为探究孕穗期干旱胁迫对寒地粳稻籽粒氮素形成及产量影响,以水稻松粳6(不耐旱型)和东农425(耐旱型)为材料,通过盆栽控水方式于孕穗期不同梯度干旱处理(土壤水势分别为:0、-10、-25、-40 k Pa),20 d后恢复正常管理。结果表明,与对照相比...为探究孕穗期干旱胁迫对寒地粳稻籽粒氮素形成及产量影响,以水稻松粳6(不耐旱型)和东农425(耐旱型)为材料,通过盆栽控水方式于孕穗期不同梯度干旱处理(土壤水势分别为:0、-10、-25、-40 k Pa),20 d后恢复正常管理。结果表明,与对照相比,轻度干旱胁迫下(土壤水势为-10 k Pa)籽粒氮代谢关键酶(GS、GPT、GOT)活性显著升高,东农425增幅高于松粳6;重度干旱胁迫(土壤水势为-40 k Pa)下酶活性显著降低,东农425降幅小于松粳6,品种间差异显著。干旱胁迫可提高籽粒蛋白质及各组分含量,籽粒清蛋白、球蛋白含量升高主要受GS、GPT和GOT活性变化影响,醇蛋白含量升高与籽粒GS活性关系密切,谷蛋白含量变化主要受籽粒GPT、GOT活性影响。孕穗期干旱胁迫显著降低寒地粳稻产量,随土壤水势降低,产量降幅逐渐增大,东农425降幅显著低于松粳6,产量降低主要影响因素是穗粒数、结实率和千粒重。文章从氮代谢关键酶调控角度分析孕穗期干旱胁迫对寒地粳稻籽粒灌浆过程中蛋白质及各组分含量和产量影响,为揭示干旱胁迫下寒地粳稻产量及品质形成机制提供理论依据。展开更多
【目的】建立寒地水稻移栽至成熟期抗旱综合评价指标体系,筛选抗旱水稻种质资源。【方法】以穗重、穗粒数、结实率等13个性状为指标,采用主成分分析法及聚类分析等方法对30个寒地水稻种质资源(样本)进行抗旱性综合评价。用25个样本以抗...【目的】建立寒地水稻移栽至成熟期抗旱综合评价指标体系,筛选抗旱水稻种质资源。【方法】以穗重、穗粒数、结实率等13个性状为指标,采用主成分分析法及聚类分析等方法对30个寒地水稻种质资源(样本)进行抗旱性综合评价。用25个样本以抗旱力特征指标值为输入,对应抗旱综合评价值为输出,利用误差反向传播(Error Back Propagation,BP)神经网络算法构建学习模型;其余5个样本为验证样本,评价学习模型的预测准确性。变换3组学习样本构建3个学习模型,对比3个模型的预测准确性,验证建模方法的合理性与稳定性。【结果】利用主成分分析将干旱胁迫下13个单项指标转化为5个相互独立的综合指标,累积贡献率达83.761%。依据参试材料抗旱综合评价值进行聚类分析,将30个参试样本划分为强抗旱型、抗旱型、中间抗旱型、旱敏感型4类。第1类强抗旱型的有1个(农丰3055),第2类抗旱型的有12个,第3类中间抗旱型的有6个,第4类旱敏感型的有11个。基于水稻性状指标与抗旱综合评价值相关性分析结果,筛选出穗重、穗粒数、结实率、产量、生物产量和经济系数6项指标作为水稻抗旱适宜性评价的特征指标。以特征指标值为输入层,综合评价值为输出层,建立BP神经网络学习模型,可实现水稻抗旱指标适宜性的定量预测。该方法建立的学习模型有较高的预测准确性与稳定性,变换学习样本得到的3个学习模型的预测值与实际值相对误差均不超过10%,实际值与模型预测值线性拟合后决定系数R^2均大于0.9。【结论】构建的BP神经网络学习模型,可以实现水稻抗旱指标适宜性的定量预测,且具有较高的预测准确性与稳定性,可比单一的回归分析更准确地预测水稻抗旱适宜性评价的特征指标;穗重、穗粒数、结实率、产量、生物产量和经济系数可作为水稻农业抗旱能力鉴定的综合指标;参试的30个寒地水稻样本中,农丰3055为强抗旱种质资源。展开更多
文摘为探究孕穗期干旱胁迫对寒地粳稻籽粒氮素形成及产量影响,以水稻松粳6(不耐旱型)和东农425(耐旱型)为材料,通过盆栽控水方式于孕穗期不同梯度干旱处理(土壤水势分别为:0、-10、-25、-40 k Pa),20 d后恢复正常管理。结果表明,与对照相比,轻度干旱胁迫下(土壤水势为-10 k Pa)籽粒氮代谢关键酶(GS、GPT、GOT)活性显著升高,东农425增幅高于松粳6;重度干旱胁迫(土壤水势为-40 k Pa)下酶活性显著降低,东农425降幅小于松粳6,品种间差异显著。干旱胁迫可提高籽粒蛋白质及各组分含量,籽粒清蛋白、球蛋白含量升高主要受GS、GPT和GOT活性变化影响,醇蛋白含量升高与籽粒GS活性关系密切,谷蛋白含量变化主要受籽粒GPT、GOT活性影响。孕穗期干旱胁迫显著降低寒地粳稻产量,随土壤水势降低,产量降幅逐渐增大,东农425降幅显著低于松粳6,产量降低主要影响因素是穗粒数、结实率和千粒重。文章从氮代谢关键酶调控角度分析孕穗期干旱胁迫对寒地粳稻籽粒灌浆过程中蛋白质及各组分含量和产量影响,为揭示干旱胁迫下寒地粳稻产量及品质形成机制提供理论依据。
文摘【目的】建立寒地水稻移栽至成熟期抗旱综合评价指标体系,筛选抗旱水稻种质资源。【方法】以穗重、穗粒数、结实率等13个性状为指标,采用主成分分析法及聚类分析等方法对30个寒地水稻种质资源(样本)进行抗旱性综合评价。用25个样本以抗旱力特征指标值为输入,对应抗旱综合评价值为输出,利用误差反向传播(Error Back Propagation,BP)神经网络算法构建学习模型;其余5个样本为验证样本,评价学习模型的预测准确性。变换3组学习样本构建3个学习模型,对比3个模型的预测准确性,验证建模方法的合理性与稳定性。【结果】利用主成分分析将干旱胁迫下13个单项指标转化为5个相互独立的综合指标,累积贡献率达83.761%。依据参试材料抗旱综合评价值进行聚类分析,将30个参试样本划分为强抗旱型、抗旱型、中间抗旱型、旱敏感型4类。第1类强抗旱型的有1个(农丰3055),第2类抗旱型的有12个,第3类中间抗旱型的有6个,第4类旱敏感型的有11个。基于水稻性状指标与抗旱综合评价值相关性分析结果,筛选出穗重、穗粒数、结实率、产量、生物产量和经济系数6项指标作为水稻抗旱适宜性评价的特征指标。以特征指标值为输入层,综合评价值为输出层,建立BP神经网络学习模型,可实现水稻抗旱指标适宜性的定量预测。该方法建立的学习模型有较高的预测准确性与稳定性,变换学习样本得到的3个学习模型的预测值与实际值相对误差均不超过10%,实际值与模型预测值线性拟合后决定系数R^2均大于0.9。【结论】构建的BP神经网络学习模型,可以实现水稻抗旱指标适宜性的定量预测,且具有较高的预测准确性与稳定性,可比单一的回归分析更准确地预测水稻抗旱适宜性评价的特征指标;穗重、穗粒数、结实率、产量、生物产量和经济系数可作为水稻农业抗旱能力鉴定的综合指标;参试的30个寒地水稻样本中,农丰3055为强抗旱种质资源。