不结球白菜耐热性评价

2019-06-11陈志晟田丽波商桑杨衍刘子记邹凯茜曾丽萍

热带作物学报 2019年4期

陈志晟田丽波商桑杨衍刘子记邹凯茜曾丽萍

摘要为了构建青梗不结球白菜耐热性评价体系并筛选出耐热性品种，以19份青梗不结球白菜作为试材，经高温胁迫5 d后测定幼苗的15个生长生理指标，运用主成分分析、聚类分析以及回归分析等多元统计分析方法对各品种的耐热性进行综合评价。结果表明：利用主成分分析将原有的15个生长和生理指标转化为6个独立的综合指标，其累计贡献率达到83.179%;基于耐热性综合评价对其进行聚类分析，将19份青梗不结球白菜分为3类，第一类为强耐热性品种：青11、青16、青13、青9、青18;第二类为中耐热性品种：青19、青4、青7、青5、青14、青12、青15、青6、青2;第三类为弱耐热性品种：青10、青8、青1、青3、青17。通过逐步回归分析建立青梗不结球白菜耐热性评价的数学模型D=-0.349-0.063×（RR）+0.163×（FW）+0.222×（SI）+0.394×（TC）+0.033×（AA）+0.137×（Pr）+0.159×（SS）-0.091× （CII），结合田间鉴定结果，青13、青11、青9、青16、青18可在海南夏秋季种植。

关键词青梗不结球白菜;高温胁迫;主成分分析;聚类分析中图分类号 S634.3 文献标识码 A

Abstract The disease index and 15 physiological and biochemistry indexes of 19 green stem pakchoi cultivars were measured and analyzed by multivariate statistical analysis methods such as principal component analysis， cluster analysis and regression analysis to evaluate the genetic diversity of heat-resistance evaluation system of green stem pakchoi. The 15 indexes were grouped into 6 principal components with cumulative contributive rate 83.179% by principal component analysis. The varieties were divided into 3 categories based on cluster analysis of comprehensive evaluation of heat resistance would. Qing 11， Qing 16， Qing 13， Qing 9， Qing 18 were in the first category， Qing 19， Qing 4， Qing 7， Qing 5， Qing 14， Qing 12， Qing 15， Qing6， Qing 2 was in the second category， and Qing 10， Qing 8 Qing 1， Qing 3， Qing 17 was in the third category. The mathematical model for evaluating the heat tolerance of green stem pakchoi was established by stepwise regression analysis; D=-0.349-0.063×（RR）+0.163×（FW）+0.222×（SI）+0.394×（TC）+ 0.033×（AA）+0.137×（Pr）+0.159×（SS）-0.091×（CII）. Combined with field identification results， Qing 13， Qing 11， Qing 9， Qing 16 and Qing 18 can be planted in Hainan in summer and autumn.

Keywords varieties of green stem pakchoi; high temperature stress; principal component analysis; cluster analysis

DOI 10.3969/j.issn.1000-2561.2019.04.011

青梗不結球白菜（Brassica campestris L. ssp. chinensis）属十字花科芸薹属白菜亚种，又称小白菜、青菜等，是我国南方地区普遍栽种的一种重要蔬菜作物[1-2]。青梗不结球白菜适合栽种于冷凉的气候条件，而海南地区夏季高温环境常常使不结球白菜具有生长缓慢，死苗率高，病害严重等特点。目前，许多学者已从形态、生理和生化等方面对青梗不结球白菜高温胁迫下耐热性的鉴定指标及评价方法展开了研究，并已筛选出一些与耐热性相关的指标[3]。早在1982年曹寿椿等[4]就对耐热不结球白菜的株型、叶型进行了说明阐述，认为株型直立、长梗、叶小的品种耐热且生长速度快。1991年刘维信等[5]研究了不结球白菜的耐热性栽培以及外观形态和高温胁迫下生长生理的表现;2000年张玉明等[3]通过对不结球白菜的耐热性鉴定，认为不结球白菜在高温胁迫下叶绿素a、叶绿素b、总叶绿素含量与对照相比呈明显的降低，且这些指标对不结球白菜的耐热性具有重要影响;苏小俊[6]通过不结球白菜的夏季生长动态发现耐热性强的品种，其根的干重、鲜重明显高于耐热性弱的品种;薛思嘉等[7]也认为在高温胁迫条件下不结球白菜的单株干重、鲜重、总叶绿素含量随高温胁迫的加剧和时间的延长而呈现出下降的趋势。叶陈亮等[8]在对大白菜研究中发现，耐热性强的品种较耐热性弱的品种在高温环境中失水较少，束缚水与自由水之间差异大，且具有更高的游离氨基酸含量及较低的蛋白质降解速率。此外，刘燕燕[9]在对不结球白菜耐热性鉴定的研究中发现，蔬菜作物为了适应不良环境，自身会积聚一些可溶性糖来降低细胞内的渗透势从而适应外界不良环境。

从前人的研究报道中可以看出影响植物耐热性是多个因素造成的，此外还涉及基因型、生理生化以及外界环境等多个层面，仅凭单个指标难以准确评判其耐热性[10-19]。因此，罗少波等[20]通过运用统计分析与相关分析对大白菜品种的耐热性鉴定进行分析;李丹丹等[21]利用多元方差分析和因子分析对黄瓜的耐光性进行综合评价;张景云等[22]对小白菜进行了耐热性分析;刘燕燕[23]等利用多元分析对不结球白菜品种的生理生化指标进行耐热性分析鉴定。为了给海南夏秋季种植不结球白菜提供更多的科学选择，避免单一指标评价造成的局限性，本研究通过测定青梗不结球白菜在高温环境胁迫下的15个生长及生理指标，采用多元统计方法对高温胁迫下19份青梗不结球白菜生长及生理指标进行综合分析，评价各品种的耐热性，并基于各指标与耐热性之间的关系建立青梗不结球白菜耐热性综合评价的数学模型，为青梗不结球白菜的耐热性鉴定提供依据，筛选优良的耐热性品种，为耐热品种的推广提供理论参考。

1 材料与方法

1.1 材料

19份青梗不结球白菜品种名称及来源情况详见表1。

1.2 方法

测定19份材料的干重、根冠比、自由水、束缚水、鲜重、壮苗指数、叶绿素a、叶绿素b、类胡萝卜素、总叶绿素、游离氨基酸、蛋白质、可溶性糖、脯氨酸、热害指数生长和生理指标。

（1）种子处理：挑选颗粒饱满种皮完好的种子，进行温汤浸种，在20 ℃下进行催芽，当60%的种子露白时播种于50孔育苗穴盘中，一穴一粒。在植株幼苗生长到两片子叶伸展开时，移栽到育苗钵中，基质配方为泥炭∶蛭石∶珍珠岩的等体积比，进行常规管理。参照胡俏强等[24]的方法，当幼苗有4～5片真叶时，将长势一致的幼苗放置在人工气候培养箱中进行预处理2 d，昼夜温度为25 ℃/18 ℃、光照强度为72 lx、光周期为昼夜12 h/12 h。预处理后进行高温胁迫37 ℃/27 ℃处理，光照和光周期设置同预处理，相对湿度控制在70%～80%，高温处理5 d，每个处理重复3次，每个重复18株，采用随机区组排列。5 d后测定各项形态及生理指标。以25 ℃/18 ℃条件下正常生长的幼苗作为对照（CK）。

（2）鲜重测量方法为分析天平称取植物鲜重;干重测量方法为烘干称重法;茎杆测量方法为使用卡尺测量第一片真叶与子叶之间茎的直径;株高测量方法为使用直尺测量整株长度;壮（3）以下指标参照李合生的实验方法[25]，乙醇浸泡法测量叶绿素a、叶绿素b、总叶绿素和类胡萝卜素;考马斯亮蓝染色法测量可溶性蛋白;茚三酮比色法测量游离氨基酸、脯氨酸;蒽酮-比色法测量可溶性糖。

（4）青梗不结球白菜的耐热性数学模型：参考周亚峰等[26]的计算方案，将耐热性综合评价（D值）作为因变量，以各个指标的耐热性作为自变量，进行多元逐步回归分析，建立耐热性数学模型。

1.3 数据处理

（1）相对耐热系数：

（2）隶属函数：鲜重等15个耐热指标，按下列公式计算各个指标的隶属函数。当j指标与植物的耐热性成正相关时，用①式，与植物耐热性呈负相关时，用②式。

式中，X表示指标，Xj的j表示第j个指标的平均值，Xmax表示第j个指标中的最大值，Xmin表示第j个指标中的最小值[19]。

（3）采用Office Excel 2010软件整理数据，通过SPSS 21.0软件对15个生长和生理指标进行主成分分析并得出综合指标，以综合指标作为评价耐热性的基础数据，计算得出各个品种的隶属函数均值，即耐热性综合评价值（D值）并进行聚类分析和多元逐步回归分析。

2 结果与分析

2.1 耐热系数变异及各指标相关关系分析

由表2可知，各品种经过昼夜（37 ℃/ 27 ℃）高温胁迫5 d后，幼苗的形态生理发生了明显的变化，其相对耐热系数明显偏离1，干重、鲜重、束缚水、叶绿素a、叶绿素b、总叶绿素含量与CK进行比较，都呈明显的下降趋勢（a<1），游离氨基酸、可溶性糖、脯氨酸与CK相比都呈明显的上升趋势（a>1），相同指标的耐热系数在各个样本间均出现了较高的变异系数。从表3中可看出，热害指数与叶绿素a、总叶绿素、可溶性糖呈现出显著或极显著的负相关性，脯氨酸与叶绿素b也具有显著的负相关性，可溶性糖与叶绿素a、总叶绿素则呈现出极显著的正相关性，总叶绿素与叶绿素a、叶绿素b、类胡萝卜素也呈现出显著或极显著的正相关，自由水与鲜重呈现出极显著的负相关。

上述结果表明，由于各指标在青梗不结球白菜中的作用各不相同，青梗不结球白菜受高温胁迫的表现也各不相同，说明青梗不结球白菜的耐热性是较为复杂的综合性状。因此，考虑到各指标之间具有的相关性，数据之间又相互重叠，仅用单个指标不能反映各个品种间的耐热性差别，需要通过多元统计分析方法对各个指标的信息进行有效的评价。

2.2 主成分分析

对数据进行主成分分析，在其进行标准化处理后，将多个指标转化为少数几个综合指标值，能够有效避免各指标间的相互影响。实验对15个生长生理指标的耐热系数进行主成分分析，选择大于1的特征值，经过计算得出6个主成分（表4），即6个综合指标值。各综合指标值的贡献率分别为27.333%、17.197%、14.939%、8.824%、7.720%、7.166%，累计贡献率达到83.179%，当累计贡献率大于80%说明数据是有效的，因此这6个独立的综合指标（comprehensive indicator， CI）CI1-CI6可以代表15个单一指标的大部分信息，可以解释83.179%的总变异，剩余的成分可以忽略不计。

其中，第一主成分的特征向量是由植物总叶绿素（0.942）、叶绿素a（0.922）、可溶性糖（0.836）、类胡萝卜素（0.741）、叶绿素b（0.502）、自由水（0.468）组成;第二主成分主要由脯氨酸（0.877）、游离氨基酸（0.620）、束缚水（0.606）、叶绿素b（0.591）组成;第三主成分主要由类鲜重（0.656）、干重（0.599）、束缚水（0.524）、壮苗指数（0.473）、热害指数（0.299）组成;第四主成分主要由蛋白质（0.478）、游离氨基酸（0.284）、束缚水（0.281）、类胡萝卜素（0.242）组成;第五主成分主要由游离氨基酸（0.517）、热害指数（0.388）、鲜重（0.325）、类胡萝卜素（0.289）、叶绿素a（0.232）、总叶绿素（0.219）组成;第六主成分主要由干重（0.592）、热害指数（0.351）、类胡萝卜素（0.248）、根冠比（0.193）、叶绿素a（0.147）、总叶绿素（0.123）组成。

2.2 隶属函数分析及综合评价

以6个综合指标作为评价耐热性的基础数据，经计算得出各个品种的隶属函数均值，即耐热性综合评价值（D值）（表5）。某一品种的耐热性综合评价值进行排序过程中“青13”的D值最大，表明其耐热性在19份供试样品中表现最隶属函数均值越大其耐热性越强，在对各品种的好，“青17”的D值相对较小，在19份供试样品中其耐热性表现最弱。根据各品种的耐热性综合评价排序由高到低依次为青13>青11>青9>青16>青18>青19>青4>青7>青5>青14>青12>青15>青6>青2>青10>青8>青1>青3>青17。

2.3 聚类分析

基于综合评价值进行Euclidean距离的聚类分析得出如图1所示，当综合评价值距离为4.20时，19份青梗不结球白菜可以分为3类，第一类为强耐热性的品种有：青11、青16、青13、青9、青18;第二类为中耐热性的品种有：青19、青4、青7、青5、青14、青12、青15、青6、青2;第三类为弱耐热性的品种有：青10、青8、青1、青3、青17。

2.4 耐热性回归模型的构建

从实验中的15个指标中筛选出7个对青梗不结球白菜耐热性有显著影响的有效指标，即根冠比、束缚水、壮苗指数、总叶绿素、游离氨基酸、蛋白质、可溶性糖、耐热指数。对回归方程预测精度分析，结果表明在19份青梗不结球白菜中所筛选的指标构建出来的多元回归方程对耐热性的预测结果与实际评价之间具有较好的一致性，说明此回归方程可用于青梗不结球白菜的耐热性评价。

3 讨论

热害指数通常用于评估蔬菜作物受高温损伤的程度，耐热品种的热害指数较低，反之则较高，是评价其耐热性的重要指标[8， 27]。本研究中不结球白菜的热害指数在高温胁迫下均达到差异极显著水平，可作为耐热性评价的指标之一。不结球白菜的干重、鲜重、叶绿素a、叶绿素b、总叶绿素的耐热系数在高温胁迫下也达到了差异显著或极显著水平。这与张玉明[3]和Stirbet[10]等指出的高温胁迫会使植物体内的酶代谢失活，影响叶绿素的合成或降解，从而导致植物叶绿素含量的减少，影响植物的发育是一致的。在游离氨基酸、可溶性糖、束缚水含量中，耐热品种因其所具有的耐热性质使游离氨基酸、可溶性糖迅速增长，用于抵御外界高温环境影响对自身的影响，这与娄丽娜等[1]、叶陈亮等[8]、姚远[28]的研究也是相一致的。因此上述指标也可以作为耐热性评价的辅助指标。此外，根冠比、自由水、壯苗指数、类胡萝卜素、蛋白质、脯氨酸等耐热系数的指标也达到了差异显著或极显著水平，也可以作为耐热性综合评价的参考指标。上述结果表明蔬菜作物的耐热性机理具有多样性。

植物的耐热性是由多个数量性状所决定的，它不仅与植物的基因型有关还与植物的生长生理有关，除此之外还受到环境的影响，依靠单个指标难以评价出各品种间的耐热性差异。因此，对植物的耐热性评价应通过多元统计分析方法，减少单一指标造成的误差，结果才能更加合理。

作为一种重要的多元统计分析方法，主成分分析在简化指标和综合评价中发挥了重要作用，并在实际生产和科学研究中得到广泛应用。例如在辣椒、黄瓜等抗逆性研究中起到了有效的筛选指标和综合评价的作用。当前在蔬菜作物耐热性评价中，对于该方法的利用还是存在许多差异。主要是集中在主成分分析所选用的数据不同。部分研究采用所测定指标的绝对含量值进行分析[8， 29]，但不是所有指标的绝对含量值都可以用来比较耐热性的，同时指标的初始值之间也可能存在着不同的差异，所以选取绝对含量值来比较耐热性可能会存在一些问题，因此本研究与目前大多数的主成分分析所选用的数据一致，即为指标的相对含量值。在计算隶属函数的过程中，还需要运用反隶属函数公式对部分数据进行正向化处理。若直接使用原始数据来进行综合评价，正向指标和负向指标所反映的信息可能会抵消，从而得出错误的结论。因此，利用专业知识对各指标加以分析和处理是有必要的。在得出综合评价值后，运用聚类分析将19份青梗不结球白菜划分为强耐热性、中耐热性、弱耐热性三类。说明了聚类分析在植物耐热性综合评价中所具有的重要意义。建立回归方程，对品种的抗逆性进行预测，起到评价未知品种的作用。通过该方法，本研究得到了青梗不结球白菜耐热性的数学模型，进一步筛选出耐热性的有效指标，对于本研究中的19个品种，回归方程的估计值与实际评估之间存在很好的相似性。另外，有效指标仅占15个生长生理指标中的一部分，虽然呈显著或极显著差异，但其他指标的线性显著性较低，不能够作为有效指标被纳入数学模型中，但仍然可在实际的评价中起到辅助作用。实验表明在植物抗逆性研究中通过多元统计分析，对各个指标进行标准化处理，有利于将复杂的问题简单化，避免实验数据之间的相互重叠[16， 19]。本次实验通过15个生长和生理指标对19份青梗不结球白菜品种进行耐热性评价，然而影响不结球耐热性的因素还包括很多方面，例如关键蛋白酶的含量、抗氧化性等因素。因此，在后续的研究中可以将这些因素逐步收纳进来，以期得到更加完善的数学模型和筛选出更多优秀的不结球白菜品种，为海南夏秋季种植不结球白菜提供更多的科学选择依据。

本研究发现所选用的19分青梗不结球白菜通过聚类可分为三大类，第一类为强耐热性品种：青11、青16、青13、青9、青18;第二类为中耐热性品种：青19、青4、青7、青5、青14、青12、青15、青6、青2;第三类为弱耐热性品种：青10、青8、青1、青3、青17，基本上反映了品种的耐热性差别。建立青梗不结球白菜耐热性评价的数学模型D=-0.349-0.063×（RR）+ 0.163×（FW）+0.222×（SI）+0.394×（TC）+0.033×（AA）+0.137×（Pr）+0.159×（SS）-0.091×（CII）可为不结球白菜的耐热性种质资源筛选和优良新品种的培育所利用。结合田间鉴定结果，青13、青11、青9、青16、青18可在海南夏秋季种植。

参考文献

[1] 娄丽娜，蒋利春，孙莉，等. 持续高温胁迫对不结球白菜生理指标的影响[J]. 江苏农业科学， 2015， 43（6）： 161-164.

[2] 王涛，田雪瑶，谢寅峰，等. 植物耐热性研究进展[J]. 云南农业大学学报， 2013， 28（5）： 719-726.

[3] 张玉明. 不结球白菜耐热性鉴定的研究[D]. 南京：南京农业大学， 2000.

[4] 曹寿椿，李式军. 白菜地方品种的初步研究——Ⅲ.不结球白菜品种的园艺学分类[J]. 南京农业大学学报， 1982， 5（2）： 30-37.

[5] 刘维信，曹寿椿. 自然高温和人工控制高温下不结球白菜耐热性的变化[J]. 中国蔬菜， 1991， 1（6）： 7-8.

[6] 苏小俊. 耐热不结球小白菜新品种——热抗青[J]. 江苏农业学报， 2000， 16（3）： 192.

[7] 薛思嘉，杨再强，李军. 高温对小白菜品质的影响及模拟研究[J]. 中国生态农业学报， 2017， 25（7）： 1042-1051.

[8] 叶陈亮，柯玉琴. 大白菜耐热性的生理研究： II.叶片水分和蛋白质代谢与耐热性[J]. 福建农业大学学报， 1996， 25（4）： 490-493.

[9] 刘燕燕. 不结球白菜耐热性鉴定及其生理生化指标的研究[D]. 北京：中国农业大学， 2005.

[10] Stirbet A G. On the relation between the Kautsky effect （chlorophyll a fluorescence induction） and Photosystem II：basics and applications of the OJIP fluorescence transient[J]. Journal of Photochemistry & Photobiology B Biology， 2011， 104（1）： 236-257.

[11] 辛明明，彭惠茹，倪中福，等. 小麦耐热性的生理遗传研究进展[J]. 中国农业科学， 2017， 50（5）： 783-791.

[12] 梁王闯，陈中华，张郑伟，等. 低温对大白菜幼苗生长及生理指标的影响[J]. 中国农学通报， 2016， 32（13）： 44-48.

田丽波，張燕，商桑，等. 基于生理生化性状和病情指数评价苦瓜种质资源的白粉病抗性[J]. 分子植物育种， 2015， 13（12）： 2824-2832.

Marcelis L F M. A simulation model for dry matter partitioning in cucumber[J]. Annals of Botany， 1994， 74（1）： 43-52.

田治国，王飞，张文娥，等. 多元统计分析方法在万寿菊品种抗旱性评价中的应用[J]. 应用生态学报， 2011， 22（16）： 3315-3320.

Patton A J， Cunningham S M， Volenec J J， et al. Differences in freeze tolerance of Zoysia grasses： II. Carbohydrate and proline accumulation[J]. Crop Science， 2007， 47（5）： 2170-2181.

闫圆圆，曾爱松，宋立晓，等. 结球甘蓝幼苗耐热性鉴定方法及耐热生理[J]. 江苏农业学报， 2016， 32（4）： 885-890.

王敏，江彪，何晓明，等. 蔬菜作物耐热性遗传研究进展[J]. 安徽农业科学， 2018， 46（13）： 23-26，49.

朱鑫. 芹菜幼苗耐热性鉴定的主成分分析[J]. 中国蔬菜， 2014， 34（6）： 28-33.

罗少波，李智军，周微波，等. 大白菜品种耐热性的鉴定方法[J]. 中国蔬菜， 1996， 16（2）： 16-18.

李丹丹，司龙亭，牛海臣，等. 黄瓜耐弱光性的多元统计分析[J]. 园艺学报， 2009， 36（4）： 501-506.

张景云，赵晓东，万新建，等. 小白菜耐热性鉴定及其耐热性分析[J]. 核农学报， 2014， 28（1）： 146-153.

刘燕燕，沈火林，刘以前. 高温胁迫对不结球白菜幼苗生长及生理指标的影响[J]. 华北农学报， 2005， 20（5）： 25-29.

胡俏强，陈龙正，张永吉，等. 普通白菜苗期耐热性鉴定方法研究[J]. 中国蔬菜， 2011， 31（2）： 56-61.

李合生. 植物生理生化实验原理和技术[M]. 北京：高等教育出版社， 1999.

周亚峰，许彦宾，王艳玲，等. 基于主成分聚类分析构建甜瓜幼苗耐冷性综合评价体系[J]. 植物学报， 2017， 52（4）： 520-529.

宋洪元，雷建军，李成琼. 植物热胁迫反应及抗热性鉴定与评价[J]. 中国蔬菜， 1998， 18（1）： 48-50.

姚远. 不结球白菜耐热品种主要性状的评价及分析[D]. 南京：南京农业大学， 2015.