CN112634072A - 一种基于主成分分析对水稻苗期耐寒性的评价方法 - Google Patents
一种基于主成分分析对水稻苗期耐寒性的评价方法 Download PDFInfo
- Publication number
- CN112634072A CN112634072A CN202011588556.9A CN202011588556A CN112634072A CN 112634072 A CN112634072 A CN 112634072A CN 202011588556 A CN202011588556 A CN 202011588556A CN 112634072 A CN112634072 A CN 112634072A
- Authority
- CN
- China
- Prior art keywords
- rice
- indexes
- cold
- seedling stage
- principal component
- 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
- 235000007164 Oryza sativa Nutrition 0.000 title claims abstract description 105
- 235000009566 rice Nutrition 0.000 title claims abstract description 105
- 238000000513 principal component analysis Methods 0.000 title claims abstract description 29
- 238000011156 evaluation Methods 0.000 title claims description 56
- 240000007594 Oryza sativa Species 0.000 title 1
- 241000209094 Oryza Species 0.000 claims abstract description 104
- 238000000034 method Methods 0.000 claims abstract description 22
- 230000000877 morphologic effect Effects 0.000 claims abstract description 22
- 238000004458 analytical method Methods 0.000 claims abstract description 8
- 238000010219 correlation analysis Methods 0.000 claims abstract description 7
- 229930002875 chlorophyll Natural products 0.000 claims description 19
- 235000019804 chlorophyll Nutrition 0.000 claims description 19
- 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 19
- 239000000463 material Substances 0.000 claims description 16
- 238000012360 testing method Methods 0.000 claims description 14
- 238000007621 cluster analysis Methods 0.000 claims description 8
- 238000012216 screening Methods 0.000 claims description 8
- 238000005286 illumination Methods 0.000 claims description 6
- 238000000611 regression analysis Methods 0.000 claims description 6
- 238000005259 measurement Methods 0.000 claims description 5
- 238000012258 culturing Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 4
- 230000001419 dependent effect Effects 0.000 claims description 3
- 230000005059 dormancy Effects 0.000 claims description 3
- 235000015097 nutrients Nutrition 0.000 claims description 3
- 239000002689 soil Substances 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 2
- 230000035601 cold sensitivity Effects 0.000 claims description 2
- 230000000243 photosynthetic effect Effects 0.000 claims description 2
- 230000003334 potential effect Effects 0.000 claims description 2
- 238000012847 principal component analysis method Methods 0.000 abstract description 6
- 230000001186 cumulative effect Effects 0.000 abstract description 3
- 206010065042 Immune reconstitution inflammatory syndrome Diseases 0.000 description 18
- 238000011160 research Methods 0.000 description 10
- 241000196324 Embryophyta Species 0.000 description 7
- 230000000694 effects Effects 0.000 description 3
- 230000004083 survival effect Effects 0.000 description 3
- CIWBSHSKHKDKBQ-JLAZNSOCSA-N Ascorbic acid Chemical compound OC[C@H](O)[C@H]1OC(=O)C(O)=C1O CIWBSHSKHKDKBQ-JLAZNSOCSA-N 0.000 description 2
- 102000003992 Peroxidases Human genes 0.000 description 2
- 230000002411 adverse Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000002595 cold damage Effects 0.000 description 2
- 239000002131 composite material Substances 0.000 description 2
- 238000011068 loading method Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 108040007629 peroxidase activity proteins Proteins 0.000 description 2
- 241000345998 Calamus manan Species 0.000 description 1
- 235000015210 Fockea angustifolia Nutrition 0.000 description 1
- 244000186654 Fockea angustifolia Species 0.000 description 1
- WSMYVTOQOOLQHP-UHFFFAOYSA-N Malondialdehyde Chemical compound O=CCC=O WSMYVTOQOOLQHP-UHFFFAOYSA-N 0.000 description 1
- 244000170916 Paeonia officinalis Species 0.000 description 1
- 235000006484 Paeonia officinalis Nutrition 0.000 description 1
- 241000209140 Triticum Species 0.000 description 1
- 235000021307 Triticum Nutrition 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 229960005070 ascorbic acid Drugs 0.000 description 1
- 235000010323 ascorbic acid Nutrition 0.000 description 1
- 239000011668 ascorbic acid Substances 0.000 description 1
- 238000009395 breeding Methods 0.000 description 1
- 230000001488 breeding effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- QDOXWKRWXJOMAK-UHFFFAOYSA-N dichromium trioxide Chemical compound O=[Cr]O[Cr]=O QDOXWKRWXJOMAK-UHFFFAOYSA-N 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 238000012214 genetic breeding Methods 0.000 description 1
- 229940118019 malondialdehyde Drugs 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000004060 metabolic process Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010899 nucleation Methods 0.000 description 1
- 230000000258 photobiological effect Effects 0.000 description 1
- 230000029553 photosynthesis Effects 0.000 description 1
- 238000010672 photosynthesis Methods 0.000 description 1
- 235000012950 rattan cane Nutrition 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 150000003839 salts Chemical class 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 239000004575 stone 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
- 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
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Life Sciences & Earth Sciences (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)
- Breeding Of Plants And Reproduction By Means Of Culturing (AREA)
- Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
Abstract
本发明公开了一种基于主成分分析对水稻苗期耐寒性的评价方法,该方法采用主成分分析法对水稻种质资源苗期耐寒性进行综合评价,相关性分析结果显示6个生理指标与形态学指标黄叶率之间均呈负相关关系;通过主成分分析将测定的7个单项指标转换成3个相互独立的综合指标,累计贡献率达84.76%;根据综合指标D值,种质资源可以划分为5类,共筛选出4份苗期综合耐寒性极强的品种;主成分和回归联合分析结果表明,7个指标均可作为水稻种质资源苗期耐寒性鉴定的重要指标。本发明所公开的方法对于苗期耐寒水稻品种培育具有指导意义。
Description
技术领域
本发明公开涉及作物遗传育种技术领域,尤其涉及一种基于主成分分析对水稻苗期耐寒性的评价方法。
背景技术
水稻是世界上大部分人口消费的主食。据统计,我国水稻产量约占世界上稻作总产量的45%,然而平均每4-5年就会发生一次大面积冷害减产现象。水稻属于亚热带喜温作物,生长发育的各阶段均会遭受低温冷害,而水稻种质资源的耐寒性鉴定和评价是培育耐寒水稻品种的重要前提和保证,对于扩大水稻播种面积、降低产量损失等具有十分重要的意义。
目前,已有研究人员对水稻苗期耐寒种质资源筛选做了很多工作;如商水根等以存活率为评价指标,从1542份水稻核心种质资源中,筛选出存活率80%以上的苗期耐寒性较强种质资源73份;肖宇龙等以苗期叶片的赤枯度作为耐寒性评价指标,从江西省23份早稻主栽品种中筛选出8份苗期耐寒性较强的材料;蔡志欢等以死苗率作为评价指标,从230份水稻种质资源中筛选出死苗率小于10%的苗期耐寒性较强的种质资源19份;王代鑫等以抗坏血酸过氧化物酶活性等4个生理指标为评价指标,从吉林省21份晚熟水稻苗期种质资源中,筛选出5份苗期耐寒性较强的材料。已有的这些研究结果表明,幼苗的叶片赤枯度、存活率、死亡率、过氧化物酶活性、叶绿素含量、丙二醛含量等均可作为鉴定苗期耐寒性的评价指标。然而,耐寒性是由多个因素共同决定的数量性状,仅用某一个或几个评价指标具有一定局限性,不能精准地鉴定出水稻的苗期耐寒性。
发明内容
鉴于此,本发明公开提供了一种基于主成分分析对水稻苗期耐寒性的评价方法,将形态学性状和生理指标相结合,采用主成分分析方法来鉴定评价水稻苗期耐寒性,以实现对水稻苗期耐寒性进行综合评价。
本发明提供的技术方案,具体为,
一种基于主成分分析对水稻苗期耐寒性的评价方法,包括如下步骤:
1)确定水稻苗期耐寒性的评价指标,选择及培养待评价水稻品种的幼苗;
选用初始荧光(Fo)、最大荧光产量(Fm)、光合系统Ⅱ潜在活性(Fv/Fo)、原初光能转换效率(Fv/Fm)、叶绿素含量(SPAD)、叶片性能(PI)6个生理指标并结合形态指标黄叶率作为水稻苗期耐寒性的评价指标;
2)测定水稻品种的生理指标、形态指标共7个单项指标;
3)低温胁迫下对各指标进行相关性分析;
4)将水稻品种7个单项指标的耐寒系数进行主成分分析;
5)根据主成分分析得到的特征值、贡献率,选取相对独立的3个综合指标CI1、CI2和CI3对水稻品种的苗期耐寒性进行综合评价;
综合评价得到:所有试验品种的隶属函数值U(x)、3个综合指标权重、耐寒性综合评价值D;
6)以耐寒性综合评价值D值为基础,将水稻品种进行耐寒性聚类分析,基于D值筛选出强耐寒种质资源;
7)建立回归模型,根据模型方程的判定系数进一步筛选苗期耐寒性的主要评价指标,最终得出所述7个指标与水稻苗期耐寒性显著相关,可作为水稻苗期耐寒性的主要评价指标。
进一步地,步骤1)幼苗培养:水稻种子放于50℃72h打破休眠,置于营养土中培养,30℃、光照/黑暗=12h/12h,生长至三叶一心期后,一份放入人工气候培养箱,10℃、光照/黑暗=12h/12h,进行48h低温胁迫后,用于测定其生理指标;一份放入气候培养箱,4℃、光照/黑暗=12h/12h,进行24h低温胁迫,用于测定黄叶率;
进一步地,所述步骤2)测定水稻品种的生理指标、形态指标具体包括:
取低温胁迫前与低温胁迫后两个时间点进行叶绿素含量和叶绿素荧光相关参数Fo、Fm、Fv/Fo、Fv/Fm和PI这五个生理指标测定,每个指标测定3次生物学重复;
形态指标的测定:测定4℃低温胁迫24h后其幼苗黄叶的数量,叶片超过一半发黄记为黄叶,3次生物学重复;
进一步地,所述步骤4)中耐寒系数计算方法为:
对于所测得的原始数据进行处理,对照组所测3次生物学重复进行平均值计算,取其平均值;处理组同对照组,取其平均值;
式中,CTC表示55个水稻品种其7个单项指标的耐寒系数,T表示处理组,CK表示对照组。
进一步地,所述步骤5)综合评价具体包括:
根据综合指标值CI(x)和公式(2),计算出所有试验品种的隶属函数值U(x);
其中,综合指标隶属函数值
式中的U(Xj)为所有试验材料第i个主成分的隶属函数值,Xj、Xmin和Xmax依次表示每个试验材料中第j个综合指标值、最小值和最大值;
根据各综合指标的贡献率结合公式(3),得到3个综合指标权重;
权重:
式中的Wj表示第j个综合指标在所有指标中的重要程度,Pj为所有试验材料第j个综合指标的贡献率;
根据公式(4),求出各品种的综合评价值D,且D值与耐寒性成正相关关系;
耐寒性综合评价值
式中D表示水稻品种耐寒能力的综合评价值。
进一步地,所述步骤6)耐寒性聚类分析后得到阀值,在阈值处将水稻品种分成5类,分别为极强耐寒、强耐寒、中耐寒,弱耐寒及寒敏感品种。
进一步地,以耐寒性综合评价值D值作为因变量y,7个相关指标作为自变量x,进行逐步回归分析,回归方程如下:
Y=0.173++0.019X1+0.146X2+0.202X3+0.202X4-0.065X5+0.157X6+0.104X7,
其中X1-7依次代表Fo、Fm、Fv/Fo、Fv/Fm、SPAD、PI和黄叶率,方程判定系数R2=1,F=230.379。
本发明提供的一种基于主成分分析对水稻苗期耐寒性的评价方法,采用主成分分析法对水稻种质资源苗期耐寒性进行综合评价,首先通过相关性分析结果显示6个生理指标与形态学指标黄叶率之间均呈负相关关系;则选择通过主成分分析将测定的7个单项指标转换成3个相互独立的综合指标,累计贡献率达84.76%;根据综合指标D值,种质资源可以划分为5类,共筛选出4份苗期综合耐寒性极强的品种;主成分和回归联合分析结果表明,7个指标均可作为水稻种质资源苗期耐寒性鉴定的重要指标。本发明的结果对于苗期耐寒水稻品种培育具有指导意义。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本发明的公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本发明的实施例,并与说明书一起用于解释本发明的原理。
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例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,对于本领域普通技术人员而言,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明公开实施例提供的基于D值的55份水稻种质资源的耐寒性聚类分析。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本发明的一些方面相一致的系统的例子。
植物受逆境胁迫的影响与逆境种类、逆境强度、持续时间等多种因素紧密相连,且与植物种类有关。低温胁迫对水稻的外部形态特征和生理生化指标均会产生影响,目前,前人对于水稻苗期耐寒评价指标已有一定的研究,已有的这些研究表明,叶片赤枯度、卷曲度等形态学指标和叶绿素含量、可溶性糖含量等生理指标均可作为水稻苗期耐寒性的评价指标。但是,相对于形态学指标而言,生理学指标可进一步反映植物在受逆境条件下体内各代谢过程的变化,因此本实施方案选用形态学指标黄叶率并在此基础上结合Fo、Fm、Fv/Fo、Fv/Fm、SPAD及PI 6个生理指标作为水稻苗期耐寒性的评价指标。
植物耐寒特性是一个由多种因素共同调节的复杂机制,仅用单一的某个指标评价植物的耐寒性具有一定的局限性,可能导致结果出现误差。多个评价指标可以从不同方面反映出其耐寒性,但多个指标间往往存在一定的相关性,数据出现信息重叠,导致难以正确判断各个指标对于某一性状的影响。应用主成分分析法,可有效消除各项指标之间的相关性,且指标间相关系数越大,分析效果越好。主成分分析是一种降维的多元统计方法,可将多个变量转化为少数几个综合指标(即主成分),且每个综合指标可涵盖原始变量的绝大部分信息,有效避免了指标间存在的信息重叠。目前主成分分析已应用在探究水稻、小麦等农作物多个生长时期其耐盐、耐旱等抗逆性综合评价。然而,将形态学性状和生理指标相结合,采用主成分分析方法来鉴定评价水稻苗期耐寒性的研究还未见报道。
此外,主成分分析可将多个指标转换成相对独立的几个综合指标,且按照方差大小依次排序,通常选择累计贡献率大于80%的主成分,包含绝大部分原始数据信息。目前已有的主成分分析研究中,有关水稻苗期耐寒性的研究相对较少,并且由于生理指标的评定工作量大且繁琐,因此绝大多数研究均采用形态学指标,只有少数研究采用生理学指标。本实施方案选用了形态学指标黄叶率,并在此基础上添加了叶绿素含量和叶绿素荧光参数作为生理指标,以上生理指标可直接通过仪器测定,简便易行,工作量小。已有研究表明,光合作用可反映植物在逆境条件下自身生长发育质量的好坏,叶绿素含量和叶绿素荧光参数的大小可作为植物耐受逆境的生理指标。
本实施方案以55个水稻品种作为研究对象,采用人工低温胁迫法,结合生理生化指标与外部形态学特征,分析其叶绿素含量、叶绿素荧光参数6个生理指标及其形态学性状黄叶率的变化。应用主成分分析、隶属函数法、聚类分析、回归分析等多元方法,对水稻苗期耐寒性进行综合评价。
一种基于主成分分析对水稻苗期耐寒性的评价方法:
1)选用55份水稻种质资源由中国农业科学院作物科学研究所提供,其分属于中国、菲律宾、马来西亚、斯里兰卡及日本5个国家。具体品种信息详见表1。
表1用于本实验水稻品种详细信息
幼苗培养,具体为将水稻种子放于50℃72h打破休眠,置于营养土中培养(30℃,光照/黑暗=12h/12h)生长至三叶一心期后,一份放入人工气候培养箱(10℃,光照/黑暗=12h/12h)进行48h低温胁迫后,用于测定其生理指标;一份放入气候培养箱(4℃,光照/黑暗=12h/12h)进行24h低温胁迫,用于测定黄叶率。
2)进行生理指标的测定,取低温胁迫前与低温胁迫后两个时间点进行叶绿素含量和叶绿素荧光相关参数测定,每个指标测定3次生物学重复。
叶绿素含量的测定:采用SPAD-502Plus叶绿素仪(浙江托普仪器公司)进行测定。
叶绿素荧光参数的测定:使用pocket PEA便携式荧光仪(英国Hansatech公司)测定Fo、Fm、Fv/Fo、Fv/Fm和PI这五个生理指标。
形态指标的测定:测定4℃低温胁迫24h后其幼苗黄叶的数量,叶片超过一半发黄记为黄叶,3次生物学重复。
本实施方案中的数据处理涉及使用Excel 2010计算原始数据均值,SPSS 26.0软件进行相关性分析、主成分分析、聚类分析以及逐步回归分析;
3)低温胁迫下对各指标的相关性分析,55份水稻种质资源在低温胁迫下,其苗期7个指标的相关分析结果见表2,从中可以看出,6个生理指标与形态学指标黄叶率之间均呈负相关关系,其中Fo、Fm、SPAD与黄叶率呈显著负相关,Fm与黄叶绿的相关系数最大,达到-0.33;Fm与Fo、Fv/Fo、Fv/Fm、PI之间均呈极显著正相关,其中Fv/Fo与Fv/Fm之间的相关系数最大,为0.91。此外,由表2可知,这些指标之间均存在显著相关关系,导致信息重叠,无法通过这些指标准确的鉴定出水稻的苗期耐寒性,故接下来本实施方案通过主成分分析法对水稻的耐寒性进行综合评价。
表2低温胁迫下水稻苗期各指标的相关系数矩阵
**表示极显著相关(P<0.01),*表示显著相关(P<0.05)。
4)主成分分析,将低温胁迫下55份水稻品种7个单项指标的耐寒系数进行主成分分析(表3);
耐寒系数:对于所测得的原始数据进行处理,对照组所测3次生物学重复进行平均值计算,取其平均值;处理组同对照组,取其平均值。
式中,CTC表示55个水稻品种其7个单项指标的耐寒系数,T表示处理组,CK表示对照组。
由表3可知,主成分1、2、3的特征值依次为3.31、1.77和0.85,均大于0.80,且前三个主成分的贡献率分别是47.35%、25.30%和12.12%,累计贡献率高达84.76%,包含了绝大多数信息。因此,本实施方案选取前三个主成分(CI1、CI2和CI3),即将最初的7个指标转换成3个相对独立的综合指标对其苗期耐寒性进行综合评价。
表3各综合指标的特征值及贡献率
从表4可知,在主成分1(CI1)中,Fm、Fv/Fo和Fv/Fm为主要作用因子,其因子载荷分别为0.95、0.90、和0.91;在主成分2(CI2)中,Fo、SPAD和PI为主要作用因子,其因子载荷分别为-0.68、-0.73和0.61;而在主成分3(CI3)中,黄叶率的因子载荷是0.80,为主要作用因子。
表4各综合指标值的因子载荷矩阵
5)水稻苗期耐寒性综合评价
根据综合指标值CI(x)和公式(2),计算出所有试验品种的隶属函数值U(x)(表5)。对于同一个综合指标CI1而言,“东农4号”在10℃低温胁迫下的综合指标值(CI1)最大,达到3.68,且对应的隶属函数值U1=1,说明如果将主成分1作为苗期耐寒性评价指标,“东农4号”品种的耐寒性最强;而“IRIS 313-15901”CI1值最小,且U1值为0,说明其耐寒性最差。根据各综合指标的贡献率结合公式(3),求出3个综合指标权重W分别为0.56、0.30和0.14,说明主成分1所占的权重较大。根据公式(4),求出各品种的综合评价值D(表5),且D值与耐寒性成正相关关系。
综合指标隶属函数值
公式中的U(Xj)为所有试验材料第i个主成分的隶属函数值,Xj、Xmin和Xmax依次表示每个试验材料中第j个综合指标值、最小值和最大值。
权重
公式中的Wj表示第j个综合指标在所有指标中的重要程度,Pj为所有试验材料第j个综合指标的贡献率。
耐寒性综合评价值
式中D表示水稻品种耐寒能力的综合评价值。
表5低温胁迫下55个水稻品种的综合指标值CI及其权重W、隶属函数值U、耐寒性评价D值及排序
6)聚类分析,以耐寒性综合评价值D值为基础,将55份水稻品种进行耐寒性聚类分析,在阀值5.0处,可将55份水稻品种分成5类,分别为极强耐寒、强耐寒、中耐寒,弱耐寒及寒敏感品种。见图1。极耐寒品种是“IRIS 313-11986”、“东农4号”、“湘矮早7号”、“豫籼9号”4份材料;较强耐寒品种是“广场13”、“盐粳48”、“IRIS 313-11911”、“科砂1号”、“IRIS 313-11866”、“镇籼96”、“富禾99”、“特优2035”、“珍珠矮11”、“双桂1号”、“沈农129”、“广场矮3784”、“IRIS 313-11929”、“开粳2号”、“龙粳14”、“津原85”、“IRIS 313-12012”、“IRIS313-11951”、“胜优2号”、“镇稻2号”、“IRIS 313-12273”、“IRIS 313-11884”、“南粳37”、“IRIS 313-11859”、“扬稻5号”25份材料;中等耐寒品种是“IRIS 313-11882”、“IRIS 313-12236”、“合江4号”、“元丰6号”、“临籼22”、“马来红”、“特三矮2”、“京稻21”、“IRIS 313-11885”、“五优稻1号”、“IRIS 313-11968”、“IRIS 313-12135”、“IRIS 313-11887”13份材料;不耐寒品种是“石狩白毛”、“BG90-2”、“北稻1号”、“镇籼272”、“京花103”、“特青”、“藤系138”、“籼小占”8份材料;冷敏感品种是“牡丹江17”、“泸红早1号”、“IRIS 313-15901”、“中花8号”、“旱丰8号”5份材料。
7)回归模型建立与苗期耐寒性主要评价指标的筛选,为了进一步确定水稻苗期耐寒性评价指标,以综合评价值D值作为因变量y,7个相关指标作为自变量x,进行了逐步回归分析,回归方程如下:
Y=0.173++0.019X1+0.146X2+0.202X3+0.202X4-0.065X5+0.157X6+0.104X7。
其中X1-7依次代表Fo、Fm、Fv/Fo、Fv/Fm、SPAD、PI和黄叶率,方程判定系数R2=1,F=230.379,综合评价值D值和7个相关指标完美拟合,达到极显著水平,由此可见,这7个指标与水稻苗期耐寒性显著相关,可以作为水稻苗期耐寒性的主要评价指标。
本实施方案选用形态学性状指标黄叶率,并在此基础上结合Fo、Fm、Fv/Fo、Fv/Fm、SPAD及PI等6个光合生理指标,对55份水稻种质资源进行苗期耐寒性鉴定,通过相关性分析,表明低温胁迫下7个指标之间存在不同程度的相关性,所包含的信息必定存在一定程度的重叠;再通过主成分分析,将7个单项指标转换成3个相互独立的综合指标;并结合隶属函数法得到各主成分的权重及55个水稻品种耐寒特性的综合评价值(D值)。通过聚类分析将55个水稻种质资源划分成5个耐寒类型。基于D值筛选出4份强耐寒种质资源,分别为“IRIS313-11986”、“东农4号”、“湘矮早7号”、“豫籼9号”。综合主成分分析和回归分析筛选出该7个指标均可以作为鉴定水稻苗期耐寒特性的可靠指标,本发明的结果可为耐寒品种的选育提供重要理论依据。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本发明的其它实施方案。本申请旨在涵盖本发明的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本发明未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本发明的真正范围和精神由权利要求指出。
应当理解的是,本发明并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求来限制。
Claims (7)
1.一种基于主成分分析对水稻苗期耐寒性的评价方法,其特征在于,包括如下步骤:
1)确定水稻苗期耐寒性的评价指标,选择及培养待评价水稻品种的幼苗;
选用初始荧光(Fo)、最大荧光产量(Fm)、光合系统Ⅱ潜在活性(Fv/Fo)、原初光能转换效率(Fv/Fm)、叶绿素含量(SPAD)、叶片性能(PI)6个生理指标并结合形态指标黄叶率作为水稻苗期耐寒性的评价指标;
2)测定水稻品种的生理指标、形态指标共7个单项指标;
3)低温胁迫下对各指标进行相关性分析;
4)将水稻品种7个单项指标的耐寒系数进行主成分分析;
5)根据主成分分析得到的特征值、贡献率,选取相对独立的3个综合指标对水稻品种的苗期耐寒性进行综合评价;
综合评价得到:所有试验品种的隶属函数值U(x)、3个综合指标权重、耐寒性综合评价值D;
6)以耐寒性综合评价值D值为基础,将水稻品种进行耐寒性聚类分析,基于D值筛选出强耐寒种质资源;
7)建立回归模型,根据模型方程的判定系数进一步筛选苗期耐寒性的主要评价指标,最终得出所述7个指标与水稻苗期耐寒性显著相关,可作为水稻苗期耐寒性的主要评价指标。
2.根据权利要求1所述的一种基于主成分分析对水稻苗期耐寒性的评价方法,其特征在于,步骤1)幼苗培养:水稻种子放于50℃ 72h打破休眠,置于营养土中培养,30℃、光照/黑暗=12h/12h,生长至三叶一心期后,一份放入人工气候培养箱,10℃、光照/黑暗=12h/12h,进行48h低温胁迫后,用于测定其生理指标;一份放入气候培养箱,4℃、光照/黑暗=12h/12h,进行24h低温胁迫,用于测定黄叶率。
5.根据权利要求1所述的一种基于主成分分析对水稻苗期耐寒性的评价方法,其特征在于,所述步骤5)综合评价具体包括:
根据综合指标值CI(x)和公式(2),计算出所有试验品种的隶属函数值U(x);
其中,综合指标隶属函数值
式中的U(Xj)为所有试验材料第i个主成分的隶属函数值,Xj、Xmin和Xmax依次表示每个试验材料中第j个综合指标值、最小值和最大值;
根据各综合指标的贡献率结合公式(3),得到3个综合指标权重;
权重:
式中的Wj表示第j个综合指标在所有指标中的重要程度,Pj为所有试验材料第j个综合指标的贡献率;
根据公式(4),求出各品种的综合评价值D,且D值与耐寒性成正相关关系;
耐寒性综合评价值
式中D表示水稻品种耐寒能力的综合评价值。
6.根据权利要求1所述的一种基于主成分分析对水稻苗期耐寒性的评价方法,其特征在于,所述步骤6)耐寒性聚类分析后得到阀值,在阈值处将水稻品种分成5类,分别为极强耐寒、强耐寒、中耐寒,弱耐寒及寒敏感品种。
7.根据权利要求1所述的一种基于主成分分析对水稻苗期耐寒性的评价方法,其特征在于,以耐寒性综合评价值D值作为因变量y,7个相关指标作为自变量x,进行逐步回归分析,回归方程如下:
Y=0.173++0.019X1+0.146X2+0.202X3+0.202X4-0.065X5+0.157X6+0.104X7,
其中X1-7依次代表Fo、Fm、Fv/Fo、Fv/Fm、SPAD、PI和黄叶率,方程判定系数R2=1,F=230.379。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011588556.9A CN112634072A (zh) | 2020-12-29 | 2020-12-29 | 一种基于主成分分析对水稻苗期耐寒性的评价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011588556.9A CN112634072A (zh) | 2020-12-29 | 2020-12-29 | 一种基于主成分分析对水稻苗期耐寒性的评价方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112634072A true CN112634072A (zh) | 2021-04-09 |
Family
ID=75285977
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011588556.9A Pending CN112634072A (zh) | 2020-12-29 | 2020-12-29 | 一种基于主成分分析对水稻苗期耐寒性的评价方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112634072A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114171139A (zh) * | 2021-10-20 | 2022-03-11 | 中国航发四川燃气涡轮研究院 | 压气机叶片选材方法 |
CN115316267A (zh) * | 2022-04-14 | 2022-11-11 | 浙江省农业科学院 | 一种油橄榄种质耐铝性评价方法及其应用 |
CN115843681A (zh) * | 2022-11-22 | 2023-03-28 | 河北农业大学 | 一种大白菜耐热品种鉴定及评价方法 |
CN115932697A (zh) * | 2022-11-02 | 2023-04-07 | 国网安徽省电力有限公司营销服务中心 | 一种电容式电压互感器的综合评价方法及装置 |
CN115956499A (zh) * | 2023-02-06 | 2023-04-14 | 沈阳农业大学 | 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 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103493621A (zh) * | 2013-08-02 | 2014-01-08 | 江西省农业科学院水稻研究所 | 一种精确鉴定和评估水稻芽期耐冷性的方法 |
CN103712921A (zh) * | 2013-12-12 | 2014-04-09 | 安徽农业大学 | 一种茶树抗寒性鉴定与评价的方法 |
CN109118488A (zh) * | 2018-09-06 | 2019-01-01 | 上海市农业科学院 | 一种红掌新种质耐寒性的鉴定方法 |
CN109287477A (zh) * | 2018-09-03 | 2019-02-01 | 浙江大学 | 一种耐低温弱光的辣椒品种的筛选方法和装置 |
-
2020
- 2020-12-29 CN CN202011588556.9A patent/CN112634072A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103493621A (zh) * | 2013-08-02 | 2014-01-08 | 江西省农业科学院水稻研究所 | 一种精确鉴定和评估水稻芽期耐冷性的方法 |
CN103712921A (zh) * | 2013-12-12 | 2014-04-09 | 安徽农业大学 | 一种茶树抗寒性鉴定与评价的方法 |
CN109287477A (zh) * | 2018-09-03 | 2019-02-01 | 浙江大学 | 一种耐低温弱光的辣椒品种的筛选方法和装置 |
CN109118488A (zh) * | 2018-09-06 | 2019-01-01 | 上海市农业科学院 | 一种红掌新种质耐寒性的鉴定方法 |
Non-Patent Citations (5)
Title |
---|
何嘉琦;陆顺教;任羽;杨光穗;尹俊梅;: "秋石斛"三亚阳光"幼苗对不同程度低温胁迫的生理响应", 北方园艺, no. 04, pages 62 - 66 * |
傅泰露;马均;李敏;童平;吴合洲;李树杏;陈宇;朱萍;: "杂交水稻苗期耐冷性综合评价及其鉴定指标的筛选", 西南农业学报, no. 03, pages 608 - 614 * |
王丽艳,唐金敏,郑桂萍等: "水稻萌发期和幼苗期耐低温指标体系构建及综合评价", 中国农业科技导报, vol. 21, no. 10, pages 58 - 65 * |
赖日芳,栗书莹,岑振博等: "低温下不同香稻品种苗期的形态生理响应", 中国稻米, vol. 25, no. 2, pages 24 - 28 * |
黄光福;唐巧玲;唐云鹏;赵丽萍;唐启源;: "叶绿素荧光分析技术在水稻研究中的应用", 作物研究, no. 02 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114171139A (zh) * | 2021-10-20 | 2022-03-11 | 中国航发四川燃气涡轮研究院 | 压气机叶片选材方法 |
CN114171139B (zh) * | 2021-10-20 | 2023-06-30 | 中国航发四川燃气涡轮研究院 | 压气机叶片选材方法 |
CN115316267A (zh) * | 2022-04-14 | 2022-11-11 | 浙江省农业科学院 | 一种油橄榄种质耐铝性评价方法及其应用 |
CN115932697A (zh) * | 2022-11-02 | 2023-04-07 | 国网安徽省电力有限公司营销服务中心 | 一种电容式电压互感器的综合评价方法及装置 |
CN115843681A (zh) * | 2022-11-22 | 2023-03-28 | 河北农业大学 | 一种大白菜耐热品种鉴定及评价方法 |
CN115956499A (zh) * | 2023-02-06 | 2023-04-14 | 沈阳农业大学 | 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 |
CN115956499B (zh) * | 2023-02-06 | 2024-02-06 | 沈阳农业大学 | 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 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112634072A (zh) | 一种基于主成分分析对水稻苗期耐寒性的评价方法 | |
CN108921451A (zh) | 一种鉴定玉米品种抗旱性的评价方法 | |
CN103364383B (zh) | 一种棉花种质耐盐性的高效鉴定方法 | |
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 | |
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 | |
CN109146119B (zh) | 小麦耐荫性综合鉴定模型、方法及应用 | |
CN108377788B (zh) | 一种水稻全生育期耐盐性鉴定评价方法 | |
WO2022142432A1 (zh) | 一种利用生菜叶绿素荧光参数预测光合气体交换参数方法 | |
Hirooka et al. | Yield and growth characteristics of erect panicle type rice (Oryza sativa L.) cultivar, Shennong265 under various crop management practices in Western Japan | |
CN116258060A (zh) | 基于机器学习的测土配方施肥方法 | |
Makino et al. | Effect of flag leaf length of erect panicle rice on the canopy structure and biomass production after heading | |
CN112364710B (zh) | 一种基于深度学习算法的植物电信号分类识别方法 | |
CN103889211B (zh) | 植物的收获时生物量的管理方法以及管理系统 | |
Lin et al. | A new regional cotton growth model based on reference crop evapotranspiration for predicting growth processes | |
Suriyagoda et al. | Morphological variation in selected rice (Oryza sativa L.) germplasm of Sri Lanka | |
Popović et al. | Comparative ecophysiology of seven spring geophytes from an oak-hornbeam forest | |
Zhao et al. | Selection of morphological, physiological and biochemical indices: evaluating dwarfing apple interstocks in cold climate zones | |
HU et al. | Genetic analysis on characteristics to measure drought resistance using Dongxiang wild rice (Oryza rufupogon Griff.) and its derived backcross inbred lines population at seedling stage | |
CN109041875A (zh) | 基于农艺性状的油菜的产量和抗倒性的预测方法 | |
CN109490185A (zh) | 煤炭基地树种耐尘性评价方法及耐尘树种选择方法 | |
Suriyagoda et al. | Effects of leaf development and phosphorus supply on the photosynthetic characteristics of perennial legume species with pasture potential: modelling photosynthesis with leaf development | |
CN114118761A (zh) | 一种美人蕉耐涝的综合评价方法 | |
CN109118488B (zh) | 一种红掌新种质耐寒性的鉴定方法 | |
CN117235322B (zh) | 作物耐盐高产品种筛选方法、装置、电子设备及存储介质 |
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 |