黄瓜耐湿冷性苗期综合评价预测方程的建立

丁圆圆，王曦奥，刘策，李淑菊，程智慧*

（1.西北农林科技大学园艺学院，陕西 咸阳 712100；2.天津科润黄瓜研究所，天津 300192）

黄瓜（Cucumis sativusL.）属于葫芦科一年蔓生草本植物，起源于亚热带，温度低于10℃可对其造成伤害，低于5℃造成植株死亡[1]。秋冬和冬春设施栽培中，低温和高湿是影响黄瓜生长的主要逆境。低温影响黄瓜种子萌发、叶片光合作用及产量和品质形成，持续低温甚至造成植株死亡，不同黄瓜品种对低温胁迫的敏感性不同[2]。一般认为，黄瓜生长喜好较高空气湿度，短时间在95%~100%湿度下也能正常生长，但持续时间过长易导致病害发生[3]。且高湿环境特别是光照不足情况易造成植株徒长。研究表明，空气湿度与植株同化物的生产、积累和分配显著相关[4-7]；湿度过大，叶绿素含量显著降低[8]；叶片气孔开度随空气湿度的增加而增大，但湿度过高会导致气孔收缩和开度减小[9-10]。

温度和湿度是2个相互影响的重要环境因子，影响植物叶片生长、气孔开度和蒸腾速率。王慧等[11]基于叶温和空气湿度的关系建立了黄瓜病害预测模型，能准确预测霜霉病的发病时间。Gu等[12]研究表明，高温高湿处理后，大豆种子蛋白质和油脂含量更高。徐超等[13]研究表明，高温胁迫后增加空气湿度可显著提高番茄叶片的蒸腾速率和净光合速率，有效缓解高温胁迫。但湿冷对黄瓜生长发育影响的研究尚未见报道。

植物抗性鉴定的指标和方法较多，从1个或2个指标出发，局限性较大，无法准确地反映植物的实际耐性。指标太多、相互关联、信息大量重叠，又会导致问题复杂化。通过主成分分析，将多个指标简化为少数几个综合指标，可简化数据结构，尽量多地反映原来变量的信息，如运用主成分分析对甘蔗抗旱性[14]和杏抗寒性[15]进行评价。隶属函数法也在植物抗性评价中广泛应用，如苜蓿耐旱性[16]、杨树耐寒性[17]和紫茎泽兰耐热性[18]研究等。因子分析法从整体上进行分析研究，但无法对各公因子给出合理的解释，因此需要根据研究目的选择聚类方法，柴守玺[19]对小麦耐旱性进行研究认为，用原始数据模糊聚类法得出的分类结果最为理想。周广生等[20]先采用主成分分析将多个单项指标综合成少数几个新的相互独立的综合指标，再利用隶属函数法得出各品种的耐湿综合评价值，利用综合评价值与单项指标建立最优回归方程来预测小麦品种的耐湿性。目前，关于黄瓜耐湿冷性鉴定的研究尚未见报道。因此，本研究基于育种和栽培实际需要，在人工气候箱设置湿冷环境处理，从形态、生理等方面筛选可用于黄瓜苗期湿冷性鉴定的指标，利用生物数学方法建立苗期耐湿冷性预测方程，旨在为黄瓜耐湿冷育种和栽培提供技术支持。

1 材料与方法

1.1 供试材料及育苗

选用20份不同耐湿冷性的品种（表1）为试材。其中，13份用于建立耐湿冷性预测方程；另7份用于验证预测方程。将供试种子（有种衣剂的先洗去种衣剂）室温下浸种4 h，然后放入28℃恒温箱中，黑暗环境催芽至种子露白，播入装有育苗基质的50孔穴盘，置于人工气候室培养。培养条件为：昼/夜温度25℃/18℃，空气相对湿度85%，光周期12 h/12 h，白天光照强度16 000 lx（250 μmol·m−2·s−1)。待子叶展开后，移栽于营养钵（8 cm×8 cm），培养至供试大小。

表1 供试材料信息Table 1 Information of test materials 续表Continued

表1 供试材料信息Table 1 Information of test materials

1.2 湿冷处理

幼苗长至2片真叶展开后开始进行试验。人工气候箱湿冷处理条件为：昼/夜温度9℃/5℃、空气相对湿度95%、光周期12 h/12 h、白天光照强度16 000 lx（250μmol·m−2·s−1）。待箱内条件达到设定值后，将生长一致的黄瓜幼苗移入培养箱进行处理；以昼/夜温度25℃/18℃、空气相对湿度85%、光周期12 h/12 h、白天光照强度16 000 lx（250μmol·m−2·s−1）为对照。每处理3次重复（3个人工气候箱），每重复25苗。处理3 d后随机选取5株测定有关指标，计算平均值。

1.3 测定指标与方法

1.3.1 形态指标株高（seedling height，SH）：用直尺测量子叶节处至生长点距离；茎粗（stem diameter，SD）：用游标卡尺在子叶节下1 cm测量2次直径，取均值；叶长（leaf length，LL）：用直尺测量从上往下第2片真叶的最大叶长。

1.3.2 生理指标过氧化氢酶（catalase，CAT）、多酚氧化酶（polyphenol oxidase，PPO）、苯丙氨酸解氨酶（phenylalanine ammonia lyase，PAL）的活性及谷胱甘肽（glutathione，GSH）、脯氨酸（proline，Pro）、可溶性糖（soluble sugar，SS）、超氧阴离子（superoxide anion，)的含量均参照曹翠玲等[21]方法测定。

1.4 数据处理与统计分析

采用性状相对值进行耐湿冷性评价。采用Excel 2010软件进行数据整理。采用SPSS 21.0软件进行单因素方差分析、主成分分析、相关分析、逐步回归和聚类分析。参照李合生[22]的方法计算相关指标，计算公式如下。

隶属函数值U(Xj)：指标与耐湿冷性呈正相关采用公式（2）；指标与耐湿冷性呈负相关采用公式（3）。

式中，Xj表示第j个综合指标，Xmax表示第j个综合指标最大值，Xmin表示第j个综合指标最小值，j=1，2，…，n。

式中，Wj表示第j个综合指标在所有综合指标中重要程度；Pj为各品种第j个综合指标贡献率，j=1，2，...，n。

耐湿冷性综合评价值（Dj）。

2 结果与分析

2.1 湿冷对不同黄瓜品种形态和生理指标的影响

湿冷处理后，测定各品种较对照的相对指标，结果（表2）显示，13个品种的相对株高、相对茎粗和相对叶长均小于1，表明湿冷处理抑制了幼苗的生长和物质积累，其中，品种Syz、Sy4和Msjp313的SH、SD和LL的相对值在13个品种中较低，即这3个品种的耐湿冷能力较弱；品种Bn5、Jy1和Jy64各形态指标的相对值较高，即这3个品种的耐湿冷能力较强。湿冷处理3 d后，所有品种的含量升高，其中，品种Sy4的增量最多，表明植株受损伤较严重；品种Jy64和Jy1变化较小，相对值接近1，表明植株受损伤较小。为缓解湿冷处理造成的过氧化伤害，抗氧化酶活性增大，抗氧化物含量升高，其中，品种Jy64和Jy1显著升高；但品种Syz和Ymt2188在湿冷处理3 d后抗氧化酶活性降低，表明其自我调节能力较低，湿冷胁迫严重影响了植株的生理机能。湿冷处理后，Pro和SS含量也有所增加，其中，品种Bn5的渗透调节物含量显著高于其他品种。相对指标中，生理指标的变幅（24.52%~52.00%）明显大于形态指标（6.90%~12.31%），因此，需要用多元统计分析综合评价黄瓜品种的耐湿冷性。

表2 湿冷处理下不同黄瓜品种各指标的相对值Table 2 Relative values of different indexes under wet-cold treatment of different cucumber varieties

2.2 不同指标间的相关性分析

对10个相对指标进行相关分析，结果（表3）表明，相对SH、SD、LL与相对GSH含量呈显著正相关，且均与CAT相对活性呈极显著负相关；相对PAL活性与相对PPO活性呈极显著正相关，与相对GSH含量呈显著负相关；相对PPO活性与相对GSH含量呈显著负相关；相对O-2含量与相对GSH、Pro含量及相对SH呈显著负相关；相对GSH含量与相对Pro含量呈显著正相关；相对Pro含量与相对SD、SH呈极显著正相关。综上表明，10个指标间信息有所重叠。

表3 10个耐湿冷鉴定指标间的相关性分析Table 3 Correlation analysis of 10 wet-cold tolerance identification indexes

2.3 耐湿冷性不同指标的主成分分析

对13个品种10个苗期指标进行主成分分析，共获得4个主成分（表4），其贡献率分别为36.6%、17.8%、14.3%和12.2%，累 计 贡 献 率80.9%，具有较强的信息代表性。其中，第1主成分主要由形态指标构成，相对株高的特征向量最大，为0.876；第2主成分主要由相对GSH含量和PAL活性构成，其中，相对GSH含量的特征向量为0.784；第3主成分主要由相对CAT活性和PPO活性构成，其中，相对CAT活性的特征向量为0.623；第4主成分主要由相对含量和SS含量构成，其中，相对含量的特征向量为0.572。

表4 主成分分析及特征值Table 4 Principal component analysis and eigenvalue

2.4 耐湿冷性综合指标隶属函数分析及权重的确定

根据4个主成分的特征向量以及各单项指标相对值求出每个品种的综合指标值X1、X2、X3和X4，以这4个综合指标（表5）为耐湿冷性评价的基础数据，利用公式（2）和公式（3）计算各品种的隶属函数值（U）。隶属函数值可作为黄瓜耐湿冷性的量度值，初步评价黄瓜品种的耐湿冷性。针对某一综合指标，其U值越大，表明品种在此综合指标中的耐湿冷性越强。对于X1，Bn5的隶属函数值U（X1）最大，为0.666，其耐湿冷性最强；Msjp313的隶属函数值U（X1）最小，为0.350，其耐湿冷性最弱；对于综合指标X2、X3和X4，Syz材料的

U（X2）、U（X3）、U（X4）低于其他品种，均在0.300左右，表明其耐湿冷性较弱。根据各综合指标贡献率，利用公式（4）计算出4个综合指标的权重，分别为0.446、0.223、0.179和0.152。

2.5 黄瓜品种耐湿冷性的综合评价及聚类分析

耐湿冷性综合评价值（D）能反映出各个品种的综合耐湿冷能力，D值越大表示其耐湿冷性越强。根据各品种各综合指标的U值和权重，利用公式（5）计算各品种的耐湿冷性综合评价值D。结果（表5）表明，13个品种D值的变幅为0.300~0.700，其中，品种Bn5的D值最大，表明其耐湿冷性最强；Syz的D值最小，表明其耐湿冷性最弱。根据D值对13个品种的耐湿冷性由强到弱排序为：Bn5、Jy64、Jy1、Jyys、Ccmc、Zn26、Ymt2188、QsF1、FyF1、Hl35、Sy4、Msjp313、Syz。

表5 各品种评价指标及综合排序Table 5 Index of each variety and ranking

基于D值，对13个黄瓜品种进行聚类分析，结果（图1）表明，距离为3时，13个品种可分为4类：第Ⅰ类包含Jy64、Bn5和Jy1，D值平均约为0.6，为强耐湿冷型；第Ⅱ类包含Jyys、Ccmc、Zn26、Ymt2188、FyF1和QsF1，D值平均约为0.5，为中耐湿冷型；第Ⅲ类包含Sy4和Hl35，D值平均约为0.4，为弱耐湿冷型；第Ⅳ类包含Syz和Msjp313，D值平均约为0.3，为湿冷敏感型。

图1 13个黄瓜品种耐湿冷性聚类分析结果Fig.1 Cluster analysis of 13 cucumber varieties based on D value

2.6 黄瓜耐湿冷性苗期预测方程的建立及验证

为揭示各指标与耐湿冷性的关系，筛选可靠评价指标，建立有效评价数学模型，以13个黄瓜品种的各单项指标相对值为自变量，D值为因变量，通过逐步回归剔除不显著自变量，建立最优回归方程（式6），由方程可知，相对CAT活性、相对Pro含量和相对PPO活性这3个指标对黄瓜耐湿冷性影响显著，可用于黄瓜耐湿冷性的鉴定。

式中I4、I6和I7分别为相对CAT活性、相对Pro含量和相对PPO活性。

为验证预测回归方程，以另外7个检测品种10个单项指标实测的相对值（表6）代入相关公式，计算D值。同时将相对CAT活性、相对Pro含量和相对PPO活性代入回归方程算得7个检测品种的耐湿冷性预测值。比较7个黄瓜品种耐湿冷性综合评价值（D）和耐湿冷性预测值（P），结果（表7）表明，7个品种耐湿冷性预测准确度均在93.0%以上，平均94.9%。7个品种的耐湿冷性预测值排序结果从大到小为：Zn28、Jy4、Drt8-9F、Rg2、Jy35、Jy41、Sy11；与D值排序结果基本吻合，且二者相关系数为0.975，达到显著水平，证明所建数学模型可用于黄瓜苗期耐湿冷性评价。

表6 7个验证品种10项指标的实测相对值Table 6 Relative values of indexes of 7 tested varieties

表7 回归方程的估计准确度Table 7 Evaluation accuracy of equation

3 讨论

本研究表明，湿冷处理后植株生长受到抑制，各形态指标的相对值均小于1；耐湿冷性较强品种与较弱品种的叶长、株高和茎粗均存在显著差异，且这3个指标相关显著，与前人研究结果一致[23]。在黄瓜耐冷性研究中，用各性状的绝对值进行耐冷性比较，无法消除不同品种本身差异的影响[24]，因此，本研究采用各指标胁迫处理与对照的相对值进行比较分析。湿冷处理不仅抑制了黄瓜生长，还引起O-2的累积，与前人研究结果一致[25]。湿冷处理下，CAT、PAL和PPO活性增强，抗氧化物GSH含量也明显升高，说明抗氧化系统在黄瓜抗湿冷过程中发挥了重要作用。有研究表明，Pro和SS有利于维持生物膜系统的稳定性，与植物耐冷性呈正相关关系[26]；本研究表明，各品种湿冷处理后Pro含量均上升，可能与黄瓜耐冷性密切相关。

湿冷作为复合逆境更加复杂化。张红颖等[28]采用5个芽期指标对不同玉米自交系的耐冷性进行了鉴定评价；郑昀晔等[29]认为，相对发芽率与相对幼苗干重能够较好地反映品种的抗寒性。本研究表明，10个性状指标从不同角度反映了黄瓜幼苗的耐湿冷性，但提供信息有重叠。因此，直接利用各单项指标不能有效地评价黄瓜品种的耐湿冷性，利用多元统计和综合分析[27]，筛选简捷和准确的耐湿冷性评价指标，有利于建立黄瓜耐湿冷性评价体系。近年来，越来越多学者采用主成分分析、隶属函数法、灰色关联度等方法综合评价植物的抗逆性，但忠等[30]用逐步回归建立了黄瓜耐热性预测方程。本研究通过主成分分析将相对株高、相对茎粗和相对叶长等10个指标转换成为4个综合指标，建立了黄瓜耐湿冷性预测的最优回归方程，筛选出相对CAT活性、相对Pro含量和相对PPO活性3个受湿冷影响显著的指标，不仅消除了指标信息重叠影响鉴定准确性的问题，也简化了指标的鉴定工作，为黄瓜耐湿冷性育种提供了技术支持。