排序方式: 共有2条查询结果,搜索用时 15 毫秒
1
1.
2.
构建一个普适性的植物叶片气孔导度(gs)对CO2浓度响应(gs-Ca)的模型, 对定量研究植物叶片gs对CO2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CO2的响应曲线(An-Ca), 在比较传统的Michaelis-Menten模型(M-M模型)和叶子飘构建的CO2响应模型拟合大豆和小麦An-Ca效果的基础上, 构建了gs-Ca响应新模型。然后用新构建的模型拟合大豆和小麦的gs-Ca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An-Ca模型可较好地拟合大豆和小麦的An-Ca曲线, 确定系数(R2)均高达0.999。M-M模型拟合大豆和小麦的An-Ca曲线时的R2虽然也较高, 但在较高CO2浓度时的拟合曲线偏离观测曲线。因此, 基于叶子飘的An-Ca模型构建gs-Ca模型更为可行。新构建的gs-Ca模型可较好地拟合大豆和小麦的gs-Ca曲线, R2分别为0.995和0.994, 而且还可以直接给出最大气孔导度(gs-max)、最小气孔导度(gs-min), 以及与gs-min相对应的CO2浓度值(Cs-min)。拟合得到大豆和小麦的gs-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gs-min分别为0.271和0.297 mol·m-2·s-1, 与其对应的观测值(分别为0.279和0.293 mol·m-2·s-1)之间也均不存在显著差异; 此外, 新构建的gs-Ca模型给出大豆和小麦的Cs-min值分别为741.45和1 112.43 μmol·mol -1, 与其对应的观测值(732.78和1 200.34 μmol·mol -1)也不存在显著差异。由此可见, 该研究新构建的gs-Ca模型可作为定量研究植物叶片气孔导度对CO2浓度变化的有效数学工具。 相似文献
1