水稻稻瘟病、白葉枯病與干旱抗性的無損定量檢測方案
瀏覽次數(shù):3745 發(fā)布日期:2019-1-8
來源:本站 僅供參考,謝絕轉(zhuǎn)載,否則責(zé)任自負(fù)
模塊式植物表型分析技術(shù)方案——水稻稻瘟病、白葉枯病與干旱抗性的無損定量檢測
在農(nóng)業(yè)生產(chǎn)實(shí)踐中,作物經(jīng)常會同時面臨生物和非生物脅迫的雙重影響。水稻作為種植面積最廣的作物,從而面臨一系列的環(huán)境挑戰(zhàn)。在熱帶和亞熱帶地區(qū),水稻面臨的最主要非生物脅迫就是干旱脅迫,同時如稻瘟病、白葉枯病等生物脅迫也會嚴(yán)重降低水稻的產(chǎn)量。全球氣候變化模型則預(yù)測環(huán)境變化將會進(jìn)一步加重這兩類脅迫的發(fā)生頻率與強(qiáng)度。因此,通過快速、無損、精確的植物表型光學(xué)分析技術(shù)進(jìn)行這方面的研究就成為了極其迫切的任務(wù)。
捷克科學(xué)院全球變化研究所聯(lián)合美國堪薩斯州立大學(xué)、國際水稻研究所等單位開展了這方面的研究。研究者通過FP100手持式葉綠素?zé)晒鈨x、FluorCam便攜式熒光成像儀和WinePen光譜儀分別測量多種近等基因系水稻在不同脅迫下的葉綠素?zé)晒鈪?shù)與植被指數(shù)。
左圖:感染稻瘟病和白葉枯病的水稻;右圖:實(shí)驗(yàn)中使用的手持式儀器
葉綠素?zé)晒夥治霰砻,光系統(tǒng)II最大量子產(chǎn)額Fv/Fm、實(shí)際量子產(chǎn)額QY_Lss和穩(wěn)態(tài)葉綠素?zé)晒釬t_Lss都可以有效地分辨稻瘟病和白葉枯病。而在進(jìn)行干旱脅迫檢測時,QY_Lss則效果不好。
感染稻瘟病水稻葉片的Fv/Fm葉綠素?zé)晒獬上駡D
通過光譜儀獲得的植被指數(shù)則表明稻瘟病和干旱可以通過可見光波段的反射光譜植被指數(shù)來檢測,而白葉枯病可以通過近紅外波段相關(guān)的反射光譜植被指數(shù)來檢測。
研究中使用的植被指數(shù)
植被指數(shù) |
公式 |
相關(guān)性 |
反射比RR |
R550/R675 |
稻瘟病 |
反射比RR |
R570/R675 |
稻瘟病 |
反射比RR |
R675/R700 |
葉綠素a |
反射比RR |
R672/R550 |
葉綠素b |
反射比RR |
R750/R550 |
總?cè)~綠素 |
結(jié)構(gòu)反射指數(shù)SRI |
R750/R700 |
總?cè)~綠素 |
歸一化植被指數(shù)NDVI |
(R755+R664)/(R755-R664) |
總?cè)~綠素 |
反射比RR |
(R780-R710)/(R780-R680) |
總?cè)~綠素 |
歸一化光譜指數(shù)NDSI |
(R550-R410)/(R550+R410) |
葉綠素b |
光化學(xué)反射指數(shù)PRI |
(R531-R570)/(R531+R570) |
光合作用 |
類胡蘿卜素反射指數(shù)CRI700 |
1/R510-1/R700 |
總類胡蘿卜素 |
除了葉綠素?zé)晒饧夹g(shù)與反射光譜技術(shù)以外,本文獻(xiàn)作者還提到了UV紫外光激發(fā)熒光來監(jiān)測生物脅迫,即UV-MCF多光譜熒光成像技術(shù)。這一技術(shù)尤其適用于生物脅迫研究,其主要應(yīng)用有:1. 作物病害早期無損檢測;2. 與FluorCam葉綠素?zé)晒獬上窦夹g(shù)、Specim高光譜成像技術(shù)、紅外熱成像技術(shù)聯(lián)合運(yùn)用,研究脅迫尤其是病害對光合系統(tǒng)、植物防御機(jī)制與次生代謝、氣孔關(guān)閉與葉片溫度的影響。
鱷梨感染白紋羽病的葉綠素?zé)晒、多光譜熒光與熱成像分析。葉綠素?zé)晒獬上穹从彻夂舷到y(tǒng)的受損情況;多光譜熒光成像反映植物防御機(jī)制激活過程;熱成像通過溫度變化反映病菌造成的氣孔關(guān)閉(Granum E, et al. 2015)。
模塊式植物表型分析技術(shù)方案推薦:
1. 基礎(chǔ)方案:FP110手持式葉綠素?zé)晒鈨x+RP410手持式植物反射光譜儀或者廠家定制WinePen
2. 進(jìn)階方案:FluorCam葉綠素?zé)晒獬上裣到y(tǒng)+Specim IQ 手持式高光譜成像儀
3. 高級方案:FluorCam多光譜熒光成像系統(tǒng)+ FX10/FX17 輕便型高光譜成像儀或SisuCHEMA高光譜掃描成像分析系統(tǒng)
參考文獻(xiàn):
- Šebela1D, et al. 2017. Chlorophyll fluorescence and reflectance-based non-invasive quantification of blast, bacterial blight and drought stresses in rice. Plant and Cell Physiology,59(1):30-43