花生幼苗响应低温胁迫的转录组分析

低温冷害是限制我国东北地区花生产量和品质提升的主要环境因素,鉴定花生耐寒的关键功能基因,并揭示其调控机制是创制耐寒花生种质,提高花生耐冷性的重要途径之一。以耐寒型花生品种农花5号为试验材料,对6℃低温胁迫下的花生叶片进行RNA-Seq转录组测序分析。结果表明:与对照相比,共有3910个基因持续差异表达;GO功能注释将差异表达基因富集到43个功能组,其中生物学过程中的代谢过程富集到的基因数目最多;KEGG代谢通路分析将持续差异表达基因富集到116个代谢通路中,其中植物激素信号转导、淀粉和蔗糖代谢、植物-病原菌互作、植物昼夜节律和α-亚麻酸代谢途径富集到的基因数目最多,且大部分为上调表达,在低温胁迫中具有重要作用。从转录组数据库中随机挑选6个差异表达基因进行qRT-PCR验证,其表达趋势与高通量测序结果相一致,证明了转录组数据的可靠性。研究结果将为揭示花生响应低温胁迫的分子机制提供理论依据。     

基于Micro-CT和改进DeepSORT的再生稻再生芽追踪计数与再生力评价

再生稻具有一种两收的优势,其再生力直接决定了水稻再生季产量,而水稻再生力与再生季再生芽的数量密切相关。传统人工水稻再生芽检测方法存在接触损伤、主观低效和重复性差等缺点,因此该研究提出了一种基于Micro-CT（computed tomography）和改进的DeepSORT（simple online and realtime tracking）的再生芽多目标追踪计数和再生力评价方法。首先采用Micro-CT成像获取再生季水稻断层图视频流,然后利用YOLOv5s网络作为再生芽追踪检测器,最后通过改进的DeepSORT追踪算法实现水稻再生芽的精准追踪计数。其中DeepSORT改进包括优化再生芽追踪过程中的ID错误;增加再生芽目标追踪的匹配次数,改善ID跳变的问题;计算再生芽的高度信息,实现对再生芽中有效芽的判别。试验结果表明,在目标检测上,YOLOv5s对再生芽和茎秆的平均检测准确率分别为97.3%和99.1%,在再生芽多目标追踪上,改进的DeepSORT算法的多目标跟踪准确度为77.61%,高阶跟踪精度为61.73%,ID跳变为6,与改进之前相比,多目标跟踪准确度和高阶跟踪精度分别提升了1.51和8.5个百分点,ID跳变降低了94%。对8种不同处理共104盆水稻再生芽进行追踪计数,将系统测量值与人工测量值进行统计对比,结果证明本文方法测量的再生芽数量和人工观测值的决定系数为0.983,均方根误差为3.460,平均绝对百分比误差为5.647%,两者具有较高的回归性。研究基于有效再生芽和茎秆数量的比值得到水稻早期再生力,对2个水稻品种共38盆水稻的再生力和再生季实际产量进行相关分析得到决定系数分别为0.795和0.764。该研究为水稻再生芽无损检测和再生力早期评价提供了一种新的技术途径。     

寒地秸秆还田配套深松对土壤肥力及花生生长和产量的影响

为明确寒地玉米秸秆还田和深松对土壤肥力、花生生长及产量的影响,以农花5号为试材,设置旋耕(T1)、旋耕+深松(T2)、旋耕+秸秆还田(T3)、旋耕+深松+秸秆还田(T4)4个处理,进行长期定位试验,测定土壤水分、容重、孔隙度、土壤养分、根系形态和产量。结果表明,深松和秸秆还田处理下,0～40 cm土层土壤孔隙度显著增加,土壤容重显著降低,0～20 cm土层土壤含水量显著增加;与T1处理相比,T3和T4处理可显著增加土壤中有机质、全氮、碱解氮和速效钾的含量,尤以全氮和碱解氮含量增加幅度最大,而T2处理的养分变化不显著;T2和T4处理下花生总根长、根表面积和根体积均高于其他处理,且T4处理下的根系干质量和根系活力始终保持在较高水平;T3和T4处理下的单株饱果数、百果质量、百仁质量和荚果产量均显著增加,且T4处理产量增加幅度较大,而T2处理下各产量指标变化不显著。由此可见,在秸秆还田配套深松措施中,秸秆还田可以增加以氮素为主的土壤养分含量,深松可以改善土壤结构、促进根系生长、维持根系活力,从而实现花生增产,而仅冬前25 cm深松措施并不能显著促进花生产量的增加。