番茄声发射信号功率谱特征分析

余礼根 李长缨 陈立平 薛绪掌 卫如雪 郭文忠

(1.北京农业智能装备技术研究中心，北京 100097； 2.国家农业智能装备工程技术研究中心，北京 100097；3.佐治亚大学生物与农业工程系，蒂夫顿 GA 31793)

番茄声发射信号功率谱特征分析

余礼根1,2李长缨3陈立平1,2薛绪掌1,2卫如雪1,2郭文忠1,2

(1.北京农业智能装备技术研究中心，北京 100097； 2.国家农业智能装备工程技术研究中心，北京 100097；3.佐治亚大学生物与农业工程系，蒂夫顿 GA 31793)

采用番茄品种“佳丽14”为试材，采集盆栽番茄声发射信号进行短时傅里叶变换与频谱分析，获取番茄在水分亏缺条件下声发射信号、土壤含水率及光合特征的连续变化规律及相互关系。依据土壤含水率变化将试验过程划分为DAY1、DAY2、DAY3和DAY4共4个阶段。试验结果表明，番茄声发射信号发生频次呈现出规律性，高峰期发生时间为每天10:00—16:00，幅值分布在40～60 dB；番茄声发射信号的主频和中心频率分布于250～375 kHz，随着土壤含水率的降低，其主频与中心频率无显著变化；DAY1的第1共振峰频率分布在0～125 kHz，第2共振峰、第3共振峰位于250～375 kHz，DAY2、DAY3和DAY4的第1、第2、第3共振峰均分布在250～375 kHz；从共振峰幅值上看，DAY1的排列顺序为第3、第2、第1共振峰；DAY2和DAY4的次序与之相反。番茄叶片净光合速率变化呈现单峰曲线，在中午12:00出现峰值，番茄的胞间CO2浓度呈现先增后减的变化趋势。综合分析番茄声发射信号、土壤含水率和光合特征参数变化可知，番茄灌溉初期与灌水后期的声发射信号共振峰频率、幅值的变化规律不同，其与水分亏缺程度密切相关，与番茄净光合速率、胞间CO2浓度和光合作用具有相关性。通过番茄声发射信号功率谱特征分析可为番茄声发射特性研究提供一种分析方法。

番茄； 声发射； 功率谱； 土壤含水率； 共振峰

引言

植物水分亏缺程度不仅是表征植物生长状况的一个重要生命指标，而且是调控植物生长过程的关键反馈因子。因此，对于不同尺度下植物水分亏缺程度的识别与表征以及植物生命健康需水信息的监测和调节，对植物水分状态快速准确的测量显得尤为重要[1-2]。

近年来对植物水分生理的研究表明，植物一直以自己的“语言”在传达着缺水信号。植物的“语言”是指发生在植物水流通路上由于缺水而造成水流断裂时发出的爆裂声，或称为“尖叫声”，即植物声发射(Acoustic emission，AE)现象。学者们研究声发射时，一方面将声发射速率或数量与木质部突变过程进行关联，如冻融过程[3-4]、干旱胁迫过程[5-8]、干湿交替应变过程[9]和病虫害胁迫过程[10-12]；另一方面将植物不同部位作为研究对象，如植物枝干[13-14]、叶片[15]或茎秆切片[16]均可采集到AE信号，并作为一种机体信息的应力表达。已有的研究结果表明，AE信号可作为一个特殊的植物响应用于作物生长状态评估与病虫害胁迫监测。但在其广泛应用之前，需要进一步研究植物在水分亏缺状态下的频谱规律与响应机理。

功率谱分析是一种可以把AE信号从时域转换到频域，在频域中研究AE信号的特征分析方法[17-20]。功率谱反映的是随机信号能量随频率的分布情况，通过功率谱分析获得番茄植株AE信号随土壤含水率变化的频谱特征，获得各个频段谱分量性能、功率谱和能量谱数据，提炼能够反映不同含水率条件下番茄AE信号的代表性功率谱特征参数。

本文通过番茄盆栽试验，测定分析灌溉饱和水后的土壤含水率、光合特征参数、声发射信号的连续变化，寻求番茄在水分充足和水分亏缺下的声发射差异，并通过声发射信号功率谱分析，以期为番茄灌溉策略的制定提供理论数据。

1 材料与方法

1.1 试验地点与设计

试验于2016年8月—2017年1月在北京市农林科学院试验温室内进行(39°56′32″ N，116°16′53″ E)。供试作物为番茄，品种为“佳丽14”。在育苗室内培养至五叶一心时移栽于试验温室塑料花盆中，盆上口直径34.2 cm、底直径18.5 cm、深22.3 cm，采用盆栽土壤栽培，每盆装种植土壤11.0 kg(种植土壤为有机肥与自然土按质量比为1:80的比例混合并用微生物菌剂和敌百虫作灭菌、杀虫处理)，施复合肥25 g。经测定，供试土壤理化性质为：土壤容重为1.48 g/m3，最大田间持水量为25.1%(即土壤含水率为37.1%)，电导率为0.5 mS/cm，有机质含量24.5%，有效磷含量91.7 mg/kg，速效钾含量310.6 mg/kg。试验番茄于2016年9月26日定植，每盆定植长势一致的植株1株，共20株，对所有供试番茄浇透水缓苗10 d后，用保鲜膜进行覆盖密封盆栽土壤处理。试验开始于11月27日，灌溉饱和水后进行土壤含水率、AE信号的连续监测，依次将试验过程划分为DAY1、DAY2、DAY3和DAY4共4个阶段，每组试验重复3次。试验期间进行正常田间管理，不喷施任何农药和激素。

1.2 测定内容与方法

(1)土壤含水率：试验期间，在植株根部右侧15 cm处安装ECH2O土壤水分监测系统配套的GS3型土壤含水率传感器(精度：-2%～2%)，连续监测盆栽番茄距根茎部15 cm处的土壤含水率，每5 min读取1个数据。

(2)光合特征参数：试验采用美国LI-COR 公司 Li-6400XT 型便携式光合速率测试仪，随机选取生长健康、长势一致的番茄植株为测量对象，测量位置选择为自上而下第5叶位的功能叶片，从灌溉饱和水后连续3 d测定番茄叶片净光合速率(Net photosynthesis rate，Pn)、胞间CO2浓度(Intercellular CO2concentration，Ci)，从08：00—16：00，每2 h整点测定，为减少试验数据的偶然性，每组试验条件重复3次。

(3)环境参数：试验温室内环境的光照强度和空气温度采用RS-13L型记录仪进行测定，测量范围：0～55℃、0～130 klx；测量精度：±0.5℃、±5%；分辨率：0.1℃、0.01 lx，每5 min读取1个数据。

(4)AE信号：声发射信号采集选用MICRO Ⅱ声发射监测系统、配套声发射采集卡PCI-2(8通道同步采集、18位A/D分辨率、40 M/s采样率、1 kHz～3 MHz频率范围)、声发射传感器选用Nano30型(响应频率为125～750 kHz、灵敏度为62[-72] dB ref.1 V/(m/s)[10 V/μMPa])、放大器选用2/4/6型(响应频率为20～1 200 kHz，20/40/60 dB 3挡)，实行24 h连续采集，每天存储为1个数据文件。声发射传感器固定在番茄植株倒五叶位置的茎秆部位，两者间涂抹凡士林保证充分接触。

1.3 数据处理与分析

选用MICRO Ⅱ声发射监测系统配套的声发射信号分析软件AE win-2进行AE特征参数分析。为了研究番茄AE信号随土壤含水率的变化规律，试验选取灌水后连续4 d的AE信号，统计分析AE信号幅值(包括最大值、最小值和平均值)与发生频次；为研究水分亏缺条件下番茄AE信号的频谱特征，采用LabVIEW 2014编程计算频谱特征参数，以均值±标准偏差的方式表示。

2 结果与分析

2.1 盆栽番茄土壤含水率的连续变化

盆栽番茄在水分亏缺下土壤含水率的连续变化如图1所示。试验结果表明，土壤含水率呈现连续下降的趋势，但降低速率和变化规律不一致。灌溉饱和水后的第1天，土壤含水率从36.3%减少到27.7%，减少了8.6个百分点；第2天，土壤含水率从27.7%减少到22.3%，减少了5.4个百分点；第3天，土壤含水率从22.3%减少到19.7%，减少了2.6个百分点；第4天，土壤含水率从19.7%减少到19.0%，减少了0.7个百分点。据此可知，番茄灌溉饱和水后，土壤含水率变化较大，这是因为刚灌水后，土壤表层较为湿润，蒸发量较大，土壤含水率变化较大，此后土壤含水率降低速率逐渐减少，并趋于平稳。

图1 在水分亏缺下盆栽番茄土壤含水率的连续变化Fig.1 Continuous variations of soil water contents with tomato under water deficit

2.2 盆栽番茄光合特征的连续变化

盆栽番茄试验温室内光照强度、空气温度和光合特征的日变化如图2、3所示。试验结果表明，试验过程中试验温室光照强度和空气温度连续3 d的变化基本一致。由图3可知，番茄叶片Pn的变化呈现单峰曲线，在12:00出现峰值，自DAY1起番茄Pn分别为10.8、9.1、4.0 μmol/(m2·s)，DAY2的番茄Pn比DAY1降低了16.1%，DAY3的番茄Pn比DAY2降低了56.2%；番茄叶片Ci呈先降后增的变化规律，其最大值出现在8:00，DAY1、DAY2和DAY3的Ci依次是345.3、344.4、347.7 μmol/mol，差异不显著；最小值出现在12:00，3 d的Ci分别是289.3、263.3、222.5 μmol/mol，呈现逐渐降低的趋势。由图1可知，DAY1～DAY3 3 d中12:00的土壤含水率依次是31.8%、24.6%和21.2%。结合图2中试验温室光照强度和空气温度的日变化可知，随着光照强度和空气温度的增加，番茄Ci减小；随着土壤含水率的连续降低，番茄Ci减少的趋势更为显著。

图2 试验温室光照强度和空气温度日变化曲线Fig.2 Daily variation curves of illumination intensity and air temperature in experimental greenhouse

图3 水分亏缺下番茄光合特征日变化曲线Fig.3 Daily variation curves of net photosynthetic rate (Pn) and intercellular CO2 concentration (Ci) of tomato under water deficit

2.3 水分亏缺下番茄AE信号的持续变化

水分亏缺下盆栽番茄AE信号、土壤含水率的持续变化如图4所示。试验结果表明，番茄AE信号为偶发性信号，在DAY1、DAY2、DAY3和DAY4的AE信号出现频次、幅值和变化规律不一致，但AE信号出现频次高峰期为每天的10:00—16:00，幅值集中在40～60 dB。DAY1：土壤含水率从36.3%降低到27.7%，降低幅度为8.6个百分点；番茄AE信号发生频次为41，最大幅值为59 dB。DAY2：土壤含水率降低幅度为5.4个百分点；番茄AE信号发生频次为6，最大幅值为45 dB。DAY3：土壤含水率降低幅度为2.6个百分点；番茄AE信号发生频次为26，最大幅值为61 dB。DAY4：土壤含水率从19.7%降低到19.0%，其降低幅度为0.7个百分点；番茄AE信号发生频次为3，最大幅值为48 dB。分析可知，DAY1的番茄处于灌溉后不缺水、轻度胁迫时(土壤含水率维持在田间持水量的75%～100%)，土壤含水率降低幅度越大，AE事件出现较为频繁，AE信号幅值和发生频次较大。DAY3的番茄处于缺水状态时，土壤含水率与AE信号频次和幅值的变化趋势一致。对比这2种状态下番茄AE频次及幅值发现，番茄在灌溉初期、缺水初期的声发射频次及幅值较大，声发射活动较为活跃。

图4 水分亏缺下声发射与土壤含水率的持续变化Fig.4 Continuous variations of soil water contents and acoustic emissions of tomato under water deficit

2.4 番茄AE信号的功率谱分析

番茄AE信号x(t)一般可认为是能量有限的随机信号，具有时域和频域的统计特性[21-22]，其周期图法估计功率谱的数学表达式为

(1)

其中

(2)

T=NΔt

(3)

式中T——样本长度

N——数据长度

Δt——采样时间间隔

试验过程中，选用短时傅里叶变换(Short-time Fourier transform，SFFT)对番茄声发射信号进行功率谱分析，窗函数选用Hanning窗，其功率谱分析软件界面如图5所示。

图5 番茄声发射信号功率谱分析软件界面Fig.5 Power spectrum software interface for analysis of acoustic emissions for tomato

对于分布在0～500 kHz的频谱信号均分为4个阶段，分别是：0～125 kHz、125～250 kHz、250～375 kHz和375～500 kHz。频谱特征参数从频率和能量2个角度进行考察，研究采用的频率参数有主频fp、中心频率fa及加权功率谱频率f50，能量参数包括有限频带能量ELFB和主频对应的能量EPF，其定义及公式如表1所示。

表1 功率谱特征参数的含义及公式Tab.1 Implication and formula for characteristic parameters of power spectrum

注：f∈(fL,fH)，fL和fH分别为低截止频率和高截止频率，本研究分别是0 kHz和500 kHz。

水分亏缺下番茄AE信号的功率谱特征参数如表2所示。4 d内番茄AE信号fp和fa位于250～375 kHz，DAY1的声发射信号fp和EPF均高于DAY2、DAY3和DAY4，中心频率略低；DAY2、DAY3和DAY4的fa和f50非常接近。特征参数ELFB的变化规律不明显。

表2 番茄AE信号功率谱特征参数Tab.2 Characteristic parameters of power spectrum foracoustic emissions of tomato

番茄声发射信号共振峰对应的频率和幅值如表3所示。分析发现，DAY1的第1共振峰出现在0～125 kHz区间，第2共振峰、第3共振峰位于250～375 kHz区间，DAY2、DAY3和DAY4的第1、第2、第3共振峰均在250～375 kHz区间；从共振峰幅值上看，DAY1的排列顺序为第3、第2、第1共振峰；DAY2和DAY4的大小次序与之相反。功率谱分析与共振峰的计算结果与2.3节中的灌溉饱和后水分亏缺及胁迫状态密切相关，与番茄净光合速率、胞间CO2浓度及光合作用的表现相互一致。

表3 番茄AE信号共振峰特征参数Tab.3 Characteristic parameters of resonance peaks for acoustic emissions of tomato

3 结论

(1)随着水分亏缺程度的加深与亏缺时间的延长，番茄净光合速率和胞间CO2浓度均降低，随着水分亏缺程度的加剧，下降趋势显著，说明番茄光合作用的降低主要是由于气孔限制所致。

(2)番茄AE信号发生频次每天呈现出规律性，高峰期发生在10:00—16:00，幅值为40～60 dB。对于不同的土壤含水率，AE信号日变化规律较为稳定，但其发生频次总量和最大幅值差别较大，表明土壤含水率与AE信号有着一定的相关性。

(3)频谱分析结果表明番茄AE信号主频和中心频率分布在250～375 kHz，随着土壤含水率的持续降低，其主频与中心频率无显著变化。对比分析番茄AE信号的共振峰特征参数表明，番茄灌溉初期与灌水后期的AE信号共振峰幅值、频率的变化规律不尽相同，其与水分亏缺程度密切相关，与番茄净光合速率、胞间CO2浓度和光合作用表现相互一致。

1 赵燕东，高超，张新，等．植物水分胁迫实时在线检测方法研究进展[J/OL]．农业机械学报，2016，47(7)：290-300.http:∥www.j-csam.org/jcsam/ch/reader/view_abstract.aspx?flag=1&file_no=20160740&journal_id=jcsam.DOI: 10．6041/ j．issn．1000-1298.2016.07.040.

ZHAO Yandong, GAO Chao, ZHANG Xin, et al.Review of real-time detecting methods of water stress for plants[J/OL].Transactions of the Chinese Society for Agricultural Machinery, 2016, 47(7): 290-300.(in Chinese)

2 OSAKABE Y, OSAKABE K, SHINOZAKI K, et al.Response of plants to water stress[J].Frontiers in Plant Science, 2014, 5(5):86.

3 MAYR S, SPERRY J S.Freeze-thaw-induced embolism in Pinuscontorta: centrifuge experiments validate the“thaw-expansion hypothesis” but conflict with ultrasonic emission data[J].New Physiologist, 2009, 185(4): 1016-1024.

4 CHARRIER G, CHARRA-VASKOU K, KASUGA J, et al.Freeze-thaw stress: effects of temperature on hydraulic conductivity and ultrasonic activity in ten woody angiosperms[J].Plant Physiology, 2014, 164(2): 992-998.

5 KIKUTA S B.Ultrasound acoustic emissions from bark samples differing in anatomical characteristics[J].Phyton,Annales Rei Botanicae, 2003, 43(1): 161-178.

6 杨世凤，钱东平，霍晓静，等．作物水胁迫声发射检测及视情灌溉系统的研究[J]．农业工程学报，2001，17(5)：150-152.

YANG Shifeng, QIAN Dongping, HUO Xiaojing, et al.Test of water stress in crops with acoustic emission technology and automatic irrigation system[J].Transactions of the CSAE, 2001, 17(5): 150-152.(in Chinese)

7 尹飞星，孙耀杰，高丽哲，等．作物水胁迫声发射监测系统的研究[J]．农机化研究，2007，29(3)：84-86.

YIN Feixing, SUN Yaojie, GAO Lizhe, et al.Study on monitoring system of crop water stress[J].Journal of Agricultural Mechanization Research, 2007，29(3): 84-86.(in Chinese)

8 高峰，俞立，张文安，等．基于作物水分胁迫声发射技术的无线传感器网络精量灌溉系统的初步研究[J]．农业工程学报，2008，24(1)：60-63.

GAO Feng, YU Li, ZHANG Wen’an, et al.Preliminary study on precision irrigation system based on wireless sensor networks of acoustic emission technique for crop water stress[J].Transactions of the CSAE, 2008, 24(1): 60-63.(in Chinese)

9 ROSNER S, KARLSSON B O, KONNERTH J, et al.Shrinkage processes in standard-size Norway spruce wood specimens with different vulnerability to cavitation[J].Tree Physiology, 2009, 29(11): 1419-1431.

10 王秀清，王海燕，杨世凤．基于近场声全息的植物病害检测[J/OL]．农业机械学报，2014，45(2)：256-261.http:∥www.j-csam.org/jcsam/ch/reader/view_abstract.aspx?flag=1&file_no=20140243&journal_id=jcsam.DOI: 10．6041/j．issn．1000- 1298．2014．02．043.

WANG Xiuqing, WANG Haiyan, YANG Shifeng.Plant disease detection based on near-field acoustic holography[J/OL].Transactions of the Chinese Society for Agricultural Machinery, 2014, 45(2): 256-261.(in Chinese)

11 王秀清，张春霞，杨世凤．番茄病害胁迫声发射信号采集与声源定位[J]．农业机械学报，2011，42(4)：159-162.

WANG Xiuqing, ZHANG Chunxia, YANG Shifeng.Detection and indentification for disease stress tomato acoustic emission signal[J].Transactions of the Chinese Society for Agricultural Machinery, 2011, 42(4): 159-162.(in Chinese)

12 王秀清，王尹超，杨世凤，等．基于柱面近场声全息的植物病害胁迫分析[J/OL]．农业机械学报，2012，43(10)：179-183.http:∥www.j-csam.org/jcsam/ch/reader/view_abstract.aspx?flag=1&file_no= 20121032& journal_id=jcsam.DOI: 10．6041/ j．issn．1000-1298．2012．10．032.

WANG Xiuqing, WANG Yinchao, YANG Shifeng, et al.Plant disease stress analysis based on cylindrical near-field acoustic holography[J/OL].Transactions of the Chinese Society for Agricultural Machinery, 2012, 43(10): 179-183.(in Chinese)

13 KASUGA J, CHARRIER G, UEMURA M, et al.Characteristics of ultrasonic acoustic emissions from walnut branches during freeze-thaw-induced embolism formation[J].Journal of Experimental Botany, 2015, 66(7): 1965-1975.

14 VERGEYNST L L, SAUSE M G, HAMSTAD M A, et al.Deciphering acoustic emission signals in drought stressed branches: the missing link between source and sensor[J].Frontiers in Plant Science, 2015, 6: NO.494.

15 KIKUTA S, GULLO M, NARDINI A, et al.Ultrasound acoustic emissions from dehydrating leaves of deciduous and evergreen trees[J].Plant Cell & Environment, 1997, 20(11): 1381-1390.

16 HACKE U G, SPERRY J S, PITTERMANN J.Drought experience and cavitation resistance in six shrubs from the Great Basin, Utah[J].Basic & Applied Ecology, 2000, 1(1): 31-41.

17 MAIA L H A, ABRAO A M, VASCONCELOS W L, et al.A new approach for detection of wear mechanisms and determination of tool life in turning using acoustic emission[J].Tribology International, 2015, 92: 519-532.

18 RASTEGAEV I, DANYUK A, AFANAS’YEV M, et al.Acoustic emission assessment of impending fracture in a cyclically loading structural steel[J].Metals, 2016, 6(11): 1-11.

19 段虎明，石锋，马颖，等．基于功率谱密度的路面评价与特征参数提取[J]．振动与冲击，2013，32(4)：26-30.

DUAN Huming, SHI Feng, MA Ying, et al.Evaluation and extracting characteristic parameters for a road profile based on PSD[J].Journal of Vibration and Shock, 2013, 32(4): 26-30.(in Chinese)

20 张雅静，林莉，李喜孟．超声功率谱特征参数在复合材料孔隙率检测中的应用[J]．理化检验-物理分册，2010，46(3)：159-163，170.

ZHANG Yajing, LIN Li, LI Ximeng.Application of characteristic parameters of ultrasonic power spectrum in testing for composite porosity[J].Physical Testing and Chemical Analysis Part A: Physical Testing, 2010, 46(3): 159-163, 170.(in Chinese)

21 ROO L D, VERGEYNST L L, BAERDEMAEKER N J F D, et al.Acoustic emissions to measure drought-induced cavitation in plants[J].Applied Sciences, 2016, 6(3): 1-15.

22 GAGLIANO M.Green symphonies: a call for studies on acoustic communication in plants[J].Behavioral Ecology, 2013, 24(4):789-796.

PowerSpectrumCharacteristicsAnalysisforAcousticEmissionsSignalofTomato

YU Ligen1,2LI Changying3CHEN Liping1,2XUE Xuzhang1,2WEI Ruxue1,2GUO Wenzhong1,2

(1.BeijingResearchCenterofIntelligentEquipmentforAgriculture,Beijing100097,China2.NationalEngineeringResearchCenterofIntelligentEquipmentforAgriculture,Beijing100097,China3.DepartmentofBiologicalandAgriculturalEngineering,UniversityofGeorgia,TiftonGA31793,USA)

Taking tomato variety of ‘Jiali14’ as experimental materials, the relationship among the acoustic emissions signal, soil water contents and photosynthetic characteristic parameters of tomato under water deficit was analyzed.The short-time Fourier transform and power spectrum analysis computed by LabVIEW 2014 were employed to examine the spectrum characteristics of the collected AE signals.The whole process of water deficit was approximately divided into four stages: DAY1, DAY2, DAY3 and DAY4 according to the soil water contents.The results showed that characteristics for AEs during the water deficit period were presented by a regular change pattern, while the peak time was 10:00—16:00 and the amplitude was 40～60 dB.Power spectrum for acoustic emissions of tomato was a phenomenon observed in characteristic parameters with dominant frequency (fp), central frequency (fa) and formants.The frequencies offp,faand the second, third resonance peaks of DAY1 were distributed at 250～375 kHz, where the first resonance peak of DAY1 was distributed mainly at 0～125 kHz.The first, second and third resonance peaks of DAY2, DAY3 and DAY4 were all centralized at 250～375 kHz.From the amplitude of resonance peaks, the arrangement of DAY1 was the third, second, and first formant, but the order of formants for DAY2 and DAY4 were opposite of DAY1.A single peak curve was existed with net photosynthetic rate of tomato, and the peak valuePnoccurred at 12:00, whereas the intercellular CO2concentrations were increased firstly and then decreased with the decrease of soil water contents.Although the changes of amplitude and frequencies of resonance peaks for acoustic emissions of tomato in initial irrigation stage and late irrigation stage were different, a good correspondence between AE outcomes and experimental observations of the net photosynthetic rate, intercellular CO2concentrations and photosynthetic performances was obtained and discussed.This result may provide a new monitoring method for acoustic emissions characteristics of water deficit through power spectrum analysis.

tomato; acoustic emission; power spectrum; soil water contents; resonance peak

10.6041/j.issn.1000-1298.2017.10.023

S641.2

A

1000-1298(2017)10-0189-06

2017-06-22

2017-08-03

科技部星火计划重点项目(2015GA600005)和北京市农林科学院设施园艺科技创新团队项目(JNKST201615)

余礼根(1985—)，男，助理研究员，博士，主要从事动植物声信息感知技术研究，E-mail：yulg@nercita.org.cn

郭文忠(1970—)，男，研究员，主要从事设施蔬菜高产高效栽培技术研究，E-mail：guowz@nercita.org.cn