水稻Ⅲ类过氧化物酶基因IPH1调控水稻株高

过氧化物酶(peroxidase, PRX)是过氧化物酶体的标志酶,能够保护细胞免受氧化损伤和解除H2O_(2)的毒害作用,还可以增强自然杀伤细胞的活性,调节细胞的增殖、分化和凋亡等.其中Ⅲ类过氧化物酶(CⅢPRXs)是植物中特有的过氧化物酶家族,通过清除活性氧(ROS)在植物免疫中发挥重要作用,然而CⅢPRXs在水稻株型建立中的功能尚不清楚.通过基因编辑技术CRISPR/Cas9获得CⅢPRXs基因(LOC_Os12g09460)两种不同形式的敲除突变体iph1-1,iph1-2.iph1突变体的株高显著高于野生型,除倒1节节长(即第5节)外,其他节节长均显著或极显著长于野生型.农艺性状考察表明,穗长及结实率等主要性状差异无统计学意义;通过RT-qPCR技术进行的表达模式分析表明,IPH1在根、茎、叶、鞘、穗中均表达,并在茎和鞘中表达相对较高;亚细胞定位分析表明,IPH1蛋白主要定位于过氧化物酶体中.进一步通过生理分析,发现突变体中过氧化物酶活性显著降低,同时H2O_(2)质量分数显著增加.这些结果初步证实了IPH1能够通过过氧化氢途径调控水稻株高的形成,可为丰富株高调控网络提供有利的基因资源,进一步为株型相关生物育种奠定基础.

玉米DH系群穗位高/株高的遗传力与育种效果研究

本研究以D1279×29396、D1279×D752、D1279×D956构建经产量性状选择后的3个DH系群,针对株高、穗位高、穗上高和穗位高/株高进行统计分析,并利用DH世代群体共20种遗传模型及混合分布方法,针对4个性状的遗传力进行分析。结果表明,株高、穗位高、穗上高和穗位高/株高平均遗传力分别为99.50%、98.86%、99.15%、99.26%,表现为株高>穗位高/株高>穗上高>穗位高。本研究结果说明除株高外,穗位高/株高指标具有重要育种意义。

基于无人机影像的冬小麦株高提取与LAI估测模型构建

株高和叶面积指数(Leaf Area Index,LAI)反映着作物的生长发育状况。为了探究基于无人机可见光遥感提取冬小麦株高的可靠性,以及利用株高和可见光植被指数估算LAI的精度,本文获取了拔节期、抽穗期、灌浆期的无人机影像,提取了冬小麦株高与可见光植被指数,使用逐步回归、偏最小二乘、随机森林、人工神经网络四种方法建立LAI估测模型,并对株高提取及LAI估测情况进行精度评价。结果显示:(1)株高提取值Hc与实测值Hd高度拟合(R^(2)=0.894,RMSE=6.695,NRMSE=9.63%),株高提取效果好;(2)与仅用可见光植被指数相比,基于株高与可见光植被指数构建的LAI估测模型精度更高,且随机森林为最优建模方法,当其决策树个数为50时模型估测效果最好(R^(2)=0.809,RMSE=0.497,NRMSE=13.85%,RPD=2.336)。利用无人机可见光遥感方法,高效、准确、无损地实现冬小麦株高及LAI提取估测可行性较高,该研究结果可为农情遥感监测提供参考。

南疆阿拉尔垦区密植棉花株高模拟研究

【目的】探讨新疆阿拉尔垦区密植条件下不同模型对棉花株高的预测效果。【方法】以株型差异较大的新陆中81号和塔河2号为试验材料,在阿拉尔垦区16000株·hm^(-2)密植条件下开展大田试验,用Python语言建立株高生长的逻辑斯谛(logistic)、冈珀茨(Gompertz)、理查德(Richards)方程和决策树机器学习预测模型,并对模型的预测精度进行分析。【结果】Logistic、Gompertz和Richards模型中,新陆中81号株高的均方根误差(root mean square error,RMSE)分别为8.38%、7.49%和7.52%,平均绝对误差(mean absolute error,MAE)分别为6.80%、5.79%和5.82%;塔河2号株高的RMSE分别为6.09%、4.77%和4.85%,MAE分别为4.52%、3.34%和3.36%。决策树机器学习方法中,新陆中81号与塔河2号株高的RMSE分别为6.91%和3.27%,MAE分别为5.04%和2.16%。Logistic、Gompertz和Richards生长方程以及决策树机器学习方法均能较好地预测密植条件下棉花株高的生长,但在预测精度上决策树机器学习方法总体上优于生长方程。【结论】基于决策树的机器学习方法不需要用数理统计知识解释模型,训练模型需要的数据量也较少,模拟精度更高,在模拟棉花株高方面有一定优势,是对传统生长方程的有益补充。

基于株高、产量、品质联合分析筛选砂糖橘优良砧木

【目的】通过联合分析不同砧木砂糖橘植株株高、产量、品质的相关指标,构建砂糖橘优良砧木筛选的综合评价模型,为砂糖橘优良砧木的选择提供依据。【方法】以10种不同的砧木嫁接砂糖橘,对嫁接后的植株株高、产量、品质进行差异显著性分析、相关性分析及主成分分析,获得筛选砂糖橘砧木的核心指标并构建综合评价模型,根据模型评分进行排序。【结果】株高、产量、品质22个指标均表现出了显著的差异性并有着多组相关关系,主成分分析筛选出了6个主成分,累积贡献率达到了93.407%,共注释了包括果实质量及横纵径大小决定因子、产量和果形指数决定因子、果皮厚度决定因子等6个关键因子。【结论】综合评价模型得分表明,红黎檬、香橙和粗柠檬可推荐为广东省适用的3个优选砂糖橘砧木。

基于InDel标记的谷子株高QTL定位

插入/缺失(InDel)标记在植物基因组中广泛分布,然而谷子中InDel标记的数量十分有限。为挖掘InDel位点和开发分子标记,本研究基于衡谷12号和长农35号的深度重测序结果,分析其单核苷酸多态性(SNP)、InDel和结构变异(SV)。利用JoinMap 4软件构建连锁遗传图谱,利用WinQTLCart 2.5软件定位株高数量性状位点(QTL),利用生物信息学、测序和实时荧光定量PCR(qRT-PCR)进行候选基因分析。研究表明,3种变异类型数量由多到少排序为SNP>InDel>SV;获得1392个在衡谷12号和长农35号中具有多态性的InDel标记,多态性率为35.14%,这些标记在谷子9条染色体上分布不均;获得一张包含467个InDel标记的谷子遗传连锁图谱,该图谱总图距448.45 cM,平均图距0.96 cM;利用F2群体定位了4个株高QTL(qPH5-1、qPH5-2、qPH9-1和qPH9-2),进一步利用重组自交系(RIL)群体对其中2个效应值较大的QTL(qPH5-1和qPH9-2)进行验证,结果重新检测到qPH9-2,似然比的自然对数(LOD)值为93.6,加性效应为-46.15,解释表型贡献率(PVE)达91.06%;Seita.9G080400在编码区存在2处非同义突变,且在茎中表达水平呈极显著差异,推测Seita.9G080400可能是控制株高的关键候选基因。本研究开发的InDel标记能够良好地应用于株高QTL定位,同时可为谷子种质资源鉴定、亲缘关系分析等研究提供一套好用的分子标记。

展颖野生稻株高性状的遗传与SD1基因的等位变异分析

为了探究SSSL-B50和华粳籼74(HJX74)株高差异的原因,利用SSSL-B50与HJX74回交构建F2群体进行株高性状遗传分析与基因定位。结果显示,F1植株表现为高秆;260个单株组成的F2群体株高出现分离,高秆植株与半矮秆植株分离比例符合3∶1(χ^(2)=0.18<3.84),说明SSSL-B50高秆性状为显性性状,受1对显性等位基因控制。利用IciMapping软件对F2进行连锁分析,将SSSL-B50携带的高秆基因定位在1号染色体代换片段上的标记S18和X161之间38.38~39.07 Mb。候选基因筛选分析发现,定位区间内存在着“绿色革命”基因座位SD1。对展颖野生稻、SSSL-B50及HJX74进行SD1基因测序及序列比对,发现HJX74的CDS序列与展颖野生稻、SSSL-B50相比有280 bp的缺失,导致氨基酸编码提前终止。qRT-PCR结果表明,SD1表达量在SSSL-B50茎秆的第2,3,4节均显著高于HJX74。此外,与前人报道结果相比,展颖野生稻SD1基因编码的氨基酸序列发生了2处改变(E100G、Q339R)。研究结果弄清楚了展颖野生稻单片段代换系SSSL-B50高秆性状受SD1调控,同时从展颖野生稻鉴定到了SD1的新等位型SD1Glu。

小麦E3泛素连接酶基因TaSINA-3A与多种环境下的株高和千粒重相关

E3泛素连接酶SINA(seven in absentia)家族参与植物的生长发育、免疫共生并响应逆境胁迫。本研究克隆了位于小麦染色体3A上的TaSINA-3A基因,其基因组序列长度为3897 bp,其中启动子区为2001 bp,基因序列为1896 bp,编码244个氨基酸,在50~91位氨基酸处有一个RING(really interesting new gene)保守结构域。RT-qPCR结果显示,TaSINA-3A基因在小麦的各个发育阶段的不同组织中均有表达。序列多态性分析表明,在TaSINA-3A的启动子区存在33个SNP(single nucleotide polymorphism)位点,编码区有4个SNP位点。基于启动子区的变异位点SNP-159、SNP-418和SNP-1286开发分子标记,扫描小麦自然群体,并与表型性状进行关联分析。结果表明,标记CAPS-159与多种环境下的株高和倒二节长显著相关,SNP-159-C是倒二节较短的矮秆等位变异,标记dCAPS-418分别与多种环境下的穗长和千粒重显著关联,SNP-418-A是长穗、高千粒重的优异等位变异;TaSINA-3A负调控穗和籽粒的发育,TaSINA-3A的表达可能受到MYC转录因子的抑制;在我国小麦育种进程中SNP-418-A受到正向选择,在育成品种中的频率逐步增加,但尚未充分利用。研究结果为深入探讨小麦株高、倒二节长及产量的形成机制提供参考,并为培育高产稳产广适新品种提供了基因资源。

控制玉米株高基因PHR1的基因克隆

株高属于玉米理想株型育种的一个重要指标,不但影响玉米机械化收获,更与玉米的倒伏性和生物产量密切相关。本研究以低剂量快中子(4.19 Gy)辐照诱变玉米自交系KWS39获得的矮秆低穗位突变体为研究对象,该突变体命名为plant height reducing mutant-1(phr-1),开展了表型性状的田间调查分析,并利用phr-1×B73获得的F2分离群体,借助极端性状混池测序分析法(BSA-seq)及目标区段重组交换鉴定的方法,基于B73参考基因组对目标区段内的基因进行挖掘和功能注释,定位候选基因。研究结果表明,在1号染色体Bin1.06区间可能存在变异位点,进而利用大的分离群体结合目标区段多态性标记开发,将目标区段精细定位分子标记到Umc1122和Umc1583a两个标记之间约600 kb区间,该区段内存在一个控制株高的已知基因Brachytic2(BR2),BR2编码一个调控玉米茎秆中生长素极性运输的糖蛋白。候选基因测序结果表明,phr-1是BR2基因在第4个外显子处插入了165 bp的序列,导致第547位氨基酸变为终止子,蛋白翻译提前终止。phr-1的基因突变位点和变异方式与已报道的br2-1单个碱基发生变异位点完全不同,通过等位杂交实验证明了phr-1突变体就是br2-1的一个新等位突变体,候选基因就是BR2基因。本研究为玉米BR2基因在玉米株高遗传改良中提供了新的种质资源。

大豆株高全基因组关联分析

以包含264份种质材料的大豆自然群体为研究对象,调查该群体2019年和2020年的大豆株高性状,并进行全基因组关联分析(Genome-wide association study,GWAS),解析大豆株高遗传机制。研究发现大豆群体株高变异丰富,呈连续分布状态,广义遗传力为67.38%,同时检测到91个SNP与大豆株高显著关联,分别位于第3、4、6和19号染色体上。其中位于19号上的显著关联信号是一个控制大豆株高的主效位点,可以在2年环境中检测到,表型变异解释率最高达12.19%。对该位点内的候选基因进行筛选获得5个调控大豆株高候选基因,其中GmDt1可能是这个位点的效应基因。除此以外,在3号和6号染色体上筛选得到3个调控大豆株高的候选基因。本研究结果为大豆株高遗传改良提供了新的基因资源和参考依据。

基于双输出回归卷积神经网络的燕麦株高估测研究

【目的】株高影响燕麦的单株生产力,并与种植密度共同作用影响单位面积产量。探索大田环境下燕麦株高参数的自动、实时、精准获取方法,以期为燕麦田间自动化管理提供技术参考。【方法】首先基于Intel RealSense D435型深度相机和LabVIEW软件开发平台搭建燕麦深度图像采集系统,以‘品燕4号’燕麦为研究对象,获取生长全程26376组建模数据和2205组测试数据,每幅深度图像中燕麦所对应的平均株高和最高株高使用量尺测得。建模数据和测试数据在燕麦各株高区间内的数量相对均衡,并对图像进行高度还原、灰度化和缩放的简单预处理,随之给每张图像打2张标签,分别为图像中燕麦的平均株高和最高株高。基于8种经典卷积神经网络模型,将各网络模型的最后一层(分类层)去除,添加2个单节点且没有激活函数的全连接层后,分别构建双输出回归卷积神经网络估测模型,模型使用均方差函数(mean square error,MSE)评价各模型估测燕麦株高时的准确率。最终基于TensorFlow深度学习平台,采用建模数据经5折交叉验证选取Modified EfficientNet V2 L为估测模型。【结果】采用未参与模型训练的测试数据考察了Modified EfficientNet V2 L模型估测燕麦株高的泛化性能,该模型估测燕麦平均株高时平均绝对误差(mean absolute error,MAE)、均方根差(root mean square error,RMSE)和平均相对误差(mean relative error,MRE)分别为2.30 cm、2.90 cm和4.4%,估测最高株高时分别为2.24 cm、2.82 cm和4.1%,模型平均估测时间为52.14 ms。使用该方法估测作物株高时的精度与已有方法相近,平均估测时间可以满足作物株高获取的实时性要求。燕麦平均株高和最高株高估测时的相对误差随着作物株高的增加呈总体下降趋势,可能是由于作物株高较低时,估测结果受土壤起伏度影响较大。模型特征图可视化的结果表明,模型根据深度图像中燕麦的高度及轮廓对株高进行估测。最终基于LabVIEW软件开发平台构建了燕麦株高估测系统,系统在获取燕麦深度图像后,可以在0.1 s内精准估测出燕麦平均株高和最高株高,整个过程无需人为干预。【结论】使用深度图像和双输出回归卷积神经网络可以估测燕麦株高,其精度可以满足生产需求,该方法可为燕麦等作物的田间管理提供依据。

谷子不同发育时期株高性状的变化及动态QTL定位

【目的】株高是对谷子产量提升具有重要作用的性状。研究不同生育时期谷子株高的动态变化,鉴定控制株高QTL位点及效应,为谷子株型育种提供理论依据。【方法】以1个含有215份家系的重组自交系群体YRRIL为研究对象,于2023年5月分别在陕西榆林和陕西米脂2个环境下种植YRRIL群体并分别在苗期、拔节期、孕穗期、抽穗期和成熟期等5个时期测定各家系的株高性状表型值,结合YRRIL群体的遗传连锁图谱,对谷子株高性状在不同生育时期进行遗传分析和动态QTL定位,鉴定控制谷子株高的非条件QTL和条件QTL。在此基础上,以基因本体论(GO)富集和京都基因与基因组百科全书(KEGG)富集分析方法对重要QTL进行候选基因预测。【结果】在整个生育期谷子株高增长趋势呈“S”型曲线,拔节期至孕穗期,株高生长速度较快,是株高发育的关键阶段。2个环境下,不同时期群体各家系株高均表现连续分布。2个环境5个时期共检测到86个与株高相关的QTL,分布在谷子基因组全部9条染色体上。包含48个非条件QTL和38个条件QTL,非条件QTL表型贡献率为1.13%—17.49%,其中6个能够在2个生育时期重复检测到,其余均只在一个生育时期检测到;条件QTL表型贡献率为1.97%—14.69%,其中1个能够在2个生育阶段重复检测到,其余均只在一个生育阶段检测到。非条件QTL和条件QTL分析中均不存在能够在3个及以上时期均能检测的QTL。2个环境下非条件QTL和条件QTL分析共检测到12个主效QTL,其中6个QTL为本研究新发现的主效位点。对主效QTL区间内的基因结合同源基因功能注释预测分析,筛选出14个可能与谷子株高相关的候选基因,其中Seita.1G242300.1、Seita.6G110200.1和Seita.7G143300.1等均能直接调控株高发育。【结论】2个环境下,谷子整个生长发育过程中检测到大量QTL参与株高性状的表型调控,79个(91.86%)在其中1个时期起作用,7个(8.14%)在其中2个时期起作用,不存在3个及以上时期均检测到的QTL,有12个主效QTL。利用非条件和条件分析方法检测到的QTL各占55.81%和44.19%,16个(18.60%)既是非条件QTL又是条件QTL。不同时期控制株高发育的QTL效应不同,其中苗期较小,拔节期至抽穗期普遍较大。

高粱株高相关基因SbPH11分子标记的开发和应用

生物量是饲用高粱的重要性状,株高与生物量呈正相关性。本研究以237份高粱自交系关联群体为材料,筛选到株高关联基因SbPH11的两个功能性SNP位点,两个SNP位点组合的单倍型共3种:SbPH11-Hap1、SbPH11-Hap2和SbPH11-Hap3,SbPH11-Hap2所对应的高粱材料的株高极显著高于SbPH11-Hap1和SbPH11-Hap3所对应的高粱材料的株高,SbPH11-Hap1的高粱材料株高极显著高于SbPH11-Hap3的高粱材料株高。针对SbPH11的两个功能性SNP位点开发了KASP分子标记,利用该标记对30份高粱种质资源进行了基因分型和表型验证,结果证实开发的KASP分子标记可以准确地鉴定出SbPH11两个功能性SNP位点的基因型。该KASP分子标记可高效准确地预测不同高粱种质资源的株高类型,可应用于高粱株高的早期筛选和分子标记辅助选择育种。

基于RVoG模型的双极化SAR水稻株高反演

水稻株高被广泛应用于物候监测、水稻健康评估及产量预测等领域,极化合成孔径雷达(Polarimetric Synthetic Aperture Radar,PolSAR)信号能穿透水稻冠层记录水稻垂直结构信息,有助于实现高分辨率、大范围水稻株高提取。该文提出一种适用于非干涉条件下PolSAR数据水稻株高反演方法:利用极化SAR分解技术分离冠层及地表散射信号,引入随机地体二层散射模型(Random Volume over Ground,RVoG)对分解得到的水稻冠层散射能量进行建模,从而建立水稻株高反演模型;最后,联合邻域同质像素并利用NSGA-Ⅱ遗传算法对模型进行解算。利用2019年13景Sentinel-1影像在西班牙地区进行试验,水稻株高反演精度达到0.1 m,R^(2)达0.96以上,证明新方法能较好地适用于非干涉条件下PolSAR数据水稻株高反演。

基于无人机遥感的大豆株高计算方法研究

针对目前田间大豆株高测量采用作物标尺准确度不够或人工测量费时费力的问题,基于50个试验小区、10个标准株高不同的大豆品种,以无人机(UAV)低空遥感平台获取大豆田间影像及数字表面模型,同时测定地面大豆实际冠层高度;利用克里金插值算法获取地面高程值(DEM),通过计算提取大豆株高信息,并验证此方法的精度和提取误差。研究表明:利用无人机遥感正射影像、数字表面模型和克里金插值算法生成的DEM模型符合试验田的地势情况,提取的大豆株高范围为0~1.13627m,所建立的株高提取模型R2=0.8163,计算得到的大豆实际株高与提取株高平均误差为3.79%。此方法可较为精确地计算大豆的植株高度,能够为大豆田间管理和高产株型选育过程中株高性状数据获取提供参考。

彩色小麦株高与籽粒性状的全基因组关联分析

彩色小麦的产量通常低于普通白粒和红粒小麦,籽粒偏小是原因之一。为解析控制彩色小麦产量性状的遗传基础,分析了239份彩色小麦品种(系)在4个环境下的表型特性和16 K SNP芯片基因型数据,对株高和籽粒性状(千粒重、籽粒长、籽粒宽和籽粒长宽比)的QTL进行了全基因组关联分析(genome-wide-association-study,GWAS)。结果显示,各表型性状的变异系数为5.11%~32.91%,广义遗传力为71.88%~97.00%,多数性状之间具有显著相关性。通过GWAS共筛选出26728个多态性SNP标记,定位到了17个与目标性状显著相关的稳定QTL位点,分布在1A、1B、1D、2B等12条染色体上,单个QTL解释5.26%~11.66%的表型变异,其中在3个环境下均被检测到的QTL有5个,分别为QPh.nwafu-4B.1、QKlwr.nwafu-1D、QKlwr.nwafu-4D、QKlwr.nwafu-5B.1和QKlwr.nwafu-6A.2;共发现10个未见报道的新QTL位点,分别为与株高相关的QPh.nwafu-4B.3,与千粒重相关的QTkw.nwafu-3B和QTkw.nwafu-6A,与籽粒长宽比相关的QKlwr.nwafu-1A、QKlwr.nwafu-1B、QKlwr.nwafu-4A、QKlwr.nwafu-5B.2、QKlwr.nwafu-6A.1和QKlwr.nwafu-6A.2。这些QTL位点初步表明了彩色小麦株高与籽粒性状基因位点的分布、组成,可为彩色小麦产量遗传改良提高参考。

山西谷子种质资源株高全基因组关联分析

适宜的株高能够有效增强谷子养分利用效率和抗倒伏能力。本研究以313份山西谷子地方品种微核心种质为关联群体,在5个环境下调查谷子株高,对其进行全基因组深度重测序,数据质量控制后得到均匀分布于谷子9条染色体的3,160,066个SNP标记,进行株高全基因组关联分析(GWAS)。共定位到8个与株高显著关联的QTL位点,单个位点表型变异解释率为7.13%~12.08%。在8个稳定QTL位点上下游各25 kb的置信区间内共发现40个候选基因,结合基因注释信息等筛选到6个候选基因,主要参与激素合成、细胞分裂调控、信号转导和糖类物质代谢等途径,并通过单倍型分析发现候选基因Millet_GLEAN_10031852的一个优异单倍型Hap2可以有效降低株高。

基于Shuffle-ZoeDepth单目深度估计的苗期玉米株高测量方法

株高是鉴别玉米种质性状及作物活力的重要表型指标,苗期玉米遗传特性表现明显,准确测量苗期玉米植株高度对玉米遗传特性鉴别与田间管理具有重要意义。针对传统植株高度获取方法依赖人工测量,费时费力且存在主观误差的问题,提出了一种融合混合注意力信息的改进ZoeDepth单目深度估计模型。改进后的模型将Shuffle Attention模块加入Decoder模块的4个阶段,使Decoder模块在对低分辨率特征图信息提取过程中能更关注特征图中的有效信息,提升了模型关键信息的提取能力,可生成更精确的深度图。为验证本研究方法的有效性,在NYU-V2深度数据集上进行了验证。结果表明,改进的Shuffle-ZoeDepth模型在NYU-V2深度数据集上绝对相对差、均方根误差、对数均方根误差为0.083、0.301 mm、0.036,不同阈值下准确率分别为93.9%、99.1%、99.8%,均优于ZoeDepth模型。同时,利用Shuffle-ZoeDepth单目深度估计模型结合玉米植株高度测量模型实现了苗期玉米植株高度的测量,采集不同距离下苗期玉米图像进行植株高度测量试验。当玉米高度在15~25 cm、25~35 cm、35~45 cm 3个区间时,平均测量绝对误差分别为1.41、2.21、2.08 cm,平均测量百分比误差分别为8.41%、7.54%、4.98%。试验结果表明该方法可仅使用单个RGB相机完成复杂室外环境下苗期玉米植株高度的精确测量。

玉米与棉花间作对作物株高、叶绿素含量及根长密度的影响

间作是我国传统农业的重要组成部分,通过不同种植模式改善作物群体结构,充分利用光、水、热、气、肥资源,提高土地利用率。为探索棉花与玉米不同种植模式对作物生长发育的影响,2023年在新疆石河子开展了玉米-棉花间作、单作玉米和单作棉花3种种植模式的试验,以玉米品种新玉93号、棉花品种新陆早74号为研究对象,调查分析6月11日、6月30日、7月9日、7月20日、7月30日、8月9日作物株高、叶片叶绿素含量、根长密度等的变化。结果显示:间作玉米株高提升4.25%~18.71%;单作玉米叶绿素含量在7月20日、8月9日分别显著增加21.40%、31.36%;间作玉米0~<20 cm土层根长密度在6月11日、7月9日分别显著增加28.61%和43.11%,20~40 cm土层根长密度在6月11日、6月30日、7月9日和8月9日分别显著增加28.56%、33.95%、26.81%和21.63%。间作棉花株高降低5.12%~12.27%;单作棉花叶绿素含量在6月30日、7月9日、7月30日分别显著增加10.76%、16.05%、19.36%;间作棉花0~<20 cm土层根长密度在6月30日、7月9日、7月20日和7月30日分别显著增加22.85%、26.96%、38.11%、31.77%,20~40 cm土层根长密度6月30日、7月9日、7月20日和7月30日、8月9日分别显著增加84.42%、32.37%、64.52%、94.05%、47.03%。结果表明,间作导致棉花株高和叶绿素含量降低,根长密度增加,玉米株高和根长密度增加,叶绿素含量降低,初步揭示了间作模式对玉米和棉花主要生长指标产生的不同影响,可为优化相关农业生产提供参考。

小麦株高与赤霉病抗性间的相关性研究

为了研究小麦株高与赤霉病抗性等表型的相关性,以兰天33号为对照,在自然发病条件下,选用甘肃省陇南片区域试验及生产试验中的16个小麦品种(系),研究了供试小麦抗赤霉病性与株高间的相关性。结果表明,株高对赤霉病的抗性影响较大,植株较高材料抗性相对较强,兰天48号尽管株高较低,但抗病性也较强。