技术领域
[0001] 本
发明属于
农作物抗盐品种筛选技术领域，涉及一种表征植物抗盐能力的方法。
背景技术
[0002] 据统计，全世界盐
碱地面积近10亿hm2，约占世界陆地面积的7.6％。我国盐碱土地2 2 2
资源总量约为9913万hm ，其中现代盐碱土面积为3693万hm ，残余盐碱土约4487万hm ，并且尚存在有约1733万hm2的潜在盐碱土，且有逐年增加的趋势。因此如何利用和开发我国上亿亩的盐渍化
土壤就成为我国农业生产和改善生态环境中十分迫切和重要的任务。但要利用盐渍化土壤就必须要筛选高生产力的盐碱适生植物品种。为了选育耐盐树种,必须了解植物的耐盐能力。
[0003] 然而，国内外以往表征植物抗盐能力的方法归纳起来大致分为两种：一是
生物耐盐能力指标法，即通过
盐胁迫条件下的植株生长量、存活天数和生活力等指标加以评价；二是作物农业耐盐能力指标法，通过调查成熟期单株结实率、粒重和产量等指标评价作物
耐盐性。这些方法耗时较长，测定过程复杂，指标繁多，且建立在作物受到严重盐害的
基础上，不具有
预防效果。因此，亟待开发出一种快速、准确地表征植物抗盐能力的方法。
[0004] 植物属于生物体，是介于导体和绝缘体之间的
电介质，在外
电场的作用下具有特定的
电阻值和电容值。
水分是影响电参数值最主要的因素之一，植物
叶片由大量细胞组成，细胞液浓度以及体积的变化能够准确反映植物叶片的水分状况，而细胞液浓度以及体积的变化能够用生理电容或者叶片紧张度来反映。盐逆境将导致植物
体细胞中水分的变化，植物的抗盐能力与植物在盐逆境下调控水分的能力紧密相关，因此，可以用盐逆境下植物叶片生理电容或者紧张度来反映植物的抗盐能力。本发明公开了一种用盐逆境下植物叶片生理电容或者紧张度来表征植物抗盐能力的方法，以克服先前有关方法的诸多弊病和
缺陷。
发明内容
[0005] 本发明提供了一种表征植物抗盐能力的方法，以克服
现有技术中通过长期追踪观察复杂的形态和代谢过程变化获得结果而耗时较长、测定过程复杂、指标繁多的不足，解决了现有技术中不能定量检测植物抗盐能力的难题。
[0006] 本发明采取以下技术方案：
[0007] 一种表征植物抗盐能力的方法，包括以下步骤：
[0008] 步骤一，实验室内采用同样规格的穴盘萌发植物
种子，配制培养液培养植物
幼苗至3叶期以上，选择生长较为一致的幼苗作为被考察植物幼苗；
[0009] 步骤二，将被考察植物幼苗分别培养在含有不同盐逆境水平的培养液中；
[0010] 步骤三，待被考察植物幼苗培养至两周以上，以第一展开叶为考察对象，于同一时段测定其叶水势W和生理电容CP，随后测定植物的干重生物量DW；
[0011] 步骤四，依据叶水势W和生理电容CP计算叶片紧张度LT；
[0012] 步骤五，利用两参数指数衰减方程分别构建叶片生理电容CP、叶片紧张度LT与盐逆境水平模型；
[0013] 步骤六，利用直
角双曲线方程构建植物干重生物量DW与叶片生理电容CP、叶片紧张度LT的关系模型；
[0014] 步骤七，依据叶片生理电容CP、叶片紧张度LT与盐逆境水平模型分别获取盐抑制指数Icp和Ilt；
[0015] 步骤八，利用植物干重生物量DW与叶片生理电容CP、叶片紧张度LT的关系模型分别获取最大电容效率Ecp和最大紧张度效率Elt；
[0016] 步骤九，利用盐抑制指数Icp、Ilt和最大电容效率Ecp、最大紧张度效率Elt表征植物的抗盐性。
[0017] 进一步，所述步骤五中叶片生理电容CP与盐逆境水平模型为 叶片紧张度LT与盐逆境水平模型为 其中a1、a2、b1、b2是模型常数，Xc为盐逆境水平。
[0018] 进一步，所述步骤六中植物干重生物量DW与生理电容CP的关系模型为植物干重生物量DW叶片紧张度LT的关系模型为 其中m1、m2、n1、n2、
DW01和DW02是模型常数。
[0019] 更进一步，所述步骤七中盐抑制指数Icp为基于盐抑制叶片生理电容CP的盐抑制指数，且Icp＝b1；盐抑制指数Ilt为基于盐抑制叶片紧张度LT的盐抑制指数，且Ilt＝b2。
[0020] 更进一步，所述步骤八中最大电容效率Ecp指的是单位电容变化下引起的植物最大生长效应，且Ecp＝m1/n1；最大紧张度效率Elt指的是单位紧张度变化下引起的植物最大生长效应，且Elt＝m2/n2。
[0021] 本发明的有益效果为：
[0022] 1)本发明通过测得植物盐抑制指数、最大电容效率和最大紧张度效率来表征植物的抗盐性，克服了现有技术指标繁多的缺陷。
[0023] 2)本发明通过测得植物的叶片水势和生理电容，能
无损检测植物的抗盐能力。
[0024] 3)本发明通过检测植物的电生理指标来反映植物的抗盐能力，克服了外界环境的干扰，所得数据更为可靠，测定的结果精确度高。
[0025] 4)本发明可以定量检测植物的抗盐能力，测定结果具有可比性。
附图说明
[0026] 图1为叶片生理电容CP、叶片紧张度LT与盐逆境水平之间关系的拟合曲线图，图1(a)为红秋葵叶片生理电容CP与盐逆境水平之间关系的拟合曲线图，图1(b)为红秋葵叶片紧张度LT与盐逆境水平之间关系的拟合曲线图，图1(c)为绿秋葵叶片生理电容CP与盐逆境水平之间关系的拟合曲线图图1(d)为绿秋葵叶片紧张度LT与盐逆境水平之间关系的拟合曲线图；
[0027] 图2为植物干重生物量DW与生理电容CP、叶片紧张度LT之间关系的拟合曲线图，图2(a)为红秋葵干重生物量DW与生理电容CP之间关系的拟合曲线图，图2(b)为红秋葵干重生物量DW与叶片紧张度LT之间关系的拟合曲线图，图2(c)为绿秋葵干重生物量DW与生理电容CP之间关系的拟合曲线图，图2(d)为绿秋葵干重生物量DW与叶片紧张度LT之间关系的拟合曲线图。
具体实施方式
[0028] 下面将对本发明作进一步的说明，但本发明的保护范围并不限于此。
[0029] 发明原理：
[0030] 在盐逆境条件下，植物的生长与盐逆境水平相关；而植物的生长又与叶片水分状况有关，因此，盐逆境水平就与植物的水分状况相关。植物叶片水分状况可以用叶片生理电容或者叶片紧张度来表征，由此，可以用叶片生理电容或者紧张度的变化代表植物的生长状况。
[0031] 两参数的指数衰减模型Y＝a e-bX是表征叶片紧张度或者生理电容与盐胁迫水平之间的关系的机理模型，本发明构建的叶片生理电容CP、叶片紧张度LT与盐逆境水平模型为：
[0032]
[0033]
[0034] 其中，a1、a2、b1、b2是模型常数，Xc为盐逆境水平；b1、b2为衰减速率，它们的值越大表明盐对叶片生理电容或者紧张度抑制作用就越大，可以定义成盐抑制指数，盐抑制指数越大表明受盐抑制作用越大，越不抗盐；反之盐抑制指数越小表明受盐抑制的作用越小，越抗盐。
[0035] 而植物生长与植物叶片生理电容CP或紧张度LT具有很好的相关关系，利用直角双曲线方程构建植物干重生物量DW与生理电容CP、叶片紧张度LT关系模型分别为：
[0036]
[0037]
[0038] 其中，m1、m2、n1、n2、DW01和DW02是模型常数。
[0039] 对式(3)、(4)进行求导，可分别得到单位电容、单位紧张度导致的植物即时增长效率方程分别为：
[0040]
[0041]
[0042] 当CP＝0或LT＝0时，获取单位电容、单位紧张度导致的植物即时增长效率即为最大电容效率Ecp和最大紧张度效率Elt；
[0043]
[0044]
[0045] 由此可知，最大电容效率Ecp、最大紧张度效率Elt越大，植物的抗盐性越强。
[0047] 取秋葵为研究材料，品种分别为红秋葵和绿秋葵；实验室内采用12孔穴盘萌发秋葵种子，配制霍格兰培养液培养幼苗至3叶期后，分别选择生长较为一致的幼苗作为被考察植物幼苗；添加等量的NaCl和CaCl2到霍格兰培养液中，配制不同盐逆境水平的培养液，如表1所示。
[0048] 表1不同盐逆境水平
[0049]
[0050] 分别用不同盐逆境水平的培养液对上述3叶期后的被考察植物幼苗同时进行培养，每天更换新的相对应的培养液，在培养的第21天上午9：00-11：00时测定不同盐逆境水平下两种秋葵的叶水势W和生理电容CP(表2)及植物干重生物量DW(表3)。
[0051] 同时，依据叶水势W和生理电容CP，计算叶片紧张度LT：
[0052]
[0053] 其中：W为植物组织水势，MPa；i系解离系数，其值为1；R为气体常数，0.0083L·MPa/mol·K；T为
热力学温度K，T＝273+t℃，t为
环境温度；CP为植物叶片生理电容，F；
真空介电常数ε0＝8.854×10-12F/m；a为细胞液溶质的相对介电常数，F/m；M为细胞液溶质的相对分子
质量；叶片细胞液溶质假定为
蔗糖，此时a为3.3F/m，M为342，计算结果如表2。
[0054] 表2不同盐逆境水平下两种秋葵叶片生理电容CP、叶水势W及叶片紧张度LT[0055]
[0056] 表3不同盐逆境水平下两种秋葵的植物干重生物量DW
[0057]逆境水平(％) 红秋葵 绿秋葵
0 50.34 43.50
0 49.54 42.70
0 50.60 43.20
0.6 40.12 30.00
0.6 40.12 29.00
0.6 40.14 30.10
1.2 30.13 25.40
1.2 30.00 26.40
1.2 29.80 26.10
1.8 22.00 22.30
1.8 20.00 22.10
1.8 20.00 21.60
[0058] 随后，利用两参数的指数衰减方程构建叶片生理电容CP、叶片紧张度LT与盐逆境水平模型，即式(1)、(2)；
[0059] 通过Sigmaplot
软件对叶片生理电容CP、叶片紧张度LT与盐逆境水平之间的关系进行曲线拟合，拟合曲线见图1，同时可得到两参数的指数衰减方程的拟合参数，即红秋葵为a1＝92.01，b1＝1.94，a2＝152.66，b2＝1.78；绿秋葵为a1＝98.03，b1＝3.28，a2＝156.10，b2＝2.85；将参数值代入指数衰减方程即可得到对应的关系模型；如表4所示。
[0060] 表4两种秋葵叶片生理电容CP与盐逆境水平以及叶片紧张度LT与盐逆境水平模型[0061]
[0062] 从表4可以看出，叶片生理电容CP与盐逆境水平以及叶片紧张度LT与盐逆境水平模型都可以很好地表征电生理指标与盐逆境之间的关系，从决定系数的平方值(R2)来看，与叶片生理电容CP与盐逆境关系相比，叶片紧张度LT与盐逆境关系可更好地用两参数的指数衰减方程来拟合。
[0063] 利用直角双曲线方程构建植物干重生物量DW关系与生理电容CP、叶片紧张度LT关系模型，即式(3)、(4)；
[0064] 通过Sigmaplot软件对植物干重生物量DW与生理电容CP、叶片紧张度LT之间的关系进行曲线拟合，拟合曲线见图2，同时可得到直角双曲线方程的拟合参数，即红秋葵为DW01＝18.42，m1＝43.67，n1＝34.24，DW02＝16.19，m2＝46.42，n2＝54.14；绿秋葵为DW01＝22.01，m1＝28.05，n1＝32.75，DW02＝21.69，m2＝31.57，n2＝74.21；将参数值代入直角双曲线方程即可得到对应的关系模型；如表5所示。
[0065] 表5两种秋葵干重生物量DW与叶片生理电容CP、叶片紧张度LT关系模型
[0066]
[0067] 从表5可以看出，植物干重生物量DW与生理电容CP或叶片紧张度LT关系模型都可以很好地表征电生理指标与植株生长之间的关系；同样，从决定系数的平方值(R2)来看，与叶片生理电容CP与植株生长关系相比，叶片紧张度LT与植株生长关系可更好地用直角双曲线方程来拟合。
[0068] 由表4获得盐抑制指数Icp(即b1的值)、Ilt(即b2的值)，由表5可获得最大电容效率Ecp(即m1/n1的值)、最大紧张度效率Elt(即m2/n2的值)，用Icp、Ilt、Ecp和Elt可以表征这两种秋葵品种的抗盐能力，如表6所示。
[0069] 表6两种秋葵盐抑制指数Icp、Ilt和最大电容效率Ecp、最大紧张度效率Elt[0070]品种 Icp Ilt Ecp Elt
红秋葵 1.94 1.78 1.28 0.88
绿秋葵 3.28 2.85 0.86 0.43
[0071] 从表6可以看出，红秋葵的Icp和Ilt都小于绿秋葵，表明红秋葵受到盐的抑制作用小于绿秋葵受到盐的抑制作用；红秋葵的Ecp和Elt都大于绿秋葵，表明红秋葵的电生理效应强于绿秋葵；这两方面都说明红秋葵的抗盐能力大于绿秋葵的抗盐能力，也说明用盐抑制指数Icp、Ilt和最大电容效率Ecp、最大紧张度效率Elt可以表征抗盐性。
[0072] 以上说明仅仅为本发明的较佳实施例，本发明并不限于列举上述实施例，应当说明的是，任何熟悉本领域的技术人员在本
说明书的教导下，所做出的所有等同替代、明显
变形形式，均落在本说明书的实质范围之内，理应受到本发明保护。
