《Plant Production Science》：Proportional relationship between spikelet number and dry weight at heading, rather than with nitrogen content, more accurately reflects cultivar differences in spikelet production efficiency in rice
编辑推荐：
本研究通过一项严谨的实验，明确了决定水稻单位面积小穗数的关键因子。长期以来，学界对小穗数与氮含量还是干重的相关性更强存在争议。本文通过对27个水稻品种抽穗期同一植株的小穗数、地上部干重和氮含量进行同步测定，有力证明了小穗数与抽穗期干重之间存在稳定的比例关系，而与氮含量无一致关联。这一比例常数可作为预测小穗数的简单模型，并有效反映了不同品种在小穗生产效率上的遗传差异。研究结果不仅厘清了决定小穗数的最关键生理因子，其建立的评估方法也为未来基于基因型-环境互作精准调控水稻小穗数以实现高产稳产提供了重要见解。
引言
单位面积小穗数是水稻最重要的产量构成因素，因此确定其决定因子一直是众多研究的焦点。许多生理学研究集中在氮含量上，这可能是因为施氮量对小穗数的影响最大。自Kumura于1956年首次报道小穗数与氮浓度关系密切以来，后续研究广泛接受了最终小穗数与晚小穗分化期全株总氮含量强相关的结论。然而，有证据表明小穗数与氮含量的关系可能受到品种和环境的影响。另一方面，Shiratsuchi等人于2007年提出了不同观点，认为小穗数本质上与干重相关，而非氮含量。他们基于对单个分蘖的测量，提出了存活至抽穗期的小穗数与抽穗期干重呈线性关系的模型，但该模型在冠层水平的适用性尚不明确。本研究旨在通过一项简单而独特的实验，同步测定抽穗期同一植株的小穗数、干重和氮含量，以厘清决定小穗数的关键因子，并评估品种间小穗生产效率的差异。
材料与方法
本研究于2021年和2022年在日本新潟县上越市的国立研究开发法人农业·食品产业技术综合研究机构北陆研究中心试验田进行。供试材料为27个水稻品种。试验设置了不同的氮肥水平处理。植株按裂区设计排列。在抽穗期，当小区内80%穗子抽出时，于地面切割取样。收获的植株分为“穗”和“叶与茎”两部分。所有部分干燥后称重以获得地上部干重，并人工计数单株小穗数。利用元素分析仪测定氮浓度。成熟期另取样以测定产量及产量构成因素。此外，本研究还收集并处理了前人研究中关于抽穗期全株重量和成熟期小穗数的数据。数据分析包括嵌套方差分析和多元回归分析，并比较了三种基于干重的线性模型用于估算小穗数的准确性。
结果
干重与小穗数的线性关系
除了穗长极短的品种Tsukisuzuka外，所有品种抽穗期地上部干重与小穗数之间均存在清晰的比例关系。将截距固定为0进行回归分析，除Mizuho外，所有品种的决定系数R2均超过0.72，表明模型拟合度很高。Mizuho的R2为0.55，仍属合理。而Tsukisuzuka的干重与小穗数之间没有明确关系，小穗数始终保持在较低水平。相比之下，氮含量与小穗数之间的关系则不一致。虽然除了Tsukisuzuka外，所有品种的氮含量与小穗数都存在一致的线性关系，但回归线的斜率在不同年份间差异显著。这表明基于氮含量的关系受环境影响，而基于干重的关系则更具稳定性。
基于干重的线性模型预测小穗数的准确性
在验证数据集中，仅有一个品种特异性参数的模型1的预测误差，与拥有两个品种特异性参数的模型2和模型3相比并不更大。模型1中的参数a在2021年和2022年数据集中的估计值非常接近。这意味着简单的比例方程模型1足以准确地描述地上部干重与小穗数之间的关系。
前人研究中干重与小穗数的线性关系
为了验证在单一地点获得的关系是否适用于其他地区，本研究收集并分析了来自前人研究、涵盖6个品种在12个地点的数据。虽然收集数据的R2普遍较低，但由收集数据计算出的回归线与由本研究数据计算的回归线高度吻合。此外，使用本研究数据集估计的品种特异性参数a，通过模型1预测的收集数据中的小穗数，也基本落在1:1线附近。这表明，尽管不同研究间存在田间空间变异性和数据范围较窄的问题，但基于干重的比例关系在不同环境下仍然成立。
讨论
决定小穗数的关键因子
本研究旨在厘清干重和氮含量中哪一个是决定小穗数的更关键因子。我们的数据强烈表明，在每个品种内，小穗数与干重的关联性远强于与氮含量的关联性，且不受环境影响。尽管在大多数品种中，小穗数与地上部氮含量呈强线性关系，但在某些品种中，斜率随氮含量增加而下降，这表明可能存在非线性的关系。如果分析只针对少数品种，结果可能会支持基于氮的模型，但这类模型的结构和参数必然因特定品种和环境条件而异。相反，除了Tsukisuzuka外，所有品种的小穗数与地上部干重都存在明确的线性关系。Tsukisuzuka因其SP1基因的功能缺失等位基因，导致穗长极短，可能失去了小穗数对干物质积累的响应能力。排除此类特例，我们得出结论：抽穗期干重是决定小穗数的最关键因子。
本研究发现在前人研究背景下的意义
关于小穗数与干重还是氮含量关联更强的问题，可追溯至早期研究。那些研究旨在寻找独立于品种和环境、决定小穗数的因子，并最终认为最终小穗数与晚小穗分化期的总氮含量强相关，但也承认在早熟或中晚熟品种组内，小穗数与干重的相关性也很强。在跨品种分析中，氮含量与小穗数的相关性（r=0.75）确实高于干重（r=0.65）。这是因为参数a与各品种平均氮浓度呈正相关，表明单位干重小穗生产效率更高的品种往往氮浓度也更高。这解释了为何跨品种计算时，氮表现出比干重更强的相关性。相反，针对特定品种的分析一致表明，小穗数与干重的相关性比与氮含量更强。本研究在单株水平上测量所有性状，有效消除了对分蘖数氮响应的担忧。此外，这种关系也适用于已发表的冠层数据。因此我们可以得出结论：在品种基础上，即使是冠层水平，决定小穗数的最关键因子也是抽穗期地上部干重，而非氮含量。
这一发现与Wada的理论并不矛盾，该理论认为最终小穗数是分化小穗数与存活率的乘积。我们的发现意味着分化小穗数总是等于或大于根据抽穗期干重预期的最终小穗数。从生理学角度，这个假设可能是合理的：由于叶片氮含量是限制光合速率的主要因素，充足的氮吸收对于高干物质生产至关重要，在氮缺乏情况下不太可能进行活跃的干物质生产。另一方面，干物质生产可能间接影响氮吸收，但即使在干物质生产受限时，氮吸收受到的抑制也可能较小。
我们的比例模型预测准确性
我们的模型1仅为一个简单的比例方程，但其在验证数据集中的预测准确性与更复杂的模型2和3相当。因此，我们认为参数更少的模型1是最佳选择，足以描述地上部干重与小穗数之间的关系。Yoshida等人开发了一个包含品种特异性参数的非线性模型，能准确预测小穗数。我们计算了模型1验证数据的相对均方根误差，其结果并不大于Yoshida等人模型的误差值。我们的数据集基于同株样本，解释变量与响应变量之间关系误差极小。相比之下，Yoshida等人的分析基于不同生长阶段的样本，可能包含相当大的田间空间变异误差。我们用模型1重新分析了他们的数据，得到预测小穗数的误差与其复杂模型相近。因此，我们的模型因其简洁性而可能更优。
我们估算品种特异性参数方法的有效性
预测小穗数的模型可通过比较品种特异性参数来评估品种间小穗生产效率差异。我们的模型因其简洁性使得参数易于估算，且本研究方法消除了田间空间变异的影响。因此，即使参数仅从单年数据估算，年际差异也很小。此外，从我们两年数据计算的参数值与从不同环境地区已发表研究数据估算的参数值吻合良好。虽然许多品种的R2不高，但并未观察到之前报道的基于氮含量与小穗数关系的地域性偏差。这种低R2很可能源于在不同个体上测量干重和小穗数带来的田间空间变异性，以及收集数据范围相对较窄。这表明，即使仅用我们在单一地点两年的数据，也能有效估算出由遗传决定的小穗生产效率。这种以小穗生产效率为代表的参数a，可被视为重要的遗传性状，因为它与各品种的平均收获指数强相关。相比之下，需要多个生长阶段数据的更复杂模型，需要来自多样环境的大量数据才能准确估算品种特异性参数。因此，与因数据不足而导致参数不准确的复杂模型相比，我们的模型对于数据有限的品种（如新育成品种）可能提供更高的准确性。
结论
我们的研究结果强烈表明，抽穗期地上部干重与小穗数的关联性远强于氮含量与小穗数的关联。干重与小穗数的比例关系可作为预测小穗数的简单模型。该模型的比例常数有效地捕捉了品种间小穗生产效率的差异，且我们的方法实现了大幅节省时间和高通量分析。我们希望我们的发现将有助于未来在考虑基因型与环境互作的前提下，人工调控水稻小穗数，并最终实现增产和稳产。
