基于非線性主成分分析的寒地水稻齊穗期抗旱性評價

李紅宇，張鞏亮，牛同旭，李 逸，劉夢紅，鄭桂萍

(黑龍江八一農墾大學農學院，黑龍江省現代農業栽培技術與作物種質改良重點實驗室，黑龍江大慶163319)

水稻灌溉用水占中國農業用水的70%左右［1-2］，供水問題已成為制約水稻生產良性發展的瓶頸之一［3］。篩選和培育抗旱水稻品種是解決這一問題的最有效途徑［4］。

作物抗旱性是其自身對干旱環境的適應性變化［5］，是多種生理生化性狀共同構成的復雜性狀，包括形態特征、生理生化特性及生長發育進程改變等［6］。品種間及同一品種的不同生育時期間抗旱機制存在一定差異，進行抗旱鑒定時，單一抗性指標不能全面、準確地反映作物的抗性，應運用綜合指標法對作物復雜性狀的抗性進行綜合評判［7］。在統計分析方面，綜合指標法主要采用相關分析、主成分分析、聚類分析、多元逐步回歸分析、模糊綜合評價、灰色關聯分析等方法進行組合評價，以利用不同統計分析方法在指標體系構建、指標賦權、數據需求等方面的優勢，減少隨機偏差和系統誤差發生的可能性，有助于解決評價結論不一致問題，提高綜合評價的質量［8］。如田又升等［9］用 PEG-6000高滲溶液模擬干旱條件，采用發芽勢、發芽率、最大胚根長等11個萌發性狀指標對33份水稻材料進行了萌發期抗旱性綜合鑒定，通過主成分分析將11個生長指標歸類為4個互不相關的因子，以各指標的隸屬函數值進行模糊聚類，將參試品種的抗旱性分為4大類。但是，多種統計方法的組合評價仍存在一定問題，如參試指標間可能存在非線性關系，使用傳統主成分分析法進行線性降維，會導致評價結果發生偏差［10］。針對此問題，葉明確等［11］提出了一種基于非線性投影的對數主成分評價法，并從理論基礎、幾何意義和適用范圍等方面闡明了該算法的合理性和有效性。紀龍等［8］首次將其引入作物種質資源綜合評價。本研究采用對數主成分評價法，在全生育期干旱條件下，從形態特征、物質生產、光合及生理特性方面對12份寒地水稻種質資源齊穗期抗旱性進行了綜合評價，以期為寒地水稻抗旱育種和節水栽培提供種質資源支持。

1 材料與方法

1.1 參試材料及其處理

試驗于2017年和2018年在黑龍江八一農墾大學校內試驗基地防雨棚內進行。盆栽試驗采用二因素完全隨機試驗設計。品種因素為12水平，包括前期工作篩選出的苗期抗旱材料(DPB120、墾稻24、DPB71、DPB112、DPB70、DPB15)和敏感材料各6份(齊粳10、綏育117463、綏稻3號、瑩稻2、綏育118146、綏粳21)。干旱因素為2水平，即常規灌溉(對照)和干旱處理。常規灌溉水分管理為淺水插秧、深水扶苗、淺水增溫促蘗、減少分裂期深水護苗、結實期干濕交替灌溉;干旱處理于返青期后開始干旱脅迫處理，返青期以80%以上秧苗早晚葉尖吐水為標志。干旱處理的方法是返青期排干水，采用負壓式土壤濕度計測定土壤水勢(將濕度計的陶頭插入土表以下10 cm位置)，保持全生育期土壤水勢在-30～-35 kPa，常規灌溉對照和干旱處理每份材料各種植14盆，插秧規格為4穴·盆-1。其他管理方法同常規。

1.2 調查與測定

1.2.1 干物質量和葉面積的測定 齊穗期各品種處理和對照分別取代表性植株12穴，從基部切除根系，余下部分分為莖鞘、穗、上三葉和其余葉片4部分。采用長寬系數法測定上三葉葉面積(高效葉面積)和有效葉面積。各部分單獨包裝，105℃殺青30 min，80℃烘干至恒重。

1.2.2 光合指標的測定 在齊穗期天氣晴朗的上午9∶00～11∶00，使用CIRAS-3型便攜式光合熒光測定系統測定劍葉凈光合速率(Pn)、蒸騰速率(Ts)、氣孔導度(Gs)和胞間CO2濃度(Ci)。

1.2.3 劍葉SPAD值的測定 于齊穗期每處理選主莖劍葉20片，使用葉綠素SPAD-502儀(日本MINOLTA產)測定劍葉中部的SPAD值，測定時注意避開葉脈和有損傷的葉片。

1.2.4 劍葉可溶性蛋白質含量、游離脯氨酸含量、SOD活性和POD活性測定 齊穗期各品種取處理和對照主莖劍葉6片，快速去除葉脈后，置于液氮中冷凍，在超低溫冰箱中保存備用。采用考馬斯亮藍G-250染色法測定可溶性蛋白質含量［12］;采用磺基水楊酸法提取游離脯氨酸，茚三酮顯色法進行測定［12］;參照盧少云等［13］的方法提取、測定還原型谷胱甘肽(GSH)含量。采用任紅旭等［14］的方法提取超氧化物歧化酶(SOD)和過氧化物酶(POD)，并參照李合生的方法［12］進行測定。

1.2.5 糖花比的測定 齊穗期每品種處理和對照各選擇長勢均一的主莖15個，計數主穗穎花數。采用蒽酮比色法測定主莖莖鞘中的淀粉和可溶性糖含量，并參照趙步洪等［15］的方法計算糖花比。

糖花比(SSR，mg·穎花-1)=莖鞘非結構性碳水化合物含量/每穗穎花數

1.2.6 莖稈傷流量的測定 齊穗期每品種處理和對照各選取代表性植株4穴，于17∶00從距地表10 cm處橫切10個莖，用已稱重(W1)的脫脂棉完全覆蓋切口，自封塑料袋包扎以收集根系傷流液，并記錄時間T1，10 h后記錄時間T2。取下包裝物并稱重，記為W2。利用下式計算單莖根系傷流量:

1.3 數據處理與統計分析

1.3.1 抗旱系數(DTC) 采用水稻抗旱系數(drought tolerant coefficients，DTC)，即各抗旱指標的相對值進行抗旱性綜合分析，以消除參試材料間的基礎性狀差異。

1.3.2 原始數據無量綱化和對數化 采用均值化方法對原始指標進行無量綱化處理。

在此基礎上進行對數化處理，得到均值化處理后的指標為lnXi(i=1，2，…，18)。

1.3.3 指標的權重分配 對lnXi進行主成分分析，根據特征值大于1或累積方差貢獻率超過80%(85%)的原則確定主成分個數。根據主成分載荷矩陣計算lnXi的權重和主成分Pj:

式中，eij代表第i個評價指標在第j主成分中的特征向量，λj表示第j個主成分的特征值。

1.3.4 主成分Pj權重(Wj)和主成分綜合得分(Sf)

對公式(6)兩邊取指數得到Sf:

1.3.5 統計分析軟件 各指標2017—2018年數據平均值用于統計分析。利用Excel 2010進行數據整理、描述性分析、權重和抗旱綜合評價Sf值的計算。利用DPS 7.05軟件進行主成分分析、聚類分析和灰色關聯度分析。

2 結果與分析

2.1 各單項指標的抗旱系數及相關分析

依據公式(1)計算各單項指標的相對值即抗旱系數(DTC)，以消除基因型間本底差異和指標間的量綱差異。表1列出了每個性狀抗旱系數的均值及描述性分析統計數，17個性狀的抗旱系數平均值為0.722，數值分布在0.090～1.919。對各指標的年際間差異進行成組數據t測驗，傷流量、莖鞘非結構性碳水化合物含量、凈光合速率、蒸騰速率、間隙CO2濃度、氣孔導度、可溶性蛋白含量、超氧化物歧化酶活性、超氧化物歧化酶活性、游離脯氨酸含量、還原型谷胱甘肽含量等11個指標的抗旱系數年際間差異顯著或極顯著，其他指標年際間差異不顯著。從變異系數方面看，變異系數最大為傷流量(185.183%)，氣孔導度(133.471%)次之，SOD 活性(47.910%)再次之;變異系數最小為有效葉面積(11.997%)，干物質量次之(12.265%)，SPAD值再次之(13.637%)。

表1 各單項指標的抗旱系數Table 1 Drought tolerant coefficient(DTC)of each single index

2.2 對數主成分分析

主成分分析可在損失較少信息量的前提下，將多指標簡化為少量綜合指標，以濃縮數據、簡化指標，彌補利用單項指標評價抗旱性的不足。主成分數目的確定應同時滿足數據降維和信息綜合的要求。確定合適的指標權重是應用主成分分析進行綜合評價的核心內容之一。各指標的權重分配依賴于主成分個數的選取，通常根據特征值大于1或累積方差貢獻率超過80%(或85%)的原則確定主成分個數。對對數化處理后的數據(lnXi)進行主成分分析，前5個主成分的特征值均大于1，貢獻率分別為 28.905%、21.087%、13.811%、11.862% 和8.164%，其累計貢獻率達到83.829%，即前5個相互獨立的主成分代表了17個指標83.829%的變異信息，其余可忽略不計(表2)。

前5個主成分的載荷矩陣如表3所示，第一主成分的貢獻率為28.905%，該主成分以蒸騰速率載荷的絕對值最高(-0.3363)，凈光合速率、間隙CO2濃度和氣孔導度在第一主成分也具有較高載荷，可稱為光合因子;第二主成分的貢獻率為21.087%，該主成分以高效葉面積(0.4188)和有效葉面積(0.4344)載荷最高，可稱為葉面積因子;第三主成分的貢獻率為13.811%，該主成分以SPAD、可溶性蛋白含量、超氧化物歧化酶、過氧化物酶、游離脯氨酸含量載荷最高，稱為生理因子;第四主成分的貢獻率為11.862%，傷流量的載荷最高(0.5040)，稱為傷流量因子;第五主成分的貢獻率為8.164%，干物質量的載荷最高(0.4408)，稱為干物質量因子。

表2 特征值與方差貢獻率Table 2 Eigenvalue and variance contribution rate

表3 主成分載荷矩陣Table 3 Load matrix of the principal component

根據公式(3)計算lnXi的權重lij(表3)，利用公式(4)得到5個主成分的解析式:

P1=0.0470lnX1-0.0730lnX2-0.0080lnX3+0.0414lnX4+0.1470lnX5+0.1046lnX6+0.0622lnX7-0.1390lnX8-0.1517lnX9-0.1434lnX10-0.1480lnX11-0.0373lnX12+0.1455lnX13+0.1403lnX14+0.1023lnX15+0.0727lnX16+0.1224lnX17

P2=0.0086lnX1+0.1278lnX2+0.2212lnX3+0.2294lnX4+0.1254lnX5-0.0937lnX6+0.1610lnX7+0.0039lnX8+0.0449lnX9-0.0032lnX10+0.1406lnX11+0.1354lnX12+0.0603lnX13+0.0290lnX14+0.1935lnX15-0.1625lnX16-0.0451lnX17

P3=0.0264lnX1-0.1044lnX2+0.1678lnX3-0.0128lnX4+0.0956lnX5+0.1092lnX6+0.0202lnX7+0.2958lnX8+0.1972lnX9+0.2296lnX10+0.1248lnX11-0.2137lnX12+0.2027lnX13+0.1358lnX14-0.0347lnX15+0.1489lnX16+0.2033lnX17

P4=0.3549lnX1+0.1672lnX2+0.0887lnX3+0.1341lnX4-0.1738lnX5+0.2678lnX6-0.3298lnX7-0.0525lnX8-0.1385lnX9+0.1690lnX10-0.0066lnX11+0.0218lnX12+0.0161lnX13+0.0220lnX14+0.0027lnX15-0.2032lnX16+0.1111lnX17

P5=-0.3713lnX1+0.3742lnX2-0.2276lnX3-0.2003lnX4+0.0149lnX5+0.2347lnX6-0.1497lnX7-0.0274lnX8+0.1340lnX9-0.0968lnX10+0.1686lnX11+0.0278lnX12+0.2159lnX13+0.3594lnX14+0.0288lnX15-0.1837lnX16-0.0735lnX17

依據各主成分的特征值大小，利用公式(5)計算出各主成分的權重分別為0.345、0.252、0.165、0.142、0.097。利用公式(7)對 lnXi的權重lij和主成分權重(Wj)計算得到抗旱綜合評價值Sf。

表4結果表明，各品種平均Sf值為0.706，分布區間在0.548～0.872，95%置信度為0.077。綜合抗旱Sf值排名前三位的材料分別為齊粳10(0.872)、DPB15(0.859)、DPB120(0.859)。綜合抗旱Sf值排名后三位的材料分別為瑩稻2(0.548)、DPB112(0.549)、綏稻3號(0.570)。

2.3 聚類分析

以抗旱綜合評價Sf值為依據，采用歐氏距離最長距離法對12個參試材料進行聚類分析，最長距離大于0.104時分為3類:強抗旱型、中抗旱型和干旱敏感型(圖 1)。第Ⅰ類包括齊粳 10、DPB120和DPB15，屬強抗旱類型;第Ⅱ類包括綏育 117463、DPB71、齊粳10、綏育 118146和墾稻 24，屬中抗旱類型;第Ⅲ類由DPB70、綏稻3號、DPB112和瑩稻2組成，屬干旱敏感型。對類型間各指標的抗旱系數和綜合抗旱值進行方差分析，強抗旱類型的可溶性蛋白、SOD和POD與中抗旱型差異不顯著，與旱敏感型差異顯著或極顯著;強抗旱類型的抗旱綜合評價值極顯著高于中抗旱類型，中抗旱類型極顯著高于干旱敏感類型(表5)。

表4 品種抗旱性綜合評價結果Table 4 Comprehensive evaluation result of rice varieties on drought resistance

圖1 S f值的聚類分析Fig.1 System clustering of S f value

表5 不同抗旱類型水稻的抗旱系數及抗旱綜合評價值的方差分析Table 5 Variance analysis of DTC and S f of different drought tolerant type

2.4 抗旱系數與抗旱綜合評價值的灰色關聯分析

采用灰色關聯分析法分析各指標抗旱系數與抗旱綜合評價值的關聯程度。將所有指標的抗旱系數視為一個灰色系統，每個指標的抗旱系數作為比較數列(子序列)，抗旱綜合評價值作為參考數列(母序列)，將各指標的抗旱系數與抗旱綜合評價值作灰色關聯分析，關聯度越大，說明該指標的抗旱系數與抗旱綜合評價值的變化趨勢越接近。抗旱綜合評價值與其他指標抗旱系數的關聯系數如表6所示，除游離脯氨酸含量、傷流量和氣孔導度的關聯系數小于0.5，其他14個指標關聯系數均大于0.5，與抗旱綜合指標值有較大關聯。考慮到進行抗旱篩選的效率，可以選用關聯系數大，并容易測定的有效葉面積、高效葉面積、干物質量和主穗穎花數為抗旱鑒定指標。

表6 抗旱系數與抗旱綜合評價值的灰色關聯系數Table 6 Grey correlation coefficient of DTC and S f

3 討論

3.1 關于采用對數主成分分析合理性的探討

作物的抗旱性是多種抗旱機理的綜合反映，受基因型、環境和基因型×環境的共同影響，目前采用形態、生理、生化等與抗旱性密切相關的多個指標綜合反映作物抗旱性已達成共識［16-17］。當前多數學者［18-20］采取的方法是以抗旱系數(單項指標處理與對照的比值)描述單項指標變異，對各指標的抗旱系數進行主成分分析，計算各主成分的隸屬函數和主成分權重，然后進行多個主成分加權，獲得各參試材料的抗旱性評價綜合D值。但是，傳統主成分分析法屬于線性降維，而評價指標之間以及主成分和原始數據之間仍可能存在非線性關系，從而導致評價結果的偏差。為此，葉明確等［11］提出了一種對數主成分評價法，并通過傳統的主成分分析法和對數主成分評價法的比較，證明了傳統的主成分分析法運用多個主成分進行綜合評價是不可取的，僅用第一主成分進行排名也存在不準確性，而對數主成分評價法解決了指標之間以及主成分與原始數據之間的非線性關系，具有現實意義上的合理性。紀龍等［8］在運用該方法對綠色超級稻品種進行綜合評價的過程中，對數主成分分析的指標權重同專家打分法所得到的指標權重較傳統主成分分析更為接近，也從另一個方面驗證了其合理性。本研究采用均值化法對抗旱系數進行無量綱化和取對數處理，之后進行主成分分析，將17個指標簡化為5個相互獨立的主成分，方差累計貢獻率達83.829%。在對數主成分分析的基礎上，計算各指標的lnXi權重和主成分權重，進而得到抗旱綜合評價Sf值。各參試品種Sf值變幅在 0.548～0.872，平均 0.706，95%置信度為0.077，綜合抗旱性最強的品種為齊粳10，最差的品種為瑩稻2。齊粳10已經通過黑龍江省品種審定委員會審定，可以應用于旱直播栽培或節水栽培，但其耐旱機理尚需進一步研究。

3.2 關于抗旱篩選指標選擇的探討

在進行作物種質資源抗旱性綜合評價時，如何確定與抗旱性關系最密切的評價指標，如何提高評價效率是要解決的基本問題。一般的做法是以利用主成分加權得到的綜合評價指標值為因變量，以各單項指標抗旱系數為自變量，進行逐步回歸分析，或者對綜合評價指標值和各單項指標抗旱系數作直線相關分析，或者將逐步回歸與相關分析結合以篩選抗旱評價指標［21-22］。但是，作物生理因素間復雜的互作關系加之環境因素的影響，構成了一個具有許多不確定因素的灰色系統。當采用白化系統的方法進行分析時，難以確切反映事物的本質，如直線相關分析的R2若小于0.5，二者關系能用線性解釋的分量不足50%，基本不存在直線關系［23］。灰色關聯度分析是基于灰色系統的灰色過程而進行的因素間時間序列比較，可比較客觀地反映出各指標抗旱系數與作物抗旱性之間的相關密切程度。結果表明，參試材料有效葉面積、高效葉面積、干物質量等14個指標的抗旱系數與抗旱綜合評價Sf值的灰色關聯系數較大。考慮到工作效率和鑒定成本，可以選用關聯系數排名前4位的有效葉面積、高效葉面積、干物質量和主穗穎花數作為抗旱鑒定指標。

4 結論

通過對數主成分分析和聚類分析，利用抗旱綜合評價值Sf對12份參試材料的抗旱性進行評價，獲得強耐旱材料齊粳10、DPB120和DPB15，干旱敏感材料DPB70、綏稻3號、DPB112和瑩稻2。通過灰色關聯分析，從17個指標中篩選出有效葉面積、高效葉面積、干物質量和主穗穎花數4項適宜作為抗旱性篩選的指標，為寒地水稻種質資源抗旱性鑒定及抗旱育種提供依據。