手进行分析，在模型的普适性与准确性上有待进一步完善[11]。

本试验以生菜和不结球白菜周年水培为试验对象，探究生菜和不结球白菜的综合营养品质在不同月份的变化规律，以及栽培季节对其综合品质模型参数变异的影响，以期建立随季节变化的蔬菜产品综合品质模型。

1 材料与方法

1.1 试验材料

供试生菜（Lactuca sativavar.crispa）品种为巴达维亚，购于北京鼎丰现代农业发展有限公司；不结球白菜（Brassica campestrisssp.chinensis Makino）品种为艳春，购于上海市农业科学院。

1.2 试验方法

试验分别于2018 年12 月～2019 年12 月设在上海市孙桥现代农业园日光型植物工厂内，2020 年9 月～2021年5月设在上海交通大学闵行校区日光型温室内。1个试验周期（栽培周期）约30 d，试验共做了7个周期，分别为 4 月、5 月、6 月、7 月、8 月、11 月、12 月。根据试验计划，提前 15 d 在人工气候箱（自然条件允许时在温室）中播种育苗。将种子播于288孔穴盘中，白泥炭与珍珠岩按9∶1（体积比）混拌均匀作育苗基质，播后将育苗盘放在人工培养箱中育苗，幼苗长有二叶一心时定植。当月1号选健壮、大小均匀的幼苗定植于种植盘中，将种植盘置于轨道式栽培系统的栽培槽中。每个品种种植36 盘，每盘8 株，株间距10 cm。其他栽培管理措施同常规。轨道式栽培系统见图1。

图1 轨道式栽培系统

如图1所示，栽培床长4.85 m、宽1.6 m，种植盘大小43.4 cm×24.2 cm，每个栽培床可放10排6列共60个种植盘。水培营养液采用上海绿立方农业发展有限公司自主研发的绿叶菜专用营养液，营养液的微量元素及其含量分别为Fe 2.5 mg/L、B 1.1 mg/L、Mn 0.5 mg/L、Cu 0.02 mg/L、Zn 0.05 mg/L、Mo 0.001 mg/L，大量元素及其含量分别为N 110 mg/L、K 200 mg/L、Ca 186 mg/L、P 31 mg/L、Mg 22 mg/L，营养液pH 值稳定在6.5～6.7、EC值稳定在1.6～2.0 ms/cm。营养液经臭氧（O3）消毒后，采用不间断小流量方式供液。

1.3 指标测定

每隔7 d（即第7 d、14 d、21 d、28 d、35 d）采样[12]，测定植株可溶性糖、可溶性蛋白、叶绿素a、叶绿素b、类胡萝卜素、总酚、类黄酮等品质指标的含量，3次重复[13]。

1.4 统计分析

使用Excel 2016、SPSS 25.0、Origin 2021等软件进行数据处理、绘图。

1.4.1 显著性检验

皮尔逊相关系数（Pearson correlation coefficient）的显著性双侧检验主要应用于正态分布情形下的相关性检验、非正态分布情形下的大样本相关性检验等分析中，较斯皮尔曼（Spearman）等方法的检验效能高[14-15]。

1.4.2 主成分分析

主成分分析是利用数据降维，将原来的多个相关变量重新组合成较少的几个不相关的新变量，使新变量尽可能全面地反映原来变量信息的技术[16]。其前提是KMO检验和Bartlett球形度检验，核心为对若干综合指标进行因子分析并提取公因子，再以每个因子的方差贡献率作为权数，权数与对应因子的得分相乘后再相加，构造得分函数。其中，公因子反映了各变量中所含原始信息能被综合品质指标表示的程度。

KMO 检验用于比较变量间的简单相关系数和偏相关系数。当所有变量间的简单相关系数平方和远大于偏相关系数平方和时，KMO值越接近于1时变量越适合做因子分析，KMO值小于0.5时表示不适合做因子分析。

Bartlett 球形度检验近似于卡方检验，用于检验相关系数矩阵是否为单位矩阵，即各变量X 的独立性。当显著性值P小于0.05时，表明各变量不独立，适合做主成分分析。

2 结果与分析

2.1 相关显著性检验与KMO和Bartlett检验

营养品质指标两两之间相关性若大于0.3，则表明两指标间存在相关性，在此基础上若显著性值P小于0.01或0.05时，可进一步证明品质指标之间具有较强的相关关系。相关显著性分析结果显示，生菜和不结球白菜的各项品质指标之间存在一定的相关性，可进一步进行回归分析[15]。

两种绿叶菜各项指标的原始变量，经Bartlett 球形度检验后P值均小于0.05，说明对应各变量间不独立；经KMO 检验的系数分别为0.510、0.596，表明各变量间有较强的偏相关性，可进行主成分分析。为表征综合营养品质信息，拟建立一个综合评价指标，更全面地表示不同季节生菜与不结球白菜的营养品质在不同生长阶段的变化关系。

2.2 两种绿叶菜综合品质指标I的计算模型建立

2.2.1 生菜综合品质指标I的模型建立

生菜因子分析中主成分特征值及贡献率见表1。

表1 生菜因子分析中主成分特征值及贡献率

由表1 可知，前3 个因子的累计贡献率为72.903%，能较好地反映原始变量的主要信息。为了考察多项品质指标间的相互作用并进行综合评价，利用回归方法计算得到生菜总叶绿素等成分的得分系数矩阵。生菜成分得分系数矩阵见表2。

表2 生菜成分得分系数矩阵

由表2可知，生菜品质指标成分矩阵的3个主因子（I1、I2、I3）得分函数可表示为：

生菜综合品质指标I的表达式为：

2.2.2 不结球白菜综合品质指标I的模型建立

不结球白菜因子分析中主成分特征值及贡献率见表3。

表3 不结球白菜因子分析中主成分特征值及贡献率

由表3 可知，前2 个因子的累计贡献率为62.220%，能较好地反映原始变量的主要信息。为了考察多项品质指标间的相互作用并进行综合评价，利用回归方法计算得到不结球白菜总叶绿素等成分的得分系数矩阵。不结球白菜成分得分系数矩阵见表4。

表4 不结球白菜成分得分系数矩阵

由表4可知，不结球白菜品质指标成分矩阵的2个主因子（I1、I2）得分函数可表示为：

不结球白菜综合品质指标I的表达式为：

2.3 两种绿叶菜综合品质模型的建立

2.3.1 生菜综合品质模型的建立

不同月份生菜综合品质基本模型参数见表5。

表5 不同月份生菜综合品质基本模型参数

由公式（4）可建立各月份生菜样品的I 值（y）随生长天数（x）变化的基本模型。由表5 可知，由于用四次方程得到的拟合结果相较于其他多项式阶的拟合结果随季节变化的规律性更强，因此选择四次方程用于综合品质指标模型的建立（同不结球白菜）。

不同季节、月份生菜综合品质变化规律不同。不同月份生菜综合品质变化趋势见图2。

图2 不同月份生菜综合品质变化趋势

由图 2 可知，4 月、5 月、7 月生菜综合品质变化规律相似，表现为升-降-升-降的双峰值曲线，其中4 月、5月（春季）的生菜综合品质在播种后第35 d（采收阶段，下同）非常接近，分别为-1.193、-1.218。6 月、11 月、12月的综合品质变化在第21 d后趋势较为相似，11月与12月生菜的综合品质变化规律虽然不完全相同，但两者的综合品质在第35 d较为接近，分别为-0.878、-0.936。整体上看，7月（夏季）生菜整个生长期的综合品质高于其他月份，12月栽培的生菜生长初期综合品质较好，6月采收的生菜综合品质表现较好。

2.3.2 不结球白菜综合品质模型的建立

由公式（7）可建立各月份不结球白菜样品的I 值（y）随生长天数（x）变化的基本模型。不同月份不结球白菜综合品质模型参数见表6。

表6 不同月份不结球白菜综合品质模型参数

不同月份不结球白菜综合品质变化趋势见图3。

由图3 可知，不同月份不结球白菜综合品质的变化均表现为升-降-升-降的双峰值曲线，不同月份间的差别主要体现在模型参数的大小上。其中，播种后第35 d 不结球白菜综合品质从优至劣依次为6 月、12 月、4 月、5 月、11 月、7 月。可见，采收阶段综合品质整体上从优至劣依次为夏季、冬季、春季、秋季。7 月不结球白菜的综合品质偏低，可能是夏季日光型植物工厂内温度过高造成高温胁迫，影响了不结球白菜的综合品质。

图3 不同月份不结球白菜综合品质变化趋势

2.4 两种绿叶菜综合参数变异模型的建立

2.4.1 生菜综合参数变异模型的建立

本试验采用4月、5月、6月、7月、11月和12月的试验数据进行建模，通过对模型各项参数的分析以及对不同多项式阶模型的拟合比较发现，三次方程拟合度较高，拟合结果如图4所示。

图4 生菜综合品质模型各项参数随季节变化拟合图像

生菜综合品质参数变异模型见表7。

表7 生菜综合品质参数变异模型

由表7可知，五项模型参数随季节的变化规律可用三次方程进行拟合，其中a1与c1、e1变化规律相似，b1、d1变化规律相似。因此，生菜综合品质模型可表示为:

式中x表示生长天数，参数a1、b1、c1、d1、e1的模型表达式如上表所示，m表示月份。

2.4.2 不结球白菜综合参数变异模型的建立

对不结球白菜各项指标参数进行拟合，发现三次方程拟合度较高。不结球白菜综合品质模型各项参数随季节变化拟合图像见图5。

图5 不结球白菜综合品质模型各项参数随季节变化拟合图像

不结球白菜品质参数变异模型见表8。

表8 不结球白菜品质参数变异模型

由表8 可知，五项模型参数随季节的变化规律可用三次方程进行拟合，其中a2、c2和e2变化规律相似，b2和d2变化规律相似。因此，不结球白菜综合品质模型也可表示为:

式中x表示生长天数，参数a2、b2、c2、d2、e2的模型表达式如上表所示，m表示月份。

3 讨论

谭文等[14]研究发现，小白菜苗期综合品质随着作物生长逐渐提高，这与不结球白菜播种后14 d前的品质指标变化趋势基本相符；陈子义等[17]发现，不同穴盘规格影响普通白菜采收期品质以及品质变化规律，且各规格穴盘处理下鸡毛菜采收指数均在播种后第14 d达到峰值，播种后第17 d，288孔穴盘处理鸡毛菜采收指数大幅下降，该结论与本研究中生菜、不结球白菜播种后前21 d 的营养品质变化规律基本相符。本研究与杨开宁[18]所得I值表达式在参数上存在差异，可能是由于杨开宁所用I值表达式是综合小白菜和油菜及生菜三者的品质、生理、生长指标所得，而本文中式（4）和式（7）则是分别针对生菜、不结球白菜构建的I 值表达式。郭新波等[11]研究发现，不同品种间的生菜品质及其变化规律差异显著，本研究中两种绿叶菜均只选用1个品种进行试验，后续可以在此基础上开展不同品种间营养品质模型参数的对比。

4 小结

试验结果表明，生菜和不结球白菜的综合品质指标间均存在一定的相关性，且随着生长期出现周期性变化；不同季节其综合品质模型图像变化趋势差异相对较大。4月、5月、7月生菜模型图像变化趋势较为相似，与11月、12月的模型变化规律有较明显的差别，采收期生菜综合品质表现为夏季优于秋季、冬季优于春季。不结球白菜各月份综合品质模型均呈双峰曲线，但不同月份模型在参数上仍有差异。其中6月、8月采收期不结球白菜的综合品质I值较高，7月份栽培的不结球白菜采收期I值低于其他月份。可见，夏季环境条件虽然可以提高不结球白菜的综合品质，但极端高温可能造成品质指标下降。整体上来看（夏季除外），不结球白菜采收期的综合品质表现为冬季优于春季、秋季。