燕麦抗倒伏性状的基因型差异

南铭，王兴荣，李晶，刘彦明，张成君，柴继宽，赵桂琴*

（1. 甘肃省农业科学院作物研究所，农业农村部西北旱寒区作物基因资源与种质创新重点实验室，甘肃 兰州 730070；2. 甘肃省定西市农业科学研究院，甘肃 定西 743000；3. 甘肃农业大学草业学院，甘肃 兰州 730070）

燕麦（Avena sativa）属禾本科（Gramineae）燕麦属（Avena）一年生粮饲兼用型农作物，在世界42 个国家和地区都有栽培，其耐寒、耐瘠薄、耐适度盐碱，具有很强的抗旱性及适应性，种植风险较小，应用前景广阔［1］。2021 年我国燕麦播种面积超过80 万hm2，年产量达60 万t，甘肃省是全国6 大燕麦产区之一，种植面积占全国近1/10，集中分布在河西高寒冷凉地区和中部干旱半干旱地区，甘南及陇东等地也有小面积种植［2］。燕麦籽粒具有较高的营养和保健作用而被广泛用于健康食品行业，全株刈割可以青饲、裹包青贮或制作青干草，是我国西北农牧交错地带反刍家畜冬春补饲的主要饲草料来源［3］，在优化耕作制度、保护生态环境和促进草牧产业发展中前景广阔，对粮食安全和生态安全意义重大。作物倒伏会破坏群体空间结构，光合有效速率锐减，同化物合成受限，生长发育受阻，产量和品质下降，严重地块会诱发局部病害，造成贪青晚熟易早衰现象［4］。抗倒伏性是一个复杂的、多因素制约的数量性状，主要包括外部因素和内部因素［5］。外部因素包括风力、降水等气候条件［6］，以及播种时期［7-8］、播种密度和施肥量［9-12］，种植方式和植物生长调节剂［13-16］等栽培措施。内因主要包括作物的根系分布［17］与株型结构［18］等，受自身遗传特性控制具有相对稳定性，其中，茎秆高度［19］、秆壁厚度和茎秆强度［20-21］，以及生物力学性状［22］和细胞显微结构［23］等均与抗倒伏性密切相关。由于燕麦属须根系浅根型作物，种植区域气候普遍干旱，土壤条件相对较差，生长后期随着营养物质大部分向穗部转移，茎秆支撑负荷变大而弯曲力矩降低，灌浆后期到成熟阶段极易发生倒伏，是目前生产实践中所面临的一个共性问题。南铭等［24］和梁国玲等［25］在不同种植区域比较了燕麦品种间表型特征和力学性状的差异性，同时也筛选出了对燕麦抗倒伏有正向效应的形态指标，为系统性建立燕麦抗倒伏评价模型奠定了基础。目前，在玉米（Zea mays）［26］、高粱（Sorghum bicolor）［27］、油菜（Brassica campestris）［28］及青稞（Hordeum vulgare）［29］上均利用相关性分析和主成分分析法筛选出了与抗倒伏密切相关的形态性状，并结合逐步线性（岭）回归构建了包含茎秆高度、分蘖数、茎秆强度、穗重及半纤维素含量和维管束面积等在内的抗倒伏性评价体系，并用于不同基因型作物的抗倒伏性综合评价。我国燕麦主要种植区倒伏现象普遍存在，且较为严重，极大地阻碍了机械化收获和生产效率，已成为制约燕麦稳产优质高效的重要因素之一。目前系统性围绕植株根系、茎秆、穗部性状开展燕麦抗倒伏基因型差异及抗倒伏评价体系构建的研究尚未见相关报道。本研究选取20 个生产上广泛种植的燕麦品种，通过比较形态性状在基因型和环境间的差异与关联，筛选与燕麦抗倒伏性密切相关的形态指标，初步构建燕麦抗倒伏形态特征评价模型，以期为燕麦抗倒伏品系鉴定和品种选育提供借鉴。

1 材料与方法

1.1 试验材料

以20 份地理来源和基因型不同的燕麦种质为材料，其中皮燕麦13 份，裸燕麦7 份。来源于河北的最多，为7份，甘肃和青海均为2 份，详见表1。

表1 不同基因型燕麦来源及植株特征Table 1 Plant characteristics and source of twenty different genotypes in oats

1.2 研究方法

试验于2020 年4-8 月，分别在甘肃省定西市农业科学研究院的科研基地和良种繁育基地进行。科研基地土质为黄壤土，容重为1.2 g·cm-3，田间持水量为13%～25%，土壤耕层pH 值8.13，有机质1.68%，全氮0.095%，速效磷7.72 mg·kg-1，速效钾158.33 mg·kg-1。良种繁育基地土质为黄绵土，土壤耕层20 cm 的pH 值8.4，有机质1.27%，全氮0.119%，速效磷4.02 mg·kg-1，速效钾144.08 mg·kg-1。试验点翻耕前施入充分腐熟的农家底肥15000 kg·hm-2，播前施N 150 kg·hm-2，P2O5450 kg·hm-2，K2O 300 kg·hm-2。用等行距的方式采用3 行播种机播种，随机区组设计，3 次重复。播种量150 kg·hm-2，播深4～6 cm，行距0.25 m，行长4 m，小区面积10 m2，2 个试验点分别于4 月8 日播种，8 月5 日收获；4 月11 日播种，8 月8 日收获，其他管理等同大田示范。

1.3 指标测定

1.3.1 倒伏率统计 分别在2 个试验点统计燕麦种质成熟期倒伏植株占整个小区植株的比率，调查田间实际倒伏率（actual lodging rate， ALR），依此评定倒伏级别（lodging distinction， LD）。田间实际倒伏率（%）=实际倒伏植株占整个小区总植株的比率。倒伏级别分为4 级：0 级：未倒伏；1 级：0～15%倒伏；2 级：15%～45%倒伏；3级：45%以上倒伏［30］。

1.3.2 性状测定 每份材料选取长势整齐一致的10 株进行研究，穗部测定穗下节长、小穗数、穗鲜重；茎秆性状包括株高、重心高度、茎基部第1、2 节的茎长、壁厚、茎粗、茎秆机械强度；根系测定根颈长、根颈粗、根体积及单株分蘖数，共统计18 个指标。为减少取样过程对根系的损伤，每个材料选取距植株25 cm 处包裹该根系的完整土块，将根系用流水冲洗干净后通过根系扫描仪（EPSON Expression 10000XL3.4，浙江托普云农）和WinRHIZO Pro2017 系统分析根部性状。利用茎秆强度测定仪（YYD-1，浙江托普云农）测定茎秆机械强度，剪去根系和穗部，将茎秆平放于三角台，当其保持平衡时记录下该点至茎秆基部的距离即为重心高度，茎秆基部节间壁厚、茎粗利用游标卡尺（精确0.01 mm）测量，株高、穗下节长和茎基部节间长度用量尺测定（精确0.01 cm），穗鲜重用电子秤称取（精确0.01 g），所有性状均平行测定3 次。

1.4 数据处理与统计分析

形态性状依次为田间实际倒伏率（X1）、根颈长（X2）、根颈粗（X3）、根体积（X4）、株高（X5）、重心高度（X6）、第1节茎长（X7）、第1 节茎粗（X8）、第1 节壁厚（X9）、第1 节茎秆机械强度（X10）、第2 节茎长（X11）、第2 节茎粗（X12）、第2节壁厚（X13）、第2 节茎秆机械强度（X14）、穗下节长（X15）、穗鲜重（X16）、小穗数（X17）、单株分蘖数（X18）共18 个指标。在Excel 2019 中整理数据，利用R 4.2.1 软件分析和制图，筛选同燕麦抗倒伏性密切相关的主要指标。18 个形态性状隶属函数值、权重值与20 份供试材料的抗倒伏能力值参照以下公式计算［26］：

式中：Xi表示第i个性状，U（Xi）表示第i个性状的隶属函数值，Xmin与Xmax分别表示第i个性状的最小值和最大值，Wi表示第i个性状在所有性状中的重要程度即权重，Pi代表经主成分分析所得各燕麦种质第i个性状的贡献率，D为各燕麦种质的抗倒伏性综合评价值。以筛选的主要形态性状为基础，采用SPSS 22.0 进行正态性检验和线性回归，构建抗倒伏性评价指标体系。

2 结果与分析

2.1 燕麦抗倒伏形态指标的筛选

参试20 份燕麦材料在试验点Ⅰ发生0 级未倒伏的有5 份、1 级倒伏的7 份、2 级倒伏的5 份、3 级倒伏的3 份。在试验点Ⅱ发生0 级倒伏的种质有6 份、1 级倒伏种质9 份、2 级倒伏种质3 份、3 级倒伏种质2 份。相同参试材料在2 个试验点间形态特征差异较大，不同基因型燕麦材料在同一性状间存在极显著（P＜0.01）差异，实际倒伏率变异系数最大，分别为81.58%和80.76%（表2），但同一基因型在2 个试验点间实际倒伏率差异较小，说明此批种质的倒伏率在18 个形态性状中遗传变异最为丰富。试验点Ⅰ的根颈长变异最小（8.55%），试验点Ⅱ的单株分蘖数变异最小（8.00%），根颈长和穗鲜重在试验点Ⅱ的变异大于试验点Ⅰ，表明参试材料在试验点Ⅰ遗传变异较丰富，供试燕麦材料根部、穗部性状总体表现为试验点Ⅰ＞Ⅱ。

表2 供试燕麦根部、穗部性状及倒伏率Table 2 The root， spike traits and actual lodging rate in oat

株高和重心高度处于同一水平的燕麦种质，茎秆基部第1、2 节茎长、茎粗、壁厚、茎秆机械强度存在较大差异，试验点Ⅰ有7 个性状变异系数大于试点Ⅱ。供试种质从基部第1 节开始茎长不断增加，壁变细变薄，茎粗先增后降，而茎秆机械强度则不断降低。同一参试材料基部第1、2 节茎长、茎粗、壁厚、茎秆机械强度仍存在一定差异，相较于试验点Ⅰ，试验点Ⅱ各燕麦材料株高和重心高度较低，穗鲜重较大、倒伏较轻，小穗数较多。供试燕麦材料在2 个试验点的茎秆基部第1、2 节有5 个性状的变幅明显，变异系数超过15.00%，其中茎秆基部第1、2 节茎秆机械强度变异丰富，试点Ⅰ茎秆重心高度的变异系数最小，为9.16%，试点Ⅱ株高变异系数最小，为6.53%，参试燕麦材料有7 个茎秆形态性状呈偏均值左右两侧分布，各数据距均值距离相对较近（表2 和表3）。

2.2 形态性状的基因型与环境互作效应分析

所选的18 个形态性状在基因型间的差异较大，小穗数、穗下节长、第1 节茎长、茎粗、茎秆机械强度、第2 节茎粗、茎秆机械强度和重心高度受环境影响较大，在环境间差异极显著（P＜0.01）。第2 节茎长、秆壁厚和根体积受环境影响不显著（P＞0.05），其余12 个形态性状受环境因素的影响显著（P＜0.05）。此外，根颈粗、小穗数、穗下节长和第1 节壁厚、第2 节茎长在基因型与环境（G×E）之间存在显著互作效应，而实际倒伏率、根体积、穗鲜重、基部第1、2 节茎粗、茎秆机械强度、株高和重心高度在基因型与环境（G×E）之间存在极显著互作效应（表4）。

表4 形态性状的基因型与环境效应的互作分析Table 4 Analysis of interaction between genotype and environmental effects of morphological traits

2.3 形态特征与抗倒伏的相关性

形态性状的相关分析结果表明（图1），有26 对指标间极显著相关（P＜0.01），有19 对指标间显著相关（P＜0.05），13 对指标间相关系数较大（r＞0.70），基部第1、2 节茎粗与壁厚间相关系数均达到1.00。实际倒伏率与穗鲜重显著正相关（P＜0.05），而与重心高度、基部第1、2 节间茎长极显著正相关（P＜0.01），基部第1、2 节茎粗、壁厚与根颈长极显著正相关（P＜0.01），根体积与基部第1、2 节茎秆机械强度极显著正相关（P＜0.01，r=0.88，r=0.87），单株分蘖数与所有性状相关但不显著（P＞0.05）。说明根体积大、基部第1、2 节短而粗、壁厚、穗下节短和重心高度低且茎秆机械强度大的燕麦植株田间抗倒伏性强。

图1 2 个试验点下18 个形态性状的相关系数Fig.1 Correlation coefficients of 18 morphological traits in two experimental sites

2.4 燕麦抗倒伏评价体系构建及综合评价

2.4.1 抗倒伏指标的主成分分析 为了挖掘各形态性状对倒伏的主导作用，结合相关性分析与变异系数大小，选择11 个指标进行主成分分析，KMO 球形检验（Kaiser-Meyer-Olkin）表明所选指标的KMO 值为0.570，适合用主成分分析方法求权重（表5）。选择对应特征值＞1 且累积贡献率为85.082%的前3 个主成分，具有较高的代表性。第1 主成分载荷数最大的前3 个指标依次为根体积、第1、2 节茎秆机械强度；第2 主成分载荷数前2 的指标为第1、2 节茎长；第3 主成分载荷数较大的是小穗数和穗下节长。说明要提高燕麦茎秆的抗倒伏性，第1 主成分关键因子的载荷值要增大。

表5 解释的总方差和因子成分矩阵Table 5 Total variance of interpretation and factor component matrix

根据PC1～PC3 对应形态性状因子得分与各供试基因型材料的贡献率，依次构建定量函数关系式：

式中：λ1、λ2、λ3分别代表主成分特征值，得到Y=0.5292PC1+0.3587PC2+0.1119PC3。 经过计算，两个试验点中Y值排名靠前的材料相同，均为坝燕6 号、定燕2 号、陇燕3 号、蒙燕1 号和草莜1号。其中蒙燕1 号在2 个试验点（Y值分别为2.159 和1.962）生育期内实际倒伏率为0，倒伏程度为0 级。定燕2 号在2 个试验点（Y值分别为2.056 和1.983）实际倒伏率＞75%，倒伏程度为3级。为了更充分地表达燕麦品种抗倒伏性与相关形态指标之间的关系，利用PC1（45.030%）和PC2（30.524%）为横纵坐标绘制了PCA-Biplot 图（图2），从图中可以看出，不同形状颜色点间基因型和形态特征存在显著差异。根体积、株高、穗下节长及基部第1、2 节茎粗与茎秆机械强度的距离较近，相互间夹角＜90°，说明其存在正相关关系，对茎秆机械强度有正效应。重心高度及基部第1、2 节茎长距离次之，小穗数距离最远，对茎秆机械强度有负效应，与相关性分析结果基本一致。综合20 个基因型点来看，在PC1 和PC2 两个方向20 个点区分明显，同一形状绿色和黑色点内形态特征差异较小，性状更稳定，而红色点间差异较大，其中，蒙燕1 号、坝燕6 号比较分散，表现为蒙燕1 号茎秆基部节间茎粗较大，坝燕6 号基部第2节茎秆机械强度较大，草莜1 号和定燕2 号株高较高，陇燕3 号基部第2 节较长。

图2 基于基因型和形态性状的主成分分析双标图Fig. 2 Biplot of principal component analysis based on genotypes and morphological traits

2.4.2 不同基因型燕麦的聚类 依据主成分分析中10 个正向效应的形态特征结果对20 个不同基因型燕麦材料进行系统聚类，聚类热图颜色变化反映数据的大小及差异（图3）。根体积、基部第1、2 节茎粗、茎秆机械强度聚成A 组；株高、重心高度、穗下节长、基部第1、2 节茎长聚成B组；小穗数单独聚成C 组。A 和B 组各包括3 和4个亚组，分别为 A-1、A-2、A-3，B-1、B-2、B-3、B-4；根体积、株高和第2 节茎长单独成组，基部第1、2 节茎粗和茎秆机械强度各成一组，第1 节茎长和重心高度聚成一组，表明基部第1、2 节茎长、茎粗共同调节茎秆机械强度，进而影响燕麦抗倒伏性。20 份燕麦基因型材料依据11 个形态性状聚成3大类，Ⅰ类为4 份高秆材料；Ⅲ类为2 份中秆材料；Ⅱ类包括其余14 份材料，株高适中、根体积小、茎粗和茎秆机械强度均较低；聚类组Ⅰ根体积、株高、重心高度、基部第1、2 节茎长的总体水平均高于聚类组Ⅱ、Ⅲ，聚类组Ⅲ基部第1、2 节茎粗和茎秆机械强度总体水平高于聚类组Ⅰ、Ⅱ，可将聚类Ⅲ组划分为抗倒伏基因型组，聚类Ⅱ组划分为中间型，聚类I 组划分为倒伏敏感基因型组，将不同基因型材料和各指标综合分析，可得出不同倒伏类型燕麦基因型的形态特征优势。

图3 不同基因型燕麦聚类热图Fig.3 Cluster heat map of different genotype oats

2.4.3 抗倒伏评价体系的构建 为建立一套比较全面、相对准确的燕麦抗倒伏性的形态指标评价体系，把不同基因型燕麦的抗倒伏能力值（D值）作因变量，以PC1～PC3 中11 个贡献较大的形态性状作自变量，进行线性逐步回归分析，剔除回归系数不显著（P＞0.05）的因子，得到方程D=1.127+0.090X4+0.104X6+0.063X7+0.124X8+0.052X10+0.133X11+0.108X15，相关系数r为0.896，决定系数R2为0.803，表明回归方程中7 个自变量可决定D值总变异的80.3%。把标准化后的7 个性状数据代入方程，得到预测回归值，原始值与预测值之间的均方根误差（root mean square error， RMSE）为0.041，表明建立的回归方程具有较高的准确度，在实际生产中可用来确定燕麦品种资源的抗倒伏能力。为进一步判断D值是否可正确反映不同基因型燕麦种质的抗倒伏性，将11 个载荷量较大的指标同各基因型种质的综合得分进行相关性分析（表6），结果表明D值同11 个形态性状均呈显著（P＜0.05）相关。

表6 D 值与倒伏性状间的相关分析Table 6 Correlative coefficient between D-value and lodging related traits

3 讨论

3.1 形态性状与燕麦抗倒伏之间的关系

燕麦的稳产优质对于保障我国饲草安全和畜牧业发展至关重要，简单追求生物量加剧了高产与倒伏的矛盾。茎秆占据了燕麦地上植株生物量的绝大部分，且燕麦倒伏多以茎秆倒伏为主，集中在基部茎节间［31］，说明基部节间形态结构与燕麦倒伏密切相关。此外，Zhang 等［32］研究认为茎秆机械强度、节间长度和壁厚等影响抗倒伏性的强弱，而基部第1 节越短、秆壁越厚、机械强度越大，燕麦抗倒伏性越强［33］。Tian 等［34］认为茎秆机械强度是影响抗倒伏性最重要的贡献因子，本研究中燕麦茎秆基部第1、2 节茎长、茎粗和秆壁厚在不同基因型间差异显著，茎秆节间长度与重心高度和实际倒伏率显著正相关，茎粗和秆壁厚与实际倒伏率负相关，根体积与基部节间茎秆机械强度极显著正相关，说明根体积和茎秆基部节间茎粗越大，秆壁越厚，燕麦抗倒伏率越强，田间倒伏程度越低。同时也表明根体积、基部第1、2 节茎长、茎粗共同调节茎秆机械强度，进而影响燕麦植株抗倒伏性，这可能与燕麦的地下须根系分布与发达程度，根颈部须根分支着生伸展决定的茎秆基部固持力大小有关。另外，本研究燕麦的抗倒伏性与穗下节长和分蘖数有关，因为穗下节作为茎秆中承受外力最主要的部位，其弹性和韧性影响茎秆质量的优劣［24］，而分蘖数和小穗数的增加会影响群体密闭程度，加剧个体间竞争，间接增加倒伏的风险。但基部过长间接增加重心高度，而穗鲜重的增加则会在一定程度上增大茎秆弯曲力矩，降低茎秆机械强度，二者共同作用使抗倒伏性大幅降低，这与Inoue 等［35］认为茎秆机械强度、分蘖数影响抗倒伏性，高秆品种的抗倒性差并不是由株高单一决定，而是节间较长造成茎秆机械强度减弱的主要原因的结果一致。本研究分析不同基因型燕麦在1 年2 点的形态性状差异基础上，筛选了根体积、茎秆基部长度、茎秆机械强度及穗鲜重，小穗数等的11 个主要性状进行了系统聚类，得到了3 个形态性状聚类组与7 个聚类亚组、3 个基因型聚类组，聚类热图与主成分因子二维PCA 图及构建的函数模型得分间得到了相互验证，三者与不同基因型材料的倒伏程度级别、实际倒伏率基本吻合。

3.2 抗倒伏形态指标评价体系的构建

目前应用多元统计分析方法对作物倒伏性进行综合评价的成功案例有许多，滕祥勇等［36］认为系统性与全面性的不足导致不同的倒伏评价方法得出的结果并不完全一致，有必要建立综合考虑地上与地下性状表现来鉴定抗倒伏能力体系。刘唐兴等［28］分析了根部与茎秆性状对倒伏指数的贡献大小，仅探寻到2 个对油菜（Brassica campestris）倒伏影响显著的因子，许凤英等［37］、宋月等［38］初步建立了油菜抗倒伏评价指标体系，但只考虑了多个自变量和因变量间的线性关系，却未能筛选合理有效的评价指标。王莹等［39］、吴琼等［40］利用根部性状和茎秆性状分别构建了大麦（Hordeum vulgare）根倒伏和玉米（Zea mays）抗倒伏性评价体系，白羿雄等［29］通过线性回归方法构建了包括茎秆和穗部性状的青稞（Hordeum vulgarevar.coeleste）抗倒伏性评价指标体系，但形态指标仅考虑植株单一部位，抗倒伏评价具有局限性和片面性，而郑云霄等［26］采用岭回归的方法构建了玉米自交系抗倒伏评价指标模型，方程嵌入指标比较全面，包括茎秆和穗部长度、强度、纤维素含量和节间显微结构，经过验证具有很高的准确率。刘刚等［41］利用灰色关联度法分析表明株高构成指数、穗长、茎秆机械强度和基部第2、3 节鲜重影响燕麦抗倒伏性，从而使得燕麦抗倒伏评价有了预见性。作物的抗倒伏性与基因型密切相关，基因型不同，抗倒伏性表现不同，为了探寻哪些性状对燕麦抗倒伏影响重要，本研究借鉴已有方法并结合不同基因型燕麦的表型特征，选择11 个与抗倒伏性显著相关的形态指标，降维后综合成3 类主要因子，有效减少了性状个数，提高了指标代表性，借助线性逐步回归方法建立了涵盖根、茎和穗部关键性状的评价指标方程，进一步量化了7 个性状对燕麦抗倒伏性的贡献。说明根体积，重心高度、基部第1、2 节茎长、茎秆机械强度及穗下节长对倒伏的影响远大于其他指标，该模型具有一定的可靠性，较为系统全面，更有利于对燕麦抗倒伏性进行科学判断，可为开展燕麦资源抗倒伏性鉴定和育种实践提供指导。然而，本研究采用的倒伏评价方法和筛选的综合指标主要依赖于田间实时环境，测度相对简便，受基因型限制缺乏稳定性和精准性，下一步需建立涉及生理、化学组分和细胞结构的不依赖于实时环境的抗倒伏潜势评价方法，为燕麦抗倒伏性的分子标记辅助选择提供依据。

4 结论

根体积、重心高度、茎秆基部第1、2 节茎长、茎粗及茎秆机械强度与实际倒伏率相关，适合作为燕麦抗倒伏性评价的主要形态指标，依此建立的评价模型相对完整，评价方法比较可靠，可用于燕麦品种（系）资源抗倒伏性鉴定和田间新品系试验中的抗倒伏性评价。