CN109618833A - 一种春油菜高光效种质的筛选方法 - Google Patents

一种春油菜高光效种质的筛选方法 Download PDF

Info

Publication number
CN109618833A
CN109618833A CN201910071361.8A CN201910071361A CN109618833A CN 109618833 A CN109618833 A CN 109618833A CN 201910071361 A CN201910071361 A CN 201910071361A CN 109618833 A CN109618833 A CN 109618833A
Authority
CN
China
Prior art keywords
leaf
silique
photosynthetic
measurement
efficiency
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.)
Granted
Application number
CN201910071361.8A
Other languages
English (en)
Other versions
CN109618833B (zh
Inventor
赵小光
张耀文
陈文杰
赵兴忠
王竹云
侯君利
王丽萍
张新
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
SHANXI PROVINCE CROSSBRED COLE RESEARCH CENTER
Original Assignee
SHANXI PROVINCE CROSSBRED COLE RESEARCH CENTER
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by SHANXI PROVINCE CROSSBRED COLE RESEARCH CENTER filed Critical SHANXI PROVINCE CROSSBRED COLE RESEARCH CENTER
Priority to CN201910071361.8A priority Critical patent/CN109618833B/zh
Publication of CN109618833A publication Critical patent/CN109618833A/zh
Application granted granted Critical
Publication of CN109618833B publication Critical patent/CN109618833B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • A01G22/15—Leaf crops, e.g. lettuce or spinach 
    • 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
    • A01G7/00—Botany in general
    • A01G7/02—Treatment of plants with carbon dioxide
    • 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
    • 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
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A10/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE at coastal zones; at river basins
    • Y02A10/40—Controlling or monitoring, e.g. of flood or hurricane; Forecasting, e.g. risk assessment or mapping

Landscapes

  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Environmental Sciences (AREA)
  • Botany (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Genetics & Genomics (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Databases & Information Systems (AREA)
  • Ecology (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Probability & Statistics with Applications (AREA)
  • Chemical & Material Sciences (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Operations Research (AREA)
  • Algebra (AREA)
  • Forests & Forestry (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Developmental Biology & Embryology (AREA)
  • Apparatus Associated With Microorganisms And Enzymes (AREA)
  • Investigating Or Analysing Biological Materials (AREA)
  • Cultivation Of Plants (AREA)

Abstract

本发明公开了一种春油菜高光效种质的筛选方法。包括：测定叶片和角果的净光合速率、气孔导度、胞间CO2浓度、蒸腾速率、气孔限制值及水分利用效率；测定油菜绿色角果皮光合面积；测定光响应曲线、CO2响应曲线；1)在苗期、薹期、花期及角果期将待选材料长柄叶、短柄叶、无柄叶及角果净光合速率与对照品种“青杂7号”四个时期比较后求平均值，高出对照5％的为初级高光效材料；2)苗期和薹期测短柄叶的光响应曲线和CO2曲线；利用光响应曲线计算出光饱和点、光补偿点及光量子效率，利用CO2曲线计算出羧化效率、CO2补偿点及CO2饱和点；将至少具有高光饱和点或低CO2补偿点的种质作为最终的高光效材料。

Description

一种春油菜高光效种质的筛选方法
技术领域
本发明涉及农业育种技术领域，尤其涉及一种春油菜高光效种质的筛选方法。
背景技术
高光效育种是一种筛选低光呼吸类型植株以培育作物品种的方法。光呼吸的强弱常用二氧化碳补偿点的高低表示。光呼吸强度高，二氧化碳补偿点也较高，光合作用强度则小，光合效能就较低；反之则光合效能较高。可通过杂交、辐射引变等方式将低光效植物改造成高光效植物；或从低光效植物中筛选出补偿点低或较低的个别植株或品系，从而培育成高光效新品种。
光合作用是植物的物质积累与生理代谢的基本单元，也是研究植物生长和代谢的重要途径。而光合能力的高低与作物光合产物积累、产量潜力发挥以及产品品质优劣密切相关，因此研究作物的光合作用对农业育种工作具有重要的意义。作物内90％～95％的干物质直接来自于光合作用。按理论推算，作物光能利用率可达4％～5％，但实际上作物的光能利用率仅为0.5％～1.0％。若光能利用率提高1个百分点，作物产量可增加25％～50％，甚至更高。植物光合作用又是一个十分复杂的生理过程,光合效率与自身因素如叶绿素含量、叶片厚度、叶片成熟度密切相关,同时又受光照强度、气温、空气相对湿度、土壤含水量等外界因素的影响。以上影响因素在每个生长季节都会发生改变，造成油菜光合测定周期长，准确性差。
油菜按其春化类型，主要划分冬性、半冬性和春性三种油菜品种。根据地理位置和生长***一直在250kg左右浮动，未有大的突破。单纯通过利用杂种优势来大幅度提高油菜品种产量水平的难度越来越大；生产中各种提高作物产量的途径都已发挥了作用，但这种产量“瓶颈”尚还存在。
发明内容
有鉴于此，本发明实施例提供了一种春油菜高光效种质的筛选方法，主要目的是提供一种科学有效的方法准确筛选出春油菜高光效种质。
为达到上述目的，本发明主要提供了如下技术方案：
一方面，本发明实施例提供了一种春油菜高光效种质的筛选方法，所述方法包括以下步
测定叶片和角果的光合气体交换参数，测定指标包括：净光合速率、气孔导度、胞间CO2浓度、蒸腾速率、气孔限制值及水分利用效率，记录数据；
测定绿色角果皮光合面积，记录数据；
测定油菜光响应曲线和CO2响应曲线；
对所述数据进行两次筛选：
(1)种间筛选：
筛选时期：苗期、薹期、花期及角果期；
筛选对象：长柄叶、短柄叶、无柄叶及角果；
筛选指标：净光合速率；
对照品种：青杂7号；
方法：将待选材料与所述对照品种在四个时期的长柄叶、短柄叶、无柄叶及角果的净光合速率进行比较，分别计算所述待选材料和所述对照品种在每个时期的净光合速率，从所述待选材料中挑出各时期净光合速率均高于对照品种净光合速率的材料作为入选材料，分别计算所述对照品种和所述入选材料的四个时期总净光合速率的平均值，将入选材料中平均值大于对照品种平均值5％以上的材料作为初级高光效材料；
2)种内筛选：
筛选时期：苗期和薹期；
筛选对象：初级高光效材料的短柄叶；
筛选指标：光响应曲线和CO2响应曲线；
方法：利用所述光响应曲线计算出光饱和点、光补偿点及光量子效率，利用所述CO2响应曲线计算出羧化效率、CO2补偿点及CO2饱和点；筛选高光量子效率、高羧化效率、高光饱和点、高CO2饱和点、低光补偿点或低CO2补偿点；
将所述初级高光效材料中至少具有高光饱和点或低CO2补偿点的种质作为最终的高光效材料。
作为优选，所述测定叶片光合气体交换参数的具体步骤包括：
①取样部位：在苗期选择第6-8叶位长柄叶，薹期和花期选择倒1、2叶位短柄叶和第2叶位无柄叶进行测定；
②测定样本数：每材料选择12片叶子；
③取样方法：从与近主茎相接处的叶柄处剪下叶片，立即用湿药棉包裹叶柄，迅速上机测试，从取叶到测定完成控制在2分钟内；
④测定仪器和条件：用Li-6400光合作用测定***进行测定，选用6400-02B LED红蓝光源叶室，测定时叶室内光照控制为1100μmol·m-2·s-1；温度为25℃；每隔30分钟至少匹配一次；
⑤测定时间：晴朗无风的上午9：00-12：00、下午3:30-4:30；
⑥测定方法：从叶片基部开始夹样进行测定，每次测定时读3次数据，以平均数进行计算统计；采用品种间轮测的方法，每次每材料测定2片叶子，在30分钟内测定一遍，共测定6遍；
⑦测定指标有：净光合速率、气孔导度、胞间CO2浓度、蒸腾速率、气孔限制值及水分利用效率；
⑧由于光合数据波动较大，叶片的CV％控制在10％。
作为优选，所述测定角果的光合气体交换参数的具体步骤包括：
①取样部位：选择日龄为25-30天，主花序第15-20位角果进行测定；
②测定样本数：选择16个角果进行测定；
③取样方法：从临近主茎1cm处果柄处剪角果，立即用湿药棉包裹叶柄，从距果柄的3cm处剪下角果，然后迅速上机测试，从取样到测定完成控制在2分钟内；
④为了防止叶室漏气，在叶室的下部海绵垫内部按照测量角果两端的形状刻取两个凹槽，测定时将角果置于两个凹槽内部，靠海绵的压力密封紧整个叶室；
④测定仪器和条件用Li-6400便携式光合作用测定***进行测定，选用6400-02BLED红蓝光源叶室，控制叶室内温度为28℃，光照为在1300μmol·m-2·s-1光强；
⑤测定时间：在晴朗无风的上午9：00-12：00进行测定；
⑥测定方法：从果身基部夹样进行测定，每次测定时读3次数据，以平均数进行计算统计，采用品种间轮测的方法，每次每材料测定2个角果，在30分钟内测定一遍，共测定8遍；全部测完后，将所测角果带回实验室测定面积；
⑦重新计算：用游标卡尺量果身长，1/3和2/3处量角果宽和厚，按照公式计算单个角果皮面积；按照N＝1/2·S，将单个角果皮面积输入计算机，利用光合***自带的Li-6400Simulator 5.2.01***中Recompute程序进行测定指标的重新计算；
其中，计算绿色角果皮面积采用克拉克改良公式：
⑧测定指标有：净光合速率、气孔导度、胞间CO2浓度、蒸腾速率、气孔限制值及水分利用效率；
⑨角果的CV％控制为12％。
作为优选，所述测定光响应曲线的具体步骤包括：在油菜苗期和薹期用Li-6400便携式光合作用测定***进行测定，选用6400-02B LED红蓝光源叶室，叶室内温度控制为25℃，CO2浓度控制为400μmol·ml-1，在1100μmol·m-2·s-1光强下适应15分钟后，采用自动光曲线程序进行测定，每种材料测定10株。
作为优选，所述测定CO2响应曲线的具体步骤包括：控制叶室内温度为25℃，CO2浓度设为1200μmol·ml-1，光强设为1100μmol·m-2·s-1，适应15min后采用自动CO2曲线测定程序进行测定，每种材料测定10株。
与现有技术相比，本发明的有益效果是：
本发明通过测定春油菜不同发育时期叶片光合气体交换参数的取样部位、测定样本数、测定时期、测定方法和计算方法和通过测定油菜角果光合气体交换参数的测定取样部位、测定样本数、测定时期、测定方法和计算方法来对田间大量的油菜种质资源进行初筛；在此基础上，对每种筛选出的初级高光效种质资源通过测定光响应曲线和CO2响应曲线，选出具有高光饱和点和低CO2补偿点的种质资源，建立了一套在春播区进行油菜高光效种质创建的方法，该方法可全面评定油菜的光合特性，筛选高光效种质，为进行高光效育种提供有力的保障。
附图说明
图1是本发明实施例提供的不同春油菜材料的叶片净光合速率数据表图；
图2是本发明实施例提供的同一春油菜材料叶片的不同光合气体交换参数数据表图；
图3是本发明实施例提供的同一春油菜材料角果的不同光合气体交换参数数据表图；
图4是本发明实施提供的不同春油菜材料角果面积测定数据表图；
图5是本发明实施例提供的同一春油菜材料不同单株的光响应曲线图；
图6是本发明实施例提供的同一春油菜材料不同单株的CO2响应曲线图。
具体实施方式
为更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下以较佳实施例，对依据本发明申请的具体实施方式、技术方案、特征及其功效，详细说明如后。下述说明中的多个实施例中的特定特征、结构、或特点可由任何合适形式组合。
实施例1
本实施例采用的仪器包括：LI-6400XT光合作用测定***；采用携式Li-6400光合作用测定***测定油菜四个生长时期(苗期、薹期、花期与角果期)的净光合速率、气孔导度等光合参数和光合有效辐射、大气温度等环境因子的变化；测定油菜的光响应曲线，CO2响应曲线；
1、测定光合气体交换参数：
(1)叶片：
①取样部位：在苗期选择第6-8叶位长柄叶，薹期和花期选择倒1、2叶位短柄叶和第2叶位无柄叶进行测定；
②测定样本数：每材料选择12片叶子；
③取样方法：从与近主茎相接处的叶柄处剪下叶片，立即用湿药棉包裹叶柄，迅速上机测试(从取叶到测定完成控制在2分钟内)；
④测定仪器和条件：用Li-6400光合作用测定***进行测定，选用6400-02B LED红蓝光源叶室，测定时叶室内光照控制为1100μmol·m-2·s-1；温度为25℃；每隔30分钟至少匹配一次；
⑤测定时间：晴朗无风的上午9：00-12：00、下午3:30-4:30进行测定；
⑥测定方法：从叶片基部开始夹样进行测定，每次测定时读3次数据；采用品种间轮测的方法，每次每材料测定2片叶子，在30分钟内测定一遍，共测定6遍；
⑦测定指标有：净光合速率(Pn)，气孔导度(Gs)，胞间CO2浓度(Ci)、蒸腾速率(Tr)、气孔限制值(Ls)、水分利用效率(WUE)等；
⑧由于光合数据波动较大，叶片的CV％控制在10％。
测定数据如图1和图2所示。
(2)角果：
①取样部位：选择日龄为25-30天，主花序第15-20位角果进行测定；
②测定样本数：选择16个角果进行测定；
③取样方法：从临近主茎1cm处果柄处剪角果，立即用湿药棉包裹叶柄，从距果柄的3cm处剪下角果，然后迅速上机测试(从取样到测定完成控制在2分钟内)；
④为了防止叶室漏气，在叶室的下部海绵垫内部按照测量角果两端的形状刻取两个凹槽，测定时将角果置于两个凹槽内部，靠海绵的压力密封紧整个叶室；
④测定仪器和条件用Li-6400便携式光合作用测定***进行测定，选用6400-02BLED红蓝光源叶室，控制叶室内温度为28℃，光照为在1300μmol·m-2·s-1光强；
⑤测定时间：在晴朗无风的上午9：00-12：00进行测定(光午休时间较叶片推迟，下午测定时间短)；
⑥测定方法：从果身基部夹样进行测定，每次测定时读3次数据，以平均数进行计算统计，采用品种间轮测的方法，每次每材料测定2个角果，在30分钟内测定一遍，共测定8遍；全部测完后，将所测角果带回实验室测定面积；
⑦重新计算：用游标卡尺量果身长(不含果喙)，在1/3和2/3处量角果宽(W1、W2)和厚(T1、T2)，按照上述公式计算单个角果皮面积；按照N＝1/2S，将单个角果皮面积输入计算机，利用光合***自代的“Li-6400 Simulator 5.2.01”***中“Recompute”程序进行测定指标的重新计算；
⑧测定指标有：净光合速率(Pn)，气孔导度(Gs)，胞间CO2浓度(Ci)、蒸腾速率(Tr)、气孔限制值(Ls)、水分利用效率(WUE)等；
⑨角果的CV％控制为12％。
测定数据如图3所示。
2、测定油菜光合面积：
(1)绿叶面积：在不同时期每材料取10株代表性植株，用LI-3000A叶面积仪，测定整株绿叶面积；
(2)绿色茎干面积：分别用直尺测量茎干长(L茎),用游标卡尺在茎干的1/3和2/3处测量直径D1、D2计算茎干面积；
(3)绿色角果皮面积：每材料从主花序和倒1,2,3,4每分枝中部取20个角果，共取100个角果，用游标卡尺量果身长(L果)，在1/3和2/3处量角果宽(W1、W2)和厚(T1、T2)，按照公式计算单个角果皮面积，求平均值后再乘以单株角果数即为角果皮面积；
克拉克改良公式：
测定数据如图4所示。
3、测定光响应曲线：
在油菜薹期用Li-6400便携式光合作用测定***进行测定，选用6400-02B LED红蓝光源叶室，叶室内温度控制为25℃，CO2浓度控制为400μmol·ml-1，在1100μmol·m-2·s-1光强下适应15分钟后，采用自动光曲线程序进行测定，每种材料测定6株，光响应曲线如图5所示。
4、测定CO2响应曲线：
材料选择标准同前，控制叶室内温度为25℃，CO2浓度设为1200μmol·ml-1，光强设为1100μmol·m-2·s-1，适应15min后采用自动CO2曲线测定程序进行测定，每种材料测定6株，CO2响应曲线如图6所示。
5、对上述测定的数据进行两次筛选，如下：
(1)种间筛选：
筛选时期：苗期、薹期、花期及角果期；
筛选对象：长柄叶、短柄叶、无柄叶及角果；
筛选指标：净光合速率；
对照品种：青杂7号；
方法：将待选材料与所述对照品种在四个时期的长柄叶、短柄叶、无柄叶及角果的净光合速率进行比较，分别计算所述待选材料和所述对照品种在每个时期的净光合速率，从所述待选材料中挑出各时期净光合速率均高于对照品种净光合速率的材料作为入选材料，分别计算所述对照品种和所述入选材料的四个时期总净光合速率的平均值，将入选材料中平均值大于对照品种平均值5％以上的材料作为初级高光效材料；
2)种内筛选：
筛选时期：苗期和薹期；
筛选对象：初级高光效材料的短柄叶；
筛选指标：光响应曲线和CO2响应曲线；
方法：利用所述光响应曲线计算出光饱和点、光补偿点及光量子效率，利用所述CO2响应曲线计算出羧化效率、CO2补偿点及CO2饱和点；筛选高光量子效率、高羧化效率、高光饱和点、高CO2饱和点、低光补偿点或低CO2补偿点；
将所述初级高光效材料中至少具有高光饱和点或低CO2补偿点的种质作为最终的高光效材料。
本发明实施例中未尽之处，本领域技术人员均可从现有技术中选用。
以上公开的仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以上述权利要求的保护范围为准。

Claims (5)

1.一种春油菜高光效种质的筛选方法，其特征在于，所述方法包括以下步骤：
测定叶片和角果的光合气体交换参数，测定指标包括：净光合速率、气孔导度、胞间CO2浓度、蒸腾速率、气孔限制值及水分利用效率，记录数据；
测定绿色角果皮光合面积，记录数据；
测定油菜光响应曲线和CO2响应曲线；
对所述数据进行两次筛选：
(1)种间筛选：
筛选时期：苗期、薹期、花期及角果期；
筛选对象：长柄叶、短柄叶、无柄叶及角果；
筛选指标：净光合速率；
对照品种：青杂7号；
方法：将待选材料与所述对照品种在四个时期的长柄叶、短柄叶、无柄叶及角果的净光合速率进行比较，分别计算所述待选材料和所述对照品种在每个时期的净光合速率，从所述待选材料中挑出各时期净光合速率均高于对照品种净光合速率的材料作为入选材料，分别计算所述对照品种和所述入选材料的四个时期总净光合速率的平均值，将入选材料中平均值大于对照品种平均值5％以上的材料作为初级高光效材料；
2)种内筛选：
筛选时期：苗期和薹期；
筛选对象：初级高光效材料的短柄叶；
筛选指标：光响应曲线和CO2响应曲线；
方法：利用所述光响应曲线计算出光饱和点、光补偿点及光量子效率，利用所述CO2响应曲线计算出羧化效率、CO2补偿点及CO2饱和点；筛选高光量子效率、高羧化效率、高光饱和点、高CO2饱和点、低光补偿点或低CO2补偿点；
将所述初级高光效材料中至少具有高光饱和点或低CO2补偿点的种质作为最终的高光效材料。
2.如权利要求1所述的一种春油菜高光效种质的筛选方法，其特征在于，所述测定叶片光合气体交换参数的具体步骤包括：
①取样部位：在苗期选择第6-8叶位长柄叶，薹期和花期选择倒1、2叶位短柄叶和第2叶位无柄叶进行测定；
②测定样本数：每材料选择12片叶子；
③取样方法：从与近主茎相接处的叶柄处剪下叶片，立即用湿药棉包裹叶柄，迅速上机测试，从取叶到测定完成控制在2分钟内；
④测定仪器和条件：用Li-6400光合作用测定***进行测定，选用6400-02B LED红蓝光源叶室，测定时叶室内光照控制为1100μmol·m-2·s-1；温度为25℃；每隔30分钟至少匹配一次；
⑤测定时间：晴朗无风的上午9：00-12：00、下午3:30-4:30；
⑥测定方法：从叶片基部开始夹样进行测定，每次测定时读3次数据，以平均数进行计算统计；采用品种间轮测的方法，每次每材料测定2片叶子，在30分钟内测定一遍，共测定6遍；
⑦测定指标有：净光合速率、气孔导度、胞间CO2浓度、蒸腾速率、气孔限制值及水分利用效率；
⑧由于光合数据波动较大，叶片的CV％控制在10％。
3.如权利要求1所述的一种春油菜高光效种质的筛选方法，其特征在于，所述测定角果的光合气体交换参数的具体步骤包括：
①取样部位：选择日龄为25-30天，主花序第15-20位角果进行测定；
②测定样本数：选择16个角果进行测定；
③取样方法：从临近主茎1cm处果柄处剪角果，立即用湿药棉包裹叶柄，从距果柄的3cm处剪下角果，然后迅速上机测试，从取样到测定完成控制在2分钟内；
④为了防止叶室漏气，在叶室的下部海绵垫内部按照测量角果两端的形状刻取两个凹槽，测定时将角果置于两个凹槽内部，靠海绵的压力密封紧整个叶室；
④测定仪器和条件用Li-6400便携式光合作用测定***进行测定，选用6400-02B LED红蓝光源叶室，控制叶室内温度为28℃，光照为在1300μmol·m-2·s-1光强；
⑤测定时间：在晴朗无风的上午9：00-12：00进行测定；
⑥测定方法：从果身基部夹样进行测定，每次测定时读3次数据，以平均数进行计算统计，采用品种间轮测的方法，每次每材料测定2个角果，在30分钟内测定一遍，共测定8遍；全部测完后，将所测角果带回实验室测定面积；
⑦重新计算：用游标卡尺量果身长，1/3和2/3处量角果宽和厚，按照公式计算单个角果皮面积；按照N＝1/2·S，将单个角果皮面积输入计算机，利用光合***自带的Li-6400Simulator5.2.01***中Recompute程序进行测定指标的重新计算；
其中，计算绿色角果皮面积采用克拉克改良公式：
⑧测定指标有：净光合速率、气孔导度、胞间CO2浓度、蒸腾速率、气孔限制值及水分利用效率；
⑨因测量角果光合时叶室的密封性不如测叶片时严密，故角果的CV％控制为12％。
4.如权利要求1所述的一种春油菜高光效种质的筛选方法，其特征在于，所述测定光响应曲线的具体步骤包括：在油菜苗期和薹期用Li-6400便携式光合作用测定***进行测定，选用6400-02B LED红蓝光源叶室，叶室内温度控制为25℃，CO2浓度控制为400μmol·ml-1，在1100μmol·m-2·s-1光强下适应15分钟后，采用自动光曲线程序进行测定，每种材料测定10株。
5.如权利要求1所述的一种春油菜高光效种质的筛选方法，其特征在于，所述测定CO2响应曲线的具体步骤包括：控制叶室内温度为25℃，CO2浓度设为1200μmol·ml-1，光强设为1100μmol·m-2·s-1，适应15min后采用自动CO2曲线测定程序进行测定，每种材料测定10株。
CN201910071361.8A 2019-01-25 2019-01-25 一种春油菜高光效种质的筛选方法 Active CN109618833B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910071361.8A CN109618833B (zh) 2019-01-25 2019-01-25 一种春油菜高光效种质的筛选方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910071361.8A CN109618833B (zh) 2019-01-25 2019-01-25 一种春油菜高光效种质的筛选方法

Publications (2)

Publication Number Publication Date
CN109618833A true CN109618833A (zh) 2019-04-16
CN109618833B CN109618833B (zh) 2022-02-11

Family

ID=66063629

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910071361.8A Active CN109618833B (zh) 2019-01-25 2019-01-25 一种春油菜高光效种质的筛选方法

Country Status (1)

Country Link
CN (1) CN109618833B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113439624A (zh) * 2021-08-18 2021-09-28 湖南省作物研究所 一种适用于机械收获的甘蓝型油菜品种的筛选方法及其应用
CN113597953A (zh) * 2021-08-06 2021-11-05 宁夏农林科学院枸杞科学研究所 一种枸杞高光效种质的筛选方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105115896A (zh) * 2015-09-10 2015-12-02 陕西省杂交油菜研究中心 一种测定植物角果光合特性的方法
CN105248272A (zh) * 2015-10-20 2016-01-20 陕西省杂交油菜研究中心 一种油菜高光效核心种质的选育方法
CN106613923A (zh) * 2016-11-29 2017-05-10 南京农业大学淮安研究院 强叶片功能的植物品种筛选方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105115896A (zh) * 2015-09-10 2015-12-02 陕西省杂交油菜研究中心 一种测定植物角果光合特性的方法
CN105248272A (zh) * 2015-10-20 2016-01-20 陕西省杂交油菜研究中心 一种油菜高光效核心种质的选育方法
CN106613923A (zh) * 2016-11-29 2017-05-10 南京农业大学淮安研究院 强叶片功能的植物品种筛选方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
张耀文等: "甘蓝型油菜叶片和角果气体交换参数差异的比较", 《华北农学报》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113597953A (zh) * 2021-08-06 2021-11-05 宁夏农林科学院枸杞科学研究所 一种枸杞高光效种质的筛选方法
CN113439624A (zh) * 2021-08-18 2021-09-28 湖南省作物研究所 一种适用于机械收获的甘蓝型油菜品种的筛选方法及其应用
CN113439624B (zh) * 2021-08-18 2022-05-03 湖南省作物研究所 一种适用于机械收获的甘蓝型油菜品种的筛选方法及其应用

Also Published As

Publication number Publication date
CN109618833B (zh) 2022-02-11

Similar Documents

Publication Publication Date Title
Alghory et al. Evaluation of crop water stress index and leaf water potential for deficit irrigation management of sprinkler-irrigated wheat
Chen et al. Quantitative response of greenhouse tomato yield and quality to water deficit at different growth stages
Grant et al. Physiological and morphological diversity of cultivated strawberry (Fragaria× ananassa) in response to water deficit
Kanai et al. Potassium deficiency affects water status and photosynthetic rate of the vegetative sink in green house tomato prior to its effects on source activity
Amos et al. Maize root biomass and net rhizodeposited carbon: an analysis of the literature
Smith et al. Crop yield: physiology and processes
Heuvelink Evaluation of a dynamic simulation model for tomato crop growth and development
Currey et al. Growth, morphology, and quality of rooted cuttings of several herbaceous annual bedding plants are influenced by photosynthetic daily light integral during root development
Nardino et al. Annual and monthly carbon balance in an intensively managed Mediterranean olive orchard
Araki et al. Estimation of whole-stem respiration, incorporating vertical and seasonal variations in stem CO 2 efflux rate, of Chamaecyparis obtusa trees
Thimme Gowda et al. Study on water requirement of Maize (Zea mays L.) using CROPWAT model in northern transitional zone of Karnataka
Oikawa et al. Leaf lifespan and lifetime carbon balance of individual leaves in a stand of an annual herb, Xanthium canadense
Chen et al. Life history responses of spring-and autumn-germinated ephemeral plants to increased nitrogen and precipitation in the Gurbantunggut Desert
CN108849334A (zh) 一种基于分级系数的水稻芽期抗旱性综合评价方法
Zhou et al. Modelling seedling development using thermal effectiveness and photosynthetically active radiation
Molina et al. Sap flow of a wild cherry tree plantation growing under Mediterranean conditions: Assessing the role of environmental conditions on canopy conductance and the effect of branch pruning on water productivity
Song et al. Effect of vapor pressure deficit on growth and water status in muskmelon and cucumber
CN109618833A (zh) 一种春油菜高光效种质的筛选方法
Mohren et al. Simulation of primary production in even-aged stands of Douglas fir
Bharali et al. Potential option for mitigating methane emission from tropical paddy rice through selection of suitable rice varieties
Arantes et al. Gas exchange in ‘Pome’banana plants grown under different irrigation systems
CN103889211B (zh) 植物的收获时生物量的管理方法以及管理***
Turner Ecophysiology of bananas: the generation and functioning of the leaf canopy
Guha et al. Leaf functional traits and stem wood characteristics influencing biomass productivity of mulberry (Morus spp. L) genotypes grown in short-rotation coppice system
Kurze et al. Rethinking the plant economics spectrum for annuals: a multi-species study

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
GR01 Patent grant
GR01 Patent grant