检索
E-mail
RSS
高级检索 图表检索

当期目录 我要投稿 过刊浏览
高级检索 图表检索

作物杂志,2020, 第3期: 117–124 doi: 10.16035/j.issn.1001-7283.2020.03.018

• 生理生化·植物营养·栽培耕作 • 上一篇    下一篇

基于主成分与灰色关联分析的饲草小黑麦品种筛选与配套技术研究

张阳, 张伟, 赵威军, 邵荣峰, 王官, 薛丁丁, 李金梅   

  1. 山西省农业科学院高粱研究所,030600,山西晋中
  • 收稿日期:2019-07-09 修回日期:2019-09-11 出版日期:2020-06-15 发布日期:2020-06-10
  • 作者简介:张阳,主要从事甜高粱遗传育种研究,E-mail: sxnkygls@163.com
  • 基金资助:
    山西省农业科学院农业创新课题“雁门关牧区饲用小黑麦和甜高粱一年两作配套栽培技术集成研究”(YCX2017D2111)

Variety Screening and Study of Cultivation Technology for Forage Triticale Varieties Based on Principal Component and Grey Relation Analysis

Zhang Yang, Zhang Wei, Zhao Weijun, Shao Rongfeng, Wang Guan, Xue Dingding, Li Jinmei   

  1. Sorghum Research Institute, Shanxi Academy of Agricultural Sciences, Jinzhong 030600, Shanxi, China
  • Received:2019-07-09 Revised:2019-09-11 Online:2020-06-15 Published:2020-06-10

RichHTML

6

PDF (PC)

210

摘要：

为了筛选在山西省雁门关地区最适宜种植的小黑麦品种以及配套的高产优质栽培技术,利用主成分分析法和灰色关联度分析法综合评价不同小黑麦品种在不同密度和肥料条件下的产量和饲草品质。结果表明,小黑麦饲草品质指标中糖类和蛋白类指标变异较大,但是总的可消化养分以及能量品质变化较小。相关性分析表明,相对饲料价值（RFV）与粗蛋白含量、瘤胃降解蛋白含量、醇溶糖含量、总可消化养分、产奶净能、维持净能、增重净能和相对饲料质量（RFQ）均呈极显著正相关。RFV主要通过酸性和中性洗涤纤维计算而来,在单一指标中最能反映饲草品质。综合考虑灰色关联度和主成分分析方法,晋饲草1号（播种量150kg/hm2,复合肥750kg/hm2、尿素150kg/hm2）最适宜雁门关地区推广种植。

关键词: 主成分分析, 灰色关联度分析, 小黑麦, 优质高产, 综合评价

Abstract:

This study was designed to select the best triticale variety with optimum cultivation technology for good-quality and high-yield in Yanmenguan region of China. Principal component analysis and grey relation analysis were used to evaluate the yield and forage quality of different triticale varieties under different densities and fertilization conditions. The results showed that the variations of sugar and protein in the quality indexes of triticale were large, whereas, the variations of total digestible nutrients and energy quality were little. The correlation analysis showed that relative feed value (RFV) significantly correlated with crude protein content, rumen degradable protein content, alcohol soluble sugar content, total digestible nutrients, net energy of milk production, net energy of maintenance, net energy of weight gain, and relative feed quality (RFQ). Therefore, RFV could best reflect the quality of forage grass in a single indicator. Taking grey relational degree and principal component analysis method into consideration, Jinsicao1 (150kg/ha, compound fertilizer 750kg/ha, and urea 150kg/ha) was most suitable for planting in Yanmenguan area.

Key words: Principal component analysis, Grey relation analysis, Triticale, Good-quality and high-yield, Comprehensive evaluation

表1

不同处理小黑麦各指标平均值"

处理
Treatment		 株高
Plant height
(cm)		 穗长
Ear length
(cm)		 产量
Yield
(kg/hm2)		 粗蛋白
Crude protein
(DM%)		 瘤胃降解蛋白
Rumen degradable protein (DM%)		 NDFD30
(DM%)		 NDFD120
(DM%)		 NDFD240
(DM%)		 醇溶糖
Alcohol soluble sugar (DM%)		 淀粉
Starch
(DM%)		 粗脂肪
Crude fat
(DM%)		 总可消化养分
Total digestible
nutrients (DM%)		 NEL
(mcal/kg)		 NEm
(mcal/kg)		 NEg
(mcal/kg)		 RFV RFQ
A1B1C1 134.3 14.0 34 340.5 12.5 9.0 28.3 32.5 34.2 9.2 1.2 2.8 56.4 1.3 1.20 0.6 89.0 98.0
A1B2C1 134.3 14.0 37 953.6 13.4 9.7 26.8 30.8 32.4 8.2 1.2 2.5 55.4 1.2 1.10 0.6 86.0 83.0
A1B3C1 134.7 13.0 35 507.0 14.2 10.9 30.3 34.8 36.6 7.7 0.6 2.7 56.6 1.3 1.20 0.6 89.0 101.0
A2B1C1 115.3 9.0 34 857.7 11.8 9.1 28.8 33.0 34.8 5.9 1.0 2.7 53.2 1.2 1.05 0.5 79.0 75.0
A2B2C1 116.3 9.0 38 464.3 12.6 9.7 26.3 30.2 31.8 8.9 1.1 2.8 55.9 1.2 1.14 0.6 90.0 91.0
A2B3C1 115.7 9.7 35 118.3 13.0 10.2 28.4 32.6 34.3 9.1 0.7 2.8 56.8 1.3 1.17 0.6 88.0 98.0
A3B1C1 130.3 12.3 28 623.5 13.1 9.7 27.6 31.7 33.4 6.2 1.0 3.1 55.6 1.2 1.13 0.6 85.0 89.0
A3B2C1 131.7 12.3 39 475.3 13.0 9.5 29.9 39.4 41.5 5.4 0.8 3.4 56.7 1.3 1.18 0.6 85.0 96.0
A3B3C1 131.0 13.3 37 250.6 10.8 7.5 29.1 33.4 35.1 3.4 1.9 3.5 54.2 1.2 1.09 0.5 79.0 81.0
A1B1C2 133.7 14.0 36 031.0 12.8 9.6 29.8 38.6 40.6 8.6 1.0 2.7 57.1 1.3 1.18 0.6 90.0 104.0
A1B2C2 134.7 13.7 38 332.5 14.0 10.8 29.8 38.6 40.6 9.0 1.7 3.0 59.7 1.3 1.27 0.7 98.0 122.0
A1B3C2 133.0 12.7 35 860.5 13.5 10.5 27.8 32.0 33.6 9.1 1.1 3.0 57.9 1.3 1.21 0.7 95.0 106.0
A2B1C2 114.7 9.7 36 694.5 13.8 10.1 27.1 31.1 32.8 8.8 1.0 3.1 57.1 1.3 1.18 0.6 93.0 95.0
A2B2C2 115.7 9.7 39 038.0 13.3 10.1 28.7 32.9 34.6 8.9 1.5 2.9 57.9 1.3 1.21 0.7 91.0 102.0
A2B3C2 115.0 9.3 36 878.0 11.3 8.5 24.8 28.5 30.0 8.0 1.3 2.6 55.0 1.2 1.11 0.6 80.0 75.0
A3B1C2 130.7 12.7 28 810.5 9.7 7.1 29.3 33.7 35.4 7.4 1.1 2.8 54.9 1.2 1.11 0.6 74.0 78.0
A3B2C2 132.7 12.3 40 339.0 10.6 7.6 25.4 29.1 30.7 8.8 1.0 2.8 56.4 1.3 1.16 0.6 82.0 83.0
A3B3C2 131.3 12.3 37 524.0 12.6 9.0 22.0 25.2 26.6 7.6 0.8 3.0 56.3 1.3 1.16 0.6 84.0 75.0
A1B1C3 134.7 14.3 36 037.0 14.5 11.8 27.8 31.9 33.6 10.5 0.9 2.9 59.2 1.3 1.25 0.7 104.0 119.0
A1B2C3 134.3 14.0 38 326.0 12.9 9.8 27.9 32.1 33.8 9.2 1.0 3.0 57.9 1.3 1.22 0.7 92.0 105.0
A1B3C3 134.3 13.3 35 854.5 14.4 11.0 28.1 32.3 34.0 9.0 0.8 2.9 58.0 1.3 1.22 0.7 94.0 105.0
A2B1C3 115.7 9.3 41 692.0 13.7 10.8 28.0 32.2 33.9 10.8 0.9 2.9 59.0 1.3 1.25 0.7 96.0 114.0
A2B2C3 115.7 9.3 39 033.5 11.3 8.5 27.9 36.9 38.9 9.3 1.4 2.8 57.9 1.3 1.21 0.7 86.0 99.0
A2B3C3 116.3 9.0 36 886.5 11.3 8.3 26.2 30.0 31.6 10.9 1.5 2.6 57.6 1.3 1.20 0.6 88.0 97.0
A3B1C3 132.7 12.7 28 801.0 8.2 6.0 27.9 32.0 33.7 9.7 1.3 2.6 56.6 1.3 1.17 0.6 81.0 88.0
A3B2C3 133.0 12.7 40 338.5 10.5 7.8 24.8 28.5 30.0 6.6 0.9 2.3 53.6 1.2 1.06 0.5 73.0 63.0
A3B3C3 133.3 12.7 37 517.0 15.0 12.0 27.4 29.7 32.0 5.6 1.3 3.3 56.8 1.3 1.18 0.6 88.0 93.0
平均值
Mean		 127.2 11.9 36 503.1 12.5 9.4 27.6 32.4 34.1 8.2 1.1 2.9 56.7 1.3 1.20 0.6 87.4 93.9
变异系数
Coefficient of variation (%)		 6.7 16.2 9.1 12.9 15.3 6.7 10.0 9.9 21.4 27.4 9.3 2.8 3.2 4.70 8.4 8.2 15.2

表2

不同指标间相关系数矩阵"

性状Trait 株高
Plant
height		 穗长
Ear
length		 产量
Yield		 粗蛋白
Crude
protein		 瘤胃降解蛋白
Rumen degradable protein		 NDFD30 NDFD120 NDFD240 醇溶糖
Alcohol soluble sugar		 淀粉
Starch		 粗脂肪
Crude
fat		 总可消化养分
Total digestible nutrients		 产奶
净能
NEL		 维持
净能
NEm		 增重
净能
NEg		 RFV RFQ
株高Plant height
穗长Ear length -0.969**
产量Yield -0.191 -0.193
粗蛋白Crude protein -0.088 0.136 0.311
瘤胃降解蛋白
Rumen degradable protein		 -0.047 0.089 0.288 -0.977**
NDFD30 -0.135 0.206 -0.230 -0.202 -0.230
NDFD120 -0.115 0.176 -0.038 -0.135 -0.138 -0.865**
NDFD240 -0.119 0.176 -0.034 -0.149 -0.153 -0.867** -0.999**
醇溶糖
Alcohol soluble sugar		 -0.219 -0.175 0.090 -0.095 -0.160 -0.101 -0.061 -0.073
淀粉Starch -0.113 -0.056 0.040 -0.278 -0.291 -0.099 -0.124 -0.128 -0.119
粗脂肪Crude fat -0.154 0.176 0.062 -0.360* -0.302 -0.295 -0.275 -0.291 -0.442* 0.187
总可消化养分
Total digestible nutrients		 -0.047 0.092 0.242 -0.515** -0.552** -0.225 -0.307 -0.310 -0.686** 0.016 0.238
产奶净能NEL -0.057 0.099 0.243 -0.496** -0.532** -0.254 -0.333* -0.338* -0.630** 0.046 0.322 0.993**
维持净能NEm -0.070 0.107 0.243 -0.511** -0.546** -0.238 -0.314 -0.318 -0.655** 0.012 0.280 0.997** 0.995**
增重净能NEg -0.054 0.096 0.246 -0.498** -0.536** -0.222 -0.298 -0.303 -0.662** 0.046 0.276 0.997** 0.996** 0.997**
RFV -0.035 0.117 0.241 -0.759** -0.784** -0.247 -0.227 -0.229 -0.581** -0.085 0.253 0.870** 0.849** 0.856** 0.859**
RFQ -0.076 0.153 0.149 -0.611** -0.654** -0.521** -0.515** -0.517** -0.559** 0.015 0.297 0.917** 0.912** 0.913** 0.910** 0.916** 1

表3

主成分分析初始载荷矩阵以及旋转后因子载荷矩阵"

性状Trait 初始载荷矩阵Component matrix 旋转后因子载荷矩阵Rotated component matrix
1 2 3 4 5 1 2 3 4 5
株高Plant height 0.097 0.477 0.707 0.465 0.104 0.017 0.038 0.049 0.978 0.046
穗长Ear length 0.162 0.506 0.674 0.457 0.104 0.066 0.096 0.051 0.967 0.063
产量Yield 0.245 -0.348 -0.002 -0.420 0.289 0.239 -0.241 0.191 -0.340 0.417
粗蛋白Crude protein 0.679 -0.076 0.445 -0.505 -0.151 0.402 0.064 0.821 0.031 0.320
瘤胃降解蛋白Rumen degradable protein 0.709 -0.109 0.392 -0.476 -0.205 0.445 0.081 0.818 -0.011 0.252
NDFD30 0.427 0.762 -0.274 -0.088 -0.259 0.111 0.938 0.087 0.102 0.046
NDFD120 0.464 0.743 -0.380 -0.056 -0.170 0.185 0.949 -0.023 0.046 0.083
NDFD240 0.470 0.747 -0.371 -0.070 -0.161 0.185 0.949 -0.014 0.048 0.101
醇溶糖Alcohol soluble sugar 0.535 -0.576 -0.271 0.475 -0.245 0.787 -0.162 -0.054 -0.202 -0.536
淀粉Starch -0.030 0.181 -0.432 0.079 0.732 0.095 0.091 -0.701 -0.105 0.493
粗脂肪Crude fat 0.346 0.401 0.183 -0.419 0.529 0.114 0.241 0.111 0.164 0.811
总可消化养分Total digestible nutrients 0.951 -0.189 -0.069 0.180 0.095 0.975 0.124 0.123 0.018 0.071
产奶净能NEL 0.949 -0.139 -0.078 0.157 0.155 0.961 0.152 0.093 0.028 0.140
维持净能NEm 0.951 -0.163 -0.055 0.173 0.118 0.966 0.132 0.120 0.038 0.101
增重净能NEg 0.946 -0.179 -0.070 0.178 0.144 0.974 0.116 0.095 0.026 0.112
RFV 0.927 -0.197 0.126 -0.056 -0.050 0.843 0.097 0.432 0.011 0.114
RFQ 0.979 0.059 -0.082 0.052 -0.055 0.865 0.393 0.250 0.040 0.085
初始特征值Initial eigenvalue 7.506 2.994 1.997 1.631 1.241
贡献率Contribution (%) 44.150 17.610 11.747 9.592 7.302
累计贡献率Cumulative contribution rate (%) 44.150 61.761 73.508 83.099 90.401

表4

主成分分析综合效益值排序"

处理Treatment F1 F2 F3 F4 F5 F 排名Rank 处理Treatment F1 F2 F3 F4 F5 F 排名Rank
A1B1C1 319.7 -395.3 51.3 -701.8 583.5 58.4 8 A2B3C2 319.4 -440.3 42.2 -766.0 629.0 45.3 26
A1B2C1 333.8 -445.8 53.4 -782.3 647.4 52.4 18 A3B1C2 272.7 -319.0 47.4 -581.7 489.5 55.0 12
A1B3C1 329.5 -408.0 50.5 -729.8 601.6 59.2 6 A3B2C2 345.1 -480.5 50.8 -833.2 690.0 48.9 23
A2B1C1 308.4 -406.4 40.0 -723.9 591.8 47.7 25 A3B3C2 324.7 -448.2 55.2 -773.6 643.2 48.3 24
A2B2C1 340.0 -460.2 41.9 -801.0 653.8 49.7 22 A1B1C3 344.7 -420.6 53.1 -739.5 610.5 64.1 1
A2B3C1 323.7 -412.1 40.3 -727.8 594.2 53.8 15 A1B2C3 347.7 -449.6 51.4 -789.3 652.0 57.8 9
A3B1C1 279.8 -319.9 50.9 -580.4 485.7 58.6 7 A1B3C3 334.3 -416.8 52.2 -736.5 608.5 59.9 4
A3B2C1 350.4 -457.0 45.5 -818.7 670.3 55.3 11 A2B1C3 372.6 -502.1 39.4 -871.3 706.6 53.9 14
A3B3C1 325.2 -431.2 48.6 -768.9 636.6 51.0 21 A2B2C3 347.7 -460.8 35.9 -812.5 661.7 52.0 19
A1B1C2 335.0 -412.0 47.3 -740.1 610.0 60.2 3 A2B3C3 332.3 -439.6 40.3 -764.0 626.8 51.5 20
A1B2C2 359.5 -443.5 47.4 -790.4 648.9 63.9 2 A3B1C3 278.3 -321.7 48.2 -578.3 489.7 57.7 10
A1B3C2 334.4 -417.8 51.0 -736.7 608.8 59.6 5 A3B2C3 333.1 -479.8 52.5 -834.4 691.7 43.4 27
A2B1C2 333.2 -435.9 41.5 -763.3 622.3 52.5 17 A3B3C3 336.3 -440.2 53.8 -775.7 639.6 54.9 13
A2B2C2 350.1 -464.5 39.5 -813.8 662.1 52.8 16

表5

各处理综合效益值与加权关联度排名"

处理
Treatment		 灰色关联系数
Grey relevant
coefficient		 排名
Rank		 主成分综合值
Comprehensive
evaluation value		 排名
Rank
A1B2C2 0.850 1 63.9 2
A1B1C3 0.807 2 64.1 1
A2B1C3 0.737 3 53.9 14
A1B1C2 0.718 4 60.2 3
A1B3C3 0.713 5 59.9 4
A1B2C3 0.712 6 57.8 9
A3B3C3 0.705 7 54.9 13
A1B3C2 0.702 8 59.6 5
A3B3C1 0.695 9 51.0 21
A2B2C2 0.695 10 52.8 16
A3B2C1 0.686 11 55.3 11
A1B1C1 0.684 12 58.4 8
A1B3C1 0.682 13 59.2 6
A2B2C3 0.677 14 52.0 19
A2B3C3 0.677 15 51.5 20
A1B2C1 0.660 16 52.4 18
A2B1C2 0.647 17 52.5 17
A2B3C1 0.633 18 53.8 15
A3B1C3 0.629 19 57.7 10
A2B2C1 0.620 20 49.7 22
A3B1C1 0.617 21 58.6 7
A3B2C2 0.615 22 48.9 23
A3B3C2 0.594 23 48.3 24
A3B1C2 0.592 24 55.0 12
A2B3C2 0.576 25 45.3 26
A3B2C3 0.562 26 43.4 27
A2B1C1 0.562 27 47.7 25
[1] 马文馨, 宋谦, 田新会 , 等. 小黑麦不同材料的抗寒性评价. 草原与草坪, 2019,39(3):85-91.
[2] 郭建文, 李林渊, 田新会 , 等. 饲草型小黑麦新品系在甘肃高海拔地区的生产性能和品质研究. 草原与草坪, 2018,38(4):72-77.
[3] 游永亮, 李源, 赵海明 , 等. 饲用小黑麦在海河平原区的生产性能及适应性评价. 草原与草坪, 2015,35(3):32-38.
[4] 郑敏娜, 梁秀芝, 韩志顺 , 等. 不同苜蓿品种在雁门关地区的生产性能和营养价值研究. 草业学报, 2018,27(5):97-108.
[5] 代寒凌, 田新会, 杜文华 , 等. 半干旱灌区黑麦新品系的草产量和营养价值研究. 甘肃农业大学学报, 2018,53(4):107-115.
[6] 张朝阳, 许桂芳 . 利用隶属函数法对4种地被植物的耐热性综合评价. 草业科学, 2009,26(2):57-60.
[7] 王士强, 胡银岗, 佘奎军 , 等. 小麦抗旱相关农艺性状和生理生化性状的灰色关联度分析. 中国农业科学, 2007,40(11):2452-2459.
[8] 杨彦忠, 周文期, 连晓荣 , 等. 基于主成分分析综合评价一年生饲草的生产性能—以甘肃庄浪为例. 草业科学, 2018,35(6):1503-1509.
[9] 刘晶, 宋谦, 田新会 , 等. 基于隶属函数法和GGE双标图的饲草型小黑麦种质适应性评价. 草业学报, 2018,27(5):85-96.
[10] 邹永红, 谭建林 . 基于综合灰色关联度加权法的玉米品种评价. 南方农业学报, 2011,42(8):1007-1010.
[11] 黄斌, 王致和, 唐桃霞 . 不同小黑麦品种在甘肃西部地区的引种试验. 现代农业科技, 2017(21): 55, 57.
[12] 赵方媛, 王文, 陈平 , 等. 甘农2号小黑麦在云贵高原的生产性能研究. 草原与草坪, 2019,39(1):43-47,53.
[13] 董召荣, 田灵芝, 赵波 , 等. 小黑麦牧草产量与品质对施氮的响应. 草业科学, 2008,25(5):64-67.
[14] 李晶, 吉彪, 商文楠 , 等. 密度和氮素水平对小黑麦氮代谢相关酶活性和子粒营养品质的影响. 植物营养与肥料学报, 2010,16(5):1063-1068.
doi: 10.11674/zwyf.2010.0504
[15] 凌树礼 . 应用RFV评价鄂尔多斯荒漠草原优势牧草营养价值. 畜牧与饲料科学, 2014,35(10):15-16,19.
[16] 红敏, 高民, 卢德勋 , 等. 粗饲料品质评定指数新一代分级指数的建立及与分级指数(GI2001)和饲料相对值(RFV)的比较研究. 畜牧与饲料科学, 2011,32(9/10):143-146.
[17] 刘翔宇, 刘祖昕, 加帕尔 , 等. 基于主成分与灰色关联分析的甜高粱品种综合评价. 新疆农业科学, 2016,53(1):99-107.
[18] 薛帅, 秦烁, 王继师 , 等. 灰色系统理论在非粮柴油植物评价与筛选中的应用. 中国农业大学学报, 2012,17(6):225-230.
[1] 常世豪, 杨青春, 舒文涛, 李金花, 李琼, 张保亮, 张东辉, 耿臻. 黄淮海夏大豆品种（系)主要农艺性状的综合性分析[J]. 作物杂志, 2020, (3): 66–72
[2] 师赵康,赵泽群,张远航,徐世英,王宁,王伟杰,程皓,邢国芳,冯万军. 玉米自交系幼苗生物量积累及根系形态对两种氮素水平的反应及聚类分析[J]. 作物杂志, 2019, (5): 28–36
[3] 李晶,南铭. 俄罗斯和乌克兰引进冬小麦在我国西北地区的农艺性状表现和遗传多样性分析[J]. 作物杂志, 2019, (5): 9–14
[4] 靳玉龙,白婷,朱明霞,刘小娇,王姗姗,张志薇,胡赟,张玉红. 利用因子分析综合评价9个西藏农家青稞品种的品质[J]. 作物杂志, 2019, (4): 55–60
[5] 郭庆瑞,王梦飞,郭凤琴,殷建军,张小娟,王力. 山西高寒冷凉区粮饲兼用型玉米品种的综合评价[J]. 作物杂志, 2019, (4): 61–68
[6] 吴建忠,李绥艳,林红,马延华,潘丽艳,李东林,孙德全. 青贮玉米品质性状遗传变异及主成分分析[J]. 作物杂志, 2019, (3): 42–48
[7] 唐双勤,吴自明,谭雪明,曾勇军,石庆华,潘晓华,曾研华. 直播早籼稻品种芽期耐冷性鉴定研究[J]. 作物杂志, 2019, (1): 159–167
[8] 王蕾,张想平,李润喜,牛小霞,杨世梅,严宗山,张自强. 大麦农艺性状和子粒支链淀粉的多元分析与评价[J]. 作物杂志, 2018, (5): 71–76
[9] 张翔宇,李海,梁海燕,张知,宋晓强,郑敏娜. 不同种植行距与种植密度对黍子生长特性及子实产量的影响[J]. 作物杂志, 2018, (5): 91–96
[10] 吴荣华,庄克章,刘鹏,张春艳. 鲁南地区夏玉米产量对气象因子的响应[J]. 作物杂志, 2018, (5): 104–109
[11] 魏萌涵, 解慧芳, 邢璐, 宋慧, 王淑君, 王素英, 刘海萍, 付楠, 刘金荣. 华北地区谷子产量与农艺性状的综合评价分析[J]. 作物杂志, 2018, (4): 42–47
[12] 赵璐,杨治伟,部丽群,田玲,苏梅,田蕾,张银霞,杨淑琴,李培富. 宁夏和新疆水稻种质资源表型遗传多样性分析及综合评价[J]. 作物杂志, 2018, (1): 25–34
[13] 郜战宁,冯辉,薛正刚,杨永乾,王树杰,潘正茂. 28个大麦品种（系）主要农艺性状分析[J]. 作物杂志, 2018, (1): 77–82
[14] 赵媛媛,张丽莉,石瑛. 马铃薯抗旱种质资源的筛选[J]. 作物杂志, 2017, (4): 72–77
[15] 杨如达,李海,林凤仙,梁海燕. 糜子性状与产量的灰色关联度分析及品种选育侧重性状探讨[J]. 作物杂志, 2017, (4): 50–57
Viewed
Full text


Abstract

Cited
  Shared   
  Discussed   
No Suggested Reading articles found!