CN109146119B - 小麦耐荫性综合鉴定模型、方法及应用 - Google Patents
小麦耐荫性综合鉴定模型、方法及应用 Download PDFInfo
- Publication number
- CN109146119B CN109146119B CN201810639510.1A CN201810639510A CN109146119B CN 109146119 B CN109146119 B CN 109146119B CN 201810639510 A CN201810639510 A CN 201810639510A CN 109146119 B CN109146119 B CN 109146119B
- Authority
- CN
- China
- Prior art keywords
- wheat
- shade
- winter
- shade tolerance
- ear
- 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.)
- Active
Links
- 241000209140 Triticum Species 0.000 title claims abstract description 111
- 235000021307 Triticum Nutrition 0.000 title claims abstract description 111
- 238000000034 method Methods 0.000 title claims abstract description 13
- 238000011156 evaluation Methods 0.000 claims abstract description 23
- 235000013339 cereals Nutrition 0.000 claims abstract description 20
- 230000005068 transpiration Effects 0.000 claims abstract description 17
- 230000000243 photosynthetic effect Effects 0.000 claims description 7
- 238000009313 farming Methods 0.000 claims description 6
- 102000004190 Enzymes Human genes 0.000 claims description 3
- 108090000790 Enzymes Proteins 0.000 claims description 3
- 238000001035 drying Methods 0.000 claims description 3
- 238000005303 weighing Methods 0.000 claims description 3
- 241000894007 species Species 0.000 claims description 2
- 241000495841 Oenanthe oenanthe Species 0.000 abstract description 2
- 241000196324 Embryophyta Species 0.000 description 19
- 238000004458 analytical method Methods 0.000 description 9
- 238000012360 testing method Methods 0.000 description 5
- 210000005069 ears Anatomy 0.000 description 4
- 239000000463 material Substances 0.000 description 4
- 244000068988 Glycine max Species 0.000 description 3
- 235000010469 Glycine max Nutrition 0.000 description 3
- 238000000491 multivariate analysis Methods 0.000 description 3
- 239000012925 reference material Substances 0.000 description 3
- 238000007621 cluster analysis Methods 0.000 description 2
- 239000002131 composite material Substances 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000003306 harvesting Methods 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000000513 principal component analysis Methods 0.000 description 2
- 241000037488 Coccoloba pubescens Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 229930002875 chlorophyll Natural products 0.000 description 1
- 235000019804 chlorophyll Nutrition 0.000 description 1
- ATNHDLDRLWWWCB-AENOIHSZSA-M chlorophyll a Chemical compound C1([C@@H](C(=O)OC)C(=O)C2=C3C)=C2N2C3=CC(C(CC)=C3C)=[N+]4C3=CC3=C(C=C)C(C)=C5N3[Mg-2]42[N+]2=C1[C@@H](CCC(=O)OC\C=C(/C)CCC[C@H](C)CCC[C@H](C)CCCC(C)C)[C@H](C)C2=C5 ATNHDLDRLWWWCB-AENOIHSZSA-M 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 238000010899 nucleation Methods 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000017260 vegetative to reproductive phase transition of meristem Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- A01G22/00—Cultivation of specific crops or plants not otherwise provided for
- A01G22/20—Cereals
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Life Sciences & Earth Sciences (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Educational Administration (AREA)
- Agronomy & Crop Science (AREA)
- Animal Husbandry (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Botany (AREA)
- Environmental Sciences (AREA)
- Breeding Of Plants And Reproduction By Means Of Culturing (AREA)
Abstract
本发明公开了一种小麦耐荫性综合鉴定模型、方法及应用，涉及农业种植领域。所述鉴定模型为：D＝‑1.049+0.357Tr+0.485MSW+0.756PL+0.179SLA+0.206WDW；Tr为小麦叶的蒸腾速率，单位mmol·m‑2·s‑1；MSW为小麦的主穗粒重，单位g；PL为小麦的穗长，单位cm；SLA为小麦的比叶面积，单位cm2/g；WDW为小麦穗干重，单位g；D的数值越大，表示所述小麦的耐荫性越强。本发明的鉴定模型可用于冬小麦耐荫性评价，可以在同等条件下测定其他冬小麦品种的上述5个指标，求得其耐荫系数，并利用此模型求得耐荫性综合评价值D，可以科学有效的预测不同冬小麦品种的耐荫性。
Description
技术领域
本发明涉及农业种植技术领域，尤其涉及小麦耐荫性综合鉴定模型、方法及应用。
背景技术
植物耐荫性鉴定指标与植物的遗传因素、外界环境有密切联系，应用尽可能多的指标来进行综合评价。指标相对值比绝对值更能准确反映出植物耐荫能力的大小。对于大豆耐荫性的评价，已有相关研究，陈怀珠等选择受荫蔽影响大、与荫蔽密切相关、易操作的结荚期生物产量、收获期株高、最低结荚高度、单株荚数、单株粒数、单株粒重和百粒重为指标性状，以指标性状的耐荫系数累加，求出平均值即得出大豆品种的综合耐荫系数，采用综合方法评定大豆品种资源的耐荫性。黄其椿等取各指标间相关系数大的标准荚数、标准荚重、百粒重、小区产量、株高、主茎节数、单株单粒荚、单株荚重、标准荚长等9个指标进行评定。
在冬小麦的耐荫性综合评价指标或评价方法中，由于各单项指标在不同冬小麦品种耐荫性评价中所起作用有所不同，并且小麦耐荫性是由多个性状综合决定的，而不是直接利用某一个指标对小麦品种的耐荫性进行评价。因此，应开发一种针对小麦耐荫性多元分析鉴定模型或评价方法。
发明内容
有鉴于此，本发明实施例提供了一种小麦耐荫性综合鉴定模型、方法及应用，主要目的是解决小麦耐荫性评价方法准确性低的问题。
为达到上述目的，本发明主要提供了如下技术方案：
一方面，本发明实施例提供了一种小麦耐荫性综合鉴定模型，所述鉴定模型为：D＝-1.049+0.357Tr+0.485MSW+0.756PL+0.179SLA+0.206WDW；其中，
所述Tr为小麦叶的蒸腾速率，单位mmol·m-2·s-1；
所述MSW为小麦的主穗粒重，单位g；
所述PL为小麦的穗长，单位cm；
所述SLA为小麦的比叶面积，单位cm2/g；
所述WDW为小麦穗干重，单位g；
所述D的数值越大，表示所述小麦的耐荫性越强。
另一方面，本发明实施例提供了一种小麦耐荫性综合鉴定方法，所述方法包括以下步骤：
测定小麦旗叶的蒸腾速率、小麦成熟时的主穗粒重、小麦成熟时的穗长、小麦的比叶面积以及小麦的穗干重；
根据测定的小麦5个性状指标数值和权利要求1所述的鉴定模型，计算得到D值，所述D值越大，表示小麦的耐荫性越强。
作为优选，所述小麦旗叶的蒸腾速率是采用CI-340便携式光合仪在上午9点-11点测得；所述小麦的穗干重是将采集的麦穗于烘箱中105℃杀青30min，然后85℃烘干至恒重，最后称量得到。
再一方面，本发明实施例提供了上述小麦耐荫性综合鉴定模型在冬小麦耐荫性综合评价中的应用。
作为优选，所述冬小麦的品种为周麦20、豫麦34、新冬40、矮抗58、太空6号、新麦18、花培8号、新冬20、西农979、温9519、周麦32、郑农16、新冬57、新冬60、中育8号、周麦25、丰舞981、豫保1号、郑麦583以及豫展4号。
作为优选，根据权利要求1鉴定模型计算出的D值，对所述冬小麦的20个品种进行耐荫性综合评价并聚类：所述新冬40、所述周麦20、所述太空6号和所述丰舞981为第Ⅰ类，即强耐荫类型；所述矮抗58、所述西农979、所述郑农16、所述周麦25、所述中育8号和所述豫展4号为第Ⅱ类，属于较耐荫类型；所述新冬20、所述温9519、所述豫麦34、所述新麦18、所述新冬57、所述郑麦583和所述新冬60为第Ⅲ种类，属于一般耐荫类型；所述豫保1号和所述周麦32为第Ⅳ类，属于不耐荫类型。
与现有技术相比，本发明的有益效果是：
本发明针对采用单一性状指标评价冬小麦耐荫性其结论不准确的技术问题，通过多元分析，最终从冬小麦多个性状中筛选出对冬小麦耐荫性影响比较明显的5可信度高的耐荫性鉴定指标，分别为蒸腾速率(Tr)、主穗粒重(MSW)、穗长(PL)、比叶面积(SLA)、穗干重(WDW)，根据分析结果，建立了可用于耐荫性综合评价的数学模型，D＝-1.049+0.357Tr+0.485MSW+0.756PL+0.179SLA+0.206WDW。通过验证分析，本发明设计的鉴定模型与各冬小麦品种的实际耐荫性评价结果相似，其估计精度均在90.48％以上，因此，本发明的鉴定模型可用于冬小麦耐荫性评价，以后可以在同等条件下测定其他冬小麦品种的上述5个指标，求得其耐荫系数，并利用此方程求得耐荫性综合评价值D，可以科学有效的预测不同冬小麦品种的耐荫性。
附图说明
图1是本发明实施例提供的20个冬小麦品种单项指标测定数据图(表2)。
图2是本发明实施例提供的单项指标耐荫系数相关系数矩阵图(表3)；
图3是本发明实施例提供的参试材料的综合评价图表(表5)；
图4是本发明实施例提供的20个冬小麦品种聚类树状图。
具体实施方式
为更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下以较佳实施例，对依据本发明申请的具体实施方式、技术方案、特征及其功效，详细说明如后。下述说明中的多个实施例中的特定特征、结构、或特点可由任何合适形式组合。
实施例
本试验于2017年在新疆小麦育种家泽普基地进行；供试材料为根据前期产量结果筛选出的不同耐荫性的小麦品种20个(见表1)；光照处理设置为弱光和自然光对照两个处理；试验设置3个重复，每个重复播种面积为1m2，行距20cm，试验材料于2016年10月15日播种，2017年4月15日冬小麦处于拔节期时搭建遮阴网，遮光率为70％，对试验材料进行弱光胁迫，在植株生长到扬花期时开始测定相关性状指标；试验期间各处理的栽培水品及管理措施都保持一致。
表1参试材料
不同字母表示在p<0.05水平上差异显著；S/C表示弱光与自然光的比值。
在冬小麦灌浆期，每小区中间连续选取具有代表性的植株5株，分别测定每个冬小麦品种的旗叶叶绿素相对含量(SPAD)；于上午9：00—11：00之间，使用CI-340便携式光合仪测定净光合速率(Pn)、蒸腾速率(Tr)、气孔导度(Gs)、胞间CO2浓度(Ci)等光合特性参数；同时选择不同冬小麦植株10株，分别取茎杆、叶片、麦穗于烘箱中105℃杀青30min，然后85℃烘干至恒重，最后称量叶干重(LDW)、茎干重(SDW)、穗干重(WDW)、植株干重(DW)及比叶面积(SLA)。
冬小麦成熟时每小区中间连续取有代表性的植株10株，测定株高(PH)、穗长(PL)、有效分蘖数(PT)、小穗数(SN)、穗粒数(GNP)、主穗粒重(MSW)、收获后测小区产量(PY)和千粒重(TSW)。
采用Microsoft Excel 2010软件进行数据整理与分析；采用SPSS17.0软件进行相关性分析、主成分分析、聚类分析及逐步回归多元分析。相关指标计算如下：
耐荫系数(shade tolerance coefficient，STC)：
STC＝遮光处理性状值/对照性状值 (1)
不同冬小麦品种各综合指标的隶属函数值：
u(Xj)＝(Xj-Xmin)/(Xmax-Xmin) j＝1，2，3，…，n (2)
各综合指标的权重：
各冬小麦品种(系)的综合耐荫评价值：
用公式(2)求得每一个品种各综合指标的隶属函数值，式中，Xj表示第j个综合指标，Xmax表示第j个综合指标的最大值，Xmin表示第j个综合指标的最小值。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；pj为各冬小麦品种第j个综合指标的贡献率。D值为不同冬小麦品种在弱光胁迫条件下由综合指标计算所得的耐荫性综合评价值。
各单项指标的耐荫系数及其相关分析：由图1(表2)可以看出，不同冬小麦品种经弱光胁迫处理后，与自然光对照相比，其比叶面积、SPAD、气孔导度和胞间CO2浓度均表现出升高趋势(STC＞1)，而穗长、有效分蘖、穗粒数、主穗粒重、植株总干重、叶干重、茎干重、穗干重、光合速率和蒸腾速率则表现出下降趋势(STC＜1)，其余单项指标如株高、千粒重、小穗数等在各材料中的表现规律不一致，有的升高，有的下降低，此外，不同参试材料各单项指标的变化幅度有所不同。因此，仅仅只利用单一性状指标的耐荫系数来评价不同冬小麦品种耐荫性的差异是不够全面和严谨的。
从各单项指标耐荫系数的相关系数矩阵，图2(表3)中可以看出，各单项指标之间都存在不同程度的相关性，部分性状间的相关性达到了显著或极显著水平，这样会造成它们所提供的信息发生相互重叠。另外，各单项指标在不同冬小麦品种耐荫性评价中所起作用也有所不同，表明小麦耐荫性是由多个性状综合决定的，而不是直接利用某一个指标对小麦品种的耐荫性进行评价。因此，为了寻找更加科学有效的评价方法，需要在单项指标评价的基础上，进一步利用更多多元统计方法进行综合分析和评价。
主成分分析：以不同小麦品种(系)每个单项指标的耐荫系数为基础，使用DPS7.05软件计算出各主成分的特征向量和贡献率(表4)，并根据各特征向量的绝对值将不同性状指标划分到不同的主成分之中。同一指标在各因子中的最大绝对值所在位置即为其所属主成分。由表4可以看出，主成分分析特征值中6个成分的累计贡献率达到83.522％，且每个主成分的特征值均大于1，其余成分可忽略不计。这样可将原来的17个单项指标转换为6个新的相互独立的综合指标(comprehensive index，CI)，这6个主成分代表了原始指标携带的绝大部分信息。因此，可以用这6个主成分指标对不同冬小麦品种的耐荫性进行概括分析。
决定第1主成分大小的主要是植株总干重、叶干重、茎干重和穗干重这4个性状分量，主成分1相当于3.969个原始指标的作用，可反映原始数据信息量的23.346％。
决定第2主成分大小的主要是光合速率、蒸腾速率、气孔导度和胞间CO2浓度，主成分2相当于3.463个原始指标的作用，可反映原始数据信息量的20.370％。
决定第3主成分大小的主要是穗长、穗粒数和主穗粒重3个性状分量，主成分3相当于2.849个原始指标的作用，可反映原始数据信息量的16.760％。
决定第4主成分大小的主要是株高和千粒重2个性状分量，主成分4相当于1.472个原始指标的作用，可反映原始数据信息量的8.661％。
决定第5主成分大小的主要是比叶面积和有效分蘖数2个性状分量，主成分5相当于1.351个原始指标的作用，可反映原始数据信息量的7.944％。
决定第6主成分大小的主要是小穗数和SPAD值2个性状分量，主成分6相当于1.095个原始指标的作用，可反映原始数据信息量的6.441％。
耐荫性综合评价：
隶属函数分析：根据公式(2)计算每一冬小麦品种各综合指标的隶属函数值(表5)。对于同一综合指标如CI1而言，在遮光处理条件下，新冬40号的u(X1)最大，为0.280，表明此品种以CI1为评价指标时表现为耐荫性最强，而豫麦34的u(X1)值最小，为0.000，表明此品种以CI1这一综合指标为评价标准时耐荫性最弱。
权重确定：根据各综合指标贡献率大小，可用公式(3)计算其权重wj。经计算，6个综合指标的权重分别为0.280、0.244、0.201、0.104、0.095和0.077如图3(表5)。
采用公式(4)计算各冬小麦品种综合耐荫能力的D值(表5)，并根据D值对各品种的耐荫能力进行分级。其中，新冬40号的D值最大，为0.719，表明其耐荫性最强，豫保1号的D值最小，为0.217，表明其耐荫性最弱。采用欧式距离离差平方和法对D值进行聚类分析(图1)，可将20个冬小麦品种划分为4类：新冬40、周麦20、太空6号和丰舞981为第Ⅰ类，属于强耐荫类型；矮抗58、西农979、郑农16、周麦25、中育8号和豫展4号为第Ⅱ类，属于较耐荫类型；新冬20、温9519、豫麦34、新麦18、新冬57、郑麦583和新冬60为第Ⅲ种类型，属于一般耐荫类型；豫保1号和周麦32为第Ⅳ类，属于不耐荫类型。
回归分析及耐荫鉴定指标的选择：为发掘各综合指标与耐荫性之间的关系，筛选出可信度高的耐荫性鉴定指标，建立可用于耐荫性综合评价的数学模型，以耐荫性综合评价值(D值)作为因变量，各单项指标的耐荫系数作为自变量，在SPSS软件中应用逐步回归方法建立最优回归方程：D＝-1.049+0.357Tr+0.485MSW+0.756PL+0.179SLA+0.206WDW(F＝91.720，R2＝0.960)(F:回归方程的拟合检验统计量；R2为决定系数)，对回归方程的估计精度进行评价(表6)，结果表明，各冬小麦品种的估计精度均在90.48％以上，表明方程中的5个指标对冬小麦耐荫性影响比较明显，该方程可用于冬小麦耐荫性评价。今后可以在同等条件下测定其他冬小麦品种的上述5个指标，求得耐荫系数，并利用此方程求得耐荫性综合评价值D，可以科学有效的预测不同冬小麦品种的耐荫性。
各品种(系)耐荫类别的特征分析：根据聚类和逐步回归结果，将不同耐荫类型小麦在对照和遮光处理下各主要性状的平均值列于表7，分析遮光处理后不同耐荫类型小麦表现特征：
第Ⅰ类(强耐荫型)：小麦的穗长长，主穗粒重重，比叶面积大，穗干重小，蒸腾速率较大；
第Ⅱ类(较耐荫型)：小麦的穗长长，主穗粒重较重，比叶面积小，穗干重小，蒸腾速率大；
第Ⅲ类(一般耐荫型)：小麦的穗长较长，主穗粒重较重，比叶面积小，穗干重小，蒸腾速率小；
第IV类(不耐荫型)：小麦的穗长短，主穗粒重较重，比叶面积大，穗干重较大，蒸腾速率小。
将20个冬小麦品种分成强耐荫型冬小麦品种4个、较耐荫型冬小麦品种6个、一般耐荫型冬小麦品种7个和不耐荫型冬小麦品种3个。蒸腾速率(Tr)、主穗粒重(MSW)、穗长(PL)、比叶面积(SLA)、穗干重(WDW)可以作为冬小麦品种耐荫性鉴定指标。强耐荫型冬小麦品种在遮光处理后表现为穗长较长、主穗粒重较重和比叶面积较大，穗干重和蒸腾速率保持中等。表4各综合指标的系数及贡献率
表6回归方程的估计精度分析
表7聚类结果中不同耐荫类型各性状的表现特征
本发明实施例中未尽之处，本领域技术人员均可从现有技术中选用。以上公开的仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以上述权利要求的保护范围为准。
Claims (2)
1.小麦耐荫性综合鉴定方法，其特征在于，
所述方法包括以下步骤：
测定小麦旗叶的蒸腾速率、小麦成熟时的主穗粒重、小麦成熟时的穗长、小麦的比叶面积以及小麦的穗干重；
根据测定的小麦5个性状指标数值和鉴定模型，计算得到D值，所述D值越大，表示小麦的耐荫性越强；鉴定模型为：
D＝-1.049+0.357Tr+0.485MSW+0.756PL+0.179SLA+0.206WDW；其中，
所述Tr为小麦叶的蒸腾速率，单位mmol·m-2·s-1；
所述MSW为小麦的主穗粒重，单位g；
所述PL为小麦的穗长，单位cm；
所述SLA为小麦的比叶面积，单位cm2/g；
所述WDW为小麦穗干重，单位g；
所述D的数值越大，表示所述小麦的耐荫性越强；
所述小麦旗叶的蒸腾速率是采用CI-340便携式光合仪在上午9点-11点测得；所述小麦的穗干重是将采集的麦穗于烘箱中105℃杀青30min，然后85℃烘干至恒重，最后称量得到。
2.如 权利要求1所述的小麦耐荫性综合鉴定模型在冬小麦耐荫性综合评价中的应用，
其特征在于，所述冬小麦的品种为周麦20、豫麦34、新冬40、矮抗58、太空6号、新麦18、花培8号、新冬20、西农979、温9519、周麦32、郑农16、新冬57、新冬60、中育8号、周麦25、丰舞981、豫保1号、郑麦583以及豫展4号；
根据权利要求1中 鉴定模型计算出的D值，对所述冬小麦的20个品种进行耐荫性综合评价并聚类：所述新冬40、所述周麦20、所述太空6号和所述丰舞981为第Ⅰ类，即强耐荫类型；所述矮抗58、所述西农979、所述郑农16、所述周麦25、所述中育8号和所述豫展4号为第Ⅱ类，属于较耐荫类型；所述新冬20、所述温9519、所述豫麦34、所述新麦18、所述新冬57、所述郑麦583和所述新冬60为第Ⅲ种类，属于一般耐荫类型；所述豫保1号和所述周麦32为第Ⅳ类，属于不耐荫类型。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810639510.1A CN109146119B (zh) | 2018-06-20 | 2018-06-20 | 小麦耐荫性综合鉴定模型、方法及应用 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810639510.1A CN109146119B (zh) | 2018-06-20 | 2018-06-20 | 小麦耐荫性综合鉴定模型、方法及应用 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109146119A CN109146119A (zh) | 2019-01-04 |
| CN109146119B true CN109146119B (zh) | 2022-05-20 |
Family
ID=64802141
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810639510.1A Active CN109146119B (zh) | 2018-06-20 | 2018-06-20 | 小麦耐荫性综合鉴定模型、方法及应用 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109146119B (zh) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112529049A (zh) * | 2020-11-24 | 2021-03-19 | 中国科学院植物研究所 | 一种城市绿地物种耐荫性评价方法及城市绿地物种选择方法 |
| CN113179883B (zh) * | 2021-04-22 | 2023-01-20 | 石家庄市农林科学研究院 | 一种耐阴小麦的评价方法 |
| CN113656958A (zh) * | 2021-08-10 | 2021-11-16 | 石家庄市农林科学研究院 | 一种耐荫大豆种质筛选鉴定方法 |
| CN117054609A (zh) * | 2023-08-14 | 2023-11-14 | 中国热带农业科学院热带作物品种资源研究所 | 一种钝叶草种质资源耐荫性评价方法 |
| CN118333240B (zh) * | 2024-06-12 | 2024-08-27 | 吉林农业大学 | 一种尿囊素参与下的大豆产量的预测方法 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106846159A (zh) * | 2017-01-22 | 2017-06-13 | 河南省农业科学院小麦研究所 | 一种鉴定或评价小麦抗寒性的方法 |
-
2018
- 2018-06-20 CN CN201810639510.1A patent/CN109146119B/zh active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106846159A (zh) * | 2017-01-22 | 2017-06-13 | 河南省农业科学院小麦研究所 | 一种鉴定或评价小麦抗寒性的方法 |
Non-Patent Citations (2)
| Title |
|---|
| "荫蔽对大豆主要性状的影响及大豆耐荫性鉴定方法研究初报";陈怀珠 等;《中国油料作物》;20031230;第25卷(第4期);第1-4页 * |
| "菜用大豆种质资源遮光胁迫下的耐阴性研究";黄其椿 等;《西南农业学报》;20121228;第25卷(第6期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109146119A (zh) | 2019-01-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109146119B (zh) | 小麦耐荫性综合鉴定模型、方法及应用 | |
| Blum | Breeding programs for improving crop resistance to water stress | |
| Gustavsson | A developmental scale for perennial forage grasses based on the decimal code framework | |
| Chen et al. | Phenotypic variability and modelling of root structure of wild Lupinus angustifolius genotypes | |
| Osorio et al. | Age trends of heritabilities and genotype-by-environment interactions for growth traits and wood density from clonal trials of Eucalyptus grandis Hill ex Maiden | |
| Ranawake et al. | Agronomic characters of some traditional rice (Oryza sativa L.) cultivars in Sri Lanka | |
| Wang et al. | Strategy for the construction of a core collection for Pinus yunnanensis Franch. to optimize timber based on combined phenotype and molecular marker data | |
| Datta et al. | Genetic diversity, heritability and genetic advance of Solanum melongena L. from three secondary centers of diversity. | |
| Thangjam et al. | Characterization of morphometric, reproductive and seedling traits of Parkia timoriana in northeast India | |
| Yadav et al. | Screening of forty Indian Amaranthus hypochondriacus cultivars for tolerance and susceptibility to tropospheric ozone stress | |
| Liu et al. | Contrasting strategies of alfalfa stem elongation in response to fall dormancy in early growth stage: the tradeoff between internode length and internode number | |
| Dar et al. | Meta analysis on the evaluation and application of DSSAT in South Asia and China: Recent studies and the way forward | |
| Nabati et al. | Identification of diverse agronomic traits in chickpea (Cicer arietinum L.) germplasm lines to use in crop improvement | |
| Suriyagoda et al. | Morphological variation in selected rice (Oryza sativa L.) germplasm of Sri Lanka | |
| Farshadfar et al. | Evaluation of genetic parameters in agro-physiological traits of wheat (Triticum aestivum L.) under irrigated condition | |
| Robledo-Arnuncio et al. | Estimating gametic introgression rates in a risk assessment context: a case study with Scots pine relicts | |
| Carvalho et al. | Artificial neural network and multivariate models applied to morphological traits and seeds of common beans genotypes | |
| Mogale | Multi-Location Field Evaluation of Bambara Groundnut (Vigna subterranean (L) Verdc) for Agronomic Performance and Seed Protein. | |
| Khazaei et al. | Evaluation of wheat (Triticum aestivum, L.) seed quality of certified seed and farm-saved seed in three provinces of Iran | |
| Dragov et al. | Phenotypic stability of yield on varieties and lines of durum wheat (Triticum durum Desf.). | |
| Dido et al. | Multivariate analysis of quantitative characters variability in Ethiopian barley (Hordeum vulgare L.) landrace: based on regions and altitude | |
| Siddiqui et al. | Natural selection under conventional and organic cropping systems affect root architecture in spring barley | |
| Wang et al. | Simulation study of the competitive ability of erect, semi‐erect and prostrate cowpea (Vigna unguiculata) genotypes | |
| Vosough et al. | Herbage yield stability of cocksfoot (Dactylis glomerata L.) genotypes across rain-fed environments | |
| Hughes et al. | Preharvest sprouting tolerance in current soft red winter wheat cultivars |
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 |