CN111507630A - 一种高粱植株田间抗旱性表型综合评价方法 - Google Patents
一种高粱植株田间抗旱性表型综合评价方法 Download PDFInfo
- Publication number
- CN111507630A CN111507630A CN202010314239.1A CN202010314239A CN111507630A CN 111507630 A CN111507630 A CN 111507630A CN 202010314239 A CN202010314239 A CN 202010314239A CN 111507630 A CN111507630 A CN 111507630A
- Authority
- CN
- China
- Prior art keywords
- drought resistance
- comprehensive
- sorghum
- drought
- index
- 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
- 238000011156 evaluation Methods 0.000 title claims abstract description 34
- 241000209072 Sorghum Species 0.000 title 1
- 239000000463 material Substances 0.000 claims abstract description 63
- 240000006394 Sorghum bicolor Species 0.000 claims abstract description 44
- 238000000034 method Methods 0.000 claims abstract description 42
- 241000196324 Embryophyta Species 0.000 claims abstract description 31
- 230000000877 morphologic effect Effects 0.000 claims abstract description 14
- 238000003064 k means clustering Methods 0.000 claims abstract description 13
- 238000012360 testing method Methods 0.000 claims abstract description 11
- 238000007796 conventional method Methods 0.000 claims abstract description 3
- 238000007619 statistical method Methods 0.000 claims abstract description 3
- 235000013339 cereals Nutrition 0.000 claims description 18
- 238000003973 irrigation Methods 0.000 claims description 15
- 230000002262 irrigation Effects 0.000 claims description 15
- 238000005259 measurement Methods 0.000 claims description 6
- 239000002131 composite material Substances 0.000 claims description 3
- 235000011684 Sorghum saccharatum Nutrition 0.000 abstract description 31
- 238000009395 breeding Methods 0.000 abstract description 7
- 235000015505 Sorghum bicolor subsp. bicolor Nutrition 0.000 abstract description 5
- 244000138286 Sorghum saccharatum Species 0.000 abstract description 5
- 238000011160 research Methods 0.000 abstract description 5
- 230000001488 breeding effect Effects 0.000 abstract description 4
- 230000009456 molecular mechanism Effects 0.000 abstract description 2
- 230000008641 drought stress Effects 0.000 description 17
- 238000011282 treatment Methods 0.000 description 11
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 10
- 230000035945 sensitivity Effects 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 5
- 230000009467 reduction Effects 0.000 description 4
- 230000001186 cumulative effect Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 238000000513 principal component analysis Methods 0.000 description 3
- 238000012216 screening Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000007621 cluster analysis Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000003306 harvesting Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 108090000623 proteins and genes Proteins 0.000 description 2
- 230000008261 resistance mechanism Effects 0.000 description 2
- 208000005156 Dehydration Diseases 0.000 description 1
- 244000183278 Nephelium litchi Species 0.000 description 1
- 235000007230 Sorghum bicolor Nutrition 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
- 238000012271 agricultural production Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 235000005822 corn Nutrition 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000024346 drought recovery Effects 0.000 description 1
- 239000003337 fertilizer Substances 0.000 description 1
- 238000013095 identification testing Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 235000015097 nutrients Nutrition 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000009331 sowing Methods 0.000 description 1
- 239000013598 vector Substances 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
- G06Q10/06—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
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
-
- 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)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Mathematical Analysis (AREA)
- Mathematical Physics (AREA)
- Evolutionary Biology (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- General Engineering & Computer Science (AREA)
- Computational Mathematics (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Bioinformatics & Computational Biology (AREA)
- Educational Administration (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Marine Sciences & Fisheries (AREA)
- Quality & Reliability (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Primary Health Care (AREA)
- Mining & Mineral Resources (AREA)
- Game Theory and Decision Science (AREA)
- Animal Husbandry (AREA)
- Agronomy & Crop Science (AREA)
- Algebra (AREA)
- Evolutionary Computation (AREA)
Abstract
本发明属于现代农业、高粱抗旱性技术领域,具体涉及一种高粱植株田间抗旱性表型综合评价方法。本发明通过采用常规方法种植高粱植株;采用大田自然鉴定法,测量植株主要形态指标;采用常规标准选种并考种,进行数据统计分析:计算抗旱系数,综合抗旱系数,进行K均值聚类法分类;计算抗旱指数,进行K均值聚类法分类;计算隶属函数值,计算综合指标的权重,得出综合评价值,然后进行K均值聚类法分类;根据综合抗旱系数、抗旱指数、隶属函数值3种综合评价方法,以分类结果出现重复为依据对种植材料抗旱性进行评价。本发明通过对粒用高粱材料进行抗旱性鉴定评价,为高粱抗旱性分子机理以及抗旱育种研究奠定基础。
Description
技术领域
本发明属于现代农业、高粱抗旱性技术领域,具体涉及一种高粱植株田间抗旱性表型综合评价方法。
背景技术
伴随全球气候的变化,水资源短缺已十分严重,而农业用水占整个人类用水量的60%,中国北方农业生产大量超采地下水已造成严重的生态问题,干旱已经成为农作物高产的主要限制性因素之一。高粱(Sorghum bicolor(L.)Moench.)现在是第五大禾谷类作物,具有较强的耐旱性,但不同品种间抗旱能力差异显著。高粱植株的表型性状是田间高粱抗旱性评价最直接的指标,包括株高、穗长、茎粗、叶片持绿性、抗倒伏性、千粒重、籽粒大小、产量等。如何有效的利用表型性状评价高粱植株的抗旱性没有统一方案。前人在高粱抗旱评价中多采用抗旱系数、抗旱指数和隶属函数的方法,如吴奇等在2015年利用抗旱指数评价高粱抗旱能力;汪灿等在2015—2016年开展的酒用糯高粱资源抗旱性鉴定采用综合旱性度量值和综合抗旱系数评价高粱植株的抗旱能力;RAD在2008年利用抗旱指数法对伊朗的高粱种质资源进行筛选。
高粱抗旱性是受多基因控制的复杂性状,且受环境影响很大,不同抗旱性材料的抗旱机制也不尽相同,所以若直接使用单一指标的抗旱系数进行评价得出的结果较为片面。大部分作物做抗旱性评价多采用综合性评价方法,包括综合抗旱系数和抗旱指数,主成分及隶属函数法等综合评价方法。综合抗旱系数虽然能反映品种的抗旱性,但是不能反映品种的高产能力。抗旱指数是在兼顾抗旱系数和产量性状的基础上得出的一个表达式,使用抗旱指数需保证旱地的产量情况开展评价,评价结果会丢失单株产量低但整体抗旱性强的材料。主成分分析可以通过不同表型之间的相关性在不损失或仅损失少量信息的情况下将所测指标转换为少量独立的综合指标,其评价结果不能反应单一性状抗旱性突出的品种。
发明内容
针对高粱表型性状田间抗旱性评价单一的问题,本发明提供了一种高粱植株田间抗旱性表型综合评价方法。
为了达到上述目的,本发明采用了下列技术方案:
一种高粱植株田间抗旱性表型综合评价方法,包括以下步骤:
步骤S1,常规方法种植高粱植株;
步骤S2,采用大田自然鉴定法,测量植株主要形态指标;
步骤S3,采用常规标准选种并考种,进行数据统计分析:
步骤S4,计算抗旱系数DTC,综合抗旱系数CDTC,进行K均值聚类法分类;
步骤S5,计算抗旱指数DI,进行K均值聚类法分类;
步骤S6,计算隶属函数值,计算综合指标的权重,得出综合评价值D,然后进行K均值聚类法分类;
步骤S7,根据综合抗旱系数、抗旱指数、隶属函数值3种综合评价方法,以分类结果出现重复为依据对种植材料抗旱性进行评价。
进一步,所述步骤S2中主要形态指标是:株高、穗长、茎粗、叶片持绿性、抗倒伏率、千粒重、籽粒大小和产量。
再进一步,所述叶片持绿性的计算方法是:持绿叶片占整个植株叶片数的百分比;所述倒伏率的计算方法是:倒伏株数占总数的百分比。
进一步,所述步骤S4中
计算抗旱系数DTC:
DTC=干旱条件的测量值/灌溉条件的测量值 (1)
计算综合抗旱系数CDTC:
其中,n为种植数量,i为供试材料编号=1,2,3……,n。
进一步,所述步骤S5计算抗旱指数DI:
进一步,所述步骤S6中计算隶属函数值:
μ(Xi)=(Xi-Xmin)/(Xmax-Xmin) i=1,2,3……,n (4)
其中,μ(Xi)表示第i指标的隶属函数值,Xi为指标测定值;Xmin和Xmax为参试品种某一指标的最大值和最小值。
进一步,所述步骤S6中计算综合指标的权重:
其中,Wi表示第i个综合指标在所有综合指标中的重要程度及权重;Pi为各品种第i个综合指标的贡献率;
所述综合评价值D:
与现有技术相比本发明具有以下优点:
本发明选择的8个形态指标同样用了株高、穗长、茎粗、千粒重和产量这5个普遍采用的指标,增加了籽粒大小这一指标可以提高鉴定结果的可靠性,还增加了叶片持绿性和抗倒伏性2个植株性状指标且叶片持绿性对高粱干旱的敏感性较强。高粱抗旱性研究中指标的选择极为重要,应该充分考虑到产量、籽粒、以及植株的性状更为全面。
粒用高粱中后期干旱胁迫对其主要形态指标均有显著影响。不同高粱材料间抗旱性差异显著,本发明通过干旱(DS)和正常灌溉(NI)2种处理方式,2年2地大田自然鉴定法,调查株高、穗长、茎粗、叶片持绿性、倒伏率、千粒重、籽粒大小和产量8个主要形态指标。采用综合抗旱系数(CDTC)、抗旱指数(DI)和隶属函数(D)进行采用K均值聚类法聚类分析,结合3种方法以出现重复为依据对材料进行分类开展高粱植株抗旱性评价,更为准确地评价高粱材料的抗旱性。叶片的持绿性和产量可以作为评价高粱花后抗旱性的主要形态指标。本发明通过对粒用高粱材料进行抗旱性鉴定评价,为高粱抗旱性分子机理以及抗旱育种研究奠定基础。
附图说明
图1为综合抗旱系数材料聚类图;
图2为抗旱指数材料聚类图;
图3为隶属函数材料聚类图。
具体实施方式
实施例1
本发明实施例通过对165份粒用高粱材料进行2年2地的田间抗旱性鉴定试验,明确8个形态指标对干旱的敏感程度,并对材料分类,为高粱抗旱性育种提供参考,评价高粱抗旱性。
利用山西省干旱少雨(5~9月降雨量302.56mm)和海南省冬季(11~翌年3月降雨量152.75mm)少雨或无雨的自然特点,采用大田自然鉴定方法进行鉴定。试验分别于2018年4~10月在山西省农业科学院高粱研究所东白试验基地(东经112.72度,北纬37.59度)和2018年11月~2019年4月在海南省三亚市荔枝沟师部农场(东经109.51度,北纬18.31度)进行。
田间按照材料株高由高到低排列,3次重复,两行区种植,行长5m,行距50cm,小区面积5m2,留苗密度120 000株/hm2。对照和处理试验田前茬玉米,播种前统一施复合肥1200kg·hm-2,(总养分≥40%(22%N、9%P2O5和9%K2O),播前2个处理统一灌水3 750m3·hm-2,以保证苗全苗齐,干旱胁迫处理出苗以后不再灌水,其他田间管理同对照,对照根据干旱情况进行补水,以满足高粱正常发育水分需求,山西对照补水灌溉2次,海南对照补水灌溉6次。
共测量株高(plant height,PH)、穗长(spike length,SL)、茎粗(stem diameter,SD)、叶片持绿性(lesf sustain green,LSG)、抗倒伏率(anti-inversion rate,AIR)、千粒重(thousand kernel weight,TKW)、籽粒大小(grain size,GS)、产量(production,P)等8个相关性状。收获前每小区随机选择5株,参照《高粱种质资源描述规范和数据标准》,分别对株高、穗长、茎粗进行调查考种,叶片持绿性计算方法为持绿叶片占整个植株叶片数的百分比,倒伏率为倒伏株数占总数的百分比。产量为5株的总产量,使用万深牌SC-A型自动考种机及千粒重仪测量千粒重和籽粒大小。
采用Microsoft Excel 2016、SPSS 20.0、DPS 7.05进行数据统计分析。
计算综合抗旱系数CDTC:
其中,n为种植数量,i为供试材料编号=1,2,3……,n
计算抗旱指数DI:
计算隶属函数值:
μ(Xi)=(Xi-Xmin)/(Xmax-Xmin) i=1,2,3……,n (4)
其中,μ(Xi)表示第i指标的隶属函数值,Xi为指标测定值;Xmin和Xmax为参试品种某一指标的最大值和最小值。
计算综合指标的权重:
其中,Wi表示第i个综合指标在所有综合指标中的重要程度及权重;Pi为各品种第i个综合指标的贡献率;
所述综合评价值D:
CDTC值、DI值和D值变异幅度均较大,说明各材料对干旱反应的敏感性不同。
2018年分别测定了在山西省和海南省两地干旱胁迫(DS)和正常灌溉(NI)2种处理共4个环境下各表型的变化(表1~3)。
表1正常灌溉性状表
与正常灌溉处理相比,干旱胁迫下山西省8个性状相对于正常灌溉均出现下降,下降程度依次为叶片持绿性(33.99%)>籽粒大小(15.02%)>株高(10.99%)抗倒伏性(10.00%)>产量(9.01%>茎粗(8.02%)>穗长(6.00%)>千粒重(3.01%)。干旱处理条件下,各指标变异系数范围为7.88%~42.78%,正常灌溉条件下,各指标变异系数范围为8.25%~42.89%。表明所有表型性状在生长发育过程中均受到了干旱胁迫的抑制,且不同指标在2种处理条件下的变化幅度存在差异。
与正常灌溉处理相比,干旱胁迫下海南省8个性状总体均出现下降,且下降程度均高于山西省数据,其下降程度依次为叶片持绿性(40.00%)>籽粒大小(18.99%)>产量(16.67%)>株高(13.00%)>抗倒伏率(12.00%)>茎粗(11.99%)>穗长(9.98%)>千粒重(9.00%)。干旱处理条件下,各指标变异系数范围为6.90%~43.56%,正常灌溉条件下各指标变异系数范围为7.23%~43.93%。表明所有表型性状在生长发育过程中均受到了干旱胁迫的抑制,且不同指标在2种处理条件下的变化幅度存在差异。
表2干旱胁迫性状表
高粱各项指标在干旱胁迫下与正常灌溉下的比值称为各项指标的相对值,它能够很好地表现高粱对干旱胁迫的敏感程度。在筛选指标的相对值中,平均值较小且变异系数较大的,说明对干旱胁迫敏感程度大,可选用其相对性状作为抗旱的筛选指标。
表3干旱/正常性状表
综上所述,各项指标对干旱的敏感程度为:山西省试验结果为叶片持绿性>产量>抗倒伏率>籽粒大小>株高>千粒重>茎粗>穗长;海南省试验结果为叶片持绿性>产量>籽粒大小>抗倒伏率>株高>千粒重>茎粗>穗长。
利用综合抗旱系数对所试材料耐旱性的评价:
DTC=干旱条件的测量值/灌溉条件的测量值 (1)
通过公式(1)计算,与正常灌水相比,种植材料在干旱胁迫处理后,各指标均发生不同程度变化,如表4所示。各指标的DTC值存在明显差异,变异幅度较大,变异系数介于0.11%~0.18%,说明各指标对干旱胁迫反应的敏感性不同。
通过对不同性状的抗旱系数进行相关分析,如表5所示,除叶片持绿性与株高和籽粒大小相关不显著,抗倒伏性与穗长和籽粒大小相关不显著外,其余指标均存在显著相关,说明多个指标提供的抗旱信息交叉重叠。
根据综合抗旱系数采用K均值聚类法将所有材料分为5类,如图1所示,分别为(Ⅰ)高抗(DTC≥0.974)材料19份、(Ⅱ)较抗(0.974>DTC≥0.890)材料51份、(Ⅲ)中抗(0.890>DTC≥0.813)材料56份、(Ⅳ)较敏感(0.813>DTC≥0.707)材料28份和(Ⅴ)敏感(DTC<0.707)材料11份。
其中,高抗材料19份,分别为L013、L389、7501B、SX44B、SX18-11、SX18-12、SX18-31、SX18-4、SX18-16、SX18-25、SX18-28、SX18-64、SX18-87、SX18-88、SX18-91、SX18-94、L177、L405和SX15-9,占供试材料的11.51%,
最敏感材料11份,分别为SX18-46、SX18-82、SX18-96、SX18-60、SX18-72、SX18-73、SX12-7、L378、L380、SXR18-1-5和SXR18-1-6,占供试材料的6.67%。
表4各指标的抗旱系数和CDTC、DI和D值
表5抗旱系数与高粱材料性状的相关性
Figure2.1Cluster map of comprehensive drought-resistant coefficientmaterial
Table 3Correlation of drought resistance coefficient with traitstested in sorghum accessions
*和**分别表示0.05和0.01水平显著相关。下同
*and**are significant correlation at 0.05and 0.01probability level,respectively.The same as below
抗旱指数对材料的抗旱性分析
根据公式(3)计算抗旱指数,以其结果通过K均值聚类法将材料分为5类如图2所示,分别为(Ⅰ)高抗(DI≥1.452)材料9份、(Ⅱ)较抗(1.452>DI≥1.081)材料33份、(Ⅲ)中抗(1.081>DI≥0.908)材料43份、(Ⅳ)较敏感(0.908>DI≥0.501)材料54份和(Ⅴ)敏感(DI<0.501)材料26份。
其中,高抗材料9份,分别为L013、SX44B、SX18-24、SX18-25、SX18-55、SX18-87、L405、L263和L157,占总材料的5.45%。
敏感材料为17份,分别为SX7-6、SX9-10、SX3-1、SX18-13、SX18-37、SX18-46、SX18-82、SX18-96、SX18-6、SX18-9、SX18-21、SX18-32、SX18-56、SX18-62、SX18-72、SX18-73和SX18-101,占总材料的10.3%。
基于隶属函数法的综合抗旱能力评价
从表6可以看出,所有8个性状做主成分分析分为5个主成分累计贡献率84.529%。决定第一主成分的主要是产量、株高和籽粒大小,贡献率为31.841%,决定第二主成分的主要是叶片持绿性和千粒重,贡献率为20.441%,决定第三主成分的主要是茎粗,约占总贡献率的13.557%,决定第四主成分的主要是抗倒伏性,约占总贡献率的11.428%,决定第五主成分的为主要是穗长,约占总贡献率的9.461%,根据贡献率大小可知综合指标的相对重要性。
μ(Xi)=(Xi-Xmin)/(Xmax-Xmin) i=1,2,3……,n (4)
其中,μ(Xi)表示第i指标的隶属函数值,Xi为指标测定值;Xmin和Xmax为参试品种某一指标的最大值和最小值。
根据公式(6)计算公式材料的D值,以D值为依据,通过K均值聚类分析(图3),(Ⅰ)高抗(D≥0.711)材料20份、(Ⅱ)较抗(0.711>D≥0.655)材料54份、(Ⅲ)中抗(0.655>D≥0.595)材料46份、(Ⅳ)较敏感(0.595>D≥0.501)材料35份和(Ⅴ)敏感(D<0.501)材料10份,其中,高抗材料为20份,分别为SX11-7、L013、L212、L389、TX7000、7501B、SX44B、SX18-11、SX18-12、SX18-31、SX18-16、SX18-25、SX18-28、SX18-64、SX18-87、SX18-88、SX18-94、L405、SX15-9和SX9-2,占总材料的12.1%,敏感材料为10份,分别为SX18-46、SX18-82、SX18-96、SX18-23、SX18-60、SX18-73、SX12-7、L378、L380和SXR18-1-5,占总材料的6.1%。
表6各主成分的特征向量及累计贡献率
Table4 Eigenvectors and cumulative contribution rates of eachprincipal component
3种评价方法综合评价高粱耐旱性
根据3种综合评价方法,以分类结果出现重复为依据进行评价。高抗旱材料16份,分别为L013、L389、7501B、SX44B、SX18-11、SX18-12、SX18-31、SX18-16、SX18-25、SX18-28、SX18-64、SX18-87、SX18-88、SX18-94、L405和SX15-9,其中3种评价方法都检测到的材料为L013、SX44B、SX18-25、SX18-87和L405,这5份材料可能为高粱高抗旱材料。干旱敏感材料10份,分别为SX18-46、SX18-82、SX18-96、SX18-60、SX18-72、SX18-73、SX12-7、L378、L380和SXR18-1-5,其中3种评价方法都分类到的是SX18-46、SX18-82、SX18-96和SX18-73。
根据8个形态指标对干旱的敏感程度和主成分分析的贡献率结果,认为产量和叶片的持绿性这两个性状可以作为评价高粱的抗旱性的主要形态指标。
作物的抗旱性是指作物遭受周期性水分胁迫后仍能保持正常生长、开花以及获得理想产量的能力。通过实施例可知山西省和海南省两地8个形态指标都受干旱胁迫的影响,在海南省干旱胁迫后下降幅度均大于山西省。海南省试点下降幅度较大的主要原因为海南省冬季比山西省夏季降雨少且集中在苗期和后期。且筛选出了5个高抗旱材料,可以为今后高粱抗旱育种直接或间接利用。
高粱抗旱性是受多基因控制的复杂性状,且受环境影响很大,不同抗旱性材料的抗旱机制也不尽相同,所以若直接使用单一指标的抗旱系数进行评价得出的结果较为片面。大部分作物做抗旱性评价多采用采用综合性评价方法,包括综合抗旱系数和抗旱指数,主成分及隶属函数法或灰色关联度分析等综合评价方法。各种方法各有特点,抗旱系数针对单一指标其结果比较片面,综合抗旱系数虽然能反映品种的抗旱性,但是不能反映品种的高产能力。抗旱指数是在兼顾抗旱系数和产量性状的基础上得出的一个表达式,而产量是粮食作物抗旱性最切合生产实际的鉴定指标,使用抗旱指数在保证旱地产量的情况下对抗旱性进行评价更为合理。主成分分析可以通过不同表型之间的相关性在不损失或仅损失少量信息的情况下将所测指标转换为少量独立的综合指标,比较准确地了解各性状的综合表现,同时根据各自贡献率大小可以确定其相对重要性。在聚类分析方面前人研究多采用其中一种方法对材料评价分类,多数采用聚类分析依据为隶属函数。
单一方法分类结果容易丢失部分单个抗旱性状不理想但某些抗旱性状尤其产量性状等突出的材料,本发明以综合抗旱系数作为分类依据的结果中可知,高抗材料的L389、7501B、SX18-11、SX18-12、SX18-31、SX18-4、SX18-16、SX18-25、SX18-28、SX18-64、SX18-88、SX18-91、SX18-94、L177、SX15-9在以抗旱指数分类中没有分到(Ⅰ)类,这些材料有较好的抗旱性但产量抗旱性不理想,且作为抗旱育种材料可能不太理想。而以抗旱指数为依据的分类中高抗材料SX18-24、SX18-25、SX18-55、L263、L157在以综合抗旱系数为依据的分类中没有分到(Ⅰ)类,这些材料表现出产量抗旱性状较好而有某些性状抗旱性不理想在育种中可以加以改良利用。本发明依据3种方法都进行了聚类分析,其综合分析结果更为准确,且单个分类结果也可以为育种材料的选择提供依据。
Claims (7)
1.一种高粱植株田间抗旱性表型综合评价方法,其特征在于:包括以下步骤:
步骤S1,常规方法种植高粱植株;
步骤S2,采用大田自然鉴定法,测量植株主要形态指标;
步骤S3,采用常规标准选种并考种,进行数据统计分析:
步骤S4,计算抗旱系数DTC,综合抗旱系数CDTC,进行K均值聚类法分类;
步骤S5,计算抗旱指数DI,进行K均值聚类法分类;
步骤S6,计算隶属函数值,计算综合指标的权重,得出综合评价值D,然后进行K均值聚类法分类;
步骤S7,根据综合抗旱系数、抗旱指数、隶属函数值3种综合评价方法,以分类结果出现重复为依据对种植材料抗旱性进行评价。
2.根据权利要求1所述的一种高粱植株田间抗旱性表型综合评价方法,其特征在于:所述步骤S2中主要形态指标是:株高、穗长、茎粗、叶片持绿性、抗倒伏率、千粒重、籽粒大小和产量。
3.根据权利要求2所述的一种高粱植株田间抗旱性表型综合评价方法,其特征在于:所述叶片持绿性的计算方法是:持绿叶片占整个植株叶片数的百分比;所述倒伏率的计算方 法是:倒伏株数占总数的百分比。
6.根据权利要求1所述的一种高粱植株田间抗旱性表型综合评价方法,其特征在于:所述步骤S6中计算隶属函数值:
μ(Xi)=(Xi-Xmin)/(Xmax-Xmin) i=1,2,3……,n (4)
其中,μ(Xi)表示第i指标的隶属函数值,Xi为指标测定值;Xmin和Xmax为参试品种某一指标的最大值和最小值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010314239.1A CN111507630A (zh) | 2020-04-20 | 2020-04-20 | 一种高粱植株田间抗旱性表型综合评价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010314239.1A CN111507630A (zh) | 2020-04-20 | 2020-04-20 | 一种高粱植株田间抗旱性表型综合评价方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111507630A true CN111507630A (zh) | 2020-08-07 |
Family
ID=71864761
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010314239.1A Pending CN111507630A (zh) | 2020-04-20 | 2020-04-20 | 一种高粱植株田间抗旱性表型综合评价方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111507630A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112330115A (zh) * | 2020-10-27 | 2021-02-05 | 新疆农业大学 | 一种新疆棉花花铃期抗旱性的综合评价方法 |
CN112488480A (zh) * | 2020-11-24 | 2021-03-12 | 中国科学院植物研究所 | 一种城市绿地物种抗旱性评价方法及城市绿地物种选择方法 |
CN112931102A (zh) * | 2020-10-28 | 2021-06-11 | 湖南杂交水稻研究中心 | 利用淀粉理化指标评价水稻品种灌浆期高温耐受程度方法 |
CN114303835A (zh) * | 2021-11-26 | 2022-04-12 | 扬州大学 | 一种分蘖期耐半淹涝高产优质水稻种质资源鉴定方法及其应用 |
CN114375789A (zh) * | 2022-01-10 | 2022-04-22 | 河北科技师范学院 | 一种野生大豆盐碱耐性综合评价方法 |
CN114756800A (zh) * | 2022-04-14 | 2022-07-15 | 云南省农业科学院甘蔗研究所 | 一种甘蔗大量创新种质抗旱性鉴定方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
SU1641225A1 (ru) * | 1988-04-26 | 1991-04-15 | Краснодарский научно-исследовательский институт сельского хозяйства им.П.П.Лукьяненко | Способ определени устойчивости сортов растений пшеницы к засухе |
RU2229214C1 (ru) * | 2002-10-18 | 2004-05-27 | Пензенская государственная сельскохозяйственная академия | Способ оценки засухоустойчивости растений |
CN103238493A (zh) * | 2013-05-20 | 2013-08-14 | 江苏省农业科学院 | 桃不同砧木类型对持续干旱的响应及其抗旱性评价方法 |
CN108921451A (zh) * | 2018-07-27 | 2018-11-30 | 广西壮族自治区农业科学院玉米研究所 | 一种鉴定玉米品种抗旱性的评价方法 |
CN110367067A (zh) * | 2019-07-05 | 2019-10-25 | 四川省农业科学院作物研究所 | 一种基于多梯度多性状综合抗旱指数的水稻抗旱性评价方法 |
-
2020
- 2020-04-20 CN CN202010314239.1A patent/CN111507630A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
SU1641225A1 (ru) * | 1988-04-26 | 1991-04-15 | Краснодарский научно-исследовательский институт сельского хозяйства им.П.П.Лукьяненко | Способ определени устойчивости сортов растений пшеницы к засухе |
RU2229214C1 (ru) * | 2002-10-18 | 2004-05-27 | Пензенская государственная сельскохозяйственная академия | Способ оценки засухоустойчивости растений |
CN103238493A (zh) * | 2013-05-20 | 2013-08-14 | 江苏省农业科学院 | 桃不同砧木类型对持续干旱的响应及其抗旱性评价方法 |
CN108921451A (zh) * | 2018-07-27 | 2018-11-30 | 广西壮族自治区农业科学院玉米研究所 | 一种鉴定玉米品种抗旱性的评价方法 |
CN110367067A (zh) * | 2019-07-05 | 2019-10-25 | 四川省农业科学院作物研究所 | 一种基于多梯度多性状综合抗旱指数的水稻抗旱性评价方法 |
Non-Patent Citations (1)
Title |
---|
王玉斌等: "粒用高粱种质中后期抗旱性鉴定筛选与分类指标评价", 《中国农业科学》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112330115A (zh) * | 2020-10-27 | 2021-02-05 | 新疆农业大学 | 一种新疆棉花花铃期抗旱性的综合评价方法 |
CN112330115B (zh) * | 2020-10-27 | 2023-07-07 | 新疆农业大学 | 一种新疆棉花花铃期抗旱性的综合评价方法 |
CN112931102A (zh) * | 2020-10-28 | 2021-06-11 | 湖南杂交水稻研究中心 | 利用淀粉理化指标评价水稻品种灌浆期高温耐受程度方法 |
CN112931102B (zh) * | 2020-10-28 | 2022-04-12 | 湖南杂交水稻研究中心 | 利用淀粉理化指标评价水稻品种灌浆期高温耐受程度方法 |
CN112488480A (zh) * | 2020-11-24 | 2021-03-12 | 中国科学院植物研究所 | 一种城市绿地物种抗旱性评价方法及城市绿地物种选择方法 |
CN114303835A (zh) * | 2021-11-26 | 2022-04-12 | 扬州大学 | 一种分蘖期耐半淹涝高产优质水稻种质资源鉴定方法及其应用 |
CN114375789A (zh) * | 2022-01-10 | 2022-04-22 | 河北科技师范学院 | 一种野生大豆盐碱耐性综合评价方法 |
CN114756800A (zh) * | 2022-04-14 | 2022-07-15 | 云南省农业科学院甘蔗研究所 | 一种甘蔗大量创新种质抗旱性鉴定方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111507630A (zh) | 一种高粱植株田间抗旱性表型综合评价方法 | |
Xue et al. | Traits of plant morphology, stalk mechanical strength, and biomass accumulation in the selection of lodging-resistant maize cultivars | |
Kato et al. | Root growth dynamics and stomatal behaviour of rice (Oryza sativa L.) grown under aerobic and flooded conditions | |
Dutamo et al. | Path coefficient and correlation studies of yield and yield associated traits in bread wheat (Triticum aestivum L.) germplasm | |
CN108901837A (zh) | 一种长江中下游单季粳稻优质高效品种筛选及栽培方法 | |
Chakwizira et al. | Evaluating the critical nitrogen dilution curve for storage root crops | |
Fellahi et al. | Genetic analysis of morpho-physiological traits and yield components in F 2 partial diallel crosses of bread wheat (Triticum aestivum L.) | |
ÖZTÜRK et al. | Physiological characterization of Turkish bread wheat genotypes for resistance to late drought stress | |
Meira et al. | Multivariate analysis revealed genetic divergence and promising traits for indirect selection in black oat | |
Akhter et al. | Relationships between carbon isotope discrimination and grain yield, water-use efficiency and growth parameters in wheat (Triticum aestivum L.) under different water regimes | |
Jandong et al. | Genotype-by-environment interaction and stability analysis of soybean genotypes for yield and yield components across two locations in Nigeria | |
Hojjat et al. | Study of economic-ecological results of cold resistance sort of the Lentil world collection under Highlands of Islamic Republic of Iran | |
Dido et al. | Multivariate analysis of quantitative characters variability in Ethiopian barley (Hordeum vulgare L.) landrace: based on regions and altitude | |
Fontinele et al. | Variability, association and selection of promising characters for breeding creole maize | |
CN111528030B (zh) | 基于lrc评价甘蔗抗倒伏能力的方法及其应用 | |
Singh et al. | Diversity analysis of faba bean (Vicia Faba L.) Germplasm of Bihar using agro-morphological characteristics | |
Avijala et al. | Evaluation of cassava ('Manihot esculenta'Crantz) genotypes reveals great genetic variability and potential selection gain | |
Gemechu et al. | Combining ability of maize inbred lines (Zea mays L.) for yields in mid altitude sub-humid Agroecology of Ethiopia | |
Facho et al. | Morphological characterization and estimation of genotype× environment interaction of indigenous buckwheat germplasm collected from Gilgit Baltistan Pakistan | |
CN107014709A (zh) | 利用错期播种鉴定水地小麦灌浆期耐高温耐干热风性方法 | |
Adetumbi et al. | Assessment of agro-ecological influence on the seed quality of groundnut (Arachis hypogaea) in the Gambia | |
CN115956499B (zh) | 一种苗期花生耐荫性评价方法及耐荫性花生品种筛选方法 | |
Bekis et al. | Principal Component Analysis for Yield and Yield Attributed Traits in Lowland Rice (Oryza sativa L.) Genotypes | |
Ghimire et al. | Morphological variation in Nepalese cold tolerant rice accessions | |
Duca et al. | Drought effect on quantitative traits of sunflower genotypes. |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200807 |
|
RJ01 | Rejection of invention patent application after publication |