排序方式: 共有45条查询结果,搜索用时 234 毫秒
11.
小麦重要品质性状的QTL定位 总被引:5,自引:0,他引:5
【目的】发掘重要性状的QTL及其分子标记进行小麦品质分子改良。【方法】采用PH82-2/内乡188杂交后代240个F5:6家系,按照Latinized α-lattice设计,2004~2005年度分别种植在河南焦作、安阳和山东泰安。对籽粒蛋白质含量、Zeleny沉降值、和面时间、8分钟带宽、峰值粘度和稀懈值进行测定,利用188个SSR标记和4个蛋白标记构建遗传连锁图谱,采用复合区间作图法(CIM)对上述6个品质性状进行QTL定位。【结果】 籽粒蛋白质含量检测出3个QTL,分布在3A、3B染色体上。在1B、1D和3B染色体上检测到3个控制Zeleny沉降值的QTL,其中位于1B和1D染色体上的QTL在3个地点均检测到,可解释5.5%~17.6%表型变异。发现3个控制和面时间的QTL,分布在1B和1D染色体上,在3个地点均能检测到,贡献率为7.9%~55.3%;检测出8分钟带宽的QTL 5个,其中1B和1D染色体上的QTL在3种环境下均能检测到,贡献率为11.7%~33.9%。发现峰值粘度QTL 4个,分布在1A、1B、3A和7B染色体上;检测出稀懈值QTL 5个,位于1B、4A、5B、6B和7A染色体上。1B染色体上存在同时控制Zeleny沉降值、和面时间、8分钟带宽、峰值粘度和稀懈值的QTL,与最近标记Glu-B3j连锁距离为0.1~0.8cM,说明1BL/1RS易位对这些性状有重要影响;1D染色体上存在同时控制Zeleny沉降值、和面时间和8分钟带宽的QTL,与最近的标记Dx5+Dy10连锁距离为2.5~3.3cM,表明Dx5+Dy10高分子量谷蛋白亚基对这3个性状影响很大。和面时间和8分钟带宽位于1B和1D染色体的QTL以及稀懈值位于1B染色体上的QTL在3个地点均能检测到,具有环境稳定性。【结论】本研究定位的品质性状的标记可作为小麦品质分子育种的工具。 相似文献
12.
多光谱与热红外数据融合在冬小麦产量估测中的应用 总被引:1,自引:0,他引:1
为了解多光谱与热红外数据融合对冬小麦产量估测精度的影响,以30个黄淮麦区冬小麦品种为材料,利用三种灌溉处理(处理1、处理2和处理3灌水量分别为240、190和145 mm)下冬小麦拔节期、挑旗期、抽穗期与灌浆期的无人机多光谱和热红外动态数据,构造了多个光谱指数,以支持向量机构建冬小麦产量估测模型,并验证其精度。结果表明,植被指数与籽粒产量的相关性受溉水量影响,处理1下植被指数与籽粒产量均呈正相关,处理2下植被指数除土壤调整植被指数(SAVI)和转化叶绿素吸收反射指数(TCARI)外均与籽粒产量呈正相关,处理3下植被指数与籽粒产量均呈负相关。通过多光谱和热红外数据融合构建的冬小麦产量估测模型的预测精度比仅使用多光谱数据构建的模型提高8%。不同灌溉条件下,通过多光谱与热红外数据融合构建的模型的预测精度存在差异,在处理1、处理2和处理3下拔节期、挑旗期、抽穗期和灌浆期验证决定系数(R)最高值分别为0.63、0.68和0.56,均方根误差(RMSE)最低值分别为0.60、0.24和0.41 t·hm-2,且在三种灌溉条件下灌浆期预测效果均最佳。因此,利用无人机光谱对小麦品种产量估测时应将多光谱与热红外数据融合,用支持向量机(SVM)算法构建产量估测模型,且模型在灌浆期具有较高预测 精度。 相似文献
13.
【目的】研究1BL.1RS易位对小麦籽粒特征的影响及其遗传效应,为小麦籽粒性状的遗传改良提供理论依据。【方法】以豫麦49/周麦16杂交后代的176个F5重组自交系为材料,于2008-2010年连续2年对籽粒性状进行分析,并结合SSR和STS标记对1BL.1RS染色体进行籽粒性状的QTL检测。【结果】小麦籽粒性状中粒长和密度因子主要受基因型影响,千粒质量、粒宽、周长、面积及形态因子等性状受基因型和环境及其互作的影响较大,1BL.1RS易位能显著提高千粒质量、粒长、粒宽、周长和面积,但对形态因子和密度因子影响不显著。千粒质量与粒长、粒宽和密度因子均呈极显著偏正相关;而粒长和粒宽呈极显著偏负相关。位于1BL.1RS染色体短臂上的HVM20-AF1/AF4标记区间携带有控制千粒质量、粒宽和面积的QTL,可解释17.2%~21.0%的表型变异;AF1/AF4-Xg-wm582标记区间存在有控制粒长和周长的QTL,分别解释21.5%和14.9%的表型变异;与Nor-4紧密连锁的形态因子QTL可解释12.2%的表型变异,受环境影响较大。【结论】1RS携带有提高千粒质量、粒长、粒宽、周长、面积及形态因子的QTL,通过分子标记跟踪选择1BL.1RS易位系可有效改良小麦籽粒性状,进而提高千粒质量和产量。 相似文献
14.
为了研究小麦苗期氮、磷吸收及利用效率的遗传差异,以骨干亲本京411及其14份衍生后代为材料,在3个氮处理(Ca(NO3)2含量分别为0、0.05和2.0mmol·L-1)和3个磷处理(KH2PO4含量分别为0、0.005和0.25mmol·L-1)条件下分析不同基因型苗期营养利用效率及相关性状,并结合90kSNP芯片分析氮、磷吸收及利用效率相关遗传区段,以及京411携带的重要区段的传递和分布。结果表明,供试品种(系)的氮、磷吸收及利用效率存在较大遗传变异,京411和CA0958的氮吸收量和农学效率较高,北京0045、中麦175和CA0816R的氮利用效率较高,09抗1027、CA9722、中麦415和CA1133具有较强的耐低氮能力;09抗1027、北京0045和CA1133的磷吸收量较高,中麦175和CA9722的磷利用效率较高,CA0958和北京0045具有较高的磷农学效率,中麦175和CA1055具有较强的耐低磷能力。A和B染色体组在小麦苗期氮和磷吸收及利用中的作用可能大于D染色体组。3B和4B染色体上各存在一个在低磷和高磷条件下对苗期磷利用效率均有影响的位点,1B和2A染色体上各存在一个在不施磷和低磷条件下均表现较强耐低磷能力的位点。氮、磷吸收及利用效率可能具有相同或相似的遗传背景。中麦175与骨干亲本的氮、磷吸收及利用效率相同位点较多,且含有较多的正向效应位点,同时在苗期表现出了较强的氮、磷吸收及利用效率,其在实际生产中表现为高产且水肥利用效率高,是京411的优良衍生后代。 相似文献
15.
为揭示矮腥黑粉菌胁迫下的小麦抗感品种间遗传背景差异,筛选小麦抗矮腥黑穗病候选基因。本研究以小麦感病品种‘伊犁053’和中抗品种‘中麦175’为研究对象,在接种矮腥黑粉菌后对籽粒组织进行重测序与转录组测序的联合分析。经过差异InDel分析后,共有69 840个变异基因与转录组数据进行了联合分析,有7 300个基因在小麦发病籽粒组织中有表达,有162个(2.22%)基因呈极显著差异表达,且基因表达量倍数变化≥1.5倍(‘中麦175’相对于‘伊犁053’,有125个上调, 37个下调);经过差异SNP分析后,共有98 331个变异基因与转录组数据进行了联合分析,有7 438个基因在小麦发病籽粒组织中有表达,有126个(1.69%)基因呈极显著差异表达,且基因表达量倍数变化≥1.5倍(‘中麦175’相对于‘伊犁053’,有86个上调, 40个下调)。本研究成功揭示了在矮腥黑穗病胁迫下抗感病小麦品种间的遗传差异表达信息,为进一步筛选小麦抗矮腥黑穗病候选基因提供参考。 相似文献
16.
为了解水旱兼用型小麦品种中麦175的节水特性,设置两组试验,第一组试验在北部冬麦区和黄淮旱肥地进行,分析不同灌溉处理下中麦175的产量表现;第二组试验将包括中麦175在内的66份品种(系)分别种植于正常灌溉和节水条件下,结合生理和产量性状,探讨中麦175高产稳产节水特性。结果表明,在北部冬麦区3个灌溉处理(分别灌水0、1和2次)下,中麦175的产量高于对照品种京冬8号;在黄淮旱肥地4个灌溉处理(分别灌水0、1、2和3次)下,中麦175的产量均高于对照品种豫麦49,在1次灌水条件下,中麦175产量已达到较高水平。较高的穗数和穗粒数是该品种节水稳产的主要原因。在节水条件下,66份品种(系)中中麦175产量最高,达6 222.1kg·hm-2。综合正常灌溉和节水条件下的表现,从66份供试材料中筛选出中麦175、CA1102、中麦816、CA1101和CA1060五个耐旱且高产的品种(系),这些品种(系)均表现苗期生物量高、生长势旺盛、单位面积穗数多、冠层温度低、蒸腾效率高、株高受水分胁迫影响小等特点。中麦175在节水条件下的高产稳产特性主要与其较高的苗期生物量、稳定的株高和穗数有关。 相似文献
17.
18.
为探讨基于多源遥感数据和机器学习算法预测冬小麦产量的可行性,利用中麦175/轮选987重组自交系F7代群体中70个家系开展田间试验,通过无人机遥感平台和地面表型车平台及手持式冠层鉴定平台,获取冬小麦灌浆期光谱数据,分别用4种机器学习方法和集成方法建立产量预测模型。结果表明,在61个光谱指数中,除MCARI、DSI、PVI外,其余指数均与产量显著相关或极显著相关,700 nm和800 nm组合的高光谱指数能够比较准确地预测产量。相对于高光谱和多光谱,RGB传感器预测产量精度最高,平均决定系数(r2)为0.74,平均均方根误差(RMSE)为517.78 kg·hm-2。相对于决策树(DT)、随机森林(RF)、支持向量机(SVM)三种传统机器学习算法,岭回归(RR)算法预测产量的精度最高,平均r2为0.73,平均RMSE为516.1 kg·hm-2。与单一的传统机器学习算法相比,DT、RF、SVM、RR结合集成算法的预测精度高且稳定,r2高达0.77,RMSE也较低。SVM 、RF、DT、RR四种机器学习算法和RGB、ASD、UAV、UGV四个传感器构成的算法-传感器集成方法的预测精度提升,r2为0.79,RMSE降至469.98 kg·hm-2。因此,利用Stacking集成方法将不同算法、传感器进行结合,能够有效地提高冬小麦产量预测精度。 相似文献
19.
20.
基于图像处理的冬小麦植被覆盖率测定及其遗传解析 总被引:1,自引:0,他引:1
植被覆盖率是反映植株生长势的重要生理性状,在旱作地区尤为重要。图像处理技术能够快速有效地对苗期和孕穗期植被覆盖率进行量化分析。以28份山东小麦主栽品种和品系为材料,在240株 m-2和360株 m-2密度下,连续2年测定了孕穗前不同发育阶段的植被覆盖率,并利用921个DArT标记和83个SSR标记分析了与植被覆盖率相关的遗传区段。结果表明。不同密度下,冬小麦植被覆盖率在越冬期、返青期和孕穗期存在显著差异,而起身期基本一致。起身期植被覆盖率与春季最高分蘖数、抽穗后群体叶面积指数、单位面积穗数和籽粒产量均呈显著正相关,r = 0.73~0.76 (P<0.01),表明起身期植被覆盖率可用于预测上述性状。共检测出12个遗传区段与植被覆盖率相关联,大部分区段直接参与调控苗期和孕穗期的生长势。10个遗传区段与已报道的苗期性状、产量性状及抗病位点一致,其中5BL、6AS和6BL染色体上携带的植被覆盖率相关遗传区段与已报道的苗期比叶面积和生物量等位点完全相同。建议将植被覆盖率作为生长势量化指标,用于育种选择和遗传研究。 相似文献