CN114793891A - 一种谷子全生育期耐旱性的鉴定方法 - Google Patents
一种谷子全生育期耐旱性的鉴定方法 Download PDFInfo
- Publication number
- CN114793891A CN114793891A CN202210640207.XA CN202210640207A CN114793891A CN 114793891 A CN114793891 A CN 114793891A CN 202210640207 A CN202210640207 A CN 202210640207A CN 114793891 A CN114793891 A CN 114793891A
- Authority
- CN
- China
- Prior art keywords
- drought
- millet
- drought resistance
- index
- value
- 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
- 244000062793 Sorghum vulgare Species 0.000 title claims abstract description 101
- 235000019713 millet Nutrition 0.000 title claims abstract description 101
- 238000000034 method Methods 0.000 title claims abstract description 38
- 230000024346 drought recovery Effects 0.000 title claims abstract description 12
- 239000000463 material Substances 0.000 claims abstract description 68
- 238000011282 treatment Methods 0.000 claims abstract description 38
- 230000008641 drought stress Effects 0.000 claims abstract description 29
- 238000004458 analytical method Methods 0.000 claims abstract description 21
- 238000012360 testing method Methods 0.000 claims abstract description 15
- 230000009418 agronomic effect Effects 0.000 claims abstract description 14
- 238000012216 screening Methods 0.000 claims abstract description 12
- 239000003337 fertilizer Substances 0.000 claims abstract description 11
- 238000009395 breeding Methods 0.000 claims abstract description 8
- 230000001488 breeding effect Effects 0.000 claims abstract description 8
- 230000000694 effects Effects 0.000 claims abstract description 8
- 238000009331 sowing Methods 0.000 claims abstract description 7
- 150000001875 compounds Chemical class 0.000 claims abstract description 4
- 229910052757 nitrogen Inorganic materials 0.000 claims abstract description 4
- IJGRMHOSHXDMSA-UHFFFAOYSA-N nitrogen Substances N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 claims abstract description 4
- 238000011156 evaluation Methods 0.000 claims description 34
- 241000196324 Embryophyta Species 0.000 claims description 25
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 21
- 235000013339 cereals Nutrition 0.000 claims description 16
- 239000002689 soil Substances 0.000 claims description 16
- 239000013598 vector Substances 0.000 claims description 14
- 230000006870 function Effects 0.000 claims description 12
- 238000000513 principal component analysis Methods 0.000 claims description 8
- 230000002068 genetic effect Effects 0.000 claims description 6
- 208000005156 Dehydration Diseases 0.000 claims description 4
- 238000005259 measurement Methods 0.000 claims description 4
- 239000002131 composite material Substances 0.000 claims description 3
- 238000007405 data analysis Methods 0.000 claims description 3
- 238000000354 decomposition reaction Methods 0.000 claims description 3
- 238000001035 drying Methods 0.000 claims description 3
- 241000209094 Oryza Species 0.000 claims 2
- 235000007164 Oryza sativa Nutrition 0.000 claims 2
- 235000009566 rice Nutrition 0.000 claims 2
- 238000011160 research Methods 0.000 description 8
- 238000009826 distribution Methods 0.000 description 6
- 230000035784 germination Effects 0.000 description 5
- 240000005498 Setaria italica Species 0.000 description 4
- 238000007621 cluster analysis Methods 0.000 description 4
- 238000010219 correlation analysis Methods 0.000 description 4
- 238000011835 investigation Methods 0.000 description 4
- 235000002252 panizo Nutrition 0.000 description 4
- 108090000623 proteins and genes Proteins 0.000 description 4
- 230000000877 morphologic effect Effects 0.000 description 3
- 238000012353 t test Methods 0.000 description 3
- 241001330028 Panicoideae Species 0.000 description 2
- 241000209117 Panicum Species 0.000 description 2
- 235000006443 Panicum miliaceum subsp. miliaceum Nutrition 0.000 description 2
- 235000009037 Panicum miliaceum subsp. ruderale Nutrition 0.000 description 2
- 235000005775 Setaria Nutrition 0.000 description 2
- 241000232088 Setaria <nematode> Species 0.000 description 2
- 230000001186 cumulative effect Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000035800 maturation Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 240000001592 Amaranthus caudatus Species 0.000 description 1
- 235000009328 Amaranthus caudatus Nutrition 0.000 description 1
- 244000025254 Cannabis sativa Species 0.000 description 1
- FBPFZTCFMRRESA-KVTDHHQDSA-N D-Mannitol Chemical compound OC[C@@H](O)[C@@H](O)[C@H](O)[C@H](O)CO FBPFZTCFMRRESA-KVTDHHQDSA-N 0.000 description 1
- 241001426056 Eleusine coracana subsp. coracana Species 0.000 description 1
- 206010020751 Hypersensitivity Diseases 0.000 description 1
- WSMYVTOQOOLQHP-UHFFFAOYSA-N Malondialdehyde Chemical compound O=CCC=O WSMYVTOQOOLQHP-UHFFFAOYSA-N 0.000 description 1
- 229930195725 Mannitol Natural products 0.000 description 1
- 239000008118 PEG 6000 Substances 0.000 description 1
- 241001327151 Paniceae Species 0.000 description 1
- 235000007199 Panicum miliaceum Nutrition 0.000 description 1
- 241000209504 Poaceae Species 0.000 description 1
- 229920002584 Polyethylene Glycol 6000 Polymers 0.000 description 1
- 235000017016 Setaria faberi Nutrition 0.000 description 1
- 241001355178 Setaria faberi Species 0.000 description 1
- 238000000692 Student's t-test Methods 0.000 description 1
- 238000012271 agricultural production Methods 0.000 description 1
- 238000000540 analysis of variance Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000009412 basement excavation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009328 dry farming Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 235000012631 food intake Nutrition 0.000 description 1
- 229940118019 malondialdehyde Drugs 0.000 description 1
- 235000010355 mannitol Nutrition 0.000 description 1
- 239000000594 mannitol Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 235000016709 nutrition Nutrition 0.000 description 1
- 230000035764 nutrition Effects 0.000 description 1
- 230000000243 photosynthetic effect Effects 0.000 description 1
- 230000035479 physiological effects, processes and functions Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 102000004169 proteins and genes Human genes 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
- 230000005068 transpiration Effects 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01H—NEW PLANTS OR NON-TRANSGENIC PROCESSES FOR OBTAINING THEM; PLANT REPRODUCTION BY TISSUE CULTURE TECHNIQUES
- A01H1/00—Processes for modifying genotypes ; Plants characterised by associated natural traits
- A01H1/04—Processes of selection involving genotypic or phenotypic markers; Methods of using phenotypic markers for selection
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01C—PLANTING; SOWING; FERTILISING
- A01C21/00—Methods of fertilising, sowing or planting
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01G—HORTICULTURE; CULTIVATION OF VEGETABLES, FLOWERS, RICE, FRUIT, VINES, HOPS OR SEAWEED; FORESTRY; WATERING
- A01G22/00—Cultivation of specific crops or plants not otherwise provided for
- A01G22/20—Cereals
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01G—HORTICULTURE; CULTIVATION OF VEGETABLES, FLOWERS, RICE, FRUIT, VINES, HOPS OR SEAWEED; FORESTRY; WATERING
- A01G25/00—Watering gardens, fields, sports grounds or the like
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01H—NEW PLANTS OR NON-TRANSGENIC PROCESSES FOR OBTAINING THEM; PLANT REPRODUCTION BY TISSUE CULTURE TECHNIQUES
- A01H1/00—Processes for modifying genotypes ; Plants characterised by associated natural traits
- A01H1/12—Processes for modifying agronomic input traits, e.g. crop yield
- A01H1/122—Processes for modifying agronomic input traits, e.g. crop yield for stress resistance, e.g. heavy metal resistance
- A01H1/1225—Processes for modifying agronomic input traits, e.g. crop yield for stress resistance, e.g. heavy metal resistance for drought, cold or salt resistance
-
- 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
- G06F17/15—Correlation function computation including computation of convolution operations
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Environmental Sciences (AREA)
- Physics & Mathematics (AREA)
- Botany (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Genetics & Genomics (AREA)
- Data Mining & Analysis (AREA)
- Soil Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Computational Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Developmental Biology & Embryology (AREA)
- Algebra (AREA)
- Water Supply & Treatment (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Breeding Of Plants And Reproduction By Means Of Culturing (AREA)
Abstract
一种谷子全生育期耐旱性的鉴定方法，包括以下步骤：(1)设干旱胁迫(DS)和对照(CK)两种处理；(2)干旱处理在移动式抗旱棚的进行；(3)对照处理；(4)供试材料采用随机区组排列，3次重复；(5)小区面积1.5m2(1.5m×1m),每个品种播种3行，行长1.5m，行距25cm，株距3.3cm；(6)播种前每区施高氮长效缓释复合肥；(7)测量；(8)数据分析；(9)结果与分析。其通过考量相关农艺性状和产量指标的抗旱系数，建立谷子种质全生育期抗旱性评价的可靠方法和鉴定指标，明确GGE双标图分析系统在谷子抗旱性评价和指标筛选上的应用效果，以期为谷子抗旱种质资源鉴定及抗旱新品种选育提供理论和技术支持。
Description
技术领域
本发明涉及农业领域，特别涉及一种谷子全生育期耐旱性的鉴定方法。
背景技术
干旱是一个世界性的问题，是限制全球生产的最重要的非生物因素之一。干旱对世界植物的影响在各种自然灾害中占首位，其危害相当于其他自然灾害的总和，严重影响植物正常生长发育，制约了作物的产量。中国旱地面积占全国总土地面积的52.5％，每年干旱损失的粮食达1亿t以上。为了应对干旱灾害的威胁，对作物的抗旱性进行遗传改良是当务之急，而鉴定和评价作物种质资源的抗旱性、挖掘抗旱基因是抗旱育种的前提条件。
谷子(Setariaitalica(L.)Beauv)属于禾本科植物黍亚科(Panicoideae)黍族(Paniceae)狗尾草属(Setaria)。谷子起源于中国，在中国已有8700多年的栽培历史，是中国主要的粮草兼用作用之一。中国谷子种植面积约200万hm2，占世界总面积的80％，主要分布于中国北方干旱和半干旱地区，具有抗旱耐瘠、高产稳产、营养丰富等特点，在旱作农业生产和满足食物多元化消费中都占有重要地位。谷子在作物抗旱种质资源利用方面具有独特的研究价值，是禾本科作物功能基因组分析和耐旱研究的新型模式作物。谷子虽然抗旱性较强，但干旱仍然是影响谷子产量和品质的主要因素之一。因此，谷子抗旱育种过程中，在利用谷子抗旱种质资源之前，有必要对其进行抗旱性鉴定。
多年来，国内外学者针对作物品种的抗旱性鉴定提出了多种鉴定方法，并从形态和生理生化等方面的鉴定指标进行了研究。目前，对谷子抗旱性鉴定的研究主要是在谷子的萌芽期、苗期和全生育期，依据形态指标，生理生化指标和产量指标等，通过多元统计分析的方法对种质资源的抗旱性进行综合评价和指标筛选。谷子萌芽期主要采用PEG-6000和甘露醇2种渗透剂模拟水分胁迫，通过测定萌发抗旱指数、相对发芽势、相对发芽率和活力抗旱指数等指标鉴定谷子的抗旱性。谷子苗期主要是通过反复干旱法或者模拟不同程度干旱胁迫测定幼苗存活率、根冠比、叶片相对含水量、丙二醛含量和叶片电导率等指标鉴定谷子抗旱性，是目前谷子种质资源抗旱性鉴定采用的主要方法。张文英等和刘婧等研究认为根冠比、单穗粒重、灌浆期光合速率、蒸腾速率、株高和穗长可作为谷子全生育期抗旱性鉴定的指标，并用株高和穗长的抗旱系数和产量抗旱指数对谷子品种抗旱性进行了评价，全生育期抗旱性鉴定结果相对更为可靠。近年来相关抗旱基因和蛋白的研究能更确切地分析鉴定谷子的抗旱性。在谷子抗旱性评价和抗旱指标筛选过程中，为了避免单一指标的片面性和不稳定性，研究者们采用了主成分分析、隶属函数分析、聚类分析和逐步回归分析等相结合的方法进行多指标综合评价，而指标性状的抗旱系数和抗旱指数在评价体系中应用较为广泛。隶属函数法是一种在多指标测定的基础上对材料进行综合评价的方法，依据模糊数学中的数据标准化处理原则，将作物的不同性状表现值，放在统一尺度下进行综合比较，使其具有可比性。然而任何评价方法都是对作物抗旱性实际结果的估计，不能代表真正的抗旱能力。迄今为止，国内外对抗旱性鉴定指标和评价方法均没有准确可靠的统一规定，对作物抗旱性评价方法的研究仍未取得突破性进展。目前普遍认为,多指标多方法相结合的抗旱性综合评价相对更加真实、可靠，可以较好的揭示指标性状与抗旱性的关系。
“GGE(基因型和基因与环境互作效应)biplot(双标图)”由严威凯等首次提出，是一种新的分析多因素互作最高效直观的统计和图形展示工具。此法借助辅助线以图解的方式获得品种、鉴定指标或者评价方法间的相互关系，准确直观地反映出何种品种在何种环境下表现最佳，哪种指标为适宜的鉴定指标或评价方法。GGE双标图已广泛用于作物产量及稳定性分析、作物品种生态区划分与理想环境鉴别、种质资源的筛选与评价等方面。在GGEbiplot基础上，又衍生出了GT(基因型-性状)双标图和TT(处理-性状)双标图。其中GT双标图是GGE双标图技术在利用性状数据研究基因型的一种很好的工具。随着GGE双标图的广泛使用，GGE双标图在作物抗旱性评价方面的研究也不断深入。
发明内容
针对现有技术中的上述不足，本发明提供了一种谷子全生育期耐旱性的鉴定方法，其通过考量相关农艺性状和产量指标的抗旱系数，建立谷子种质全生育期抗旱性评价的可靠方法和鉴定指标，明确GGE双标图分析系统在谷子抗旱性评价和指标筛选上的应用效果，以期为谷子抗旱种质资源鉴定及抗旱新品种选育提供理论和技术支持。
为了达到上述发明目的，本发明采用的技术方案为：
一种谷子全生育期耐旱性的鉴定方法，包括以下步骤：
(1)设干旱胁迫(DS)和对照(CK)两种处理；
(2)干旱处理在移动式抗旱棚的进行，播种前和定苗(5-6叶期)后分别灌水至田间持水量的70％，之后不再灌水，进行干旱胁迫处理，雨前遮棚，雨后敞棚，其他田间管理同对照；
(3)对照处理(非水分胁迫)在移动式抗旱棚外邻近地块进行，生长期间以自然降雨为主，若遇严重干旱，适当灌水，保证谷子正常生长；
(4)供试材料采用随机区组排列，3次重复；
(5)小区面积1.5m2(1.5m×1m),每个品种播种3行，行长1.5m，行距25cm，株距3.3cm；
(6)播种前每区施高氮长效缓释复合肥(N 26％、P2O512％、K2O 12％)600kg hm-2作基肥，整个生育期不再追肥；
(7)测量；
(8)数据分析；
(9)结果与分析。
优选地，所述干旱池规格：长1.5m、宽1m、深100cm、干旱池之间用塑料板隔绝。
优选地，所述步骤(7)中的测量方法：农艺性状的调查，包括株高、叶面积(倒二叶)、主茎节数、穗颈长、茎叶干重、穗长、单株穗重、穗粒数、千粒重、单株粒重和小区产量，成熟后每小区中间行取样10株，参照谷子育种试验调查项目标准及方法进行，取两年度平均值作为供试性状测定值，土壤含水量采用烘干法测量。
优选地，所述步骤(8)中的数据分析：
式中：DC为指标性状的抗旱系数；xi、CKi表示干旱、对照处理的性状测定值，n为指标性状数量；i为指标性状；通过主成分分析计算各基因型谷子抗旱综合指标值；
F(Xj)＝a1jX1j+a2jX2j+…+aijXij (i＝1，2，…，n；j＝1，2，…，n) (2)
式中：F(Xj)为第j个综合指标值，aij表示各单一指标的特征值所对应的特征向量，Xij为各单一指标标准化处理值；
式中：u(xj)为各品种第j个综合指标的隶属函数值，xj表示第j个综合指标，xjmin和xjmax表示第j个综合指标的最小值和最大值；Pj为第j个综合指标贡献率，表示第j个综合指标在所有指标中的重要程度；D为抗旱性度量值；
采用R语言的GGEBiplotGUI包进行GGE双标图绘制，GGE双标图模型方程为：
式中，Yij是基因型i与性状j组合的遗传值；μ是所有涉及性状j的组合的平均值；βj是性状j的主效应；λ1和λ2为主成分PC1和PC2的单值分解；gi1和gi2分别是基因型i在关于主成分PC1和PC2上的特征向量；e1j和e2j分别是性状j在关于主成分PC1和PC2上的特征向量；Dj是表型标准差；εij是与基因型i和性状j相结合的模型的残差。
优选地，所述结果与分析包括：不同处理土壤水分对谷子的影响、不同处理对谷子农艺性状和产量的影响、各指标性状抗旱系数、谷子抗旱性GGE双标图分析、谷子种质资源抗旱性综合评价及谷子种质资源抗旱指标筛选。
优选地，所述谷子种质资源抗旱指标筛选的判别函数如下：
YI＝500.854PH+222.838SWP-286.540；
YII＝456.282PH+185.898SWP-227.942；
YIII＝460.5S7PH+172.858SWP-224.291；
YIV＝398.277PH+163.884SWP-174.846；
YV＝341.061PH+138.566SWP-127.905。
本发明的有益效果为：
大多数基因型在农艺性状上差异显著，参试谷子材料类型丰富。t测验结果表明，干旱胁迫效果显著(千粒重除外)，产量性状对干旱胁迫比较敏感。GGE双标图解释了数据总变异的71.16％，各指标抗旱系数间存在不同程度的相关性且不同指标对谷子抗旱性影响不同，依据与理想抗旱品种和理想抗旱指标的距离对供试谷子材料抗旱性和抗旱评价指标分别进行了排序。主成分分析将11个单项抗旱评价指标转化为3个相互独立的综合指标，累计贡献率达81.27％，其中株高和产量性状在谷子抗旱性鉴定中起关键作用。依据D值聚类分析，将供试谷子材料抗旱性分为5类，其中太选26、赤谷205-24和长生16等为极强抗旱材料。判别分析表明，株高和穗重可作为谷子全生育期抗旱性鉴定首选指标。其通过考量相关农艺性状和产量指标的抗旱系数，建立谷子种质全生育期抗旱性评价的可靠方法和鉴定指标，明确GGE双标图分析系统在谷子抗旱性评价和指标筛选上的应用效果，以期为谷子抗旱种质资源鉴定及抗旱新品种选育提供理论和技术支持。
附图说明
图1为本发明的结构示意图；
图2为本发明基因型-性状的GGE(GT)双标图的结构示意图；
图3为本发明参试谷子材料D值的类平均聚类分析图。
具体实施方式
为了使本发明的内容更容易被清楚地理解，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。
如图1至图3所示，一种谷子全生育期耐旱性的鉴定方法，包括以下步骤：
(1)设干旱胁迫(DS)和对照(CK)两种处理；
(2)干旱处理在移动式抗旱棚的进行，播种前和定苗(5-6叶期)后分别灌水至田间持水量的70％，之后不再灌水，进行干旱胁迫处理，雨前遮棚，雨后敞棚，其他田间管理同对照；
(3)对照处理(非水分胁迫)在移动式抗旱棚外邻近地块进行，生长期间以自然降雨为主，若遇严重干旱，适当灌水，保证谷子正常生长；
(4)供试材料采用随机区组排列，3次重复；
(5)小区面积1.5m2(1.5m×1m),每个品种播种3行，行长1.5m，行距25cm，株距3.3cm；
(6)播种前每区施高氮长效缓释复合肥(N 26％、P2O512％、K2O 12％)600kg hm-2作基肥，整个生育期不再追肥；
(7)测量；
(8)数据分析；
(9)结果与分析。
所述干旱池规格：长1.5m、宽1m、深100cm、干旱池之间用塑料板隔绝。
所述步骤(7)中的测量方法：农艺性状的调查，包括株高、叶面积(倒二叶)、主茎节数、穗颈长、茎叶干重、穗长、单株穗重、穗粒数、千粒重、单株粒重和小区产量，成熟后每小区中间行取样10株，参照谷子育种试验调查项目标准及方法进行，取两年度平均值作为供试性状测定值，土壤含水量采用烘干法测量。
所述步骤(8)中的数据分析：
式中:DC为指标性状的抗旱系数；xi、CKi表示干旱、对照处理的性状测定值，n为指标性状数量；i为指标性状；通过主成分分析计算各基因型谷子抗旱综合指标值；
F(Xj)＝a1jX1j+a2jX2j+…+aijXij (i＝1，2，…，n；j＝1，2，…，n) (2)
式中:F(Xj)为第j个综合指标值，aij表示各单一指标的特征值所对应的特征向量，Xij为各单一指标标准化处理值；
式中:u(xj)为各品种第j个综合指标的隶属函数值，xj表示第j个综合指标，xjmin和xjmax表示第j个综合指标的最小值和最大值；Pj为第j个综合指标贡献率，表示第j个综合指标在所有指标中的重要程度；D为抗旱性度量值；
采用R语言的GGEBiplotGUI包进行GGE双标图绘制，GGE双标图模型方程为:
式中，Yij是基因型i与性状j组合的遗传值；μ是所有涉及性状j的组合的平均值；βj是性状j的主效应；λ1和λ2为主成分PC1和PC2的单值分解；gi1和gi2分别是基因型i在关于主成分PC1和PC2上的特征向量；e1j和e2j分别是性状j在关于主成分PC1和PC2上的特征向量；Dj是表型标准差；εij是与基因型i和性状j相结合的模型的残差。
所述结果与分析包括：不同处理土壤水分对谷子的影响、不同处理对谷子农艺性状和产量的影响、各指标性状抗旱系数、谷子抗旱性GGE双标图分析、谷子种质资源抗旱性综合评价及谷子种质资源抗旱指标筛选。
所述谷子种质资源抗旱指标筛选的判别函数如下：
YI＝500.854PH+222.838SWP-286.540；
YII＝456.282PH+185.898SWP-227.942；
YIII＝460.557PH+172.8585WP-224.291；
YIV＝398.277PH+163.884SWP-174.846；
YV＝341.061PH+138.566SWP-127.905。
图1所示土壤含水量为质量含水量。2019年和2020年谷子抽穗期和成熟期，CK和DS处理各层次土壤水分t测验差异均达显著水平。2019年，DS处理抽穗期和成熟期0-20cm土壤相对含水量分别为33.79％和31.69％，0-60cm土壤相对含水量分别为48.21％和44.51％；2020年，DS处理抽穗期和成熟期0-20cm土壤相对含水量分别为37.23％和29.02％，0-60cm土壤相对含水量分别为41.64％和37.13％。一般认为当土壤相对含水量＜40％时，作物受旱严重，土壤相对含水量为40％-60％时，作物呈现旱象。两处理土壤水分差异主要在抽穗期至成熟期，DS处理0-20cm土壤含水量达重旱程度，说明谷子干旱胁迫处理有效。
方差分析表明，DS和CK处理下，3个重复组间差异均不显著(p＞0.05)，说明试验误差在有效控制范围内。从下表可以看出，CK处理，除SWP、KPS和GWP外，其他指标性状F值均达显著或极显著水平，说明参试种质资源类型丰富，具有较好的代表性，适宜进行抗旱性评价。DS处理，所有指标F值均达极显著水平。
在干旱胁迫下，各指标性状值较CK均发生不同程度下降。t测验结果表明，处理间各性状成对数据差异均达到极显著水平(TGW除外)，其中SWP差异最大，其次为TNL，TGW差异最小。干旱胁迫处理和CK处理各性状变异系数分别介于8.53％-43.32％和6.95％-48.36％之间，平均值分别为24.42％和21.15％，干旱胁迫处理各性状变异系数均大于对照(Y除外)。SNN和TGW的变异系数均小于10％，说明二者在谷子材料间的离散程度较小。
从下表可以看出，供试谷子材料在干旱胁迫处理后，各性状平均抗旱系数均小于1。各指标性状抗旱系数平均值大小依次为TGW、SNN、SL、LA、PH、TNL、SLDW、SWP、KPS、GWP、Y。同一材料不同性状及不同材料同一性状抗旱系数均有较大差异，说明各指标性状对干旱胁迫反应的敏感性不同。对各性状抗旱系数以组距为0.2分成5个区间组，制成频次分布表(下表)。可以看出，不同指标DC值的分布区间及同一区间不同指标DC值的分布次数和频率差异较大。如在DC>0.8区间，PH、LA、SNN、TNL、SLDW、SL、SWP、KPS、TGW、GWP和Y指标的分布频率分别为40.0％、56.7％、100.0％、23.3％、43.3％、63.3％、0.0％、6.7％、100.0％、0.0％和10.0％。
综合下表可以看出，产量性状对干旱胁迫反应较敏感，SNN和TGW对干旱胁迫反应较迟钝。可见，用任何单一指标的抗旱系数来评价品种的抗旱性都存在片面性和不稳定性，必须用多个指标进行综合评价才较为可靠。
供试谷子材料各性状抗旱系数
Drought resistance coefficient of each trait of the tested foxtailmillet materials
供试谷子材料各性状抗旱系数区间分布
Interval distribution of drought resistance coefficients of eachtrait of the tested foxtail millet materials
以不同谷子材料和各农艺性状的抗旱系数上表通过R软件做基因型-性状的GGE(GT)双标图。在GT双标图上，同时给出供试材料和抗旱评价指标的图标，从而分析作物种质与抗旱指标间的关系以及各指标性状在种质抗旱性评价上的相似性。GGE双标图通常选取所有材料和相应形态指标的前两个主成分(PC1和PC2)得分作为横坐标和纵坐标绘于2维图上即形成GGE(GT)双标图，而将其后的主成分信息合并为模型残差。
从图2可以看出，PC1(AXIS 1)和PC2(AXIS 2)总计解释了GGE总变异的71.16％，数据信息基本得到充分展示。GGE双标图中，连接原点和各性状的直线称为“向量”，两向量间夹角的余弦近似于它们之间的遗传相关系数，据此判断指标间的相关性。两指标向量夹角小于90°时，夹角越小，正相关越显著；夹角大于90°时，夹角越大，负相关越显著；夹角接近90°时，表示无相关。正相关说明评价指标对品种抗旱性的评价相似，负相关说明评价指标对品种抗旱性的评价相左。图2a为各指标向量的相关性。可以看出，多数指标间呈正相关，有些指标存在紧密正相关，如农艺性状PH、LA、SLDW、SL之间和产量性状SWP、GWP、KPS、Y之间，说明这4个农艺性状或4个产量性状对谷子材料抗旱性评价相似。PH、LA、SLDW和SL与TGW夹角近似90度，说明这4个农艺性状抗旱系数与千粒重抗旱系数无相关；SWP、GWP、KPS和Y与TGW夹角大于90度，说明这4个产量性状抗旱系数与千粒重抗旱系数负相关。
图2b为供试谷子材料与抗旱指标的关系。GGE双标图能直观鉴别在不同指标下表现最好的材料，图中的多边形由连接同一方向上距离原点最远的谷子材料而成，它把所有谷子材料都框在其内，再从原点出发做多边形各边的垂线，这些垂线将整个双标图分成几个扇区。不同的材料和相关形态指标位于相应的扇区，并由此把抗旱评价指标分为不同的组，指标与材料位于相同的扇区表明该指标对此材料的抗旱性影响最大。一般情况下，每个区内的“顶角”材料即为该扇区所包含性状名义上抗旱性表现最好或接近最好的材料，位于多边形内部或者靠近原点的材料则抗旱性表现稍差或较差。如顶角材料所在扇区未包含任何性状，则说明该顶角材料抗旱性表现最差。由图2b可以看出，双标图基本被分成3大区域，谷子材料11个抗旱性鉴定指标落在其中两个区域。TGW和TNL为一组，其他指标为一组。在G30(顶角材料)扇区，G30、G1、G26、G25、G14和G4在SWP、GWP、KPS、Y、SNN、LA、SLDW、PH和SL指标上的综合表现较好，这些指标基本反映了谷子的抗旱性，因此，这些材料综合抗旱性相对较好，G30综合抗旱性更好；G13(顶角材料)、G15和G17在TNL和TGW指标上表现较好；G6(顶角材料)扇区不包括任何抗旱鉴定指标，说明G6扇区所有材料在抗旱鉴定指标上的表现都不好，综合抗旱性相对较差，其中G6抗旱性最差，其次为G11。这进一步说明谷子材料的抗旱性可以通过不同的农艺性状体现。
利用GGE双标图可以确定一个理想材料(指标)的位置。理想材料指在所有抗旱鉴定指标中表现最好的材料，理想指标则指对所有参试材料抗旱性分辨能力最强，对所有抗旱鉴定指标最具普遍代表性。所谓“理想”材料(指标)现实中并不一定存在，但可作为供试材料(指标)理想程度比较的参照。以理想材料(指标)为圆心做多层同心圆,根据与理想材料(指标)的接近程度可直观地对供试材料(指标)优劣进行排序。越靠近同心圆中心,则表示该材料(指标)越理想。图2c和图2d中同心圆的圆心(箭头位置)代表理想材料(指标)的位置。由图2c可以看出，G1、G4、G14、G15、G17、G25、G26、G29和G30较其他材料更接近同心圆中心，抗旱性较强；G6离同心圆中心最远，说明G6抗旱性最弱，其次是G11。由图2d可以看出，PH、SL、LA、SLDW、SNN和SWP比较靠近同心圆中心，说明这6个指标对谷子种质抗旱性鉴定能力较强；TGW距离同心圆中心最远，抗旱性鉴定能力最弱。
利用SPSS软件对30份谷子材料的11个抗旱鉴定指标的抗旱系数进行主成分分析。主成分分析结果表明，KMO值为0.667，巴特利特球形度检验显著水平为0.000，表明供试谷子材料各指标抗旱系数适合做主成分分析。特征值在某种程度可看成是表示主成分影响力度大小的指标，一般可用特征值＞1作为主成分个数的提取原则。下表可以看出，主成分分析将原来的11个评价指标转化为3个相互独立的综合指标，累积贡献率为81.269％。第一主成分相当于5.866个原始指标的作用，可以解释53.327％的方差，其中PH、LA、SLDW、SL、SWP和GWP指标载荷系数绝对值较大，说明这些指标可以较好地反映谷子的抗旱性，其中以SWP指标载荷绝对值最大；第二主成分主要反映的是TNL和KPS指标，相当于1.961个原始指标的作用，其中以TNL载荷绝对值最大；第三主成分中，起主要作用的是SNN、TGW和Y指标，相当于1.113个原始指标的作用，其中以TGW载荷绝对值最大。3个主成分的因子权重分别为0.656、0.219和0.124。
供试谷子材料各指标主成分的特征向量及贡献率
Characteristic vectors of each index and contribution rate ofprincipal components of the tested foxtail milletmaterials
利用各指标的抗旱系数上表和各主成分的特征向量上表，通过公式(2)可以分别求出每个谷子材料的3个综合指标值。在干旱胁迫下，同一综合指标数值越大，说明谷子材料抗旱性越强，反之越差。但谷子材料的抗旱性由这3个综合指标值共同决定，而且这3个综合指标在谷子抗旱性评价中的重要性不同，因此，利用公式(3)和公式(4)在综合指标基础上利用隶属函数计算各材料综合抗旱指标D值，下表，其值越大抗旱性越强。用D值作为标准来判别各参试材料抗旱能力的强弱，并对其进行排序，可以看出，G26的D值最高，综合抗旱能力最强，其次为G15和G30，G6的D值最低，综合抗旱能力最弱。
供试谷子材料抗旱性综合评价
Comprehensive evaluation on drought resistance of the tested foxtailmillet materials
基于供试谷子材料D值，采用欧氏距离和类平均法对30份谷子材料抗旱性进行聚类分析(图3)。结果表明，参试30份谷子材料按抗旱性可划分为5类。G1、G4、G14、G15、G17、G25、G26、G29和G30为Ⅰ类，属极强抗旱类型；G2、G3、G5、G9、G10、G13、G16、G21、G22和G23为Ⅱ类，属强抗旱类型；G7、G19、G24和G28为Ⅲ类，属中度抗旱类型；G8、G12、G18、G20和G27为Ⅳ类，属干旱敏感型；G6和G11为Ⅴ类，属干旱高度敏感型。
由下表可以看出，各指标DC值与D值Pearson相关分析和灰色关联度分析均表明，PH与D值关系最紧密，其次为SWP，TGW与D值相关联程度最小。同时各指标DC值与D值相关系数均达极显著水平(p<0.01)，TGW除外。
供试谷子材料各指标DC值与D值Pearson相关分析和灰色关联度分析
The analysis of Pearson correlation and grey relation between DC andD values of each index of foxtail millet
为了确定供试谷子材料抗旱性鉴定首选指标，依据抗旱性聚类分析结果(图3)进行Fisher判别分析。结果表明，株高(PH)和单株穗重(SWP)对供试谷子材料抗旱性归类有显著影响(p<0.01)
以上所述仅为本发明专利的较佳实施例而已，并不用以限制本发明专利，凡在本发明专利的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明专利的保护范围之内。
Claims (6)
1.一种谷子全生育期耐旱性的鉴定方法，其特征在于，包括以下步骤：
(1)设干旱胁迫(DS)和对照(CK)两种处理；
(2)干旱处理在移动式抗旱棚的进行，播种前和定苗(5-6叶期)后分别灌水至田间持水量的70％，之后不再灌水，进行干旱胁迫处理，雨前遮棚，雨后敞棚，其他田间管理同对照；
(3)对照处理(非水分胁迫)在移动式抗旱棚外邻近地块进行，生长期间以自然降雨为主，若遇严重干旱，适当灌水，保证谷子正常生长；
(4)供试材料采用随机区组排列，3次重复；
(5)小区面积1.5m2(1.5m×1m),每个品种播种3行，行长1.5m，行距25cm，株距3.3cm；
(6)播种前每区施高氮长效缓释复合肥(N 26％、P2O5 12％、K2O 12％)600kg hm-2作基肥，整个生育期不再追肥；
(7)测量；
(8)数据分析；
(9)结果与分析。
2.根据权利要求1所述的一种谷子全生育期耐旱性的鉴定方法，其特征在于：所述干旱池规格：长1.5m、宽1m、深100cm、干旱池之间用塑料板隔绝。
3.根据权利要求1所述的一种谷子全生育期耐旱性的鉴定方法，其特征在于：所述步骤(7)中的测量方法：农艺性状的调查，包括株高、叶面积(倒二叶)、主茎节数、穗颈长、茎叶干重、穗长、单株穗重、穗粒数、千粒重、单株粒重和小区产量，成熟后每小区中间行取样10株，参照谷子育种试验调查项目标准及方法进行，取两年度平均值作为供试性状测定值，土壤含水量采用烘干法测量。
4.根据权利要求1所述的一种谷子全生育期耐旱性的鉴定方法，其特征在于：所述步骤(8)中的数据分析：
式中:DC为指标性状的抗旱系数；xi、CKi表示干旱、对照处理的性状测定值，n为指标性状数量；i为指标性状；通过主成分分析计算各基因型谷子抗旱综合指标值；
F(Xj)＝a1jX1j+a2jX2j+…+aijXij(i＝1,2,…,n；j＝1,2,…,n) (2)
式中:F(Xj)为第j个综合指标值，aij表示各单一指标的特征值所对应的特征向量，Xij为各单一指标标准化处理值；
式中:u(xj)为各品种第j个综合指标的隶属函数值，xj表示第j个综合指标，xjmin和xjmax表示第j个综合指标的最小值和最大值；Pj为第j个综合指标贡献率，表示第j个综合指标在所有指标中的重要程度；D为抗旱性度量值；
采用R语言的GGEBiplotGUI包进行GGE双标图绘制，GGE双标图模型方程为:
式中，Yij是基因型i与性状j组合的遗传值；μ是所有涉及性状j的组合的平均值；βj是性状j的主效应；λ1和λ2为主成分PC1和PC2的单值分解；gi1和gi2分别是基因型i在关于主成分PC1和PC2上的特征向量；e1j和e2j分别是性状j在关于主成分PC1和PC2上的特征向量；Dj是表型标准差；εij是与基因型i和性状j相结合的模型的残差。
5.根据权利要求1所述的一种谷子全生育期耐旱性的鉴定方法，其特征在于：所述结果与分析包括：不同处理土壤水分对谷子的影响、不同处理对谷子农艺性状和产量的影响、各指标性状抗旱系数、谷子抗旱性GGE双标图分析、谷子种质资源抗旱性综合评价及谷子种质资源抗旱指标筛选。
6.根据权利要求5所述的一种谷子全生育期耐旱性的鉴定方法，其特征在于：所述谷子种质资源抗旱指标筛选的判别函数如下：
YI＝500.854PH+222.838SWP-286.540；
YII＝456.2828PH+185.898SWP-227.942；
YIII＝460.557PH+172.858SWP-224.291；
YIV＝398.277PH+163.884SWP-174.846；
YV＝341.061PH+138.566SWP-127.905。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210640207.XA CN114793891A (zh) | 2022-06-07 | 2022-06-07 | 一种谷子全生育期耐旱性的鉴定方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210640207.XA CN114793891A (zh) | 2022-06-07 | 2022-06-07 | 一种谷子全生育期耐旱性的鉴定方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114793891A true CN114793891A (zh) | 2022-07-29 |
Family
ID=82522076
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210640207.XA Pending CN114793891A (zh) | 2022-06-07 | 2022-06-07 | 一种谷子全生育期耐旱性的鉴定方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114793891A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116058280A (zh) * | 2023-02-03 | 2023-05-05 | 中国农业科学院棉花研究所 | 一种广适性棉花优异亲本及新品种的协同选育方法 |
| CN116616138A (zh) * | 2023-07-13 | 2023-08-22 | 四川省中医药科学院 | 一种麦冬抗旱种质的筛选方法 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108834884A (zh) * | 2018-05-23 | 2018-11-20 | 河北省农林科学院旱作农业研究所 | 一种抗旱优质谷子的选育方法 |
-
2022
- 2022-06-07 CN CN202210640207.XA patent/CN114793891A/zh active Pending
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108834884A (zh) * | 2018-05-23 | 2018-11-20 | 河北省农林科学院旱作农业研究所 | 一种抗旱优质谷子的选育方法 |
Non-Patent Citations (9)
| Title |
|---|
| B. BADU-APRAKU 等: ""Cultivar evaluation and trait analysis of tropical early maturing maize under Striga-infested and Striga-free environments"", 《FIELD CROPS RESEARCH》 * |
| 孟庆立等: "谷子抗旱相关性状的主成分与模糊聚类分析", 《中国农业科学》 * |
| 宋慧等: "GGE双标图评价谷子‘豫谷18’的丰产稳产性和适应性", 《中国农业大学学报》 * |
| 张宇君等: "燕麦萌发期抗旱指标体系构建及综合评价", 《核农学报》 * |
| 张雪婷等: "甘肃西部抗旱型玉米品种的综合评价及筛选", 《核农学报》 * |
| 张龙龙等: "三个小麦新品种不同生育阶段抗旱性的综合评价", 《麦类作物学报》 * |
| 彭远英等: "燕麦属不同倍性种质资源抗旱性状评价及筛选", 《生态学报》 * |
| 王敏等: "不同类型大豆花荚期抗旱性形态指标及其综合评价", 《核农学报》 * |
| 程建峰等: "水稻抗旱性鉴定的形态指标", 《生态学报》 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116058280A (zh) * | 2023-02-03 | 2023-05-05 | 中国农业科学院棉花研究所 | 一种广适性棉花优异亲本及新品种的协同选育方法 |
| CN116616138A (zh) * | 2023-07-13 | 2023-08-22 | 四川省中医药科学院 | 一种麦冬抗旱种质的筛选方法 |
| CN116616138B (zh) * | 2023-07-13 | 2024-02-09 | 四川省中医药科学院 | 一种麦冬抗旱种质的筛选方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114793891A (zh) | 一种谷子全生育期耐旱性的鉴定方法 | |
| Luković et al. | Multivariate analysis of morphological traits and the most important productive traits of wheat in extreme wet conditions | |
| CN113748787B (zh) | 一种发芽期耐盐或盐敏感水稻种子的筛选方法 | |
| CN111507630A (zh) | 一种高粱植株田间抗旱性表型综合评价方法 | |
| CN111784200A (zh) | 一种草莓种苗壮苗指数及其构建方法 | |
| CN111436368A (zh) | 一种抗旱小麦选育方法 | |
| Poudel et al. | Yield stability analysis of wheat genotypes at irrigated, heat stress and drought condition | |
| CN103238493A (zh) | 桃不同砧木类型对持续干旱的响应及其抗旱性评价方法 | |
| Wang et al. | Strategy for the construction of a core collection for Pinus yunnanensis Franch. to optimize timber based on combined phenotype and molecular marker data | |
| Yue et al. | A study on genotype-by-environment interaction analysis for agronomic traits of maize genotypes across Huang-Huai-Hai Region in China. | |
| Jia et al. | Screening and comprehensive evaluation of rice (Oryza sativa L. subsp. japonica Kato) germplasm resources for nitrogen efficiency in Xinjiang, China | |
| CN109146119B (zh) | 小麦耐荫性综合鉴定模型、方法及应用 | |
| CN112790106A (zh) | 一种利用甲基磺酸乙酯（ems）构建大麦突变体库的方法 | |
| Alake et al. | Genotypic variation and correlations between yield system traits and yield components in African landraces of bambara groundnut | |
| Suriyagoda et al. | Morphological variation in selected rice (Oryza sativa L.) germplasm of Sri Lanka | |
| CN116704356A (zh) | 基于卷积神经网络的玉米耐盐碱鉴定方法及系统 | |
| 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 | |
| Singh et al. | Diversity analysis of faba bean (Vicia Faba L.) Germplasm of Bihar using agro-morphological characteristics | |
| Krstić et al. | Agro-morphological traits of inbred sunflower lines and their genetic assessment | |
| Burton | Phenotypic evaluation and genetic basis of anatomical and architectural root traits in the genus Zea | |
| CN112051359A (zh) | 根据田间长势示踪小麦抗盐碱性鉴定的方法 | |
| Dido et al. | Multivariate analysis of quantitative characters variability in Ethiopian barley (Hordeum vulgare L.) landrace: based on regions and altitude | |
| Manschadi et al. | APSIM-Barley model-adaptation of a wheat model to simulate barley growth and development. | |
| CN102982228B (zh) | 一种建立核心种质研究群体的计算机模拟方法 | |
| Ghazvini et al. | A framework for selection of high-yielding and drought-tolerant genotypes of barley: Applying yield-based indices and multi-index selection models |
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: 20220729 |
|
| WD01 | Invention patent application deemed withdrawn after publication |