CN112330115B - 一种新疆棉花花铃期抗旱性的综合评价方法 - Google Patents
一种新疆棉花花铃期抗旱性的综合评价方法 Download PDFInfo
- Publication number
- CN112330115B CN112330115B CN202011163439.8A CN202011163439A CN112330115B CN 112330115 B CN112330115 B CN 112330115B CN 202011163439 A CN202011163439 A CN 202011163439A CN 112330115 B CN112330115 B CN 112330115B
- Authority
- CN
- China
- Prior art keywords
- cotton
- drought
- drought resistance
- indexes
- resistance
- 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
- 229920000742 Cotton Polymers 0.000 title claims abstract description 118
- 238000011156 evaluation Methods 0.000 title claims abstract description 51
- 230000008641 drought stress Effects 0.000 claims abstract description 35
- 239000000463 material Substances 0.000 claims abstract description 30
- 238000000611 regression analysis Methods 0.000 claims abstract description 12
- 238000012216 screening Methods 0.000 claims abstract description 12
- 241000219146 Gossypium Species 0.000 claims description 109
- 238000000034 method Methods 0.000 claims description 30
- 238000004458 analytical method Methods 0.000 claims description 24
- 238000011282 treatment Methods 0.000 claims description 21
- 230000000243 photosynthetic effect Effects 0.000 claims description 16
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 12
- 230000009418 agronomic effect Effects 0.000 claims description 11
- 230000001419 dependent effect Effects 0.000 claims description 11
- 102000019197 Superoxide Dismutase Human genes 0.000 claims description 10
- 108010012715 Superoxide dismutase Proteins 0.000 claims description 10
- 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 claims description 10
- 238000012417 linear regression Methods 0.000 claims description 10
- WSMYVTOQOOLQHP-UHFFFAOYSA-N Malondialdehyde Chemical compound O=CCC=O WSMYVTOQOOLQHP-UHFFFAOYSA-N 0.000 claims description 9
- 229940118019 malondialdehyde Drugs 0.000 claims description 9
- 238000007619 statistical method Methods 0.000 claims description 9
- 238000012360 testing method Methods 0.000 claims description 9
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 claims description 8
- 238000003973 irrigation Methods 0.000 claims description 8
- 230000002262 irrigation Effects 0.000 claims description 8
- 230000035882 stress Effects 0.000 claims description 8
- 208000005156 Dehydration Diseases 0.000 claims description 7
- 238000005259 measurement Methods 0.000 claims description 7
- 241000196324 Embryophyta Species 0.000 claims description 5
- 229930002875 chlorophyll Natural products 0.000 claims description 5
- 235000019804 chlorophyll Nutrition 0.000 claims description 5
- 229910002092 carbon dioxide Inorganic materials 0.000 claims description 4
- 239000001569 carbon dioxide Substances 0.000 claims description 4
- 235000013399 edible fruits Nutrition 0.000 claims description 4
- 230000005068 transpiration Effects 0.000 claims description 4
- 239000008186 active pharmaceutical agent Substances 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000007812 deficiency Effects 0.000 claims description 3
- 238000000513 principal component analysis Methods 0.000 abstract description 5
- 238000007621 cluster analysis Methods 0.000 abstract description 2
- CSCPPACGZOOCGX-UHFFFAOYSA-N Acetone Chemical compound CC(C)=O CSCPPACGZOOCGX-UHFFFAOYSA-N 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 4
- 230000029553 photosynthesis Effects 0.000 description 4
- 238000010672 photosynthesis Methods 0.000 description 4
- 239000003153 chemical reaction reagent Substances 0.000 description 3
- 238000009395 breeding Methods 0.000 description 2
- 230000001488 breeding effect Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- JPXMTWWFLBLUCD-UHFFFAOYSA-N nitro blue tetrazolium(2+) Chemical compound COC1=CC(C=2C=C(OC)C(=CC=2)[N+]=2N(N=C(N=2)C=2C=CC=CC=2)C=2C=CC(=CC=2)[N+]([O-])=O)=CC=C1[N+]1=NC(C=2C=CC=CC=2)=NN1C1=CC=C([N+]([O-])=O)C=C1 JPXMTWWFLBLUCD-UHFFFAOYSA-N 0.000 description 2
- 238000001556 precipitation Methods 0.000 description 2
- 238000012847 principal component analysis method Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 241000241602 Gossypianthus Species 0.000 description 1
- 238000012271 agricultural production Methods 0.000 description 1
- 238000000540 analysis of variance Methods 0.000 description 1
- 238000003556 assay Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000004071 biological effect Effects 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000024346 drought recovery Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000008020 evaporation Effects 0.000 description 1
- 238000001704 evaporation Methods 0.000 description 1
- 239000013505 freshwater Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000025469 response to water deprivation Effects 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
- 238000012353 t test Methods 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
- G06F18/2135—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on approximation criteria, e.g. principal component analysis
-
- 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)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Life Sciences & Earth Sciences (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- Data Mining & Analysis (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Educational Administration (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Mining & Mineral Resources (AREA)
- General Health & Medical Sciences (AREA)
- Marine Sciences & Fisheries (AREA)
- Animal Husbandry (AREA)
- Primary Health Care (AREA)
- Agronomy & Crop Science (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Breeding Of Plants And Reproduction By Means Of Culturing (AREA)
- Pretreatment Of Seeds And Plants (AREA)
Abstract
本发明公开了一种新疆棉花花铃期抗旱性的综合评价方法。通过在干旱胁迫和正常条件下，测定新疆104份棉花资源材料花铃期的19个抗旱相关指标对干旱胁迫的响应、构建理想的抗旱性预测模型、主成分分析和逐步回归分析确定关键的抗旱指标、D值聚类分析鉴定棉花资源材料抗旱性等关键技术步骤的改进，筛选出新的独立指标，以确定代表性的抗旱指标，逐步回归分析，确定了PH，EFBN，SBW，Tr和Chl这5个性状对棉花材料的抗旱性有显著影响，可作为筛选抗旱材料的主要指标。本发明提供一种快速鉴定新疆棉花花铃期抗旱性评价方法，为后期快速有效地评估棉花抗旱能力，筛选棉花抗旱材料提供数据支持。
Description
技术领域
本发明属于农业生产技术领域，特别是涉及一种新疆棉花花铃期抗旱性的综合评价方法。
背景技术
新疆属于干旱和半干旱地区，蒸发高，年平均降水量仅为58mm，潜在的蒸散量大于年均降水量，淡水资源普遍短缺。棉花作为新疆种植的优势作物，缺水干旱已经成为影响棉花生产的主要环境因素。因此，了解棉花的抗旱性、合理评价棉花抗旱资源材料，并挖掘抗旱资源中的抗旱材料，对提高棉花抗旱性有重要意义。
棉花的抗旱性是一个复杂的生物学性状，使用单一指标判断其抗旱性易受到环境及基因型差异影响而导致判断结果不一致。因此，方便、简单有效的评价方法及鉴定指标是抗旱性鉴定的关键。近年来，国内外学者对棉花抗旱指标鉴定及统计分析方法开展了大量的相关研究，研究普遍认为不同生育时期各指标对水分胁迫的敏感程度不同，花铃期是棉花水分需求的关键期，从棉花花铃期筛选干旱敏感性高的农艺性状指标是挖掘主栽品种的抗旱潜力的最佳方式。目前已知的综合抗旱评价方法中，通过比较发现以隶属函数法、主成分分析法得到抗旱性度量值(D值)对作物抗旱评价最佳。因为D值不仅反映单项抗旱系数之间的关系和其因子权重大小，还能综合的反映出该作物材料间的抗旱情况。
现有的文献报道披露的综合各种评价方法中较多采用了隶属函数法、主成分法及灰色关联度法等方法。但是由于棉花抗旱性较为复杂，不同研究者、不同时期下筛选出的抗旱评价指标并不统一。目前对棉花抗旱性综合评价中，结合D值分析需要测量指标多，特别是在大田条件下开展抗旱性鉴定评价，易受环境影响，且工作量大，费时费力。因此，迫切需要一种简单易操作、测量指标少且有效的棉花抗旱综合评价方法。
发明内容
本发明针对现有技术中关于新疆棉花花铃期抗旱性的综合评价方法中，筛选的关键指标多、测定工作量大等技术现状，本发明旨在于提供一种新疆棉花花铃期的抗旱性的综合评价方法，该方法通过在干旱胁迫和正常条件下，对新疆大田花铃期104份棉花核心种质的19个抗旱相关指标进行测试，利用主成分分析、聚类分析法和抗旱性评价，通过GMP，MP，STI和D值评估棉花的抗旱性，逐步线性回归分析表明，D值与Yd值相关性最强，确定D值可以直接反映棉花品种在干旱胁迫下的抗旱性，将D值和19个性状指标分别设置为因变量和自变量，通过逐步回归分析获得最佳回归方程，构建理想的抗旱预测模型。进一步通过主成分分析降维从19个指标中筛选了五个指标PH，EFBN，SBW，Tr和Chl，通过D值进行聚类分析鉴定棉花资源材料抗旱性，利用筛选的5个评价指标与利用19个评价指标的综合评估结果趋于一致，确定筛选出的5个指标可以作为新疆棉花花龄期抗旱性的综合评价指标。这将有助于我们快速有效地评估棉花抗旱能力，为快速、简单筛选棉花抗旱材料提供数据支持。
为了达到以上技术目的，本发明通过以下技术方案实现：
本发明具体提供了一种新疆棉花花铃期抗旱性的综合评价方法，具体包括如下步骤：
(1)确定待评价棉花品种。
(2)在干旱胁迫处理条件下和对照条件下，对选定棉花品种进行花铃期指标测定。
(3)使用主成分分析软件SPSS21.0和层次聚类分析软件R对步骤(2)所得数据进行统计分析。
(4)对比步骤(3)统计分析的各指标与棉花品种抗旱性的关系，确定D值可以直接反映棉花抗旱性，将D值和19个性状指标分别设置为因变量和自变量，通过逐步回归分析获得最佳回归方程，构建理想的抗旱预测模型。
(5)通过主成分分析降维筛选了5个主要成分可以有效地解释抗旱性，筛选出五个指标分别是PH，EFBN，SBW，Tr和Chl，利用筛选的五个指标计算D1值，通过D值进行聚类分析鉴定棉花资源材料抗旱性，利用筛选的5个评价指标与利用19个评价指标的综合评估结果趋于一致，确定筛选出的5个指标可以作为新疆棉花花龄期抗旱性的综合评价指标。
本发明一种新疆棉花花铃期抗旱性的综合评价方法中，棉花品种材料分两行种植，行长为3m，两株之间的距离为0.10m，前后以保护行分隔开。
本发明一种新疆棉花花铃期抗旱性的综合评价方法中，干旱胁迫处理为棉花花铃期进行，其中胁迫处理组停止灌溉达到干旱胁迫条件，同时对照处理组正常灌溉，之后两种处理正常灌溉；所述花铃期指标测定由光合指标、生理指标和农艺性状指标组成，光合指标包括净光合速率(Pn)，气孔导度(gs)，蒸腾速率(Tr)，水分利用效率(WUE)，细胞间二氧化碳浓度(Ci)和水蒸气压亏缺(VPD)；生理指标包括丙二醛(MDA)，叶绿素(Chl)和超氧化物歧化酶(SOD)；农艺性状指标包括株高(PH)，果枝数(FBN)，有效果枝数(EFBN)，铃数(BN)，有效铃数(EBN)，棉花籽棉产量(CSY)，皮棉产量(CLY)，单铃重(SBW)。
本发明一种新疆棉花花铃期抗旱性的综合评价方法中，对数据进行统计分析包括以下步骤：
(1)针对同一待评价棉花品种，对每个测定指标的干旱胁迫和正常浇水处理的数值之比计算抗旱系数DC，并根据DC进行计算抗旱性隶属函数值D，计算公式为：
其中U是抗旱基因型的性状的隶属函数值；XDS是干旱胁迫条件下测试指标值，XCK是正常条件下测试指标值；DC代表不同品种所有性状的抗旱系数，DCimax和DCimin分别是不同品种所有性状的抗旱系数的最大值和最小值。
(2)计算减产值(Yd)，耐应力指数(STI)，平均生产率(MP)，几何平均生产率(GMP)，计算公式为：
Yd＝Yp-Ys
式中：Ys是水分胁迫下的产量，Yp是正常灌溉条件下的产量。
本发明一种新疆棉花花铃期抗旱性的综合评价方法中，构建理想的抗旱预测模型包括对比Yd和D值大小，计算Yd和每个抗旱性指数之间的表型相关系数，Yd作为因变量，使用GMP，MP，STI和D作为自变量进行线性回归分析，确定D值可以直接反映棉花品种在干旱胁迫下的抗旱性，将D值和19个性状指标分别设置为因变量和自变量，通过逐步回归分析获得最佳回归方程，构建理想的抗旱预测模型。
通过实施本发明提供上述具体技术方案，实施本发明内容，可以达到以下有益效果：
(1)本发明提供的一种新疆棉花花铃期抗旱性的综合评价方法，在正常灌溉和水分胁迫条件下，通过GMP，MP，STI和D值评估棉花的抗旱性以及逐步线性回归分析，D值与Yd值相关性最强，D值直接反映了棉花品种在干旱胁迫下的抗旱性，D值方法简单有效，可被广泛用于评估棉花育种的抗旱性。
(2)本发明提供的一种新疆棉花花铃期抗旱性的综合评价方法，通过主成分分析降维筛选了五个指标PH，EFBN，SBW，Tr和Chl，其与新疆棉花材料的抗旱性显著相关，可作为筛选抗旱材料的主要指标。这将有助于我们快速有效地评估抗旱性，为快速、简单筛选棉花抗旱材料提供数据支持。
附图说明
图1 2016年GMP，MP，STI，D和Yd的线性回归分析图。
图2 2017年GMP，MP，STI，D和Yd的线性回归分析图。
图3 2018年GMP，MP，STI，D和Yd的线性回归分析图。
图4 2016～2018年主成分各因素解释的方差图。
具体实施方式
下面，举实施例说明本发明，但是，本发明并不限于下述的实施例。
本发明中的棉花资源来源为：新疆农业大学“丝绸之路经济带棉花优质高效省部共建协同创新中心”提供。
本发明中所用到的试剂及仪器便携式光合作用系统(英国CIRAS-3)测量光合作用指标，丙酮(80％，分析纯)等均可通过公共渠道购买，工艺中所采用的的设备和仪器均为本领域常见的设备。
本发明中选用的所有材料、试剂和仪器的测定方法都为本领域熟知的但不限制本发明的实施例，其他本领域熟知的一些试剂和设备都可以适用于本发明以下实施方式的实施。
本发明测定指标：
(1)使用便携式光合作用系统(英国CIRAS-3)测量光合作用指标。在花铃期水分达到干旱胁迫条件(土壤含水量下降40％)时进行光合指标的测定，主要包括：净光合速率(Pn)，气孔导度(gs)，蒸腾速率(Tr)，水分利用效率(WUE)，细胞间二氧化碳浓度(Ci)和水蒸气压亏缺(VPD)。同时，摘取顶部完全展开的叶子用于测定生理指标，包括丙二醛(MDA)，叶绿素(Chl)和超氧化物歧化酶(SOD)。均重复三次。
(2)根据Yin等人的方法测量MDA含量。使用80％丙酮从叶片中提取叶绿素(Chl)。超氧化物歧化酶(SOD)的活性通过硝基蓝四唑(NBT)的方法进行测量。
(3)农艺性状指标测定，主要包括株高(PH)，果枝数(FBN)，有效果枝数(EFBN)，铃数(BN)，有效铃数(EBN)，棉花籽棉产量(CSY)，皮棉产量(CLY)，单铃重(SBW)。
实施例1：新疆棉花花铃期抗旱性的综合评价方法
新疆棉花花铃期抗旱性的综合评价方法具体包括如下步骤：
(1)确定待评价棉花品种。
(2)在干旱胁迫处理条件下和对照条件下，对选定棉花品种进行花铃期指标测定。
(3)使用主成分分析软件SPSS21.0和层次聚类分析软件R对步骤(2)所得数据进行统计分析。
(4)对比步骤(3)统计分析的各指标与棉花品种抗旱性的关系，确定D值可以直接反映棉花抗旱性，将D值和19个性状指标分别设置为因变量和自变量，通过逐步回归分析获得最佳回归方程，构建理想的抗旱预测模型。
(5)通过主成分分析降维筛选了5个主要成分可以有效地解释抗旱性，筛选出五个指标分别是PH，EFBN，SBW，Tr和Chl，利用筛选的五个指标计算D1值，通过D值进行聚类分析鉴定棉花资源材料抗旱性，利用筛选的5个评价指标与利用19个评价指标的综合评估结果趋于一致，确定筛选出的5个指标可以作为新疆棉花花龄期抗旱性的综合评价指标。
实施例2：新疆棉花花铃期抗旱性的综合评价方法
本实施例在实施例1的基础上，提供新疆棉花花铃期抗旱性的综合评价方法，棉花品种材料分两行种植，行长为3m，两株之间的距离为0.10m，前后以保护行分隔开；干旱胁迫处理为棉花花铃期进行，其中胁迫处理组停止灌溉达到干旱胁迫条件，同时对照处理组正常灌溉，之后两种处理正常灌溉；花铃期指标测定由光合指标、生理指标和农艺性状指标组成，光合指标包括净光合速率(Pn)，气孔导度(gs)，蒸腾速率(Tr)，水分利用效率(WUE)，细胞间二氧化碳浓度(Ci)和水蒸气压亏缺(VPD)；生理指标包括丙二醛(MDA)，叶绿素(Chl)和超氧化物歧化酶(SOD)；农艺性状指标包括株高(PH)，果枝数(FBN)，有效果枝数(EFBN)，铃数(BN)，有效铃数(EBN)，棉花籽棉产量(CSY)，皮棉产量(CLY)，单铃重(SBW)；
使用主成分分析法和层次聚类法进行数据统计分析的包括如下步骤：
(1)针对同一待评价棉花品种，对每个性状的干旱胁迫和正常浇水处理的数值之比计算抗旱系数DC，并根据DC进行计算抗旱性隶属函数值D，计算公式为：
其中U是抗旱基因型的性状的隶属函数值；XDS是干旱胁迫条件下测试指标值，XCK是正常条件下测试指标值；DC代表不同品种所有性状的抗旱系数，DCimax和DCimin分别是不同品种所有性状的抗旱系数的最大值和最小值。
(2)计算减产值(Yd)，耐应力指数(STI)，平均生产率(MP)，几何平均生产率(GMP)，计算公式为：
Yd＝Yp-Ys
式中：Ys是水分胁迫下的产量，Yp是正常灌溉条件下的产量。
构建理想的抗旱预测模型包括对比Yd和D值大小，计算Yd和每个抗旱性指数之间的表型相关系数，Yd作为因变量，使用GMP，MP，STI和D作为自变量进行线性回归分析，确定D值可以直接反映棉花品种在干旱胁迫下的抗旱性，将D值和19个性状指标分别设置为因变量和自变量，通过逐步回归分析获得最佳回归方程，构建理想的抗旱预测模型。
实施例3：新疆棉花花铃期抗旱性的综合评价方法
本实施例在实施例1-2的基础上，提供新疆棉花花铃期抗旱性的综合评价方法，具体包括如下步骤：
(1)棉花不同指标对干旱胁迫的响应
在干旱胁迫条件下，连续三年研究了104份棉花资源材料的19个性状(形态，光合指标和产量)的变化，2016年测试结果见附表1。由表1结果可知，在干旱胁迫下，所有19个性状的平均值均下降。但是，下降的程度在不同条件下和不同种植周期下是不同的。通过配对样本t检验分析表明，所有指标均受到了显著影响，干旱胁迫处理和正常处理之间表现为显著差异。在干旱胁迫条件下，19个干旱耐受相关指标的变异系数(CV)在干旱胁迫条件下为0.11至0.68，在充足水分条件下为0.08至0.63。这表明，本试验中使用的棉花品种在干旱胁迫下变异较大，对水分胁迫较敏感，选择的材料具有较好的代表性。
表1:2016年在两种水分处理下调查的19个指标的统计
注：*和**分别表示在p<0.05和p<0.01水平差异显著，CV：变异系数
Note:*and**indicate significant difference at p<0.05andp<0.01,respectively.CV is Coefficient of Variation
(2)确定理想的抗旱性预测模型
为了确定理想的抗旱性标准，计算Yd和每个抗旱性指数包括D之间的表型相关系数，具体结果见表2。
由表2的数据可知，2016年、2017年和2018年，D与Yd的相关系数分别为-0.702、-0.744，-0.560(p<0.01)，均表现极显著相关。而GMP，MP和STI之间的相关性小于D和Yd之间的相关性。从相关矩阵中，产量降低值(Yd)和抗旱性隶属函数值(D)表明，可以区分胁迫后高产的耐旱基因型。
表2:2016～2018年不同抗旱指数与Yd的相关系数
| 2016年-Yd | 2017年-Yd | 2018年-Yd | |
| Yd | 1 | 1 | 1 |
| GMP | 0.196* | 0.033 | 0.394** |
| MP | 0.322** | 0.354** | 0.463** |
| STI | 0.178 | -0.006 | 0.321** |
| D | -0.702** | -0.744** | -0.560** |
注：*和**分别表示在p<0.05和p<0.01水平差异显著
Note:*and**indicatesignificantdifferenceatp<0.05andp<0.01,respectively.
用(Yd)作为因变量，GMP，MP，STI和D作为自变量进行线性回归分析，具体结果见表3及附图1-3。
由表3及附图1、附图2、附图3数据可知，2016年Yd与D的相关性极显著，R2为0.553(p<0.01)，高于其他三个指标；2017年和2018年也有极显著的差异，R2分别为0.493和0.314(p<0.01)，高于其他三个指标。从2016年到2018年，Yd与D呈线性关系，相关性最大，且呈显著相关，该方法获得的结果与产量评估结果一致，因此，D值的大小可以反映棉花抗旱强度，D值方法可以准确有效地评估棉花品种的抗旱性，该方法可以用于快速、准确的鉴定不同棉花品种的抗旱性。
表3:用线性回归解释Yd与GMP，MP，STI和D之间的抗旱关系
注：*和**分别表示在p<0.05和p<0.01水平差异显著
(3)通过主成分分析和逐步回归分析确定关键的抗旱指标
分别利用2016～2018年表型数据，提取了各年份五种主要成分，并对这五种成分做方差分析，具体结果见表4、表5、表6和附图4。
表4:2016年主成分分析因子负荷矩阵及贡献率
表5:2017年主成分分析因子载荷矩阵和贡献率
表6:2018年主成分分析因子负荷矩阵及贡献率
由表4-6和附图4可知，将数据维度从19个减少到5个，干旱胁迫后总变异的65.52％，63.59％和65.34％。因此，这五个主要成分可用于综合评估抗旱性。第一主要成分中，特征值为3.994，与EFNB、PH等农艺性状相关，这些特征是可用于筛选抗旱性的农艺性状特征。因此，第一主成分可以被定义为农艺性状特征的综合指标。第二主成分与Tr，Pn等光合性状有关，可以定义为光合性状的综合评价指标。第三个主要成分与SBW的产量性状有关，可以将其定义为产量性状的综合评价指标。第四主要成分与诸如Chl的生理特性有关，可以被定义为生理特性的综合评价指标。第五主要成分主要是Tr性状，表明它在光合指标中对干旱胁迫的反应更大。2017年和2018年的结果与上述结果基本一致。因此，将数据维度从19个减少到5个。最后，这五个主要成分可用于综合评估抗旱性。
进一步通过逐步回归分析，以选择适当的指标来全面评估D和19个性状指标之间棉花品种的抗旱性，将D值和19个性状指标分别设置为因变量和自变量，通过逐步回归分析，计算其最佳回归方程，,具体结果见表7。由表7结果可知，2016年的最佳回归方程为：y＝-0.294+0.229X1+0.368X2+0.308X3+0.184X4+0.133X5。在方程式中，X1，X2，X3，X4和X5代表五个特征，即PH，EFBN，SBW，Tr和Chl，它们的系数分别为0.229、0.368、0.308、0.184和0.133，该方程的系数R2为0.82。表明五个独立变量可以确定R2为0.82，方程式有意义；2017年和2018年建立的回归方程中，R2分别为0.73和0.71。从2016～2018年获得的回归方程可以看出，这五个性状指标对棉花材料的抗旱性具有极显著影响，可作为综合评价棉花抗旱的关键指标。
表7:2016～2018年的回归方程
| 年份 | 回归方程Regression equation | R2 | Sig. |
| 2016 | y＝-0.294+0.229X1+0.368X2+0.308X3+0.184X4+0.133X5 | 0.82 | .000** |
| 2017 | y＝-0.307+0.142X1+0.419X2+0.355X3+0.091X4+0.12X5 | 0.73 | .000** |
| 2018 | y＝-0.166+0.135X1+0.197X2+0.151X3+0.211X4+0.229X5 | 0.71 | .000** |
注：*和**分别表示在p<0.05和p<0.01水平差异显著
X1:PH；X2:EFBN；X3:SBW；X4:Tr；X5:Chl
(4)通过D值进行聚类分析鉴定棉花资源材料抗旱性
为了鉴定筛选指标对棉花资源抗旱性综合评价的可行性，本试验通过聚类分析利用上述筛选的5个指标计算的D1值，并将层次聚类用于聚类分析，与19个性状指标计算的D值进行比较，具体结果见表8。
由表8可知，2016年，棉花品种Zhong R 2016和Xin lu zao 45的D值较高，分别为0.75和0.73，表明在干旱胁迫下，其单产下降最少，对干旱胁迫的耐受性最高；棉花品种Xinlu zao 26和Xin hai 20的D值最低，均为0.46，这表明在干旱胁迫下，其单产下降最多，且耐性最弱。2017年、2018年与2016年变化趋势相同。基于这五个特征指标计算D1值，并将层次聚类用于聚类分析。其中，Xin lu zao 45和Zhong R 2016仍然具有较高的D1值，分别为0.75和0.59，聚类为高的抗旱性组；Xin lu zao 26号和Xin hai 20号的D1值较低，分别为0.41和0.42，聚类为敏旱组。2017年和2018年的分析结果亦相同。由此可见，较高的D1值具有较强的抗旱性，而较低的D1值对旱胁迫敏感。利用筛选的5个评价指标与利用19个评价指标的综合评估结果趋于一致，进一步说明本发明筛选出的5个指标可以作为为新疆棉花花龄期抗旱综合评价指标。
表8:2016～2018年部分棉花材料的D值，D1值及分类
(5)结果分析
本发明选定了104种棉花资源材料，测量了每种棉花花铃期的19个抗旱相关指标，包括形态指标、生理指标和光合指标等相关的抗旱指标。在正常灌溉和水分胁迫条件下，通过GMP，MP，STI和D值以及逐步线性回归分析评估棉花的抗旱性，确定D值可以直接反映了棉花品种在干旱胁迫下的抗旱性。通过主成分和逐步回归分析确定了五个主要成分可以有效地解释抗旱性，筛选出的五个指标分别是PH，EFBN，SBW，Tr和Chl。利用筛选的5个指标建立与D1值的关系模型，与理想模型吻合，确定筛选的的5个指标可以有效地解释棉花抗旱性。这将有助于我们快速有效地评估抗旱性，为快速、简单筛选棉花抗旱材料提供数据支持。
上述实施例仅仅是为清楚地说明本发明所作的举例，而并非对实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所延伸出的显而易见的变化或变动仍处于本发明的保护范围之中。
Claims (4)
1.一种新疆棉花花铃期抗旱性的综合评价方法，其特征在于，评价方法具体包括如下步骤：
（1）确定待评价棉花品种；
（2）在干旱胁迫处理条件下和对照条件下，对选定棉花品种进行花铃期指标测定；
（3）使用主成分分析软件SPSS21.0和层次聚类分析软件R对步骤（2）所得数据进行统计分析；
数据统计分析包括以下步骤：针对同一待评价棉花品种，对每个测定指标的干旱胁迫和正常浇水处理的数值之比计算抗旱系数DC，并根据DC计算抗旱性隶属函数值D，计算公式为：
计算减产值（Yd），耐应力指数（STI），平均生产率（MP），几何平均生产率（GMP），计算公式为：
（4）对比步骤（3）统计分析的各指标与棉花品种抗旱性的关系，确定D值可以直接反映棉花抗旱性，将D值和19个性状指标分别设置为因变量和自变量，通过逐步回归分析获得最佳回归方程，构建理想的抗旱预测模型，包括对比Yd和D值大小，计算Yd和每个抗旱性指数之间的表型相关系数，Yd作为因变量，使用GMP，MP，STI和D作为自变量进行线性回归分析，确定D值可以直接反映棉花品种在干旱胁迫下的抗旱性，将D值和19个性状指标分别设置为因变量和自变量，通过逐步回归分析获得最佳回归方程，构建理想的抗旱预测模型；
（5）通过主成分分析降维筛选了5个主要成分可以有效地解释抗旱性，筛选出五个指标分别是PH，EFBN，SBW，Tr和Chl，利用筛选的五个指标计算D1值，通过D值进行聚类分析鉴定棉花资源材料抗旱性，利用筛选的5个评价指标与利用19个评价指标的综合评估结果趋于一致，确定筛选出的5个指标可以作为新疆棉花花龄期抗旱性的综合评价指标。
2.如权利要求1所述的一种新疆棉花花铃期抗旱性的综合评价方法，其特征在于，所述步骤（1）棉花品种材料分两行种植，行长为3 m，两株之间的距离为0.10 m，前后以保护行分隔开。
3.如权利要求1所述的一种新疆棉花花铃期抗旱性的综合评价方法，其特征在于，所述步骤（2）中干旱胁迫处理为棉花花铃期进行，其中胁迫处理组停止灌溉达到干旱胁迫条件，同时对照处理组正常灌溉，之后两种处理正常灌溉。
4.如权利要求1所述的一种新疆棉花花铃期抗旱性的综合评价方法，其特征在于，所述步骤（2）花铃期指标测定由光合指标、生理指标和农艺性状指标组成，光合指标包括净光合速率（Pn），气孔导度（gs），蒸腾速率（Tr），水分利用效率（WUE），细胞间二氧化碳浓度（Ci）和水蒸气压亏缺（VPD）；生理指标包括丙二醛（MDA），叶绿素（Chl）和超氧化物歧化酶（SOD）；农艺性状指标包括株高（PH），果枝数（FBN），有效果枝数（EFBN），铃数（BN），有效铃数（EBN），棉花籽棉产量（CSY），皮棉产量（CLY），单铃重（SBW）。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011163439.8A CN112330115B (zh) | 2020-10-27 | 2020-10-27 | 一种新疆棉花花铃期抗旱性的综合评价方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011163439.8A CN112330115B (zh) | 2020-10-27 | 2020-10-27 | 一种新疆棉花花铃期抗旱性的综合评价方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112330115A CN112330115A (zh) | 2021-02-05 |
| CN112330115B true CN112330115B (zh) | 2023-07-07 |
Family
ID=74296584
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011163439.8A Active CN112330115B (zh) | 2020-10-27 | 2020-10-27 | 一种新疆棉花花铃期抗旱性的综合评价方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112330115B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104838905A (zh) * | 2015-04-13 | 2015-08-19 | 西北农林科技大学 | 西瓜苗期抗旱性的评价方法 |
| WO2016198471A1 (en) * | 2015-06-08 | 2016-12-15 | Limagrain Europe | Method for determining drought tolerance in maize |
| CN106717973A (zh) * | 2017-01-04 | 2017-05-31 | 甘肃农业大学 | 一种高效筛选抗旱苜蓿品种的方法 |
| 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 |
| CN109729777A (zh) * | 2018-12-18 | 2019-05-10 | 山东省农业科学院玉米研究所（山东省农业科学院玉米工程技术研究中心） | 一种高通量苗期玉米耐旱性鉴定及评价方法 |
| CN111257509A (zh) * | 2020-01-18 | 2020-06-09 | 吉林省农业科学院 | 一种用于玉米萌发期耐旱鉴定的方法 |
| CN111507630A (zh) * | 2020-04-20 | 2020-08-07 | 山西省农业科学院高粱研究所 | 一种高粱植株田间抗旱性表型综合评价方法 |
-
2020
- 2020-10-27 CN CN202011163439.8A patent/CN112330115B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104838905A (zh) * | 2015-04-13 | 2015-08-19 | 西北农林科技大学 | 西瓜苗期抗旱性的评价方法 |
| WO2016198471A1 (en) * | 2015-06-08 | 2016-12-15 | Limagrain Europe | Method for determining drought tolerance in maize |
| CN106717973A (zh) * | 2017-01-04 | 2017-05-31 | 甘肃农业大学 | 一种高效筛选抗旱苜蓿品种的方法 |
| 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 |
| CN109729777A (zh) * | 2018-12-18 | 2019-05-10 | 山东省农业科学院玉米研究所（山东省农业科学院玉米工程技术研究中心） | 一种高通量苗期玉米耐旱性鉴定及评价方法 |
| CN111257509A (zh) * | 2020-01-18 | 2020-06-09 | 吉林省农业科学院 | 一种用于玉米萌发期耐旱鉴定的方法 |
| CN111507630A (zh) * | 2020-04-20 | 2020-08-07 | 山西省农业科学院高粱研究所 | 一种高粱植株田间抗旱性表型综合评价方法 |
Non-Patent Citations (5)
| Title |
|---|
| 棉花抗旱品种筛选鉴定及抗旱性综合评价方法;李忠旺;陈玉梁;罗俊杰;石有太;冯克云;陈子萱;;干旱地区农业研究(01);246-253 * |
| 棉花苗期抗旱相关指标的主成分分析及综合评价;冯方剑;《新疆农业大学学报》;211-217 * |
| 花铃期干旱胁迫对不同棉花品种光合特性影响及抗旱性评价;孙丰磊;张玻;曲延英;陈全家;高文伟;;干旱地区农业研究(05);13-19+26 * |
| 苜蓿种质资源萌发期抗旱指标筛选及抗旱性综合评价;王焱;沙柏平;李明雨;李雪;高雪芹;伏兵哲;;植物遗传资源学报(03);117-128+142 * |
| 陆地棉种质资源花铃期抗旱性鉴定及抗旱指标筛选;李海明;刘绍东;张思平;李阳;陈静;马慧娟;沈倩;赵新华;李存东;庞朝友;;植物遗传资源学报(03);102-116 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112330115A (zh) | 2021-02-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Jie et al. | Screening of drought resistance indices and evaluation of drought resistance in cotton (Gossypium hirsutum L.) | |
| Cheng et al. | Water productivity and seed cotton yield in response to deficit irrigation: A global meta-analysis | |
| Austin | Augmenting yield-based selection | |
| Qun et al. | Key indicators affecting maize stalk lodging resistance of different growth periods under different sowing dates | |
| CN108377788B (zh) | 一种水稻全生育期耐盐性鉴定评价方法 | |
| CN102187774A (zh) | 苹果属植物苗期抗性鉴定与评价体系 | |
| CN114235882B (zh) | 一种芝麻种质资源耐热性评价方法 | |
| Peltonen-Sainio et al. | Declining rapeseed yields in Finland: how, why and what next? | |
| CN111507630A (zh) | 一种高粱植株田间抗旱性表型综合评价方法 | |
| CN112997879B (zh) | 一种评价玉米中胚轴和胚芽鞘最大伸长特性的方法 | |
| CN105165433A (zh) | 苦瓜耐冷性综合鉴定与评价方法 | |
| CN111257509A (zh) | 一种用于玉米萌发期耐旱鉴定的方法 | |
| Varnica et al. | Characterization and interrelationships of soybean [Glycine max (L.) Merrill] yield components during dry and humid seasons | |
| Iqbal et al. | Comparative evaluation of Gossypium arboreum L. and Gossypium hirsutum L. genotypes for drought tolerance | |
| Cruz et al. | Assessment of phenotypic diversity in the USDA, National Plant Germplasm System (NPGS) guayule germplasm collection | |
| Friedman | Relationships between combined and individual field crops’ biomass and planting density | |
| CN113780845A (zh) | 一种基于多准则决策的甘薯种质资源评价方法 | |
| CN112330115B (zh) | 一种新疆棉花花铃期抗旱性的综合评价方法 | |
| Suriyagoda et al. | Morphological variation in selected rice (Oryza sativa L.) germplasm of Sri Lanka | |
| Nainabasti et al. | Evaluation of elite spring wheat genotypes for grain yield and other agronomic attributes in hills of Sudurpaschim Province, Nepal | |
| CN117837441A (zh) | 一种紫花苜蓿耐热性的评价鉴定方法 | |
| CN114199714B (zh) | 一种集成萌芽期生长和苗期生理指标高通鉴选植物抗性品种的方法 | |
| Vega et al. | Planting density does not affect root shape traits associated with market class in carrot | |
| Bowman et al. | Relationships of seed size and shape with polyembryony and the zygotic or nucellar origin of Citrus spp. seedlings | |
| CN112700174A (zh) | 白芍种芽质量评价指标的筛选方法及质量评价方法 |
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 |