不同栽培基质对无芒隐子草种子萌发和幼苗生长的影响

【目的】无芒隐子草(Cleistogenes songorica)是一种抗旱能力较强的草种,但因其种子有休眠现象,成苗周期长,导致无芒隐子草在田间种植的出苗率和存活率不高,本研究旨在解决这一问题。【方法】采用基质栽培技术,选择来源广泛易获得的7种基质(泥炭、锯末、细砂、菇渣、蛭石、珍珠岩、陶粒)对无芒隐子草进行培育,并测定了各基质的理化性质以及无芒隐子草的萌发指标和生长指标。【结果】细砂、泥炭、锯末以及蛭石培育的无芒隐子草在发芽势、发芽率、发芽指数、活力指数以及苗长等指标上均优于其他3种基质,其中锯末、细砂、泥炭和蛭石培育的无芒隐子草发芽率分别比菇渣提高了6.4倍、6.3倍、5.9倍和5.8倍。【结论】通过隶属函数法对各基质进行综合评价,排序为锯末>蛭石>细砂>珍珠岩>泥炭>菇渣>陶粒,推荐使用细砂、泥炭、锯末和蛭石作为无土栽培基质培育无芒隐子草。

不同防风措施对无芒隐子草建植及植被恢复的效果评价

无芒隐子草(Cleistogenes songorica)是我国西北荒漠草原乡土草种,在干旱区矿山修复中有巨大应用潜力,但其建植及植被恢复效果极易受干旱区风沙气候影响。本研究在西北干旱区煤矿渣山立地条件下,评估了不同的防风措施(无处理对照、生态棒、草帘、草方格、无纺布+生态棒和草帘+生态棒)对无芒隐子草建植和植被恢复的影响。结果表明:不同的防风措施均能够降低矿山风速,其中草方格的地面粗糙度为0.15,防风效应为83.00%,防风效果最好;草方格、生态棒、生态棒+无纺布处理显著(P<0.05)提高无芒隐子草建植初期的建植率(较对照分别提高0.53%、0.56%、0.43%)和密度(较对照分别提高60.64%、55.71%、45.69%);所有防风处理均可显著提高植被盖度,其中无纺布+生态棒处理的植被盖度达到68.40%,较对照高31.77%。本研究结果显示,草方格和无纺布+生态棒处理可以降低地块的风速,提高无芒隐子草建植率、密度以及植被盖度,对风沙较大的西北干旱矿区植被恢复提供了借鉴意义。

温度和水分对无芒隐子草和条叶车前种子萌发的影响

研究了无芒隐子草 (Cleistogenessongorica)和条叶车前 (Plantago lessingii)种子萌发对不同温度和水分渗透势的响应。温度在 10℃恒温至 5 0 /2 0℃变温范围内设 11个处理 ,水分渗透势在 0～ - 1.8MPa区间以 0 .2 MPa为间隔设 10个处理。结果显示 :无芒隐子草鞘内小穗的种子具有很高的生活力 ,其萌发温度幅较宽 ,在 10～ 5 0 /2 0℃温度区间 ,较高温度促进萌发 ;条叶车前种子萌发温度幅较窄 ,在 10～ 30℃温度区间 ,较低温度促进其萌发。无芒隐子草和条叶车前种子的最佳萌发温度分别为35 /2 0℃变温和 2 0℃恒温 ,在此条件下的发芽率分别达 94 %和 6 1% ,后者发芽率低的原因是种子存在生理休眠。两种植物种子萌发的最低水分阈值为 - 1.6 MPa,发芽率皆随渗透势降低而呈直线下降趋势 ,但条叶车前较无芒隐子草下降缓慢。发芽率 (y)与渗透势 (x)的回归方程 ,无芒隐子草为 y1 =- 10 .976 x1 +98.4 (r2 =0 .95 4 ) ,条叶车前为 y2 =- 5 .90 9x2 +6 0 .2 (r2 =0 .96 4 )。随着水分胁迫的加剧 ,供试种胚芽长呈逐渐下降趋势 ,但胚根长呈先增加 (无芒隐子草在 - 0 .6 MPa,而条叶车前在 - 0 .4 MPa)而后下降的趋势。

光照、盐分和埋深对无芒隐子草和条叶车前种子萌发的影响

光照、盐分和埋深对无芒隐子草(Cleistogenes songorica)和条叶车前(Plantago lessingii)种子萌发的影响研究结果显示,无芒隐子草和条叶车前种子为萌发需光性种子。随着盐(NaCl)浓度的增加,2种植物种子的发芽率呈直线下降趋势(P<0.01),但以条叶车前下降较为缓慢。当盐分浓度为0.4 mol.L-1时,2种植物种子皆不能萌发。低浓度的盐分促进胚根的生长,高浓度则表现为抑制作用;盐分对胚芽的生长则一直起抑制作用。2种植物种子发芽率随埋深的增加而减小,当埋深>2 cm时不能萌发。

无芒隐子草和条叶车前种子破除休眠研究

对无芒隐子草和条叶车前种子休眠特性和破除休眠的方法进行了研究。结果表明,35/20℃变温可有效破除无芒隐子草种子的休眠,20℃恒温条件下,0.02%,0.05%和0.10%GA3都可有效破除条叶车前种子的休眠,二者休眠均属于胚休眠类型;而25/10,25/15,30/20,40/20和50/20℃变温都不能破除无芒隐子草种子休眠;20/10,25/10,25/15和30/20℃变温,0.2%KNO3和60%,70%,80%,90%H2SO4浸泡处理均不能破除条叶车前种子休眠。0.02%GA3处理不同时段的条叶车前种子а 淀粉酶活性均高于对照,其中以培养24h相差最大,为对照的11.3倍。GA3诱导条叶车前种子大量萌发前48h出现а 淀粉酶活性高峰,而对照出现在大量萌发前108h。无芒隐子草和条叶车前标准发芽初次统计时间分别在第3和第3天,末次统计时间应分别在第10和第8天。

无芒隐子草种子萌发、出苗和幼苗生长对土壤水分的响应

研究了无芒隐子草种子萌发、出苗和幼苗生长对土壤含水量的响应。结果表明，在1％～20％土壤含水量条件下，沙质土壤中种子室内萌发和户外盆栽出苗的最适土壤含水量均为6％～8％。种子室内萌发率和萌发指数最高值分别为64．0％和16．6；户外盆栽的出茁率、成活率和出苗指数最高值分别为33．5％，29．5％和6．6。盆栽幼苗的最适生长土壤含水量为8％（幼苗生物量最大）；在3％～20％土壤含水量间，随含水量增加植株将更多的能量用于地上部分生长。

无芒隐子草SAMS1基因的克隆及干旱胁迫下的表达分析

以无芒隐子草干旱诱导的cDNA文库中获得的一个与S-腺苷甲硫氨酸合成酶(SAMS)基因同源性较高的EST序列为基础,采用RT-PCR技术克隆该基因全长序列(命名为CsSAMS1),该序列全长1 399bp,编码397个氨基酸,具有SAMS基因的典型结构特征。无芒隐子草SAMS1蛋白为亲水性蛋白,无跨膜结构域,其空间结构主要由α-螺旋和无规则卷曲结构构成。与近缘植物SAMS的氨基酸序列多重比较分析表明,不同植物的SAMS的氨基酸相似程度非常高(92%～100%),其中无芒隐子草与水稻的相似性最高(99%),说明SAMS基因在植物进化中非常保守。CsSAMS1基因在无芒隐子草幼苗干旱过程中的半定量和实时定量RT-PCR表达模式分析均表明,干旱胁迫诱导该基因在根中大量表达,叶中表达量变化不明显。CsSAMS1基因受干旱胁迫的诱导表达,为进一步探讨其应用于草类作物抗旱性的遗传改良奠定了基础。

不同覆盖物对无芒隐子草建植的影响

覆盖物处理对无芒隐子草建植的影响因土壤干旱条件不同而异,在非干旱条件下(隔5 d灌溉),各处理对建植率的影响差异不显著。但在干旱条件下(隔15 d灌溉),沙覆盖的建植率(40.7%)显著高于其他处理;地膜覆盖(23.6%)与对照(22.2%)无显著差异,但显著高于稻草覆盖(15.9%)。2种灌溉条件下,沙覆盖处理的株高、叶片数、分蘖数、叶面积和地上生物量等都显著高于其他处理和对照。

无芒隐子草和条叶车前种子萌发特性的研究

研究了无芒隐子草和条叶车前种子千粒质量大小和环境温度对其发芽率和幼苗生长的影响。结果表明,无芒隐子草和条叶车前种子的千粒质量分别为0.238g和1.770g。无芒隐子草种子萌发对环境温度适应性较强,能在10～50/20℃温度区间萌发,较高温度促进萌发;条叶车前种子萌发对环境温度适应性较弱,在10～30℃温度区间,较低温度促进其萌发。无芒隐子草和条叶车前种子的最佳萌发温度分别为35/20℃变温和20℃恒温,在此条件下的发芽率分别达94%和61%。

无芒隐子草不同节间部位的种子休眠对高温处理的响应

研究了无芒隐子草不同节间部位的种子休眠对高温处理的响应。结果表明,18 h高温(65,85和105℃)处理对不同部位种子的影响不同,105℃条件下全部死亡,85℃处理可显著破除各部位种子休眠并显著促进幼苗生长,65℃处理效果因部位而异,且85和65℃处理顶穗种子的发芽率和胚根、胚芽长均显著低于其他部位。不同节间部位的种子对不同时间85℃处理响应不同,3 h处理即可显著破除各部位休眠,各时间处理间无显著差异。

围栏封育对无芒隐子草非结构性碳水化合物的影响

于2004～P2005年对不同退化程度围栏内外无芒隐子草根系、茎基部和叶的非结构性碳水化合物(可溶性糖、淀粉)的含量变化以及与其植被盖度和生物量的关系进行测定分析。结果显示:(1)无芒隐子草主要储藏性非结构性碳水化合物为淀粉,主要贮藏部位为茎基部,属中等耐牧型牧草;非结构性碳水化合物含量2年均表现为7月最低(3.10%和7.67%),10月最高(12.22%和12.58%),说明无芒隐子草非结构性碳水化合物积累易受季节因素影响。(2)围栏封育显著促进了轻度退化区无芒隐子草根系和茎基部非结构性碳水化合物含量积累,而对叶部无显著影响;围栏封育对重度退化区无芒隐子草根系淀粉的积累具有促进作用,但对茎基部和叶淀粉无显著影响。说明围栏可促进轻度退化区无芒隐子草非结构性碳水化合物的积累,但对重度退化区的含量影响甚微。(3)相关分析显示,在轻度退化样地无芒隐子草根系和茎基部的非结构性碳水化合物含量与其分盖度呈显著正相关;在重度退化样地放牧区,非结构性碳水化合物含量与其分盖度和生物量显著相关,但在围栏区却无显著相关。结果表明单纯利用非结构性碳水化合物含量评价无芒隐子草草地生长状况具有一定的局限性,要结合草地的初始状况、利用方式等进行综合评价。

秋水仙素和^(60)Co-γ射线对无芒隐子草种子萌发的影响

通过不同剂量秋水仙素和^(60) Co-γ射线处理,系统分析了无芒隐子草(Cleistogenes songorica)种子的发芽率、发芽指数及幼苗生长。结果表明,秋水仙素处理对无芒隐子草种子的发芽率和发芽指数有一定程度的抑制作用,经0.1%浓度处理48h的种子,其发芽率和发芽指数分别为对照组的54.3%和43.3%,分别是41%和0.55;不同剂量^(60) Co-γ射线对无芒隐子草种子的发芽率、发芽指数及幼苗生长产生不同的影响。低剂量(50~200Gy)提高种子发芽率和发芽指数,高剂量(400~2 000Gy)抑制种子发芽率、发芽指数及幼苗生长。其中,^(60)0Gy辐射处理的发芽率为48.5%。因此,0.1%浓度处理48h和^(60)0Gy可分别作为秋水仙素和^(60) Co-γ射线处理的半致死剂量。本研究初步确定的半致死剂量,可为进一步研究无芒隐子草种质资源创新提供理论依据。

无芒隐子草叶片解剖结构对荒漠草原不同退化梯度的响应

以荒漠草原优势种无芒隐子草(Cleistogenessongorica)叶片解剖结构为研究对象,根据荒漠草原退化程度,在内蒙古鄂尔多斯鄂托克旗境内选择轻度退化区(LD)、中度退化区(MD)、重度退化区(HD)和对照(CK)4种试验区,对不同试验区无芒隐子草叶片解剖结构中的上表皮和下表皮细胞厚度、上角质层和下角质层厚度、中脉厚度、叶片厚度、叶片宽度、泡状细胞厚度、机械组织厚度、维管束直径、维管束鞘细胞厚度、花环细胞厚度等12个指标进行观测,应用方差分析和对应分析法,研究无芒隐子草对干旱生境的适应性,探讨其解剖结构参数与由干旱胁迫引起的荒漠草原退化梯度之间的相关性。结果表明,随着荒漠草原退化程度的加剧,叶片宽度(1 083.54～1 067.08μm)呈显著减少趋势(P<0.05),上表皮细胞厚度(5.43～6.69μm)、下表皮细胞厚度(6.04～7.32μm)、上角质层厚度(2.17～2.74μm)、下角质层厚度(1.79～2.42μm)、中脉厚度(114.52～165.36μm)、叶片厚度(87.90～106.44μm)、泡状细胞厚度(35.43～46.03μm)、机械组织厚度(21.60～39.39μm)、维管束直径(44.61～58.52μm)呈显著增加趋势(P<0.05),维管束鞘细胞厚度、花环细胞厚度在草原退化4种不同梯度中无显著差异。与草原退化相关性显著的解剖性状主要是叶片宽度、叶片厚度、中脉厚度、上表皮和下表皮细胞厚度、上角质层和下角质层厚度、泡状细胞厚度、机械组织厚度和维管束直径。在由干旱胁迫引起的荒漠草原不同退化程度下,无芒隐子草叶片形成了与生境相适应的解剖结构,部分结构指标与草原退化呈相关性显著。研究结果可为无芒隐子草的保护利用和荒漠草原退化程度的监测提供理论依据。

改进的CLAHE无芒隐子草叶切片图像增强

无芒隐子草叶切片图像在获取过程中不可避免产生低对比度图像,对后续处理产生影响。为此,针对传统的限制对比度自适应直方图均衡化方法(contrast-limited adaptive histogram equalization,CLAHE)对较暗图像处理效果不佳的问题,提出了基于自适应亮度调整的CLAHE图像增强算法。该算法首先将图像RGB空间转换到HSV空间,提取图像的亮度分量,再根据图像的亮度值,自适应调整RGB通道图像整体亮度,最后应用CLAHE算法实现图像增强。采用50张无芒隐子草叶切片图像为样本进行试验,结果表明:该算法相比于传统的CLAHE算法,图像信息熵、图像对比度、图像平均梯度和图像的峰值信噪比均显著提高,有效克服了传统CLAHE算法对过暗图像增强效果不佳问题,能使图像局部细节信息和清晰程度得到明显提高,不仅适合无芒隐子草叶切片低对比度图像增强,也可为其他植物叶切片图像增强提供参考。

无芒隐子草叶表皮微形态对放牧强度的响应

在内蒙古荒漠草原区对无芒隐子草(Cleistogenes mutica)的叶表皮微形态进行研究,探讨植物微形态对不同放牧强度的响应策略。结果表明:重度放牧条件下叶上表皮纹饰块状凸起、表皮毛数量较其他处理区多·蜡质层较厚;叶下表皮上乳突和表皮毛数量在重度放牧条件下最多;重度放牧条件下气孔深陷于角质层内,下陷深度明显低于其他放牧区和无牧区。重度放牧条件下叶表皮微形态特点能够减少光线辐射和植物的蒸腾或蒸散,减少体内水分的流失。

无芒隐子草CsPEAMT基因克隆及表达特性分析

以无芒隐子草(Cleistogenes songorica)干旱胁迫下的cDNA文库中磷酸乙醇胺N-甲基转移酶(phosphoethanolamine N-methyltransferase,PEAMT)基因的EST序列为基础,采用RACE方法克隆该基因编码区序列,该序列全长为2 104bp,开放读码框1 506bp,编码501个氨基酸。无芒隐子草PEAMT蛋白编码的氨基酸序列与多种植物的PEAMT氨基酸序列有较高相似性,其中与高粱SbPEAMT、玉米ZmPEAMT的蛋白序列相似性最高(93%),说明PEAMT基因在植物进化中非常保守。采用实时定量RT-PCR分析无芒隐子草幼苗在干旱过程中CsPEAMT基因的表达结果显示,干旱胁迫诱导CsPEAMT基因在根和叶中大量表达,且在干旱第8天时CsPEAMT基因在叶和根中表达量分别是未干旱对照的43.35倍和13.25倍,复水后CsPEAMT基因的表达量开始下调。研究表明CsPEAMT基因可能是无芒隐子草抗旱性相关的基因。

放牧方式对无芒隐子草叶片解剖结构特征的影响

对不同放牧方式下无芒隐子草的叶片解剖结构进行了研究。结果表明:无芒隐子草叶片表皮为一层细胞,叶肉细胞为短柱状,与表皮细胞垂直排列;夜间放牧和自由放牧区叶片的中脉厚度、叶片厚度和叶肉细胞面积较白天放牧区低,上下表皮细胞面积和上下角质层厚度较白天放牧区高。

小波域非局部均值无芒隐子草叶切片盲去噪

在获取无芒隐子草叶切片图像时不可避免受到噪声的污染,易导致后续提取和测量特征参数的不准确。对于自然图像,事先并不知道其所含噪声的类型和方差,因而首先利用小波变换和曲线拟合确定切片图像噪声类型和强度;在此基础上,分别应用小波阈值去噪、非局部均值去噪和提出的非局部均值滤波(NLM)与小波阈值去噪相结合的方法对无芒隐子草叶切片图像进行去噪。实验结果表明:获取的切片图像噪声类型为高斯加性噪声,标准差为σ∈[1. 5,3. 5],用高斯函数对随机选取的10幅切片图像的高频HH子带能量分布进行拟合,拟合优度为R2=0. 990 7;用3种方法对含不同噪声大小的切片图像进行去噪,当噪声标准差为σ∈[1. 5,8]时,应用Beyes Shrink法去噪后,图像的峰值信噪比提高了3 d B,而NLM和本文提出的算法不适用;当噪声标准差为σ∈[8,15]时,NLM算法和提出的算法去噪效果相当,去噪后图像峰值信噪比提高了7. 5d B,应用Beyes Shrink算法提高了6. 5 d B;而当σ∈[15,30]时,使用提出的算法表现出较大的优越性,去噪后图像峰值信噪比提高了10. 53d B,是NLM算法的1. 4倍、Beyes Shrink法的1. 3倍。本文的算法和实验结论可为无芒隐子草切片图像准确降噪提供理论基础。

12C6+辐照及航天诱变对无芒隐子草种子萌发、幼苗生长及叶绿素荧光特性的影响

通过不同剂量^12C^6+重离子辐照和航天诱变处理,分析无芒隐子草(Cleistogenes songorica)的种子萌发、幼苗生长及叶绿素荧光参数。结果表明,^12C^6+重离子辐照整体上抑制了无芒隐子草的种子萌发和幼苗生长,且在300 Gy辐照剂量下,无芒隐子草的发芽率、发芽指数、胚根长度以及生物量最低。航天诱变对无芒隐子草的种子萌发也有抑制作用,但提高了幼苗的生物量及株高。^12C^6+重离子辐照和航天诱变均影响无芒隐子草幼苗的最大光合作用能力,降低电子传递的速率。本研究结果可以为^12C^6+重离子辐照和航天技术有效的运用于无芒隐子草诱变育种提供依据。

无芒隐子草叶片卷曲度和厚度测量方法

针对叶片卷曲度和厚度交互式测量方式费时、费力、误差大,传统图像处理算法普适性不高等问题,以无芒隐子草叶片为研究对象,采用基于Graham算法的最小外接矩形法实现叶片卷曲度的测量,采用矢量积法和角点检测相结合的凹凸点检测算法实现叶片厚度的测量。首先,通过石蜡制片获取无芒隐子草叶切片,利用显微镜连接计算机获取切片图像;然后,采用红色灰度化方法结合阈值分割将切片图像的目标和背景分离;最后,根据叶片卷曲度和厚度的实际测量方式,采用Graham算法通过求取目标区域的最小外接矩形实现叶片卷曲度的测量,将矢量积法和角点检测相结合检测目标区域的凹凸点,通过凹点与凹点、凸点与凸点匹配实现叶片厚度的测量。选取30幅无芒隐子草叶切片图像为样本进行了试验,结果显示,采用本文提出的红色灰度化方法和分量法、最大值法、平均法、加权平均法对图像进行灰度化处理后,图像信息熵分别为6.428 0、6.361 2、5.667 9、5.934 8、6.052 6,图像平均梯度分别为0.078 5、0.024 2、0.015 8、0.009 3、0.010 4,图像对比度分别为0.264 1、0.113 0、0.057 4、0.070 3、0.078 4,说明本文方法能更好地保持图像的边缘、细节等信息,图像清晰度更高。进行自动阈值分割后,分割的平均误检率为0.75%,平均漏检率为3.49%,平均整体分割精度达到98.14%。在有效分割目标和背景的基础上,对叶片卷曲度和厚度进行测量,并与交互式测量结果进行相比,结果表明,采用本文方法对叶片卷曲度和厚度的测量值与交互式测量值的平均相对误差分别为0.96%和3.69%,测量速度分别提高了约10倍和37倍。