精准评估土壤质量是保障育种质量先决条件之一,对评估种子品质和精准施肥具有指导意义。土壤成分含量是土壤质量评估的重要指标,光谱技术已经被证实可以快速、绿色地进行土壤成分检测。然而单一模态光谱技术难以满足种田多种土壤成分含...精准评估土壤质量是保障育种质量先决条件之一,对评估种子品质和精准施肥具有指导意义。土壤成分含量是土壤质量评估的重要指标,光谱技术已经被证实可以快速、绿色地进行土壤成分检测。然而单一模态光谱技术难以满足种田多种土壤成分含量检测的需求。故运用原子激光诱导击穿光谱(LIBS)和分子可见-近红外光谱(VIS-NIR)技术结合化学计量学方法,对宁夏润丰种业育种玉米田采集的288份土壤样本进行分析,建立金属元素和土壤有机质(SOM)含量的预测模型,并实现金属元素和SOM含量空间可视化分布。首先,利用共线双脉冲LIBS系统采集土壤样本的LIBS数据,利用air-PLS对光谱数据进行基线矫正以减少试验误差。选择的金属元素特征谱线查找于美国国家标准与技术研究院(National Institute of Standards and Technology,NIST)的标准原子光谱数据库。基于国家标准土样的LIBS光谱与其金属元素含量真实值,建立4种金属元素(Na、K、Mg、Mn)的偏最小二乘回归模型(PLSR),其中Mn含量的预测效果最好,R_(p)^(2)达到0.813,RMSEP为0.155 g·kg^(-1)。另一方面,采集可见-近红外光谱数据后,利用SG卷积平滑(SGCS)、一阶导数变换、多元散射矫正(MSC)对光谱数据进行预处理,并分别建立SOM含量的PLSR预测模型对三种预处理方法进行评价,经MSC预处理后所建立的PLSR模型效果最好;随后利用蒙特卡洛交叉验证法(MCCV)剔除SOM含量异常样本。利用竞争自适应重加权采样法(CARS)和连续投影算法(SPA)选择特征波长,分别建立SOM含量的PLSR预测模型对两种算法进行评价;得出利用CARS算法选择的特征波长建立的预测模型性能有所提高。用CARS算法选择的特征波长与SOM含量真实值,分别建立PLSR和反向传播人工神经网络(BPNN)预测模型,其中PLSR模型的效果最好,R_(p)^(2)达到0.864,RMSEP为0.612 g·kg^(-1),RPD_(v)为2.733。最后,利用国家标准土样所建立的PLSR模型预测玉米种田四种金属元素含量,建立PLSR模型预测值和BPNN模型预测值的空间分布图。研究结果表明,LIBS技术和可见-近红外光谱定量分析技术可以对种田土壤金属元素和SOM含量检测,为土壤成分含量的检测和空间可视化分布提供了参考价值并对土壤科学合理地施肥具有指导意义。展开更多
为探究盐胁迫下水稻地上部和根部Na^(+)、K^(+)含量和分布对其生物量累积和苗期耐盐性的影响,利用125 mmol/L Na Cl对51份不同类型水稻种质资源进行胁迫处理,测定5个形态学指标:耐盐级别、相对根长、相对地上部干重、相对根干重和地上...为探究盐胁迫下水稻地上部和根部Na^(+)、K^(+)含量和分布对其生物量累积和苗期耐盐性的影响,利用125 mmol/L Na Cl对51份不同类型水稻种质资源进行胁迫处理,测定5个形态学指标:耐盐级别、相对根长、相对地上部干重、相对根干重和地上部含水量;6个离子指标:地上部Na^(+)含量、根系Na^(+)含量、地上部K^(+)含量、根系K^(+)含量、地上部Na^(+)/K^(+)和根系Na^(+)/K^(+),共11个耐盐相关指标。在主成分分析基础上,利用隶属函数和标准差系数赋予权重法获得水稻苗期耐盐性综合评价值(D值)。利用特异引物扩增SKC1基因编码区进行测序、比对和单倍型分析。结果表明:除相对根长外,地上部Na^(+)含量与其余4个形态学指标呈极显著负相关,耐盐级别与地上部Na^(+)含量、根系Na^(+)含量和地上部Na^(+)/K^(+)均呈极显著负相关,耐盐级别、相对地上部干重、相对根干重、地上部含水量4个指标两两之间均呈极显著正相关。利用SPSS主成分分析将11个单项指标转换为4个主成分,累计贡献率达82.093%。依据PC1中各指标的载荷系数,筛选出相对地上部干重、耐盐级别、相对根干重、地上部Na^(+)含量、地上部Na^(+)/K^(+)和根系Na^(+)含量6个重要指标;结合综合评价D值与这6个指标的线性回归分析,发现耐盐级别和地上部Na^(+)/K^(+)的系数较大,分别是影响水稻苗期耐盐性的形态学和离子平衡关键因子。通过对51份水稻种质资源SKC1编码区序列比对,共检测到9种不同的单倍型。其中源于越光的单倍型(Hap1)为粳稻种质资源的优势等位基因;源于Nona Bokra的单倍型(Hap7)为籼稻和Aus的优势等位基因。本研究结果可从离子平衡层面为耐盐水稻资源筛选与鉴定提供理论依据。展开更多
文摘精准评估土壤质量是保障育种质量先决条件之一,对评估种子品质和精准施肥具有指导意义。土壤成分含量是土壤质量评估的重要指标,光谱技术已经被证实可以快速、绿色地进行土壤成分检测。然而单一模态光谱技术难以满足种田多种土壤成分含量检测的需求。故运用原子激光诱导击穿光谱(LIBS)和分子可见-近红外光谱(VIS-NIR)技术结合化学计量学方法,对宁夏润丰种业育种玉米田采集的288份土壤样本进行分析,建立金属元素和土壤有机质(SOM)含量的预测模型,并实现金属元素和SOM含量空间可视化分布。首先,利用共线双脉冲LIBS系统采集土壤样本的LIBS数据,利用air-PLS对光谱数据进行基线矫正以减少试验误差。选择的金属元素特征谱线查找于美国国家标准与技术研究院(National Institute of Standards and Technology,NIST)的标准原子光谱数据库。基于国家标准土样的LIBS光谱与其金属元素含量真实值,建立4种金属元素(Na、K、Mg、Mn)的偏最小二乘回归模型(PLSR),其中Mn含量的预测效果最好,R_(p)^(2)达到0.813,RMSEP为0.155 g·kg^(-1)。另一方面,采集可见-近红外光谱数据后,利用SG卷积平滑(SGCS)、一阶导数变换、多元散射矫正(MSC)对光谱数据进行预处理,并分别建立SOM含量的PLSR预测模型对三种预处理方法进行评价,经MSC预处理后所建立的PLSR模型效果最好;随后利用蒙特卡洛交叉验证法(MCCV)剔除SOM含量异常样本。利用竞争自适应重加权采样法(CARS)和连续投影算法(SPA)选择特征波长,分别建立SOM含量的PLSR预测模型对两种算法进行评价;得出利用CARS算法选择的特征波长建立的预测模型性能有所提高。用CARS算法选择的特征波长与SOM含量真实值,分别建立PLSR和反向传播人工神经网络(BPNN)预测模型,其中PLSR模型的效果最好,R_(p)^(2)达到0.864,RMSEP为0.612 g·kg^(-1),RPD_(v)为2.733。最后,利用国家标准土样所建立的PLSR模型预测玉米种田四种金属元素含量,建立PLSR模型预测值和BPNN模型预测值的空间分布图。研究结果表明,LIBS技术和可见-近红外光谱定量分析技术可以对种田土壤金属元素和SOM含量检测,为土壤成分含量的检测和空间可视化分布提供了参考价值并对土壤科学合理地施肥具有指导意义。
文摘为探究盐胁迫下水稻地上部和根部Na^(+)、K^(+)含量和分布对其生物量累积和苗期耐盐性的影响,利用125 mmol/L Na Cl对51份不同类型水稻种质资源进行胁迫处理,测定5个形态学指标:耐盐级别、相对根长、相对地上部干重、相对根干重和地上部含水量;6个离子指标:地上部Na^(+)含量、根系Na^(+)含量、地上部K^(+)含量、根系K^(+)含量、地上部Na^(+)/K^(+)和根系Na^(+)/K^(+),共11个耐盐相关指标。在主成分分析基础上,利用隶属函数和标准差系数赋予权重法获得水稻苗期耐盐性综合评价值(D值)。利用特异引物扩增SKC1基因编码区进行测序、比对和单倍型分析。结果表明:除相对根长外,地上部Na^(+)含量与其余4个形态学指标呈极显著负相关,耐盐级别与地上部Na^(+)含量、根系Na^(+)含量和地上部Na^(+)/K^(+)均呈极显著负相关,耐盐级别、相对地上部干重、相对根干重、地上部含水量4个指标两两之间均呈极显著正相关。利用SPSS主成分分析将11个单项指标转换为4个主成分,累计贡献率达82.093%。依据PC1中各指标的载荷系数,筛选出相对地上部干重、耐盐级别、相对根干重、地上部Na^(+)含量、地上部Na^(+)/K^(+)和根系Na^(+)含量6个重要指标;结合综合评价D值与这6个指标的线性回归分析,发现耐盐级别和地上部Na^(+)/K^(+)的系数较大,分别是影响水稻苗期耐盐性的形态学和离子平衡关键因子。通过对51份水稻种质资源SKC1编码区序列比对,共检测到9种不同的单倍型。其中源于越光的单倍型(Hap1)为粳稻种质资源的优势等位基因;源于Nona Bokra的单倍型(Hap7)为籼稻和Aus的优势等位基因。本研究结果可从离子平衡层面为耐盐水稻资源筛选与鉴定提供理论依据。
