CN113030172A - 一种预测植物耐盐性的方法 - Google Patents
一种预测植物耐盐性的方法 Download PDFInfo
- Publication number
- CN113030172A CN113030172A CN202110351780.4A CN202110351780A CN113030172A CN 113030172 A CN113030172 A CN 113030172A CN 202110351780 A CN202110351780 A CN 202110351780A CN 113030172 A CN113030172 A CN 113030172A
- Authority
- CN
- China
- Prior art keywords
- plant
- salt
- temperature
- plants
- different
- 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
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N25/00—Investigating or analyzing materials by the use of thermal means
- G01N25/20—Investigating or analyzing materials by the use of thermal means by investigating the development of heat, i.e. calorimetry, e.g. by measuring specific heat, by measuring thermal conductivity
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/0098—Plants or trees
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Health & Medical Sciences (AREA)
- Immunology (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Pathology (AREA)
- Engineering & Computer Science (AREA)
- Botany (AREA)
- Wood Science & Technology (AREA)
- Food Science & Technology (AREA)
- Medicinal Chemistry (AREA)
- Cultivation Of Plants (AREA)
Abstract
本发明提供了一种预测植物耐盐性的方法,涉及植物生理技术领域。上述预测植物耐盐性的方法包括下述步骤:测量不同盐浓度处理下的植物整体和/或植物局部的温度,根据不同盐浓度处理下的温度差异预测植物耐盐性,此种预测方法是一种简捷、准确、无损伤、高通量预测植物耐盐性的新方法,为快速、无损识别筛选耐盐植物提供技术支撑;同时还能减少传统评估方法对劳动力的需求,对于大规模的林业监测和盐碱地改良具有很大的实际应用价值。
Description
技术领域
本发明涉及植物生理技术领域,具体涉及一种预测植物耐盐性的方法。
背景技术
盐分是限制植物生长的主要环境因素,在盐胁迫下,植物体内的主要生理过程都会受到影响,例如光合作用、蛋白质合成、能量和脂类代谢等。对植物的耐盐性进行评估,是植物耐盐碱育种和资源创新的前期基础性工作,可用于筛选优良的耐盐植物种质以及与耐盐性相关的基因。
已有研究在对植物进行耐盐性评价时选用了不同指标,并通过试验得出某些指标可作为评价植物耐盐性的理想指标,这些指标可概括为生长形态指标和生理生化指标。其中,生长形态指标的筛选评价方法比较明了直观,但是这种方法存在理论依据不够充分、准确性有待考证的不足。而生理生化指标评估方法就相对繁琐复杂,需要特定的仪器设备及操作技术,试验后会对植株某些器官产生伤害。而且,对于处理样品数量需求大的情况,传统的筛选方法很难做到高效、快速操作,人工成本、技术成本较高。
因此,研究一种简捷、准确、无损伤、高效的植物耐盐性的评估方法有重要意义。
发明内容
本发明的目的在于提供一种简捷、准确、无损伤、高效的预测植物耐盐性的方法。
具体而言,本发明通过以下技术方案实现本发明的目的:
本发明第一方面提供了一种预测植物耐盐性的方法,其包括下述步骤:
测量不同盐浓度处理下的植物整体和/或植物局部的温度,根据不同盐浓度处理下的温度差异预测不同植物的耐盐性。
盐胁迫下植物生长主要受到渗透胁迫影响的限制,渗透胁迫可以描述为水分胁迫效应,因为土壤中高浓度的盐会使植物根系难以吸收水分,这将导致植物叶片的气孔导度减小,蒸腾速率是气孔导度的函数,植物整体和/或植物局部的温度(例如叶片温度)随蒸腾速率而变化,因此由于蒸腾速率变化引起的植物整体和/或植物局部的温度差异可以间接反映植物所处的盐浓度环境,进而评价植物的耐盐性。
对于植物的种类不作具体限定,对于测量植物整体和/或植物局部的温度的方法也不作具体限定,可以根据实际需要选择,但相互比较时要求测量部位一致。
本发明预测植物耐盐性的方法,无需受试植物的离体枝条作为受试材料,不会对植物本身产生破坏或者永久性伤害,也不需要特定的仪器设备及操作技术,步骤操作简单。本发明只需测量植物整体和/或植物局部的温度,再根据温度差异预测植物耐盐性即可,直观明了、准确、高效,能够同时测试多个植物,还具有高通量的优点;为快速、无损伤识别筛选耐盐碱植物提供技术支撑;同时还能减少传统评估方法对劳动力的需求,对于大规模林业监测和盐碱地改良具有很大的实际应用价值。
进一步,在本发明提供的技术方案的基础上,采用红外热成像对植物整体和/或植物局部的温度进行测量。
红外热成像通过对热红外敏感CCD(charge-coupled device,简称CCD)对物体进行成像,能反映出物体表面的温度场。采用红外热成像可以大面积的监测整体和/或植物局部的温度,测量范围大,数据多,通过红外热成像技术达到“可视化”,可用于评估植物的耐盐性。
进一步,在本发明提供的技术方案的基础上,所述植物局部选自植物叶片、植物冠层、植物根茎,优选植物叶片。
示例性地,在特定盐浓度下,比较不同植物的整体和/或植物局部的温度,温度低的比温度高的耐盐性强,比较不同植物的耐盐性。
在本发明的一种具体实施方式中,在相同某个盐浓度下,比较不同植物的叶片温度,温度低的比温度高的耐盐性强,比较不同植物的耐盐性。
在相同的较高盐浓度下,耐盐性植物的根系吸收水分的能力不会受到明显的影响,因此叶片的气孔导度变化不大,蒸腾速率也变化不大,因此叶片温度不会发生明显变化,表现为温度较低;反之,不耐盐植物的根系难以吸收水分,导致植物叶片的气孔导度减小,蒸腾速率减弱,叶片温度升高,表现为叶片温度较高。
进一步,所述预测耐盐性的方法还包括设置阳性对照,所述阳性对照为已知强耐盐性的植物材料;和/或设置阴性对照,所述阴性对照为已知对盐胁迫敏感的植物材料;和/或,所述阳性对照和/或阴性对照为不同盐胁迫浓度下的植物材料自身。
示例性地,在相同的盐浓度下,若测试的植物叶片的温度高于阴性对照植物的叶片温度,则测试的植物对盐胁迫敏感,且耐盐性低于阴性对照,为不耐盐。
示例性地,在相同的盐浓度下,若测试的植物叶片的温度介于阴性对照和阳性对照植物的叶片温度之间,则测试的植物为中度耐盐。
示例性地,在相同的盐浓度下,若测试的植物叶片的温度低于阳性对照的叶片温度,则测试的植物耐盐性高,为强耐盐。
示例性地,以植物材料自身作为对照的意义是为证明同一植物在不同盐浓度条件下植物叶片的温度有差异,根据温度差异进而预测植物材料的耐盐性。
在本发明的一种具体实施方式中,所述预测植物耐盐性的方法包括以下步骤:
(a)测量不同盐浓度处理下的植物整体和/或植物局部的温度;
(b)以盐浓度为横坐标,以温度为纵坐标,制作不同植物的温度-盐浓度变化曲线;
(c)在特定盐浓度下,比较不同植物的整体和/或植物局部的温度,温度低的比温度高的耐盐性强,从而比较不同植物的耐盐性强弱。
耐盐性由植物自身的遗传性决定,强弱表现与所处环境的盐浓度相关,不同的划分标准分类不同,本发明中的划分标准为不耐盐(盐敏感)、中度耐盐和强耐盐。在实际预测不同植物耐盐性时,可以得到不耐盐(盐敏感)到强耐盐的一系列中间耐盐强弱类型。
在本发明的一种具体实施方式中,所述植物选择白刺、柽柳、沙枣、黑杨。
在本发明的一种具体实施方式中,所述盐浓度设定为0、50、100、150、200、250、300、400、500、600mmol/L。
示例性地,采用泥炭:珍珠岩=1:1(体积比)混合的基质对植物进行定植,再分别使用0、50、100、150、200、250、300、400、500、600mmol/L盐浓度处理植物,经过一段时间盐胁迫处理后测量植物叶片的温度,获得植物的叶片温度-盐浓度变化曲线。
在本发明的一种具体实施方式中,白刺、柽柳、沙枣和黑杨定植在泥炭:珍珠岩=1:1(体积比)混合的基质后,培养一段时间至生长状况正常且一致后,再按照不同的盐浓度梯度的NaCl溶液浇灌,进行胁迫处理,空白对照用等量清水浇灌处理,21-40天后分别获取上述处理材料的叶片红外热图像温度及测定气孔导度,获得温度-盐浓度变化曲线。
在本发明的一种具体实施方式中,还包括同步测定不同植物的叶片气孔导度。
示例性地,测定不同盐浓度下,白刺、柽柳、沙枣和黑杨的气孔导度,获得叶片温度-气孔导度的变化曲线。
示例性地,所述白刺的气孔导度-盐浓度线性方程为:
Y1=0.0003X1 2-0.0063X1+0.0524,R2=0.9863,式中X1为盐浓度,Y1为气孔导度。
示例性地,所述柽柳的气孔导度-盐浓度线性方程为:
Y2=-5E-05X2+0.053,R2=0.9891,式中X2为盐浓度,Y2为气孔导度。其中,对于系数的解释如下:-5E-05代表的含义为-5×10-5。
示例性地,沙枣的气孔导度-盐浓度线性方程为:
Y3=0.0016X3 2-0.0126X3+0.0349,R2=0.9189,式中X3为盐浓度,Y3为气孔导度。
示例性地,黑杨的气孔导度-盐浓度线性方程为:
Y4=-0.0003X4 2+0.0439,R2=0.9996,式中X4为盐浓度,Y4为气孔导度。
本发明第二方面提供了所述的预测植物耐盐性的方法在比较不同种、品种的植物耐盐性,和/或种间不同品系植物耐盐性中的应用
在本发明的一种具体实施方式中,当比较不同品种的植物耐盐性时,只需将不同品种的植物定植后,经过盐胁迫处理,测定植物的叶片温度差异,比较叶片温度的高低来判断哪种植物的耐盐性更强。又例如,再加入已知强耐盐性的植物(例如白刺)作为阳性对照,和/或不耐盐的植物(例如黑杨)作为阴性对照,进一步判断两种或多种不同植物的耐盐能力高低。
在本发明的一种具体实施方式中,当需要筛选出一个品种间不同品系中耐盐性更强的一个品系时,只需将不同品系的植物定植后,经过盐胁迫处理,测试不同品系植物的叶片温度差异,挑选出叶片温度最低的品系判定为耐盐性最强的品系。
本发明第三方面提供了所述的预测植物耐盐性的方法在筛选耐盐性植物品种中的应用。
示例性地,当需要筛选出一种适合在盐碱地生存的植物品种时,将待选的几种植物先经过盐胁迫处理,测定不同品种植物的叶片温度差异,来判断并选出耐盐性更强的植物,再将其种植于盐碱地,操作方便、快速、无损伤。
示例性地,在已知盐碱地上预测现有生长的植物哪种耐盐性更强,或者进一步依据判断的耐盐性来预测现有生长的植物的生存活力,进而可以使用耐盐性更强的植物来替代不耐盐的植物,为大规模的林业监测和盐碱地改良提供基础。
本发明采用上述技术方案具有以下有益效果:
(1)本发明提供了预测植物耐盐性的方法,只需测量植物整体和/或植物局部的温度,再根据温度差异预测植物耐盐性即可,直观明了、准确、高效,能够同时测试多个植物,还具有高通量的优点;
(2)本发明预测植物耐盐性的方法,无需受试植物的离体枝条、根、叶作为受试材料,不会对植物本身产生破坏或者永久性伤害,也不需要特定的仪器设备及操作技术,步骤操作简单;
(3)本发明预测植物耐盐性的方法,为快速、无损伤识别筛选耐盐植物提供技术支撑;同时还能减少传统评估方法对劳动力的需求,对大规模的林业监测和盐碱地改良具有很大的实际应用价值。
在本文中所披露的范围的端点和任何值都不限于该精确的范围或值,这些范围或值应当理解为包含接近这些范围或值的值。对于数值范围来说,各个范围的端点值之间、各个范围的端点值和单独的点值之间,以及单独的点值之间可以彼此组合而得到一个或多个新的数值范围,这些数值范围应被视为在本文中具体公开。
附图说明
图1所示为黑杨中气孔导度随盐浓度变化的线性图。
图2所示为沙枣中气孔导度随盐浓度变化的线性图。
图3所示为白刺中气孔导度随盐浓度变化的线性图。
图4所示为柽柳中气孔导度随盐浓度变化的线性图。
图5所示为黑杨中叶片温度随盐浓度变化的线性图。
图6所示为沙枣中叶片温度随盐浓度变化的线性图。
图7所示为白刺中叶片温度随盐浓度变化的线性图。
图8所示为柽柳中叶片温度随盐浓度变化的线性图。
图9所示为相同盐浓度下黑杨、沙枣、白刺和柽柳的温度差异图。
具体实施方式
除非另有定义,本发明中所使用的所有科学和技术术语具有与本发明涉及技术领域的技术人员通常理解的相同的含义。
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅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。
下述实施例中所用的材料、试剂等,如无特殊说明,均可从商业途径得到。
下面结合具体实施例详细描述本发明,这些实施例用于理解而不是限制本发明。
本发明中,一些方程公式中X前面的系数很小,在实际使用过程中,可以在方程两边各乘1×10n,n根据E后面的数字决定,随后计算出Y值后,再除以这个数。例如,X的系数为1E-08时,可以在方程两边各乘1×108再进行计算。
实施例
本实施例以白刺、柽柳、沙枣、黑杨四种植物为例,采用本发明预测植物耐盐性的方法评价四种植物的耐盐性。
(1)准备植物
根据植物抵御盐害机制的不同,选用白刺、柽柳、沙枣,以及不耐盐的甜土植物-黑杨为供试材料,在泥炭:珍珠岩=1:1(体积比)混合基质中定植。定值后四种植物供试材料在玻璃温室中进行培养和盐胁迫试验,植物生长温度:24-38℃,光照:50000-55000Lx,湿度:34%—80%,培育14天。四种植物的生长状况正常且一致,随后进行后续的盐胁迫试验。
(2)盐胁迫处理
针对不同种类的植物设置不同的胁迫梯度,四种植物材料采用NaCl溶液进行浇灌胁迫处理,空白对照用等量清水浇灌处理。具体设置盐胁迫梯度如下(单位:mmol/L):
黑杨设置:0、50、100、150共4个梯度;
沙枣设置:0、100、150、200、300共5个梯度;
白刺设置:0、100、150、200、250、300、400、500、600共9个梯度。
柽柳设置:0、100、150、200、250、300、400、500、600共9个梯度。
(3)胁迫实验
每个处理3次重复,每个重复6株植物。施盐采用多次、逐级递增的方式,最终加盐浓度分别达到设置的盐分浓度为胁迫开始的第一天,之后每个处理浇相同体积的水。在花盆底部放置一个托盘,将渗出的液体倒入盆内,控制和减少水分及盐分的流失。40天后分别获取上述处理材料的叶片红外热图像温度,比较不同盐浓度处理下的的叶片温度差异。
每种植物的具体施盐方案如下(单位:mmol/L):
表1黑杨施盐方案
表2沙枣施盐方案
表3柽柳施盐方案
表4白刺施盐方案
(4)测定获得白刺、柽柳、沙枣、黑杨的叶片温度和叶片气孔导度,结果如下表5-8所示。
表5黑杨测试结果
根据表5的数据获得黑杨中气孔导度-盐浓度线性方程为:
Y4=-0.0003X4 2+0.0439,R2=0.9996,式中X4为盐浓度,Y4为气孔导度(如图1所示)。
叶片温度-盐浓度线性方程为:
Y4’=-0.0002X4’2+0.055X4’+19.894,R2=0.9881,式中,X4’为盐浓度,Y4’为叶片温度(如图5所示)。
表6沙枣测试结果
根据表6的数据获得沙枣中气孔导度-盐浓度线性方程为:
Y3=0.0016X3 2-0.0126X3+0.0349,R2=0.9189,式中X3为盐浓度,Y3为气孔导度(如图2所示)。
沙枣中叶片温度-盐浓度线性方程为:
Y3’=-5E-05X3’2+0.0256X3’+19.81,R2=0.9783,式中X3’为盐浓度,Y3’为叶片温度(如图6所示)。其中,对于系数的解释如下:-5E-05代表的含义为-5×10-5。
表7白刺测试结果
根据表7的数据获得白刺中气孔导度-盐浓度线性方程为:
Y1=0.0003X1 2-0.0063X1+0.0524,R2=0.9863,式中X1为盐浓度,Y1为气孔导度(如图3所示)。
叶片温度-盐浓度线性方程为:
Y1’=-2E-05X1’2+0.0184X1’+17.674,R2=0.9315,式中X1’为盐浓度,Y1’为叶片温度(如图7所示)。其中,对于系数的解释如下:-2E-05代表的含义为-2×10-5。
表8柽柳测试结果
根据表8的数据获得柽柳的气孔导度-盐浓度线性方程为:
Y2=-5E-05X2+0.053,R2=0.9891,式中X2为盐浓度,Y2为气孔导度(如图4所示)。其中,对于系数的解释如下:-5E-05代表的含义为-5×10-5。
柽柳的温度-盐浓度线性方程为:
Y2’=-1E-10X2’4+2E-07X2’3-9E-05X2’2+0.0229X2’+19.467,R2=0.9923,式
中X2’为盐浓度,Y2’为叶片温度(如图8所示)。其中,对于系数的解释如下:-1E-10代表的含义为-1×10-10;2E-07代表的含义为2×10-7,9E-05代表的含义为9×10-5。
本实验中,四种植物在不同盐浓度处理下的叶片温度变化如图9所示。从图9可以看出,盐浓度为0mmol/L时,白刺的叶片初始温度相对较低,而其余三种植物的叶片初始温度比较接近,都高于白刺的叶片初始温度。
在0-150(250)mmol/L的盐浓度内,四种植物的叶片温度开始逐步升高,但强耐盐性植物白刺的叶片温度仍最低、柽柳次之,沙枣再次之,而盐敏感的不耐盐甜土植物黑杨的叶片温度较高。在250-600mmol/L的盐浓度范围内,白刺和柽柳的叶片温度相差不大。由此申请人推测,在相同盐浓度下,耐盐性强的植物,叶片温度会更低。
综上,上述四种植物只是示例性的举例,可以根据研究的植物不同,按照本发明预测植物耐盐性的方法对其植物整体和/或植物局部进行温度测量,根据不同盐浓度处理下的的温度差异预测植物耐盐性。本发明只需测量植物整体和/或植物局部的温度,再根据温度差异预测植物耐盐性即可,直观明了、准确、高效,能够可同时测试多个植物。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种预测植物耐盐性的方法,其特征在于,其包括下述步骤:
测量不同盐浓度处理下的植物整体和/或植物局部的温度,根据不同盐浓度处理下的温度差异预测不同植物的耐盐性。
2.根据权利要求1所述的方法,其特征在于,采用红外热成像对植物整体和/或植物局部的温度进行测量。
3.根据权利要求1所述的方法,其特征在于,所述植物局部选自植物叶片、植物冠层、植物根茎,优选植物叶片。
4.根据权利要求1-3任一项所述的方法,其特征在于,在特定盐浓度下,比较不同植物的整体和/或植物局部的温度,温度低的比温度高的耐盐性强,比较不同植物的耐盐性。
5.根据权利要求1-3任一项所述的方法,其特征在于,包括以下步骤:
(a)测量不同盐浓度处理下的植物整体和/或植物局部的温度;
(b)以盐浓度为横坐标,以温度为纵坐标,制作不同植物的温度-盐浓度变化曲线;
(c)在特定盐浓度下,比较不同植物的整体和/或植物局部的温度,温度低的比温度高的耐盐性强。
6.根据权利要求1-3任一项所述的方法,其特征在于,还包括设置阳性对照,所述阳性对照为已知强耐盐性的植物材料;和/或,设置阴性对照,所述阴性对照为已知对盐胁迫敏感(不耐盐)的植物材料;
和/或,所述阳性对照和/或阴性对照为不同盐胁迫浓度下的植物材料自身。
7.根据权利要求5所述的方法,其特征在于,所述植物选自白刺、柽柳、沙枣、黑杨。
8.根据权利要求5所述的方法,其特征在于,所述盐浓度设定为0、50、100、150、200、250、300、400、500、600mmol/L。
9.权利要求1-8任一项所述的方法在比较不同种、品种的植物耐盐性,和/或种间不同品系植物耐盐性中的应用。
10.权利要求1-8任一项所述的方法在筛选耐盐性植物品种中的应用。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110351780.4A CN113030172A (zh) | 2021-03-31 | 2021-03-31 | 一种预测植物耐盐性的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110351780.4A CN113030172A (zh) | 2021-03-31 | 2021-03-31 | 一种预测植物耐盐性的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113030172A true CN113030172A (zh) | 2021-06-25 |
Family
ID=76453231
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110351780.4A Pending CN113030172A (zh) | 2021-03-31 | 2021-03-31 | 一种预测植物耐盐性的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113030172A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20090050284A (ko) * | 2007-11-15 | 2009-05-20 | 대한민국(관리부서:농촌진흥청) | 생리 형질을 이용한 내염성 정밀 검정 장치 및 내염성 정밀검정 방법 |
CN107172907A (zh) * | 2017-03-09 | 2017-09-19 | 贵州省烟草科学研究院 | 一种种子植物芽期耐盐性鉴定方法 |
CN108241043A (zh) * | 2018-01-22 | 2018-07-03 | 山东省农业科学院作物研究所 | 一种甘薯苗期耐盐性的鉴定方法 |
CN112514793A (zh) * | 2020-12-21 | 2021-03-19 | 扬州大学 | 一种耐盐性水稻品种的筛选方法 |
-
2021
- 2021-03-31 CN CN202110351780.4A patent/CN113030172A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20090050284A (ko) * | 2007-11-15 | 2009-05-20 | 대한민국(관리부서:농촌진흥청) | 생리 형질을 이용한 내염성 정밀 검정 장치 및 내염성 정밀검정 방법 |
CN107172907A (zh) * | 2017-03-09 | 2017-09-19 | 贵州省烟草科学研究院 | 一种种子植物芽期耐盐性鉴定方法 |
CN108241043A (zh) * | 2018-01-22 | 2018-07-03 | 山东省农业科学院作物研究所 | 一种甘薯苗期耐盐性的鉴定方法 |
CN112514793A (zh) * | 2020-12-21 | 2021-03-19 | 扬州大学 | 一种耐盐性水稻品种的筛选方法 |
Non-Patent Citations (2)
Title |
---|
孙健等: "水稻孕穗期剑叶形态和蒸腾特性与耐盐性的关系", 《华北农学报》 * |
张会丽等: "不同青贮玉米品种耐盐性比较", 《河南农业科学》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Barbour et al. | Variability in mesophyll conductance between barley genotypes, and effects on transpiration efficiency and carbon isotope discrimination | |
Lokhande et al. | Quantifying temperature effects on cotton reproductive efficiency and fiber quality | |
Daymond et al. | The effects of temperature and light integral on early vegetative growth and chlorophyll fluorescence of four contrasting genotypes of cacao (Theobroma cacao) | |
CN104007093B (zh) | 一种快速定量计算植物固有抗干旱能力的方法 | |
CN111624114B (zh) | 一种基于木材微观形态特征评估木材物理力学性质的方法 | |
Li et al. | High-throughput physiology-based stress response phenotyping: advantages, applications and prospective in horticultural plants | |
Barbour et al. | Genetic control of mesophyll conductance in common wheat | |
Yang et al. | Characteristics of root boron nutrition confer high boron efficiency in Brassica napus cultivars | |
CN106455495A (zh) | 用于表征植物行为的方法和系统 | |
CN112561209B (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. | Parameterization of leaf growth in rice (Oryza sativa L.) utilizing a plant canopy analyzer | |
Henzell et al. | Method for Screening Sorghum Genotypes for Stomatal Sensitivity to Water Deficits 1 | |
CN111487291B (zh) | 基于电子鼻检测技术高效评价桃花芽需冷量的方法 | |
CN111024667A (zh) | 一种高通量快速评价和/或筛选耐盐碱植物的方法 | |
CN110068299B (zh) | 一种温室作物叶面积指数的计算方法 | |
CN108770614A (zh) | 一种小麦耐热性评价方法 | |
Schum et al. | In vitro method for early evaluation of nitrogen use efficiency associated traits in potato | |
Zhang et al. | Contribution of leaf anatomical traits to leaf mass per area among canopy layers for five coexisting broadleaf species across shade tolerances at a regional scale | |
CN108229065A (zh) | 一种基于木本植物叶片表型特征的净光合速率预测模型的构建方法和预测方法 | |
CN112992271A (zh) | 一种在室内快速预测作物纬度适应性的方法 | |
CN113030172A (zh) | 一种预测植物耐盐性的方法 | |
Michalska et al. | Resistance of potato to stem infection by Phytophthora infestans and a comparison to detached leaflet and field resistance assessments | |
Takaragawa et al. | Rapid evaluation of leaf photosynthesis using a closed-chamber system in a C4 plant, sugarcane | |
US5073503A (en) | Biothermographic analysis of plants | |
CN116481587A (zh) | 一种芹菜主要农艺性状鉴定的高通量表型分析方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210625 |