基于投影尋蹤算法的抗寒、抗旱觀賞草種質(zhì)資源的篩選

隨夢飛, 吳建芳, 劉 戀, 許志敏, 丁國昌

(福建農(nóng)林大學園林學院，福建 福州 350002)

低溫是限制植物生長、發(fā)育、產(chǎn)量及地理分布的主要環(huán)境因子之一,也是作物生長發(fā)育中經(jīng)常遇到的一種自然災害[1].干旱是影響作物生長的三大非生物脅迫因素之一，每年全球因干旱造成的作物減產(chǎn)，超過其他不利環(huán)境因素造成減產(chǎn)的總和[2].觀賞草是我國園林界新興的景觀植物，因其自然樸實、觀賞價值高且耐旱、耐貧瘠、抗病蟲害、養(yǎng)護水平低等優(yōu)點而倍受推崇[3].

種子萌發(fā)是種子植物生活史中的關(guān)鍵階段,這一階段發(fā)育得好壞不僅影響其本身的播種品質(zhì)，也可能影響到種子下一代的正常生長發(fā)育[4].在多個物種中均發(fā)現(xiàn)萌發(fā)的種子對低溫最為敏感[5].至今，針對作物萌發(fā)期的抗旱性研究已有較多報道，研究結(jié)果表明發(fā)芽率、發(fā)芽勢、發(fā)芽指數(shù)、活力指數(shù)和根長等與抗旱性密切相關(guān)[6-7].目前對于植物萌芽期抗逆性的分析評價主要采用隸屬函數(shù)分析法[8-9].投影尋蹤技術(shù)于1974年由Friedman et al[10]首先提出,這種統(tǒng)計方法的優(yōu)點是具有很高的精度和準確性，并能克服高維點稀疏造成的“維數(shù)禍根”，以及自動排除無關(guān)因子的干擾，排除單項異常判別帶來的人為干擾問題，可揭示其他傳統(tǒng)方法難以發(fā)現(xiàn)的高維數(shù)據(jù)的內(nèi)在特征、規(guī)律和結(jié)構(gòu)[11]，而目前運用投影尋蹤模型進行觀賞草種質(zhì)資源抗逆性選優(yōu)尚未見報道.

本研究運用投影尋蹤模型進行觀賞草的抗寒、抗旱種質(zhì)資源的篩選，為我國西北地區(qū)觀賞草的生產(chǎn)栽培提供參考.

1 材料與方法

1.1 供試材料

供試種子：紫穗狼尾草(Pennisetumalopecuroidea)、白穗狼尾草(Pennisetumorientale‘White’)、紫葉狼尾草(Pennisetumsetaceum‘Rubrum’)、柳枝稷(Panicumvirgatum)、長穗柳枝稷(Panicumvirgatumvar.)，均購自江蘇省泗陽縣新泰種子經(jīng)營部；小兔子狼尾草(Pennisetumalopecuriodes‘Little Bunny’)、藍濱麥(Elymusmagellanicus)、金邊大米草(Spartinaanglica‘Aureomarginata’)、斑葉芒(Miscanthussinensis‘Zebrinus’)、玲瓏芒(Miscanthussinensis‘Ferner Osten’)、紫穗芒(Miscanthussinensisvar.)、常綠芒(Miscanthustransmorrisonensis)、虎尾芒(Miscanthussinensis‘Strictus’)，均購自江蘇省泗陽縣劉集鄉(xiāng)田蜀苗木場.

1.2 試驗設(shè)計

將種子于-20 ℃環(huán)境下存放7 d，進行寒冷脅迫，對照組為不經(jīng)處理的萌發(fā)組；干旱脅迫參考段敏敏等[12]的方法，分別在質(zhì)量分數(shù)為0(CK)、5%、10%、15%、20%、25%的PEG-6000溶液進行萌發(fā).

挑選飽滿且大小一致的種子，用75%(體積分數(shù))的酒精消毒1～2 min，并用蒸餾水沖洗干凈，采用直徑9 cm的培養(yǎng)皿水培;每個培養(yǎng)皿內(nèi)鋪2層充分濕潤的濾紙，放入50粒種子，在智能光照培養(yǎng)箱中萌發(fā).每處理重復3次.設(shè)定光照強度4 000 lx，光照時間14 h，黑暗時間10 h，濕度75%，溫度25 ℃.每天在特定時間記錄發(fā)芽種子的數(shù)量，連續(xù)3 d不再萌發(fā)視為萌發(fā)結(jié)束.

1.3 測定方法

發(fā)芽率、發(fā)芽指數(shù)和活力指數(shù)的測定參照王文娟等[13]的方法.苗長在萌發(fā)結(jié)束后直接用直尺測定.

相對發(fā)芽率=(處理組發(fā)芽率/對照組發(fā)芽率)×100%,相對發(fā)芽指數(shù)=(處理組發(fā)芽指數(shù)/對照組發(fā)芽指數(shù))×100%,相對活力指數(shù)=(處理組活力指數(shù)/對照組活力指數(shù))×100%.

1.4 數(shù)據(jù)分析

建立基于實數(shù)編碼的加速遺傳算法(PAGA)[14-15]的投影尋蹤模型[16-17]，運用MATLAB R2018b進行算法編寫，排序選優(yōu).用Excel 2016、SPSS 24.0進行數(shù)據(jù)統(tǒng)計、分析、作圖.

2 結(jié)果與分析

2.1 基于投影尋蹤算法的13種觀賞草的抗寒性評價

由表1可知，經(jīng)過-20 ℃低溫處理后，藍濱麥、紫穗狼尾草和長穗柳枝稷的相對發(fā)芽率較高，且藍濱麥的相對發(fā)芽率、相對發(fā)芽指數(shù)和相對活力指數(shù)均高于對照組，紫穗狼尾草、紫葉狼尾草、長穗柳枝稷、柳枝稷的相對發(fā)芽率較高，但相對活力指數(shù)較低；金邊大米草相對發(fā)芽率較低，相對活力指數(shù)較高；而虎尾芒、常綠芒的抗寒性整體表現(xiàn)一般.

表1 低溫脅迫下13種觀賞草的各項指標1)

選取低溫脅迫下各處理的相對發(fā)芽率、相對發(fā)芽指數(shù)和相對活力指數(shù)進行歸一化處理，采用MATLAB R2018b軟件編程處理數(shù)據(jù)，得到各試驗樣本的函數(shù)投影值，即z﹡(i)=(0.387 5，0.284 9，0.387 4，0.018 6，0.027 3，1.531 3，0.665 2，1.015 2，0.384 2，0.692 9，0.251 9，0.439 7，0.387 3).13種觀賞草種子萌發(fā)期的抗寒性表現(xiàn)為藍濱麥>白穗狼尾草>小兔子狼尾草>金邊大米草>柳枝稷>斑葉芒>紫穗芒>長穗柳枝稷>紫穗狼尾草>斑葉芒>紫葉狼尾草>常綠芒>虎尾芒.

2.2 基于投影尋蹤算法的13種觀賞草的抗旱性評價

2.2.1 干旱脅迫下13種觀賞草的相對發(fā)芽率 由表2可知，相同含量的PEG-6000溶液處理下，各材料之間的相對發(fā)芽率存在顯著差異，且隨著含量的提升，13種觀賞草的相對發(fā)芽率均呈下降趨勢.含量為5%～10%時，藍濱麥表現(xiàn)出較高的相對發(fā)芽率，發(fā)芽率比對照組高；含量為5%時，柳枝稷的相對發(fā)芽率最低(81.21%)；含量為10%時，虎尾芒的相對發(fā)芽率最低(50.00%)；含量為15%時，紫穗狼尾草的相對發(fā)芽率最高(95.14%)，斑葉芒的相對發(fā)芽率最低(25.53%)；含量為20%時，紫穗狼尾草的發(fā)芽率最高(75.55%)，斑葉芒的相對發(fā)芽率最低(14.18%)；含量為25%時，紫葉狼尾草的相對發(fā)芽率最高(31.94%)，而此時藍濱麥的相對發(fā)芽率則為0.比較5個PEG-6000處理含量下的13種觀賞草的相對發(fā)芽率，結(jié)果表明抗旱性表現(xiàn)較好的為藍濱麥、紫葉狼尾草和紫穗狼尾草，較差的是斑葉芒和虎尾芒.

表2 干旱脅迫下13種觀賞草的相對發(fā)芽率1)

2.2.2 干旱脅迫下13種觀賞草的相對發(fā)芽指數(shù) 由表3可知，13種觀賞草的發(fā)芽指數(shù)均隨著PEG-6000溶液含量的升高而降低，不同觀賞草材料在同一脅迫含量下相對發(fā)芽指數(shù)存在差異(P<0.05).含量為5%～10%時，藍濱麥相對發(fā)芽指數(shù)較高，比對照組高；含量為5%時，長穗柳枝稷的相對發(fā)芽指數(shù)最低(84.08%)；含量為10%時，虎尾芒的相對發(fā)芽指數(shù)最低(45.60%)；含量為15%時，紫穗狼尾草的相對發(fā)芽指數(shù)最高(77.80%)，斑葉芒的相對發(fā)芽指數(shù)最低(20.92%)；含量為20%時，紫穗狼尾草的發(fā)芽指數(shù)最高(48.86%)，斑葉芒的相對發(fā)芽指數(shù)最低(10.22%)；含量為25%時，各觀賞草的相對發(fā)芽指數(shù)降至最低.

表3 干旱脅迫下13種觀賞草的相對發(fā)芽指數(shù)1)

2.2.3 干旱脅迫下13種觀賞草的相對活力指數(shù) 由表4可知，玲瓏芒、斑葉芒、紫穗芒、虎尾芒、常綠芒、藍濱麥和小兔子狼尾草的相對活力指數(shù)變化較大，與對照組相比差異極顯著(P<0.05)；紫穗狼尾草、白穗狼尾草、紫葉狼尾草和金邊大米草的相對活力指數(shù)變化較平緩.PEG含量為5%時，藍濱麥和白穗狼尾草的活力指數(shù)比對照組高；含量為10%時，白穗狼尾草的相對活力指數(shù)可達121.63%；含量為15%時，玲瓏芒、斑葉芒、紫穗芒、虎尾芒、常綠芒的相對活力指數(shù)分別降到9.48%、9.46%、11.00%、15.63%、16.46%；含量為25%時，13種觀賞草的相對活力指數(shù)均達到最低.

選取干旱脅迫下各處理的相對發(fā)芽率、相對發(fā)芽指數(shù)和相對活力指數(shù)進行歸一化處理，采用MATLAB 9.5軟件編程處理數(shù)據(jù)，得到各樣本的函數(shù)投影值，即z﹡(i)=(0.598 5，0.311 9，0.611 5，0.285 2，0.598 3，1.714 3，1.157 9，2.727 5，2.336 4，0.618 6，2.569 1，1.715 9，1.669 0).根據(jù)函數(shù)投影值可得到13種觀賞草種子萌發(fā)期的抗旱性，表現(xiàn)為白穗狼尾草>紫葉狼尾草>紫穗狼尾草>柳枝稷>藍濱麥>長穗柳枝稷>金邊大米草>小兔子狼尾草>紫穗芒>玲瓏芒>常綠芒>斑葉芒>虎尾芒.

2.3 基于投影尋蹤模型的13種觀賞草抗寒性、抗旱性的綜合評價

分別選取低溫、干旱脅迫下各處理的相對發(fā)芽率、相對發(fā)芽指數(shù)和相對活力指數(shù)進行歸一化處理，采用MATLAB 9.5軟件編程處理數(shù)據(jù)，得到各個樣本的函數(shù)投影值，即z﹡(i)=(0.939 7，0.572 6，0.577 7，0.311 3，0.575 8，2.796 6，1.130 3，2.796 5，2.150 1，0.945 3，2.154 2，1.572 1，1.434 6)，如圖1所示.由函數(shù)投影值可得到13種觀賞草種子萌發(fā)期的抗寒性、抗旱性綜合評價，綜合性能表現(xiàn)為藍濱麥>白穗狼尾草>紫葉狼尾草>紫穗狼尾草>柳枝稷>長穗柳枝稷>金邊大米草>小兔子狼尾草>玲瓏芒>紫穗芒>常綠芒>斑葉芒>虎尾芒.

3 討論與小結(jié)

低溫脅迫對紫穗狼尾草、紫葉狼尾草、柳枝稷、長穗柳枝稷的種子發(fā)芽率影響不大，但對活力指數(shù)影響較大；而活力指數(shù)與苗長密切相關(guān)，原因可能是植物細胞骨架的結(jié)構(gòu)及穩(wěn)定性受到了影響, 進而造成物質(zhì)合成受阻，能耗增加，植物的正常生長發(fā)育受到影響[18].

PEG-6000溶液含量為5%時，藍濱麥、白穗狼尾草和小兔子狼尾草的發(fā)芽率高于CK.楊振亞等[19]研究發(fā)現(xiàn)毛竹的發(fā)芽率、發(fā)芽勢、發(fā)芽指數(shù)、活力指數(shù)、胚根長度、胚芽長度隨PEG含量的升高呈先增大后減小的趨勢，且均在5%含量達到最大值.劉佳月等[20]研究發(fā)現(xiàn)輕度干旱可促進兩種苜蓿的種子萌發(fā).說明低含量的PEG可提高某些種子的發(fā)芽率.

在干旱脅迫下，狼尾草屬植物展現(xiàn)出相對較強的抗旱能力，與張智[21]研究結(jié)果一致.隨著PEG-6000溶液含量的提升，相對發(fā)芽率、相對發(fā)芽指數(shù)和相對活力指數(shù)均呈下降趨勢，而且，含量越高，開始發(fā)芽的時間就越遲，這與張翠仙等[22]、吳發(fā)明等[23]的研究結(jié)果一致.當PGE含量為15%時，斑葉芒、玲瓏芒、紫穗芒、虎尾芒、常綠芒的發(fā)芽率、發(fā)芽指數(shù)和活力指數(shù)顯著受到抑制，這與李強[24]的研究結(jié)果基本一致.干旱脅迫下5種觀賞草種子的發(fā)芽率均較低，從而降低種子萌發(fā)和幼苗生長過程中因缺水而致死的風險，保證物種長期繁衍[25].

在對13種觀賞草萌發(fā)期的抗旱性和抗寒性進行測定時，發(fā)現(xiàn)紫穗狼尾草、紫葉狼尾草在耐旱性方面表現(xiàn)較佳，在耐寒性方面表現(xiàn)一般；小兔子狼尾草在抗寒性方面表現(xiàn)較好，抗旱性卻表現(xiàn)一般.研究表明，在植物抗逆的調(diào)控網(wǎng)絡(luò)中, 轉(zhuǎn)錄因子的作用十分重要[26].當植物受到外界環(huán)境刺激后, 其體內(nèi)就會出現(xiàn)一系列信號傳導過程, 最終誘導植物相關(guān)防御和抗性基因的表達,在這個過程中，轉(zhuǎn)錄因子起著極其重要的作用[27].由此可以推測紫穗狼尾草、紫葉狼尾草和小兔子狼尾草在抗寒、抗旱方面表現(xiàn)差異的原因可能與相關(guān)轉(zhuǎn)錄因子的表達有關(guān).

本研究結(jié)果表明，藍濱麥、白穗狼尾草、紫葉狼尾草、紫穗狼尾草、柳枝稷和長穗柳枝稷的抗寒、抗旱綜合表現(xiàn)較好，而紫葉狼尾草和紫穗狼尾草在耐寒性方面表現(xiàn)相對較弱.虎尾芒、斑葉芒和常綠芒的抗寒、抗旱綜合表現(xiàn)較差.本試驗通過建立投影尋蹤模型對13種觀賞草的抗寒、抗旱能力進行優(yōu)異性評價，抗寒和抗旱能力表現(xiàn)為藍濱麥>白穗狼尾草>紫葉狼尾草>紫穗狼尾草>柳枝稷>長穗柳枝稷>金邊大米草>小兔子狼尾草>玲瓏芒>紫穗芒>常綠芒>斑葉芒>虎尾芒.