一种预测豇豆产量的方法
【专利摘要】本发明公开了一种预测豇豆产量的方法，属于生物【技术领域】。所述方法包括：提供待检测的豇豆植株的叶片；获得所述叶片的温度、实际光合效率Y(II)、光化学淬灭系数qL、非光化学淬灭系数NPQ、非调节性能量耗散的量子产量Y(NO)、最大光化学量子产量Fv/Fm、蒸腾速率、叶片气孔导气度、叶绿素a含量和花荚脱落率；代入公式D＝6553.22+227.73X1+3734.57X2-3428.93X3-4128.39X4-8822.36X5-13995.19X6+6.86X7-29.92X8+56.68X9-11.50X10，计算出产量预测值D。本发明提供的预测豇豆产量的方法与实际观察的产量结果误差小，可以准确预测豇豆产量，并在豇豆现蕾期就可以实现对豇豆产量的预测，缩短了检测周期。
【专利说明】
一种预测豇豆产量的方法
【技术领域】
[0001]本发明涉及生物【技术领域】，特别涉及一种预测豇豆产量的方法。
【背景技术】
[0002]豇豆是我国重要的夏季豆类蔬菜之一，因其适应性广、品质佳和经济效益稳定深受生产者和消费者的喜爱。
[0003]现有的鉴定豇豆产量的方法可以通过逐步回归分析影响产量的因素，其选择的自变量参数多为采收期的豇豆的器官重量，比如采收期的单荚重量、采收期的单叶重量等，这样的鉴定方式需要等到豇豆的采收期进行，使得鉴定豇豆产量的周期较长。
【发明内容】
[0004]为了解决现有技术中鉴定豇豆产量的周期较长的问题，本发明实施例提供了一种预测豇豆产量的方法。所述技术方案如下:
[0005]本发明实施例提供了一种预测豇豆产量的方法，所述方法包括:
[0006]提供待检测的豇豆植株的叶片；
[0007]获得所述叶片的温度、实际光合效率Y(II)、光化学淬灭系数qL、非光化学淬灭系数NPQ、非调节性能量耗散的量子产量Y(NO)、最大光化学量子产量Fv/Fm、蒸腾速率、叶片气孔导气度、叶绿素a含量和花荚脱落率；
[0008]代入公式D = 6553.22+227.73Χ1+3734.57Χ2_3428.93Χ3_4128.39Χ4_8822.36Χ5_13995.19Χ6+6.86Χ7-29.92Χ8+56.68Χ9_11.50Χ1(Ι，计算出产量预测值D，式中X1为所述叶片的温度，X2为所述实际光合效率Y(II)，X3为所述光化学淬灭系数qL，X4为所述非光化学淬灭系数NPQ，X5为所述非调节性能量耗散的量子产量Y(NO)，X6为所述最大光化学量子产量Fv/Fm, X7为所述蒸腾速率，X8为所述叶片气孔导气度，X9为所述叶绿素a含量，X10为所述花荚脱落率。
[0009]具体地，采用叶绿素荧光分析仪测定所述叶片的温度、所述实际光合效率Y(II)、所述光化学淬灭系数qL、所述非光化学淬灭系数NPQ、所述非调节性能量耗散的量子产量Y(NO)和所述最大光化学量子产量Fv/Fm。
[0010]进一步地，采用植物光合测定仪测定所述蒸腾速率和所述叶片气孔导气度。
[0011]进一步地，采用所述植物光合测定仪测定的所述叶片在晴朗的天气进行测定，且选取所述叶片的时间为上午9:00-11:00ο
[0012]进一步地，采用所述叶绿素荧光分析仪测定的所述叶片与采用所述植物光合测定仪测定的所述叶片相同，且在相近的时间内进行测定。
[0013]具体地，采用紫外可见分光光度计测定所述叶绿素a含量。
[0014]进一步地，采用紫外可见分光光度计测定所述叶绿素a含量的方法包括:将所述待检测的豇豆植株的叶片剪碎，取0.1g放入1ml混合提取液中，在黑暗环境下浸泡，直至所述叶片完全变为白色为止，得到浸提液，以所述混合提取液作为对照，取所述浸提液分别在440nm、645nm和663nm波长下于所述紫外可见分光光度计上测定吸光度A值,通过吸光度A值计算所述叶绿素a的含量；
[0015]所述混合提取液包括体积比为4.5:4.5:1的乙醇、丙酮和水。
[0016]具体地，所述待检测的豇豆植株处于现蕾期、初花期、盛花期、初荚期或盛荚期。
[0017]本发明实施例提供的技术方案带来的有益效果是:本发明提供的预测豇豆产量的方法，通过测定豇豆植株活体叶片的叶绿素荧光参数以及花荚脱落率对豇豆植物的产量进行综合评估，其中叶绿素荧光参数能够显示植物光合作用机理和光合生理状况的变量或常数值，反映了植物内部情况，影响植株光合作用或者光合机构的参数都能直接或者间接影响到植物的光合产物，并最终影响植株的产量，本发明提供的10个参数对植株光合作用或者光合机构的影响最为显著，从而通过这10个参数确定植物的产量，同时，本发明测定叶绿素荧光参数以及花荚脱落率不需要破碎细胞，也不会伤害到生物体，即对活体豇豆植株就能够测定上述10个参数，使得方法简便快捷，本发明实施例提供的方法与实际观察的产量结果误差小，可以准确预测豇豆产量，并在豇豆现蕾期就可以实现对豇豆产量的预测，缩短了检测周期。
【具体实施方式】
[0018]为使本发明的目的、技术方案和优点更加清楚，下面将对本发明实施方式作进一步地详细描述。
[0019]实施例
[0020]本发明实施例提供一种预测豇豆产量的方法，该方法包括:
[0021]提供待检测的豇豆植株的叶片；
[0022]获得叶片的温度、实际光合效率Y(II)、光化学淬灭系数qL、非光化学淬灭系数NPQ、非调节性能量耗散的量子产量Y(NO)、最大光化学量子产量Fv/Fm、蒸腾速率、叶片气孔导气度、叶绿素a含量和花荚脱落率。
[0023]代入公式D = 6553.22+227.73Χ1+3734.57Χ2_3428.93Χ3_4128.39Χ4_8822.36Χ5_13995.19Χ6+6.86Χ7-29.92Χ8+56.68Χ9_11.50Χ1(Ι，计算出产量预测值D。式中X1为叶片的温度，温度是影响光合作用的主要因素之一，叶片的温度过高或过低都会对植物光合作用产生一定的抑制作用；x2为实际光合效率Y(II)，Y(II)表示PS II反应中心在有部分关闭的情况下实际的原初光化学效率，Y(II)能反应植物叶片在光照中用于电子传递的能量占吸收光能的份额，与碳同化反应的强度密切相关；X3为光化学淬灭系数qL，qL是PS II反应中心中天线色素吸收的光能用于化学电子传递的比例，与电子传递、光合氧化等过程直接相关，qL低反应PS II中开放的反应中心比例和参与二氧化碳固定的电子减少；X4为非光化学淬灭系数NPQ，NPQ是高等植物在捕获激发能过剩的情况下，可以以NPQ的方式将过剩的激发能耗散掉，从而保护光合结构遭到破坏-J5为非调节性能量耗散的量子产量Y(NO)，其表示植物通过其他形式减少进入光化学途径的能量占总吸收能量的比例，Y(NO)是光损伤的重要指标，Y(NO)高则表明光化学能量转换和保护性的调节机制不足以将植物吸收的光能完全消耗掉，此时植物可能已经受到损伤；X6为最大光化学量子产量Fv/Fm,表不光合机构把吸收的光能用于化学反应的最大效率，非胁迫条件下该参数的变化极小，不受物种和生长条件的影响，在胁迫条件下该参数明显下降-J7为蒸腾速率，是植物体散失水分的一个重要方式，能促进植物体内水分的传导，加快矿物质运输，蒸腾时二氧化碳分子由气孔进入植物体，从而对光合速率产生影响；x8为叶片气孔导气度，气孔是水汽和二氧化碳进出的门户，它同时控制着植物的光合作用和蒸腾作用；x9为叶绿素a含量，单位叶面积的叶绿体数目、单位重量的叶绿素含量高低都决定了植物对光能的利用率；X1(I为花荚脱落率，花荚脱落率的高低直接影响豇豆的产量。凡是能影响到植株光合作用或者光合机构的因素都能直接或者间接影响到植物的光合产物，并最终影响到植株的产量。
[0024]具体地，采用植物光合测定仪测定蒸腾速率和叶片气孔导气度。该植物光合测定仪的型号为YHZ-3052C，采用叶绿素荧光分析仪测定的叶片在晴朗的天气进行，且选取叶片的时间为上午9:00-11:00。同时，采用植物光合测定仪测定叶片的闭路光合速率、胞间二氧化碳平均浓度、叶片平均温度、空气平均温度、平均相对湿度和平均光照强度。随机选取豇豆6个植株的叶片测量的平均值作为闭路光合速率、胞间二氧化碳平均浓度、叶片平均温度、空气平均温度、平均相对湿度和平均光照强度的测定值。
[0025]具体地，采用叶绿素荧光分析仪测定叶片的温度、实际光合效率Y(II)、光化学淬灭系数qL、非光化学淬灭系数NPQ、非调节性能量耗散的量子产量Y(NO)和最大光化学量子产量Fv/Fm。
[0026]进一步地，采用叶绿素荧光分析仪测定的叶片在晴朗的天气进行测定，且选取叶片的时间为上午9:00-11:00,且从实验基地中的每个小区随机选取6个豇豆植株的活体叶片。所用的叶绿素荧光分析仪为德国WALZ公司生产的多通道连续监测荧光仪Monitoring-PAM,用突光仪通道一端的夹子固定叶片的正中部,取6个紅豆植株的叶片测量的平均值作为叶片的温度、实际光合效率Y(II)、光化学淬灭系数qL、非光化学淬灭系数NPQ、非调节性能量耗散的量子产量Y(NO)和最大光化学量子产量Fv/Fm的测定值。
[0027]同时，采用叶绿素荧光分析仪还可以对叶片的任意时间实际荧光产量F、光下最大荧光产量Fm'、光化学淬灭系数qP、非光化学淬灭系数qN、调节性能量耗散的量子产量Y(NPQ)、暗下初始荧光产量Fo和暗下最大荧光产量Fm进行测定。
[0028]具体地，采用植物光合测定仪测定的叶片与采用叶绿素荧光分析仪测定的叶片相同，对同一叶片的相同部位在相近时间内先后采用植物光合测定仪和叶绿素荧光分析仪进行测定，其中相近的时间不超过两个小时。
[0029]具体地，采用紫外可见分光光度计测定叶绿素a含量。
[0030]进一步地，采用紫外可见分光光度计测定叶绿素a含量的方法包括:将待检测的豇豆植株的叶片剪碎，取0.1g放入1ml混合提取液中，在黑暗环境下浸泡，直至叶片完全变为白色为止，得到浸提液，以混合提取液作为对照，取浸提液分别在440nm、645nm和663nm波长下于紫外可见分光光度计上测定吸光度A值，通过吸光度A值计算叶绿素a的含量；混合提取液包括体积比为4.5:4.5:1的乙醇、丙酮和水。同时，采用紫外可见分光光度计测定叶绿素b含量、类胡萝卜素含量和叶绿素总量。随机选取豇豆6个植株的叶片测量的平均值作为叶绿素b含量、类胡萝卜素含量和叶绿素总量的测定值。
[0031]具体地，待检测的豇豆植株处于现蕾期、初花期、盛花期、初荚期或盛荚期。
[0032]同时，本发明实施例可以采用植物反射光谱仪对叶片进行植物反射光谱参数的测定，植物反射光谱参数用于与本发明实施例涉及的其他参数一同确定最优回归方程，具体方法包括:
[0033]对叶片进行植物反射光谱参数的测定与叶绿素荧光参数测定同步进行，采用美国生产的C1-710植物叶片光谱仪(波段范围是400 nm?100nm)测定豇豆叶片的NDVI (Normalized Difference Vegetat1n Index,归一化植被指数)、WBI (Water BandIndex,叶片水势)、PRI (Photochemical Reflectance Index,光化学反射指数)参数，其光谱分辨率为1.5nm，其测定的叶片与采用叶绿素荧光分析仪测定的叶片相同，C1-710植物叶片光谱仪测定的时间与采用叶绿素荧光分析仪测定的时间相近(不超过2个小时)。具体测定时，C1-710植物叶片光谱仪向下正对着叶片，叶片平放，叶片下部用黑垫托住，并保证待测的叶片朝向一致，分别测定6个叶片(与叶绿素荧光分析仪选取的叶片均相同)，取6个测量平均值作为该叶片的反射光谱参数值。其中，通过测定归一化差值植被指数NDVI能够了解植被的生长状况、生产率及其他生物物理、生物化学特征敏感；通过测定叶片水势WBI的测定可以了解植物体内的水分状况，当叶片的水势降低到临界值时，这表明植物的水分不足，需要灌水；通过测定光化学反射指数PRI能够为估算叶片的光能利用率，对活体植物的类胡萝卜素(尤其黄色色素)的变化非常敏感，类胡萝卜素可标识光合作用光的利用率，可用于研究植被生产力和胁迫性，以及农作物的衰老。
[0034]其中，获得产量公式的方法为:对活体叶片通过叶绿素荧光分析仪测定F、Fm'、叶片温度、Y(II)、qP、qN、qL、NPQ、Y(NO)、Y(NPQ)、Fo、Fm、Fv/Fm、NDV1、WB1、PR1、闭路光合速率、蒸腾速率、叶片气孔导气度、胞间二氧化碳浓度、叶片平均温度、空气平均温度、平均相对湿度、平均光照强度、叶绿素a含量、叶绿素b含量、类胡萝卜素含量和叶绿素总量，共29个参数，将这29个参数作为自变量，把实际亩产量作为因变量，经逐步回归筛选出与因变量有显著效应的10个自变量，这10个自变量分别为:叶片的温度、Y(II)、qL、NPQ、Y(N0)、Fv/Fm、蒸腾速率、叶片气孔导气度、叶绿素a含量和花荚脱落率，建立产量预测值(D值)的最优回归方程，具体步骤:
[0035](I)数据输入:在DPSV7.05软件中数据输入格式为一行为一个样本，一列为一个变量，依次输入29个自变量，因变量亩产量放在最右边，一个样本输入完成后，继续输入下一个样本；其中，DPSV7.05软件为数据处理系统(Data Processing System, DPS)，该数据处理系统可用于实验设计、统计分析及数据挖掘。
[0036](2)回归方程:按要求格式输入数据后，利用DPSV7.05软件进行逐步回归分析，根据未引入变量F值的大小，选择剔除变量还是引入变量，引入显著变量结束后，按“0K”，即得到最优回归方程。
[0037]最优回归方程为D = 6553.22+227.73Χ1+3734.57Χ2_3428.93Χ3_4128.39Χ4_8822.36Χ5-13995.19Χ6+6.86Χ7_29.92Χ8+56.68Χ9_11.50Χ10,方程的相关系数 R = 0.9944，F 值=115.25，P值=0.0001，剩余标准差S = 42.21，调整后的相关系数Ra = 0.9901，差异极显著，决定系数R2 = 0.98885，剩余通径系数=0.10561，由此可见，这10项指标对产量水平分布变异的影响效应已达到98.885%。同时,本发明为了检验这10个参数在这29个参数中的代表性及其相对重要性，在逐步回归的基础上，对与产量预测值(D值)显著相关的10个单项参数分别进行了通径分析，利用相关系数矩阵得通径系数。通径分析结果表明10个性状对产量水平综合评价值的相对重要性依次为:叶片气孔导气度>蒸腾速率> qL > Y(NO)> Fv/Fm > Y(II) >叶片温度>花荚脱落率> NPQ >叶绿素a含量。
[0038]本发明实施例提供的待检测的豇豆品种为植银雁豇豆，该豇豆植株播种于试验基地中，1.33m包沟开厢起垄，随机区组排列，小区面积为19.95 m2，穴距0.3m，行距0.5m,田间管理同一般大田。
[0039]在待检测的豇豆植株处于现蕾期时，测定其叶片的温度、Y(II)、qL、NPQ、Y(NO)、Fv/Fm、蒸腾速率、叶片气孔导气度、叶绿素a含量、花荚脱落率分别为29.4,0.68,0.79、0.05,0.31,0.015,0.74,901.87mmol/m2 *sU55.78mmol/m2 *s、2.4mg/g、31.47%，代入公式D = 6553.22+227.73X1+3734.57X2_3428.93X3_4128.39X4_8822.36X5_13995.19X6+6.86X7_29.92X8+56.68X9-11.50X10,计算D值为1080.18，将待检测的豇豆植株培养至成熟并测量其实际产量，其实际产量为1114.84Kg/667，该D值与实际产量观测值的误差为3.11%。
[0040]在待检测的豇豆植株处于初花期时，测定其叶片的温度、Y(II)、qL、NPQ、Y(NO)Fv/Fm、蒸腾速率、叶片气孔导气度、叶绿素a含量、花荚脱落率分别为29.4,0.69,0.9、0.02、0.3、0.72> 1093.98mmol/m2.s、199.63mmol/m2.s、2.16mg/g、33.15 %,代入公式 D=6553.22+227.73X1+3734.57X2-3428.93X3-4128.39X4-8822.36X5-13995.19X6+6.86X7-29.92X8+56.68X9-11.50X10，计算D值为1204.99，该D值与实际产量观测值的误差为-2.77%。
[0041]在待检测的豇豆植株处于盛花期时，测定其叶片的温度、Y(II) > qL, NPQ、Y(NO)、Fv/Fm、蒸腾速率、叶片气孔导气度、叶绿素a含量、花荚脱落率分别为29.1,0.67、0.69、0.05、0.31、0.76> 1117.91 mmol /m2.s、204.1 8mmo1 /m2.s、l.19mg/g、35.12 % >955.87Kg/667，代入公式 D = 6553.22+227.73X1+3734.57X2-3428.93X3-4128.39X4-8822.36X5-13995.19X6+6.86X7-29.92X8+56.68X9-11.50X10，计算 D 值为 960.52，该 D 值与实际产量观测值的误差为-0.49%。
[0042]在待检测的豇豆植株处于初荚期时，测定其叶片的温度、Y(II)、qL、NPQ、Y(NO)、Fv/Fm、蒸腾速率、叶片气孔导气度、叶绿素a含量、花荚脱落率分别为28.6,0.67,0.47、0.01、0.33、0.81> 1062.63mmol/m2.s、189.88mmol/m2.s、2.06mg/g、32.15 %,代入公式D = 6553.22+227.73X1+3734.57X2-3428.93X3-4128.39X4-8822.36X5-13995.19X6+6.86X7-29.92X8+56.68X9-11.50X10，计算D值为929.20，该D值与实际产量观测值的误差为-0.86%。
[0043]在待检测的豇豆植株处于盛花期时，测定其叶片的温度、Y(II)、qL、NPQ、Y(NO)、Fv/Fm、蒸腾速率、叶片气孔导气度、叶绿素a含量、花荚脱落率分别为29.0,0.72,0.69、0.06,0.27,0.8,967.33mmol/m2.S、165.48mmol/m2.s、2.89mg/g、41.42 %，代入公式 D=6553.22+227.73X1+3734.57X2-3428.93X3-4128.39X4-8822.36X5-13995.19X6+6.86X7-29.92X8+56.68X9-11.50X10，计算D值为1025.35，该D值与实际产量观测值的误差为0.22%。
[0044]由此可见，本发明提供的预测豇豆产量的方法，通过测定豇豆植株活体叶片的叶绿素荧光参数以及花荚脱落率对豇豆植物的产量进行综合评估，其中叶绿素荧光参数能够显示植物光合作用机理和光合生理状况的变量或常数值，反映了植物内部情况，影响植株光合作用或者光合机构的参数都能直接或者间接影响到植物的光合产物，并最终影响植株的产量，本发明提供的10个参数对植株光合作用或者光合机构的影响最为显著，从而通过这10个参数确定植物的产量，同时，本发明测定叶绿素荧光参数以及花荚脱落率不需要破碎细胞，也不会伤害到生物体，即对活体豇豆植株就能够测定上述10个参数，使得方法简便快捷，本发明实施例提供的方法与实际观察的产量结果误差小，可以准确预测豇豆产量，并在豇豆现蕾期就可以实现对豇豆产量的预测，缩短了检测周期。
[0045]以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
【权利要求】
1.一种预测豇豆产量的方法，其特征在于，所述方法包括: 提供待检测的豇豆植株的叶片； 获得所述叶片的温度、实际光合效率Y(II)、光化学淬灭系数qL、非光化学淬灭系数NPQ、非调节性能量耗散的量子产量Y (NO)、最大光化学量子产量Fv/Fm、蒸腾速率、叶片气孔导气度、叶绿素a含量和花荚脱落率；
代入公式 D = 6553.22+227.73Χ1+3734.57Χ2_3428.93Χ3_4128.39Χ4_8822.36Χ5_13995.19Χ6+6.86Χ7-29.92Χ8+56.68Χ9_11.50Χ1(Ι，计算出产量预测值D，式中X1为所述叶片的温度，X2为所述实际光合效率Y(II)，X3为所述光化学淬灭系数qL，X4为所述非光化学淬灭系数NPQ, X5为所述非调节性能量耗散的量子产量Y (NO)，X6为所述最大光化学量子产量Fv/Fm，X7为所述蒸腾速率，X8为所述叶片气孔导气度，X9为所述叶绿素a含量，X10为所述花荚脱落率。
2.根据权利要求1所述的方法，其特征在于，采用叶绿素荧光分析仪测定所述叶片的温度、所述实际光合效率Y(II)、所述光化学淬灭系数qL、所述非光化学淬灭系数NPQ、所述非调节性能量耗散的量子产量Y(NO)和所述最大光化学量子产量Fv/Fm。
3.根据权利要求2所述的方法，其特征在于，采用植物光合测定仪测定所述蒸腾速率和所述叶片气孔导气度。
4.根据权利要求3所述的方法，其特征在于，采用所述植物光合测定仪测定的所述叶片在晴朗的天气进行测定，且选取所述叶片的时间为上午9:00-11:00o
5.根据权利要求4所述的方法，其特征在于，采用所述叶绿素荧光分析仪测定的所述叶片与采用所述植物光合测定仪测定的所述叶片相同，且在相近的时间内进行测定。
6.根据权利要求1所述的方法，其特征在于，采用紫外可见分光光度计测定所述叶绿素a含量。
7.根据权利要求6所述的方法，其特征在于，采用紫外可见分光光度计测定所述叶绿素a含量的方法包括:将所述待检测的豇豆植株的叶片剪碎，取0.1g放入1ml混合提取液中，在黑暗环境下浸泡，直至所述叶片完全变为白色为止，得到浸提液，以所述混合提取液作为对照，取所述浸提液分别在440nm、645nm和663nm波长下于所述紫外可见分光光度计上测定吸光度A值，通过吸光度A值计算所述叶绿素a的含量； 所述混合提取液包括体积比为4.5:4.5:1的乙醇、丙酮和水。
8.根据权利要求1所述的方法，其特征在于，所述待检测的豇豆植株处于现蕾期、初花期、盛花期、初荚期或盛荚期。
【文档编号】G01N21/31GK104297461SQ201410526011
【公开日】2015年1月21日 申请日期:2014年9月30日 优先权日:2014年9月30日
【发明者】胡志辉, 汪艳杰, 张凯, 周勇, 陈禅友 申请人:江汉大学