Principal Component Analysis and Comprehensive Evaluation on Drought Resistance-related Traits of Rice for Cultivation in Cold Regions
-
摘要:目的 建立寒地水稻移栽至成熟期抗旱综合评价指标体系，筛选抗旱水稻种质资源。方法 以穗重、穗粒数、结实率等13个性状为指标，采用主成分分析法及聚类分析等方法对30个寒地水稻种质资源（样本）进行抗旱性综合评价。用25个样本以抗旱力特征指标值为输入，对应抗旱综合评价值为输出，利用误差反向传播（Error Back Propagation，BP）神经网络算法构建学习模型；其余5个样本为验证样本，评价学习模型的预测准确性。变换3组学习样本构建3个学习模型，对比3个模型的预测准确性，验证建模方法的合理性与稳定性。结果 利用主成分分析将干旱胁迫下13个单项指标转化为5个相互独立的综合指标，累积贡献率达83.761%。依据参试材料抗旱综合评价值进行聚类分析，将30个参试样本划分为强抗旱型、抗旱型、中间抗旱型、旱敏感型4类。第1类强抗旱型的有1个（农丰3055），第2类抗旱型的有12个，第3类中间抗旱型的有6个，第4类旱敏感型的有11个。基于水稻性状指标与抗旱综合评价值相关性分析结果，筛选出穗重、穗粒数、结实率、产量、生物产量和经济系数6项指标作为水稻抗旱适宜性评价的特征指标。以特征指标值为输入层，综合评价值为输出层，建立BP神经网络学习模型，可实现水稻抗旱指标适宜性的定量预测。该方法建立的学习模型有较高的预测准确性与稳定性，变换学习样本得到的3个学习模型的预测值与实际值相对误差均不超过10%，实际值与模型预测值线性拟合后决定系数R2均大于0.9。结论 构建的BP神经网络学习模型，可以实现水稻抗旱指标适宜性的定量预测，且具有较高的预测准确性与稳定性，可比单一的回归分析更准确地预测水稻抗旱适宜性评价的特征指标；穗重、穗粒数、结实率、产量、生物产量和经济系数可作为水稻农业抗旱能力鉴定的综合指标；参试的30个寒地水稻样本中，农丰3055为强抗旱种质资源。Abstract:Objective A comprehensive indexing system to evaluate drought resistance of rice to be transplanted to maturity in cold regions was established and tested for screening suitable germplasms for the farming.Method Including panicle weight, grains per panicle, seed setting rate, and others, 13 traits were selected as indicators for the principal component and cluster analyses to study the drought resistance of 30 cold-region rice germplasms. Using the indicators from 25 of the specimens as input and the corresponding evaluation criteria as output, a learning model was formulated by the backward propagation (BP) of errors neural network algorithm. The remaining 5 germplasm specimens were reserved for validating the model on prediction accuracy. Subsequently, 3 transformed learning models were generated to compare their predictabilities and verify their suitability and stability for the application.Result The principal component analysis organized the 13 drought resistance indicators into 5 comprehensive indices with a cumulative contribution rate of 83.761%. Based on the results of the evaluation criteria on the 30 specimens, a cluster analysis divided the germplasms into the strongly drought resistant (SDR), drought resistant (DR), intermediately drought resistant (IDR), and drought sensitive (DS) types. Accordingly, Nongfeng 3055 was classified to be the SDR type, 12 germplasms the DR type, 6 germplasms the IDR type, and 11 germplasms DS. The correlation analysis indicated 6 indices, including panicle weight, grains per panicle, seed setting rate, grain yield, biomass, and economic coefficient, closely associated with the drought resistance indicators for the suitability evaluation on rice. Thus, taking these indicators for input and the evaluation criteria for output, BP neural network models were established for the quantitative prediction. The 3 transformed models exhibited high prediction accuracy and stability, along with a relative error between the predicted and actual values below 10%. Furthermore, the linearity coefficients, R2, of the models were all greater than 0.9.Conclusion The BP neural network models could satisfactorily render quantitative prediction with high accuracy and stability on drought resistance of rice for cultivation on locations. Using weight, grains per panicle, seed setting rate, grain yield, biomass, and economic coefficient as the resistance indicators, the models performed superior to the single regression analysis. They determined, among the 30 rice varieties investigated, Nongfeng 3055 to be a highly drought-resistant germplasm most suitable for cultivation in regions of cold climate.
-
澳洲龙纹斑[1]Maccullochella peelii peelii，别名澳洲鳕鲈[2]、虫纹鳕鲈[3]、虫纹麦鳕鲈[4]、墨累河鳕鱼[5]等，中国称澳洲龙纹斑、虫纹石斑，属真鲈科、下麦鳕鲈属[6]的一种著名淡水鱼[7-8]。该鱼为澳大利亚的“国宝鱼”，同宝石鲈、黄金鲈、银鲈等淡水鱼被认作为澳洲鱼种。该鱼肉细、厚实、少刺，且繁殖力较强，既适合于养殖，亦可以作为观赏鱼，有广阔的市场前景，同时营养全面，包括17种氨基酸及EPA与DHA，目前已成为我国淡水养殖的优质鱼类之一[9-11]。
由于澳洲龙纹斑对于养殖条件要求严格，特别是幼鱼时期对养殖水质要求高，疾病控制水平要求严，因此在使用消毒药物的时候应参考相应淡水鱼疾病预防与治疗方法[12-13]，需特别注意。澳洲龙纹斑幼鱼对铜、锌、铅、镉等重金属离子及常用水体消毒药物的敏感性，尚未见系统研究，因此本试验研究多种重金属离子及消毒药物对澳洲龙纹斑幼鱼的毒性，用于指导澳洲龙纹斑的养殖生产。
1. 材料与试剂
1.1 试验动物
试验所用的澳洲龙纹斑幼鱼由邵武市某水产养殖有限公司提供，均为人工繁育的健康鱼种，平均体重为(5.3±0.5) g，体长为5.6~8.8 cm，其试验期间不投料。
1.2 试验药品
硫酸铜(CuSO4·5H2O)、硝酸铅[Pb(NO3)2]、氯化镉(CdCl2)由广东光华化学厂有限公司提供、硫酸锌(ZnSO4·7H2O)由汕头市西陇化工有限公司生产，4种药品均为化学纯级别药品。食盐为高纯度食用盐。消毒剂见表 1。
表 1 试验用渔药种类Table 1. Aquaculture drugs tested名称 有效成分含量/% 生产商 常规使用量/(mg·L-1) 二氧化氯 12 福州联丰生物技术开发有限公司 0.20 聚维酮碘 10 福州联丰生物技术开发有限公司 0.75 甲醛 4.5 福州联丰生物技术开发有限公司 0.03 高锰酸钾 >99 衡阳市凯信化工试剂有限公司 0.50 1.3 试验条件
试验容器为10 L塑料小桶，试验时在每个小桶内装入5 L邵武市某水产公司养殖常用淡水，水质无污染。试验过程中无曝气，无喂料，不换水。试验期间水体温度维持在24~28℃, pH值6.5~7.5，溶氧量保持3 mg·L-1以上, 氨氮含量在0.1 mg·L-1以下。
1.4 试验方法
根据预试验结果设定药物质量浓度梯度。试验组每种药物每个梯度为一组, 每组各3桶作为平行试验，每桶随机放入10尾健康澳洲龙纹斑幼鱼。停止充气，不投饵，以排除饵料的影响, 同时设置对照组, 对照组条件同试验组。每天定时观察，挑出死亡幼鱼，每隔24记录澳洲龙纹斑幼鱼死亡情况。
1.5 数据分析
参考相关数据统计方法文献，选用概率单位法。运用SPSS 17.0版probit模块分析计算得出致死质量浓度(LC100)、半数致死质量浓度(LC50)；安全质量浓度(SC)的计算公式采用Turubell公式计算，SC=(48 h LC50×0.3)/(24 h LC50/48 h LC50)2。
2. 结果与分析
2.1 试验过程中澳洲龙纹斑幼鱼的行为反应
试验过程中，澳洲龙纹斑幼鱼在不同浓度的消毒药物的水体中，表现出不同的行为特征。低浓度氯化镉试验组幼鱼表现出狂躁不安，游于水面，口部张开呼吸，游泳速度缓慢，平衡性明显下降，反应逐渐迟钝，最后出现死亡。在其他试验组中，低浓度药物组试验幼鱼的表现出相似的状态，多沉在水底或者缓慢游动，呼吸均匀，死亡少，但头部两眼之间均有发红。相比于低浓度组，高浓度组的幼鱼出现不同的反应。在较高浓度的硫酸锌、硝酸铅、聚维酮碘、高锰酸钾、食盐试验组中，幼鱼放入水体即表现出狂游，四处乱窜，3~5 h后，游动迟缓，呼吸频率加快，向水面侧游。不到24 h基本死亡，幼鱼头部呈深红色，嘴部张开，鳃部、体色变白，背鳍、胸鳍张立。试验幼鱼在高浓度甲醛试验组中，3~5 h后表现出狂游，撞壁，呼吸加快，头部微红，24 h后部分幼鱼嘴部张开，游于水面，且逐渐出现死亡情况。在二氧化氯组中，同甲醛组，幼鱼出现四处乱窜，撞壁，约30 min后，活动迟缓，对外界刺激迟钝，部分幼鱼出现翻白，静卧在桶底。
2.2 半数致死浓度和安全浓度
2.2.1 硫酸铜对龙纹斑幼鱼半数致死浓度和安全浓度
硫酸铜24、48、72、96 h的半数致死质量浓度(LC50)分别为：1.260、0.865、0.744、0.601 mg·L-1，致死质量浓度(LC100)分别为3.286、3.069、2.349、2.366 mg·L-1，安全质量浓度(SC)为0.122 3 mg·L-1(表 2)。
表 2 不同用量硫酸铜对澳洲龙纹斑幼鱼的急性毒性试验Table 2. Acute toxicity of CuSO4 on juvenile Murray codCuSO4/(mg·L-1) 苗数/尾 累计死亡数/尾 24 h 48 h 72 h 96 h 0.00 10 0 0 0 0 0.30 10 0 1 1 2 0.60 10 1 2 2 4 1.00 10 2 4 7 8 1.50 10 5 8 9 9 1.75 10 8 10 10 10 2.00 10 10 10 10 10 LC50 1.260 0.865 0.744 0.601 LC100 3.286 3.069 2.349 2.366 SC 0.1223 2.2.2 硫酸锌对龙纹斑幼鱼半数致死浓度和安全浓度
硫酸锌24、48、72、96 h的半数致死质量浓度(LC50)分别为：2.554、2.316、2.192、2.106 mg·L-1，致死质量浓度(LC100)分别为12.475、10.402、10.463、8.334 mg·L-1，安全质量浓度(SC)为0.571 3 mg·L-1(表 3)。
表 3 不同用量硫酸锌对澳洲龙纹斑幼鱼的急性毒性Table 3. Acute toxicity of ZnSO4 on juvenile Murray codZnSO4 /(mg·L-1) 苗数/尾 累计死亡数/尾 24 h 48 h 72 h 96 h 0.00 10 0 0 0 0 1.00 10 1 1 1 1 2.00 10 3 4 5 5 3.00 10 7 7 7 7 5.00 10 7 8 8 9 7.00 10 10 10 10 10 LC50 2.554 2.316 2.192 2.106 LC100 12.475 10.402 10.463 8.334 SC 0.5713 2.2.3 氯化镉对龙纹斑幼鱼半数致死浓度和安全浓度
氯化镉24、48、72、96 h的半数致死质量浓度(LC50)分别为：0.096、0.085、0.048、0.039 mg·L-1，致死质量浓度(LC100)分别为0.422、0.335、0.430、0.254 mg·L-1，安全质量浓度(SC)为0.020 mg·L-1(表 4)。
表 4 不同用量氯化镉对澳洲龙纹斑幼鱼的急性毒性Table 4. Acute toxicity of CdCl2 on juvenile Murray codCdCl2/(mg·L-1) 苗数/尾 累计死亡数/尾 24 h 48 h 72 h 96 h 0.00 10 0 0 0 0 0.01 10 0 0 1 1 0.03 10 1 1 3 3 0.08 10 3 3 5 7 0.1 10 4 6 7 9 0.14 10 7 8 10 10 0.2 10 10 10 10 10 LC50 0.096 0.085 0.048 0.039 LC100 0.422 0.335 0.430 0.254 SC 0.0200 2.2.4 硝酸铅对龙纹斑幼鱼半数致死浓度和安全浓度
硝酸铅24、48、72、96 h的半数致死质量浓度(LC50)分别为：6.651、4.082、3.424、2.892 mg·L-1，致死质量浓度(LC100)分别为75.947、58.825、41.353、22.280 mg·L-1，安全质量浓度(SC)为0.4612 mg·L-1(表 5)。
表 5 不同用量硝酸铅对澳洲龙纹斑幼鱼的急性毒性Table 5. Acute toxicity of Pb(NO3)2 on juvenile Murray codPb(NO3)2/(mg·L-1) 苗数/尾 累计死亡数/尾 24 h 48 h 72 h 96 h 0.00 10 0 0 0 0 0.80 10 0 1 1 1 1.40 10 1 2 2 2 2.50 10 2 3 4 4 4.40 10 4 5 6 7 7.80 10 5 7 7 8 13.60 10 6 8 9 10 24.00 10 10 10 10 10 LC50 6.651 4.082 3.424 2.892 LC100 75.947 58.825 41.353 22.280 SC 0.4612 2.2.5 二氧化氯对龙纹斑幼鱼半数致死浓度和安全浓度
12%二氧化氯24、48、72、96 h的半数致死质量浓度(LC50)分别为：23.194、20.816、18.459、18.184 mg·L-1，致死质量浓度(LC100)分别为47.731、52.560、38.589、38.788 mg·L-1，安全质量浓度(SC)为5.030 mg·L-1(表 6)。
表 6 二氧化氯对澳洲龙纹斑幼鱼的急性毒性Table 6. Acute toxicity of ClO2 on juvenile Murray cod12% ClO2/(mg·L-1) 苗数/尾 累计死亡数/尾 24 h 48 h 72 h 96 h 0.00 10 0 0 0 0 11.50 10 0 1 1 1 13.50 10 1 2 2 2 15.50 10 1 2 3 4 18.00 10 2 3 4 4 21.00 10 3 5 6 6 25.00 10 5 6 8 8 30.00 10 9 9 10 10 LC50 23.194 20.816 18.459 18.184 LC100 47.731 52.560 38.589 38.788 SC 5.030 2.2.6 聚维酮碘对龙纹斑幼鱼半数致死浓度和安全浓度
聚维酮碘24、48、72、96 h的半数致死质量浓度(LC50)分别为：3.648、2.8692.215、2.215 mg·L-1，致死质量浓度(LC100)分别为20.467、17.538、14.414、14.414 mg·L-1，安全质量浓度(SC)为0.532 4 mg·L-1(表 7)。
表 7 聚维酮碘对澳洲龙纹斑幼鱼的急性毒性Table 7. Acute toxicity of polyvinylpyrrolidone on juvenile Murray cod聚维酮碘/(mg·L-1) 苗数/尾 累计死亡数/尾 24 h 48 h 72 h 96 h 0 10 0 0 0 0 0.75 10 0 1 1 1 1 10 1 1 2 2 1.55 10 1 2 4 4 2.8 10 3 3 5 5 3.7 10 5 6 7 7 4.9 10 7 9 9 9 LC50 3.648 2.869 2.215 2.215 LC100 20.467 17.538 14.414 14.414 SC 0.5324 2.2.7 高锰酸钾对龙纹斑幼鱼半数致死浓度和安全浓度
高锰酸钾24、48、72、96 h的半数致死体积分数(LC50)分别为：3.482、3.384、3.120、2.812 mg·L-1，致死体积分数(LC100)分别为14.504、13.198、14.680、10.798 mg·L-1，安全体积分数(SC)为0.958 9 mg·L-1(表 8)。
表 8 高锰酸钾酸对澳洲龙纹斑幼鱼的急性毒性Table 8. Acute toxicity of KMnO4 on juvenile Murray cod高锰酸钾/(mL-1·L-1) 苗数/尾 累计死亡数/尾 24 h 48 h 72 h 96 h 0 10 0 0 0 0 1.0 10 1 1 1 1 1.5 10 1 1 2 2 2.4 10 2 2 3 3 3.2 10 3 3 4 4 3.7 10 4 4 4 5 4.2 10 6 6 6 8 4.9 10 8 9 9 10 7.0 10 10 10 10 10 LC50 3.482 3.384 3.120 2.812 LC100 14.504 13.198 14.680 10.798 SC 0.9589 2.2.8 甲醛对龙纹斑幼鱼半数致死浓度和安全浓度
甲醛24、48、72、96 h的半数致死体积分数(LC50)分别为：33.108、29.359、26.027、24.448 mg·L-1，致死体积分数(LC100)分别为511.061、359.298、294.057、215.171 mg·L-1，安全体积分数(SC)为6.960 mg·L-1(表 9)。
表 9 甲醛对澳洲龙纹斑幼鱼的急性毒性Table 9. Acute toxicity of deltamethrin on juvenile Murray cod甲醛/(mL-1·L-1) 苗数/尾 累计死亡数/尾 24 h 48 h 72 h 96 h 0 10 0 0 0 0 5 10 1 1 1 1 10 10 2 2 2 2 20 10 2 2 3 3 40 10 5 6 6 6 80 10 8 8 9 9 120 10 8 9 9 10 140 10 10 10 10 10 LC50 33.108 29.359 26.027 24.448 LC100 511.061 359.298 294.057 215.171 SC 6.960 2.2.9 盐度对龙纹斑幼鱼半数致死浓度和安全浓度
食盐24、48、72、96 h的半数致死质量浓度(LC50)分别为：11.633、8.940、7.607、8.271 mg·L-1，致死质量浓度(LC100)分别为67.507、45.540、25.060、33.497 mg·L-1，安全质量浓度(SC)为1.5840 mg·L-1(表 10)。
表 10 食盐对澳洲龙纹斑幼鱼的急性毒性试验Table 10. Acute toxicity of salt on juvenile Murray codNaCl/(g·L-1) 苗数/尾 累计死亡数/尾 24 h 48 h 72 h 96 h 0 10 0 0 0 0 3 10 1 1 1 1 6 10 1 2 2 2 9 10 4 6 6 6 15 10 5 6 10 7 20 10 7 9 10 10 25 10 10 10 10 10 LC50 11.633 8.940 7.297 8.271 LC100 67.507 45.540 21.218 33.497 SC 1.5840 2.3 急性毒性评价
澳洲龙纹斑幼鱼对9种消毒药物各个时间段的半致死浓度和安全浓度见表 11，试验结果表明9种消毒药物对澳洲龙纹斑的急性毒性的大小顺序为：氯化镉>硫酸铜>硫酸锌>聚维酮碘>高锰酸钾>硝酸铅>食盐>二氧化氯>甲醛。
澳洲龙纹斑幼鱼对甲醛、二氧化氯耐受程度相对其他消毒药物好，对硫酸锌、硝酸铅、聚维酮碘、高锰酸钾、食盐等有较好的耐受力，对氯化镉、硫酸铜的耐受最小，毒性比较强，在其人工养殖要注意尽量避免使用。
表 11 若干药物对澳洲龙纹斑幼鱼的半数致死浓度和安全浓度Table 11. LC50 and SC of disinfectants and metal ions on juvenile Murray cod药品名称 半数致死浓度LC50 安全浓度(SC) 24 h 48 h 72 h 96 h 硫酸铜/(mg·L-1) 1.260 0.865 0.744 0.601 0.122 硫酸锌/(mg·L-1) 2.554 2.316 2.192 2.106 0.571 氯化镉/(mg·L-1) 0.096 0.085 0.048 0.039 0.020 硝酸铅/(mg·L-1) 6.651 4.082 3.424 2.892 0.461 12%二氧化氯/(mg·L-1) 23.194 20.816 18.459 18.184 5.030 10%聚维酮碘/(mg·L-1) 3.648 2.869 2.215 2.215 0.532 >99%高锰酸钾/(mg·L-1) 3.482 3.384 3.120 2.812 0.959 45%甲醛/(mL·L-1) 33.108 29.359 26.027 24.448 6.960 食盐/(g·L-1) 11.633 8.940 7.607 8.271 1.584 3. 讨论
随着水产养殖行业的扩大和发展，水产药物种类繁多，人们使用水产药物越来越广泛，在疾病防治、水质改良等方面起着不可替代的重要作用[14]；养殖用水受到重金属化合物污染，也较为常见。
在20世纪50年代后期，水产养殖行业开始广泛使用硫酸铜, 硫酸铜具有杀虫、杀菌的优点, 同时也能够作为除藻药品, 常与硫酸亚铁以5:2混用。根据我国渔业水质标准规定：在养殖水体中的铜离子的质量浓度要小于0.010 mg·L-1[15]。硫酸铜在养殖中建议用量为0.5 mg·L-1，本试验得出的澳洲龙纹斑幼鱼使用硫酸铜安全质量浓度为0.060 1 mg·L-1，低于建议用量。由于硫酸铜对澳洲龙纹斑幼鱼高毒，建议在澳洲龙纹斑养殖过程中不作为消毒药物使用。
60%硫酸锌可作为水产用杀虫剂，用于灭杀或驱除水产养殖动物的固着类纤毛虫[16]。其作用机理是：硫酸锌在水中生成锌离子与虫体细胞的蛋白质结合成蛋白盐，使其沉淀；另外锌离子容易与虫体细胞酶容易与虫体细胞酶的巯基相结合，巯基为此酶的活性基团，当与锌离子结合后就失去作用。
氯化镉对澳洲龙纹斑毒性较高，有较多报道镉对鱼高毒，养殖过程应注意水体中的镉化合物污染，鱼类经Cd2+暴露后，肝和鳃组织会出现不同程度损伤[16]。
硝酸铅与氯化镉一样，不是水产消毒药物，在4种重金属化合物中其对鱼类的毒性相对较低。但养殖水体也存在铅污染的风险，铅对鱼体除了急性毒性外，还存在蓄积毒性，在澳洲龙纹斑养殖过程中也要注意。
水产养殖中，二氧化氯的使用方便、安全、有效，作为第四代水体消毒剂，具有较强的杀菌作用。其活化后的二氧化氯在氢离子的作用下产生具有强氧化作用的新生态氧，能迅速附着在微生物的细胞表面，渗入微生物的细胞膜，与微生物蛋白质中的氨基酸产生氧化分解反应，从而使氨基酸断裂，蛋白质失活而达到杀灭微生物的目的[18]。本试验显示12%二氧化氯的常规使用量明显低于安全浓度，在澳洲龙纹斑养殖过程，可用于鱼苗投放前和养殖过程中的水体消毒。二氧化氯除作为水体消毒剂，还广泛运用于生产生活当中，可作为除臭剂、空气清新净化剂等。
聚维酮碘能够氧化或碘化病原体的巯基化合物、肽、脂质、酶等，杀灭病原体[19]，对细菌、病毒、真菌、霉菌及孢子都有较强的杀灭作用。具有稳定性高、无刺激、完全水溶、毒性小、杀菌效果持久，染色易清洗的优点，同时不受水质肥瘦、酸碱度、硬度等环境因素的影响。10%聚维酮碘溶液推荐用量0.45~0.75 mL·m-3，与试验中的安全浓度接近。在澳洲龙纹斑使用过程中，由于存在咬尾、蹭伤等情况，鱼体伤口处常出现白色毛状菌丝，使用聚维酮碘与乙酰甲喹配合使用，能够有效杀灭细菌，也有收敛作用，促进伤口愈合结痂。其用量为0.5 mL·m-3，全池泼洒，视治疗效果确定使用天数，一般2~3 d即可达到治疗效果。另外，孔祥迪等观察聚维酮碘对棕点石斑鱼对棕点石斑鱼(♀)×鞍带石斑鱼(♂)受精卵孵化的影响的研究发现，聚维酮碘处理组中25、50、75 mg·L-1各处理与对照组无差异，100 mg·L-1处理出现显著差异[20]。
高锰酸钾是一种常用的强氧化消毒杀菌药物，为暗紫色结晶，具有金属光泽，在pH较低的环境中会缓慢分解成二氧化锰和氧。光对这种分解有催化作用，故要现配现用，避光保存。高锰酸钾对细菌、真菌及体外寄生虫和病毒等均有杀灭作用。由于高锰酸钾具有强氧化性，可造成组织的氧化损伤，KMnO4还原生成的二氧化锰与蛋白质结合形成的蛋白盐复合物具有刺激甚至腐蚀作用[21]，故在使用过程中要注意。高锰酸钾在淡水鱼类养殖中被广泛使用，主要作为水质处理剂，对池塘、水泥池等进行清池消毒杀菌。在澳洲龙纹斑的养殖过程中，将配好的高锰酸钾溶解完全，再泼到池壁、池底，其用量为3~5 g·m-3。
甲醛在淡水养殖过程中，泼洒其稀释液，通过烷基化反应使菌体蛋白变性，酶和核酸等的功能发生改变，从而达到杀菌作用。在澳洲龙纹斑养殖过程中，常用35~40 mg·L-1的甲醛来改善水质、杀菌、杀车轮虫、斜管虫等固着类纤毛虫，使用24 h，隔天需大量换水，保证安全。
食盐在水产养殖过程中，常作为消毒剂和杀菌剂、杀虫剂。其作用机理是：通过药浴法改变病原体或其附着生物的渗透压，是细胞内液体发生平衡失调而死亡或从鱼体脱落。主要用于防治细菌、真菌或寄生虫等疾病。生产上常用3%至4%的食盐水溶液浸洗鱼种15 min，进行消毒。
-
![]()
图 1 30个参试材料抗旱能力的系统聚类分析
Figure 1. System clustering on draught resistance of 30 specimens
![]()
图 3 水稻抗旱指标适宜性模型稳定性验证
Figure 3. Verified stability of model on evaluating drought resistance indicators of rice suitable for cultivation
表 1 参试材料名称及来源
Table 1 Names and origins of specimens
代号
Code名称
Name代号
Code名称
NameH01 农丰8号 Nongfeng 8hao H16 农丰3027 Nongfeng3027 H02 农丰1704 Nongfeng1704 H17 农丰3035 Nongfeng3035 H03 农丰1705 Nongfeng1705 H18 农丰3056 Nongfeng3056 H04 农丰3085 Nongfeng3085 H19 农丰3062 Nongfeng3062 H05 农丰3068 Nongfeng3068 H20 农丰3081 Nongfeng3081 H06 农丰3055 Nongfeng3055 H21 农丰3084 Nongfeng3084 H07 稻坚强 Dao Jiangqiang H22 农丰3156 Nongfeng3156 H08 DPB120 H23 农丰3161 Nongfeng3161 H09 DPB70 H24 农丰3162 Nongfeng3162 H10 DPB15 H25 农丰3163 Nongfeng3163 H11 绥粳21 Suijing 21 H26 农丰3169 Nongfeng3169 H12 农丰3007 Nongfeng3007 H27 农丰3186 Nongfeng3186 H13 农丰3021 Nongfeng3021 H28 农丰3210 Nongfeng3210 H14 农丰3022 Nongfeng3022 H29 农丰3221 Nongfeng3221 H15 农丰3023 Nongfeng3023 H30 农丰3226 Nongfeng3226 
下载: 导出CSV
表 2 参试材料抗旱系数的描述性分析
Table 2 Descriptive analysis on drought resistant coefficients of specimens
指标
Index平均值
Average标准差
SD变异系数
CV/%分布区间
RangeNP 0.846 0.098 11.54 0.620～0.992 GP 0.814 0.096 11.78 0.669～0.997 SSR/% 0.733 0.133 11.25 0.401～0.931 KGW/g 0.894 0.050 5.54 0.714～0.970 Y/（kg·hm−2） 0.475 0.118 24.83 0.214～0.868 Bio/g 0.648 0.063 9.74 0.527～0.748 PW/g 0.607 0.104 17.10 0.375～0.818 TE/m 0.817 0.037 4.56 0.746～0.886 MNT/个 0.806 0.109 13.52 0.625～1.000 LAH/cm2 0.741 0.102 13.76 0.562～0.990 LWH/g 0.758 0.107 14.06 0.565～0.990 MWH/g 0.585 0.072 12.32 0.452～0.744 EC 0.786 0.091 11.61 0.543～0.994 注：NP：每平方米穗数；GP：穗粒数；SSR：结实率；KGW：千粒重；Y：产量；Bio：每穴生物产量；PW：穗重；TE：拔节期株高；MNT：每穗最高分蘖数；LAH：齐穗期叶面积；LWH：齐穗期叶重；MWH：齐穗期每穴干物重；EC：经济系数。（ 表3-4及图2同 ）
Note: NP: Number of panicles; GP: Grains per panicle; SSR: Seed setting rate; KGW: 1000-grain weight; Y: Yield; Bio: Biomass; PW: Panicle weight; TE: Tiller number at elongation stage; MNT: Maximum number of tillers; LAH: Leaf area at full heading stage; LWH: Leaf weight at full heading stage; MWH: Dry matter weight at full heading stage; EC: Economic coefficient. Same for Table 3-Table 4, Fig. 2.
下载: 导出CSV
表 3 参试材料13个性状抗旱系数的相关分析
Table 3 Correlation among 13 drought resistance indicators on specimens
指标 Index D PW NP GP SSR KGW/g Y Bio EC TE MNT MWH LWH LAH D 1 PW 0.88** 1 NP −0.17 −0.43* 1 GP 0.68** 0.57** −0.38* 1 SSR 0.79** 0.74** −0.13 0.25 1 KGW −0.08 −0.07 0.01 −0.52** 0.19 1 Y 0.77** 0.48** 0.3 0.36* 0.78** 0.17 1 Bio 0.51** 0.32 0.49** 0.11 0.25 0.03 0.49** 1 EC 0.66** 0.69** 0.07 0.26 0.74** −0.07 0.64** 0.18 1 TE 0.3 0.3 −0.45* 0.43* 0.05 −0.13 −0.02 −0.04 −0.05 1 MNT −0.16 −0.42* 0.35 −0.04 −0.3 −0.11 0.01 0.2 −0.32 −0.33 1 MWH −0.22 −0.12 −0.35 −0.04 −0.40* −0.12 −0.51** −0.25 −0.26 0.16 0.14 1 LWH 0 −0.09 −0.09 0.16 −0.37* −0.22 −0.29 0.06 −0.28 0.07 0.32 0.51** 1 LAH −0.12 −0.17 −0.22 0.16 −0.47** −0.22 −0.42* −0.02 −0.48** 0.08 0.38* 0.69** 0.73** 1 注：*和**分别表示在5%和1%水平差异显著；NS：不显著。
Note: * and ** indicate significant differences at 5% and 1% level, respectively; NS: No significant difference.
下载: 导出CSV
表 4 前5个主成分特征向量、主成分特征值、贡献率及累计贡献率
Table 4 Power vector (PV), eigenvalues (E), contribution rate (CR), and cumulative contribution rate (CCR) of top 5 principal components
指标
Index结实率因子
SSRV PV1穗数因子
NPV PV2生物量因子
BioV PV3千粒重因子
KGWV PV4株高因子
TV PV5PW 0.346 0.360 0.066 0.197 −0.077 NP 0.030 −0.466 0.340 −0.153 0.065 GP 0.145 0.442 0.259 −0.311 0.071 SSR 0.432 0.082 0.014 0.242 −0.148 KGW 0.067 −0.248 −0.260 0.700 0.250 Y 0.400 −0.060 0.281 0.107 0.066 Bio 0.169 −0.102 0.495 0.199 0.405 EC 0.393 0.077 0.067 0.030 −0.461 TE 0.032 0.393 −0.126 −0.081 0.664 MNT −0.197 −0.172 0.460 0.009 −0.084 MWH −0.307 0.269 0.005 0.334 −0.256 LWH −0.271 0.222 0.338 0.245 −0.071 LAH −0.342 0.251 0.274 0.248 −0.036 E 4.213 2.726 1.953 1.112 0.885 CR/% 32.404 20.972 15.024 8.553 6.808 CCR/% 32.404 53.376 68.400 76.953 83.760
下载: 导出CSV
表 5 30个参试材料的D值及抗旱性排序
Table 5 D values and drought resistance ranking on 30 specimens
代号
CodeD 排位
Rank代号
CodeD 排位
RankH01 0.4792 21 H16 0.6120 08 H02 0.4677 22 H17 0.6138 07 H03 0.5363 15 H18 0.6082 09 H04 0.6319 05 H19 0.5992 10 H05 0.6320 04 H20 0.5365 14 H06 0.7677 01 H21 0.5989 11 H07 0.1867 30 H22 0.3345 28 H08 0.6846 02 H23 0.6603 03 H09 0.4248 24 H24 0.4800 20 H10 0.2106 29 H25 0.5774 13 H11 0.3759 27 H26 0.5847 12 H12 0.4957 19 H27 0.5324 16 H13 0.5080 18 H28 0.5312 17 H14 0.4422 23 H29 0.3837 26 H15 0.3942 25 H30 0.6280 06
下载: 导出CSV
表 6 基于BP神经网络算法的水稻抗旱指标适宜性预测结果
Table 6 Prediction by BP neural network algorithm on drought resistance indicators of rice for cultivation suitability
学习模型
Learning
model验证样本
Validation
sample实际得分
Actual
score预测得分
Predicted
score相对误差
Relative
error /%1 农丰3035 Nongfeng3035 0.6138 0.6142 0.07 农丰3163 Nongfeng3163 0.5774 0.5799 0.43 农丰3007 Nongfeng3007 0.4957 0.5421 9.36 DPB120 0.6846 0.6520 −4.76 农丰3226 Nongfeng3226 0.6280 0.6068 −3.38 2 农丰3021 Nongfeng3021 0.5080 0.5547 9.19 农丰3186 Nongfeng3186 0.5324 0.5436 2.10 农丰3023 Nongfeng3023 0.3942 0.3817 −3.17 农丰1705 Nongfeng1705 0.5363 0.5347 −0.30 DPB70 0.4248 0.4478 5.41 3 农丰3062 Nongfeng3062 0.5992 0.6063 1.18 农丰1704 Nongfeng1704 0.4677 0.4863 3.98 农丰3210 Nongfeng3210 0.5312 0.5164 −2.79 农丰3055 Nongfeng3055 0.7677 0.6967 −9.25 农丰3023 Nongfeng3023 0.3942 0.3799 −3.63
下载: 导出CSV
-
[1] 李艳, 马均, 王贺正, 等. 水稻品种苗期抗旱性鉴定指标筛选及其综合评价 [J]. 西南农业学报, 2005, 18(3):250−255. DOI: 10.3969/j.issn.1001-4829.2005.03.005 LI Y, MA J, WANG H Z, et al. Studies on screening of the drought resistance assessment indexes and comprehensive evaluation of rice varieties during seedling stage [J]. Southwest China Journal of Agricultural Sciences, 2005, 18(3): 250−255.(in Chinese) DOI: 10.3969/j.issn.1001-4829.2005.03.005
[2] 高焕晔, 王三根, 宗学凤, 等. 灌浆结实期高温干旱复合胁迫对稻米直链淀粉及蛋白质含量的影响 [J]. 中国生态农业学报, 2012, 20(1):40−47. DOI: 10.3724/SP.J.1011.2012.00040 GAO H Y, WANG S G, ZONG X F, et al. Effects of combined high temperature and drought stress on amylose and protein contents at rice grain-filling stage [J]. Chinese Journal of Eco-Agriculture, 2012, 20(1): 40−47.(in Chinese) DOI: 10.3724/SP.J.1011.2012.00040
[3] 王成瑷, 赵磊, 王伯伦, 等. 干旱胁迫对水稻生育性状与生理指标的影响 [J]. 农学学报, 2014, 4(1):4−14. DOI: 10.3969/j.issn.1007-7774.2014.01.002 WANG C A, ZHAO L, WANG B L, et al. Effect of water stress of soil on growing characteristics and physiological index of rice (Oryza sativa) [J]. Journal of Agriculture, 2014, 4(1): 4−14.(in Chinese) DOI: 10.3969/j.issn.1007-7774.2014.01.002
[4] 董蕾, 李吉跃. 植物干旱胁迫下水分代谢、碳饥饿与死亡机理 [J]. 生态学报, 2013, 33(18):5477−5483. DOI: 10.5846/stxb201304270839 DONG L, LI J Y. Relationship among drought, hydraulic metabolic, carbon starvation and vegetation mortality [J]. Acta Ecologica Sinica, 2013, 33(18): 5477−5483.(in Chinese) DOI: 10.5846/stxb201304270839
[5] 杨瑰丽, 杨美娜, 李帅良, 等. 水稻萌芽期抗旱指标筛选与抗旱性综合评价 [J]. 华南农业大学学报, 2015, 36(2):1−5. YANG G L, YANG M N, LI S L, et al. Screening and comprehensive evaluation of drought resistance indices of rice at germination stage [J]. Journal of South China Agricultural University, 2015, 36(2): 1−5.(in Chinese)
[6] GOSWAMI A, BANERJEE R, RAHA S. Drought resistance in rice seedlings conferred by seed priming [J]. Protoplasma, 2013, 250(5): 1115−1129. DOI: 10.1007/s00709-013-0487-x
[7] 周少川, 李宏, 卢德城, 等. 水稻抗旱育种材料的筛选与研究 [J]. 分子植物育种, 2010, 8(6):1202−1207. DOI: 10.3969/mpb.008.001202 ZHOU S C, LI H, LU D C, et al. The exploration and screening of rice breeding materials resistant to drought [J]. Molecular Plant Breeding, 2010, 8(6): 1202−1207.(in Chinese) DOI: 10.3969/mpb.008.001202
[8] 张鸿, 朱从桦, 谭杰, 等. 杂交籼稻新组合抗旱性鉴定评价及预测研究 [J]. 干旱地区农业研究, 2018, 36(2):161−169. DOI: 10.7606/j.issn.1000-7601.2018.02.24 ZHANG H, ZHU C H, TAN J, et al. Study of identification, evaluation and prediction on the drought resistance of new indicia hybrid rice combinations [J]. Agricultural Research in the Arid Areas, 2018, 36(2): 161−169.(in Chinese) DOI: 10.7606/j.issn.1000-7601.2018.02.24
[9] 敬礼恒, 陈光辉, 刘利成, 等. 水稻种子萌发期的抗旱性鉴定指标研究 [J]. 杂交水稻, 2014, 29(3):65−69. JING L H, CHEN G H, LIU L C, et al. Studies on identification indices of drought resistance of rice in seed germination [J]. Hybrid Rice, 2014, 29(3): 65−69.(in Chinese)
[10] 钟娟, 傅志强. 不同晚稻品种抗旱性相关指标研究 [J]. 作物研究, 2015, 29(6):575−580, 602. DOI: 10.3969/j.issn.1001-5280.2015.06.01 ZHONG J, FU Z Q. Drought resistance indexes of different late rice varieties [J]. Crop Research, 2015, 29(6): 575−580, 602.(in Chinese) DOI: 10.3969/j.issn.1001-5280.2015.06.01
[11] 张军, 崔潇, 赵章囡, 等. 7份喀麦隆水稻种质资源萌发期抗旱性综合鉴定 [J]. 陕西农业科学, 2019, 65(4):32−34. DOI: 10.3969/j.issn.0488-5368.2019.04.012 ZHANG J, CUI X, ZHAO Z A, et al. Comprehensive Identification of Drought Resistance in Seven Cameroon Rice Germplasm Resources at Stage of Germination [J]. Shaanxi Journal of Agricultural Sciences, 2019, 65(4): 32−34.(in Chinese) DOI: 10.3969/j.issn.0488-5368.2019.04.012
[12] 王贺正, 李艳, 马均, 等. 水稻苗期抗旱性指标的筛选 [J]. 作物学报, 2007, 33(9):1523−1529. DOI: 10.3321/j.issn:0496-3490.2007.09.020 WANG H Z, LI Y, MA J, et al. Screening indexes of drought resistance during seedling stage in rice [J]. Acta Agronomica Sinica, 2007, 33(9): 1523−1529.(in Chinese) DOI: 10.3321/j.issn:0496-3490.2007.09.020
[13] 刘云开, 方宝华, 庞冰, 等. 水稻品种节水抗旱适应性筛选研究 [J]. 湖南农业科学, 2009(5):24−26, 30. DOI: 10.3969/j.issn.1006-060X.2009.05.009 LIU Y K, FANG B H, PANG B, et al. Screening of rice varieties for adaptability to water saving and drought resistance [J]. Hunan Agricultural Sciences, 2009(5): 24−26, 30.(in Chinese) DOI: 10.3969/j.issn.1006-060X.2009.05.009
[14] 刘三雄, 黎用朝, 吴俊, 等. 应用隶属函数法综合评价水稻主栽品种抗旱性的研究 [J]. 杂交水稻, 2015, 30(1):74−78. LIU S X, LI Y C, WU J, et al. Evaluation of drought tolerance of widely-used rice varieties with subordinate function [J]. Hybrid Rice, 2015, 30(1): 74−78.(in Chinese)
[15] 徐建欣, 杨洁, 胡祥伟, 等. 云南陆稻芽期抗旱性鉴定指标筛选及其综合评价 [J]. 西南农业学报, 2015, 28(4):1455−1464. XU J X, YANG J, HU X W, et al. Screening of drought resistance identification indexes and comprehensive evaluation of Yunnan upland rice varieties during germinating stage [J]. Southwest China Journal of Agricultural Sciences, 2015, 28(4): 1455−1464.(in Chinese)
[16] ZHANG F T, CUI F L, ZHANG L X, et al. Development and identification of a introgression line with strong drought resistance at seedling stage derived from Oryza sativa L. mating with Oryza rufi pogon Griff [J]. Euphytica, 2014, 200(1): 1−7. DOI: 10.1007/s10681-014-1121-5
[17] 王英, 张浩, 马军韬, 等. 水稻抗旱研究进展与展望 [J]. 热带作物学报, 2018, 39(5):1038−1043. DOI: 10.3969/j.issn.1000-2561.2018.05.031 WANG Y, ZHANG H, MA J T, et al. Advances in drought tolerance of rice [J]. Chinese Journal of Tropical Crops, 2018, 39(5): 1038−1043.(in Chinese) DOI: 10.3969/j.issn.1000-2561.2018.05.031
[18] 张灿军, 姚宇卿, 王育红, 等. 旱稻抗旱性鉴定方法与指标研究——Ⅰ鉴定方法与评价指标 [J]. 干旱地区农业研究, 2005, 23(3):33−36. DOI: 10.3321/j.issn:1000-7601.2005.03.007 ZHANG C J, YAO Y Q, WANG Y H, et al. Study on resistance drought identify method and evaluation index of dry-land rice——Ⅰ Identify method and evaluation index [J]. Agricultural Research in the Arid Areas, 2005, 23(3): 33−36.(in Chinese) DOI: 10.3321/j.issn:1000-7601.2005.03.007
[19] 张安宁, 王飞名, 余新桥, 等. 基于土壤水分梯度鉴定法的栽培稻抗旱标识品种筛选 [J]. 作物学报, 2008, 34(11):2026−2032. ZHANG A N, WANG F M, YU X Q, et al. Screening marker varieties with drought resistance in cultivated rice (Oryza sativa L.)/ using identification method with soil moisture gradient [J]. Acta Agronomica Sinica, 2008, 34(11): 2026−2032.(in Chinese)
[20] LEE H, CHA J, CHOI C, et al. Rice WRKY11 plays a role in pathogen defense and drought tolerance [J]. Rice, 2018, 11(1): 1−12. DOI: 10.1186/s12284-017-0196-8
[21] 王贺正, 马均, 李旭毅. 水稻开花期抗旱性鉴定指标的筛选 [J]. 作物学报, 2005, 31(11):1485−1489. DOI: 10.3321/j.issn:0496-3490.2005.11.016 WANG H Z, MA J, LI X Y. Screening Identification Indexes of Drought Resistance at Flowering Stage in Rice [J]. Acta Agronomica Sinica, 2005, 31(11): 1485−1489.(in Chinese) DOI: 10.3321/j.issn:0496-3490.2005.11.016
[22] 胡标林, 余守武, 万勇, 等. 东乡普通野生稻全生育期抗旱性鉴定 [J]. 作物学报, 2007, 33(3):425−432. DOI: 10.3321/j.issn:0496-3490.2007.03.012 HU B L, YU S W, WAN Y, et al. Drought-resistance identification of Dongxiang common wild rice (Oryza rufipogon griff.)/ in whole growth period [J]. Acta Agronomica Sinica, 2007, 33(3): 425−432.(in Chinese) DOI: 10.3321/j.issn:0496-3490.2007.03.012
[23] 周国雁, 伍少云, 隆文杰, 等. 云南省不同小麦资源种子萌发期抗旱性相关性状差异及与抗旱指数、抗旱系数的相关性 [J]. 华南农业大学学报, 2015, 36(2):13−18. DOI: 10.7671/j.issn.1001-411X.2015.02.003 ZHOU G Y, WU S Y, LONG W J, et al. Drought resistant characters during germination of different wheat germplasm in Yunnan Province and their correlations with the index and coefficient of drought resistance [J]. Journal of South China Agricultural University, 2015, 36(2): 13−18.(in Chinese) DOI: 10.7671/j.issn.1001-411X.2015.02.003
[24] 栗雨勤, 张文英, 王有增, 等. 作物抗旱性鉴定指标研究及进展 [J]. 河北农业科学, 2004, 8(1):58−61. DOI: 10.3969/j.issn.1088-1631.2004.01.015 LI Y Q, ZHANG W Y, WANG Y Z, et al. Advances of studies on crop drought resistance identification [J]. Journal of Hebei Agricultural Sciences, 2004, 8(1): 58−61.(in Chinese) DOI: 10.3969/j.issn.1088-1631.2004.01.015
[25] 王英. 利用回交导入系筛选水稻高产、抗旱和耐盐株系及选择导入系相关性状的QTL定位[D]. 北京: 中国农业科学院, 2013. WANG Y. Screening of High Yield, Drought and Salt Tolerant Plants from Backcross Introgression Lines and QTL Detectionfor Related Tranits in Rice[D]. Beijing: Chinese Academy of Agricultural Sciences, 2013. (in Chinese)
[26] 田又升, 谢宗铭, 王志军, 等. 水稻种子芽期抗旱性与产量抗旱系数关系分析 [J]. 作物杂志, 2014(5):148−153. TIAN Y S, XIE Z M, WANG Z J, et al. Relationship between the drought resistance of rice shoots and drought resistance coefficient of yield [J]. Crops, 2014(5): 148−153.(in Chinese)
[27] 安永平, 强爱玲, 张媛媛, 等. 渗透胁迫下水稻种子萌发特性及抗旱性鉴定指标研究 [J]. 植物遗传资源学报, 2006, 7(4):421−426. DOI: 10.3969/j.issn.1672-1810.2006.04.009 AN Y P, QIANG A L, ZHANG Y Y, et al. Study on characteristics of germination and drought-resistance index by osmotic stress in rice [J]. Journal of Plant Genetic Resources, 2006, 7(4): 421−426.(in Chinese) DOI: 10.3969/j.issn.1672-1810.2006.04.009
[28] 王贺正, 马均, 李旭毅, 等. 水稻种质芽期抗旱性和抗旱性鉴定指标的筛选研究 [J]. 西南农业学报, 2004, 17(5):594−599. DOI: 10.3969/j.issn.1001-4829.2004.05.011 WANG H Z, MA J, LI X Y, et al. Study on drought resistance and screening of the drought resistance assessment indexes at germinating stage of rice [J]. Southwest China Journal of Agricultural Sciences, 2004, 17(5): 594−599.(in Chinese) DOI: 10.3969/j.issn.1001-4829.2004.05.011
[29] 王贺正. 水稻抗旱性研究及其鉴定指标的筛选[D]. 雅安: 四川农业大学, 2007. WANG H Z. Study on Drought Resistance and Screening Identification Indexes of Drought Resistance in Rice[D]. Yaan: Sichuan Agricultural University, 2007. (in Chinese)
[30] 左付山, 李政原, 吕晓, 等. 基于BP神经网络的汽油机尾气排放预测 [J]. 江苏大学学报(自然科学版), 2020, 41(3):307−313. ZUO F S, LI Z Y, LYU X, et al. Prediction of gasoline engine exhaust emission based on BP neural network [J]. Journal of Jiangsu University (Natural Science Edition), 2020, 41(3): 307−313.(in Chinese)
[31] 梁春华. 人工神经网络在数据挖掘中的应用研究 [J]. 无线互联科技, 2019(22):17−18. DOI: 10.3969/j.issn.1672-6944.2019.22.009 LIANG C H. Research on the application of artificial neural network in data mining [J]. Wireless Internet Technology, 2019(22): 17−18.(in Chinese) DOI: 10.3969/j.issn.1672-6944.2019.22.009
计量
- 文章访问数: 1260
- HTML全文浏览量: 450
- PDF下载量: 58
