基于BLUP值的夏大豆产量与农艺性状的相关分析

doi:10.16035/j.issn.1001-7283.2023.05.002

摘要/Abstract

摘要：

以2018年黄淮海夏大豆南片的2组（A、B）区域试验数据为研究对象，对产量及其相关的9个农艺性状（V1~V9）进行最佳线性无偏估计（best linear unbiased prediction，BLUP），并基于BLUP值分析产量与9个农艺性状的遗传力和相关性。结果显示，生育期的变异范围最小，有效分枝数最大;生育期、株高、主茎节数和百粒重的遗传力较高，产量、底荚高度和单株粒重较低;与产量相关性较大的是单株荚数、单株粒数和单株粒重，均呈极显著正相关;9个农艺性状与产量的相关系数和直接通径系数大小排序不一致，主要由于农艺性状之间相互影响造成。在夏大豆选育过程中，生育期、株高、主茎节数和百粒重可在早期世代进行选择，产量、底荚高度和单株粒重应在高世代进行选择。选育过程中应特别注重单株荚数、单株粒数和单株粒重性状的选择，这是快速选育出高产大豆品种的关键。

关键词: 夏大豆, 区域试验, BLUP值, 遗传力, 通径分析

Abstract:

Based on the data of two groups (group A and group B) of southern Huang-Huai-Hai summer soybean in 2018, the best linear unbiased prediction (BLUP) was used to analyze the heritability and correlation between yield and nine agronomic traits. The results showed that the variation range of growth period was the smallest, while that of effective branches number was the largest. The heritabilities of growth period, plant height, main stem nodes number and 100-grain weight were higher, while the heritabilities of yield, bottom pod height and grain weight per plant were lower. Number of pods per plant, number of grains per plant and grain weight per plant were significantly positively correlated with yield. The correlation coefficients and direct path coefficients of the nine agronomic traits and yield were not consistent, which was mainly caused by the interaction between agronomic traits. In the process of summer soybean breeding, growth period, plant height, main stem node number, 100-grain weight should be chosen in the early generation, while yield, bottom pod height and grain weight per plant should be chosen in high generation. During the breeding process of soybean, the selection of number of pods per plant, number of grains per plant and grain weight per plant should be emphasized, which was the key to rapidly breeding high yield soybean varieties.

Key words: Summer soybean, Regional test, BLUP value, Heritability, Path analysis

常世豪, 耿臻, 杨青春, 舒文涛, 李金花, 李琼, 张保亮, 张东辉. 基于BLUP值的夏大豆产量与农艺性状的相关分析[J]. 作物杂志, 2023 (5): 10–15

Chang Shihao, Geng Zhen, Yang Qingchun, Shu Wentao, Li Jinhua, Li Qiong, Zhang Baoliang, Zhang Donghui. Correlation Analysis of Yield and Agronomic Traits of Summer Soybean Based on BLUP Value[J]. Crops, 2023(5): 10–15

图/表 6

表1

表2

表3

图1

表4

表5

参考文献 33

[1]	Song W W, Yang R Q, Wu T T, et al. Analyzing the effects of climate factors on soybean protein,oil contents,and composition by extensive and high-density sampling in China. Journal of Agricultural and Food Chemistry, 2016, 64(20):4121-4130. doi: 10.1021/acs.jafc.6b00008
[2]	Wu T T, Yao Y, Sun S, et al. Temporal-spatial characterization of nutritional and bioactive components of soybean cultivars in China. Journal of the American Oil Chemists' Society, 2017, 93 (12):1637-1654. doi: 10.1007/s11746-016-2908-4
[3]	卢昱嘉, 陈秧分, 洪宇. 兼顾风险和成本的中国大豆进口布局优化. 经济地理, 2022, 42(12):104-114.
[4]	新刚, 喻佳节, 司伟. 2021年大豆产业发展趋势与政策建议. 大豆科技, 2021(1):15-18.
[5]	中华人民共和国国家统计局. 中国统计年鉴 2014. 北京: 中国统计出版社,2014.
[6]	张勤, 陈霞. 用BLUP方法估计北京市黑白花种公牛育种值的研究. 畜牧兽医学报, 1986, 17(3):152-157.
[7]	俞渭江, 洪振中. 种公牛选择方法研究——应用最优线性无偏估计乳用种公牛育种值的方法. 中国农业科学, 1984(5):77-83.
[8]	王楚端, 张沅. 动物模型BLUP在猪育种中的应用. 中国畜牧杂志, 1995(5):54-56.
[9]	钱宏光, 布仁, 巴图, 等. BLUP法在肉羊育种中的应用初探. 中国草食动物, 2000(4):22-24.
[10]	孙晓梅, 杨秀艳. 林木育种值预测方法的应用与分析. 北京林业大学学报, 2011, 33(2):65-71.
[11]	栾生, 孔杰, 王清印. 水产动物育种值估计方法及其应用的研究进展. 海洋水产研究, 2008(3):101-107.
[12]	张群远, 孔繁玲, 杨付新. 作物品种区域试验中品种均值估计的模型和方法——算术平均值、加权最小二乘估值和BLUP的比较. 作物学报, 2003, 29(6):884-891.
[13]	陈勇生, 邓海华, 刘福业, 等. 甘蔗亲本评价研究(Ⅱ)——BLUP方法的应用初探. 广东农业科学, 2013, 40(14):26-29.
[14]	任长宏, 格桑曲珍, 胡希远. 经验性最佳线性无偏预测(eBLUP)在油菜区域试验品种评价的效果. 作物学报, 2017, 43(3):371-377.
[15]	郭敏杰, 邓丽, 苗建利, 等. 基于BLUP值的大粒花生农艺性状与产量的相关和通径分析. 河北农业大学学报, 2021, 44 (5):36-41.
[16]	徐扬. 关联分析和基因组预测相关方法的探讨与应用. 扬州:扬州大学, 2016.
[17]	贾冰, 马建江, 宋吉坤, 等. 陆地棉自然群体纤维强度性状的全基因组关联分析. 中国棉花, 2021, 48(4):13-19,28.
[18]	王敏, 徐萍, 刘新江, 等. 黄淮海地区夏玉米农艺性状与产量的通径分析. 中国生态农业学报, 2011, 19(5):1229-1236.
[19]	邓丽, 郭敏杰, 苗建利, 等. 基于通径系数和GGE双标图的大粒花生综合分析. 江苏农业科学, 2021, 49(19):129-133.
[20]	袁新捷, 刘潇, 陈国兴. 水稻核心种质资源茎秆抗倒伏性研究. 华中农业大学学报, 2021, 40(1):147-153.
[21]	亓振, 赵广才, 常旭虹, 等. 小麦产量与农艺性状的相关分析和通径分析. 作物杂志, 2016(3):45-50.
[22]	苟升学, 肖金平. 陕西省夏大豆产量与主要农艺性状的通径及灰色关联度分析. 江西农业学报, 2016, 28(9):18-22.
[23]	任红松, 朱家辉, 杨斌, 等. EXCEL在通径分析中的应用. 农业网络信息, 2006(3):90-92.
[24]	孙晓梅, 杨秀艳. 林木育种值预测方法的应用与分析. 北京林业大学学报, 2011, 33(2):65-71.
[25]	许俊杰, 闫文亮, 赵团结, 等. CROPGRO大豆花期模拟模型品种参数的遗传学解析. 南京农业大学学报, 2021, 44(4):778-788.
[26]	柳赛花, 纪雄辉, 谢运河, 等. 基于GGE双标图和BLUP分析筛选镉砷同步低累积水稻品种. 生态环境学报, 2021, 30 (2):405-411. doi: 10.16258/j.cnki.1674-5906.2021.02.021
[27]	周长军. 大豆有性杂交F₂代产量性状的遗传力分析与遗传相关研究. 黑龙江农业科学, 2006(6):14-16.
[28]	刘东, 齐婉冬, 冯燕, 等. 大豆主要农艺性状的遗传解析. 大豆科学, 2018, 37(2):165-172.
[29]	兰佳伟, 王福林, 宋莹莹. 种植模式对大豆农艺性状和产量的影响. 大豆科学, 2020, 39(4):564-570.
[30]	何鑫, 马文娅, 付汝洪, 等. 2006-2017年国家黄淮海夏大豆品种区域试验参试品种(系)分析. 中国油料作物学报, 2019, 41(4):537-549. doi: 10.7505/j.issn.1007-9084.2019.04.008
[31]	王大刚, 陈圣男, 于国宜, 等. 1983-2019年安徽省夏大豆品种主要性状变化趋势分析. 中国油料作物学报, 2021, 43(3):510-517.
[32]	张连秋, 任艳云, 朱哲. 2000年以来黄淮海地区国审夏大豆品种主要农艺性状的演进. 江苏农业科学, 2020, 48(14):113-116.
[33]	汪宝卿, 张礼凤, 戴海英, 等. 黄淮海地区夏大豆农艺性状的遗传变异、相关及主成分分析. 大豆科学, 2012, 31(2):208-212.

相关文章 15

[1]	凌一波, 王斌杰, 胡一民, 海那尔·毛地热合曼, 陈年来. 向日葵干物质转运及产量形成对密度与行距的响应[J]. 作物杂志, 2023, (5): 197–203
[2]	袁刘正, 王会强, 王秋岭, 朱世蝶, 赵月强, 袁曼曼, 王会涛, 张运栋, 柳家友, 袁永强. 遮阴条件下玉米自交系配合力与遗传效应分析[J]. 作物杂志, 2023, (4): 104–109
[3]	谢文锦, 李方明, 李宁, 杨海龙, 付俊, 张中伟, 高旭东, 丰光. 基于GGE双标图的北方地区鲜食糯玉米产量和品质性状及试点鉴别力分析[J]. 作物杂志, 2023, (4): 85–90
[4]	郭书磊, 王瑛, 魏良明, 张新, 刘焱, 吴伟华, 卢道文, 雷晓兵, 王振华, 鲁晓民. 不同生态条件下玉米产量影响因素分析[J]. 作物杂志, 2023, (3): 205–214
[5]	贾秀苹, 卯旭辉, 梁根生, 刘润萍, 刘风, 王兴珍. 向日葵抗盐碱生理生化机制与生长发育特性分析[J]. 作物杂志, 2022, (5): 146–152
[6]	乔羽佳, 卫玲, 肖俊红, 刘博, 杨海峰, 段学艳. 黄淮海夏大豆不同年份、地点的产量差异分析[J]. 作物杂志, 2022, (4): 221–226
[7]	张琦, 魏臻武, 闫天芳. 江淮地区燕麦籽粒产量与农艺性状的相关性及通径分析[J]. 作物杂志, 2021, (5): 146–152
[8]	齐建双, 夏来坤, 黄保, 李春盈, 马智艳, 丁勇, 谷利敏, 张君, 张凤启, 穆心愿, 唐保军, 赵发欣, 张兰薰. 基于熵权的DTOPSIS法和灰色局势决策法在玉米品种区域试验中的应用探讨[J]. 作物杂志, 2021, (1): 60–67
[9]	张晓艳, 王晓楠, 曹焜, 孙宇峰. 5个工业大麻品种（系）纤维产量及产量构成因素的相关性分析[J]. 作物杂志, 2020, (4): 121–126
[10]	王艳青,李勇军,李春花,卢文洁,孙道旺,尹桂芳,洪波,王莉花. 藜麦主要农艺性状与单株产量的相关和通径分析[J]. 作物杂志, 2019, (6): 156–161
[11]	刘兴叶,邢宝龙,吴瑞香,王桂梅,刘飞. 晋北绿豆主要农艺性状变异及对产量构成的影响[J]. 作物杂志, 2019, (5): 69–75
[12]	任洪雷,李春霞,龚士琛,李国良,扈光辉,王明泉,杨剑飞. 利用SPSS实现玉米杂交种主要农艺性状与产量的相关和通径分析[J]. 作物杂志, 2019, (3): 86–90
[13]	崔娅松, 王艳, 杨丽娟, 吴朝昕, 周飘, 冉盼, 陈庆富. 米苦荞果壳率及其相关性状的遗传研究[J]. 作物杂志, 2019, (2): 51–60
[14]	王汉霞,单福华,田立平,马巧云,赵昌平,张风廷. 北部冬麦区冬小麦区试品种（系）的稳定性和适应性分析[J]. 作物杂志, 2018, (5): 40–44
[15]	苏桂华,李春雷,苏义臣. 吉林省22份主推玉米品种区域试验评价[J]. 作物杂志, 2018, (5): 63–70

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed

序号 Number	A组Group A		B组Group B
序号 Number	品种 Variety	试验点 Test site	品种 Variety	试验点 Test site
1	郑1307	安徽阜阳	菏豆33号	安徽阜阳
2	周豆28号	安徽龙亢	皇豆11	安徽龙亢
3	科豆10号	安徽宿州	祥丰2号	安徽宿州
4	丰源5号	河南驻马店	蒙0811	河南商丘
5	阜1306	江苏灌云	周豆33	河南驻马店
6	皖豆38	江苏淮安	驻豆26	江苏灌云
7	皖宿0922	江苏徐州	菏豆36号	江苏淮安
8	邯豆11	山东菏泽	兴豆6号	江苏徐州
9	冀豆30	山东济宁	山宁23	山东菏泽
10	泛豆9号	山东临沂	徐0112-24	山东济宁
11	濮豆820		临豆11	山东临沂
12	郑1311		圣豆4号
13	商豆1201		祥丰4号
14	中黄73		中黄202
15	中黄13		中黄13

性状 Trait	项目 Item	A组Group A			B组Group B
性状 Trait	项目 Item	平均数 Mean	标准差 Standard deviation	变异系数 Coefficient of variation (%)	平均数 Mean	标准差 Standard deviation	变异系数 Coefficient of variation (%)
V1	观测值	191.57	10.54	5.50	189.49	9.33	4.92
	BLUP值	191.57	8.48	4.42	189.48	7.55	3.98
V2	观测值	103.80	2.18	2.10	101.80	2.11	2.07
	BLUP值	103.77	1.95	1.87	101.80	1.94	1.91
V3	观测值	74.19	12.43	16.75	62.62	8.97	14.33
	BLUP值	74.17	12.18	16.42	62.62	8.63	13.79
V4	观测值	16.96	3.00	17.68	17.16	1.96	11.41
	BLUP值	16.96	2.52	14.88	17.16	1.45	8.45
V5	观测值	16.17	1.38	8.55	14.44	0.93	6.43
	BLUP值	16.17	1.34	8.27	14.43	0.87	6.00
V6	观测值	1.97	0.55	28.05	1.99	0.52	26.31
	BLUP值	1.97	0.49	25.06	1.98	0.49	24.75
V7	观测值	44.29	5.39	12.17	38.65	5.00	12.94
	BLUP值	44.29	4.69	10.59	38.65	4.34	11.23
V8	观测值	87.15	10.60	12.16	78.87	9.80	12.43
	BLUP值	87.41	9.26	10.59	78.86	8.44	10.71
V9	观测值	16.91	1.05	6.21	16.76	1.60	9.52
	BLUP值	16.91	0.53	3.14	16.77	1.10	6.57
V10	观测值	20.15	2.13	10.56	22.42	1.95	8.69
	BLUP值	20.16	2.02	10.00	22.41	1.84	8.22

性状 Trait	A组Group A		B组Group B
性状 Trait	遗传力 Heritability	排名 Ranking	遗传力 Heritability	排名 Ranking
V1	0.80	9	0.80	8
V2	0.93	4	0.93	4
V3	1.00	1	0.96	1
V4	0.84	8	0.74	9
V5	0.96	2	0.93	3
V6	0.89	5	0.91	5
V7	0.87	6	0.87	6
V8	0.86	7	0.86	7
V9	0.51	10	0.70	10
V10	0.95	3	0.95	2

性状Trait	V1	V2	V3	V4	V5	V6	V7	V8	V9	V10
V1	1.00
V2	0.27	1.00
V3	0.11	0.61^**	1.00
V4	0.06	0.08	0.33^*	1.00
V5	0.04	0.53^**	0.85^***	0.08	1.00
V6	-0.02	-0.27	0.05	0.04	0.03	1.00
V7	0.56^**	0.53^**	0.45^*	0.07	0.47^**	0.25	1.00
V8	0.62^**	0.33^*	0.39^*	0.05	0.39^*	0.25	0.92^***	1.00
V9	0.73^***	0.32^*	0.33^*	0.21	0.21	-0.02	0.48^**	0.54^**	1.00
V10	-0.26	-0.23	-0.27	0.14	-0.34^*	-0.28	-0.80^***	-0.86^***	-0.09	1.00

性状 Trait	相关系数Correlation coefficient	直接通径系数Direct path coefficient	间接通径系数Indirect path coefficient
性状 Trait	相关系数Correlation coefficient	直接通径系数Direct path coefficient	V2→V1	V3→V1	V4→V1	V5→V1	V6→V1	V7→V1	V8→V1	V9→V1	V10→V1
V2	0.27	0.20		-0.10	-0.01	-0.10	0.02	-0.04	0.66	-0.05	-0.31
V3	0.11	-0.17	0.12		-0.04	-0.15	0.00	-0.04	0.80	-0.05	-0.36
V4	0.06	-0.14	0.02	-0.05		-0.01	0.00	-0.01	0.10	-0.03	0.18
V5	0.04	-0.18	0.11	-0.14	-0.01		0.00	-0.04	0.80	-0.03	-0.46
V6	-0.02	-0.06	-0.05	-0.01	0.00	-0.01		-0.02	0.50	0.00	-0.37
V7	0.56	-0.08	0.11	-0.07	-0.01	-0.09	-0.02		1.86	-0.07	-1.07
V8	0.62	2.02	0.07	-0.07	-0.01	-0.07	-0.02	-0.08		-0.08	-1.15
V9	0.73	-0.15	0.06	-0.05	-0.03	-0.04	0.00	-0.04	1.09		-0.11
V10	-0.26	1.34	-0.05	0.04	-0.02	0.06	0.02	0.07	-1.73	0.01