Genetic variation analysis of growth and form traits of Castanopsis hystrix in the second generation seed orchard
-
摘要:目的
有效评价和利用红锥Castanopsis hystrix 2代种子园资源、挖掘其优良性状。
方法对广东省龙眼洞林场2代种子园内56个红锥无性系生长和形质性状进行调查,分析各性状的变异系数、不同性状间的相关关系,并进行主成分分析和聚类分析。
结果56个红锥无性系的10个生长和形质性状的变异系数介于11%~47%,平均变异系数为28.2%。树高与胸径、冠幅与树高、胸径间呈极显著正相关,胸径与分枝数、分枝大小与叶片疏密间也存在极显著正相关,冠幅与分枝角度、尖削度与分枝大小存在显著的负相关。10个性状可以综合为3个主成分,前3个主成分累计贡献率达85%。根据系统聚类将56个红锥无性系划分为4个组。
结论不同红锥无性系的生长性状和形质性状间变异系数较大,遗传多样性较丰富,且性状间存在不同程度的相关性,为开展红锥种内杂交育种的亲本选择奠定基础。
Abstract:ObjectiveTo evaluate and utilize the resources in the second generation seed orchard of Castanopsis hystrix, and develop elite genotypes with genetic merit.
MethodWe investigated the growth and form traits of 56C. hystrix clones in the second generation seed orchard at Longyandong forest farm, Guangdong Province. The variation coefficients and correlations of different traits were analyzed. Principal component analysis and cluster analysis were performed.
ResultThe variation coefficients of ten growth and form traits of 56 C. hystrix clones ranged from 11% to 47%, and the average was 28.2%. Height and diameter at breast height, crown width and height, crown width and diameter at breast height, diameter at breast height and branch number, branch size and leaf density all had significant positive correlations(P<0.01). Crown width and branch angle, taper degree and branch size had significant negative correlations(P<0.05). Principal component analysis indicated that ten traits could be explained by the first three principal components, accounting for 85% of cumulative proportion of variations. Based on hierarchical cluster analysis, 56 clones were divided into four groups.
ConclusionGrowth and form traits among C. hystrix clones had extensive variation with rich genetic diversity. Different degrees of correlations are found among traits. This study provides a basis for parent selection in breeding intraspecific hybrid of C. hystrix.
-
-
表 1 2代种子园红锥生长和形质性状变异分析
Table 1 Variation analysis for growth and form traits of Castanopsis hystrix in the second generation seed orchard
项目 树高/m 胸径/cm 尖削度 冠幅/m 通直度 分枝角度/(°) 分枝数/个 分枝大小/级 叶片疏密 树形 最小值 5.0 5.0 0.37 1.50 1.0 30 2.0 1.00 1.0 1.00 最大值 16.0 17.0 0.97 6.60 5.0 100 19.0 3.00 2.0 3.00 平均值 7.8 9.1 0.80 3.90 3.9 56 5.8 2.20 1.4 1.60 标准差 1.4 2.2 0.09 0.86 1.0 15 2.7 0.73 0.5 0.62 变异系数(CV)/% 18 24 11 22 27 26 47 34 35 38 表 2 2代种子园红锥生长和形质性状方差分析
Table 2 Variance analysis for growth and form traits of Castanopsis hystrix in the second generation seed orchard
性状 变异来源 自由度 平方和 均方 F P 重复力 树高 无性系 55 173.10 3.16 1.71 <0.001 0.42 区组 6 164.20 16.55 8.96 <0.001 误差 330 1 624.30 1.85 胸径 无性系 55 365.00 6.56 1.50 0.010 0.33 区组 6 193.00 19.10 4.38 <0.001 误差 330 3 848.00 4.37 尖削度 无性系 55 0.68 0.01 1.50 0.010 0.33 区组 6 0.10 0.01 1.28 0.240 误差 330 6.90 0.01 冠幅 无性系 55 75.00 1.34 1.98 <0.001 0.50 区组 6 31.40 3.14 4.64 <0.001 误差 330 595.00 0.68 通直度 无性系 55 114.80 2.05 2.14 <0.001 0.53 区组 6 58.70 5.88 6.13 <0.001 误差 330 845.10 0.96 分枝角度 无性系 55 14 469.00 258.40 1.27 0.090 0.21 区组 6 16 304.00 1 630.40 8.03 <0.001 误差 330 178 829.00 203.00 分枝数 无性系 55 711.00 12.70 1.92 <0.001 0.48 区组 6 294.00 29.37 4.45 <0.001 误差 330 5 628.00 6.61 分枝大小 无性系 55 48.60 0.87 1.74 <0.001 0.42 区组 6 12.30 1.23 2.46 0.010 误差 330 436.50 0.50 叶片疏密 无性系 55 23.51 0.42 1.86 <0.001 0.46 区组 6 11.01 1.10 4.88 <0.001 误差 330 198.68 0.23 树形 无性系 55 32.60 0.57 1.35 0.070 0.32 区组 6 13.30 1.03 1.26 0.060 误差 30 236.50 0.60 表 3 2代种子园红锥生长和形质性状间的相关性分析1)
Table 3 Correlation analysis of different growth and form traits of Castanopsis hystrix in the second generation seed orchard
性状 树高 胸径 尖削度 冠幅 通直度 分枝角度 分枝数 分枝大小 叶片疏密 胸径 0.51*** 尖削度 0.20 0.04 冠幅 0.60*** 0.63*** 0.19 通直度 0.06 0.01 0.39** 0.07 分枝角度 0.06 0.04 –0.14 –0.13*** –0.22 分枝数 0.50*** 0.51*** –0.06 0.44* 0.22 0.08 分枝大小 0.11 0.60*** –0.28* 0.32 –0.07 –0.16 0.31* 叶片疏密 0.22 0.55*** 0.20 0.22 –0.09 0.29* 0.40** 0.35** 树形 0.22 0.17 0.18 0.11 0.17 0.00 0.21 –0.16 –0.02 1)*、**和***分别表示 0.05、0.01 和 0.001 水平显著相关(简单相关系数法)。 表 4 2代种子园红锥生长和形质性状间的主成分分析
Table 4 Principal component analysis of growth and form traits of Castanopsis hystrix in the second generation seed orchard
特征向量 PC1 PC2 PC3 树高 0.71 0.23 0.15 胸径 0.88 –0.16 –0.06 尖削度 0.15 0.73 0.16 冠幅 0.77 0.14 –0.19 通直度 0.12 0.68 –0.22 分枝角度 0.04 –0.34 0.84 分枝数 0.74 0.02 0.07 分枝大小 0.55 –0.50 –0.50 叶片疏密 0.61 –0.26 0.35 树形 0.23 0.49 0.28 特征值 3.18 1.77 1.29 解释的方差贡献率/% 44 28 13 累积贡献率/% 44 72 85 -
[1] 中国树木志编委会. 中国要树种造林技术[M]. 北京: 中国林业出版社, 1981: 520-524. [2] 郑万均. 中国树木志: 第1卷[M]. 北京: 中国林业出版社, 1983. [3] 《广东森林》编辑委员会. 广东森林[M]. 广州: 广东科技出版社, 1990. [4] 王明怀, 陈建新. 红锥等8个阔叶树种抗旱生理指标比较及光合作用特征[J]. 广东林业科技, 2005, 21(2): 1-5. [5] 黄永权, 梁东成, 张方秋. 广东省红锥遗传改良进展及改良策略初探[J]. 广东林业科技, 2004, 20(4): 58-60. [6] 王明庥. 林木育种学概论[M]. 北京: 中国林业出版社, 1989. [7] 周邦社, 杨新兵. 植被和坡向对土壤温度与土壤热通量变化的影响[J]. 河北农业大学学报, 2011, 34(2): 80-85. [8] 潘勇军, 王兵, 陈步峰, 等. 短轮伐期桉树人工林土壤温度特征分析[J]. 林业科学研究, 2011, 24(3): 404-409. [9] 廖焕琴, 张卫华, 张方秋, 等. 红锥1.5代改良种子园无性系生长和形质性状变异分析[J]. 林业与环境科学, 2016, 32(4): 23-27. [10] 黄少伟, 谢维辉. 实用SAS编程与林业试验数据分析[M]. 广州: 华南理工大学出版社, 2001. [11] 崔宝禄, 杨俊明, 郑辉, 等. 我国针叶树种子园结实量的研究进展[J]. 河北林果研究, 2005, 20(2): 120-123. [12] 曹汉洋. 杉木第2代种子园半同胞子代测定及早期选择[J]. 南京林业大学学报(自然科学版), 2011, 35(1): 19-23. [13] 陈苏英, 马祥庆, 吴鹏飞, 等. 1.5代杉木种子园不同无性系生长和结实性状的评价[J]. 热带亚热带植物学报, 2014, 22(3): 281-291. [14] 孙文生. 红松种子园优质高产经营技术研究[D]. 北京: 北京林业大学, 2006: 1-100. [15] 刘玉皎, 宗绪晓. 青海蚕豆种质资源形态多样性分析[J]. 植物遗传资源学报, 2008, 9(1): 79-83. [16] 王明明, 王建华, 宋振巧, 等. 木瓜属品种资源的数量分类研究[J]. 园艺学报, 2009, 36(5): 701-710. -
期刊类型引用(23)
1. 池美香,陈韶萍,黄婷,陈世雄,梁勇,邱荣洲. 柑橘黄龙病田间症状识别图像数据集. 中国科学数据(中英文网络版). 2025(01): 52-61 . 百度学术
2. 骆润玫,殷惠莉,刘伟康,胡凯,廖飞,刘泽乾,曹亚芃,李强,王卫星. 基于YOLOv5-C的广佛手病虫害识别. 华南农业大学学报. 2023(01): 151-160 . 本站查看
3. 殷献博,邓小玲,兰玉彬,陈欣. 基于改进YOLOX-Nano算法的柑橘梢期长势智能识别. 华南农业大学学报. 2023(01): 142-150 . 本站查看
4. 梁生珺,于明鑫. 应用于无人机平台的轻量Transformer排水口检测框架. 电子技术与软件工程. 2023(01): 165-168 . 百度学术
5. 汪莹,刘静远,吕文刚,龙海,刘宵宵,余道坚,方毅,郑铭森,张浩,陈冬美,高瑞芳. 基于卷积神经网络的昆虫和杂草标本智能全维识别方法初探. 植物检疫. 2023(02): 40-45 . 百度学术
6. 王慧,李康顺,蔡铁,王文祥,董纯铿. 基于约束性多目标优化算法的柑橘黄龙病识别算法. 江苏农业科学. 2023(06): 159-167 . 百度学术
7. 马军磊,栗伟周,张赞. 基于PP-YOLO的电子焊接实训装置安全报警系统. 许昌学院学报. 2023(02): 116-121 . 百度学术
8. 李志臣,凌秀军,李鸿秋,李志军. 基于改进ShuffleNet的板栗分级方法. 山东农业大学学报(自然科学版). 2023(02): 299-307 . 百度学术
9. 杨雪. 基于DCGAN的数据增强方法. 江苏通信. 2023(02): 97-100+107 . 百度学术
10. 边坤,梁慧. 基于机器学习的图案分类研究进展. 图学学报. 2023(03): 415-426 . 百度学术
11. 胡凯,骆润玫,刘泽乾,曹亚芃,廖飞,王卫星,李强,孙道宗. 基于改进SSD的广佛手病虫害检测方法. 南京农业大学学报. 2023(04): 813-821 . 百度学术
12. 王治兵,吴丽丽. 基于改进的MobilenetV3苹果叶片病害图像识别技术. 软件工程. 2023(08): 20-25 . 百度学术
13. 刘拥民,胡魁,聂佳伟,谢铁强. 基于MSDB-ResNet的水稻病虫害识别. 华南农业大学学报. 2023(06): 978-985 . 本站查看
14. 赵法川,徐晓辉,宋涛,郝淼淼,汪曙,朱伟龙. 融合多头注意力的轻量级作物病虫害识别. 华南农业大学学报. 2023(06): 986-994 . 本站查看
15. 李志臣,凌秀军,李鸿秋,李志军. 基于改进EfficientNet的板栗分级方法. 中国农机化学报. 2023(12): 180-185 . 百度学术
16. 徐兢成,王丽华. 基于AlexNet网络的交通标志识别方法. 无线电工程. 2022(03): 470-475 . 百度学术
17. 周巧黎,马丽,曹丽英,于合龙. 基于改进轻量级卷积神经网络MobileNetV3的番茄叶片病害识别. 智慧农业(中英文). 2022(01): 47-56 . 百度学术
18. 胡哲,徐承志,雷光波,徐丽. 基于改进YOLOv5的X射线图像铸件缺陷实时检测. 激光杂志. 2022(05): 54-59 . 百度学术
19. 叶名炀,张杰强. 基于轻量化网络MobileNetV2的玉米病害识别研究. 现代计算机. 2022(11): 46-50 . 百度学术
20. 钟友闻,车文刚,高盛祥. 轻型多尺度黑色素瘤目标检测网络模型的建立:基于注意力机制调控. 南方医科大学学报. 2022(11): 1662-1671 . 百度学术
21. 滕明洪,谭立新. 基于EfficientNetV2和迁移学习的葡萄病害识别研究. 软件. 2022(11): 43-49 . 百度学术
22. 陆健强,梁效,余超然,兰玉彬,邱洪斌,黄捷伟,尹梓濠,陈慧洁,郑胜杰. 基于坐标注意力机制与高效边界框回归损失的线虫快速识别. 农业工程学报. 2022(22): 123-132 . 百度学术
23. 卢慧林,陈大嵩,陈逢浩,叶静文,欧阳革成. 基于纳米孔测序技术的柑橘黄龙病检测方法建立. 环境昆虫学报. 2021(06): 1596-1600 . 百度学术
其他类型引用(14)