CN110705649A - 一种不同磷效率基因型大豆品种的快速鉴定方法 - Google Patents
一种不同磷效率基因型大豆品种的快速鉴定方法 Download PDFInfo
- Publication number
- CN110705649A CN110705649A CN201910968880.4A CN201910968880A CN110705649A CN 110705649 A CN110705649 A CN 110705649A CN 201910968880 A CN201910968880 A CN 201910968880A CN 110705649 A CN110705649 A CN 110705649A
- Authority
- CN
- China
- Prior art keywords
- phosphorus
- soybean
- root
- efficiency
- low
- 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.)
- Pending
Links
- 229910052698 phosphorus Inorganic materials 0.000 title claims abstract description 198
- 239000011574 phosphorus Substances 0.000 title claims abstract description 198
- 244000068988 Glycine max Species 0.000 title claims abstract description 162
- 235000010469 Glycine max Nutrition 0.000 title claims abstract description 162
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 title claims abstract description 156
- 238000000034 method Methods 0.000 title claims abstract description 25
- 238000011282 treatment Methods 0.000 claims abstract description 47
- 230000008979 phosphorus utilization Effects 0.000 claims description 28
- 235000015097 nutrients Nutrition 0.000 claims description 18
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Chemical compound O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 9
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N Silicium dioxide Chemical compound O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 claims description 7
- 239000012153 distilled water Substances 0.000 claims description 5
- 239000006004 Quartz sand Substances 0.000 claims description 4
- 238000009331 sowing Methods 0.000 claims description 4
- 229910003208 (NH4)6Mo7O24·4H2O Inorganic materials 0.000 claims description 3
- 229910052927 chalcanthite Inorganic materials 0.000 claims description 3
- 238000012136 culture method Methods 0.000 claims description 3
- 229910052602 gypsum Inorganic materials 0.000 claims description 3
- 229910000402 monopotassium phosphate Inorganic materials 0.000 claims description 3
- 239000004576 sand Substances 0.000 claims description 3
- 239000007836 KH2PO4 Substances 0.000 claims description 2
- 229910052564 epsomite Inorganic materials 0.000 claims description 2
- SQQMAOCOWKFBNP-UHFFFAOYSA-L manganese(II) sulfate Chemical compound [Mn+2].[O-]S([O-])(=O)=O SQQMAOCOWKFBNP-UHFFFAOYSA-L 0.000 claims description 2
- 229910000357 manganese(II) sulfate Inorganic materials 0.000 claims description 2
- 108090000623 proteins and genes Proteins 0.000 claims 1
- 238000012216 screening Methods 0.000 abstract description 29
- 230000009897 systematic effect Effects 0.000 abstract description 11
- 238000009395 breeding Methods 0.000 abstract description 2
- 230000001488 breeding effect Effects 0.000 abstract description 2
- 241000196324 Embryophyta Species 0.000 description 23
- 239000000243 solution Substances 0.000 description 21
- 238000004458 analytical method Methods 0.000 description 13
- 239000000523 sample Substances 0.000 description 11
- 238000011160 research Methods 0.000 description 10
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 8
- 239000002028 Biomass Substances 0.000 description 8
- 239000003337 fertilizer Substances 0.000 description 8
- 238000012360 testing method Methods 0.000 description 8
- 238000010521 absorption reaction Methods 0.000 description 7
- 238000000513 principal component analysis Methods 0.000 description 7
- 238000009825 accumulation Methods 0.000 description 6
- 238000007621 cluster analysis Methods 0.000 description 6
- 230000001863 plant nutrition Effects 0.000 description 6
- 239000002689 soil Substances 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 230000029087 digestion Effects 0.000 description 5
- 230000000052 comparative effect Effects 0.000 description 4
- 230000002068 genetic effect Effects 0.000 description 4
- 229910052757 nitrogen Inorganic materials 0.000 description 4
- 230000035882 stress Effects 0.000 description 4
- 229910019142 PO4 Inorganic materials 0.000 description 3
- 230000007812 deficiency Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 239000002686 phosphate fertilizer Substances 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- GZCWLCBFPRFLKL-UHFFFAOYSA-N 1-prop-2-ynoxypropan-2-ol Chemical compound CC(O)COCC#C GZCWLCBFPRFLKL-UHFFFAOYSA-N 0.000 description 2
- 102000013563 Acid Phosphatase Human genes 0.000 description 2
- 108010051457 Acid Phosphatase Proteins 0.000 description 2
- CSNNHWWHGAXBCP-UHFFFAOYSA-L Magnesium sulfate Chemical compound [Mg+2].[O-][S+2]([O-])([O-])[O-] CSNNHWWHGAXBCP-UHFFFAOYSA-L 0.000 description 2
- 244000046052 Phaseolus vulgaris Species 0.000 description 2
- 235000010627 Phaseolus vulgaris Nutrition 0.000 description 2
- 241000209140 Triticum Species 0.000 description 2
- 235000021307 Triticum Nutrition 0.000 description 2
- 238000010790 dilution Methods 0.000 description 2
- 239000012895 dilution Substances 0.000 description 2
- 230000004720 fertilization Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000035800 maturation Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 229910052603 melanterite Inorganic materials 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 235000016709 nutrition Nutrition 0.000 description 2
- 230000035764 nutrition Effects 0.000 description 2
- NBIIXXVUZAFLBC-UHFFFAOYSA-K phosphate Chemical compound [O-]P([O-])([O-])=O NBIIXXVUZAFLBC-UHFFFAOYSA-K 0.000 description 2
- 239000010452 phosphate Substances 0.000 description 2
- 230000001766 physiological effect Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000005303 weighing Methods 0.000 description 2
- 241001532704 Azolla Species 0.000 description 1
- 108090000790 Enzymes Proteins 0.000 description 1
- 102000004190 Enzymes Human genes 0.000 description 1
- VGGSQFUCUMXWEO-UHFFFAOYSA-N Ethene Chemical compound C=C VGGSQFUCUMXWEO-UHFFFAOYSA-N 0.000 description 1
- 239000005977 Ethylene Substances 0.000 description 1
- 241000209499 Lemna Species 0.000 description 1
- 244000207740 Lemna minor Species 0.000 description 1
- 235000006439 Lemna minor Nutrition 0.000 description 1
- 241000272041 Naja Species 0.000 description 1
- 240000007594 Oryza sativa Species 0.000 description 1
- 235000007164 Oryza sativa Nutrition 0.000 description 1
- 241000218093 Phedimus aizoon Species 0.000 description 1
- ZLMJMSJWJFRBEC-UHFFFAOYSA-N Potassium Chemical compound [K] ZLMJMSJWJFRBEC-UHFFFAOYSA-N 0.000 description 1
- 240000008042 Zea mays Species 0.000 description 1
- 235000005824 Zea mays ssp. parviglumis Nutrition 0.000 description 1
- 235000002017 Zea mays subsp mays Nutrition 0.000 description 1
- 238000002835 absorbance Methods 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 238000012271 agricultural production Methods 0.000 description 1
- 238000007605 air drying Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 235000005822 corn Nutrition 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000007865 diluting Methods 0.000 description 1
- 238000001035 drying Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 229910052943 magnesium sulfate Inorganic materials 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 235000019796 monopotassium phosphate Nutrition 0.000 description 1
- 239000010413 mother solution Substances 0.000 description 1
- 235000005900 nutrient bioavailability Nutrition 0.000 description 1
- PJNZPQUBCPKICU-UHFFFAOYSA-N phosphoric acid;potassium Chemical group [K].OP(O)(O)=O PJNZPQUBCPKICU-UHFFFAOYSA-N 0.000 description 1
- 230000029553 photosynthesis Effects 0.000 description 1
- 238000010672 photosynthesis Methods 0.000 description 1
- 230000008288 physiological mechanism Effects 0.000 description 1
- 229910052700 potassium Inorganic materials 0.000 description 1
- 239000011591 potassium Substances 0.000 description 1
- 238000010298 pulverizing process Methods 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 235000009566 rice Nutrition 0.000 description 1
- -1 root system form Substances 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000004575 stone Substances 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 238000005406 washing Methods 0.000 description 1
- NWONKYPBYAMBJT-UHFFFAOYSA-L zinc sulfate Chemical compound [Zn+2].[O-]S([O-])(=O)=O NWONKYPBYAMBJT-UHFFFAOYSA-L 0.000 description 1
- 229910000368 zinc sulfate Inorganic materials 0.000 description 1
- 239000011686 zinc sulphate Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/24323—Tree-organised classifiers
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01C—PLANTING; SOWING; FERTILISING
- A01C21/00—Methods of fertilising, sowing or planting
-
- 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
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Life Sciences & Earth Sciences (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Data Mining & Analysis (AREA)
- Soil Sciences (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Marine Sciences & Fisheries (AREA)
- Game Theory and Decision Science (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Agronomy & Crop Science (AREA)
- Animal Husbandry (AREA)
- Artificial Intelligence (AREA)
- Mining & Mineral Resources (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Evolutionary Computation (AREA)
- Environmental Sciences (AREA)
- Breeding Of Plants And Reproduction By Means Of Culturing (AREA)
- Cultivation Of Plants (AREA)
- Pretreatment Of Seeds And Plants (AREA)
Abstract
本发明实施例公开了一种不同磷效率基因型大豆品种的快速鉴定方法，属于大豆育种技术领域。所述方法包括以下步骤：(1)待检测大豆种子萌发成幼芽后，每一品种分别进行低磷和常磷两种处理；(2)对低磷处理下大豆苗期的根表面积和根直径，以及大豆苗期的根部磷利用效率相对值进行测定；(3)代入回归方程，通过对D值进行系统聚类，根据聚类结果即可将鉴定出磷高效基因型大豆品种、磷低效基因型大豆品种及中间型大豆品种。本发明通过苗期的三个指标即可快速鉴定基因型大豆品种的磷效率，可以减少整体筛选工作量和工作周期，为不同磷效率的基因型大豆品种的快速筛选奠定了基础。
Description
技术领域
本发明实施例涉及大豆育种技术领域，具体涉及一种不同磷效率基因型大豆品种的快速鉴定方法。
背景技术
大豆是喜磷作物，磷是影响大豆的生长发育及产量的重要因素之一。在我国，约有50％的耕地土壤有效磷<10mgP/kg。据研究表明，全世界13.7亿公顷耕地中有43％耕地缺磷，而我国1.07亿公顷耕地中有2/3缺磷，因此缺磷是全世界普遍存在的问题，也是制约农业生产的主要障碍因素。施用磷肥是目前解决土壤缺磷最普遍的方式，但是过量施肥以及不适当的施肥方式不仅严重的影响了环境，还导致磷肥储量越来越少。在前人的工作中发现，在不同的植物或相同植物不同品种(系)之间，有些植株在低磷条件下生长发育受到抑制，甚至致其死亡，而有一些植株在低磷条件下却仍能正常生长发育，说明不同植物或相同植物不同品种(系)之间对磷的吸收利用存在差异。
磷效率即在一定磷水平条件下的产量，可达到理论最高产量的百分比。因此，鉴于目前大豆生产情势和我国大豆丰富的种质资源，越来越多农业工作者们着手于磷高效大豆品种的筛选与培育。李志刚(2004)以产量为基准，结合多个指标聚类，对226个大豆品种进行筛选，最后得到锦豆33号等4个磷高效大豆品种和辽豆11号等5个磷低效大豆品种。潘相文(2008)等通过主成分分析和聚类分析，将96个大豆品种划分为三类。
在以产量性状为鉴定指标的筛选过程中，科研工作始终面临着工作量大，试验周期长，试验进度缓慢等问题。随着品种老化等问题以及新品种的不断问世，建立一种快速鉴定不同磷效率基因型大豆品种方法，对于有着重要的意义。
有鉴于此，特提出本发明。
发明内容
为此，本发明实施例提供一种不同磷效率基因型大豆品种的快速鉴定方法，以解决现有以产量性状为鉴定指标的磷高效大豆品种筛选过程中存在的工作量大，试验周期长，试验进度缓慢等问题。
为了实现上述目的，本发明实施例提供如下技术方案：
一种不同磷效率基因型大豆品种的快速鉴定方法，包括以下步骤：
(1)待检测大豆种子萌发成幼芽后，每一品种分别进行低磷和常磷两种处理；
(2)对低磷处理下大豆苗期的根表面积和根直径，以及大豆苗期的根部磷利用效率相对值进行测定；
(3)代入回归方程D＝0.002X1+0.811X2-0.019X3-0.388，其中，D为磷效率综合得分值；X1为低磷处理下大豆苗期的根表面积；X2为低磷处理下大豆苗期的根直径；X3为大豆苗期的根部磷利用效率相对值，通过对D值进行系统聚类，根据聚类结果即可鉴定出磷高效基因型大豆品种、磷低效基因型大豆品种及中间型大豆品种。。
进一步地，低磷处理采用磷浓度为0.05mM的营养液，常磷处理采用磷浓度为0.5mM的营养液，磷源为KH2PO4，低磷处理和常磷处理采用的营养液中的其它成分及含量均相同。
进一步地，营养液中除磷源外的各成分浓度分别为：3.6mmol/L CaSO4·2H2O，2mmol/L KNO3，18umol/L FeSO4·7H2O，18.9umol/L KCl，9.3umol/L H3BO3，0.9umol/LMnSO4·H2O，0.9umol/L ZnSO4·7H2O，0.18umol/L CuSO4·5H2O，0.18umol/L(NH4)6Mo7O24·4H2O，250umol/L MgSO4·7H2O。
进一步地，采用砂培法栽培大豆，栽培盆由PVC管制成，内经16cm，高25cm，盆底钻三个直径均为0.2cm的小孔，每盆装清洗后的石英砂至盆口3-4cm处。
进一步地，每盆播种后，浇灌蒸馏水，出苗后，每一品种的两个处理分别开始浇灌低磷营养液和常磷营养液。
进一步地，步骤2中，在播种后第28天取样进行测定。
进一步地，D≦0.271时，鉴定为磷高效基因型大豆品种，D值≧0.587时，鉴定为磷低效基因型大豆品种。
本发明实施例具有如下优点：
通过比较不同大豆品种在不同磷水平下单株产量及其比值(即相对产量)，对48个大豆品种进行磷效率筛选，得到磷高效和磷低效大豆品种。然后对不同大豆品种苗期不同性状相对值进行聚类分析，并与产量结果相互印证，得到低磷处理下大豆苗期的根表面积和根直径，大豆苗期根部磷利用效率相对值可作为大豆磷效率的鉴定指标，可以减少整体筛选工作量和工作周期，为不同磷效率的基因型大豆品种的快速筛选奠定了基础。
附图说明
为了更清楚地说明本发明的实施方式或现有技术中的技术方案，下面将对实施方式或现有技术描述中所需要使用的附图作简单地介绍。显而易见地，下面描述中的附图仅仅是示例性的，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图引伸获得其它的实施附图。
图1为实施例1中48个大豆品种(系)在常磷处理下产量系统聚类分析树状图；
图2为实施例1中去除剔除品种后剩余的35个大豆品种(系)在低磷处理下产量和相对产量系统聚类分析树状图；
图3为实施例1中48个大豆品种(系)根表面积、根直径和根部磷利用效率相对值的综合得分值系统聚类分析树状图；
图4为对比例1中48个大豆品种(系)苗期根长相对值，根表面积相对值，根部磷利用效率相对值综合得分值系统聚类分析树状图；
图5为对比例2中48个大豆品种(系)根长相对值，根表面积相对值，根体积相对值，根部磷利用效率相对值综合得分值系统聚类分析树状图。
具体实施方式
以下由特定的具体实施例说明本发明的实施方式，熟悉此技术的人士可由本说明书所揭露的内容轻易地了解本发明的其他优点及功效，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例1
1栽培大豆
采用砂培法栽培大豆，所用栽培盘由PVC管制成，内经16cm，高25cm，盆底钻三个直径均为0.2cm的小孔。每盆装清洗后的石英砂至盆口3-4cm处(石英砂的重量约5kg)。每一品种分别设常磷和低磷两个处理。磷源采用磷酸二氢钾(KH2PO4)，三次重复，随机区组。
每盆播种五颗种子，每天早8时浇500mL蒸馏水，晚4时浇1000mL蒸馏水，出苗后，选长势一致、个体均一的幼苗，每盆定苗三棵，每一品种的各个处理分别每天早8时浇500mL半营养液，晚4时浇1000mL蒸馏水，一周后改半营养液为全营养液，直至大豆成熟。
低磷处理即采用的营养液中磷浓度为0.05mM，常磷处理即采用的营养液中磷浓度为0.5mM。营养液(即上文中指的全营养液)配方参照Thomas E.Carter.Jr等(2001)略有改动，营养液除磷源外的各成分浓度分别为：3.6mmol/L CaSO4·2H2O，2mmol/L KNO3，18umol/L FeSO4·7H2O，18.9umol/L KCl，9.3umol/L H3BO3，0.9umol/L MnSO4·H2O，0.9umol/LZnSO4·7H2O，0.18umol/L CuSO4·5H2O，0.18umol/L(NH4)6Mo7O24·4H2O，250umol/L MgSO4·7H2O，调节营养液pH为6.0。
2指标测定
分别于苗期(播种后第28天)和成熟期取样。对每一品种各处理的苗期样品进行植株生物量、根系形态、磷含量及磷利用效率测定；对成熟期样品进行产量测定。
植株生物量、根系形态、磷含量、磷利用率、产量的测定方法如下：
苗期植株生物量：将苗期样品从子叶节处剪断，分为地上部和根部，在105℃下杀青30min，80℃下烘干至恒重，用电子天平称量生物量。
苗期根系形态：将苗期根系样品冲洗干净，用Win-RHIZO根系扫描仪对样品进行扫描和分析，获得根长、根表面积、平均根直径、根体积和根尖数等指标。
苗期磷含量及磷利用效率：将植株干样粉碎，用H2SO4-H2O2消煮法对样品进行消煮，消煮液稀释后用全自动化学分析仪测量消煮液吸光度，根据标准母液绘制磷浓度标准曲线，进而计算出磷浓度。之后，利用以下公式，分别计算植株磷含量、磷积累量和磷利用效率。
磷含量＝(磷浓度×稀释倍数×消煮液定容体积)/样品质量
(磷含量单位，mg/g；磷浓度单位，mg/L；稀释倍数，5；消煮液定容体积，0.1L；样品质量，0.3g)
磷积累量＝磷含量×生物量
(磷积累量单位，mg；磷含量单位，mg/g；生物量单位，g)
磷利用效率＝生物量/磷积累量
(磷利用效率单位，g/mg；生物量单位，g；磷积累量单位，mg)
产量的测定方法：植株完全成熟后取样，于室外自然晾晒风干之后，对每株植株样品进行手工脱粒，用电子天平对植株籽粒进行称重。
相对产量＝低磷下产量/常磷下产量。
各指标相对值＝低磷下指标值/常磷下指标值。
3数据分析
对各指标在低磷处理下的指标值和相对值分别进行不同排列组合，进而进行主成分分析，并通过加权计算隶属函数的综合得分值，在此基础上进行系统聚类。
加权计算隶属函数计算公式：
Fij＝(Xij-Ximin)/(Ximax-Ximin)(i,j＝1,2,3,……,n)
其中，Xi表示第个主成分综合指标值；wi表示权重；pi表示第i个综合指标的贡献率；D表示综合得分值。
采用Microsoft Excel 2007和SPSS 19.0软件进行生物统计与方差分析，再在此基础上进行主成分分析和聚类分析的结果如下。
表1是48个大豆品种(系)在不同磷浓度水平下的产量及相对产量。
表1
结果表明，与常磷处理相比，在低磷处理下大豆的产量均显著降低。在常磷处理下，不同品种间的产量也存在显著差异，其中品种17，30较其他品种产量更高，而品种46，47，49的产量则较低；在低磷处理下，不同品种间的产量差异并不十分显著，其中最高为品种12，产量为2.233g，最低为品种10，产量为0.774g；其相对产量也分布在0.150-0.540之间不等。
图1是48个大豆品种(系)在常磷处理下的产量系统聚类分析树状图，表2是48个大豆品种(系)在常磷处理下的产量及聚类结果。
表2
由图1可以看出，在常磷处理下，48个大豆品种一共被分成了七组，每组的平均产量分别是8.828g、7.586g、6.966g、6.111g、5.218g、4.407g和3.613gg。其中第6组和第7组一共13个品种产量较低远没有达到平均值5.572g(参见表2)，生产上利用价值较低，因此第6组和第7组一共13个品种被剔除掉。
对剩余35个大豆品种在低磷处理下的产量和相对产量进行系统聚类，分析树状图见图2，可将35个大豆品种划分为三大类：品种12为一类；品种10为一类；品种21，48等33个品种为一类。
表2为剩余35个大豆品种的产量，相对产量及磷效率类型。
表3
由表3可知，品种12号的低磷处理下的产量及相对产量均较高，被筛选为磷高效大豆品种；品种10的低磷产量和相对产量均较低，被认为是磷低效大豆品种；品种21，48等33个大豆品种为中间型大豆品种。
由于在品种筛选过程中，常遇到被筛选的试验材料数量大，生长到成熟期试验周期长，造成较大的工作量。在通过产量筛选出上述不同磷效率大豆品种的同时，寻找大豆苗期的相关指标与磷利用率的相关性，从而作为筛选磷高效品种的重要生理生化指标。
对48个供试大豆品种在不同磷浓度水平下的生理性状进行了测定，结果见表4。
表4
通过对各指标在低磷处理下的指标值和相对值分别进行不同排列组合，进而进行主成分分析，并通过加权计算隶属函数的综合得分值，再此基础上进行系统聚类。
通过多种分析发现，低磷处理下大豆苗期的根表面积和根直径，以及大豆苗期的根部磷利用效率相对值三个指标组合进行隶属函数计算结果，与成熟期低磷条件产量及相对产量为基础鉴定的结果最为相近，不同品种大豆的综合指标值(Xi)、权重(wi)、Fi、D值及大豆品种类型评价结果见表5。
表5
(4)模型建立与验证
图3是48个大豆品种(系)苗期指标(苗期根表面积、苗期根直径和苗期根系磷利用效率相对值)的综合得分值系统聚类分析树状图，可将48个大豆品种(系)划分为三类：第一类包括12、21、44等11个品种；第二类包括16、49等31个品种；第三类包括10、18等6个品种。并可以以此为初筛指标，在大豆苗期将第二类样本材料予以剔除，其剩余材料中不仅涵盖已筛选出的目标品种：品种10，品种12。还可以将试验工作量减少至原有的45％。这样不仅可以减少田间工作量，还大量缩短了试验周期，提高工作效率，可以更加方便的进行大规格的品种筛选工作。
为进一步简化可靠的磷效率鉴定指标，探讨可用于磷效率鉴定的数学模型，进行磷效率预测，以磷效率综合得分值(D值)作因变量，以低磷处理下大豆苗期的根表面积和大豆苗期的根直径，以及根部磷利用效率相对值作自变量进行逐步回归分析，建立回归方程D＝0.002X1+0.811X2-0.019X3-0.388(P＝0.000，R2＝1.000)，其中X1为低磷处理下根表面积；X2为低磷处理下根直径；X3为根部磷利用效率相对值。通过对得出的D值进行聚类分析，可得到不同磷效率大豆品种(系)的划分结果。
对回归方程的估计精度进行评价，结果见表6。
表6
由表6可知，所有品种回归值的估计精度全在90％以上，故认为可通过低磷处理下苗期根表面积、根直径和根部磷利用效率相对值三个指标对大豆品种的磷效率进行预估。
对比例1
通过对不同大豆苗期根长相对值，根表面积相对值，根部磷利用效率相对值进行主成分分析，并对得到的主成分进行加权计算，得到综合得分值D，并对D值进行系统聚类。
表7是48个大豆品种(系)苗期根长相对值，根表面积相对值，根部磷利用效率相对值主成分分析结果(主成分、Fi、权重和综合得分值D)。
表7
图4是48个大豆品种(系)苗期根长相对值，根表面积相对值，根部磷利用效率相对值综合得分值系统聚类分析树状图。通过聚类结果可将48个大豆品种划分为三类：一类为品种43，其通过根长相对值，根表面积相对值，根部磷利用效率相对值三个指标计算后得到的D值较高，因此认为该类型大豆品种为第一类；一类为15，33，48等37个大豆品种，其得到D值较低，因此认为该类型大豆品种为第二类；一类为1，44，46等10个大豆品种，其得到的D值介于上述两类之间，因此认为该类型大豆品种为第三类。由于此结论与前文表三结果(由低磷条件产量和相对产量双指标聚类结果)矛盾，故无法通过苗期根长相对值，根表面积相对值，根部磷利用效率相对值为指标对大豆品种进行筛选。
对比例2
通过对不同大豆品种苗期根长相对值，根表面积相对值，根体积相对值，根部磷利用效率相对值进行主成分分析，并对得到的主成分进行加权计算，得到综合得分值D，并对D值进行系统聚类。
表8是48个大豆品种(系)苗期根长相对值，根表面积相对值，根体积相对值，根部磷利用效率相对值主成分分析结果(主成分、Fi、权重和综合得分值D)。
表8
图5是48个大豆品种(系)苗期根长相对值，根表面积相对值，根体积相对值，根部磷利用效率相对值综合得分值系统聚类分析树状图。通过聚类结果可将48个大豆品种划分为三类：一类为品种1和43，其通过根长相对值，根表面积相对值，根体积相对值，根部磷利用效率相对值四个指标计算后得到的D值较高，因此认为该类型大豆品种为第一类；一类为品种14，其得到D值较低，因此认为该类型大豆品种为第二类；一类为19，30，44等45个大豆品种，其得到的D值介于上述两类之间，因此认为该类型大豆品种为第三类。由于此结论与前文表三结果(由低磷条件产量和相对产量双指标聚类结果)矛盾，故无法通过根长相对值，根表面积相对值，根体积相对值，根部磷利用效率相对值为指标对大豆品种进行筛选。
结论
磷效率性状是植物自身在磷素吸收、转运、利用等一系列性状的总和。磷高效基因型大豆与磷低效基因型大豆相比，在磷素充足的情况下，两者在产量表现和植株形态上差异并不明显。而在低磷条件下，磷高效基因型大豆由于具有更高的磷素吸收利用能力，相比磷低效基因型大豆具有更高的产量和良好的植株形态。磷高效基因型大豆的这一特性是与其自生的遗传背景紧密相关的。
李向华(1998)表示理想型大豆品种(系)在正常生长条件下应具有较高的生产潜力。因此本研究在探讨其耐低磷能力的同时，对常磷水平下产量表现较差的品种予以剔除。柏栋阴(2007)年通过不同磷浓度水平下的相对产量和低磷浓度水平下单株产量较平均产量的比值对若干小麦品种进行磷效率筛选，本研究借鉴前人分析方式，对不同大豆品种(系)在不同磷浓度水平下的相对产量和低磷浓度水平下单株产量进行聚类分析。尹元萍(2015)研究中得到苗期根表面积、总根长、根部磷含量可作为大豆品种(系)磷效率筛选指标，与本研究中筛选指标不尽相同，说明通过苗期性状对大豆品种(系)筛选仍待进一步完善。
本研究通过比较不同大豆品种在不同磷水平下的产量及其相对产量，对48个大豆品种进行磷效率筛选，最后得到磷高效大豆品种12和磷低效大豆品种10。同时，通过对不同大豆品种在苗期不同性状的表现进行分析，得到低磷处理下苗期根表面积、根直径和根部磷利用效率相对值三个指标可以作为大豆磷效率初筛指标，在苗期对不同大豆品种进行筛选，并建立回归方程：D＝0.002X1+0.811X2-0.019X3-0.388，其中，X1为低磷处理下苗期的根表面积；X2为低磷处理下苗期的根直径；X3为苗期的根部磷利用效率相对值，可以减少整体筛选工作量和工作周期。
参考文献
[1]王建国,李兆林,李文斌,许艳丽,李春杰.磷肥与大豆产量及品质的关系[J].农业系统科学与综合研究,2006(01):55-57.
[2]鲁如坤.土壤磷素水平和水体环境保护[J].磷肥与复肥,2003(01):4-8.
[3]樊明寿,张福锁.植物磷吸收效率的生理基础[J].生命科学,2001(03):129-131+128.
[4]李志刚.不同磷效率基因型大豆的筛选及其对磷素水平的反应机理研究[D].沈阳农业大学,2004.
[5]李青松.大豆磷高效品种的筛选及磷高效生理机制的研究[D].河南农业大学,2006.
[6]D,Claassen N,Jungk A.Phosphorus efficiency of plants[J].Plantand soil,1988,110(1):101-109.
[7]Barber S A.Soil nutrient bioavailability.A mechanistic approach[M].John Wiley&Sons,1995.
[8]Pan X W,Li W B,Zhang Q Y,et al.Assessment on phosphorus efficiencycharacteristics of soybean genotypes in phosphorus-deficient soils[J].Agricultural Sciences in China,2008,7(8):958-969.
[9]李向华,常汝镇.中国春大豆品种聚类分析及主成分分析[J].作物学报,1998(03):325-332.
[10]柏栋阴,冯国华,张会云,陈荣振,王晓军.低磷胁迫下磷高效基因型小麦的筛选[J].麦类作物学报,2007(03):407-410+415.
[11]尹元萍,张雅琼,申毓晗,赵志勇,谢世清,杨生超,梁泉.利用根系形态构型筛选磷高效大豆基因型[J].分子植物育种,2015,13(05):999-1008.
[12]敖雪.磷素对不同磷效率基因型大豆的影响[D].沈阳农业大学,2009.
[13]王树起,韩晓增,严君,李晓慧,乔云发.缺磷胁迫对大豆根系形态和氮磷吸收积累的影响[J].土壤通报,2010,41(03):644-650.
[14]高彬,曹翠玲,李涛.乙烯对低磷胁迫下大豆根形态和生理特性的影响[J].大豆科学,2012,31(01):58-63.
[15]刘渊,李喜焕,张彩英.大豆酸性磷酸酶活性变化及磷高效基因型的筛选与相关分析[J].华北农学报,2013,28(03):145-151.
[16]曾维英,孙祖东,蔡昭艳,陈怀珠,杨守臻,唐向民,赖振光.不同大豆新品种苗期耐低磷的鉴定与筛选[J].广西农学报,2015,30(01):14-17.
[17]严小龙,张福锁.植物营养遗传学[M].北京:农业出版社,1997.1-21.
[18]徐青萍,罗超云,廖红,严小龙,年海.大豆不同品种对磷胁迫反应的研究[J].大豆科学,2003(02):108-114.
[19]严小龙,黄志武,卢仁骏,何远康.关于作物磷效率的遗传学研究[J].土壤,1992(02):102-105.
[20]吴冬婷,张晓雪,龚振平,马春梅,张磊.磷素营养对大豆磷素吸收及产量的影响[J].植物营养与肥料学报,2012,18(03):670-677.
[21]姚玉波,吴冬婷,龚振平,马春梅.磷素水平对大豆氮素积累及产量的影响[J].核农学报,2012,26(06):947-951.
[22]蔡柏岩,葛菁萍,金惠玉,刘丽君,祖伟.磷素水平对不同大豆品种钾素吸收效率的影响[J].大豆科学,2006(01):42-47.
[23]刘渊,李喜焕,王瑞霞,张彩英.大豆耐低磷指标筛选与耐低磷品种鉴定[J].中国农业科技导报,2015,17(04):30-41.
[24]刘渊,李喜焕,孙星,张彩英.磷胁迫下大豆酸性磷酸酶活性变化及磷效率基因型差异分析[J].植物遗传资源学报,2012,13(04):521-528.
[25]蔡柏岩,葛菁萍,祖伟.磷素水平对不同大豆品种产量和品质的影响[J].植物营养与肥料学报,2008(01):65-70.
[26]王聪,罗冬梅,徐颖利,李志刚,乌仁图雅,萨如拉.不同磷效率基因型大豆的筛选[J].内蒙古民族大学学报(自然科学版),2007(02):150-153.
[27]蔡柏岩,葛菁萍,祖伟.磷素水平对不同大豆品种氮素营养的影响[J].中国油料作物学报,2006(02):156-161.
[28]李志刚,谢甫绨,宋书宏.大豆高效利用磷素基因型的筛选[J].中国农学通报,2004(05):126-129.
[29]李志刚,谢甫绨,张玉铃,钟鹏,孙杰.磷胁迫对大豆不同磷素基因型光合作用的影响[J].内蒙古民族大学学报(自然科学版),2004(03):297-299+309.
[30]张楚,张永清,路之娟,刘丽琴.苗期耐低氮基因型苦荞的筛选及其评价指标[J].作物学报,2017,43(08):1205-1215.
[31]钟思荣,陈仁霄,陶瑶,龚丝雨,何宽信,张启明,张世川,刘齐元.耐低氮烟草基因型的筛选及其氮效率类型[J].作物学报,2017,43(07):993-1002.
[32]敖雪,孔令剑,朱倩,赵明哲,张惠君,王海英,谢甫绨.磷素对不同磷效率基因型大豆根系养分吸收特性的影响[J].大豆科学,2015,34(04):653-660.
[33]武晓玲,梁海媛,杨峰,刘卫国,佘跃辉,杨文钰.大豆苗期耐荫性综合评价及其鉴定指标的筛选[J].中国农业科学,2015,48(13):2497-2507.
[34]李春红,姚兴东,鞠宝韬,朱明月,王海英,张惠君,敖雪,于翠梅,谢甫绨,宋书宏.不同基因型大豆耐荫性分析及其鉴定指标的筛选[J].中国农业科学,2014,47(15):2927-2939.
[35]李小红,谢运河,阳小凤,王业建,马淑梅.大豆苗期干物质积累对氮素的响应及耐低氮种质筛选方法研究[J].湖南农业科学,2013(16):17-19.
[36]武兆云,郭娜,赵晋铭,李丽红,盖钧镒,邢邯.大豆苗期耐低磷主成分及隶属函数分析[J].大豆科学,2012,31(01):42-46.
[37]敖雪,谢甫绨,张惠君,刘婧琦,王海英.磷素处理对不同磷效率基因型大豆根系性状的影响[J].大豆科学,2008(05):787-791.
[38]杨光梅,钱晓刚,韩宁.玉米耐低氮基因型筛选压力的选择[J].种子,2007(06):31-33+37.
[39]裴雪霞,王姣爱,党建友,张定一.耐低氮小麦基因型筛选指标的研究[J].植物营养与肥料学报,2007(01):93-98.
[40]郭再华,贺立源,黄魏,徐才国.耐低磷水稻筛选与鉴定[J].植物营养与肥料学报,2006(05):642-648.
[41]张丽梅,贺立源,李建生,徐尚忠.玉米自交系耐低磷材料苗期筛选研究[J].中国农业科学,2004(12):1955-1959.
[42]刘鸿雁,黄建国,魏成熙,周焱.磷高效基因型玉米的筛选研究[J].土壤肥料,2004(05):25-29.
[43]丁洪,李生秀.大豆品种耐低磷和对磷肥效应的遗传差异[J].植物营养与肥料学报,1998(03):257-263.
虽然，上文中已经用一般性说明及具体实施例对本发明作了详尽的描述，但在本发明基础上，可以对之作一些修改或改进，这对本领域技术人员而言是显而易见的。因此，在不偏离本发明精神的基础上所做的这些修改或改进，均属于本发明要求保护的范围。
Claims (7)
1.一种不同磷效率基因型大豆品种的快速鉴定方法，其特征在于，包括以下步骤：
(1)待检测大豆种子萌发成幼芽后，每一品种分别进行低磷和常磷两种处理；
(2)对低磷处理下大豆苗期的根表面积和根直径，以及大豆苗期的根部磷利用效率相对值进行测定；
(3)代入回归方程D＝0.002X1+0.811X2-0.019X3-0.388，其中，D为磷效率综合得分值；X1为低磷处理下大豆苗期的根表面积；X2为低磷处理下大豆苗期的根直径；X3为大豆苗期的根部磷利用效率相对值，通过对D值进行系统聚类，根据聚类结果即可鉴定出磷高效基因型大豆品种、磷低效基因型大豆品种及中间型大豆品种。
2.根据权利要求1所述的不同磷效率基因型大豆品种的快速鉴定方法，其特征在于，低磷处理采用磷浓度为0.05mM的营养液，常磷处理采用磷浓度为0.5mM的营养液，磷源为KH2PO4，低磷处理和常磷处理采用的营养液中的其它成分及含量均相同。
3.根据权利要求2所述的不同磷效率基因型大豆品种的快速鉴定方法，其特征在于，营养液中除磷源外的各成分浓度分别为：3.6mmol/L CaSO4·2H2O，2mmol/L KNO3，18umol/LFeSO4·7H2O，18.9umol/L KCl，9.3umol/L H3BO3，0.9umol/L MnSO4·H2O，0.9umol/LZnSO4·7H2O，0.18umol/L CuSO4·5H2O，0.18umol/L(NH4)6Mo7O24·4H2O，250umol/L MgSO4·7H2O。
4.根据权利要求1所述的不同磷效率基因型大豆品种的快速鉴定方法，其特征在于，采用砂培法栽培大豆，所用栽培盆由PVC管制成，内经16cm，高25cm，盆底钻三个直径均为0.2cm的小孔，每盆装清洗后的石英砂至盆口3-4cm处。
5.根据权利要求1所述的不同磷效率基因型大豆品种的快速鉴定方法，其特征在于，每盆播种后，浇灌蒸馏水，出苗后，每一品种的两个处理分别开始浇灌低磷营养液和常磷营养液。
6.根据权利要求1所述的不同磷效率基因型大豆品种的快速鉴定方法，其特征在于，步骤2中，在播种后第28天取样进行测定。
7.根据权利要求1所述的不同磷效率基因型大豆品种的快速鉴定方法，其特征在于，将D≦0.271时，鉴定为磷高效基因型大豆品种，D值≧0.587时，鉴定为磷低效基因型大豆品种。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910968880.4A CN110705649A (zh) | 2019-10-12 | 2019-10-12 | 一种不同磷效率基因型大豆品种的快速鉴定方法 |
| CN202010598580.4A CN111652324B (zh) | 2019-10-12 | 2020-06-28 | 一种不同磷效率基因型大豆品种的快速鉴定方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910968880.4A CN110705649A (zh) | 2019-10-12 | 2019-10-12 | 一种不同磷效率基因型大豆品种的快速鉴定方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110705649A true CN110705649A (zh) | 2020-01-17 |
Family
ID=69198625
Family Applications (2)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910968880.4A Pending CN110705649A (zh) | 2019-10-12 | 2019-10-12 | 一种不同磷效率基因型大豆品种的快速鉴定方法 |
| CN202010598580.4A Active CN111652324B (zh) | 2019-10-12 | 2020-06-28 | 一种不同磷效率基因型大豆品种的快速鉴定方法 |
Family Applications After (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010598580.4A Active CN111652324B (zh) | 2019-10-12 | 2020-06-28 | 一种不同磷效率基因型大豆品种的快速鉴定方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (2) | CN110705649A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111652324A (zh) * | 2019-10-12 | 2020-09-11 | 沈阳农业大学 | 一种不同磷效率基因型大豆品种的快速鉴定方法 |
| CN111695785A (zh) * | 2020-05-21 | 2020-09-22 | 洛阳农林科学院 | 一种评价农作物品种高产稳产的方法 |
| CN112889612A (zh) * | 2021-01-18 | 2021-06-04 | 吉林省农业科学院 | 大豆耐低磷筛选装置及筛选方法 |
| CN115644055A (zh) * | 2022-10-14 | 2023-01-31 | 吉林省农业科学院 | 大豆耐低磷育种培养方法 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CA2836403A1 (en) * | 2013-01-04 | 2014-07-04 | Board Of Trustees Of Michigan State University | New sources of aphid resistance in soybean plants |
| CN107058303B (zh) * | 2017-01-11 | 2020-05-05 | 河北农业大学 | 一种与大豆植酸磷利用效率相关的功能标记及其应用 |
| CN108308018A (zh) * | 2017-12-29 | 2018-07-24 | 云南农业大学 | 利用大豆根构型近等基因系培育磷高效品种（系）的方法 |
| CN110705649A (zh) * | 2019-10-12 | 2020-01-17 | 沈阳农业大学 | 一种不同磷效率基因型大豆品种的快速鉴定方法 |
-
2019
- 2019-10-12 CN CN201910968880.4A patent/CN110705649A/zh active Pending
-
2020
- 2020-06-28 CN CN202010598580.4A patent/CN111652324B/zh active Active
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111652324A (zh) * | 2019-10-12 | 2020-09-11 | 沈阳农业大学 | 一种不同磷效率基因型大豆品种的快速鉴定方法 |
| CN111652324B (zh) * | 2019-10-12 | 2023-10-03 | 沈阳农业大学 | 一种不同磷效率基因型大豆品种的快速鉴定方法 |
| CN111695785A (zh) * | 2020-05-21 | 2020-09-22 | 洛阳农林科学院 | 一种评价农作物品种高产稳产的方法 |
| CN111695785B (zh) * | 2020-05-21 | 2024-01-09 | 洛阳农林科学院 | 一种评价农作物品种高产稳产的方法 |
| CN112889612A (zh) * | 2021-01-18 | 2021-06-04 | 吉林省农业科学院 | 大豆耐低磷筛选装置及筛选方法 |
| CN115644055A (zh) * | 2022-10-14 | 2023-01-31 | 吉林省农业科学院 | 大豆耐低磷育种培养方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111652324B (zh) | 2023-10-03 |
| CN111652324A (zh) | 2020-09-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110705649A (zh) | 一种不同磷效率基因型大豆品种的快速鉴定方法 | |
| Wu et al. | Genome-wide Association Study (GWAS) of mesocotyl elongation based on re-sequencing approach in rice | |
| Liu et al. | Mapping QTLs for seedling root traits in a doubled haploid wheat population under different water regimes | |
| Qiao et al. | Dissecting root trait variability in maize genotypes using the semi-hydroponic phenotyping platform | |
| Jaradat et al. | Genetic diversity in the Batini barley landrace from Oman: II. Response to salinity stress | |
| CN108377788B (zh) | 一种水稻全生育期耐盐性鉴定评价方法 | |
| CN111528087A (zh) | 一种选育玉米高配合力优良种质的方法 | |
| CN111436368A (zh) | 一种抗旱小麦选育方法 | |
| Zhao et al. | QTL mapping for seedling traits associated with low‐nitrogen tolerance using a set of advanced backcross introgression lines of rice | |
| Tena Gashaw et al. | Sugarcane landraces of Ethiopia: Germplasm collection and analysis of regional diversity and distribution | |
| Torres et al. | Genotypic variation and relationships among traits for root morphology in a panel of tropical maize inbred lines under contrasting nitrogen levels | |
| CN103053411A (zh) | 一种筛选耐旱性转基因玉米的方法 | |
| Shikari et al. | KASP™ based markers reveal a population sub-structure in temperate rice (Oryza sativa L.) germplasm and local landraces grown in the Kashmir valley, north-western Himalayas | |
| Opoku et al. | Root hair and rhizosheath traits contribute to genetic variation and phosphorus use efficiency in cowpea (Vigna unguiculata (L.) Walp) | |
| Bchini et al. | Genotypic differences in root and shoot growth of barley (Hordeum vulgare L.) grown under different salinity levels | |
| Wang et al. | Screening and identification of soybean varieties with high phosphorus efficiency at seedling stage | |
| CN116910438A (zh) | 一种甜高粱耐镉性评价方法以及一种甜高粱镉污染修复能力综合评价方法 | |
| CN110969369A (zh) | 一种磷素高效利用小麦品种的筛选方法 | |
| Kang et al. | Analyzing and optimizing yield formation of tomato introgression lines using plant model | |
| Fan et al. | Association of SSR markers with cold tolerance traits in diverse bermudagrass [Cynodon dactylon (L.) Pers.] accessions | |
| Abdulmajid et al. | Mining favorable alleles for rice coleoptile elongation length Sensitivity to exogenous gibberellin under submergence condition | |
| Kano-Nakata et al. | Quantitative evaluation of plastic root responses to contiguous water gradient in rice | |
| Lu et al. | Wheat cultivar replacement drives soil microbiome and microbial cooccurrence patterns | |
| Radinović et al. | Biodiversity of a red clover collection based on morpho-productive traits | |
| Liang et al. | Assessing phosphorus efficiency and tolerance in maize genotypes with contrasting root systems at the early growth stage using the semi‐hydroponic phenotyping system |
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 | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20200117 |
|
| WD01 | Invention patent application deemed withdrawn after publication |