Field Scale Mapping of Surface Soil Clay Concentration

The surface soil clay concentration is a useful soil property to map soils, interpret soil properties, and guide irrigation, fertilizer, and agricultural chemical applications. The objective of this study was to determine whether surface soil clay concentrations could be predicted from remotely sensed imagery of bare surface soil or from soil electrical conductivity for a 115 ha field located in Crisp County, Georgia. The soil clay concentrations were determined for soil samples taken at 28 field locations. Three different data sources–an aerial color photograph image, two infrared bands from an ATLAS data set, and the electrical conductivity of the surface soil layer were used in the research. Principal components analysis was applied to the color photograph image, whereas the ratio of two infrared bands was applied to the ATLAS data set. Filtering was applied to both resulting images. The distribution of soil electrical conductivity was derived from the measured soil electrical conductivity data by spatial analysis. Statistical relationships between soil clay concentrations and the principal component 3, the ratio of two ATLAS infrared bands, and the soil electrical conductivity were analyzed, and three linear equations were derived with r ² values 0.83, 0.52, and 0.78, respectively. The distribution of the soil clay concentrations was derived based on these three equations. Six levels of soil clay concentrations were classified in these three methods, and the advantages and disadvantages were discussed. The predicted and measured soil clay concentrations, based on additional soil samples from 30 field locations, were compared using linear regression (r ²=0.76, 0.45, and 0.77 for the three methods). The overall accuracy for these methods were 84%, 66%, and 76%, respectively. The principal components method had the highest accuracy in our research, while the result for the depressional areas is the best from the ratio method.     

利用CSSL群体研究稻米加工品质相关QTL表达的稳定性

 【目的】研究稻米加工品质的分子遗传基础，为遗传改良和分子标记辅助选择提供有用信息。【方法】利用Asominori为遗传背景具有IR24染色体片段的置换系（CSSL）群体，在4个环境下对稻米糙米率、精米率和整精米率进行QTL定位和稳定性分析。【结果】结果共检测到30个QTL与稻米加工品质相关，其中qMR-6、qMR-8、qHR-3和qHR-6在4个环境中都能被重复检测到，影响精米率的qMR-6和qMR-8的平均贡献率分别为21.1%和22.2%；与整精米率相关的qHR-3和qHR-6，平均贡献率分别为34.6%和22.3%；且qMR-6、qMR-8、qHR-3和qHR-6对应的置换系与背景亲本Asominori在4个环境中相应性状的表现型之间都存在显著差异（P<0.05）。【结论】qMR-8、qBR-8b和qHR-8共定位在第8染色体R727-G1149区间的QTL簇上，在笔者以前的研究中发现该QTL簇包含与稻米蒸煮食味、外观和营养品质等相关的多个主效QTL，这为剖析同一染色体区段内的1个或多个基因协同调控多个品质性状形成的复杂代谢网络提供信息。     

水稻细胞质雄性不育恢复系ZSP-1恢复基因的初步定位

调查了用细胞质雄性不育新恢复系ZSP－1配制的杂交组合珍汕97A／ZSP－1和星A－ZSP－1的F1的结实率及F2个体花粉育性，发现恢复系ZSP－1的恢复性是由2对独立遗传基因控制。在此基础上，选用了与野败型雄性不育恢复基因Rf-3和Rf-4紧密连锁的RFLP标记对2个F2群体进行连锁分析，发现ZSP－1具有的2个恢复基因与这些标记紧密连锁，初步把ZSP－1的恢复基因定位于Rf-3和Rf-4区域。     

小麦重要农艺性状QTL研究方法及研究进展

小麦的许多重要农艺性状都是数量性状,研究小麦数量性状遗传对小麦育种及其杂种优势具有十分重要的意义。近年来,分子生物学特别是分子标记技术的飞速发展,使得我们可以更深入地进行数量性状的研究。本文综述了近年来小麦QTL的研究进展,包括QTL定位原理及前提条件,常用的分子标记,QTL定位常用的作图群体,QTL定位的方法,QTL定位的统计软件和阈值,QTL的作图精度及小麦QTL定位的研究进展。讨论了小麦QTL定位存在的问题,展望了该领域的发展前景。     

玉米苗期磷效率相关根系分泌物的QTL定位

为了充分利用现有的遗传信息和基因资源,揭示玉米磷营养高效的分子机制,本研究以磷高效玉米自交系082和磷低效玉米自交系掖107为亲本组配的F2世代为作图群体,采用SSR和AFLP分子标记构建了遗传连锁图,以两个时期,两个磷水平和两个地点共4种环境下的241个F2∶3家系各性状的平均值作为表型值,采用复合区间作图法定位了磷效率相关的3种根系分泌物的QTL。四种环境下检测表明,(1)检测到4个影响酸性磷酸酶活性的QTL,其中有两个QTL AP1-KXNP和AP9-KXNP被重复检测到,分别分布在第1和9二条染色体上,所在标记区间分别为bnlg1268a-umc1290a和P1M3/d-P1M3/g,在染色体上的位点分别为bin1.09和bin9.04,单个QTL解释酸性磷酸酶变异的9%～16%,2个QTL共解释酸性磷酸酶变异的25%;(2)检测到5个影响有机酸含量的QTL,其中只有1个在两种环境下被重复检测到,位于第9染色体上,标记区间为P1M3/f-P1M7/g,在染色体上的位点为bin9.03;(3)检测到5个影响H+含量的QTL,但没有一个被重复检测到。结果表明,影响酸性磷酸酶活性的两个QTL AP1-KXN...     

分子标记技术及其在水稻基因定位上的应用

分子标记作为一种新兴的遗传标记手段,因其特有的优势而得到广泛的应用,带动了许多领域的快速发展。本文主要对分子标记的一般特点,基于全基因序列、简单重复序列、已知的特定序列、反转录转座子、单核苷酸的分子标记的类型及各类型代表性技术的基本原理和各自的优缺点进行详尽的综述,并进一步介绍了近年来分子标记在水稻基因定位上的相关应用,如水稻高产、优质、抗逆和抗病等重要农艺性状基因的分离克隆。最后还对分子标记技术在遗传图谱构建、基因定位和分子标记辅助育种等方面的应用前景予以展望,以期该技术能发挥更大的作用。     

苹果遗传连锁图谱构建及抗早期落叶病的基因定位

以“秦冠”ד富士”F1群体的158个株系为试材,得到最佳SSR- PCR反应体系:在20 μL总的反应体系中Taq DNA聚合酶0.5U、引物0.1μmol/L、Mg2+ 1.8 mmol/L、模板DNA浓度15 ng/μL、dNTPs 0.30 mmol/L.利用SSR分子标记,采用JoinMap 3.0软件构建“秦冠”ד富士”的遗传连锁图谱.结果表明:从340对SSR引物中筛选出49对具有多态性的引物,在群体中共获得75个SSR标记,其中17个不符合孟德尔遗传规律,其余27个位点可定位到10个连锁群上.对苹果杂交F1代早期落叶病进行抗性遗传分析,最后将抗早期落叶病基因定位到了遗传连锁图谱中的第10个连锁群上.与已经发表的苹果遗传连锁框架图对比结果表明,抗早期落叶病基因被定位在已发表图谱的第8连锁群上.     

小麦品系中梁93444的抗条锈性遗传分析与分子作图

为明确抗锈品种中梁93444抗条锈基因及遗传特点,用CYR30、CYR31、CYR32对该品种、铭贤169及杂交组合进行遗传分析,用SSR技术对分离家系F_3-3进行PCR扩增和电泳分析。结果显示,中梁93444对CYR30、CYR31的抗病性均由1对显性和1对隐性基因控制,对CYR32由2对显性互补基因控制;F_3-3分离家系对CYR32的抗病性由1对显性基因控制,该基因暂命名为Yr93444。对F_3-3分离群体进行SSR标记,建立了与该基因连锁的8个标记Xgwm122、Xwmc702、Xwmc644、Xwmc794、Xgwm328、Xwmc455、Xgwm372、Xwmc819,遗传距离分别为38.1、30.7、22.9、15.6、10.0、6.9、3.5和2.8 cM。 应用SSR标记、中国春及缺四体将Yr93444定位于2AL上。系谱分析和SSR分子标记检测表明,该基因是来自中间偃麦草的新抗条锈基因。用与该基因紧密连锁的SSR标记Xgwm372和Xwmc819检测中梁品种和黄淮麦区主栽品种,发现89%中梁品种含该抗病基因,而86%黄淮麦区主栽品种不含该抗病基因,表明该基因应用潜力很大。     

甜玉米小斑病抗性的遗传分析与主效QTL定位

为培育抗病品种,利用抗小斑病甜玉米自交系T14和感小斑病自交系T18为亲本配制杂交组合,对玉米抗小斑病性状进行遗传分析和抗病基因分子标记定位,用主基因＋多基因混合遗传模型和P₁、P₂、F₁、B₁、B₂、F₂ 6世代联合分析的方法对单位叶面积病斑数量进行遗传分析,并应用复合区间作图法检测抗小斑病QTL。结果表明,单位叶面积病斑数量受2对加性-显性-上位性主基因控制,自交系T14的抗病性在各个分离世代都以主基因遗传为主。在第4染色体上检测到4个相互连锁的小斑病抗性QTL,解释表型变异的7.7%、30.9%、14.8%和11.5%;在第6染色体上定位了1个抗病QTL,可解释表型变异的37.7%。检测到的小斑病抗性主效QTL位于第4和第6染色体的特征与2对主基因的遗传模型相吻合。     

基于模糊集理论提取土壤—地形定量关系及制图应用

通过对研究区地形因子的模糊聚类,提取了地形因子组合与特定土壤属性的定量隶属度关系,然后对隶属度高值区土壤进行目的性采样为隶属度函数赋值,制作研究区土层厚度连续分布图。通过野外实地验证,将观测值与图中预测值比较,结果显示该方法制图精度在82%左右,具有一定的可靠性。进一步考察认为该模型在地形部位较低,地势较为平坦,土壤发育较好,土层较厚,成土环境相对稳定的地区预测效果更好,适用性更强。该方法能提高土壤制图效率,降低制图成本,提高制图精度,对土壤微域变异的表现更为详细,图面信息负载量更高。应用该方法制作大比例尺土壤详图不失为土壤调查与制图领域一种可行的新方法。