首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到20条相似文献,搜索用时 500 毫秒
1.
【目的】探讨茄子果实生长发育过程中果皮主要色素含量变化及色素合成过程中相关基因的表达,为茄子生长发育过程中果皮颜色变化机理研究奠定基础。【方法】以2份高代自交系茄子(绿色果皮启董和紫黑色果皮8果)为试验材料,分别于授粉后15、20、25、30、35 d进行花青素相对含量、叶绿素和类胡萝卜素含量的测定,同时对花青素生物合成结构基因PAL、CHS、CHI、F3H、DFR、ANS及转录因子MYB75、JAF13、WD40,叶绿素合成关键基因HEMA1,类胡萝卜素合成关键基因PSY1进行表达分析。【结果】启董茄子的花青素相对含量、叶绿素和类胡萝卜素含量均呈先升高后降低的趋势,分别在授粉后20、25、20 d达到峰值;8果茄子的花青素相对含量呈先升高再降低的变化趋势,在25 d时达到峰值,叶绿素和类胡萝卜素含量一直升高。与启董相比,8果茄子的花青素相对含量较高,叶绿素含量在15~25 d较低,类胡萝卜素含量在30~35 d较高。启董中花青素合成结构基因和转录因子MYB75、JAF13、WD40在不同生长发育时期的表达相较于8果总体偏低且变化趋势相对稳定。8果中花青素合成相关结构基因的表达均在20...  相似文献   

2.
不同颜色茄子果实的若干营养品质分析   总被引:1,自引:0,他引:1  
分析了白色、绿色、白绿、紫色和黑紫共5种颜色的茄子果皮、果肉的营养品质。结果表明:紫色茄子的果肉可溶性糖含量和蛋白质含量最高,白绿色茄子果肉的Vc含量和芦丁含量最高,黑紫色茄子果肉的花青素和类黄酮、总酚含量均最高。茄子果皮的花青素和类黄酮含量与果色呈正相关。茄子的蛋白质含量和可溶性糖含量呈极显著正相关。果肉芦丁和可溶性糖含量呈显著负相关,和Vc含量呈极显著负相关。果皮的花青素和类黄酮素、总酚呈极显著正相关,总酚和类黄酮素呈显著正相关。  相似文献   

3.
针对传统方法测定梨可溶性糖含量耗时长、成本高、步骤繁琐的问题,本研究提出一种通过光谱扫描梨果检测其可溶性糖含量的新方法。以河北省威县龙集梨园的‘新梨7号’为试材,利用光谱仪扫描果实获取其光谱反射率,使用蒽酮比色法测定梨可溶性糖含量,采用SG平滑滤波法、标准正态变量(SNV)和正交信号校正(OSC)对数据进行预处理,使用主成分分析(PCA)和连续投影算法(SPA)对光谱数据进行降维处理,利用多元线性回归(MLR)、偏最小二乘法(PLSR)和支持向量机回归(SVR)建立预测模型,最终选择使用OSC+PCA+SVR建立基于光谱反射率的梨可溶性糖含量的预测模型,其训练集RC2=0.85,RMSE=2.21,测试集RV2=0.78,RMSE=1.48,实现了对梨可溶性糖含量高效、快速、低成本、无破坏性测定。  相似文献   

4.
以茄子品种‘特旺达’为试材,研究了高温胁迫对茄子果皮活性氧(ROS)代谢、花青素含量及其主要合成酶活性的影响。结果表明:高温胁迫增加了茄子果皮丙二醛(MDA)含量、超氧阴离子(O2·-)产生速率和过氧化氢(H2O2)含量,增强了茄子果皮中超氧化物歧化酶(SOD)、过氧化氢酶(CAT)、过氧化物酶(POD)和抗坏血酸过氧化物酶(APX)的活性,提高了脯氨酸和可溶性蛋白质含量,降低了果皮花青素含量以及查尔酮合成酶(CHS)、二氢黄酮醇还原酶(DFR)、花青素合成酶(ANS)和类黄酮3-葡糖基转移酶(3GT/UFGT)的活性,增强了苯丙氨酸解氨酶(PAL)的活性。  相似文献   

5.
以茄子品种‘特旺达’为试材,研究了高温胁迫对茄子果皮活性氧(ROS)代谢、花青素含量及其主要合成酶活性的影响。结果表明:高温胁迫增加了茄子果皮丙二醛(MDA)含量、超氧阴离子(O2·-)产生速率和过氧化氢(H2O2)含量,增强了茄子果皮中超氧化物歧化酶(SOD)、过氧化氢酶(CAT)、过氧化物酶(POD)和抗坏血酸过氧化物酶(APX)的活性,提高了脯氨酸和可溶性蛋白质含量,降低了果皮花青素含量以及查尔酮合成酶(CHS)、二氢黄酮醇还原酶(DFR)、花青素合成酶(ANS)和类黄酮3-葡糖基转移酶(3GT/UFGT)的活性,增强了苯丙氨酸解氨酶(PAL)的活性。  相似文献   

6.
茄子是我国重要的蔬菜作物。早春时低温弱光是导致紫茄着色不良的重要原因。通过对茄子材料进行遮光处理,发现了在遮光环境下仍能合成花青素的光不敏感型茄子。遮光处理的茄果果皮中的花青素的含量约为同株系未遮光的茄果果皮花青素含量的83.1%。通过超高效液相色谱和质谱确定遮光前后花青素的主要成分为飞燕草素-3-芸香糖苷。本研究对茄子种质资源的光敏类型进行了鉴定,为后续的育种提供了理论基础。  相似文献   

7.
稻纵卷叶螟是水稻常见虫害,遭受虫害为害的叶片部位花青素含量会发生明显变化。试验使用成像光谱仪获取遭受稻纵卷叶螟为害的水稻叶片高光谱图像,同时测量叶片上健康区域和虫害区域的花青素值,建立花青素高光谱反演模型,为虫害严重程度定量化评估提供依据。分析结果表明:水稻叶片花青素值随着虫害程度的加剧而升高;花青素值与光谱反射率在波长为400—710 nm的可见光-红边波段范围内上显著正相关,相关系数最高为0.878(667 nm处);与一阶导数光谱在可见光-近红外多个波段范围表现出极显著相关性,相关系数最高为0.883 (464 nm处);与归一化植被指数(NDVI)等多个植被指数极显著相关,相关系数最高为-0.887(NDVI)。以植被指数为自变量、使用偏最小二乘回归算法的花青素值估算模型精度最高[建模R2为0.801,均方根误差(RMSE)为0.032]。使用模型对虫害叶片高光谱图像进行逐像元解算,得到的花青素值分布图能够定量化、可视化地反映虫害严重程度。该研究为水稻叶片花青素值测量和虫害监测提供了一种直观、快速的技术手段。  相似文献   

8.
以云南长紫茄果皮为实验材料,采用同源克隆技术和RACE结合的方法,克隆到茄子花青素5-O糖基转移酶基因(5GT).该基因编码区为1 413 bp,与矮牵牛5GT基因序列同源性为87.4%.花青素含量测定和半定量PCR结果表明,该基因在云南紫长茄的花瓣和成熟果皮中的表达量要高于云南圆白茄;而在叶片和未成熟果皮中,2个品种...  相似文献   

9.
以河南省6种主栽鲜食葡萄品种(夏黑、户太八号、巨峰、巨玫瑰、红提、黑提)为材料,测定葡萄果肉中可溶性糖、总酸和维生素C含量及果皮、果肉、种子中花青素、原花青素的含量,以期为生产者选择适宜的优良品种提供理论依据。结果表明:户太八号果肉可溶性糖含量最高,黑提相对较低;果肉总酸含量最高的品种为夏黑,巨玫瑰最低;果肉维生素C含量最高的品种为黑提。不同葡萄品种种子、果皮花青素相对含量最高的分别为巨玫瑰、黑提,6品种间果皮花青素含量均高于其对应品种种子、果肉的花青素含量;种子原花青素含量较高的品种为红提、黑提,均约为0.70%;夏黑品种果皮原花青素含量极显著高于其他品种果皮的原花青素含量(P0.01);各品种果肉中花青素相对含量、原花青素含量极低。  相似文献   

10.
以锦橙叶片为材料,采用野外光谱辐射仪测量叶片的光谱反射率,并对叶片进行水分、氮、钾、磷、叶绿素的含量测定,计算光谱反射率一阶微分、二阶微分.采用统计学相关分析法,分析叶片农学参数与反射光谱之间的相关关系.结果表明:农学参数中只有磷含量与叶片原始光谱反射率有显著性相关,且与反射率一阶微分、二阶微分的相关系数大于与原始光谱反射率的相关系数.所有测定的农学参数都与叶片光谱反射率一阶微分、二阶微分之间均有显著性相关,其中氮含量与反射率一阶微分、二阶微分相关性最强,相关系数绝对值达到0.9以上.这说明利用微分技术可以增强叶片农学参数与光谱信息的相关性,并为高光谱遥感定量估算锦橙农学参数提供理论依据.  相似文献   

11.
测定了不同套袋期苹果梨果皮叶绿素、类胡萝卜素及花青素的含量。结果表明,不同时期套袋果皮叶绿素含量变化与对照变化趋势相一致,套袋果果皮叶绿素含量明显低于对照果,且套袋时间越早果皮叶绿素含量越低;套袋同样抑制果皮类胡萝卜素含量,果实成熟期类胡萝卜素含量积累较快;套袋期间,花青素含量始终处于较低水平,但解袋后,其含量短时间内即可超过对照果。  相似文献   

12.
不同套袋期对苹果梨果皮色素含量的影响   总被引:2,自引:0,他引:2  
测定了不同套袋期苹果梨果皮叶绿素、类胡萝卜素及花青素的含量。结果表明,不同时期套袋果皮叶绿素含量变化与对照变化趋势相一致,套袋果果皮叶绿素含量明显低于对照果,且套袋时间越早果皮叶绿素含量越低;套袋同样抑制果皮类胡萝卜素含量,果实成熟期类胡萝卜素含量积累较快;套袋期间,花青素含量始终处于较低水平,但解袋后,其含量短时间内即可超过对照果。  相似文献   

13.
苹果果皮花青素含量与香气释放量的关系研究   总被引:2,自引:0,他引:2  
以洛川产富士苹果为材料,对果皮花青素含量与果实品质之间的关系进行研究。对果皮花青素含量、果肉pH值、可溶性固形物、可溶性糖、可滴定酸和香气等指标进行测定。实验结果表明:随着果皮花青素含量升高,可溶性糖、可溶性固形物含量也升高,果肉可滴定酸的含量降低,而果皮花青素含量与果肉中的香气物质的关系,总体上是花色素苷含量越高,芳香物质总含量越高,其中香气的成分比较复杂。  相似文献   

14.
[目的]花青素是植物叶片中的第三大色素,功能多样,抗氧化性较强,不仅有助于叶片损伤修复,而且可以通过吸收光能而减少叶绿素对光的吸收,调节光合作用,从而起到光保护的作用.因此,了解花青素含量的动态信息,可以间接了解植物的营养健康状况,为植物培育管理提供一种可靠的参考指标.湿地松(Pinus elliottii)作为我国重要的造林树种,适时测定湿地松针叶中花青素含量对于了解湿地松生长生理状态具有重要的意义.提出一种用无人机遥感技术反演湿地松叶片花青素含量的方法.为利用多光谱无人机选择湿地松试验林中高花青素含量资源提供技术基础.[方法]以湿地松苗为试验对象,利用便携式紫外-可见光荧光仪获取湿地松冠层叶片的花青素含量实测值以及利用多光谱无人机同步获取湿地松冠层叶片的多光谱反射率.选取了5个光谱值(RED、GREEN、BLUE、NIR、REG)以及与湿地松花青素含量关系较密切的植被指数GNDVI、LCI、NDRE、NDVI、OSAVI、R/G、MACI、ARI和MARI共9种.对14种光谱指数进行不同的数据处理后分别基于偏最小二乘、支持向量机、BP神经网络方法建立花青素含量的预测模型,并分别验证,比较选出最优建模方法和预测模型.[结果]比较经5种数据预处理方法(Original(OG)、Standard Normal Variate(SNV)、blockScale(BS)、blockNorm(BN)、Detrend(DET))和5种重要变量选择方法(不处理、遗传算法与PLS回归相结合(ga_pls)、逆向变量消除(bve_pls)、正则化消除(rep_pls)、显著多元相关算法(smc))组合处理后,发现数据经过去趋势化处理和逆向变量消除处理后,基于支持向量机建立的模型为最优建模方法,此模型对湿地松冠层花青素含量预测可以达到最佳效果,验证集决定系数R2为0.61,均方根误差RMSE为1.34%.[结论]基于无人机多光谱技术,去趋势化处理和逆向变量消除处理与支持向量机相结合的建模方法可实现对湿地松冠层花青素含量的预测.  相似文献   

15.
[目的]花青素是植物叶片中的第三大色素,功能多样,抗氧化性较强,不仅有助于叶片损伤修复,而且可以通过吸收光能而减少叶绿素对光的吸收,调节光合作用,从而起到光保护的作用.因此,了解花青素含量的动态信息,可以间接了解植物的营养健康状况,为植物培育管理提供一种可靠的参考指标.湿地松(Pinus elliottii)作为我国重要的造林树种,适时测定湿地松针叶中花青素含量对于了解湿地松生长生理状态具有重要的意义.提出一种用无人机遥感技术反演湿地松叶片花青素含量的方法.为利用多光谱无人机选择湿地松试验林中高花青素含量资源提供技术基础.[方法]以湿地松苗为试验对象,利用便携式紫外-可见光荧光仪获取湿地松冠层叶片的花青素含量实测值以及利用多光谱无人机同步获取湿地松冠层叶片的多光谱反射率.选取了5个光谱值(RED、GREEN、BLUE、NIR、REG)以及与湿地松花青素含量关系较密切的植被指数GNDVI、LCI、NDRE、NDVI、OSAVI、R/G、MACI、ARI和MARI共9种.对14种光谱指数进行不同的数据处理后分别基于偏最小二乘、支持向量机、BP神经网络方法建立花青素含量的预测模型,并分别验证,比较选出最优建模方法和预测模型.[结果]比较经5种数据预处理方法(Original(OG)、Standard Normal Variate(SNV)、blockScale(BS)、blockNorm(BN)、Detrend(DET))和5种重要变量选择方法(不处理、遗传算法与PLS回归相结合(ga_pls)、逆向变量消除(bve_pls)、正则化消除(rep_pls)、显著多元相关算法(smc))组合处理后,发现数据经过去趋势化处理和逆向变量消除处理后,基于支持向量机建立的模型为最优建模方法,此模型对湿地松冠层花青素含量预测可以达到最佳效果,验证集决定系数R2为0.61,均方根误差RMSE为1.34%.[结论]基于无人机多光谱技术,去趋势化处理和逆向变量消除处理与支持向量机相结合的建模方法可实现对湿地松冠层花青素含量的预测.  相似文献   

16.
[目的]花青素是植物叶片中的第三大色素,功能多样,抗氧化性较强,不仅有助于叶片损伤修复,而且可以通过吸收光能而减少叶绿素对光的吸收,调节光合作用,从而起到光保护的作用.因此,了解花青素含量的动态信息,可以间接了解植物的营养健康状况,为植物培育管理提供一种可靠的参考指标.湿地松(Pinus elliottii)作为我国重要的造林树种,适时测定湿地松针叶中花青素含量对于了解湿地松生长生理状态具有重要的意义.提出一种用无人机遥感技术反演湿地松叶片花青素含量的方法.为利用多光谱无人机选择湿地松试验林中高花青素含量资源提供技术基础.[方法]以湿地松苗为试验对象,利用便携式紫外-可见光荧光仪获取湿地松冠层叶片的花青素含量实测值以及利用多光谱无人机同步获取湿地松冠层叶片的多光谱反射率.选取了5个光谱值(RED、GREEN、BLUE、NIR、REG)以及与湿地松花青素含量关系较密切的植被指数GNDVI、LCI、NDRE、NDVI、OSAVI、R/G、MACI、ARI和MARI共9种.对14种光谱指数进行不同的数据处理后分别基于偏最小二乘、支持向量机、BP神经网络方法建立花青素含量的预测模型,并分别验证,比较选出最优建模方法和预测模型.[结果]比较经5种数据预处理方法(Original(OG)、Standard Normal Variate(SNV)、blockScale(BS)、blockNorm(BN)、Detrend(DET))和5种重要变量选择方法(不处理、遗传算法与PLS回归相结合(ga_pls)、逆向变量消除(bve_pls)、正则化消除(rep_pls)、显著多元相关算法(smc))组合处理后,发现数据经过去趋势化处理和逆向变量消除处理后,基于支持向量机建立的模型为最优建模方法,此模型对湿地松冠层花青素含量预测可以达到最佳效果,验证集决定系数R2为0.61,均方根误差RMSE为1.34%.[结论]基于无人机多光谱技术,去趋势化处理和逆向变量消除处理与支持向量机相结合的建模方法可实现对湿地松冠层花青素含量的预测.  相似文献   

17.
[目的]花青素是植物叶片中的第三大色素,功能多样,抗氧化性较强,不仅有助于叶片损伤修复,而且可以通过吸收光能而减少叶绿素对光的吸收,调节光合作用,从而起到光保护的作用.因此,了解花青素含量的动态信息,可以间接了解植物的营养健康状况,为植物培育管理提供一种可靠的参考指标.湿地松(Pinus elliottii)作为我国重要的造林树种,适时测定湿地松针叶中花青素含量对于了解湿地松生长生理状态具有重要的意义.提出一种用无人机遥感技术反演湿地松叶片花青素含量的方法.为利用多光谱无人机选择湿地松试验林中高花青素含量资源提供技术基础.[方法]以湿地松苗为试验对象,利用便携式紫外-可见光荧光仪获取湿地松冠层叶片的花青素含量实测值以及利用多光谱无人机同步获取湿地松冠层叶片的多光谱反射率.选取了5个光谱值(RED、GREEN、BLUE、NIR、REG)以及与湿地松花青素含量关系较密切的植被指数GNDVI、LCI、NDRE、NDVI、OSAVI、R/G、MACI、ARI和MARI共9种.对14种光谱指数进行不同的数据处理后分别基于偏最小二乘、支持向量机、BP神经网络方法建立花青素含量的预测模型,并分别验证,比较选出最优建模方法和预测模型.[结果]比较经5种数据预处理方法(Original(OG)、Standard Normal Variate(SNV)、blockScale(BS)、blockNorm(BN)、Detrend(DET))和5种重要变量选择方法(不处理、遗传算法与PLS回归相结合(ga_pls)、逆向变量消除(bve_pls)、正则化消除(rep_pls)、显著多元相关算法(smc))组合处理后,发现数据经过去趋势化处理和逆向变量消除处理后,基于支持向量机建立的模型为最优建模方法,此模型对湿地松冠层花青素含量预测可以达到最佳效果,验证集决定系数R2为0.61,均方根误差RMSE为1.34%.[结论]基于无人机多光谱技术,去趋势化处理和逆向变量消除处理与支持向量机相结合的建模方法可实现对湿地松冠层花青素含量的预测.  相似文献   

18.
为了解‘红羽1号’油茶新品种的营养成分动态及其相关关系,以‘红羽1号’油茶果实近熟期的叶片与果皮、种壳、种仁为材料,测定其还原糖含量、黄酮含量、总酚含量及果皮与叶片中原花青素含量。结果表明,‘红羽1号’油茶中各部位还原糖含量、黄酮含量、总酚含量、原花青素含量具有极显著性差异;在果实近熟期,果实相对成熟,叶片与果皮、种壳、种仁各营养成分动态变化规律明显,但变化幅度不大。叶片原花青素含量与总酚含量间存在显著的线性关系,叶片原花青素含量与黄酮含量和果皮原花青素与总酚含量之间存在显著曲线关系,种壳中总酚含量与黄酮含量极显著正相关。  相似文献   

19.
采用超声辅助乙醇浸提法从茄子皮中提取花青素,使用正交试验优化提取条件,并研究茄子皮花青素对荔枝的防腐保鲜效果。结果表明,茄子皮花青素的最佳提取工艺为:乙醇浓度70%,料液比(m∶V)1∶25,提取温度40℃,浸提时间60 min,茄子皮花青素提取率为5.27%。防腐保鲜试验表明:随着处理时间的延长,3个处理和对照的荔枝失重率和腐败率逐渐增加,可溶性固形物和可滴定酸含量逐渐降低,不同处理对荔枝防腐保鲜能力依次为:山梨酸钾+花青素0.05%山梨酸钾1%花青素对照。  相似文献   

20.
对套袋苹果梨进行了不同时期解袋试验,并对果皮叶绿素、类胡萝卜素、花青素的含量进行测定。结果表明:不同时期解袋均影响果实的着色效果,解袋时期过早或过晚果实着色均较慢。采收前10~15d解袋,果实上色快,且着色艳丽,这段期间果皮中叶绿素含量较低,花青素、类胡萝卜素含量最高,且显著优于其他处理和对照,为苹果梨的最佳解袋时期。  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号