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
山西省农业科学院高粱研究所,030600,山西晋中
Variety Screening and Study of Cultivation Technology for Forage Triticale Varieties Based on Principal Component and Grey Relation Analysis
Sorghum Research Institute, Shanxi Academy of Agricultural Sciences, Jinzhong 030600, Shanxi, China
收稿日期: 2019-07-9 修回日期: 2019-09-11 网络出版日期: 2020-06-15
基金资助: |
|
Received: 2019-07-9 Revised: 2019-09-11 Online: 2020-06-15
作者简介 About authors
张阳,主要从事甜高粱遗传育种研究,E-mail:sxnkygls@163.com 。
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:
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.
Keywords:
本文引用格式
张阳, 张伟, 赵威军, 邵荣峰, 王官, 薛丁丁, 李金梅.
Zhang Yang, Zhang Wei, Zhao Weijun, Shao Rongfeng, Wang Guan, Xue Dingding, Li Jinmei.
小黑麦(Triticosecale Wittmack)是通过小麦属(Tritium)和黑麦属(Secale)属间有性杂交以及人工杂种染色体加倍重组而成的新物种[1],集合了双亲优质高产高抗寒的特性,生物产量高,饲草品质优良,适口性好,为畜禽所喜食,是高海拔地区优质饲草作物之一[2,3]。山西省雁门关地区为北方农牧交错带的重要组成部分和草食畜牧业发展的优势区域[4],该生态区气候高寒冷凉,干旱少雨,当前主要种植春播饲草玉米、苜蓿和甜高粱等饲草作物。雁门关区域畜牧业发达,饲草需求量大,春播饲草作物无法满足需求,如果冬季增种一季饲草作物,可以增加饲草供应量,满足当地畜牧业需求。小黑麦抗寒性强,可以在冬季种植,但是不同小黑麦品种在不同地区的适应性和生产性能差异较大,故应根据其差异性确定不同地区适宜种植的小黑麦品种[5]。小黑麦产量受自然环境和栽培措施的影响,尤其是密度和肥料对产量和品质影响较大。近年来,在综合分析时利用灰色关联度法、隶属函数法和主成分分析法(PCA)等[6,7,8,9]对多指标综合分析的方法越来越受到人们的关注,这些分析方法能够从多水平、多因素着手,综合分析各指标的整体效应,使筛选出的结果更具有科学性。目前,在山西省雁门关地区有关小黑麦不同品种不同栽培模式生产性能方面的研究较少。本试验利用主成分分析法和灰色关联度分析法,综合分析不同小黑麦品种在不同播种密度和不同施肥量下的产量和饲草品质性状,筛选适宜山西省雁门关地区的品种和栽培技术,为该地区冬季增种一季小黑麦提供技术参考。
1 材料与方法
1.1 试验地概况
试验区在山西省朔州市,海拔1 000m,年降水量423mm,无霜期130d,年平均气温6.9℃,土壤有机质14.62g/kg,全氮0.69g/kg,速效磷4.46mg/kg,速效钾104.51mg/kg,pH 8.6,前茬作物为甜高粱,灌溉措施为滴灌。
1.2 试验设计
试验材料为山西省农业科学院选育的饲草小黑麦晋饲草1号、临草2号和河北农业大学农村科技开发中心选育饲草小黑麦冬牧70。采取三因素随机区组设计,A因素为3个试验材料,晋饲草1号(A1)、临草2号(A2)和冬牧70(A3);B因素为3个播种量,112.5kg/hm2(B1)、150kg/hm2(B2)和187.5kg/hm2(B3);C因素为3个施肥量,复合肥配方为N-P2O5-K2O: 18-18-18,复合肥375kg/hm2、尿素75kg/hm2(C1)、复合肥750kg/hm2、尿素150kg/hm2(C2)和复合肥1 125kg/hm2、尿素225kg/hm2(C3)。条播,行距20cm,播种深度5~6cm,小区面积15m2(3m×5m),3次重复。2017年9月21日播种,2017年12月2日浇冻水,2018年2月10日浇返青水并追施尿素(C1: 75kg/hm2,C2: 150kg/hm2,C3: 225kg/hm2),2018年5月22日收获。
1.3 测定指标
1.3.1 农艺性状指标 于收获期测量小黑麦株高、穗长和鲜草生物产量。
1.3.2 品质性状指标 将取回的样品粉碎,120℃杀青2h,用75℃的烘箱中烘干到恒重。由国家饲草检测中心利用近红外分析法测定干草粗蛋白含量、瘤胃降解蛋白含量、中性洗涤纤维30h消化部分占总干重的比例(NDFD30)、中性洗涤纤维120h消化部分占总干重的比例(NDFD120)、中性洗涤纤维240h消化部分占总干重的比例(NDFD240)、醇溶糖含量、淀粉含量、粗脂肪含量、总可消化养分、产奶净能、维持净能、增重净能、相对饲料价值(RFV)和相对饲料质量(RFQ)。
1.4 数据分析
应用统计分析软件IBM SPSS Statistics 21.0对原始数据进行主成分分析;应用Excel 2010进行灰色关联度分析。
2 结果与分析
2.1 不同处理小黑麦产量和饲草品质分析
在山西省朔州市种植小黑麦,不同品种和栽培条件下株高平均值为127.2cm,变异范围为114.7~134.7cm;穗长平均值11.9cm,变异范围为9.0~14.3cm;产量平均值为36 503.1kg/hm2,变异范围为28 623.5~41 692.0kg/hm2;粗蛋白含量平均值为12.5%,变异范围为8.2%~15.0%;瘤胃降解蛋白含量平均值为9.4%,变异系数为15.3%,变异范围为6.0%~12.0%;NDFD30平均值为27.6%,变异范围为22.0%~30.3%;NDFD120平均值为32.4%,变异范围为25.2%~39.4%;NDFD240平均值为34.1%,变异范围为26.6%~41.5%;醇溶糖含量平均值为8.2%,变异范围为3.4%~10.9%;淀粉含量平均值为1.1%,变异范围为0.6%~1.9%;粗脂肪含量平均值为2.9%,变异范围为2.3%~3.5%;总可消化养分平均值为56.7%,变异范围为53.2%~59.7%;产奶净能平均值为1.3mcal/kg,变异范围为1.2~1.3mcal/kg;维持净能平均值为1.20mcal/kg,变异范围为1.00~1.30mcal/kg;增重净能平均值为0.6mcal/kg,变异范围为0.5~0.7mcal/kg;RFV平均值为87.4,变异范围为73~104;RFQ平均值为93.9,变异范围为63~122(表1)。
表1 不同处理小黑麦各指标平均值
Table 1
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 |
注: NDFD30、NDFD120和NDFD240分别表示中性洗涤纤维30、120、240h消化部分占总干重的比例;NEL表示产奶净能;NEm表示维持净能;NEg表示增重净能;RFV表示相对饲料价值;RFQ表示相对饲料质量,下同
Note: NDFD30, NDFD120 and NDFD240 represent the proportion of the digested portion of the neutral washing fiber 30, 120 and 240h to the total dry weight, respectively; NEL represents net energy of milk production; NEm represents maintain net energy; NEg represents net energy gain; RFV represents relative feed value; RFQ represents relative feed quality, the same below
各处理中不同指标变异系数由大到小排列为淀粉含量(27.4%)>醇溶糖含量(21.4%)>穗长(16.2%)>瘤胃降解蛋白含量(15.3%)>RFQ(15.2%)>粗蛋白含量(12.9%)>NDFD120(10.0%)>NDFD240(9.9%)>粗脂肪含量(9.3%)>产量(9.1%)>增重净能(8.4%)>RFV(8.2%)>NDFD30(6.7%)=株高(6.7%)>维持净能(4.7%)>产奶净能(3.2%)>总可消化养分(2.8%)。
2.2 相关性分析
本试验的17个变量之间,相关关系达到极显著的有41对,相关关系达到显著水平的有4对,这说明本试验中各性状之间相关性较强,存在重叠信息,可以利用主成分分析对这些性状变量进行降维处理,缩减衡量指标个数(表2)。
表2 不同指标间相关系数矩阵
Table 2
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 |
注: “*”表示在P<0.05水平达到显著差异;“**”表示在P<0.01水平达到显著差异
Note: "*" means significantly correlation at P<0.05; "**" means extremely significantly correlation at P<0.01
相关性分析结果表明,株高与穗长呈极显著正相关;粗蛋白、瘤胃降解蛋白和醇溶糖含量与总可消化养分、产奶净能、维持净能、增重净能、RFV、RFQ均呈极显著正相关;总可消化养分、产奶净能、维持净能、增重净能、RFV、RFQ两两之间均呈极显著正相关;NDF30、NDF120、NDF240两两之间呈极显著正相关,且均与RFQ呈极显著正相关;NDF120、NDF240与产奶净能呈显著正相关;粗脂肪与粗蛋白含量呈显著正相关,与醇溶糖含量呈显著负相关。
2.3 不同小黑麦品种和栽培条件下17个指标主成分分析
主成分分析法主要是利用降维思想,把多个指标转化为少数几个综合指标,每个综合指标都能够反映原始变量的大部分信息,且所含信息互不重复,使得到的结果更加科学有效。
利用SPSS进行主成分分析,依据特征值大于1的原则提取前5个主成分,这5个主成分累积贡献率达到90.401%,可以解释绝大多数的变异,表明利用这5个主成分进行下一步的综合分析是可行的。前5个主成分的方差贡献率分别为44.150%、17.610%、11.747%、9.592%和7.302%,各指标在不同主成分上的载荷见表3。
表3 主成分分析初始载荷矩阵以及旋转后因子载荷矩阵
Table 3
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 |
2.3.1 主成分命名 利用最大方差法将初始因子矩阵旋转,经旋转后的因子载荷矩阵可以更好地体现因子载荷矩阵的各系数与变量之间的关系。结果(表3)表明,总可消化养分、产奶净能、维持净能、增重净能、RFV和RFQ在第1主成分上有较高载荷,说明第1主成分基本反映了这些指标的信息,可命名为能量效益值;NDFD30、NDFD120和NDFD240在第2主成分上有较高载荷,说明第2主成分基本反映了这些指标的信息,可命名为中性洗涤纤维消化速率值;粗蛋白和瘤胃降解蛋白含量在第3主成分上有较高载荷,说明第3主成分基本反映了这些指标的信息,可命名为蛋白效益值;株高和穗长在第4主成分上有较高载荷,说明第4主成分基本反映了这些指标的信息,可命名为茎秆效益值;淀粉和粗脂肪含量在第5主成分上有较高载荷,说明第5主成分基本反映了碳水化合物的信息,可命名为碳水化合物效益值。2.3.2 主成分综合效益值分析 各指标的线性相关系数特征向量(a)为初始因子载荷矩阵中的数据除以主成分相对应的特征值(b)的平方根。其中,a1=b1/SQR(7.506),a2=b2/SQR(2.994),a3=b3/SQR(1.997),a4=b4/SQR(1.631),a5=b5/SQR(1.241),结果见表4。
表4 主成分分析综合效益值排序
Table 4
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 |
依据主成分分析线性关系计算方法,各因子得分公式分别为F1 = 0.036X1 + 0.059X2 + 0.090X3 + 0.248X4 + 0.259X5 + 0.156X6 + 0.169X7 + 0.171X8 + 0.195X9 - 0.011X10 + 0.126X11 + 0.347X12 + 0.347X13 + 0.347X14 + 0.345X15 + 0.338X16 + 0.357X17、F2 = 0.275X1 + 0.293X2 - 0.201X3 - 0.044X4 - 0.063X5 + 0.440X6 + 0.430X7 + 0.432X8 - 0.333X9 + 0.105X10 + 0.232X11 - 0.109X12 - 0.080X13 - 0.094X14 - 0.103X15 - 0.114X16 + 0.034X17、F3 = 0.500X1 + 0.477X2 - 0.001X3 + 0.315X4 + 0.277X5 - 0.194X6 - 0.269X7 - 0.263X8 - 0.192X9 - 0.306X10 + 0.129X11 - 0.049X12 - 0.055X13 - 0.039X14 - 0.049X15 + 0.089X16 - 0.058X17,F4 = 0.364X1 + 0.358X2 - 0.329X3 - 0.395X4 - 0.373X5 - 0.069X6 - 0.044X7 - 0.055X8 + 0.372X9 + 0.062X10 - 0.328X11 + 0.141X12 + 0.123X13 + 0.136X14 + 0.140X15 - 0.044X16 + 0.041X17、F5 = 0.093X1 + 0.094X2 + 0.259X3 - 0.136X4 - 0.184X5 - 0.232X6 - 0.153X7 - 0.144X8 - 0.220X9 + 0.657X10 + 0.475X11 + 0.085X12 + 0.139X13 + 0.106X14 + 0.130X15 - 0.045X16 - 0.050X17。以5个主成分的贡献率为权重,各处理的综合得分公式为F = (44.150×F1 + 17.610×F2 + 11.747×F3 + 9.592×F4 + 7.302×F5)/90.401,综合得分越高,该处理的综合性状越好。各处理的综合得分前5名分别为A1B1C3、A1B2C2、A1B1C2、A1B3C3和A1B3C2(表4)。
2.4 灰色关联度分析
灰色关联度分析是将所有处理的17个指标视为一个灰色系统,首先根据各指标的数据设置1个理想处理K0,然后计算出其他处理与理想处理之间的相关系数,相关系数越高,表明该处理越接近理想值,综合表现越好。本研究中17个性状均采用上限性测度,即各性状指标越大越好。不同指标的原始数据有不同的数量级和量纲,无法直接进行比较,故需要先对原始数据进行无量纲化处理,公式为$r_{i}(k)=\frac{Bi(k)}{\max Bi(k)}$,其中Bi(k)表示第i个品种第k个指标的值,max为最大值。无量纲化处理后的数据,利用如下公式计算各品种与理想品种之间的关联系数[10]。$\xi_{i(k)}=\frac{\min_{i}\min_{k}\Delta_{i(k)}+\rho\max_{i}\max_{k}\Delta_{i(k)}}{\Delta_{i(k)}+\rho\max_{i}\max_{k}\Delta_{i(k)}}$,ξi(k)为关联系数;∆i(k)表示第i个品种与理想品种在第k个指标无量纲数据的绝对差值;minimink∆i(k)和maximaxk∆i(k)分别表示∆i(k)的二级最小值和二级最大值,ρ为分辨系数,一般为0.5。$\gamma_{i}=\sum\limits_{k=1}^{5}W_{K}\varepsilon_{i}(k)$,WK为第k个性状的权重,γi为第i个品种的关联度。不同指标的权重系数=变异系数/总变异系数,分别为0.036(株高)、0.086(穗长)、0.049(产量)、0.069(粗蛋白含量)、0.082(瘤胃降解蛋白含量)、0.036(NDFD30)、0.053(NDFD120),0.053(NDFD240),0.114(醇溶糖含量),0.146(淀粉含量)、0.050(粗脂肪含量)、0.015(总可消化养分)、0.017(产奶净能)、0.025(维持净能)、0.045(增重净能)、0.044(RFV)和0.081(RFQ)。依据上述公式,计算关联系数(表5),灰色关联系数前5名分别是A1B2C2、A1B1C3、A2B1C3、A1B1C2和A1B3C3。2种综合分析方法结果基本上一致,A1B2C2和A1B1C3在2种方法中分别为第一和第二,综合性状表现好。A2B1C3在2种方法中表现差异最大,说明这个处理的稳定性较差。A1B1C2和A1B3C3在2种方法中均处于前5名,表现优良。
表5 各处理综合效益值与加权关联度排名
Table 5
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 |
3 讨论
3.1 不同处理间各指标变异系数分析
小黑麦饲草品质指标中糖类和蛋白类指标变异较大,但是总可消化养分以及能量品质变化较小。淀粉含量、醇溶糖含量、穗长、瘤胃降解蛋白含量、RFQ和粗蛋白含量的变异系数均大于10%,表明品种、密度和肥料对这些品质的影响十分明显,黄斌等[11]研究发现,不同小黑麦品种在甘肃西部地区产量差异显著;赵方媛等[12]研究了甘农2号小黑麦在云贵高原地区不同播种密度的株高、枝条数和草产量,发现随着播种密度增加,小黑麦平均枝条数表现为先增加后减少,播种密度为基本苗350万/hm2时枝条数最多且草产量较高;董召荣等[13]研究发现,施氮可显著改善刈割后中饲237的再生性,促进植株生长,极显著提高二茬鲜草和干草产量,同时可提高饲草的粗蛋白、粗脂肪和氨基酸含量,降低粗纤维含量,改善饲草品质。李晶等[14]研究发现,随着密度的降低和氮肥的施用,旗叶硝酸还原酶和谷氨酰胺合成酶活性提高,内肽酶和氨肽酶活性降低,可溶性蛋白含量增加。结合本研究可确定不同品种、密度和肥料会对小黑麦饲草品质和产量产生影响。RFV和RFQ均为具有代表性的饲草品质指标,在本试验中RFV的变异系数大于RFQ,对小黑麦筛选的代表性更强。
3.2 不同指标间相关性分析
3.3 2种分析方法结果的比较
主成分分析法和灰色关联度分析法均可以综合考虑各指标,评价不同处理的优劣,但是2种方法运算方式不同,2种方法赋予不同指标权重的方法也不同,因此导致综合排名产生差距[17,18]。本试验结果表明,有部分处理在2种方法的排名上存在较大差异,因此要综合考虑2种方法的最终排名结果来筛选最佳的栽培模式。2种方法中前5名共有的处理为A1B2C2、A1B1C3、A1B1C2和A1B3C3,排名微小的差异是由于2种方法赋予不同指标权重的方法不一样,导致综合排名产生差距。综合分析表明A1B2C2和A1B1C3为最佳的处理。考虑到实际应用中的经济和环保效应,A1B1C3栽培措施肥料施用量过大,而且2种方法综合结果相差不大,因此,建议大田中采用A1B2C2栽培措施 。
4 结论
在山西省雁门关地区小黑麦可以正常越冬,缓解当地冬季饲草紧缺的现状,而且可以保护冬季风沙对土壤的侵袭。综合灰色关联度和主成分分析结果,A1B2C2(晋饲草1号播种量150kg/hm2;复合肥750kg/hm2、尿素150kg/hm2)最适宜雁门地区推广。
参考文献
利用隶属函数法对4种地被植物的耐热性综合评价
,采用盆栽试验,在高温胁迫条件下,通过测定4种地被植物的细胞质外渗率、丙二醛含量、超氧化物歧化酶活性、过氧化物酶活性和脯氨酸、可溶性糖、可溶性蛋白质及叶绿素的含量等生理指标,利用隶属函数法对4种地被植物进行了耐热性综合评价。通过综合隶属函数值评定的耐热性强弱顺序为:广西过路黄Lyaimachia alfredii>花叶过路黄L.christinae var huaye>聚花过路黄L.congestiflora>金叶过路黄L.nummularia‘Aurea’,这一结果与4种植物的实际表现相一致。结果表明,模糊隶属函数法可以避免单一指标的片面性,能较全面地评价地被植物的耐热性。
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
,【目的】探讨小麦主要农艺性状和部分生理生化性状与抗旱性的关系。【方法】采用灰色关联分析(gray correlation analysis),对分别种植于干旱棚和大田自然降水两个条件下的65个小麦品种的主要农艺性状和部分生理生化性状与其抗旱指数的关联度进行分析和评价。【结果】通过灰色关联度分析确定了各性状与抗旱指数的关联度。各农艺性状和生理生化性状与抗旱指数的关联程度大小依次为:气孔导度(0.7995)、光合速率(0.7909)、蒸腾速率(0.7556)、可溶性糖含量(0.7467)、丙二醛(MDA)含量(0.7336)、游离脯氨酸含量(0.7267)、穗长(0.7102)、穗粒数(0.7095)、千粒重(0.7005)、水势(0.6959)、有效分蘖数(0.6951)和株高(0.6866)。并依据各品种的加权抗旱指数对参试品种进行了聚类分析,聚类结果可以较好的反映品种的选育及适应地区。参试品种中较抗旱的品种有洛旱6号、晋麦47、陕麦168、小偃6号等。【结论】与抗旱指数关联度最大的是和叶片气孔相关的生理生化性状,它们在作物受到干旱胁迫时所受的影响最大,与作物抗旱性关系最为密切。因而可以选用气孔导度、光合速率和蒸腾速率等生理生化性状进行小麦抗旱性的以性状为基础的选择,以提高选择效率。
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
,DOI:10.11674/zwyf.2010.0504 URL [本文引用: 1]
2、施氮75 kg/hm2处理子粒产量显著高于其它处理,密度300×104株/hm2、施氮150 kg/hm2处理子粒蛋白质含量、氨基酸含量、赖氨酸含量最高。成熟期子粒蛋白质含量与生育期间旗叶谷氨酰胺合成酶活性显著正相关,与蛋白水解酶活性呈负相关。降低密度和增施氮肥,花后叶片的氮素同化能力增强,叶片蛋白质的降解能力减弱,延缓了叶片早衰。表明小黑麦旗叶可溶性蛋白含量可作为衡量蛋白质代谢的生理指标。]]>
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
,
/
〈 | 〉 |