LI-6800 RACiR 数据的分析

祝介东

2018/11/14

在评估作物性状时,V\(_{cmax}\) 及 J\(_{max}\)时非常有用,传统的 A–Ci 曲线测量要求植物叶片要在一定浓度 CO\(_{2}\) 下适应几分钟后完成测量,这样的测量有几个缺点:

而 LI-6800 独有的 auto control 功能在算法上允许用户自定义 CO\(_{2}\) 的起始浓度和种植浓度、变化方式(线性或其他)、所花费的时间,再加上其 IRGAs 极快的响应频率,使得短时间内的 A–Ci 的测量成为现实,即快速 CO\(_{2}\) 响应曲线 RACiR测量实验,该功能使得 5 min 内测量 A–Ci 曲线成为可能。该方法的实现可参考 Stinziano et al. (2017) 的文章。

Stinziano et al. (2018) 针对 RACiR技术的疑问做了解答并提出了准确测量的建议,概括如下:

racir 软件包实现 RACiR数据分析

Stinziano et al. (2018) 还给出了专门的 RACiR 数据分析软件包 racir package,我们下面先介绍一下这个软件包。

软件的安装及调用通过如下代码实现:

devtools::install_github("jstinzi/racir")
library(racir)

软件包的函数很多,但可以分为下面几类:

实现过程

手上暂时没有原始数据格式的 racir 数据,因而现在使用以前的 csv 数据进行操作(空叶室测量数据和带叶片测量数据转为 csv 格式)。

首先检查空叶室校准:

library(racir)

racircalcheckcsv("./data/empty_test.csv", 20, 460)

## [1] cal3rd

上述参数分别是空叶室校准数据的路径,以及我要删除的数据,即只保留参比室 \(CO_2\) 浓度在两者之间的数据(范围可作图确定,可参考本部分手动实现的代码)。 所示。当然此步骤可以跳过,因为下面的代码包含了该步骤,直接输出一个校准后的 csv 文件,文件名为 ”原文件名“ + “_corrected" + “.csv”。

racircalcsv("./data/empty_test.csv", 16, 460, "./data/leaf_test.csv")

library(plantecophys)
df_racir <- read.csv("./data/leaf_test.csv_corrected.csv")
fitracir <- fitaci(df_racir,varnames = list(ALEAF = "A", 
              Tleaf = "Tleaf", Ci = "Ci",   PPFD  = "Qin", 
              Rd = "Rd"), Patm = 84.09)
fitracir$pars
##        Estimate Std. Error
## Vcmax 143.59891 0.26389323
## Jmax  229.00314 0.71289238
## Rd     18.33568 0.04327703

注意:RACiR 的本意是表型研究中求 Vcmax 和 Jmax,因而,请忽略 Rd 等参数的计算结果

Stinziano JR, Mcdermitt DK, Lynch DJ, Saathoff AJ, Morgan PB, Hanson DT. 2018. The rapid a/ci response: A guide to best practices. New Phytologist.

Stinziano JR, Morgan PB, Lynch DJ, Saathoff AJ, Mcdermitt DK, Hanson DT. 2017. The rapid a-ci response: Photosynthesis in the phenomic era. Plant Cell & Environment 40.

...

... 本站访问量:   您是本站第 位访问者