Effects of drip fertigation under shade on soil quality and water use of Coffea arabica
-
摘要:目的
探究遮阴下不同水肥耦合模式对小粒种咖啡根区土壤质量及水分利用的影响。
方法以小粒种咖啡为研究对象,在30%遮阴度下,试验设2因素(灌水和施肥)3水平完全设计,共9个处理。3个灌水水平:高水(WH:1.2 Ep)、中水(WM:1.0 Ep)和低水(WL:0.8 Ep);3个施肥水平:高肥(FH:530.00 kg·hm−2)、中肥(FM:353.33 kg·hm−2)和低肥(FL:176.67 kg·hm−2)。分析小粒种咖啡根区土壤养分、微生物数量、酶活性、干物质量及灌溉水分利用效率对水肥调控的响应规律,通过隶属函数和因子分析相结合对土壤质量进行综合评价,再以TOPSIS法综合分析,找出小粒种咖啡最佳水肥耦合模式。
结果灌水水平和施肥水平对小粒种咖啡根区土壤养分、微生物数量、酶活性(除秋季过氧化氢酶)、根干物质量、树干干物质量、总干物质量和灌溉水分利用效率影响显著。FHWL处理的硝态氮、速效磷和速效钾含量季均值最高;FMWH处理的土壤微生物数量和酶活性季均值最高。与FLWL处理相比,FHWL处理的土壤硝态氮、速效磷和速效钾含量季均值分别增加72.61%、154.01%和7.37%,FMWH处理的土壤细菌、真菌和放线菌数量季均值分别增加121.81%、61.73%和41.43%,且脲酶、过氧化氢酶和磷酸酶活性季均值分别增加46.67%、42.74%和22.55%。土壤硝态氮含量与过氧化氢酶活性存在显著正相关;土壤细菌、真菌和放线菌数量分别与脲酶、过氧化氢酶和磷酸酶活性存在显著正相关。隶属函数和因子分析相结合的方法表明,FMWH处理土壤质量指数最高(0.75)。FMWH处理的总干物质量(38011.50 kg·hm−2)最大,FMWL处理的灌溉水分利用效率(7.88 kg·m−3)最大。TOPSIS法表明,FMWM处理的土壤质量、干物质和灌溉水分利用效率综合效益排名第1,其次是FMWH处理。
结论在30%遮阴度下,FMWM处理为改善土壤质量且促进小粒种咖啡高效生产的最佳水肥耦合模式。
Abstract:ObjectiveTo explore the effects of different coupling modes of water-fertilizer on root zone soil quality and water use of Coffea arabica under shade.
MethodC. arabica was chosen as test material, under 30% shading degree, three irrigation levels (WH: 1.2 Ep, WM: 1.0 Ep, WL: 0.8 Ep) and three fertilization levels (FH: 530.00 kg·hm−2, FM: 353.33 kg·hm−2, FL: 176.67 kg·hm−2) were completely designed with a total of nine treatments. The response laws of soil nutrient, microbial quantity, enzyme activities, dry mass and irrigation water use efficiency in root zone of C. arabica to water-fertilizer regulation were analyzed, and soil quality was comprehensively evaluated by combining membership function with factor analysis, and then the optimal water-fertilizer coupling mode of C. arabica was found by TOPSIS comprehensive analysis.
ResultIrrigation level and fertilization level had significant effects on soil nutrient, microbial quantity, enzyme activities (except catalase in autumn), root dry mass, stem dry mass, total dry mass and irrigation water use efficiency of C. arabica root zone. The average seasonal values of nitrate nitrogen, available phosphorus and available potassium contents in FHWL treatment were the highest. The average seasonal values of soil microorganism quantity and enzyme activities were the highest in FMWH treatment. Compared with FLWL treatment, FHWL treatment increased the average seasonal values of soil nitrate-nitrogen, available phosphorus and available potassium contents by 72.61%, 154.01% and 7.37%, respectively; FMWH treatment increased the average seasonal values of soil bacteria, fungi and actinomycetes number by 121.81%, 61.73% and 41.43%, respectively, and increased the average seasonal values of urease, catalase and phosphatase activities by 46.67%, 42.74% and 22.55%, respectively. There was a significant positive correlation between soil nitrate nitrogen content and catalase activity. The number of soil bacteria, fungi and actinomycetes were significantly positively correlated with the activities of urease, catalase and phosphatase, respectively. The combination of membership function and factor analysis showed that soil quality index of FMWH treatment was the highest (0.75). The total dry mass (38 011.50 kg·hm−2) of FMWH treatment was the highest, and the irrigation water use efficiency (7.88 kg·m−3) of FMWL treatment was the highest. However, TOPSIS method showed that the comprehensive benefit (soil quality, dry matter and irrigation water use efficiency) of FMWM treatment ranked the first, followed by FMWH treatment.
ConclusionUnder 30% shading degree, FMWM treatment was the best coupling mode of water-fertilizer for improving soil quality and promoting efficient production of C. arabica .
-
Keywords:
- Coffea arabica /
- Drip fertigation /
- Soil quality /
- Dry mass /
- Irrigation water use efficiency
-
水稻Oryza sativa L.是世界上超过一半人口的主要粮食作物,深入挖掘重要的功能基因对水稻主要农艺性状的遗传改良具有重要意义。高密度遗传图谱的构建为基因的精准定位和克隆创造了必要条件。
本研究使用的重组自交系(Recombinant inbred lines,RILs)群体是由籼稻‘MDS’和籼稻‘R315’构建的高代重组自交系,具有稳定的表型性状,是一个良好的永久性遗传群体。自1988年McCouch等[1]利用籼稻‘IR34583’与爪哇稻‘Bulu Dalam’衍生的F2群体构建了第1张含135个限制性内切酶片段长度多态性(Restriction fragment length polymorphism,RFLP)标记的水稻分子连锁图谱以来,水稻的遗传图谱相继诞生。传统的图谱构建通常利用RFLP、简单重复序列(Simple sequence repeat,SSR)标记和随机扩增多态性DNA(Random amplified polymorphic DNA,RAPD)标记。结合多种分子标记技术进行遗传图谱构建可进一步增加标记的密度。徐建龙等[2]利用272个均匀分布的标记(141个RFLP标记、99个SSR标记、29个RAPD标记和3个形态标记)构建了连锁图用于QTL分析,该连锁图总共覆盖基因组2 777.7 cM,相邻标记间平均距离为10.2 cM。早期的分子标记,作图距离通常较大,后期精细定位工作需要大量分离的F2代个体。随着DNA测序技术的快速发展,基于高通量测序的新型分子标记越来越多地应用于高密度遗传图谱的构建[3-4]。Chen等[5]利用148个子代组成的RIL群体构建了1 680.9 cM的遗传图谱,平均遗传距离为1.16 cM,共定位到23个耐盐相关QTLs,其中,位于第1、4、12号染色体上的3个QTLs表现出累加效应。单核苷酸多态性(Single nucleotide polymorphism,SNP)标记作为第3代新型分子标记技术,具有数量多、遗传稳定性高以及易于自动化分析等优点[6],已成为近年来水稻高密度遗传图谱构建的优先选择。
本研究利用全基因组测序(Whole genome sequencing,WGS)技术对籼稻‘MDS’和籼稻‘R315’构建的1个RIL群体进行全基因组测序,先鉴定出两亲本间的SNP,再利用SNP构建bin标记,最后构建1张高密度遗传图谱,以期为进一步深入挖掘和研究重要农艺性状基因奠定有利基础。
1. 材料与方法
1.1 试验材料
本研究使用的材料为国家植物航天育种工程技术研究中心前期收集的籼稻地方品种‘MDS’和‘R315’。父本‘MDS’是大穗、抗倒、高产型的地方籼稻品种,具有高光效、高养分利用率等特点。母本‘R315’是在‘象牙香占’基础上改良的籼稻恢复系,具有抗病、优质、配合力好等特点,父母本杂交,F2代通过单粒传法繁殖获得高世代RILs。
1.2 CTAB法提取植物叶片DNA
2019年晚季在华南农业大学校内教学科研试验基地的试验田中种植水稻亲本和RILs群体(含192个株系),每个材料按6行×6株的规模种成小区,株行距均为20 cm,单苗插植,常规栽培管理。F5代单株收种。亲本及其RILs(F6代)群体取20粒饱满种子萌发,取各个株系的幼嫩叶片(每个株系随机取5株混样),按CTAB法[7]提取DNA后送至北京诺禾致源生物信息科技有限公司进行测序分析。
1.3 DNA文库构建及测序
检测合格的DNA样品通过酶切、加测序接头、纯化、PCR扩增等步骤完成整个文库制备。构建好的文库通过Illumina(测序仪)进行测序。
1.4 测序数据质量评估及分析
检测合格的DNA文库进行HiSeq测序,产出Raw reads,结果以fastq文件格式存储。经过过滤,得到高质量的Clean reads。对192个子代及亲本测序数据进行统计,包括测序reads数量、数据产量、测序错误率、Q20、Q30、GC含量等。另外,将Clean data与NCBI的核苷酸数据库进行比对,以评估是否有其他来源的DNA污染。将2个亲本及192个子代测序数据与参考基因组( http://www.mbkbase.org/R498/)进行比对,反映测序数据与参考基因组的相似性,覆盖深度和覆盖度能够反映测序数据的均一性及与参考序列的相似性。
1.5 单核苷酸多态性检测与标记开发
SNP主要是指在基因组水平上由单个核苷酸的变异所引起的DNA序列多态性,包含单个碱基的转换、颠换等。基于Burrows-Wheeler aligner (BWA)比对结果,利用群体检测SNP的方式对亲本和192个子代进行SNP检测。对BWA比对结果进行过滤:将比对到水稻参考基因组上唯一位置的reads挑选出来,采用GATK(The genome analysis toolkit)[8]对过滤后的bam文件进行群体SNP的检测。为减少测序错误造成的假阳性SNP,要求亲本SNP碱基支持数不少于5,子代SNP碱基支持数不少于3,统计杂合SNP数、纯合SNP数和杂合SNP比例(杂合SNP数/总SNP数)。
基于亲本基因型检测结果,进行亲本间多态性标记开发,并选择RIL群体的可用标记类型(“aa×bb”型),即2个亲本的某个SNP基因型都为纯合且不相同。完成标记开发后,提取192个子代在亲本多态性标记位点的基因型,对分型后的标记进行筛选。首先进行异常碱基检查,子代分型结果中,可能会出现少数亲本中没有出现的碱基型,则认为该碱基是异常碱基,碱基缺失用“—”表示;基于上述结果继续进行异常基因型检查,本研究群体类型为RILs,在子代分离群体中,主要以纯合为主,杂合类型占比很低,杂合标记也视为异常基因型,转化为缺失。
1.6 高密度图谱构建及质量评估
利用最终获得的高质量SNP标记,对每个个体使用15个SNP滑动窗口、步移长度为1的策略检测RILs间的重组断点,得到群体重组断点分布图。针对每个连锁群使用JoinMap4.0对每个连锁群的bin标记进行排序(连锁群使用回归算法排序,采用Kosambi函数计算遗传距离)。根据获得的bin标记的遗传距离,使用perl SVG模块绘制连锁图,并依据文献[9]对标记在基因组上的位置和遗传图谱进行共线性分析。
2. 结果与分析
2.1 亲本性状差异及测序数据信息分析
通过对两亲本的农艺性状数据进行差异显著性分析,发现两亲本在每穗颖花数、粒长、每穗实粒数、叶宽、株高和二级枝梗数上具有极显著差异(P<0.01)(图1),每穗颖花数、粒长、每穗实粒数、叶宽、株高、二级枝梗数是后续研究重点关注性状。
通过对两亲本和RILs群体192个子代检测合格的DNA文库进行HiSeq测序,总共获得549 496 399 500 bp测序量。亲本‘MDS’得到4 140 981 000 bp Raw reads,过滤后得到Clean reads 4 134 873 600 bp,平均测序深度为9.33×;亲本‘R315’ 共得到4 395 794 100 bp Raw reads,过滤后得到4 390 405 500 bp Clean reads,平均测序深度9.66×。RILs群体192个子代中平均每个个体的Raw reads 约2 817 557 919 bp,平均测序深度6.33×。亲本总体测序质量高,Q20≥95%,Q30≥89%,GC分布正常,‘MDS’和‘R315’中GC含量分别为43.73%和44.12%。
将2个亲本及192个子代的测序数据与参考基因组比对。参考基因组大小为390 983 850 bp,192个子代样本比对率均在91%以上,1×覆盖度(至少有1个碱基的覆盖)平均为92.45%,对参考基因组捕获区域的平均覆盖深度为6.30×;比对结果可用于后续的变异检测及相关分析。
2.2 SNP识别与基因分型
基于2个亲本的基因型分析结果,开发的标记类型及数量如图2所示,父母亲本间共鉴定出具有多态性的位点470 833个,可用标记类型为“aa×bb”型,共计221 494个。
对分型后的遗传标记进行筛选,未发现异常碱基,说明基因分型准确性较好。基于筛选的结果对子代分型结果进行异常基因型检查,未发现杂合类型,说明RILs子代群体中,杂合类型占比较低。最终获得221 494个有效标记用于连锁性分析。
2.3 高密度遗传图谱构建及质量评估
基于获得的221 494个SNP标记,对每个个体使用15个SNP滑动窗口、步移长度为1的策略[9]检测RILs间的重组断点,得到群体重组断点图(图3)。利用图2的标记信息,可追踪到192个子代中每个子代的每条染色体的重组事件发生的位置。
使用JoinMap4.0对每个连锁群的bin标记进行排序(连锁群使用回归算法排序,使用Kosambi函数计算遗传距离),最终获得bin标记1 612个,均匀分布在各染色体上(图4)。用perl SVG模块绘制连锁图,总图距1 327.82 cM,覆盖了12个连锁群(分布在水稻的12条染色体上),标记间的平均图距为0.82 cM。各个连锁群bin标记数量、总图距、平均图距等基本信息如表1所示。其中第1号染色体(Chr 1)连锁群图距最长,为170.19 cM,包含bin标记最多,为194个,标记间平均图距是0.88 cM;第11号染色体(Chr 11)连锁群图距最短,为60.18 cM,包含bin标记最少,为68个,标记间的平均图距是0.89 cM;连锁群中最大间隔(Maximum gap)长度小于5 cM的比例高达98.2%。
表 1 遗传连锁群信息Table 1. Characteristics of genetic linkage group染色体编号
Chromosome number标记数量
Marker number总图距/cM
Total map distance平均图距/cM
Average map distance最大间隔/cM
Maximum gap1 194 170.19 0.88 9.73 2 137 100.75 0.74 5.39 3 164 139.83 0.85 18.29 4 174 125.12 0.72 18.53 5 144 114.72 0.80 14.73 6 125 114.46 0.92 7.75 7 151 128.06 0.85 11.96 8 132 113.11 0.86 19.60 9 116 94.48 0.81 7.68 10 95 68.13 0.72 5.23 11 68 60.18 0.89 5.24 12 112 98.79 0.88 6.07 合计 Total 1 612 1 327.82 0.82 19.60 共线性分析结果(图5)显示,各个连锁群上大部分标记与在基因组上保持一致,共线性较好,图谱质量高。
图 5 遗传图谱和物理图谱的共线性分析左侧刻度为相对遗传距离;Chr 1~12:染色体编号;Lg 1~12:连锁群编号;红色为连锁群,蓝色为参考基因组R498染色体Figure 5. Collinearity analysis between genetic map and physical mapThe left scale is relative genetic distance; Chr 1−12: Chromosome number; Lg 1−12: Linkage group number; Red area is linkage group and blue area is chromosome of reference genome R4983. 讨论与结论
高通量测序技术的迅速发展加速了水稻重要基因的挖掘和应用,在育种上也可以应用相关分子标记提高材料选育的准确性,加快品种选育。运用高通量测序获得高质量SNPs并构建遗传图谱进行QTL鉴定是目前的研究热点。
亲本的选择是获得高质量图谱的第一步,对后续的QTL定位也至关重要。亲本间的DNA具有多态性是选材的首要条件,在某一表型或者多个表型具有极端差异的2个材料是理想的选择。在研究产量[10-12]、粒形[13-14]等性状时,亲本的目的性状要存在极端差异。前期观察分析发现籼稻‘MDS’和‘R315’在多个农艺性状上均存在明显差异,包括株高、叶色、叶长、叶宽、粒形、穗粒数等。进一步的分析发现双亲在每穗粒数、叶宽、每穗实粒数、粒长、二次枝梗数、株高等性状上均存在极显著差异,预示着双亲中可能存在多个控制水稻产量的基因或者QTLs。接下来我们将对群体的多个表型数据进行分析,结合构建的高密度遗传图谱开展深入的研究。
基于重测序获得高质量的SNPs,再划分bin标记能大幅度提高作图的精度与效率,Huang等[9]对150个子代的RIL群体在F8代使用287个分子标记进行基因分型,构建的遗传图谱标记间平均遗传距离为5 cM,平均物理距离为1.4 Mb,需要3个人通过1年的工作完成;而在F11代使用重测序,每40 kb就获得1个SNP,将重组断点的分辨率提高了35倍,仅花费2周时间,将每15个SNPs划分为1个bin标记,标记间平均遗传距离为2.3 cM,平均物理距离为600 kb。本研究在前人基础上构建的图谱标记间平均遗传距离为0.82 cM,平均物理距离为242 kb,平均每16 kb就能产生1个SNP,进一步提高了重组断点的分辨率。
标记的数量也是遗传图谱的一个重要指标,籼粳杂交能获得丰富的多态性位点[1],但会定位到大量的QTLs,使得后续的研究难以进行。所以进一步精细定位高级的作图群体,主要指近等基因系类群体,其通过连续重复回交获得,特征是群体中个体间遗传背景相似,仅带有少数供体片断,从而消除背景的干扰和主效基因对微效QTLs的掩盖作用,如导入系(Introgression lines,ILs)和替换系(Substitution lines,SLs)[15-16],其目的为在保证遗传背景更加相似的情况下得到准确的结果。本研究选择了在表型上具有较大差异的2个籼稻品种作为亲本,以期在去除相同的遗传背景后得到一定的多态性遗传标记,准确关联到差异表型的QTLs。
QTL及基因鉴定的终极目的是应用于育种。针对水稻的重要性状,当前已经定位和克隆了一些重要基因,但大部分的QTLs或基因都只停留在试验阶段,没能与育种实践结合起来。其中主要的1个原因就是部分QTLs受遗传背景影响很大,很难在不同群体中检测到相同的QTL位点,这很可能是因为QTL的上位性占据了主导地位[17]。主效QTL或基因的定位,通常会选择遗传背景有较大差异的亲本构建群体,例如常用的籼粳杂交群体,对于群体中发现的有价值的QTL想用于选育出好的品种进行推广,还需要进行多次回交、自交,严重影响育种进程。与此同时,得到的结果会因为材料或者鉴定的环境改变而无法在育种中展开,最终导致定位到的QTL或基因与育种实践相脱节[18-19]。本研究选择的2个籼稻品种,在遗传背景相对相似的情况下,获得的QTL或基因能更加稳定地表达,而且选择双亲时要注重在性状上互补,在高世代的RILs群体中才可以直接筛选到能稳定遗传的目标株系用于水稻品种选育,从而达到使QTL鉴定与育种同步进行、互相验证的目的。
-
表 1 滴灌施肥下小粒种咖啡根区土壤养分的季节变化1)
Table 1 Seasonal changes of soil nutrients in root zone of Coffea arabica under drip fertigation
w/(mg·kg−1) 施肥水平
Fertilizer
level灌水水平
Irrigation
level硝态氮 Nitrate nitrogen 速效磷 Available phosphorus 速效钾 Available potassium 春季
Spring夏季
Summer秋季
Autumn季均值
Season average春季
Spring夏季
Summer秋季
Autumn季均值
Season average春季
Spring夏季
Summer秋季
Autumn季均值
Season averageFL WL 54.63±2.48e 37.85±3.11f 44.76±2.59f 45.75±8.43b 15.88±1.57cd 11.05±0.83d 12.33±1.46de 13.09±2.50c 120.92±4.53d 122.32±3.07c 137.98±2.18c 127.07±9.47c WM 50.87±4.91e 38.85±2.43f 41.08±2.03g 43.60±6.39b 13.61±0.98e 9.15±0.71d 10.55±0.96e 11.10±2.28cde 99.96±3.55ef 83.88±2.90f 93.17±2.22f 92.34±8.07e WH 43.62±4.07f 39.85±1.91h 36.08±1.69h 39.85±3.77b 9.79±1.03f 6.06±0.38e 7.85±0.81f 7.90±1.87de 73.52±2.88g 67.89±1.43g 80.02±5.09g 73.81±6.07f FM WL 77.45±1.81c 40.85±3.06c 67.67±2.63cd 61.99±18.95ab 17.50±0.58c 11.28±0.53d 13.56±1.65d 14.11±3.15c 158.39±5.90b 145.97±3.01b 162.21±2.73b 155.52±8.49b WM 75.74±4.01c 41.85±1.40d 64.24±1.67d 60.61±17.23ab 14.25±1.16de 10.06±0.71d 11.28±0.78de 11.86±2.16cd 129.10±3.09c 111.65±2.43d 125.05±2.39d 121.93±9.13c WH 63.97±3.76d 42.85±3.56e 54.41±2.06e 53.74±10.58ab 8.64±0.44f 5.61±0.36e 7.42±0.63f 7.22±1.52e 96.56±1.99f 82.54±1.32f 92.55±4.08f 90.55±7.22e FH WL 99.13±5.33a 43.85±2.58a 93.92±2.53a 78.97±30.52a 35.03±1.53a 31.60±2.53a 33.12±1.88a 33.25±1.72a 175.65±6.09a 167.45±7.38a 180.54±3.66a 174.55±6.61a WM 88.88±2.56b 44.85±3.60b 78.98±1.98b 70.90±23.1ab 32.41±1.45b 28.50±1.55b 30.29±1.62b 30.40±1.96ab 135.44±4.35c 125.54±3.75c 136.58±1.59c 132.52±6.07c WH 75.27±3.13c 45.85±1.34cd 68.34±1.76c 63.15±15.38ab 30.91±1.63b 25.83±1.84c 27.66±1.10c 28.13±2.57b 106.54±3.37e 102.54±2.25e 115.25±3.33e 108.11±6.50d P F <0.01** <0.01** <0.01** <0.01** <0.01** <0.01** <0.01** <0.01** <0.01** <0.01** <0.01** <0.01** W <0.01** <0.01** <0.01** 0.47 <0.01** <0.01** <0.01** <0.01** <0.01** <0.01** <0.01** <0.01** F×W 0.06 <0.01** <0.01** 0.99 0.03* 0.66 0.78 0.90 <0.01** 0.02* 0.01* 0.44 1)同列数据后的不同小写字母表示处理间差异显著(P<0.05, Duncan’s法);“*”和“**”分别表示在P<0.05和P<0.01水平差异显著(单因素方差分析方法)
1)Different lowercase letters in the same column indicate significant differences among different treatments (P<0.05, Duncan’s method); “*” and “**” indicate significant differences atP<0.05 andP<0.01 levels respectively (One-way ANOVA test)表 2 滴灌施肥下小粒种咖啡根区土壤微生物数量的季节变化1)
Table 2 Seasonal changes of soil microbial quantity in root zone of Coffea arabica under drip fertigation
施肥水平
Fertilizer
level灌水水平
Irrigation
level细菌/(×107 CFU·g−1) Bacteria 真菌/(×103 CFU·g−1) Fungi 放线菌/(×105 CFU·g−1) Actinomycetes 春季
Spring夏季
Summer秋季
Autumn季均值
Season average春季
Spring夏季
Summer秋季
Autumn季均值
Season average春季
Spring夏季
Summer秋季
Autumn季均值
Season averageFL WL 3.64±0.44e 4.27±0.29g 1.72±0.35e 3.21±1.33c 5.61±0.30e 4.49±0.26e 9.35±0.27e 6.48±2.54a 9.57±0.08f 11.38±0.42e 7.57±0.17e 9.51±1.91b WM 4.65±0.10d 5.46±0.34d 2.55±0.33d 4.22±1.50bc 6.42±0.33d 5.46±0.39d 10.49±0.18d 7.46±2.67a 10.77±0.15d 12.51±0.21d 8.51±0.23d 10.60±2.01ab WH 5.55±0.11c 6.52±0.45c 3.59±0.22c 5.22±1.49abc 7.52±0.28c 6.47±0.48c 11.49±0.45c 8.49±2.65a 11.56±0.20c 13.53±0.36c 9.38±0.21c 11.49±2.07ab FM WL 5.35±0.09c 6.45±0.32c 3.52±0.22c 5.11±1.48abc 7.32±0.30c 6.31±0.15c 11.42±0.13c 8.35±2.71a 11.36±0.24c 13.37±0.41c 9.73±0.33c 11.49±1.82ab WM 6.89±0.05b 7.41±0.35b 4.69±0.18b 6.33±1.44ab 8.32±0.12b 7.52±0.44b 12.49±0.25b 9.44±2.67a 12.71±0.25b 14.37±0.42b 10.56±0.25b 12.55±1.91ab WH 7.42±0.36a 8.50±0.35a 5.45±0.30a 7.12±1.55a 9.47±0.17a 8.50±0.28a 13.47±0.14a 10.48±2.63a 13.48±0.24a 15.30±0.15a 11.57±0.20a 13.45±1.87a FH WL 4.48±0.13d 5.63±0.41d 2.44±0.20d 4.18±1.62bc 6.26±0.12d 5.44±0.25d 10.61±0.20d 7.44±2.78a 10.50±0.15de 12.62±0.22d 8.58±0.27d 10.57±2.02ab WM 5.30±0.10c 6.35±0.38c 3.64±0.12c 5.10±1.37abc 7.63±0.17c 6.55±0.24c 11.38±0.31c 8.52±2.53a 11.57±0.40c 13.66±0.27c 9.64±0.27c 11.62±2.01ab WH 6.69±0.27b 7.62±0.18b 4.57±0.34b 6.29±1.56ab 8.55±0.12b 7.33±0.27b 12.53±0.20b 9.47±2.72a 12.72±0.27b 14.50±0.33a 10.60±0.20b 12.61±1.95ab P F <0.01** <0.01** <0.01** 0.04* <0.01** <0.01** <0.01** 0.32 <0.01** <0.01** <0.01** 0.13 W <0.01** <0.01** <0.01** 0.03* <0.01** <0.01** <0.01** 0.28 <0.01** <0.01** <0.01** 0.12 F×W 0.03* 0.84 0.67 1.00 0.32 0.89 0.78 1.00 0.60 0.96 0.91 1.00 1)同列数据后的不同小写字母表示处理间差异显著(P<0.05,Duncan’s法);“*”和“**”分别表示在P<0.05和P<0.01水平差异显著(单因素方差分析方法)
1)Different lowercase letters in the same column indicate significant differences among different treatments (P<0.05, Duncan’s method); “*” and “**” indicate significant differences atP<0.05 andP<0.01 levels respectively (One-way ANOVA test)表 3 滴灌施肥下小粒种咖啡根区土壤酶活性季节变化1)
Table 3 Seasonal changes of soil enzyme activity in root zone of Coffea arabica under drip fertigation
mg·g−1·d−1 施肥水平
Fertilizer
level灌水水平
Irrigation
level脲酶 Urease 过氧化氢酶 Catalase 春季
Spring夏季
Summer秋季
Autumn季均值
Season average春季
Spring夏季
SummerFL WL 0.30±0.02g 0.29±0.01e 0.32±0.01g 0.30±0.02f 1.37±0.03e 1.12±0.02g WM 0.33±0.01f 0.32±0.01d 0.35±0.01f 0.33±0.02e 1.38±0.01e 1.16±0.01f WH 0.36±0.01e 0.34±0.01c 0.37±0.01e 0.36±0.02de 1.39±0.02e 1.19±0.01e FM WL 0.39±0.01cd 0.36±0.01c 0.39±0.01d 0.38±0.02cd 1.94±0.02b 1.74±0.01b WM 0.41±0.01b 0.40±0.01ab 0.42±0.01b 0.41±0.01ab 1.96±0.02ab 1.77±0.01a WH 0.44±0.01a 0.42±0.02a 0.45±0.02a 0.44±0.02a 1.98±0.02a 1.79±0.02a FH WL 0.37±0.02de 0.36±0.02c 0.39±0.01de 0.37±0.02d 1.63±0.03d 1.44±0.02d WM 0.39±0.01cd 0.36±0.03c 0.40±0.01cd 0.38±0.02bcd 1.67±0.01c 1.46±0.02d WH 0.40±0.02bc 0.39±0.01b 0.42±0.01bc 0.40±0.02bc 1.68±0.01c 1.49±0.02c P F <0.01** <0.01** <0.01** <0.01** <0.01** <0.01** W <0.01** <0.01** <0.01** <0.01** <0.01** <0.01** F×W 0.41 0.25 0.12 0.59 0.59 0.42 施肥水平
Fertilizer
level灌水水平
Irrigation
level过氧化氢酶 Catalase 磷酸酶 Phosphatase 秋季
Autumn季均值
Season average春季
Spring夏季
Summer秋季
Autumn季均值
Season averageFL WL 1.24±0.01c 1.24±0.13b 75.73±2.15g 56.33±4.90f 84.56±2.42e 72.21±14.44a WM 1.26±0.01c 1.27±0.11b 80.04±2.26f 59.04±2.72ef 88.88±3.89de 75.99±15.33a WH 1.28±0.02c 1.29±0.10b 83.52±0.91de 62.39±1.21cde 92.39±1.82cd 79.43±15.41a FM WL 1.55±0.01b 1.74±0.20a 84.81±1.04cde 63.44±1.29cde 93.16±3.11cd 80.47±15.33a WM 1.56±0.01b 1.76±0.20a 88.17±0.41b 67.20±2.49bc 99.78±3.37ab 85.05±16.51a WH 1.55±0.14b 1.77±0.22a 91.53±0.89a 72.70±2.21a 101.25±4.22a 88.49±14.52a FH WL 1.83±0.02a 1.63±0.20a 82.76±2.33ef 61.77±2.81de 91.77±1.99cd 78.77±15.39a WM 1.86±0.02a 1.66±0.20a 85.92±2.54bcd 65.26±1.30bcd 94.90±1.63bc 82.03±15.20a WH 1.89±0.01a 1.69±0.20a 87.68±1.08bc 68.28±2.46ab 98.42±1.55ab 84.79±15.28a P F <0.01** <0.01** <0.01** <0.01** <0.01** 0.474 W 0.35 0.88 <0.01** <0.01** <0.01** 0.620 F×W 0.87 1.00 0.67 0.82 0.86 1.00 1)同列数据后的不同小写字母表示处理间差异显著(P<0.05,Duncan’s法);“*”和“**”分别表示在P<0.05和P<0.01水平差异显著(单因素方差分析方法)
1)Different lowercase letters in the same column indicate significant differences among different treatments (P<0.05, Duncan’s method); “*” and “**” indicate significant differences atP<0.05 andP<0.01 levels respectively (One-way ANOVA test)表 4 土壤养分含量、微生物数量和酶活性的相关性分析1)
Table 4 Correlation analysis of soil nutrient content and microbial quantity and enzyme activity
项目
Item硝态氮
Nitrate
nitrogen速效磷
Available
phosphorus速效钾
Available
potassium细菌
Bacteria真菌
Fungi放线菌
Actinomycetes脲酶
Urease过氧化
氢酶
Catalase磷酸酶
Phosphatase硝态氮 Nitrate nitrogen 1.00 速效磷 Available phosphorus 0.84** 1.00 速效钾 Available potassium 0.79* 0.63 1.00 细菌 Bacteria 0.12 −0.17 −0.36 1.00 真菌 Fungi 0.13 −0.16 −0.37 0.99** 1.00 放线菌 Actinomycetes 0.16 −0.13 −0.34 0.99** 0.99** 1.00 脲酶 Urease 0.40 0.04 −0.07 0.94** 0.95** 0.95** 1.00 过氧化氢酶 Catalase 0.71* 0.31 0.38 0.71* 0.71* 0.73* 0.87** 1.00 磷酸酶 Phosphatase 0.33 0.02 −0.19 0.97** 0.98** 0.98** 0.99** 0.83** 1.00 1)“*”和“**”分别表示达0.05和0.01水平的显著相关(双尾检测)
1) “*”and“**”indicate significant correlation at 0.05 and 0.01 levels, respectively (Double tail detection)表 5 滴灌施肥对小粒种咖啡干物质累积及灌溉水分利用效率的影响1)
Table 5 Effects of drip fertigation on dry mass accumulation and irrigation water use efficiency of Coffea arabica
施肥水平
Fertilizer
level灌水水平
Irrigation
level干物质量/(kg·hm−2) Dry mass 灌溉水分利用效率/(kg·m−3)
Irrigation water
use efficiency根
Root枝
Branch叶
Leaf树干
Trunk总干物质量
Total dry massFL WL 8083.33±
159.00d3733.67±
882.33b10884.17±
1 886.17a6022.17±
570.17d28723.33±
2 532.67d3.83±0.10c WM 8461.00±
547.83cd4207.83±
797.00ab11658.83±
2 495.33a6533.50±
540.33cd30861.17±
2 201.00cd3.29±0.09d WH 8917.17±
557.00bcd4822.00±
1694.33ab11960.67±
2 049.83a6667.00±
606.17cd32366.83±
434.33bcd2.88±0.10e FM WL 9411.50±
885.67abc5210.17±
390.67ab12471.83±
1 042.50a7000.83±
687.33bc34094.33±
2 868.67abc4.55±0.09a WM 9822.33±
497.83abc5510.00±
698.00ab13067.00±
2 035.67a7768.00±
404.17ab36167.33±
2 203.67ab3.86±0.10bc WH 10228.00±
621.50a5960.83±
1131.33a13583.33±
2 441.67a8239.33±
178.17a38011.50±
3 031.83a3.38±0.17d FH WL 8501.17±
682.5cd4922.50±
516.83ab11254.83±
2 224.17a6038.50±
550.33d30717.00±
2 658.33cd4.10±0.12b WM 8884.17±
732.83bcd5217.00±
1 020.83ab11616.67±
1 696.67a6438.00±
305.67cd32155.83±
1265.33bcd3.43±0.15d WH 9087.83±
315.00bcd5672.33±
1350.00ab12138.33±
1274.83a6773.50±
419.50cd33672.00±
2 029.83bc2.99±0.11e P F <0.01** 0.04* 0.22 <0.01** <0.01** <0.01** W 0.05* 0.22 0.55 <0.01** 0.02* <0.01** F×W 0.99 1.00 1.00 0.85 1.00 0.69 1)同列数据后的不同小写字母表示处理间差异显著(P<0.05,Duncan’s法);“*”和“**”分别表示在P<0.05和P<0.01水平差异显著(单因素方差分析方法)
1)Different lowercase letters in the same column indicate significant differences among different treatments (P<0.05, Duncan’s method); “*” and “**” indicate significant differences atP<0.05 andP<0.01 levels respectively (One-way ANOVA test)表 6 小粒种咖啡不同滴灌施肥方案的TOPSIS综合分析
Table 6 TOPSIS comprehensive analysis of different drip fertigation schemes for Coffea arabica
施肥水平
Fertilizer
level灌水水平
Irrigation
level评价指标加权归一化
Weighted normalization
of evaluation index正负理想解距离
Positive and negative
ideal solution distance接近度
Proximity
(Ci)排名
Ranking土壤质量
Soil quality干物质量
Dry matter灌溉水分利用效率
Irrigation water use efficiencyDi+ Di− FL WL 0.016 0.102 0.121 0.125 0.027 0.176 9 WM 0.034 0.110 0.108 0.109 0.024 0.180 8 WH 0.052 0.115 0.095 0.098 0.038 0.281 7 FM WL 0.102 0.121 0.144 0.035 0.100 0.742 3 WM 0.123 0.128 0.127 0.022 0.114 0.841 1 WH 0.134 0.135 0.111 0.033 0.124 0.790 2 FH WL 0.104 0.109 0.130 0.042 0.095 0.691 6 WM 0.113 0.114 0.113 0.043 0.099 0.698 5 WH 0.127 0.119 0.098 0.049 0.113 0.699 4 权重
Weight0.2958 0.3522 0.3520 正理想解
Positive ideal solution0.134 0.135 0.144 负理想解
Negative ideal solution0.016 0.102 0.095 -
[1] 郝琨, 费良军, 刘小刚, 等. 香蕉树中度荫蔽下充分灌水提高干热区咖啡产量及品质[J]. 农业工程学报, 2019, 35(12): 72-80. doi: 10.11975/j.issn.1002-6819.2019.12.009 [2] 彭有亮, 刘小刚, 韩志慧, 等. 不同蓖麻荫蔽模式下亏缺灌溉对小粒咖啡生长及土壤微生物数量的影响[J]. 生态学杂志, 2019, 38(10): 2968-2974. [3] CAO X, YANG P, ENGEL B A, et al. The effects of rainfall and irrigation on cherry root water uptake under drip irrigation[J]. Agricultural Water Management, 2018, 197: 9-18. doi: 10.1016/j.agwat.2017.10.021
[4] 刘小刚, 张岩, 程金焕, 等. 水氮耦合下小粒咖啡幼树生理特性与水氮利用效率[J]. 农业机械学报, 2014, 45(8): 160-166. doi: 10.6041/j.issn.1000-1298.2014.08.025 [5] 李欢欢, 刘浩, 庞婕, 等. 水氮互作对盆栽番茄生长发育和养分累积的影响[J]. 农业机械学报, 2019, 50(9): 272-279. doi: 10.6041/j.issn.1000-1298.2019.09.032 [6] NISHA S K, SREELATHAKUMARY I. Growth and yield of watermelon Citrullus lanatus (Thunb.) with different levels of fertigation and drip irrigation[J]. Journal of Krishi Vigyan, 2020, 8(2): 157. doi: 10.5958/2349-4433.2020.00033.1
[7] 王同顺, 孙保平, 冯磊, 等. 不同水分处理对甘蒙柽柳幼苗根系生长特性的影响[J]. 生态学杂志, 2013, 32(3): 591-596. [8] 王伟华, 刘毅, 唐海明, 等. 长期施肥对稻田土壤微生物量、群落结构和活性的影响[J]. 环境科学, 2018, 39(1): 430-437. [9] 陆太伟, 蔡岸冬, 徐明岗, 等. 施用有机肥提升不同土壤团聚体有机碳含量的差异性[J]. 农业环境科学学报, 2018, 37(10): 2183-2193. doi: 10.11654/jaes.2017-1767 [10] SAINJU U M. Improving nitrogen balance with irrigation practice and cropping system[J]. Journal of Soil & Water Conservation, 2019, 74(16): 622-631.
[11] TIAN Z, LIU X, GU S, et al. Postponed and reduced basal nitrogen application improves nitrogen use efficiency and plant growth of winter wheat[J]. Journal of Integrative Agriculture, 2018, 17(12): 2648-2661. doi: 10.1016/S2095-3119(18)62086-6
[12] 赵青云, 邢诒彰, 林兴军, 等. 施用咖啡果皮对咖啡幼苗生长及土壤理化性状的影响[J]. 热带农业科学, 2017, 37(8): 54-59. [13] 赵青云, 邢诒彰, 孙燕, 等. 施用土壤调节剂对咖啡苗生长及连作酸化土壤酶活性的影响[J]. 热带作物学报, 2017, 38(10): 1868-1873. doi: 10.3969/j.issn.1000-2561.2017.10.016 [14] MARJERISON R D, MELKONIAN J, HUTSON J L, et al. Drainage and nitrate leaching from artificially drained maize fields simulated by the precision nitrogen management model[J]. Journal of Environmental Quality, 2016, 45(6): 2044-2052. doi: 10.2134/jeq2016.04.0129
[15] 章宇阳, 刘小刚, 余宁, 等. 不同遮荫条件下施肥量对西南干热区小粒咖啡产量和肥料利用的影响[J]. 应用生态学报, 2020, 31(2): 515-523. [16] 刘小刚, 郝琨, 韩志慧, 等. 水氮耦合对干热区小粒咖啡产量和品质的影响[J]. 农业机械学报, 2016, 47(2): 143-150. doi: 10.6041/j.issn.1000-1298.2016.02.019 [17] 郝琨, 刘小刚, 张岩, 等. 干旱胁迫−复水与氮肥耦合对小粒咖啡生长和水氮生产力的影响[J]. 应用生态学报, 2017, 28(12): 4034-4042. [18] 郝琨, 刘小刚, 韩志慧, 等. 周期性亏缺复水灌溉与氮肥耦合对小粒咖啡生长及光合特性的影响[J]. 排灌机械工程学报, 2017, 35(7): 616-626. doi: 10.3969/j.issn.1674-8530.16.0271 [19] 刘小刚, 李义林, 齐韵涛, 等. 干热区小粒咖啡提质增产的灌水和遮荫耦合模式[J]. 应用生态学报, 2018, 29(4): 1140-1146. [20] LIU X, LI F, ZHANG Y, et al. Effects of deficit irrigation on yield and nutritional quality of Arabica coffee (Coffea arabica) under different N rates in dry and hot region of southwest China[J]. Agricultural Water Management, 2016, 172: 1-8. doi: 10.1016/j.agwat.2016.04.007
[21] 张鲁鲁, 蔡焕杰, 王健, 等. 不同灌水量对温室甜瓜生长和生理特性的影响[J]. 干旱地区农业研究, 2009, 27(6): 58-62. [22] 鲍士旦. 土壤农化分析[M]. 3版. 北京: 中国农业出版社, 2000. [23] 李志刚, 谢应忠. 翻埋与覆盖林木枝条改善宁夏沙化土壤性质[J]. 农业工程学报, 2015, 31(10): 174-181. doi: 10.11975/j.issn.1002-6819.2015.10.023 [24] 张义, 谢永生, 郝明德, 等. 不同地表覆盖方式对苹果园土壤性状及果树生长和产量的影响[J]. 应用生态学报, 2010, 21(2): 279-286. [25] 赵彩衣, 王媛媛, 董青君, 等. 不同水肥处理对苕子和后茬玉米生长及土壤肥力的影响[J]. 水土保持学报, 2019, 33(4): 161-166. [26] YANG W, JIAO Y, YANG M, et al. Minimizing soil nitrogen leaching by changing furrow irrigation into sprinkler fertigation in potato fields in the Northwestern China plain[J]. Water, 2020, 12(8): 2229. doi: 10.3390/w12082229
[27] 关焱, 宇万太, 李建东. 长期施肥对土壤养分库的影响[J]. 生态学杂志, 2004, 23(6): 131-137. doi: 10.3321/j.issn:1000-4890.2004.06.028 [28] 王涛, 杨怡钧, 邓琳, 等. 不同固体微生物菌剂对砒砂岩土壤性质和紫花苜蓿生长的影响[J]. 农业工程学报, 2020, 36(8): 96-102. doi: 10.11975/j.issn.1002-6819.2020.08.012 [29] 张凯煜, 谷洁, 王小娟, 等. 微生物有机肥对樱桃园土壤细菌群落的影响[J]. 中国环境科学, 2019, 39(3): 1245-1252. doi: 10.3969/j.issn.1000-6923.2019.03.042 [30] 蒋朝晖, 曾清如, 皮荷杰, 等. 不同品种尿素施入土壤后pH值的变化和氨气释放差异[J]. 环境化学, 2009, 28(2): 177-180. doi: 10.3321/j.issn:0254-6108.2009.02.004 [31] 李艳鹏, 贺同鑫, 王清奎. 施肥对杉木林土壤酶和活性有机碳的影响[J]. 生态学杂志, 2016, 35(10): 2722-2731. [32] YANG L, LI T, LI F, et al. Fertilization regulates soil enzymatic activity and fertility dynamics in a cucumber field[J]. Scientia Horticulturae, 2008, 116(1): 21-26. doi: 10.1016/j.scienta.2007.11.001
[33] GUAN S Y. Soil enzyme and its research methods[M]. Beijing: Agriculture Press, 1986.
[34] GRAMSS G, VOIGT K D, KIRSCHE B. Oxidoreductase enzymes liberated by plant roots and their effects on soil humic material[J]. Chemosphere, 1999, 38(7): 1481-1494. doi: 10.1016/S0045-6535(98)00369-5
[35] 侯湖平, 王琛, 李金融, 等. 煤矸石充填不同复垦年限土壤细菌群落结构及其酶活性[J]. 中国环境科学, 2017, 37(11): 4230-4240. doi: 10.3969/j.issn.1000-6923.2017.11.028 [36] 邓浩亮, 张恒嘉, 李福强, 等. 河西绿洲菘蓝生长、光合特性及品质对膜下滴灌调亏的响应[J]. 水土保持学报, 2018, 32(3): 321-327. [37] HE Y, XI B, LI G, et al. Influence of drip irrigation, nitrogen fertigation, and precipitation on soil water and nitrogen distribution, tree seasonal growth and nitrogen uptake in young triploid poplar (Populus tomentosa) plantations[J]. Agricultural Water Management, 2021, 243: 106460. doi: 10.1016/j.agwat.2020.106460
[38] 张学林, 徐钧, 安婷婷, 等. 不同氮肥水平下玉米根际土壤特性与产量的关系[J]. 中国农业科学, 2016, 49(14): 2687-2699. doi: 10.3864/j.issn.0578-1752.2016.14.004 [39] 丁少男, 薛萐, 刘国彬. 施肥处理对黄土丘陵区农田土壤酶活性和水溶性有机碳、氮的影响[J]. 农业环境科学学报, 2015, 34(11): 2146-2154. doi: 10.11654/jaes.2015.11.016 -
期刊类型引用(5)
1. 刘进,周慧颖,马小定,孟冰欣,崔迪,胡佳晓,涂夯,余丽琴,韩龙植,黎毛毛. 基于高密度遗传图谱定位水稻抽穗期耐热性QTL. 植物遗传资源学报. 2025(05): 962-973 . 百度学术
2. 赵凌,张勇,魏晓东,梁文化,赵春芳,周丽慧,姚姝,王才林,张亚东. 利用高密度Bin图谱定位水稻抽穗期剑叶叶绿素含量QTL. 中国农业科学. 2022(05): 825-836 . 百度学术
3. 宋博文,王朝欢,赵哲,陈淳,黄明,陈伟雄,梁克勤,肖武名. 基于高密度遗传图谱对水稻粒形QTL定位及分析. 作物学报. 2022(11): 2813-2829 . 百度学术
4. 潘俊峰,崔克辉,刘彦卓,王昕钰,严博宇,梁开明. 利用高密度Bin图谱定位水稻叶绿素含量QTL. 广东农业科学. 2022(09): 132-140 . 百度学术
5. 刘进,胡佳晓,马小定,陈武,勒思,Jo Sumin,崔迪,周慧颖,张立娜,Shin Dongjin,黎毛毛,韩龙植,余丽琴. 水稻RIL群体高密度遗传图谱的构建及苗期耐热性QTL定位. 中国农业科学. 2022(22): 4327-4341 . 百度学术
其他类型引用(11)