CN108377788A - 一种水稻全生育期耐盐性鉴定评价方法 - Google Patents

一种水稻全生育期耐盐性鉴定评价方法 Download PDF

Info

Publication number
CN108377788A
CN108377788A CN201810549350.1A CN201810549350A CN108377788A CN 108377788 A CN108377788 A CN 108377788A CN 201810549350 A CN201810549350 A CN 201810549350A CN 108377788 A CN108377788 A CN 108377788A
Authority
CN
China
Prior art keywords
salt
rice
whole growth
growth periods
tolerance
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201810549350.1A
Other languages
English (en)
Other versions
CN108377788B (zh
Inventor
韩龙植
耿雷跃
马小定
崔迪
张启星
张薇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
INSTITUTE OF COASTAL AGRICULTURE HEBEI ACADEMY OF AGRICULTURE AND FORESTRY SCIENCES
Institute of Crop Sciences of Chinese Academy of Agricultural Sciences
Original Assignee
INSTITUTE OF COASTAL AGRICULTURE HEBEI ACADEMY OF AGRICULTURE AND FORESTRY SCIENCES
Institute of Crop Sciences of Chinese Academy of Agricultural Sciences
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by INSTITUTE OF COASTAL AGRICULTURE HEBEI ACADEMY OF AGRICULTURE AND FORESTRY SCIENCES, Institute of Crop Sciences of Chinese Academy of Agricultural Sciences filed Critical INSTITUTE OF COASTAL AGRICULTURE HEBEI ACADEMY OF AGRICULTURE AND FORESTRY SCIENCES
Priority to CN201810549350.1A priority Critical patent/CN108377788B/zh
Publication of CN108377788A publication Critical patent/CN108377788A/zh
Application granted granted Critical
Publication of CN108377788B publication Critical patent/CN108377788B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • A—HUMAN NECESSITIES
    • A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01G—HORTICULTURE; CULTIVATION OF VEGETABLES, FLOWERS, RICE, FRUIT, VINES, HOPS OR SEAWEED; FORESTRY; WATERING
    • A01G7/00—Botany in general
    • A01G7/06—Treatment of growing trees or plants, e.g. for preventing decay of wood, for tingeing flowers or wood, for prolonging the life of plants

Landscapes

  • Life Sciences & Earth Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Ecology (AREA)
  • Forests & Forestry (AREA)
  • Engineering & Computer Science (AREA)
  • Wood Science & Technology (AREA)
  • Botany (AREA)
  • Environmental Sciences (AREA)
  • Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)

Abstract

本发明公开了一种水稻全生育期耐盐性鉴定评价方法，其特征在于，在正常和0.3％盐浓度胁迫浓度下，测定株高、穗数、穗长、穗粒数、结实率、着粒密度、千粒重、粒重、草重、干重和收获指数，计算其耐盐系数，并利用综合指标分析、隶属函数分析、聚类分析、多元回归分析，对水稻全生育期耐盐性鉴定评价。本发明首次明确了0.3％盐浓度为水稻全生育期耐盐性鉴定的最适胁迫浓度；提出了基于多元数据统计分析的综合耐盐评价指标D值，能够全面合理的评价水稻耐盐性；提出了基于聚类分析的水稻耐盐级别划分方法，并提出了水稻耐盐等级划分标准。

Description

一种水稻全生育期耐盐性鉴定评价方法
技术领域
本发明涉及植物育种技术领域，特别涉及一种水稻全生育期耐盐性鉴定评价方法。
背景技术
水稻是世界上最重要的粮食作物之一,全球半数以上的人口以稻米为主食。土壤盐渍化是制约世界范围内水稻生产发展的主要因素之一。一方面,有较大面积的盐碱土无法用于水稻种植；另一方面,不合理的水资源管理引起的土壤次生盐渍化现象在水稻生产地区日益严重。通过遗传改良来提高水稻耐盐能力是进一步提高水稻种植面积和产量的有效途径之一。对于水稻遗传改良，建立一个科学、准确、高效的水稻耐盐性鉴定评价体系是正确判别水稻耐盐真实性的关键所在。
目前，关于水稻耐盐性鉴定方法和评价标准，其研究较分散和不够深入，缺乏系统性和综合性，尚未形成规范的水稻耐盐性鉴定评价体系。在水稻耐盐性鉴定、耐盐生理生化和遗传改良研究中，不同的研究者所采用的试验方法有所不同，这不仅可能会影响试验结果的准确性，而且对同类试验结果的相互比较带来困难。因此，对水稻耐盐性鉴定评价中的盐胁迫程度(包括处理浓度和处理时间)、鉴定时期、耐盐指标及其调查方法、分级标准等方面需要建立一套统一的鉴定技术规范与评价标准。这不仅保证试验结果的准确性和可比性，而且将促进水稻耐盐鉴定评价信息的交流与共享。
发明内容
本发明所要解决的技术问题是提供一种水稻全生育期耐盐性鉴定评价方法，明确了水稻全生育期耐盐性鉴定最适盐浓度、调查指标和合理的评价方法，为水稻耐盐鉴定筛选和水稻耐盐性遗传改良建立规范的“水稻全生育期耐盐性鉴定评价方法”并提供应用。
本发明所要解决的技术问题是通过以下技术方案来实现的：
一种水稻全生育期耐盐性鉴定评价方法，其特征在于，在正常和0.3％盐浓度胁迫浓度下，测定株高、穗数、穗长、穗粒数、结实率、着粒密度、千粒重、粒重、草重、干重和收获指数，计算其耐盐系数，并利用综合指标分析、隶属函数分析、聚类分析、多元回归分析，对水稻耐盐性鉴定评价。
优选地，上述技术方案中，所述盐胁迫处理开始时间为水稻移栽后第5～7d；盐胁迫浓度的测定方法是采用便携式电导率仪每天测定灌溉水层的电导率，然后换算为盐浓度。
优选地，上述技术方案中，所述综合指标分析法是采用方差最大旋转得分，即以累积贡献率大于85％，综合指标特征值大于1为标准，将0.3％盐浓度胁迫下测定的农艺性状耐盐系数简化为若干个综合指标，并明确各综合指标贡献率。
优选地，上述技术方案中，采用隶属函数R(Xj.i)＝(Xj.i-Xj.min)/(Xj.max-Xj.min)，即将参试品种若干综合指标值转化为隶属函数值，Xj.i表示第i个品种第j个综合指标值；Xj.min表示第j个综合指标的最小值；Xj.max表示第j个综合指标的最大值；利用公式计算各综合指标占累积贡献率权重，wj表示第j个综合指标在所有综合指标中的重要程度即权重；Pj代表经综合指标分析所得第j个综合指标的贡献率；利用公式评价参试品种的综合耐盐性D值；通过测量和计算参试水稻品种穗长、穗粒数和干物重的耐盐系数，并利用最优回归方程，预测耐盐性综合评价指标D。
优选地，上述技术方案中，所述最优回归方程为D＝-0.365+0.647SL+0.152SLN+0.274DW。
优选地，上述技术方案中，利用平方欧式距离，采用组内连接聚类方法，将耐盐鉴定参试品种进一步分类，将水稻种质分为强、中、弱3个类型。
优选地，上述技术方案中，所述耐盐系数＝处理值/正常值。
本发明上述技术方案，具有如下有益效果：
本发明首次明确了0.3％盐浓度为水稻全生育期耐盐性鉴定的最适胁迫浓度；提出了基于多元数据统计分析的综合耐盐评价指标D值，能够全面合理的评价水稻耐盐性；提出了基于聚类分析的水稻耐盐级别划分方法，并提出了水稻耐盐等级划分标准。
本发明是一种“简便、实用、科学、新颖”的水稻全生育期耐盐性鉴定评价方法，为开展水稻耐盐种质鉴定筛选和耐盐遗传改良提供有力的技术支撑。
附图说明
图1为本发明的水稻全生育期耐盐性鉴定评价方法所得水稻品种聚类图。
具体实施方式
下面对本发明的具体实施例进行详细描述，以便于进一步理解本发明。
以下实施例中所有使用的实验方法如无特殊说明，均为常规方法。以下实施例中所用的材料、试剂等，如无特殊说明，均可通过商业途径获得。
实施例1：水稻全生育期耐盐性鉴定最适盐胁迫浓度
试验于2016年在河北省农林科学院滨海农业研究所试验基地具有防雨、防渗条件并具有淡水和盐水灌溉措施的耐盐鉴定池进行。试验共设6个盐胁迫浓度(0.2％、0.3％、0.4％、0.5％、0.6％、0.7％)和1个对照，19个参试品种。插秧规格为25cm×15cm，每个品种插10穴，单本，3次重复。4月20日播种，5月25日移栽，9月25日收获。从6月1日开始进行盐水处理，此后每2d利用便携式电导率测定仪测定灌溉水层的电导率并换算盐浓度，然后利用盐水或淡水及时调整至试验设计浓度。
植株成熟后，参照韩龙植主编的“水稻种质资源描述规范和数据标准”调查或测定株高、穗数、穗长、穗粒数、结实率、着粒密度、千粒重、粒重、草重、干重、收获指数。根据本发明中提到的农艺性状耐盐系数的构建方法，获得这些性状的耐盐系数。利用各性状耐盐系数的品种间四分位差评估水稻品种耐盐鉴定最适盐胁迫浓度。其结果如下：
表1不同盐浓度下水稻品种11个农艺性状耐盐系数四分位差
由表1结果可见，在11个农艺性状中，穗数、粒重、草重、干重和收获指数5个性状的耐盐指数四分位差在0.3％处理浓度下达到最大。本例验证了该发明中0.3％盐胁迫浓度为水稻全生育期耐盐性鉴定的最适盐胁迫浓度。
实施例2：水稻全生育期耐盐性鉴定综合评价方法
(1)综合指标构建
本例中，采用统计分析软件SPSS23，利用本发明中提到的综合指标的构建方法，对0.3％盐浓度下实例1中提到的11个水稻农艺性状耐盐系数进行综合指标分析。以特征值大于1、累计贡献率大于85％为标准，共提取到3个综合指标。各综合指标对原农艺性状综合信息贡献率分别为36.68％、31.36％和18.71％，累积贡献率为86.75％，各综合指标特征值、对原始性状载荷及贡献率如表2所示。
表2各综合指标系数及贡献率
(2)品种综合评价
对参试19个品种对应综合指标值，利用本发明中提到的隶属函数R(Xj.i)＝(Xj.i-Xj.min)/(Xj.max-Xj.min)进行转换处理。根据各综合指标贡献率大小，利用本发明中提到的综合指标权重计算公式:计算其权重wj，3个综合指标的权重分别为0.4228、0.3614和0.2157。采用本发明中提到的水稻品种综合耐盐性计算公式将各品种的耐盐评价指标进一步简化为综合耐盐指数D值。根据D值对其耐盐能力进行强弱排序(表4)。垦优0702和垦育88的综合耐盐指数(D值)较高(0.66、0.64)，判别为能力较强的两个水稻品种。一目惚和辽粳912的综合耐盐指数(D值)较低(0.13、0.11)，判别为综合耐盐能力较弱的两个水稻品种。
表3各品种综合指标值、隶属函数值、综合耐盐评价(D值)
(3)品种综合耐盐评价最优回归方程
利用本发明中提到的回归方程D＝-0.365+0.647SL+0.152SLN+0.274DW，对实例1中19个参试品种D值进行回归预测。结果表明，各品种估计精度平均为97.00％以上。回归方程能够良好的预测水稻品种的综合耐盐性。
表4回归方程的估计精度分析
实施例3：水稻全生育期耐盐性程度划分
在本例中，根据实例2中19个参试水稻品种D值，利用本发明中提到的品种聚类方法，将19份耐盐鉴定参试品种进一步分类(图1)，并根据本发明中标准将水稻种质分为强、中、弱3个类群(表5)。
表5水稻耐盐等级划分标准
虽然本发明已以实施例公开如上，然其并非用于限定本发明，任何本领域技术人员，在不脱离本发明的精神和范围内，均可作各种不同的选择和修改，因此本发明的保护范围由权利要求书及其等同形式所限定。

Claims (7)

1.一种水稻全生育期耐盐性鉴定评价方法，其特征在于，在正常和0.3％盐浓度胁迫浓度下，测定株高、穗数、穗长、穗粒数、结实率、着粒密度、千粒重、粒重、草重、干重和收获指数，计算其耐盐系数，并利用综合指标分析、隶属函数分析、聚类分析、多元回归分析，对水稻耐盐性鉴定评价。
2.根据权利要求1所述的水稻全生育期耐盐性鉴定评价方法，其特征在于，所述盐胁迫处理开始时间为水稻移栽后第5～7d；盐胁迫浓度的测定方法是采用便携式电导率仪每天测定灌溉水层的电导率，然后换算为盐浓度。
3.根据权利要求2所述的水稻全生育期耐盐性鉴定评价方法，其特征在于，所述综合指标分析法是采用方差最大旋转得分，即以累积贡献率大于85％，综合指标特征值大于1为标准，将0.3％盐浓度胁迫下测定的农艺性状耐盐系数简化为若干个综合指标，并明确各综合指标贡献率。
4.根据权利要求3所述的水稻全生育期耐盐性鉴定评价方法，其特征在于，
采用隶属函数R(Xj.i)＝(Xj.i-Xj.min)/(Xj.max-Xj.min)，即将参试品种若干综合指标值转化为隶属函数值，Xj.i表示第i个品种第j个综合指标值；Xj.min表示第j个综合指标的最小值；Xj.max表示第j个综合指标的最大值；
利用公式计算各综合指标占累积贡献率权重，wj表示第j个综合指标在所有综合指标中的重要程度即权重；Pj代表经综合指标分析所得第j个综合指标的贡献率；
利用公式评价参试品种的综合耐盐性D值；
通过测量和计算参试水稻品种穗长、穗粒数和干物重的耐盐系数，并利用最优回归方程，预测耐盐性综合评价指标D。
5.根据权利要求4所述的水稻全生育期耐盐性鉴定评价方法，其特征在于，所述最优回归方程为D＝-0.365+0.647SL+0.152SLN+0.274DW。
6.根据权利要求4所述的水稻全生育期耐盐性鉴定评价方法，其特征在于，利用平方欧式距离，采用组内连接聚类方法，将耐盐鉴定参试品种进一步分类，将水稻种质分为强、中、弱3个类型。
7.根据权利要求1所述的水稻全生育期耐盐性鉴定评价方法，其特征在于，所述耐盐系数＝处理值/正常值。
CN201810549350.1A 2018-05-31 2018-05-31 一种水稻全生育期耐盐性鉴定评价方法 Active CN108377788B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810549350.1A CN108377788B (zh) 2018-05-31 2018-05-31 一种水稻全生育期耐盐性鉴定评价方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810549350.1A CN108377788B (zh) 2018-05-31 2018-05-31 一种水稻全生育期耐盐性鉴定评价方法

Publications (2)

Publication Number Publication Date
CN108377788A true CN108377788A (zh) 2018-08-10
CN108377788B CN108377788B (zh) 2020-10-30

Family

ID=63071604

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810549350.1A Active CN108377788B (zh) 2018-05-31 2018-05-31 一种水稻全生育期耐盐性鉴定评价方法

Country Status (1)

Country Link
CN (1) CN108377788B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112180036A (zh) * 2020-09-02 2021-01-05 青岛农业大学 一种苗期紫花苜蓿耐亚磷酸盐评价方法
CN112262637A (zh) * 2020-10-30 2021-01-26 广东海洋大学 一种用于杂交水稻品种的耐盐性鉴定评价方法
CN112514793A (zh) * 2020-12-21 2021-03-19 扬州大学 一种耐盐性水稻品种的筛选方法
CN113748787A (zh) * 2021-09-10 2021-12-07 海南浙江大学研究院 一种发芽期耐盐或盐敏感水稻种子的筛选方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101281184A (zh) * 2008-05-15 2008-10-08 天津农学院 植物抗盐特性的综合评价方法
WO2011028832A2 (en) * 2009-09-01 2011-03-10 Basf Agrochemical Products, B.V. Herbicide-tolerant plants
CN103364383A (zh) * 2013-07-31 2013-10-23 中国农业科学院棉花研究所 一种棉花种质耐盐性的高效鉴定方法
CN105325192A (zh) * 2015-11-16 2016-02-17 江苏省农业科学院 一种豇豆苗期耐盐资源鉴定方法
CN207201563U (zh) * 2017-09-28 2018-04-10 山东省水稻研究所 一种用于水稻全生育期耐盐碱性鉴定的试验基地

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101281184A (zh) * 2008-05-15 2008-10-08 天津农学院 植物抗盐特性的综合评价方法
WO2011028832A2 (en) * 2009-09-01 2011-03-10 Basf Agrochemical Products, B.V. Herbicide-tolerant plants
CN103364383A (zh) * 2013-07-31 2013-10-23 中国农业科学院棉花研究所 一种棉花种质耐盐性的高效鉴定方法
CN105325192A (zh) * 2015-11-16 2016-02-17 江苏省农业科学院 一种豇豆苗期耐盐资源鉴定方法
CN207201563U (zh) * 2017-09-28 2018-04-10 山东省水稻研究所 一种用于水稻全生育期耐盐碱性鉴定的试验基地

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
周根友等: "大田评价水稻耐盐碱性的农艺性状指标研究", 《华北农学报》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112180036A (zh) * 2020-09-02 2021-01-05 青岛农业大学 一种苗期紫花苜蓿耐亚磷酸盐评价方法
CN112262637A (zh) * 2020-10-30 2021-01-26 广东海洋大学 一种用于杂交水稻品种的耐盐性鉴定评价方法
CN112514793A (zh) * 2020-12-21 2021-03-19 扬州大学 一种耐盐性水稻品种的筛选方法
CN113748787A (zh) * 2021-09-10 2021-12-07 海南浙江大学研究院 一种发芽期耐盐或盐敏感水稻种子的筛选方法
CN113748787B (zh) * 2021-09-10 2022-08-16 海南浙江大学研究院 一种发芽期耐盐或盐敏感水稻种子的筛选方法

Also Published As

Publication number Publication date
CN108377788B (zh) 2020-10-30

Similar Documents

Publication Publication Date Title
CN108377788A (zh) 一种水稻全生育期耐盐性鉴定评价方法
Majidi et al. Wild safflower species ('Carthamus oxyacanthus' Bieb.): A possible source of drought tolerance for arid environments
Zarei et al. Evaluation of grain yield and some agronomic characters in durum wheat ('Triticum turgidum'L.) Under rainfed conditions
Teshome et al. Diversity in landraces of cereal and legume crops
CN108241043A (zh) 一种甘薯苗期耐盐性的鉴定方法
CN103430783A (zh) 一种小麦苗期耐盐性的鉴定评价方法
Yassin et al. Assessment of salinity tolerance bread wheat genotypes: using stress tolerance indices
Chapman et al. Capturing and selecting senescence variation in wheat
Esan et al. AMMI and GGE biplot analyses of Bambara groundnut [Vigna subterranea (L.) Verdc.] for agronomic performances under three environmental conditions
ZEBARJADI et al. Assessment of drought tolerance in some bread wheat genotypes using drought resistance indices.
CN115579057A (zh) 基于全基因组选择研究的水稻籽粒镉积累性状预测装置和预警系统
Bohn et al. Genetic evaluation of root complexity in maize
Louarn et al. Simple envelope-based reconstruction methods can infer light partitioning among individual plants in sparse and dense herbaceous canopies
Gura et al. Short-term effects of conservation agriculture strategies on the soil quality of a Haplic Plinthosol in Eastern Cape, South Africa
Sestras et al. Quantitative traits of interest in apple breeding and their implications for selection
Liu et al. Effects of farmland landscape pattern on spatial distribution of soil organic carbon in Lower Liaohe Plain of northeastern China
Darwish et al. Evaluation of some bread wheat genotypes under saline soil conditions using tolerance indices and multivariate analysis
Dutta et al. Development of core set of wheat (Triticum spp.) germplasm conserved in the national genebank in India
Zayed et al. Path coefficient, eigenvalues, and genetic parameters in Egyptian rice (Oryza sativa L.) under aerobic conditions.
Udensi et al. Evaluation and identification of genetic variation pattern in cowpea [Vigna unguiculata (L.) Walp] accessions using multivariate analyses
Barbanti et al. Assessing wheat spatial variation based on proximal and remote spectral vegetation indices and soil properties
Parent et al. Machine learning, compositional and fractal models to diagnose soil quality and plant nutrition
Kertesz Improvement of harvest index
Ishaaq et al. Identification and characterization of morphophysiological and yield-oriented traits for drought improvement in wheat.
CN109735651A (zh) 一种小麦条锈病的抗性评价方法及利用品种多样性控制小麦条锈病的方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant