目录

一、什么是光响应曲线

二、使用Li-cor6400测量光响应曲线

三、拟合光响应曲线

3.1 使用软件拟合（叶子飘老师）

3.2 使用R语言代码拟合（四种模型）

3.3 使用R语言程序包（photosynthesis）拟合（基于非直角双曲线模型）

3.4 使用R语言包(FitAQ)拟合（基于非直角双曲线模型）

一、什么是光响应曲线

引用自：https://mp.weixin.qq.com/s/-QwTsKJe7h3QDqCgCyDBBA

其他环境因子不变，只改变光强，与测得的对应光合速率组成的曲线。

 光响应曲线是指在某种光强下光合作用结束光诱导期达到稳态之后，光合速率对光强变化的响应曲线：

第一部分，在弱光下，光合速率随光强的增高而急剧升高，两者呈直线关系，表明光是光合作用的唯一限制因素，这条直线的斜率就是表观量子效率（AQY）。这条直线与横轴的交点为光补偿点，与纵轴的交点为暗呼吸速率。

第二部分，在中等光强下，光合速率随光强的增高而比较缓慢地升高，两者呈曲线关系。这时，光合作用不仅受光能供应的限制，而且也受到叶片自身因素，如Rubisco活性和光合中间产物的磷酸丙糖代谢等的限制。

第三部分，光合速率随光强的增高而极缓慢升高或者不再升高，两者也呈直线关系，此时的光强为饱和光强，光合速率为光饱和的光合速率。

从曲线上我们可以获得很多重要的光合参数。

光补偿点（Ic）：曲线与X轴的交点。由于测定的光合速率为净光合速率，此时净光合速率为零，表示光合和呼吸相互抵消。反映的是植物叶片光合作用过程中光合同化作用与呼吸消耗相当时的光强。

植物只有生活在其光补偿点以上的环境中才能长期生存；在办公室或者家里有些桌面上养的花，会越长越差，很多时候就是因为环境光平均强度低于该植物的光补偿点。

暗呼吸速率（Rd）：曲线与Y轴的交点，

表观量子效率（AQY）：曲线前段直线部分的斜率，反映了植物在弱光情况下的光合能力。

最大光合值（Pm）：光强—光合响应曲线，光合的最大值；反映了植物叶片的最大光合能力。

饱和光强（Isat）：当光强继续增大，光合值不再变化时的光强范围；饱和光强反映了植物利用光

其它问题：

1 量子产量：

每摩尔光量子吸收CO2或产生O2的摩尔数；或者说每吸收1mol CO2或产生O2需要吸收的光量子摩尔数。只能在光限制条件下测定量子产量才有意义。

2光抑制：

植物发生光抑制的时候会导致AQY降低，当发生轻度光抑制的时候，AQY降低，但不影响最大光合值；发生严重光抑制时，不仅AQY 降低，且最大光合值降低；

3 测定光合速率时的光强原则：

测定光合速率时，光强的选择原则就是来自光强—光合响应曲线。测定光合速率时光强要在饱和光强的范围。假设某一小麦品种饱和光强≥1135μmolm-2s-1，可以选择1200μmolm-2s-1的光强进行光合速率的测定；某阴生植物（如人参）的饱和光强≥560μmol m-2s-1，可以选择600μmol m-2s-1的光强进行光合速率的测定。

4 测定为什么要从高光强到低光强

高光强到低光强的顺序测定，每改变一个光强，稳定1-2min即可读取数据，但是从低光强到高光强，每改变一个光强，需要稳定5-10min。这样就会大大延长测定时间，降低实验效率。

从高光强到低光强的顺序测定，底层的逻辑是：要让气孔充分打开，酶充分活化，只有光强一个限制因素。

二、使用Li-cor6400测量光响应曲线

引用自力高泰公众号，内含有视频，讲解详细，建议观看。

（https://mp.weixin.qq.com/s/6oAm8OdpR1YC5o4uc-8GLg）

注意事项：

1. 光诱导

天气不好一定要做光诱导，查看净光合速率和气孔导度是否稳定。

光强使用饱和光强，不建议使用光梯度第一个点做光诱导，太强了，容易发生光抑制。

时间推荐20分钟+（力高泰说明书），我觉得还是看参数是否稳定，野外实验实在等不起。

就算天气好，也要在夹上叶片之前设置光响应曲线的光梯度最高光强。否则测出来的曲线不平滑。

2. 一定要准确地量叶宽，计算叶面积

血的教训，新手无人带，自己看说明书操作，说明书也没有说到修改叶面积这部分操作。测量水稻叶片光合，不修改叶面积，导致机器测量参数偏低。（叶面积1和6，数值是6倍的关系，看到影响有多大了吧）

因此测量叶片不能充满叶室的情况，一定要修改叶面积。

三、拟合光响应曲线

3.1 使用软件拟合（叶子飘老师）

引用自：https://mp.weixin.qq.com/s/3c0KybtKGrTi07WsatGCjQ

叶子飘老师软件下载地址：https://pan.baidu.com/s/1AzXB71bqvuVo8HtW7ncL7A

 自动计算出的数值如上图的拟合值，斜率（表观量子效率），Pmax（最大光合值），Isat（光饱和点），Ic（光补偿点），Rd（暗呼吸速率）。

其他相应曲线模型操作类似，研究者可以自己选择一种自己喜欢的曲线模拟类型。需要提示的是，相同的数据用不同的拟合方式得到的数据是不同的，因此，在实验中选择一种拟合方式进行数据拟合即可。

参考文献：叶子飘, 2010. 光合作用对光和CO_2响应模型的研究进展. 植物生态学报, 34(06): 727-740.

3.2 使用R语言代码拟合（四种模型）

 引用自：力高泰工程师（祝介东老师的电子书）"使用 R 语言分析 LI-6400 和 LI-6800 光合仪的数据"    (http://zhu_jie_dong.gitee.io/photoanalysis/lrc-fit.html)

祝老师在电子书的第八章节提供了四种模型计算光响应曲线参数：

1. 直角双曲线模型；2.非直角双曲线模型；3.指数模型；4.直角双曲线的修正模型（来自于叶子飘老师）（电子书中有详细的R语言代码以及说明，此处不再赘述。）

有兴趣的同学可以看一下下面的文献，文献对比了四种光响应曲线的拟合效果，总体来讲直角双曲线的修正模型最好。

参考文献：叶子飘, 2010. 光合作用对光和CO_2响应模型的研究进展. 植物生态学报, 34(06): 727-740.

3.3 使用R语言程序包（photosynthesis）拟合（基于非直角双曲线模型）

引用自：https://mp.weixin.qq.com/s/7LWoZ5RbxMIVegQ_coeQlA

#安装并加载包（注意此包默认使用非直角双曲线模型）
install.packages("photosynthesis")  
library(photosynthesis)             #可能需要加载许多关联包，以及升级某个包，总之提示啥干啥
 
#读取数据（此处以6400数据为例）
aq6400 <- read.csv("data/lrc6400.csv")
 
#拟合
fit <- fit_aq_response(aq6400, varnames = list(A_net = "Photo", PPFD = "PARi"))
 
#查看拟合参数
summary(fit[[1]])
fit[[2]]                 #只看拟合参数
 
fit[[3]]                 #看拟合图像

 看上去有些奇怪，因为这里的拟合参数并不是所有的我们常见的参数，他们的意义按顺序为：

1. 饱和光下的净光合速率 (A_sat)；2. 表观量子效率 (phi_J)；3. 曲线的弯曲程度 (theta_J)；

4. 暗呼吸速率 (Rd)；5. 光补偿点 (LCP)；6. 残差的平方和 (resid_SS)。

3.4 使用R语言包(FitAQ)拟合（基于非直角双曲线模型）

引用自：https://mp.weixin.qq.com/s/cZxkiJIFCt6SOmn9SlH5cQ

# 使用fitAQ包拟合（基于非直角双曲线模型）-------------------
# https://mp.weixin.qq.com/s/cZxkiJIFCt6SOmn9SlH5cQ
 
install.packages("devtools")
 
#remotes::install_git("https://gitee.com/zhu_jie_dong/FitAQ")
devtools::install_github("MarkusLoew/FitAQ")
 
library(FitAQ)
library(xlsx)
 
path = "F:/work_RuGao/data/light curve/summary/temp.xlsx"
aq_data <- read.xlsx(path,1)
 
aq_data$Photo
aq_data$PARi
 
#计算参数
FitAQ(data = aq_data, A = Photo, Q = PARi)    
 
predict_range <- data.frame(Q = seq(from = 0, to = 3000, by = 20))
 
fit <- FitAQ(data = aq_data, A = Photo, Q = PARi, provide.model = TRUE)
 
summary(fit)   #显示所有参数
 
line1 <- within(predict_range, A <- predict(fit, newdata = predict_range))
 
plot(Photo ~ PARi,data = aq_data,xlim = c(0, 2500),ylim = c(0, 30))  # 画出散点图
 
lines(A ~ Q, data = line1, col = "green")  # 添加拟合线
 
# 计算光补偿点
FitLCP(fit)
 
# 计算光饱和点
FitSat(fit, sat.fac = 0.90, range = c(0, 3200))
 

原文链接:https://blog.csdn.net/weixin_43465015/article/details/119948912