优化评估小麦倒伏风险的表型方法


发布时间:

2020-11-04

来源:

植物表型资讯

作者:

PhenoTrait

倒伏是影响小麦产量的一种复杂现象,是小麦植株与非生物(风、雨等)和生物(如植物病害等)因素相互作用的结果。育种家选择具有抗性的品系,很大程度上依赖于自然倒伏的发生率;然而,倒伏的间歇性意味着这种方法不可靠。目前已经发表了一个关于倒伏过程的模型,用来评估植物对倒伏的敏感性,该模型使用了15个影响倒伏的田间生长植物茎和根特征的信息。然而,对于育种家来说,该方法的主要缺点是测量性状所需的时间(每个地块100-150分钟)过长。本文调查了两种策略,以优化在没有自然倒伏的情况下估计倒伏风险的方法:i)确定每个实验区必须测量的最少植株数量(样本量),以确定遗传差异;ii)最小化评估倒伏易感性所需的性状数量,从而增加该方法在育种环境中的可行性。

 

在节间1上测得的茎强度(SS)、节间壁宽(IWW)和节间直径(ID)与植株数量的关系图

 

广义遗传力(H2) (a)、变异百分比系数(CV) (b)、具有统计学意义的概率值(P-value) (c)和最低显著性差异(LSD0.05) (d)与植株数量的关系绘制成RPS和SRD的曲线。

 

本研究以四个作物季节(2010-11、2011-12、2012-13和2013-14)生长的春小麦为材料,在西北墨西哥环境条件下进行了试验。结果表明,7株植物是每个试验区最适样本量鉴定品种间遗传差异所需的最小值(假设每个处理区重复3次)。与较大样本量相比,品种等级和性状维度的绝对值保持不变。可通过较少的性状来评估品种的抗倒伏性能,关键性状包括:株高、单株穗数、穗面积、自然频率、抗折强度、一个基节间的长度、直径和壁宽、结构性生根深度和根板宽度。针对这些关键性状,本研究确定,通过测量每人每小区7株植物,可以每天对10个小区(每小区47分钟)进行评估。此外,如果筛选仅关注杠杆/茎/根尺寸的关键特征,则每天样地评估能力将增加到25。

 

植物高度与重心高度之间的关系

 

来源:

F.J.Piñera-Chavez, P.M.Berry, M.J.Foulkes, et al. Optimizing phenotyping methods to evaluate lodging risk for wheat. Field Crops Research. https://doi.org/10.1016/j.fcr.2020.107933.

推荐新闻

石时之约|韩志国:透过表型数据,看见植物的喜怒哀乐!

本期石时之约,我们将对话慧诺瑞德(北京)科技有限公司总经理、国际植物表型学会(IPPN)执委会委员/工业分会副主席韩志国,一起从表型数据的科学角度,去读懂农作物的喜怒哀乐和前世今生。

慧科研、慧育种、慧种田——慧聚改变的力量

让我们“慧聚”在一起,为“慧科研、慧育种、慧种田”赋能。

高通量植物表型平台建设注意事项

育种,是在给定的环境条件下,选择各种表型指标(产量、品质、抗性)最优的基因型材料的过程(AI育种,从这里起步)。育种工作中大约70%的工作量来自表型观察测量和筛选,是最耗人力物力的过程。

作物生理表型测量基础原理

生理表型测量的核心在于“早、快”,要在肉眼可见之前就能测量并预判出变化趋势,才是这个技术的核心价值。叶绿素荧光成像,恰好满足了这个要求。