表型分析在水稻品種“銀香38”單株選擇上的應用初報

萬 波 何紅梅 黃玉杰 顧帥娣 許建華*

(1光明種業有限公司，上海市崇明區 202171；2上海乾菲諾農業科技有限公司，上海市浦東新區 201210）

表型分析系統可對生長在可控生長因素的環境或溫室內的植物，在時間和空間尺度上自動進行植物表型成像測量。例如，盆栽植物可通過側視和頂視RGB相機獲取植物在不同旋轉角度下的圖像，然后通過定制化軟件分析，獲得盆栽植物的形態性狀參數、紋理性狀參數、顏色性狀參數和整株相關表型性狀參數。目前，表型分析在農作物、果樹、花卉、瓜果上的應用較廣[1-5]，可在葉型、花色、花型、株型、冠層結構、果實等方面提供準確的數據[6-7]，并可將該數據作為育種的輔助指標和評價指標之一。

在水稻三圃提純復壯過程中，單株選擇是重要的一環[8-10]，以前該環節主要依靠人工目測完成，但人工目測的誤差大、效率低。因此，筆者在“銀香38”的單株選擇上利用表型分析成像系統，通過獲取株型的緊湊度、單株投影葉面積和周長等數據，以量化指標來代替人工目測，從而優選出合適的單株，進而進行三圃制大田種子繁殖。現將相關試驗結果報道如下。

1 材料與方法

1.1 試驗材料

試驗材料為常規水稻品種“銀香38”，采用盆栽試驗，5月24日育苗，6月15日栽種30盆，每盆栽1株。灌漿后期選取長勢一致的20株進行表型分析（有1株折斷，實際數據分析為19株，編號為1-19）。

1.2 試驗方法

禾本科作物（水稻、小麥、大麥、高粱等）的產量主要由有效穗數、穗粒數和千粒重三個因素決定，而有效穗數和穗粒數主要由植株分蘗數和穗分枝數決定[11]。在同一品種的大田內，優選株型好的單株對于增加單位面積的有效穗數、提高水稻產量具有重要的意義。因此，利用儀器Scanalyzer 3D自動比較單株進行3D可見光成像，獲取單株高通量的RGB圖像，試驗采用的數據來源于頂視(vis-top)和側視（side-0，side-90）3次成像結果，共采集圖片57張，得出各單株的頂視和側視的投影面積、緊密度、偏心率等量化指標。各單株的穗數和籽粒數采用人工清點。結合各單株的實際穗數和籽粒數，得出每穗占用的葉面積和籽粒占用的葉面積。

2 結果與分析

2.1 各單株成穗數及每穗占用的葉面積

以每穗占用的葉面積為指標，每穗占用的葉面積越少，意味著單位面積可以容納更多的穗數。各單株穗數及每穗占用的葉面積的頂視和側視成像統計結果見表1。對每穗占用的葉面積從低到高進行排序，選排名前10的標記為“√”，3次成像均為前10的為優選，標記為“√”，最終編號為1、3、12、13、16、17、19的7個單株入選，見表2。

2.2 各單株籽粒數及籽粒占用的葉面積

以籽粒占用的葉面積為指標，籽粒占用的葉面積越少，意味著單位面積可產出的稻谷更多。各單株籽粒數及籽粒占用的葉面積的頂視和側視成像統計結果見表3。對籽粒占用的葉面積從低到高進行排序，選排名前10的標記為“√”，3次成像均為前10的為優選，標記為“√”，最終編號為11、13、14、16、17、19的6個單株入選，見表4。

表1 各單株穗數及每穗占用的葉面積的頂視及側視成像統計

表2 每穗占用的葉面積3次成像排名前10的分布情況

表3 各單株籽粒數及籽粒占用的葉面積的頂視和側視成像統計

表4 籽粒占用的葉面積3次成像排名前10的分布情況

2.3 單株的優選

由表5可知，通過對每穗占用的葉面積和籽粒占用的葉面積3次成像排名前10進行匯總比對，結果編號為13、16、17、19的4個單株入選。

表5 入選單株編號

3 結論與討論

試驗結果表明，通過對“銀香38”19個水稻單株進行Scanalyzer3D成像分析，得出了各單株的頂視和側視的投影面積、緊密度、偏心率等量化指標，結合各單株的實際穗數和籽粒數，得出了每穗占用的葉面積和籽粒占用的葉面積，經綜合分析，最終編號為13、16、17、19的4個單株入選。

本試驗結果表明，利用Scanalyzer3D平臺對水稻單株進行頂視和側視可見光成像，對獲取的數據進行分析比對，用于水稻單株選擇是可行的，這與前人在蔬菜、瓜果、苗木等植物上采用表型分析進行個體篩選有異曲同工之處。同時，本試驗結果為水稻單株優選提供了量化依據，且通過3D成像系統的篩選，減少了人工目測篩選的誤差，這對水稻種子大田生產上的單株優選和單產提高具有重要意義。