冬小麦穗数识别与光合产物贮运特性研究
发布时间：2021-10-23 05:24
小麦（Triticum aestivum L.）生理和产量表型相关遗传研究对高产稳产新品种改良具有重要指导价值。为解析小麦品种干物质积累与转运遗传特性,发掘穗数调控相关基因位点,本研究设立两个试验。一是以近20年来北部冬麦区主要推广的7个品种（京冬8号、轮选987、京冬17、农大211、中麦175、中麦816和中麦1062）为材料,研究品种间生长发育的群体生理动态、不同营养器官干物质积累与转运及其与收获指数和籽粒产量的关系,提出今后品种改良目标;二是利用机器学习方法建立小麦穗数识别模型,通过大样本训练和验证,完善高精准的穗数智能识别系统,对比分析人工和智能识别的穗数基因定位结果,证实穗数识别系统在遗传研究的有效性,并检测出调控穗数的主效基因位点。主要结果如下:1.中麦816和中麦175具有较高产量潜力,分别为4923.0 kg·hm-2和4913.0 kg·hm-2,主要与其较高的生物学产量和收获指数有关。从干物质积累分析,苗期群体光截获面积、灌浆期光能利用效率对干物质积累有重要影响。灌浆期叶绿素含量低、旗叶面积小、光合速率高的品种,干物质积...
【文章来源】：甘肃农业大学甘肃省
【文章页数】：53 页
【学位级别】：硕士
【部分图文】：
图2-27个品种在开花期（a）和成熟期（b）地上干物质的比例比较
冬小麦穗数识别与光合产物贮运特性研究19粒转化效率，也可作为我国北部冬麦区小麦改良方向。图2-3小麦地上干物质比例在北部冬麦区，南澳大利亚[106]和英国开花期[107]（a）和成熟期[108]（b）的比较Fig.2-3Comparisonoftheproportionofabove-groundmatterofwheatatanthesis(a)andmaturity(b)amongtheNorthernWinterWheatZoneofChina,theSouthernAustraliaandtheUnitedKingdom2.3讨论作物产量是个体遗传特性与群体种植表现共同协调的结果，合理的光合产物积累和分配遗传机制是调控个体形态和群体结构的关键，也是实现小麦品种高产稳产的根本[109]。叶片光截获面积、光能利用效率直接影响干物质积累量和籽粒产量，是小麦物质生产和籽粒产量形成的基本“源”。NDVI和叶面积指数是反映小麦品种群体光合性能的一个重要指标，开花前营养生长期，小麦光合同化产物随着群体光截获面积的增加而增加。本研究结果表明，中麦816、中麦175、中麦1062的苗期NDVI较高，但中麦175开花期组织器官可溶性碳水化合物较高，干物质积累量较高，可能是中麦175的光能利用效率较高，与前期研究结果一致[25]。在灌浆期，轮选987、农大211和中麦1062的NDVI和叶面积指数较大，中麦175的NDVI和叶面积指数较低（表2-3），主要与品种株型有关。中麦175幼苗生长旺盛，分蘖较多，旗叶较小且叶片夹角小，花后NDVI和叶面积指数较低，轮选987、农大211和中麦1062旗叶较大且叶片夹角较大，穗数相对略少，其NDVI和叶面积较大。关于叶片光合速率与产量之间的关系一直存在争论[110]。理论而言，叶片光合速率与作物产量之间应当存在正相关或间接正相关，而负相关或者缺少正相关是假象，多数因为样本抽样问题，叶片光合测定方法等试验因素造成[111]。Reynolds[112]等研
甘肃农业大学2020届硕士学位论文22图像标记穗数（Imagespikenumbercount,ISN）：利用数码相机（大疆的HG310型云台相机），在自然光照下以距小麦最高点的1.7m至1.9m处垂直向下拍摄，将红色框所在区域拍成RGB图像。拍摄时尽可能使得麦穗之间不发生遮挡，同时在图像中表现大小适中，清晰可辨，如图3-1a，获取的图像大小约3MB~4MB，分辨率为4000×2250。对获取的小麦麦穗原始图像进行截取，仅保留红色边框区域，处理成分辨率为1000×1004的图像保存，如图3-1b，并使用LabelImg软件对其进行标注，如图3-1c，每张图像对应的标记数即为最后结果。3-1a3-1b3-1c图3-1图像训练前后Fig.3-1TrainingimagebeforeandafterlabelingR-CNN模型验证穗数（Validationspikenumbercount,VSN）：R-CNN模型的生成：对2017~2018年自然群体的小麦麦穗原始图像进行压缩和校准等预处理操作（同3-1b）。1032幅图像约150000个麦穗样本被作为训练数据集进行训练，之后生成麦穗检测模型。最后将所获取的99份家系的792张图像进行模型检测验证，最终得出穗数结果。标注的训练及验证数据以VOC2007格式进行保存，并将其转成TFRecord格式用于下一步的训练和验证。3.1.4试验方法此研究以采集的麦穗RGB图像输给深度学习系统，通过系统进行图像检测，识别出图像中的麦穗并以绿色边框选定。深度学习模型分部分：第一部分用于训练，生成麦穗检测模型；第二部用于测试，测试麦穗图像调用麦穗检测模型生成检测结果输出。该系统模型如图3-2所示。
【参考文献】：
期刊论文
[1]北部冬麦区冬小麦越冬冻害时空变化特征[J]. 孟繁圆,冯利平,张丰瑶,张祎,伍露,王春雷,闫锦涛,彭明喜,莫志鸿,余卫东. 作物学报. 2019(10)
[2]基于深度学习的农业植物表型研究综述[J]. 翁杨,曾睿,吴陈铭,王猛,王秀杰,刘永进. 中国科学:生命科学. 2019(06)
[3]高通量作物表型监测:育种和精准农业发展的加速器[J]. 郭庆华,杨维才,吴芳芳,庞树鑫,金时超,陈凡,王秀杰. 中国科学院院刊. 2018(09)
[4]不同旱地春小麦新品种(系)干物质积累和产量形成的特点[J]. 高玉红,吴兵,崔红艳,刘宏胜,常瑜,田雪梅,牛俊义. 干旱地区农业研究. 2018(05)
[5]灌水对宁春50籽粒干物质积累、产量及水分利用效率的影响[J]. 党根友,沈强云,李新,刘旺清,魏亦勤,何进尚,张双喜,杨文军,裘敏,方亮. 麦类作物学报. 2018(05)
[6]三种限水灌溉水平下中麦175干物质积累与水分利用特性解析[J]. 李法计,徐学欣,何中虎,肖永贵,陈新民,王志敏. 中国农业科学. 2018(02)
[7]中国小麦产业发展与科技进步[J]. 何中虎,庄巧生,程顺和,于振文,赵振东,刘旭. 农学学报. 2018(01)
[8]作物育种学领域新的革命:高通量的表型组学时代[J]. 穆金虎,陈玉泽,冯慧,李文建,周利斌. 植物科学学报. 2016(06)
[9]中麦175高产高效广适特性解析与育种方法思考[J]. 何中虎,陈新民,王德森,张艳,肖永贵,李法计,张勇,李思敏,夏先春,张运宏,庄巧生. 中国农业科学. 2015(17)
[10]花后不同强度遮光对糯小麦和非糯小麦干物质积累和产量的影响[J]. 刘希伟,张敏,姚凤娟,高晓杰,蔡瑞国. 麦类作物学报. 2015(04)
博士论文
[1]冬小麦不同抗旱性品种光合、物质运转和水分利用特征[D]. 吴金芝.中国农业大学 2015
[2]小麦产量相关性状QTL近等基因系的选育及一个穗长QTL的精确定位[D]. 吴新义.南京农业大学 2013
[3]不同品质类型小麦在不同土壤条件下灌浆期蔗糖代谢与淀粉合成的研究[D]. 高松洁.河南农业大学 2004
[4]水稻几个重要性状的QTL定位及抗白叶枯病基因分子标记辅助选择[D]. 曹立勇.浙江大学 2002
硕士论文
[1]遮阴条件下逆向衰老小麦顶二叶的生理特性[D]. 李春玲.西北农林科技大学 2013
本文编号：3452555
【文章来源】：甘肃农业大学甘肃省
【文章页数】：53 页
【学位级别】：硕士
【部分图文】：
图2-27个品种在开花期（a）和成熟期（b）地上干物质的比例比较
冬小麦穗数识别与光合产物贮运特性研究19粒转化效率，也可作为我国北部冬麦区小麦改良方向。图2-3小麦地上干物质比例在北部冬麦区，南澳大利亚[106]和英国开花期[107]（a）和成熟期[108]（b）的比较Fig.2-3Comparisonoftheproportionofabove-groundmatterofwheatatanthesis(a)andmaturity(b)amongtheNorthernWinterWheatZoneofChina,theSouthernAustraliaandtheUnitedKingdom2.3讨论作物产量是个体遗传特性与群体种植表现共同协调的结果，合理的光合产物积累和分配遗传机制是调控个体形态和群体结构的关键，也是实现小麦品种高产稳产的根本[109]。叶片光截获面积、光能利用效率直接影响干物质积累量和籽粒产量，是小麦物质生产和籽粒产量形成的基本“源”。NDVI和叶面积指数是反映小麦品种群体光合性能的一个重要指标，开花前营养生长期，小麦光合同化产物随着群体光截获面积的增加而增加。本研究结果表明，中麦816、中麦175、中麦1062的苗期NDVI较高，但中麦175开花期组织器官可溶性碳水化合物较高，干物质积累量较高，可能是中麦175的光能利用效率较高，与前期研究结果一致[25]。在灌浆期，轮选987、农大211和中麦1062的NDVI和叶面积指数较大，中麦175的NDVI和叶面积指数较低（表2-3），主要与品种株型有关。中麦175幼苗生长旺盛，分蘖较多，旗叶较小且叶片夹角小，花后NDVI和叶面积指数较低，轮选987、农大211和中麦1062旗叶较大且叶片夹角较大，穗数相对略少，其NDVI和叶面积较大。关于叶片光合速率与产量之间的关系一直存在争论[110]。理论而言，叶片光合速率与作物产量之间应当存在正相关或间接正相关，而负相关或者缺少正相关是假象，多数因为样本抽样问题，叶片光合测定方法等试验因素造成[111]。Reynolds[112]等研
甘肃农业大学2020届硕士学位论文22图像标记穗数（Imagespikenumbercount,ISN）：利用数码相机（大疆的HG310型云台相机），在自然光照下以距小麦最高点的1.7m至1.9m处垂直向下拍摄，将红色框所在区域拍成RGB图像。拍摄时尽可能使得麦穗之间不发生遮挡，同时在图像中表现大小适中，清晰可辨，如图3-1a，获取的图像大小约3MB~4MB，分辨率为4000×2250。对获取的小麦麦穗原始图像进行截取，仅保留红色边框区域，处理成分辨率为1000×1004的图像保存，如图3-1b，并使用LabelImg软件对其进行标注，如图3-1c，每张图像对应的标记数即为最后结果。3-1a3-1b3-1c图3-1图像训练前后Fig.3-1TrainingimagebeforeandafterlabelingR-CNN模型验证穗数（Validationspikenumbercount,VSN）：R-CNN模型的生成：对2017~2018年自然群体的小麦麦穗原始图像进行压缩和校准等预处理操作（同3-1b）。1032幅图像约150000个麦穗样本被作为训练数据集进行训练，之后生成麦穗检测模型。最后将所获取的99份家系的792张图像进行模型检测验证，最终得出穗数结果。标注的训练及验证数据以VOC2007格式进行保存，并将其转成TFRecord格式用于下一步的训练和验证。3.1.4试验方法此研究以采集的麦穗RGB图像输给深度学习系统，通过系统进行图像检测，识别出图像中的麦穗并以绿色边框选定。深度学习模型分部分：第一部分用于训练，生成麦穗检测模型；第二部用于测试，测试麦穗图像调用麦穗检测模型生成检测结果输出。该系统模型如图3-2所示。
【参考文献】：
期刊论文
[1]北部冬麦区冬小麦越冬冻害时空变化特征[J]. 孟繁圆,冯利平,张丰瑶,张祎,伍露,王春雷,闫锦涛,彭明喜,莫志鸿,余卫东. 作物学报. 2019(10)
[2]基于深度学习的农业植物表型研究综述[J]. 翁杨,曾睿,吴陈铭,王猛,王秀杰,刘永进. 中国科学:生命科学. 2019(06)
[3]高通量作物表型监测:育种和精准农业发展的加速器[J]. 郭庆华,杨维才,吴芳芳,庞树鑫,金时超,陈凡,王秀杰. 中国科学院院刊. 2018(09)
[4]不同旱地春小麦新品种(系)干物质积累和产量形成的特点[J]. 高玉红,吴兵,崔红艳,刘宏胜,常瑜,田雪梅,牛俊义. 干旱地区农业研究. 2018(05)
[5]灌水对宁春50籽粒干物质积累、产量及水分利用效率的影响[J]. 党根友,沈强云,李新,刘旺清,魏亦勤,何进尚,张双喜,杨文军,裘敏,方亮. 麦类作物学报. 2018(05)
[6]三种限水灌溉水平下中麦175干物质积累与水分利用特性解析[J]. 李法计,徐学欣,何中虎,肖永贵,陈新民,王志敏. 中国农业科学. 2018(02)
[7]中国小麦产业发展与科技进步[J]. 何中虎,庄巧生,程顺和,于振文,赵振东,刘旭. 农学学报. 2018(01)
[8]作物育种学领域新的革命:高通量的表型组学时代[J]. 穆金虎,陈玉泽,冯慧,李文建,周利斌. 植物科学学报. 2016(06)
[9]中麦175高产高效广适特性解析与育种方法思考[J]. 何中虎,陈新民,王德森,张艳,肖永贵,李法计,张勇,李思敏,夏先春,张运宏,庄巧生. 中国农业科学. 2015(17)
[10]花后不同强度遮光对糯小麦和非糯小麦干物质积累和产量的影响[J]. 刘希伟,张敏,姚凤娟,高晓杰,蔡瑞国. 麦类作物学报. 2015(04)
博士论文
[1]冬小麦不同抗旱性品种光合、物质运转和水分利用特征[D]. 吴金芝.中国农业大学 2015
[2]小麦产量相关性状QTL近等基因系的选育及一个穗长QTL的精确定位[D]. 吴新义.南京农业大学 2013
[3]不同品质类型小麦在不同土壤条件下灌浆期蔗糖代谢与淀粉合成的研究[D]. 高松洁.河南农业大学 2004
[4]水稻几个重要性状的QTL定位及抗白叶枯病基因分子标记辅助选择[D]. 曹立勇.浙江大学 2002
硕士论文
[1]遮阴条件下逆向衰老小麦顶二叶的生理特性[D]. 李春玲.西北农林科技大学 2013
本文编号：3452555
本文链接：https://www.wllwen.com/shoufeilunwen/zaizhiyanjiusheng/3452555.html
教材专著
