使用 R 分析 LI-6800 的数据之四

# 使用 R 分析 LI-6800 的数据之四
## FvCB 模型的拟合
### 祝介东
### 北京力高泰科技有限公司 技术部
### 2020-04-02 修改

---

# 主要内容

# 1.  package 介绍
# 2.  fitaci 参数介绍
# 3.  数据的拟合
# 4.  结果的查看与导出
---
class: inverse center middle, animated, fadeIn

# .large.bold[ plantecophys 介绍]

---
class: animated, fadeIn

# `plantecophys` 作者介绍

.center.medium[[https://remkoduursma.github.io/plantecophys/](https://remkoduursma.github.io/plantecophys/)
]

---
class: animated, fadeIn

# 软件包的科学背景

<img src="./img/plos-one.png" width="969" />
---
class: animated, fadeIn

# 软件包的科学背景

为避免拟合的不连续性，采用了一个非直角双曲线形式的模型进行拟合：

`$$A_m = \frac{A_c+A_j- \sqrt{(A_c+A_j)^2-4 \theta A_c A_j}}{2 \theta}-R_d$$`

- `$\theta$` 和其他非直角双曲线模型一样，是形状的参数，默认设置为 0.9999，

- `$A_m$` 为双曲线性质的 `$A_c$` 和 `$A_j$`

软件包使用了 nls 来进行非线性拟合并进行参数的标准差计算。
---
class: inverse, center, middle, animated, fadeIn

# .large.bold[ fitaci 函数介绍]
---
class: animated, fadeIn

# 函数的参数

`fitaci` 的参数比较多：

```r
fitaci(data, varnames = list(ALEAF = "Photo", Tleaf = "Tleaf", Ci = "Ci",
  PPFD = "PARi", Rd = "Rd"), Tcorrect = TRUE, Patm = 100,
  citransition = NULL, quiet = FALSE, startValgrid = TRUE,
  fitmethod = c("default", "bilinear", "onepoint"),
  algorithm = "default", fitTPU = FALSE, alphag = 0, useRd = FALSE,
  PPFD = NULL, Tleaf = NULL, alpha = 0.24, theta = 0.85,
  gmeso = NULL, EaV = 82620.87, EdVC = 0, delsC = 645.1013,
  EaJ = 39676.89, EdVJ = 2e+05, delsJ = 641.3615, GammaStar = NULL,
  Km = NULL, id = NULL, ...)

```

`plantecophys` 发表于 2015 年，当时还是 LI-6400，作者后来不再搞科研，也没有在将软件包专门做 LI-6800 的适配，因此 LI-6800 使用的前提是将 `varnames` 改为 LI-6800 的变量名（或者数据文件里的变量名改为 LI-6400 的变量名也可以），但改函数的变量名比较容易后面进行粘贴和复制：

```r
varnames =list( ALEAF = "A", Tleaf = "Tleaf", Ci = "Ci", 
                PPFD  = "Qin", Rd = "Rd"
                )
```

---
class: animated, fadeIn
# 重要的参数

## 拟合方法

`fitmethod = c("default", "bilinear", "onepoint")`

对于标准的 ACi 曲线和 RACiR 曲线，能够使用的方法只有 default 和 bilinear，二者结果有微小的差别，并且 bilinear 能用永远返回结果（因为他使用两次线性拟合来计算 `$V_{cmax}$`， `$J_{max}$`， `$R_d$`），线性拟合避免了非线性拟合的不收敛的问题。适合非线性拟合不能报错的情况，当然可以不管非线性拟合是否出结果，所有的测量均使用 bilinear。

---
class: animated, fadeIn
# 重要的参数
## 温度校正

`fitaci` 在默认计算 `$V_{cmax}$` 和 `$J_{max}$` 时会将其标准化为常温下进行 (25C)，我们在某些情况下，例如想要测量在实际温度下的速率，那么我们需要将其修改为下面的形式：

```r
fit2 <- fitaci(acidata1, Tcorrect=FALSE)
```
--
## 使用测量的 Rd

Rd 默认可以进行拟合后得到，但这样的结果并不准确，如果我们测量了 Rd，那么我们可以在数据文件里增加 Rd 列，例如导入的数据后名为 aci，那么我们可以：

```r
aci$Rd <- 1.5
fitrd <- fitaci(aci, useRd=TRUE)
```
---
class: animated, fadeIn
## Tleaf 和 Qin 不可用

仪器使用难免遇到意外状况，如果发生意外的热电偶损坏，也可以进行数据的分析，对于温度传感器，Tair 和 Tleaf 的温度非常接近，可以作为替代，尽管函数提供了 Qin 的输入，但内置光量子传感器出问题的概率很低，当然，如果使用了其他人工光源，也可以直接输入其值：

```r
fit <- fitaci(aci, Tleaf=30, PPFD=2000)

```
--
class: animated, fadeIn
## 使用叶肉导度
叶肉导度是非常重要的参数，准确的输入该值：
```r
fit <- fitaci(aci, gmeso=0.2)
```
此时 `$V_{cmax}$` 和 `$J_{max}$` 的计算会使用 [Ethier and Livingston (2004)](https://onlinelibrary.wiley.com/doi/full/10.1111/j.1365-3040.2004.01140.x) 的方法。
---
class: animated, fadeIn
## TPU 计算

在 Duursma, 2015 年的文献中，还没有添加的 TPU 限制阶段

```r
fit <- fitaci(aci, fitTPU=TRUE)
```

**注：未必一定出现 TPU**
]

---
class: animated, fadeIn

## Ci transition

Ci 浓度由 `$A_c$` 向 `$A_j$` （point1），以及 `$A_j$` 向 `$A_p$`（point2）转变时的浓度。

```r
findCiTransition(object)
```

---
class: inverse, center, middle, animated, fadeIn

# .large.bold[拟合及结果的查看]
---
class: animated, fadeIn

# 数据的拟合

fitacis(data, group, fitmethod = c("default", "bilinear"),
progressbar = TRUE, quiet = FALSE, id = NULL, ...)

```
本质上来讲，拟合的函数只有一个， `fitacis` 本质上是调用了 `fitaci`，使用一个 group 参数来区分多条曲线的数据。

---
class: animated, fadeIn

# 结果的查看

查看计算结果：

```r
?summary
```

图形查看，`acifit` S3 类，可以直接对拟合结果作图：

```r
plot(x, what = c("data", "model", "none"),
 xlim = NULL, ylim = NULL, whichA = c("Ac", "Aj", "Amin", "Ap"),
 add = FALSE, pch = 19, addzeroline = TRUE, addlegend = !add,
 legendbty = "o", transitionpoint = TRUE, linecols = c("black",
 "blue", "red"), lwd = c(1, 2), lty = 1, ...)
```

---
class: animated, fadeIn

background-image: url("https://s1.ax1x.com/2020/04/02/GJimlV.png")
background-size: contain